1. 引言
党的十九大报告指出,我国经济发展已从高速增长阶段转向高质量发展阶段,ESG是实现高质量发展的关键驱动力,它通过整合环境、社会和治理因素,促进企业和社会的可持续发展。企业ESG表现是衡量可持续发展能力的关键指标,部分上市公司开始单独编制并发布ESG相关报告。政府作为市场的宏观调控者,要对企业行为进行适当地引导,思考如何使企业在环境、社会责任及公司治理三个方面协同并进,从而发挥促进可持续发展的作用。
ESG概念是2004年联合国全球契约组织在《Who Cares Wins》报告中首次提出,倡导将环境、社会及公司治理问题充分纳入投资决策框架,ESG因素的整合能够提升企业价值和股东权益,更好促进全球可持续发展。ESG理念强调企业经济活动与环境、社会间的协同发展,更多关注于非传统财务绩效,是一种评估企业在可持续发展方面表现的框架。随着全球对可持续发展和社会责任的重视,ESG引起政府以及社会各投资者的关注,学术界也掀起了对ESG的研究热潮。关于企业ESG表现的研究可以分为两部分。一方面是经济后果,周莹(2023)研究发现ESG可以显著提高流通企业的绿色创新水平[1]。周立等(2024)研究发现ESG表现能够通过提升融资效率提升企业价值[2]。饶静等(2024)指出良好的ESG表现能通过降低信息不对称和提高投资者信心来降低股价崩盘风险[3]。另一方面是ESG表现的影响因素,Xin Guo等(2025)指出数字化转型能显著提升企业ESG表现[4]。石越等(2024)发现独立董事海外留学背景同样可以提升企业ESG表现[5]。翟胜宝等(2022)指出媒体关注也会影响企业ESG表现[6]。然而,从政府层面考虑ESG表现的影响因素较少。
政府引导基金是地方政府为促进区域经济增长,与社会资本合作或独立出资,通过政府的股权投资和其他行为向市场传递信号,引导社会资本投向政府鼓励的特定行业和区域,以实现政府政策目标的一种金融投资工具。近些年社会各方对ESG如此重视,政府引导基金作为宏观调控手段,其对ESG表现影响的研究是有必要的,现有研究集中于政府引导基金分别对ESG表现的某一方面的影响。在环境方面,姜彩楼等(2023)发现政府引导基金能够促进清洁技术企业创新[7]。在社会方面,孟祥瑜等(2024)研究发现政府引导基金能够缩小被投资企业内部薪酬差距[8]。在公司治理方面,项后军等(2024)指出政府引导基金显著提升了大企业的风险承担水平[9]。然而,现有文献政府引导基金对ESG表现整体的影响研究较少。
鉴于此,选取2010~2023年沪深A股上市公司数据,探讨政府引导基金对企业ESG表现的影响,并进行实证检验,在此基础上深入研究研发投入在政府引导基金与企业ESG表现之间的中介效应。本文的边际贡献在于:(1) 扩充了企业ESG表现的影响因素,从政府角度出发,将政府引导基金与ESG表现联系起来。(2) 研发投入作为中介变量,完善政府引导基金对ESG表现的作用机制研究。
2. 理论分析与研究假设
2.1. 政府引导基金与ESG表现
本市场失灵理论认为,在完全竞争市场中,价格机制可以有效地配置资源。然而,在现实经济中,市场机制可能无法实现资源的最优配置导致市场失灵,这就需要政府发挥“有形的手”进行调控。市场失灵理论为政府引导基金的介入提供了合法性基础:环境领域的负外部性与正外部性失衡,导致企业环境责任履行不足,而政府引导基金通过定向投资清洁能源产业,以“政策补贴 + 风险共担”机制纠正市场资源错配;社会责任领域存在“搭便车”现象,企业对员工培训、社区发展的投入缺乏市场激励,基金通过杠杆效应撬动社会资本流向公益创投,推动利益相关者需求平衡;公司治理中的信息不对称问题,使中小投资者难以约束管理层短视行为,基金作为机构投资者介入企业决策强化治理监督。
综上,提出假设H1:政府引导基金能够提升企业ESG表现。
2.2. 研发投入在政府引导基金与ESG表现之间的中介作用
利益相关者理论与资源基础理论形成互补:前者要求企业在政府、股东、员工、社区等多元主体间寻求平衡,基金通过投资标准嵌入ESG要求,将公共政策目标转化为企业行为约束;后者强调基金不仅提供资金资源,更通过链接产学研网络提升企业创新资源整合能力。信号传递理论则揭示了基金的“政策背书”效应——政府投资行为向市场传递企业ESG潜力的积极信号,降低绿色债券融资成本,同时企业通过提升研发投入强化信号可信度。
综上,提出假设H2:政府引导基金能够提升研发投入,从而提高企业ESG表现。
Figure 1. Diagram of the theoretical framework
图1. 理论框架图
理论框架图见图1,该框架将四大理论有机串联:市场失灵理论解释政府干预的必要性,利益相关者理论界定ESG目标的多元性,资源基础理论阐明研发投入的能力构建机制,信号传递理论揭示政策效果的市场放大效应,最终形成对H1与H2的系统性支撑。
3. 研究设计
3.1. 数据来源
选取2010~2023年沪深A股上市公司作为研究样本。同时,为了确保数据的可靠性以及实证结果的准确性,对样本进行如下处理:① 剔除ST和*ST的样本;② 剔除金融业的样本;③ 剔除各变量数据缺失的样本。最后为了避免极端值的干扰,对全部样本的连续变量进行上下1%的缩尾处理。最终得到的回归样本为25,770个样本观测值。
3.1.1. 被解释变量
企业ESG表现。目前有许多ESG评价体系,华政ESG评级覆盖更广泛的上市公司,数据公开且易于获取,同时结合了国内市场特点和政策导向,为研究提供了科学、客观的数据支持。参考张晨等(2023)本文选用华证ESG评级,并进行综合得分(百分制)来衡量企业ESG表现[10]。
3.1.2. 解释变量
政府引导基金。现有研究参考程聪慧等(2018)将其设为“当年是否获得引导基金投资”的虚拟变量,当年有引导基金支持时取值为1,否则为0 [11]。
3.1.3. 中介变量
研发投入。现有研究企业创新的文献中,测量企业创新的指标主要有如下几类:专利数量和研发费用类。其中,专利数量在国内外文献中使用的最为广泛,研发费用类指标在国内针对上市公司的研究中也使用非常普遍。参考陈旭东等(2020)选取研发支出与总资产比值来衡量企业的创新,记为RD [12]。
3.1.4. 控制变量
为减少遗漏变量造成的偏差,本文选取相对较全面的企业控制变量。本文参考张慧雪等(2024)和刘彩霞(2024)的相关研究,选取资产负债率、总资产净利润率、营业收入增长率、流动比率、总资产周转率、董事会规模、两职合一和股权集中度作为控制变量[13] [14]。变量具体说明见表1。
Table 1. Variable definition
表1. 变量定义
变量类型 |
变量名称 |
变量符号 |
变量定义 |
被解释变量 |
企业ESG表现 |
ESG |
华证ESG综合指数得分 |
解释变量 |
引导基金 |
ggf |
政府引导基金(当年被投资为1,未被投资为0) |
中介变量 |
研发投入 |
RD |
研发支出与总资产比值 |
控制变量 |
资产负债率 |
Lev |
总负债/总资产 |
总资产净利润率 |
Roa |
净利润/总资产 |
营业收入增长率 |
Growth |
(本期营业收入上 − 期营业收入)/上期营业收入 |
董事会规模 |
Board |
董事会人数 |
两职合一 |
Dual |
董事长与总经理为一人为1,否则为0 |
股权集中度 |
Tenshare |
企业前十大股东持股比例之和 |
流动比率 |
Liquid |
流动资产/流动负债 |
总资产周转率 |
ATO |
营业收入/总资产 |
年份 |
Year |
年份虚拟变量 |
行业 |
Ind |
行业虚拟变量 |
3.2. 模型构建
为验证政府引导基金对企业ESG表现的影响,首先构建基准回归模型(1)如下:
(1)
其中,α0为模型截距项,α1为政府引导基金ggf的回归系数,Controls代表一系列控制变量,ε代表随机误差项。此外,本文还加入了年份和行业虚拟变量。当α1显著为正时,H1得到验证。
为验证H2,构建模型(2)、(3)如下:
(2)
(3)
在模型(1)的基础上,若α1显著为正,则说明政府引导基金与企业ESG表现存在直接效应。为进一步检验二者的机制关系,构建政府引导基金与研发投入的回归模型(2),若β1显著为正,说明研发投入能够提高企业的ESG表现,进而构建模型(3);若γ2显著为正,且系数γ1的数值比α1有所降低,表明政府引导基金能够提高企业研发投入,进而促进企业ESG表现,即H2得到验证。
4. 结果及分析
4.1. 描述性统计
Table 2. Descriptive statistics results
表2. 描述性统计结果
变量 |
样本量 |
平均值 |
标准差 |
最小值 |
中位数 |
最大值 |
ESG |
25770 |
73.18 |
5.237 |
41.19 |
73.38 |
92.93 |
ggf |
25770 |
0.01 |
0.100 |
0 |
0 |
1 |
RD |
25770 |
0.02 |
0.021 |
0 |
0.016 |
0.146 |
Lev |
25770 |
0.442 |
0.202 |
0.027 |
0.437 |
0.908 |
ROA |
25770 |
0.037 |
0.064 |
−0.373 |
0.037 |
0.247 |
Board |
25770 |
2.68 |
1.816 |
1.609 |
2.197 |
12 |
Dual |
25770 |
0.279 |
0.449 |
0 |
0 |
1 |
Tenshare |
25770 |
56.756 |
15.328 |
20.732 |
57.138 |
90.974 |
Growth |
25770 |
0.176 |
0.417 |
−0.658 |
0.111 |
4.124 |
Liquid |
25770 |
2.283 |
2.447 |
0.268 |
1.581 |
35.501 |
ATO |
25770 |
0.595 |
0.464 |
0 |
0.512 |
3.087 |
主要变量的描述性统计结果见表2。在ESG表现方面,均值为73.18,中位数为73.38,表明上市公司的ESG整体表现较好,且分布较为对称。标准差为5.237,说明不同企业之间的ESG表现存在一定差异,但波动范围相对可控。政府引导基金的均值为0.01,中位数为0,表明样本中仅有少数企业获得了政府引导基金的支持,这与我国政府引导基金逐步推广但覆盖范围仍有限的现实相符。研发投入的均值为0.02,标准差为0.021,显示企业研发投入整体偏低,企业间的研发投入差异较大。除此之外,样本公司的资产负债率、总资产净利润率、营业收入增长率、流动比率、总资产周转率、董事会规模、两职合一以及股权集中度之间虽然存在一定的差异,但较为合理。
4.2. 相关性分析
主要变量的相关系数矩阵见表3。结果显示,政府引导基金与企业ESG表现的相关系数为0.029,且在1%的水平上显著,初步验证了假设H1,表明政府引导基金可能对企业ESG表现具有促进作用。政府引导基金与研发投入的相关系数为0.0407,研发投入与ESG的相关系数为0.100,都在1%的水平上显著,这为假设H2的验证提供了支持。除此之外,解释变量、被解释变量、中介变量与各个控制变量的相关系数基本上都在1%的水平上显著,各变量的相关系数的绝对值基本上都小于0.5,可以排除多重共线性问题。
Table 3. Correlation analysis results
表3. 相关性分析结果
Variables |
ESG |
ggf |
RD |
Lev |
ROA |
Board |
Dual |
Tenshare |
Growth |
Liquid |
ATO |
ESG |
1.000 |
|
|
|
|
|
|
|
|
|
|
ggf |
0.029*** |
1.000 |
|
|
|
|
|
|
|
|
|
RD |
0.100*** |
0.0407*** |
1.000 |
|
|
|
|
|
|
|
|
Lev |
−0.063*** |
−0.0015 |
−0.262*** |
1.000 |
|
|
|
|
|
|
|
ROA |
0.211*** |
0.0211*** |
0.085*** |
−0.336*** |
1.000 |
|
|
|
|
|
|
Board |
0.097*** |
0.0053 |
0.078*** |
0.022*** |
−0.056*** |
1.000 |
|
|
|
|
|
Dual |
−0.030*** |
0.0044 |
0.148*** |
−0.116*** |
0.010 |
0.010 |
1.000 |
|
|
|
|
Tenshare |
0.123*** |
−0.00116 |
−0.059*** |
−0.057*** |
0.226*** |
−0.049*** |
0.002 |
1.000 |
|
|
|
Growth |
−0.016*** |
0.037*** |
−0.002 |
0.022*** |
0.258*** |
−0.079*** |
0.022*** |
0.108*** |
1.000 |
|
|
Liquid |
0.056*** |
0.0005 |
0.153*** |
−0.608*** |
0.197*** |
−0.017*** |
0.0999*** |
0.086*** |
−0.033*** |
1.000 |
|
ATO |
−0.00384 |
−0.0002 |
0.00558 |
0.133*** |
0.186*** |
−0.377*** |
−0.048*** |
0.0817*** |
0.174*** |
−0.133*** |
1.000 |
注:***表示p < 0.01,**表示p < 0.05,*表示p < 0.1。
4.3. 回归结果
Table 4. Regression results of government guidance funds and enterprise ESG performance
表4. 政府引导基金与企业ESG表现的回归结果
|
(1) |
(2) |
(3) |
(4) |
ESG |
ESG |
ESG |
ESG |
ggf |
1.519*** |
|
1.402*** |
1.165*** |
(0.295) |
|
(0.289) |
(0.288) |
Lev |
|
0.681*** |
0.678*** |
0.485** |
|
(0.220) |
(0.220) |
(0.220) |
ROA |
|
17.955*** |
17.919*** |
18.771*** |
|
(0.654) |
(0.654) |
(0.653) |
Board |
|
0.311*** |
0.311*** |
0.201*** |
|
(0.016) |
(0.016) |
(0.055) |
Dual |
|
−0.360*** |
−0.361*** |
−0.424*** |
|
(0.070) |
(0.070) |
(0.070) |
Tenshare |
|
0.029*** |
0.029*** |
0.029*** |
|
(0.002) |
(0.002) |
(0.002) |
Growth |
|
−0.912*** |
−0.924*** |
−0.894*** |
|
(0.082) |
(0.082) |
(0.082) |
Liquid |
|
0.050*** |
0.050*** |
0.048*** |
|
(0.016) |
(0.016) |
(0.015) |
ATO |
|
−0.004 |
−0.002 |
0.156** |
|
(0.077) |
(0.077) |
(0.078) |
Industry FE |
No |
No |
No |
Yes |
Year FE |
No |
No |
No |
Yes |
Observations |
25770 |
25770 |
25770 |
25770 |
r2 |
0.001 |
0.069 |
0.070 |
0.086 |
注:***p < 0.01, **p < 0.05, *p < 0.1,括号内为t值,表5同。
政府引导基金对企业ESG表现影响的多元回归分析结果见表4。为控制异方差问题,本研究采用稳健标准误进行估计。具体来看,列(1)仅包含核心解释变量政府引导基金,其系数为1.519,且在1%的显著性水平上显著,表明政府引导基金对ESG表现具有正向作用。列(2)仅引入控制变量,结果显示各控制变量对企业ESG表现的影响均显著,为后续分析奠定了基础。列(3)同时加入政府引导基金和控制变量后,政府引导基金的系数为1.402,仍保持1%的显著性水平,进一步支持了政府引导基金的促进作用。列(4)在模型中加入行业和年份固定效应后,政府引导基金的系数虽略有下降至1.165,但依然在1%的水平上显著为正。这一系列结果充分说明,政府引导基金能够有效提升企业的ESG表现,从而验证了假设H1的成立。
4.4. 中介效应分析
Table 5. Mediating effect of R&D investment
表5. 研发投入的中介效应
|
(1) |
(2) |
(3) |
RD |
ESG |
ESG |
ggf |
0.004*** |
|
1.080*** |
(0.001) |
|
(0.287) |
Lev |
−0.025*** |
1.006*** |
0.998*** |
(0.001) |
(0.223) |
(0.223) |
ROA |
0.007*** |
18.658*** |
18.624*** |
(0.003) |
(0.648) |
(0.648) |
Board |
−0.002*** |
0.236*** |
0.231*** |
(0.000) |
(0.054) |
(0.054) |
Dual |
0.004*** |
−0.513*** |
−0.512*** |
(0.000) |
(0.070) |
(0.070) |
Tenshare |
−0.000*** |
0.031*** |
0.031*** |
(0.000) |
(0.002) |
(0.002) |
Growth |
0.001*** |
−0.905*** |
−0.915*** |
(0.000) |
(0.082) |
(0.082) |
Liquid |
0.000*** |
0.043*** |
0.042*** |
(0.000) |
(0.015) |
(0.015) |
ATO |
0.005*** |
0.048 |
0.050 |
(0.000) |
(0.078) |
(0.078) |
RD |
|
20.527*** |
20.408*** |
|
(1.560) |
(1.559) |
Industry FE |
Yes |
Yes |
Yes |
Year FE |
Yes |
Yes |
Yes |
Observations |
25770 |
25770 |
25770 |
r2 |
0.167 |
0.091 |
0.091 |
研发投入在政府引导基金与企业ESG表现之间的中介效应检验结果见表5。列(1)显示,政府引导基金对研发投入的系数为0.004,在1%的水平上显著,表明政府引导基金能够提高企业研发投入。列(2)中,研发投入对企业ESG表现的回归系数达到20.527,且在1%的水平上显著,说明研发投入的提高确实有助于改善企业ESG表现。列(3)同时引入政府引导基金和研发投入后,政府引导基金的系数降至1.080 (仍保持1%的显著性),而研发投入的系数为20.408 (1%水平显著),表明研发投入在政府引导基金影响ESG表现的过程中发挥了中介作用。这一结果验证了本文的研究假设H2,即政府引导基金不仅直接促进企业ESG表现,还通过激励企业加大研发投入这一路径产生积极影响。
4.5. 稳健性检验
为验证结论的可靠性,本文分别采用不同分位数下回归及不同ESG评级回归进行稳健性检验。首先,分别对25%、50%和75%分位数的ESG表现进行估计,ESG表现的回归系数与显著性未发生明显变化。其次,采用其他ESG评级进行回归,得到的结果与之前的实证结果表现一致,这表明本文的研究结论具有较好的稳健性。
5. 结论与建议
5.1. 研究结论
本文基于2010~2023年沪深A股上市公司的数据,采用多元回归分析和中介效应检验等方法,系统考察了政府引导基金对企业ESG表现的影响及作用路径。得出以下重要结论:① 政府引导基金对企业ESG表现具有显著的促进作用。这一发现验证了市场失灵理论和利益相关者理论的基本观点,说明政府通过引导基金这一市场化工具进行适度干预,能够有效弥补企业在可持续发展领域的投资不足。② 研发投入在政府引导基金影响企业ESG表现的过程中发挥重要的中介作用。政府引导基金通过增加企业研发投入间接提升了ESG表现,这一发现支持了资源基础理论和信号传递理论,说明政府引导基金不仅直接提供资金支持,更重要的是通过促进企业研发投入,增强其在可持续发展领域的核心竞争力。
5.2. 政策建议
基于上述研究发现,本文从政府、企业和社会三个层面提出以下的政策建议。
第一,在政府层面上,首先,完善政府引导基金的顶层设计,建议财政部门同发展改革部门制定专门的ESG投资指引,明确将环境效益、社会责任和治理水平纳入基金投资决策的评估体系。可以借鉴国际经验,建立ESG投资负面清单制度,对高污染、高耗能行业实施投资限制。其次,政府引导基金可以通过促进研发投入提升企业ESG,因此政府可以投资创新意愿强烈的企业,激励企业利用政府引导基金增加研发投入,有利于提升企业ESG表现。同时,要完善绩效考核机制,将ESG指标的改善情况作为后续资金拨付的重要依据。此外,联合证监会完善ESG信息披露标准,建立统一的信息披露平台。可以考虑分阶段推进强制性披露,率先要求上市公司和重点排污企业披露ESG信息,再逐步推广至全部企业。
第二,在企业层面上,首先,企业董事会应将ESG纳入长期发展战略,建议每年发布ESG专项报告,主动披露在环境保护、社会责任和公司治理方面的实践和成效。其次,企业可以与科研机构合作建立绿色技术研发中心,积极探索绿色资产证券化等创新金融工具,拓宽ESG项目融资渠道。另外,企业将ESG指标纳入高管薪酬考核并加强员工ESG培训,培养可持续发展文化。
第三,在社会层面上,首先,培育ESG投资生态。引导养老基金、保险资金等长期资本增加ESG资产配置,形成市场化约束机制。其次,强化社会监督。发挥媒体、环保组织等社会力量的监督作用,建立ESG表现评价机制,设立“红黑榜”,定期公布优秀与违规企业名单,以舆论监督推动企业履行ESG责任。最后,深化理论研究。支持高校和科研机构开展ESG相关研究,重点攻关ESG价值评估、影响机制等关键问题,并搭建产学研合作平台,促进研究成果应用。