1. 引言
近年来，全球气候变化和环境问题不断升温，2004年联合国环境规划署提出了ESG理念，即环境(Environmental)、社会责任(Social Responsibility)和治理(Governance)。不同于传统的企业评价模式，ESG是一种可持续发展的理念，强调人与自然和谐共生，一经提出，就引发了大量的学者进行研究。ESG理念将企业置于彼此联系、彼此依赖的社会网络之中，推动企业从单一追求自身利益最大化转向追求社会公共利益最大化。而ESG评级被广泛应用于衡量一个企业的ESG表现，是不同的利益相关主体对企业ESG进行研究以及作出决策的重要数据基础，备受学术界以及社会大众的关注。因此，ESG评级的准确性至关重要。随着ESG的蓬勃发展，国内外多家机构都开展了相应的ESG评级业务，随之而来的是ESG分歧问题的出现。
在学术界，针对企业ESG表现、ESG的经济后果、ESG衡量等领域已经出现了诸多学术成果，但是针对ESG评级分歧的探讨依然属于一个新兴领域。对ESG分歧的研究尚集中于探讨分歧形成的原因，对其经济后果的影响研究还处在起步阶段，甚少有学者探讨ESG评级分歧对企业权益融资成本的影响。而融资问题一直是企业在经营过程中所面临的普遍难题，“融资难、融资贵”成为了企业高质量发展过程中的一道枷锁。企业权益融资成本作为影响企业决策的重要因素，探讨ESG分歧对其的影响具有重要意义。因此，本文以沪深A股上市企业的ESG评分为基础，结合上市公司财务数据，并在控制一系列企业特征变量，并且固定企业个体与年份之后发现，ESG评级分歧较大的公司往往面临着更高的权益融资成本。本文的学术贡献主要体现在两个方面。首先，本文首次探讨了ESG评级分歧对企业权益融资成本的影响。综合现有文献发现，学者们关于ESG对企业权益融资成本的影响主要集中在ESG的评级高低方面，而忽略了ESG评级分歧的潜在影响。其次，丰富了企业权益融资成本的相关文献，提出了一个新的影响权益融资成本的因素，即ESG评级分歧，拓展了对权益融资成本影响因素的认识。
2. 文献综述与研究假设
2.1. 文献综述
本文的相关文献大致上可以分为两类：一是与ESG评级分歧方面的文献，二是影响企业权益融资成本因素的相关文献。
首先是ESG评级分歧领域的文献。ESG评级分歧近年备受学术和商业界关注。多位学者强调ESG等非财务因素对企业发展的重要性，认为良好的ESG表现与公司业绩相辅相成，同时降低企业风险和资本成本[1] [2] [3]。然而，不同评级机构发布的ESG结果存在显著差异，引发了研究者对其经济后果和根源的深入思考。ESG评级分歧形成的根源，就是不同的ESG评级机构对同一家企业环境、社会责任以及治理表现有不同的理解。Chatterji等[4]研究指出，由于不同评级机构对企业ESG理解的差异，导致它们所出具的ESG报告相关性较低。同时，袁蓉丽等[5]的研究则强调ESG测量方法缺乏统一标准，导致各评级方法在综合考量环境、社会责任和治理三个维度时，不同子类的含义尚未达成一致。由此，ESG评级分歧产生了多方面的影响，Berg等[6]研究发现，ESG评级分歧主要源自于不同的评级机构，制定的ESG评级标准有不同的范围以及不同的衡量方法，由此增加了投资者对企业判断的困惑，进而增加了企业外部融资成本。此外，何太明等[7]的研究发现ESG评级分歧可能会推动企业进行更多的信息披露。综合现有研究，ESG评级分歧不仅影响了投资者的决策，还会造成股价不确定性[8]。有研究表明，ESG评级分歧会造成股票收益与ESG评级分歧呈现正相关关系[9]。然而，也有研究表明，ESG能够对股价产生预测效果，而评级分歧降低了这种效果，减弱了基于ESG的投资有效性[10] [11]。
第二类文献是融资成本领域的相关文献。近年来，企业权益融资成本的影响因素备受学术关注，从宏观和微观两个视角探究了多方面因素。宏观层面的经济制度、市场环境和行业特征对企业权益融资成本产生显著影响。全球化倾向被认为能够降低股权成本[12]，而贸易紧张局势可能提升企业权益资本成本[13]。监管制度严谨的国家通常伴随着较低的股权成本[14]，政府监管也能通过提升环境信息披露质量降低融资成本[15]。资本市场开放能够显著降低股权融资成本[16]，而产品市场竞争激烈则可能提高融资成本[17]。此外，不同行业在获得国家政策支持时，往往表现出更低的融资成本[18]。微观层面的信息披露、公司治理和企业特征是微观层面影响融资成本的重要因素。优质的信息披露可吸引投资者并降低融资成本[19] [20]，但社会责任信息披露可能存在潜在风险[21]。在公司治理方面，高效的董事会和合理的股东机制被证明能够降低融资成本。企业特征如负债率、规模和市值比也在股权成本中发挥着重要作用[22]。
2.2. 研究假设
根据信息生产理论，公共信息披露和私有信息生产之间存在着一种相互替代的关系，二者往往呈现一种此消彼长的态势。当企业的信息披露程度较低，即企业信息披露不透明或是信息披露不符合要求时，ESG评级机构往往倾向于加大对企业私有信息的收集，并且更大程度上的依赖这些私有信息。但是由于不同的评级机构在信息收集方式方面存在差异，这也导致了它们生产的私有信息存在较大的差异，从而加大了评级结果的分歧[23] [24]。
因此，在其他条件相同的情况下，企业的ESG评级分歧程度越大，市场可能会认为该企业的ESG信息披露缺乏透明度和规范性，这种不确定性会导致企业实际的ESG表现与平均评级偏离，从而导致风险的增加。根据信号传递理论，投资者可能会对这种风险提出额外的风险溢价要求，从而导致企业权益融资成本上升。因此，本文提出以下假设：
H：ESG评级分歧更高，企业权益融资成本更大。
3. 研究设计
3.1. 样本选择
本文选取2011~2022年沪深A股上市公司作为研究样本，选取华证、Wind、CNRDS、润灵环球、彭博以及富时罗素共6家评级机构的ESG评分，将评级数据与企业年度财务数据进行匹配。其中，企业财务数据均来自CSMAR数据库，ESG数据来自Wind数据库。同时为保证数据合理性，对样本进行如下处理：
1) 剔除金融行业企业；
2) 剔除ST、ST*、PT等交易状态异常的企业；
3) 剔除关键指标异常或严重缺失的样本；
4) 为消除极端值的影响，对所有连续变量进行1%和99%分位上的缩尾处理。
3.2. 变量定义
(一) 被解释变量：权益融资成本(COE)
权益融资成本在理论上是一种不能被直接观察到的事前融资成本，如何测量一直是财务管理领域的难题，学术界也未就其测量方法达成广泛共识。借鉴汪平等[25]的处理方法，本文采用最经典的CAPM模型对权益融资成本进行衡量。
(二) 解释变量：ESG评级分歧
借鉴Avramov et al. [26]的方法构建ESG评级分歧的度量指标，具体来说：首先对这六家评级机构的ESG评分进行标准化处理；其次，为了度量对某一被评级企业在某一年的ESG评级的分歧程度，选取任意一对评级机构的ESG评分，计算它们的标准差作为分歧指标，然后对所有可能的评级机构配对进行同样的计算；最后，将这些分歧的标准差均值作为评级分歧的度量指标。
Table 1. Variable definitions
表1. 变量定义
类型 |
名称 |
说明 |
被解释变量 |
COE |
权益融资成本，采用CAPM模型计算得出，并乘以100 |
解释变量 |
ESGdiff |
ESG评级分歧 |
控制变量 |
ESG_avg |
ESG评级的均值 |
Size |
企业规模，企业总资产取自然对数 |
Age |
企业年龄，企业成立的年数取自然对数 |
Growth |
营业总收入增长率 |
LEV |
资产负债率，企业总负债除以总资产 |
ROA |
盈利能力，净利润与总资产的比值 |
Beta |
系统性风险 |
Board |
董事会规模，董事会人数取自然对数 |
Indep |
独董比例，独立董事占董事会总人数的比例 |
TOP 10 |
股权集中度，前十大股东持股比例 |
ATR |
总资产周转率 |
Turnover |
公司流通股票的年换手率 |
investor |
机构投资者持股比例 |
PPE |
固定资产比率 |
Loss |
虚拟变量，本期亏损取值为1，否则为0 |
(三) 控制变量
本文控制了企业i在年度t的ESG评级的均值(ESG_avg)，还控制了一系列重要的企业特征变量，包括选取企业规模(Size)、企业年龄(Age)、营业总收入增长率(Growth)、资产负债率(LEV)、盈利能力(ROA)、流动性(Turnover)、系统性风险(Beta)、董事会规模(Board)、独董比例(Indep)、股权集中度(TOP10)、总资产周转率(ATR)、机构投资者持股比例(investor)、固定资产比率(PPE)、亏损情况(Loss)，详见表1。
3.3. 模型设定
(1)
在模型(1)中，COE为权益融资成本，ESGdiff为ESG评级分歧，Controls代表一系列控制变量，模型还控制了年份和个体固定效应。
4. 实证结果分析
4.1. 相关性分析
为了解各ESG评级机构评级结果之间的关系，本文进行了如下的相关性分析。从表2的结果中可以看出，除了自身的相关系数为1之外，其他评级机构的相关度之中，仅有3个值超过了0.5，并且其中最大的值为0.651。因此该结果显示，不同的ESG评级机构之间的评级结果存在较大的分歧。
Table 2. Correlation of ESG ratings
表2. 各ESG评级相关性
|
华证 |
wind |
CNRDS |
润灵环球 |
彭博 |
富时罗素 |
华证 |
1 |
|
|
|
|
|
wind |
0.386*** |
1 |
|
|
|
|
CNRDS |
0.063*** |
0.107*** |
1 |
|
|
|
润灵环球 |
0.366*** |
0.434*** |
0.112*** |
1 |
|
|
彭博 |
0.197*** |
0.489*** |
0.245*** |
0.607*** |
1 |
|
富时罗素 |
0.295*** |
0.461*** |
0.078*** |
0.651*** |
0.617*** |
1 |
注：***、**和*分别表示在1%、5%和10%的水平上显著。
4.2. 描述性统计
表3列示了主要变量的描述性统计结果。COE的均值为8.936，标准差为2.648，ESGdiff的均值为24.62，标准差为9.544，ESG_avg的均值为49.55，标准差为8.762，可见不同企业之间的权益融资成本、ESG评级分歧以及ESG评级之间都存在较大的差异。其他变量的统计分布较为合理，与现有文献基本保持一致。
Table 3. Descriptive statistics
表3. 描述性统计
Variable |
N |
Mean |
SD |
Min |
Max |
COE |
36,917 |
8.936 |
2.648 |
2.412 |
15.79 |
ESGdiff |
36,917 |
24.62 |
9.544 |
3.243 |
46.02 |
ESG_avg |
36,917 |
49.56 |
8.759 |
33.26 |
72.58 |
Age |
36,917 |
2.862 |
0.352 |
1.792 |
3.497 |
Size |
36,917 |
22.19 |
1.304 |
19.76 |
26.25 |
Growth |
36,917 |
0.166 |
0.426 |
−0.594 |
2.724 |
LEV |
36,917 |
0.424 |
0.212 |
0.0520 |
0.943 |
ROA |
36,917 |
0.0340 |
0.0700 |
−0.313 |
0.201 |
Beta |
36,917 |
1.129 |
0.366 |
0.168 |
2.388 |
Board |
36,917 |
2.117 |
0.197 |
1.609 |
2.639 |
Indep |
36,917 |
0.377 |
0.0530 |
0.333 |
0.571 |
TOP10 |
36,917 |
58.53 |
15.42 |
22.89 |
90.48 |
ATR |
36,917 |
0.600 |
0.410 |
0.0650 |
2.454 |
Turnover |
36,917 |
6.540 |
5.466 |
0.578 |
28.20 |
investor |
36,917 |
0.441 |
0.249 |
0.00300 |
0.922 |
PPE |
36,917 |
0.205 |
0.157 |
0.00200 |
0.688 |
Loss |
36,917 |
0.125 |
0.331 |
0 |
1 |
4.3. 回归分析
表4报告了ESG评级分歧与权益融资成本的基准回归结果。其中第(1)列是仅控制了个体和年份之后的回归结果，ESGdiff的回归系数为0.024且在1%的水平上显著，表明企业ESG评级分歧越大，其权益融资成本越高。第(2)列是在控制了个体和年份的基础上，加入了一系列控制变量后的回归结果，ESGdiff的回归系数为0.001且在1%的水平上显著，说明ESG评级分歧能够显著增加企业的权益融资成本，验证了本文的研究假设。
Table 4. Regression results
表4. 回归结果
|
(1) |
(2) |
VARIABLES |
COE |
COE |
ESGdiff |
0.024*** |
0.001*** |
|
(13.92) |
(2.70) |
ESGdiff*SA |
|
|
|
|
|
Age |
|
−0.109*** |
|
|
(−4.82) |
Size |
|
−0.009*** |
|
|
(−2.86) |
Growth |
|
−0.011*** |
|
|
(−3.47) |
LEV |
|
−0.006 |
|
|
(−0.46) |
ROA |
|
−0.162*** |
|
|
(−5.22) |
Beta |
|
5.912*** |
|
|
(1284.98) |
Board |
|
0.005 |
|
|
(0.36) |
Indep |
|
−0.055 |
|
|
(−1.26) |
TOP 10 |
|
0.003*** |
|
|
(11.86) |
ATR |
|
−0.010 |
|
|
(−1.62) |
Turnover |
|
0.001** |
|
|
(2.03) |
investor |
|
−0.175*** |
|
|
(−10.60) |
PPE |
|
−0.020 |
|
|
(−1.16) |
Loss |
|
0.004 |
|
|
(0.64) |
ESG_avg |
|
−0.001*** |
|
|
(−3.77) |
Constant |
11.117*** |
5.067*** |
|
(159.18) |
(52.75) |
Observations |
36,917 |
36,917 |
Adjusted R-squared |
0.505 |
0.991 |
Firm |
YES |
YES |
Year |
YES |
YES |
t-statistics in parentheses; ***p < 0.01，**p < 0.05，*p < 0.1。
4.4. 稳健性检验
1) 工具变量法
为缓解内生性问题，本文采用工具变量法进行处理，选取滞后一期的ESG评级分歧(IV)作为工具变量进行检验。根据表5中的第(1)和(2)列所示的结果，第一阶段回归得到的IV系数为0.6159，并且在1%水平上显著为正，表明所用工具变量与原变量有较强的相关性，从而满足了相关性条件。在第二步回归中，ESGdiff的系数为0.0858，依然在1%水平上显著，由此表明本文的主要结论成立。
2) 替换解释变量衡量方式
前文的主回归中，采用的是两两配对的方式得到的ESG评级分歧指标，因此在稳健性检验中，本文替换对ESG评级分歧的衡量方式之后进行回归分析(ESGdiff_)。首先对本文选用的六家ESG评级数据进行统一赋值以保证权重相当，并计算赋值后的六种ESG评级数据的标准差。第二，参考张云齐等(2023) [27]的办法，将基准回归中的ESG评级分歧指标除以ESG评级均值得到的结果进行标准化后再次回归。结果如表5 (3)列所示，结果在5%水平上显著为正，说明回归结果稳健。
Table 5. Robustness test
表5. 稳健性检验
|
工具变量法 |
替换解释变量 |
(1) |
(2) |
(3) |
(4) |
VARIABLES |
ESGdiff |
COE |
直接计算标准差 |
绝对水平调整 |
ESGdiff |
|
0.0858*** |
|
|
|
|
(0.001) |
|
|
IV |
0.6159*** |
|
|
|
|
(0.004) |
|
|
|
ESGdiff_ |
|
|
0.0004* |
0.033*** |
|
|
|
(1.67) |
(2.73) |
Observations |
31,722 |
31,722 |
36,917 |
36,917 |
R-squared |
0.679 |
0.837 |
0.991 |
0.991 |
Control |
YES |
YES |
YES |
YES |
Firm/Year |
YES |
YES |
YES |
YES |
t-statistics in parentheses；***p < 0.01，**p < 0.05，*p < 0.1。
5. 进一步研究
5.1. 异质性分析
1) 基于投资者情绪的异质性分析
根据行为金融理论，投资者情绪在资本市场中往往反映出投资者对企业的投资意愿，投资者情绪可能会导致企业股价的高涨或低落，从而影响企业的融资。投资者情绪高涨表明投资者对该企业有着较高的投资意愿，但是由于信息不对称的影响，投资者很难直接从企业获得信息，往往会更加关注第三方机构披露的信息(如企业ESG评级)，以此来作出投资决策。综上所述，本文借鉴张庆和朱迪星(2014) [28]的做法，通过分解托宾Q来度量投资者情绪，并根据其中位数将样本企业划分为投资者情绪高与投资者情绪低两组，分组回归结果如表6列(1)、(2)所示。当投资者情绪更高时，ESG评级分歧系数在1%显著性水平下为正，这是由于投资者情绪越高，其对企业的ESG评级越关注，此时若企业的ESG评级存在着较大的分歧，那么投资者相应的就会要求更高的风险回报，从而造成企业权益融资成本的上升。因此，投资者情绪对企业ESG评级分歧影响其权益融资成本有正向的促进作用。
2) 基于市场化程度的异质性分析
市场化程度往往能够反映出市场在资源配置中发挥的作用，企业所处地区的市场竞争环境以及经济发展趋势，市场化程度高的地区往往面临着更加激烈的市场竞争，但市场竞争也更加公平。在这种情况下，更加容易吸引ESG评级机构的关注，第三方评级机构在市场中往往能更好地发挥作用，获得投资者认可。综上所述，本文采用樊纲的市场化程度指数作为市场化程度的代理变量，并根据其中位数将样本企业划分为市场化程度高与市场化程度低两组，分组回归结果如表6列(3)、(4)所示。当企业所处地区市场化程度高时，企业的评级分歧系数在1%水平上显著为正，而当企业所处地区市场化程度低时，企业ESG评级分歧系数甚至为负且不显著。因此，当企业所处地区市场化程度高时，ESG分歧更大引发的企业权益融资成本更高的效应更加显著。
Table 6. Heterogeneity analysis results
表6. 异质性分析结果
|
(1) |
(2) |
(3) |
(4) |
VARIABLES |
投资者情绪高 |
投资者情绪低 |
市场化程度高 |
市场化程度低 |
ESGdiff |
0.0013*** |
0.0002 |
0.0011*** |
−0.0004 |
|
(3.37) |
(0.52) |
(3.08) |
(−0.99) |
Control |
YES |
YES |
YES |
YES |
Observations |
17,791 |
17,791 |
18,547 |
18,366 |
Adjusted R-squared |
0.988 |
0.992 |
0.990 |
0.990 |
Firm |
YES |
YES |
YES |
YES |
Year |
YES |
YES |
YES |
YES |
t-statistics in parentheses；***p < 0.01，**p < 0.05，*p < 0.1。
5.2. 机制分析
在前文的研究中，本文已经通过一系列稳健性检验和异质性分析，得出了本文的核心结论：ESG评级分歧越大，企业权益融资成本越高。为进一步分析ESG评级分歧对权益融资成本影响的传导机制。本文借鉴江艇的做法，对两者之间因果关系的作用渠道进行检验。
根据信息不对称理论，ESG评级分歧会降低评级结果的信息价值。虽然投资者越来越关注企业的ESG表现，但由于我国尚未建立统一的ESG评级体系，因此企业的ESG评级往往会出现分歧，加大投资者的信息不对称，此时投资者可能会暂缓投资或者要求更高的风险溢价，使得企业面临更高的融资成本。因此本文借鉴徐寿福和徐龙炳(2015) [29]的做法，以KV指数作为信息不对称程度的代理变量，当企业信息披露越充分，则投资者会增加对信息披露的依赖，减少对交易量信息的依赖；反之，当企业信息披露不充分时，投资者会增加对交易量信息的依赖，从而减少对信息披露的依赖。因此，KV指数越高，表明上市公司信息披露质量越低、信息不对称程度越高。表7报告了信息不对称的机制检验结果，ESGdiff的系数在1%水平上显著为正，表明ESG评级分歧越高，企业信息披露质量越差，投资者与企业之间的信息不对称程度越高，从而会要求更高的溢价，增大企业权益融资成本。
6. 结论与展望
在ESG评级逐渐丰富的当下，ESG评级分歧问题日益显现。企业在ESG数据披露方面的规范性以及不同ESG评级机构在信息分析方面的差异性，都会导致ESG评级分歧的出现。这一问题的潜在影响值得深入关注。
Table 7. Mechanism test result
表7. 机制检验结果
|
(1) |
(2) |
VARIABLES |
COE |
KV |
ESGdiff |
0.001** |
0.001*** |
|
(2.11) |
(4.37) |
Age |
−0.113*** |
0.103*** |
|
(−5.09) |
(6.16) |
Size |
−0.009*** |
0.051*** |
|
(−2.78) |
(21.06) |
Growth |
−0.013*** |
0.011*** |
|
(−4.12) |
(4.58) |
LEV |
−0.000 |
−0.057*** |
|
(−0.02) |
(−5.97) |
ROA |
−0.140*** |
0.251*** |
|
(−4.61) |
(10.96) |
Beta |
5.908*** |
0.043*** |
|
(1289.76) |
(12.43) |
Board |
0.000 |
0.008 |
|
(0.02) |
(0.74) |
Indep |
−0.059 |
0.116*** |
|
(−1.39) |
(3.63) |
TOP10 |
0.003*** |
−0.002*** |
|
(12.87) |
(−9.95) |
ATR |
−0.010 |
0.006 |
|
(−1.55) |
(1.19) |
Turnover |
0.000 |
−0.002*** |
|
(1.30) |
(−7.30) |
investor |
−0.195*** |
0.209*** |
|
(−11.98) |
(17.07) |
PPE |
−0.019 |
−0.012 |
|
(−1.10) |
(−0.94) |
Loss |
0.004 |
0.017*** |
|
(0.75) |
(4.16) |
ESG_avg |
−0.001*** |
0.001*** |
|
(−4.54) |
(4.81) |
Constant |
5.098*** |
−1.190*** |
|
(53.88) |
(−16.74) |
Observations |
36,702 |
36,702 |
Adjusted R-squared |
0.991 |
0.083 |
Firm |
YES |
YES |
Year |
YES |
YES |
t-statistics in parentheses；***p < 0.01，**p < 0.05，*p < 0.1。
现有文献关于企业ESG与权益融资成本的研究表明，企业的ESG表现越好，其权益融资成本越低，本文主要研究ESG评级分歧对企业权益融资成本的影响。通过本文的理论分析，ESG评级分歧可能导致资本市场对企业ESG表现不确定性的忧虑，从而提高融资成本。通过对2011至2022年A股上市公司的数据进行回归分析发现，ESG评级分歧确实提高了企业的权益融资成本，这一结论在解决内生性问题后依然成立。并且通过机制检验发现，信息不对称是ESG评级分歧影响企业权益融资成本的重要渠道，进一步分析发现，投资者情绪高、市场化程度高的企业，ESG评级分歧对权益融资成本的影响更加显著。
本文的研究结论对企业和监管机构有重要意义。对企业而言，企业有必要加强ESG信息披露质量，提升数据透明度和一致性，降低信息不对称程度，以减少评级分歧的可能性；其次，企业应当优化ESG管理实践，积极推动战略执行，缩小评级分歧，降低融资成本。对于监管机构而言，监管机构则应规范ESG评级标准，建立统一的ESG评级体系，减少评级机构间的差异，维护市场稳定；同时完善ESG信息披露制度，鼓励企业加强披露，推动ESG透明度提升，为金融环境的健康发展提供支持。
基金项目
2023年度上海市“科技创新行动计划”软科学重点项目“上海科技企业ESG实践的提升机制与政策优化研究”(23692104900)。