-
随着全球环境问题日益严峻,越来越多的国家将环境保护上升为国家战略。习近平主席在第75届联合国大会期间提出中国努力争取在2060年前实现“碳中和”这一宏伟目标①,无疑表明了中国作为全球碳排放和能源消费主体之一的大国担当,也进一步坚定了加大节能减排力度、提高绿色发展质量的决心。但由于企业以追求利润最大化为目标,既想环保成本处在低水平,又想响应国家号召,在公众面前树立良好的环保形象进而为企业带来丰厚利润,因此很多企业在一定程度上会采取“伪环保”的经营行为。2009年,《南方周末》将“漂绿”一词首次引入中国,观察其公布的“中国漂绿榜”可以发现许多知名企业均榜上有名,这不禁引起社会各界对企业漂绿行为的广泛关注。结合目前实现“碳中和”目标的迫切性,如何预防和管控“伪环保”的漂绿行为成为政府和企业亟待解决的重要问题。
企业内外部治理作为管控企业不良行为的重要手段,当不良行为被曝光后,在窗口期内企业可能会选择从外部入手直接解决不良行为[1],也可能会调整内部治理机制,以达到在后期自主预防企业不良行为的冲击[2]。因此,从企业内外部治理要素入手,是探究企业漂绿行为治理机制的重要前提,本文以外部媒体曝光为起点,企业漂绿行为为终点,并将内部治理细分为高管特征和内部监督两个视角,分析媒体报道影响企业漂绿行为的作用机制与影响路径。该机制与路径的构建,一方面可以为提高企业内部治理的独立性、客观性和规范性提供理论支撑;另一方面也可以帮助企业的利益相关者厘清现有漂绿行为治理机制的不足,有利于监管部门制定未来优化治理政策,引导企业实现可持续发展。
-
《南方周末》公布的《2016中国漂绿榜》显示企业的漂绿行为已经不再局限于重污染企业。综上所述,本文的研究对象为沪深A股2014—2018年连续5年发布社会责任报告的上市公司。漂绿指数的数据来源于MQI关键定量指标数据库,媒体报道的原始数据来源于慧科新闻数据库,余下数据来源于CSMAR数据库和企业年报。借鉴已有研究,本文采取以下标准对样本进行了筛选和处理:(1)剔除异常以及观测期间内存在ST的数据;(2)剔除金融行业数据;(3)剔除关键指标缺失严重的数据;(4)媒体数据相对杂乱,对初始数据进行手工识别和筛选;(5)为了消除极端值对于研究结果的影响,本文对于连续变量在1%和99%的水平上进行了Winsorize处理。最终确定441家上市公司的2 205个观测值。
-
1. 被解释变量:漂绿指数
漂绿行为在牛津词典中被定义为企业虚假和美化与环境污染有关的行为,以期在利益相关者面前树立良好的环保形象。研究表明,漂绿行为往往在环境披露的过程中属于象征性行为,但是对单一非漂绿行为进行计量时,往往具有象征性与实质性两种特征,其中象征行为中仅有定性描述,实质性行为中必有定量描述[3]。因此,本文参考蔡春等[6]研究中的环境信息披露指数(EDI),将环境行为分为环保投资支出或借款、环保拨款补助或减免奖励收入、污染物种类及数量排放达标情况、执行所通过的认证情况、环保措施与改善情况、政策影响、环境管理目标及其他与环境有关的收入与支出项目8个部分,同时参考缑倩雯等[4]、潘安娥等[2]的做法,区分象征性行为和实质性行为对漂绿行为进行综合打分,最终构建漂绿指数如下所示
$$ {\text{GW}} = \frac{{\displaystyle\sum \nolimits_{i = 1}^8 {X_i}}}{{ \displaystyle\sum \nolimits_{i = 1}^8 {Y_i} + 1}} $$ (1) 其中,
$ {X_i} $ 表示8项行为中的象征性行为,若有,记为1;若没有,记为0。$ {Y_i} $ 表示8项行为中的实质性行为,若有,记为1;若没有,记为0。GW越大则表示漂绿程度越高,企业环保行为中象征性行为较多。2. 解释变量:媒体报道
本文借鉴Pratima和Iain[39]研究中论证的J−F系数衡量媒体报道的监督效果。当J−F系数越靠近−1时,表示企业面临的负面报道较多,媒体监督压力大;当J−F系数越靠近1时,表示企业面临的正面报道较多,媒体监督压力较小。其具体计算公式如下
$$ J-F=\left\{\begin{aligned} \dfrac{({p}^{2}-pn)}{{s}^{2}}\quad\quad{\text{if}} \;\; p > n\\ \quad \; 0 \quad \;\; \quad\quad{\text{if}} \;\; p=n \\ \dfrac{(pn-{p}^{2})}{{s}^{2}}\quad\quad {\text{if}}\;\;p < n\end{aligned}\right. $$ (2) 其中,
$ p $ 表示正面报道的篇数;$ n $ 表示负面报道的篇数;$ s $ 表示正、负面报道篇数之和。在数据收集过程中,本文在慧科新闻媒体数据库中设置公司代码、年份、关键词(污染、环保、环境等)等筛选条件找到原文,进行人工判别。同时本文发现只要进行报道,无论正面、中性还是负面报道对企业都具有宣传作用,因此将原始数据中的中性报道归类为正面报道。3. 中介变量:高管特征和内部监督
针对高管特征变量,本文借鉴白重恩等[40]、方红星等[41]研究中对于公司治理进行全面描述的做法,选择高管团队成员的性别、年龄、教育背景、工作年限、是否领取薪酬、年末持股比例、是否兼职共7个指标进行主成分分析,最终得到两个主成分并通过了KMO和Bartlett球度检验,计量高管特征(TMT)。
针对内部监督变量,本文借鉴白重恩等[40]、方红星等[41]、潘安娥等[2]研究中对于公司治理进行全面描述的做法,选择第一大股东持股比、第二到第五大股东持股比、独立董事比例、机构投资者比例、董事长与总经理是否兼任、董事会规模、监事会规模、董事会次数、监事会次数共9个指标进行主成分分析,最终得到四个主成分并通过了KMO和Bartlett球度检验,计量内部监督程度(Sup)。
-
针对假设1和假设2,本文构建的实证模型如下
$$ {\text{G{W}}_{i,t}} = {\alpha _0} + {\alpha _1}{\text{Medi{a}}_{i,t - 1}} + \sum {\text{Control{s}}_{i,t - 1}} + \sum {\text{Year}} + {\varepsilon _1} $$ (3) $$ {\text{G{W}}_{i,t}} = {\beta _0} + {\beta _1}{\text{TM{T}}_{i,t - 1}} + \sum {\text{Control{s}}_{i,t - 1}} + \sum {\text{Year}} + {\varepsilon _2} $$ (4) $$ {\text{G{W}}_{i,t}} = {\gamma _0} + {\gamma _1}{\text{Su{p}}_{i,t - 1}} + \sum {\text{Control{s}}_{i,t - 1}} + \sum {\text{Year}} + {\varepsilon _3} $$ (5) 其中,被解释变量GW在构建的漂绿指数基础上进行标准化处理,本文在借鉴潘安娥等[2]和缑倩雯等[3]研究的基础上还控制了以下可能会影响漂绿行为的因素:企业偿债能力(Icr)、企业发展能力(Growth)、企业盈利能力(Roat)、企业规模(Size)、企业年龄(Age)、时间(Year)。由于外部压力对企业漂绿行为存在滞后影响,所以除被解释变量GW和时间变量Year外的其他变量均采用滞后一期的数据。
针对假设3、假设4,本文借鉴Preacher等[42]提出的Bootstrap方法对高管特征和内部监督的中介效应进行检验。尽管他们指出Bootstrap方法仅用于证明中介路径的存在与否而不需要证明其直接效用,但是为了保证论文的完整性,本文仍然对其进行了多元线性回归的检验。本文使用Bootstrap方法对样本进行了5 000次的反复抽取,同时将置信区间设置为95%,按照现有研究的经验,当间接效应的置信区间不含0,则中介效应显著。当直接效应的置信区间内含0,则中介变量为唯一中介变量;若不含0,则还存在其他中介变量。同时,当直接效应和间接效应相反时表明中介变量对直接效用存在遮掩。具体变量定义如表1所示。
表 1变量定义与描述
变量类型 变量名称 变量符号 变量定义及说明 解释变量 媒体报道 Media J−F系数 被解释变量 漂绿行为 GW 象征性行为与实质性行为构成的漂绿指数 中介变量 高管特征 TMT 选取7个指标进行主成分分析法得出 内部监督 Sup 选取9个指标进行主成分分析法得出 控制变量 企业偿债能力 Icr 企业期末总负债/总资产 企业发展能力 Growth (年末营收−年初营收)/年初营收 企业盈利能力 Roat 净利润/年初年末平均总资产 企业规模 Size 年末总资产的自然对数 企业年龄 Age 企业年龄的自然对数 时间 Year 选取2014—2018年,共5个年度虚拟变量 -
本文所涉及主要变量的描述性统计如表2所示,由于关键指标多为标准化后的变量,因此采用四分位上下限以及中位数来判断变量的差异,GW的均值为0.297,四分位上下限分别为0.438和0.1,表明不同企业之间的漂绿程度存在较大的差异。Media的均值为−0.009,四分位上下限分别为1和−1,表明媒体报道对企业产生的压力具有较大的差异。TMT和Sup的四分位上下限存在正负差别,表明不同企业之间的内部治理水平存在较大的差异。其余变量的取值均在正常范围内,不存在极端值。
表 2关键指标描述性统计分析
变量 N 均值 标准差 四分位下限 中位数 四分位上限 GW 2 205 0.297 0.298 0.100 0.156 0.438 Media 2 205 −0.009 0.836 −1.000 0.000 1.000 TMT 2 205 −0.001 0.992 −0.732 −0.168 0.537 Sup 2 205 0.003 0.446 −0.349 −0.024 0.309 Icr 2 205 1.790 1.880 1.010 1.160 1.640 Growth 2 205 0.156 0.351 −0.018 0.102 0.246 Roat 2 205 0.048 0.060 0.012 0.037 0.076 Size 2 205 22.600 1.330 21.600 22.300 23.400 Age 2 205 2.860 0.281 2.710 2.890 3.090 -
本文对变量进行了Pearson检验,关键变量相关性分析检验结果如表3所示。同时为了排除变量之间多重共线性对模型回归的影响,本文对关键变量进行了膨胀因子和容忍程度检验,所有的方差膨胀因子均小于10,说明关键变量间不存在多重共线性问题,不影响后续的回归检验。
表 3关键指标相关性分析
变量 GW Media TMT Sup Icr Growth Roat Size Age GW 1.000 Media −0.303*** 1.000 TMT −0.239*** 0.228*** 1.000 Sup −0.264*** 0.440*** 0.488*** 1.000 Icr −0.096*** 0.052** 0.108*** 0.081*** 1.000 Growth 0.023 −0.055*** −0.089*** −0.093*** −0.113*** 1.000 Roat 0.089*** −0.018 −0.116*** −0.035* −0.358*** 0.207*** 1.000 Size −0.416*** 0.317*** 0.484*** 0.535*** 0.166*** −0.063*** −0.050** 1.000 Age −0.136*** 0.095*** 0.099*** 0.047** 0.016 −0.018 −0.055** 0.105*** 1.000 注:***表示在1%的水平下显著,**表示在5%的水平下显著,*表示在10%的水平下显著。 -
表4报告了对假设1、假设2进行检验的结果,从表4可以看出,Media滞后一期的回归系数为0.023,且在1%的水平上显著,表明关于企业漂绿行为的报道越多,企业面临的媒体监督压力越大,致使一段时间内的漂绿行为有所减少,由此假设1初步得证,同时也说明媒体对于不良事件的报道对企业产生的冲击存在一定的“滞后”效应,为企业应对不良事件曝光带来的负面影响提供了“窗口期”。高管特征和内部监督滞后一期的回归系数分别为−0.026和−0.070,且均在1%的水平上显著,表明企业高管团队的优化以及内部监督的加强会在一定程度上抑制企业的漂绿行为,由此假设2初步得证。同时高管特征和内部监督对于企业漂绿行为的影响存在一定的“滞后”效应,一般而言,内部治理水平的变动不会马上对企业的生产经营活动产生影响[43],因此,企业可以反复调整内部治理的结构,以达到最佳的治理效果。
表 4媒体报道、高管特征和内部监督对漂绿行为直接影响的回归结果
变量 (1) (2) (3) 漂绿行为 GW GW GW Mediat−1 0.023*** — — (3.03) TMTt−1 — −0.026*** — −4.15) Supt−1 — — −0.070*** (−4.79) Icrt−1 −0.009*** −0.009*** −0.009*** (−3.69) (−3.75) (−3.79) Growtht−1 0.041* 0.036* 0.034 (1.92) (1.71) (1.60) Roatt−1 0.207* 0.166 0.195 (1.72) (1.35) (1.63) Sizet−1 −0.085*** −0.071*** −0.068*** (−18.69) (−15.03) (−13.84) Aget−1 0.032 0.040** 0.034* (1.61) (1.98) (1.69) Constant 2.153*** 1.820*** 1.771*** (19.29) (15.48) (15.30) Year 控制 控制 控制 N 1764 1764 1764 R2 0.236 0.239 0.241 F值 64.44 65.17 65.37 注:***表示在1%的水平下显著,**表示在5%的水平下显著,*表示在10%的水平下显著,括号内数字为t值。 表5为对假设3、假设4进行检验的结果。结果表明在媒体报道对企业漂绿行为的影响中,高管特征中介作用95%的置信区间为[−0.004 4,−0.000 9],不含0,说明高管特征的中介效应显著;内部监督中介作用95%的置信区间为[−0.017 4,−0.007 5],不含0,说明内部监督的中介效应显著。但是,通过比较高管特征和内部监督作为中介变量时,其直接作用和间接作用的影响系数可以发现其系数值的符号相反,得出高管特征和内部监督作为中介削弱了原有媒体报道对漂绿行为直接影响效用这一结论,这可能是由于高管特征的主观性较强,在特定的情况下治理成本大于可能的损失成本时,其不会通过改善自身来实现企业内部治理的优化,而是通过削弱外部事件的冲击遮掩其影响效用,减少损失成本。同时,内部监督作为公司治理的重要一环,根本目标是企业自身利益的最大化。当外部不良事件的曝光损害企业自身利益时,经营者倾向于选择通过内部治理手段降低不良事件的冲击[44]。基于此,本文推断出企业的漂绿行为被媒体曝光之后,企业内部治理机制会先一步采取措施对漂绿事件进行处理,通过调整高管团队结构和内部监督水平,将外部不良报道对企业造成的不良影响降到最低,对外部媒体治理产生“遮掩效应”,由此假设3b和4b初步得证。除此之外,由于企业的外部压力和内部治理对企业不良行为的影响存在一定的“滞后”效应,为企业调整内部治理水平以“遮掩”外部事件的冲击提供了机会,也增加了利益相关者发现这一“遮掩效应”的难度。
表 5高管特征与内部监督在媒体报道治理企业漂绿行为之间的中介作用
中介路径 间接作用 直接作用 Effect 95%置信区间 Effect 95%置信区间 BootLLCI BootULCI LLCI ULCI Media→TMT→GW −0.002 2 −0.004 4 −0.000 9 0.017 3 0.002 6 0.031 9 Media→Sup→GW −0.012 3 −0.017 4 −0.007 5 0.027 3 0.011 9 0.042 7 -
本文研究可能存在样本的选择偏误问题,由于企业对于媒体报道的反应程度存在不同,往往会重视纸媒或者影响力较大的媒体的报道,且媒体在选择报道事件本身就存在内生性问题,为缓解这类内生性问题,本文采用倾向得分匹配法加以检验。借鉴张萍[45]的研究对媒体报道原始数据进行处理,将是否有负面报道设置虚拟变量,有为1,没有则为0。借鉴虞义华等[46]的研究思路,通过平衡性检验表明,有无负面报道的特征性差异得到较大程度的消除,同时仅损失部分样本。表6为媒体报道对企业漂绿行为采用一对二匹配、半径匹配、卡尺内的k近邻匹配、核匹配、局部线性回归匹配和马氏匹配方法后的估计结果,其中ATT表示仅考虑媒体报道为负面报道的平均处理效应,通常其为倾向匹配得分法最为关注的结果。观察表6的匹配结果可知,ATT在各类匹配方法下均在1%的水平上显著为负,表明媒体的负面报道显著抑制企业的漂绿行为,与基准回归结果一样。
表 6倾向得分匹配估计结果
估计方法 一对二匹配 半径匹配 卡尺内的k近邻匹配 核匹配 局部线性回归匹配 马氏匹配 ATT −0.070 0*** −0.068 0*** −0.068 0*** −0.068 9*** −0.070 6*** −0.045 3*** 样本量 1 764 1 760 1 760 1 764 1 764 1 764 注:***表示在1%的水平下显著,**表示在5%的水平下显著,*表示在10%的水平下显著,括号内数字为t值。 -
本文采用工具变量法来缓解媒体报道与企业漂绿行为之间存在的潜在双向关系。基于前文的研究,媒体报道对于企业漂绿行为存在滞后效应,虽然前文采用了滞后一期的媒体报道数据进行检验,但是可能存在更长的滞后期;同时参考以往研究,除了判定报道的性质,报道的数量可能也会对回归结果产生影响。因此,本文选取滞后两期的媒体报道(Mediat-2)和样本年报道正面、负面和中性报道的平均值(average_Mediat-1)作为滞后一期的媒体报道(Mediat-1)的工具变量,并进行2SLS回归。回归结果如表7所示,结果表明在加入工具变量以缓解潜在的双向关系后,媒体报道与企业漂绿行为的关系依然成立。
表 7工具变量法:2SLS回归结果
变量 (1) (2) (3) (4) (5) (6) 媒体报道 漂绿行为 媒体报道 漂绿行为 媒体报道 漂绿行为 Mediat−1 GW Mediat−1 GW Mediat−1 GW HMediat−1 — 0.493* — 0.050*** — 0.035** (1.67) (4.06) (2.27) Mediat−2 0.289*** — — — 0.212*** — (11.04) (8.94) average_Mediat−1 — — −1.884*** — −1.556*** — (−17.92) (−12.76) Constant −3.813*** 2.281*** −3.241*** 2.467*** −2.916*** 2.207*** (−9.49) (11.25) (−10.80) (19.56) (−7.94) (14.66) Controls 控制 控制 控制 控制 控制 控制 Year 控制 控制 控制 控制 控制 控制 N 1323 1323 1764 1764 1323 1323 F值 121.91 — 321.05 — 162.03 — 注:***表示在1%的水平下显著,**表示在5%的水平下显著,*表示在10%的水平下显著,括号内数字为t值。 -
对于变量Media进行重新计量,一方面改进原有J-F系数,将中性报道剔除重新计算J-F系数。另一方面借鉴张萍[45]的做法,将是否有负面报道设置为虚拟变量。对于变量GW进行重新计量,借鉴蔡春等[6]的做法,将每年的8个指标中每个指标的满分设置为2分。如果有定性披露,得1分;如果定性披露和定量披露都有,得2分。然后,分公司分年份求和构建EGW指数。将替换变量代入模型进行检验,检验结果如表8所示,所得结论与前文基本保持一致。
表 8媒体报道、高管特征和内部监督对漂绿行为直接影响的稳健性检验结果
变量 (1) (2) (3) (4) (5) 漂绿行为 漂绿行为 漂绿行为 漂绿行为 漂绿行为 GW GW EGW EGW EGW Mediat−1 0.031*** −0.048*** −0.175** — — (4.10) (−3.97) −0.175**
(−1.99)TMTt−1 — — — 0.422*** — (5.43) Supt−1 — — — — 0.937*** (5.38) Icrt−1 −0.009*** −0.009*** 0.119*** 0.124*** 0.123*** (−3.76) (−3.65) (2.60) (2.72) (2.73) Growtht−1 0.042* 0.042** −0.291 −0.235 −0.212 (1.96) (1.97) (−1.31) (−1.09) (−0.98) Roatt−1 0.207* 0.207* −3.776*** −3.097** −3.610*** (1.72) (1.72) (−2.79) -2.27) (−2.70) Sizet−1 −0.086*** −0.085*** 1.243*** 1.055*** 1.042*** (−19.04) (−19.40) (23.72) (18.19) (17.73) Aget−1 0.033* 0.033* −0.001 −0.111 −0.014 (1.65) (1.68) (0.01) (−0.46) (−0.06) Constant 2.181*** 2.165*** −20.436*** −15.942*** −15.897*** (19.64) (19.89) (−16.57) (−11.61) (−11.89) Year 控制 控制 控制 控制 控制 N 1764 1764 1764 1764 1764 R2 0.240 0.239 0.372 0.380 0.380 F值 64.80 64.59 161.4 164.3 161.4 注:***表示在1%的水平下显著,**表示在5%的水平下显著,*表示在10%的水平下显著,括号内数字为t值。 -
为了提高中介模型的稳健性,借鉴温忠麟等[47]的做法,在使用Bootstrap方法进行5 000次的反复抽取之外,使用逐步回归的方式进行补充检验,检验结果如表9所示,所得结论与前文基本保持一致。
表 9高管特征与内部监督在媒体报道治理企业漂绿行为之间的中介效果检验
变量 (1) (2) (3) (4) 高管特征 漂绿行为 内部监督 漂绿行为 TMTt−1 GW Supt−1 GW Mediat−1 0.119*** 0.026*** 0.166*** 0.039*** (4.49) (3.48) (15.64) (5.06) TMTt−1 −0.029*** (−4.56) Supt−1 −0.098*** (−6.60) Constant −8.271*** 1.914*** −3.277*** 1.830*** (18.80) (15.56) (−18.15) (15.61) Controls 控制 控制 控制 控制 Year 控制 控制 控制 控制 N 1764 1764 1764 1764 R2 0.280 0.248 0.382 0.256 F值 61.30 60.18 131 61.09 注:***表示在1%的水平下显著,**表示在5%的水平下显著,*表示在10%的水平下显著,括号内数字为t值。 -
由于企业监管机制由高层管理人员结合企业发展规划制定,所以在内部治理中,高管特征与监督机制又存在相互影响,即具有良好高管特征的团体,其制定的监督机制能够更有效地预防企业不良事件;而良好的监督机制在一定程度上又能遏制企业的不良事件。但企业也可能为了弱化外部不良事件的冲击对管理人员进行不合理调整,这势必对内部监督产生间接影响,从而在中介路径中遮掩了外部压力对于企业的治理效果[48]。基于此,本文借鉴Preacher等[42]提出的Bootstrap方法进行了5 000次的反复抽取,同时将置信区间设置为95%,对高管特征和内部监督的链式中介进行检验,其检验规则同单一中介相似。
高管特征与内部监督在媒体报道治理企业漂绿行为之间的链式中介作用的检验结果如表10所示,结果表明:高管特征与内部监督链式中介的95%置信区间为[−0.001 6,−0.000 4],不含0,说明高管特征与内部监督链式中介效应显著,同时媒体报道对企业漂绿行为直接效应的95%置信区间为[0.011 9,0.042 7],不含0,说明链式中介起到了部分中介的作用。但是,通过比较高管特征和内部监督作为链式中介变量时直接作用和间接作用的影响系数,可以发现系数符号相反,得出链式中介结构与单一中介相同,同样存在削弱媒体报道对漂绿行为直接影响效用的情形。基于此,推断出企业漂绿行为被媒体曝光之后,势必会引起企业管理层的关注,进而对高管团队进行调整以应对外部带来的风险。高管团队调整将带来企业高管特征的变化,这在改变内部监督体制机制的同时也带有特征倾向性,在外部不良事件未对企业带来实质冲击时先一步通过内部治理采取预防措施降低风险,形成“媒体报道—高管特征—内部监督—漂绿行为”这一传导路径③。同时也在一定程度上说明目前在应对漂绿行为方面,企业内外部“协同”治理的力度不强,治理主体之间未进行有效地信息共享与合作,未能实现优势互补,存在相互制约的情况,导致治理效率不高。
表 10高管特征与内部监督在媒体报道治理企业漂绿行为之间的链式中介作用
中介路径 间接作用 直接作用 Effect 95%置信区间 Effect 95%置信区间 BootLLCI BootULCI LLCI ULCI 链式
中介Total −0.012 3 −0.017 9 −0.007 5 0.027 3 0.011 9 0.042 7 Media→TMT→GW −0.001 4 −0.003 4 −0.000 1 Media→TMT→Sup→GW −0.000 9 −0.001 7 −0.000 4 Media→Sup→GW −0.010 0 −0.015 3 −0.005 4
Impact of Media Coverage on Corporate Greenwashing
——Mediating Role of Executive Characteristics and Internal Supervision
-
摘要:利用2014—2018年沪深A股连续5年发布社会责任报告的上市公司数据,使用Bootstrap方法对样本进行了5 000次的反复抽取,构建单一与链式中介模型,基于内部治理视角实证检验媒体报道对企业漂绿行为的作用机制与影响路径。结果表明:由媒体报道代表的外部监管和高管特征与内部监督代表的内部治理对漂绿行为均能产生直接的抑制作用,同时内部治理具有遮掩效应,即当负面环境报道产生时,企业通过调整高管团队结构和内部监督水平以弱化外部媒体的冲击,进而形成“负面报道产生—高管团队调整—内部监督弱化—漂绿治理削弱”的链式传导路径,说明企业漂绿行为的内外部“协同”治理效果不佳。对此,有关部门在完善媒体治理体系的同时,应当关注内部治理的“双面性”,实现企业内外联动,优化企业漂绿行为的抑制机制。Abstract:Employing a data set of A-share listed companies that published social responsibility reports for five consecutive years from 2014 to 2018, in this paper, a single and chain mediation model was constructed and a Bootstrap method was used to empirically examine the mechanism and path of influence of media coverage on corporate greenwashing behavior for 5000 times based on internal governance perspective. The results show that both external regulation and executive characteristics represented by media coverage and internal governance represented by internal supervision have a direct inhibitory effect on greenwashing behavior, while internal governance has a masking effect: when negative environmental coverage is generated, companies adjust the structure of their executive team and the level of internal supervision to weaken the impact of external media, resulting in a chain transmission path of “negative publicity-executive team adjustment-weakened internal supervision-weakened governance of greenwashing”, indicating that the internal and external “synergistic” governance of corporate greenwashing is ineffective. In this regard, while improving the media governance system, the authorities should also focus on the “double-sidedness” of internal governance, so as to optimize the disincentive mechanism for corporate greenwashing through internal and external linkages.注释:1) 资料来源:https://m.gmw.cn/baijia/2022-05/23/35756458.html。2) 资料来源:https://wiki.mbalib.com/wiki/%E6%BC%82%E7%BB%BF。3) 由于“媒体报道—内部监督—高管特征—漂绿行为”这一传导路径未通过路径检验,因此在本文中不予列示。
-
表 1变量定义与描述
变量类型 变量名称 变量符号 变量定义及说明 解释变量 媒体报道 Media J−F系数 被解释变量 漂绿行为 GW 象征性行为与实质性行为构成的漂绿指数 中介变量 高管特征 TMT 选取7个指标进行主成分分析法得出 内部监督 Sup 选取9个指标进行主成分分析法得出 控制变量 企业偿债能力 Icr 企业期末总负债/总资产 企业发展能力 Growth (年末营收−年初营收)/年初营收 企业盈利能力 Roat 净利润/年初年末平均总资产 企业规模 Size 年末总资产的自然对数 企业年龄 Age 企业年龄的自然对数 时间 Year 选取2014—2018年,共5个年度虚拟变量 表 2关键指标描述性统计分析
变量 N 均值 标准差 四分位下限 中位数 四分位上限 GW 2 205 0.297 0.298 0.100 0.156 0.438 Media 2 205 −0.009 0.836 −1.000 0.000 1.000 TMT 2 205 −0.001 0.992 −0.732 −0.168 0.537 Sup 2 205 0.003 0.446 −0.349 −0.024 0.309 Icr 2 205 1.790 1.880 1.010 1.160 1.640 Growth 2 205 0.156 0.351 −0.018 0.102 0.246 Roat 2 205 0.048 0.060 0.012 0.037 0.076 Size 2 205 22.600 1.330 21.600 22.300 23.400 Age 2 205 2.860 0.281 2.710 2.890 3.090 表 3关键指标相关性分析
变量 GW Media TMT Sup Icr Growth Roat Size Age GW 1.000 Media −0.303*** 1.000 TMT −0.239*** 0.228*** 1.000 Sup −0.264*** 0.440*** 0.488*** 1.000 Icr −0.096*** 0.052** 0.108*** 0.081*** 1.000 Growth 0.023 −0.055*** −0.089*** −0.093*** −0.113*** 1.000 Roat 0.089*** −0.018 −0.116*** −0.035* −0.358*** 0.207*** 1.000 Size −0.416*** 0.317*** 0.484*** 0.535*** 0.166*** −0.063*** −0.050** 1.000 Age −0.136*** 0.095*** 0.099*** 0.047** 0.016 −0.018 −0.055** 0.105*** 1.000 注:***表示在1%的水平下显著,**表示在5%的水平下显著,*表示在10%的水平下显著。 表 4媒体报道、高管特征和内部监督对漂绿行为直接影响的回归结果
变量 (1) (2) (3) 漂绿行为 GW GW GW Mediat−1 0.023*** — — (3.03) TMTt−1 — −0.026*** — −4.15) Supt−1 — — −0.070*** (−4.79) Icrt−1 −0.009*** −0.009*** −0.009*** (−3.69) (−3.75) (−3.79) Growtht−1 0.041* 0.036* 0.034 (1.92) (1.71) (1.60) Roatt−1 0.207* 0.166 0.195 (1.72) (1.35) (1.63) Sizet−1 −0.085*** −0.071*** −0.068*** (−18.69) (−15.03) (−13.84) Aget−1 0.032 0.040** 0.034* (1.61) (1.98) (1.69) Constant 2.153*** 1.820*** 1.771*** (19.29) (15.48) (15.30) Year 控制 控制 控制 N 1764 1764 1764 R2 0.236 0.239 0.241 F值 64.44 65.17 65.37 注:***表示在1%的水平下显著,**表示在5%的水平下显著,*表示在10%的水平下显著,括号内数字为t值。 表 5高管特征与内部监督在媒体报道治理企业漂绿行为之间的中介作用
中介路径 间接作用 直接作用 Effect 95%置信区间 Effect 95%置信区间 BootLLCI BootULCI LLCI ULCI Media→TMT→GW −0.002 2 −0.004 4 −0.000 9 0.017 3 0.002 6 0.031 9 Media→Sup→GW −0.012 3 −0.017 4 −0.007 5 0.027 3 0.011 9 0.042 7 表 6倾向得分匹配估计结果
估计方法 一对二匹配 半径匹配 卡尺内的k近邻匹配 核匹配 局部线性回归匹配 马氏匹配 ATT −0.070 0*** −0.068 0*** −0.068 0*** −0.068 9*** −0.070 6*** −0.045 3*** 样本量 1 764 1 760 1 760 1 764 1 764 1 764 注:***表示在1%的水平下显著,**表示在5%的水平下显著,*表示在10%的水平下显著,括号内数字为t值。 表 7工具变量法:2SLS回归结果
变量 (1) (2) (3) (4) (5) (6) 媒体报道 漂绿行为 媒体报道 漂绿行为 媒体报道 漂绿行为 Mediat−1 GW Mediat−1 GW Mediat−1 GW HMediat−1 — 0.493* — 0.050*** — 0.035** (1.67) (4.06) (2.27) Mediat−2 0.289*** — — — 0.212*** — (11.04) (8.94) average_Mediat−1 — — −1.884*** — −1.556*** — (−17.92) (−12.76) Constant −3.813*** 2.281*** −3.241*** 2.467*** −2.916*** 2.207*** (−9.49) (11.25) (−10.80) (19.56) (−7.94) (14.66) Controls 控制 控制 控制 控制 控制 控制 Year 控制 控制 控制 控制 控制 控制 N 1323 1323 1764 1764 1323 1323 F值 121.91 — 321.05 — 162.03 — 注:***表示在1%的水平下显著,**表示在5%的水平下显著,*表示在10%的水平下显著,括号内数字为t值。 表 8媒体报道、高管特征和内部监督对漂绿行为直接影响的稳健性检验结果
变量 (1) (2) (3) (4) (5) 漂绿行为 漂绿行为 漂绿行为 漂绿行为 漂绿行为 GW GW EGW EGW EGW Mediat−1 0.031*** −0.048*** −0.175** — — (4.10) (−3.97) −0.175**
(−1.99)TMTt−1 — — — 0.422*** — (5.43) Supt−1 — — — — 0.937*** (5.38) Icrt−1 −0.009*** −0.009*** 0.119*** 0.124*** 0.123*** (−3.76) (−3.65) (2.60) (2.72) (2.73) Growtht−1 0.042* 0.042** −0.291 −0.235 −0.212 (1.96) (1.97) (−1.31) (−1.09) (−0.98) Roatt−1 0.207* 0.207* −3.776*** −3.097** −3.610*** (1.72) (1.72) (−2.79) -2.27) (−2.70) Sizet−1 −0.086*** −0.085*** 1.243*** 1.055*** 1.042*** (−19.04) (−19.40) (23.72) (18.19) (17.73) Aget−1 0.033* 0.033* −0.001 −0.111 −0.014 (1.65) (1.68) (0.01) (−0.46) (−0.06) Constant 2.181*** 2.165*** −20.436*** −15.942*** −15.897*** (19.64) (19.89) (−16.57) (−11.61) (−11.89) Year 控制 控制 控制 控制 控制 N 1764 1764 1764 1764 1764 R2 0.240 0.239 0.372 0.380 0.380 F值 64.80 64.59 161.4 164.3 161.4 注:***表示在1%的水平下显著,**表示在5%的水平下显著,*表示在10%的水平下显著,括号内数字为t值。 表 9高管特征与内部监督在媒体报道治理企业漂绿行为之间的中介效果检验
变量 (1) (2) (3) (4) 高管特征 漂绿行为 内部监督 漂绿行为 TMTt−1 GW Supt−1 GW Mediat−1 0.119*** 0.026*** 0.166*** 0.039*** (4.49) (3.48) (15.64) (5.06) TMTt−1 −0.029*** (−4.56) Supt−1 −0.098*** (−6.60) Constant −8.271*** 1.914*** −3.277*** 1.830*** (18.80) (15.56) (−18.15) (15.61) Controls 控制 控制 控制 控制 Year 控制 控制 控制 控制 N 1764 1764 1764 1764 R2 0.280 0.248 0.382 0.256 F值 61.30 60.18 131 61.09 注:***表示在1%的水平下显著,**表示在5%的水平下显著,*表示在10%的水平下显著,括号内数字为t值。 表 10高管特征与内部监督在媒体报道治理企业漂绿行为之间的链式中介作用
中介路径 间接作用 直接作用 Effect 95%置信区间 Effect 95%置信区间 BootLLCI BootULCI LLCI ULCI 链式
中介Total −0.012 3 −0.017 9 −0.007 5 0.027 3 0.011 9 0.042 7 Media→TMT→GW −0.001 4 −0.003 4 −0.000 1 Media→TMT→Sup→GW −0.000 9 −0.001 7 −0.000 4 Media→Sup→GW −0.010 0 −0.015 3 −0.005 4 -
[1] 潘爱玲, 刘昕, 邱金龙, 等. 媒体压力下的绿色并购能否促使重污染企业实现实质性转型[J]. 中国工业经济, 2019(2): 174-192.doi:10.19581/j.cnki.ciejournal.20190131.005 [2] 潘安娥, 余林秀, 郭秋实. 制度压力抑制了企业环境信息“漂绿”吗: 基于A股市场的证据[J]. 财会月刊, 2019(22): 105-114. [3] KENT W, FANG W. The Harm of Symbolic Actions and Green-Washing: Corporate Actions and Communications on Environmental Performance and Their Financial Implications[J]. Journal of Business Ethics, 2012, 109(2): 227-242.doi:10.1007/s10551-011-1122-4 [4] 缑倩雯, 蔡宁. 企业异质性环境实践方式与绩效关系的实证研究[J]. 软科学, 2014, 28(11): 15-19.doi:10.3969/j.issn.1001-8409.2014.11.004 [5] 武剑锋, 叶陈刚, 刘猛. 环境绩效、政治关联与环境信息披露——来自沪市A股重污染行业的经验证据[J]. 山西财经大学学报, 2015, 37(7): 99-110. [6] 蔡春, 郑开放, 陈晔, 等. 政府环境审计对企业环境责任信息披露的影响研究——基于“三河三湖”环境审计的经验证据[J]. 审计研究, 2019(6): 3-12. [7] WU Y, ZHANG K, XIE J. (2020). Bad Greenwashing, Good Greenwashing: Corporate Social Responsibility and Information Transparency[J]. Management Science, 2020, 66(7): 3095-3112.doi:10.1287/mnsc.2019.3340 [8] WEDARI L, JUBB C, MORADI A. Corporate climate-related voluntary disclosures: Does potential greenwash exist among Australian high emitters reports? [J]. Business Strategy and the Environment, 2021, 30(8): 3721-3739.doi:10.1002/bse.2836 [9] BLOME C, FOERSTL K, SCHLEPER M. Antecedents of green supplier championing and greenwashing: An empirical study on leadership and ethical incentives [J]. Journal of Cleaner Production, 2017, 152: 339-350.doi:10.1016/j.jclepro.2017.03.052 [10] AROURI M, El Ghoul S, GOMES M. Greenwashing and product market competition[J]. Finance Research Letters, 2021, 42: 101927.doi:10.1016/j.frl.2021.101927 [11] 黄溶冰, 谢晓君, 周卉芬. 企业漂绿的“同构”行为[J]. 中国人口·资源与环境, 2020, 30(11): 139-150. [12] GUERREIRO J, PACHECO M. How Green Trust, Consumer Brand Engagement and Green Word-of-Mouth Mediate Purchasing Intentions[J]. Sustainability, 2021, 13(14): 7877.doi:10.3390/su13147877 [13] FERRONVILCHEZ V, VALEROGIL J, SUAREZPERALES I. How does greenwashing influence managers' decision‐making? An experimental approach under stakeholder view[J]. Corporate Social Responsibility and Environmental Management, 2020, 28(2): 860-880. [14] 盛光华, 龚思羽, 岳蓓蓓. 企业环保行为如何提升消费者响应: 基于消费者企业认同感和漂绿感知的双重中介模型[J]. 财经论丛, 2019(7): 85-94. [15] 张启尧, 才凌惠, 孙习祥. 绿色资源整合能力、漂绿行为与企业绩效: 恶性竞争的调节中介作用[J]. 工业技术经济, 2017, 36(1): 141-145.doi:10.3969/j.issn.1004-910X.2017.01.018 [16] 黄溶冰, 储芳. 第三方鉴证是否有助于抑制企业“漂绿”[J]. 中国注册会计师, 2021(8): 38-42. [17] SHAUKAT A, QIU Y, TROJANOWSKI G. Board Attributes, Corporate Social Responsibility Strategy, and Corporate Environmental and Social Performance[J]. Journal of Business Ethics, 2016, 135(3): 569-585.doi:10.1007/s10551-014-2460-9 [18] BRAMMER S, PAVELIN S. Voluntary environmental disclosures by large UK companies[J]. Journal of Business Finance & Accounting, 2006, 33(7-8): 1168-1188. [19] MURRAY A, SINCLAIR D, POWER D, et al. Do financial markets care about social and environmental disclosure? [J]. Accounting, Auditing & Accountability Journal, 2006, 19(2): 228-255. [20] AGUILERA R, DESENDER K, BEDNAR M, et al. Connecting the Dots: Bringing External Corporate Governance into the Corporate Governance Puzzle[J]. Academy of Management Annals, 2015, 9(1): 483-573.doi:10.5465/19416520.2015.1024503 [21] 潘安娥, 郭秋实. 政府监管与企业环境信息披露: 基于高管环保意识的调节作用[J]. 软科学, 2018, 32(10): 84-87. [22] 贺宝成, 任佳. 政府监管强度与环境信息披露质量研究[J]. 财会通讯, 2020(5): 50-54. [23] 谢志明. 政府和媒体监管对企业环境管理行为的影响[J]. 求索, 2014(09): 70-74. [24] YAO S, YANG J. Geographical Distance and Environmental Information Disclosure: The Perspective of Public Pressure Transmission Efficiency[J]. Asia-Pacific Journal of Financial Studies, 2017, 46(3): 445-462.doi:10.1111/ajfs.12176 [25] 高利芳, 唐玮. 商业贿赂、媒体报道与公司价值: 基于民营上市公司的经验证据[J]. 中南财经政法大学学报, 2019(5): 75-86.doi:10.3969/j.issn.1003-5230.2019.05.013 [26] 田高良, 司毅, 韩洁, 等. 媒体关注与税收激进: 基于公司治理视角的考察[J]. 管理科学, 2016, 29(2): 104-121.doi:10.3969/j.issn.1672-0334.2016.02.009 [27] 何平林, 孙雨龙, 宁静, 等. 高管特质、法治环境与信息披露质量[J]. 中国软科学, 2019(10): 112-128.doi:10.3969/j.issn.1002-9753.2019.10.010 [28] 李井林, 阳镇. 董事会性别多元化、企业社会责任与企业技术创新: 基于中国上市公司的实证研究[J]. 科学学与科学技术管理, 2019, 40(5): 34-51. [29] 张彪, 李捷. 董事会组成与温室气体排放信息披露的关联性: 基于2011—2016年CDP中国报告的实证研究[J]. bob手机在线登陆学报(社会科学版), 2019, 21(2): 38-47. [30] 刘丽, 刘丹, 王爽, 等. 中央企业履行环境责任的影响因素研究[J]. 统计与决策, 2017(16): 178-182.doi:10.13546/j.cnki.tjyjc.2017.16.045 [31] DYCK A, VOLCHKOVA N, ZINGALES L. The Corporate Governance Role of the Media: Evidence from Russia [J]. The Journal of Finance, 2008, 63(3): 1093–1135.doi:10.1111/j.1540-6261.2008.01353.x [32] 王新红, 李婷婷, 张行. 股权混合度、高管团队特征与公司绩效: 基于全效应调节模型的实证研究[J]. 商业研究, 2018(07): 71-79. [33] 张昊民, 何奇学. 高管薪酬激励与组织绩效: 基于管理者过度自信的“遮掩效应”[J]. 现代财经(天津财经大学学报), 2017, 37(6): 65-77. [34] 宋广蕊, 马春爱, 肖榕. 同群效应视角下高管创新注意力、连锁关系对企业创新投资行为的影响研究[J]. 管理学报, 2022: 1-9.doi:10.3969/j.issn.1672-884x.2022.01.001 [35] 于晓宇, 张益铭, 陈颖颖, 等. 创始成员离职率、高管团队异质性与创业企业成长[J]. 管理科学, 2020, 33(2): 3-16.doi:10.3969/j.issn.1672-0334.2020.02.001 [36] 张昭, 马草原, 王爱萍. 资本市场开放对企业内部薪酬差距的影响: 基于“沪港通”的准自然实验[J]. 经济管理, 2020, 42(06): 172-191. [37] YIN M, ZHANG J, HAN J. Impact of CEO-board social ties on accounting conservatism: internal control quality as a mediator[J/OL]. The North American Journal of Economics and Finance, 2020, 52: 101172. https://ideas.repec.org/a/eee/ecofin/v52y2020ics1062940820300693.html. [38] LI Z, XU C, ZHANG H, RASOOL S, et al. Exploring the relationship between takeover market and enterprise innovation: the mediating role of internal governance[J/OL]. Journal of Innovation & Knowledge, 2022, 7(3): 100205. https://www.sciencedirect.com/science/article/pii/S2444569X22000452. [39] PRATIMA B, IAIN C. Talking Trash: Legitimacy, Impression Management, and Unsystematic Risk in the Context of the Natural Environment[J]. The Academy of Management Journal, 2004, 47(1): 93-103. [40] 白重恩, 刘俏, 陆洲, 等. 中国上市公司治理结构的实证研究[J]. 经济研究, 2005(2): 81-91. [41] 方红星, 金玉娜. 公司治理、内部控制与非效率投资: 理论分析与经验证据[J]. 会计研究, 2013(7): 63-69+97.doi:10.3969/j.issn.1003-2886.2013.07.009 [42] PREACHER K, HAYES A F. SPSS and SAS procedures for estimating indirect effects in simple mediation models[J]. Behavior Research Methods, Instruments, and computers, 2004(36): 717-731. [43] 王满四, 徐朝辉. 银行债权、内部治理与企业创新: 来自2006—2015年A股技术密集型上市公司的实证分析[J]. 会计研究, 2018(03): 42-49.doi:10.3969/j.issn.1003-2886.2018.03.006 [44] SAUTANU M, MAHMUD H, DONALDR D. The empirical relationship between ownership characteristics and audit fees[J]. Review of Quantitative Finance and Accounting, 2007, 28(3): 257-285.doi:10.1007/s11156-006-0014-7 [45] 张萍, 徐巍. 媒体监督能够提高内部控制有效性吗: 来自中国上市公司的经验证据[J]. 会计与经济研究, 2015, 29(5): 88-105. [46] 虞义华, 赵奇锋, 鞠晓生. 发明家高管与企业创新[J]. 中国工业经济, 2018(3): 136-154.doi:10.19581/j.cnki.ciejournal.2018.03.008 [47] 温忠麟, 叶宝娟. 有调节的中介模型检验方法: 竞争还是替补?[J]. 心理学报, 2014, 46(5): 714-726. [48] 李从刚, 权小锋. 利益相关者、公司治理与盈余管理: 基于文献的研究[J]. 商业研究, 2017(9): 144-152.