论文题目：企业社会责任对企业经营绩效的影响研究
摘要：在环境和社会问题日益凸显的大背景下,经济效益不再是评价企业的唯一标准,企业社会责任（CSR）成为广大投资者、消费者、供应商、员工等利益相关者越来越重视的问题,履行企业社会责任被视为公司可持续发展的重要组成部分。在学界,关于企业社会责任与绩效之间关系的探讨一直经久不衰,却始终还未能得到一个令众人信服的结论,并且目前对该命题研究的主流方法依然使用的是多元线性回归,在指标上多使用财务会计类指标。另一方面,随着人工智能的不断发展,使得深度学习逐渐在经济金融领域中崭露头角,广义回归神经网络作为深度学习下的一种改进的径向基函数网络,具有优秀的网络式全局学习尤其是泛化能力,以及良好的逼近性能与可以处理不稳定数据的容错能力,是一种良好的回归工具。本文利用2011年至2019年沪深上市公司样本数据,研究了企业社会责任表现与公司绩效的相关关系。首先进行了基于面板数据的多元线性回归,使用双向固定效应模型、工具变量法、稳健性检验等进行了数据的回归分析。在多元线性回归的基础上,进一步使用广义回归神经网络的方法对本文的理论假设进行验证。实证分析的结果表明:企业社会责任表现与企业经营绩效显著正相关,即当企业积极承担自身社会责任时,企业整体绩效会随之提升。同时,由于政府掌握着稀缺资源与特殊信息,与政府关系更为密切的国有企业天然地拥有更高的社会信用,承担社会责任对国有企业拓宽资源与信息渠道的帮助较弱,所以在履行社会责任方面,非国有企业表现良好后绩效的提升更为明显,即相较于国有企业,企业社会责任表现对非国有企业绩效影响更大。除此之外,在市场化程度更高的地区,拥有更完善的法律和交易规则以及更畅通的媒体传播渠道,市场化程度的提高有利于增强企业社会责任对企业绩效的影响。本文共分为六个章节,第一章主要阐明了本文研究背景、意义,并总结梳理了前人的相关研究文献,在明确研究必要性的基础上引出了本文的研究主题与方法框架。第二章首先厘清了本文的研究对象、相关概念与定义,接着阐述了有助于解释二者之间关系的三个相关理论。在梳理二者关系背后的经济学原因之后提出了相关的研究假设。第三章依据提出的理论假设,在借鉴他人的指标体系基础上,根据本研究的侧重点构建实证模型体系,并对相关的样本与数据来源进行说明。第四章采用多元线性回归进行实证研究及结果分析。先对数据进行描述性统计,然后对数据进行相关性分析、稳健性检验、异质性分析等,并对实证的结果进行了说明与分析。第五章采用广义回归神经网络进行补充实证,首先说明了补充的原因,接着构建广义回归神经网络模型进行实证研究并对结果作了说明,最后论证了采用神经网络进行实证的可行性。第六章根据实证结果总结归纳了本文的研究结论,并结合实际提出相应的政策建议。
关键词：企业社会责任;企业绩效;广义回归神经网络
学科专业：金融学
摘要
abstract
一、绪论
(一)研究背景及意义
1.研究背景
2.研究意义
(二)国内外文献综述
1.企业社会责任与企业绩效的讨论
2.深度学习在经济领域的应用
3.文献综述小结
(三)研究框架与研究方法
1.研究思路与方法
2.研究框架
3.论文的创新点
二、理论基础与研究假设
(一)概念界定
1.企业社会责任
2.企业经营绩效
(二)相关理论基础
1.企业公民论
2.利益相关者理论
3.声誉理论
4.理论基础小结
(三)理论分析与研究假设
(四)本章小结
三、企业社会责任与企业经营绩效研究设计
(一)实证模型
(二)关键变量指标说明
1.被解释变量
2.解释变量
3.控制变量
(三)数据来源与样本选取
(四)本章小结
四、多元线性回归实证研究及其结果分析
(一)描述性统计分析
(二)主要变量相关系数
(三)实证分析
1.基准回归
2.稳健性检验:替换变量法
3.内生性问题:工具变量法
4.异质性分析
(四)进一步分析
(五)本章小结
五、广义回归神经网络实证研究及其结果分析
(一)广义回归神经网络的补充作用
(二)广义回归神经网络算法理论
1.广义回归神经网络的数学基础
2.广义回归神经网络的结构
3.广义回归神经网络的性能
(三)训练GRNN神经网络
1.定义GRNN功能函数
2.寻找最优光滑因子
3.计算变量贡献度
(四)GRNN实证结果
(五)进一步验证
1.MAE、MSE、RMSE
2.拟合精度
(六)本章小结
六、结论与建议
(一)研究结论
(二)政策建议
(三)本章小结
参考文献
附录一 Python程序源代码
致谢
附件