許志冬，張慧明，周德群，曹杰

(1.南京信息工程大學(xué) 管理工程學(xué)院，江蘇 南京210044；2.南京航天航空大學(xué) 經(jīng)濟(jì)與管理學(xué)院，江蘇 南京 211106；3.徐州工程學(xué)院 管理工程學(xué)院，江蘇 徐州 221111)

一、引 言

中國幅員遼闊、地理環(huán)境復(fù)雜、人口眾多，是受氣象災(zāi)害嚴(yán)重影響的國家之一，氣象災(zāi)害在我國自然災(zāi)害中所占比例高達(dá)75%(1)數(shù)據(jù)來源：來自新華網(wǎng)http://www.xinhuanet.com//2017-05/11/c_1120957915.htm。。依據(jù)《中國氣象災(zāi)害年鑒》公布的數(shù)據(jù)，僅2016-2018年，因氣象災(zāi)害及其次生、衍生災(zāi)害而受災(zāi)的人數(shù)分別達(dá)到1.9億人次、1.4億人次和1.4億人次，累計(jì)造成直接經(jīng)濟(jì)損失超過1萬億元(2)數(shù)據(jù)來源：作者根據(jù)《中國氣象災(zāi)害年鑒》(2017-2019)計(jì)算整理得到。。企業(yè)是氣象災(zāi)害的受眾之一，也是承擔(dān)社會責(zé)任的重要主體。目前，參與精準(zhǔn)扶貧已經(jīng)成為企業(yè)履行社會責(zé)任的一種新形式，這對于國家建立長效扶貧機(jī)制具有重要作用，因此得到了中央政府的高度重視。在相繼頒布或制定的《中央企業(yè)定點(diǎn)幫扶貧困革命老區(qū)百縣萬村活動的通知》(2014)、《關(guān)于打贏脫貧攻堅(jiān)戰(zhàn)的決定》(2015)、《推進(jìn)“萬企幫萬村”精準(zhǔn)扶貧行動向深度貧困地區(qū)傾斜的落實(shí)方案(2018-2020年)》(2018)等政策文件中，中央政府提出企業(yè)參與精準(zhǔn)扶貧活動的戰(zhàn)略決策，并分別就如何引導(dǎo)國有企業(yè)和民營企業(yè)積極參與精準(zhǔn)扶貧作了詳細(xì)規(guī)劃?！笆奈濉笔蔷珳?zhǔn)扶貧與鄉(xiāng)村振興兩大戰(zhàn)略的歷史更迭期。從宏觀政策層面來看，2020年中央“一號文件”提出解決絕對貧困問題后，扶貧工作重心將轉(zhuǎn)向解決相對貧困；2021年中央又明確提出在完成脫貧攻堅(jiān)任務(wù)后，對擺脫貧困的縣，從脫貧之日起設(shè)立5年銜接過渡期，持續(xù)鞏固脫貧攻堅(jiān)成果，進(jìn)而逐步實(shí)現(xiàn)由脫貧攻堅(jiān)向鄉(xiāng)村振興的過渡。從脫貧攻堅(jiān)戰(zhàn)略與鄉(xiāng)村振興戰(zhàn)略的內(nèi)在邏輯關(guān)系來看，后者是對前者的進(jìn)一步升級，前者是后者的基礎(chǔ)和保障[1]，并且能夠?yàn)楹笳叩膶?shí)施提供有效借鑒[2]。要想實(shí)現(xiàn)兩者之間的有效銜接，就必須鞏固脫貧攻堅(jiān)成果、補(bǔ)齊脫貧攻堅(jiān)短板，以及充分借鑒脫貧攻堅(jiān)經(jīng)驗(yàn)。企業(yè)是履行精準(zhǔn)扶貧社會責(zé)任的重要群體，也是政府打贏脫貧攻堅(jiān)戰(zhàn)的重要幫手[3]，對于鞏固脫貧攻堅(jiān)成果，實(shí)現(xiàn)脫貧攻堅(jiān)與鄉(xiāng)村振興兩大戰(zhàn)略有效銜接具有重要作用。因此，對企業(yè)精準(zhǔn)扶貧的驅(qū)動因素及扶貧成效的探討極為重要。

目前，國內(nèi)已有部分文獻(xiàn)從企業(yè)層面[4-6]以及外部環(huán)境壓力[4，7-8]等角度對精準(zhǔn)扶貧行為展開了研究。在企業(yè)層面，有研究表明公司規(guī)模越大、業(yè)績越好，其參與精準(zhǔn)扶貧的可能性以及支出水平就越高[4]。產(chǎn)權(quán)性質(zhì)也會影響企業(yè)精準(zhǔn)扶貧行為，杜世風(fēng)等[4]發(fā)現(xiàn)國有企業(yè)在履行精準(zhǔn)扶貧這一社會責(zé)任方面要優(yōu)于非國企，該論點(diǎn)得到了易玄等[5]人的支持。不過，楊義東和程宏偉[6]從企業(yè)參與精準(zhǔn)扶貧意愿與扶貧支出兩個維度進(jìn)一步分析，指出相對于民營企業(yè)，國有企業(yè)參與精準(zhǔn)扶貧的意愿較高，但扶貧支出水平卻較低。其結(jié)論雖肯定了不同產(chǎn)權(quán)性質(zhì)企業(yè)精準(zhǔn)扶貧行為的差異，但與杜世風(fēng)等[4]以及易玄等[5]的研究結(jié)果略有區(qū)別。在外部環(huán)境壓力層面，聶軍等[7]與黃珺等[8]分別發(fā)現(xiàn)地方政府財政壓力與媒體關(guān)注會顯著提高企業(yè)在精準(zhǔn)扶貧上的投入。此外，還有學(xué)者基于行業(yè)競爭的角度，揭示了“行業(yè)同構(gòu)壓力”對企業(yè)精準(zhǔn)扶貧行為的正向作用[6]?；谏鲜龇治?，可以發(fā)現(xiàn)鮮有學(xué)者探討氣象災(zāi)害這一外生性沖擊對企業(yè)扶貧行為的影響?？紤]到氣象災(zāi)害日益頻發(fā)，且可能對企業(yè)生產(chǎn)運(yùn)營產(chǎn)生負(fù)面影響，在這一背景下，企業(yè)受災(zāi)后的扶貧意愿及其成效有待于深入剖析?；诖?，本文采用2016-2018年中國A股上市公司面板數(shù)據(jù)，探究氣象災(zāi)害對中國上市公司精準(zhǔn)扶貧這一新型企業(yè)社會責(zé)任的影響效應(yīng)，試圖揭示企業(yè)災(zāi)后扶貧行為隱藏的動機(jī)，并檢驗(yàn)了企業(yè)災(zāi)后扶貧行為對扶貧成效的影響。

本文的邊際貢獻(xiàn)如下：(1)基于外生性沖擊的視角分析精準(zhǔn)扶貧的驅(qū)動因素，延展了企業(yè)社會責(zé)任研究。從理論層面來看，現(xiàn)有文獻(xiàn)對企業(yè)精準(zhǔn)扶貧的驅(qū)動機(jī)制研究主要聚焦于微觀層面的企業(yè)規(guī)模和企業(yè)業(yè)績[4]、企業(yè)產(chǎn)權(quán)性質(zhì)[5-6]等因素，以及外部宏觀層面的政府財政壓力[7]、行業(yè)同構(gòu)壓力[5]和媒體關(guān)注[8]等，鮮有研究考量外生的氣象災(zāi)害沖擊。因此，本文基于外生性沖擊的視角分析精準(zhǔn)扶貧的驅(qū)動因素，在一定程度上彌補(bǔ)了以上研究缺憾。(2)鏈接氣象災(zāi)害與企業(yè)精準(zhǔn)扶貧，拓展了氣象災(zāi)害的微觀效應(yīng)研究。現(xiàn)階段針對氣象災(zāi)害與企業(yè)社會責(zé)任的關(guān)系研究多是剖析單一的地質(zhì)災(zāi)害事件[9]或者臺風(fēng)災(zāi)害[10]對企業(yè)慈善捐贈行為的影響，較少涉及企業(yè)精準(zhǔn)扶貧這一新型社會責(zé)任形式。(3)評估災(zāi)后扶貧行為對脫貧成效的影響，為企業(yè)參與脫貧攻堅(jiān)與鄉(xiāng)村振興的有效銜接提供解決思路。研究指出企業(yè)災(zāi)后扶貧行為與扶貧成效存在脫鉤現(xiàn)象，因此為推進(jìn)鄉(xiāng)村振興，應(yīng)從微觀層面提高災(zāi)后脫貧攻堅(jiān)效果。

二、理論分析與研究假設(shè)

(一)基準(zhǔn)回歸的研究假設(shè)

從微觀層面來看，氣象災(zāi)害的沖擊盡管可能會使醫(yī)藥、空調(diào)等少數(shù)行業(yè)受益，但更多的是給企業(yè)的經(jīng)營管理造成負(fù)面效應(yīng)，包括廠房和機(jī)器設(shè)備等生產(chǎn)性資本受損[11，12]、企業(yè)物流中斷[13]、人力資本流失[14]、創(chuàng)新效率降低[15]、資金的流動性下降[16]，以及費(fèi)用增加、收入和利潤降低[17]等。此外，氣象災(zāi)害會導(dǎo)致銀行監(jiān)管力度增強(qiáng)，銀行違約的可能性增加，銀行信貸難度提升[18]，進(jìn)而損害部分企業(yè)向銀行借款的能力，給企業(yè)的生產(chǎn)經(jīng)營造成較大的負(fù)面影響。鑒于此，企業(yè)在氣象災(zāi)害發(fā)生后亟需資源補(bǔ)償因?yàn)?zāi)害造成的損失，進(jìn)而恢復(fù)正常的生產(chǎn)經(jīng)營。在精準(zhǔn)扶貧戰(zhàn)略背景下，中央與地方兩級政府為了按時完成既定的脫貧攻堅(jiān)任務(wù)，會在貧困地區(qū)投入更多的扶貧資源(如補(bǔ)貼、貸款、稅收優(yōu)惠、建筑用地等)以助其脫困。這些資源對于企業(yè)災(zāi)后恢復(fù)正常生產(chǎn)經(jīng)營同樣具有重要作用。然而，“關(guān)系”社會是中國社會的一個根本特點(diǎn)[19]。企業(yè)若能與本地政府建立良好的“政企關(guān)系”，則更容易獲取來自地方政府的資源[20]。在脫貧攻堅(jiān)的戰(zhàn)略背景下，參與精準(zhǔn)扶貧是企業(yè)建立和維系良好政企關(guān)系的一種有效途徑[21]。現(xiàn)實(shí)中，企業(yè)會選擇在本地精準(zhǔn)扶貧或者參與異地定點(diǎn)幫扶。從本地精準(zhǔn)扶貧來看，氣象災(zāi)害會導(dǎo)致受災(zāi)家庭的收入大幅度減少[22]，加劇收入不平等[23]，進(jìn)而誘發(fā)貧困[24]。此外，氣象災(zāi)害發(fā)生后，由于災(zāi)后恢復(fù)困難等原因，部分家庭的貧困程度可能會進(jìn)一步加重[23，25]，這在中國特殊類型地區(qū)表現(xiàn)尤為突出[26]。這些地區(qū)往往因經(jīng)濟(jì)發(fā)展水平較低、基礎(chǔ)設(shè)施薄弱，抵御氣象災(zāi)害風(fēng)險的能力較差，氣象災(zāi)害的發(fā)生會加重地區(qū)貧困程度，甚至導(dǎo)致受災(zāi)人群大面積返貧[26-27]。在此背景下，如果企業(yè)災(zāi)后積極參與精準(zhǔn)扶貧無疑會減輕政府的扶貧壓力，有利于企業(yè)與地方政府建立良好的政治聯(lián)系，從而獲取地方政府的資源。從企業(yè)異地定點(diǎn)幫扶來看，《中共中央國務(wù)院關(guān)于打贏脫貧攻堅(jiān)戰(zhàn)的決定》(2015)中明確要求東部地區(qū)要加強(qiáng)對西部貧困地區(qū)的對口幫扶力度，并健全定點(diǎn)扶貧機(jī)制。企業(yè)災(zāi)后如果仍能積極參與異地定點(diǎn)幫扶，那么既分擔(dān)了對口幫扶的政治任務(wù)，還為幫扶地區(qū)實(shí)現(xiàn)脫貧攻堅(jiān)做出貢獻(xiàn)，有助于其在政治資源競爭中獲得優(yōu)勢?；谏鲜龇治?，本文提出以下假設(shè)。

假設(shè)1a：限定其他條件，氣象災(zāi)害會顯著提高企業(yè)參與精準(zhǔn)扶貧的意愿。

假設(shè)1b：限定其他條件，氣象災(zāi)害會顯著提高企業(yè)精準(zhǔn)扶貧支出水平。

(二)動機(jī)檢驗(yàn)部分的研究假設(shè)

盡管總體上氣象災(zāi)害可能會對企業(yè)的精準(zhǔn)扶貧行為產(chǎn)生一定的正向影響，但這種影響還可能因企業(yè)政治資源獲取能力的不同而存在顯著差異。根據(jù)資源依賴?yán)碚?，企業(yè)的發(fā)展離不開外部資源，且由于氣象災(zāi)害可能會導(dǎo)致企業(yè)損耗內(nèi)部資源[11-12，14，16-17]，此時，企業(yè)更需要外部資源的穩(wěn)定供給。相對于政治資源獲取能力較強(qiáng)的企業(yè)，能力較弱的企業(yè)為扭轉(zhuǎn)自身劣勢更有動機(jī)參與災(zāi)后扶貧。大量研究已證實(shí)，由于我國政府對市場具有較強(qiáng)的干預(yù)能力[28]，企業(yè)積極參與精準(zhǔn)扶貧能夠穩(wěn)固并加強(qiáng)與政府的政治聯(lián)系，進(jìn)而有助于獲得財政補(bǔ)貼、融資便利[19，29]以及扶貧資金的使用權(quán)[29]等。這些政治資源對于保持企業(yè)競爭力至關(guān)重要[4]，能夠幫助企業(yè)改善財務(wù)狀況[28-30]、提高企業(yè)價值[31]、緩解企業(yè)融資約束[21]。基于此，本文提出研究假設(shè)2a、2b(見圖1)。

假設(shè)2a：限定其他條件，氣象災(zāi)害對企業(yè)精準(zhǔn)扶貧行為的正向效應(yīng)主要存在于資源獲取能力較弱的企業(yè)。

假設(shè)2b：限定其他條件，資源獲取能力較弱的企業(yè)在氣象災(zāi)害發(fā)生后積極參與精準(zhǔn)扶貧是出于政治動機(jī)。

除了政治動機(jī)，企業(yè)積極履行社會責(zé)任還可能出于其他機(jī)會主義動機(jī)，主要體現(xiàn)為企業(yè)為掩蓋不良行為、轉(zhuǎn)移或消除負(fù)面消息對其不利影響而積極履行社會責(zé)任[32]。根據(jù)印象管理理論與風(fēng)險管理理論，企業(yè)履行社會責(zé)任能夠幫助其積累聲譽(yù)資本，從而起到“聲譽(yù)保險”的作用[33-34]。這是因?yàn)槠髽I(yè)可以利用社會責(zé)任形成的道德資本來轉(zhuǎn)移公眾以及監(jiān)管機(jī)構(gòu)等利益相關(guān)者對負(fù)面事件的注意力，降低負(fù)面事件對其造成的聲譽(yù)損失，進(jìn)而減少企業(yè)遭受的經(jīng)濟(jì)損失[31]。以企業(yè)慈善捐贈為例，該行為背后可能隱藏著一系列工具性動機(jī)[35-36]，其主要表現(xiàn)是企業(yè)為了降低訴訟風(fēng)險給其造成的負(fù)面影響[33，37]、掩蓋其不良行為甚至違規(guī)行為[38]會參與慈善捐贈，從而降低其遭受監(jiān)管機(jī)構(gòu)處罰或者社會制裁的風(fēng)險。氣象災(zāi)害會給社會經(jīng)濟(jì)造成不利影響[39]，這其中也包括對企業(yè)生產(chǎn)經(jīng)營造成的負(fù)面效應(yīng)，但企業(yè)社會責(zé)任投資的邊際效用也可能會更大——災(zāi)害背景下企業(yè)積極履行社會責(zé)任能夠向外界宣傳其有擔(dān)當(dāng)?shù)牧己眯蜗骩10]，會進(jìn)一步放大企業(yè)社會責(zé)任的“聲譽(yù)保險”作用。因此，氣象災(zāi)害發(fā)生后，作為企業(yè)社會責(zé)任新形式的精準(zhǔn)扶貧，也可能成為企業(yè)掩蓋不良行為或者轉(zhuǎn)移負(fù)面消息對其不利影響的一種手段?；谏鲜龇治觯岢黾僭O(shè)3(見圖1)。

圖1 企業(yè)災(zāi)后參與精準(zhǔn)扶貧的動機(jī)分析

假設(shè)3：限定其他條件，其他機(jī)會主義動機(jī)也是企業(yè)災(zāi)后積極參與精準(zhǔn)扶貧的重要動機(jī)之一。

三、研究設(shè)計(jì)

(一)樣本選擇與數(shù)據(jù)來源

本文以2016-2018年滬深A(yù)股上市公司作為樣本，主要基于以下兩點(diǎn)原因：(1)上市公司在公司年報中披露精準(zhǔn)扶貧的相關(guān)信息始于2016年；(2)氣象災(zāi)害數(shù)據(jù)存在滯后性，2019年以及之后年度的氣象災(zāi)害數(shù)據(jù)尚未公布。本文使用的數(shù)據(jù)及來源如下：(1)企業(yè)扶貧數(shù)據(jù)、企業(yè)財務(wù)數(shù)據(jù)以及企業(yè)治理數(shù)據(jù)，來自國泰安(CSMAR)數(shù)據(jù)庫；(2)氣象災(zāi)害數(shù)據(jù)，來源于《中國氣象災(zāi)害年鑒》；(3)地方經(jīng)濟(jì)發(fā)展程度數(shù)據(jù)，來自中國統(tǒng)計(jì)局公布的年度數(shù)據(jù)。在數(shù)據(jù)合并處理過程中，剔除主要變量數(shù)據(jù)缺失的樣本企業(yè)，剔除金融和保險業(yè)以及ST、*ST公司樣本，最后共計(jì)獲得8387個有效觀測值。為了避免樣本中極端值對研究結(jié)果的干擾，本文對所有連續(xù)型變量進(jìn)行了1%和99%的winsorize縮尾處理。

(二)變量選取與測度方式

1.被解釋變量

參照王帆等[19]、聶軍等[7]、黃珺等[8]的研究，從企業(yè)精準(zhǔn)扶貧意愿(TPA1)和企業(yè)精準(zhǔn)扶貧支出水平(TPA2)兩個維度來定義企業(yè)的精準(zhǔn)扶貧行為。其中企業(yè)精準(zhǔn)扶貧意愿是虛擬變量，如果企業(yè)當(dāng)年參與了精準(zhǔn)扶貧，則賦值為1，否則為0；企業(yè)精準(zhǔn)扶貧支出水平用企業(yè)當(dāng)年扶貧支出總額加1取對數(shù)的方式來測度。

2.解釋變量

本文的核心解釋變量是氣象災(zāi)害強(qiáng)度指數(shù)。考慮到氣象災(zāi)害年鑒中僅公布了各省的干旱、臺風(fēng)、暴雨洪澇、凍災(zāi)以及局地強(qiáng)對流天氣這五類氣象災(zāi)害數(shù)據(jù)，本文首先構(gòu)造了省級層面氣象災(zāi)害總強(qiáng)度指數(shù)以及各類災(zāi)害的災(zāi)害強(qiáng)度指數(shù)，然后以上市公司所在省份為依據(jù)，利用Stata15.0將各年度各省氣象災(zāi)害強(qiáng)度指數(shù)以及各類氣象災(zāi)害的災(zāi)害強(qiáng)度指數(shù)分配給每個上市公司，以此從微觀層面來探究氣象災(zāi)害對企業(yè)精準(zhǔn)扶貧行為的影響。借鑒林煜恩等[12]、朱保美等[40]的研究，氣象災(zāi)害總強(qiáng)度指數(shù)以及各類災(zāi)害強(qiáng)度指數(shù)具體定義如下：(1)采用氣象災(zāi)害發(fā)生后總成災(zāi)面積與總受災(zāi)面積的百分比測度氣象災(zāi)害總強(qiáng)度；(2)采用各類氣象災(zāi)害發(fā)生后成災(zāi)面積與受災(zāi)面積的百分比測度各類氣象災(zāi)害的災(zāi)害強(qiáng)度。

3.控制變量

參考企業(yè)慈善捐贈相關(guān)研究[10，41-42]以及企業(yè)精準(zhǔn)扶貧研究[4，6-7，19，29-30]，從企業(yè)財務(wù)因素、企業(yè)治理因素、地區(qū)經(jīng)濟(jì)發(fā)展水平三個層面選取控制變量。其中，企業(yè)財務(wù)層面控制了企業(yè)規(guī)模、負(fù)債水平、盈利能力、現(xiàn)金資產(chǎn)比率、企業(yè)成長性等五個變量；企業(yè)治理結(jié)構(gòu)層面控制了產(chǎn)權(quán)性質(zhì)、上市年齡、獨(dú)立董事比例、股權(quán)集中程度、董事長與總經(jīng)理是否二職合一、是否經(jīng)四大會計(jì)師事務(wù)所審計(jì)等六個變量?？紤]到地方經(jīng)濟(jì)發(fā)展水平可能對企業(yè)精準(zhǔn)扶貧行為有影響，本文加入了控制變量省份人均GDP。此外，在模型中還控制了時間與行業(yè)固定效應(yīng)。

(三)計(jì)量模型設(shè)定

為檢驗(yàn)假設(shè)1和假設(shè)2，本文構(gòu)建了兩個回歸模型：

Logit(TPA1i,t=1)=β0+β1*disasteri,t+γ*Xi,t+λt+θj+εi,t

(1)

TPA2i,t=β0+β1*disasteri,t+γ*Xi,t+λt+θj+εi,t

(2)

其中，模型(1)用于檢驗(yàn)氣象災(zāi)害對企業(yè)扶貧意愿的影響，考慮到企業(yè)扶貧意愿是取值為0或1的啞變量，故本文選擇Logit模型進(jìn)行檢驗(yàn)；模型(2)用于檢驗(yàn)氣象災(zāi)害對企業(yè)扶貧支出水平的影響效應(yīng)，鑒于企業(yè)扶貧支出為受限變量，采用Tobit模型。模型中disasteri,t是核心解釋變量，Xi,t代表各控制變量，λt和θj分別表示時間和行業(yè)固定效應(yīng)，εi,t為干擾項(xiàng)。各變量具體定義和測度方式見表1。此外，模型(1)和模型(2)均采用了企業(yè)層面的聚類穩(wěn)健標(biāo)準(zhǔn)誤，主要關(guān)注回歸系數(shù)β1的顯著性和符號。

表1 變量定義及其測度方式

四、實(shí)證結(jié)果分析與討論

(一)描述性統(tǒng)計(jì)

由表2可知，企業(yè)精準(zhǔn)扶貧意愿(TPA1)的均值為0.231，表明樣本中有23.1%的上市公司參與了精準(zhǔn)扶貧。企業(yè)精準(zhǔn)扶貧支出水平(TPA2)的均值為3.159，最大值和最小值分別為18.22和0，且標(biāo)準(zhǔn)差達(dá)到了5.853，表明不同公司的精準(zhǔn)扶貧支出水平差距較大。氣象災(zāi)害總強(qiáng)度指數(shù)(disaster)以及干旱(drought)、臺風(fēng)(typhoon)、暴雨洪澇(flood)、凍災(zāi)(freeze)、局地強(qiáng)對流天氣(local strong-convection)各類氣象災(zāi)害強(qiáng)度指數(shù)的最大值與最小值之間差距明顯，表明各省份之間的氣象災(zāi)害強(qiáng)度存在顯著差異。

表2 主要變量的描述性統(tǒng)計(jì)

(二)災(zāi)害強(qiáng)度對企業(yè)扶貧行為的影響：總樣本檢驗(yàn)

表3為基準(zhǔn)回歸結(jié)果：其中第(1)列和第(4)列未加入任何控制變量，第(2)列和第(5)列加入了企業(yè)財務(wù)層面控制變量，第(3)列和第(6)列則加入了所有控制變量(企業(yè)財務(wù)層面變量、企業(yè)治理層面變量、地區(qū)經(jīng)濟(jì)發(fā)展水平變量)。實(shí)證結(jié)果揭示，無論是否加入控制變量，核心解釋變量disaster的系數(shù)均顯著為正，其中，第(3)列氣象災(zāi)害強(qiáng)度指數(shù)對企業(yè)精準(zhǔn)扶貧意愿的估計(jì)系數(shù)為0.6712，且在10%的水平下顯著；第(6)列氣象災(zāi)害強(qiáng)度指數(shù)對企業(yè)精準(zhǔn)扶貧支出水平的估計(jì)系數(shù)為3.3652，且在5%的水平下顯著。以上結(jié)果表明，企業(yè)所處地域氣象災(zāi)害強(qiáng)度對企業(yè)精準(zhǔn)扶貧意愿和精準(zhǔn)扶貧支出水平均具有顯著的正向影響。隨著企業(yè)所處地域氣象災(zāi)害強(qiáng)度的提升，企業(yè)參與精準(zhǔn)扶貧的意愿增強(qiáng)，精準(zhǔn)扶貧支出進(jìn)一步增加，假設(shè)1a和假設(shè)1b得到了驗(yàn)證。

表3 氣象災(zāi)害強(qiáng)度對企業(yè)精準(zhǔn)扶貧行為的影響

控制變量的回歸結(jié)果：企業(yè)盈利能力(Roa)、企業(yè)規(guī)模(Size)、企業(yè)成長性(Growth)、產(chǎn)權(quán)性質(zhì)(Soe)以及地區(qū)人均GDP較為顯著。企業(yè)盈利能力(Roa)、企業(yè)規(guī)模(Size)與企業(yè)的扶貧支出水平、扶貧意愿的回歸系數(shù)均顯著為正，說明公司盈利能力與公司規(guī)模提升了企業(yè)扶貧意愿與支出。企業(yè)成長性(Growth)與扶貧支出水平、扶貧意愿的回歸系數(shù)均在1%的水平下顯著為負(fù)，表明企業(yè)成長性越高，其扶貧意愿與扶貧支出水平則越低，究其原因，可能是成長性高的企業(yè)忙于企業(yè)擴(kuò)張，對扶貧起到擠出效應(yīng)[43]。產(chǎn)權(quán)性質(zhì)(Soe)與企業(yè)扶貧支出水平、扶貧意愿的回歸系數(shù)均顯著為正。這可能是因?yàn)閲衅髽I(yè)肩負(fù)著更多的政治任務(wù)，需要配合政府完成重大戰(zhàn)略任務(wù)[19]，而扶貧是國家重大戰(zhàn)略任務(wù)之一。地區(qū)人均GDP變量的系數(shù)顯著為負(fù)，與黃珺等[8]的研究結(jié)論一致，表明地區(qū)經(jīng)濟(jì)發(fā)展程度越高會抑制企業(yè)的扶貧意愿和扶貧支出水平。結(jié)合企業(yè)扶貧的實(shí)際，本文認(rèn)為地區(qū)經(jīng)濟(jì)發(fā)展水平越高，地方政府財政資源相對豐裕，該地區(qū)貧困人口較少，則地區(qū)的扶貧任務(wù)量相對較輕。其他的控制變量對企業(yè)扶貧行為的影響均不顯著。

(三)災(zāi)害強(qiáng)度對企業(yè)扶貧行為的影響：分樣本檢驗(yàn)

1.基于不同災(zāi)害類別的檢驗(yàn)

本文進(jìn)一步分析了不同氣象災(zāi)害對企業(yè)扶貧行為的影響。表4分別展示了干旱、臺風(fēng)、暴雨洪澇、凍災(zāi)以及局地強(qiáng)對流等五種氣象災(zāi)害的災(zāi)害強(qiáng)度指數(shù)對企業(yè)扶貧意愿和扶貧支出水平的效應(yīng)。其中，列(1)-(5)是僅加入單一氣象災(zāi)害變量后的回歸結(jié)果，為了確保本文研究結(jié)論的可靠性，列(6)展示了五類氣象災(zāi)害全部加入到回歸方程的實(shí)證檢驗(yàn)結(jié)果。表4中Panel A的回歸結(jié)果揭示：無論是單獨(dú)加入各類氣象災(zāi)害變量還是加入全部氣象災(zāi)害，干旱的災(zāi)害強(qiáng)度指數(shù)對企業(yè)扶貧意愿的估計(jì)系數(shù)均在1%的水平下顯著為正，臺風(fēng)的災(zāi)害強(qiáng)度指數(shù)對企業(yè)扶貧意愿的估計(jì)系數(shù)均為負(fù)，且通過了1%的顯著性水平，其他三種氣象災(zāi)害的強(qiáng)度指數(shù)不顯著。依據(jù)表4中Panel B的回歸結(jié)果，干旱的災(zāi)害強(qiáng)度指數(shù)對企業(yè)扶貧支出水平的估計(jì)系數(shù)在1%的水平下顯著為正，而臺風(fēng)與凍災(zāi)的災(zāi)害強(qiáng)度指數(shù)對企業(yè)扶貧支出水平的估計(jì)系數(shù)均在1%的水平下顯著為負(fù)，暴雨洪澇與局地強(qiáng)對流兩類氣象災(zāi)害的強(qiáng)度指數(shù)不顯著。實(shí)證結(jié)果表明，干旱會顯著提高企業(yè)的扶貧意愿并提高企業(yè)的扶貧支出額度；而隨著企業(yè)所在地區(qū)臺風(fēng)強(qiáng)度指數(shù)提升，企業(yè)的扶貧意愿與扶貧支出水平均會下降；隨著企業(yè)所在地區(qū)凍災(zāi)強(qiáng)度指數(shù)的提升，企業(yè)的扶貧支出水平會下降，對企業(yè)扶貧意愿的估計(jì)系數(shù)不顯著，但是符號為負(fù)，基本證實(shí)凍災(zāi)對企業(yè)扶貧行為的負(fù)面效應(yīng)?？偠灾珊祵ζ髽I(yè)扶貧行為具有顯著的正向效應(yīng)，而臺風(fēng)與凍災(zāi)則對企業(yè)扶貧行為具有顯著的負(fù)面效應(yīng)。結(jié)合氣象災(zāi)害的特征，本文將可能的原因歸結(jié)為旱災(zāi)對農(nóng)業(yè)生產(chǎn)的影響更大，對企業(yè)的生產(chǎn)經(jīng)營影響相對較小，災(zāi)害發(fā)生后，企業(yè)仍然有能力參與扶貧；然而，相比干旱，臺風(fēng)與凍災(zāi)給企業(yè)生產(chǎn)經(jīng)營造成較大不利影響，企業(yè)遭受的損失會抑制其精準(zhǔn)扶貧行為。其他控制變量的回歸結(jié)果與總樣本回歸結(jié)果基本一致。

表4 氣象災(zāi)害對企業(yè)扶貧行為的影響(分災(zāi)害類別)

2.基于地區(qū)經(jīng)濟(jì)發(fā)展水平與市場化程度的分樣本檢驗(yàn)

中國地域遼闊，各地經(jīng)濟(jì)發(fā)展水平存在較大差異，市場化水平也參差不齊。從現(xiàn)有研究來看，企業(yè)的社會責(zé)任行為還會受到地區(qū)經(jīng)濟(jì)發(fā)展水平以及市場環(huán)境的影響[44]。因此，本文進(jìn)一步考察企業(yè)災(zāi)后扶貧行為在經(jīng)濟(jì)發(fā)展水平與市場環(huán)境不同的地區(qū)是否存在顯著差異。

(1)基于企業(yè)所在地區(qū)經(jīng)濟(jì)發(fā)展程度的分組檢驗(yàn)。本文采用人均GDP衡量地區(qū)經(jīng)濟(jì)發(fā)展水平[19，45]：若企業(yè)所在地區(qū)的人均GDP高于當(dāng)年全國人均水平，則將其劃分為“經(jīng)濟(jì)發(fā)展程度較高”的樣本組；反之，則為“經(jīng)濟(jì)發(fā)展程度較低”的樣本組。使用模型(1)和模型(2)分別進(jìn)行回歸，結(jié)果如表5中的Panel A所示：兩類地區(qū)氣象災(zāi)害強(qiáng)度指數(shù)與企業(yè)精準(zhǔn)扶貧意愿、精準(zhǔn)扶貧支出水平的回歸系數(shù)均顯著為正。進(jìn)一步通過費(fèi)舍爾組合檢驗(yàn)(Fisher’s Permutation test)分析組間系數(shù)發(fā)現(xiàn)，模型(1)和模型(2)中核心解釋變量disaster的經(jīng)驗(yàn)p值分別為0.001和0.004(見表5中的列(5)和列(6))，表明“經(jīng)濟(jì)發(fā)展程度較高”和“經(jīng)濟(jì)發(fā)展程度較低”兩組中的disaster系數(shù)存在顯著差異。地區(qū)經(jīng)濟(jì)發(fā)展程度較低組中的氣象災(zāi)害強(qiáng)度指數(shù)與企業(yè)扶貧意愿和扶貧支出水平的回歸系數(shù)明顯高于地區(qū)經(jīng)濟(jì)發(fā)展程度較高的組，凸顯了經(jīng)濟(jì)發(fā)展程度低的地區(qū)企業(yè)災(zāi)后扶貧的積極性更高。究其原因可能在于受自身發(fā)展水平限制，氣象災(zāi)害會加重經(jīng)濟(jì)發(fā)展水平較低地區(qū)的貧困程度甚至導(dǎo)致受災(zāi)人群大面積返貧[27]；此外，地區(qū)經(jīng)濟(jì)發(fā)展水平與扶貧資源支持力度呈反向關(guān)系[46]，政府往往會投入大量的資源于經(jīng)濟(jì)發(fā)展水平低的地區(qū)進(jìn)行扶貧。由此，氣象災(zāi)害發(fā)生后，當(dāng)?shù)仄髽I(yè)可能為了獲得地方政府的資源而響應(yīng)政府號召，積極參與這些地區(qū)的精準(zhǔn)扶貧。

(2)基于企業(yè)所在地區(qū)市場化程度的分組檢驗(yàn)。借鑒戴亦一等[37]、李曉玲等[38]的研究，本文采用公司所在地區(qū)當(dāng)年的市場化指數(shù)測度市場化程度。依據(jù)企業(yè)所在地將樣本企業(yè)劃分成“地區(qū)市場化程度較高”和“地區(qū)市場化程度較低”兩組，然后使用模型(1)和模型(2)分別進(jìn)行回歸。表5中的Panel B顯示，在地區(qū)市場化程度較低的組中，氣象災(zāi)害強(qiáng)度指數(shù)與企業(yè)精準(zhǔn)扶貧意愿、精準(zhǔn)扶貧支出水平的回歸系數(shù)均在1%的水平下顯著為正；但是在地區(qū)市場化程度較高的地區(qū)，氣象災(zāi)害強(qiáng)度與企業(yè)扶貧意愿、扶貧支出水平的回歸系數(shù)均不顯著。在市場化程度較低的地區(qū)，隨著氣象災(zāi)害強(qiáng)度的提升，企業(yè)更積極參與災(zāi)后扶貧，可能的原因在于市場化程度較低的地區(qū)制度環(huán)境相對較弱，政府在資源配置的過程中仍然發(fā)揮著主導(dǎo)作用，氣象災(zāi)害發(fā)生后，企業(yè)通過精準(zhǔn)扶貧來履行社會責(zé)任，進(jìn)而換取政府資源的政治動機(jī)更強(qiáng)[47]。一般而言，經(jīng)濟(jì)發(fā)展程度低的地區(qū)，制度環(huán)境也較弱[44]，本文發(fā)現(xiàn)氣象災(zāi)害的扶貧效應(yīng)在這些地區(qū)均較為顯著，兩類分組檢驗(yàn)結(jié)果在邏輯上具有一致性。

表5 基于地區(qū)經(jīng)濟(jì)發(fā)展水平與市場化程度的分樣本檢驗(yàn)結(jié)果

(四)穩(wěn)健性檢驗(yàn)

為了驗(yàn)證基準(zhǔn)回歸結(jié)果的可靠性，本文通過以下四種方法進(jìn)行穩(wěn)健性檢驗(yàn)：(1)將模型(1)中被解釋變量企業(yè)扶貧支出的絕對指標(biāo)替換為相對指標(biāo)(表6中的列(1)和列(2))。借鑒企業(yè)慈善捐贈水平的相關(guān)研究，采用企業(yè)當(dāng)年實(shí)際扶貧金額與期末資產(chǎn)總額比值的1000倍，以及企業(yè)當(dāng)年實(shí)際扶貧金額與當(dāng)年?duì)I業(yè)收入比值的1000倍來衡量企業(yè)的扶貧支出水平。除以當(dāng)年?duì)I業(yè)總收入或期末資產(chǎn)總額是為了消除規(guī)模效應(yīng)，而擴(kuò)大1000倍是為了消除數(shù)級差[10，41-42]。結(jié)果顯示，氣象災(zāi)害強(qiáng)度指數(shù)對企業(yè)扶貧意愿以及扶貧支出水平的估計(jì)系數(shù)均顯著為正。(2)替換核心解釋變量(表6中的列(3)和列(4))。將基準(zhǔn)回歸中的絕對災(zāi)害強(qiáng)度指數(shù)替換為相對災(zāi)害強(qiáng)度指數(shù)。借鑒趙映慧等[48]與王秋京等[49]的方法，相對災(zāi)害強(qiáng)度指數(shù)等于(成災(zāi)面積*0.3+絕收面積*0.7)/受災(zāi)面積。實(shí)證結(jié)果支持了基準(zhǔn)回歸的結(jié)論。(3)針對企業(yè)精準(zhǔn)扶貧意愿檢驗(yàn)，采用面板probit模型來代替面板logit模型進(jìn)行回歸檢驗(yàn)(表6中的列(5))?；貧w結(jié)果揭示氣象災(zāi)害強(qiáng)度指數(shù)對企業(yè)扶貧意愿的估計(jì)系數(shù)在10%的水平下依然顯著為正。(4)傾向得分匹配(PSM)檢驗(yàn)?；谀甓热珖鴼庀鬄?zāi)害強(qiáng)度指數(shù)的中位數(shù)，將樣本企業(yè)分成氣象災(zāi)害強(qiáng)度較高(處理組)和氣象災(zāi)害強(qiáng)度較低(對照組)兩組，所有控制變量均作為協(xié)變量，進(jìn)行1:1的近鄰有放回匹配，匹配樣本通過了平衡性檢驗(yàn)。表6的列(6)和列(7)顯示，經(jīng)過PSM匹配后，氣象災(zāi)害強(qiáng)度指數(shù)與企業(yè)精準(zhǔn)扶貧意愿以及精準(zhǔn)扶貧支出水平的回歸系數(shù)分別在10%和5%的水平下顯著為正。繼續(xù)以年度全國氣象災(zāi)害強(qiáng)度指數(shù)的平均數(shù)來劃分對照組和處理組，并進(jìn)行1:1近鄰有放回匹配的PSM匹配估計(jì)，如表6的列(8)和列(9)所示，結(jié)果依然較為穩(wěn)健。顯然，以上四種穩(wěn)健性檢驗(yàn)均支持了基準(zhǔn)回歸結(jié)果，證實(shí)氣象災(zāi)害確實(shí)提升了企業(yè)扶貧的意愿與支出水平，結(jié)論穩(wěn)健。

表6 穩(wěn)健性檢驗(yàn)結(jié)果

五、進(jìn)一步研究

(一)政治動機(jī)檢驗(yàn)

如理論分析部分所述，本文認(rèn)為資源獲取能力相對較弱的企業(yè)更可能出于政治動機(jī)在氣象災(zāi)害發(fā)生后積極參與精準(zhǔn)扶貧。鑒于此，本文嘗試從微觀層面(企業(yè)產(chǎn)權(quán)性質(zhì)與銀行貸款水平)分組檢驗(yàn)證實(shí)假設(shè)2a，并結(jié)合對資源獲取能力較弱的企業(yè)災(zāi)后扶貧的經(jīng)濟(jì)后果的檢驗(yàn)來證實(shí)假設(shè)2b。

1.基于資源獲取能力強(qiáng)弱的企業(yè)分組檢驗(yàn)

(1)基于企業(yè)產(chǎn)權(quán)性質(zhì)的分組檢驗(yàn)。國有企業(yè)在資源獲取方面具有天生優(yōu)勢[20，38]。然而，不同于國有企業(yè)，民營企業(yè)因?yàn)檎呱系摹捌缫暋?，在外部資源獲取方面面臨諸多制約[50-51]。由此，將樣本分為國有企業(yè)和民營企業(yè)兩組進(jìn)行檢驗(yàn)，其中，后者的資源獲取能力相對較弱(如表7中的Panel A所示)。民營企業(yè)組的氣象災(zāi)害強(qiáng)度與企業(yè)扶貧意愿、扶貧支出水平的回歸系數(shù)均在5%的水平下顯著為正；而國有企業(yè)組的回歸系數(shù)不顯著，即相比于國有控股的上市公司，民營上市公司在氣象災(zāi)害發(fā)生后更愿意參與精準(zhǔn)扶貧且扶貧支出水平較高。國有企業(yè)肩負(fù)社會責(zé)任這一職責(zé)，其實(shí)施扶貧活動主要是為輔助實(shí)現(xiàn)國家重大戰(zhàn)略目標(biāo)這一政治任務(wù)[19]；而民營上市公司來自于市場競爭，與政府關(guān)系等方面的壓力更大[9]，具有較強(qiáng)的功利性動機(jī)[52]。因此，氣象災(zāi)害的發(fā)生可能促使民營企業(yè)借此機(jī)會積極參與扶貧，以獲取更多的政治資源。上述結(jié)果驗(yàn)證了假設(shè)2a。

表7 基于資源獲取能力強(qiáng)弱的企業(yè)分組檢驗(yàn)結(jié)果

注：括號內(nèi)為標(biāo)準(zhǔn)差，*、**、***分別表示在10%、5%、1%的顯著性水平下顯著

(2)基于銀行貸款水平的分組檢驗(yàn)。借鑒聶軍等[7]以及Chen等[53]的研究，采用氣象災(zāi)害發(fā)生前一年企業(yè)所獲銀行貸款總額/總資產(chǎn)表征企業(yè)銀行貸款水平，并作為企業(yè)資源獲取能力強(qiáng)弱的另一種測度方式。依據(jù)所有樣本企業(yè)氣象災(zāi)害發(fā)生前一年的銀行貸款水平的中位數(shù)，將樣本分為銀行貸款水平較高組和銀行貸款水平較低組進(jìn)行檢驗(yàn)。表7中的Panel B顯示，在上期銀行貸款水平較低的企業(yè)樣本中，氣象災(zāi)害強(qiáng)度與企業(yè)精準(zhǔn)扶貧意愿、精準(zhǔn)扶貧支出水平顯著正相關(guān)；而在銀行貸款水平較高的樣本企業(yè)中，氣象災(zāi)害強(qiáng)度與企業(yè)精準(zhǔn)扶貧意愿和精準(zhǔn)扶貧支出水平的回歸系數(shù)均不顯著。顯然，氣象災(zāi)害對企業(yè)扶貧行為的正向效應(yīng)僅在銀行貸款水平較低的企業(yè)中顯著存在。實(shí)證結(jié)論進(jìn)一步印證了假設(shè)2a。

2.企業(yè)災(zāi)后扶貧的經(jīng)濟(jì)后果檢驗(yàn)

上述分組檢驗(yàn)揭示氣象災(zāi)害對企業(yè)扶貧行為的正向效應(yīng)僅顯著存在于那些獲取政府資源能力較弱的企業(yè)，本文認(rèn)為造成這種現(xiàn)象的主要原因可能是上述企業(yè)試圖通過災(zāi)后扶貧獲取政治資源。因此，為了驗(yàn)證假設(shè)2b，基于上文的分組樣本，采用模型(3)和模型(4)分別進(jìn)行災(zāi)后扶貧經(jīng)濟(jì)后果的檢驗(yàn)?？紤]到政府補(bǔ)貼是企業(yè)精準(zhǔn)扶貧能夠獲得的主要政治資源[6，19]，故重點(diǎn)分析資源獲取能力較弱的企業(yè)災(zāi)后扶貧行為是否對其下期政府補(bǔ)貼有顯著正向影響。本文在兩個計(jì)量檢驗(yàn)?zāi)Ｐ椭芯尤肓藲庀鬄?zāi)害與企業(yè)精準(zhǔn)扶貧行為的交叉項(xiàng)(disaster*TPA1與disaster*TPA2)，其他控制變量與上文中模型(1)和模型(2)保持一致，模型中均控制了時間與行業(yè)固定效應(yīng)。

Subsidyi,t+1=β0+β1*disasteri,t+β2*TPA1i,t+β3*disasteri,t*TPA1i,t+γ*Xi,t+λt+θj+εit

(3)

Subsidyi,t+1=β0+β1*disasteri,t+β2*TPA2i,t+β3*disasteri,t*TPA2i,t+γ*Xi,t+λt+θj+εit

(4)

其中，Subsidyi,t+1表示企業(yè)下一年獲得的政府補(bǔ)貼；TPA1i,t和TPA2i,t分別表示企業(yè)精準(zhǔn)扶貧意愿與精準(zhǔn)扶貧支出；disasteri,t*TPA1i,t與disasteri,t*TPA2i,t分別表示氣象災(zāi)害與企業(yè)精準(zhǔn)扶貧意愿、氣象災(zāi)害與企業(yè)精準(zhǔn)扶貧支出的交叉項(xiàng)。借鑒陳曉姍[52]的做法，對企業(yè)下一年獲得的政府補(bǔ)貼取自然對數(shù)。表8中Panel A是基于不同產(chǎn)權(quán)性質(zhì)企業(yè)的檢驗(yàn)結(jié)果，揭示了民營企業(yè)中氣象災(zāi)害與企業(yè)精準(zhǔn)扶貧行為的交叉項(xiàng)系數(shù)顯著為正(列(3)和列(4))，而在國有企業(yè)中不顯著(列(1)和列(2))。Panel B所示，在銀行貸款水平較低的樣本企業(yè)中交叉項(xiàng)系數(shù)顯著為正(列(3)和列(4))，而銀行貸款水平較高的企業(yè)不顯著(列(1)和列(2))。上述結(jié)果表明，災(zāi)后參與精準(zhǔn)扶貧有助于政府資源獲取能力較弱的企業(yè)得到更多的政府補(bǔ)貼。因此，假設(shè)2b得到驗(yàn)證。

表8 企業(yè)災(zāi)后扶貧的經(jīng)濟(jì)后果檢驗(yàn)

(二)其他機(jī)會主義動機(jī)檢驗(yàn)

基于理論分析可知，企業(yè)履行社會責(zé)任還可能出于掩蓋那些可能會影響到其生存發(fā)展的重大不利因素[36]或者不良行為[37]的機(jī)會主義動機(jī)。以慈善捐贈為例，面臨重大訴訟風(fēng)險[37]或者存在違規(guī)行為[38]的企業(yè)往往捐助較多，因?yàn)橐陨蟽煞N情境會導(dǎo)致企業(yè)資源的流失，或者給企業(yè)聲譽(yù)造成極大損害[32，37]。鑒于此，本節(jié)從以下兩個方面分別檢驗(yàn)假設(shè)3：首先，依據(jù)氣象災(zāi)害發(fā)生前一年企業(yè)是否存在違規(guī)行為進(jìn)行分組檢驗(yàn)。使用模型(1)和模型(2)分別對企業(yè)扶貧意愿和扶貧支出水平進(jìn)行回歸(見表9的panel A)。結(jié)果表明，在上年無違規(guī)行為的企業(yè)樣本中，氣象災(zāi)害強(qiáng)度對企業(yè)扶貧意愿、扶貧支出水平的回歸系數(shù)分別為0.8166、3.5325，且均通過了5%水平下的顯著性檢驗(yàn)；而存在違規(guī)行為的企業(yè)組，氣象災(zāi)害強(qiáng)度與企業(yè)扶貧意愿、扶貧支出水平的回歸系數(shù)均不顯著，即相對于違規(guī)企業(yè)，無違規(guī)行為的企業(yè)受氣象災(zāi)害影響而積極參與精準(zhǔn)扶貧的意愿更強(qiáng)烈，且扶貧力度也更大。其次，根據(jù)氣象災(zāi)害發(fā)生前一年企業(yè)是否有重大訴訟進(jìn)行分組檢驗(yàn)，分組回歸結(jié)果如表9中的panel B所示。針對上期無重大訴訟的企業(yè)組，氣象災(zāi)害強(qiáng)度與企業(yè)扶貧意愿和扶貧支出水平的回歸系數(shù)分別在5%和10%的水平下顯著為正；而針對存在重大訴訟的企業(yè)樣本檢驗(yàn)結(jié)果表明，氣象災(zāi)害強(qiáng)度的回歸系數(shù)不顯著?？梢?，隨著氣象災(zāi)害強(qiáng)度的提升，沒有重大訴訟的企業(yè)參與扶貧的積極性會更高。綜上所述，氣象災(zāi)害對企業(yè)扶貧行為的正向效應(yīng)僅存在于外部聲譽(yù)風(fēng)險較低的企業(yè)中(無重大訴訟與無違規(guī)行為的企業(yè))。因此，假設(shè)3并未得到驗(yàn)證，即其他機(jī)會主義動機(jī)并不是企業(yè)災(zāi)后積極參與精準(zhǔn)扶貧的重要動機(jī)。

表9 機(jī)會主義動機(jī)檢驗(yàn)結(jié)果

六、拓展性分析：企業(yè)災(zāi)后扶貧成效檢驗(yàn)

前文驗(yàn)證了企業(yè)災(zāi)后扶貧主要出于獲取政府資源的政治動機(jī)，說明企業(yè)災(zāi)后扶貧行為存在利己的目的。那么，這種帶有利己動機(jī)的災(zāi)后扶貧行為會對企業(yè)扶貧成效產(chǎn)生怎樣的影響？因此，本文采用以下模型進(jìn)一步檢驗(yàn)企業(yè)災(zāi)后扶貧行為的扶貧成效。

PovPopi,t=β0+β1*disasteri,t+β2*TPA1i,t+β3*disasteri,t*TPA1i,t+γ*Xi,t+λt+θj+εit

(5)

PovPopi,t=β0+β1*disasteri,t+β2*TPA2i,t+β3*disasteri,t*TPA2i,t+γ*Xi,t+λt+θj+εit

(6)

其中，PovPopi,t表示企業(yè)扶貧成效，借鑒張靜和朱玉春的做法[54]，用建檔立卡貧困人口脫貧數(shù)加1取對數(shù)測度(下文簡稱企業(yè)幫扶人數(shù))；TPA1i,t和TPA2i,t分別表示企業(yè)精準(zhǔn)扶貧意愿與精準(zhǔn)扶貧支出；disasteri,t*TPA1i,t與disasteri,t*TPA2i,t分別是氣象災(zāi)害與企業(yè)精準(zhǔn)扶貧意愿、氣象災(zāi)害與企業(yè)精準(zhǔn)扶貧支出的交叉項(xiàng)，表示企業(yè)災(zāi)后扶貧行為；其他控制變量與模型(1)和模型(2)均保持一致，模型中還控制了時間與行業(yè)固定效應(yīng)?；貧w結(jié)果如表10所示，其中前兩列是基于總樣本的實(shí)證檢驗(yàn)結(jié)果，后四列采用人均GDP衡量地區(qū)經(jīng)濟(jì)發(fā)展水平[20，45]，并以此為基礎(chǔ)分樣本檢驗(yàn)結(jié)果。研究發(fā)現(xiàn)：企業(yè)災(zāi)后扶貧行為對企業(yè)幫扶人數(shù)的回歸系數(shù)不顯著(列(1)和列(2))；分地區(qū)來看，企業(yè)災(zāi)后扶貧行為的回歸系數(shù)在經(jīng)濟(jì)發(fā)展程度較高地區(qū)也不顯著(列(3)和列(4))，而在經(jīng)濟(jì)發(fā)展程度較低的地區(qū)顯著為負(fù)(列(5)和列(6))。這表明，整體而言企業(yè)災(zāi)后扶貧行為未能有效提升扶貧成效，而在經(jīng)濟(jì)發(fā)展水平薄弱地區(qū)，災(zāi)后企業(yè)扶貧行為顯著削弱了脫貧成效。

表10 企業(yè)災(zāi)后扶貧成效的檢驗(yàn)結(jié)果

七、結(jié)論與政策建議

本文以2016-2018年滬深A(yù)股上市公司為樣本，探究了氣象災(zāi)害與上市公司精準(zhǔn)扶貧行為之間的聯(lián)系，并檢驗(yàn)了企業(yè)災(zāi)后扶貧行為對扶貧成效的影響。研究發(fā)現(xiàn)：(1)總體來看，氣象災(zāi)害對企業(yè)的扶貧行為產(chǎn)生正向影響。隨著氣象災(zāi)害強(qiáng)度的提升，企業(yè)參與精準(zhǔn)扶貧的意愿會進(jìn)一步加強(qiáng)，且企業(yè)的扶貧支出水平也會提高。(2)不同類型氣象災(zāi)害對企業(yè)扶貧行為存在顯著差異。干旱對企業(yè)扶貧行為具有顯著的正向效應(yīng)，而臺風(fēng)和凍災(zāi)這兩類氣象災(zāi)害對企業(yè)扶貧行為具有顯著的負(fù)面效應(yīng)，暴雨洪澇與局地強(qiáng)對流天氣對企業(yè)扶貧行為無顯著影響。(3)進(jìn)一步的截面異質(zhì)性檢驗(yàn)顯示，氣象災(zāi)害發(fā)生后，地方經(jīng)濟(jì)發(fā)展程度較低與市場化程度較低的地區(qū)上市公司會更積極參與精準(zhǔn)扶貧。(4)在氣象災(zāi)害發(fā)生后，企業(yè)積極響應(yīng)政府號召參與扶貧是出于政治動機(jī)，其他機(jī)會主義動機(jī)并不明顯。具體而言，氣象災(zāi)害對企業(yè)扶貧行為的正向效應(yīng)主要存在于資源獲取能力較差的企業(yè)(民營上市公司、銀行貸款水平較低企業(yè))，而且這些企業(yè)災(zāi)后積極扶貧有助于其獲取政府補(bǔ)貼，而在其他機(jī)會主義動機(jī)研究中，發(fā)現(xiàn)氣象災(zāi)害僅對外部聲譽(yù)風(fēng)險較低的企業(yè)的扶貧行為有顯著正向效應(yīng)。(5)整體上企業(yè)災(zāi)后扶貧行為的脫貧成效并不明顯，在經(jīng)濟(jì)發(fā)展水平薄弱地區(qū)，存在顯著的企業(yè)災(zāi)后扶貧行為與扶貧成效脫鉤現(xiàn)象?；趯?shí)證研究結(jié)論，本文提出以下政策建議。

一是企業(yè)應(yīng)當(dāng)根據(jù)災(zāi)害類別來加強(qiáng)自身災(zāi)害風(fēng)險管理能力建設(shè)。盡管總體上氣象災(zāi)害對企業(yè)的扶貧行為產(chǎn)生正向影響，但不同類型的氣象災(zāi)害對企業(yè)扶貧行為卻存在顯著差異。針對臺風(fēng)、凍災(zāi)、暴雨洪澇與局地強(qiáng)對流天氣等負(fù)向沖擊企業(yè)扶貧行為或?qū)Ψ鲐毿袨橛绊懖伙@著的災(zāi)害，一方面評估以上類別災(zāi)害對企業(yè)造成的損失，提高后者的災(zāi)害應(yīng)急管理能力；另一方面通過提取災(zāi)害風(fēng)險基金或者設(shè)立災(zāi)害保險等方式來對沖氣象災(zāi)害可能造成的損失，以緩解企業(yè)壓力，為企業(yè)繼續(xù)參與精準(zhǔn)扶貧以鞏固脫貧攻堅(jiān)成果提供保障。

二是政府應(yīng)當(dāng)對享受政策優(yōu)惠程度高的企業(yè)加強(qiáng)監(jiān)管。氣象災(zāi)害發(fā)生后，相對于受到政策優(yōu)惠程度較高的企業(yè)，信貸能力較差的公司反而參與精準(zhǔn)扶貧的意愿更強(qiáng)?；诖?，在鞏固脫貧攻堅(jiān)成果的過渡期中，政府需要進(jìn)一步完善現(xiàn)有的精準(zhǔn)扶貧政策，在優(yōu)化政府補(bǔ)貼、稅收優(yōu)惠、信貸支持等政治資源分配機(jī)制的基礎(chǔ)上，建立企業(yè)扶貧資源使用的信息披露機(jī)制，加強(qiáng)對企業(yè)扶貧資源具體用途的監(jiān)督，避免企業(yè)“尋租現(xiàn)象”的發(fā)生，促使那些享受政策優(yōu)惠程度較高的企業(yè)響應(yīng)政府號召積極參與精準(zhǔn)扶貧，進(jìn)而實(shí)現(xiàn)鞏固脫貧攻堅(jiān)成果與鄉(xiāng)村振興的有效銜接。

三是引導(dǎo)國有企業(yè)積極參與災(zāi)后精準(zhǔn)扶貧。依據(jù)企業(yè)產(chǎn)權(quán)性質(zhì)的異質(zhì)性檢驗(yàn)，民營企業(yè)較之于國有企業(yè)在氣象災(zāi)害發(fā)生后更有意愿參與精準(zhǔn)扶貧，且扶貧支出水平更高?？紤]到國有企業(yè)本身就肩負(fù)輔助國家重大戰(zhàn)略目標(biāo)實(shí)現(xiàn)的職責(zé)，為了充分調(diào)動國有企業(yè)災(zāi)后參與精準(zhǔn)扶貧的積極性以實(shí)現(xiàn)鞏固脫貧攻堅(jiān)成果與鄉(xiāng)村振興有效銜接的目標(biāo)，政府要加強(qiáng)對其精準(zhǔn)扶貧工作的考核，并深入推進(jìn)國有企業(yè)精準(zhǔn)扶貧相關(guān)信息披露機(jī)制建設(shè)。此外，政府還可以引入市場競爭機(jī)制，優(yōu)化政治資源配置，強(qiáng)化國有企業(yè)的政治資源競爭意識，破解政治資源對國有企業(yè)一邊倒的配置偏好[6]，從而激勵國有上市公司進(jìn)一步提升并鞏固其精準(zhǔn)扶貧水平。

四是提高經(jīng)濟(jì)發(fā)展程度較低地區(qū)的企業(yè)參與精準(zhǔn)扶貧的社會責(zé)任意識。依據(jù)實(shí)證結(jié)果，氣象災(zāi)害發(fā)生后，地方經(jīng)濟(jì)發(fā)展程度與市場化程度較低地區(qū)的企業(yè)災(zāi)后反而更有意愿參與精準(zhǔn)扶貧，且扶貧支出水平也更高。然而，這一地區(qū)的脫貧效果反而較弱，表明存在扶貧投入與扶貧成效脫鉤的瓶頸。因此，在脫貧攻堅(jiān)任務(wù)完成后的5年銜接期內(nèi)，對于經(jīng)濟(jì)發(fā)展程度較低的地區(qū)，政府有必要厘清企業(yè)災(zāi)后扶貧成效不明顯的原因，從而確保鞏固脫貧攻堅(jiān)成果與鄉(xiāng)村振興的有效銜接。