1. 引言
党的二十大报告指出，推动经济社会发展朝着绿色化、低碳化方向迈进，是实现高质量发展进程中的关键一环。ESG作为聚焦环境、社会与治理协同发展的投资理念，向市场传递出企业致力于实现社会价值与经济价值相统一的绿色发展价值观念，这与国家的可持续发展战略高度契合。在ESG管理实践中，企业扮演着重要角色，强化ESG信息披露体系构建、提升ESG信息披露水准，是推动企业可持续发展、助力实现“双碳”目标的重要切入点。审计委员会作为企业内部重要的治理机制，不仅协调外部独立审计，指导内部审计工作的开展，并督导企业内部控制建设，在公司治理中发挥着重要作用，同时也在环境和社会责任方面发挥着一定的增值作用。本文以2018年至2023年A股全部上市公司数据为样本，实证分析了审计委员会特征对企业ESG表现的影响。
2. 文献综述
(一) ESG
ESG是“环境(Environment)、社会(Social)和公司治理(Governance)”的简称。其中，E基于可持续发展的理念，满足当代人的需要而又不对后代人满足其需要的能力构成危害的发展要求[1]，要求企业应该制定环境保护规范，并且严格遵守。S要求企业主动承担社会责任，要兼顾利润和员工以及消费者的权益，同时对股东以及企业所在地的利益相关者负责。G要求企业制定可持续发展的经营方案，完善现代管理体系，关注公司的内部治理。
企业ESG表现的研究集中于两个方面：一方面是企业ESG表现的经济后果；另一方面是企业ESG表现的影响因素。现有文献多对于研究企业ESG表现的经济后果的研究较多，良好的ESG表现能降低企业融资成本、提升企业价值、控制公司的信息风险和经营风险、降低审计收费、促进企业绿色转型[2]，另外，少部分学者基于资源稀缺性的理论认为企业在ESG方面的投资会占用企业资源，导致企业的核心竞争力下降[3]。至于企业ESG表现的影响因素的研究，基于内部视角，部分学者认为高管持股、高管股权激励[4]能够通过缓解融资约束从而提升企业的ESG水平，数字化转型通过企业的绿色创新能力和信息披露质量两条渠道显著地促进了企业的ESG表现[5]；基于外部视角，一些学者开展一些实证研究，具体得出以下结论，政府补助通过缓解融资约束的方式提高企业的ESG表现[6]，资本市场的开放政策能够引来更多分析师关注，进而提升了企业ESG表现。
(二) 审计委员会
关于审计委员会的文献研究，现有研究主要集中于审计委员会特征方面。规模方面，审计委员会的规模越大，内部控制存在缺陷的可能性越小，上市公司更正内部控制缺陷就越及时，另有研究表明，审计委员会的规模与内部控制的有效性呈正相关[7]；独立性方面，审计委员会的独立性越强，信息披露质量越高，内部控制质量越高，独立董事比例越高的公司盈余管理程度越低、会计信息质量越高[8]，独立董事在董事会中的比例与审计报告内关键审计事项的数量呈现显著负相关关系，董事会独立性的提升更有利于审计委员会充分履行监督、审核等治理职能；专业性方面，专业的审计委员会能提高公司内部控制质量、减少会计师事务所的变更、提高会计信息质量[8]；勤勉性方面，对于审计委员会的勤勉性，到目前为止还没有一致的结论，国内大多数研究都是以审计委员会的开会次数来表示，有学者发现年度内审计委员会的开会次数越多，信息披露质量反而越低[9]，审计委员会的会议越频繁，公司的内部控制质量就越低，另一些学者通过研究得出，勤勉的审计委员会确实提高其治理效能，能够提高会计信息质量[8]；其他方面，审计委员会成员的学历水平显著地正相关于信息披露水平[9]，审计委员会设立的时间越久远，内部控制存在缺陷的概率越小。
(三) 文献述评
综上所述，现有文献对于ESG的研究多集中于研究企业ESG表现的经济后果，至于ESG的影响因素方面，研究较少。具体到企业的治理结构方面，尤其是审议委员会与ESG之间的关系探讨，现有研究较为匮乏。
鉴于此，本课题以A股全部上市公司为样本，选取其2018~2023年的面板数据，在充分梳理现有文献的基础上，运用实证分析方法，科学分析审计委员会特征与企业ESG表现之间的关系，为ESG在企业中通过审计委员会实现更好的表现效果，从而在促进公司的可持续发展方面具有重要的研究价值。
3. 理论分析与研究假设
(一) 审计委员会规模与ESG
从资源基础理论视角来看，企业的竞争优势源于其独特的资源与能力。审计委员会作为企业治理结构中的关键组成部分，其规模的扩大能够为企业带来更丰富的资源储备。当审计委员会规模增大，得以吸纳环境管理、社会责任、法律合规等多领域专家，这些专家所具备的专业知识、经验和技能，构成了企业在ESG管理方面的异质性资源。不同专业背景成员凭借自身专长，从各自的领域视角对企业ESG事务进行审视与分析，环境管理专家能够凭借其专业知识精准识别企业在生产运营过程中可能面临的环境污染风险及相关环境合规问题；法律合规专家则可以从法律层面判断企业ESG战略与实践是否符合相关法律法规要求。成员间通过知识共享、观点碰撞与协同合作，打破专业壁垒，形成知识协同效应，从而更全面、深入地洞察企业在环境、社会和公司治理方面存在的风险与机遇，进而为企业制定科学、有效的ESG治理方案提供有力支撑，最终促进企业ESG表现的提升。
基于代理理论，企业中存在着管理层与股东之间的委托代理关系。管理层为了追求短期业绩目标，获取更高的薪酬和职业晋升机会，往往具有掩盖负面ESG信息的动机，例如通过数据造假来隐瞒企业的污染排放情况，以避免对企业声誉和短期财务业绩造成不利影响，这就导致了严重的信息不对称问题，损害了股东和其他利益相关者的利益。随着审计委员会规模的扩大，能够实现更细致的分工，如设立专门的环境数据核查组，运用专业的技术手段和方法对企业环境数据的真实性、准确性进行严格核查；成立社会风险审查组，全面评估企业在员工权益保障、社区关系维护等社会领域存在的风险。这种精细化的分工使得审计委员会能够对ESG信息披露的各个环节进行更严密的监督，有效抑制管理层的机会主义行为，提高ESG信息披露的质量，增强企业ESG信息的透明度和可信度。当企业能够真实、准确地披露ESG信息，并且积极采取措施解决ESG问题时，其在利益相关者眼中的形象将得到改善，进而提升企业的ESG表现。
综上所述，无论是从资源基础理论强调的资源协同，还是代理理论关注的监督制衡角度，审计委员会规模的扩大都能够对企业ESG表现产生积极影响。因此，本文提出假设：
H1：审计委员会规模越大，企业ESG表现越好。
(二) 审计委员会独立性与ESG
基于委托代理理论的监督约束机制视角，审计委员会作为有利于提高上市公司ESG表现的重要内部治理机制，其独立董事占比的提升能够有效降低管理层在ESG决策中的短视倾向。对独立性的需求源于应对管理层与股东等利益相关者之间信息不对称和利益冲突。独立董事的主要职责是代表公司整体利益，以客观、公正的立场，平衡公司各个利益相关者的利益，包括考虑公司长远战略规划、监督公司治理结构的合理性等诸多方面。股东主要关注的是公司的财务回报，其利益诉求更多集中在公司的经济绩效方面。虽然ESG因素会对公司的长期财务绩效产生影响，但部分股东可能更注重短期的利润和股息分配。在作出某项重大战略决策时，独立董事需要考虑环境等因素对社区的影响，这一考虑范围超出了股东利益的范畴。审计委员会作为董事会下设的专门机构，其独立成员的监督作用在于确保管理层真实、完整、准确地披露包括ESG在内的所有重要信息，其目的是维护公司整体的公平、公正和可持续发展，而不是单纯基于股东利益。
另外，独立的审计委员会成员比内部或者灰色董事更关注自己的声誉，因此他们会更加积极地监督财务报告过程[9]。独立董事的声誉机制使他们更加注重保证监事工作的质量。独立董事出于个人声誉维护需求，会推动企业参与UNPRI等国际倡议，此类象征性行动虽未必带来实质性改进，但能快速建立ESG领先者形象。这种“表象合规”最终会倒逼企业进行实质性改革——当ESG承诺被公开后，独立董事为规避失信风险，将加强对承诺落实的持续监督，从而提升企业的ESG表现。
因此，提出以下假设：
H2：审计委员会独立性越强，企业ESG表现越好。
4. 研究设计
(一) 样本选取和数据来源
本文选取2018~2023年全部A股上市公司作为研究对象，样本属于主要来自Wind数据库和国泰安(CSMAR)数据库，在样本筛选时，为了保证样本数据的有效性，对样本作如下处理：1) 剔除ST、*ST、金融类样本；2) 剔除数据缺失且通过现有方法难以对缺失数据进行弥补的样本；3) 为了消除极端值对研究结论的影响，本文对连续变量进行了上下1%水平上的缩尾处理。经过上述处理，本文最终得到24,065个样本数据。
(二) 模型设定
基于先前的文献回顾，分别建立多元回归模型1、模型2、模型3检验审计委员会规模、独立性、勤勉性与ESG的关系。具体模型如下：
1、审计委员会规模
ESG = β0 + β1ACS + β2Size + β4Roa + β5Lev + β6Dual + β7Grow + β8Big4 + β9Year + β10Ind + ε (4.1)
2、审计委员会独立性
ESG = β0 + β1ACI + β2Size + β4Roa + β5Lev + β6Dual + β7Grow + β8Big4 + β9Year + β10Ind + ε (4.2)
其中，β0为常数项，待检验的系数均为β1，β1~β8为各个控制变量的回归系数模型中，同时加入时间固定效应和行业固定效应，β9、β10分别为其系数，仅列示控制变量的简写，具体定义见表1。
(三) 变量定义
1、被解释变量
被解释变量为企业ESG表现(ESG)。在当前主流的ESG评价体系中，商道融绿与彭博在数据披露方面的数量相对匮乏。基于数据的可获得性，本文参考谢红军等[10]的做法，选取华证指数ESG评级作为衡量被解释变量ESG的依据。该指标将企业年度ESG表现由低到高分为9个等级，并对应数值1~9分别进行赋值，数据越大，企业ESG评级就越高，表明企业履行了更多环境、社会与治理的责任。另外，在稳健性检验部分，选取彭博ESG评级指标代替华证ESG评价指标进行检验。
2、解释变量
基于以上研究假设，本文将审计委员会规模、独立性、勤勉性作为解释变量。审计委员会的规模用审计委员会的总人数来衡量(ACS)；本文借用王雄元等[9]的方法，选择独立董事占审计委员会的比例作为衡量其独立性(ACI)的变量，董事会中独立董事的占比越高，意味着审计委员会的独立性越强。
3、控制变量
参考已有文献，本文选取的控制变量包括公司基本层面、事务所层面和其他方面。公司层面的控制变量有公司规模(Size)、总资产报酬率(Roa)、财务杠杆(Lev)、成长能力(Grow)，事务所层面包括事务所类型(Big4)，其他的控制变量是年份(Yaer)和行业(Ind)。
Table 1. Definition of variables
表1. 变量定义
变量类型 |
变量名称 |
符号 |
变量说明 |
被解释变量 |
企业ESG表现 |
ESG |
华证ESG评级，1~9分 |
解释变量 |
审计委员会规模 |
ACS |
审计委员会成员的人数 |
审计委员会独立性 |
ACI |
审计委员会中独立董事的比例 |
控制变量 |
公司规模 |
Size |
公司总资产取自然对数 |
总资产报酬率 |
Roa |
净利润/总资产 |
财务杠杆 |
Lev |
负债总额/资产总额 |
两职合一 |
Dual |
当董事长和总经理两职合一是为1，分离为0 |
成长能力 |
Grow |
营业收入同比增长率 |
事务所类型 |
Big4 |
聘用的会计师事务所是四大为1，否则为0 |
行业虚拟变量 |
Ind |
所属行业 |
年度虚拟变量 |
Year |
所属年度 |
5. 实证分析
(一) 描述性统计
首先对所有样本的主要变量进行描述性统计分析，结果如表2所示。ESG评分最大值为9，最小值为1，在所有样本中公司企业ESG (ESG)的均值为4.167，处于中低水平，中位数为4，小于均值，ESG表现整体呈右偏分布，表明超过一半的样本企业ESG评级较低，由此可见我国A股上市公司的ESG表现提升空间很大，企业践行ESG理念浅薄。同时，得分最小为1，最大为9，标准差为0.836，表明样本之间差异明显，这也反映出目前上市公司在ESG实践中表现参差不齐，发展极不平衡。
审计委员会规模(ACS)均值为3.372，由此可见目前我国上市公司审计委员会规模普遍不大。此外，最大值为8，最小值为0，上市公司的审计委员会规模之间仍存在较大差异；这表明目前我国上市公司审计委员会中独立董事占比基本符合相关规定，占审计委员会成员大多数。审计委员会独立性(ACI)均值为0.761，最大值为1，最小值为0，中位数为0.667，平均数为0.528，说明独立董事在审计委员会中占有较高的比例，基本符合相关规定。
Table 2. Descriptive statistics of the main variables of the whole sample
表2. 全样本主要变量的描述性统计
变量 |
样本量 |
平均值 |
中位数 |
标准差. |
最小值 |
最大值 |
ESG |
24,065 |
4.167 |
4 |
0.836 |
1 |
8 |
ACS |
24,065 |
2.522 |
3 |
1.461 |
0 |
8 |
ACI |
24,065 |
0.528 |
0.667 |
0.3 |
0 |
1 |
ACD |
24,065 |
3.628 |
4 |
2.65 |
0 |
21 |
Size |
24,065 |
22.285 |
22.068 |
1.315 |
19.889 |
26.401 |
Roa |
24,065 |
0.032 |
0.037 |
0.074 |
−0.328 |
0.209 |
Lev |
24,065 |
0.409 |
0.399 |
0.203 |
0.056 |
0.912 |
Dual |
24,065 |
0.331 |
0 |
0.47 |
0 |
1 |
Grow |
24,065 |
0.125 |
0.081 |
0.347 |
−0.579 |
1.936 |
Big4 |
24,065 |
0.065 |
0 |
0.246 |
0 |
1 |
(二) 相关性分析
表3为各研究变量间的相关系数。审计委员会的规模(ACS)、独立性(ACI)和企业ESG表现(ESG)在10%的水平上显著相关，相关系数分别为0.092和0.124，初步验证了审计委员会的规模和独立性与企业ESG表现呈正相关，支持了假设1和假设2。但是审计委员会勤勉性(ACD)与ESG也是正相关关系，不符合假设3，可能存在一些其他影响因素。控制变量方面，公司规模、资产报酬率、两职合一、成长能力、事务所类型的相关系数为正，与财务杠杆变量为负相关，但是进一步的结论有待回归完成后确认。
Table 3. Variable correlation analysis
表3. 变量相关性分析
|
ESG |
ACS |
ACI |
ACD |
Size |
Roa |
Lev |
Dual |
Grow |
Big4 |
ESG |
1 |
|
|
|
|
|
|
|
|
|
ACS |
0.092* |
1 |
|
|
|
|
|
|
|
|
ACI |
0.124* |
0.832* |
1 |
|
|
|
|
|
|
|
ACD |
0.106* |
0.224* |
0.258* |
1 |
|
|
|
|
|
|
Size |
0.187* |
0.184* |
0.143* |
0.131* |
1 |
|
|
|
|
|
Roa |
0.210* |
0.017* |
0.028* |
−0.035* |
0.052* |
1 |
|
|
|
|
Lev |
−0.181* |
0.075* |
0.026* |
0.055* |
0.466* |
−0.340* |
1 |
|
|
|
Dual |
0.046* |
−0.057* |
−0.008 |
−0.001 |
−0.205* |
0.018* |
−0.143* |
1 |
|
|
Grow |
0.008 |
0.002 |
0.006 |
0.030* |
0.043* |
0.272* |
0.039* |
0.016* |
1 |
|
Big4 |
0.160* |
0.088* |
0.103* |
0.073* |
0.309* |
0.033* |
0.075* |
−0.046* |
0.009 |
1 |
注：***、**、*分别表示在1%、5%与10%的水平上显著。下同。
(三) 多重共线性检验
为说明各变量间不存在严重的多重共线性，对变量进行VIF检验，根据表4结果显示，VIF的最大数值为3.35，最小数值为1.05，远低于多元回归模型中方差膨胀因子为10的最高标准。因此，本研究的变量之间不存在严重的多重共线性问题，可以进一步开展回归分析。
Table 4. Multicollinearity test
表4. 多重共线性检验
Variable |
VIF |
1/VIF |
ACI |
3.350 |
0.299 |
ACS |
3.320 |
0.301 |
Lev |
1.590 |
0.627 |
Size |
1.590 |
0.630 |
Roa |
1.340 |
0.746 |
Big4 |
1.120 |
0.894 |
Grow |
1.110 |
0.901 |
Dual |
1.050 |
0.949 |
Mean VIF |
1.730 |
(四) 回归结果分析
表5的多元回归结果代表审计委员会特征与ESG表现之间的关系，其中栏(1)是模型(4.1)的全样本回归结果，栏(2)是模型(4.2)的全样本回归结果。从表4来看，在控制了其他影响因素的前提下，审计委员会的规模相对于企业ESG表现的回归系数为0.013并在1%的水平上显著正相关，实证结果显示，审计委员会独立性程度与企业ESG表现存在显著正向关联，这一结论与假设1相契合，因此假设1得以验证通过。从回归分析数据来看，审计委员会独立性对企业ESG表现的回归系数为0.085，且在1%的显著性水平下呈现正向相关关系。这表明审计委员会独立性的提升，能够有效强化其监督效能，进而推动企业ESG评分的提高，该发现与假设2的预期相符，由此假设2也被接受。
由此看来，审计委员会的规模和独立性确实有助于企业ESG表现的提高。在控制变量方面，公司规模和事务所类型与ESG之间显著正相关；总资产报酬率、财务杠杆、成长能力、与ESG表现显著负相关；两职合一与ESG之间没有通过显著性检验。
Table 5. Multiple regression results analysis
表5. 多元回归结果分析
|
(1) |
(2) |
ESG |
ESG |
ACS |
0.013*** |
|
|
(2.818) |
|
ACI |
|
0.085*** |
|
|
(3.942) |
Size |
0.291*** |
0.291*** |
|
(17.202) |
(17.212) |
Roa |
−0.359*** |
−0.361*** |
|
(−4.349) |
(−4.377) |
Lev |
−0.920*** |
−0.922*** |
|
(−15.500) |
(−15.526) |
Dual |
0.017 |
0.017 |
|
(1.051) |
(1.035) |
Grow |
−0.055*** |
−0.054*** |
|
(−4.131) |
(−4.109) |
Big4 |
0.166*** |
0.165*** |
|
(3.353) |
(3.327) |
_cons |
−1.840*** |
−1.848*** |
|
(−5.016) |
(−5.040) |
时间效应 |
Yes |
Yes |
行业效应 |
Yes |
Yes |
N |
24,065 |
24,065 |
R2 |
0.065 |
0.066 |
F |
110.608 |
111.285 |
(五) 稳健性检验
1、更换被解释变量的衡量方式
借鉴席龙胜和赵辉的研究[11]，以国际主流评级机构彭博数据库的ESG评分来衡量企业ESG表现(ESG_B)并剔除缺失值。更换ESG表现的衡量方式后的回归结果见表6，更换之后的结果与主回归的结论一致，审计委员会的规模越大、独立性越高，企业的ESG表现越好。
Table 6. Alternative explanatory variable regression results
表6. 替代解释变量回归结果
|
(1) |
(2) |
ESG_B |
ESG_B |
ACS |
0.482*** |
|
|
(7.540) |
|
ACI |
|
2.254*** |
|
|
(6.895) |
Size |
3.538*** |
3.520*** |
|
(13.463) |
(13.377) |
Roa |
−1.216 |
−1.009 |
|
(−0.827) |
(−0.686) |
Lev |
−5.095*** |
−4.991*** |
|
(−4.909) |
(−4.805) |
Dual |
0.119 |
0.122 |
|
(0.443) |
(0.452) |
Grow |
−0.549** |
−0.545** |
|
(−2.449) |
(−2.432) |
Big4 |
2.188*** |
2.122*** |
|
(3.206) |
(3.107) |
_cons |
−49.040*** |
−48.561*** |
|
(−8.139) |
(−8.052) |
时间效应 |
Yes |
Yes |
行业效应 |
Yes |
Yes |
N |
6151 |
6151 |
R2 |
0.452 |
0.451 |
F |
336.699 |
335.299 |
2、增加新的控制变量
加入Mfee (管理费用率)、应收账款率(Rec)、托宾Q值(TobinQ)三个新的控制变量，再做审计委员会规模和审计委员会独立性对企业ESG的回归分析，回归结果见表7。回归结果表明，审计委员会的规模和独立性与企业的ESG表现呈显著正相关，进一步验证回归结果的稳健性。
Table 7. Regression results after adding new control variables
表7. 加入新控制变量后的回归结果
|
(1) |
(2) |
ESG |
ESG |
ACS |
0.014*** |
|
|
(3.047) |
|
ACI |
|
0.089*** |
|
|
(4.136) |
Size |
0.294*** |
0.294*** |
|
(17.131) |
(17.149) |
Roa |
−0.373*** |
−0.375*** |
|
(−4.517) |
(−4.549) |
Lev |
−0.945*** |
−0.947*** |
|
(−15.856) |
(−15.886) |
Dual |
0.017 |
0.016 |
|
(1.013) |
(0.996) |
Grow |
−0.059*** |
−0.058*** |
|
(−4.420) |
(−4.399) |
Big4 |
0.162*** |
0.161*** |
|
(3.269) |
(3.244) |
Mfee |
−0.000 |
−0.000 |
|
(−0.180) |
(−0.184) |
Rec |
0.595*** |
0.597*** |
|
(5.548) |
(5.571) |
TobinQ |
−0.000 |
−0.000 |
|
(−0.073) |
(−0.016) |
_cons |
−1.975*** |
−1.986*** |
|
(−5.286) |
(−5.318) |
时间效应 |
Yes |
Yes |
行业效应 |
No |
No |
N |
24,065 |
24,065 |
R2 |
0.067 |
0.067 |
F |
90.675 |
91.233 |
3、倾向得分匹配法
考虑到实证结果可能受到内生性问题的干扰，ESG表现好的公司其审计委员会可能质量本身就高，存在样本选择偏差，为了解决样本选择带来的内生性问题，本文采用倾向得分匹配法(PSM)进行验证，结果如表8所示。
匹配过程中，选择标准是，通过比对样本的审计委员会规模的均值，将规模高于样本均值的企业作为实验组，对照组为审计委员会规模低于样本均值且在董事会规模、董事会独立性、资产回报率等指标与实验组具有可比性的企业，按照1:1的比例进行匹配，之后再进行模型(1)的检验。
实验组为审计委员会独立性指标高于样本均值的企业，对照组为审计委员会独立性指标低于样本均值且在董事会规模、董事会独立性、资产回报率等指标与实验组具有可比性的企业，按照1:1的比例进行匹配，之后再进行模型(2)的检验。
经过倾向性匹配之后，回归结果如表8所示，审计委员会规模(ACS)的系数和审计委员会独立性(ACI)的系数都仍在1%的水平上显著。这说明，主检验的回归结果是相对稳健的，审计委员会规模与审计委员会独立性和企业的ESG表现呈现正相关关系。
Table 8. Propensity score matching
表8. 倾向得分匹配
|
(1) |
(2) |
ESG |
ESG |
ACS |
0.025*** |
|
|
(6.925) |
|
ACI |
|
0.141*** |
|
|
(8.362) |
Size |
0.314*** |
0.306*** |
|
(20.086) |
(19.454) |
Roa |
−0.455*** |
−0.452*** |
|
(−5.444) |
(−5.410) |
Lev |
−0.934*** |
−0.936*** |
|
(−15.494) |
(−15.537) |
Dual |
0.020 |
0.020 |
|
(1.215) |
(1.180) |
Grow |
−0.058*** |
−0.057*** |
|
(−4.398) |
(−4.327) |
Big4 |
0.148*** |
0.148*** |
|
(2.944) |
(2.930) |
_cons |
−2.510*** |
−2.333*** |
|
(−7.412) |
(−6.857) |
时间效应 |
Yes |
Yes |
行业效应 |
Yes |
Yes |
N |
9139 |
9139 |
R2 |
0.035 |
0.036 |
F |
99.441 |
102.687 |
6. 结论与启示
本文选取2018~2023年A股全部上市公司数据为样本，剔除ST、*ST、金融类样本、数据缺失且难以弥补的样本，并对连续变量进行上下1%水平缩尾处理，最终得到24,065个样本数据。通过构建多元回归模型，实证分析审计委员会规模性、独立性、勤勉性等特征对企业ESG表现的影响。研究发现，审计委员会规模越大、独立性越强，企业ESG表现越好，且该结论在更换被解释变量衡量方式、增加新控制变量及采用倾向得分匹配法解决内生性问题后仍保持稳健。研究表明，审计委员会在推动企业环境、社会和治理协调发展中具有重要作用，为企业优化内部治理结构以提升ESG表现提供了理论依据和经验支持。