【正文】 資產(chǎn)總額 對(duì)數(shù) 社會(huì)責(zé)任虛擬變量 根據(jù)表 4中 partA部分?jǐn)?shù)據(jù)，可以發(fā)現(xiàn) ， 投入資本回報(bào)率 、資產(chǎn)凈利率、銷售凈利率三個(gè)指標(biāo)均與社會(huì)責(zé)任變量 在 10%的水平上 呈 顯著 正相關(guān) 關(guān)系 ，企業(yè) 履行 社會(huì)責(zé)任 可以提高公司的投入資本回報(bào)率、資產(chǎn)凈利率和銷售凈利率。 檢驗(yàn)結(jié)果 如表 3所示： 表 3 配對(duì)效果檢驗(yàn) 指標(biāo) 社會(huì)責(zé)任企業(yè)組 非社會(huì)責(zé)任企業(yè)組 均值差額 T值 sig值 凈資產(chǎn)收益率 總資產(chǎn)周轉(zhuǎn)率 資產(chǎn)負(fù)債率 獨(dú)立董事比例 股權(quán)集中度 資產(chǎn)規(guī)模 根據(jù)表 3可以發(fā)現(xiàn)， 配對(duì)后兩組 公司 6個(gè) 特征變量 的 均值差異是不顯著的，因此 有效地控制了公司規(guī)模、財(cái)務(wù)狀況、管理能力及公司治理這些 因素 的干 擾，這有助于我們更好地研究公司社會(huì)責(zé)任與財(cái)務(wù) 績效之間的關(guān)系。因此，本文的 logist 傾向分?jǐn)?shù)函數(shù)預(yù)測(cè)正確率 為 %，預(yù)測(cè)錯(cuò)誤的概率僅為 %， 模型 的預(yù)測(cè)效果較好。 經(jīng)計(jì)算發(fā)現(xiàn)， 569家制造業(yè)公司中，共有 56家公司的傾向分?jǐn)?shù)大于 ，其中 被 收錄于社會(huì)責(zé)任指數(shù)的公司有 36家，未 被 收錄的有 20家（為預(yù)測(cè)錯(cuò)誤的公司）。 四 、實(shí)證結(jié)果及分析 （一） 樣本配對(duì) 本文首先 將 569家 深市制造業(yè) 公司 2020年 12 月 31 日 的 特征變量 數(shù)據(jù)引入模型（ 1）進(jìn)行 logist 回歸， 估計(jì)出 傾向分?jǐn)?shù)函數(shù)模型。 第二種方法是將兩組公司的財(cái)務(wù)數(shù)據(jù)進(jìn)行配對(duì)樣本 T檢驗(yàn)， 直接 比較社會(huì)責(zé)任企業(yè) 組 與非社會(huì)責(zé)任企業(yè) 組 的財(cái)務(wù)績效均值差異?；貧w模型如下： ???? ???? C S R Da s s e tep e r fo r m a n c ln (3) 其中， performance 為財(cái)務(wù)績效變量， 用 7 個(gè)財(cái)務(wù)指標(biāo)代替； lnasset 為資產(chǎn)總額的對(duì)數(shù)， 用來控制規(guī)模效應(yīng)， CSRD為社會(huì)責(zé)任 虛擬 變量，等于 1表示該公司 被 收錄于社會(huì)責(zé)任指數(shù)，為履行社會(huì)責(zé)任較好的社會(huì)責(zé)任企業(yè) ，等于 0表示 公司 為 非社會(huì)責(zé)任企業(yè)。 表 1 特征變量 及財(cái)務(wù)績效指標(biāo)的定義 變量名稱 定義 公司 特征變量 ： 社會(huì)責(zé)任變量 取 1表示 收錄于 社會(huì)責(zé)任指數(shù)；否則為 0 資產(chǎn)規(guī)模 取 資產(chǎn)總額對(duì)數(shù) 資產(chǎn)負(fù)債率 負(fù)債總額 /資產(chǎn)總額 凈資產(chǎn)收益率 凈利潤／所有者權(quán)益 資產(chǎn)周轉(zhuǎn)率 銷售收入 /資產(chǎn)總額 獨(dú)立董 事比例 獨(dú)立董事人數(shù)占董事會(huì)人數(shù)比例 股權(quán)集中度 前 5名股東所占有股權(quán)比例 財(cái)務(wù) 績效計(jì)量指標(biāo)： 會(huì)計(jì)績效 指標(biāo)： 資產(chǎn)凈利率 凈利潤 /資產(chǎn)總額 投入資本回報(bào)率 （凈利潤 +財(cái)務(wù)費(fèi)用） ／（資產(chǎn)總計(jì) 流動(dòng)負(fù)債 +應(yīng)付票據(jù) +短期借款 + 一年內(nèi)到期的長期負(fù)債） 銷售凈利率 凈利潤／銷售收入 市場(chǎng)績效 指標(biāo)： 市凈率 每股股價(jià) /每股凈資產(chǎn) TobinQ值 市場(chǎng)價(jià)值／期末總資產(chǎn) 風(fēng)險(xiǎn)計(jì)量 指標(biāo)： 產(chǎn)權(quán)比率 負(fù)債總額 /所有者權(quán)益總額 權(quán)益乘數(shù) 資產(chǎn)總額 /所有者權(quán)益總額 財(cái)務(wù) 績效影 響效果的估計(jì) 本文 采用兩種方式評(píng)估企業(yè)社會(huì)責(zé)任行為對(duì)公司績效的影響效果。為此，本文 共 采用了 7個(gè)指標(biāo)來衡量公司財(cái)務(wù)績效，這 7個(gè) 指標(biāo)可以劃分為三個(gè)類別： ① 市場(chǎng)績效 指標(biāo)，包括市凈率、 Tobin Q值； ② 會(huì)計(jì)績效指標(biāo) ，包括投入資本回報(bào)率、資產(chǎn)凈利率、銷售凈利率； ③ 風(fēng)險(xiǎn) 指標(biāo)，包括產(chǎn)權(quán)比率、權(quán)益乘數(shù)。公司財(cái)務(wù)績效既包括以會(huì)計(jì)為基礎(chǔ)的 績效，也包括資本市場(chǎng)財(cái)務(wù)績效（ Gee Balabanis， 1998)。數(shù)據(jù)處理均采用 Excel 和 。 本文研究的是 2020 年 12 月 31 日樣本公司與配對(duì)公司財(cái)務(wù)績效數(shù)據(jù)的差異。 最后 根據(jù)上述配對(duì)方法和原則，逐一為 61 家社會(huì)責(zé)任企業(yè)，從未被收錄于社會(huì)責(zé)任指數(shù)的制造業(yè)公司中選取一個(gè)配對(duì)公司，將配對(duì)公司定義為非社會(huì)責(zé)任企業(yè)組。由于本文研究的樣本公司是 2020 年被收錄于深圳社會(huì)責(zé)任指數(shù)的成分股，而這些公司應(yīng)該是在前一年度，也即 2020 年度社會(huì)責(zé)任表現(xiàn)較好的公 司，因此本文首先搜集 2020 年 12月 31 日公司特征變量數(shù)據(jù)，剔除數(shù)據(jù)不全公司后，共得到 569 家深市制造業(yè)公司的特征數(shù)據(jù)，并根據(jù)這些特征數(shù)據(jù)建立本文的傾向分?jǐn)?shù)函數(shù)，計(jì)算每家公司的傾向分?jǐn)?shù)。以上三個(gè)條件皆滿足者方可入選為本文的配對(duì)公司。 ?? )/1( xyp ??????????? xxee1 （ 2） 其中， p為傾向分?jǐn)?shù)，即被收錄于深圳社會(huì)責(zé)任指數(shù)的概率； x為模型（ 1）中的 特征變量 ，包括資產(chǎn)規(guī)模、凈資產(chǎn)收益率、資產(chǎn)負(fù)債率、總資產(chǎn)周轉(zhuǎn)率、獨(dú)立董事比例和股權(quán)集中度。再將每個(gè)樣本的 特征 變量 數(shù)據(jù)代入傾向分?jǐn)?shù)函數(shù)，并應(yīng)用下列公式（ 2）可計(jì)算出每家公司的傾向分?jǐn)?shù)。 因此，本文將公司規(guī)模、財(cái)務(wù)狀況、 管理能力、 公司治理這些 特征變量 均考慮進(jìn)去，并建立 logist回歸模型如下： ?? )(log pity ?? )1ln( pp ? + 資產(chǎn)規(guī)模0? + 凈資產(chǎn)收益率1? + 資產(chǎn)負(fù)債率2? + 總資產(chǎn)周轉(zhuǎn)率3? +??? ?? 股權(quán)集中度獨(dú)立董事比例 54 （ 1） 其中 y為社會(huì)責(zé)任變量，若 公司 被納入社會(huì)責(zé)任指數(shù)則取 1，否則取值 0； p為傾向分?jǐn)?shù)，即公司被納入社會(huì)責(zé)任指數(shù)的概率； 資產(chǎn)規(guī)模 為規(guī)模因素，凈資產(chǎn)收益率與資產(chǎn)負(fù)債率為公司財(cái)務(wù) 狀況 因素，總資產(chǎn)周轉(zhuǎn)率為管理能力因素，獨(dú)立董事比例和股權(quán)集中度反應(yīng)公司的治理結(jié)構(gòu) ， ? 是殘差項(xiàng)。 Dierks and Coppock(1978)等研究認(rèn)為，規(guī)模大的企業(yè)知名度高，受到社會(huì)大眾的關(guān)注也較多，因 而 承擔(dān)社會(huì)責(zé)任的壓力較大，因此企業(yè)規(guī)模與從事社會(huì)責(zé)任行為之間呈正相關(guān)關(guān)系； Moore(2020)等認(rèn)為企業(yè)的財(cái)務(wù)狀況越好，將使得企業(yè)更有余力去進(jìn)行社會(huì)責(zé)任活動(dòng)； Pava and Krausz(1996)認(rèn)為管理能力越強(qiáng)的公司從事公益行為的傾向越大。 三 、研究設(shè)計(jì) （一） 基于傾向分?jǐn)?shù)的 配對(duì) 依據(jù) Rubin and Rosenbaum(1983,1985)提出的 傾向分?jǐn)?shù)配對(duì)方法， 本文的樣本配對(duì)過程為：（ 1） 估計(jì)企業(yè)被納入社會(huì)責(zé)任指數(shù)的概率函數(shù)， 也即 傾向分?jǐn)?shù)函數(shù)； （ 2） 將 每個(gè)樣本 的 特征變量 代入傾向分?jǐn)?shù)函數(shù)中 計(jì)算 該樣本的傾向分?jǐn)?shù) ；（ 3） 針對(duì) 每一個(gè)樣本公司， 按 傾向分?jǐn)?shù) 最 接近為 標(biāo)準(zhǔn) ，在未納入社會(huì)責(zé)任指數(shù)的公司中尋找一公司與之配對(duì)。由于匹配的標(biāo)準(zhǔn)是一系列的特征變量，當(dāng)特征變量的數(shù)量很多時(shí)，會(huì)使得匹配不可行，而傾向分?jǐn)?shù)法通過將樣本在受理前的多個(gè)特征總結(jié)成一個(gè)單一的指數(shù)變量，即傾向得分，從而使得匹配可行。至于工具變量和選擇模型法，均要求設(shè)計(jì)有效的工具變量，但是工具變量的選擇有難度，特別是針對(duì)本研究而言，不能把影響企業(yè)業(yè)績的所有因素完全找出來，很可能會(huì)遺漏重要信息，此外，工具變量也需要被解釋為社會(huì)責(zé)任行為發(fā)生的外生變量，必須詳細(xì)討論弱工具變量和不合適工具變量的可能性，而對(duì)于經(jīng)濟(jì)問題研究，通過實(shí)驗(yàn)方法證明上述可能顯然具有一定的局限性，因此，本文擬選擇傾向得分匹配法（ Rosenbaum and Rubin， 1983），該方法不需限定工具變量，也不 需要假定業(yè)績方程的具體形式也不對(duì)誤差項(xiàng)的具體分布做要求。倍差分析法要求觀察樣本在不同的策略前后，即企業(yè)在實(shí)施社會(huì)責(zé)任前后業(yè)績的差異，但本文沒有采取檢驗(yàn)企業(yè)在承擔(dān)社會(huì)責(zé)任前與承擔(dān)社會(huì)責(zé)任后的業(yè)績差異來評(píng)價(jià)承擔(dān)社會(huì)責(zé)任對(duì)業(yè)績的影響。所以，我們希望在比較社會(huì)責(zé)任企業(yè)與非社會(huì)責(zé)任企業(yè)的業(yè)績差異時(shí)，兩類企業(yè)除了在是否 承擔(dān)社會(huì)責(zé)任方面存在差異外，在所有其他方面應(yīng)該相等或相近，避免選擇偏誤。模型假定了解釋變量 CSRDi，即企業(yè)的社會(huì)責(zé)任行為是外生決定或隨機(jī)的，而且模型中社會(huì)責(zé)任的收益 ? 對(duì)所有企業(yè)都是相同的。企業(yè)社會(huì)責(zé)任對(duì)企業(yè)業(yè)績的影響問題，傳統(tǒng)的方法是采用 如下的OLS模型估計(jì)： Performancei = ? CSRDi + ? Xi+? i , 并且 E(? i) = 0 這里 i = 1 ,2 , ?, n ,表示不同的企業(yè)； Performancei是被解釋變量企業(yè)業(yè)績，要么用會(huì)計(jì)指標(biāo)度量，要么以市場(chǎng)指標(biāo)度量； CSRDi 用來 解釋變量社會(huì)責(zé)任，一部分研究者直接將社會(huì)責(zé)任變量設(shè)置為虛擬變量（社會(huì)責(zé)任公司為 1，否則為 0），另一部分研究者或以第三方機(jī)構(gòu)的評(píng)價(jià)數(shù)據(jù)、或以采用內(nèi)容分析法獲取的數(shù)據(jù)、或以相關(guān)的會(huì)計(jì)數(shù)據(jù)來衡量企業(yè)的社會(huì)責(zé)任； Xi是其他解釋變量向量， ? i是期望為零的擾 動(dòng)項(xiàng)。陳玉清和馬麗麗 (2020)、劉長翠、孔曉婷 (2020)、 王秀麗（ 2020）等 采用利益相關(guān)者指標(biāo)衡量社會(huì)責(zé)任， 考察 我國 社會(huì)責(zé)任 信息的價(jià)值相關(guān)性問題 ， 研究也得出相似的結(jié)論。Cardamone et al.(2020)選取意大利 178家上市公司為樣本 進(jìn)行研究， 發(fā)現(xiàn)社會(huì)責(zé)任報(bào)告披露與股價(jià)之間呈負(fù)相關(guān)關(guān)系。如 Vance(1975)研究發(fā)現(xiàn)社會(huì)責(zé)任履行程度較高的企業(yè)，相對(duì)于社會(huì)責(zé)任履行程度較低的企業(yè)有較低的股票報(bào)酬率。 研究結(jié)果 表明，承擔(dān)社會(huì)責(zé)任不會(huì)降低企業(yè)價(jià)值 ， 社會(huì)責(zé)任 信息的披露 可以提高公司的 股票收益率。研究發(fā)現(xiàn)， 相對(duì)于 未履行社會(huì)責(zé)任的公司 ，履行社會(huì)責(zé)任較好的公司 財(cái)務(wù)績效 更 好。 Shane and Spicer(1983)采用事件研究法， 檢驗(yàn)資本市場(chǎng)對(duì)公司社會(huì)責(zé)任信息的反應(yīng) ， 研究 發(fā)現(xiàn) ，相對(duì)于 那些 被 美國經(jīng)濟(jì)優(yōu)先組織 （ Council on Economic Priorities） 報(bào)告列入污染控制表現(xiàn)較差的公司 ， 被 CEP 報(bào)告列入污染控制表現(xiàn)較好的公司 具有 顯著更 高 的超常收益率。 Cochran and Wood (1984)采用聲譽(yù)指數(shù)法，根據(jù)履行社會(huì)責(zé)任的程度將公司評(píng)級(jí)為履行社會(huì)責(zé)任 較好 的、 中等 的、較差的三組，采用回歸分析方法 進(jìn)行研究 ，發(fā)現(xiàn)承擔(dān)社會(huì)責(zé)任的程度與企業(yè)會(huì)計(jì)績效呈正相關(guān)。 Moskowitz(1972)、 Parket and Eibert(1975)等學(xué)者也認(rèn)為企業(yè)承擔(dān)社會(huì)責(zé)任的效益大過其成本，履行社會(huì)責(zé)任對(duì)公司績效有正向效益。 Cornell and Shapiro(1987)認(rèn)為，企業(yè)若能滿足來自社會(huì)各個(gè)層次的利益相關(guān)者的需求，將可以提升公司績效。 Becchetti, Ciciretti and Hasan(2020)也認(rèn)為，企業(yè)發(fā)展社區(qū)關(guān)系、 參與 環(huán)境保護(hù)等大部分社會(huì)責(zé)任行為與企業(yè)股東利益最大化原則相背離，從事這些行為會(huì)增加成本，不利于公司績效。一部分學(xué)者認(rèn)為，企業(yè)的社會(huì)責(zé)任行為不能改善企業(yè)業(yè)績。 本文余下內(nèi)容安排如下： 第二部分進(jìn)行文獻(xiàn)回顧及評(píng)析； 第 三 部分是研究設(shè)計(jì)，介紹傾向分?jǐn)?shù)配對(duì)方法、樣本的選取、數(shù)據(jù)來源及研究方法；第 四 部分是實(shí)證結(jié)果及其討論；最后 是本文的研究結(jié)論與啟示。本文的不同之處在于：一方面，本文采用 Rubin and Rosenbaum(1983,1985)的傾向分?jǐn)?shù)配對(duì)方法，根據(jù)公司規(guī)模、財(cái)務(wù)狀況、管理能力、公司治理等公司特征變量，建立本文的傾向分?jǐn)?shù)函數(shù)，分別計(jì)算出每家公司的傾向分?jǐn)?shù)，并為 61 家被收 錄于深 圳社會(huì)責(zé)任指數(shù)的樣本公司，按照傾向分?jǐn)?shù)最相近原則，在未被收錄的公司中尋找一家公司與之配對(duì)，使得配對(duì)后兩者在公司特征上的差異消失或減少，從而降低公司特征變量的干擾，克服前人研究中的選擇偏誤問題。為此，本文 將所有 2020 年收錄于深圳社會(huì)責(zé)任指數(shù)的制造業(yè)公司定義為社會(huì)責(zé)任企業(yè)組，從未被收錄于社會(huì)責(zé)任指數(shù)的制造業(yè)公司中選擇配對(duì)公司，定義為非社會(huì)責(zé)任企業(yè)組，并比較兩組公司財(cái)務(wù)績效的差異。因此，本文認(rèn)為有必要重新探討社會(huì)責(zé)任 行為是否可以改善財(cái)務(wù)績效的 問題，這有助于我們更深入了解社會(huì)責(zé)任的本質(zhì)，進(jìn)而規(guī)范我國上市公司的經(jīng)營行為。 那么，企業(yè)社會(huì)責(zé)任行為可以改善財(cái)務(wù)績效嗎？盡管學(xué) 術(shù)界已有眾多這方面研究，然而由于樣本的選擇、社會(huì)責(zé)任和財(cái)務(wù)績效衡量變量、研究方法等存在差異，研究并未取得一致性結(jié)論。 例如，員工培訓(xùn)、醫(yī)療照顧、優(yōu)越的工作環(huán)境等會(huì)影響員工的生產(chǎn)能力；安全的產(chǎn)品將能吸引更多的顧客；有效地使用資源、參加公益活動(dòng)能提升公司形象和聲譽(yù)。 financial performance 。研究結(jié)論表明，社會(huì)責(zé)任企業(yè)的財(cái)務(wù)績效顯著優(yōu)于非社會(huì)責(zé)任企業(yè)，企業(yè)社會(huì)責(zé)任行為可以改善財(cái)務(wù)績效。 企業(yè)的社會(huì)責(zé)任行為可以改善財(cái)務(wù)績效嗎？ — 基于傾向分?jǐn)?shù)配對(duì)的方法 鄧德軍 肖文娟 （廣西大學(xué)商學(xué)院，廣西 南寧 530004） 【 摘要 】 現(xiàn)有實(shí)證研究在比較社會(huì)責(zé)任企業(yè)與非社會(huì)責(zé)任企業(yè)的績效高低時(shí)，并未控制其他公司特征變量的影響，因此研究結(jié)果容易受到兩組樣本公司特征差異性的扭曲，面臨樣本選擇偏誤問題。本文將被深圳社會(huì)責(zé)任指數(shù)收錄的 61 家制造業(yè)公司定義為社會(huì)責(zé)任企業(yè)，未被收錄的深市制造業(yè)公司定義為非社會(huì)責(zé)任企業(yè)，并采用傾向分?jǐn)?shù)配對(duì)方法，根據(jù)公司特征變量相近原則進(jìn)行樣本配對(duì)，控制公司規(guī)模、財(cái)務(wù)狀況、管理 能力及公司治理等特征變量的影響，