上市公司精準扶貧能力估算及差異特征
——基于等級反應模型GRM的實證研究

夏雨霏 霍增輝（副教授/博士）

（中國計量大學經濟與管理學院 浙江 杭州 310018）

一、引言

在專項扶貧、行業扶貧、社會扶貧“三位一體”大扶貧格局的背景下，國家開展了“萬企幫萬村”的精準扶貧行動，企業成為了精準扶貧的中堅力量。尤其，上市公司精準對接“扶貧”需求，積極開展多元化扶貧投入，取得顯著扶貧成效。雖然我國已經打贏了脫貧攻堅戰，但未來仍有相對貧困、鞏固拓展脫貧攻堅成果同鄉村振興有效銜接等問題亟待解決。因此，科學評估上市公司精準扶貧能力，揭示上市公司扶貧能力的行業和區域情況，能為未來上市公司參與我國相對貧困治理提供經驗證據支持。

2016年證監會要求上市公司在年報的重要事項披露精準扶貧信息，此后國內學者便開始關注上市公司的扶貧動機、扶貧導致的經濟效應等內容。而科學評估企業的精準扶貧能力是關鍵的步驟。現有研究表明，扶貧資金投入總額、投入金額與營業收入的比值等常被用于代理扶貧能力。但是，企業的具體扶貧方式呈多元化，包括九類扶貧方式，既涉及金額，也涉及其他計量單位。因此，應考慮對多類扶貧投入進行綜合量化。依據項目反應理論，本文將扶貧能力視為潛在變量，通過觀測公司披露的各類精準扶貧投入信息（項目），建立等級反應模型進行參數估計，進而測算扶貧能力。相比于經典測量理論方法，項目反應理論能提供詳細的項目特征信息、控制測量誤差等優勢。

二、文獻綜述

（一）履行精準扶貧責任的動機

企業社會責任被視為公司在遵守最低法律要求之外，采取的自愿行動，以慈善福利行為，解決自身的競爭利益和更廣泛社會的利益（Lukman Raimi等，2015）。近年來，社會責任呈現出標準化、法制化、社會化、價值化等趨勢（鐘洪武等，2018）。履行社會責任是在企業可持續發展過程中適應當前可持續發展框架的一種手段，有助于增強企業可持續發展，提高企業競爭力（Yi Yutin等，2020）。另外，Schwartz（2003）把企業承擔社會責任的動機歸結為經濟動機、制度動機、道德動機，并根據強弱程度將社會責任劃分為經濟動機主導型、制度動機主導型、道德動機主導型和平衡型等四類。

國內學者將上市公司參與精準扶貧動機總結為三類：政治動機：在政府政策和社會大環境的推動下，擁有政治背景的企業為追求更多的政治資源（易玄等，2020）。經濟動機：為了提升企業形象，給企業帶來更多隱形利益，進而提高盈利能力（董晨帆，2020）。資源動機：為了獲取更多資源，包括政府可支配的財政資金、土地和政策等（楊義東和程宏偉，2020）。

（二）上市公司參與精準扶貧行為

2016年滬深交易所為響應證監會發布的《意見》，分別發布了兩則通知，要求上市公司在年報的重要事項披露精準扶貧信息。據此，國內學者在研究上市公司精準扶貧投入、參與精準扶貧的經濟效果等問題時，通常采用以下三種方法處理扶貧投入：（1）虛擬變量。即若企業參與精準扶貧則取1，否則取0（張曾蓮和董志愿，2020；楊濱鍵等，2019）。（2）扶貧投入總金額或者取對數（楊亞西等，2020；王思雨和陳維青，2021）。（3）扶貧投入總金額與當年營業收入或者總資產的比值（張玉明和邢超，2019；胡浩志和張秀萍，2020）。然而，由于企業的扶貧方式呈多元化，包含產業發展脫貧、轉移就業脫貧、易地搬遷脫貧、教育脫貧、健康脫貧、生態保護脫貧、兜底保障、社會扶貧、其他項目等九大類，且各類扶貧投入的測算單位也不盡相同，單一的總額或比值難以反映綜合扶貧投入信息。

（三）項目反應理論（IRT）在潛在能力研究中的應用

項目反應理論（IRT）在教育測試和心理學領域有著悠久的應用歷史，通過觀察被試者的反應（測試題的回答）來測量“潛在特質”。IRT模型被廣泛用于認知能力、心理概念、人格特征、態度、生活質量、患者滿意度等研究范疇。經濟學和社會科學領域也開始用IRT方法構建捕捉各種潛在特征的指數。例如，Cappellari和Jenkins（2006）利用家庭、個人購買特定物品的感知能力構建了一個家庭貧困指數；Pericoliet等（2015）運用IRT估計社會資本指數；Abdul-Salam和Phimister（2016）構建IRT模型來估計農戶信息獲取能力。彭顯琪和朱小梅（2019）依據IRT測量消費者客觀與主觀金融素養指數；李鋒（2020）利用等級反應模型測量權利觀、權威觀等政治心理概念。

綜上所述，現有研究對于上市公司精準扶貧投入評估采用單一指標，且難以合理將多元化扶貧投入進行綜合量化。本文借鑒項目反應理論思路，將精準扶貧能力視為潛變量，通過各類精準扶貧項目投入的反應，建立等級反應模型進行項目參數估計后，采用貝葉斯統計模型對潛在能力進行期望后驗估計。

三、上市公司的扶貧能力指標遴選

（一）樣本選擇與數據處理

本文所使用的數據來自中國研究數據服務平臺（CNRDS），選取的數據是2017—2020年參與精準扶貧的滬深A股主板上市公司年報中披露的精準扶貧表中的各分項投入的金額，包括以下九個分項：產業發展脫貧、轉移就業脫貧、易地搬遷脫貧、教育脫貧、健康脫貧、生態保護脫貧、兜底保障、社會扶貧、其他項目。根據研究目的進行數據篩選：（1）剔除沒有具體分項投入金額的上市公司；（2）剔除金融業上市公司。（3）剔除ST、*ST上市公司。經過篩選，最后確定2 983個研究樣本。另外，分類研究中的行業、地區和其他相關數據來源于國泰安數據庫（CSMAR）。最后，對各連續的分項投入進行四分位處理，轉換為0、1、2、3、4的定序變量，便于進行等級反應模型參數估計。

（二）等級反應模型的參數估計

以2020年的數據為例進行詳細估計，其他三年以相同方式估計各年扶貧能力，且參數估計情況與擬合效果均合理。

1.單維性檢驗和局部獨立性檢驗。進行IRT建模前，要進行單維性和局部獨立性檢驗。單維性是指測驗結果只受一種能力的影響。局部獨立性是指在已知能力和項目參數的條件下，假設被試答對某一項目的概率獨立于其他項目（丁樹良等，2012）。單維性檢驗可以采用因子分析結果來驗證，結果表明第一因子特征根為1.69，第二因子特征根為0.17，第一因子特征根為第二因子特征根的9.94倍，該值大于3，滿足單維性檢驗。

R軟件為局部獨立性檢驗提供了Q3程序，即觀察到的響應和模型預測的響應之差形成的殘差之間的相關。用數學方法表示如下：

其中，D為上市公司j在i項目上的觀察評分與用IRT預測出的評分之間的偏差，r是上市公司在項目i和項目k上偏差分數之間的相關。通常，Q3絕對值大于0.2時，存在局部依賴；否則，即滿足局部獨立性假設。下頁表1提供Q3結果矩陣，相關系數絕對值均小于0.2，滿足局部獨立性假設。

2.扶貧能力等級反應模型。本文整理獲得的數據為定序變量，所以運用項目反應理論中的等級反應模型（GRM）進行模型構建。假設θ為無法直接觀測到的真實的上市公司j的扶貧能力，k為每個項目i的扶貧投入等級，k=0，1，2，3，4。在等級反應模型中，假設P為扶貧能力為θ的上市公司在項目i的投入等級不低于k的概率，P為上市公司在項目i的投入等級剛好為k的概率。具體表達式如下：

其中，D=1.7，a為項目i的區分度，b是項目i得k分的難度值，并且項目i的各難度等級是單調遞增的，即b＜b＜b＜b。同時，各分項各等級上的區分度相等。

3.等級反應模型參數的估計。在首次估計a和b時，由于易地搬遷脫貧項目的變量分布異常，無法估計出a、b參數，故刪除該項目。再次進行估計后，按a的估計值大小降序排列，結果如表1所示。通常，區分度在0.35—0.64之間時，區分能力低；在0.65—1.34之間時，區分能力一般；在1.35—1.69之間時，區分能力高；大于1.7時，區分能力非常高（Baker等，2017）。結果表明，所有扶貧項目的區分度參數估計結果均在合理范圍內。其中，生態保護脫貧的區別度最高，轉移就業脫貧、健康脫貧的區別度高，兜底保障、教育脫貧、其他項目的區別度一般，產業發展脫貧、社會扶貧項目的區別度較低。難度系數結果表明，各扶貧項目b—b逐級增大，這符合等級反應模型的難度參數的假定。具體而言，社會扶貧、生態保護脫貧、兜底保障、健康脫貧適合用于區分扶貧投入水平相對較高的公司，產業發展脫貧、轉移就業脫貧、其他項目和教育脫貧適合用于區分扶貧投入水平相對較低的公司。這與實際情況比較相符。由于社會扶貧、生態保護脫貧、兜底保障、健康脫貧的門檻相對較高，扶貧投入水平較高的企業更容易采取這些扶貧方式，而扶貧投入水平較低的企業更容易進行產業發展脫貧、轉移就業脫貧、其他項目和教育脫貧等門檻較低的扶貧方式。最后，近似誤差的平方根（RMSEA）為0.0513，小于0.08，表明模型擬合效果不錯。

表1 扶貧能力指標的a、b估計值

四、上市公司精準扶貧能力分布特征分析

（一）上市公司精準扶貧能力的區域特征

對扶貧能力進行貝葉斯后驗期望估計，可以得到各年每家上市公司的扶貧能力。為了更直觀反映各個上市公司的扶貧能力，將等級反應模型估計出的θ進行標準化處理，轉化為0—1之間的連續值。再按照各省（直轄市）自治區計算得到各年各地區的平均扶貧能力以及總體的平均扶貧能力，由于有些省份樣本較少，青海、甘肅、寧夏的數據進行合并，吉林、黑龍江的數據進行合并，西藏、新疆、內蒙古的數據進行合并，河北、天津的數據進行合并，四川、重慶的數據進行合并，得到具體結果見表2。

根據2017—2020年的總體情況發現，云南省上市公司的扶貧能力最大，貴州省、北京市、廣西自治區、湖北省、河南省的上市公司扶貧能力次之，海南省、西新內、湖南省、遼寧省、江西省、廣東省上市公司扶貧能力均值大于總體均值0.243。進一步將各地區總體均值進行四分位處理，劃分成高能力區、較高能力區、較低能力區、低能力區四種類型。表2結果表明，總體而言，東部地區企業的平均扶貧能力明顯小于中西部地區。就具體4大類型而言，東部地區的上市公司集中于較低能力與低能力區，而中西部地區的上市公司更集中于高能力與較高能力區。這表明中西部地區的上市公司精準扶貧投入力度比東部地區更大，而經濟發達地區僅北京市和廣東省的上市公司精準扶貧投入較多。由于精準扶貧作為一項特殊的社會責任，中西部經濟欠發達地區的脫貧任務更重，而本地的上市公司作為重要扶貧力量勢必參與更多、投入更大。而經濟發達地區的上市公司，例如上海市、浙江省、江蘇省的企業，參與精準扶貧對象主要為西北欠發達地區農村，存在扶貧投入不足的情況。

表2 各地區扶貧能力均值

為了驗證上述理由，進一步分析各公司參與本地扶貧情況。統計表明，全部樣本中有1 954個參與了本地扶貧，1 029個參與了非本地扶貧，約有65.5%的公司參與了本地扶貧。分不同區域來看，東部地區有762個參與了本地扶貧，894個參與了非本地扶貧；中部地區有576個參與了本地扶貧，79個參與了非本地扶貧；西部地區有616個參與了本地扶貧，56個參與了非本地扶貧。表明大部分企業都會選擇參與本地扶貧，特別是中西部地區，約有90%的企業參與了本地扶貧，而東部地區只有約46%。因為參與本地扶貧更加方便，成本更小，且更容易在當地樹立一個良好的企業形象。但是東部地區的扶貧需求很低，東部地區參與本地扶貧的企業比中西部地區明顯減少。此外，東部地區的上市公司中參與中西部省份扶貧的占到71.1%；中部地區的上市公司中參與中西部扶貧的占到98.2%，其中對中部地區的扶貧占92.1%；西部地區的上市公司中參與中西部扶貧的占到98.8%，其中對西部地區的扶貧占95.4%。進一步表明了中西部地區的脫貧任務重，需要全國各地的企業幫助，特別是中西部地區自己的企業。因而，中西部地區的本土企業必然會盡自身最大的努力積極參與到當地的扶貧事業中。

另一方面，上市公司精準扶貧投入還受到企業的規模、經營能力等財務方面的影響。例如廣東、北京這些經濟發達地區的企業，其總數較多，企業規模、經營能力等條件較好，所以上市公司精準扶貧投入也較多。而安徽、陜西、吉黑這些中西部經濟欠發達地區的企業，即使其扶貧任務較重，但是沒有足夠的經濟實力支撐其付出較多的扶貧投入，所以它們的扶貧投入較低。

同時，本文將各省按經濟水平（人均GDP）以及扶貧需求（按《2020年中央財政專項扶貧資金分配表（分省）》公布的資金數）分為3組，并計算各大類的平均扶貧能力。結果表明，扶貧需求越大的地區，上市公司的扶貧能力越大；經濟水平越低的地區，上市公司的扶貧能力越大。這進一步驗證，各地區扶貧需求是影響上市公司扶貧投入的重要因素。

（二）上市公司精準扶貧能力的行業特征

根據證監會2012版行業分類來考察上市公司的扶貧能力差異，由于制造業的樣本量遠遠大于其他行業，所以對制造業進行細分，以《國民經濟行業分類》為基礎，制造業共有31大類，保留樣本量大于200的大類，即化學原料及化學制品制造業、醫藥制造業以及計算機、通信和其他電子設備制造業。其余按輕紡工業、資源加工業、機械制造業三大類進行合并。租賃和商務服務業、科學研究和技術服務業、衛生和社會工作、住宿和餐飲業、教育、綜合這六大分類由于樣本數都較小，將其合并為其他類。

表3結果表明，2017—2020年采礦業、建筑業以及電力、熱力、燃氣及水生產和供應行業的扶貧能力均值始終位于前三，且從各年來看均顯著領先于其他行業，其中采礦業排名穩居第一，且其扶貧能力均值在0.286—0.416之間波動。其次，交通運輸、倉儲和郵政業、房地產業、信息傳輸、軟件和信息技術服務業的扶貧能力均值均大于總體均值0.243。排名靠后的農林牧漁業、計算機、通信和其他電子設備制造業等的扶貧能力均值在0.164—0.214之間波動。這表明各行業之間扶貧能力差距很大，這是由于采礦業、建筑業以及電力、熱力、燃氣及水生產和供應行業的企業規模較其他行業更大，且它們有更好的經營業績，有更多的經濟資源可以投入到扶貧事業中，而且它們均屬于社會責任敏感性行業，會更重視社會責任履行情況。除了上述因素之外，還受到政策引導、行業監管等因素的影響，導致不同行業之間的扶貧投入差距較大。從時間維度上看，雖然沒有一個明確的總體趨勢，但是幾乎每個行業的均值最大值都在2020年，可能是因為2020年是脫貧攻堅最后的沖刺階段，為了完成目標，所有行業都加大扶貧投入。

表3 各行業扶貧能力均值

進一步將各個行業劃分為社會責任敏感性行業和非敏感性行業，社會責任敏感性行業更容易引發政府及其他利益相關者對于企業披露的社會責任信息的關注，包括精準扶貧相關的信息，通常是重污染行業以及與社會大眾生活質量與安全健康息息相關的行業（洪佳瑩，2019）。本文將采礦業，建筑業，電力、熱力、燃氣及水生產和供應業，輕紡工業，醫藥制造業，化學原料及化學制品制造業，其他資源加工業劃分為社會責任敏感性行業，剩余行業為社會責任非敏感性行業。據此分類得到社會責任敏感性行業的總體扶貧能力均值為0.259，顯著大于社會責任非敏感性行業的總體扶貧能力均值0.220。

五、結論與建議

本文基于GRM模型構建上市公司扶貧能力指數，結果表明社會扶貧、生態保護脫貧、兜底保障、健康脫貧適合于區分相對較高的扶貧投入水平，產業發展脫貧、轉移就業脫貧、其他項目和教育脫貧適合于區分相對較低的扶貧投入水平。分地區看，扶貧需求更高的中西部地區，其公司的扶貧能力比東部地區企業更強，而東部地區公司主要幫扶西部貧困地區，存在扶貧投入偏低的問題。分行業看，社會責任敏感性的采礦、建筑、電力等行業的扶貧能力更高，而社會責任非敏感性的批發零售、計算機等行業的扶貧能力較低。

根據上述結論，本文提出以下建議：（1）雖然經濟較發達地區與經濟欠發達地區會結對幫扶，但是經濟發達地區的上市公司在精準扶貧中并未發揮出應有作用。因此，在解決未來相對貧困問題中，建議政府部門引導、激勵發達地區上市公司加大扶貧投入、提高扶貧能力。（2）增加社會對于上市公司精準扶貧情況的關注，增加它們的社會責任敏感性，從而激勵上市公司為了在公眾面前樹立良好的、有社會責任的企業形象而加大扶貧投入。（3）建議政府部門鼓勵、引導上市公司結合自身的行業優勢，以靈活的扶貧方式，發揮更大的扶貧作用。例如，牧原股份作為在國家級貧困縣河南省南陽市內鄉縣成長起來的上市公司，與國開行等成立合作社，建設規模化生豬養殖體系及其輔助設施，牧原股份向合作社租賃資產從事生豬養殖并支付租金，合作社向社員分配收益，助力貧困戶社員脫貧。