董事网络位置对企业风险承担的影响研究——来自中国上市公司的经验证据

王 熹 刘国枝 王 利 周浩倩

（天津财经大学商学院，天津 300222）

企业风险承担反映了企业在投资决策过程中对投资项目的选择，风险承担水平越高，管理者放弃风险较高但预期净现值大于零的投资项目的可能性越小［1］。微观层面，更高的风险承担水平有利于企业资本配置效率的改善和价值的提高［2］；宏观层面，亦可促进整个社会的资本积累，提高社会生产率，推动经济增长［3］。因此，如何提高企业风险承担水平，成为理论界和实务界备受关注的话题。

基于资源依赖理论，企业风险承担水平的提升离不开信息和资源的有效供给，除市场机制和正式制度外，外部非正式制度渠道也日益成为企业获取信息和资源的重要方式，在我国“关系型” 社会特征背景下，企业间关系联结所形成的社会网络已成为重要的嵌入社会结构的非正式制度安排。由董事在不同企业间兼任所形成的董事网络也成为影响企业投资决策的一种十分重要的社会网络形态［4］。

已有学者从管理者特征［5］、管理层激励与约束［6］等视角探讨了企业风险承担水平的影响因素，认为管理者过度自信、管理者具有海归背景等个人特征以及企业的晋升激励、高管的薪酬差距等都会显着影响企业风险承担水平。然而，鲜有研究从企业所处的网络关系等外部视角分析其如何影响企业风险承担水平。根据我国公司法，董事会对企业投资决策拥有控制权［7］，企业风险承担极大程度上取决于董事决策。董事网络具有知识传播和流动的重要特征，是知识溢出的重要通道［8］。处于网络联结关系中的企业可以通过知识资源的获取，为投资决策制定提供更多参考依据。此外，经济主体的投资决策还与其所处的宏观环境密切相关。当前，我国经济发展正处于转型升级期，经济政策不确定性显着增加，可能改变企业的投融资环境以及未来发展预期，影响经济主体的风险偏好［9］。基于此，本文将探索和检验董事网络位置对企业风险承担水平的影响及其内在机制和边界条件。

本文基于我国上市公司董事兼任行为普遍存在的背景，探究董事网络位置对企业风险承担的影响机制，拓展了企业风险承担的前因变量。以往研究多关注企业创新、融资约束、投资效率等方面，考察董事网络位置对企业风险承担作用效果的文献并不多见，本文从董事网络位置的角度，扩展了其经济后果的研究。同时，本文探索了知识溢出在董事网络位置对企业风险承担的影响过程中发挥的作用，拓展了二者之间的中介机制研究，并引入经济政策不确定性作为调节变量，厘清了董事网络位置影响企业风险承担的边界条件。

董事网络是公司董事会的董事个体以及董事之间通过至少在一个董事会同时任职而建立的直接和间接联结关系的集合［10］。根据资源依赖理论，企业的风险承担是一项资源消耗性活动，具有很强的资源依赖特征［3］。董事网络承载着丰富的社会资本，是社会网络中的重要资源，有利于企业发展［11］。企业若能获得嵌入于董事网络中的社会资本，则能拥有蕴藏其中的重要资源，当面临风险性投资项目决策时能够打破资源限制，减少风险和不确定性，有利于风险承担水平的提高。

董事网络中的社会资本在网络中并非均匀分布，意味着企业通过董事网络获取的信息和资源因其所处的董事网络位置不同而产生差异，可能影响企业风险承担水平［12］。衡量网络位置的变量中使用最多的是中心度和结构洞，中心度衡量了个体行动者在网络中的重要程度，强调与自我直接联系的特性［13］。企业的中心度越高，说明它越接近网络中的核心位置，拥有更多的网络成员联结、更丰富的资源获取渠道以及更快捷的信息传递，从而获取的关键资源和保密信息就越多［14］，在投资决策时更有能力甄别风险和机遇。因此董事网络中心度越高，企业的风险承担水平也会越高。

结构洞指网络中某些个体之间存在无直接联系或关系间断的现象，从网络整体来看，宛如网络结构中出现了洞穴［15］。在董事网络中，上市公司的非兼任董事与其它上市公司的董事之间通过连锁董事间接交流，因此整个上市公司董事网络充满了各公司董事会小网络性质的结构洞，拥有连锁董事的公司将因其占据的结构洞位置而具有一定的结构洞优势［10］： 占据结构洞位置的企业可以获得更多的信息和资源； 另外，拥有连锁董事的公司占据着其他网络成员相互联系的关键路径，从而能够控制信息的传递与否以及准确性［15］。根据弱联结优势理论，结构洞可以向组织提供与其他组织的弱关系联结［16］，从而为企业带来差异化信息和异质性资源。企业拥有的结构洞数目越多，异质性信息和资源就越丰富，越容易做出风险性高的投资决策，提高企业的风险承担水平。

因此，本文提出如下假设：

H1： 董事网络位置正向影响企业风险承担。

H1a： 企业在董事网络中的中心度越高，企业的风险承担水平越高。

H1b： 企业在董事网络中占据的结构洞数量越丰富，企业的风险承担水平越高。

在董事网络中，不同企业由于董事兼任行为而联结在一起，企业因此可以接触到来自其他企业的信息知识，促进企业间的知识流动［17］，使得董事网络成为知识溢出的载体。知识溢出通常指知识在传播和扩散过程中对环境等造成的外部性［18］。社会网络关系可以产生知识溢出效应［8］，为嵌入其中的企业提供有用的知识和资源。企业在网络中的不同位置决定了企业获得知识溢出的程度差异，而新知识的获取是影响企业风险承担的关键因素，因此知识溢出很有可能构成董事网络位置影响企业风险承担的中介路径。

从董事网络位置对知识溢出的影响角度看，企业在董事网络中的中心度越高，和网络中其他成员互动交流的机会就越多，网络“领导者企业” 越会受到周围普通企业的学习和跟随，形成知识交流集聚［19］。企业在董事网络中占据的结构洞越多，就能接触和控制更多重要知识源，拥有更大权力，从而获得更多的知识溢出。从知识溢出对企业风险承担的影响角度看，企业决策的制定依赖其拥有的资源，企业掌握的知识资源越丰富，理性的决策者越能对投资项目做出更加全面的评估，降低决策的不确定性，从而提高企业风险承担水平。

综上，本文提出如下假设：

H2： 知识溢出在董事网络位置对企业风险承担的影响中发挥中介效应。

H2a： 知识溢出在董事网络中心度对企业风险承担的影响中发挥中介效应。

H2b： 知识溢出在企业占据的结构洞数量对企业风险承担的影响中发挥中介效应。

经济政策不确定性指市场经济主体无法准确预知政府是否、何时以及如何改变现行经济政策［20］。经济政策不确定性会影响企业的投融资环境以及经济主体的风险偏好，从而影响企业的风险承担行为。经济政策不确定性具有明显的双向效应，会造成经济环境波动，导致经济主体难以做出准确预判，激发其风险规避动机，倾向更加保守的战略； 同时又能带来新的投资机会，激发经济主体的机遇逐利动机［21］。

当企业处在经济政策不确定性较高的环境中，董事网络蕴含的信息和资源具有帮助企业抵抗风险冲击的作用［22］。从董事网络中心度的角度看，越接近核心位置的企业，与其他企业的联结关系越密切，越能够获得有利于决策的关键信息和资源。在经济政策不确定性较高的环境中，这些关键信息和资源对企业制定投资决策能起到更为明显的助益。从企业占据的结构洞数量的角度看，企业拥有的结构洞数量越多，能获取的异质性信息则越多。随着经济政策不确定性的提高，企业利用异质性信息能够对外部环境做出更准确的判断，从而有利于其投资决策的制定。经济政策不确定性越高时，董事网络获取信息和资源的优势越会被放大，从而对董事的风险投资产生更为明显的影响，进而改变企业的风险承担水平。

综上，本文提出如下假设：

H3： 经济政策不确定性正向调节董事网络位置与企业风险承担之间的关系。

H3a： 经济政策不确定性正向调节董事网络中心度与企业风险承担之间的关系。

H3b： 经济政策不确定性正向调节企业占据的结构洞数量与企业风险承担之间的关系。

本文选取2011～2022 年中国A 股上市公司作为研究样本，由于被解释变量企业风险承担的计算需要3 年窗口期数据，因此本文实际使用2009～2022 年数据。同时按照以下原则对样本进行筛选：（1） 剔除含S、ST、PT 标识的公司； （2） 剔除金融行业上市公司； （3） 剔除同时发行B、H 股的公司； （4） 剔除数据存在缺失及明显异常（包括所有者权益为负及资产负债率大于1）的样本。为规避极端值的影响，本文对连续变量进行了上下1%的Winsorize 缩尾处理。最终得到12 个年度共计26985 个样本观测数据。文中的经济政策不确定性数据来自http：/ /www.policyuncertainty.com/china＿monthly.html 网站，其他数据均源自CSMAR、WIND和CNRDS 数据库。数据处理软件为Stata17。

（1） 被解释变量

企业风险承担（Risk）。参考何瑛等（2019）［23］的做法，采用企业盈利的波动性衡量风险承担水平，计算方法如式（1）、（2） 所示：

ROA为企业相应年度的息税前利润（EBIT）与当年末资产总额的比率。计算盈利波动性时，以每3 年（t－2 年至t年）作为一个观测时段，滚动计算经行业调整后的ROA（Adj＿ROA）标准差。行业划分依据证监会2012 年版行业分类标准，由于制造业企业数量较多，因此对制造业企业所属行业取两位代码进行细分。

（2） 解释变量

董事网络位置（Network）。本文用网络中心度和结构洞两个变量衡量董事网络位置。

网络中心度（DegMn）。参考张勇（2021）［24］的做法，本文选取程度中心度作为衡量网络中心度的指标。该指标描述了在网络中与某个个体直接相连的其他个体数量，反映个体在网络中的交流活跃性，是对网络位置中心度最直观的测量。计算方法如式（3） 所示：

其中，i为某个董事，j为当年除了i之外的其他董事。若两位董事至少在同一个公司董事会共事则Xji为1，否则为0。g是公司当年董事网络中的人数，用g－1 来消除不同年份董事规模差异。Deg的值越大，董事网络位置越高。

结构洞（StruMn）。关于结构洞的测量指标中约束系数的使用较为广泛［13］。因此本文选取约束系数作为结构洞的衡量指标，计算方法如式（4）所示：

其中，Pij表示董事i与董事j的直接关系强度，∑k≠i，j（PikPkj）表示董事i通过k路径与董事j的所有非直接关系强度之和，直接关系强度Pij与非直接关系强度∑k≠i，j（PikPkj）加总后的平方项即表示董事i因为董事j而受到的约束程度。将董事i因网络中所有其他董事而受到的约束程度进行加总，得到Ci。约束系数衡量的是董事在网络中拥有结构洞的匮乏程度，约束系数越小，董事拥有的结构洞越丰富。Ci的最大值为1，借鉴既有文献，本文用1 与Ci的差来衡量结构洞丰富程度。

上述计算得到的程度中心度和结构洞指标均属于董事个体层面，参考张勇（2021）［24］的做法，本文取各上市公司所有董事的程度中心度和结构洞的平均值作为公司层面的衡量指标，以DegMn和StruMn表示，并将DegMn除以100，对量纲进行统一处理。

（3） 中介变量

知识溢出（KS）。参考庞瑞芝等（2021）［25］的做法，首先，利用永续盘存法测算企业的知识资本，企业第t期的知识资本测算如式（5） 所示：

其中，Rt－1表示企业在第t－1 期的研发投入，δ为折旧率并假设为15%，接下来采用式（6） 估算基期的知识资本K0，如下所示：

其中，R0为基期研发投入，g为样本期内企业研发投入的平均增长率。

采用式（7） 测算企业的知识溢出KS，如下所示：

其中，Kjt表示企业j第t期的知识资本，ωijt表示企业j与企业i第t期在技术空间中的距离，计算公式如式（8） 所示：

最后，将得到的KS取自然对数作为最终的知识溢出指标。

（4） 调节变量

经济政策不确定性（EPU）。参考饶品贵和徐子慧（2017）［26］的做法，采用Baker 等（2016）［27］编制的中国经济政策不确定性指数来衡量该指标。该指数以香港《南华早报》 作为新闻报道检索平台，通过关键词检索得到与政策不确定性有关的文章数量再除以文章总数，获得当月的经济政策不确定性数据。本文将Baker 等构建的中国经济政策不确定性指数的月度数据取算术平均值并除以100 作为年度数据。

（5） 控制变量

参考现有研究企业风险承担的文献［28］，本文的控制变量包括AGE、GROWTH、FIRST、BOARD、INDEP、DUAL，以及年度和行业的虚拟变量，具体变量选择和定义如表1 所示。

新闻的负面性和一致性价值也可以通过使用其他叙事特征来实现。萨默斯和吉布森指出，叙事是按照一定的评判标准构建的。这些标准能够实现并指导有选择地采用一系列事件或元素，而这些事件或元素源自构成该经历的各种开放的和重复出现的事件。（转引自Baker 2006：71）因果情节设置使我们能够权衡和解释事件，并将一系列命题转变为可解读的排序，以便使我们从中提炼出观点。（ibid.：67）

表1 变量定义

为检验董事网络位置与企业风险承担的关系，构建如下模型：

其中，i表示企业，t表示年份，Risk表示企业风险承担，Network表示董事网络位置，用程度中心度（DegMn）和结构洞（StruMn）两个指标进行度量，Controls表示所有控制变量，Year和Indcd分别表示年度和行业虚拟变量。ε表示残差项。

为检验知识溢出的中介效应，本文借鉴温忠麟和叶宝娟（2014）［29］对中介效应的检验程序，在模型（9） 的基础上，构建如下两个模型：

其中，KS表示知识溢出，其他变量含义同上。

为检验经济政策不确定性对董事网络位置与企业风险承担之间关系的调节作用，构建如下模型：

其中，EPU表示经济政策不确定性，Network×EPU为董事网络位置与经济政策不确定性的乘积项，其他变量含义同上。

表2 报告了主要变量的描述性统计结果。其中企业风险承担（Risk）的平均值为0.042，最值相差较大说明不同企业间风险承担水平存在很大差异。董事网络程度中心度（DegMn）以及结构洞（StruMn）的最大值与最小值之差分别为0.421 和0.500，说明不同企业在董事网络中的位置存在一定差异，企业利用网络位置可获取的信息和资源也有所不同。知识溢出（KS）的平均值为25.655，标准差为1.092，说明董事网络中存在明显的知识流动和传播特征。经济政策不确定性（EPU）的最值相差较大，说明不同行业年份不同企业间面临的外部环境不确定性差异较大。此外，本文对解释变量及控制变量进行了多重共线性检验，所得各变量的VIF 值及其均值都小于3，说明模型不存在严重的多重共线性问题。

表2 描述性统计

（1） 董事网络位置与企业风险承担

表3 基本回归结果

（2） 知识溢出的中介效应

本文借鉴温忠麟和叶宝娟（2014）［29］的中介效应检验程序对知识溢出的中介效应进行了检验，回归结果见表3。表3 中列（3） 和列（4） 报告了董事网络位置对知识溢出的影响，其中程度中心度显着促进了知识溢出，结构洞显着抑制了知识溢出。列（5） 和列（6） 检验了董事网络位置、知识溢出对企业风险承担的影响，其中，知识溢出的系数显着为负，且与列（3） 中程度中心度的系数乘积符号为负，间接效应显着； 程度中心度的系数显着为正，直接效应显着。列（1） 报告的程度中心度对企业风险承担的总效应显着为正，说明知识溢出在董事网络中心度对企业风险承担的影响中发挥遮掩效应而非中介效应。可能的原因在于，现代企业治理结构中，委托代理关系的存在使得董事的个人利益与公司利益发生偏离甚至冲突时，董事极有可能背离公司利益，发生道德风险的概率会显着增加。企业在董事网络中的位置由连锁董事的联结关系决定，连锁董事在整个网络中处于更核心的位置时企业的董事网络位置也更关键。当处于核心网络位置即网络中心度更高的董事获得的知识溢出越多时，董事的专业知识越丰富，积累的声誉和名望越高［30］。为了在未来实现进一步的名利双收，他们避免自我声誉受损的意愿会更为强烈［31］。因此当企业面临一些风险性较大的投资决策时，董事更倾向于规避风险，减少一旦项目失败而面临更大损失的可能性，从而抑制企业风险承担水平。

采用上述分析程序，可以发现知识溢出在企业拥有的结构洞数量对其风险承担的影响中亦发挥遮掩效应。可能的原因为，处于结构洞位置的企业获得的更多为异质性信息，而已有研究指出过多的结构洞导致企业间的知识转移存在阻碍［32］，正如列（4） 的回归结果显示，企业拥有的结构洞数量越丰富获得的知识溢出越少，异质性信息来源的减少在一定程度上降低了对管理层认知能力的要求和规避风险的可能性，进而遮掩了结构洞对企业风险承担水平的抑制作用。

综上，知识溢出在董事网络位置对企业风险承担的影响中发挥遮掩效应，假设H2 未得证。

（3） 经济政策不确定性的调节作用

为确保数据口径一致，本文对解释变量和调节变量进行中心化处理，再交乘。回归结果见表4。表4 中列（1） 的结果显示经济政策不确定性与程度中心度交乘项（DegMn×EPU）在10%的水平上正向显着，表明经济政策不确定性正向调节董事网络中心度对企业风险承担水平的促进作用，假设H3a 得证。经济政策不确定性越高时，董事网络中心度较高的企业由于有更广泛的联结关系及更高的地位，可以更充分利用信息和资源的获取优势提升企业的风险承担水平。列（2） 的结果显示经济政策不确定性与结构洞交乘项（StruMn×EPU）在5%的水平上负向显着，这表明经济政策不确定性正向调节董事网络中企业拥有的结构洞数量对企业风险承担水平的抑制作用，假设H3b得证。当经济政策不确定性较高时，处于结构洞位置的企业可以获得来源多样的异质性信息，但信息过载与经济政策不确定性加剧的双重压力容易使管理层决策更倾向保守，从而进一步削弱企业的风险承担水平。综上，经济政策不确定性正向调节董事网络位置与企业风险承担之间的关系，假设H3 得证，其调节作用如图1 和2 所示。

图1 经济政策不确定性对董事网络中心度和企业风险承担间关系的调节作用

图2 经济政策不确定性对结构洞和企业风险承担间关系的调节作用

表4 经济政策不确定性的调节作用

（1） 工具变量法

为检验与修正模型的内生性问题，本文参考周雪峰等（2021）［12］的做法，选取程度中心度的行业－年份均值（DegMn＿ind）作为工具变量，并基于模型（9） 进行两阶段回归，回归结果如表5 列（1）、（2） 所示。第一阶段回归中，程度中心度的行业年份均值（DegMn＿ind）的系数显着为正，与内生变量（DegMn）具有高度相关性，同时，F 统计量均大于10，说明工具变量具有有效性。第二阶段回归显示，程度中心度的估计值（DegMnhat）系数在1%的水平上显着为正。对结构洞采用相同方法进行检验，结果与主回归一致，表明原结论稳健。

表5 工具变量法和倾向得分匹配法检验结果

（2） 倾向得分匹配法

本文进一步通过倾向得分匹配法（PSM）对样本数据进行配对处理以缓解内生性问题。借鉴吕可夫等（2023）［33］的做法，①将程度中心度（DegMn）指标按行业年度从大到小的顺序平均分成4组，数值最高和最低的组别分别赋值为1 和0，对应处理组和对照组； ②选取主效应模型中的控制变量作为协变量。通过基于倾向得分值的1 ∶1 近邻匹配方法进行样本数据匹配。回归结果如表5列（3）、（4） 所示，程度中心度（DegMn）的系数在5%的水平上显着为正，与前文回归结果基本一致。对结构洞指标采用相同方法进行匹配后，所得结果也验证了结构洞对企业风险承担的抑制作用，原结论稳健。

（3） 更换变量度量方式

替换企业风险承担测度方式。参考何瑛等（2019）［23］的研究，用3 年观测时段内的Adj＿ROA极差替换前文使用的Adj＿ROA标准差，得到Risk1并进行回归，结果见表6 列（1）、（2）。列（1）中程度中心度（DegMn）的系数在5%的水平上正向显着，结构洞（StruMn）的系数在1%的水平上负向显着，进一步证明了前文结论的稳健性。

表6 更换变量度量方式与核心解释变量滞后1 期的检验结果

更换董事网络位置测度指标。参考张勇（2021）［24］的研究，本文将各上市公司所有董事的程度中心度和结构洞的平均值替换为中位数作为公司层面的董事网络中心度（DegMd）以及结构洞（StruMd）指标，回归结果见表6 列（3）、（4）。其中，程度中心度（DegMd）的系数在1%的水平上显着为正，结构洞（StruMd）的系数在1%的水平上显着为负，与主效应模型的回归结果基本一致，证明了上文结果的稳健性。

（4） 核心解释变量滞后1 期

本文对解释变量取滞后1 期来缓解模型中可能存在的内生性问题。回归结果如表6 列（5）、（6）所示。其中，滞后1 期的程度中心度（LDegMn）系数为0.008，在5%的水平上显着，滞后1 期的结构洞（LStruMn）系数为－0.012，在1%的水平上显着，与前文所得结论一致，具有稳健性。

（5） 知识溢出遮掩效应的稳健性检验

本文采用Bootstrap 法进一步检验知识溢出的遮掩效应，结果显示，在程度中心度对企业风险承担的影响中，知识溢出的间接效应系数为－0.001，直接效应系数为0.008，且偏差矫正的95%置信区间均不包含0； 在结构洞对企业风险承担的影响中，知识溢出的间接效应系数为0.001，直接效应系数为－0.010，且偏差矫正的95%置信区间也均不包含0。上述结果对应的直接效应和间接效应均显着且符号相反，再次证实了知识溢出的遮掩效应。

本文选取2011～2022 年中国A 股上市公司为研究样本，实证检验了董事网络位置对企业风险承担的影响及其作用机制和边界条件。研究发现：（1） 董事网络中心度与企业风险承担显着正相关，而结构洞与企业风险承担显着负相关。企业获取关键性的信息和资源有利于风险决策制定，提升企业的风险承担水平，过载的异质性信息和资源会加剧决策压力，抑制企业风险承担； （2） 知识溢出在董事网络位置对企业风险承担的影响中发挥遮掩效应。这说明经济主体在获取董事网络的知识溢出时，有可能出于声誉维护的动机而采取风险规避行为，降低企业风险承担水平； （3） 经济政策不确定性正向调节董事网络位置与企业风险承担的关系，即董事网络提供的信息和资源对企业风险承担水平的影响随着外部环境不确定性的增加而更加显着。

（1） 合理构建董事网络关系，提升网络中心位置。企业应合理构建董事网络关系，同时注意中心位置和结构洞位置的差异。企业要建立更多的直接联系，提高网络中心位置，有效利用网络中的社会资本，缓解风险承担所需的资源依赖压力； 另外，企业要认识到董事网络关系的不利影响，间接关系虽能给企业带来非冗余且异质性的信息，但企业管理层是否有能力处理这些信息也应该被慎重考虑，否则可能会事倍功半。

（2） 优化董事网络结构，适度获取外部知识。企业要重视知识溢出的遮掩作用，知识溢出的获取并不是越多越好，企业应避免因过度依赖外部知识而导致的风险，同时加强对董事网络的监控与管理，充分考虑声誉效应的影响。

（3） 借助董事网络把握发展机遇，优化决策质量。企业应充分利用董事网络关系，建立有效的信息沟通渠道，更加及时全面地了解经济环境和市场动态。在经济政策不确定性上升时，充分利用好董事网络关系进行风险投资活动，主动把握发展机遇，提升投资决策质量。

本文的研究还存在一定的局限，如知识溢出在董事网络位置与企业风险承担之间发挥遮掩效应，那么二者之间存在的中介作用机制仍有待进一步探索与挖掘。