第四节 研究设计

一、样本选取和数据来源

本研究的初始样本包括了2008—2015年在中国沪、深证券交易所上市的851家公司的4 639个公司年度观测值。企业社会责任的数据来自润灵环球的企业社会责任评级数据库，该评级分析了63项企业社会责任的基本指标和行业特定指标。其他数据来源于学者们广泛使用的研究中国上市公司相关问题的国泰安（CSMAR）数据库。CSMAR数据库在现有文献中得到了广泛的应用，为我们提供了金融、公司治理和宏观经济数据。我们对初始数据进行了筛选。首先，由于监管环境的不同，我们删除了对金融服务业的322个观测值。其次，我们删除了一些在年度期间受特殊交易处理公司的观测值。最后，剔除了回归分析中缺失控制变量的观测值。在应用这些数据筛选程序后，我们获得了2008—2015年在沪、深证券交易所上市的788家公司的4 209个公司年度观测值。从样本的年度分布来看，2008年有287家，2015年有663家，其增长趋势与我国上市公司数量的增加趋势基本保持一致。

二、企业履行社会责任的度量

衡量企业社会责任履行表现的变量数据来源于润灵环球责任评级数据库（RKS数据库），已有文献中多次使用RKS数据库来评价中国上市公司的社会责任履行表现（Lau et al., 2016; Marquis、Qian, 2014; McGuinness et al., 2017; Pan et al., 2018）。润灵环球（RKS）是中国企业社会责任权威第三方评级机构，致力于为责任投资（SRI）者、责任消费者及社会公众提供客观科学的企业社会责任履行评级信息。该评级体系参考了最新国际权威社会责任标准ISO26000，开发了一套适合中国国情的企业社会责任报告评级体系，同时考虑了行业差异性，设立行业性指标，并按照中国证监会行业分类标准将上市公司分为22类行业。该评级体系采用指标法来衡量企业社会责任报告中反映的企业社会责任履行表现和披露情况，即从macrocosm（整体性）、content（内容性）、technique（技术性）、industry（行业性）四个零级指标出发，分别设立一级指标和二级指标对企业社会责任报告进行全面评价，设置了包括“战略”“利益相关方”“劳工与人权”“公平运营”等15个一级指标和63个二级指标（不含行业性指标）。该评级体系采用结构化专家打分法，满分为100分，其中整体性评价M值权重为30%，满分为30分；内容性评价C值权重为45%，满分为45分；技术性评价t值权重为15%，满分为15分；行业性评价I值权重为10%，满分为10分。

企业的社会责任履行情况与专业机构的社会责任报告评级打分可能有一定的差异，后者不仅从企业社会责任履行本身，也从信息披露上进行了评价。然而，投资者对于企业社会责任履行情况的认知，一方面是从企业所做的事情上判断，另一方面这些信息必须是通过披露的形式传递给市场的。一些研究也发现，社会责任履行表现较好的企业也倾向于更加详细地披露其社会责任履行情况，这是由于对利益相关者而言，披露社会责任履行情况本身就是一项重要的社会责任履行活动。因此，本章采用专业机构的打分从社会责任事实及披露来衡量中国上市公司的企业社会责任履行表现。

三、社会信任的度量

根据以往对社会信任的研究，社会信任在一个地区经过世代相传而不容易变化。Putnam（1993）认为，社会信任是一种在几个世纪的历史中形成的人与人之间在商业和市民活动中“水平联系网络”的习惯。Guiso et al. （2006、2008）和Sapienza et al. （2013）认为，社会信任不仅是一国（地区）文化传统的产物，而且代表着传统的信仰和价值观，作为非正式制度通过民族、宗教和群体逐代传承。由于社会规范的内在稳定性，社会信任可以长期保持稳定，因此在实证研究中，可以用一个国家（地区）在某一年的社会信任水平来替代一定时期的信任水平。为此，我们参考张维迎和柯荣住（2002）、刘凤委等（2009）、张敦力等（2012）以及Wu et al. （2014）等已有文献，通过2000年“中国企业家调查系统”的问卷调查数据来获得社会信任（TRUST）的测度方法。该项调查向15 000家企业发出问卷，回收有效问卷5 000多份。调查涉及全国31个省、自治区和直辖市。调查对象主要是一些企业和企业领导人，有关信任的问题设计是：“根据您的经验，您认为哪五个地区的企业比较守信用？”答案按1分到5分进行打分。通过企业领导人给出的平均可信度排名，我们计算出一个省份的社会信任水平。我们对每个省份的社会信任得分取自然对数，作为本研究的社会信任代理变量。

四、模型设计和变量定义

参考现有的关于社会信任的研究（Wu et al., 2014; Li et al., 2017），我们采用OLS回归方法和以下的多元回归模型（3.1）来检验一个地区的社会信任水平是否会影响当地企业的社会责任履行行为。我们在模型中控制了行业和年份的固定效应，为避免公司层面的聚集效应对估计结果的影响，我们对回归模型的标准误进行了公司层面的聚类调整。此外，本研究可能存在内生性问题，为了解决这个问题，我们在稳健性测试部分使用两阶段最小二乘法来缓解这个潜在的担忧。

在上述模型（3.1）中，因变量CSR表示上市公司的社会责任表现，主要自变量TRUST表示社会信任水平。参考之前的研究（Ali et al., 2017; Reverte, 2009; Udayasankar, 2008; Yang et al., 2017），我们在模型中还加入了已知的影响企业履行社会责任的控制变量。这些控制变量包括公司规模（SIZE）、市净率（MB）、财务杠杆（LEV）、总资产收益率（ROA）、收益波动性（VOLE）、CEO两职合一（DUAL）、四大审计师事务所（BIG4）和董事会规模（DIRNUM）。我们还考虑了财富水平（WEALTH，以一个省份的人均储蓄额来衡量）和受教育程度（EDU，以每万人完成高等教育的人数来衡量受教育程度），以控制地区差异。

接下来，我们对控制变量的度量进行了阐述。SIZE用公司总资产的自然对数来衡量。MB为公司市值除以账面价值的比率。LEV为资产负债率，用公司总负债与总资产的比率来计算。ROA为公司总资产收益率，用公司息税前利润除以总资产来计算。VOLE衡量公司的收益波动率，用前三年公司收益的历史标准差来衡量。DUAL表示公司两职合一情况，该变量为虚拟变量，当公司CEO同时担任公司董事长时，该变量取值为1，否则为0。BIG4表示国际四大审计师事务所的哑变量，当一家公司的审计师来自国际四大会计师事务所时，该变量取值为1，否则为0。DIRNUM表示公司董事会规模，用董事会中的董事人数来衡量。