上市公司精准扶贫能力估算及差异特征——基于等级反应模型GRM的实证研究

夏雨霏 霍增辉（副教授/博士）

（中国计量大学经济与管理学院 浙江 杭州 310018）

一、引言

在专项扶贫、行业扶贫、社会扶贫“三位一体”大扶贫格局的背景下，国家开展了“万企帮万村”的精准扶贫行动，企业成为了精准扶贫的中坚力量。尤其，上市公司精准对接“扶贫”需求，积极开展多元化扶贫投入，取得显著扶贫成效。虽然我国已经打赢了脱贫攻坚战，但未来仍有相对贫困、巩固拓展脱贫攻坚成果同乡村振兴有效衔接等问题亟待解决。因此，科学评估上市公司精准扶贫能力，揭示上市公司扶贫能力的行业和区域情况，能为未来上市公司参与我国相对贫困治理提供经验证据支持。

2016年证监会要求上市公司在年报的重要事项披露精准扶贫信息，此后国内学者便开始关注上市公司的扶贫动机、扶贫导致的经济效应等内容。而科学评估企业的精准扶贫能力是关键的步骤。现有研究表明，扶贫资金投入总额、投入金额与营业收入的比值等常被用于代理扶贫能力。但是，企业的具体扶贫方式呈多元化，包括九类扶贫方式，既涉及金额，也涉及其他计量单位。因此，应考虑对多类扶贫投入进行综合量化。依据项目反应理论，本文将扶贫能力视为潜在变量，通过观测公司披露的各类精准扶贫投入信息（项目），建立等级反应模型进行参数估计，进而测算扶贫能力。相比于经典测量理论方法，项目反应理论能提供详细的项目特征信息、控制测量误差等优势。

二、文献综述

（一）履行精准扶贫责任的动机

企业社会责任被视为公司在遵守最低法律要求之外，采取的自愿行动，以慈善福利行为，解决自身的竞争利益和更广泛社会的利益（Lukman Raimi等，2015）。近年来，社会责任呈现出标准化、法制化、社会化、价值化等趋势（钟洪武等，2018）。履行社会责任是在企业可持续发展过程中适应当前可持续发展框架的一种手段，有助于增强企业可持续发展，提高企业竞争力（Yi Yutin等，2020）。另外，Schwartz（2003）把企业承担社会责任的动机归结为经济动机、制度动机、道德动机，并根据强弱程度将社会责任划分为经济动机主导型、制度动机主导型、道德动机主导型和平衡型等四类。

国内学者将上市公司参与精准扶贫动机总结为三类：政治动机：在政府政策和社会大环境的推动下，拥有政治背景的企业为追求更多的政治资源（易玄等，2020）。经济动机：为了提升企业形象，给企业带来更多隐形利益，进而提高盈利能力（董晨帆，2020）。资源动机：为了获取更多资源，包括政府可支配的财政资金、土地和政策等（杨义东和程宏伟，2020）。

（二）上市公司参与精准扶贫行为

2016年沪深交易所为响应证监会发布的《意见》，分别发布了两则通知，要求上市公司在年报的重要事项披露精准扶贫信息。据此，国内学者在研究上市公司精准扶贫投入、参与精准扶贫的经济效果等问题时，通常采用以下三种方法处理扶贫投入：（1）虚拟变量。即若企业参与精准扶贫则取1，否则取0（张曾莲和董志愿，2020；杨滨键等，2019）。（2）扶贫投入总金额或者取对数（杨亚西等，2020；王思雨和陈维青，2021）。（3）扶贫投入总金额与当年营业收入或者总资产的比值（张玉明和邢超，2019；胡浩志和张秀萍，2020）。然而，由于企业的扶贫方式呈多元化，包含产业发展脱贫、转移就业脱贫、易地搬迁脱贫、教育脱贫、健康脱贫、生态保护脱贫、兜底保障、社会扶贫、其他项目等九大类，且各类扶贫投入的测算单位也不尽相同，单一的总额或比值难以反映综合扶贫投入信息。

（三）项目反应理论（IRT）在潜在能力研究中的应用

项目反应理论（IRT）在教育测试和心理学领域有着悠久的应用历史，通过观察被试者的反应（测试题的回答）来测量“潜在特质”。IRT模型被广泛用于认知能力、心理概念、人格特征、态度、生活质量、患者满意度等研究范畴。经济学和社会科学领域也开始用IRT方法构建捕捉各种潜在特征的指数。例如，Cappellari和Jenkins（2006）利用家庭、个人购买特定物品的感知能力构建了一个家庭贫困指数；Pericoliet等（2015）运用IRT估计社会资本指数；Abdul-Salam和Phimister（2016）构建IRT模型来估计农户信息获取能力。彭显琪和朱小梅（2019）依据IRT测量消费者客观与主观金融素养指数；李锋（2020）利用等级反应模型测量权利观、权威观等政治心理概念。

综上所述，现有研究对于上市公司精准扶贫投入评估采用单一指标，且难以合理将多元化扶贫投入进行综合量化。本文借鉴项目反应理论思路，将精准扶贫能力视为潜变量，通过各类精准扶贫项目投入的反应，建立等级反应模型进行项目参数估计后，采用贝叶斯统计模型对潜在能力进行期望后验估计。

三、上市公司的扶贫能力指标遴选

（一）样本选择与数据处理

本文所使用的数据来自中国研究数据服务平台（CNRDS），选取的数据是2017—2020年参与精准扶贫的沪深A股主板上市公司年报中披露的精准扶贫表中的各分项投入的金额，包括以下九个分项：产业发展脱贫、转移就业脱贫、易地搬迁脱贫、教育脱贫、健康脱贫、生态保护脱贫、兜底保障、社会扶贫、其他项目。根据研究目的进行数据筛选：（1）剔除没有具体分项投入金额的上市公司；（2）剔除金融业上市公司。（3）剔除ST、*ST上市公司。经过筛选，最后确定2 983个研究样本。另外，分类研究中的行业、地区和其他相关数据来源于国泰安数据库（CSMAR）。最后，对各连续的分项投入进行四分位处理，转换为0、1、2、3、4的定序变量，便于进行等级反应模型参数估计。

（二）等级反应模型的参数估计

以2020年的数据为例进行详细估计，其他三年以相同方式估计各年扶贫能力，且参数估计情况与拟合效果均合理。

1.单维性检验和局部独立性检验。进行IRT建模前，要进行单维性和局部独立性检验。单维性是指测验结果只受一种能力的影响。局部独立性是指在已知能力和项目参数的条件下，假设被试答对某一项目的概率独立于其他项目（丁树良等，2012）。单维性检验可以采用因子分析结果来验证，结果表明第一因子特征根为1.69，第二因子特征根为0.17，第一因子特征根为第二因子特征根的9.94倍，该值大于3，满足单维性检验。

R软件为局部独立性检验提供了Q3程序，即观察到的响应和模型预测的响应之差形成的残差之间的相关。用数学方法表示如下：

其中，D为上市公司j在i项目上的观察评分与用IRT预测出的评分之间的偏差，r是上市公司在项目i和项目k上偏差分数之间的相关。通常，Q3绝对值大于0.2时，存在局部依赖；否则，即满足局部独立性假设。下页表1提供Q3结果矩阵，相关系数绝对值均小于0.2，满足局部独立性假设。

2.扶贫能力等级反应模型。本文整理获得的数据为定序变量，所以运用项目反应理论中的等级反应模型（GRM）进行模型构建。假设θ为无法直接观测到的真实的上市公司j的扶贫能力，k为每个项目i的扶贫投入等级，k=0，1，2，3，4。在等级反应模型中，假设P为扶贫能力为θ的上市公司在项目i的投入等级不低于k的概率，P为上市公司在项目i的投入等级刚好为k的概率。具体表达式如下：

其中，D=1.7，a为项目i的区分度，b是项目i得k分的难度值，并且项目i的各难度等级是单调递增的，即b＜b＜b＜b。同时，各分项各等级上的区分度相等。

3.等级反应模型参数的估计。在首次估计a和b时，由于易地搬迁脱贫项目的变量分布异常，无法估计出a、b参数，故删除该项目。再次进行估计后，按a的估计值大小降序排列，结果如表1所示。通常，区分度在0.35—0.64之间时，区分能力低；在0.65—1.34之间时，区分能力一般；在1.35—1.69之间时，区分能力高；大于1.7时，区分能力非常高（Baker等，2017）。结果表明，所有扶贫项目的区分度参数估计结果均在合理范围内。其中，生态保护脱贫的区别度最高，转移就业脱贫、健康脱贫的区别度高，兜底保障、教育脱贫、其他项目的区别度一般，产业发展脱贫、社会扶贫项目的区别度较低。难度系数结果表明，各扶贫项目b—b逐级增大，这符合等级反应模型的难度参数的假定。具体而言，社会扶贫、生态保护脱贫、兜底保障、健康脱贫适合用于区分扶贫投入水平相对较高的公司，产业发展脱贫、转移就业脱贫、其他项目和教育脱贫适合用于区分扶贫投入水平相对较低的公司。这与实际情况比较相符。由于社会扶贫、生态保护脱贫、兜底保障、健康脱贫的门槛相对较高，扶贫投入水平较高的企业更容易采取这些扶贫方式，而扶贫投入水平较低的企业更容易进行产业发展脱贫、转移就业脱贫、其他项目和教育脱贫等门槛较低的扶贫方式。最后，近似误差的平方根（RMSEA）为0.0513，小于0.08，表明模型拟合效果不错。

表1 扶贫能力指标的a、b估计值

四、上市公司精准扶贫能力分布特征分析

（一）上市公司精准扶贫能力的区域特征

对扶贫能力进行贝叶斯后验期望估计，可以得到各年每家上市公司的扶贫能力。为了更直观反映各个上市公司的扶贫能力，将等级反应模型估计出的θ进行标准化处理，转化为0—1之间的连续值。再按照各省（直辖市）自治区计算得到各年各地区的平均扶贫能力以及总体的平均扶贫能力，由于有些省份样本较少，青海、甘肃、宁夏的数据进行合并，吉林、黑龙江的数据进行合并，西藏、新疆、内蒙古的数据进行合并，河北、天津的数据进行合并，四川、重庆的数据进行合并，得到具体结果见表2。

根据2017—2020年的总体情况发现，云南省上市公司的扶贫能力最大，贵州省、北京市、广西自治区、湖北省、河南省的上市公司扶贫能力次之，海南省、西新内、湖南省、辽宁省、江西省、广东省上市公司扶贫能力均值大于总体均值0.243。进一步将各地区总体均值进行四分位处理，划分成高能力区、较高能力区、较低能力区、低能力区四种类型。表2结果表明，总体而言，东部地区企业的平均扶贫能力明显小于中西部地区。就具体4大类型而言，东部地区的上市公司集中于较低能力与低能力区，而中西部地区的上市公司更集中于高能力与较高能力区。这表明中西部地区的上市公司精准扶贫投入力度比东部地区更大，而经济发达地区仅北京市和广东省的上市公司精准扶贫投入较多。由于精准扶贫作为一项特殊的社会责任，中西部经济欠发达地区的脱贫任务更重，而本地的上市公司作为重要扶贫力量势必参与更多、投入更大。而经济发达地区的上市公司，例如上海市、浙江省、江苏省的企业，参与精准扶贫对象主要为西北欠发达地区农村，存在扶贫投入不足的情况。

表2 各地区扶贫能力均值

为了验证上述理由，进一步分析各公司参与本地扶贫情况。统计表明，全部样本中有1 954个参与了本地扶贫，1 029个参与了非本地扶贫，约有65.5%的公司参与了本地扶贫。分不同区域来看，东部地区有762个参与了本地扶贫，894个参与了非本地扶贫；中部地区有576个参与了本地扶贫，79个参与了非本地扶贫；西部地区有616个参与了本地扶贫，56个参与了非本地扶贫。表明大部分企业都会选择参与本地扶贫，特别是中西部地区，约有90%的企业参与了本地扶贫，而东部地区只有约46%。因为参与本地扶贫更加方便，成本更小，且更容易在当地树立一个良好的企业形象。但是东部地区的扶贫需求很低，东部地区参与本地扶贫的企业比中西部地区明显减少。此外，东部地区的上市公司中参与中西部省份扶贫的占到71.1%；中部地区的上市公司中参与中西部扶贫的占到98.2%，其中对中部地区的扶贫占92.1%；西部地区的上市公司中参与中西部扶贫的占到98.8%，其中对西部地区的扶贫占95.4%。进一步表明了中西部地区的脱贫任务重，需要全国各地的企业帮助，特别是中西部地区自己的企业。因而，中西部地区的本土企业必然会尽自身最大的努力积极参与到当地的扶贫事业中。

另一方面，上市公司精准扶贫投入还受到企业的规模、经营能力等财务方面的影响。例如广东、北京这些经济发达地区的企业，其总数较多，企业规模、经营能力等条件较好，所以上市公司精准扶贫投入也较多。而安徽、陕西、吉黑这些中西部经济欠发达地区的企业，即使其扶贫任务较重，但是没有足够的经济实力支撑其付出较多的扶贫投入，所以它们的扶贫投入较低。

同时，本文将各省按经济水平（人均GDP）以及扶贫需求（按《2020年中央财政专项扶贫资金分配表（分省）》公布的资金数）分为3组，并计算各大类的平均扶贫能力。结果表明，扶贫需求越大的地区，上市公司的扶贫能力越大；经济水平越低的地区，上市公司的扶贫能力越大。这进一步验证，各地区扶贫需求是影响上市公司扶贫投入的重要因素。

（二）上市公司精准扶贫能力的行业特征

根据证监会2012版行业分类来考察上市公司的扶贫能力差异，由于制造业的样本量远远大于其他行业，所以对制造业进行细分，以《国民经济行业分类》为基础，制造业共有31大类，保留样本量大于200的大类，即化学原料及化学制品制造业、医药制造业以及计算机、通信和其他电子设备制造业。其余按轻纺工业、资源加工业、机械制造业三大类进行合并。租赁和商务服务业、科学研究和技术服务业、卫生和社会工作、住宿和餐饮业、教育、综合这六大分类由于样本数都较小，将其合并为其他类。

表3结果表明，2017—2020年采矿业、建筑业以及电力、热力、燃气及水生产和供应行业的扶贫能力均值始终位于前三，且从各年来看均显著领先于其他行业，其中采矿业排名稳居第一，且其扶贫能力均值在0.286—0.416之间波动。其次，交通运输、仓储和邮政业、房地产业、信息传输、软件和信息技术服务业的扶贫能力均值均大于总体均值0.243。排名靠后的农林牧渔业、计算机、通信和其他电子设备制造业等的扶贫能力均值在0.164—0.214之间波动。这表明各行业之间扶贫能力差距很大，这是由于采矿业、建筑业以及电力、热力、燃气及水生产和供应行业的企业规模较其他行业更大，且它们有更好的经营业绩，有更多的经济资源可以投入到扶贫事业中，而且它们均属于社会责任敏感性行业，会更重视社会责任履行情况。除了上述因素之外，还受到政策引导、行业监管等因素的影响，导致不同行业之间的扶贫投入差距较大。从时间维度上看，虽然没有一个明确的总体趋势，但是几乎每个行业的均值最大值都在2020年，可能是因为2020年是脱贫攻坚最后的冲刺阶段，为了完成目标，所有行业都加大扶贫投入。

表3 各行业扶贫能力均值

进一步将各个行业划分为社会责任敏感性行业和非敏感性行业，社会责任敏感性行业更容易引发政府及其他利益相关者对于企业披露的社会责任信息的关注，包括精准扶贫相关的信息，通常是重污染行业以及与社会大众生活质量与安全健康息息相关的行业（洪佳莹，2019）。本文将采矿业，建筑业，电力、热力、燃气及水生产和供应业，轻纺工业，医药制造业，化学原料及化学制品制造业，其他资源加工业划分为社会责任敏感性行业，剩余行业为社会责任非敏感性行业。据此分类得到社会责任敏感性行业的总体扶贫能力均值为0.259，显著大于社会责任非敏感性行业的总体扶贫能力均值0.220。

五、结论与建议

本文基于GRM模型构建上市公司扶贫能力指数，结果表明社会扶贫、生态保护脱贫、兜底保障、健康脱贫适合于区分相对较高的扶贫投入水平，产业发展脱贫、转移就业脱贫、其他项目和教育脱贫适合于区分相对较低的扶贫投入水平。分地区看，扶贫需求更高的中西部地区，其公司的扶贫能力比东部地区企业更强，而东部地区公司主要帮扶西部贫困地区，存在扶贫投入偏低的问题。分行业看，社会责任敏感性的采矿、建筑、电力等行业的扶贫能力更高，而社会责任非敏感性的批发零售、计算机等行业的扶贫能力较低。

根据上述结论，本文提出以下建议：（1）虽然经济较发达地区与经济欠发达地区会结对帮扶，但是经济发达地区的上市公司在精准扶贫中并未发挥出应有作用。因此，在解决未来相对贫困问题中，建议政府部门引导、激励发达地区上市公司加大扶贫投入、提高扶贫能力。（2）增加社会对于上市公司精准扶贫情况的关注，增加它们的社会责任敏感性，从而激励上市公司为了在公众面前树立良好的、有社会责任的企业形象而加大扶贫投入。（3）建议政府部门鼓励、引导上市公司结合自身的行业优势，以灵活的扶贫方式，发挥更大的扶贫作用。例如，牧原股份作为在国家级贫困县河南省南阳市内乡县成长起来的上市公司，与国开行等成立合作社，建设规模化生猪养殖体系及其辅助设施，牧原股份向合作社租赁资产从事生猪养殖并支付租金，合作社向社员分配收益，助力贫困户社员脱贫。