企业参与精准扶贫对其自身风险承担水平的影响研究

汤颖梅， 李月晔， 詹孟于

一、 问题提出

2020年底9 899万农村贫困人口全部脱贫，绝对贫困得以消除(1)习近平：在全国脱贫攻坚总结表彰大会上的讲话，http://www.xinhuanet.com/world/2021-03/03/c_1211049315.htm。，中国将进入以相对贫困为特征的后精准扶贫时代(2)唐任伍,肖彦博,唐常.后精准扶贫时代的贫困治理——制度安排和路径选择[J].北京师范大学学报(社会科学版),2020(1):133-139.。产业发展是缓解相对贫困的重要支柱，也是巩固脱贫成果与实现乡村振兴的最大结合点，而加大产业带动扶贫力度的关键在于鼓励企业参与精准扶贫(3)中共中央党史和文献研究院．习近平扶贫论述摘编[G]．北京: 中央文献出版社，2018：73.。

参与精准扶贫是企业履行社会责任的一种新形式。以往针对社会责任的研究主要以慈善捐赠为研究对象。精准扶贫与慈善捐赠的共同之处在于都需要消耗企业现有资源，能为企业带来更高的声誉等。但与慈善捐赠相比，精准扶贫具有特殊的政策性地位，符合国家当前的战略目标。为了引导企业积极参与精准扶贫，政府出台了相关激励政策，这些政策与鼓励慈善捐赠的政策相比力度更大。此外，企业参与精准扶贫往往是针对一个具体地区，形式不只是“捐款捐物”，更多的是进行产业扶贫，向贫困地区人民提供就业岗位、引导贫困地区发展支柱产业等。与慈善捐赠相比，企业参与精准扶贫需要消耗更多的资源。风险承担作为促进企业发展的重要决策，需要大量的资源作为支撑，其水平高低受企业现有资源的影响。基于此，探究企业参与精准扶贫对其自身风险承担水平的影响具有一定的现实意义。

现有关于精准扶贫的研究主要从政府角度关注精准扶贫的制度设计和执行成效等(4)朱梦冰，李实. 精准扶贫重在精准识别贫困人口——农村低保政策的瞄准效果分析[J]. 中国社会科学，2017(9):90-112.(5)刘建生,陈鑫,曹佳慧.产业精准扶贫作用机制研究[J].中国人口·资源与环境,2017,27(6):127-135.。此外也有少量研究探讨了企业参与精准扶贫的路径、资本市场的反应(6)易玄,吴蓉,谢志明.产权性质、企业精准扶贫行为与资本市场反应[J].贵州财经大学学报,2020(2):98-104.以及对企业绩效(7)刘莉莉. 企业精准扶贫与财务绩效关系研究[J]. 市场研究，2019(2):30-33.等产生的影响。但统览已有文献，当前关于企业参与精准扶贫对其自身风险承担水平影响的研究较少，本文拟对此进行重点探讨。

在后精准扶贫时代，企业参与精准扶贫是指企业基于自身发展的实力水平和行业特点，通过多种途径、多种方式帮助贫困人口长效脱贫，增强贫困地区造血功能。虽然政府对于参与精准扶贫的企业实施了相关激励政策，但这些政策较少直接为企业提供实物资源，并且很多企业所参与的精准扶贫项目超出了企业的经营范围，所带来的相关资源并不能被企业立即使用。在短时期内，企业参与精准扶贫所能获得的资源难以弥补企业的资源投入，最终表现为企业物力、财力、人力资源等的消耗。与之类似，风险承担也需要消耗企业现有资源，充足的资源保障是企业进行风险承担的客观基础，缺少资源将使得企业难以开展高风险投资活动。

当企业资源有限时，管理者需要在精准扶贫和风险承担之间进行权衡。对于管理者而言，开展高风险投资活动，提高风险承担水平会导致大量资金机会成本堆积、收益严重滞后等问题，特别是在有些企业中管理者的任期较短，现任管理者承担了较高的风险水平，但可能需要到下一届管理者任期内才会有显著回报。而企业参与精准扶贫可以即时提升管理者的社会资本，为企业所带来的绩效收益也主要被管理层占有，其成本支出的承担者却是股东。因此面对企业资源约束，管理者出于自身利益的考虑，当参与精准扶贫可以满足企业发展需要时，管理者将企业现有资源用于提高风险承担水平的意愿可能会有所下降。

基于以上分析，本文提出假说一：企业参与精准扶贫会降低其自身风险承担水平。

企业参与精准扶贫对风险承担水平的影响受到企业现有资源的约束。国有企业与非国有企业在资源方面存在显著差异(8)祝继高，齐肖，汤谷良. 产权性质、政府干预与企业财务困境应对——基于中国远洋、尚德电力和李宁公司的多案例研究[J]. 会计研究,2015(5):28-34.。对于国有企业而言，一方面，国有企业处于关系国民经济命脉的重要行业和关键领域，易于得到财政补贴、银行贷款以及股市融资等方面的支持，能够较为方便地获取企业承担高风险水平所需的资源(9)林毅夫，李志赟. 政策性负担、道德风险与预算软约束[J]. 经济研究,2004(2):17-27.。另一方面，国企高管相较于非国企更加追求稳定，在未开展精准扶贫时，也谨慎将企业资源用于高风险投资活动，企业本身有大量资源留存。在此情况下，国有企业参与精准扶贫虽然消耗了资源，但对于其风险承担水平的影响较小。与国有企业相比，非国有企业无论在获取银行贷款融资还是资本市场权益融资方面都受到歧视，难以获得外部资源支持。此外，非国有企业与国有企业相比有更强的趋利性。非国有企业为了应对激烈的市场竞争，谋求生存和发展，往往会积极配置其拥有的资源用于高风险项目以获取较高的收益，导致企业留存资源较少。因此，非国有企业面临严重的资源约束。非国有企业投入资源开展精准扶贫将减少用于高风险活动的投入，甚至大量挤出原本用于高风险项目的资源，造成企业风险承担水平显著下降。

基于以上分析，本文提出假说二：相较于国有企业，非国有企业参与精准扶贫对其自身风险承担水平的抑制作用更强。

从2016年开始，上交所、深交所要求上市公司积极参与精准扶贫，在年报中披露相关信息。这为探究企业参与精准扶贫对其自身风险承担水平的影响创造了难得的“准自然实验”机会。鉴于此，本文采用倾向得分匹配-双重差分法(PSM-DID)，系统考察企业参与精准扶贫对其自身风险承担水平的影响及其作用机理。

二、 研究设计

(一) 数据来源与样本选取

本文以2011—2018年中国A股上市公司作为样本，并做如下筛选：剔除金融行业样本，因为金融行业财务数据与其他企业存在很大差异，不具有可比性；剔除ST、*ST的样本，因为被特殊处理的企业存在更强的粉饰业绩动机，其财务数据准确度存疑；剔除数据缺失以及存在异常的样本。经过以上处理，本文最终获得有效研究样本8 067个。

本文中企业精准扶贫相关数据是根据上市公司年度报告中第五节“重要事项”中“十八、社会责任情况”中 “履行精准扶贫社会责任情况”的具体项目手工收集。其他财务数据均来源于CSMAR数据库并经过计算获得。

(二) 模型设计与变量选择

1. 模型设计。双重差分模型(DID模型)通过比较处理组和控制组在企业精准扶贫政策出台前后的相对差异，可以反映企业参与精准扶贫对其自身风险承担水平的实际影响。运用DID模型需满足共同趋势假设。企业参与精准扶贫是一个非随机事件，经营状况好的企业可能更有意愿参与精准扶贫，仅仅依据是否参与精准扶贫来划分处理组和控制组会导致选择性偏差，两组未来风险承担水平的变化不一致，不满足共同趋势假设。考虑到这种偏差可能给研究结果带来影响，本文将运用倾向得分匹配法(PSM)对样本进行匹配以消除偏差带来的不利影响。

进行 PSM 时，本文首先从样本企业中选择两类企业作为分析对象：2016—2018年一直参与精准扶贫的企业，称为处理组；一直未参与精准扶贫的企业，称为控制组。参照前人研究，选择CEO性别(Gender)、股权集中度(TOP10)、企业规模(Size)等作为协变量对样本进行匹配。匹配的具体思路是首先采用Logit 回归，对二元被解释变量(是否为处理组)进行回归，然后以每个匹配变量的回归系数作为权重，拟合出每一个样本的倾向得分值，该分值体现了某个企业参与精准扶贫的概率大小。之后根据倾向得分值对处理组和控制组进行一对一的最近邻匹配，最终得到经PSM匹配后的处理组和相应的控制组，其中处理组样本有2 804个，控制组样本有5 053个。

政府要求企业参与精准扶贫并披露相关信息的政策于2016年发布。基于此，本文以2016年为中点，将2016—2018年定义为实验期，将2011—2015 年定义为非实验对比期。本文根据研究目的，设计PSM-DID的基准回归模型(1)对假说一进行检验，设定为如下形式：

RiskTake=α0+α1Post+α2Treat+α3Post×Treat+αjControlsj+ε

(1)

之后本文将按照是否为国有企业对样本进行分组，通过模型(1)对假说二进行验证。其中Treat为处理组虚拟变量，对经PSM处理后获得的处理组企业、控制组企业，Treat取值分别为1、0；Post为时间虚拟变量，政府出台企业精准扶贫政策之后的年份(2016—2018年)Post取值为1，其他年份Post取值为0；Post×Treat为Post和Treat的交乘项，根据Treat和Post的定义，处理组于2016—2018年参与精准扶贫时Post×Treat取值为1，否则为0；Controls为控制变量，包括CEO性别、股权集中度、企业规模等。α0是常数项，α1和α2为各虚拟变量的系数，αj为各控制变量对风险承担水平影响的趋势，ε为其他影响企业风险承担水平的随机扰动项，α3为企业参与精准扶贫对风险承担水平影响的系数，是本文主要关注的对象，若为负则支持本文假设，说明企业参与精准扶贫降低了其自身的风险承担水平。

2. 变量设置。第一，被解释变量。RiskTake表示企业的风险承担水平。本文参考John等(10)JOHN K, LITOV L, YEUNG B. Corporate governance and risk-taking[J]. The Journal of finance (New York)，2008,63(4):1679-1728.的研究采用企业在某一时间区段内ROA的波动性来衡量企业的风险承担水平。选取该指标的原因在于企业风险承担水平受到企业所选择项目的风险性影响，ROA可以直接体现企业风险项目的经济后果，从而间接反映企业的风险承担水平，一般认为开展高风险投资活动意味着企业承担了较高的风险水平，会导致ROA出现较大幅度的波动。本文首先用各行业ROA平均值对企业各年ROA进行调整得到Adj_ROA以剔除行业的影响，然后以3年作为一个滚动观测时段，计算经行业调整过后的ROA的标准差来度量企业风险承担水平，记为RiskTake。RiskTake的数值越大，代表企业风险承担水平越高。计算公式如下：

(2)

(3)

其中i代表企业；t代表在观测时段的年度；X代表某行业的企业总数量；k代表同一行业内的第k家企业。第二，解释变量。本文的解释变量记为Post×Treat，用于表示企业是否在企业精准扶贫政策出台后参与了精准扶贫。第三，分组变量。SOE代表企业的产权性质。若公司为国有企业则取值为1，若为非国有企业则取值为0。第四，控制变量。本文控制变量与协变量相同，具体包括CEO性别、股权集中度、企业规模、企业年限(Age)、两职合一(Dual)、企业成长性(Growth)和独立董事比例(Indep)。通常认为女性高管更加保守，偏好较低的风险承担水平(11)张涛，洪敏. 女性高管、风险承担与资本配置效率——基于中国上市公司的经验证据[J]. 劳动经济研究，2018,6(2):53-69.；股东为了获取高额的投资回报愿意承担高风险，因此股权集中度和两职合一程度与风险承担水平成正比(12)李海霞. CEO权力、风险承担与公司成长性——基于我国上市公司的实证研究[J]. 管理评论，2017,29(10):198-210.；企业规模、年限不同意味着企业所处的生命周期存在差异，会对风险承担水平产生影响，但影响方向不确定(13)马宁，王雷. 企业生命周期、竞争战略与风险承担[J]. 当代财经，2018(5):70-80.；高成长性企业需要承担高风险来实现主营业务收入的快速增长；独立董事受到声誉机制限制，表现出风险规避倾向(14)周泽将，马静，刘中燕. 独立董事政治关联会增加企业风险承担水平吗?[J]. 财经研究，2018,44(8):141-153.。表1列示了各个变量的含义和度量方法。

表1 代理变量具体定义

续表

三、 实证检验与讨论

(一) 实证结果及分析

1. 描述性统计。表2报告了各变量的描述性统计结果：样本企业中风险承担水平代理变量(RiskTake)的均值为0.028，最小值和最大值分别为0和1.495，表明大部分企业风险承担水平较低，但也存在部分企业风险承担水平畸高的情况。处理组虚拟变量(Treat)的均值约为0.372，意味着37.2%的样本企业参与了精准扶贫。由企业性质变量(SOE)的均值0.605可知，样本企业中有60.5%为国有企业，39.5%为非国有企业。控制变量中，CEO性别变量、两职合一变量的均值分别为0.056、0.162，说明样本企业的CEO基本为男性，并且两职合一程度较低。企业成长性变量的均值为1.169，标准差为17.910，说明企业的成长性各异。

表2 主要变量的描述性统计

2. 平行趋势检验。运用DID的一个潜在前提条件是处理组企业和控制组企业在企业精准扶贫政策推行前不存在系统性差异和样本选择偏差，即具有平行的变化趋势。本文采用PSM，匹配出具有平行变化趋势的处理组和控制组，并对匹配前后的数据进行平行趋势检验以验证处理组和控制组是否具有平行变化趋势。这一识别方法主要关注匹配前后变量的标准偏误及显著性水平的变化，如果匹配变量在处理组与控制组之间的偏误越小，说明配对效果越好，匹配后样本不存在系统性差异。现有研究认为匹配变量的偏误限定于10%以内便可认为匹配结果是有效的(15)CALIENDO M, KOPEINIG S. Some practical guidance for the implementation of propensity score matching[J]. Journal of economic surveys，2008,22(1):31-72.。表3为倾向得分匹配平衡性检验的结果，实证表明在匹配前，处理组、控制组二者间有明显偏差，有多个变量的标准偏误都超过了10%。采用PSM进行匹配后，标准偏误大幅度降低，偏差都控制在5%以内，且t值均不显著，说明匹配后的处理组与控制组在企业精准扶贫政策前没有明显的差异，两者有平行的变化趋势，因此匹配后获取的样本确保了随机性，能够保证研究结果的可靠性。

表3 精准扶贫政策实施前后变量匹配效果和平衡性检验

3. 实证结果分析。针对假设一，本文采用PSM-DID考察政府针对企业的精准扶贫政策实施前后参与精准扶贫与未参与的企业在风险承担水平上是否存在显著差异。下页表4第(1)列是以RiskTake作为被解释变量，控制了企业的相关特征后全样本的回归结果，解释变量Post×Treat的回归系数为-0.005且在1%的水平下显著。说明参与精准扶贫作为一项重要的决策对企业风险承担水平产生了影响。具体而言，参与精准扶贫企业的风险承担水平较未参与的企业平均减少了 0.5%，这与假说一的理论预期一致。可能的原因是参与精准扶贫消耗了现有资源，对于企业的风险承担行为产生了资源约束，因此参与精准扶贫显著降低了其风险承担水平。国有企业和非国有企业面临着不同的资源约束，为此，本文按照产权性质对样本分组后利用PSM-DID进行回归分析，结果见第(2)和第(3)列。在国有企业样本中，解释变量Post×Treat的回归系数不显著，这表明在相关政策出台后，参与精准扶贫与未参与的国有企业在风险承担水平上并不存在显著差异。而在非国有样本中，解释变量Post×Treat的回归系数在10%水平下显著为负，这说明非国有企业参与精准扶贫将会显著降低其风险承担水平，验证了假说二。这可能是因为非国有企业参与精准扶贫明显加剧了其资源约束，将会显著抑制其风险承担水平，而国有企业由于其所受的资源约束较小，参与精准扶贫对于其风险承担水平的影响也较弱。这也验证了假说一的逻辑，即资源约束是导致精准扶贫对风险承担水平产生影响的重要机制。

表4 PSM-DID 回归结果

在控制变量中，TOP10的回归系数在全样本中显著为正，说明企业股权集中度越高，企业的风险承担水平越高，这可能是因为股东为了获取较高的投资回报而提高风险承担水平。Size的回归系数在全样本、国企样本、非国企样本中显著为负，而Age的回归系数在全样本和非国企样本中显著为正，表明企业规模越大、上市年限越短，企业风险承担水平越小，这可能与样本企业所处生命周期有关。Gender的回归系数在全样本中为0.008且在1%的水平上显著，在非国企中回归系数显著，在国企中系数不显著，表明在本文选取的样本中女性CEO反而偏好较高的风险水平，可能是由于本样本中重点关注的是CEO的性别，而在性别歧视普遍存在的职场中能够成为CEO的女性为了获取高额的收益倾向于承担较高的风险水平。

4. 稳健性检验。为了保证研究结论具有一般性和可靠性，本文进行了三种稳健性检验，包括构造虚假政策实施年份进行安慰剂检验、删除试点当年的样本观测值后重新对模型进行检验以及采用多时期DID进行检验。稳健性检验结果与主模型回归结果基本一致，表明本研究结论稳健。

(二) 关于企业精准扶贫和风险承担的进一步分析

1. 企业精准扶贫、市场化程度与风险承担水平。市场化程度是企业外部环境的重要组成部分，而企业参与精准扶贫必将受到所处市场环境的影响。各地区之间由于地理位置、自然条件以及资源状况的不同，其市场化程度也存在着显著差异。

根据假说一的分析，如果企业参与精准扶贫可以达到促进自身发展的目标，这将大大降低其承担高风险水平的意愿。市场化程度不同的地区，企业参与精准扶贫对于企业发展的促进作用存在差异，这可能会导致其对于风险承担水平的影响也有所不同。具体而言，当企业位于市场化程度较低的地区时，政府对市场的干预程度较高，金融机构等市场中介组织较少，信息不对称问题严重，资源更多地通过非正式制度进行分配(16)杨彦龙. 管理者持股、市场化程度与民营企业风险承担[J]. 财会通讯，2016(24):61-65.。精准扶贫有利于企业向社会传递自由现金流较为充裕的信号、建立与政府间非正式的联系来提升组织合法性、提高利益相关者的产品忠诚度等。因此，在参与精准扶贫可以部分满足企业发展需要的情况下，企业将明显降低承担高风险水平的意愿。而在市场化程度高的地区，法制较为健全，要素市场和产品市场的流动性强，对于企业的监督也更加到位，精准扶贫这一非正式制度对于企业发展的促进作用有限。企业为了发展仍然需要承担较高的风险水平。基于此，本文进一步按照市场化程度分组，根据樊纲等编制的市场化指数，计算出当年市场化指数的中位数，如果企业总部所在地市场化指数高于或等于中位数时设置为高市场化程度样本，否则为低市场化程度样本，结果见下页表5。解释变量Post×Treat的回归系数在低市场化程度地区显著为负，而在高市场化程度地区没有通过显著性检验。这说明，在低市场化程度地区，企业参与精准扶贫降低了其进行高风险投资的意愿；而在高市场化地区，制度更加健全，企业参与精准扶贫对于其发展的作用有限，主要还是依托于高风险投资来提升企业绩效。

表5 企业精准扶贫、市场化程度与风险承担水平

2. 企业精准扶贫、风险承担水平与融资约束。企业参与精准扶贫，将由政府为主导对社会进行宣传，向各利益相关者传递出更为丰富的信息。根据信号传递理论，企业向外传递的积极信息将影响投资者对企业价值的评估，并作用于企业的融资约束。

参与精准扶贫作为企业履行社会责任的一种新方式，有其特殊的政策性地位。企业与政府之间是动态的重复博弈过程，若企业通过参与精准扶贫获得的收益大于承担的成本，那么企业便会继续替政府“分担压力”，倘若未能获得“回报”，企业便会抵制这种“得不偿失”的行为。在此情况下，政府将为企业提供有形或无形的政策保护，这些政策的出台增强了投资者的信心和安全感，提高了投资者的投资意愿，从而缓解了企业的融资约束。此外，交易所要求企业应在年度报告全文“重要事项”章节中充分披露报告期内履行精准扶贫社会责任的具体情况。“十三五”脱贫攻坚规划也要求对于积极参与精准扶贫的企业设立扶贫光荣榜，并向社会公告。这种由政府主导的宣传工作具有很强的外部可视性，也更容易被公众所关注，可以更广泛地向社会传递企业强政企关系、强社会责任感的良好形象(17)郑琴琴，陆亚东. “随波逐流”还是“战略选择”:企业社会责任的响应机制研究[J]. 南开管理评论，2018,21(4):169-181.。这将帮助企业以较低的成本获得更多的外部资金，进一步缓解企业的融资约束。前文检验了企业精准扶贫对风险承担水平的负向影响，此前也有研究发现企业降低风险承担水平可以有效缓解融资约束(18)王宜峰，王淑慧，刘雨婷. 股价崩盘风险、融资约束与企业投资[J]. 投资研究，2018(10):103-121.。因此本文采用中介效应检验，判断企业参与精准扶贫能否通过降低企业风险承担水平来缓解企业的融资约束。

本文借鉴温忠麟等(19)温忠麟，张雷，侯杰泰，等. 中介效应检验程序及其应用[J]. 心理学报，2004(5):614-620.采用逐步检验法进行中介效应检验：第一步，建立模型(4)检验企业参与精准扶贫能否降低融资约束；第二步，建立模型(5)检验企业参与精准扶贫能否降低风险承担水平；第三步，在模型(4)的基础上加入中介变量风险承担水平建立模型(6)，检验风险承担水平是否在精准扶贫和融资约束之间起到中介作用。

KZ=α0+α1Post+α2Treat+α3Post×Treat+αjControlsj+ε

(4)

RiskTake=β0+β1Post+β2Treat+β3Post×Treat+βjControlsj+ε

(5)

KZ=γ0+γ1Post+γ2Treat+γ3Post×Treat+γ4RiskTake+γjControlsj+ε

(6)

在模型(4)中，本文采用Kaplan and Zingales(20)KAPLAN S N, ZINGALES L. Do investment-cash flow sensitivities provide useful measures of financing constraints?[J]. The quarterly journal of economics，1997,112(1):169-215.所构建的KZ指标对企业融资约束进行度量。该指标综合考虑了企业经营性净现金流、现金股利、现金持有量、资产负债率和投资机会五个方面，通过对上述五个因素排序逻辑回归估计得到。一般认为，有着较高的经营性净流量、持有较多现金、派发较少现金股利、低资产负债率并且拥有较多投资机会的企业面临较低的融资约束。根据该指标的定义，KZ指标数值大表明企业面临高融资约束。

本文主要关注的变量回归系数为模型(4)中α3、模型(5)中β3和模型(6)中γ3、γ4。首先，如果α3系数显著为负，则表明企业参与精准扶贫降低了融资约束；其次，如果β3显著为负、γ4显著为正，风险承担水平对两者的中介效应存在；最后，γ3如果显著，则表明该中介效应为部分中介效应，只能部分解释精准扶贫对融资约束的影响，否则为完全中介效应。

表6是控制了企业相关特征后的回归结果。首先，在列(1)中解释变量Post×Treat对KZ的回归系数为-0.120且在10%的水平下显著，即企业参与精准扶贫能够降低融资约束；其次，在列(2)中解释变量Post×Treat对KZ的回归系数为-0.004且在5%的水平下显著，列(3)中中介变量RiskTake对KZ的回归系数为2.560且在1%的水平下显著，这表明风险承担水平对精准扶贫和融资约束的中介效应成立；列(3)中解释变量Post×Treat对KZ的回归系数不显著，表明该中介效应为完全中介效应，即企业参与精准扶贫对融资约束的影响主要通过风险承担水平这一中介变量实现。

表6 精准扶贫、风险承担水平和融资约束

四、 结论和政策建议

随着2020年底绝对贫困的消除，相对贫困成为2020年后贫困治理的主要目标，企业作为重要的市场主体，是社会生产和流通的直接承担者，实现脱贫攻坚成果同乡村振兴有效衔接需要企业发挥自身优势参与精准扶贫。本文根据企业披露的精准扶贫情况，按照2016—2018年企业是否参与精准扶贫来设置处理组和控制组，采用PSM-DID检验了企业参与精准扶贫对风险承担的影响。研究结果表明，企业参与精准扶贫将会显著降低其风险承担水平。进一步检验发现，市场化程度越低，企业参与精准扶贫对其风险承担水平的抑制作用越强；相较于国有企业，非国有企业参与精准扶贫对其风险承担水平的抑制作用更强。最后，本文为了进一步分析企业参与精准扶贫的深层影响，探讨了风险承担水平是否在企业精准扶贫和融资约束之间起到中介作用。结果表明该中介效应确实存在，企业参与精准扶贫后融资约束得到了明显的缓解，有利于企业的长期发展。

根据上述研究结论，本文提出如下建议：

第一，融资约束较高的企业应当积极参与精准扶贫，但资源较为缺乏的企业应当根据自身发展状况谨慎选择是否参与。对于融资约束较高的企业，参与精准扶贫可以显著降低其风险承担水平，吸引市场中的债权人以及追求稳健投资的小股东，缓解企业的融资约束。但是，对于当前资源不足，甚至无法支持正常经营的企业而言，应当首先运用这些资源保证自身生产经营的可持续性。其次，企业应当积极披露与参与精准扶贫有关的信息，在年报中进行披露时要尽可能全面翔实，此外也可以借助企业官网、媒体等宣传媒介将相关信息更及时地对外披露，以方便企业向市场传递积极信号、获取资源、促进发展。最后，企业应当摒弃原始的以捐款捐物为主的扶贫思想，积极采用产业扶持的方式参与精准扶贫，将精准扶贫和自身转型升级相结合，这不仅符合当前巩固脱贫成果、衔接乡村振兴的要求，对于企业也是重要的发展机遇。一方面，依托于精准扶贫政策，企业可以获得政府的大力支持，避开许多行业在政治上的进入壁垒，还可以获得扶持政策；另一方面，贫困地区也可以为企业提供很多廉价资源，包括土地、劳动力等，大幅削减企业转入新产业的成本。

第二，为了鼓励企业参与精准扶贫，政府应当利用其在配置辖区内社会资源方面的影响力为企业提供更多的资源或政策优惠。政府应当保证所施行的激励政策完整、具体，并且在施行后要得到贯彻落实，使参与精准扶贫的企业能够从激励政策中切实受益，从而提升其参与精准扶贫的意愿，实现企业、政府互利共赢的目标。此外，政府应当完善信息披露政策，明确企业应当于何时进行披露，对于披露的内容和形式也要做具体规定，帮助企业提升披露信息的价值度，向资本市场传递更有价值的积极信息，吸引投资者。为了引导企业积极披露精准扶贫相关信息，政府对于披露及时的企业可以制订相应的奖励措施。