基于文本挖掘技术的企业社会责任报告研究马文超+吴商硕+黄麒+刘培基[摘要]企业社会责任（CSR）报告越来越受重视，其披露内容和质量成为学者们研究的重点。文章回顾了以往对CSR报告的质量评价、文本挖掘等领域的研究，通过研究发现不同企业报告质量有差异，不同年份间质量相关性高，利用文本挖掘技术从个体和上市公司群体角度分析了CSR报告，认为文本挖掘技术便利了CSR报告的信息获取，为研究建构CSR报告的本体提供了参考，并做出政策建议。文章还对文本挖掘在这一领域内的不足做了述评。[关键词]文本挖掘；CSR；报告；企业社会责任；信息披露[DOI]10.13939/j.cnki.zgsc.2018.04.0161引言现代社会，CSR问题的频频出现引发了严重的信任危机。社会要求企业在关注自身利益时，充分关注国家和社会的共同利益。对企业而言，履行社会责任一方面可以降低与利益相关者之间的信息不对称；另一方面，这也是进行公共关系的有效手段。CSR报告作为企业向公众传达履行社会责任信息的主要途径，重要性不言而喻。但是，目前CSR报告的发展面临窘境，报告披露的信息多是乐观、空洞的，况且一个没有强制审计的报告并不能作为投资者决策的依据，也没有造假的必要，更可能是企业粉饰门面的广告而已。企业发布CSR报告的压力主要来自证交所和行政压力、有影响的组织机构和社会团体，上交所要求，“上证公司治理板块”样本公司、发行境外上市外资股的公司以及金融类公司必须披露CSR报告，鼓励其他有条件的公司披露报告。此外，有做大做强动机的企业也表现出发布CSR报告的愿望，一个证据是2012年自愿披露CSR报告的企业比例为32.47%，2015年达到了42.23%（见表1）。但目前CSR报告市场上也存在阻力：监管上，缺少强制性要求；操作上，第三方审验机构收费高昂，不经过审计的报告公正性和客观性有问题，进行审计又不一定能给公司带来切实利益，企业也陷入两难。2文献综述与假设2.1CSR报告质量的评价陶文杰等（2013）研究了A股上市公司CSR披露和公司绩效间的关系，并引入中介变量媒体关注度。[1]齐丽云等（2016）构建了CSR报告的质量评价体系，将报告的实质性、完整性、回应性、可行性和包容性归类为核心维度，[2]指明了提高CSR报告质量的关键，我们要做的是根据一定的标准，利用数据挖掘工具，衡量CSR报告的质量，因此提出假设：使用文本挖掘技术可以提高CSR报告信息获取的效率。段钊等（2017）认为企业披露信息的真实性在文本主客观描述的差异中有所表现，并指出我国上市公司CSR报告中主观文本占比呈现历年上升态势，不同年份、不同行业间差异显著，[3]这有助于CSR报告质量的判断，基于此我们假设，横向上，CSR报告质量有行业区分，甚至企业差别；纵向上，不同年份的CSR報告质量有差别。2.2基于知识发现的文本挖掘技术文本挖掘（TextMining）是一种从文本中提取隐含有用信息的计算机处理技术，在商业领域取得了良好的效果，其操作方法一般包括分词技术、词频分析、聚类分析、可视化技术和情感分析等。陆宇杰等（2012）举例详细叙述了文本挖掘技术在社会科学领域的应用，[4]应用在CSR报告的研究上，我们认为篇章分析、情感分析和本体建构分析是实用的。通过规范概念、术语，数据挖掘可以助力CSR报告披露标准或质量评价体系的建立。除了将财报的审计规范挪用到CSR报告上，基于文本挖掘进行半自动的本体建构大有可为。M.Foucault等（2009）研究认为，政府首脑就职演说中优先级更高的部门和任内财政预算的分配没有关系，[5]这一发现打破了传统观念，CSR报告中所说与企业实际所做也可能大有差别。3研究设计3.1数据来源我们选择了100家上交所上市公司CSR报告作为研究主体，剔除了金融业企业、ST公司和以图片为CSR报告主要形式的公司（对图表形式的报告，文本挖掘技术无能为力，但我们承认这种形式的有用性），剩下58家企业，从上交所网站下载报告，采用ANSI编码将PDF格式的报告转换成TXT格式的文本。另一部分数据来自润灵环球发布的2012—2015年CSR报告评级数据库。润灵环球从整体性、内容性、技术性和行业性四个零级指标出发建构了完整的评级体系（MCT2012_1.2i），其中，内容性（Content）包含经济绩效、劳工与人权、...