【社会信用体系1003】企业违规新解：社会信用环境改善的实证分析！

今天给大家分享的是来自于国内顶级期刊金融研究2023年发表论文——《社会信用环境改善降低了企业违规吗？——来自“中国社会信用体系建设”的证据》所用到的重要数据集，该文章从企业层面探讨了社会信用系统建设对企业违规行为的影响，更精准地得到了社会信用体系建设对企业违规行为的影响，弥补了之前从地区或者行业进行研究从而导致估计结果可能出现有偏的问题，该文章是发表在金融研究顶级期刊上面的，而且距离目前还是比较近的文章，并且论文难度相对较低，比较容易理解，本次小编给大家送上该论文中使用到的重要数据——社会信用体系建设名单，数据获取请关注公众号“明天科技屋”并打开公众号该文章获取文末数字关键词并回复，在该数据发布的24小时之内可以通过分享获得。

一、论文讲解

本篇文章以社会信用体系建设开展准自然实验，从企业层面探讨了社会信用体系建设对企业违规的影响，并且采用了多种稳健性检验结论依然保持稳健，同时结合已有研究从代理成本机制、融资约束机制、信息头名机制三个方面进行了机制分析，紧接着企业股权性质、公司治理水平、内部控制质量、地区营商环境以及企业风险方面进行了异质性分析和进一步研究，最终给出结论和建议。

（一）重要数据来源

样本研究市从企业层面进行，因此肯定是需要使用到企业层面的数据，企业层面的详细数据主要包括一系列财务指标，来源于国泰安数据库（CSMAR），对于社会信用体系建设城市名单则是手动整理。

（二）变量定义

被解释变量：企业违规行为（EV）采用三种度量方式进行衡量：1、Fddummy，企业违规行为虚拟变量，若企业当年发生违规行为赋值为1，否则赋值为0；2、Fdnumber，采用企业各年违规并已被查处的次数总和度量；3、Fddegree，企业年度违规事件严重程度，根据违规惩罚的程度进行不同数值判别，具体看论文；

解释变量：社会信用体系建设（Trus）：若企业所在注册城市入选了社会信用体系建设试点城市，则该年份及以后年份Trust取值为1，否则为0；

控制变量：本文进行企业研究，既涉及到企业本身的发展状况，也涉及到企业行业所在情况，同时也涉及到企业所在地区的发展情况，因此，该论文控制变量在企业本身、行业以及地区方面的因素均有考虑，内容很多不一一列举，具体请看论文。

（三）模型构建

$EV_{ict}=\alpha _{0}+\alpha _{1}Trust_{ct}+\gamma Controls_{ict}+\mu _{i}+\theta _{t}+\varepsilon _{ict}$

其中， $EV_{ict}$ 为城市c所在公司i在第t年的违规行为；核心解释变量 $Trust_{ct}$ 是社会信用体系建设，若企业所在注册城市入选了社会信用体系建设试点范围，则该年份及以后年份取值为1，否则为0； $Controls_{ict}$ 是表示企业和地区层面的控制变量；此外，模型进一步控制了企业固定效应（ $\mu _{i}$ ）和年份固定效应（ $\theta _{t}$ ）。

（四）实证结果分析

1、社会信用环境改善与企业违规：动态效应分析

2、社会信用环境改善与企业违规：基准回归结果

3、基于 Bivariate Probit 模型的进一步检验

4、基于企业违规类型的进一步检验

5、稳健性检验

主要包括安慰剂检验、考虑遗漏变量以及修正多时点双重差分模型三个部分

（五）机制分析

1、代理成本机制

2、融资约束机制

3、信息透明度机制

（六）进一步分析

1、异质性分析

主要从企业股权性质、公司治理水平、内部控制质量以及地区营商环境考察政策效应

2、基于企业风险的进一步研究

主要从企业经营风向和企业破产风向两个方向进行展开

（七）结论与政策启示

以上就是本篇论文的大致结构，如果说大家想了解具体内容请阅读文献

二、重要数据

本篇论文使用到了社会信用体系建设的数据，国务院于2014年颁布了《国务院关于印发社会信用体系建设规划纲要（2014-2020年）的通知》，并于2015和2016年进行政策试点以助力社会信用体系建设，2015年8月国家发展改革委员会将11个城市列入首批全国创建社会信用体系示范城市，2016年4月又将32个城市列入试点计划。在本篇论文中作者考虑到2008年国际金融危机以及后续两年政府救助的影响，将样本区间选择在2010年，而在另外一篇财经研究上面也是进行企业层面社会信用体系建设研究的论文采用的样本区间为2009-2017年，综合考虑，该论文作者区间相对合理，我们数据从2010年开始收集整理，同时考虑的时间的发展，我们将数据进行了拓展，终止时间到了2023年，这样大家可以有更广阔的数据区间和样本量，基本数据内容如下：