参与精准扶贫会提高公司资本成本吗？

曹 越 赵羚旭 周睿萱

(1.湖南大学 工商管理学院，湖南 长沙 410082；2.湖南工商大学 国际商学院，湖南 长沙 410205)

一、引言

面对困扰人类数千年的贫困难题，中国仅用不到四十年的时间便消除了绝对贫困，成为全球减贫人口最多的国家。进入新时代，习近平总书记2013年在湖南湘西考察时首次提出“精准扶贫”。2015年，中共中央国务院发布《关于打赢脱贫攻坚战的决定》(以下简称《决定》)及相关配套文件，标志着脱贫攻坚战略正式确立。《决定》发布以来，资本市场迅速响应，证监会和沪深交易所于2016年先后发文，通过规范扶贫信息披露引导并推动上市公司积极参与精准扶贫。

关于精准扶贫的研究，现有文献主要集中于精准扶贫的机制构建(王雨磊和苏杨，2020)[1]、扶贫模式(宫留记，2016)[2]和扶贫绩效考核(胡善平，2016)[3]等，而针对企业参与精准扶贫的经济后果研究偏少，现有研究主要聚焦于参与精准扶贫对企业财务绩效(张玉明和邢超，2019)[4]、投资效率(王帆等，2020)[5]、企业创新(刘春等，2020)[6]的影响。上市公司作为推动精准扶贫的中坚力量，不但能拓宽贫困户的就业渠道，还能弥补政府财政扶贫资金投入不足的短板。但是上市企业参与精准扶贫具有周期长、投入大和回报慢等特点，同时上市企业面临融资与再融资问题，资本成本对公司的融资具有重大影响。由此，参与精准扶贫对公司资本成本的影响值得深入研究。

公司参与精准扶贫本质上属于履行社会责任。公司履行社会责任与资本成本的关系一直是学术界探讨的焦点。学术界普遍认为，企业履行社会责任会降低资本成本(Cornell and Shapiro，1987)[7]。学者重点关注企业履行社会责任对资本成本产生影响的机制与路径：一是履行社会责任伴随的社会责任信息披露能够减缓信息不对称，提高公司透明度，使投资者在减少对投资标的误判的同时降低交易成本，最终表现为降低资本成本；二是公司履行社会责任可以树立良好形象，有助于形成难以被竞争对手复制的声誉资本，通过降低其面临的非系统风险而缓解融资约束。值得注意的是，也有学者发现，履行社会责任或社会责任信息的披露会提高公司的资本成本：Richardson和Welker(2001)[8]发现，履行社会责任并进行披露会消耗企业资源，使其在市场竞争中处于劣势地位，投资者会提升对企业风险增加的预期，最终提高资本成本。

上述文献为本文提供了重要参考，但仍有待进一步推进：一是以往研究未清晰定义企业扶贫，多笼统表述为企业参与扶贫，企业何时向何地通过何种方式扶贫不得而知。二是以往研究立足于社会责任及其信息披露的视角，将企业参与精准扶贫简单地等同于履行社会责任，片面强调企业披露扶贫相关信息带给企业的益处。事实上，资金提供者不但关注企业是否参与扶贫，而且更加重视扶贫对企业经营业绩的影响。随着扶贫工作的推进，参与扶贫的部分企业出现因扶贫而致贫的现象。如2019年6月，中利集团因近百亿元的应收账款收到深交所问询函。中利集团在复函中提到部分应收账款是因参与光伏扶贫项目建设而形成的。本文不否认参与精准扶贫给企业带来的贷款贴息、税收优惠和业务平台等机遇，但同时也应关注参与精准扶贫带来的风险。

本文基于国家实施精准扶贫的准自然实验，以2014—2020年为观察期，运用多期双重差分模型检验参与精准扶贫对沪深A股上市公司资本成本的影响。研究结果表明：参与精准扶贫和参与产业扶贫均显著提升了公司的加权平均资本成本。具体而言，参与精准扶贫显著降低了公司的债务资本成本，提高了公司的权益资本成本。经营风险是企业参与精准扶贫影响资本成本的重要渠道机制。进一步分析结果显示，参与精准扶贫对企业资本成本的提升作用在非国有企业、社会责任敏感型行业、东部地区和政府干预程度小的企业中更加明显。

本文的研究贡献如下：一是研究视角上，本文侧重从参与精准扶贫给企业带来的风险维度考察参与精准扶贫对公司资本成本的影响。现有文献主要从社会责任和信息不对称视角研究企业参与扶贫的经济后果，本文则重点关注参与精准扶贫给企业带来的风险，从风险视角探寻企业参与精准扶贫的经济后果。二是研究内容上，本文从企业参与精准扶贫的维度发掘资本成本的影响因素，阐述参与精准扶贫提高公司资本成本的作用机理，并检验了企业参与精准扶贫对资本成本产生影响的渠道机制以及参与精准扶贫对公司资本成本影响的异质性。这些理论分析和实证检验可以揭示企业参与精准扶贫对资本成本产生影响的内在逻辑，为推进精准扶贫的有效实施提供参考。三是研究方法上，本文利用精准扶贫政策实施这一准自然实验，运用多期双重差分模型检验企业参与精准扶贫对资本成本的影响，这与现有文献普遍采用最小二乘法回归相比，更有助于识别因果关系，从而确保研究结论的可靠性与科学性。

二、理论分析与研究假设

与债务资金提供者关注本金与利息不同，权益资金提供者更加关注企业的盈利能力与投资收益。本文认为，企业参与精准扶贫影响权益资本成本的逻辑如下：首先，企业参与精准扶贫会大量消耗企业资源从而增加经营风险。企业履行社会责任的前提是有资源、有充足的利润留存。但已有研究发现，履行社会责任并进行披露会消耗企业资源，使其在市场中处于劣势地位，最终提高其资本成本(Richardson and Welker，2001)[8]。企业必然会在扶贫项目初期进行大量投入，一定程度上丧失了投资其他更具成长性项目的机会。贫困地区自然条件恶劣、基础设施不完善、产业产品发展受制因素多等诸多不确定因素，很可能导致企业预算超支，耗用资源可能远超企业预期。即使项目顺利推进也无法保证项目在短期内会产生收益以弥补成本。新古典经济学也认为，公司履行社会责任有悖于股东财富最大化目标。资金有限甚至短缺时，过度履行社会责任会侵占公司资源，将导致公司削减研发投入和长期投资等战略性投资，降低公司竞争力，削弱公司价值，从而增加风险(Friedman，1970)[9]。因此，企业参与精准扶贫会消耗企业资源，从而增加经营风险。

其次，企业在扶贫项目初创期所面临的经营风险最高。产业生命周期理论认为，产业分为初创、成长、成熟和衰退四个时期(Vernon，1966)[10]。多数新建扶贫项目处于初创期。在此阶段，创立投资、产品研发费用和营销费用等成本较高，而由于大众对其尚缺乏了解，顾客认可度较低，销路难以拓展，从而导致销售收入较低，这些企业新设的扶贫项目可能不但没有盈利，反而普遍亏损。所以，企业在初创期所面临的经营风险最高，投资者所要求的必要报酬率也最高。随着越来越多企业选择产业扶贫的方式参与精准扶贫，资金提供者也不得不考虑新设的扶贫项目对企业产生的影响。

再次，管理层机会主义倾向会增强企业的经营风险。管理层可能选择适当的投资项目来最大化自身利益，而忽略股东的诉求。随着精准扶贫的推进，愈来愈多的企业采取产业扶贫的方式进行扶贫，企业在投入资金修建厂房、购买机器设备、建设物流供应链和扩大销售等过程中，管理层可能为了获得贷款贴息或税收减免而投资于扶贫项目，而非出于落实扶贫目标。扶贫投资的决策也可能很大程度上受到管理层个人意愿的影响，最终企业可能投资于净现值为负的项目，增加企业经营风险。现有研究表明，大权在握的管理层可能制定对自己有利的计划和政策，企业的经营风险也随之增加(权小锋等，2010)[11]；在两权分离的背景下，管理层执行自身意愿的权力会被放大，投资者无法准确识别企业的真实价值而要求更高的风险补偿，从而使权益资本成本升高。

最后，企业参与精准扶贫可能成为管理层掩盖负面消息的粉饰工具，以此来转移股东的注意力。已有研究表明，企业履行社会责任的目的之一就是为了掩盖管理层的过失(Hemingway and Maclagan，2004)[12]。一方面，参与社会责任活动可以弥补企业的声誉损失或转移大众对其失德行为的关注；另一方面，披露社会责任信息也可以隐藏企业经营中的漏洞。管理层可能存在利用企业参与精准扶贫活动或进行扶贫信息披露作为保护伞来掩盖粉饰负面消息的动机。一旦被股东识别，外部市场将给予消极评价，从而导致证券市场风险提高，最终抬高权益资本成本。

上述分析表明，不论是参与精准扶贫消耗企业资源及初创期困境，还是管理层机会利己主义及掩盖负面消息倾向，都会增加企业面临的经营风险。经营风险升高意味着企业的运营会更加脆弱，如果蒙受负面冲击，企业经营困难的可能性会急剧升高。这都使得股权投资者要求更高的报酬率对风险进行补偿，最终会提高公司的权益资本成本。已有文献表明，经营风险是影响企业资本成本的重要因素(Trueman and Titman，1988)[13]。较大的经营风险将显著提高公司收益波动性，使得投资者要求更高的必要报酬率以补偿风险，即导致权益资本成本提高。基于此，本文提出假设1：

H1：参与精准扶贫会提高企业的权益资本成本。

当然，作为国家重大战略，精准扶贫政策也能给企业带来重大机遇，降低经营风险。

首先，政策的支持与保障影响债务资金提供者的放贷额度与意愿，从而降低债务资本成本。企业积极参与精准扶贫最直接的利益就是获得政府补助，如贷款贴息优惠和税收返还等。在中央强有力的号召下，各级政府为完成脱贫攻坚的政治任务也给予参与企业更多的优惠政策，纷纷加大对扶贫开发资金的投放力度。具体地，政府出资在各类金融机构(尤其是国有控股银行)建立扶贫资金池，银行等金融机构再辅之以贷款条件、利率、额度等方面的支持和优惠，撬动参与企业的融资。而银行等金融机构作为信贷投放平台，更加关注本金与利息的保障，对于项目的收益关注度较低。一是扶贫企业可向扶贫组织单位申请项目贷款贴息。如靖州苗族侗族自治县的扶贫企业可向县扶贫开发办公室和县财政局申请贴息，贴息率按照央行同档次贷款基准利率的60%执行，贷款贴息资金直接补贴给项目实施单位。二是各级政府建立了较为完善的风险分担和补偿机制，县财政局按相关规定设立风险补偿金，当项目到期企业不能按时足额归还本息时，省国开行有权即时扣收风险补偿金。即在本息有充分保障的前提下，银行评估贷款企业的借贷风险为低水平，对扶贫企业放贷意愿增强。因此，财政政策向扶贫企业直接倾斜使得扶贫企业的贷款渠道得以拓宽，贷款门槛得以降低，贷款便利性得以增强，贷款利率得以下调。贴息保障等补偿机制也大幅增加了债务资金提供者的放贷意愿，债务资本成本随之下降。

其次，企业参与精准扶贫所建立的政治关联能够巩固并强化银企关系，降低债务资本成本。企业的慈善捐赠行为拥有显著的政企纽带效应，是强化政企关系的重要途径(张敏等，2013)[14]。类似地，企业通过参与精准扶贫，更加容易博得政府信任、建立稳固的政治关联以及获取丰富的政治资源。根据社会交换理论，政府与企业通过交换特有的资源以达到互利互惠的目的(Blau，1956)[15]：一方面企业参与精准扶贫可以多元助力贫困区脱贫。企业通过为贫困群众提供工作岗位和弥补政府财政资金投入不足等措施，能有效减轻政府的压力，确保完成政治任务；另一方面政府对参与扶贫企业实施贷款贴息、税收优惠、放松管制或行业准入等方面的优惠政策。紧密的政治关联能助力企业取得更多的银行贷款、税收减免，从而提高市场占有率和外部环境变化的应对能力，也能够显著降低企业在多元化过程中的证券市场风险(张敏和黄继承，2009)[16]。同时，政府与银行之间天然的紧密联系也促使银企关系长足发展，银企之间的信息不对称得以缓解，企业获得信贷的可能性增加、信贷成本降低。因此，政企形成稳定的社会交换关系，可以巩固并强化银企关系，降低债务资本成本。

上述分析表明，企业参与精准扶贫无论是直接获得的政府补贴与税收优惠，还是连带拥有的紧密的政企关系与丰富的政治资源均为债权人的本金和利息提供了重要保障，有助于降低债务资本成本。基于此，本文提出假设2：

H2：参与精准扶贫会降低企业的债务资本成本。

值得注意的是，过多的债务资本会提高企业的加权平均资本成本。企业的负债并不是越多越好，债务越多，其承担的固定利息费用越多，出现财务危机的可能性也越大。由于政策保障与政治关联等因素，参与精准扶贫的公司更易获得银行等金融机构的贷款，这也使得企业有大规模举债的冲动，从而增加风险。具体而言：一是尽管债务融资的利息支出存在利息抵税效应，但公司利用财务杠杆会使得财务风险增加，资信状况存在潜在恶化风险，发生财务困境的可能性较高，即公司的财务困境成本上升。随着负债的增加，财务困境成本也逐渐覆盖利息抵税所带给企业的好处，推动加权平均资本成本上升。二是企业在取得了一定的贷款后，为了获得持续性的政策优惠与政治资源，其在稳固与政府关系时往往会主动迎合政府的扶贫目标，加大对现有扶贫项目的投资，甚至参与投建更多的扶贫项目。但是，扶贫项目能否成功具有很大的不确定性，参与精准扶贫引发的增大投资机制可能进一步增加企业所面临的经营风险，推动加权平均资本成本上升。上述分析表明，参与精准扶贫会给企业带来增加举债和增大扶贫投资的冲动，进一步增加财务风险和经营风险，提升加权平均资本成本。据此，本文提出假设3：

H3：参与精准扶贫会提高企业的加权平均资本成本。

三、研究设计

(一)样本选择

国务院扶贫办于2014年底公布全国贫困县的名单，诸多政策优惠也是从2014年开始实施，2020年实现了绝对脱贫。因此，本文将样本区间限定为2014—2020年。本文以沪深A股上市公司为研究对象，对样本进行如下筛选：(1)剔除金融类上市公司，因为其不同于实业企业，具有独特的商业模式与会计准则；(2)剔除ST、*ST 的公司样本，因为这类公司经营业绩与财务状况异常，可能对结果产生负面影响；(3)剔除关键变量数据缺失的样本。最终得到9291个“公司-年度”数据观测值。上述筛选程序与现有相关文献保持一致(曹越等，2021)[17]。此外，为了避免极端值的影响，本文对所有连续变量在上下1%分位进行了缩尾处理。企业参与产业扶贫的数据来自于CNRDS数据库，其他数据来源于CSMAR数据库。

(二)模型设定与变量定义

精准扶贫政策实施对公司而言属于外生准自然实验，故本文借鉴已有文献的做法，采用多期双重差分模型对该政策效应进行识别，以缓解遗漏变量和反向因果等问题对估计结果可能造成的偏误。为了检验H1，构建模型：

Reit=β0+β1Donit+β2Treati+γControlsit+ΣIndustry+ΣYear+εit

(1)

模型(1)衡量的是，参与精准扶贫企业权益资本成本的变化程度。其中，i、t 分别表示企业i和第t年；Reit为模型(1)的被解释变量，用来衡量企业的权益资本成本。衡量权益资本成本的主要方法有：法玛三因素模型(Fama and French，1993)[18]、资本资产定价模型(Sharpe，1964)[19]、GGM模型(Gordon et al.，2006)[20]、GLS模型(Gebhardt et al. ，2001)[21]及PEG、MPEG(Easton，2004)[22]模型等。以GLS模型、PEG模型为代表的未来盈利预测估算方法很大程度上取决于分析师的预测质量，考虑到我国股票市场与上市公司现状和会计信息质量现状，此类估算方法应谨慎使用(汪平等，2012)[23]。另外，企业界广泛使用的依然是以风险补偿为主的测算方法，且有研究表明在经济平稳阶段CAPM模型在中国市场适用(李倩，2015)[24]，故本文采用资本资产定价模型：

Re=Rf+β(Rm-Rf)

(2)

模型中的Rf为无风险利率，本文选用某年一年期定期存款的天数加权平均利率作为替代，2014—2020 年的加权结果分别为：2.97%、2.12%、1.50%、1.50%、1.50%、1.50%、1.50%。由于分年度估算资本成本的过程中出现了多个年份Rm为负的情况，故放弃采用以实际风险溢价作为预期风险溢价的方法。Rm-Rf采用Damodaran对于中国2014—2020 年市场风险溢价的估算数据6.65%、7.20%、6.55%、5.89%、6.94%、5.89%、5.40%①。

虚拟变量Treati表示企业i是否参与精准扶贫。本文将向国家级贫困县进行精准扶贫的企业定义为精准扶贫参与企业，取值为1，其他企业取值为0；虚拟变量Donit表示企业i在第t年是否参与精准扶贫，如果企业i在第t年向国家级贫困县进行扶贫，则在第t年及以后取值为1，否则为0；Controlsit为控制变量，借鉴王帆等(2020)[5]的研究，本文选择的控制变量参见表1。

表1 变量定义

为了检验假设2和假设3，构建以下模型：

Rdit=β0+β1Donit+β2Treati+γControlsit+ΣIndustry+ΣYear+εit

(3)

WACCit=β0+β1Donit+β2Treati+γControlsit+ΣIndustry+ΣYear+εit

(4)

其中，Rdit为模型(2)的被解释变量，用来衡量企业的债务资本成本。本文参考李广子和刘力(2009)[25]的做法，采用“利息支出与期末负债的比值”衡量债务资本成本。

WACCit代表加权平均资本成本，是债务资本成本与权益资本成本的加权平均值：

(5)

其中，B为负债总额，E为净资产，Rd为税前债务资本成本，Re为权益资本成本，TC为企业所得税税率。

四、实证结果与分析

(一)描述性统计

表2报告了主要变量的描述性统计结果。结果显示，上市公司加权平均资本成本均值约为5.2%、最大值为9.6%、最小值为1.5%，表明不同企业间的加权平均资本成本差异较大。债务资本成本均值为2.0%，最大值为6.0%、最小值为0；权益资本成本均值为8.5%，最大值为12.8%、最小值为4%。这表明不同公司间的权益资本成本差异大于债务资本成本的差异。其他变量与现有文献基本一致。

表2 描述性统计

(二)参与精准扶贫对于资本成本的影响

表3列示了模型(1)(3)(4)的回归结果，模型1中Don的系数为0.001，且在1%的水平上显著为正，说明参与精准扶贫使得权益资本成本增加0.001个单位，相当于权益资本成本均值的1.18%，验证了假设1；模型3中Don的系数为-0.002，在1%的水平上显著为负，说明参与精准扶贫使得债务资本成本降低0.002个单位，相当于债务资本成本均值的10%，验证了假设2；模型4中Don的系数显著为正，参与精准扶贫使得加权平均资本成本增加0.001个单位，相当于加权平均资本成本均值的1.92%，结果支持假设3。

表3 参与精准扶贫对于资本成本的影响

(三)企业参与产业扶贫对于资本成本的影响

相较于其他类型的扶贫方式，产业发展脱贫往往通过企业设立与生产经营相关的公司或项目带动贫困地区经济持续发展。参与企业多采用务工收益、订单收购和村企合作等方式与贫困户建立紧密的利益联结机制，此种方式更易实现精准脱贫与企业发展的双重目的，也是政府所主要推崇的。企业参与产业发展扶贫不仅能获得统一的贴息与税收优惠、紧密的政治关联，还能获得政府额外拨付的产业扶贫专项资金，对扶贫项目的发展起直接促进作用。因此，在政府增信、贴息优惠、风险补偿等机制保障本息的前提下，金融机构更乐于向扶贫项目提供贷款，从而降低企业债务资本成本。但投建精准扶贫项目会消耗大量资源，无法避免项目初期较高的经营风险。同时，管理层的机会利己主义使其更可能制定利己战略来攫取优惠补助或通过扶贫项目掩盖企业负面消息，这会推高企业经营风险，提高公司权益资本成本与加权平均资本成本。

本文利用多期双重差分模型研究企业参与产业扶贫对其资本成本的影响，构建如下模型。

Reit=β0+β1IDonit+β2Treati+γControlsit+ΣIndustry+ΣYear+εit

(6)

Rdit=β0+β1IDonit+β2Treati+γControlsit+ΣIndustry+ΣYear+εit

(7)

WACCit=β0+β1IDonit+β2Treati+γControlsit+ΣIndustry+ΣYear+εit

(8)

虚拟变量IDonit表示企业i在第t年是否进行产业发展扶贫，如果企业i在第t年向国家级贫困县进行产业扶贫则在第t年及以后取值为1，否则为0；

回归结果见表4，模型6和模型8的系数在1%水平上正向显著，模型7的系数在1%水平上负向显著，说明参与产业扶贫显著提升了权益资本成本和加权平均资本成本，但显著降低了债务资本成本，进一步验证了上述假设。

表4 产业扶贫对资本成本的影响

(四)稳健性检验

为保证本文结论的可靠性，本文实施了如下几项稳健性检验。

1.平行趋势检验

双重差分模型适用的前提条件是在政策实施之前，参与精准扶贫企业与非参与企业具有共同的趋势。于是本文构建实证模型(9)来检验平行趋势是否得到满足。Prenit表示企业在参与精准扶贫前n年的虚拟变量，Afternit表示在参与精准扶贫后n年的虚拟变量，Currentit表示在参与政策当年的虚拟变量。

WACCi，t=β0+β1Postit+β2Treatit×Pre6it+β3Treatit×Pre5it+β4Treatit×Pre4it+β5Treatit×Pre3it+β6Treatit×Pre1it+β7Treatit×Currentit+β8Treatit×After1it++β9Treatit×After2it+β10Treatit×After3it+β11Treatit×After4it+γControlsit+μi+γt+εit

(9)

图1显示：在参与精准扶贫之前，回归系数在0附近波动且均不显著，而在参与精准扶贫之后，回归系数逐渐上升且均在1%及5%水平上显著为正，说明精准扶贫政策实施对参与企业的资本成本有显著的提升作用。

图1 精准扶贫平行趋势检验

类似地，为验证参与产业扶贫与未进行产业扶贫是否具有共同趋势，构建模型(10)验证。图2显示：在参与精准扶贫之前，回归系数在0附近波动且均不显著，而在参与精准扶贫之后，回归系数逐渐上升且均显著为正，说明产业扶贫政策实施对参与企业的资本成本有显著的提升作用。

图2 产业扶贫平行趋势检验

WACCi，t=α0+α1Postit+α2Treatit×Pre6it+α3Treatit×Pre5it+α4Treatit×Pre4it+α5Treatit×Pre3it+α6Treatit×Pre1it+α7Treatit×Currentit+α8Treatit×After1it++α9Treatit×After2it+α10Treatit×After3it+α11Treatit×After4it+γControlsit+μi+γt+εit

(10)

2.剔除参与扶贫当年的数据

一般来说，企业参与精准扶贫当期的数据会掺杂政策前后期的影响。为排除这一影响，本文把企业参与精准扶贫政策当年从样本中予以剔除再进行回归，结果见表5，本文结论仍成立。

表5 剔除数据当年回归结果

3.安慰剂检验

为了验证企业加权平均资本成本的提升的确是由于参与精准扶贫引起而不是源于其他不可观察因素，本文参考曹春方等(2020)[26]的研究，进行安慰剂检验。首先，随机打乱实验组和对照组的安慰剂检验。即随机生成的实验组，Treat取1；剩余的作为对照组，Treat取0；其次，随机生成政策虚拟变量，并代入模型(3)检验，核密度图留存备索。图像显示，Don的系数集中分布在0的附近，这反向说明本文原处理组的测量误差是可容忍的。

类似地，为验证企业加权平均资本成本的提升的确是由于参与产业扶贫引起而不是源于其他不可观察因素，进行安慰剂检验，方法同上，核密度图留存备索。图像显示，IDon的系数集中分布在0的附近，这反向说明本文原处理组的测量误差是可容忍的。

4.倾向性得分匹配加双重差分检验(PSM + DID)

参与精准扶贫的企业与未参与精准扶贫的企业在企业规模、成长性等方面都存在一定的差异，故而本文采用倾向性得分匹配和双重差分(PSM + DID)相结合的方法确保实验组与控制组在参与精准扶贫前不存在显著差异，弱化本文可观测的选择性偏差。首先，以控制变量作为协变量，对实验组和控制组进行最近邻匹配(1：4)、半径匹配和核匹配，并对匹配后的样本进行平衡性检验，观测各变量在实验组和控制组之间是否存在显著偏差，平衡性检验结果留存备索。结果显示，各变量匹配后的偏差均小于5%，且其组间均值差异均不显著。其次，对匹配后的样本再次进行回归，回归结果见表6，结论依然成立。

表6 PSM+DID回归

五、拓展性分析

在理论分析部分，本文提到了企业参与精准扶贫会增加参与企业所面临的经营风险，从而会提升其资本成本。因此，本文进行作用路径检验。

参考John et al.(2008)[27]方法，本文采用一段时期内的ROA的标准差来衡量企业的经营风险。计算公式如下：

(11)

(12)

其中，AdjROAit是指经行业调整以后的ROA，本文采用的计算期间为3年(t-2，t)。

借鉴温忠麟等(2004)[28]的做法，本文在模型(3)的基础上建立如下递归模型来验证中介效应。

Riskit=θ0+θ1Donit+γControlsit+ΣIndustry+εit

(13)

Reit=α0+α1Donit+α2Riskit+γControlsit+ΣIndustry+Σyear+εit

(14)

WACCit=ρ0+ρ1Donit+ρ2Riskit+γControlsit+ΣIndustry+Σyear+εit

(15)

表7列示了中介效应的检验结果：第(1)列结果显示，Don的系数θ1在1%水平上显著为正，说明参与精准扶贫增强了参与企业的经营风险；模型14和模型15结果显示，Don的系数以及Risk的系数均在5%水平上显著为正，表明经营风险发挥了部分中介作用，即参与精准扶贫通过增加参与企业的经营风险而提高了权益资本成本和加权平均资本成本。

表7 中介效应检验

六、进一步分析

前文的回归分析验证了精准扶贫政策实施会提高参与企业的资本成本。那么，政策实施提升参与企业资本成本是否存在异质性呢？本文认为，依然存在诸多因素影响研究结果。首先，不同企业在资源获取方面存在较大的差异，国有企业天然的政治联系使得其在资本市场上较容易获得外部资源与相应的支持，其面临的风险相对较小；其次，资金提供者对于不同行业的关注程度与预期的收益也存在很大的区别，如企业处在关系重大民生的行业则更有可能被评估为风险更高的企业；再次，由于我国幅员辽阔但发展不平衡，地缘因素对其的影响自然不言而喻；最后，我国作为精准行政扶贫模式的代表，政府干预对于资本成本的影响也不容小觑。

(一)产权性质

由于我国特殊的制度环境和经济体制的影响，国有企业具有天然的政治属性，不仅能较容易地获取各种资源，而且融资渠道更为广阔多元。对于面临着严格的融资约束和银行贷款歧视的非国企来说，参与精准扶贫能够拉近其与政府的关系，建立隐性的契约联系，并向资金提供者传递良好的信号，这将帮助非国企获得更多的政府补助、信贷资源与税收减免，为其债务融资乃至未来长足发展提供了良好前提。与国有企业相比，非国有企业参与精准扶贫无论是为了建立政治关联还是享受政策优惠，都会降低参与企业的债务资本成本。

尽管如此，非国有企业依然存在较大的经营风险，对于权益资金提供者，企业披露社会责任信息可能无法从实质上改善信息不对称情况，故非国有企业仍然无法像国有企业一样转嫁风险，只能以较高的成本来获得融资。同时，鉴于非国有企业比国有企业更需要向社会展示正面形象，管理层投资可能更具有盲目性。具体而言，由于非国有企业想借精准扶贫的机会来提升企业形象，其扶贫投资决策可能未经过风险投资项目专家论证或集体决议，只是根据管理层的自身意愿而投资于净现值为负的项目，即产生投资过度现象(王帆等，2020)[5]。因此，本文预期非国有企业参与精准扶贫对于权益资本成本与加权平均资本成本的提升作用更明显。表8列示的分组回归结果显示，第(1)(5)列的回归系数正向显著，第(3)列系数在5%水平上负向显著，说明非国有企业参与精准扶贫显著提高了权益资本成本和加权平均资本，但显著降低了债务资本成本。

表8 产权性质分组回归

(二)行业类别

由于不同行业所承担的公共责任及行业声誉不同，资金提供者对不同行业的关注程度也存在显著差异。Marshall et al.(2008)[29]首次把行业特征纳入到社会责任信息披露对资本成本的影响的研究范畴，结果表明行业特征影响两者关系。王建玲(2016)[30]将行业划分为环境敏感型与非环境敏感型，研究社会责任信息披露对资本成本的影响。考虑到行业差异，本文拟检验行业类别对企业参与精准扶贫与资本成本之间的调节作用。

相比其他行业，资金提供者可能认为涉及重大民生行业的企业参与扶贫会带来更大的风险，要求更高的回报，从而提高了资本成本。借鉴吴德军(2016)[31]的做法，本文将与消费者直接接触的行业归类为社会责任敏感型行业，同时考虑到企业社会责任包括生产安全、产品质量和环境保护等多个方面，最终将采矿业(B)、制造业(C)等六个行业归为社会责任敏感型行业。以社会责任敏感型行业作为研究样本，对前文假设再次检验，回归结果如表9所示。结果显示，只有社会责任敏感型行业的企业参与精准扶贫才会显著提升加权平均资本成本，说明精准扶贫政策实施对参与企业加权平均资本成本的提升作用仅在社会责任敏感型的行业中显著。

(三)地区差异

考虑到我国幅员辽阔但区域经济发展水平差异较大的现实，本文将区分企业注册地来进一步研究参与精准扶贫对资本成本的影响。从长远来看，协作扶贫不仅是实现先富带后富、打赢脱贫攻坚战的大举措，还是推动区域协调发展、协同发展和共同发展的大战略。此外，各贫困县还会专门针对帮扶本地的企业提出地方性优惠政策，如湖南省湘西自治州针对山东省济南市的结对帮扶印发《湘西自治州支持东西部扶贫协作产业合作的若干优惠政策》，给予投资企业全面多元的政策优惠，这无疑激发了东部企业到贫困地区投资的积极性。

一方面，由于经济发展、企业分布与政策优惠等因素，东部企业往往有能力且更愿意积极投身参与精准扶贫。另一方面，东部企业依然面临严峻的挑战，随着近年来外部需求环境趋于恶化，国内经济下行压力进一步增大，区域内竞争也逐步激烈，部分东部制造业企业依然面临转型难、技术缺等困境。上市公司不论通过何种方式扶贫都进一步加剧了盈利压力与未来发展的不确定性，最终影响资本成本。故预期东部企业参与精准扶贫会提升企业资本成本。结果见表9，与本文预期一致。

(四)干预程度

为完成精准扶贫的相关考核指标，地方政府有干预企业行为的动机。相应地，企业资本成本也容易受到地方政府干预的影响。具体而言，地方政府干预程度较高时，企业获得政策优惠的多寡与企业扶贫力度挂钩。政府会给予扶贫力度大、投入多的企业更多优惠，甚至可能直接干预企业的资源投向。但这一过程中，企业与政府的关系却更为紧密且从政府获得利益的潜力也随之增强，并向市场传递出此类信号，其面临的风险也随之缓解。反之，在政府干预程度较低的地区，法制较为完善，产品市场和要素市场的流动性较强，对于企业的监管也更加到位。企业的扶贫力度与资源投入较少地受到政府干预，政治关联对风险的分散作用较小，企业仍需承担较高的风险，即加权平均资本成本较高。

参照王小鲁等(2016)[32]研究，本文用市场化水平指数值来衡量不同地区的地方政府干预程度，并根据企业所在地将样本分成“政府干预程度高”和“政府干预程度低”两组。表9结果显示，精准扶贫政策实施对参与企业资本成本的提升作用在政府干预程度小的企业中更显著。

七、研究结论与政策建议

消除贫困、改善民生和实现共同富裕是社会主义的本质要求。精准扶贫是打赢脱贫攻坚战的制胜法宝。本文以精准扶贫政策实施提供的准自然实验为制度背景，从风险视角论述精准扶贫政策实施影响参与企业资本成本的逻辑机理。研究发现：第一，精准扶贫政策实施显著提升了参与企业的加权平均资本成本。具体而言，精准扶贫政策实施显著提高了参与企业的权益资本成本但显著降低了参与企业的债务资本成本，在进行了多项稳健性检验后，这一结论依然成立。第二，经营风险是企业参与精准扶贫提高权益资本成本与加权平均资本成本的重要渠道机制。第三，精准扶贫政策实施对参与企业资本成本的提升作用主要存在于非国有企业、社会责任敏感型行业、东部企业和地方政府干预程度小的企业中。本文拓展了精准扶贫政策微观经济后果研究，同时也丰富了资本成本的影响因素文献。

本文的政策建议有：(1)企业参与精准扶贫提高了权益资本成本，降低了债务资本成本。一方面，建议企业理性参与精准扶贫，在项目投建前应充分了解贫困区情况，做好风险评估与应对措施，因地制宜，将贫困区优势与企业优势有机结合，探索出适合当地的扶贫模式；另一方面，建议加大对扶贫企业的信贷优惠，量化企业的扶贫贡献并给予相应的浮动贴息率，从而为降低企业融资成本和释放企业活力奠定基础。(2)参与精准扶贫显著增加了非国有企业的权益资本成本与加权平均资本成本，但降低了债务资本成本，表明非国有企业在资本市场中依然处于劣势地位。对于政策制定者而言，不仅需要积极鼓励民营企业投身精准扶贫，加大奖励与优惠力度，表彰贡献突出的企业等，而且应从根本上提升非国有企业市场地位，通过立法保护其资源分配和市场交易的权利，营造公平公正的市场环境。(3)企业参与精准扶贫的加权平均资本成本提升效应在社会责任敏感型行业更明显，表明投资者对此类企业态度更为谨慎。建议针对不同行业或不同的扶贫模式给予切实优惠，分类施策。如针对电信企业，可就企业帮扶贫困村建设通信基站、延伸覆盖4G或5G网络等制定具体的税收、信贷优惠政策。

【注 释】

①网址为http：//www.stern.nyu.edu/～adamodar