1. 引言
自从改革开放的几十年以来，我国的制造业发展突飞猛进，在整个世界范围内都取得了显著的成就。截止目前，我国的制造业规模位居全球第一位，成为了世界上唯一的具备所有工业门类的国家。经过几十年以来的快速发展，我国已经建立起了内容齐全、独立自主的制造业体系，这在很大程度上已经成为我国乃至全世界经济发展和社会稳定的重要力量。2022年，我国全部工业增加值突破40万亿大关，占GDP比重达33.2%，制造业规模连续13年位居世界首位[1]。现在的中国已经成为世界制造业第一大国，世界第二大经济体[2]。
而ESG作为一个近几年流行起来的投资理念，在中国已经有了相当长时间的发展历程。早在2012年，联交所就首次发布了《ESG指引》及实施意见，并将其列入《上市规则》附录。2016年中国证监会要求所有上市公司须在年报中披露环境信息，这也标志着我国的ESG发展实现了重大突破。2018年证监会修订的《上市公司治理准则》中增加了环境保护与社会责任的内容，规定了上市公司在员工与环境保护这两个方面均负有一定责任，这也基本上确定了ESG信息披露的基本框架。
ESG反应了企业在E (环境)、S (社会)、G (治理)等方面的表现，在一定程度上也能反应一个企业的风险情况。而纵观现有文献，却很少有文献将制造业企业与ESG评级相结合，以研究ESG评级对制造业企业风险承担水平的影响。因此，ESG评级对制造业企业的风险承担水平是否有影响，以及这种影响与ESG评级的高低有何种关联，将是本文着重研究的方向。
2. ESG概述和文献综述
2.1. ESG概念
ESG，即环境、社会与公司治理(Environmental, Social and Governance)，从环境、社会、公司治理三个维度来对企业的经营状况以及对于社会的价值观念的影响进行评估，是对企业的可持续性发展进行评价的重要指标。在当今国内以高质量发展为核心理念的发展背景下，企业除了通过自身的经营谋得利益，还应当重视自身的企业文化、品牌影响、绿色创新、社会责任以及企业员工权益等能力，而这些能力无法仅仅通过企业的财务状况表现出来。而ESG则在很大程度上弥补了上述缺陷，可以使得政府、投资人和社会公众以一种更宏观的视角去评估一个企业的综合状况[3]。
1) 环境
ESG中的E (Environment)关注于企业对于自然环境的影响应当负有责任，比如说企业能源的消耗、废弃物的处理、温室气体的排放、环境保护的管理等社会。
2) 社会
ESG中的S (Social)关注于企业所应当肩负的社会责任，这种社会责任会涉及到诸多关联方，包括：政府、社会公众、媒体以及与企业经营相关的厂商等。企业应当综合考虑多方要素，并加以权衡，这就要求企业充分考虑到所处社会的经济环境与政治环境，在具体的情况下去落实自身的社会责任。
3) 公司治理
ESG中的G (Governance)关注于企业对于其内部机制的规范，包括：管理人员的薪资水平、董事会的多样性、公司的独立性与透明度、公司内部的管理结构等[4]。
从学术背景看，ESG研究的兴起与全球经济可持续发展诉求密切相关。国外研究可追溯至20世纪70年代的社会责任投资(SRI)，早期学者围绕企业伦理与社会贡献展开探讨，例如Friedman提出的“股东至上”理论引发了关于企业责任范围的长期争论。2004年联合国全球契约组织首次提出ESG概念后，研究重心逐渐转向量化评价体系构建及其经济后果分析，MSCI、富时罗素等机构的ESG评级成为企业非财务绩效的重要衡量工具。2015年《巴黎协定》的签署与TCFD (气候相关财务信息披露工作组)框架的推出，标志着ESG研究进入爆发期，气候风险定价、绿色金融工具创新等议题成为焦点。与此同时，研究方法从传统的实证分析向大数据与人工智能拓展，例如通过自然语言处理技术解析企业ESG报告的语义特征，或利用卫星遥感数据追踪供应链碳排放。相比之下，国内ESG研究起步较晚且具有鲜明的政策驱动特征。2016年前，相关研究主要集中于国有企业社会责任报告的合规性披露，理论视角较为单一；随着“双碳”目标的提出与绿色金融体系的完善，研究主题迅速向ESG与企业创新、环境绩效等领域延伸，并尝试结合制度理论解释中国情境下ESG实践的独特逻辑。2021年后，国内研究进一步与国际接轨，ESG评级分歧、数字化转型对ESG治理的赋能效应、“漂绿”行为识别等新兴议题开始涌现，呈现出“本土问题意识”与“全球学术对话”并存的特征。
当前，ESG研究的前沿动态呈现出“全球共性关切”与“区域特色探索”交织的格局。国际学界重点关注气候金融与ESG的交互机制，例如碳定价政策如何通过改变企业成本结构影响其环境治理投入，或气候情景分析工具(如NGFS模型)在评估企业转型风险中的应用。ESG评级的方法论分歧及其经济后果亦是热点议题，MSCI与Sustainalytics等机构评级标准的差异不仅导致企业ESG得分波动，还可能误导投资者决策，这促使学界呼吁建立全球统一的ESG披露标准。此外，技术创新与ESG的协同效应引发广泛讨论，研究表明ESG压力显著促进企业绿色专利增长，而数字化工具的应用能够优化ESG管理效率，例如通过物联网实时监测能耗数据。社会维度(S)的研究从早期的劳工权益保护延伸至供应链公平性、数字包容性等新领域，强调ESG实践对社会不平等的缓解作用。反观国内研究，则在政策工具创新、本土化风险识别等方面形成独特贡献。学者们深入剖析绿色金融改革试验区、碳配额交易等中国特色制度对企业ESG行为的激励效果，揭示地方政府环保督察与国有企业ESG治理之间的联动机制。乡村振兴战略背景下，农业企业的ESG实践路径及其社会价值测度成为新兴方向，例如生态农业合作社如何通过环境友好型生产模式兼顾经济效益与社区发展。针对ESG风险的本土化研究则聚焦于地方政府债务、产能过剩等中国特有情境，探讨其对ESG绩效的动态影响。
2.2. ESG评级概念
ESG评级是对公司在环境、社会和公司治理方面表现的评估，通常会经由第三方机构来进行，通过考察一系列关于公司环境、社会责任和公司治理的标准，判断公司的ESG风险和机会。
2.3. 文献回顾
1) 关于企业ESG评级的相关研究
现有文献对于企业ESG评级的研究大多聚焦于ESG评级公布能否对企业的财务绩效、绿色转型、自身价值产生促进作用。严春晓、李雅薇等(2023)采用大数据分析的方法对A股上市公司进行异质性分析，得出结论：ESG评级可以在很大程度上促进企业的绿色转型，且该种促进作用存在异质性[5]。高露(2023)基于信息不对称理论、信号传递理论、利益相关者理论和委托代理理论等理论基础，经过实证研究发现企业的ESG评级与其融资成本呈反方向变动，若一个企业的ESG评级越高，那么其融资成本也会显著降低[6]。刘卓聪、叶陈刚等(2023)基于商道融绿发布的数据为基础，依靠双向固定效应模型进行回归分析与异质性分析，发现ESG评级对企业的价值有显著的正向影响，并且对于不同类型的企业这种正向影响的程度也会有所不同[7]。可以看出，大多数研究都表面企业ESG评级可以对企业在各个方面产生正面影响，但也有相反观点。例如有学者通过代理理论进行分析，认为企业高层实施ESG策略仅仅是为了谋求个人利益，这在短期内很可能对企业造成一定危害[8]。
2) 关于企业风险的相关研究
目前主要将企业风险分为两类，一类是由市场宏观因素所导致的，无法进行风险分散的风险，包括政策风险、利率风险、汇率风险、经济周期性波动风险等，称之为系统性风险；而另一种则是企业自身所特有的，可以通过合理的资源配置进行分散的风险，称之为非系统性风险，包括信用风险、财务风险、经营风险、流动性风险等。苏春等(2023)经研究发现，家族董事席位的超额控制会在很大程度上影响企业的风险承担水平，超额控制程度越高，则企业的风险承担水平越高[9]。李莉等(2023)基于风险决策的视角，经研究发现企业的数字化转型可以很大地提升企业的风险承担水平，而这种作用主要是通过缓解代理冲突，以及降低融资约束来达成的[10]。施荐予等(2023)基于双向固定效应模型，分析得到：企业管理层的内部和外部薪资差异会显著影响企业的风险承担能力，且这种影响呈正相关[11]。
3) 关于ESG对企业风险的研究
目前就ESG对于企业的风险有何种影响，现有文献存有两种相反的观点。一种是认为ESG评级可以有效降低企业风险。王彦东等(2023)经实证分析后认为企业良好的ESG评级表现可以促进企业的绿色创新以及绿色转型，从而显著降低企业风险[12]。姜健(2018)运用个体固定效应模型以及时间固定效应模型，认为企业ESG评级与企业风险之间存在显著的负相关关系，而社会工作可以据此来对企业的投资风险与未来前景进行预估[13]。而另一种观点则认为ESG评级会降低企业的风险承担水平。蒋准起(2023)发现，企业ESG评级对企业的风险承担会有着负向作用[14]。Landi等基于代理理论，经实证研究后发现ESG评级会增加企业系统性风险，尤其是企业的财务风险[15]。
3. 研究假设
本文的假设提出主要基于委托代理理论、资源依赖理论来进行展开。
委托代理理论是指委托人在授权代理人以自己的名义在相关范围内从事相应活动时，由于二者之间存在信息不对称，委托人与代理人之间又存在着利益之间的割裂，这会使得代理人不一定按照委托人的意愿行动，可能会发生代理人处于自身利益考虑而作出损害委托人利益的举动。在企业的经营过程中，就很有可能出现代理人问题。由于企业的管理人员与经营人员可能出现信息不对称、利益割裂等现象，造成管理人员与经营人员无法展开正常的相互协调与配合工作，从而使企业利益蒙受损失，加剧企业的风险。而ESG强调的就是对于公司的内外部治理，通过良好的公司治理会有效缓解企业的所有权与经营权分离现象，降低企业内部的信息不对称，从而在一定程度上有利于委托代理问题的解决，从而有利于企业的长期可持续发展[16]。ESG信息披露要求企业公开环境、社会和治理绩效，增强透明度。股东通过ESG报告能更全面地评估管理层的决策质量，减少信息不对称，从而加强对管理层的监督。例如，ESG中的治理(G)维度(如董事会独立性、高管薪酬与ESG绩效挂钩)直接约束管理层短期逐利行为，促使其更关注长期价值创造。传统代理问题中，管理层可能偏好高风险项目以获取短期业绩奖励，但过度风险承担可能损害企业长期稳定。ESG通过将环境和社会责任(E/S)纳入考核，倒逼管理层平衡短期收益与长期风险。例如，环境风险敞口高的企业若忽视ESG，可能面临监管处罚或诉讼(如碳排放超标)，这会抑制管理层对高污染项目的盲目投资。ESG表现优秀的企业更易获得长期投资者的青睐(如ESG基金)。这类投资者倾向于监督企业战略的可持续性，促使管理层降低短视风险(如财务造假、环境污染)，转而承担与长期竞争力相关的战略性风险(如绿色技术研发)。ESG通过降低代理成本，推动企业从过度风险承担(代理问题导致的短期投机)转向适度风险承担(符合长期利益的战略性风险)。例如，ESG表现好的企业更可能投资清洁技术(高风险但符合长期趋势)，而非高杠杆金融投机(高风险但短期收益显著)。综上所述，ESG通过委托代理理论影响企业风险承担水平的路径可以表示为ESG信息披露→降低信息不对称→约束管理层短视行为→抑制过度风险承担，鼓励长期战略性风险。
资源依赖理论的特点是通过分析组织如何通过各种方式改变环境，说明组织不仅仅只是环境的行动者，而是要让环境来适应自身。其核心假设便是组织需要通过获取环境中的资源来维持生存，没有组织是资源自给的，都要与环境来进行交换。而从ESG方面来看，企业若是获得了良好的ESG评级，将会非常有利于企业获得更多的市场资源，有利于企业的长足发展。现有文献表明，良好的ESG评级会使得企业形象提升，而这种良好的形象可以增强企业的风险承担水平[17]。ESG表现优异的企业更容易获得绿色金融支持(如绿色债券、ESG专项贷款)，且融资成本更低。例如，央行将ESG评级纳入货币政策工具(如中国碳减排支持工具)，使高ESG企业获得低成本资金，增强其承担高风险创新项目的能力。政府对ESG领先企业提供税收减免、补贴等政策倾斜(如新能源补贴)。这类企业面临的政策不确定性更低，从而更愿意承担技术升级风险。反之，ESG落后企业可能因环保处罚或社会舆论压力被迫收缩业务(如化工企业环保不达标被关停)。ESG通过提升客户忠诚度(如环保品牌溢价)、员工归属感(如社会责任感强的雇主)和社区支持，为企业构建“社会资本缓冲池”。当企业面临风险时(如市场波动)，利益相关者的支持可降低风险冲击的负面影响。例如，苹果公司通过供应链ESG管理减少供应商罢工风险，保障生产稳定性。ESG通过增强企业资源获取能力和外部合法性，提高其风险承受阈值，同时引导风险承担方向。企业倾向于选择与ESG目标一致的风险项目(如可再生能源投资)，而非依赖传统高资源消耗模式(如化石能源开采)，后者因资源不可持续而风险更高。综上所述，ESG通过委托代理理论影响企业风险承担水平的路径可以表示为ESG表现→获取政策、资金、社会资本→增强风险缓冲能力→支持符合ESG导向的风险项目。
综上所述，企业良好的ESG评级可以有效地改善企业的内外部环境，吸引到外部投资者与相关利益人，从而提高企业获取市场资源的能力，从而有效提升企业的风险承担水平。本文的研究思路见图1。立足于以上三个假设，企业良好的ESG表现可以使得企业获得其发展所需要的资源，提升企业的风险承担水平。故本文提出以下假设。
H1：其他因素不变，制造业企业的ESG评级与其风险承担水平成正比。
4. 研究设计
4.1. 样本选取
华证ESG指数在国际通用的ESG评价标准上充分地融合了中国的实际情况，其在多个项目上进行了指标的细分，使得其ESG指数更加本土化，是目前国内ESG研究得到使用最广泛的ESG指数，具有很高的权威性。本文主要选取2010年~2021年中国A股上市公司中的制造业企业为样本，其中作为控制变量指标的企业财务数据来自国泰安数据库(CSMAR)，而ESG评级数据来自万得数据库(WIND)中的华证ESG评级。而在这一基础上，选用制造业企业样本并剔除掉ST类样本，剔除掉金融与保险行业的样本，剔除掉关键数据缺失的样本，最终获得了5544条观测值。为了消除异常值对于最终结果的影响，本文对连续变量在1%与99%水平上进行了缩尾处理。
Figure 1. The pathway through which corporate ESG ratings affect corporate risk
图1. 企业ESG评级影响企业风险路径
4.2. 变量设定
1) 被解释风险：企业风险承担水平
企业风险承担水平是指企业运用自身及外在资源，确保在风险事件发生时企业仍能保持正常的经营而不至于偏离正常运营甚至破产的一种能力。本文借鉴洪金明[18]等的研究方法，采用企业的盈余波动性来测量企业风险承担水平的高低。企业的盈余波动性即在既定的观测期间企业ROA的变化幅度，其中ROA为息税前企业的利润除以年末总资产的比率，该指标越大，则说明企业的风险承担水平越强。参考洪金明等的方法采用三年为一个周期进行计算。以每三年作为一个周期，分为t年、(t + 1)年、(t + 2)年，记为Risk-v，以此为基准来计算企业的盈余波动性，作为企业风险承担水平的代理变量。在通常的情况下，ROA的变化幅度越大，那么制造业企业的风险承担水平也相应越高。
2) 解释变量：企业的ESG评价
企业的ESG评价的依据为华证指数中的ESG评级得分，从E (环境)、S (社会责任)、G (公司治理)的评级进行测量。华证指数将企业的ESG评级分为AAA、AA、A、BBB、BB、B、CCC、CC、C，一共九个级别，且其得分采用百分制的形式，故本文将各项得分除以100以方便后续计算。通常认为，相较于ESG评级，具体指标评级可以体现更多的信息，故本文也选用了E、S、G三个方面的具体得分来计量ESG评级。本文将C评级到AAA评级依次赋值1~9，得分越高则说明企业的ESG评级越好。
3) 控制变量
本文参考了谭劲松[19]和冯丽艳[20]的方法，选取了控制变量，以对企业风险承担水平可能造成影响的因素进行控制。1、反映了企业的财务状况以及经营绩效的变量，包括现金持有水平、资产负债率。2、反映了企业的内部治理情况的变量，包括董事会规模、股权集中度。3、其他可能会对企业的风险承担水平产生影响的变量，比如企业规模、企业的成长性与公司年龄。
4) 计量模型
为了验证H1，即制造业企业的ESG评级与其风险承担水平成正比，构建回归模型
其中i指代具体企业，t指代具体年份；Risk为Risk-V；EsgA则为Esg、Esc、Ssc、Gsc；Con指代控制变量；β0为常数项；β1与βn均为回归系数，其中
；ε为残差项。此外，本文还加入了年度(Year)虚拟变量以控制年份对实验的影响。如果最后的结果β1显著为负，那么假说H1成立。
5. 实证结果分析
5.1. 描述性统计
表1给出的是主要变量的描述性统计结果。由表格数据可知，Risk-v的最大值为14.46，最小值为0.00016，标准差为0.0364。说明不同的制造业企业的风险承担水平所存在差异较大。而ESG最大值为8，最小值为1，标准差为1.089，均值为4.150，这也说明了我国制造业企业的ESG表现整体趋于一般，且在不同企业个体之间，履行ESG责任方面仍然存在着较大的差距。而其余变量的统计结果的分布也处于较为合理的区间之内，与预期的结果相比较为符合，故不再赘述。
Table 1. Descriptive statistical analysis
表1. 描述性统计分析
变量 |
样本量 |
平均值 |
标准差 |
最小值 |
最大值 |
Risk-v |
5544 |
0.0364 |
0.328 |
0.000116 |
14.46 |
Cas |
5544 |
20.32 |
1.394 |
10.29 |
25.91 |
Lev |
5544 |
0.443 |
0.432 |
0.0143 |
29.45 |
Age |
5544 |
2.611 |
0.496 |
0.693 |
3.401 |
Size |
5544 |
22.48 |
1.233 |
19.21 |
27.55 |
Growth |
5544 |
0.128 |
0.254 |
−0.605 |
5.486 |
Bsi |
5544 |
8.821 |
1.664 |
4 |
18 |
Ind |
5544 |
37.19 |
5.650 |
18.18 |
80 |
ESG |
5544 |
4.150 |
1.089 |
1 |
8 |
5.2. 相关性分析
表2所展示的是主要变量的相关性分析的结果。从表格中可以看出，在不考虑其他影响因素的情况下，解释变量ESG与被解释变量Risk-v二者之间的相关系数为−0.146，在0.01的显著性水平下存在着显著的负相关关系，与前文的预期假设的预期是相符合的。而VIF检验的检验均值也显著低于经验临界值10，说明在该回归实验中所存在的多重共线性问题较弱。而其他所有的控制变量也均与Risk-v存在着非常显著的相关关系，这也说明了控制变量的选择方面是比较合理的(VIF检验的结果见表3)。
Table 2. Correlation analysis
表2. 相关性分析
|
Risk |
ESG |
x2 |
x3 |
x4 |
x5 |
x6 |
x7 |
x8 |
Risk |
1 |
|
|
|
|
|
|
|
|
ESG |
−0.146*** |
1 |
|
|
|
|
|
|
|
x2 |
−0.154*** |
0.329*** |
1 |
|
|
|
|
|
|
x3 |
−0.069*** |
−0.091*** |
0.149*** |
1 |
|
|
|
|
|
x4 |
−0.0200 |
−0.035*** |
0.116*** |
0.145*** |
1 |
|
|
|
|
x5 |
−0.108*** |
0.165*** |
0.524*** |
0.283*** |
0.390*** |
1 |
|
|
|
x6 |
0.00600 |
0.030** |
−0.035** |
−0.099*** |
−0.192*** |
0.036*** |
1 |
|
|
x7 |
−0.073*** |
0.090*** |
0.206*** |
0.125*** |
0.070*** |
0.208*** |
−0.045*** |
1 |
|
x8 |
0.035*** |
0.099*** |
0.055*** |
−0.026* |
−0.036*** |
0.0210 |
0.023* |
−0.413*** |
1 |
注：表中***、**和*分别表示1%、5%和10%的显著性水平。
Table 3. VIF test
表3. VIF检验
Variable |
VIF |
1/VIF |
x5 |
1.780 |
0.562 |
x2 |
1.550 |
0.644 |
x7 |
1.330 |
0.754 |
x4 |
1.270 |
0.787 |
x8 |
1.260 |
0.796 |
ESG |
1.170 |
0.856 |
x3 |
1.130 |
0.883 |
x6 |
1.080 |
0.928 |
Mean |
VIF |
1.320 |
5.3. 基准回归
Table 4. Regression results
表4. 回归结果
变量 |
(1) |
risk |
ESG |
−0.004*** |
(−7.27) |
x2 |
−0.003*** |
(−5.50) |
x3 |
−0.012*** |
(−4.11) |
x4 |
0.003** |
(2.52) |
x5 |
0.000 |
(0.04) |
x6 |
−0.001 |
(−0.43) |
x7 |
−0.000 |
(−1.12) |
x8 |
0.000*** |
(2.97) |
常数项 |
0.094*** |
(9.18) |
年度 |
控制 |
行业 |
控制 |
样本观测值 |
5544 |
调整的R2 |
0.052 |
注：表中***、**和*分别表示1%、5%和10%的显著性水平。
表4所列示的是H1的基本回归结果。如(1)所列示，当用Risk-v来表示制造业企业的风险承担水平时，ESG的回归系数在1%的水平上显著为负。当一家制造业企业的ESG评级提升了一档时，由此所带来的其企业自身的风险承担水平将上升0.004，提升量占样本企业Risk-v标准差的1.22%。由此可以看出，对于制造业企业来说，良好的ESG评级在很大程度上提升了企业的风险承担水平，从而支持了假设H1。然而，这一现象并非简单的风险规避行为，而是企业通过ESG治理实现风险结构优化的体现。具体而言，ESG评级对企业风险承担的影响路径可从多重理论视角进行阐释。从资源依赖理论来看，ESG实践通过构建外部合法性降低企业的系统性风险敞口。高ESG评级企业往往能够优先获取绿色金融资源(如低息贷款、绿色债券)和政策支持(如税收减免、环保补贴)，从而增强对突发风险的抵御能力。以环境维度(E)为例，制造业企业通过投资清洁生产技术或升级污染处理设施，不仅能够避免因环境违规导致的罚款或停产风险，还可能通过技术领先形成行业壁垒。例如，化工行业企业若在碳排放管理上表现突出，可显著降低因环保督查引发的经营中断概率，同时通过绿色技术专利积累提升长期竞争力。治理维度(G)的影响更为直接，独立董事制度、ESG委员会设置等治理结构优化措施，能够约束管理层的短期投机行为，促使企业将资源投向更具战略意义的创新项目(如新能源汽车电池研发)，而非高杠杆的金融投机。
5.4. 稳健性检验
为了使最后得到的研究结果更为真实与可靠，保持研究过程中的稳健性，本文对以上的回归过程添加了更加深层次的稳健性检验。
本文主要采取了替换样本的方法来进行稳健性检验。由于2020年大多数的制造业企业都受到了疫情的影响，所以2020年的数据可能会对最终的研究结果造成一定程度上的干扰，故本文选择了将2020年制造业企业的样本数据剔除后进行稳健性检验。表5为回归之后的结果，可以看出，在剔除了2020年的数据之后，ESG项对Risk-v的影响系数为−0.003，在1%的显著性水平下存在着非常显著的负向影响。由此，可以得出结论：在剔除了某些特殊年份之后研究所得出的分析结果也是有效且稳定的。
Table 5. Sample replacement method
表5. 样本替换法
变量 |
(1) |
Risk |
ESG |
−0.003*** |
(−6.49) |
x2 |
−0.003*** |
(−4.90) |
x3 |
−0.011*** |
(−3.74) |
x4 |
0.005*** |
(3.77) |
x5 |
−0.000 |
(−0.17) |
x6 |
−0.001 |
(−0.44) |
x7 |
−0.000 |
(−1.10) |
x8 |
0.000*** |
(2.87) |
常数项 |
0.089*** |
(8.57) |
年度 |
控制 |
行业 |
控制 |
样本观测值 |
5082 |
调整的R2 |
0.052 |
注：表中***、**和*分别表示1%、5%和10%的显著性水平。
6. 结论与建议
本文采用了2010~2021年期间A股上市制造业企业的华证ESG评级，剔除掉ST企业、金融类企业与关键数据缺失企业后共得到5544条观测值，并结合了这些制造业企业的财务数据，在此基础上对制造业企业的ESG评级与制造业企业的风险承担水平之间的关系进行了研究。经过研究后发现，制造业企业良好的ESG评级有助于提升企业的风险承担水平，增加企业抵抗财务方面的风险以及市场风险的能力，降低企业的潜在风险。在使用样本替换法与工具变量法等一系列方法充分考虑了各个控制变量的测量误差等一系列的内生性问题之后，这一结论依然得以成立。
本论文的研究考证了大量的相关文献与实证研究，一方面使得国内的ESG方面的相关研究与文献得到了补充与丰富，填补了制造业企业ESG研究方面的空缺，从另一个方面来看也响应了近些年来国家与政府积极鼓励ESG发展的政策方针，为之后的相关研究者从事相关研究提供了文献基础，也为政府部门、制造业企业和市场投资者作出决策提供了经验与证据。对于各个制造业企业来说，要将发展ESG的理念深深植入到企业的发展指南与长期发展规划当中，并且要建立起合理规范的管理体系与组织模式，以确保ESG发展能长久有效地得到落实。企业的管理者要充分意识到落实ESG责任对于企业的重要性，以发展ESG来满足各个利益相关方的需求，吸引具有相同投资观念的投资人进行投资从而帮助企业获得经济效益与增强企业自身的风险承担水平，这样一来又可以增强投资人对于企业的投资信心，形成正向的循环促进作用。