-
ESG（Environmental, Social and Governance）主要关注公司环境、社会以及治理绩效，其相关理念与经济社会发展绿色化、低碳化的内涵高度契合，近年来逐渐被国内外证券监管部门、投资机构和上市公司重视。据统计，全球ESG评级机构已超过600家，ESG评级结果可以帮助投资者有效识别公司潜在投资价值，为投资者决策提供参考，逐渐成为利益相关者评价公司运营情况的重要指标。当前中国的ESG评级尚处于发展阶段，统一的、本土化的ESG评价体系尚未构建，同一家公司被不同ESG评级机构给予的评级结果常常存在分歧，这种分歧使得投资者难以判断公司真实的ESG情况，降低了ESG信息的可信度（Chatterji等，2016）。目前，国内学者对ESG评级的经济后果展开了大量研究，既有研究肯定了ESG评级能够对公司绩效（袁业虎和熊笑涵，2021）、公司投资（高杰英等，2021）等方面产生积极影响，鲜有学者关注ESG评级分歧问题及其带来的经济后果。
ESG评级分歧降低了评级结果的信息价值，当同一家公司被给予多个ESG评级数据时，这会给投资者带来决策困扰。公司自愿性信息披露作为缓解市场信息不对称的重要手段，是公司强制性信息披露的重要补充。自愿性信息披露能够帮助投资者了解公司真实价值，降低投资不确定性和风险（高明华和刘波波，2022）。因此，当同一家公司存在ESG评级分歧时，公司可能会通过提升自愿性信息披露水平缓解ESG评级分歧带来的负面影响。基于此，本文选取2011−2019年沪深A股上市公司作为研究对象，实证检验公司ESG评级分歧对自愿性信息披露的影响及作用路径。研究发现：（1）ESG评级分歧越大，公司自愿性信息披露水平越高；（2）路径分析发现，分析师关注是ESG评级分歧推动公司自愿性信息披露水平提升的重要渠道；（3）进一步研究表明，融资约束越高、投资者情绪越不稳定、高管权力越大的公司，ESG评级差异对自愿性信息披露的提升效果越明显；（4）在重污染企业与非国有企业，ESG评级分歧提升公司自愿性信息披露水平的效应更显著。
本文的研究贡献主要体现在以下三个方面：第一，丰富了ESG评级分歧的经济后果研究。已有文献主要对ESG的制度基础设计（楼秋然，2023）、影响因素（陈晓珊和刘洪铎，2023）、经济后果（廉永辉等，2023；林辉和李唐蓉，2023）等展开研究，鲜有学者关注ESG评级分歧产生的原因及其带来的经济后果。本文关注ESG与信息披露之间的紧密关系，考察ESG评级分歧对公司自愿性信息披露水平的影响，丰富了ESG评级分歧的相关文献。第二，基于ESG视角拓展了自愿性信息披露的相关文献。目前对自愿性信息披露的研究主要从公司治理（Chen和Jaggi，2000；Chau和Gray，2002）、公司动机（王雄元，2005）、投资者行为（陈国辉和韩海文，2010）等角度展开，本文在已有研究基础上，以ESG评级分歧的独特视角研究其影响公司自愿性信息披露的运行机制，进一步补充了公司自愿性信息披露的影响因素研究。第三，剖析了ESG评级分歧对公司自愿性信息披露的影响机制与作用机理。本文从分析师关注度、融资约束、投资者情绪、高管权力等视角，同时深入挖掘不同污染程度与产权性质公司的自愿性信息披露受ESG评级分歧影响程度的差异，为理解ESG评级差异如何影响公司自愿性信息披露提供了经验证据。
-
ESG评级在中国仍然处于起步阶段，不同评级机构的评价标准存在差异，已有文献对ESG评级分歧产生的原因展开了研究。Chatterji等（2016）认为ESG评级产生分歧的原因是ESG评分者在环境、社会责任理解方面存在差异，进而导致不同评级机构ESG报告的相关性较低。袁蓉丽等（2022）则认为ESG评级分歧产生的原因在于，目前ESG测量方法并不统一，各种评级方法虽然综合考量了E、S、G三个维度，但是子类包含的具体内容尚未统一。
尽管对ESG评级分歧产生的原因尚未形成统一观点，但可以肯定的是ESG评级分歧会削弱ESG评级结果对投资者决策的参考价值。首先，ESG评级分歧可能会阻碍投资者持续投资行为，导致资本市场效率低下（Cortez等，2012；Gibson等，2021；Avramov等，2022）；其次，ESG评级分歧会对股价产生不确定性影响，Dimson等（2020）研究发现ESG评级分歧并未对证券投资产生实质性好处，但Gibson等（2021）则认为ESG评级分歧和股价回报呈正相关关系；最后，ESG评级分歧也会对公司管理者决策产生影响，如加大管理者判断差异产生原因的难度，进而使管理者无法做出适当的回应（Chatterji等，2016）。上述研究为探究ESG评级分歧提升上市公司自愿性信息披露质量提供了文献支持。
自愿性信息披露是指除强制性披露外上市公司基于公司形象、投资者关系、回避诉讼风险等动机主动对外披露公司信息。现有研究已就公司自愿性信息披露的影响因素进行了较为丰富的探讨，并形成了较多的研究成果。总体而言，影响公司进行自愿性信息披露的因素主要分为外部因素和内部因素。外部因素方面，公司间的行业差异是造成公司自愿性信息披露质量差异的主要因素（Forker，1992），也有学者研究资本市场开放对于自愿性信息披露的影响，唐建新等（2021）利用沪港通和深港通两个外生事件检验资本市场开放对公司自愿性信息披露的影响，研究发现资本市场开放通过外部信息需求和内部管理层激励两种渠道影响公司自愿性信息披露。孙晶慧等（2022）认为沪港通和深港通交易制度在公司信息环境较差及权益资本成本较高的公司中，对自愿性信息披露的改善作用更为显著。此外，基金投资者（梁雯等，2020）、分析师（彭文平和张姗姗，2019）等外部相关者的介入也会影响公司自愿性信息披露水平。内部因素方面，Lang和Lundholm（1993）采用FAF（Financial Analysts Federation）的评分等级研究影响公司自愿性信息披露的因素，发现公司规模越大，自愿性信息披露水平越高。于团叶等（2013）研究了公司董事和自愿性信息披露二者之间的关系，发现独立董事比例越高、董事会持股比例越高，公司自愿性信息披露水平越高。此外，公司会计政策（Gigler和Hemmer，2001）、国际化程度（Riahi-Belkaoui，2001）、公司股权特征（马忠和吴翔宇，2007）等也是公司自愿性信息披露水平的影响因素。
综上，ESG评级分歧会增加投资者甄别公司真实ESG信息的难度，并产生一系列负面效果，现有研究也已经对公司自愿性信息披露的影响因素进行了较多探索，而这种ESG评级分歧是否也会成为影响公司自愿性信息披露的重要因素，是一个值得探究的重要问题。
-
实现公司可持续发展，要求公司在关注自身运营状况的同时，关注公司的社会责任履行与环境治理情况。公司ESG评级标准的建立主要基于E、S、G三个方面。ESG评级标准下设多个分类，每个分类下设多个特色指标，最终形成ESG评级体系。例如MSCI（Morgan Stanley Capital International）国家指数在E、S、G三大项目下设10个子类目，每个子类目下有细分的指标，总计有30多个细分的考核指标。在多家ESG机构的评级标准中，信息披露也是ESG评级的一项考核内容，但ESG评级中需要考量的指标种类繁多，其差异主要源于评级机构在环境、社会责任理论方面理解方式不同（Chatterji等，2016）。
ESG评级分歧可能会给利益相关者的行为带来不利影响。首先，对被评级公司而言，ESG评级分歧会导致关注ESG评级的投资者对同一家公司的ESG表现看法不一致，削弱了ESG表现对资产价格的影响，降低了投资者依据ESG评级定价资产的准确性，从而给投资者决策带来困扰。其次，ESG评级分歧造成的信息不准确会使董事会产生困惑，进而导致董事会难以判定与ESG表现挂钩的管理者薪酬。最后，管理层也会因为ESG评级存在分歧，无法针对ESG表现的实际情况选择正确的解决措施。因此，ESG评级分歧使得公司管理层、投资者、董事会难以将ESG表现准确反映到其决策过程中，给基于ESG表现的各项决策带来了挑战。
本文探讨ESG评级分歧对于自愿性信息披露可能产生的影响，主要基于以下两个方面的考虑：一是基于信息不对称理论，ESG评级分歧会降低评级结果的信息价值，为重新获得市场信任，公司将通过自愿性信息披露向外界释放更多积极信号；二是基于委托代理理论，ESG评级结果与管理层的晋升考核密切相关，在管理层进行自愿性信息披露时存在较高自主裁量权的情况下，管理层可能会采取自愿性信息披露的手段应对ESG评级分歧带来的问题。
ESG评级报告虽然被越来越多的市场参与者关注，但鉴于ESG评级专业性较高，普通投资者难以对公司ESG表现做出准确分析，需要信息中介进行解读。分析师作为资本市场重要且专业的信息中介，其出具的报告能够有效缓解公司和投资者之间的信息不对称，为公司树立形象标杆，迫使管理层披露更多信息（Bowen等，2002；李春涛等，2014）。因此，分析师通过出具报告向信息使用者传递包括ESG评级及分歧等情况的具体信息，引起投资者、股东等利益相关者的注意，促使公司管理层及时应对ESG评级分歧。
根据信息不对称理论，在资本市场上，由于存在信息不对称，一些公司为了将自己与其他公司区别开来，通常会进行自愿性信息披露，以向市场传递有关信息，使外界消除对公司的错误认识（杨蕊等，2011）。公司ESG表现虽然开始被投资者广泛关注，但鉴于统一标准尚未建立，往往会出现ESG评级分歧，外界无法得知ESG的真实情况，造成信息不对称的局面，加大了公司价值被低估的可能性。此时投资者可能会暂缓投资行为，使得公司面临融资约束的问题（Myers和Majluf，1984）。对于价值被低估的公司而言，其更有动力向投资者披露体现公司竞争优势和发展前景的信息，降低外部融资成本以缓解融资约束（Diamond和Verrecehia，1991），提高公司价值（高明华等，2018）。此外，ESG评级分歧带来的信息不对称也会造成投资者情绪不稳定。公司管理层会根据投资者对公司ESG表现的认可程度，避免负面信息的爆发，使投资者保持情绪高涨，建立起对公司的信任感，以保证对公司股票的持有，降低股价崩盘风险（王积田等，2022）。
根据委托代理理论，管理层面临“道德风险”问题，即管理层往往会追求个人利益最大化。股东为防止管理层的“不道德”行为，会尽可能地通过获取各种信息来评价管理层业绩。出于业绩考核压力，管理层会采取一系列手段减少股东疑虑，其中，自愿性信息披露因其具有可以自主选择披露时机、方式和内容的特点成为管理层常用的手段。随着公司内涵的不断丰富，ESG评级也逐渐走入股东和债权人的视野，管理层在任期间公司的ESG表现已作为考量管理层业绩的重要部分。当ESG评级分歧过大时，股东和债权人对于管理层的关注度也会增加。管理层进行自愿性信息披露，可以缓解ESG评级分歧带来的负面影响。因此，管理层通过自愿性信息披露来改善信息环境以缓解ESG评级分歧，可以视为一条有效途径。
综上所述，一方面，ESG评级分歧带来的公司与投资者之间的信息不对称，会增加公司融资成本和投资者的不稳定情绪；另一方面，ESG评级分歧也会加剧管理层与股东的代理问题，对公司经营决策产生负面影响（ESG评级分歧与企业自愿性信息披露的逻辑机理见图1）。因此，公司在ESG评级分歧较高时，往往会寻求缓解负面影响的方法。此时，进行自愿性信息披露、向市场传递积极信号能够很好地帮助公司摆脱困境。基于上述分析，本文提出如下假设：
图 1 逻辑机理
H：ESG 评级分歧越大，公司自愿性信息披露程度越高。
-
鉴于各类别ESG评级及自愿性信息披露评级可用数据的年份限制，本文以2011−2019年沪深A股上市公司作为初始样本，并根据研究的实际需要对数据进行以下处理：（1）考虑到ST、*ST公司的特殊性，本文剔除此类公司；（2）由于金融行业上市公司的会计处理与其他行业相比差别较大，本文剔除此类公司；（3）剔除相关数据缺失的公司。经筛选处理后，本文最终获得观测样本5967个，为消除极端值对结论的影响，本文对连续变量在1%和99%的水平上进行极值调整（Winsorize）。华证ESG评级、WIND ESG评级、盟浪FIN-ESG评级、富时罗素ESG评级来自WIND数据库，商道融绿ESG评级来自商道融绿 ESG评级数据平台，彭博ESG评级来自彭博指数服务有限公司，深圳证券交易所（下称深交所）信息披露评级指数以及控制变量数据来自CSMAR数据库。
-
解释变量ESGdif为ESG评级分歧。随着责任投资理念的发展与推广，国内外出现许多ESG评级体系，其在评价标准、参考指标以及覆盖范围等方面各不相同。因此，本文解释变量选取华证ESG评级指标、WIND ESG评级指标、商道融绿ESG评级指标、盟浪FIN-ESG评级指标、彭博ESG评级分数与富时罗素ESG评级分数6类方式，对其评级结果进行赋值并加以标准差计算，以度量公司ESG评级分歧。
华证ESG评级、WIND ESG评级与盟浪FIN-ESG评级均分为9档，从低到高分别为C、CC、CCC、B、BB、BBB、A、AA、AAA，依据上述赋值方法，将评级C−AAA共9个等级依次赋值为1−9，即评级为C时，ESG=1，评级为CC时，ESG=2，评级为CCC时，ESG=3，以此类推。商道融绿ESG评级分为10档，从低到高分别为D、C−、C、C+、B−、B、B+、A−、A、A+，依据上述赋值方法，将评级D−A+共10个等级依次赋值为0−9，即评级为D时，ESG=0，评级为C−时，ESG=1，评级为C时，ESG=2，以此类推。彭博ESG评级将具体分数取10%，进行四舍五入处理；富时罗素ESG评级将具体分数取200%，作为样本数据。在实际样本数据中，通过该种赋分方式，6类ESG的评分值域相近，从而保证了其对ESG评级分歧的影响权重相当。对6类ESG评级方式进行上述整理后，本文将6类指标的ESG评级分值进行标准差计算，从而得到ESG评级分歧ESGdif的数据。
-
被解释变量Disclosure为公司自愿性信息披露。根据已有文献，自愿性信息披露指标的衡量主要是采用自行建造指标体系（张学勇和廖理，2010）、自行选取报表中的一项具有代表性的指标信息（罗炜和朱春艳，2010；朱春艳和罗炜，2019）和使用深交所的信息披露评级指数（方军雄，2007；梁雯等，2020）三种方法。为避免构建指标体系的主观性误差，本文参考方军雄（2007）和梁雯等（2020）的方法，使用由深交所提供的信息披露评级指数衡量公司自愿性信息披露（Disclosure），如果考评结果为优秀，则Disclosure为3，良好为2，合格为1，不合格为0。根据《深圳证券交易所上市公司信息披露工作考核办法（2020 年修订）》，自2020年后，深交所信息披露评级指数将ESG水平纳入评级指标，为减少内生性，本文数据截至2019年。由于自愿性信息披露的变化受ESG评级分歧的影响，在时间上存在先后关系，而ESG评级所采用的数据为年末数据，本文对Disclosure进行滞后一年处理。
-
参照蔡宏标和饶品贵（2015）的研究，本文在实证分析过程中具体控制了以下变量：公司规模（Size）、盈利能力（ROA）、财务杠杆（Lev）、公司上市时间（Age）、公司成长性（Growth）、经营能力（CFO）、固定资产比例（PPE）、第一大股东持股比例（Top1）、两职合一（Dual）、产权性质（SOE）。本文还控制了年份（Year）和行业（Industry）固定效应。具体变量定义见表1。
表 1 变量定义
变量 定义 Disclosure 深交所的信息披露评级指数 ESGdif 对华证ESG评级指标、WIND ESG评级指标、商道融绿ESG评级指标、盟浪FIN-ESG评级指标、彭博ESG评级分数与富时罗素ESG评级分数结果进行赋值后计算其标准差 Size 公司规模，期末账面总资产的自然对数 ROA 总资产收益率，净利润/总资产 Lev 资产负债率，总负债/总资产 Age 公司上市时间，上市年份与披露年份之差的自然对数 Growth 主营业务收入增长率 CFO 公司经营活动现金流/总资产 PPE 固定资产/总资产 Top1 第一大股东持股比例 Dual 两职合一，两职合一为1，否则为0 SOE 产权性质，国有企业为1，否则为0 Year 年份虚拟变量 Industry 行业虚拟变量 -
考虑到公司是在ESG披露后调整自愿性信息披露水平，本文借鉴梁雯等（2020）的做法，采用OLS回归模型来考察ESG评级分歧对自愿性信息披露的影响，具体模型如下：
$$ Disclosure_{t+1}=β_{0}+β_{1}ESGdif_{t}+ΣControl_{t}+ΣYear_{t}+ΣIndustry_{t}+ε_{t}$$ (1) 在模型（1）中，本文重点关注ESGdif的系数β1。根据假设H，本文预期β1显著为正，即ESG评级分歧较大公司的自愿性信息披露水平会在随后年度中得到提升。此外，本文在模型中控制了年份与行业固定效应，并进行了公司聚类处理。
-
表2报告了全样本主要变量的描述性统计结果。Disclosure的均值为2.134，中位数为2，说明中国公司自愿性信息披露整体表现良好；Disclosure的最小值为0，最大值为3，说明不同公司的自愿性信息披露水平存在差异。ESGdif的均值为2.240，说明在本文样本公司中，ESG评级结果存在分歧，样本具有一定的代表性与合理性。ESGdif的最小值为0.707，最大值为4.950，说明ESG评级结果分歧程度较大。Size的均值为22.425，最大值为25.841，最小值为20.166，中位数为22.339，说明样本公司规模差异不大。其余控制变量的统计结果与已有研究较为一致，不再赘述。
表 2 主要变量描述性统计
变量 样本量 均值 标准差 最小值 中位数 最大值 极差 Disclosure 5967 2.134 0.629 0 2 3 3 ESGdif 5967 2.240 1.245 0.707 2.121 4.950 4.243 Size 5967 22.425 1.202 20.166 22.339 25.841 5.675 ROA 5967 0.041 0.078 −0.376 0.042 0.214 0.590 Lev 5967 0.422 0.202 0.055 0.415 0.863 0.808 Age 5967 2.029 0.845 0.000 2.079 3.258 3.258 Growth 5967 0.188 0.396 −0.508 0.122 2.473 2.981 CFO 5967 0.054 0.068 −0.138 0.051 0.248 0.386 PPE 5967 0.203 0.155 0.002 0.168 0.679 0.677 Top1 5967 0.332 0.149 0.087 0.302 0.734 0.647 Dual 5967 0.307 0.462 0 0 1 1 SOE 5967 0.313 0.464 0 0 1 1 -
表3报告了主要变量的相关系数，相关系数检验结果大多通过5%水平上的统计检验，且变量之间相关系数大多小于0.5，表明变量之间不存在共线性，回归结果较为合理。主要变量Disclosure与ESGdif显著正相关，初步验证了本文假设。
表 3 相关性分析
变量 Disclosure ESGdif Size ROA Lev Age Growth CFO PPE Top1 Dual SOE Disclosure 1.000 ESGdif 0.147*** 1.000 Size 0.160*** 0.157*** 1.000 ROA 0.353*** 0.147*** −0.002 1.000 Lev −0.115*** 0.056*** 0.546*** −0.331*** 1.000 Age −0.054** 0.053*** 0.474*** −0.152*** 0.324*** 1.000 Growth 0.083*** 0.026** 0.041*** 0.240*** 0.028** −0.116*** 1.000 CFO 0.188*** 0.023* 0.002 0.374*** −0.201*** −0.006 0.034*** 1.000 PPE −0.016 0.042*** 0.091*** −0.069*** 0.096*** 0.144*** −0.096*** 0.214*** 1.000 Top1 0.141*** 0.126*** 0.149*** 0.136*** 0.061*** −0.031** 0.024* 0.108*** 0.133*** 1.000 Dual −0.008 −0.092*** −0.131*** 0.004 −0.071*** −0.206*** 0.054*** −0.002 −0.100*** −0.056*** 1.000 SOE 0.119*** 0.199*** 0.337*** −0.037*** 0.251*** 0.424*** −0.094*** −0.020 0.194*** 0.154*** −0.276*** 1.000 注：表中数值为Pearson相关系数，***、**、*分别代表在1%、5%、10%水平上显著。 -
表4报告了ESG评级分歧与自愿性信息披露的回归结果。列（1）为仅控制年份和行业后的回归结果，ESGdif的系数为0.073且在1%的水平上显著，表明在ESG评级分歧增大的情况下，公司为减少其带来的负面影响，会选择进行更高水平的自愿性信息披露。列（2）为加入控制变量后的回归结果，ESGdif的系数为0.039且在1%的水平上显著，说明ESG评级分歧能够显著提升公司自愿性信息披露水平，验证了本文假设。列（2）中的资产负债率（Lev）和公司上市时间（Age）与自愿性信息披露水平在1%的水平上显著负相关，可能是由于公司的资产负债率越高，上市时间越长，自愿性信息披露水平越低，越需要通过提高自愿性信息披露水平来改善公司经营情况。而公司规模（Size）和盈利能力（ROA）与自愿性信息披露水平在1%的水平上显著正相关，这可能是由于公司规模越大，盈利能力越好，公司越倾向于向社会传递自身利好信息从而吸引更多资金注入，因此会提高自身自愿性信息披露水平。第一大股东持股比例（Top1）与自愿性信息披露水平在5%的水平上显著正相关，说明当公司股东权力越集中时，为抑制管理层“不道德”行为，股东越会提高对公司真实情况的信息要求，此时管理层也越倾向于通过提高自愿性信息披露水平来满足股东要求。
表 4 ESG评级分歧与自愿性信息披露
变量 Disclosure (1) (2) ESGdif 0.073*** 0.039*** (4.495) (2.731) Size 0.129*** (9.905) ROA 1.973*** (13.285) Lev −0.508*** (−6.790) Age −0.098*** (−6.321) Growth 0.017 (0.760) CFO 0.662*** (4.607) PPE −0.010 (−0.114) Top1 0.217** (2.392) Dual 0.034 (1.417) SOE 0.215*** (6.676) Constant 1.618*** −1.015*** (14.887) (−3.393) Year/Industry YES YES N 5967 5967 Adj. R2 0.061 0.223 注：括号内为t值，***、**、*分别代表在1%、5%、10%水平上显著。 -
在基本回归中，本文主要通过求标准差的方式，衡量华证ESG评级指标、WIND ESG评级指标、商道融绿ESG评级指标、盟浪FIN-ESG评级指标、彭博ESG评级分数与富时罗素ESG评级分数的分歧，从而定义核心解释变量ESGdif。在稳健性检验中，本文采取极差的方式，通过计算赋值下6类ESG评级水平的极差值ESGrange，替代衡量ESG评级分歧水平，在此基础上，控制行业与年份固定效应进行回归分析，并进行了公司聚类处理，结果如表5所示。其中，列（1）为不加入控制变量的回归结果，列（2）为加入控制变量的回归结果。结果显示，使用ESG评级极差值ESGrange作为解释变量，ESG评级分歧与公司自愿性披露水平仍均在1%的水平上显著正相关，证明了ESG评级分歧的增大确实能够促进公司自愿性信息披露水平的提高。
表 5 替换解释变量：ESG评级极差值
变量 Disclosure (1) (2) ESGrange 0.073*** 0.035*** (8.827) (4.602) Controls NO YES Year/Industry YES YES N 5967 5967 Adj. R2 0.075 0.225 注：括号内为t值，***、**、*分别代表在1%、5%、10%水平上显著；限于篇幅，未报告控制变量回归结果，资料备索。 -
在基本回归中，本文使用滞后一期的深交所信息披露评级指数作为公司自愿性信息披露的代理变量，通过赋值从而定义被解释变量Disclosure。ESG评级作为环境监管的重要组成部分，对公司环境信息方面的披露更具影响。为降低ESG评级分歧可能带来的问题，公司会更倾向于提升环境信息披露水平。因此，本文借鉴并拓展孔东民等（2021）和刘亦文等（2022）的方法，将环境信息披露信息按照环境管理、环境负债、环境业绩与治理、披露载体、环境监管与认证5类进行赋值评分，并最终加总得到环境信息披露指数EDI，替代深交所信息披露评级指数进行回归分析。此外，考虑到ESG评级分歧与自愿性信息披露在因果上存在前后关系，本部分对滞后二期的深交所信息披露评级指数Disclosure2进行回归检验。两类回归均控制行业与年份固定效应，同时进行公司聚类处理，回归结果如表6所示，其中，列（1）与列（3）为不加入控制变量的回归结果，列（2）与列（4）为加入控制变量后的回归结果。结果显示，使用环境信息披露指数EDI和滞后二期深交所信息披露评级指数Disclosure2作为被解释变量的情况下，ESGdif的系数均在1%的水平上显著正相关，表明ESG评级分歧的增大确实能够促进公司自愿性信息披露水平的提高。
表 6 替换被解释变量：环境信息披露指数与滞后二期深交所信息披露评级指数
变量 EDI Disclosure2 (1) (2) (3) (4) ESGdif 1.499*** 1.081*** 0.078*** 0.043*** (8.048) (5.966) (4.574) (2.800) Controls NO YES NO YES Year/Industry YES YES YES YES N 5967 5967 5952 5952 Adj. R2 0.281 0.363 0.069 0.192 注：括号内为t值，***、**、*分别代表在1%、5%、10%水平上显著；限于篇幅，未报告控制变量回归结果，资料备索。 -
在基本回归中，本文使用OLS模型对ESG评级分歧与自愿性信息披露进行回归。由于在回归过程中对自愿性信息披露进行具体赋值，本研究的被解释变量为离散变量，本文选用Logit模型替换OLS模型进行回归分析，并控制年份与行业固定效应，进行公司聚类，结果如表7所示，其中，列（1）为不加入控制变量的回归结果，列（2）为加入控制变量后的回归结果。结果显示，使用Logit模型进行回归，ESGdif的系数在1%的水平上显著正相关，进一步验证了ESG评级分歧对公司自愿性信息披露水平的促进作用。
表 7 替换回归模型：Logit模型回归
变量 Disclosure (1) (2) ESGdif 0.635*** 0.603*** (3.007) (2.912) Controls NO YES Year/Industry YES YES N 5183 5183 Pseudo R2 0.050 0.227 注：括号内为t值，***、**、*分别代表在1%、5%、10%水平上显著；限于篇幅，未报告控制变量回归结果，资料备索。 -
由上文实证结果可知，ESG评级分歧显著提高了公司的自愿性信息披露水平，但其实现机理仍有待研究。对于一般投资者而言，ESG评级作为门槛相对较高的公司信息，在获取和理解过程中存在客观困难，因此需要通过媒介来更快接触和了解ESG评级情况，从而调整自身投资行为。分析师具有较高的专业素养，能够较早了解ESG评级分歧情况，将具体信息纳入分析报告以进行传播。因此，本文认为分析师关注可能是ESG评级分歧影响公司自愿性信息披露水平的影响机制。
本文参考Kim和Zhang（2014）、王化成等（2015）的做法，以分析师关注人数的自然对数Analyst来衡量分析师关注，对ESG评级分歧ESGdif与分析师关注Analyst进行回归，结果如表8所示。ESG评级分歧ESGdif的系数为0.144，且在1%的水平上显著，说明ESG评级分歧越大，越能吸引分析师关注。以上结果表明，ESG评级分歧能够增加分析关注人数，从而推动公司自愿性信息披露水平的提高。
表 8 影响机制分析：分析师关注
变量 Analyst (1) (2) ESGdif 0.174*** 0.144*** (5.384) (5.505) Size 0.490*** (18.561) ROA 4.781*** (13.294) Lev −0.443*** (−2.875) Age −0.225*** (−6.889) Growth 0.010 (0.218) CFO 1.091*** (3.849) PPE −0.452** (−2.564) Top1 −0.471*** (−3.088) Dual 0.079* （1.832） SOE −0.063 (−1.024) Constant 2.420*** −7.866*** (12.005) (−14.549) Year/Industry YES YES N 4540 4540 Adj. R2 0.139 0.378 注：括号内为t值，***、**、*分别代表在1%、5%、10%水平上显著。 -
根据上述基于信息不对称的假设分析，ESG评级分歧对自愿性信息披露的影响可能受融资约束水平与投资者情绪的影响。融资约束是公司在经营与发展过程中普遍存在的难题，公司经营扩张离不开充足资金的支持，但由于资金供需双方存在较大程度的信息不对称，资本市场与信贷市场中的信息摩擦会导致公司面临融资约束。本文使用SA指数度量公司融资约束情况，SA=−0.737×Size+0.043×Size2−0.040×Age，该指数为负且绝对值越大，表明公司融资约束程度越高（鞠晓生等，2013）。投资者情绪可通过流通股比例反映，流通股比例越高，投资者买卖股票的交易量越大，投资者情绪波动的影响越大。本文按照融资约束程度高低及流通股比例高低进行分组回归，并控制了年份与行业固定效应，进行了公司聚类，结果如表9所示，组间差异显著。可见，融资约束程度越高的公司，ESG评级分歧提升自愿性信息披露水平的效应越强，说明融资约束程度越高时，公司越倾向于进行自愿性信息披露以缓解信息不对称。流通股比例越高，ESG评级分歧的促进效应越明显，说明投资者情绪越不稳定，ESG评级分歧对自愿性信息披露的影响越明显。
表 9 信息不对称：融资约束与投资者情绪
变量 Disclosure 融资约束程度高
(1)融资约束程度低
(2)流通股比例高
(3)流通股比例低
(4)ESGdif 0.061*** 0.023 0.049*** 0.023 (3.281) (1.158) (2.606) (1.190) Size 0.106*** 0.140*** 0.138*** 0.122*** (5.255) (7.985) (7.795) (6.935) ROA 1.977*** 1.981*** 1.793*** 2.143*** (10.159) (8.900) (8.990) (9.446) Lev −0.376*** −0.672*** −0.629*** −0.384*** (−3.841) (−6.448) (−6.147) (−3.882) Age −0.087*** −0.091*** −0.086*** −0.119*** (−3.906) (−4.142) (−3.217) (−6.157) Growth 0.040 −0.003 0.037 0.010 (1.418) (−0.067) (0.929) (0.390) CFO 0.649*** 0.736*** 0.721*** 0.574*** (3.285) (3.602) (3.362) (3.035) PPE −0.086 0.038 −0.018 −0.076 (−0.770) (0.294) (−0.151) (−0.625) Top1 0.002* 0.001 0.302** 0.265** (1.955) (1.048) (2.176) (2.647) Dual 0.015 0.041 −0.010 0.071** (0.463) (1.288) (−0.326) (2.347) SOE 0.212*** 0.217*** 0.193*** 0.229*** (5.053) (4.542) (4.494) (5.182) Constant −0.487 −1.329*** −1.071*** −0.985** (−1.145) (−3.370) (−2.894) (−2.536) Year/Industry YES YES YES YES N 2988 2979 2997 2970 Adj. R2 0.211 0.251 0.235 0.221 经验p值 0.038** 0.026* 注：括号内为t值，***、**、*分别代表在1%、5%、10%水平上显著；经验p值用于检验组间系数差异的显著性，通过自体抽样（Bootstrap）200次得到。 -
根据上文分析，由于高管道德约束与管理层业绩提升压力，ESG评级分歧对公司自愿性信息披露的作用可能会受高管权力大小的影响。借鉴权小锋和吴世农（2010）、赵刚等（2017）的做法，本文基于两职兼任、股权分散、长期任职3个维度构建高管权力模型，计算高管权力指标Power。本文按照高管权力大小进行分组回归，并控制了年份与行业固定效应，进行了公司聚类。表10的结果显示，高管权力越大的公司，ESG评级分歧推动自愿性信息披露水平的程度越高，可见权力越大的高管，越关注ESG评级分歧潜在的风险，越有能力通过调整自愿性信息披露水平予以应对。
表 10 委托代理：高管权力
变量 Disclosure 高管权力大
(1)高管权力小
(2)ESGdif 0.051*** 0.014 (2.927) (0.600) Size 0.116*** 0.165*** (7.303) (7.646) ROA 1.983*** 1.755*** (11.636) (5.541) Lev −0.511*** −0.507*** (−5.855) (−3.724) Age −0.086*** −0.123*** (−4.890) (−3.773) Growth 0.027 −0.009 (1.026) (−0.223) CFO 0.771*** 0.491* (4.428) (1.838) PPE 0.022 −0.170 (0.219) (−1.099) Top1 0.291*** −0.077 (2.874) (−0.492) Dual 0.027 0.123 (1.083) (0.374) SOE 0.158*** 0.276*** (3.941) (5.410) Constant −0.609* −1.698*** (−1.870) (−3.685) Year/Industry YES YES N 4214 1753 Adj. R2 0.234 0.223 经验p值 0.037* 注：括号内为t值，***、**、*分别代表在1%、5%、10%水平上显著；经验p值用于检验组间系数差异的显著性，通过自体抽样（Bootstrap）200次得到。 -
不同特征的企业可能对ESG评级分歧的敏感度也存在较大差异。对于重污染企业而言，ESG评级较大程度反映了其绿色生产水平，投资者也更关注其污染治理情况。若评级分歧较大，有可能会导致投资者投资意愿降低，影响公司发展。国有企业受政府监管和支持力度更大，提升信息披露水平的动力较小，而非国有企业可能更愿意通过调整自愿性信息披露水平以缓解ESG评级分歧带来的不利影响。因此，本文根据重污染企业与国有企业进行分组回归分析。针对重污染企业，本文参考张笑和胡金焱（2022）的做法，按照2012年分类标准，选择了B06、B07、B08、B09、B11、C17、C18、C19、C22、C25、C26、C27、C28、C29、C30、C31、C32、C33、D44行业类别的企业作为重污染企业，控制了年份与行业固定效应，进行了分组回归和公司聚类处理，结果如表11所示，组间差异显著。重污染企业的自愿性信息披露水平Disclosure与ESG评级分歧ESGdif在1%的水平上显著正相关，说明重污染企业对ESG评级分歧的敏感度更高，更希望通过提高自愿性信息披露水平来缓解ESG评级分歧可能带来的负面影响。就产权性质而言，非国有企业的自愿性信息披露水平Disclosure与ESG评级分歧ESGdif显著正相关，国有企业并不显著，说明非国有企业对ESG评级分歧更为关注，更有意愿通过调整自愿性信息披露水平应对ESG评级分歧。
表 11 企业特征：污染程度与产权性质
变量 Disclosure 重污染企业
(1)非重污染企业
(2)国有企业
(3)非国有企业
(4)ESGdif 0.071*** 0.021 0.016 0.044** (3.096) (1.172) (0.751) (2.366) SOE 0.219*** 0.219*** (3.664) (5.752) Controls YES YES YES YES Year/Industry YES YES YES YES N 2015 3952 1865 4102 Adj. R2 0.204 0.231 0.219 0.221 经验p值 0.050** 0.028* 注：括号内为t值，***、**、*分别代表在1%、5%、10%水平上显著；经验p值用于检验组间系数差异的显著性，通过自体抽样（Bootstrap）200次得到；限于篇幅，未报告控制变量回归结果，资料备索。 -
鉴于统一的ESG评级标准尚未形成，不同的ESG机构对于同一家公司的ESG评级往往存在较大分歧，ESG评级分歧可能会加大投资者对公司的评判难度，进一步影响公司自愿性信息披露水平。本文从ESG评级分歧视角，探讨其对自愿性信息披露水平的影响。研究发现，ESG评级分歧越大，公司自愿性信息披露水平越高。进一步研究发现：分析师对ESG评级分歧的关注度推动公司自愿性信息披露水平的提高；融资约束程度越低，投资者情绪越不稳定，ESG评级分歧对自愿性信息披露的影响效应越明显；权力更大的高管更愿意通过提升自愿性信息披露水平缓解ESG评级分歧；重污染企业与非国有企业更愿意通过提高自愿性信息披露水平以应对ESG评级差异带来的问题。
本文丰富了ESG评级的经济后果研究，拓展了自愿性信息披露的研究视角。为进一步优化公司治理，推动企业可持续发展，本文提出以下政策建议：第一，发挥产学结合优势，推动ESG评价体系建设。虽然学界与实务界对ESG理念具有初步共识，但囿于价值观、目标、使命等差异，不同评级机构产出的ESG评级结果存在较大分歧，降低了ESG信息价值，给ESG的结果运用造成了新的困境。为推动ESG理论与实践的共同发展，评级机构亟需牵头各界专家发挥产学结合优势，学界不断拓宽ESG内涵框架，为评级工作奠定理论基础，实务界为ESG指标设计提供数据支撑，建立健全ESG评价体系，为信息使用者提供更准确、更一致的ESG信息。第二，进一步完善资本市场自愿性信息披露制度。有关政府部门应当继续完善资本市场的信息披露制度，尤其是自愿性信息披露制度，以完善制度建设为核心要义，加强企业对于ESG信息等非财务信息的自愿性信息披露。企业也应进一步完善自身公司治理，特别是注重遵守信息披露的规则，提升信息质量，从而缓解外部信息不对称，有效预防管理层道德风险。
受条件所限，本文具有如下局限：本文仅选择了6家ESG评级机构来衡量公司ESG评级分歧，恐难以全面衡量公司实际的ESG评级分歧水平，在后续研究中，将考虑获取更多机构的数据对ESG评级分歧进行更为全面的评估。
-
摘要: 随着“双碳”战略的不断推进，ESG理念逐步融入公司经营管理，但目前关于ESG评级的标准并不统一，同一家公司被不同ESG评级机构给予的评级结果常存在差异，这给投资者决策带来困扰。文章以2011−2019年沪深A股上市公司为样本，考察ESG评级分歧对公司自愿性信息披露的影响及其内在作用机理。研究发现，ESG评级分歧提升了公司自愿性信息披露水平。路径检验表明，分析师关注是ESG评级分歧推动公司自愿性信息披露水平提升的重要渠道。进一步研究发现，融资约束程度越高、投资者越敏感、管理层权力越大时，ESG评级分歧对公司自愿性信息披露水平的提升效果越明显；相比于非重污染企业与国有企业，ESG评级分歧提升公司自愿性信息披露水平的效应在重污染企业与非国有企业中更显著。研究识别了ESG评级分歧对公司自愿性信息披露的影响，拓展了ESG评级分歧与自愿性信息披露的相关研究，为推进中国ESG评级体系建设、完善公司信息披露机制提供了经验证据。
Do Divergent ESG Ratings Improve Firms’ Voluntary Disclosure?
Abstract: With the promotion of the carbon peaking and carbon neutrality strategy, the concept of ESG is gradually integrated into firm management. However, the current standards on ESG rating are not uniform, and the ratings of the same firm are often different from different ESG rating agencies, which causes confusion to investors’ decisions. This paper takes A-share listed firms in Shanghai and Shenzhen stock market from 2011 to 2019 as samples to investigate the impact of divergent ESG ratings on firms’ voluntary information disclosure and its intrinsic mechanism. The results show that divergent ESG ratings promote firms’ voluntary information disclosure. Path test shows that analyst attention is an important channel for divergent ESG ratings to promote voluntary information disclosure. Further study shows that the higher the financing constraints, the more sensitive the investors and the more powerful the management, the more significant the improvement effect of divergent ESG ratings on firms’ voluntary information disclosure. In addition, compared with non heavily polluting firms and state-owned firms, divergent ESG ratings has a more significantly positive effect on firms’ voluntary information disclosure in heavily polluting firms and non-state-owned firms. This paper identifies the impact of divergent ESG ratings on firms’ voluntary information disclosure, expands studies on divergent ESG ratings and firms’ voluntary information disclosure, and provides empirical evidence for the promotion of the construction of China’s ESG rating system and firms’ information disclosure mechanism. -
表 1 变量定义
变量 定义 Disclosure 深交所的信息披露评级指数 ESGdif 对华证ESG评级指标、WIND ESG评级指标、商道融绿ESG评级指标、盟浪FIN-ESG评级指标、彭博ESG评级分数与富时罗素ESG评级分数结果进行赋值后计算其标准差 Size 公司规模，期末账面总资产的自然对数 ROA 总资产收益率，净利润/总资产 Lev 资产负债率，总负债/总资产 Age 公司上市时间，上市年份与披露年份之差的自然对数 Growth 主营业务收入增长率 CFO 公司经营活动现金流/总资产 PPE 固定资产/总资产 Top1 第一大股东持股比例 Dual 两职合一，两职合一为1，否则为0 SOE 产权性质，国有企业为1，否则为0 Year 年份虚拟变量 Industry 行业虚拟变量 
下载: 导出CSV
表 2 主要变量描述性统计
变量 样本量 均值 标准差 最小值 中位数 最大值 极差 Disclosure 5967 2.134 0.629 0 2 3 3 ESGdif 5967 2.240 1.245 0.707 2.121 4.950 4.243 Size 5967 22.425 1.202 20.166 22.339 25.841 5.675 ROA 5967 0.041 0.078 −0.376 0.042 0.214 0.590 Lev 5967 0.422 0.202 0.055 0.415 0.863 0.808 Age 5967 2.029 0.845 0.000 2.079 3.258 3.258 Growth 5967 0.188 0.396 −0.508 0.122 2.473 2.981 CFO 5967 0.054 0.068 −0.138 0.051 0.248 0.386 PPE 5967 0.203 0.155 0.002 0.168 0.679 0.677 Top1 5967 0.332 0.149 0.087 0.302 0.734 0.647 Dual 5967 0.307 0.462 0 0 1 1 SOE 5967 0.313 0.464 0 0 1 1
下载: 导出CSV
表 3 相关性分析
变量 Disclosure ESGdif Size ROA Lev Age Growth CFO PPE Top1 Dual SOE Disclosure 1.000 ESGdif 0.147*** 1.000 Size 0.160*** 0.157*** 1.000 ROA 0.353*** 0.147*** −0.002 1.000 Lev −0.115*** 0.056*** 0.546*** −0.331*** 1.000 Age −0.054** 0.053*** 0.474*** −0.152*** 0.324*** 1.000 Growth 0.083*** 0.026** 0.041*** 0.240*** 0.028** −0.116*** 1.000 CFO 0.188*** 0.023* 0.002 0.374*** −0.201*** −0.006 0.034*** 1.000 PPE −0.016 0.042*** 0.091*** −0.069*** 0.096*** 0.144*** −0.096*** 0.214*** 1.000 Top1 0.141*** 0.126*** 0.149*** 0.136*** 0.061*** −0.031** 0.024* 0.108*** 0.133*** 1.000 Dual −0.008 −0.092*** −0.131*** 0.004 −0.071*** −0.206*** 0.054*** −0.002 −0.100*** −0.056*** 1.000 SOE 0.119*** 0.199*** 0.337*** −0.037*** 0.251*** 0.424*** −0.094*** −0.020 0.194*** 0.154*** −0.276*** 1.000 注：表中数值为Pearson相关系数，***、**、*分别代表在1%、5%、10%水平上显著。
下载: 导出CSV
表 4 ESG评级分歧与自愿性信息披露
变量 Disclosure (1) (2) ESGdif 0.073*** 0.039*** (4.495) (2.731) Size 0.129*** (9.905) ROA 1.973*** (13.285) Lev −0.508*** (−6.790) Age −0.098*** (−6.321) Growth 0.017 (0.760) CFO 0.662*** (4.607) PPE −0.010 (−0.114) Top1 0.217** (2.392) Dual 0.034 (1.417) SOE 0.215*** (6.676) Constant 1.618*** −1.015*** (14.887) (−3.393) Year/Industry YES YES N 5967 5967 Adj. R2 0.061 0.223 注：括号内为t值，***、**、*分别代表在1%、5%、10%水平上显著。
下载: 导出CSV
表 5 替换解释变量：ESG评级极差值
变量 Disclosure (1) (2) ESGrange 0.073*** 0.035*** (8.827) (4.602) Controls NO YES Year/Industry YES YES N 5967 5967 Adj. R2 0.075 0.225 注：括号内为t值，***、**、*分别代表在1%、5%、10%水平上显著；限于篇幅，未报告控制变量回归结果，资料备索。
下载: 导出CSV
表 6 替换被解释变量：环境信息披露指数与滞后二期深交所信息披露评级指数
变量 EDI Disclosure2 (1) (2) (3) (4) ESGdif 1.499*** 1.081*** 0.078*** 0.043*** (8.048) (5.966) (4.574) (2.800) Controls NO YES NO YES Year/Industry YES YES YES YES N 5967 5967 5952 5952 Adj. R2 0.281 0.363 0.069 0.192 注：括号内为t值，***、**、*分别代表在1%、5%、10%水平上显著；限于篇幅，未报告控制变量回归结果，资料备索。
下载: 导出CSV
表 7 替换回归模型：Logit模型回归
变量 Disclosure (1) (2) ESGdif 0.635*** 0.603*** (3.007) (2.912) Controls NO YES Year/Industry YES YES N 5183 5183 Pseudo R2 0.050 0.227 注：括号内为t值，***、**、*分别代表在1%、5%、10%水平上显著；限于篇幅，未报告控制变量回归结果，资料备索。
下载: 导出CSV
表 8 影响机制分析：分析师关注
变量 Analyst (1) (2) ESGdif 0.174*** 0.144*** (5.384) (5.505) Size 0.490*** (18.561) ROA 4.781*** (13.294) Lev −0.443*** (−2.875) Age −0.225*** (−6.889) Growth 0.010 (0.218) CFO 1.091*** (3.849) PPE −0.452** (−2.564) Top1 −0.471*** (−3.088) Dual 0.079* （1.832） SOE −0.063 (−1.024) Constant 2.420*** −7.866*** (12.005) (−14.549) Year/Industry YES YES N 4540 4540 Adj. R2 0.139 0.378 注：括号内为t值，***、**、*分别代表在1%、5%、10%水平上显著。
下载: 导出CSV
表 9 信息不对称：融资约束与投资者情绪
变量 Disclosure 融资约束程度高
(1)融资约束程度低
(2)流通股比例高
(3)流通股比例低
(4)ESGdif 0.061*** 0.023 0.049*** 0.023 (3.281) (1.158) (2.606) (1.190) Size 0.106*** 0.140*** 0.138*** 0.122*** (5.255) (7.985) (7.795) (6.935) ROA 1.977*** 1.981*** 1.793*** 2.143*** (10.159) (8.900) (8.990) (9.446) Lev −0.376*** −0.672*** −0.629*** −0.384*** (−3.841) (−6.448) (−6.147) (−3.882) Age −0.087*** −0.091*** −0.086*** −0.119*** (−3.906) (−4.142) (−3.217) (−6.157) Growth 0.040 −0.003 0.037 0.010 (1.418) (−0.067) (0.929) (0.390) CFO 0.649*** 0.736*** 0.721*** 0.574*** (3.285) (3.602) (3.362) (3.035) PPE −0.086 0.038 −0.018 −0.076 (−0.770) (0.294) (−0.151) (−0.625) Top1 0.002* 0.001 0.302** 0.265** (1.955) (1.048) (2.176) (2.647) Dual 0.015 0.041 −0.010 0.071** (0.463) (1.288) (−0.326) (2.347) SOE 0.212*** 0.217*** 0.193*** 0.229*** (5.053) (4.542) (4.494) (5.182) Constant −0.487 −1.329*** −1.071*** −0.985** (−1.145) (−3.370) (−2.894) (−2.536) Year/Industry YES YES YES YES N 2988 2979 2997 2970 Adj. R2 0.211 0.251 0.235 0.221 经验p值 0.038** 0.026* 注：括号内为t值，***、**、*分别代表在1%、5%、10%水平上显著；经验p值用于检验组间系数差异的显著性，通过自体抽样（Bootstrap）200次得到。
下载: 导出CSV
表 10 委托代理：高管权力
变量 Disclosure 高管权力大
(1)高管权力小
(2)ESGdif 0.051*** 0.014 (2.927) (0.600) Size 0.116*** 0.165*** (7.303) (7.646) ROA 1.983*** 1.755*** (11.636) (5.541) Lev −0.511*** −0.507*** (−5.855) (−3.724) Age −0.086*** −0.123*** (−4.890) (−3.773) Growth 0.027 −0.009 (1.026) (−0.223) CFO 0.771*** 0.491* (4.428) (1.838) PPE 0.022 −0.170 (0.219) (−1.099) Top1 0.291*** −0.077 (2.874) (−0.492) Dual 0.027 0.123 (1.083) (0.374) SOE 0.158*** 0.276*** (3.941) (5.410) Constant −0.609* −1.698*** (−1.870) (−3.685) Year/Industry YES YES N 4214 1753 Adj. R2 0.234 0.223 经验p值 0.037* 注：括号内为t值，***、**、*分别代表在1%、5%、10%水平上显著；经验p值用于检验组间系数差异的显著性，通过自体抽样（Bootstrap）200次得到。
下载: 导出CSV
表 11 企业特征：污染程度与产权性质
变量 Disclosure 重污染企业
(1)非重污染企业
(2)国有企业
(3)非国有企业
(4)ESGdif 0.071*** 0.021 0.016 0.044** (3.096) (1.172) (0.751) (2.366) SOE 0.219*** 0.219*** (3.664) (5.752) Controls YES YES YES YES Year/Industry YES YES YES YES N 2015 3952 1865 4102 Adj. R2 0.204 0.231 0.219 0.221 经验p值 0.050** 0.028* 注：括号内为t值，***、**、*分别代表在1%、5%、10%水平上显著；经验p值用于检验组间系数差异的显著性，通过自体抽样（Bootstrap）200次得到；限于篇幅，未报告控制变量回归结果，资料备索。
下载: 导出CSV
-
[1] 陈国辉, 韩海文. 2010. 自愿性信息披露的价值效应检验. 财经问题研究 (5): 60−68. [2] 蔡宏标, 饶品贵. 2015. 机构投资者、税收征管与企业避税. 会计研究 (10): 59−65. [3] 陈晓珊, 刘洪铎. 2023. 投资者关注影响上市公司ESG表现吗——来自网络搜索量的经验证据. 中南财经政法大学学报 (2): 15−27. [4] 方军雄. 2007. 我国上市公司信息披露透明度与证券分析师预测. 金融研究 (6): 136−148. [5] 高杰英, 褚冬晓, 廉永辉, 郑君. 2021. ESG表现能改善企业投资效率吗? 证券市场导报 (11): 24−34, 72. [6] 高明华, 刘波波. 2022. 自愿性信息披露对企业技术创新的影响路径分析. 科技进步与对策 (4): 69−79. [7] 高明华, 苏然, 曾诚. 2018. 自愿性信息披露评价及市场有效性检验. 经济与管理研究 (4): 123−135. [8] 鞠晓生, 卢荻, 虞义华. 2013. 融资约束、营运资本管理与企业创新可持续性. 经济研究 (1): 4−16. [9] 孔东民, 韦咏曦, 季绵绵. 2021. 环保费改税对企业绿色信息披露的影响研究. 证券市场导报 (8): 2−14. [10] 李春涛, 宋敏, 张璇. 2014. 分析师跟踪与企业盈余管理——来自中国上市公司的证据. 金融研究 (7): 124−139. [11] 廉永辉, 何晓月, 张琳. 2023. 企业ESG表现与债务融资成本. 财经论丛 (1): 48−58. [12] 梁雯, 宋思淼, 姚晓林. 2020. 基金投资者网络与企业自愿性信息披露——来自中国证券市场的经验证据. 审计与经济研究 (6): 79−87. [13] 林辉, 李唐蓉. 2023. 绿色发展、金融支持与企业价值——基于上市公司ESG的实证检验. 现代经济探讨 (2): 28−44. doi: 10.3969/j.issn.1009-2382.2023.02.003 [14] 刘亦文, 阳超, 周韶成, 张漾滨. 2022. 绿色信贷政策对企业环境信息披露的影响研究. 统计研究 (11): 73−87. [15] 楼秋然. 2023. ESG信息披露: 法理反思与制度建构. 证券市场导报 (3): 24−34. [16] 罗炜, 朱春艳. 2010. 代理成本与公司自愿性披露. 经济研究 (10): 143−155. [17] 马忠, 吴翔宇. 2007. 金字塔结构对自愿性信息披露程度的影响: 来自家族控股上市公司的经验验证. 会计研究 (1): 44−50. [18] 彭文平, 张姗姗. 2019. 融券卖空、分析师跟踪与企业信息披露质量. 南京审计大学学报 (3): 46−54. [19] 权小锋, 吴世农. 2010. 投资者关注、盈余公告效应与管理层公告择机. 金融研究 (11): 90−107. [20] 孙晶慧, 徐鑫磊, 齐保垒. 2022. 资本市场开放与公司自愿性信息披露. 会计与经济研究 (6): 51−63. [21] 唐建新, 程利敏, 陈冬. 2021. 资本市场开放与自愿性信息披露——基于沪港通和深港通的实验检验. 经济理论与经济管理 (2): 85−97. [22] 王化成, 曹丰, 叶康涛. 2015. 监督还是掏空: 大股东持股比例与股价崩盘风险. 管理世界 (2): 45−57. [23] 王积田, 马珊, 田博傲. 2022. ESG表现与股价崩盘风险——基于投资者情绪与高管过度自信的调节作用. 金融发展研究 (10): 65−72. [24] 王雄元. 2005. 自愿性信息披露: 信息租金与管制. 会计研究 (4): 25−29. [25] 杨蕊, 任宏伟, 董新端. 2011. 基于我国上市公司自愿性信息披露质量的思考. 经济问题探索 (4): 181−185. [26] 于团叶, 张逸伦, 宋晓满. 2013. 自愿性信息披露程度及其影响因素研究——以我国创业板公司为例. 审计与经济研究 (2): 68−78. [27] 袁蓉丽, 江纳, 刘梦瑶. 2022. ESG研究综述与展望. 财会月刊 (17): 128−134. [28] 袁业虎, 熊笑涵. 2021. 上市公司ESG表现与企业绩效关系研究——基于媒体关注的调节作用. 江西社会科学 (10): 68−77. [29] 张笑, 胡金焱. 2022. 绿色信贷政策是否抑制了重污染企业的投资? 山东社会科学 (8): 138−146. [30] 张学勇, 廖理. 2010. 股权分置改革、自愿性信息披露与公司治理. 经济研究 (4): 28−39. [31] 赵刚, 梁上坤, 王卫星. 2017. 超募融资、管理层权力与私有收益——基于IPO市场的经验证据. 会计研究 (4): 31−37. [32] 朱春艳, 罗炜. 2019. 上市公司自愿信息披露与高管薪酬绩效敏感度. 会计研究 (5): 51−58. [33] Avramov, D., S. Cheng, A. Lioui, and A. Tarelli. 2022. Sustainable investing with ESG rating uncertainty. Journal of Financial Economics 145(2): 642−664. doi: 10.1016/j.jfineco.2021.09.009 [34] Bowen, R. M., A. K. Davis, and D. A. Matsumoto. 2002. Do conference calls affect analysts’ forecasts? The Accounting Review 77(2): 285−316. [35] Chatterji, A. K., R. Durand, D. I. Levine, and S. Touboul. 2016. Do ratings of firms converge? Implications for managers, investors and strategy researchers. Strategic Management Journal 37(8): 1597−1614. doi: 10.1002/smj.2407 [36] Chau, G. K., and S. G. Gray. 2002. Ownership structure and corporate voluntary disclosure in Hong Kong and Singapore. International Journal of Accounting 37(2): 247−265. doi: 10.1016/S0020-7063(02)00153-X [37] Chen, C., and B. Jaggi. 2000. Association between independent non-executive directors, family control and financial disclosures in Hong Kong. Journal of Accounting and Public Policy 19(4): 285−310. [38] Cortez, M. C., F. Silva, and N. Areal. 2012. Socially responsible investing in the global market: The performance of US and European funds. International Journal of Finance & Economics 17(3): 254−271. [39] Diamond, D. W., and R. E. Verrecchia. 1991. Disclosure, liquidity, and the cost of capital. The Journal of Finance 46(4): 1325−1359. doi: 10.1111/j.1540-6261.1991.tb04620.x [40] Dimson, E., P. Marsh, and M. Staunton. 2020. Divergent ESG ratings. The Journal of Portfolio Management 47(1): 75−87. doi: 10.3905/jpm.2020.1.175 [41] Forker, J. J. 1992. Corporate governance and disclosure quality. Accounting and Business Research 22(86): 111−124. doi: 10.1080/00014788.1992.9729426 [42] Gibson, B. R., P. Krueger, and P. S. Schmidt. 2021. ESG rating disagreement and stock returns. Financial Analysts Journal 77(4): 104−127. doi: 10.1080/0015198X.2021.1963186 [43] Gigler, F. B., and T. Hemmer. 2001. Conservatism, optimal disclosure policy, and the timeliness of financial reports. The Accounting Review 76(4): 471−493. doi: 10.2308/accr.2001.76.4.471 [44] Kim, J. B., and L. Zhang. 2014. Financial reporting opacity and expected crash risk: Evidence from implied volatility smirks. Contemporary Accounting Research 31(3): 851−875. doi: 10.1111/1911-3846.12048 [45] Lang, M., and R. Lundholm. 1993. Cross-sectional determinants of analyst ratings of corporate disclosures. Journal of Accounting Research 31(2): 246−271. doi: 10.2307/2491273 [46] Myers, S. C., and N. S. Majluf. 1984. Corporate financing and investment decisions when firms have information that investors do not have. Journal of Financial Economics 13(2): 187−221. doi: 10.1016/0304-405X(84)90023-0 [47] Riahi-Belkaoui, A. 2001. Level of multinationality, growth opportunities, and size as determinants of analyst ratings of corporate disclosures. American Business Review 19(2): 115−120.
点击查看大图
图(1) / 表(11)
计量
- 文章访问数: 86
- HTML全文浏览量: 63
- PDF下载量: 135
- 被引次数: 0
