1. 引言
随着我国经济高质量发展与共同富裕目标的深入推进，企业慈善捐赠作为第三次分配的核心载体，其战略价值已超越传统伦理范畴，成为国家治理体系现代化的重要组成。2019年党的十九届四中全会首次将第三次分配纳入基础性制度安排，2022年党的二十大进一步强调构建三次分配协调机制，这一政策转向标志着企业慈善行为被赋予稳定市场预期、优化资源配置的新使命。数据显示，2021年我国企业慈善捐赠总额突破1800亿元，占社会捐赠总量比重达62.3%，但捐赠投入与市场反馈呈现显著分化：部分企业通过慈善行为有效平抑股价波动，而另一些企业却陷入“捐赠越多、股价震荡越剧烈”的困局[1]。这种实践悖论揭示出关键问题——慈善捐赠影响股价波动的内在机制尚未被充分解构，而这一认知缺口正制约着政策效能的释放与资本市场稳定。
现有研究虽已证实慈善捐赠与股价波动的相关性，但存在三重局限：第一，多数学者聚焦捐赠金额与市场反应的线性关系，忽视信号传递过程中的阈值效应与情境依赖性[2]；第二，对中介机制的探讨局限于财务指标(如融资约束缓解)，未能揭示社会认知层面的传导路径[3]；第三，国内研究普遍采用滞后性强的年度声誉指数，难以捕捉媒体即时报道形成的动态声誉积累[4]。本文突破传统分析框架，基于信号传递理论与议程设置理论，构建“慈善捐赠→媒体关注→股价波动”的中介模型，重点解决：(1) 慈善捐赠如何通过媒体关注形成声誉溢价，进而抑制股价异常波动；(2) 不同产权性质与行业特征下中介效应的异质性规律。
本研究通过整合A股上市公司捐赠数据、媒体报道词频数据与高频股价数据，采用中介效应模型，首次实现对企业慈善行为市场传导机制的动态追踪。理论层面，揭示媒体关注在声誉资本积累中的“信号滤网”功能，突破传统研究将媒体视为被动传播渠道的认知局限；实践层面，在当前资本市场改革深化与企业社会责任转型的关键期，本研究成果对平抑市场非理性波动、引导慈善资源精准配置具有紧迫现实意义。
2. 理论基础与研究框架
2.1. 理论基础
2.1.1. 信号传递理论
信号传递理论由美国经济学家迈克尔·斯宾塞1973年首次提出，其核心逻辑在于信息不对称情境下，具有信息优势的一方通过传递特定信号，向信息劣势方揭示自身真实价值。斯宾塞发现，高能力求职者因信号发送成本更低，可通过差异化信号实现有效自我区分[5]。
信号传递理论为解析慈善捐赠与股价透明度的关系提供了微观机制：企业通过承担差异化信号成本的慈善行为，向市场传递关于自身价值的私有信息，而投资者对信号的识别与解读过程，本质上是信息不对称缓解、市场预期稳定化的过程，最终体现为股价对企业真实价值的更准确反映[6]。这一理论逻辑不仅拓展了信号传递理论在社会责任领域的应用边界，也为实证研究中“慈善捐赠抑制股价波动”的假设提供了核心理论支撑。
2.1.2. 议程设置理论
议程设置理论由麦库姆斯和肖于1972年提出，强调大众媒体通过赋予议题显著性影响公众认知的焦点。其经典研究表明，媒体对选举议题的报道强度与选民对议题重要性的判断显著相关，验证了“媒体不能决定人们怎么想，但能决定人们想什么”的核心假设[7]。1993年，二人进一步提出属性议程设置理论，指出媒体不仅筛选议题，还通过选择性强调议题的特定属性塑造公众对议题的解读框架[8]。议程设置理论为理解“慈善捐赠→媒体关注→股价波动”的传导机制提供了中层理论支撑：媒体通过议题显著性分配与属性框架建构，将企业的慈善行为转化为资本市场的“核心关注议题”，引导投资者重新配置注意力资源，降低信息不对称引发的预期分歧，最终实现股价对企业真实价值的更精准反映。这一理论视角不仅拓展了议程设置理论在金融市场研究中的应用场景，更与信号传递理论形成互补——前者解释信号如何被放大和解读，后者阐明信号本身的筛选与可信性机制，共同构建起企业社会责任影响股价透明度的完整理论图谱。
2.2. 研究框架
2.2.1. 慈善捐赠与股价波动
随着我国三次分配制度体系的深化建设，企业慈善捐赠已从边缘化的道德实践演化为战略性的声誉投资行为。在资本市场信息生态系统中，慈善捐赠本质上是企业向利益相关者释放的复合信号束：既包含财务稳健性的硬信号，也承载社会责任承诺的软信号。根据信号传递理论，这类信号的有效性取决于两个核心条件：信号发送方的可信承诺与信号接收方的解码能力。
在资本市场中，企业通过捐赠释放现金流充裕的信号，暗示其具有更强的抗风险能力和长期价值创造潜力[9]。从信号解码视角看，利益相关者对捐赠行为的解读受到制度环境与信息透明度的双重影响。曹萃雯(2020)的实证研究发现，捐赠通过“市场声誉积累”和“政府资源获取”两条路径提升企业价值，其中市场化程度高的地区更依赖声誉传递机制[10]。而王金平等(2024)的追踪研究表明，捐赠金额动态变化与财务绩效呈U型关系，证实了适度捐赠的“成本节约效应”与超额捐赠的“规模慈善效应”[11]。值得注意的是，杜勇等(2016)通过亏损企业案例揭示了捐赠信号的“双刃剑”效应：当企业过度依赖捐赠获取政府补助时，反而可能削弱自主经营能力[12]。
在A股市场高波动性情境下，慈善捐赠的股价稳定效应主要通过双重路径实现：1) 信息不对称缓解机制：当市场存在重大不确定性时，慈善捐赠作为可验证的沉没成本，向投资者传递管理层对未来收益流的乐观预期[13]。这种“真金白银”的信号传递相比财报数据更具可信性，能够抑制恐慌性抛售引发的异常波动。实证研究表明，捐赠力度每增加1个标准差，企业股价崩盘风险降低约12.7% [14]，印证了捐赠作为硬信号在缓解信息摩擦中的作用。
2) 声誉保险机制：通过捐赠形成的道德资本储备，可缓冲负面事件冲击。研究发现，高声誉企业的股价在危机事件中跌幅较同业低15%~22% [15]，其本质是投资者将慈善投入视为企业可信度的抵押品。这种声誉资本效应在突发公共事件中尤为显著，新冠疫情期间捐赠企业股价异常收益率较非捐赠企业高出3.2个百分点[16]。此外，大额捐赠引发的媒体关注可通过议程设置形成“社会认同强化效应”，使投资者更倾向于将企业行为解读为长期价值信号[7]。
基于以上分析，提出假设1。
H1：慈善捐赠可降低公司股价的波动性。
2.2.2. 媒体关注的中介机制
媒体关注在慈善捐赠与股价波动间的中介作用，遵循“信号解码–注意力配置–共识重构”的三阶传导路径。
第一阶段(信号解码)：基于声誉理论，企业的慈善捐赠本质是向市场释放非财务价值信号，但原始信号具有模糊性。媒体通过框架选择对信号进行解码与再编码——例如，采用“战略性公益”框架或“道德责任”框架，赋予捐赠行为差异化意义[17]。这一过程将抽象的社会责任转化为可量化的声誉资本，直接影响投资者对企业长期价值锚的认知。
第二阶段(注意力配置)：根据议程设置理论，媒体通过显著性排序筛选并放大特定捐赠信息，突破市场信息过载的“注意力瓶颈”。当捐赠事件被置于媒体议程顶端时，会触发投资者情绪共振，形成“社会认同强化效应”——即投资者更倾向于将企业行为解读为稳定经营预期的信号，而非短期博弈工具[18]。
第三阶段(共识重构)：上述两阶段的交互作用推动市场共识从“信息碎片化”向“认知趋同”演化。媒体对捐赠信号的标准化叙事降低了投资者间的解释分歧，而注意力聚焦则加速信息扩散，最终形成“声誉资本化”的正反馈循环：捐赠行为→媒体框架化解码→市场注意力锁定→投资者预期收敛→股价波动平抑。
基于此提出假设2。
H2：媒体关注正向中介慈善捐赠对股价波动性的抑制作用，即企业慈善捐赠通过提升媒体关注度降低股价波动。
本文的研究框架具体如图1所示。
Figure 1. Diagram of the research framework
图1. 研究框架图
3. 研究设计
3.1. 样本选择与数据来源
在研究区间的选取上，本文兼顾样本数据的代表性与研究时效性，将2009~2018年确定为研究周期：2009年作为全球金融危机后中国经济复苏与结构转型的起点，叠加A股市场监管改革深化、公司治理体系完善的制度背景；2018年则标志着我国经济从高速增长向高质量发展转型、资本市场监管框架成熟化的关键节点。这一完整十年周期既涵盖了宏观经济周期波动与制度变迁对企业行为的影响，也能够捕捉上市公司在不同市场环境下经营绩效、公司治理及信息披露机制的动态演化特征。此外，该时段内国泰安数据库的上市公司数据具有质量可靠、样本覆盖广泛的优势，可有效规避单一时段数据的偶然性偏差。基于上述考量，研究初始样本选定为2009~2018年A股上市公司，经剔除ST类、金融保险行业及数据缺失样本后，最终形成包含1310家公司的研究对象。数据处理方面，采用Stata17统计软件进行分析，对连续变量实施5%水平的缩尾处理，以消除极端值对回归结果的干扰，确保实证结论的稳健性。
3.2. 变量定义与模型设计
3.2.1. 变量定义
(1) 被解释变量
被解释变量为股价波动。借鉴辛清泉(2014) [19]等学者量化股价波动的具体做法，用变量VAR-ADJ表示股价波动性。变量VAR-ADJ是t年公司i的股价回报的方差，等于t年5月到t + 1年4月各个月度股票回报方差的平均值(再乘以100)，VAR-ADJ越大，股价波动性越大。另外，VAR-RAW的计算公式与VAR-ADJ相同，但计算依据是日个股原始回报(未经市场调整)的方差，可以用作稳健性检验。这一设计兼具时效性与稳定性：一方面，采用跨年度滚动窗口捕捉股价波动的中长期趋势，避免短期噪声干扰；另一方面，市场调整后的回报剔除了系统性风险影响，聚焦企业特质性波动，符合有效市场假说中“非系统性风险可通过分散投资化解”的理论前提。
(2) 解释变量
解释变量为企业慈善捐赠水平。捐赠数据主要来自上市公司年报“营业外支出”科目附注及社会责任报告，部分缺失值通过公司公告补充收集。本文采用慈善捐赠水平Dona作为因变量，其值为企业绝对捐赠额取对数后得出。针对部分披露模糊或缺失的样本，通过逐期查阅公司公告(如临时捐赠声明、董事会决议)进行补充，确保数据完整性。在指标设计上，采用“绝对捐赠额取自然对数”的处理方式，主要基于三方面考量：首先，企业捐赠行为具有显著的规模效应，大型企业的绝对捐赠额往往远高于中小企业，对数转换可有效缓解数据偏态分布问题，满足计量模型对变量正态性的假设；其次，自然对数处理保留了捐赠水平的边际变化信息，相较于相对比例指标，更能稳定反映企业主动承担社会责任的意愿强度；最后，对数化后的指标符合信号理论预期：高捐赠额的对数化增量对投资者而言是更清晰的“社会责任优质信号”，有助于降低信息不对称。
(3) 中介变量
中介变量为媒体关注。参考于忠泊等(2011)和杨道广等(2017)，本文以公司被媒体报道的总量 + 2的自然对数来度量媒体对公司的监督，避免报道次数为0时无法取对数，并适度放大低关注度样本的差异。以“报道总量”量化媒体关注度，契合媒体作为“信息传递中心”的核心功能，高频次的媒体报道意味着企业行为被纳入更广泛的公众监督视野，符合议程设置理论中“媒体曝光度影响公众认知”的基本逻辑；其次，对报道次数加2后取对数，既能避免零报道样本无法取对数的问题，又通过适度放大低关注度样本的差异，增强指标对弱信号的区分能力；最后，自然对数转换可降低数据右偏程度，使指标分布更接近正态分布，满足统计检验的前提假设。
(4) 控制变量
为控制其他潜在因素的影响，本研究参照相关文献，纳入了以下变量：公司规模(Size，通常以总资产自然对数衡量)、总资产报酬率(Roa)、资产负债率(Lev)、净资产收益率(Roe)、公司上市年龄(Age)、账面市值比(Bm)、托宾Q值(Tobinq)。同时，模型中亦引入了行业(Industry)和年度(Year)虚拟变量以控制行业固定效应和时间趋势效应。各变量定义详见表1。
3.2.2. 模型设计
为检验研究假设，本文基于温忠麟团队的中介效应检验流程[20]，构建如下回归模型。
(1) 主效应模型
首先检验慈善捐赠对股价波动的总效应，模型设定为：
(1)
其中，VAR-ADJ为股价波动率，Dona为慈善捐赠水平，Control为控制变量，包含企业规模、资产负债率等，并控制行业与年份固定效应以消除宏观环境及行业异质性干扰。
(2) 中介效应模型
为验证媒体关注的中介作用，本研究构建三阶段模型：第一阶段检验慈善捐赠水平(Dona)对媒体关注度(Media)的影响，预期系数 > 0，即捐赠增加显著提升媒体曝光；第二阶段考察媒体关注度对股价波动性的直接效应；第三阶段采用经典的系数乘积法(Sobel检验)验证中介效应，通过标准化路径系数的乘积(γ1 × γ2)衡量媒体关注的中介作用大小，当模型(2)与模型(3)的系数均通过显著性检验时，判定中介效应成立。该框架通过分步验证“捐赠→媒体关注→股价波动”的传导路径，为慈善捐赠影响股价透明度的内在机制提供实证支持。
(2)
(3)
Table 1. Variable definitions
表1. 变量定义表
变量类型 |
变量名称 |
变量符号 |
变量描述 |
解释变量 |
慈善捐赠水平 |
Dona |
绝对捐赠额的自然对数 |
被解释变量 |
股价波动率 |
VAR-ADJ |
t年公司i的股价回报的方差 |
中介变量 |
媒体关注 |
Media |
以公司被媒体报道的总量 + 2的自然对数 |
控制变量 |
资产负债率 |
Lev |
年末负债总额/年末资产总额 |
账市比 |
BM |
股票i在第t年的净资产账面价值除以当年年末的总市值 |
托宾 |
Tobinq |
上季末公司市值与负债总计之和与公司总资产之比 |
公司规模 |
Size |
股票i在第t年总资产的自然对数 |
总资产报酬率 |
ROA |
股票i在第t年的净利润与总资产的比值 |
净资产收益率 |
Roe |
净利润/股东权益平均余额 |
|
公司年龄 |
Age |
企业成立年度 + 1 |
|
年度 |
Year |
控制 |
|
行业 |
Industey |
控制 |
4. 实证分析
4.1. 描述性统计
表2的描述性统计结果显示：企业的慈善捐赠(Dona)的自然对数均值为9.058，标准差为6.040，最大值为20.65，最小值为0，表明捐赠水平存在较大差异。根据战略慈善理论和资源基础观，资源禀赋优越的大型企业具备更强的财务弹性与品牌建设需求，倾向于将慈善捐赠作为战略工具以提升声誉资本，而中小型企业受限于盈利水平与生存压力，可能仅维持最低程度的捐赠甚至零捐赠。股价波动性(VAR-ADJ)的均值为1.132，标准差为1.779，最大值为80.43，表明样本中存在一定程度的股价波动。根据有效市场假说，股价波动是投资者对企业信息反应的综合体现，高波动率企业可能因信息不对称程度较高或面临重大事件冲击，导致市场预期分歧较大；而低波动率企业往往具备更稳定的现金流与透明的信息披露机制。媒体关注度(Media)的均值为5.918，标准差为1.292，最大值为15.08，说明不同公司在媒体关注度上有显著差异。印证了媒体监督的“注意力资源”在企业间的非均衡分布。
Table 2. Descriptive statistics
表2. 描述性统计
|
(1) |
(2) |
(3) |
(4) |
变量 |
mean |
sd |
min |
max |
Dona |
9.058 |
6.040 |
0 |
20.65 |
VAR-ADJ |
1.132 |
1.779 |
0.168 |
80.43 |
Media |
5.918 |
1.292 |
1.946 |
15.08 |
Size |
22.41 |
1.349 |
18.27 |
28.52 |
Lev |
0.473 |
0.199 |
0.00708 |
1.290 |
ROE |
0.0803 |
0.125 |
−4.857 |
1.135 |
ROA |
0.0440 |
0.0569 |
−0.710 |
0.477 |
BM |
1.172 |
1.249 |
0.0301 |
18.35 |
AGE |
2.829 |
0.352 |
0.693 |
3.714 |
Tobinq |
1.995 |
1.450 |
0 |
31.40 |
4.2. 相关性分析
表3展示了各个变量之间的相关性检验结果。分析表明，企业慈善捐赠倾向和慈善捐赠水平与股价波动性在1%的显著性水平下呈负相关关系，即企业慈善捐赠倾向和捐赠水平越高，股价波动性越小。这表明企业的慈善行为可能在一定程度上通过提升企业声誉、稳定投资者预期，从而降低股价的波动性，初步支持研究假设。
总的来说，各解释变量也存在相关性，相关系数绝对值均在0.4以下，相关系数较低，初步判断各变量之间并不存在严重的多重共线性问题。后文会采用VIF检验进一步分析多重共线性问题。
Table 3. Correlation analysis
表3. 相关性分析
变量 |
VAR-ADJ |
Dona |
Size |
Lev |
ROE |
ROA |
BM |
AGE |
Tobinq |
VAR-ADJ |
1 |
|
|
|
|
|
|
|
|
Dona |
0.046*** |
1 |
|
|
|
|
|
|
|
Size |
0.106*** |
0.273*** |
1 |
|
|
|
|
|
|
Lev |
0.020** |
0.113*** |
0.484*** |
1 |
|
|
|
|
|
ROE |
0.022** |
0.105*** |
0.090*** |
0.109*** |
1 |
|
|
|
|
ROA |
0.020** |
0.096*** |
0.035*** |
0.366*** |
0.805*** |
1 |
|
|
|
BM |
0.105*** |
0.117*** |
0.626*** |
0.555*** |
0.098*** |
0.249*** |
1 |
|
|
AGE |
0.024*** |
0.0110 |
0.178*** |
0.168*** |
0.075*** |
0.142*** |
0.164*** |
1 |
|
Tobinq |
0.098*** |
0.114*** |
0.406*** |
0.342*** |
0.099*** |
0.230*** |
0.404*** |
0.051*** |
1 |
此外，经过多重共线性检验后(见表4)，VIF值均小于4，最大值为3.82，这一数值远低于通常设定的阈值10。这一结果进一步证实了变量间多重共线的风险极低，为后续研究消除了潜在疑虑。
Table 4. Multicollinearity test
表4. 多重共线性检验
变量 |
VIF |
1/VIF |
Dona |
1.10 |
0.91 |
Media |
1.01 |
0.99 |
ROA |
3.82 |
0.26 |
ROE |
3.21 |
0.31 |
Size |
2.05 |
0.49 |
BM |
2.00 |
0.50 |
Lev |
1.84 |
0.54 |
Tobinq |
1.31 |
0.76 |
AGE |
1.06 |
0.94 |
Mean VIF |
1.93 |
4.3. 回归结果及分析
回归结果详见表5。回归模型(1)显示，企业慈善捐赠水平(Dona)与股价波动性(VAR-ADJ)呈显著负相关(系数−0.005，t = −2.00，p < 0.01)，支持假设 H1，即慈善捐赠能抑制股价波动。从信号传递理论看，高捐赠水平是企业释放的积极信号，表明其具备充裕财务弹性与战略平衡能力，可降低投资者对“短视经营”“资源错配”的担忧。这种信号传递有效缓解信息不对称，减少市场对企业未来现金流的不确定性预期，进而抑制股价波动，体现了慈善捐赠作为质量信号对资本市场稳定性的正向作用。
在控制相关变量的情况下，回归模型(2)中探讨了企业慈善捐赠水平(Dona)对媒体关注度(Media)的影响。回归结果表明，慈善捐赠水平与媒体关注度之间也存在显著的正向关系(系数为0.004，t值为2.16，显著性水平为5%)。这一结果说明，企业的慈善捐赠水平越高，媒体对企业的关注度也越高，表明媒体可能通过强调企业的社会责任行为，增加其曝光度与关注度。企业慈善捐赠作为兼具经济属性与社会属性的“双重利好事件”，天然符合媒体内容生产的“新闻价值”标准，从而更容易被纳入媒体议程。因此，慈善捐赠实际上成为企业与媒体之间的“注意力桥梁”这一机制为后续中介效应检验提供了关键理论纽带。
在回归模型(3)中，在控制了相关变量的情况下，考察了慈善捐赠水平(Dona)与媒体关注度(Media)对股价波动性的共同影响。结果显示，三者之间均具有显著的负向影响(系数为−0.022，t值为−1.93，显著性水平为10%)。结合回归模型(2)的结果分析，媒体关注度在慈善捐赠与股价波动性之间发挥了中介作用，即慈善捐赠能够通过提升媒体关注度抑制股价波动性。假设2得到验证。从议程设置理论看，企业慈善捐赠通过提升媒体关注度抑制股价波动的机制体现在两方面：一是媒体作为第三方信息中介，其报道公信力强化了捐赠信号的可信度，相较于企业自我披露，经媒体背书的社会责任信息更易被投资者接受，有效降低信息不对称；二是媒体通过议程设置引导投资者注意力，使高关注度企业的慈善行为成为市场焦点，促使投资者更关注企业社会责任绩效而非短期波动或市场噪声。这种注意力转移减少了信息处理成本，形成更稳定的投资预期，推动股价准确反映企业长期价值，从而抑制非理性波动。
Table 5. Regression analysis
表5. 回归分析
|
(1) |
(2) |
(3) |
变量 |
VAR-ADJ |
Media |
VAR-ADJ |
Dona |
−0.005** |
0.004** |
−0.002** |
|
(−2.00) |
(2.16) |
(−0.67) |
Meida |
|
|
−0.022* |
|
|
|
(−1.93) |
Size |
−0.066*** |
−0.100*** |
−0.123*** |
|
(−4.05) |
(−8.43) |
(−7.57) |
Lev |
0.588*** |
0.197** |
0.503*** |
|
(5.61) |
(2.57) |
(4.97) |
ROE |
0.157 |
0.094 |
0.208 |
(0.71) |
(0.59) |
(1.02) |
ROA |
−1.391*** |
0.315 |
−0.746 |
(−2.64) |
(0.82) |
(−1.51) |
BM |
−0.124*** |
0.001 |
−0.062*** |
(−7.13) |
(0.07) |
(−3.67) |
AGE |
−0.071 |
−0.095*** |
−0.070 |
(−1.57) |
(−2.89) |
(−1.48) |
Tobinq |
0.087*** |
0.011 |
0.039*** |
(7.19) |
(1.19) |
(3.37) |
Constant |
2.597*** |
8.255*** |
3.989*** |
(7.36) |
(32.02) |
(10.37) |
Observations |
13,130 |
13,049 |
13,022 |
Company FE |
YES |
YES |
YES |
Year FE |
YES |
YES |
YES |
R2 |
0.0213 |
0.0101 |
0.08 |
F |
36.66 |
17.72 |
22.89 |
4.4. 内生性检验
为防止可能产生的内生性问题，本文采用倾向得分匹配法(PSM)进一步验证慈善捐赠对企业股价波动的影响。以是否进行慈善捐赠为匹配依据划分实验组和控制组，并通过上文主回归模型中的控制变量与慈善捐赠进行logit回归，估计倾向得分，对所有个体实行1:1最近邻匹配。
由表6可知，匹配后大多数变量的标准化偏差有了大幅降低，且多数变量的标准化偏差小于10%，表明匹配结果较好地平衡了数据。同时，匹配后大多数样本的p值增加且不显著，表明T检验的结果接受了处理组与控制组无系统差异的原假设，即组间的差异并不显著，进一步验证了模型的稳健性。
Table 6. Conditional variable matching quality test
表6. 条件变量匹配质量检验
Variable |
Unmatched |
Mean |
|
%reduct |
t-test |
Matched |
Treated |
Control |
%bias |
|bias| |
t |
p > |t| |
Size |
U |
22.56 |
22.06 |
37.5 |
|
19.43 |
0.000 |
M |
22.55 |
22.56 |
−1 |
97.4 |
−0.65 |
0.514 |
Lev |
U |
0.484 |
0.445 |
19.8 |
|
10.25 |
0.000 |
M |
0.484 |
0.483 |
0.9 |
95.5 |
0.61 |
0.542 |
ROE |
U |
0.0852 |
0.0682 |
14.1 |
|
7.01 |
0.000 |
M |
0.0857 |
0.0806 |
4.2 |
70.5 |
2.98 |
0.003 |
ROA |
U |
0.0462 |
0.0389 |
13.2 |
|
6.60 |
0.000 |
M |
0.0462 |
0.0439 |
4.1 |
68.9 |
2.81 |
0.005 |
BM |
U |
1.229 |
1.031 |
16.2 |
|
8.17 |
0.000 |
M |
1.228 |
1.235 |
−0.6 |
96.5 |
−0.37 |
0.712 |
AGE |
U |
2.825 |
2.836 |
−3.1 |
|
−1.61 |
0.107 |
M |
2.826 |
2.830 |
−1 |
68.1 |
−0.67 |
0.502 |
Tobinq |
U |
1.906 |
2.213 |
−19.6 |
|
−11.00 |
0.000 |
M |
1.907 |
1.836 |
4.6 |
76.8 |
3.93 |
0.000 |
表7反映了参与者平均处理效应的结果，ATT的估计值为−0.11，对应的T值为−3.45，在1%的水平上显著。综上，内生性检验的结果表明，在排除内生性问题后，慈善捐赠与股价波动的负相关关系依旧是显著的。
Table 7. Average treatment effect of PSM
表7. PSM的平均处理效应
变量 |
样本 |
处理组 |
控制组 |
ATT |
标准差 |
T值 |
股价波动性 |
匹配后 |
1.083271 |
1.196876 |
−0.1136 |
0.032903 |
−3.4528*** |
4.5. 稳健性检验
为验证结论可靠性，研究将股价波动性测度替换为基于日个股原始回报的VAR-RAW。表8显示，核心自变量慈善捐赠的系数绝对值从−0.027 (p < 0.05)升至−0.041 (p < 0.01)，显著性提升表明其对股价波动的抑制作用在更宽泛波动定义下依然稳健且强化，契合信号传递理论，原始回报方差包含特质风险与系统性风险，捐赠通过降低特质风险的稳定效应，在未过滤市场噪音的情境下更显著，印证其作为特质风险治理工具的本质。因此慈善捐赠的股价稳定效应具跨指标普遍性，而媒体中介机制受波动成分结构调节。实务启示：资本市场剧烈震荡期需辅以宏观对冲工具，常态下捐赠与媒体声誉管理协同策略更具成本效益。
Table 8. Robustness test
表8. 稳健性检验
|
(4) |
(5) |
变量 |
VAR-ADJ |
VAR-RAW |
Dona |
−0.005** (−1.99) |
−0.010*** (−3.46) |
Media |
−0.019* (−1.69) |
−0.008 (−0.59) |
Size |
−0.068*** |
−0.013 |
|
(−4.39) |
(−0.71) |
Lev |
0.598*** |
0.673*** |
|
(5.96) |
(5.83) |
ROE |
0.159 |
0.178 |
|
(0.76) |
(0.74) |
ROA |
−1.383*** |
−3.008*** |
|
(−2.74) |
(−5.19) |
BM |
−0.124*** |
−0.217*** |
|
(−7.48) |
(−11.39) |
AGE |
−0.071* |
−0.143*** |
|
(−1.66) |
(−2.89) |
Tobinq |
0.088*** |
0.162*** |
|
(7.53) |
(12.13) |
Constant |
2.748*** |
2.293*** |
|
(7.84) |
(5.70) |
Observations |
13,022 |
13,022 |
Company FE |
YES |
YES |
Year FE |
YES |
YES |
R2 |
0.0236 |
0.0403 |
F |
35.98 |
61.83 |
4.6. 异质性检验
根据表9中的回归结果，国有企业与民营企业在慈善捐赠、媒体关注度与股价波动性之间的关系上表现出显著的差异。这些差异可能源于国有企业和民营企业在市场环境、政府干预及公众认知方面的不同，导致它们对相同变量的反应不同。
分组回归结果显示，慈善捐赠与股价波动性的关系存在显著所有制差异：国有企业中，慈善捐赠对股价波动性具有显著抑制作用(系数−0.006，t = −2.04)，这得益于其政府背景赋予的社会责任可信度，捐赠行为被视为提升社会声誉的信号，增强投资者信任并降低市场不确定性；而民营企业的慈善捐赠与股价波动无显著关联(系数−0.006，t = −1.21)，反映出其捐赠动机更偏向市场营销，投资者对其信号解读存在分歧，未形成稳定预期。媒体关注度的影响亦呈现分化特征：国有企业因政府背书和稳定性，媒体关注对股价波动无显著作用(系数−0.006，t = −0.49)；民营企业中，媒体关注度与股价波动性呈弱显著负相关(系数−0.031，t = −1.65)，表明媒体监督对市场竞争压力更大、不确定性更高的民企具有一定的股价稳定效应，但其作用强度受限于信息传播的复杂性。
Table 9. Heterogeneity test
表9. 异质性检验
产权性质 |
国企 |
民营 |
变量 |
VAR-ADJ |
VAR-ADJ |
Dona |
−0.006** |
−0.006 |
(−2.04) |
(−1.21) |
Media |
−0.006 |
−0.031* |
(−0.49) |
(−1.65) |
Size |
−0.036** |
−0.081** |
(−2.25) |
(−2.50) |
Lev |
0.608*** |
0.590*** |
(5.52) |
(3.26) |
ROE |
0.054 |
0.802* |
(0.27) |
(1.65) |
ROA |
−2.079*** |
−2.049** |
(−3.62) |
(−2.08) |
BM |
−0.118*** |
−0.155*** |
(−7.40) |
(−4.08) |
AGE |
0.015 |
−0.099 |
(0.30) |
(−1.40) |
Tobinq |
0.139*** |
0.060*** |
(8.91) |
(3.44) |
Cons |
1.585*** |
3.279*** |
(3.98) |
(4.94) |
Observations |
6,845 |
6,177 |
R2 |
0.044 |
0.015 |
关于模型拟合度，在国有企业的回归模型中，R2为0.044，表明该模型能够解释约4.4%的股价波动性。虽然R2值较低，但考虑到股价波动性受多种因素影响，这一拟合度仍具有一定的意义。而在民营企业的回归模型中，R2值为0.015，进一步表明民营企业的股价波动性更加复杂，受到更多外部因素的影响，因此该模型的解释力较弱。
总体而言，产权性质对回归结果的稳健性产生了重要影响。国有企业的慈善捐赠和媒体关注对股价波动性的影响较为显著，反映出其较强的社会责任感和稳定性；而民营企业的股价波动性则更加容易受到媒体关注和市场舆论的影响，这可能与民营企业的市场竞争压力和相对较低的公众信任度密切相关。产权性质的差异表明，国有企业和民营企业在股价波动性反应上具有不同的机制，这也为企业在制定社会责任战略时提供了不同的参考依据。
5. 讨论与总结
5.1. 研究发现
慈善捐赠作为企业履行社会责任的核心实践，其资本市场效应受到信息传递效率与制度情境的双重塑造。本研究表明，慈善捐赠通过声誉信号机制显著抑制股价波动，但这一过程受到媒体关注的中介传导与产权性质的边界约束，揭示了社会责任行为影响市场稳定的复杂路径。
5.1.1. 信号传递的情境依赖性：慈善捐赠的时变治理效应
慈善捐赠的股价稳定效应具有跨测度指标的稳健性，但其作用强度随波动成分的结构差异而动态变化。当股价波动更多反映企业特质风险时，捐赠行为通过释放财务稳健与战略前瞻性的可信信号，有效对冲投资者的非理性抛售；而当波动由系统性风险主导时，捐赠的治理效应更多体现为声誉资本的长期积累。这一发现突破传统研究对捐赠经济后果的线性认知，证实信号传递效能取决于市场的信息解码焦点，为理解社会责任行为的时变价值提供新视角。
5.1.2. 媒体治理的阈值效应：信息中介的条件有效性
其次，媒体关注在“捐赠–股价”关系中扮演阈值依赖型中介角色。研究揭示，媒体治理存在显著的作用域分化：在企业特质风险情境下，媒体报道通过议程设置放大捐赠的声誉信号，降低信息摩擦引发的定价偏差；但在系统性风险情境下，媒体的信息中介功能受制于宏观噪声干扰，难以有效调节市场共识。这一机制异质性表明，媒体不仅是信息传播渠道，更是市场风险类型的认知建构者，其影响力与波动源的属性存在内生关联。
5.2. 对策与建议
5.2.1. 优化慈善战略设计与信息传递效率
企业需结合自身属性与市场环境，差异化制定慈善捐赠战略并强化信息传递效能。对于民营企业，应聚焦与主营业务关联度高的公益领域，通过第三方认证和新媒体传播提升捐赠行为的可信度与社会认同；国有企业则需注重捐赠与政府政策目标的协同，利用官方媒体背书减少对中介路径的依赖，并通过设立公益基金会实现捐赠常态化，增强市场对其稳定性的预期。同时，所有企业应主动与主流媒体合作，定期披露捐赠进展与成果，利用专题报道、投资者关系平台等渠道补充捐赠动机与资金流向细节，构建动态声誉管理体系，实时监测舆论动向以避免信息解码偏差。
5.2.2. 动态适配市场风险情境与治理工具
在不同市场风险情境下，企业需灵活调整慈善捐赠与媒体策略的组合应用。当企业特质风险凸显时，可加大捐赠力度并同步强化媒体宣传，利用声誉信号对冲短期负面情绪；而在系统性风险主导期，需降低对单一慈善治理路径的依赖，通过优化资产负债结构、增加现金储备等财务手段构建多元化风险对冲组合，同时联合行业联盟或政策倡导提升整体抗风险能力。此外，需关注媒体中介效应的阈值性，在系统性风险中减少对媒体曝光的过度依赖，转而通过长期声誉积累稳定市场预期。