社会责任文本信息披露是否具有价值保护效应——基于企业违规处罚冲击的研究场景

吴珊 邹梦琪

(1.中南财经政法大学 会计学院，湖北 武汉 430073；2.浙江工商大学 会计学院，浙江 杭州 310018)

一、引言

在我国当前经济转向高质量发展的背景下，社会责任对企业的发展至关重要，是企业实现可持续和高质量发展的重要路径[1]。随着市场中利益相关者日益关注企业社会责任活动，越来越多的企业通过披露社会责任报告积累声誉资本并提高市场表现(1)既有研究发现社会责任信息披露能够给企业带来显著的资本市场收益[2]，提高分析师盈余预测准确度[3]，降低股权资本成本[4]。。但目前我国缺乏规范统一的企业社会责任报告框架，且管理层存在粉饰社会责任信息披露的机会主义动机[5]，加上社会责任报告缺乏第三方机构的鉴证，导致社会责任信息披露出现了“言行不一”的现象，严重损害了社会责任报告的可信度。如社会责任报告中表现出积极履行社会责任形象的房地产巨头万科，多次陷入“漏水事件”“毒地板事件”“毒鞋柜事件”，以及啤酒行业龙头企业之一的青岛啤酒，也多次被爆出存在产品质量和环保违规等问题。因而在利益相关者判断社会责任报告内容受限的情况下，采用计算机自然语言处理技术测算的文本叙述性语言特征，为利益相关者判断社会责任信息披露质量提供了更为独特的视角。已有研究采用文本分析技术，发现文本语调、可读性等叙述性语言特征能够提供额外的信息增量。Li(2010)[6]研究发现，年报MD&A部分的语调能够预示公司未来业绩表现，其中的定量信息和前瞻性信息有助于增强投资者对公司未来业绩的判断[7]。此外，年报可读性与公司业绩表现同样存在关联，年报可读性较差的公司可持续盈利水平相对较低[8]。然而，既有基于文本叙述性语言特征角度研究社会责任信息披露行为的文献相对较少，而且未能较好地验证社会责任文本信息披露是否具有价值相关性这一核心命题。

与这一研究命题高度相关的是社会责任文本信息披露经济后果的文献。这一类文献更多关注社会责任文本信息披露是否具有信息增量价值，如提高分析师盈余预测准确度[9]、预测未来社会责任表现[10]以及判断未来股价崩盘风险[11]。社会责任信息披露在企业遭受负面事件冲击时发挥的作用可能更加明显，但较少有研究探讨负面事件冲击下社会责任文本信息披露的价值保护效应。仅有Zhang等(2021)[12]以美国上市公司为研究样本，发现在财务重述负面事件的冲击下，社会责任文本信息披露能够发挥价值保护效应。但财务重述事件受到管理层自利行为的影响[13]，具有一定内生性，并不能提供一个相对干净的研究场景，而且社会责任文本信息披露的价值保护效应在中国研究情境下是否成立仍未得到检验。此外，Zhang等(2021)[12]并未探讨社会责任文本信息披露影响企业价值的具体路径。本文基于企业受到违规处罚的研究场景来刻画企业面临的负面冲击，相比于既有研究关注财务重述等事件，违规处罚事件具有更好的外生性。企业受处罚决定及公告是由相关监管部门作出并公布，微观企业难以反向影响监管部门的处罚决策。因此，本文聚焦于企业受到违规处罚的外生研究场景，以中国上市公司为研究样本，考察社会责任文本信息披露的价值保护效应，并进一步识别了社会责任文本信息披露影响企业价值的作用机制。

上市公司违规处罚事件会严重破坏利益相关者对企业的信任，损坏企业的声誉，威胁企业的合法性，并对企业价值造成负面影响。如果违规处罚后社会责任文本信息披露存在信息效应，那么作为市场中重要的信息中介，分析师会关注并利用这部分信息对企业未来价值进行评估。因此，本文从分析师盈余预测准确度的路径，检验社会责任文本信息披露在违规处罚冲击下发挥的价值保护效应。高质量的社会责任文本信息有助于分析师更准确地判断社会责任活动对企业未来绩效的影响，提高分析师盈余预测准确度[9]，进而能够降低企业资本成本和增加未来现金流[14-15]，减轻企业违规处罚事件造成的价值损失。本文以2008-2018年发布社会责任报告的A股上市公司为研究样本，借鉴Muslu等(2019)[9]和Zhang等(2021)[12]的研究，采用文本分析技术从语调、可读性、报告长度、定量信息、前瞻性信息五个文本叙述性语言特征的维度，对社会责任文本信息披露质量进行测度。首先，本文构建渐进式双重差分模型，探讨企业在违规处罚的负面冲击下是否会改善社会责任文本信息披露质量以修复组织声誉和合法性。进一步地，探讨受到违规处罚后，企业提升社会责任文本信息披露质量能否保护企业价值及其潜在的作用机制。

本文可能的贡献体现在如下方面：一是拓展了社会责任文本信息披露经济后果领域的研究。目前从文本叙述性特征角度研究社会责任信息披露行为的文献相对较少，且未能在中国的研究情境下验证社会责任文本信息披露在是否具有价值保护效应这一重要命题。本文以我国上市公司为研究对象，基于企业受到违规处罚的外生冲击，检验社会责任文本信息披露的价值保护效应，并识别了分析师盈余预测准确度是社会责任文本信息披露保护企业价值的主要路径。厘清了社会责任文本信息披露影响企业价值的具体机制，扩展并丰富了社会责任文本信息披露经济后果领域的研究。二是为度量社会责任信息披露质量提供了一种新的思路。本文采用计算机自然语言处理技术从叙述性语言特征的角度量化了社会责任文本信息披露质量，为度量社会责任信息披露质量提供了一种新的思路，并增进了有关社会责任文本信息披露的研究。三是补充了风险管理领域的研究。本文探讨违规处罚负面事件如何导致社会责任信息披露的叙述性语言特征变化，发现社会责任这一非财务信息披露可以在压力时期积极影响市场对企业声誉和合法性的感知，并能产生价值保护效应，验证了社会责任文本信息披露的风险管理作用。

二、文献综述、理论分析与研究假设

(一)文献综述

现有研究多采用润灵(RKS)评分度量我国上市公司社会责任报告的披露质量[1,4,16]，然而该评分主要依据社会责任实际履行情况和信息披露的规范性(2)润灵评分从整体性、技术性和内容性、行业性四个维度进行评价；整体性是对企业社会责任战略方面进行的评价，内容性是对企业社会责任履行方面进行的评价，技术性是对报告的编写与表达方面进行的评价，行业性主要考虑到企业社会责任的行业性差异。，未考虑社会责任文本信息叙述性语言的披露特征。随着近年来计算机自然语言处理技术的快速发展，从文本叙述性语言特征入手对社会责任文本信息披露进行的研究也逐步兴起。

社会责任文本信息披露质量是从文本叙述性语言特征角度进行衡量，包括语调、可读性、报告长度、定量信息、前瞻性信息等维度。现有研究主要从社会责任履行、管理层特征等因素考察其对社会责任报告文本叙述性语言特征的影响。在社会责任履行方面，Nazari等(2017)[17]、Wang等(2018)[18]均发现社会责任履行越好的公司，倾向于披露可读性更高的社会责任报告；而张秀敏等(2019)[19]发现社会责任履行越差的公司，社会责任报告反而呈现出更乐观、更强烈、更模糊的叙述特征。在管理层特征方面，吉利等(2016)[20]、黄珺和徐莹莹(2021)[21]分别发现管理层权力越大、女性高管占比越高的公司，社会责任报告呈现出更高的可读性。

现有关于社会责任文本信息披露质量引致的经济后果的文献发现，社会责任文本信息披露质量或特定文本叙述性语言特征具有信息增量，如Muslu等(2019)[9]发现，社会责任文本信息披露质量能够提高分析师盈余预测准确度；Du和Yu(2021)[10]发现，社会责任报告的语调和可读性有助于预测企业未来的社会责任表现；张继勋等(2019)[22]采用实验研究方法发现，社会责任报告的语调能够影响投资者感知的社会责任；黄萍萍和李四海(2020)[11]发现，社会责任报告的净积极语调与未来的股价崩盘风险呈正向关系。此外，Zhang等(2021)[12]基于企业发生财务重述的负面事件，验证了社会责任文本信息披露在危机期间发挥了价值保护效应。

综上所述，目前关于社会责任文本信息披露质量的影响因素以及经济后果研究仍相对不足。Zhang等(2021)[12]基于美国上市公司数据，发现在财务重述的负面冲击下，社会责任文本信息披露能够发挥价值保护效应。但财务重述事件受管理层自利行为的影响[13]，即财务重述事件并不能提供一个相对干净的研究场景，而且社会责任文本信息披露的价值保护效应在中国研究情境下是否成立仍未得到检验。相比于财务重述等事件，企业受到违规处罚事件具有更好的外生性。因此，本文聚焦于企业受到违规处罚的外生研究场景，以中国上市公司为研究对象，考察社会责任文本信息披露的价值保护效应及其潜在的作用机制。

(二)违规处罚与社会责任文本信息披露质量

违规处罚是企业因违反资本市场交易规则、生产经营、信息披露等事项而被监管部门实施处罚并对外公告的事件[23]。上市公司违规处罚事件备受市场投资者、供应商、债权人等利益相关者的广泛关注，会破坏企业与各利益相关者之间的信任，损害企业声誉，并引发声誉风险和合法性威胁。声誉资本的减损会导致股价下跌[24]、融资规模下降[23]，以及商业信用获取额度减少[25]等负面效应。而媒体作为资本市场重要的信息传播媒介，则会加剧企业违规处罚负面事件的发酵和影响，进一步增加企业的声誉风险和合法性压力[26-27]。

合法性是指在一个由社会构建的规范、信念和价值体系中，企业的行为被认为是恰当的、可取的、合适的一般感知和假定[28]。可见，合法性是社会公众对企业行为合规性和恰当性的整体评价，是企业经营和发展的重要基础。当企业遭受负面冲击而产生“合法性差距”时，有强烈动机采取措施缩小差距，维护组织的合法性[28]。企业社会责任信息披露符合当前社会的基本价值观以及制度规范，因而社会责任信息披露是影响利益相关者对企业合法性评价的重要举措[29]。车笑竹和苏勇(2018)[30]发现，企业因违规受到监管部门处罚后会更主动发布社会责任报告来修复组织的合法性。但由于我国社会责任报告缺乏规范框架，以及长期处于弱监管的状态[19]，使得管理层在社会责任报告披露中具有较大的随意性，而且倾向于披露好消息和隐藏坏消息，导致社会责任报告的可信度受到负面影响。相比于仅通过发布社会责任报告的方式，披露高质量的社会责任文本信息更能向外界传递企业信息透明和负责任的形象，并通过利益相关者对企业可信度的感知，影响其对企业合法性的评估，因而披露高质量社会责任文本信息的企业被视为更具合法性。依据合法性理论，为了降低违规处罚事件产生的声誉风险，缩小“合法性差距”，企业会借助社会责任文本信息披露进行声誉风险管理[31]，减少企业在负面事件中遭受的声誉损失。因此，受到违规处罚的企业会更倾向于提升社会责任文本信息披露质量。据此，本文提出假设1。

H1相比于未受到违规处罚的企业，受到违规处罚的企业在处罚后会显著提升社会责任文本信息披露质量。

(三)社会责任文本信息披露的价值保护效应

本文进一步探讨企业受到违规处罚后，提升社会责任文本信息披露质量对企业价值的影响。在违规处罚事件冲击下，企业披露高质量的社会责任文本信息能够减少内部与外部利益相关者之间的信息不对称，改善企业的信息透明度，并影响分析师的盈余预测行为。分析师是资本市场中一类重要的信息中介，他们会使用企业披露的社会责任信息[3]，通过调整盈余预测的方式对企业价值进行有效评估。企业受到违规处罚后，社会责任文本信息能够帮助分析师更好地判断企业未来的收入、风险以及业绩，提升盈余预测准确度，并增加企业价值。因此，分析师盈余预测准确度的提升可能是社会责任文本信息披露在违规处罚冲击下影响企业价值的潜在路径。

具体而言，分析师在预测公司业绩过程中会利用有关社会责任活动的信息[3]，特别是高质量的社会责任文本信息[9]。分析师之所以主动关注社会责任报告中的相关信息，在于良好的企业社会责任表现会增加企业价值，而较差的社会责任表现则可能预示企业面临着潜在运营和合规风险[32]。语调更稳健、可读性更高、数字信息和前瞻性信息更多的社会责任报告，能够帮助分析师更准确地判断社会责任活动对企业未来业绩的影响，从而提高分析师盈余预测的准确度。已有研究证实，分析师对披露社会责任报告的企业有着更低的盈余预测偏差和分歧[3]。Muslu等(2019)[9]拓展发现，企业社会责任文本信息披露质量越高，分析师盈余预测准确度也越高。因此，违规处罚后企业改善社会责任文本信息披露质量能够提高分析师盈余预测准确度。企业价值主要由预期未来现金流和资本成本两个因素决定[33]。资本成本是评估风险的函数，如果投资者对企业未来前景评估越好，预期的资本成本则越低。分析师盈余预测准确度的提升使得投资者能够更精准地评估企业的投资前景和风险，从而降低企业的资本成本[14]。此外，更准确的分析师盈余预测有助于缓解代理问题，减少公司现金流向管理层和控股股东的转移[15]。分析师盈余预测准确度的提升有助于降低资本成本和增加未来的现金流，从而减轻违规处罚冲击造成的价值损失。据此，本文提出假设2。

H2违规处罚后，企业提升社会责任文本信息披露质量能够保护企业价值。

三、研究设计

(一)样本选择与数据来源

为了验证企业面临负面冲击时是否会提升社会责任文本信息披露质量，本文以2008-2018年发布企业社会责任报告的A股上市公司为初始研究样本，并以企业受到违规处罚作为研究场景，构建双重差分模型进行分析。以2008年作为研究起点的原因在于，2008年我国A股上市公司才开始密集且常规地披露社会责任报告。本文参考梁上坤等(2020)[34]的做法，以公司规模、盈利能力、财务杠杆、成长性、股票换手率等为协变量，对受到违规处罚的企业和未受到违规处罚的企业进行PSM最近邻匹配(3)匹配效果见附录图1和图2。，同时剔除金融类、ST类、资不抵债、重要变量数据缺失以及在研究期间不同年度内多次出现违规处罚的样本(4)研究期间不同年份内多次出现违规处罚的样本，是指在2008-2018年期间不同年份内被处罚次数大于1次的样本。本文之所以剔除这一类样本是因为考虑到渐进式双重差分(DID)的模型设计，DID的模型设计是比较违规处罚冲击前后企业社会责任文本信息披露质量的变化差异。如果企业在研究样本期间的多个年份中受到违规处罚，则会导致不能准确识别冲击发生的时点，从而影响模型设计的准确性和有效性。考虑到多次出现违规处罚的样本可能对研究结果造成影响，本文按照未删除多次出现违规处罚的样本进行稳健性测试。。经过上述筛选，最终得到2 440个样本观测值。

本文从巨潮资讯网站上批量获取社会责任报告，违规处罚、分析师盈余预测等数据均来自于CSMAR数据库。本文对连续型变量在上下1%分位上进行缩尾处理以消除极端值的影响。

(二)指标测度、模型构建与变量定义

1.社会责任文本信息披露质量的测度

参考Muslu等(2019)[9]和Zhang等(2021)[12]的研究，本文从语调、可读性、报告长度、定量信息、前瞻性信息五个维度对企业社会责任文本信息披露质量进行测度。具体指标体系构成如表1所示。

表1 社会责任文本信息披露质量指标体系

(1)语调。语调是社会责任文本信息披露质量的重要组成部分。既有研究发现，如果管理层存在机会主义动机，则偏好于披露企业社会责任的积极方面而忽略其消极方面[5]。因而披露社会责任负面信息的企业可能会更加透明。这表明，如果社会责任报告具有更多负面内容，即语调越消极，则披露质量越高。相反，如果社会责任报告包含更多正面内容，即语调越积极，则披露质量越低。因此，本文以Loughran和Mcdonald(2011)[35]词库为基础翻译创建中文情感词汇表，采用Python“结巴”中文分词模块对社会责任报告文本进行分词和词频统计(5)文本考虑了语意反转现象，如果积极词汇前紧跟着否定词，则将其认定为消极词汇；反之亦然。。将积极语调(Pos)定义为积极词汇数在社会责任报告总词汇数中的占比，消极语调(Neg)定义为消极词汇数在社会责任报告总词汇数中的占比。Pos指标越小，Neg指标越大，说明社会责任文本信息披露质量越高。

(2)可读性。企业会通过降低报告的可读性来掩盖糟糕的业绩[8,18]，即业绩表现不佳企业报告的可读性往往较低。因此，社会责任报告可读性越高的企业信息更加透明，能为投资者等提供更多的增量信息，代表较高的披露质量。本文参考孙文章(2019)[36]的做法，依据《汉语水平词汇与汉字等级大纲》，将可读性(Fog)定义为复杂词汇数在社会责任报告总词汇数中的占比(6)本文选取三个以上语素构成的丙级词和丁级词作为复杂词。。Fog指标越小，说明社会责任文本信息披露质量越高。

(3)报告长度。较长的社会责任报告可能包含更多详实的社会责任活动信息[9]。Li等(2008)[8]发现，相比于较短的报告，较长的报告能够承载更多的信息。因此，本文使用社会责任报告中的字数作为长度的衡量标准。然而，报告长度也可能反映了企业社会责任活动的复杂性，即社会责任活动更复杂的企业会有更长的报告。公司社会责任活动的复杂性很可能会降低社会责任报告的信息含量。因此，为了采用报告长度作为披露质量一个维度，本文剔除其复杂性成分，将报告长度(Resword)定义为社会责任报告长度(报告总词汇数取自然对数)对可读性指标回归后的残差。Resword指标越大，说明社会责任文本信息披露质量越高。

(4)定量信息比例。相比于定性信息，定量信息更加准确，且易于被分析师和投资者理解[37]。Huang等(2018)[38]发现，当业绩公告标题中包含数字信息时，投资者会作出更强烈的市场反应。因此，更多的定量信息可能表明更高的社会责任文本信息披露质量。本文将定量信息比例(Num)定义为定量词汇数在社会责任报告总词汇数中的占比(7)定量信息词汇表根据Muslu等(2019)[9]提供的词表翻译而来。。Num指标越大，说明社会责任文本信息披露质量越高。

(5)前瞻性信息比例。报告中如果披露有关企业未来发展趋势或者目标的前瞻性信息，可能具有更高的信息含量。Muslu等(2015)[7]发现，MD&A展望部分中的前瞻性信息有助于投资者预测公司未来业绩。因此，社会责任报告中前瞻性信息越多，则披露质量越高。本文将前瞻性信息比例(Horizon)定义为前瞻性词汇数在社会责任报告总词汇数中的占比(8)前瞻性信息词汇表根据Muslu等(2019)[9]提供的词表翻译而来。。Horizon指标越大，说明社会责任文本信息披露质量越高。

本文对各维度指标进行了统一量纲处理。具体地，将正向指标Neg、Resword、Num和Horizon按照从小到大的顺序划分为10等份，并将负向指标Pos和Fog按照从大到小的顺序同样划分为10等份，依次赋值0.1，0.2，……，1。然后，将各指标的赋值加总成一个综合度量社会责任文本信息披露质量的得分(Dscore)。

2.违规处罚与社会责任文本信息披露质量

为了检验违规处罚冲击对企业社会责任文本信息披露质量的影响，参考易阳等(2019)[39]的做法，构建如下渐进式双重差分模型考察违规处罚前后，受到违规处罚企业相比其他未受到违规处罚企业社会责任文本信息披露质量变化的差异。

Dscorei,t+1=α0+α1Penaltyi,t+γControls+ρi+μt+εi,t

(1)

其中，被解释变量Dscore为t+1年企业披露的社会责任报告文本信息质量(9)企业t+1年披露的社会责任报告记录的是t年的企业社会责任活动信息。。解释变量Penalty为违规处罚虚拟变量。借鉴易阳等(2019)[39]的研究，本文以被监管部门处罚并公告作为外生冲击，将Penalty定义为被处罚企业在处罚t年及以后年度取值为1，其余取值为0。Controls为一系列控制变量。借鉴张秀敏等(2019)[19]的研究，本文控制了社会责任表现(10)社会捐赠是企业履行社会责任最为主要的途径，借鉴张秀敏等(2019)[19]研究，本文以企业社会捐赠水平来度量企业社会责任的实际表现。、公司规模、财务杠杆、社会责任报告鉴证、盈利能力、成长能力、存货比率、产权性质等公司特征变量，董事会规模、独立董事比例、股权制衡度等公司治理特征变量，以及女性高管占比、高管平均年龄、高管教育程度、高管持股比例等高管特征变量。ρ为公司个体固定效应，μ为年度固定效应。

3.违规处罚后社会责任文本信息披露与企业价值

为了检验企业受到违规处罚后，提升社会责任文本信息披露质量对企业价值的保护作用，构建如下实证回归模型

Tobinqi,t+1=α0+α1Penaltyi,t+γControls+ρi+μt+εi,t

(2)

Tobinqi,t+1=α0+α1Penaltyi,t+α2Dscorei,t+1+γControls+ρi+μt+εi,t

(3)

模型(2)主要检验违规处罚冲击对企业价值的影响，被解释变量Tobinq为t+1年企业价值，借鉴姜付秀和黄继承(2011)[40]的研究，本文采用托宾q值作为企业价值的度量指标。模型(3)在模型(2)的基础上，加入社会责任文本信息披露质量指标，进一步检验在违规处罚冲击下社会责任文本信息披露质量对企业价值的影响。ρ为公司个体固定效应，μ为年度固定效应。模型(2)和模型(3)中控制变量的选取与模型(1)中保持一致。

上述变量的具体定义如表2所示。

四、实证结果分析

(一)描述性分析

描述性统计结果如表3所示。Dscore的均值为3.299 8，中位数为3.300 0，最大值为5.000 0，最小值为1.500 0。这说明，我国上市公司社会责任报告文本信息披露质量存在一定差异。Penalty的均值为0.264 3，表明受到违规处罚的企业样本在全样本中占比为26.43%。Tobinq的均值为1.943 2，中位数为1.509 5，最大值为7.931 2，最小值为0.631 6。可见，样本企业的价值分布较为离散，不同企业的价值差异较大。CSP的均值为0.379 7，说明样本企业每1万元营业收入总额中有3.797元用于社会捐赠。其他控制变量的各统计量特征分布与已有文献基本类似。

表3 描述性统计

(二)基准回归分析

1.违规处罚与社会责任文本信息披露质量

表4列(1)和列(2)报告了受到违规处罚企业相比于其他未受到违规处罚企业在处罚前后的社会责任文本信息披露质量的差异。列(1)仅控制了公司个体和年度固定效应，Penalty与Dscore在1%水平上显著为正。列(2)进一步控制社会责任表现、公司治理特征以及高管特征等因素的影响后，Penalty与Dscore仍在1%水平上显著为正。综上可见，企业受到违规处罚后，会显著提高社会责任文本信息披露质量以应对声誉风险和合法性威胁，从而验证了本文的假设1。

2.违规处罚后社会责任文本信息披露与企业价值

表4列(3)和列(4)报告了违规处罚冲击对企业价值影响的估计结果。回归结果显示，不论是仅控制公司个体和年度固定效应，还是进一步控制社会责任表现、公司治理特征以及高管特征等变量后，Penalty与Tobinq均在小于5%水平上显著为负，表明违规处罚冲击会导致企业价值显著下降。列(5)和列(6)报告了在违规处罚冲击下社会责任文本信息披露质量对企业价值影响的估计结果。回归结果显示，不论是仅控制公司个体和年度固定效应，还是进一步控制社会责任表现、公司治理特征以及高管特征等变量后，Dscore与Tobinq均在1%水平上显著为正，Penalty与Tobinq均在1%水平上显著为负。上述结果表明，企业受到违规处罚后，社会责任文本信息披露质量的提升显著降低了企业遭受的价值损失，发挥了价值保护效应，从而验证了假设2。

表4 H1和H2的检验结果

(三)社会责任文本信息披露影响企业价值的作用机制分析

为了检验企业受到违规处罚后，分析师盈余预测准确度是否在社会责任文本信息披露与企业价值之间发挥了中介作用，本文以研究期间内受到违规处罚的上市公司为样本，借鉴温忠麟等(2004)[41]的研究设计，构建如下模型

ΔTobinq=α0+α1ΔDscore+γControls+ηi+μt+εi,t

(4)

ΔFerror=α0+α1ΔDscore+γControls+ηi+μt+εi,t

(5)

ΔTobinq=α0+α1ΔDscore+α2ΔFerror+γControls+ηi+μt+εi,t

(6)

模型(4)和模型(6)中，被解释变量ΔTobinq为企业受到冲击前后企业价值的变动(11)本文对社会责任文本信息披露质量Dscore、分析师盈余预测准确度Ferror、企业价值Tobinq指标在受到冲击前后一年取差分处理，进而更好地检验社会责任文本信息披露质量对企业价值的影响机制确实是由于企业受到违规处罚所致。，解释变量ΔDscore为企业受到冲击前后社会责任文本信息披露质量(12)如果受到违规处罚的企业未披露社会责任报告，则Dscore取0。的变动。模型(5)中，被解释变量ΔFerror为企业受到冲击前后分析师盈余预测准确度的变动。参考Dhaliwal等(2012)[3]的做法，本文采用分析师预测每股盈余与实际盈余的平均误差的绝对值除以年初股价度量分析师盈余预测准确度Ferror。Ferror指标数值越小，则说明分析师盈余预测偏差越低，分析师盈余预测准确度越高。η为行业固定效应(13)模型(4)至模型(6)采用差分模型的设计，导致上述模型无法控制公司层面的固定效应，因此本文控制了行业固定效应。，μ为年度固定效应。模型(4)至模型(6)中控制变量的选取与模型(1)中保持一致。

表5报告了分析师预测准确度的中介效应检验结果。列(1)ΔDscore与ΔTobinq在1%水平上显著为正，说明企业受到违规处罚后，社会责任文本信息披露质量的改善能够显著增加企业价值。列(2)ΔDscore与ΔFerror在1%水平上显著为负，说明企业受到违规处罚后，社会责任文本信息披露质量的改善能够显著提高分析师盈余预测准确度。列(3)ΔFerror与ΔTobinq在5%水平上显著为负，同时ΔDscore与ΔTobinq仍在10%水平上显著为正，表明企业受到违规处罚后，社会责任文本信息披露质量通过提高分析师盈余预测准确度来影响企业价值的间接传导机制存在。

表5 社会责任文本信息披露影响企业价值：分析师预测的作用机制

(四)稳健性检验

1.平行趋势检验和动态效果分析

在模型(1)中，本文运用双重差分模型分析了违规处罚冲击对企业社会责任文本信息披露质量的影响。那么受到违规处罚的企业(实验组)和未受到违规处罚的企业(对照组)在冲击前社会责任文本信息披露质量符合平行趋势是双重差分模型应满足的重要前提条件。据此，构建如下动态双重差分模型(7)进行检验，同时分析违规处罚冲击对企业社会责任文本信息披露质量的动态影响。

Dscorei,t+1=α0+δ1Penalty(≤-3)i,t+δ2Penalty(-2)i,t+δ3Penalty(0)i,t+δ4Penalty(1)i,t+δ5Penalty(2)i,t+δ6Penalty(≥3)i,t+γControls+ρi+μt+εi,t

(7)

在模型(7)中，对模型(1)的解释变量Penalty进行了变形。具体地，以企业受到违规处罚前1年作为比较基期。其中，Penalty(≤-3)、Penalty(-2)、Penalty(0)、Penalty(1)、Penalty(2)、Penalty(≥3)分别被定义为企业在违规处罚的前3年及以前、前2年、当年、后1年、后2年、后3年及以后时取1，否则取0。回归结果如表6所示，在列(1)仅控制公司和年度固定效应时，Penalty(≤-3)、Penalty(-2)与Dscore不存在显著的相关关系，这一结果直接验证了平行趋势的存在。而Penalty(0)、Penalty(1)、Penalty(2)与Dscore在5%水平上显著为正，Penalty(≥3)与Dscore不存在显著的相关关系。这说明相比于未受到违规处罚的企业，受到违规处罚的企业在处罚后三年内短暂地提升了社会责任文本信息披露质量(14)违规处罚冲击对企业社会责任文本披露质量的影响不具有持续性，随着违规处罚事件造成的不利影响被市场不断消化吸收，企业提升社会责任文本信息披露质量的动机会逐渐减弱，因而企业在受到违规处罚三年后未显著提升社会责任文本信息披露质量。，以缓解负面冲击带来的不利影响。上述结果在进一步控制公司基本特征、公司治理以及高管特征变量后保持稳健。

2.安慰剂检验

企业受到违规处罚这一负面冲击本身就具有较强的外生性。企业作为微观主体难以直接反向影响监管部门对企业的处罚决定。然而，这不能保证本文回归估计能够完全克服遗漏变量的干扰。为此，本文通过随机选择企业受到违规处罚的时点进行安慰剂检验。基于随机选择样本，重复抽样进行了1 000次基准回归，图1报告了随机抽样后回归系数的分布情况。可以发现，基于随机样本估计得到的系数分布在0附近，而基准回归估计的系数(0.153 0)远离于随机抽样分布，说明遗漏变量问题难以干扰模型(1)的回归估计结果。

图1 安慰剂检验结果

3.基于社会责任文本信息披露分指标的检验

进一步地，本文计划从分指标维度观测企业在违规处罚前后，社会责任文本信息披露具体表现的变化。具体地，将模型(1)中Dscore变量分别替换为其构成的各分指标进行回归测试。回归结果如表7所示，列(1)Penalty与Pos在5%水平上显著为负，列(2)Penalty与Neg不存在显著的相关关系，说明企业受到违规处罚后，社会责任文本信息披露的积极语调显著降低，而消极语调没有明显变化，其原因可能是相比于增加负面信息披露，受到违规处罚的企业更倾向于通过减少正面信息披露方式改善社会责任文本信息披露质量。列(3)Penalty与Fog在10%水平上显著为负，列(5)Penalty与Num在5%水平上显著为正，即企业受到违规处罚后，社会责任文本信息披露的可读性和定量信息占比显著增加。列(4)Penalty与Resword不存在显著的相关关系，其原因可能是企业在违规处罚冲击下社会责任信息披露行为会更加稳健，避免因增加大量信息披露产生不利影响，因而报告长度没有显著增加。列(6)Penalty与Horizon不存在显著的相关关系，其原因可能是处于不确定环境中的企业倾向于披露较少有关未来目标或趋势的信息[6]，因此企业受到违规处罚后，前瞻性信息占比并未显著增加。上述结果为验证企业在违规处罚负面冲击下会改善社会责任文本信息披露质量提供了部分佐证。

4.内生性处理

双向因果关系、遗漏变量以及样本选择偏差是导致本文可能存在内生性问题的主要因素。首先，本文采用企业受到违规处罚的外生研究场景来检验社会责任文本信息披露的价值保护效应。企业受处罚决定及公告是由相关监管部门作出并公布，微观企业难以反向影响监管部门的处罚决策，违规处罚事件具有较好的外生性，因而由双向因果关系导致内生性问题的可能性相对较小。其次，在基准回归模型构建过程中，本文已经从社会责任表现、公司基本特征、公司治理特征以及高管特征等多个维度涵盖了可能影响社会责任文本信息披露以及企业价值的因素，并控制了公司个体层面的固定效应，则因遗漏变量产生内生性问题的可能性相对较小。最后，由于受到违规处罚企业和未受到违规处罚企业在资产规模、盈利能力、财务状况、成长性等方面存在差异，因此直接采用未匹配的样本进行回归测试很可能产生样本选择偏差问题。本文在样本筛选过程中，以公司规模、总资产收益率、财务杠杆、营业收入增长率、股票换手率等为协变量，采用倾向得分匹配法为受到违规处罚企业匹配相应的对照样本，在一定程度上能够避免因样本选择偏差带来的内生性问题。

虽然本文的内生性问题并不严重，但为了进一步减轻遗漏变量问题，缓解随着行业乘以年度变化不可观测因素对基准回归结果造成的影响，在基准回归模型中控制了“行业×年度”的固定效应。表8报告了基准回归模型的内生性检验结果，其与基准回归结果保持一致。

表8 内生性检验结果

5.其他稳健性检验

本文还进行了一系列稳健性测试。表9列(1)和列(2)中，参考姜付秀和黄继承(2011)[40]的做法，采用市账比(MB)作为企业价值的替代指标重新测试。列(3)和列(4)中，为了观测企业社会责任文本信息披露的价值保护效应是否具有一定滞后效应，将企业价值变量滞后两期进行测试。列(5)至列(7)中，考虑到不同年度内多次因违规被处罚的样本可能对研究结果造成影响，按照未删除不同年度内多次因违规被处罚的样本重新测试。上述稳健性检验结果均支持基准回归的结果。

表9 稳健性检验结果

五、进一步分析

(一)基于声誉风险管理视角的检验

前述已经充分论证了在违规处罚的负面冲击下，企业会提升社会责任文本信息披露质量以实现对企业价值的保护。该部分本文进一步尝试从企业声誉风险管理动机的视角来探索其中的潜在机制。

如果企业声誉风险管理动机真实存在，则可以预期当拥有良好声誉的企业在受到违规处罚的负面冲击下，出于声誉风险管理的考虑，则更有动机提高社会责任文本信息披露质量以降低企业声誉损失产生的负面影响。因此，本文参考江新峰等(2020)[42]的做法，以企业规模作为企业声誉的代理变量。企业声誉越大，在遭受负面冲击时其声誉风险管理动机可能越强。具体地，按照企业所在年度和行业的企业规模中位数，将样本分为声誉风险管理动机高组(Reputation=1)和声誉风险管理动机低组(Reputation=0)。回归结果如表10列(1)和列(2)所示，Penalty与Dscore显著的正相关关系仅出现在声誉风险管理动机高组。上述结果说明，在受到违规处罚的负面冲击下，具有较强声誉风险管理动机的企业会更有意愿提升社会责任文本信息披露质量。

表10 基于声誉风险管理视角的检验结果

此外，如果声誉风险管理动机成立，则媒体关注可能会进一步增加负面冲击下企业所面临的声誉风险，从而增强企业通过社会责任文本信息披露进行声誉风险管理的动机。媒体是资本市场中一个重要的主体，在信息传播中具有“放大器”的功能，不仅能够放大企业面临违规处罚冲击的负面影响，也会加剧市场对违规处罚信息的发酵和反应[26]。因此，本文预期当企业面临更多媒体关注时，在违规处罚的负面冲击下企业会更有意愿提升社会责任文本信息披露质量。按照企业所在行业和年度的媒体关注度(15)数据来源中国研究数据服务平台(CNRD)中的财经新闻数据库。中位数，将样本分为媒体关注度高组(Attention=1)和媒体关注度低组(Attention=0)。回归结果如表10列(3)和列(4)所示，Penalty与Dscore显著的正相关关系仅出现在媒体关注度高组。上述结果说明，在受到违规处罚的负面冲击下，媒体关注度越高的企业会更有意愿提升社会责任文本信息披露质量。

(二)基于违规处罚力度的检验

表11报告了企业面临的违规处罚力度对社会责任文本信息披露质量影响的回归估计。列(1)中，本文参考Moser和Voena(2012)[43]的研究，构建违规处罚力度变量(PenaltyDegree)替代模型(1)中的违规处罚变量(Penalty)，设计连续型双重差分模型分析违规处罚力度对社会责任文本信息披露质量的影响。借鉴梁上坤等(2020)[34]的研究，将样本划分为没有违规处罚、一般违规处罚和严重违规处罚三类(16)梁上坤等(2020)[34]将企业违规样本按照处罚方式区分为一般违规处罚和严重违规处罚。一般违规处罚包括批评、警告及谴责处罚方式； 严重违规处罚包括罚款、没收非法所得、取消营业许可(责令关闭)、市场禁入及其他处罚方式。，并按照企业受到违规处罚的严重程度，对PenaltyDegree进行赋值。该变量被定义为：企业受到严重违规处罚赋值为2，受到一般违规处罚赋值为1，没有受到违规处罚则赋值为0。回归结果如表11列(1)所示，PenaltyDegree与Dscore在1%水平上显著为正。这说明，企业受到违规处罚越严重，越有意愿显著地提升社会责任文本信息披露质量。进一步地，本文将样本中受到违规处罚的企业按照其所面临的违规处罚力度，分成严重违规处罚组(Degree=1)和一般违规处罚组(Degree=0)，再分别与研究区间内一直未受到违规处罚的样本进行回归(17)由于样本中对照组为研究期间一直未受到违规处罚的企业，导致本文无法直接按照违规处罚力度对全样本进行分组。因此，按照样本中受到违规处罚企业所面临的违规处罚力度进行分组，然后将研究期间内一直未受到违规处罚的样本分别加入进行测试，上述做法使得两组样本量之和超过总样本量。。列(2)和列(3)结果显示，Penalty与Dscore显著正相关关系仅出现在严重违规处罚组。上述结果说明，相比于受到一般违规处罚的企业，受到严重违规处罚的企业会更有意愿披露文本信息质量较高的社会责任报告。

表11 基于违规处罚力度的检验结果

六、结论与启示

本文借助企业受到违规处罚的外生研究场景，以2008-2018年发布社会责任报告的A股上市公司为研究样本，考察违规处罚事件如何影响社会责任文本信息披露质量，以及社会责任文本信息披露是否产生了价值保护效应及其作用机制。本文研究发现：第一，相比于未受到违规处罚的企业，受到违规处罚的企业在处罚后会显著提升社会责任文本信息披露质量。该研究结果表明，违规处罚负面事件会导致企业社会责任文本信息的叙述性语言特征变化，社会责任文本信息的叙述性语言特征可以在危机时期积极影响市场对企业声誉和合法性的感知，验证了社会责任文本信息披露的风险管理作用。第二，受到违规处罚后，企业提升社会责任文本信息披露质量能够保护企业价值。该研究结果表明，在中国的研究情境下，社会责任文本信息披露能够在违规处罚负面事件下发挥价值保护效应。第三，机制检验发现，社会责任文本信息披露通过提高分析师盈余预测准确度，保护了企业价值。该研究结果厘清了社会责任文本信息披露影响企业价值的具体机制。第四，在声誉风险管理动机较强、媒体关注度较高以及面临更严重处罚的样本中，受到违规处罚后企业提升社会责任文本信息披露质量的现象更为显著。该研究结果表明，声誉风险管理动机、媒体关注度以及处罚力度对违规处罚冲击与社会责任文本信息披露质量之间的关系具有正向调节作用。

基于本文研究结果，得到以下启示：首先，企业可以尝试从文本的叙述性语言特征角度改善社会责任报告的披露质量，进而增强市场中利益相关者对社会责任报告的可信度。目前我国社会责任报告存在披露质量残差不齐以及可信度较低等问题，本文基于叙述性语言特征构建的社会责任文本信息披露质量指标为企业改善报告质量和提高报告可信度提供了思路。其次，企业可以通过提升社会责任文本信息披露质量应对负面冲击，而社会责任文本信息披露质量的提升有助于提高分析师盈余预测准确度，进而保护企业的价值。本文的研究发现为管理层在负面冲击下如何进行风险管理提供了有益的经验证据。最后，监管部门应进一步完善社会责任信息披露制度，不仅要对社会责任报告的披露内容和格式制定规范，同时也要关注社会责任报告的文本信息，并鼓励企业提高文本信息的披露质量。

附录1：匹配前后核密度图对比