ESG评级分歧对分析师盈余预测准确性的影响研究

The Influence of ESG Rating Divergence on the Accuracy of Analyst Earnings Forecasts

摘要: ESG评级机构逐渐壮大，但评级差异却在资本市场实践中产生噪音，为利益相关者决策带来困扰。基于此，以2010~2022年A股上市公司为样本，实证检验ESG评级分歧对分析师盈余预测准确性的影响。研究发现：ESG评级分歧显著降低分析师盈余预测准确性，经由稳健性检验后结论依旧成立。进一步研究发现：作用机制检验得出，ESG评级分歧通过提高企业经营风险，进而加剧分析师盈余预测偏差；异质性分析表明，当企业信息不透明度越高，ESG评级分歧对分析师预测准确性的负面影响进一步增强；当企业独立披露ESG报告、应规披露ESG信息，ESG评级分歧对分析师预测准确性的抑制作用将进一步减弱。研究结论识别了ESG评级分歧对分析师盈余预测影响的作用路径，实证ESG分歧的信息价值，为监管机构规范ESG评级体系提供经验证据。

Abstract: ESG rating agencies are growing, but rating discrepancies create noise in capital market practices and confuse stakeholder decisions. Based on this, taking A-share listed companies from 2010 to 2022 as a sample, this paper empirically examines the impact of ESG rating divergence on the accuracy of analysts’ earnings forecasts. The research finds that: ESG rating divergence significantly reduces the accuracy of analysts’ earnings forecast, and the conclusion is still valid after a series of robustness tests. Furthermore, the mediating mechanism test shows that ESG rating divergence aggravates analysts’ earnings forecast bias by increasing corporate operating risk; when the corporate information opacity is higher, the negative impact of ESG rating divergence on the accuracy of analysts’ earnings forecast is further enhanced. When companies independently disclose ESG reports and disclose ESG information in accordance with regulations, the inhibitory effect of ESG rating divergence on the accuracy of analysts’ forecasts will be further weakened. The research conclusion identifies the effect path of ESG rating divergence on analysts’ earnings forecast, demonstrates the information value of ESG divergence, and provides empirical evidence for regulators to standardize ESG rating system.

1. 引言

随着环境、经济社会的可持续发展不断深入，ESG理念已受到投资机构与政府政策的普遍关注。然而，由于ESG信息披露未建立统一标准，利益相关者难以直接从ESG报告获取所需信息，至此，ESG评级机构应运而生；目前，国内外超600家专业评级机构在政府决策、投资指导等领域发挥重要作用[1]。大量评级机构陆续开展ESG评级业务，然而由于ESG评级体系不尽成熟，对同一企业，评级机构给出的ESG总评级和二级评分差异显著[2]。评级所依据信息的多样性[3]、ESG测量指标和方法的异质性，对ESG理念的理解不同，测量标准选择与指标权重分配不同等都会导致机构间的评级分歧。种种分歧向资本市场传递模糊不清的信号，ESG评级无法体现企业真实ESG表现，对股价同步性[4]、企业信用评级、商业融资、绿色创新等产生消极影响，进而影响利益相关者的判断与进一步决策。

财务分析师的盈余预测含义是，分析师通过研究宏观经济、行业动态及微观企业运营状况，对企业盈利水平作出预测并出售报告反馈投资者。除财务信息外，企业非财务信息同样影响企业经营发展，受分析师关注，尤其当ESG领域相关法律法规严管收紧后，企业ESG表现将显著影响企业财务绩效和经营风险[5]，ESG评级信息作为非财务增量信息，成为分析师盈余预测的重要参考。然而，ESG评级分歧动摇评级这一评价行为的可靠性与真实性，评级分歧呈现的噪音效应使企业面临更大风险，分析师处理不确定信息的难度提高，其预测难度加大、准确性降低。目前，仅有较少研究聚焦ESG评级分歧对分析师行为的影响，且尚未研究两者的影响路径。因此，本文以2010年~2022年沪深A股上市公司为样本，研究ESG评级分歧和分析师预测准确性的关系。研究表明，ESG评级分歧降低分析师盈余预测准确性，其中企业经营风险发挥了中介作用；最后，本文从企业层面的财务与非财务信息视角，探讨企业信息透明度、ESG信息披露方式在其中发挥的调节作用。

2. 文献回顾与假设提出

2.1. 文献综述

2.1.1. ESG评级分歧的经济后果

目前关于ESG评级分歧的经济影响研究，普遍聚焦于ESG评级分歧引发的负面效应。刘向强等[4]认为，ESG评级分歧加剧股票市场信息不对称，产生“噪音效应”，从而显著提高企业股价同步性；张云齐等[6]从债务融资市场出发，认为ESG评级分歧越大，ESG真实表现偏离评级表现的风险越大，投资者要求风险补偿，该溢价加剧企业的债务资本成本；周泽将等[7]认为审计师风险感知发挥中介作用，ESG评级分歧为企业带来审计风险溢价。然而，也有学者对评级差异降低信息透明度持不同意见，着手研究分歧的正面影响。陈鹏程等[8]研究发现，ESG评级分歧反向助推企业增加ESG信息披露、推进绿色创新，最终压缩企业债务融资成本；肖翔等[9]从分析师视角入手，证明ESG评级分歧显著降低分析师预测偏差，从而支持分歧信息属于异质性信息而非不确定信息的观点。

2.1.2. 分析师预测准确性的影响因素

已有研究将影响分析师预测准确性的因素分为分析师特征、企业特征、外部环境三方面。从分析师特征来看，李悦[10]发现分析师个人能力越强，从业年数越长，跟进公司越多，更能获取私人信息提高预测精确度；伊志宏等[11]认为女性分析师预测行为更为谨慎，削弱男性分析师选择性披露的乐观倾向，强化分析师谨慎程度对股价同步性的负面效果；从企业特征入手，目前相关研究从管理层业绩预告[12]、年报R&D文本信息[13]、数字资产信息披露[14]、MD&A纵向文本相似度[15]等信息披露方式出发，研究结果表明企业主动进行财务或非财务信息披露、增加信息可读性、提高信息披露质量有利于分析师进行更准确的盈余预测。此外，诸学者还从还从会计稳健性、公司治理、企业战略、企业风险[16]等角度探讨各类企业因素对分析师预测的影响。从外部环境角度，聚焦融资融券制度这一“自然实验”，黄俊等[17]发现卖空机制的引进能够减少分析师盈余预测偏差，而褚剑等[18]持有相反观点，认为卖空机制作用有限，最终导致分析师发布更具乐观倾向的盈余预测，加剧企业股价崩盘风险。林钟高等[19]认为，上市公司信息披露监管从区域转变为分行业监管提高了分析师预测精确度。

最后，目前直接研究ESG评级分歧与分析师预测的文献较少，周泽将等[20]实证认为，ESG评级分歧降低分析师预测准度，分析师信息处理成本强化这一抑制作用；蒯依澄等[21]基于和讯网与润灵环球对企业的社会责任评分构造社会责任评级分歧，研究发现企业社会责任评级分歧从大小与方向上加剧分析师盈余预测偏差、加剧预测分歧度，降低资本市场信息利用率。

2.2. 假设提出

首先，ESG评级分歧增加了信息不对称。信息披露能够降低信息不对称的前提是，信息披露能够被大众接受且不会产生歧义。但ESG评级分歧的出现揭露了现有评级机构指标可比性低、ESG评级体系还不完善的漏洞，也一定程度体现企业ESG信息披露不规范的事实。ESG评级分歧呈现“噪音效应”[4]，动摇企业非财务信息的真实与可靠性，当企业ESG真实表现成迷，信息不确定性将削弱投资者投资意愿、提高收益波动率[2]，企业风险增加，分析师预测不确定性和难度变大，预测准确性也随之降低。

其次，有限关注理论认为，受到认知与信息处理方面的限制，个体只吸收部分信息作出决策。一方面，分析师整合企业财务与非财务数据，进行盈余预测的整体判断。在精力有限的工作实践中，评级分歧越大，分析师花费更多时间与努力了解企业ESG真实情况并作出判断，ESG信息投入的信息搜集与解读成本越高，对财务信息的关注则越低，甚至会忽略更有价值的预测情报，降低预测准确度；另一方面，分析师出于风险规避，可能倾向于评估环境更好的企业[22]，避让分歧较大、不易预测的企业，或者在预测时忽视评级分歧这一信息[23]，进而增加盈余预测的不确定性。基于此，本文提出如下假设H1：

企业ESG评级分歧越大，分析师盈余预测准确性越低。

3. 研究设计

3.1. 样本选择与数据来源

本文取沪深A股上市公司2010~2022年的数据为样本，对样本进行下述处理：

① 剔除处于ST、^*ST等状态的样本；② 删除金融保险业的上市公司样本；③ 仅保留分析师盈余预测数据发布日处在本年年报前与上年年报后的数据，对同年度出具多次分析报告的分析师，仅保留最后一次预测值；④ 剔除缺失值样本，进行上下1%缩尾处理后，最终获得20,024个观测值。其中，ESG数据取自Wind数据库、彭博数据库，其他财务数据源于CSMAR数据库。

3.2. 模型设定与变量定义

为检验H1构建如下模型(1)：

${\text{FERROR}}_{i,t}={\beta }_0+{\beta }_1{\text{ESGU}}_{i,t}+{\beta }_2{\text{Controls}}_{i,t}+\text{YEAR}+\text{IND}+\epsilon$

其中，下标i、t分别表示第i个公司与第t个年度，显著大于0，证明假设成立。

3.2.1. 被解释变量

参考周泽将[7]的研究，将分析师盈余预测偏差指标作为分析师盈余预测准确性的代理变量，具体计算方式如模型(2)：

${\text{FERROR}}_{i,t}=\left|\text{Mean}\left({\text{FEPS}}_{i,t}\right)-{\text{EPS}}_{i,t}\right|/P_{i,t}$

其中，$\text{Mean}\left({\text{FEPS}}_{i,t}\right)$ 为研究企业的全体分析师于t年、对公司i进行每股收益预测的均值，${\text{EPS}}_{i,t}$ 为企业i第t年的实际每股收益，$P_{i,t}$ 为公司i第t年年初的股价。该值越大，分析师预测与实际偏差越大，准确性降低。

3.2.2. 解释变量

参考Avramov等[24]的研究，采用华证、wind、富时罗素、商道融绿、盟浪、bloomberg等6家评级机构的标准差来衡量ESG评级分歧。处理过程如下：

① 初始数据处理。将华证、wind、富时罗素、商道融绿、盟浪、bloomberg对上市公司的ESG评级/评分结果统一为评分的形式，以确保各评级结果之间的可比性。② 排序处理。按年对各评级机构所评价企业的ESG评分进行排序，得分越高的企业排名越大，得分相同的企业排名相同。③ 标准化处理。对各评级机构所评价企业的排名进行极差标准化法，完成标准化处理。④ 形成成对评级分歧。计算某企业每两个评级机构标准化排名的标准差，作为成对评级分歧。由此形成15个评级者对，取这15个成对评级分歧的均值作为该企业该年度的ESG评级分歧(ESGU)。

3.2.3. 控制变量

借鉴以往对分析师预测准确性的研究，本文选取企业和分析师层面的、可能会影响分析师预测的一系列常规因素，包括企业规模(SIZE)、机构投资者持股(INST)、资产负债率(LEV)、盈利能力(ROA)、年个股回报率(RET)、成长能力(GROWTH)、未预期盈余(SURPRISE)、市账比(MB)、预测区间(HORIZON)、上市年限(AGE)、是否四大审计(BIG4)、产权性质(SOE)、内部人持股(INSIDE)、强制社会责任披露(MANDATORY)。变量定义如表1所示。

Table 1. Definition of variables

表1. 变量定义

变量类型	变量名称	变量符号	变量定义
被解释变量	分析师盈余预测偏差	FERROR	分析师预测的每股收益均值与当年实际每股收益之差的绝对值，与预测当年年初股价的商
解释变量	ESG评级分歧	ESGU	成对评级分歧取均值
控制变量	企业规模	SIZE	期末总资产的自然对数
	资产负债率	LEV	总负债/总资产
	盈利能力	ROA	净利润/总资产
	成长能力	GROWTH	(当年营业收入 − 上一年营业收入)/ 上一年营业收入
	市账比	MB	市场价值与账面价值的比值
	上市年限	AGE	企业的上市年数取对数
	产权性质	SOE	国有企业SOE = 1，非国有企业SOE为0
	年个股	RET	考虑现金红利再投资的年个股回报率
	内部人持股	INSIDE	董、监、高管的持股份额合计
	是否四大审计	BIG4	若公司为四大事务所审计则赋值为1，否则为0
	机构投资者持股	INST	机构投资者持股数量与总股数的商
	预测区间	HORIZON	分析师预测报告发布日期与年报披露日时隔天数平均数，再取自然对数
	强制社会责任披露	MANDATORY	当企业在上交所和深交所强制社会责任披露名单之内时取1，否则为0
	未预期盈余	SURPRISE	当年每股收益减去上年收益之差的绝对值，再除期初股票价格

4. 实证分析

4.1. 描述性统计

表2汇报了主要变量的描述性统计结果。其中，FERROR的最小值为0，最大值为0.138；ESGU的最小值为0，最大值为0.537，说明企业ESG分歧确实存在较大差异。控制变量中，SOE均值为0.359，意味着样本企业中有35.9%的企业为国有企业，MANDATORY均值为0.172，说明17.2%的企业进行了强制社会责任披露。其余控制变量的描述性统计与现有研究趋于一致。

Table 2. Descriptive statistics of the main variables

表2. 主要变量描述统计

变量	样本数	均值	中位数	标准差	最小值	最大值
FERROR	20024	0.013	0.006	0.021	0.000	0.138
ESGU	20024	0.139	0.113	0.136	0.000	0.537
ROA	20024	0.051	0.046	0.052	−0.137	0.211
GROWTH	20024	0.198	0.136	0.349	−0.422	2.028
SIZE	20024	22.519	22.318	1.320	20.214	26.607
MB	20024	3.782	3.166	2.255	1.289	14.527
RET	20024	0.104	−0.013	0.491	−0.562	2.077
LEV	20024	0.422	0.418	0.197	0.056	0.855
INSIDE	20024	0.145	0.014	0.200	0.000	0.686
SOE	20024	0.359	0.000	0.480	0.000	1.000
INST	20024	0.469	0.498	0.250	0.008	0.925
AGE	20024	2.886	2.944	0.338	1.792	3.497
HORIZON	20024	5.358	5.439	0.389	3.466	5.924
BIG4	20024	0.078	0.000	0.268	0.000	1.000
SURPRISE	20024	0.021	0.010	0.032	0.000	0.204
MANDATORY	20024	0.172	0.000	0.377	0.000	1.000

4.2. 相关性分析

表3报告了主要变量的pearson相关系数，其中FERROR与ESGU的相关系数在1%水平显著为正，说明当企业ESG评级分歧越大时，分析师盈余预测偏差也越大，初步支持了研究假设。

Table 3. Pearson correlation coefficient for major variables

表3. 主要变量pearson相关系数

	FERROR	ESGU
FERROR	1
ESGU	0.044^***	1

4.3. 基准回归

表4展示了本文主假设的基准回归结果。FERROR与ESGU的相关系数在5%水平上显著为正，ESG评级分歧显著提高分析师预测偏差，研究假设H1得到支持。

Table 4. Baseline regression

表4. 基准回归

变量	(1)
	FERROR
ESGU	0.002^**
	(2.172)
ROA	−0.127^***
	(−26.858)
GROWTH	−0.003^***
	(−7.329)
SIZE	0.000^*
	(1.720)
MB	0.000^***
	(5.886)
RET	−0.003^***
	(−9.026)
LEV	−0.004^***
	(−3.902)
INSIDE	0.003^***
	(3.672)
SOE	−0.001^**
	(−2.368)
INST	−0.000
	(−0.546)
AGE	0.001^**
	(2.564)
HORIZON	0.011^***
	(32.381)
BIG4	−0.000
	(−0.907)
SURPRISE	0.353^***
	(42.025)
MANDATORY	−0.001^**
	(−2.275)
Constant	−0.057^***
	(−14.513)
N	20024
YEAR/IND	Yes
Adj_R^2	0.554

注：^***、^***、^*分别表示在p < 0. 01、p < 0. 05、p < 0.1有统计学意义；括号内的t值已做公司层面cluster调整。下同。

4.4. 稳健性检验

4.4.1. 工具变量法

考虑到ESG评级机构出示的评级分歧也将成为分析师进行盈余预测的信息来源，影响分析师盈余预测准确性，为缓解因反向因果导致的内生性问题，本文参考刘向强[4]等、张云齐[6]等的研究，将同年同行业ESG评级分歧的平均值以及上年ESG评级分歧这两个指标选做工具变量，使用两阶段最小二乘法进行内生性检验。表5汇报了第二阶段的回归结果，研究结论依旧稳健。

4.4.2. 固定效应模型

为缓解遗漏变量问题，本文将基准回归的行业固定效应替换为公司个体固定效应。表5的第2列展示了回归结果。在控制了公司个体之后，ESGU的系数在5%的显著性水平上呈现出正向关系，这进一步验证了基准回归结果的稳健性。

Table 5. Robustness test

表5. 稳健性检验

变量	工具变量法	固定效应
	(1)	(2)
	FERROR	FERROR
ESGU	0.004^**	0.002^**
	(2.134)	(1.988)
Constant	−0.057^***	−0.045^***
	(−17.039)	(−3.943)
Controls	YES	YES
YEAR/IND	YES	YES
N	19525	20024
Adj_R^2	0.555	0.556

4.4.3. 更换解释与被解释变量

为避免关键变量度量误差产生的偏差影响研究结果，在被解释变量上，借鉴周将泽[20]、蒯依澄等[21]的做法，采用全部分析师该年度最后一次预测的每股收益的中位数替代均值，从而计算分析师盈余预测偏差(FERROR2)。在解释变量上，本文取6个评级机构标准化排名的标准差作为该年度该企业ESG评级分歧的另一种衡量方式(ESGU2)。回归结果如表6所示，ESGU的系数在5%水平显著为正，ESGU2的系数在5%水平显著，表明替换解释与被解释变量后，本文研究结果与主假设趋向一致。

Table 6. Replace the primary variable

表6. 更换解释与被解释变量

变量	(1)	(2)
	解释变量	被解释变量
	FERROR	FERROR2
ESGU	—	0.003^** (2.402)
ESGU2	0.002^** (2.012)	—
Constant	−0.057^*** (−14.435)	−0.076^*** (−10.457)
Controls	YES	YES
YEAR/IND	YES	YES
N	20024	19797
Adj_R^2	0.554	0.472

5. 进一步分析

5.1. 作用机制检验

根据前文的分析和实证，ESG评级分歧会给资本市场带来噪音效应，加剧信息不对称。而信息不对称产生的种种负面影响将提高企业经营风险，从而降低分析师预测准确度。

首先，从指标选取上，商道融绿、万得都侧重环境议题的风险水平、而华证和彭博关注环境领域的信息披露程度[25]，当ESG评级存在较大分歧，企业环境风险信息不确定性增加，甚至为规避潜在违规诉讼风险，投资者将重新考虑对企业的投资，企业融资难度提升。其次，从投资者情绪来看，ESG评级分歧的产生促使投资者怀疑评级体系的可靠性，甚至会质疑企业ESG信息披露质量，产生消极情绪[26]，影响投资决策。投资者情绪低迷意味着更保守的投资策略，同时也会引发舆论关注，降低市场获利能力，提高企业资金成本和经营风险。

当企业经营风险上升时，基于有限关注理论，分析师不得不在有限精力下进行更多风险评估，风险呈现的不确定性也直接提高分析师预测难度，加剧预测偏差，已有文献实证企业风险水平与分析师预测准确性的负向关系[16]。参考赵丽等[26]，本文以观测年度起连续三年企业经行业均值调整的ROA的标准差反映企业经营风险(RISK)，该值越大，企业面临的经营风险水平增加。结合模型(1)，构建如下模型检验ESG评级分歧对分析师预测行为的作用机制。

${\text{RISK}}_{i,t}={\beta }_0+{\beta }_1{\text{ESGU}}_{i,t}+{\displaystyle \sum \text{Controls}}+\text{YEAR}+\text{IND}+\epsilon$ (3)

${\text{FERROR}}_{i,t}={\beta }_0+{\beta }_1{\text{ESGU}}_{i,t}+{\beta }_2{\text{RISK}}_{i,t}+{\displaystyle \sum \text{Controls}}+\text{YEAR}+\text{IND}+\epsilon$ (4)

表7汇报了回归结果。ESGU的系数在5%水平显著为正，RISK的系数均在1%水平显著为正，显示ESG评级分歧作用于企业经营风险，经营风险增加，分析师预测偏差增加。

Table 7. Mechanism testing—Operational risks

表7. 机制检验——企业经营风险

变量	(1)	(2)
	RISK	FERROR
ESGU	0.005^**	0.001
	(2.324)	(1.398)
RISK	—	0.073^***
		(15.233)
Constant	0.072^***	−0.056^***
	(6.518)	(−13.950)
YEAR/IND	YES	YES
N	17672	17672
Adj_R^2	0.180	0.554

5.2. 异质性分析

分析师需要整合各类财务与非财务资料对企业进行详尽分析并预测其盈余水平。而ESG评级分歧呈现的信息噪音，使分析师将更少利用评级评分，而倾向深入企业进一步挖掘。因此，企业层面的信息质量将影响分析师判断。本文利用如下模型考察企业信息不透明度、企业ESG信息披露方式的异质性影响。$R_{i,t}$ 为调节变量。

${\text{FERROR}}_{i,t}={\beta }_0+{\beta }_1{\text{ESGU}}_{i,t}+{\beta }_2{\text{ESGU}}_{i,t}\ast R_{i,t}+{\beta }_3{R}_{i,t}+{\displaystyle \sum \text{Controls}}+\text{YEAR}+\text{IND}+\epsilon$ (5)

5.2.1. 企业信息不透明度

分析师通过收集公开信息和私人信息，对信息进行分析和加工进而做出盈余预测。当信息不透明度越大时，分析师信息收集成本越高，有限关注理论下，在信息归整和分析的时间就会越少，成本越大，预测难度提高。企业信息越不透明，也意味着分析师所处的信息披露环境越恶劣，不仅影响分析师对非财务信息的判断，也影响其对财务信息可靠性的信息，增加分析师预测偏差。

本文参考周泽将[20]的做法，采用修正琼斯模型计算所得的操纵性应计利润的绝对值来衡量信息不透明度(IPC)，该指标越大，意味着企业信息越不透明。回归结果表8所示，ESGU与IPC的交乘项在1%水平显著为正，表明企业信息不透明度增加将加剧ESG评级分歧对分析师预测偏差的影响。

5.2.2. 企业ESG信息披露方式

企业披露的环境、责任、社会相关报告、评级机构评分是分析师获取公共信息不可或缺的渠道，当企业ESG评级分歧较大，分析师将更加依赖企业的信息披露，合规、独立的ESG信息披露将缓解因评级分歧滋生的信息不对称，有利于分析师进一步了解分歧下的企业ESG真实表现，降低其预测偏差。具体表现为，当企业应规披露ESG相关报告时，企业的报告合规性好，可比性强，相比自愿披露，合规披露保证了企业ESG披露的质量，分析师进行分析的信息质量越高，盈余预测准确性也越高。另一方面，进行应规披露的企业重点聚焦重污染企业，同时应规披露也更加关注环境信息、尤其是碳信息披露，在法律法规愈发完善的资本市场，违规排放代价巨大，环境信息对企业发展愈发重要，分析师对企业的ESG评级分歧更加敏感，盈余预测也会愈加谨慎。

而当企业独立披露而不是跟随年报披露ESG报告时，独立披露呈现更多地ESG异质信息，拓宽分析师的信息来源，从而削弱ESG评级分歧对分析师预测准确性的负面影响。

文章参考程冕[27]的研究，选取两个虚拟变量：1) 是否应规披露ESG信息(VOL_DISC = 1，企业应按照指引，在披露年报的同时应规披露企业社会责任相关信息；VOL_DISC = 0，自愿披露)；2) 是否独立披露ESG相关信息(STANDALONE = 1，企业独立年报披露ESG信息；STANDALONE = 0，ESG信息随年报一同披露)来衡量企业ESG相关信息的披露方式。回归结果如表8所示，当企业独立披露ESG报告、应规披露ESG信息，ESG评级分歧对分析师预测准确性的抑制作用将进一步减弱。

Table 8. Heterogeneity analysis

表8. 异质性分析

变量	(1)	(2)	(3)
	信息不透明度	应规披露	独立披露
	FERROR	FERROR	FERROR
ESGU	0.002^**	0.003^***	0.004^***
	(1.992)	(2.859)	(3.512)
ESGU × IPC	0.064^***	—	—
	(3.319)
ESGU × VOL_DISC	—	−0.005^**	—
		(−2.058)
ESGU × STANDALONE	—	—	−0.004^***
			(−2.582)
IPC	0.036^***	—	—
	(12.724)
VOL_DISC	—	−0.001^*	—
		(−1.684)
STANDALONE	—	—	−0.001^*
			(−1.844)
ROA	−0.124^***	−0.127^***	−0.127^***
	(−26.539)	(−26.861)	(−26.866)
GROWTH	−0.003^***	−0.003^***	−0.003^***
	(−8.844)	(−7.335)	(−7.351)
SIZE	0.000^**	0.000^*	0.000^**
	(2.159)	(1.682)	(2.053)
MB	0.000^***	0.000^***	0.000^***
	(5.150)	(5.863)	(5.916)
RET	−0.003^***	−0.003^***	−0.003^***
	(−9.242)	(−9.023)	(−9.059)
LEV	−0.004^***	−0.004^***	−0.004^***
	(−3.912)	(−3.915)	(−3.973)
INSIDE	0.002^***	0.003^***	0.003^***
	(2.847)	(3.681)	(3.581)
SOE	−0.001^**	−0.001^**	−0.001^**
	(−2.160)	(−2.336)	(−2.284)
INST	−0.000	−0.000	−0.000
	(−0.716)	(−0.567)	(−0.586)
AGE	0.001^**	0.001^**	0.001^***
	(2.317)	(2.543)	(2.593)
HORIZON	0.011^***	0.011^***	0.011^***
	(30.558)	(32.384)	(32.416)
BIG4	−0.000	−0.000	−0.000
	(−0.286)	(−0.905)	(−0.870)
SURPRISE	0.347^***	0.353^***	0.353^***
	(39.237)	(42.016)	(42.049)
MANDATORY	−0.001^**	—	−0.000
	(−1.978)		(−1.188)
Constant	−0.058^***	−0.057^***	−0.058^***
	(−14.552)	(−14.486)	(−14.725)
YEAR/IND	YES	YES	YES
N	18836	20025	20025
Adj_R^2	0.555	0.555	0.555

6. 结论与启示

6.1. 结论

首先，企业的ESG评级分歧显著削弱了分析师预测的准确性，经过稳健性检验后假设依旧成立。其次，企业风险承担水平成为ESG分歧影响分析师盈余预测的中间机制，ESG评级分歧使企业面临更大的风险，分析师盈余预测难度和不确定性增加，导致分析师预测准确性下降。最后，当企业信息越不透明，ESG评级分歧对分析师预测准确性的负面影响进一步增强；当企业独立披露ESG报告、应规披露ESG信息，ESG评级分歧对分析师预测准确性的抑制作用将进一步减弱。

6.2. 政策建议

ESG评级分歧引发一系列经济后果，不仅影响企业的生存发展，而且给资本市场各利益相关者也带来巨大的信息不确定性。因此政府应结合国际规则，因地制宜，构建统一成熟的ESG评级标准体系，减少因评级标准不一引起的评级分歧，而评级机构也应积极推进并响应，提高ESG评级的透明度，力求展现企业真实的ESG表现。第二，无论高管股权激励还是分析师信息处理成本，ESG评级分歧最终都是从分析师获取的信息——无论公开信息或私人信息入手，降低分析师预测的信息质量，导致其预测与真实值偏差增大。因此，企业应积极推进ESG信息披露、搭建ESG专用平台加强与外界的沟通，提升ESG信息披露质量，减少分歧带来的信息不对称。

NOTES

^*通讯作者。