党的十九大明确指出,完善要素的市场化配置是现行经济体制改革的重点之一。党的二十大报告进一步提出了“增进民生福祉”“促进全体人民共同富裕”,要以“深化要素市场化改革”,实现高标准市场体系建设的总体要求。“国之称富者,在乎丰民”,劳动力作为企业生产经营中不可或缺的要素资源,对增强微观企业持续竞争力、深入实施人才强国战略以及推动中国经济高质量发展意义重大(Jung等,2014;Li等,2017)。然而,近十年来,中国老龄化问题持续加剧、人口红利逐渐收缩,劳动力供给数量与质量显著降低。国家统计局2023年4月份数据显示,当前中国就业结构性问题仍然较为突出,16至24岁劳动力城镇调查失业率为20.4%,呈继续上升趋势。劳动力的大幅下降对经济可持续增长以及社会养老服务体系的完善均是一种巨大挑战。此外,现有劳动力要素市场化配置也存在诸多问题,性别歧视、户籍、社会保障和基本公共服务等行政性分割阻碍了劳动力的自由流动和公平竞争,导致沉重的就业压力,不仅遏制了高质量人才的成长发展,也无益于劳动力资源配置效率的整体提升。因此,在面临劳动力有效供给缩减、结构错配的现实情景下,探究企业如何优化人力资源配置,增强劳动投资效率,对于深刻认识以劳动人口高质量发展支撑中国式现代化的科学内涵,推动经济高质量发展具有重要的理论与现实价值。围绕如何提升劳动投资效率,现有文献主要从环境不确定性(卜君和孙光国,2020)、社会信任(申丹琳和江轩宇,2022)、企业财务报告质量(Jung等,2014)、数字化转型(周冬华和万贻健,2023)、社会责任履行(陶欣欣等,2022)、员工持股计划(刘圻和赵沪晓,2022)、机构投资者持股(刘进和孙荪璐,2022)和公司战略(张焰朝等,2020)等单一维度进行探讨。然而,仅关注某一指标并不能较好地衡量与判定公司的整体表现(李增福和冯柳华,2022),因此,从环境、社会与治理这一综合维度(ESG)探讨如何增强企业劳动投资效率应给予重点关注。
在全面建设中国式现代化的进程中,环境污染、生态破坏等问题日益突出,如何牢固树立与践行“绿水青山就是金山银山”的理念,实现人与自然和谐共生成为推动人类文明发展的重大问题。而ESG理念与推动绿色发展、中国式现代化发展目标高度契合,作为一种重要的投资价值理念和企业发展战略指南,ESG涵盖环境(environment)、社会(social)与公司治理(governance)三个核心要素,为深入推进环境污染防治、积极稳妥推进碳达峰、碳中和,促进实体经济高质量发展提供了重要的决策依循与强大动能。在此背景下,ESG相关准则与指导政策不断推出,建立一套高质量可持续信息披露的标准体系已成为全球共识。2023年6月26日,国际可持续准则理事会(ISSB)正式发布《国际财务报告可持续披露准则第1号——可持续相关财务信息披露一般要求》(简称IFRS S1)和《国际财务报告可持续披露准则第2号——气候相关披露》(简称IFRS S2)
那么备受重视的ESG表现能否改善劳动投资效率,鲜有文献予以剖析。从理论上讲,ESG表现对劳动投资效率的影响可能具有一定的不确定性。一方面,基于委托代理与利益相关者理论,ESG表现不仅可以增强信息披露质量,减少企业融资约束,削弱资金短缺对劳动投资效率的消极影响,还可以增强利益关联方的风险容忍度与风险承担水平,为员工塑造更为宽松的工作环境,有利于激发员工创新意愿,吸引高素质高技能员工加盟企业,以优化人力资本结构(方先明和胡丁,2023),提高劳动投资效率。另一方面,从社会责任承担和使命漂移角度来看,ESG表现在推动企业承担社会责任的同时,也担负着高额成本,可能因“稳就业、保就业”的面子工程,导致企业疏于精简雇员、冗余雇佣,或忽略本身利益诉求,产生“使命漂移”(mission drift),转而实施ESG漂绿(green washing)行为(上官泽明和张媛媛,2023),造成社会、环境类投资非效率,诱发资金流转紧张,导致劳动力雇佣不足与解雇过度,进而降低劳动投资效率。从现实层面来看,ESG理念得到了全球广泛推广与实践,在维护保障劳动者权益的过程中发挥了积极的作用。目前,国际上主流的ESG评级机构,如MSCI(Morgan Stanley Capital International,摩根士丹利资本国际指数)、FTSE Russell(英国富时指数)等均将与劳动者权益相关的指标纳入企业ESG表现评价考核体系。譬如,MSCI的ESG指标体系中涵盖了对公司员工规模、劳动强度、员工保护力度,培养高技能劳动力能力等具体指标的衡量。联想集团最新发布的ESG报告强调聚焦员工个人成长,推出兼具蓝领技能与白领创新的复合型“紫领人才工程”,打造高质量发展“人才引擎”。
ESG表现究竟会对劳动投资效率产生何种影响,是“赋能”还是“负能”,其中的作用机制是什么?值得深入探讨。基于此,本文以2011—2021年A股上市公司为数据样本,主要基于委托代理理论、利益相关者理论和信号传递理论,深入剖析ESG表现对企业劳动投资效率的影响与机制。研究发现:ESG表现显著提升了企业劳动投资效率,缓解融资约束和增强员工创新是ESG表现提升劳动投资效率的主要作用机制;异质性分析显示,对于非国有企业、审计质量较低、非高新技术和市场竞争地位较低的企业,ESG表现更有利于企业劳动投资效率的提高;进一步研究发现,ESG表现对劳动投资过度及投资不足均存在显著的抑制作用,且主要体现为缓解雇佣过度、雇佣不足与解雇过度。
本文的边际贡献如下:第一,以ESG表现为切入点,丰富了企业劳动投资效率影响因素的相关研究。现有研究主要从环境、社会与治理等单一维度探讨了环境不确定性(卜君和孙光国,2020)、社会信任(申丹琳和江轩宇,2022)、卖空约束机制(褚剑和方军雄,2020)、财务报告质量(Jung等,2014)、员工持股(刘圻和赵沪晓,2022)、投资者持股比例(刘进和孙荪璐,2022)与社会责任履行(陶欣欣等,2022)等方面对劳动投资效率的影响,鲜有文献关注ESG综合表现在其中扮演的角色功能。因此,本文从企业ESG治理这一崭新视角,深入拓展了劳动投资效率影响因素的研究范畴,具有较强的实践应用价值与政策启示。第二,从企业劳动投资效率视角,深化了ESG表现对微观企业治理效应的研究。既有研究主要探讨了ESG表现对企业商业信用获取(李增福和冯柳华,2022)、金融资产配置(上官泽明和张媛媛,2023)、客户关系稳定度(陈娇娇等,2023)、投资效率(高杰英等,2021)、企业创新(方先明和胡丁,2023)、企业绩效(李井林等,2021)与价值(王琳璘等,2022)等方面的影响,然而,目前还缺乏深度探讨其对企业劳动投资效率的研究。企业劳动力投资与公司绩效密切相关(Ghaly等,2020),并对推动经济增长有重大影响(Li等,2017)。因此,本文探讨ESG表现与劳动投资效率的关系,有助于帮助市场洞悉ESG表现对于微观企业高质量发展及宏观经济可持续增长的重要影响。第三,深入挖掘了ESG表现提升企业劳动投资效率的作用机制与实施路径。主要从ESG的“资源效应”与“激励效应”两个维度,验证了缓解融资约束和增强员工创新,作为ESG表现影响企业劳动投资效率的主要渠道机制。此外,参考Khedmati等(2020)研究,将劳动非效率投资进一步分解为劳动投资过度(雇佣过度与解雇不足)与劳动投资不足(雇佣不足与解雇过度),深入剖析了ESG表现对不同组别劳动投资效率的差异化影响,这将有助于深化理解共同富裕背景下,对ESG与劳动投资关系的系统认知,为企业持续增强ESG表现,优化人力资本结构,扎实推进政府“稳就业、保就业、促就业”的落地执行提供新的经验证据。
二、理论分析与研究假设劳动力是企业众多投资要素中最为活跃且重要的要素资源。土地和资本等生产要素唯有通过劳动力要素才能被有效激活与运转,因此,提升劳动要素配置效率,对于增强企业全要素生产率,实现高质量发展,持续推进供给侧结构性改革意义重大(周冬华和万贻健,2023)。然而,在现代企业运营实践中,由于委托代理和信息不对称问题的存在,劳动投资可能舍本求末,效率低下(翟淑萍等,2022)。一方面。ESG表现可以通过缓解企业融资约束和增强员工创新来提升劳动投资效率。另一方面,也可能因过度关注对员工权益的保护,放松了对其的监管约束,承担过多的社会责任,导致企业冗员,继而降低劳动投资效率。鉴于ESG表现对企业劳动投资效率可能产生相悖的双重影响,本研究拟从正反两方面提出假设。
(一)ESG表现提升企业劳动投资效率
在国家绿色发展战略引领下,ESG实施标准与应用理念也在不断演进升级。ESG理念将企业目标由价值最大化逐渐转移至兼顾经济价值和社会环境价值的协同共促,通过对企业社会关系网络和发展资源的重新整合,增强了企业商业信用获取(李增福和冯柳华,2022),降低了资本成本(Wong等,2021),提升了企业业绩(李井林等,2021)与会计盈余价值相关性(武鹏等,2023),有效推进了企业创新(方先明和胡丁,2023)与绿色低碳转型(胡洁等,2023),有利于塑造良好的企业生态环境,实现所有者、高管、员工、外部投资者、供应商、评级机构和一般社会公众的利益平衡(方先明和胡丁,2023),加速对拥有ESG综合知识和管理技能的人才需求,以优化人力资源配置。因此,本文预测ESG表现将显著提升企业劳动投资效率,理论逻辑如下。
首先,ESG可以通过释放资源效应,缓解企业融资约束来提升劳动投资效率。长期以来,“融资难、融资贵”问题一直是困扰企业“降本增效”,高质量发展的痛点与难点。资金限制可能是导致劳动投资效率下降的一个重要因素。由于员工招聘、培训与劳动力薪酬占据了企业成本的较大部分,并呈现出一种准固定成本的特性(Jung等,2014)。当企业在产品市场缺乏竞争优势,无法提供稳定的内部现金支撑,或者受制于市场利益摩擦以及高额的债务融资成本时,极易造成企业融资困境,很难维持费用较为高昂的、最优的员工雇用规模,产生雇佣不足等劳动投资非效率行为。基于信号传递理论,良好的ESG表现能够释放出企业绿色转型、高质量发展的积极信号,这将有助于企业在产品市场上建立竞争优势(陶欣欣等,2022),打破融资约束的困境。一方面,从外源融资角度看,企业的ESG综合表现向债权人和投资者传递了除财务信息外的高附加值特质信息,信息披露更为充分(宋献中等,2017),受到分析师和媒体等外部关注和监督更多,基于利润操纵的盈余管理行为会更少,这将有效降低信息不对称,便于企业获得投资(Dhaliwal等,2012)、扩大人力资本投资规模,吸引高素质员工。此外,良好的ESG表现与国家加强环境质量建设、实现共同富裕等目标高度契合,企业更易于争取到外部融资,如政府补助、绿色环保补贴等,从而缓解企业劳动投资资金不足的问题(Zeng等,2019)。另一方面,从内源融资角度来看,ESG表现好的企业在市场竞争中往往拥有更好的形象、声誉与更强的社会责任履行意识(李增福和冯柳华,2023),在供应链的上、下游商业环境中更易增加供应商与客户黏性,提高其对企业产品或服务的满意度(Dai等,2021),以形成稳固的商业合作关系,有益于企业强化市场势力(史晓红等,2023),树立品牌地位,获取稳定充足的商业信用融资,缓解了融资约束压力,有效发挥规模经济优势,通过扩大劳动力雇佣规模,避免过度解雇员工的可能。
其次,ESG可以通过发挥激励效应,增强企业员工创新来提升劳动投资效率。企业创新在劳动力市场发挥了积极的作用。创新是企业可持续发展的第一动力,而创新驱动的原动力来自于技术进步。随着数字化转型、人工智能与机器人的广泛运用,技术进步使得劳动力市场需求越来越偏好于具有更高人力资本和更高技能的劳动者(宋建和王静,2022)。因此,企业创新可以产生积极的信号传递和技术溢出效应,通过精准筛选劳动者的画像,提升高技能劳动者的“就业创造率”和减少以常规生产操作为主的低技能劳动者的“就业损失率”(Acemoglu和Restrepo,2018),以优化劳动力资源配置,提升劳动投资效率。而良好的ESG表现可以有效促进企业员工创新,一方面,基于利益相关者理论,ESG的开展会引导企业不仅关注经济效益,更重视环保责任履行、员工关怀与可持续发展。在企业ESG理念的宣传与普及下,企业与员工等利益相关者凝心聚力,更注重企业长期发展态势,有助于形成公平、包容、多元的文化以及更为透明的公司治理机制,这将抑制管理者的短视行为,提高组织间信任度与分工协作效率,激励研发团队增强创新意愿(方先明和胡丁,2023),持续改进研发技术水平,勇于突破“高精尖”技术瓶颈,推出更多绿色低碳、环境友好的专利技术与创新产品。另一方面,企业良好的ESG表现能够释放出积极的信号,能够吸引并获取政府税收优惠、财政补贴等制度倾斜,进而帮助企业破除融资壁垒,获取持续创新所需的资源,增强创新能力(Pavelin和Porter,2008;马文杰和胡玥,2022),继而吸引更多高素质、创新型人才加盟企业,优化劳动力结构,提升高技能劳动力在雇佣结构中的占比,从而改善对劳动资源的利用效率。综上所述,提出研究假设H1a:
H1a:在其他条件既定的情况下,ESG表现越好,企业劳动投资效率越高。
(二)ESG表现降低企业劳动投资效率
虽然,ESG表现可能会通过发挥资源效应和激励效应“赋能”劳动投资效率的提升,但也可能因承担过多的社会责任或采取使命漂移的“漂绿”行为来“负能”劳动投资效率的改善。
首先,合法性理论指出,企业得以生存发展的重要前提是对社会需求的满足(Xie等,2019)。为保证其经营发展的合法性,企业践行的经营理念应主动遵循社会发展的价值观、文化信仰与制度规范体系,积极履行社会责任,创造社会价值(黄珺等,2023)。而劳动力问题关系到社会稳定与经济可持续发展,促进高质量充分就业成为企业履行社会责任的重要渠道。ESG表现较好的企业,往往承担了更多的“稳就业”“保就业”等社会责任(毛其淋和王玥清,2023)。因此,基于合法性理论,在企业ESG的社会责任目标驱动下,管理层对于员工的雇佣可能会产生规模扩张效应,大幅度增加对劳动力的需求(毛其淋和王玥清,2023),导致冗余雇佣,降低劳动投资效率,抑或在任免员工时额外小心谨慎,不会轻易解雇员工,这可能会使劳动力结构偏离最佳状态。一方面,企业不仅要考虑自身的生产经营情况,还要以社会效应为目的,扩大就业,增加员工数量导致过度雇佣。另一方面,企业害怕裁员后面临社会舆论压力与股价下跌惩罚,可能在事前减少员工雇佣,诱发雇佣不足,进而降低劳动投资效率。
其次,新古典理论认为,企业的绿色治理与环保投资可能并不一定带来直接的经济利益,反而会侵占企业的部分资源(高杰英等,2021)。由于ESG信息披露尚未形成统一标准,企业可能会产生使命漂移,人为操纵ESG信息披露,通过“漂绿”行为不断美化其绿色低碳转型等可持续表现(上官泽明和张媛媛等,2023)。譬如,企业为树立绿色环保标杆的光荣形象,一味地减碳排污,无形中会增大环境治理成本,挤出其在生产经营中的原本利润,诱发现金流压力和资源短缺问题(高杰英等,2021)。为削弱这一不利影响,企业可能会选择精简员工,过度解雇或减少员工福利,导致其消极怠工,降低劳动投资效率,最终会对社会整体的正外部性带来显著负面影响。基于以上分析,本文提出以下竞争性假设H1b:
H1b:在其他条件既定的情况下,ESG表现越好,企业劳动投资效率越低。
三、研究设计(一)样本选择与数据来源
本文以2011—2021年A股上市公司为研究对象。ESG表现来源于华证ESG评价数据,其余均来自CSMAR数据库。为保证研究结果的可靠可比,参照既有研究方法,对初始样本进行了以下处理:(1)剔除金融行业公司;(2)剔除*ST、ST和PT公司;(3)剔除数据少于三年的公司样本;(4)剔除企业员工不足30人的公司;(5)剔除主要变量数据缺失的公司,最终得到24620个样本。为了消除极端值的影响,对连续变量在1%及99%的水平下采用了缩尾处理。行业分类以证监会2012年的标准区分,制造业取两位代码,其他行业用大类。
(二)变量定义
1.被解释变量
被解释变量为劳动非效率投资。采用劳动投资效率的反向指标:劳动非效率投资Abresid予以度量。其构造方式主要借鉴Jung等(2014)、孔东民等(2017)的研究。首先,选用企业员工数量变动率Net_Hire衡量劳动投资水平,并将Net_Hire作为被解释变量,与模型(1)中企业其他相关经济变量进行回归。按照年份、行业回归得到残差ε即为实际劳动投资规模与预期最优水平的差值,取绝对值得出劳动非效率投资Abresid,其值越小,说明劳动投资效率越高,反之,则表示劳动投资效率越低。
$ \begin{gathered} Net\_Hir{e_{i,t}} = {\beta _0} + {\beta _1}Salegrowt{h_{i,t}}_{ - 1} + {\beta _2}Salegrowt{h_{i,t}} + {\beta _3}\Delta RO{A_{i,t}} + {\beta _4}\Delta RO{A_{i,t - 1}} + {\beta _5}RO{A_{i,t}} \\ + {\beta _6}Retur{n_{i,t}} + {\beta _7}Size\_{R_{i,t - 1}} + {\beta _8}Quic{k_{i,t - 1}} + {\beta _9}\vartriangle Quic{k_{i,t - 1}} + {\beta _{10}}\vartriangle Quic{k_{i,t}} + {\beta _{11}}Le{v_{i,t}}_{ - 1} \\ + {\beta _{12}}Lossbin{1_{i,t}}_{ - 1} + {\beta _{13}}Lossbin{2_{i,t - 1}} + {\beta _{14}}Lossbin{3_{i,t - 1}} + {\beta _{15}}Lossbin{4_{i,t - 1}} + {\beta _{16}}Lossbin{5_{i,t - 1}} + {\varepsilon _{i,t}} \\ \end{gathered} $ | (1) |
模型(1)中,Δ表示变化值,Salegrowth为销售收入增长率,ROA为资产收益率,Return为年度股票回报,Size_R为市值的自然对数,Quick为速动比率,Lev为资产负债率。将资产收益率ROA从−0.025到0平均划分为五个区间,Lossbin根据ROA的取值定义,例如,若ROA在第一区间[−0.005,0]内,则Lossbin1=1,否则为0。
2.解释变量
核心解释变量ESG是在华证ESG指标体系的基础上,对ESG评级赋分构造而来。华证ESG指标体系企业各年份数据较全,涵盖的评价指标较多,能够与国内市场的实际情况相结合。本文参照陈晓珊和刘洪铎(2023),将华证ESG九档评级分别赋值1至9,为了便于量化做自然对数处理,由此得到变量Esg。
3.控制变量
为控制其他因素的影响,参照既有研究,选取速动比率(Quick)、企业规模(Size)、资产负债率(Lev)、总资产净利率(ROA)、固定资产比例(FIXED)、企业成长性(Growth)、董事长与总经理两职合一(Dual)、独立董事比例(Indep)、劳动密集度(Labor)、股权制衡度(Balance)、管理层持股比例(Mshare)、账面市值比(BM)作为控制变量。此外,本文还控制了年度(Year)和行业(Ind)固定效应。具体的变量定义如表1所示。
变量类型 | 变量名称 | 变量符号 | 计算方式 |
被解释变量 | 劳动非效率投资 | Abresid | 模型(1)的残差取绝对值 |
解释变量 | ESG表现 | Esg | 华证ESG评级取对数 |
控制变量 | 速动比率 | Quick | 速动资产/流动负债 |
企业规模 | Size | 公司年总资产取自然对数 | |
资产负债率 | Lev | 年末总负债/年末总资产 | |
总资产净利率 | ROA | 净利润/总资产平均余额 | |
固定资产比例 | FIXED | 固定资产净额/总资产 | |
企业成长性 | Growth | 本年营业收入/上一年营业收入−1 | |
两职合一 | Dual | 董事长与总经理是同一个人为1,否则为0 | |
独立董事比例 | Indep | 独立董事/董事人数 | |
劳动密集度 | Labor | 年末员工数/当年营业收入 | |
股权制衡度 | Balance | 第二大股东持股比例/第一大股东持股比例 | |
管理层持股比例 | Mshare | 管理层持股数据/总股本 | |
账面市值比 | BM | 账面价值/总市值 |
(三)模型构建
本文构建模型(2)来探究ESG表现对企业劳动投资效率的影响,参考申丹琳和江轩宇(2022)、李增福和冯柳华(2022)的研究设置主要控制变量。
$ Abresid_{i,t}=\alpha_0+\alpha_1Esg_{i,t}+\sum_{ }^{ }\alpha_nControls_{i,t}+\sum_{ }^{ }Year+\sum_{ }^{ }Ind+\varepsilon_{i,t} $ | (2) |
其中,Abresidi,t指劳动非效率投资,是劳动投资效率的反向度量指标;Esgi,t为企业的ESG表现;Controlsi,t为上述全部控制变量,同时还加入了行业和年度的虚拟变量。为确保稳健性,本文在企业层面进行聚类回归。
四、实证结果分析(一)描述性分析
描述性统计结果如表2所示。劳动非效率投资的均值为0.246,标准差为0.250,说明样本企业个体之间的劳动投资效率波动水平较大。ESG表现的最大值为9,最小值为1,均值为6.516,标准差为1.172,表明上市公司的ESG表现较好,整体呈右偏趋势,但个体间存在较大差异,其他变量的描述性统计结果与既有研究保持一致。
变量 | 样本量 | 均值 | 标准差 | 最小值 | 中位数 | 最大值 |
Abresid | 24620 | 0.246 | 0.250 | 0 | 0.177 | 1.476 |
ESG | 24620 | 6.516 | 1.172 | 1 | 6 | 9 |
Esg | 24620 | 1.857 | 0.195 | 0 | 1.792 | 2.197 |
Quick | 24620 | 1.728 | 1.849 | 0.182 | 1.151 | 11.84 |
Size | 24620 | 22.34 | 1.289 | 19.96 | 22.16 | 26.32 |
Lev | 24620 | 0.442 | 0.203 | 0.0614 | 0.438 | 0.890 |
ROA | 24620 | 0.0360 | 0.0643 | −0.246 | 0.0350 | 0.211 |
FIXED | 24620 | 0.214 | 0.161 | 0.00198 | 0.182 | 0.695 |
Growth | 24620 | 0.169 | 0.409 | −0.562 | 0.104 | 2.581 |
Dual | 24620 | 0.260 | 0.439 | 0 | 0 | 1 |
Indep | 24620 | 0.376 | 0.0537 | 0.333 | 0.364 | 0.571 |
Labor | 24620 | 1.288 | 1.027 | 0.0690 | 1.036 | 5.747 |
Balance | 24620 | 0.356 | 0.287 | 0.00991 | 0.271 | 0.992 |
Mshare | 24620 | 0.113 | 0.178 | 0 | 0.00299 | 0.656 |
BM | 24620 | 0.623 | 0.255 | 0.114 | 0.620 | 1.180 |
(二)主回归结果
表3为ESG表现对企业劳动投资效率影响的基准回归结果。第(1)列中只控制了年份、行业固定效应,ESG表现与劳动非效率投资的回归系数在1%的水平下显著为负。第(2)列结果显示,在控制了上述固定效应并加入其他控制变量后,Esg与Abresid的回归系数为−0.0363,仍在1%的水平下显著,意味着ESG表现的标准差每增加1%,劳动非效率投资相对于其平均值会减少2.88%
(1) | (2) | |
Abresid | Abresid | |
Esg | −0.0350*** | −0.0363*** |
(−4.0410) | (−4.0290) | |
Quick | −0.0070*** | |
(−6.0781) | ||
Size | 0.0198*** | |
(9.8447) | ||
Lev | −0.0303** | |
(−2.3090) | ||
ROA | −0.2602*** | |
(−8.0466) | ||
FIXED | −0.0725*** | |
(−5.3335) | ||
Growth | 0.0676*** | |
(11.1211) | ||
Dual | 0.0038 | |
(1.0109) | ||
Indep | 0.0462 | |
(1.5519) | ||
Labor | 0.0099*** | |
(4.4060) | ||
Balance | 0.0083 | |
(1.4763) | ||
Mshare | 0.0252** | |
(2.5259) | ||
BM | −0.1027*** | |
(−10.7073) | ||
Constant | 0.3111*** | −0.0640 |
(19.1336) | (−1.5157) | |
Year | Yes | Yes |
Ind | Yes | Yes |
N | 24619 | 24619 |
adj. R2 | 0.069 | 0.089 |
注:* 、**、***分别表示10%、5%、1%的显著性水平;括号内为经公司层面聚类调整的t值,下同。 |
(三)稳健性检验
1.替换劳动投资效率的度量方法
参考褚剑和方军雄(2020)及Khedmati等(2020),本文以支付给职工以及为职工支付的现金与总资产之比衡量企业劳动投资,按照模型(1)重新估计企业劳动非效率投资(Abresid1)。回归结果如表4第(1)列所示,研究结论保持不变。
(1) | (2) | (3) | (4) | |
Abresid1 | Abresid | Abresid | Abresid | |
Esg | −0.0264*** | |||
(−4.7845) | ||||
Esg1 | −0.0079** | |||
(−2.3083) | ||||
Esg2 | −0.0137*** | |||
(−2.8361) | ||||
Esg3 | −0.0074* | |||
(−1.9000) | ||||
Constant | 0.2435*** | −0.0908** | −0.0845** | −0.0965** |
(9.2779) | (−1.7902) | (−2.0175) | (−2.2977) | |
Controls | Yes | Yes | Yes | Yes |
Year | Yes | Yes | Yes | Yes |
Ind | Yes | Yes | Yes | Yes |
N | 19913 | 24619 | 24619 | 24619 |
adj. R2 | 0.070 | 0.089 | 0.089 | 0.089 |
2.替换ESG表现的度量方式
借鉴高杰英等(2021)的研究,按照华证ESG评级大类构建Esg1、Esg2来替换基准回归中的Esg变量。首先,采取三分制赋值方法构造解释变量Esg1,依据华证ESG评级的大类(C类、B类、A类)构建,当评级为C—CCC时,Esg1=1;当评级为B—BBB时,Esg1=2;当评级为A—AAA时,Esg1=3。其次,设置虚拟变量Esg2,当华证ESG评级为BBB级及以上时Esg2取值为1,否则为0。此外,由于国内外现有的ESG评级体系在涵盖范围、评级指标、披露规则方面有较大差异,本文参考周方召等(2020)的研究,采用和讯网社会责任评分衡量企业ESG表现,并构造虚拟变量Esg3。若社会责任评分小于年度行业均值,则Esg3取值为0,否则为1。回归结果如表4第(2)至(4)列所示。Esg1、Esg2和Esg3与Abresid的系数分别为−0.0079、−0.0137和−0.0074,且分别在5%、1%和10%的水平下显著,再次验证了假设H1a,企业良好的ESG表现提升了企业劳动投资效率。
3.滞后变量
鉴于ESG表现可能对劳动投资效率产生滞后效应,本文进一步将Esg和所有控制变量滞后一期、两期与三期,分别考察其对企业劳动投资效率的影响。表5第(1)(2)(3)列分别为Esg滞后一期(LEsg)、两期(L2Esg)和三期(L3Esg)的回归结果,回归系数均在1%水平下显著为负,滞后两期后呈现系数递减的趋势,表明ESG表现对于劳动投资效率的改善可能存在一定的递减效应。
(1) | (2) | (3) | |
Abresid | Abresid | Abresid | |
LEsg | −0.0295*** | ||
(−3.0206) | |||
L2Esg | −0.0478*** | ||
(−4.3841) | |||
L3Esg | −0.0466*** | ||
(−3.6491) | |||
Constant | −0.0997** | 0.2499*** | 0.3388*** |
(2.1644) | (4.8909) | (5.8705) | |
Controls | Yes | Yes | Yes |
Year | Yes | Yes | Yes |
Ind | Yes | Yes | Yes |
N | 20507 | 17433 | 14501 |
adj. R2 | 0.074 | 0.069 | 0.070 |
4.剔除特殊年份
由于突发公共卫生事件对全球经济、社会和就业造成了巨大的冲击,为突发公共卫生事件对劳动力市场可能产生的影响,本文剔除了2020年和2021年的样本进行回归检验,回归结果如表7第(1)列所示,对本文的核心结论未产生影响。
(1) | (2) | (3) | |
剔除特殊年份 | PSM:1:1匹配 | PSM:半径匹配 | |
Abresid | Abresid | Abresid | |
Esg | −0.0268** | −0.0295** | −0.0363*** |
(−2.3772) | (−2.3489) | (−4.0267) | |
Constant | −0.0761 | −0.1113* | −0.0609 |
(−1.4547) | (−1.6456) | (−1.4301) | |
Controls | Yes | Yes | Yes |
Year | Yes | Yes | Yes |
Ind | Yes | Yes | Yes |
N | 18898 | 11924 | 24597 |
adj. R2 | 0.093 | 0.087 | 0.090 |
5.PSM倾向得分匹配
参照陈红和张凌霄(2023)的研究,通过倾向得分匹配(PSM)以减弱ESG表现与企业劳动投资效率可能存在的内生性问题。本文依据ESG评级同年度同行业的均值进行分组,若ESG评级高于平均数则为实验组,其余则为对照组。以模型(2)中所有的控制变量作为协变量,采用1:1最近邻匹配和半径匹配法进行配对以最小化均方误差。表6列示了近邻匹配前后的平衡性检验结果,实验组与对照组匹配后基本不存在显著差异,匹配效果较好
变量 | 匹配前后 | 处理组均值 | 控制组均值 | %bias | t值 | p值 |
Quick | Unmatched | 1.6999 | 1.7508 | −2.8 | −2.15 | 0.032 |
Matched | 1.6991 | 1.7198 | −1.1 | −0.84 | 0.401 | |
Size | Unmatched | 22.747 | 22.018 | 58.2 | 46.01 | 0.000 |
Matched | 22.744 | 22.736 | 0.6 | 0.43 | 0.669 | |
Lev | Unmatched | 0.44507 | 0.43932 | 2.8 | 2.21 | 0.027 |
Matched | 0.44525 | 0.44316 | 1.0 | 0.76 | 0.445 | |
ROA | Unmatched | 0.04571 | 0.02821 | 27.7 | 21.43 | 0.000 |
Matched | 0.45559 | 0.04627 | −1.1 | −0.83 | 0.404 | |
FIXED | Unmatched | 0.21885 | 0.21014 | 5.4 | 4.23 | 0.000 |
Matched | 0.21877 | 0.225 | −3.9 | −2.74 | 0.006 | |
Growth | Unmatched | 0.15682 | 0.17882 | −5.4 | −4.19 | 0.000 |
Matched | 0.15681 | 0.16229 | −1.4 | −1.12 | 0.261 | |
Dual | Unmatched | 0.23011 | 0.2839 | −12.3 | −9.58 | 0.000 |
Matched | 0.23025 | 0.23762 | −1.7 | −1.29 | 0.197 | |
Indep | Unmatched | 0.37611 | 0.37543 | 1.3 | 0.99 | 0.323 |
Matched | 0.37606 | 0.37602 | 0.1 | −0.06 | 0.955 | |
Labor | Unmatched | 1.1814 | 1.3749 | −19.1 | −14.76 | 0.000 |
Matched | 1.1822 | 1.1617 | 2.0 | 1.59 | 0.111 | |
Balance | Unmatched | 0.3518 | 0.35966 | −2.7 | −2.14 | 0.032 |
Matched | 0.35176 | 0.35843 | −2.3 | −1.72 | 0.086 | |
Mshare | Unmatched | 0.10326 | 0.12156 | −10.3 | −8.03 | 0.000 |
Matched | 0.10336 | 0.10854 | −2.9 | −2.21 | 0.027 | |
BM | Unmatched | 0.65075 | 0.60027 | 19.8 | 15.52 | 0.000 |
Matched | 0.65087 | 0.64806 | 1.1 | 0.79 | 0.432 |
6.工具变量法
借鉴高杰英等(2021)、陈娇娇等(2023)的研究,采用同年度同行业同省份的Esg的均值(MEsg)作为工具变量。同年度同行业同省份中其他企业ESG的评级结果将会产生同群效应,显著影响本企业的ESG表现,但与本企业的劳动投资效率并无直接影响,满足外生性的假定。采用2SLS对上述工具变量进行回归。表8第(1)(2)列分别报告了工具变量MEsg在第一和第二阶段的回归结果,第一阶段结果显示MEsg在1%的水平下显著为正,说明工具变量与自变量之间的相关性。第二阶段回归结果显示,Kleibergen-Paap rk LM统计量为389.585,通过了不可识别检验;Kleibergen-Paap rk Wald F与Cragg-Donald Wald F统计量分别为2929.333和10640.87,远大于10%的临界值拒绝了弱工具变量的假设,表明工具变量解释力较强。上述结果显示,Esg的系数在10%的水平下显著为负,研究结论依然稳健。
(1) | (2) | (3) | (4) | |
Esg | Abresid | Esg_dum | Abresid | |
工具变量第一阶段 | 工具变量第二阶段 | Heckman第一阶段 | Heckman第二阶段 | |
MEsg | 0.8967*** | 6.8810*** | ||
(103.1546) | (33.3100) | |||
Esg | −0.0306* | −0.0410*** | ||
(−1.7808) | (−3.9240) | |||
IMR | −0.0410 | |||
(−1.2656) | ||||
Constant | −0.6881*** | −0.0027 | −20.7869*** | −0.0379 |
(−25.7702) | (−0.0623) | (−35.9419) | (−0.7012) | |
Controls | Yes | Yes | Yes | Yes |
Year | Yes | Yes | Yes | Yes |
Ind | Yes | Yes | Yes | Yes |
K−P rk LM | 389.585 | |||
K−P rk Wald F | 2929.333 | |||
C−D Wald F | 10640.87 | |||
N | 24619 | 24620 | 24619 | 24619 |
adj. R2 | 0.457 | 0.089 | 0.089 |
7.Heckman两阶段检验
考虑到某些上市公司并未披露ESG信息,研究可能存在样本自选择问题,本文借鉴万国超等(2023)的研究,第一阶段按照Esg同年度同行业的均值将ESG表现转化为虚拟变量Esg_dum,若企业ESG表现高于均值则赋值为1,否则为0,外生变量仍然选择同年度同行业同省份的Esg的均值(MEsg),将Esg_dum、MEsg和基准回归中所有控制变量一起进行Probit回归,估算出IMR;第二阶段将估计出的IMR带入模型(2)进行回归。表8第(4)列显示,IMR的系数不显著,说明原模型不存在严重的样本选择偏差,且Esg的回归系数仍然在1%的水平下显著为负,说明考虑了样本自选择的内生性问题后,前文结论保持不变。
五、进一步研究(一)作用机制检验
基于前述理论分析,本文认为企业ESG表现将通过释放资源效应与激励效应来提升劳动投资效率。具体机制分析如下:
1.ESG的资源效应:缓解融资约束的作用机制
ESG表现将通过释放资源效应,通过缓解融资约束来提升企业劳动投资效率。信息不对称是融资约束产生的根源,也是影响企业劳动力雇佣决策的重要因素(申丹琳和江轩宇,2022)。信息不对称使得企业在市场竞争中处于劣势,抑制了商业信用获取能力,加剧了资金链的短缺与断裂,使其难以根据市场需求、投资者偏好与自身发展战略实现劳动力结构优化配置,从而降低了劳动投资效率(陶欣欣等,2022)。而拥有良好ESG表现的企业向外界披露了大量的财务与非财务信息,提升了信息透明度(毛其淋和王玥清,2023),且环境、社会责任表现好的企业更容易树立良好的企业形象,降低其与投资者等利益相关者间的信息不对称,增强顾客黏性,提高产品或服务的市场竞争力,降低企业的融资成本(李增福和冯柳华,2022),进而缓解了融资约束问题,提升了劳动投资效率。由此,本文认为ESG表现将通过缓解融资约束来提升劳动投资效率,即ESG表现对劳动非效率投资的负向影响在融资约束较高的组别中将更为显著。
为验证上述推断,采用KZ指数度量融资约束,KZ指数越大,表明融资约束程度越严重。将KZ按照行业年份中位数划分成高、低两组,回归结果如表9第(1)(2)列所示,Esg与劳动非效率投资Abresid的回归系数在融资约束较高的组中为−0.0507,在1%水平下显著为负,在融资约束较低的组中为负,但不显著,采用费舍尔组间系数差异检验得到的经验P值在1%水平下显著,证实ESG表现在融资约束较高的组别更有助于提升劳动投资效率,即ESG表现通过释放资源效应缓解融资约束,提升劳动投资效率的机制成立。
(1) | (2) | (3) | (4) | (5) | (6) | |
融资约束低 | 融资约束高 | 创新投入低 | 创新投入高 | 创新产出低 | 创新产出高 | |
Esg | −0.0179 | −0.0507*** | −0.0453*** | −0.0254** | −0.0460*** | −0.0249** |
(−1.3464) | (−4.1692) | (−3.4468) | (−2.0972) | (−3.4965) | (−2.0511) | |
Constant | −0.1218** | −0.0518 | −0.1154* | −0.0330 | −0.0479 | −0.0610 |
(−2.1074) | (−0.8766) | (−1.7930) | (−0.5851) | (−0.8340) | (−1.0148) | |
Controls | Yes | Yes | Yes | Yes | Yes | Yes |
Year | Yes | Yes | Yes | Yes | Yes | Yes |
Ind | Yes | Yes | Yes | Yes | Yes | Yes |
N | 12311 | 12308 | 10687 | 13932 | 10766 | 13853 |
adj. R2 | 0.088 | 0.092 | 0.094 | 0.086 | 0.093 | 0.086 |
经验P值 | 0.000*** | 0.070* | 0.030** | |||
注:“经验P值”用于检验组间系数差异的显著性,本文采用费舍尔组合检验,通过自体抽样(Bootstrap)100次计算得到,下同。 |
2.ESG的激励效应:增强员工创新的作用机制
ESG表现将通过释放激励效应,激发企业员工创新来提升劳动投资效率。创新驱动会引导企业加速数字化转型,优化人力资本结构,增强高技能劳动力占比,同时机器设备的升级会减少对低技能劳动力的需求以减少雇佣冗余,提升了企业对劳动资源的利用效率。而ESG表现良好的企业,通过增强对环境治理、员工利益保障等层面的信息披露,有利于降低企业经营风险,获取政府财政补贴(万国超等,2023),为企业员工实施高质量创新营造更为宽松稳定的环境,这不仅有利于激励员工加大整体创新,更有利于加强对“卡脖子”等突破性技术改革的创新投入和创新产出,从“量”与“质”两个层面增强企业创新,进而提升劳动投资效率。由此,本文借鉴Tsang等(2021),用研发支出除以员工人数RD衡量人均创新投入,用发明专利、实用新型和外观设计专利的申请量总数除以员工人数Patent衡量人均创新产出,从投入与产出两个层面衡量员工创新效率。如果创新投入(产出)大于年度行业中位数,则RD_dum(Patent_dum)取1,否则为0,即RD_dum(Patent_dum)越大,表明员工创新效率越强。我们预测,ESG与劳动非效率投资的负相关关系在员工创新投入(产出)较低的组别将更为显著,即ESG表现通过激励员工创新投入与产出来提升劳动投资效率。表9第(3)至(6)列显示,Esg与Abresid的回归系数在创新投入(产出)较高与较低的组中均显著为负,但在员工创新投入、创新产出较低的组中系数更大,显著性更强,且组间系数差异检验的P值分别在10%和5%的水平下显著,证实ESG表现将通过发挥激励效应增强员工创新,提升企业劳动投资效率的机制成立。
(二)异质性分析
1.产权性质的影响
国有企业与非国有企业在经营目标、社会责任和管理决策权等方面差别显著,在进行劳动要素配置时拥有着不同的自主权和灵活度。首先,国有企业不仅要追求经济利益,还要兼顾社会效益,肩负着促进就业、精准扶贫、实现共同富裕等多项社会责任。就业是最大的民生,党中央高度重视就业工作,保障和改善百姓的基本生活。为了稳定和扩大就业,政府可以强制要求国有企业增加员工雇佣数量,造成企业偏离最优的劳动投资决策。其次,由于国有企业牵涉到的利益主体较多,与产权清晰的非国有企业相比,存在着较大的委托代理问题。与非国企“能者居之”的选拔制度不同,国企的高级管理人员多来自于政府任命,为追求政治声誉和职业声誉等个人利益,雇佣更多员工以响应国家战略和政府的发展目标。而非国有企业为了实现可持续高质量发展,会积极地向外界披露企业ESG信息,以此维持更好的劳动资源配置结构。再次,国有企业由于肩负着国家经济发展的任务,在面临财务困境时,更容易获得国家的补贴与资金支持,通过ESG表现拓宽融资渠道改善劳动投资效率可能成为次优选择,且国有企业高管往往存在薪酬管制,即使他们清楚企业的劳动力资源已偏离了最佳结构,可能也不愿主动进行调整,这些都会显著削弱ESG表现对劳动投资效率的推进效果。由此,本文参照既有研究,按照产业性质将样本分为国有上市公司(SOE=1)和非国有上市公司(SOE=0),探讨产权性质对ESG表现与劳动投资效率关系的影响。表10第(1)(2)列显示,在非国有企业组,Esg对Abresid的抑制作用在5%的水平下显著,而在国有企业组,Esg的系数依然为负但并不显著,与上述理论分析一致,说明对于国有企业ESG表现提升劳动投资效率的效应可能会有所减弱。
(1) | (2) | (3) | (4) | (5) | (6) | |
非国有 | 国有 | 非四大 | 四大 | 审计师专长低 | 审计师专长高 | |
Esg | −0.0276** | −0.0239 | −0.0351*** | −0.0453 | −0.0388*** | −0.0208 |
(−2.4705) | (−1.4899) | (−3.8343) | (−0.7784) | (−3.8809) | (−1.0711) | |
Constant | −0.0830 | −0.1433** | −0.0898* | −0.0129 | −0.1059** | −0.0473 |
(−1.4199) | (−2.2116) | (−1.9268) | (−0.0754) | (−2.1024) | (−0.5621) | |
Controls | Yes | Yes | Yes | Yes | Yes | Yes |
Year | Yes | Yes | Yes | Yes | Yes | Yes |
Ind | Yes | Yes | Yes | Yes | Yes | Yes |
N | 15531 | 9069 | 23164 | 1455 | 19710 | 4909 |
adj. R2 | 0.094 | 0.084 | 0.090 | 0.100 | 0.087 | 0.098 |
经验P值 | 0.230 | 0.000*** | 0.000*** |
2.审计质量的影响
企业劳动非效率投资行为很大程度上源于信息不对称和代理问题,而高质量的外部审计能够有效纠正这一现象,便于投资者清晰了解到企业的经营状况与财务成果,提高信息透明度,降低股东和高管间的信息不对称,有助于管理层选聘高素质员工,优化劳动投资决策,从而增强劳动投资效率,但这也可能会弱化ESG表现对劳动非效率投资行为的治理效果与提升空间。为此,我们推断ESG表现对于劳动投资效率的增强效应可能在审计质量较低的组别中更为显著。为了更好地度量审计质量,参照喻彪和杨刚(2022)、刘圻和赵沪晓(2022)的方法,按照是否聘用国际“四大”会计师事务所,以及审计师行业专长两个指标来刻画审计质量。国际“四大”会计师事务所往往拥有良好的声誉和丰富的审计实务经验,审计过程更为严格,生成的会计信息质量更高。而拥有较高行业专长的审计师,更易洞悉行业运作方式,积累的经验更为丰富,做出的审计判断也更为可信。因此若企业的审计服务由国际“四大”提供(Big4=1),则划分为审计质量较高组,否则为较低组。审计师行业专长则基于客户资产总额计算其在行业中的市场份额(MSA),按照MSA是否大于等于10%为基准,设置虚拟变量,将样本分为审计质量较高(MSA_dum=1,MSA>=10%)和较低(MSA_dum=0,MSA<10%)两组。表10第(3)至(6)列显示,当审计质量较低时,Esg与Abresid的回归系数在1%水平下显著为负,而审计质量较高时,系数不显著,说明在审计质量较高的环境下,削弱了企业ESG表现对于劳动投资效率的提升效应,这从侧面也反映出ESG表现可以有效弥补外部审计监督较弱对劳动投资效率带来的不利影响,展现了ESG积极的治理效应。
3.行业特征的影响
高科技企业注重先进技术的引进和高端人才的培养,且受到政府补贴和政策支持,与非高科技企业相比,更易吸引高素质员工以调整企业的劳动力配置效率。因此,ESG表现对企业劳动投资效率的影响在高科技企业与非高科技企业之间很可能存在一定的差异。本文根据国家统计局印发的《高技术产业(制造业)分类(2017)》,并参考姚凯和王亚娟(2020)的研究,最终将制造业中的医药制造业、化学纤维制造业等6个行业归为高科技行业,按照企业是否属于这6个行业划分为高科技行业(Tech=1)和非高科技行业(Tech=0)。回归结果如表11第(1)(2)列所示,在非高科技行业中,Esg回归系数的绝对值及其显著性高于高科技行业,表明ESG表现对企业劳动投资效率的促进作用在非高科技行业的企业中更加显著,其可能的原因在于ESG表现可以通过释放外溢效应,凸显缓解信息不对称、提高企业信誉的治理功能,打破非高科技企业的融资困境,来吸引高素质人才,改善劳动错配,提升劳动投资效率。
(1) | (2) | (3) | (4) | |
非高科技 | 高科技 | 市场竞争地位较低 | 市场竞争地位较高 | |
Esg | −0.0407*** | −0.0242 | −0.0439*** | −0.0277** |
(−3.9358) | (−1.4074) | (−3.6179) | (−2.0534) | |
Constant | −0.0249 | −0.1786** | −0.1340** | 0.0018 |
(−0.5494) | (−2.1136) | (−2.2775) | (0.0297) | |
Controls | Yes | Yes | Yes | Yes |
Year | Yes | Yes | Yes | Yes |
Ind | Yes | Yes | Yes | Yes |
N | 18065 | 6554 | 12499 | 12120 |
adj. R2 | 0.086 | 0.106 | 0.092 | 0.089 |
经验P值 | 0.000*** | 0.000*** |
4.市场竞争地位的影响
产品市场竞争地位较高的企业拥有能够长期保持并维持其盈利能力的独特优势,如品牌价值、成本优势、技术或专利、市场份额和壁垒等(史晓红等,2023)。这些企业通常受到市场和机构的关注与监督,需要遵守更加严格的信息披露和透明度要求,可以降低与外界的信息偏差,从而改善劳动投资效率。此外,较高市场竞争地位的企业拥有先进的管理理念和明确的企业发展目标,其管理者能够掌握充足的市场信息对劳动要素资源进行更有效的配置,在抵御供需变化、利率波动等外部冲击时更容易维持稳定(Datta等,2013)。而对处于行业中竞争地位较低的企业而言,由于其自身生产设备落后、管理制度不健全、技术创新不足,劳动投资决策行为受融资约束和环境波动等因素影响会更为明显,如经济危机、重大公共卫生事件引发的过度裁员等。综上,本文认为,行业竞争地位高的企业拥有更加完善的信息披露水平、更加合理的经营模式和更加有效的人力资本结构,ESG表现对其劳动投资效率的提升程度相较于市场竞争地位较低的企业可能较为有限,因此,推测ESG表现对劳动投资效率带来的正面影响在市场竞争地位低的企业中更加明显。
为验证该推论,借鉴卜君和孙光国(2020)的方法,将企业个体勒纳指数除以行业平均勒纳指数,得到去除行业影响的指数(EPCM)来衡量市场竞争地位。EPCM值越大,企业在行业内的竞争地位越高。按年度行业中位数将样本企业划分为市场竞争地位较高(EPCM=1)和竞争地位较低(EPCM=0)两组进行回归。表11第(3)(4)列的结果显示,当企业竞争地位较低时,ESG表现的系数在1%的水平下显著为负,并通过了组间系数差异检验,说明对于处在市场较低竞争地位的企业来说,ESG表现能够给企业劳动投资效率带来的正向激励作用更加有效。
(三)劳动非效率投资类型差异分析
为进一步验证ESG表现对于两类非效率劳动投资的影响是否存在差异,借鉴Jung等(2014)和Khedmati等(2020)的方法,将非效率劳动投资细分为劳动投资过度和劳动投资不足。具体来说,当模型(1)中回归残差为正时,代表劳动投资过度,记作Mresid;残差为负时,代表劳动投资不足,取绝对值记作Lresid。进一步拆解劳动投资效率的具体类型,将企业的劳动投资过度Mresid划分为雇佣过度和解雇不足,若模型(1)中企业净雇佣量(Net_Hire)的拟合值大于0,则为雇佣过度,反之为解雇不足;同理,将劳动投资不足Lresid划分为雇佣不足和解雇过度,若拟合值大于0,则为雇佣不足,反之为解雇过度。
表12回归结果显示,Esg与Mresid和Lresid的回归系数分别为−0.0567和−0.0228,均在1%的水平下显著,表明ESG表现对劳动投资过度和投资不足均存在显著的抑制作用。进一步将劳动投资过度划分成雇佣冗余与解雇不足,发现ESG表现既能减轻企业劳动雇佣过度,又能改善劳动力解雇不足,且对雇佣过度的改善效应更强;在ESG表现抑制劳动投资不足方面,对雇佣不足和解雇过度均为负向影响,展现了ESG优化劳动力结构,提升劳动投资效率的治理效果。
(1) | (2) | (3) | (4) | (5) | (6) | |
劳动投资过度(Mresid) | 劳动投资不足(Lresid) | |||||
全样本 | 雇佣过度 | 解雇不足 | 全样本 | 雇佣不足 | 解雇过度 | |
Esg | −0.0567*** | −0.0830** | −0.0319** | −0.0228*** | −0.0273* | −0.0223** |
(−3.1450) | (−2.3495) | (−2.1437) | (−2.6044) | (−1.9060) | (−2.3612) | |
Constant | 0.1196 | 0.3306** | 0.2410*** | −0.3765*** | −0.3444*** | −0.3457*** |
(1.3951) | (2.0517) | (3.0542) | (−8.3100) | (−5.1851) | (−7.0982) | |
Controls | Yes | Yes | Yes | Yes | Yes | Yes |
Year | Yes | Yes | Yes | Yes | Yes | Yes |
Ind | Yes | Yes | Yes | Yes | Yes | Yes |
N | 11175 | 5473 | 5702 | 13444 | 7286 | 6158 |
adj. R2 | 0.083 | 0.060 | 0.025 | 0.141 | 0.094 | 0.120 |
经验P值 | 0.05** | 0.370 |
为推动绿色发展,实现建设美丽中国的战略目标,政府、监管层、投资者与企业对ESG重视程度日益增加。与此同时,劳动资源配置在提高企业生产力、增强市场竞争力与稳定社会发展中起着重要的作用,如何提升劳动投资效率也备受关注。为此,本文基于2011—2021年A股上市公司数据,深入考察并厘清了ESG表现对企业劳动投资效率的影响与作用机制。研究发现:第一,ESG表现可以显著提升企业劳动投资效率,展现出“如虎添翼”的赋能效应,且这一促进作用在非国有企业、聘任的事务所源自非四大审计机构、审计师行业专长较弱、非高新技术企业和市场竞争地位较低的企业更为显著。第二,缓解融资约束和激励员工创新是ESG表现提升劳动投资效率的主要路径。第三,ESG表现对劳动投资过度及投资不足均存在显著的抑制作用。基于这些结论,从以下三个层面提出建议。
第一,企业应审时度势,积极践行ESG可持续发展战略,通过不断改善融资环境与激励员工创新,协同推进企业劳动投资效率改善。企业应顺应国家绿色发展战略,在创造物质财富的同时,更好地肩负起环境、社会和治理责任,将行动落实在企业经营建设、环保责任履行与人才招聘的各个环节之中,并依据监管要求、参照行业标准、借鉴龙头经验,遵守全球报告倡议(GRI)和国际一致性报告倡议(SASB)等ESG报告准则和框架,按时、准确、完整地披露ESG各维度信息,确保相关的ESG实践标准和政策在激烈的市场竞争中为企业赢得良好的企业形象,增进外部投资者对企业特征与发展战略的了解,以获得市场的信赖与员工的青睐,更好地缓解融资约束,激励员工创新,以此提升劳动投资效率。
第二,政府机构应尽快制定和加强ESG顶层设计的政策性文件和国家标准法律法规,提供财政激励措施,促进ESG信息披露标准化、透明化与市场化,加快构建具有中国特色的ESG指标体系。政府应颁布和实施有关环境保护、劳工权益和公司治理等方面的法律法规,为ESG的实施提供法律框架和指导,助力企业增加ESG信息披露的数量和质量,引导资金流向ESG表现较好的企业。政府可以通过税收优惠、补贴和奖励等财政政策,鼓励具有ESG优势的民营企业、非科技型企业,以及处于劣势市场竞争地位的企业增大在环境友好、社会责任和良好治理方面的投资和行动,缓解企业在资金、人才创新等方面的制约因素,增强劳动投资效率,推进企业高质量发展。
第三,监管部门应强化监管和执法,加强对ESG理念的培训和教育推广,提供更为准确和及时的ESG治理服务。监管部门应规范不同行业ESG定性、定量指标及披露标准,加大对所处行业企业ESG履职行为的外部监管、提升审计执法力度与质量,强化对“漂绿”等行为的甄别与监管,对披露不实ESG信息的公司加大处罚,提升企业及其员工对ESG的深入认识和理解,让员工成为可持续发展的同行者与缔造者,促进ESG在业务决策中的应用和整合,助力企业员工劳动效率提升与福利改善。
[1] | 卜君, 孙光国. 环境不确定性会影响企业劳动投资效率吗?[J]. 经济管理, 2020, 42(10): 23–38. |
[2] | 陈红, 张凌霄. ESG表现、数字化转型与企业价值提升[J]. 中南财经政法大学学报, 2023(3): 136–149. |
[3] | 褚剑, 方军雄. 卖空约束放松能够改善企业劳动投资效率吗?[J]. 外国经济与管理, 2020, 42(2): 84–96. |
[4] | 方先明, 胡丁. 企业ESG表现与创新——来自A股上市公司的证据[J]. 经济研究, 2023, 58(2): 91–106. |
[5] | 胡洁, 于宪荣, 韩一鸣. ESG评级能否促进企业绿色转型?——基于多时点双重差分法的验证[J]. 数量经济技术经济研究, 2023, 40(7): 90–111. |
[6] | 黄珺, 汪玉荷, 韩菲菲, 等. ESG信息披露: 内涵辨析、评价方法与作用机制[J]. 外国经济与管理, 2023, 45(6): 3–18. |
[7] | 李井林, 阳镇, 陈劲, 等. ESG促进企业绩效的机制研究——基于企业创新的视角[J]. 科学学与科学技术管理, 2021, 42(9): 71–89. |
[8] | 李增福, 冯柳华. 企业ESG表现与商业信用获取[J]. 财经研究, 2022, 48(12): 151–165. |
[9] | 马文杰, 胡玥. 地区碳达峰压力与企业绿色技术创新——基于碳排放增速的研究[J]. 会计与经济研究, 2022, 36(4): 53–73. |
[10] | 毛其淋, 王玥清. ESG的就业效应研究: 来自中国上市公司的证据[J]. 经济研究, 2023, 58(7): 86–103. |
[11] | 上官泽明, 张媛媛. 企业ESG表现与金融资产配置: 刺激还是抑制?[J]. 上海财经大学学报, 2023, 25(6): 44–58. |
[12] | 申丹琳, 江轩宇. 社会信任与企业劳动投资效率[J]. 金融研究, 2022(9): 152–168. |
[13] | 史晓红, 江泽源, 白东北. ESG表现如何提升企业市场势力——来自上市公司的证据[J]. 产业经济评论, 2023(5): 109–125. |
[14] | 宋献中, 胡珺, 李四海. 社会责任信息披露与股价崩盘风险——基于信息效应与声誉保险效应的路径分析[J]. 金融研究, 2017(4): 161–175. |
[15] | 陶欣欣, 江轩宇, 谢志华, 等. 社会责任履行影响企业劳动投资效率吗[J]. 会计研究, 2022(6): 120–133. |
[16] | 万国超, 李超, 吴武清. 企业ESG表现会影响股票错误定价吗[J]. 财经科学, 2023(6): 32–47. |
[17] | 武鹏, 杨科, 蒋峻松, 等. 企业ESG表现会影响盈余价值相关性吗?[J]. 财经研究, 2023, 49(6): 137–152. |
[18] | 喻彪, 杨刚. 会计信息可比性与企业劳动投资效率[J]. 投资研究, 2022, 41(6): 31–58. |
[19] | 周冬华, 万贻健. 数字化转型会提升企业劳动投资效率吗[J]. 山西财经大学学报, 2023, 45(2): 87–101. |
[20] | Acemoglu D, Restrepo P. The race between man and machine: Implications of technology for growth, factor shares, and employment[J]. American Economic Review, 2018, 108(6): 1488–1542. |
[21] | Benmelech E, Bergman N K, Seru A. Financing labor[J]. Review of Finance, 2021, 25(5): 1365–1393. |
[22] | Datta S, Iskandar-Datta M, Singh V. Product market power, industry structure, and corporate earnings management[J]. Journal of Banking & Finance, 2013, 37(8): 3273–3285. |
[23] | Ghaly M, Dang V A, Stathopoulos K. Institutional investors' horizons and corporate employment decisions[J]. Journal of Corporate Finance, 2020, 64: 101634. |
[24] | Jung B, Lee W J, Weber D P. Financial reporting quality and labor investment efficiency[J]. Contemporary Accounting Research, 2014, 31(4): 1047–1076. |
[25] | Khedmati M, Sualihu M A, Yawson A. CEO-director ties and labor investment efficiency[J]. Journal of Corporate Finance, 2020, 65: 101492. |
[26] | Li H B, Loyalka P, Rozelle S, et al. Human capital and China’s future growth[J]. Journal of Economic Perspectives, 2017, 31(1): 25–48. |
[27] | Pavelin S, Porter L A. The corporate social performance content of innovation in the U. K.[J]. Journal of Business Ethics, 2008, 80(4): 711–725. |
[28] | Tsang A, Wang K T, Liu S M, et al. Integrating corporate social responsibility criteria into executive compensation and firm innovation: International evidence[J]. Journal of Corporate Finance, 2021, 70: 102070. |
[29] | Wong W C, Batten J A, Ahmad A H, et al. Does ESG certification add firm value?[J]. Finance Research Letters, 2021, 39: 101593. |
[30] | Xie J, Nozawa W, Yagi M, et al. Do environmental, social, and governance activities improve corporate financial performance?[J]. Business Strategy and the Environment, 2019, 28(2): 286–300. |
[31] | Zeng T. Relationship between corporate social responsibility and tax avoidance: International evidence[J]. Social Responsibility Journal, 2019, 15(2): 244–257. |