一、 引言

“治国之道，富民为始”，消除贫困是世界各国政府进行国家治理的一个重要目标（刘莎莎等，2021）。2013年党中央提出精准扶贫理念，开启了全国范围的扶贫攻坚战（刘莉亚等，2022）。在精准扶贫理念的指引下，我国的扶贫攻坚工作持续向前推进，为乡村振兴战略的实施奠定了坚实的基础。同时，2016年9月，中国证监会发布了《关于发挥资本市场作用服务国家脱贫攻坚战略的意见》，旨在支持并鼓励上市公司履行社会责任，积极参与到扶贫事业中，为乡村振兴注入新的活力。上市公司广泛参与国家扶贫战略彰显了中国企业勇担时代责任的精神（文雯等，2021；张学勇等，2023）。踊跃参与扶贫攻坚既是上市公司积极响应党的号召的具体体现，也是企业承担更大范围社会责任的需要（周方召等，2020）。近年来，随着全社会对企业ESG 责任的持续关注（Peloza &Shang，2011），包括基金在内越来越多的机构投资者和第三方评级机构往往依赖于企业自我披露的ESG信息进行投资和评价，评级机构对企业ESG评价的真实性有待商榷，有时甚至出现ESG评级对企业实际ESG行为的扭曲，呈现出ESG评级与企业实际表现的名不副实（Peirce，2019； Roisman，2020；Basu et al.，2022）。而此类“言过其实”的问题可能导致金融市场资源错配，这也愈来愈多地引起监管机构和学术界的担忧（Peirce，2019；Roisman，2020）。

据已有研究，企业实施精准扶贫作为其履行社会责任的关键途径，其背后的驱动力可以概括为三类主要动机：一是有些企业出于纯粹的利他主义，即无私地奉献于社会，不追求任何回报（许年行和李哲，2016）；二是一些管理者出于个人私利动机，使用企业资源承担社会责任，旨在提高个人形象和社会地位（Galaskiewicz，1997）；三是企业可能出于战略动机考虑，通过承担社会责任向各利益相关方展示其对社会责任的重视，以此来获得更佳的市场声誉和资源支持（山立威等，2008；潘越等，2017； Chang et al.，2021；潘健平等，2021）。

本文立足于我国上市公司参与精准扶贫这一履行社会责任的现实情境，采用华证与和讯网的A股上市公司ESG评分，结合从国泰安数据库（CSMAR）中所获得的上市公司精准扶贫披露数据展开实证研究，探讨ESG评级与精准扶贫参与之间的关系，即高 ESG评级的公司是否比低ESG评级的公司更积极地参与了精准扶贫的社会责任行动，从而梳理和论证上市公司的ESG评级究竟是名过其实还是名实相符。在此基础上，本文检验了上市公司绩效水平对其精准扶贫参与度的影响，揭示了上市公司践行精准扶贫ESG行为策略的机制效应。此外，本文进一步检验公司参与精准扶贫对未来股价崩盘风险的影响，从而明确ESG评价和社会责任承担之间体现的实际动机与产生的经济后果。

本文的边际贡献体现在以下两个方面：第一，不同于现有研究主要集中于企业ESG 的经济后果考察，本文从企业ESG评分与实际的社会责任行为关系角度出发，检验了中国 A股上市公司的ESG是否“名实相符”，进一步丰富了关于企业ESG责任领域的研究视角和研究内容，为判断和分析企业ESG信息披露质量提供了实证证据。第二，本文基于精准扶贫背景，进一步深入检验企业参与社会责任活动的实际动机以及公司参与精准扶贫行为对公司股价崩盘风险的影响，深入挖掘承担和履行社会责任的企业的战略性动机。

二、 文献回顾与理论分析

（一） 研究背景与文献综述

缩小贫富差距和消除贫困是各国政府的重要目标。为实现中华民族伟大复兴，我国自2013年起实施精准扶贫政策，通过精确识别并帮助深度贫困群体，解决地区性贫困问题（潘健平等，2021）。精准脱贫在党的十九大被列为重点任务之一，引入了广泛的社会参与。通过行动计划如“万企帮万村”和资本市场的参与，到2021年我国已宣布9899万农村贫困人口实现脱贫，832个贫困县获得改善，标志着一场空前规模的脱贫战役的胜利。为巩固这些成果并推动乡村振兴及共同富裕，我国仍需要全社会的继续努力和政策的稳定支持。

图1展示了2016~2020年A股上市公司的年均ESG评分、参与精准扶贫的上市公司数目和年均精准扶贫支出金额。^①其中，count_PA表示参与扶贫的公司数目，这一数值在该段时间内不断增长，整体趋势表明企业参与精准扶贫的积极性逐年提升； mean_PR表示企业的精准扶贫投入金额的年均值，其值在2016~2018年间出现波动式增长，2019年达到峰值后，2020年有所回落；mean_ESG表示企业的年ESG评分均值，2016~2020年间呈现波动上升趋势，尽管2019年有所下降，但整体看来，ESG评分仍呈现提高趋势。图1中可以看出，尽管企业的精准扶贫投入在2020年有所减少，但参与扶贫的公司数量以及ESG评分总体上仍呈现上升趋势。2020年全球性新冠疫情对企业的运营和财务状况产生了重大影响，许多企业不得不削减开支，包括慈善和社会责任项目的预算（Carroll，2021）。此外，新冠疫情导致的封锁措施和经济活动减缓也导致企业收入下降，因此减少了对非核心业务活动的投资，包括扶贫项目。

据中国ESG发展白皮书统计，全球有超过600家ESG评级机构对上市公司披露的 ESG信息进行评级打分。上市公司的ESG评分对经济社会的影响获得了极大的关注，但其评级的真实性仍未被细致研究。中国上市公司从2008年才开始披露社会责任报告，并且不要求企业对其发布的社会责任报告进行审计，这就可能导致在实践中上市公司的ESG披露是自说自话或言过其实（Zhou et al.，2021）。此外，法律执行效率较低和“报喜不报忧”的文化也影响着中国企业社会责任报告的具体内容（Piotroski et al.，2015），为吸引外部投资者的关注，企业社会责任信息的披露也会有失偏颇。随着全社会对企业ESG责任的持续关注，包括基金在内越来越多的机构投资者和第三方评级机构往往依赖于企业自我披露的ESG信息进行投资和评价，这其中是否存在 “言过其实”的问题从而导致金融市场资源错配也愈发引起监管机构和学术界的担忧（Peirce，2019；Roisman，2020）。近年来国外学术文献首先围绕企业是否“言行一致”开展了一系列的研究，然而现有研究结论并不完全一致（Raghunandan et al.， 2023；Harjoto et al.，2021；Basu et al.，2022）。例如Harjoto et al.（2021）通过对 1992~2015年间1428家美国公司的数据分析发现，CSR（企业社会责任）得分较高的公司报告的养老金净资产更高，且比其他公司更少出现养老金不足的情况。这些CSR得分较高的公司在社会责任承诺上言行一致，传递出可靠的信号，真正履行了对员工及其他利益相关者的承诺。相反，Raghunandan et al.（2023）提醒投资者在评估公司履行对利益相关者的承诺时应保持谨慎。许多公司公开宣称履行社会责任，研究却发现这些公司往往有更高的环境和劳工违规率，且ESG基金中的公司合规记录与其ESG 评分几乎没有相关性。他们的研究揭示了企业ESG评分与实际社会责任行动之间存在不一致，表现出言行不一。与此同时，Basu et al.（2022）依据2002~2018年间美国上市银行控股公司的数据研究发现，无论是在数量上还是金额上，ESG评分较高的银行在贫困地区发放的抵押贷款都显著少于ESG评分较低的银行。可见，这些银行虽然在弱势社区中使用了亲社会的言辞和象征性行动，但并未履行其应尽的社会职能，暗示了存在“社会清洗效应”。^①这一发现为企业在社会责任领域的言行不一致现象提供了有力的实证支持。

精准扶贫成为企业践行社会责任的关键举措，有助于深入理解企业为何要积极承担社会责任，实际履行社会责任与企业ESG表现评价是否“名实相符”等问题提供了难得的事件背景与研究契机。虽然关于企业承担社会责任动因的研究已经较为丰富（文雯等，2021；甄红线和王三法，2021），但在当前对企业实际履行社会责任更为关注的背景下，考察其ESG评价和实际承担社会责任之间关系的研究仍较为匮乏。在中国独特的脱贫攻坚和乡村振兴战略背景下，精准扶贫区别于传统的以捐赠为主的社会责任履行方式，它主要采用产业扶贫模式，强调上市公司进行长期的、具体的点对点帮扶。这种方式要求企业不仅仅是提供一次性的资金支持，而是持续投入人财物，与扶贫地区建立深入的合作关系，共同推动当地产业发展和经济提升。这一策略有助于确保扶贫效果的持久性和实质性，使贫困地区能够通过自身发展实现长期的经济自立。这种长期持续的精准扶贫向社会表明了企业的社会责任感和政治自觉性，从而可以有效检验上市公司ESG表现的评级得分能否如实符合其在积极履行精准扶贫的社会责任实践。

（二） 理论分析与研究假说

企业的ESG得分可能存在着言行不一或名不副实的情况，很多ESG得分高的公司仅仅是口头上的自我宣传，在社会责任的实践行动上却难以言出必行或名实相符（Basu et al.，2022；Raghunandan et al.，2023）。那么ESG表现得分更高的企业究竟是否更好地履行社会责任是一个仍需明晰的现实问题。

从道德动因和战略动机的假说角度来看，由于市场中广泛存在着信息不对称，更好的ESG得分和实践履行也能够展示企业在社会中责任方面的可信度和良好业绩，从而将自身与低ESG评级的企业明显分离出来（Lys et al.，2015）。实际上，企业参与精准扶贫不仅助力社会发展，还能塑造其积极的社会责任形象。这种参与有助于提升企业在供应商、客户以及政府眼中的信誉，特别是在环境、社会和治理方面的评价。通过这种方式，企业能够增强其商业信用，同时获得政府的更多补贴和税收优惠，这些都是企业发展中的宝贵资源（潘健平等，2021）。而且，更高的ESG评价得分也可能真实体现了企业的利他奉献责任，正是由于企业真正履行社会责任才得到了好评，那么更高的ESG评价自然应该驱动企业更倾向于参与社会公益活动。因此，无论是出于道德动因还是战略考虑，高ESG得分的企业应该更积极参与精准扶贫活动。

从私利动因角度看，通过披露遵循社会道德准则的工作努力等洗白行为获得相对高的ESG评价，可以含混掩盖其不道德行为，或安抚社会公众对于其坏消息的情绪反应（Dhaliwal et al.，2011；Grewal et al.，2019；Dyck et al.，2019）。此外，宣传更好的社会责任承担以得到更高的ESG得分，不仅能吸引具有社会责任倾向的消费者和利益相关者，还能给企业带来更多好处（Bhattacharya &Sen，2003；Servaes et al.，2013；Chen et al.，2020；周方召等，2020；甄红线等，2022）。由于企业披露社会责任所产生的ESG得分与其实际履行社会责任活动之间可能存在不一致，利用 ESG得分来降低信息透明度或转移公众对“窖藏坏消息”的关注，^①这种通过洗白获得高的ESG评价就可能导致企业在ESG责任实践方面“名不副实”。当然，也有研究指出，企业在社会责任方面的洗白一旦被发现，就会有损公司声誉乃至企业的股价表现和价值（Lyon et al.，2015）。然而实践中，企业披露的ESG信息往往缺乏标准化和透明度，也难以进行审计核查，这实际上赋予了管理者在ESG报告和信息披露方面很大的权衡弹性（Christensen et al.，2019），由此利用ESG责任得分进行社会责任洗白的情况可能是较为普遍的（Lyon et al.，2015；Harjoto et al.，2021；Raghunandan et al.，2022）。因此有理由相信，如果更高ESG得分的企业在社会责任履行方面的实践少于低ESG得分的企业，那就表明高ESG得分的企业在履行社会责任方面存在洗白行为。这也意味着，在精准扶贫活动中，如果高ESG得分企业的参与度和资金投入低于低ESG得分企业，那么ESG得分和实际社会责任履行之间呈现出“名不副实”的洗白效应。

综上所述，本文提出以下竞争性假说：

H1a：ESG得分高的企业更积极参与精准扶贫、投入的资源也更多，能够做到名实相符。

H1b：ESG得分高的企业更不倾向于参与精准扶贫、投入的资源也更少，表现为名不副实。

除了需要明确企业ESG得分和社会责任承担实践是否能够真正名实相符之外，还有必要进一步厘清企业在参与精准扶贫的社会责任实践中是否体现了差异性动机。已有研究发现，企业通过履行社会责任来转移公众的注意力，掩盖内部存在的隐藏坏消息（高勇强等，2012），使社会责任成为管理层机会主义行为的掩饰工具（Hemingway et al.，2004）。因此，慈善性质的社会责任披露反而可能增加公司未来股价崩盘的风险（权小锋等，2015）。如果企业积极承担和从事社会责任活动实践是高管为了掩饰或转移公众对其“窖藏坏消息”等代理行为的关注，那么参与精准扶贫反而会引发未来公司股价崩盘的风险。反之，如果企业履行社会责任更多体现的是一种股东主义和长期价值，从代理理论和信息理论看，企业在社会责任方面的良好表现会使投资者和股东更加认可，并且愿意长期持有，这有助于公司股价保持稳定增长，从而降低崩盘风险。

研究表明，精准扶贫作为企业履行社会责任的一种非货币形式，确实可以有效降低企业风险（甄红线和王三法，2021）。在慈善捐赠方面，大部分研究认为企业履行社会责任的动机并非出于利他主义，而是自利的工具（权小锋等，2015），这在一定程度上背离了企业履行社会责任的初衷（潘健平等，2021）。实际上，企业积极承担社会责任更可能是出于战略性动机的主动行为。不同于直接的慈善捐赠，结对帮扶需要企业关注其参与精准扶贫所释放的政治信号，如果企业响应“万企帮万村”倡议，将自身与国家精准扶贫战略紧密联系，这是其他慈善行为无法比拟的（何康等，2022）。企业通过承担社会责任，尤其是通过精准扶贫的举措，能够强化与政府的关系并向各方利益相关者传递其重视社会责任的信号。如潘越等（2017）和何康等（2022）所述，这种做法不仅可以提升市场声誉和减轻信息不对称，还能增强企业与政府的联系，获得政府的认可，从而为企业未来的发展争取更多的政府资源和支持。因此，精准扶贫成为企业降低未来股价崩盘风险的有效策略，参与精准扶贫以降低股价崩盘风险可能是更具战略意义的动机体现。由此，本文提出如下假说：

H2：上市公司参与精准扶贫能够显著降低股价崩盘风险。

三、 研究设计

（一） 数据来源和样本选择

本文选取全部A股上市公司作为初始研究样本，依据现有研究惯例对样本进行以下筛选：首先，剔除金融类上市公司，如银行和保险公司；其次，剔除研究区间内已退市的公司；再次，剔除处于ST或*ST状态的异常公司；最后，排除财务数据披露不全的公司样本，以保证分析的准确性和数据的完整性。企业资产负债率等财务信息以及企业精准扶贫的原始数据来源于CSMAR和WIND数据库，ESG表现采用华证ESG 评级得分，数据来自WIND数据库。由于评级机构与企业ESG评价存在分歧，本文还采用和讯网提供的ESG评级数据进行稳健性检验。精准扶贫概念自2013年提出，随后如“万企帮万村”等行动自2015年底开始逐步实施。本文关注的是上市公司参与精准扶贫的行为，这些信息从2016年的年报开始规范披露，因此选择2016~2021年作为样本数据的时间区间。为了减少异常值的影响，本文对研究中的连续变量进行了上下 1%的缩尾处理，以提高数据的稳健性。通过上述数据处理，最终包括3857家上市公司的15647条年度观测数据。

（二） 变量说明和计量模型

被解释变量：上市公司的精准扶贫行为与投入。本文参考甄红线和王三法（2021）、何康等（2022）分别采用企业是否参与精准扶贫（PA）以及投入金额（PR）作为被解释变量。具体而言，当某年度企业参与精准扶贫则PA=1，否则PA=0；精准扶贫的投入程度采用企业披露的精准扶贫投入金额加一后的对数表值表示。

解释变量：上市公司的ESG评分。本文参考方先明和胡丁（2023）、朱光顺和魏宁（2023）采用华证的ESG评分数据衡量企业ESG表现。华证ESG评级将所有上市公司分为9档，从低到高依次赋分为1~9，数值越大代表ESG评级越高，然后取其年度均值作为企业年度ESG得分。此外，稳健性分析中考虑了不同的ESG测度方式和替代变量。

基于上述逻辑，本文参考何康等（2022）和张学勇等（2023）的研究，选取了涵盖财务特征和公司治理层面的控制变量，以全面控制可能影响企业参与精准扶贫决策的潜在因素，从而提升研究结果的准确性和可靠性。具体变量定义见表1。

根据本文的研究内容和研究目标，借鉴已有相关研究的模型形式构建如下计量模型对上市公司ESG评分与精准扶贫参与度之间关系进行检验：

其中，下标i表示企业，t表示年份。在具体的回归过程中还纳入了公司所处的行业虚拟变量（Industry）和年度虚拟变量（Year）；Controls_i，t则包括了前文所提及的一系列控制变量，ε_i，t为随机扰动项，α与β为待估计参数。针对变量和模型设定，本文采用OLS 和Logit模型进行回归。此外，考虑到企业精准扶贫支出金额中存在大量零值，数据具有截断特征，本文还使用Tobit模型进行稳健性检验。在所有回归分析中，标准误聚类到上市公司层面。

四、 实证结果与分析

（一） 描述性统计

主要变量的描述性统计结果如表2所示，PR的标准差为2.315，说明上市企业精准扶贫的投入金额差距较大。PA的均值为0.270，表明样本中有27%的上市公司参与了精准扶贫活动。由此可见，实施企业参与精准扶贫和后续乡村振兴结对帮扶的比例还有进一步提升的空间。总体来看，包括控制变量在内，各变量的描述性统计结果与已有研究（祝丽敏等，2021；文雯等，2021）较为相似，比较符合现实情况和经济直觉，表明本文所选样本具有一定的代表性。

（二） 基准回归的结果分析

如表3所示，列（1）和（2）报告了上市公司ESG得分与精准扶贫行为的回归结果，变量Lnesg的回归系数均在1%水平上显著为正，这说明ESG得分较高的企业不仅更倾向于参与精准扶贫活动，而且在精准扶贫活动中投入的金额也更大。这一结果与本文的研究假说H1a相一致，体现了企业ESG得分和承担社会责任实践的“名实相符”。为缓解内生性问题，本文将解释变量（Lnesg）与控制变量采取滞后一期，重新进行回归分析，具体结果见表3列（3）和（4）。其中变量Lnesg_t-1的回归系数均在1%水平上显著为正，这进一步验证了本文的基本假说，即上市公司ESG评分越高，企业越是积极参与精准扶贫，且在精准扶贫项目中投入越多的金额。

注：括号内均为经过公司层面聚类的稳健标准误计算得到的t值。其中涉及使用Logit、Probit、Tobit模型回归所报告的系数均为边际效应。^***、^**、^*分别表示 1%、5%、10%的显著性水平，省略了常数项、年度和行业固定效应的回归结果，后表同。

（三） 稳健性检验

本文进行了如下的一系列稳健性检验。

第一，为排除企业精准扶贫参与行为受到同一时期政策的影响，本文在回归方程中新纳入一些可能影响结果的控制变量，包括地区层面的人均GDP（Pergdp）、教育水平（Edu）等。此外，还加入了时间趋势项（Time），以捕捉和控制由于经济周期或其他政策变化带来的效应。考虑到党的十八大以来国家对脱贫攻坚的高度重视，特别是2018 年作为脱贫攻坚三年行动的开局之年，政策力度显著加大，本文设置了时间虚拟变量 Post：将2018年及以后的年份记为1，之前的年份记为0。此外，由于时间固定效应与时间层面的控制变量可能引发共线性问题，因此在纳入时间趋势变量的情况下，本文在模型中取消了年份固定效应。回归结果如表4第（1）列所示，Lnesg的系数仍在1%显著性水平上显著为正，说明在排除可能的相关政策影响后，本文结果仍具有稳健性。

第二，更换变量衡量方式。首先，替换被解释变量进行重新回归。具体地，根据企业后续是否有扶贫计划来设置持续型贫困治理变量（Follow）（李建莹等，2023），若企业后续有扶贫计划取值为1，否则为0。回归结果如表4列（2）所示，Lnesg的系数仍在5%显著性水平上显著为正，与基准回归结果保持一致。其次，替换解释变量。借鉴已有研究采用和讯网公布的ESG评分数据衡量上市公司的ESG水平（周方召等， 2020；雷雷等，2023）。回归结果如表4列（3）所示，解释变量Lnesg_hx的系数在1%水平上显著为正，再次表明基准回归结果具有稳健性。

第三，剔除未参与精准扶贫的企业样本后，对模型（2）重新进行回归，以检验参与精准扶贫的企业其扶贫支出金额与ESG评分之间的关系。结果如表4列（4）所示， Lnesg的系数在1%显著性水平上仍为正，进一步验证了本文结果的稳健性。

第四，对样本数据进行个体固定并重新回归。为进一步保证本文研究结论的可靠性，本部分使用公司个体固定效应进行重新估计，具体回归结果见表4列（5），解释变量回归系数显著为正，前文的结论进一步得到验证。

第五，变更回归模型。考虑到企业精准扶贫强度存在不少为0的情况，本文采用左截尾的Tobit模型进行稳健性检验，估计结果如表4列（6）所示， Lnesg的回归系数仍然与基准结果保持一致，均在1%水平上显著为正。

（四） 内生性问题处理

虽然前文回归中已控制了年份、行业和公司层面的固定效应，并在具体回归中对解释变量进行了滞后一期的处理，但仍可能会遗漏某些公司层面不可观测的因素或存在变量之间互为因果的可能。因此，有必要对内生性问题进行讨论并加以处理。

1 . 工具变量回归

为解决由反向因果关系引起的内生性问题，本文依据谢红军和吕雪（2022）、毛其淋和王玥清（2023）的研究将企业被“泛ESG”基金持有的股票数量（FQ）和持股市值（FV）作为企业ESG优势的工具变量。此外，考虑到公募基金的影响具有一定的滞后性，回归过程中对ESG基金持股数量（FQ）和持股市值（FV）均取滞后一期，为避免FQ、 FV指数过大造成回归结果的过度极差问题，对其进行标准化处理。

具体的回归结果在表5中报告。第一阶段回归中，FQ_t-1和FV_t-1被用作工具变量，在列（1）和列（3）中，回归系数在1%水平上显著为正，表明持有“泛ESG”基金的企业在ESG评分上有显著提升。同时，F统计量超过10，证实了所选工具变量，并非弱工具变量。在第二阶段回归分析中，列（2）和列（4）展示了的$\widehat{\text{Lesg}}$系数仍显著为正，回归结果与前文的发现保持一致。系数相当于基准回归的10倍左右，这与谢红军和吕雪（2022）的研究结果类似。这一结果再次表明，在缓解了内生性问题后，ESG得分更高的上市公司更倾向于参与精准扶贫和投入更多资金，表明本文的研究结论是稳健的。

2 . PSM 回归

进一步地，企业是否参与精准扶贫的选择可能非随机（邓博夫等，2020），为减少自选择偏差和样本公司特征差异的影响，本文借鉴潘海英等（2022）的方法，选取企业参与精准扶贫作为配对变量，创建处理组与控制组。同时，将上市公司年限（ListAge）、公司规模（ Size）、资产负债率（Lev）、总资产净利润率（Roa）、现金流量比（Cashflow）和固定资产占比（Fixed）变量作为协变量，依据1:1近邻匹配法进行配对。配对后，通过平衡性检验^①并对匹配权重调整后的样本进行回归分析。具体回归结果见表5的列（5），结果显示企业ESG得分在1%水平上显著正向影响企业的精准扶贫投入强度，结果与之前的结论一致。

五、 机制分析与动机的进一步分析

（一） 机制分析

一方面，ESG评价通过促进利益相关者对企业的关注和支持，有效降低企业代理成本、缓解融资约束和促进企业创新，从而推动企业绩效提升（李井林等，2021；王双进等，2022）。另一方面，绩效水平较高的企业倾向于更积极地承担社会责任（Pava &Krausz，1996；朱乃平等，2014）。这种行为不仅有助于建立和维护良好的公共关系，还能显著提升企业形象。良好的公众形象能够提高企业的品牌知名度，并通过提升公司声誉和顾客认同感，维持企业的市场长期竞争优势。这种竞争优势进一步转化为员工满意度的提高和经济绩效的增长（Chuck &Nina，2008）。

为检验ESG通过企业绩效机制发挥推动企业精准扶贫作用，本文采用总资产收益率（Roa）作为企业财务绩效的代理变量，分别检验自变量（Lnesg）对机制变量（Roa）的影响，以及机制变量（Roa）对因变量（精准扶贫参与度PR）的影响。回归结果如表6所示，在列（1）中，Lnesg的回归系数为0.027，表明ESG得分较高的企业绩效水平（Roa）更高。在列（2）中，Roa的回归系数为1.223，同时Lnesg系数在1%水平上显著为正，表明企业绩效水平对精准扶贫参与度有显著正向影响。可见，ESG表现通过企业绩效水平间接影响精准扶贫参与度。

（二） 进一步分析

前文已经检验了上市公司ESG表现得分和积极参与精准扶贫的社会责任活动之间存在显著的正向关系，体现了企业在ESG责任方面的名实相符，那么对于企业“言行一致”的ESG责任承担动机与差异性的分析验证是本文接下来要开展的工作。

与慈善捐赠有所不同，企业开展精准扶贫不仅仅是出于自利目的，而是结合了利他主义的道德动机与战略性考量，从而实现企业、社会与环境的三方共赢（潘健平等，2021）。企业积极参与精准扶贫实践一方面可以传达出自身对社会责任承担的 “言行一致”声誉，另一方面也可以有效吸引包括政府部门在内的利益相关者关注和支持，从而为企业今后的发展带来更多的资源支持与帮助，这不仅会增加企业抵御风险的能力，也可以降低内外部信息不对称程度（李建莹等，2023）。因此，企业实施精准扶贫既可以回馈社会，也能促进自身发展，是利他性动机与战略性动机的结合策略。由此，积极参与精准扶贫能够显著降低公司未来的股价崩盘风险，减轻企业道德风险的“坏消息窖藏”，从而实现企业ESG责任名实相符的战略性动机目的。

为了进一步验证企业ESG得分和承担社会责任实践之间名实相符的深层次战略动机，本文设置模型（3）、（4）实证检验企业参与精准扶贫与公司未来股价崩盘风险之间的关系，从而揭示公司ESG名实相符的战略动机考量。

Risk_i，t为衡量股价崩盘风险的指标，参考Hutton et al.（2009）以及 Jia et al.（2024）的研究方法，采用负收益偏态系数（NCSKEWEN）和收益上下波动比率（DUVOL）来衡量。Risk_i，t的提升表明股价崩盘风险的增加。除前文所述之外，控制变量Controls_i，t还新纳入了周特有收益率的标准差（Sigma）和周特有收益率的均值（Return），以提高模型的解释力。

表7 的回归结果显示，第（ 1）列中，Lnesg的系数为-0.079，并在1%的水平上显著，表明ESG评分高的企业股价崩盘风险更低，即较高的ESG评分可以有效降低企业的未来风险，体现出企业社会责任对市场稳定性的保护作用。而在第2列中，纳入了精准扶贫参与度PR后，PR的系数显著为负，且Lnesg系数降至-0.075，仍在1%显著性水平上显著。这一变化显示出企业参与精准扶贫不仅进一步强化其言行一致的社会责任形象，还支持本文的假说H2，即企业通过积极参与精准扶贫工作可以有效降低未来的股价崩盘风险，从而体现其在承担社会责任方面的战略性动机。本文将被解释变量替换为DUVOL时，实证结果依然一致，进一步验证了结果的稳健性。这一发现表明，精准扶贫作为企业社会责任的一个重要表现，不仅在提升企业社会声誉方面发挥了积极作用，还作为一种有效的风险管理策略，使企业能够更好地应对未来市场波动的风险。企业参与扶贫不仅是出于对社会责任的履行，更是基于战略性动机，通过承担社会责任来增强与政府和利益相关方的关系，从而获得长期的资源支持和市场稳定性。

上述结果验证了企业的ESG得分与实践之间的言行一致，并排除了参与精准扶贫的管理层私利动机，但尚未能完全厘清参与精准扶贫的利他性动机和战略性动机的区别。既然企业能够通过精准扶贫来树立积极形象，获得利益相关方的支持并传递更好的信号减轻未来风险。那么，除了战略性动机的考量之外，企业更高的ESG得分和更倾向于参与精准扶贫的社会责任承担行为是否也体现了更强的利他性动机呢？

实际上，企业参与精准扶贫工作存在着不同的难易程度。由于深度贫困地区大多处于“老少边穷”地区，部分甚至是集中连片特困地区，当地居民的生存发展能力弱、受教育程度低，脱贫工作的难度大、见效慢（潘健平等，2021）。如果扶贫地区的贫困程度越高，那么企业参与扶贫工作的难度就越大，但这也意味着企业的利他性动机越强、积极履行社会责任的决心更大。如果高ESG得分企业在参与精准扶贫的过程中不仅选择前往这些深度贫困地区开展帮扶，同时在这些地区的扶贫投入也更高，那么可以表明这些高ESG得分企业在履行社会责任过程中是真心实意地解决贫困问题，真正更多从利他性动机出发来参与社会责任实践，完全做到了名实相符和言行一致。

为了验证这一猜测，本文根据企业在参与精准扶贫过程中所披露的信息，以企业是否涉及国家级贫困县为参考，手工整理数据，设置虚拟变量Treat。若企业的扶贫对象中包含国家级贫困县，则Treat取值为1，否则为0。以Treat为被解释变量，实证检验上市公司ESG得分对其参与深度贫困地区帮扶选择的影响。具体的回归结果见表7。从表7中可以发现，无论是列（1）的Logit回归还是列（2）的Probit回归结果都表明，变量Lnesg的回归系数均未通过10%水平的显著性检验，即企业的ESG得分并没有显著影响其对深度贫困地区的帮扶决策选择。此外，本文以企业扶贫工作是否涉及贫困县分组，验证上市公司ESG得分与其精准扶贫投入金额之间的关系。从表7列（3）可以看出，对于深度贫困地区而言，（即在Treat=1的子样本中），企业的ESG得分对其精准扶贫投入金额的正面影响并不显著。而列（4）的回归结果则显示，在不涉及深度贫困地区的子样本中，企业ESG得分却显著提升公司的扶贫支出投入金额。这一结果表明，在涉及贫困地区的帮扶中，ESG得分高的企业并未表现出更积极的精准扶贫参与意愿。尽管上市公司在ESG评价和社会责任实践方面达到了名实相符，但企业在参与精准扶贫过程中更多是出于战略性动机，而非完全出于利他性动机选择深度贫困地区进行结对帮扶。这一结果进一步表明，企业参与精准扶贫的意图更多地是为了树立正面形象，并借此吸引利益相关者的关注与支持，从而进一步增强公司在市场中的竞争力。

六、 研究结论和启示

本文以2016~2021年间我国A股非金融类上市公司为样本，以企业参与精准扶贫这一主动帮扶行为为研究背景，深入分析了其履行社会责任的行为动机，研究了ESG 得分和践行社会责任之间的关系，并进一步考察了企业参与精准扶贫的战略性动机考量以及对其股价崩盘风险的影响，最终的主要研究发现包括：（1）企业ESG评级越高，参与精准扶贫的倾向和积极性越高，而且在参与精准扶贫过程中也能够投入更多的支出金额；（2）企业积极参与精准扶贫能够降低公司的股价崩盘风险；（3）企业的 ESG评分对精准扶贫支出金额的正向影响只存在于不涉及贫困县的地区，即对于深度贫困地区的帮扶来说，高ESG水平的企业扶贫支出并未明显增多。

本文对企业ESG是否“名实相符”以及企业参与精准扶贫动机所做的分析，可以为企业社会责任决策以及国家持续性减贫和乡村振兴战略提供现实参考。具体而言：

第一，企业履行社会责任需要“名实相符”和“义利兼顾”，而政府也需要全面推动社会力量持续参与精准扶贫和乡村振兴战略。为进一步鼓励ESG评级得分高的企业承担更多社会责任，政府相关部门也应在税收、补贴和融资便利方面给予适当倾斜，以便更好地推动企业积极投身到精准扶贫和乡村振兴之中。政府部门或第三方评级机构应当对企业扶贫行为进行调研并纳入上市公司ESG的评分中，以便建立起有效的激励机制，提高企业参与扶贫的社会声誉激励。通过张扬企业履行社会责任的“名实相符”、宣传企业践行精准扶贫和乡村振兴的“言行一致”，从而形成全社会的诚信意识并促进国家重大战略的有效实施。

第二，在企业参与扶贫和乡村振兴过程中，政府需要更多关注深度贫困地区，并辅之以更多政策支持，确保不发生规模性返贫情况。深度贫困地区所要求的扶贫投入极为庞大，单纯依靠企业结对帮扶可能导致部分企业会选择贫困程度较低、容易取得脱贫成效的地区实施扶贫行动。为防止深度贫困地区的规模性返贫和推动乡村振兴，需要政府部门出台系统的政策支持方案，通过辅助政策更好地支持上市公司结对帮扶活动，尤其在投入巨大和收益见效较慢的基础设施投资方面需要中央和地方政府更多的财力支持，从而为企业帮扶创造更好的条件和环境。此外，对于深入参与特殊贫困地区扶贫的企业给予更多政策支持，有助于产生更好的政策溢出效应，进而充分调动企业的积极性，巩固深度贫困地区的脱贫成果。

第三，持续推动“一司一县”结对帮扶政策的连续性和创新性，结合公司和乡村地区自身特色优势，不断优化和完善制度模式，巩固精准扶贫成果。ESG评价更好的企业在具体的社会责任承担过程中，可以创新和完善产业扶贫等更多帮扶模式，充分利用ESG表现带来的绩效提升效果，继续发挥自身优势助力乡村振兴。在乡村振兴的结对帮扶过程中，进行自我完善、进化，探索具有可持续性与可复制性的乡村振兴多元模式，通过整合社会各界的力量，为农业农村现代化、乡村产业发展和实现共同富裕贡献力量。

① 在图1中，“count_PA”和“mean_PR”数据根据图表左侧的纵坐标进行量化表示。这些数据分别代表参与精准扶贫的企业数量和平均支出金额；此外，“mean_ESG”数据是根据华证的ESG评级计算得出的年均值，其值依照图表右侧的纵坐标进行展示。

①“社会清洗效应”指的是企业或组织在公共场合展示的积极社会责任行为与其实际行动之间的差距。这种现象通常表现为企业在宣传中强调其对社会责任的支持，然而在具体实践中却未能兑现这些承诺，特别是在影响弱势群体或边缘化地区时。

①“窖藏坏消息”是指企业有意隐瞒或推迟披露负面信息或不利事件，以避免对其声誉或财务状况造成即时影响。这种做法通常涉及在内部处理问题而不对外公开，直到其影响减弱或企业可以找到更有利的时机进行披露。

① 由于篇幅所限，平衡性检验结果未在正文中展示，备索。

参考文献