(浙江農(nóng)林大學暨陽學院，浙江杭州311300)

一、引言

非營利組織是獨立于市場部門與行政部門的公益性組織，其成立目的旨在解決政府做不了或做不好、市場不好做或者交易成本太高的工作，它提供部分公共物品與服務配送，在轉型時期的社會活動中發(fā)揮著重要的作用[1]。近年來，我國非營利組織得到了迅速發(fā)展，截止2016年底，全國共有社會組織69.9萬個，其中基金會5 523個，社會團隊33.5萬個，民辦非企業(yè)單位35.9萬個注數(shù)據(jù)來自民政部2016年第4季度全國社會服務統(tǒng)計數(shù)據(jù)。。據(jù)基金會中心網(wǎng)實時統(tǒng)計，2016年12月31日全國已注冊的基金會數(shù)量達5 545家，其中28%的是公募基金會(1 565家)，72%的為非公募基金會(3 980家)注數(shù)據(jù)來自《慈善藍皮書：中國慈善發(fā)展報告(2017)》。。雖然我國非營利組織得到了迅速發(fā)展，但連續(xù)遭遇“郭美美炫富”“小數(shù)點漂移”“善款提成門”“善款發(fā)霉”等一系列財務違規(guī)、慈善丑聞事件重創(chuàng)了行業(yè)的公信力，引起了社會公眾的廣泛質(zhì)疑[2]。因此，現(xiàn)階段探討如何提高非營利組織信息披露質(zhì)量，進而提高非營利組織治理水平及其公信力是亟待解決的現(xiàn)實問題，也是學術界和實務界所面臨的重要課題。

毋庸置疑，媒體關注作為一種重要的外部治理機制，對組織行為起到監(jiān)督和規(guī)范作用。隨著信息技術的發(fā)展，信息媒介已不再局限于報紙、網(wǎng)頁，而呈現(xiàn)多元化的趨勢，微博作為最新的社交網(wǎng)絡平臺，對組織行為的監(jiān)督和規(guī)范作用比傳統(tǒng)媒體可能更有效，它顛覆性地改變了信息的數(shù)量、類型及其傳播方式[3-5]，進而影響資本市場信息披露、信息中介、投資者行為等[6-8]。但是，現(xiàn)有研究更多地考察微博自媒體對資本市場參與者行為的影響，較少關注到這一新興媒體如何影響非營利組織信息披露質(zhì)量及其治理水平。

高質(zhì)量的信息披露不僅有助于傳遞非營利組織運營狀況與財務信息，而且可以表征非營利組織治理水平，幫助管理層、捐贈者等利益相關者決策，尤其是影響捐贈者的捐贈決策及非營利組織可持續(xù)性運營。鑒于此，本文以2005—2013年中國社會組織網(wǎng)所披露的基金會為研究樣本，系統(tǒng)地考察了微博自媒體對非營利組織信息披露質(zhì)量的影響，并檢驗了領導權結構和高管薪酬激勵對上述關系的調(diào)節(jié)機制，以期驗證微博自媒體的治理效應。本文的貢獻和創(chuàng)新主要體現(xiàn)在：首先，豐富了微博自媒體治理效應方面的文獻。已有文獻主要集中在微博自媒體這一外部治理機制對資本市場的治理作用[3-8]，而本文則是以非營利組織為研究對象，提供了微博自媒體治理效應的經(jīng)驗證據(jù)，使得文獻更為完整和系統(tǒng)。其次，拓展了非營利組織信息披露質(zhì)量影響因素方面的研究，并將領導權結構、高管薪酬激勵情景因素納入非營利組織信息披露質(zhì)量分析框架之中，有助于厘清微博自媒體對信息披露質(zhì)量影響的作用機制。最后，本文的結論為民政管理部門、捐贈者等利益相關方更好地理解非營利組織及其管理層行為，以及如何提高非營利組織信息披露質(zhì)量和組織公信力等方面具有一定的參考價值。

二、理論分析與研究假說

美國財務會計準則委員會(FASB)和國際會計準則理事會(IASB)的概念框架中指出：“財務報告應對現(xiàn)在和潛在的投資者、債權人和其他報告使用者做出合理的投資、籌資、分配以及類似決策提供有用信息”。高質(zhì)量的信息披露有助于傳遞組織經(jīng)營與財務信息，幫助利益相關者進行決策[9-10]，也有利于降低信息不對稱程度，抑制代理人的自利行為，優(yōu)化資源配置[11-14]。具體到非營利組織信息披露，已有研究發(fā)現(xiàn)，組織規(guī)模、組織性質(zhì)、政府審計、資產(chǎn)負債率、內(nèi)外部治理機制等因素與非營利組織信息披露質(zhì)量有關[15-19]。近年來，隨著信息技術的發(fā)展和普及，已有學者開始關注新媒體對非營利組織的治理作用，發(fā)現(xiàn)戰(zhàn)略、能力、治理、環(huán)境等因素影響非營利組織信息披露水平，進而影響捐贈者行為[20-22]。

媒體關注作為一種重要的外部治理機制，主要通過監(jiān)督機制、聲譽機制、市場壓力機制三條路徑監(jiān)督和約束企業(yè)行為已被大量文獻證實[23-27]。具體而言，(1)監(jiān)督機制。媒體的信息傳播、信息加工、信息解讀功能等可以引起監(jiān)管部門的注意，增加公司違規(guī)行為被發(fā)現(xiàn)的概率，迫使企業(yè)管理者修正自己的不當行為，發(fā)揮監(jiān)督作用[23，25，27-28]。(2)聲譽機制。媒體關注的強大輿論壓力會影響企業(yè)以及管理者的聲譽，迫使他們按照社會道德規(guī)范調(diào)整其行為模式[23，26-27，29]。(3)市場壓力機制。媒體關注的信息揭露和傳播功能會影響投資者的決策和股價變動，進而對管理者的收益和行為產(chǎn)生影響[30-32]。

值得注意的是，媒體關注在非營利組織治理中同樣發(fā)揮著重要的作用[33-34]。與其他媒體相比，微博作為最新的社交網(wǎng)絡平臺，具有及時、快捷、便利、精準傳遞等特點，對組織行為的監(jiān)督和規(guī)范作用比傳統(tǒng)媒體可能更為有效。本文認為，開通官方微博的基金會信息披露質(zhì)量更高，這是因為：第一，微博的“轉發(fā)”功能使得信息短時間內(nèi)發(fā)生裂變，由此形成的輿論焦點比傳統(tǒng)媒體能更好地吸引社會公眾的眼球，引起管理部門、捐贈者等利益相關者關注和問責，進而抑制基金會管理層的自利行為。第二，管理層為維護自身聲譽，會主動修正自己的不當行為，有動機和能力采取措施提高基金會治理水平，其信息披露質(zhì)量也相應越高。第三，基金會信息披露水平越高，越能影響捐贈者的捐贈決策，以致于基金會管理層為獲得更多的捐贈額，也有動機提高基金會的信息披露質(zhì)量。據(jù)此，本文提出研究假說H1。

H1限定其他條件，開通官方微博的基金會信息披露質(zhì)量更高。

基于上述分析，開通官方微博的基金會信息披露質(zhì)量可能更高。事實上，微博自媒體對基金會的治理效應并非是同質(zhì)性的，會受到代理人動機影響。本文嘗試從兩職合一的領導權結構和高管薪酬契約視角探討代理人動機如何影響官方微博與基金會信息披露質(zhì)量之間的關系。

Fama和Jensen指出，盡管非營利組織缺少剩余要求權，但并沒有完全消除委托人(捐贈人、理事會)與代理人(管理層)之間的代理問題[35]。正因為委托代理關系的存在，委托人和代理人在信息獲取和傳遞中可能存在不一致或不完全，這種信息不對稱容易誘發(fā)代理人自利行為[36]。理事會作為非營利組織最高決策機構，在非營利組織中扮演著類似營利公司中董事會的角色，具有邊界跨越和資源吸納的功能；而秘書長則作為非營利組織運營決策的最高執(zhí)行官(類似營利公司中的CEO)，很大程度上掌控著組織的運營、投資、籌資等戰(zhàn)略決策行為[37]。領導權結構一定程度上可以反映理事會成員是否能夠對秘書長進行有效地監(jiān)督和約束，進而影響到信息披露質(zhì)量和組織治理水平[38]。代理理論認為，管理決策權(秘書長)和決策控制權(理事長)集中在一人的領導權結構降低了理事會監(jiān)督管理層的有效性[35，39]，這種領導權結構安排使得秘書長擁有較大的權利，秘書長有動機和能力使用自己權力俘獲或對理事會加以控制，以至于理事會難以有效地監(jiān)督管理層的機會主義行為，滋生了管理層操縱報表的謀取私利的空間，從而降低信息披露質(zhì)量，即“有效監(jiān)督假說”。資源依賴理論則認為，兩職合一的領導權結構有助于秘書長與理事會之間信息溝通的改善，便于集中決策以及決策效率，進而有利于提高組織資源獲得的能力、籌資能力、加強外部聯(lián)系和樹立組織形象[40]。秘書長兼任理事長兩職合一的領導權結構安排能夠激勵和激發(fā)秘書長的競爭意識和創(chuàng)造性，秘書長有動機提高信息披露質(zhì)量向外界釋放合法性信號，獲得社會公眾、媒體等利益相關者的認同，提高組織公信力，樹立良好的個人和組織形象，即“資源依賴假說”。據(jù)此，本文提出如下競爭性研究假說。

H2a限定其他條件，如符合“有效監(jiān)督假說”，兩職合一的領導權結構顯著削弱了微博自媒體與信息披露質(zhì)量之間的正相關關系。即開通官方微博的基金會信息披露質(zhì)量更高這一現(xiàn)象在秘書長未兼任理事長的基金會中更為明顯；

H2b限定其他條件，如符合“資源依賴假說”，兩職合一的領導權結構顯著增強了微博自媒體與信息披露質(zhì)量之間的正相關關系。即開通官方微博的基金會信息披露質(zhì)量更高這一現(xiàn)象在秘書長兼任理事長的基金會中更為明顯。

薪酬契約是委托人設計的、用于約束和激勵代理人的機制，有效的薪酬機制能在一定程度上對管理層的才能和努力作出補償，有助于緩解管理層自利行為引發(fā)的代理問題[41]。已有文獻表明，高管薪酬對公司會計政策的選擇具有顯著的影響，并且高管傾向于對會計信息進行盈余管理以達到自身利益的最大化[41]。杜興強和溫日光(2007)[42]、王野等(2009)[43]結合中國制度背景實證檢驗發(fā)現(xiàn)，高管薪酬激勵機制可以很好地協(xié)同管理層與股東的利益，有助于提高公司信息披露質(zhì)量。本文認為，高管薪酬激勵與微博自媒體對提高信息披露質(zhì)量具有替代作用。這是因為，提高信息披露質(zhì)量問題的根源是解決代理問題，而合理有效的薪酬契約促使非營利組織委托人與受托人的目標相一致，可以有效緩解代理沖突，激勵管理層勤勉盡職工作，并及時、真實、客觀地進行信息披露；而微博自媒體通過監(jiān)督、聲譽、市場壓力三種機制同樣也可以促使非營利組織有動機和動力提高信息披露質(zhì)量，因此二者對提高非營利組織信息披露質(zhì)量具有替代作用。據(jù)此，本文提出研究假說H3。

H3限定其他條件，高管薪酬激勵顯著負向調(diào)節(jié)微博自媒體與信息披露質(zhì)量之間的正相關關系。即高管薪酬激勵與微博自媒體對提高信息披露質(zhì)量具有替代作用。

三、研究設計

(一)樣本選擇與數(shù)據(jù)來源

為了考察微博自媒體對非營利組織信息披露質(zhì)量的影響，本文選取2005—2013年中國社會組織網(wǎng)所披露的基金會為研究樣本。由于我國《基金會信息公布辦法》于2006年1月12日公布施行，并規(guī)定基金會應當下一年3月31日前，向登記管理機關報送年度工作報告[注]我國基金會從2005年開始披露年度工作報告，根據(jù)《基金會信息公布辦法》第五條規(guī)定：“信息公布義務人應當在每年3月31日前，向登記管理機關報送上一年度的年度工作報告。登記管理機關審查通過后30日內(nèi)，信息公布義務人按照統(tǒng)一的格式要求，在登記管理機關指定的媒體上公布年度工作報告的全文和摘要。信息公布義務人的財務會計報告未經(jīng)審計不得對外公布?！?，因此，研究樣本起始點設定為2005年。本研究主要數(shù)據(jù)從中國社會組織網(wǎng)的基金會子站年度工作報告所披露基金會的基本信息、機構建設情況、業(yè)務活動情況、財務會計報告、接受監(jiān)督與管理情況、審計意見、監(jiān)事意見和其他信息等內(nèi)容中手工提取。為了盡可能保持樣本完整性，對中國社會組織網(wǎng)基金會子站披露信息不全的樣本，通過中國基金會網(wǎng)、基金會官方網(wǎng)站以及百度搜索補充相關信息，研究期間共披露1 227份年度工作報告，剔除披露重復、模型中主要變量和控制變量有缺失值的樣本，最終獲取1 095個基金會-年度觀測值。為了控制異常值的干擾，相關連續(xù)變量均在1%和99%水平上進行winsorize處理。

(二)模型設定和變量說明

為了檢驗假說H1-H3，構建Logistic回歸模型如下

(1)

(2)

其中，Acc為被解釋變量，表示基金會的信息披露質(zhì)量。根據(jù)中國社會組織網(wǎng)基金會子站年度報告中其他信息欄中披露的資料統(tǒng)計，在1 095個有效樣本觀測值中，選擇報紙、網(wǎng)站、雜志三種媒體之一的樣本為330個，占比30.1%；選擇兩種及以上媒體的樣本為225個，占比20.6%，沒有披露媒體指定方式的540個，占比49.3%。通常來說，基金會財務報告信息質(zhì)量越高，越有可能選擇多渠道、多形式進行公開披露。參考劉亞莉等(2013)[18]的研究，從財務信息披露的渠道方式入手，當基金會年度報告中披露的媒體方式為兩種及兩種以上時，Acc賦值為1，否則Acc賦值為0。

Microblog為關鍵解釋變量。Microblog表示是否開通新浪官方微博[注]之所以選擇新浪微博，這是因為：該微博是由新浪網(wǎng)提供的微型博客服務類社交網(wǎng)站，用戶可以通過手機或者電腦隨時隨地發(fā)布信息或上傳圖片，進行分享、討論。并且該微博于2014年4月17日在納斯達克股票上市(股票代碼：WB)，其用戶量是其他社交平臺和微博平臺無法比擬的。，并且必須是加藍V認證的基金會總部微博，通過手工整理，在中國社會組織網(wǎng)站基金會子站披露年度工作報告的基金會，有144個樣本開通了新浪官方微博，在有效樣本觀測值1 095中，有107個樣本開通了微博。當基金會開通新浪官方微博后Microblog賦值為1，否則Microblog賦值為0[7]。

Dual和LnPay為調(diào)節(jié)變量。領導權結構一定程度上可以反映理事會能否對基金會秘書長進行有效地監(jiān)督和約束，進而影響基金會信息披露質(zhì)量的有效性。借鑒馬晨和張俊瑞(2012)[38]的研究，將基金會秘書長兼任理事長時，兩職合一的領導權結構Dual賦值為1，否則Dual賦值為0。薪酬契約是委托人設計的、用于約束和激勵代理人的機制，有效的薪酬機制能在一定程度上對管理層的才能和努力作出補償，有助于緩解管理層自利行為引發(fā)的代理問題[41]?；饡甓裙ぷ鲌蟾嬷信读嗣貢L的薪酬，這為考察薪酬激勵創(chuàng)造了良好的條件。借鑒方軍雄(2011)[45]對上市公司高管薪酬的度量方法，使用秘書長的貨幣化薪酬來度量基金會高管薪酬激勵水平(LnPay)。

參考以往文獻的常用設定[17-19]，本文在回歸模型中控制了組織規(guī)模(Size)、基金會性質(zhì)(Gov)、管理效率(Adm)、審計師選擇(Big100)、募集方式(Off)、成立年限(Age)和注冊地點(Area)。不可否認的是，財會人員數(shù)量及能力、業(yè)務復雜程度等都會對信息披露質(zhì)量產(chǎn)生影響，因此，本文在回歸模型中還控制了財會人員規(guī)模(Accsum)、財會人員能力(Saccsum)、分支機構數(shù)量(Branum)和專項基金數(shù)量(Spefund)。此外，回歸模型中還加入了行業(yè)(Ind)[注]民政部將基金會分為17個行業(yè)，由于研究樣本中有些行業(yè)樣本較少，借鑒張立民等(2012)的方法，對相近行業(yè)進行了合并，最終合并為11個類別。和年度(Year)啞變量，以控制行業(yè)效應和年度效應。變量定義如表1所示。

表1 變量定義

變量名稱變量具體定義及測度Acc信息披露質(zhì)量,當基金會年報采用兩種及兩種以上媒體披露時,賦值為1,否則賦值為0Microblog微博自媒體,基金會開通新浪官方微博后,賦值為1,否則賦值為0Dual領導權結構,基金會秘書長兼任理事長時,賦值為1,否則賦值為0LnPay高管薪酬激勵,基金會秘書長薪酬總額加1的自然對數(shù)Size組織規(guī)模,基金會總資產(chǎn)的自然對數(shù)Gov基金會性質(zhì),基金會負責人中有現(xiàn)任國家工作人員時,屬于官方性基金會,賦值為1,否則視為民間性基金會,賦值為0Adm管理效率,本年管理費用與本年捐贈收入總數(shù)之比Big100審計質(zhì)量,基金會年報由中注協(xié)"百強"事務所作為主審事務所時,賦值為1,否則賦值為0Accsum財會人員規(guī)模,基金會財會人員人數(shù)Saccsum財會人員能力,基金會高級職稱和注冊會計師人數(shù)與財會人員總人數(shù)之比Branum分支機構,基金會分支機構數(shù)量Spefund專項基金,基金會專項基金數(shù)量Off募集方式,基金會為公募時,賦值為1,非公募賦值為0Age組織年限,基金會成立年限加1的自然對數(shù)Area注冊地點,基金會注冊地處在發(fā)達地區(qū)時,賦值為1,否則賦值為0

(三)變量描述性統(tǒng)計

表2報告了變量的描述性統(tǒng)計結果。從中可知，樣本中約20.6%的基金會選擇了兩種及兩種以上的媒體披露年度工作報告(Acc)；約10%的樣本開通了新浪官方微博(Microblog)，9.2%的基金會采取的秘書長兼任理事長兩職合一的領導權結構(Dual)治理模式。基金會秘書長薪酬(LnPay)的均值為2.719，標準差為4.732，表明我國基金會秘書長薪酬存在較大差異。組織規(guī)模(Size)的均值和標準差分別為17.323和2.524，這表明我國基金會規(guī)模差異較大，發(fā)展較不均衡；樣本中有32.4%屬于官方性基金會(Gov)。管理效率(Adm)的均值和標準差為0.457和2.633，整體來看，管理效率還有待進一步提高；約46%的基金會選擇了“百強”會計師事務所審計(Big100)?；饡敃藛T規(guī)模(Accsum)均值為2.119，基金會高級職稱和注冊會計師占財會人員數(shù)量之比(Saccsum)的均值為0.087，分支機構(Branum)和專項基金(Spefund)的均值分別為0.340和1.749。樣本中有60.8%的基金會為公募基金會(Off)，成立年限(Age)的均值為2.107，86%的基金會注冊地點為發(fā)達地區(qū)(Area)。

表2 變量描述性統(tǒng)計結果

變量MeanS.D.AccMicroblogDualLnPaySizeAcc0.2060.4041.000————Microblog0.0980.2970.221***1.000———Dual0.0920.289-0.068**-0.052*1.000——LnPay2.7194.7320.196***0.226***0.083***1.000—Size17.3232.5240.204***0.117***-0.0380.100***1.000Gov0.3240.468-0.149***-0.136***-0.019-0.148***0.016Adm0.4572.6330.003-0.0160.029-0.016-0.011Big1000.4590.4990.139***0.104***0.054*0.108***0.108***Accsum2.1190.6420.153***0.078***-0.0100.051*0.271***Saccsum0.0870.2020.050*0.054*0.0350.063**0.070**Branum0.3401.2410.0480.034-0.0110.035-0.001Spefund1.7497.3170.212***0.122***-0.0410.189***0.152***Off0.6080.4880.024-0.0380.0490.113***0.042Age2.1071.0100.083***0.0290.111***0.217***0.138***Area0.8600.347-0.017-0.0090.0280.100***0.046變量MeanS.D.GovAdmBig100AccsumSaccsumGov0.3240.4681.000————Adm0.4572.6330.073**1.000———Big1000.4590.499-0.122***-0.0161.000——Accsum2.1190.642-0.034-0.060**0.0351.000—Saccsum0.0870.202-0.109***-0.0230.0400.0331.000Branum0.3401.2410.133***0.007-0.025-0.0200.015Spefund1.7497.317-0.111***-0.0360.0020.170***0.049Off0.6080.4880.208***0.046-0.094***0.131***-0.056*Age2.1071.0100.143***0.038-0.0160.186***-0.056*Area0.8600.3470.161***0.0320.123***0.0130-0.136***變量MeanS.D.BranumSpefundOffAgeAreaBranum0.3401.2411.000————Spefund1.7497.3170.083***1.000———Off0.6080.4880.134***0.0351.000——Age2.1071.0100.168***0.0190.504***1.000—Area0.8600.3470.017-0.092***0.265***0.239***1.000

注：N=1 095；*p<0.10，**p<0.05，***p<0.01，下同。

進一步來看，微博自媒體披露(Microblog)與信息披露質(zhì)量(Acc)的相關系數(shù)為0.221，且在1%的水平上顯著，初步支持假說H1的預期；兩職合一的領導權結構(Dual)與信息披露質(zhì)量(Acc)的相關系數(shù)為-0.068，且在5%的水平上顯著，秘書長薪酬(LnPay)與信息披露質(zhì)量(Acc)的相關系數(shù)為0.196，且在1%的水平上顯著，而其他控制變量的相關系數(shù)則較低，大部分相關系數(shù)在0.30以內(nèi)，這說明變量之間不存在嚴重的多重共線性問題。

四、實證結果與分析

(一)領導權結構的調(diào)節(jié)機制

在營利組織中，兩職合一的領導權結構，容易滋生管理層操縱報表的謀取私利的空間，進而會降低信息披露質(zhì)量。與營利組織不同，表3中列(3)的估計結果顯示，在控制其他因素的影響后，微博自媒體(Microblog)與領導權結構(Dual)交互項Microblog×Dual的回歸系數(shù)為2.034 5(t=1.99)，且在5%的水平上顯著為正，這表明秘書長兼任理事長兩職合一的領導權結構正向調(diào)節(jié)微博自媒體與信息披露質(zhì)量之間的正相關關系，證實了本文假說H2b，秘書長有動機提高信息披露質(zhì)量向外界釋放合法性信號，獲得社會公眾、媒體等利益相關者的認同，提高組織公信力，樹立良好的個人和組織形象，符合“資源依賴假說”。

由表3進一步可知，兩職合一的領導權結構(Dual)與信息披露質(zhì)量(Acc)顯著負相關，這表明兩職合一的領導權結構一定程度削弱了理事會對秘書長有效監(jiān)督，降低了信息披露質(zhì)量。從控制變量來看，組織規(guī)模越大(p<0.01)、民間性(p<0.01)、選擇“百強”審計師(p<0.01)、專項基金數(shù)量越多(p<0.05)、成立年限越長(p<0.01)的基金會信息披露質(zhì)量越高。

(二)高管薪酬激勵的調(diào)節(jié)機制

表4報告了微博自媒體、高管薪酬激勵與信息披露質(zhì)量關系的檢驗結果。列(1)為基準模型，包含了控制變量和調(diào)節(jié)變量(LnPay)；列(2)在列(1)的基礎上，加入了關鍵解釋變量(Microblog)；列(3)則是在列(2)的基礎上，進一步加入解釋變量(Microblog)與調(diào)節(jié)變量(LnPay)的交互項，以此檢驗基金會高管薪酬激勵(LnPay)的調(diào)節(jié)效應是否存在。列(2)的估計結果顯示，在控制其他因素的影響后，變量微博自媒體(Microblog)的回歸系數(shù)為0.813 9(t=3.74)，仍在1%的顯著水平上正相關，并且在列(3)中依然顯著為正(beta=1.098 3，t=4.67，p<0.01)，這仍然表明開通官方微博的基金會信息披露質(zhì)量越高，再次證實了本文假說H1。

在營利組織中，高管薪酬對信息披露質(zhì)量的影響并未形成一致的觀點。而在非營利組織中，高管薪酬對信息披露質(zhì)量的影響則有所不同。表4列(3)的估計結果顯示，在控制其他因素的影響后，基金會高管薪酬激勵(LnPay)的回歸系數(shù)顯著為正(beta=0.063 7，t=3.14，p<0.01)，微博自媒體(Microblog)與基金會高管薪酬激勵(LnPay)交互項Microblog×LnPay的回歸系數(shù)為-0.101 6(t=-2.67)，且在1%的水平上顯著為負，這表明基金會高管薪酬激勵負向調(diào)節(jié)微博自媒體與信息披露質(zhì)量之間的正相關關系，意味著基金會高管薪酬激勵與基金會選擇微博自媒體披露對提高信息披露質(zhì)量具有替代作用，檢驗結果支持本文假說H3。

表3 微博自媒體與信息披露質(zhì)量的關系檢驗：領導權結構的調(diào)節(jié)作用

變量(1)(2)(3)Microblog—0.907 2***(4.58)0.811 9***(3.87)Microblog×Dual——2.034 5**(1.99)Dual-0.762 8**(-2.12)-0.721 0**(-2.13)-0.992 3***(-2.96)Size0.479 3***(6.33)0.453 0***(6.09)0.444 2***(6.04)Gov-0.935 4***(-4.23)-0.853 0***(-3.79)-0.859 9***(-3.82)Adm0.033 1(1.32)0.032 9(1.39)0.033 2(1.40)Big1000.710 9***(3.90)0.659 1***(3.59)0.650 0***(3.54)Accsum-0.037 3(-0.23)-0.042 8(-0.27)-0.042 4(-0.26)Saccsum0.117 5(0.29)0.079 2(0.20)0.072 7(0.19)Branum0.096 9(1.23)0.083 7(1.01)0.086 7(1.08)Spefund0.032 6**(2.52)0.029 9**(2.46)0.030 4**(2.48)Off0.071 9(0.31)0.116 4(0.51)0.145 9(0.64)Age0.319 6***(2.72)0.304 0***(2.62)0.300 5***(2.59)Area-0.396 0(-1.52)-0.393 6(-1.58)-0.370 7(-1.47)Constant-10.372 5***(-8.56)-10.003 1***(-8.52)-9.857 2***(-8.53)IndYesYesYesYearYesYesYesPseudo R20.149 50.163 00.166 1Chi2134.035 4179.165 2188.923 5N1 0951 0951 095

注：括號內(nèi)為t值，下同?；貧w中按照基金會代碼進行了cluster處理，并利用robust選項控制了異方差問題，下同。

由表4仍然可以看出，控制變量組織規(guī)模越大(p<0.01)、民間性(p<0.01)、選擇“百強”審計師(p<0.01)、專項基金數(shù)量越多(p<0.05)、成立年限越長(p<0.01)的基金會信息披露質(zhì)量更高。

表4 微博自媒體與信息披露質(zhì)量的關系檢驗：薪酬激勵的調(diào)節(jié)作用

變量(1)(2)(3)Microblog—0.813 9***(3.74)1.098 3***(4.67)Microblog×LnPay——-0.101 6***(-2.67)LnPay0.055 5***(3.12)0.044 9**(2.42)0.063 7***(3.14)Size0.484 8***(6.38)0.461 6***(6.11)0.461 6***(6.15)Gov-0.802 9***(-3.52)-0.748 8***(-3.20)-0.755 7***(-3.34)Adm0.033 2(1.29)0.032 6(1.32)0.035 9(1.42)Big1000.627 7***(3.48)0.591 5***(3.27)0.557 9***(3.07)Accsum-0.007 1(-0.04)-0.018 6(-0.11)-0.001 1(-0.01)Saccsum0.019 8(0.05)-0.003 7(-0.01)0.015 8(0.04)Branum0.100 7(1.17)0.087 9(0.99)0.084 8(0.96)Spefund0.027 0**(2.08)0.025 5**(2.09)0.024 9**(2.01)Off0.050 0(0.21)0.096 1(0.42)0.125 1(0.53)Age0.217 9*(1.89)0.219 6*(1.91)0.228 1*(1.94)Area-0.404 9(-1.51)-0.398 8(-1.54)-0.380 8(-1.46)Constant-10.360 3***(-8.38)-10.053 7***(-8.29)-10.138 9***(-8.34)IndYesYesYesYearYesYesYesPseudo R20.154 30.164 70.170 1Chi2136.529 8178.245 4180.661 9N1 0951 0951 095

表5 改變變量測量的檢驗結果

變量(1)(2)(3)(4)(5)Microblog—0.106 3***(3.48)0.086 8***(2.85)0.149 8***(4.23)0.1267***(3.54)Microblog×Dual——0.455 0***(2.76)—0.400 1**(2.39)Microblog×LnPay———-0.013 7**(-2.53)-0.011 4**(-2.10)Dual-0.794 7**(-2.10)-0.745 3**(-2.14)-1.098 9***(-3.32)-0.852 6**(-2.54)-1.143 2***(-3.40)LnPay0.056 9***(3.14)0.046 0**(2.41)0.051 8***(2.78)0.063 1***(3.10)0.065 1***(3.21)Size0.468 4***(6.12)0.445 4***(5.87)0.433 0***(5.78)0.442***(5.89)0.431 8***(5.81)Gov-0.831 7***(-3.63)-0.790 4***(-3.34)-0.792 4***(-3.37)-0.801 0***(-3.49)-0.800 2***(-3.50)Adm0.033 6(1.29)0.033 3(1.33)0.033 8(1.34)0.036 4(1.43)0.036 2(1.41)Big1000.672 7***(3.67)0.643 7***(3.50)0.629 6***(3.42)0.622 4***(3.35)0.612 9***(3.30)Accsum-0.005 2(-0.03)-0.015 8(-0.10)-0.010 7(-0.07)0.009 9(0.06)0.009 1(0.06)Saccsum0.058 1(0.14)0.032 0(0.08)-0.000 2(-0.00)0.060 2(0.15)0.030 5(0.08)Branum0.098 1(1.16)0.083 4(0.95)0.087 7(1.03)0.076 9(0.88)0.081 3(0.95)Spefund0.026 4**(2.03)0.025 5**(2.08)0.025 5**(2.07)0.024 4**(1.99)0.024 6**(1.99)Off0.069 8(0.29)0.112 4(0.48)0.155 4(0.66)0.145 4(0.61)0.176 3(0.74)Age0.242 5**(2.11)0.246 5**(2.14)0.234 4**(2.04)0.261 5**(2.21)0.248 4**(2.11)Area-0.444 2*(-1.71)-0.449 8*(-1.79)-0.429 9*(-1.69)-0.452 3*(-1.79)-0.432 9*(-1.70)Constant-10.063 5***(-8.09)-9.744 5***(-7.97)-9.528 5***(-7.94)-9.784 0***(-8.03)-9.588 7***(-7.99)IndYesYesYesYesYesYearYesYesYesYesYesPseudo R20.159 60.168 00.173 40.172 60.176 5Chi2148.202 8193.045 3213.619 8201.579 6219.272 2N1 0951 0951 0951 0951 095

(三)替代變量的穩(wěn)健性檢驗

為了確保結論的穩(wěn)健，改變微博自媒體測量指標進行穩(wěn)健性分析。本文以基金會新浪官方微博年微博數(shù)量加1的自然對數(shù)來度量微博自媒體披露情況(Microblog)。表5報告了改變變量測量的穩(wěn)健性檢驗結果。列(2)的估計結果顯示，在控制其他因素的影響后，變量微博自媒體(Microblog)的回歸系數(shù)為0.106 3(t=3.48)，在1%的顯著水平上正相關，并且在列(3)-(5)仍然顯著為正(p<0.01)，檢驗結果依然支持本文假說H1，表明開通官方微博的基金會信息披露質(zhì)量越高。列(3)的估計結果顯示，在控制其他因素的影響后，微博自媒體(Microblog)與領導權結構(Dual)交互項Microblog×Dual的回歸系數(shù)為0.455 0(t=2.76)，且在1%的水平上顯著為正，本文假說H2b再次得到驗證，說明兩職合一的領導權結構增強了微博自媒體與信息披露質(zhì)量之間的正相關關系。列(4)的估計結果顯示，在控制其他因素的影響后，基金會高管薪酬激勵(LnPay)的回歸系數(shù)顯著為正(beta=0.063 1，t=3.21，p<0.01)，微博自媒體(Microblog)與高管薪酬激勵(LnPay)交互項Microblog×LnPay的回歸系數(shù)為-0.013 7(t=-2.53)，且在5%的水平上顯著為負，本文假說H3再次得到驗證，說明基金會高管薪酬激勵與微博自媒體對提高信息披露質(zhì)量具有替代作用。列(5)為全模型，以上檢驗結果未發(fā)生實質(zhì)性改變。

(四)控制樣本選擇偏誤的檢驗

盡管前文的分析能夠為微博自媒體影響基金會信息披露質(zhì)量提供強有力的經(jīng)驗證據(jù)，但是，為了確保結論穩(wěn)健可靠，須考慮微博自媒體披露對基金會信息披露質(zhì)量的影響可能受到樣本自選擇問題的干擾，即是否因基金會信息披露質(zhì)量高而選擇開通微博自媒體披露，由此導致微博自媒體與信息披露質(zhì)量之間呈正相關關系呢？為了緩解這一問題的影響，本文采用Heckman兩階段回歸法控制樣本選擇偏誤[46]，首先構建一個微博自媒體披露的選擇模型如式(3)所示。

其中，關鍵解釋變量為基金會秘書長是否專職(Secftime)和是否與上市公司關聯(lián)(Connection)兩個外生變量；其次，根據(jù)選擇模型式(3)計算出逆米爾斯比率(Inverse mills ratio，簡稱IMR)，再將計算出的逆米爾斯比率(IMR)代入到計量模型式(4)和式(5)進行第二階段的回歸。Heckman第一階段選擇模型為

看到這，江帆憤怒地說：“你老公趁人之危，太狠了！”劉珊珊卻說：“他平時就這性格，是你老婆太多情。她看病期間，你干嗎去了？”江帆憶起，當時他擔心妻子得了癌癥，急壞了，可他忙于工程，吳霞幾次去大醫(yī)院檢查，他都沒有去。妻子在電話里告訴他檢查結果時，他正忙，就對妻子說：“沒事就好！我正忙著呢，回家聊?！币粫簠窍冀o他發(fā)來條短信：“哼，你不寶貝我，有人寶貝我！”江帆以為妻子鬧小性子，一笑置之。

Probit(Microblog)=α+β1×Secftime+β2×Connection+β3×Size+β4×Gov+β5×Adm+β6×Dual+β7×Opinion+β8×Accsum+β9×Saccsum+β10×Branum+β11×Spefund+β12×Off+β13×Age+β14×Area+ΣInd+ΣYear+ε

(3)

Heckman第二階段回歸模型為

(4)

(5)

其中，式(3)中關鍵解釋變量為秘書長是否專職(用Secftime表示，當秘書長為專職時，Secftime賦值為1，否則Secftime賦值為0)和是否與上市公司關聯(lián)(用Connection表示，當基金會與上市公司有關聯(lián)時[注]在1 095個樣本中，有85個樣本與上市公司有關聯(lián)，占比7.76%。如，萬科公益基金會，關聯(lián)上市公司為萬科A，股票代碼為SZ. 000002；寶鋼教育基金會，關聯(lián)上市公司為寶鋼股份，股票代碼為SH. 600019；比亞迪慈善基金會，關聯(lián)上市公司為比亞迪，股票代碼為SZ. 002594；紫金礦業(yè)慈善基金會，關聯(lián)上市公司為紫金礦業(yè)，股票代碼為SH. 601899；中信通訊公益基金會，關聯(lián)上市公司為中心通訊，股票代碼為SZ. 000063；中國移動慈善基金會，關聯(lián)上市公司為中國移動，股票代碼為HK. 00941；神華公益基金會，關聯(lián)上市公司為中國神華，股票代碼為SH. 601088；中國人壽慈善基金會，關聯(lián)上市公司為中國人壽，股票代碼為SH. 601628；南航“十分”關愛基金會，關聯(lián)上市為南方航空，股票代碼為600029；阿里巴巴公益基金會，關聯(lián)上市為阿里巴巴，股票代碼為BABA；等。，Connection賦值為1，否則Connection賦值為0)，其余各變量的定義與式(1)、式(2)相同。

本文之所以選擇秘書長是否專職(Secftime)和是否與上市公司關聯(lián)(Connection)兩個外生變量，這是因為：第一，如果基金會設有專職秘書長，那么秘書長在基金會日常運營將投入更多的精力，并且基金會運營的好壞關乎著他(或她)的聲譽、職業(yè)發(fā)展等方方面面，因此，基金會秘書長有動機通過新媒體(官方微博)向社會公眾展示基金會公開、透明、誠信、自律的形象，從而會加強基金會內(nèi)部治理，進而提高信息披露質(zhì)量。第二，與非上市公司相比，上市公司受到投資者、監(jiān)管者、媒體等利益相關者更多地監(jiān)督，其治理水平、信息披露質(zhì)量相對較高。一方面，與上市公司有關聯(lián)的基金會通常是由上市公司作為發(fā)起人成立，其內(nèi)部治理、信息披露等方面自然與非上市公司為主體發(fā)起成立的基金會存在較大差異；另一方面，由上市公司發(fā)起成立的基金會，善款大部分由上市公司提供，缺乏外部籌集資源的動力，由此可能會削弱選擇多種媒體發(fā)布基金會信息的意愿，因而與上市公司是否有關聯(lián)也是決定選擇微博自媒體披露的關鍵因素之一。

表6報告了控制微博自媒體披露樣本選擇偏誤的檢驗結果。列(1)是第一階段的估計結果，在控制其他因素的影響后，秘書長是否專職(Secftime)的系數(shù)為0.602 2(t=4.94)，且在1%的水平上顯著為正，是否與上市公司關聯(lián)(Connection)的系數(shù)為-0.421 8(t=-2.00)，且在5%的水平上顯著為負，意味著專職秘書長、與上市公司沒有關聯(lián)的基金會，選擇微博自媒體披露的可能性越大。列(2)-(4)是第二階段的估計結果，從中可以看出，逆米爾斯比率(IMR)的系數(shù)在統(tǒng)計意義上均不顯著，各列中微博自媒體披露(Microblog)的系數(shù)均顯著為正(p<0.01)，交互項Microblog×Dual的回歸系數(shù)為2.460 3(t=2.38)，且在5%的水平上顯著為正，交互項Microblog×LnPay的回歸系數(shù)為-0.116 3(t=-3.01)，且在1%的水平上顯著為負，這表明樣本選擇偏誤問題對本文結論影響十分有限，進一步驗證了本文的H1、H2b和H3。列(5)為全模型，結論未發(fā)生實質(zhì)性改變。

五、結論及啟示

媒體關注作為一種重要的外部治理機制，在非營利組織治理中扮演著重要的角色。本文以2005-2013年中國社會組織網(wǎng)所披露的基金會為研究樣本，系統(tǒng)地考察了微博自媒體對非營利組織信息披露質(zhì)量的治理作用，并進一步探討領導權結構、高管薪酬激勵對微博自媒體與非營利組織信息披露質(zhì)量之間關系的調(diào)節(jié)機制。本文研究結果表明：第一，微博作為最新的社交網(wǎng)絡平臺，通過監(jiān)督、聲譽、市場壓力三種機制影響基金會信息披露質(zhì)量，管理層有動機提高基金會治理水平，表現(xiàn)出開通官方微博的基金會信息披露質(zhì)量更高。第二，基金會兩職合一的領導權結構顯著增強了微博自媒體與信息披露質(zhì)量之間的正相關關系，即開通官方微博的基金會信息披露質(zhì)量越高這一現(xiàn)象在秘書長兼任理事長的基金會中更為明顯，支持“資源依賴假說”。第三，微博自媒體披露可以有效約束和監(jiān)督非營利組織管理層行為，有助于提高會計信息披露質(zhì)量，表現(xiàn)為開通官方微博的基金會信息披露質(zhì)量更高。

表6 控制微博自媒體披露樣本選擇偏誤的檢驗結果

變量(1)(2)(3)(4)(5)MicroblogAccAccAccAccMicroblog—0.782 6***(3.55)0.651 0***(2.77)1.103 5***(4.67)0.966 0***(3.85)Microblog×Dual——2.460 3**(2.38)—1.998 8*(1.92)Microblog×LnPay———-0.116 3***(-3.01)-0.102 9***(-2.65)Dual—-0.724 6**(-2.00)-1.056 5***(-3.10)-0.861 0**(-2.42)-1.119 0***(-3.20)LnPay—0.030 0(0.69)0.033 1(0.76)0.052 6(1.14)0.052 7(1.13)Size0.188 5***(4.00)0.396 0***(2.74)0.377 0**(2.53)0.395 5***(2.62)0.380 7**(2.47)Gov-0.500 8***(-3.47)-0.627 6(-1.52)-0.609 1(-1.45)-0.650 4(-1.52)-0.634 4(-1.47)Adm-0.002 9(-0.13)0.034 0(1.35)0.034 6(1.36)0.037 7(1.45)0.037 7(1.44)Big1000.263 6**(2.29)0.558 2**(2.22)0.534 1**(2.09)0.533 0**(2.05)0.517 1**(1.97)Accsum0.011 6(0.12)-0.016 2(-0.10)-0.012 5(-0.08)0.004 4(0.03)0.004 7(0.03)Saccsum0.156 6(0.62)-0.007 2(-0.02)-0.024 3(-0.06)0.025 7(0.07)0.007 2(0.02)Branum0.058 9(1.28)0.067 7(0.70)0.069 0(0.72)0.064 3(0.66)0.065 6(0.68)Spefund0.006 1(0.93)0.022 8*(1.66)0.022 6(1.64)0.022 0(1.59)0.022 0(1.58)Off-0.265 8*(-1.81)0.189 8(0.61)0.235 3(0.74)0.224 2(0.69)0.256 2(0.78)Age0.038 7(0.55)0.225 0*(1.78)0.211 7*(1.68)0.239 0*(1.82)0.22 7*(1.73)Area-0.202 3(-1.10)-0.394 5(-1.47)-0.363 6(-1.33)-0.378 7(-1.37)-0.356 8(-1.27)Secftime0.602 2***(4.94)————Connection-0.421 8**(-2.00)————IMR—-0.368 7(-0.43)-0.417 5(-0.48)-0.352 5(-0.39)-0.388 9(-0.42)Constant-4.643 0***(-5.84)-8.236 7**(-2.14)-7.817 7**(-1.98)-8.355 7**(-2.06)-8.020 9*(-1.94)IndYesYesYesYesYesYearYesYesYesYesYesPseudo R20.144 30.169 40.174 00.176 40.179 2Chi284.414 0183.861 0200.438 8193.855 4207.891 3N1 0951 0951 0951 0951 095

本文的結論具有以下幾點啟示意義：第一，正如美國卡耐基基金會前主席盧塞爾所說，慈善事業(yè)要有玻璃做的口袋，惟其透明，才有公信。當務之急，非營利組織不僅應加強內(nèi)部治理和外部監(jiān)督，而且應積極主動地與利益相關者建立或維系良好的公共關系，最大限度地贏得利益相關者的信任和支持，從而更好地實現(xiàn)非營利組織的社會使命。第二，微博自媒體已經(jīng)成為一種有效的信息披露機制，其及時、快捷、便利、精準傳遞的特點，為非營利組織提高信息披露治理、治理水平及其公信力提供了切實可行的重要路徑，同時也為非營利組織與捐贈者互動形成了一個更好的溝通平臺，有助于吸引更多的捐贈者捐贈。第三，對民政管理部門而言，可以考慮對微博自媒體披露的信息內(nèi)容進行規(guī)范，并建立微博信息監(jiān)督系統(tǒng)，確保微博信息披露內(nèi)容真實、公允，進而有利于行業(yè)監(jiān)管。因此，本文的研究結論為民政管理部門、捐贈者等利益相關方更好地理解非營利組織管理層行為，以及如何監(jiān)督和約束非營利組織會計信息披露等方面具有一定的啟示意義。

本研究不僅豐富和拓展了微博自媒體治理效應方面的文獻，而且也擴展了非營利組織信息披露質(zhì)量影響因素方面的研究。當然，應當說明的是，由于非營利組織信息獲取較上市公司公開數(shù)據(jù)有一定的難度，并且非營利組織披露的信息非常有限，本文在刻畫信息披露質(zhì)量及內(nèi)生性問題方面還存在不足。今后將利用Python編程語言，通過文本分析法挖掘更多的研究變量，構建精細的非營利組織數(shù)據(jù)庫，獲取足夠的樣本，進一步拓展非營利組織信息披露問題的深度和廣度，嘗試從多角度、多層次開展研究，并在實踐中反復檢驗模型和所得結論的科學性和適用性。