企業參與鄉村振興中的同群效應研究
——來自精準扶貧階段的證據

胡 凡 鄒新月 武瑤瑤 宋 敏

一、引言

黨的二十大提出“全面推進鄉村振興，鞏固拓展脫貧攻堅成果，增強脫貧地區和脫貧群眾內生發展動力”。脫貧地區和脫貧群眾內生發展動力來自于哪里？在社會主義市場經濟體制下，企業是市場經濟的主要參與者和資源配置的組織者，如何利用“無形的手”助推企業參與脫貧地區的內生發展是未來鄉村振興工作的關鍵。本文研究精準扶貧階段企業參與精準扶貧的同群效應，為鄉村振興工作提供參考借鑒。一方面，未來仍存在基礎脆弱的脫貧戶因疫情、疾病或意外等原因發生返貧致貧可能①中共中央和國務院也下發了《中央農村工作領導小組關于健全防止返貧動態監測和幫扶機制的指導意見》，要求加強對返貧的動態監測和幫扶，可見防止返貧致貧仍具有很大的挑戰。，利用扶貧經驗防止返貧致貧十分有必要。另一方面，精準扶貧與鄉村振興的有效銜接是現階段的主要任務，脫貧攻堅中的工作經驗完全可以應用于鄉村振興工作中，2021年中央一號文件也提出未來5年幫扶政策保持穩定。因此有必要對精準扶貧深入的研究，總結精準扶貧中的寶貴經驗，助力鄉村振興事業。

企業是新發展階段我國扶貧和鄉村振興工作最重要的社會力量。但企業是以盈利為目的的組織，企業參與扶貧和鄉村振興工作并不是自發的。企業參與扶貧和鄉村振興工作需投入大量資金，同時面臨收益的不確定性。在無法準確估計扶貧和鄉村振興工作收益與成本的情況下，參照其他企業的決策是明智之舉。事實上，已有研究發現企業的資本結構（Leary and Roberts，2014）、企業社會責任（Cao et al.，2019）、企業慈善行為（Marquis and Tilcsik，2016）等公司行為都會借鑒其他企業的決策。本文在已有研究基礎之上探究企業參與精準扶貧決策是否同樣受到同群企業的影響。

本文研究企業的支柱——上市企業②上市公司是中國企業的優秀代表，是中國經濟的支柱力量。我國上市公司涵蓋了國民經濟全部90 個行業大類，占國內500強企業的七成以上。，其參與精準扶貧的行為模式和動機，為鞏固脫貧攻堅成果和與鄉村振興有效銜接提供參考。具體來說，本文發現我國上市企業參與精準扶貧決策會受到同行業或者同地區其他上市公司的影響，并且競爭機制能夠解釋上市公司精準扶貧決策的同群效應。本文還探究了上市企業同群效應的影響結果，發現上市企業的追隨行為有助于同時實現鄉村振興與自身發展。

本文的邊際貢獻如下：第一，本文拓展了扶貧相關研究。以往關于扶貧的研究主要是從單個群體、援助計劃或者政府政策角度出發，缺乏從扶貧主體之間的交互作用和影響的角度進行考察。本文基于上市公司參與精準扶貧視角，首次研究上市公司之間的精準扶貧決策的同群效應。區別于杜世風等（2019）研究企業自身特征對參與精準扶貧的影響。

第二，本文拓展了同群效應相關研究。以往文獻大多數從經濟利益角度出發，研究上市公司之間的學習與模仿行為，本文的研究表明上市公司在社會責任方面，具體為精準扶貧，同樣存在互相影響機制。不同于Cao et al.（2019）關于企業社會責任同群效應的研究，本文研究的是上市企業精準扶貧，精準扶貧本身在很多方面區別于傳統的企業社會責任（比如職工權力，債權人利益等），因此在企業動因方面存在區別。

第三，本文能夠為未來我國鄉村振興工作提供參考借鑒。黨的二十大報告提出高質量發展是全面建設社會主義現代化國家的首要任務，而全面推進鄉村振興是關鍵要務之一。同時，“脫貧攻堅成果鞏固拓展，鄉村振興戰略全面推進”是我國2021年制定的十四五規劃和2035年遠景目標的重要內容。面對當前及未來我國返貧致貧問題，如何廣泛動員企業參與關乎鄉村振興工作的成敗。本文的研究表明企業在扶貧決策上存在同群效應，通過學習與模仿，上市公司的精準扶貧決策會受到地區和行業其它上市公司的影響。同群效應具有顯著的社會乘數效應，這為助力鄉村振興提供了啟示。例如，通過設立國家和地區等不同層面的鄉村振興獎項，可以制造“光環效應”，帶動市場同群參與實施精準扶貧項目。通過產業基金，充分調動行業龍頭的參與，帶動行業內其它企業廣泛參與，因地制宜開展產業扶貧工作。

二、制度背景與理論分析

（一）制度背景

改革開放以來，我國走出了一條中國特色的扶貧開發道路，并取得巨大成功。我國是世界上減貧人口最多的國家，也是世界上最早完成聯合國千年發展目標中減貧目標的國家。從扶貧主體來看，大部分國家的政府一直在減貧工作中占據主導地位（宮留記，2016）。因此早期文獻主要研究了政府的公共支出等政策對于減貧的影響（林伯強，2005；呂煒、劉暢，2008）。然而隨著我國扶貧攻堅戰的深入，我國貧困問題的復雜性、多元性特征顯現，貧困主體出現分散性、動態性特征（王介勇等，2016）。“大水漫灌”粗放式的扶貧方式不再適應當代農村貧困問題實際情況。在此背景下，2012年黨的十八大以后，我國開始實施精準扶貧戰略，改變過去“大水漫灌”式扶貧方式，形成“三位一體”的大扶貧格局，即專項扶貧、行業扶貧與社會扶貧相結合。

政府主導，社會、市場參與，這是當代中國扶貧開發工作的重要經驗（張琦、馮丹萌，2016）。企業參與是精準扶貧和鄉村振興戰略的關鍵一環。2013年，中共中央辦公廳、國務院辦公廳出臺《關于創新機制扎實推進農村扶貧開發工作的意見》，指出“使市場在資源配置中起決定性作用和更好發揮政府作用，更加廣泛、更為有效地動員社會力量，構建政府、市場、社會協同推進的大扶貧開發格局”。2016年，證監會出臺《中國證監會關于發揮資本市場作用服務國家脫貧攻堅戰略的意見》，支持和鼓勵上市公司、證券基金期貨經營機構履行扶貧社會責任。2016年3月，七部門聯合印發《金融助推脫貧攻堅實施意見》，強調各金融機構應該精準對接扶貧過程中各項金融需求。在扶貧攻堅與鄉村振興銜接時期，2021年我國制定的《十四五規劃和2035年遠景目標綱要》提出鼓勵社會力量積極參與幫扶等機制、基層治理，興辦農村公益事業，肯定了社會力量在鄉村振興事業中的積極作用。2021年頒布的《中華人民共和國鄉村振興促進法》也明確指出鼓勵創新投融資方式，引導社會資本投向鄉村，并且鼓勵金融機構依法將更多資源配置到鄉村發展的重點領域和薄弱環節。

如何促進企業自發參與鄉村振興工作是新發展階段農村發展和建設的關鍵。從現有企業參與精準扶貧的經驗來看，鄉村振興的關鍵在于產業振興（羅必良，2021），龍頭企業的帶動和引領作用至關重要。乳業龍頭伊利將產業扶貧作為重要抓手，在寧夏、內蒙古、河北等地投建產業基地，不僅能夠幫扶奶農，同時帶動物流、服務、飼料等相關上下游產業鏈發展，助力內蒙古、寧夏等偏遠地區脫貧攻堅和高質量發展。伊利集團也斬獲新華網頒布的“2018 中國企業社會責任優秀案例——社會責任特別貢獻獎”以及在社科院2018年發布的《中國上市公司環境、社會及管治（ESG）藍皮書》高居ESG 榜單食品行業第一名。此后，優貝康、君樂寶、紅星美羚等乳業紛紛參與扶貧和鄉村振興工作，讓群眾邁向共同富裕之路。現有不少研究通過案例分析強調了龍頭企業的帶動和引領作用（姜長云，2017）。

（二）理論分析

同群效應最早被發現存在于個體行為和決策中，近年來在金融領域，國內外學者發現公司行為同樣存在大量的同群效應行為。公司的資本結構（Leary and Roberts，2014）、財務不端（Parsons et al.，2018）、企業社會責任（Cao et al.，2019）、企業慈善行為（Marquis and Tilcsik，2016）、銀行信貸（張雪蘭、李佳寧，2023）等公司行為都受到同群效應的影響。

一般來說，企業進行決策時，通常選擇同行業或者同地區的企業進行學習和模仿（李志生等，2018；Marquis and Tilcsik，2016）。在地區層面，企業之間的距離更近，而且同一地區內部的社會規范、文化特征更為接近，給企業管理者決策的學習與模仿創造了條件（Parsons et al.，2018）。地區上市公司的精準扶貧政策，往往會受到當地媒體的報道，而且地區設立了精準扶貧工作獎項，獎項起到了反饋、傳遞信息、社會認同等激勵作用（Frey and Neckermann，2008）。當地區上市公司的精準扶貧獲獎時，會影響到該地區其它上市公司的精準扶貧決策。

此外，同一行業的企業也易發生組織間模仿行為。同行業其它上市公司是企業的直接競爭對手，企業有強烈的動機瞄準并模仿行業競爭對手的投資策略，避免在競爭格局中處于下風。企業雖然很難直接估計精準扶貧對當前現金流的壓力，以及信貸支持、稅收優惠和形象改善對企業績效的正向影響，但同行業企業的資本結構與業務模式類似，模仿同行業其他企業的精準扶貧決策能夠降低投資風險。企業依托自身產業優勢，通過精準扶貧可以獲得巨大經濟效益，例如在貧困地區設廠，充分利用當地天然資源和勞動力；電商企業推銷貧困地區農產品，獲得更多收入與流量。這些都是可復制的投資模式，企業有動機模仿同行業其他企業的精準扶貧模式。因此，本文提出假設H1：

假設H1：我國上市公司精準扶貧存在地區（省份）和行業同群效應。

本文認為精準扶貧的模仿行為是由競爭機制導致。面對激烈的市場競爭，企業可以執行差異化競爭或同質競爭策略（Deephouse，1999）。執行差異化競爭策略的企業較少受到其他企業投資決策和業務調整的影響，但這種策略風險巨大。競爭對手很可能率先開拓新的市場或領域，并逐漸搶占市場份額。特別是在高度競爭的環境下，企業面臨巨大破產風險，企業有強烈的動機模仿競爭對手的策略，而不是執行差異化競爭策略（Peress，2010）。在面對激烈的市場競爭時，企業通過模仿與其他企業的策略提高相對競爭地位。即使企業的競爭地位沒有實質提升，企業也希望跟隨競爭對手的決策，盡可能維持當前競爭格局，避免在未來的競爭中落敗（Lieberman and Asaba，2006）。任何的投資決策都蘊含不確定性和風險，管理者很難估計投資決策的收益和損失，但模仿競爭對手的投資決策能夠在一定程度上降低投資風險，同時壓制競爭對手的激進策略（Leary and Roberts，2014）。

出于競爭目的，企業同樣會模仿其他企業的精準扶貧決策。一方面，國家出臺了一列了政策支持企業參與精準扶貧，參與精準扶貧不僅能夠獲得政策上的支持，如稅收優惠（鄧博夫等，2020）、更多的政府補貼和信貸優惠（甄紅線、王三法，2021）。另一方面，參與精準扶貧能夠提升企業形象（甄紅線、王三法，2021）、緩解融資約束（董竹、張欣，2021）。此外，履行企業社會責任能夠獲得市場認可，獲得超額收益（Cao et al.，2019）。當企業所處同行業或者同地區的企業參與精準扶貧時，由于資源的稀缺性，不論是市場資源還是政府資源，都會對企業帶來的競爭壓力，出于維持自身競爭力的考慮，企業有動力去模仿同行業或同地區的企業進行精準扶貧。

當企業處于競爭激烈的行業時，企業的破產風險更大、經營和投資的不確定性更高，上市公司會傾向于跟隨同行業其它企業的投資決策。Chen and Chang（2019）就發現產品市場高度競爭時，企業的現金持有對同群企業的行動響應更加積極。雖然我們無法觀測到企業之間的競爭行為，但如果競爭機制成立，競爭激烈程度更高的行業的上市公司的精準扶貧決策更可能受到行業內其他上市公司的影響，上市公司精準扶貧的同群效應會更強。因此，本文提出假設H2（a）：

假設H2（a）：對于競爭更加激烈的行業，上市公司精準扶貧的行業同群效應更強。

競爭機制不僅體現在不同的行業上，由于資源的稀缺性，競爭機制也在地區之間發揮作用。雖然行業可能不同，但同一地區的上市公司同樣面臨激烈的競爭。精準扶貧能夠幫助企業獲得更多的財政支持和信貸支持，同時能夠幫助企業宣傳，改善在消費者中的形象。但一方面，同一地區的財政支持和信貸支持是有限的；另一方面，媒體和消費者的關注是有限的。精準扶貧省級及以上獲獎是同一省份內上市公司競爭最直接的體現，精準扶貧獲獎提高了企業在當地的知名度，有助于企業形象提升，進而提升企業獲得政治關聯和市場認可的能力。同時，獲獎在社會中傳遞獲獎背后的目標和意義等信息，從而激勵更多的同類參與競爭（Bandura，2014；Frey and Neckermann，2008）。因此，精準扶貧工作獲獎會鼓勵更多企業參與精準扶貧工作。因此，本文提出假設H2（b）：

假設H2（b）：地區上市公司精準扶貧獲獎能夠對其他上市公司精準扶貧決策造成影響，使地區（省份）同群效應更強。

三、研究設計

（一）模型

借鑒現有對同群效應的研究（Marquis and Tilcsik，2016），本文使用logit 模型檢驗上市公司精準扶貧是否存在顯著的地區和行業同群效應。具體模型如下：

模型（1）中下標i、p（j）和t分別表示公司、省份（行業）和年份，-i表示省份p（行業j）內除公司i的其它所有上市公司。Alleviation 是上市公司精準扶貧虛擬變量，Peer_Province（Peer_Industry）是省份p（行業j）除上市公司i 外其它所有上市公司Alleviation 的平均值。Controls 是本文控制變量，ε 是隨機擾動項。

為了檢驗精準扶貧同群效應對企業績效的影響，本文構建了面板固定效應模型（2）：

被解釋變量分別為政府補貼（Subsidy）、債務成本（Debt Cost）、企業銷售（Sales）和企業績效（ROA），解釋變量是省份同群效應Effects_Province 和行業同群效應Effects_Industry。參考李志生等（2018）構建同群效應大小的方法，本文使用對模型（3）分年份和省份（行業）回歸的R2來度量省份（行業）同群效應Effects_Province（行業同群效應Effects_Industry）：

（二）變量

1．被解釋變量

精準扶貧（Alleviation）是本文的被解釋變量。Alleviation 是虛擬變量，如果公司i 在當年進行精準扶貧，則Alleviation等于1，否則等于0。

2．解釋變量

（1）地區和行業精準扶貧。參考以往對地區和行業同群效應的研究（Ahern et al.，2014；李志生等，2018），本文的地區精準扶貧（Peer_Province）通過省份p 所有上市公司（公司i除外）在t-1年Alleviation的平均值來計算，行業精準扶貧（Peer_Industry）通過行業j所有上市公司（公司i除外）在t-1年Alleviation的平均值來計算。

（2）精準扶貧工作獲獎。本文度量了地區（省份）精準扶貧工作獲獎變量（Awards），如果地區p 內存在上市公司獲得了國家級精準扶貧工作獎項，則Awards等于1，否則等于0。

（3）競爭程度。借鑒Haushalter et al.（2007）和歐錦文等（2021），本文使用赫芬達爾指數（HHI）和行業進入成本（Entry Costs）來衡量行業競爭程度，赫芬達爾指數（HHI）通過上市公司占行業資產規模的比值的平方和計算。HHI 越高，意味著行業集中度越高，行業競爭程度越低。行業進入成本（Entry Costs）使用行業內上市公司固定資產加權平均計算，權重是每家上市公司營業收入占行業的比值。行業進入成本越高，行業競爭程度越低。

（4）異質性收益。股票收益顯著影響上市公司的投資決策（Campello and Graham，2013），股票收益可能影響上市公司的融資約束，上市公司可以通過股權融資，進而影響上市公司精準扶貧決策。股票收益分為共同影響收益與個股異質性收益，個股異質性收益剔除了市場和省份（行業）的共同影響因素，對于某一上市公司而言，行業或地區內的其它上市公司的異質性收益對這一上市公司的投資決策和企業特征是外生的（Leary and Roberts，2014）。借鑒Leary and Roberts（2014），本文使用同行業和同地區其它上市公司的平均股票異質性收益作為工具變量。本文以樣本期間作為事件期，以樣本期間前5年（60 個月）作為估計窗口期，來估計模型的α 和β 系數。例如估計2019年的股票異質性收益，則以2014—2018年的股票收益數據作為估計窗口期樣本。具體的模型如下：

其中下標i，j，t分別是指公司、省份（行業）和月份，ri,j,t是股票的原始收益率，rm,t是市場收益率，rf,t是無風險利率，r-i,j,t是股票i所在省份（行業）所有股票（股票i除外）加權平均收益率。通過估計α 和β 系數，可以計算股票i的異質性收益，計算公式如下：

計算出個體股票的月度異質性收益后，通過對月度異質性收益取平均值，得到個體股票的年度異質性收益。本文將省份和行業同群上市公司的異質性收益作為省份和行業同群上市公司精準扶貧決策的工具變量，因此，本文通過對省份和行業同群上市公司的年度異質性收益取平均值，最終得到省份和行業同群上市公司平均異質性收益。

3．控制變量

本文的控制變量包括了上市公司的基本財務信息變量和股票交易變量，具體包括公司規模（Size）、杠桿水平（Leverage）、成長性（Growth）、盈利能力（ROA）和股票回報（Return），還包括公司治理相關變量，具體包括獨立董事比例（Inde_ratio）、董事會規模（Boardsize）和持股集中度（Concentration）。此外，本文控制了企業所在地的經濟發展和人口情況，具體包括省人均GDP（gdp）、省第一產業比值（First Industry）、省人口總數（Population）。

（三）數據

本文的上市公司精準扶貧數據來自于國泰安CSMAR數據庫。CSMAR數據庫中，上市公司精準扶貧基本信息和工作獲獎數據最早追溯到2016年，因此本文選取2016-2019年我國A股上市公司為研究樣本。本文的行業分類采用證監會行業分類標準（2012年版）①本文同時使用證監會行業分類標準（2001年版）和申銀萬國一級行業分類標準作為穩健性檢驗，實證結果依然保持一致。，其中一級行業劃分為農、林、牧、漁業，金融業、房地產業和制造業等13個門類，通過細分門類，得到90個行業大類。考慮到行業大類下上市公司的主營業務和企業特征更加接近，本文使用行業大類對行業進行劃分。本文剔除數據缺失的樣本，并對所有連續變量進行1%和99%縮尾處理，最終得到7,915個樣本。

（四）描述性統計

表1 展示了我國2016—2019年行業精準扶貧統計情況。表1 顯示，金融業，電力、熱力、燃氣及水生產和供應業，農、林、牧、漁業是上市公司參與精準扶貧工作比例最高的三個行業。電力等公用事業和農、林、牧、漁業能夠依托自身產業，更有效地參與到地方產業扶貧中。金融業能夠通過信貸投放、網點與服務終端布設，引導金融資源精準滴灌貧困地區。此外，金融業也是精準扶貧投入物資最多的行業，金融業扶貧在我國上市公司扶貧工作中發揮著關鍵作用。未來需要進一步提升金融體系普惠性，幫助鄉村地區培育特色優勢產業。綜合來看，信息傳輸、軟件和信息技術服務業，科學研究和技術服務業等行業參與精準扶貧的比例不高，未來應該積極促進這些行業在精準扶貧與鄉村振興的產業、消費融合。

表1 行業精準扶貧統計情況

表2顯示了本文相關變量的描述性統計結果。由于解釋變量和控制變量滯后一期處理，因此Alleviation 變量的樣本期間2017—2019年，其它變量的樣本期間是2016—2018年。精準扶貧（Alleviation）的平均值為0.344，意味著樣本期間內，34.4%的上市公司實施了精準扶貧項目。1/3 的上市公司參與精準扶貧，說明當前我國上市公司參與扶貧工作并不少見，在脫貧攻堅戰中主動發揮榜樣作用。此外，我國上市公司參與精準扶貧的比例逐年上升，2016年我國上市公司參與精準扶貧的比例為22.8%，2019年這一比例攀升至36.7%。增長幅度達到70%。

表2 相關變量描述性統計

四、精準扶貧同群效應及其機制檢驗

（一）基本回歸結果

表3顯示了上市公司精準扶貧的地區和行業同群效應logit模型下的回歸結果，第（1）列和第（3）列顯示的是沒有加入其它控制變量的回歸結果，第（2）列和第（4）列顯示的是加入了所有其它控制變量的回歸結果。從表3 的回歸結果可以看出，第（1）列和第（2）Peer_Province 的回歸系數分別為4.018 和3.144，均在1%的水平上顯著為正。第（3）列和第（4）列Peer_Industry 的回歸系數分別為3.978 和2.122，同樣均在1%的水平上顯著為正。表3 的回歸結果支持本文提出的假說H1，說明上市公司的精準扶貧決策受到同地區和同行業其它上市公司的影響，上市公司精準扶貧存在顯著的地區和行業同群效應。如果同一地區或同一行業內其它公司實施了精準扶貧項目，該公司會受到其它上市公司的影響，通過學習與模仿機制，同樣實施精準扶貧項目。

表3 上市公司精準扶貧的地區和行業同群效應

此外，表3 中顯示①限于篇幅，控制變量回歸結果未顯示，如有需要請向作者索取。，Size 的回歸系數顯著為正、Leverage 的回歸系數顯著為負、ROA 的回歸系數顯著為正，說明當上市公司的規模越大、盈利能力越強和杠桿水平越低時，上市公司參與精準扶貧的概率也越高。規模越大、杠桿水平越低、盈利能力越強的上市公司越可能參與精準扶貧工作，這與杜世風等（2019）的研究發現是一致的。Return 的回歸系數顯著為正，上市公司的超額收益越高，上市公司更可能做出精準扶貧決策。這支持Campello and Graham（2013）與胡凡、李科（2019）的研究假說，股票收益能夠顯著影響上市公司的決策，原因在于股票價格表現影響了上市公司的融資約束，進而影響上市公司的投資決策。

（二）機制檢驗

本文的實證證據表明，不論是在地區層面還是行業層面，上市公司精準扶貧都存在顯著的同群效應。上市公司精準扶貧決策受到地區和行業其他上市公司的影響，競爭機制可能是精準扶貧同群效應產生的潛在機制。行業競爭會影響企業的投資決策，在競爭激烈的行業，上市公司更可能會瞄準并跟隨競爭對手的投資決策，行業競爭程度高的上市公司更容易受到同群企業的影響。本文添加精準扶貧變量與行業競爭的交乘項，檢驗行業競爭程度高低是否影響行業精準扶貧同群效應。

表4 顯示了行業競爭假說的回歸結果。第（1）列和第（2）列Peer_Industry×HHI 的回歸系數分別為-8.020和-6.042，均在1%的水平上顯著為負。第（3）列和第（4）列Peer_Industry×Entry Costs 的回歸系數分別為-3.271 和-2.709，均在1%的水平上顯著為負。說明隨著行業競爭程度上升（HHI 或Entry Costs下降），上市公司精準扶貧行業同群效應越強。表4的實證結果支持本文提出的假設H2（a），競爭機制能夠解釋上市公司精準扶貧的同群效應，面對激烈的行業競爭時，上市公司面臨巨大生存壓力，執行差異化的競爭策略蘊含巨大風險，跟隨競爭對手的策略能夠盡可能維持相對競爭地位（Lieberman and Asaba，2006）。

表4 行業競爭與精準扶貧同群效應

競爭機制不僅在行業層面體現，在地區層面也能夠發揮作用。本文檢驗了地區精準扶貧工作獲獎對上市公司精準扶貧決策的影響。表5中，本文最關心的是交乘項Peer_Province×Awards的回歸系數，表5 第（1）列和第（2）列Peer_Province×Awards 回歸系數分別是0.609 和0.713，至少在5%的水平上顯著。第（3）列和第（4）列Peer_Province×Awards 的回歸系數分別是0.797和0.758，均在1%的水平上顯著。說明當地區上市公司精準扶貧工作獲得省級以上獎項時，地區同群效應更加顯著。表5的實證結果與本文提出的假設H2（b）是一致的，地區上市公司之間存在學習和模仿行為，當有上市公司獲得精準扶貧省級及以上獎項時，會引起社會關注，對其它上市公司釋放了積極競爭信號，引導其它上市公司進行學習與模仿，從而實施精準扶貧項目。

表5 地區精準扶貧工作獲獎對上市公司精準扶貧的影響

（三）進一步機制檢驗——異質性分析

1．龍頭企業與精準扶貧同群效應

在行業層面，上市公司通常會向同行業優秀的公司學習與模仿，行業龍頭企業往往是其他公司學習與模仿的對象。行業龍頭企業是行業內的佼佼者和標桿，行業龍頭的決策自主性更強，同時在競爭中處于絕對優勢地位。非龍頭企業面臨更多的競爭壓力，實施差異化的競爭策略風險巨大，模仿龍頭企業的投資決策是更加理性的選擇。如果競爭機制存在，那么行業龍頭往往是被模仿對象，行業非龍頭企業更可能受到行業龍頭企業精準扶貧決策的影響。借鑒李志生等（2018），本文的行業龍頭定義為總資產排在行業前10%的上市公司。

表6顯示了具體的回歸結果。第（1）列和第（2）列是龍頭企業樣本的回歸結果，第（3）列和第（4）列是非龍頭企業樣本的回歸結果。從表6可以看出，第（1）列和第（2）列Peer_Industry 的回歸系數分別是0.734 和0.625，且均不顯著。第（3）列和第（4）列Peer_Industry 的回歸系數分別是4.024 和2.433，均在1%的水平上顯著為正。表6 的回歸結果說明行業龍頭上市公司受到行業內其它上市公司的影響較小，而行業非龍頭上市公司顯著受到行業其它上市公司的影響。行業非龍頭上市公司往往會向行業內其它企業學習與模仿，當龍頭上市公司實施精準扶貧項目時，其它上市公司實施精準扶貧項目的可能性顯著上升。

表6 行業龍頭對上市公司精準扶貧的影響

2．企業性質與精準扶貧同群效應

國有企業作為國民經濟發展的中堅力量，模范執行各項改革決策，同時也是踐行社會責任的“先行者”。因此，國有企業可能在精準扶貧工作上起到引領和帶頭作用，國有企業的精準扶貧決策更可能影響其它企業。因此，本文通過區分非國企和國企樣本，檢驗國有企業和非國有企業的同群效應。由于國有企業一般在行業中處于龍頭地位，上文已經考察了行業龍頭和非行業龍頭企業的同群效應，接下來我們重點考察地區層面企業性質與同群效應的關系。表7 中第（1）列和第（2）列檢驗非國企樣本下地區同群效應，第（3）列和第（4）列檢驗國企樣本下的地區同群效應。

表7 企業性質與精準扶貧同群效應

表7 的回歸結果顯示，第（1）列和第（2）列非國有企業樣本下，Peer_Province 回歸系數分別為5.219和3.532，且二者均在5%的水平上顯著。說明非國有企業存在顯著的同群效應，非國有企業在精準扶貧的決策上主要是追隨者角色，會受到其它上市公司精準扶貧決策的影響。第（3）列和第（4）列國有企業樣本下，Peer_Province 的回歸系數分別為0.463和0.585，且均不顯著，說明國有企業的精準扶貧決策不受其它上市公司的影響。表7 的回歸結果說明國有企業在精準扶貧工作上起到了引領和表率作用，能夠帶動非國有企業更多地參與到精準扶貧工作當中。

（四）穩健性檢驗

1．工具變量：同群上市公司平均異質收益

借鑒Leary and Roberts（2014），本文使用同群上市公司的異質收益作為工具變量。首先，股票收益是上市公司進行投資決策的重要影響因素。股票價格上漲緩解了上市公司的融資約束，增加了企業的現金流，上市公司能夠對外進行更多的投資（胡凡、李科，2019）。同群企業的股票價格會提供關于企業成長性的信息，提高企業的投資水平（Bade，2016）。此外，比同群企業履行更多企業社會責任可以獲得超額收益（Cao et al.，2019）。因此，同群上市公司的股票異質性收益沖擊能夠對企業的精準扶貧決策產生影響。其次，股票收益同時受到市場共同因素和個股異質因素的影響，與市場共同因素有關的收益反映了全市場的信息，與個股異質因素有關的收益只反映了個體信息。如果直接將同群上市公司的股票收益作為工具變量，與市場共同因素有關的收益可能會與上市公司i 的經營與決策有關。因此，本文將剔除市場共同影響因素的異質性收益作為工具變量，同群上市公司的異質性收益反映的是同群上市公司的異質信息沖擊，例如財務丑聞、CEO 發生意外等，這些異質信息沖擊對于上市公司i 來說是外生的。因此，同群上市公司的異質性收益滿足工具變量的兩個條件，與同群上市公司的精準扶貧決策相關，同時與上市公司i的投資決策和財務狀況無關。

表8 顯示了2SLS 第二階段回歸的結果，第（1）列和第（2）列是以省份同群上市公司的平均異質性收益（Peer_Return_P）作為工具變量，第（3）列和第（4）列是以行業同群上市公司的平均異質性收益（Peer_Return_I）作為工具變量。第（1）列和第（3）列顯示的是第一階段的回歸結果，Peer_Return_P 和Peer_Return_I的回歸系數分別是0.100和0.209，且均在1%的水平上顯著，說明工具變量與內生解釋變量相關，符合有效工具變量的前提條件。第（2）列和第（4）列顯示的是第二階段的回歸結果，回歸結果顯示Peer_Province和Peer_Industry的回歸系數均在1%的水平上顯著為正。同群上市公司的異質性收益對于上市公司的投資決策具有外生性，將同群上市公司的平均異質性收益作為工具變量，能夠排除遺漏變量等內生性問題的干擾。表8的回歸結果進一步支持本文提出的研究結論，上市公司精準扶貧決策存在顯著的地區和行業同群效應。

2．其他穩健性檢驗

本文還進行了其他一系列穩健性檢驗，包括：將精準扶貧虛擬變量替換成精準扶貧金額；變換估計方法，使用面板固定效應模型進行檢驗；剔除金融行業樣本。穩健性檢驗結果顯示本文的實證結果依然保持一致。

五、精準扶貧同群效應的影響結果

首先，通過模仿行為，企業能夠實施可復制的扶貧模式。例如，制造企業能夠與貧困地區深度合作，充分利用當地的特色資源與產品，形成穩定的供貨模式，降低原材料成本。互聯網企業依托網絡平臺，通過開設線上店鋪、直播帶貨等模式，幫助貧困地區特色產品銷售，企業自身也能夠獲得更多收入與用戶流量。其次，上市公司參與精準扶貧能夠獲得政策支持，政府往往會對參與精準扶貧的上市公司給予稅收優惠和政府補貼等資源，上市公司積極參與精準扶貧也能夠獲得更多的信貸支持，從而緩解上市公司融資約束，有利于提升企業績效。再次，上市公司積極參與精準扶貧擴大了社會影響，提升了企業形象，有助于拓寬產品銷售渠道，提升企業未來績效。

表9 顯示，第（1）列和第（2）列以政府補貼（Subsidy）作為被解釋變量時，Effects_Province 和Effects_Industry 的回歸系數分別為0.158 和0.287，均在10%的水平上顯著，說明上市公司參與精準扶貧有助于獲得更多政府補貼。第（3）列和第（4）列以債務成本（Debt Cost）作為被解釋變量時，Effects_Province和Effects_Industry的回歸系數分別為-0.016和-0.028，均至少在10%的水平上為負，說明省份和行業層面的精準扶貧同群效應有助于降低企業債務成本。第（5）列和（6）列以企業銷售收入（Sales）作為被解釋變量時，Effects_Province和Effects_Industry的回歸系數分別為0.075和0.152，均至少在5%的水平上為負，精準扶貧同群效應幫助企業改善了企業形象，增加了企業銷售。第（7）列和第（8）列以企業績效（ROA）作為被解釋變量時，Effects_Province 和Effects_Industry 的回歸系數分別為0.008和0.012，均在10%的水平上顯著為正，說明精準扶貧同群效應有助于提升企業績效。

六、結論與建議

本文從上市公司視角出發，探討企業參與精準扶貧的行為模式和動機，為鞏固脫貧攻堅成果與鄉村振興有效銜接提供參考。本文的研究結果揭示在市場競爭機制下，企業在行業層面和地區層面的精準扶貧存在同群效應，企業參與扶貧和鄉村建設能夠實現與貧困地區協作共贏。競爭機制能夠在一定程度上解釋上市公司精準扶貧同群效應，在競爭性行業，企業面對更大生存壓力，模仿競爭對手的精準扶貧決策是更加理性的選擇。地區精準扶貧工作獲獎傳遞了競爭信號，能夠激勵更多上市公司參與精準扶貧工作。國有企業和行業龍頭企業能夠發揮引領作用，帶動其他企業參與精準扶貧工作。最后，本文發現精準扶貧帶動效應能夠給企業帶來“好處”，上市公司精準扶貧同群效應能夠緩解企業融資約束、降低企業融資成本，提升銷售收入和提高企業業績。

根據本文的研究結論，本文提出下一步鄉村振興的展望和政策建議：

第一，積極鼓勵行業市場化競爭行為。本文發現市場競爭機制促進企業精準扶貧的同群效應，政府應該鼓勵民間領域企業的市場化競爭行為，激發企業的發展動力和創新活動，充分發揮企業的同群效應，帶動企業共同參與鄉村振興工作。

第二，設立鄉村振興工作的國家和地區獎項，并對獲獎單位和組織給予適當獎勵。本文的研究結果表明企業獲獎制造了“光環效應”，在社會中傳遞扶貧和共同富裕目標和意義等信息。設立鄉村振興國家和地區獎項，并且給予適當獎勵，不僅能夠充分調動企業的積極性，更重要的是提升了企業的聲譽和知名度，從而激勵更多的企業參與鄉村振興工作。

第三，發揮國有企業在鄉村振興中的“領頭羊”作用，推動民營企業深度參與鄉村振興。民營企業具有數量多、分布廣和經營靈活的特性，國有企業能夠引導更多的民營企業參與鄉村振興工作，地方政府應該充分整合資源要素，為各類企業提升便利條件，讓企業之間形成合力，深入參與鄉村振興。

第四，加強媒體對鄉村振興的宣傳力度，積極報道鄉村振興的先進典型和優秀案例。本文的研究表明，不論是在地區層面還是行業層面，上市公司都存在顯著的同群效應。媒體的宣傳和報道，起到了信息傳遞和激勵的作用，能夠放大社會力量的同群效應，廣泛調動企業參與鄉村振興。