王 熹 劉國枝 王 利 周浩倩

（天津財經(jīng)大學商學院，天津 300222）

引 言

企業(yè)風險承擔反映了企業(yè)在投資決策過程中對投資項目的選擇，風險承擔水平越高，管理者放棄風險較高但預期凈現(xiàn)值大于零的投資項目的可能性越?。?］。微觀層面，更高的風險承擔水平有利于企業(yè)資本配置效率的改善和價值的提高［2］；宏觀層面，亦可促進整個社會的資本積累，提高社會生產(chǎn)率，推動經(jīng)濟增長［3］。因此，如何提高企業(yè)風險承擔水平，成為理論界和實務界備受關注的話題。

基于資源依賴理論，企業(yè)風險承擔水平的提升離不開信息和資源的有效供給，除市場機制和正式制度外，外部非正式制度渠道也日益成為企業(yè)獲取信息和資源的重要方式，在我國“關系型” 社會特征背景下，企業(yè)間關系聯(lián)結所形成的社會網(wǎng)絡已成為重要的嵌入社會結構的非正式制度安排。由董事在不同企業(yè)間兼任所形成的董事網(wǎng)絡也成為影響企業(yè)投資決策的一種十分重要的社會網(wǎng)絡形態(tài)［4］。

已有學者從管理者特征［5］、管理層激勵與約束［6］等視角探討了企業(yè)風險承擔水平的影響因素，認為管理者過度自信、管理者具有海歸背景等個人特征以及企業(yè)的晉升激勵、高管的薪酬差距等都會顯著影響企業(yè)風險承擔水平。然而，鮮有研究從企業(yè)所處的網(wǎng)絡關系等外部視角分析其如何影響企業(yè)風險承擔水平。根據(jù)我國公司法，董事會對企業(yè)投資決策擁有控制權［7］，企業(yè)風險承擔極大程度上取決于董事決策。董事網(wǎng)絡具有知識傳播和流動的重要特征，是知識溢出的重要通道［8］。處于網(wǎng)絡聯(lián)結關系中的企業(yè)可以通過知識資源的獲取，為投資決策制定提供更多參考依據(jù)。此外，經(jīng)濟主體的投資決策還與其所處的宏觀環(huán)境密切相關。當前，我國經(jīng)濟發(fā)展正處于轉型升級期，經(jīng)濟政策不確定性顯著增加，可能改變企業(yè)的投融資環(huán)境以及未來發(fā)展預期，影響經(jīng)濟主體的風險偏好［9］。基于此，本文將探索和檢驗董事網(wǎng)絡位置對企業(yè)風險承擔水平的影響及其內在機制和邊界條件。

本文基于我國上市公司董事兼任行為普遍存在的背景，探究董事網(wǎng)絡位置對企業(yè)風險承擔的影響機制，拓展了企業(yè)風險承擔的前因變量。以往研究多關注企業(yè)創(chuàng)新、融資約束、投資效率等方面，考察董事網(wǎng)絡位置對企業(yè)風險承擔作用效果的文獻并不多見，本文從董事網(wǎng)絡位置的角度，擴展了其經(jīng)濟后果的研究。同時，本文探索了知識溢出在董事網(wǎng)絡位置對企業(yè)風險承擔的影響過程中發(fā)揮的作用，拓展了二者之間的中介機制研究，并引入經(jīng)濟政策不確定性作為調節(jié)變量，厘清了董事網(wǎng)絡位置影響企業(yè)風險承擔的邊界條件。

1 理論分析與研究假設

1.1 董事網(wǎng)絡位置與企業(yè)風險承擔

董事網(wǎng)絡是公司董事會的董事個體以及董事之間通過至少在一個董事會同時任職而建立的直接和間接聯(lián)結關系的集合［10］。根據(jù)資源依賴理論，企業(yè)的風險承擔是一項資源消耗性活動，具有很強的資源依賴特征［3］。董事網(wǎng)絡承載著豐富的社會資本，是社會網(wǎng)絡中的重要資源，有利于企業(yè)發(fā)展［11］。企業(yè)若能獲得嵌入于董事網(wǎng)絡中的社會資本，則能擁有蘊藏其中的重要資源，當面臨風險性投資項目決策時能夠打破資源限制，減少風險和不確定性，有利于風險承擔水平的提高。

董事網(wǎng)絡中的社會資本在網(wǎng)絡中并非均勻分布，意味著企業(yè)通過董事網(wǎng)絡獲取的信息和資源因其所處的董事網(wǎng)絡位置不同而產(chǎn)生差異，可能影響企業(yè)風險承擔水平［12］。衡量網(wǎng)絡位置的變量中使用最多的是中心度和結構洞，中心度衡量了個體行動者在網(wǎng)絡中的重要程度，強調與自我直接聯(lián)系的特性［13］。企業(yè)的中心度越高，說明它越接近網(wǎng)絡中的核心位置，擁有更多的網(wǎng)絡成員聯(lián)結、更豐富的資源獲取渠道以及更快捷的信息傳遞，從而獲取的關鍵資源和保密信息就越多［14］，在投資決策時更有能力甄別風險和機遇。因此董事網(wǎng)絡中心度越高，企業(yè)的風險承擔水平也會越高。

結構洞指網(wǎng)絡中某些個體之間存在無直接聯(lián)系或關系間斷的現(xiàn)象，從網(wǎng)絡整體來看，宛如網(wǎng)絡結構中出現(xiàn)了洞穴［15］。在董事網(wǎng)絡中，上市公司的非兼任董事與其它上市公司的董事之間通過連鎖董事間接交流，因此整個上市公司董事網(wǎng)絡充滿了各公司董事會小網(wǎng)絡性質的結構洞，擁有連鎖董事的公司將因其占據(jù)的結構洞位置而具有一定的結構洞優(yōu)勢［10］： 占據(jù)結構洞位置的企業(yè)可以獲得更多的信息和資源； 另外，擁有連鎖董事的公司占據(jù)著其他網(wǎng)絡成員相互聯(lián)系的關鍵路徑，從而能夠控制信息的傳遞與否以及準確性［15］。根據(jù)弱聯(lián)結優(yōu)勢理論，結構洞可以向組織提供與其他組織的弱關系聯(lián)結［16］，從而為企業(yè)帶來差異化信息和異質性資源。企業(yè)擁有的結構洞數(shù)目越多，異質性信息和資源就越豐富，越容易做出風險性高的投資決策，提高企業(yè)的風險承擔水平。

因此，本文提出如下假設：

H1： 董事網(wǎng)絡位置正向影響企業(yè)風險承擔。

H1a： 企業(yè)在董事網(wǎng)絡中的中心度越高，企業(yè)的風險承擔水平越高。

H1b： 企業(yè)在董事網(wǎng)絡中占據(jù)的結構洞數(shù)量越豐富，企業(yè)的風險承擔水平越高。

1.2 知識溢出的中介效應

在董事網(wǎng)絡中，不同企業(yè)由于董事兼任行為而聯(lián)結在一起，企業(yè)因此可以接觸到來自其他企業(yè)的信息知識，促進企業(yè)間的知識流動［17］，使得董事網(wǎng)絡成為知識溢出的載體。知識溢出通常指知識在傳播和擴散過程中對環(huán)境等造成的外部性［18］。社會網(wǎng)絡關系可以產(chǎn)生知識溢出效應［8］，為嵌入其中的企業(yè)提供有用的知識和資源。企業(yè)在網(wǎng)絡中的不同位置決定了企業(yè)獲得知識溢出的程度差異，而新知識的獲取是影響企業(yè)風險承擔的關鍵因素，因此知識溢出很有可能構成董事網(wǎng)絡位置影響企業(yè)風險承擔的中介路徑。

從董事網(wǎng)絡位置對知識溢出的影響角度看，企業(yè)在董事網(wǎng)絡中的中心度越高，和網(wǎng)絡中其他成員互動交流的機會就越多，網(wǎng)絡“領導者企業(yè)” 越會受到周圍普通企業(yè)的學習和跟隨，形成知識交流集聚［19］。企業(yè)在董事網(wǎng)絡中占據(jù)的結構洞越多，就能接觸和控制更多重要知識源，擁有更大權力，從而獲得更多的知識溢出。從知識溢出對企業(yè)風險承擔的影響角度看，企業(yè)決策的制定依賴其擁有的資源，企業(yè)掌握的知識資源越豐富，理性的決策者越能對投資項目做出更加全面的評估，降低決策的不確定性，從而提高企業(yè)風險承擔水平。

綜上，本文提出如下假設：

H2： 知識溢出在董事網(wǎng)絡位置對企業(yè)風險承擔的影響中發(fā)揮中介效應。

H2a： 知識溢出在董事網(wǎng)絡中心度對企業(yè)風險承擔的影響中發(fā)揮中介效應。

H2b： 知識溢出在企業(yè)占據(jù)的結構洞數(shù)量對企業(yè)風險承擔的影響中發(fā)揮中介效應。

1.3 經(jīng)濟政策不確定性的調節(jié)作用

經(jīng)濟政策不確定性指市場經(jīng)濟主體無法準確預知政府是否、何時以及如何改變現(xiàn)行經(jīng)濟政策［20］。經(jīng)濟政策不確定性會影響企業(yè)的投融資環(huán)境以及經(jīng)濟主體的風險偏好，從而影響企業(yè)的風險承擔行為。經(jīng)濟政策不確定性具有明顯的雙向效應，會造成經(jīng)濟環(huán)境波動，導致經(jīng)濟主體難以做出準確預判，激發(fā)其風險規(guī)避動機，傾向更加保守的戰(zhàn)略； 同時又能帶來新的投資機會，激發(fā)經(jīng)濟主體的機遇逐利動機［21］。

當企業(yè)處在經(jīng)濟政策不確定性較高的環(huán)境中，董事網(wǎng)絡蘊含的信息和資源具有幫助企業(yè)抵抗風險沖擊的作用［22］。從董事網(wǎng)絡中心度的角度看，越接近核心位置的企業(yè)，與其他企業(yè)的聯(lián)結關系越密切，越能夠獲得有利于決策的關鍵信息和資源。在經(jīng)濟政策不確定性較高的環(huán)境中，這些關鍵信息和資源對企業(yè)制定投資決策能起到更為明顯的助益。從企業(yè)占據(jù)的結構洞數(shù)量的角度看，企業(yè)擁有的結構洞數(shù)量越多，能獲取的異質性信息則越多。隨著經(jīng)濟政策不確定性的提高，企業(yè)利用異質性信息能夠對外部環(huán)境做出更準確的判斷，從而有利于其投資決策的制定。經(jīng)濟政策不確定性越高時，董事網(wǎng)絡獲取信息和資源的優(yōu)勢越會被放大，從而對董事的風險投資產(chǎn)生更為明顯的影響，進而改變企業(yè)的風險承擔水平。

綜上，本文提出如下假設：

H3： 經(jīng)濟政策不確定性正向調節(jié)董事網(wǎng)絡位置與企業(yè)風險承擔之間的關系。

H3a： 經(jīng)濟政策不確定性正向調節(jié)董事網(wǎng)絡中心度與企業(yè)風險承擔之間的關系。

H3b： 經(jīng)濟政策不確定性正向調節(jié)企業(yè)占據(jù)的結構洞數(shù)量與企業(yè)風險承擔之間的關系。

2 研究設計

2.1 樣本選擇與數(shù)據(jù)來源

本文選取2011～2022 年中國A 股上市公司作為研究樣本，由于被解釋變量企業(yè)風險承擔的計算需要3 年窗口期數(shù)據(jù)，因此本文實際使用2009～2022 年數(shù)據(jù)。同時按照以下原則對樣本進行篩選：（1） 剔除含S、ST、PT 標識的公司； （2） 剔除金融行業(yè)上市公司； （3） 剔除同時發(fā)行B、H 股的公司； （4） 剔除數(shù)據(jù)存在缺失及明顯異常（包括所有者權益為負及資產(chǎn)負債率大于1）的樣本。為規(guī)避極端值的影響，本文對連續(xù)變量進行了上下1%的Winsorize 縮尾處理。最終得到12 個年度共計26985 個樣本觀測數(shù)據(jù)。文中的經(jīng)濟政策不確定性數(shù)據(jù)來自http：/ /www.policyuncertainty.com/china＿monthly.html 網(wǎng)站，其他數(shù)據(jù)均源自CSMAR、WIND和CNRDS 數(shù)據(jù)庫。數(shù)據(jù)處理軟件為Stata17。

2.2 變量定義

（1） 被解釋變量

企業(yè)風險承擔（Risk）。參考何瑛等（2019）［23］的做法，采用企業(yè)盈利的波動性衡量風險承擔水平，計算方法如式（1）、（2） 所示：

ROA為企業(yè)相應年度的息稅前利潤（EBIT）與當年末資產(chǎn)總額的比率。計算盈利波動性時，以每3 年（t－2 年至t年）作為一個觀測時段，滾動計算經(jīng)行業(yè)調整后的ROA（Adj＿ROA）標準差。行業(yè)劃分依據(jù)證監(jiān)會2012 年版行業(yè)分類標準，由于制造業(yè)企業(yè)數(shù)量較多，因此對制造業(yè)企業(yè)所屬行業(yè)取兩位代碼進行細分。

（2） 解釋變量

董事網(wǎng)絡位置（Network）。本文用網(wǎng)絡中心度和結構洞兩個變量衡量董事網(wǎng)絡位置。

網(wǎng)絡中心度（DegMn）。參考張勇（2021）［24］的做法，本文選取程度中心度作為衡量網(wǎng)絡中心度的指標。該指標描述了在網(wǎng)絡中與某個個體直接相連的其他個體數(shù)量，反映個體在網(wǎng)絡中的交流活躍性，是對網(wǎng)絡位置中心度最直觀的測量。計算方法如式（3） 所示：

其中，i為某個董事，j為當年除了i之外的其他董事。若兩位董事至少在同一個公司董事會共事則Xji為1，否則為0。g是公司當年董事網(wǎng)絡中的人數(shù)，用g－1 來消除不同年份董事規(guī)模差異。Deg的值越大，董事網(wǎng)絡位置越高。

結構洞（StruMn）。關于結構洞的測量指標中約束系數(shù)的使用較為廣泛［13］。因此本文選取約束系數(shù)作為結構洞的衡量指標，計算方法如式（4）所示：

其中，Pij表示董事i與董事j的直接關系強度，∑k≠i，j（PikPkj）表示董事i通過k路徑與董事j的所有非直接關系強度之和，直接關系強度Pij與非直接關系強度∑k≠i，j（PikPkj）加總后的平方項即表示董事i因為董事j而受到的約束程度。將董事i因網(wǎng)絡中所有其他董事而受到的約束程度進行加總，得到Ci。約束系數(shù)衡量的是董事在網(wǎng)絡中擁有結構洞的匱乏程度，約束系數(shù)越小，董事?lián)碛械慕Y構洞越豐富。Ci的最大值為1，借鑒既有文獻，本文用1 與Ci的差來衡量結構洞豐富程度。

上述計算得到的程度中心度和結構洞指標均屬于董事個體層面，參考張勇（2021）［24］的做法，本文取各上市公司所有董事的程度中心度和結構洞的平均值作為公司層面的衡量指標，以DegMn和StruMn表示，并將DegMn除以100，對量綱進行統(tǒng)一處理。

（3） 中介變量

知識溢出（KS）。參考龐瑞芝等（2021）［25］的做法，首先，利用永續(xù)盤存法測算企業(yè)的知識資本，企業(yè)第t期的知識資本測算如式（5） 所示：

其中，Rt－1表示企業(yè)在第t－1 期的研發(fā)投入，δ為折舊率并假設為15%，接下來采用式（6） 估算基期的知識資本K0，如下所示：

其中，R0為基期研發(fā)投入，g為樣本期內企業(yè)研發(fā)投入的平均增長率。

采用式（7） 測算企業(yè)的知識溢出KS，如下所示：

其中，Kjt表示企業(yè)j第t期的知識資本，ωijt表示企業(yè)j與企業(yè)i第t期在技術空間中的距離，計算公式如式（8） 所示：

最后，將得到的KS取自然對數(shù)作為最終的知識溢出指標。

（4） 調節(jié)變量

經(jīng)濟政策不確定性（EPU）。參考饒品貴和徐子慧（2017）［26］的做法，采用Baker 等（2016）［27］編制的中國經(jīng)濟政策不確定性指數(shù)來衡量該指標。該指數(shù)以香港《南華早報》 作為新聞報道檢索平臺，通過關鍵詞檢索得到與政策不確定性有關的文章數(shù)量再除以文章總數(shù)，獲得當月的經(jīng)濟政策不確定性數(shù)據(jù)。本文將Baker 等構建的中國經(jīng)濟政策不確定性指數(shù)的月度數(shù)據(jù)取算術平均值并除以100 作為年度數(shù)據(jù)。

（5） 控制變量

參考現(xiàn)有研究企業(yè)風險承擔的文獻［28］，本文的控制變量包括AGE、GROWTH、FIRST、BOARD、INDEP、DUAL，以及年度和行業(yè)的虛擬變量，具體變量選擇和定義如表1 所示。

新聞的負面性和一致性價值也可以通過使用其他敘事特征來實現(xiàn)。薩默斯和吉布森指出，敘事是按照一定的評判標準構建的。這些標準能夠實現(xiàn)并指導有選擇地采用一系列事件或元素，而這些事件或元素源自構成該經(jīng)歷的各種開放的和重復出現(xiàn)的事件。（轉引自Baker 2006：71）因果情節(jié)設置使我們能夠權衡和解釋事件，并將一系列命題轉變?yōu)榭山庾x的排序，以便使我們從中提煉出觀點。（ibid.：67）

表1 變量定義

2.3 模型構建

為檢驗董事網(wǎng)絡位置與企業(yè)風險承擔的關系，構建如下模型：

其中，i表示企業(yè)，t表示年份，Risk表示企業(yè)風險承擔，Network表示董事網(wǎng)絡位置，用程度中心度（DegMn）和結構洞（StruMn）兩個指標進行度量，Controls表示所有控制變量，Year和Indcd分別表示年度和行業(yè)虛擬變量。ε表示殘差項。

為檢驗知識溢出的中介效應，本文借鑒溫忠麟和葉寶娟（2014）［29］對中介效應的檢驗程序，在模型（9） 的基礎上，構建如下兩個模型：

其中，KS表示知識溢出，其他變量含義同上。

為檢驗經(jīng)濟政策不確定性對董事網(wǎng)絡位置與企業(yè)風險承擔之間關系的調節(jié)作用，構建如下模型：

其中，EPU表示經(jīng)濟政策不確定性，Network×EPU為董事網(wǎng)絡位置與經(jīng)濟政策不確定性的乘積項，其他變量含義同上。

3 實證結果與分析

3.1 描述性統(tǒng)計

表2 報告了主要變量的描述性統(tǒng)計結果。其中企業(yè)風險承擔（Risk）的平均值為0.042，最值相差較大說明不同企業(yè)間風險承擔水平存在很大差異。董事網(wǎng)絡程度中心度（DegMn）以及結構洞（StruMn）的最大值與最小值之差分別為0.421 和0.500，說明不同企業(yè)在董事網(wǎng)絡中的位置存在一定差異，企業(yè)利用網(wǎng)絡位置可獲取的信息和資源也有所不同。知識溢出（KS）的平均值為25.655，標準差為1.092，說明董事網(wǎng)絡中存在明顯的知識流動和傳播特征。經(jīng)濟政策不確定性（EPU）的最值相差較大，說明不同行業(yè)年份不同企業(yè)間面臨的外部環(huán)境不確定性差異較大。此外，本文對解釋變量及控制變量進行了多重共線性檢驗，所得各變量的VIF 值及其均值都小于3，說明模型不存在嚴重的多重共線性問題。

表2 描述性統(tǒng)計

3.2 回歸結果分析

（1） 董事網(wǎng)絡位置與企業(yè)風險承擔

表3 基本回歸結果

（2） 知識溢出的中介效應

本文借鑒溫忠麟和葉寶娟（2014）［29］的中介效應檢驗程序對知識溢出的中介效應進行了檢驗，回歸結果見表3。表3 中列（3） 和列（4） 報告了董事網(wǎng)絡位置對知識溢出的影響，其中程度中心度顯著促進了知識溢出，結構洞顯著抑制了知識溢出。列（5） 和列（6） 檢驗了董事網(wǎng)絡位置、知識溢出對企業(yè)風險承擔的影響，其中，知識溢出的系數(shù)顯著為負，且與列（3） 中程度中心度的系數(shù)乘積符號為負，間接效應顯著； 程度中心度的系數(shù)顯著為正，直接效應顯著。列（1） 報告的程度中心度對企業(yè)風險承擔的總效應顯著為正，說明知識溢出在董事網(wǎng)絡中心度對企業(yè)風險承擔的影響中發(fā)揮遮掩效應而非中介效應。可能的原因在于，現(xiàn)代企業(yè)治理結構中，委托代理關系的存在使得董事的個人利益與公司利益發(fā)生偏離甚至沖突時，董事極有可能背離公司利益，發(fā)生道德風險的概率會顯著增加。企業(yè)在董事網(wǎng)絡中的位置由連鎖董事的聯(lián)結關系決定，連鎖董事在整個網(wǎng)絡中處于更核心的位置時企業(yè)的董事網(wǎng)絡位置也更關鍵。當處于核心網(wǎng)絡位置即網(wǎng)絡中心度更高的董事獲得的知識溢出越多時，董事的專業(yè)知識越豐富，積累的聲譽和名望越高［30］。為了在未來實現(xiàn)進一步的名利雙收，他們避免自我聲譽受損的意愿會更為強烈［31］。因此當企業(yè)面臨一些風險性較大的投資決策時，董事更傾向于規(guī)避風險，減少一旦項目失敗而面臨更大損失的可能性，從而抑制企業(yè)風險承擔水平。

采用上述分析程序，可以發(fā)現(xiàn)知識溢出在企業(yè)擁有的結構洞數(shù)量對其風險承擔的影響中亦發(fā)揮遮掩效應?？赡艿脑驗椋幱诮Y構洞位置的企業(yè)獲得的更多為異質性信息，而已有研究指出過多的結構洞導致企業(yè)間的知識轉移存在阻礙［32］，正如列（4） 的回歸結果顯示，企業(yè)擁有的結構洞數(shù)量越豐富獲得的知識溢出越少，異質性信息來源的減少在一定程度上降低了對管理層認知能力的要求和規(guī)避風險的可能性，進而遮掩了結構洞對企業(yè)風險承擔水平的抑制作用。

綜上，知識溢出在董事網(wǎng)絡位置對企業(yè)風險承擔的影響中發(fā)揮遮掩效應，假設H2 未得證。

（3） 經(jīng)濟政策不確定性的調節(jié)作用

為確保數(shù)據(jù)口徑一致，本文對解釋變量和調節(jié)變量進行中心化處理，再交乘。回歸結果見表4。表4 中列（1） 的結果顯示經(jīng)濟政策不確定性與程度中心度交乘項（DegMn×EPU）在10%的水平上正向顯著，表明經(jīng)濟政策不確定性正向調節(jié)董事網(wǎng)絡中心度對企業(yè)風險承擔水平的促進作用，假設H3a 得證。經(jīng)濟政策不確定性越高時，董事網(wǎng)絡中心度較高的企業(yè)由于有更廣泛的聯(lián)結關系及更高的地位，可以更充分利用信息和資源的獲取優(yōu)勢提升企業(yè)的風險承擔水平。列（2） 的結果顯示經(jīng)濟政策不確定性與結構洞交乘項（StruMn×EPU）在5%的水平上負向顯著，這表明經(jīng)濟政策不確定性正向調節(jié)董事網(wǎng)絡中企業(yè)擁有的結構洞數(shù)量對企業(yè)風險承擔水平的抑制作用，假設H3b得證。當經(jīng)濟政策不確定性較高時，處于結構洞位置的企業(yè)可以獲得來源多樣的異質性信息，但信息過載與經(jīng)濟政策不確定性加劇的雙重壓力容易使管理層決策更傾向保守，從而進一步削弱企業(yè)的風險承擔水平。綜上，經(jīng)濟政策不確定性正向調節(jié)董事網(wǎng)絡位置與企業(yè)風險承擔之間的關系，假設H3 得證，其調節(jié)作用如圖1 和2 所示。

圖1 經(jīng)濟政策不確定性對董事網(wǎng)絡中心度和企業(yè)風險承擔間關系的調節(jié)作用

圖2 經(jīng)濟政策不確定性對結構洞和企業(yè)風險承擔間關系的調節(jié)作用

表4 經(jīng)濟政策不確定性的調節(jié)作用

3.3 穩(wěn)健性檢驗

（1） 工具變量法

為檢驗與修正模型的內生性問題，本文參考周雪峰等（2021）［12］的做法，選取程度中心度的行業(yè)－年份均值（DegMn＿ind）作為工具變量，并基于模型（9） 進行兩階段回歸，回歸結果如表5 列（1）、（2） 所示。第一階段回歸中，程度中心度的行業(yè)年份均值（DegMn＿ind）的系數(shù)顯著為正，與內生變量（DegMn）具有高度相關性，同時，F(xiàn) 統(tǒng)計量均大于10，說明工具變量具有有效性。第二階段回歸顯示，程度中心度的估計值（DegMnhat）系數(shù)在1%的水平上顯著為正。對結構洞采用相同方法進行檢驗，結果與主回歸一致，表明原結論穩(wěn)健。

表5 工具變量法和傾向得分匹配法檢驗結果

（2） 傾向得分匹配法

本文進一步通過傾向得分匹配法（PSM）對樣本數(shù)據(jù)進行配對處理以緩解內生性問題。借鑒呂可夫等（2023）［33］的做法，①將程度中心度（DegMn）指標按行業(yè)年度從大到小的順序平均分成4組，數(shù)值最高和最低的組別分別賦值為1 和0，對應處理組和對照組； ②選取主效應模型中的控制變量作為協(xié)變量。通過基于傾向得分值的1 ∶1 近鄰匹配方法進行樣本數(shù)據(jù)匹配?；貧w結果如表5列（3）、（4） 所示，程度中心度（DegMn）的系數(shù)在5%的水平上顯著為正，與前文回歸結果基本一致。對結構洞指標采用相同方法進行匹配后，所得結果也驗證了結構洞對企業(yè)風險承擔的抑制作用，原結論穩(wěn)健。

（3） 更換變量度量方式

替換企業(yè)風險承擔測度方式。參考何瑛等（2019）［23］的研究，用3 年觀測時段內的Adj＿ROA極差替換前文使用的Adj＿ROA標準差，得到Risk1并進行回歸，結果見表6 列（1）、（2）。列（1）中程度中心度（DegMn）的系數(shù)在5%的水平上正向顯著，結構洞（StruMn）的系數(shù)在1%的水平上負向顯著，進一步證明了前文結論的穩(wěn)健性。

表6 更換變量度量方式與核心解釋變量滯后1 期的檢驗結果

更換董事網(wǎng)絡位置測度指標。參考張勇（2021）［24］的研究，本文將各上市公司所有董事的程度中心度和結構洞的平均值替換為中位數(shù)作為公司層面的董事網(wǎng)絡中心度（DegMd）以及結構洞（StruMd）指標，回歸結果見表6 列（3）、（4）。其中，程度中心度（DegMd）的系數(shù)在1%的水平上顯著為正，結構洞（StruMd）的系數(shù)在1%的水平上顯著為負，與主效應模型的回歸結果基本一致，證明了上文結果的穩(wěn)健性。

（4） 核心解釋變量滯后1 期

本文對解釋變量取滯后1 期來緩解模型中可能存在的內生性問題?；貧w結果如表6 列（5）、（6）所示。其中，滯后1 期的程度中心度（LDegMn）系數(shù)為0.008，在5%的水平上顯著，滯后1 期的結構洞（LStruMn）系數(shù)為－0.012，在1%的水平上顯著，與前文所得結論一致，具有穩(wěn)健性。

（5） 知識溢出遮掩效應的穩(wěn)健性檢驗

本文采用Bootstrap 法進一步檢驗知識溢出的遮掩效應，結果顯示，在程度中心度對企業(yè)風險承擔的影響中，知識溢出的間接效應系數(shù)為－0.001，直接效應系數(shù)為0.008，且偏差矯正的95%置信區(qū)間均不包含0； 在結構洞對企業(yè)風險承擔的影響中，知識溢出的間接效應系數(shù)為0.001，直接效應系數(shù)為－0.010，且偏差矯正的95%置信區(qū)間也均不包含0。上述結果對應的直接效應和間接效應均顯著且符號相反，再次證實了知識溢出的遮掩效應。

4 研究結論與政策建議

4.1 研究結論

本文選取2011～2022 年中國A 股上市公司為研究樣本，實證檢驗了董事網(wǎng)絡位置對企業(yè)風險承擔的影響及其作用機制和邊界條件。研究發(fā)現(xiàn)：（1） 董事網(wǎng)絡中心度與企業(yè)風險承擔顯著正相關，而結構洞與企業(yè)風險承擔顯著負相關。企業(yè)獲取關鍵性的信息和資源有利于風險決策制定，提升企業(yè)的風險承擔水平，過載的異質性信息和資源會加劇決策壓力，抑制企業(yè)風險承擔； （2） 知識溢出在董事網(wǎng)絡位置對企業(yè)風險承擔的影響中發(fā)揮遮掩效應。這說明經(jīng)濟主體在獲取董事網(wǎng)絡的知識溢出時，有可能出于聲譽維護的動機而采取風險規(guī)避行為，降低企業(yè)風險承擔水平； （3） 經(jīng)濟政策不確定性正向調節(jié)董事網(wǎng)絡位置與企業(yè)風險承擔的關系，即董事網(wǎng)絡提供的信息和資源對企業(yè)風險承擔水平的影響隨著外部環(huán)境不確定性的增加而更加顯著。

4.2 政策建議

（1） 合理構建董事網(wǎng)絡關系，提升網(wǎng)絡中心位置。企業(yè)應合理構建董事網(wǎng)絡關系，同時注意中心位置和結構洞位置的差異。企業(yè)要建立更多的直接聯(lián)系，提高網(wǎng)絡中心位置，有效利用網(wǎng)絡中的社會資本，緩解風險承擔所需的資源依賴壓力； 另外，企業(yè)要認識到董事網(wǎng)絡關系的不利影響，間接關系雖能給企業(yè)帶來非冗余且異質性的信息，但企業(yè)管理層是否有能力處理這些信息也應該被慎重考慮，否則可能會事倍功半。

（2） 優(yōu)化董事網(wǎng)絡結構，適度獲取外部知識。企業(yè)要重視知識溢出的遮掩作用，知識溢出的獲取并不是越多越好，企業(yè)應避免因過度依賴外部知識而導致的風險，同時加強對董事網(wǎng)絡的監(jiān)控與管理，充分考慮聲譽效應的影響。

（3） 借助董事網(wǎng)絡把握發(fā)展機遇，優(yōu)化決策質量。企業(yè)應充分利用董事網(wǎng)絡關系，建立有效的信息溝通渠道，更加及時全面地了解經(jīng)濟環(huán)境和市場動態(tài)。在經(jīng)濟政策不確定性上升時，充分利用好董事網(wǎng)絡關系進行風險投資活動，主動把握發(fā)展機遇，提升投資決策質量。

本文的研究還存在一定的局限，如知識溢出在董事網(wǎng)絡位置與企業(yè)風險承擔之間發(fā)揮遮掩效應，那么二者之間存在的中介作用機制仍有待進一步探索與挖掘。