1. 引言
党的二十大报告明确指出,要加快发展方式绿色转型,推动经济社会发展绿色化、低碳化是实现高质量发展的关键环节。ESG理念,作为一种注重企业环境绩效、社会贡献与公司治理质量的非传统财务评估标准,正日益受到重视。随着国家对绿色发展、绿色金融的积极推动,特别是在2018年A股纳入MSCI指数后,MSCI对A股公司ESG披露的要求,这进一步促进了ESG相关规则制度的出台与完善。随着中国经济结构的逐步转型,生态环保、绿色金融等理念日益深入人心,成为全社会的共同追求。未来,ESG相关制度体系将持续健全,ESG理念也将在国内得到更为广泛和深入的发展,为构建可持续发展的社会贡献力量。
ESG理念与我国绿色发展理念高度契合,理清ESG表现对企业绩效的影响具有重要的理论和现实意义。近些年,国内学者对于ESG表现和财务绩效之间的关系没有形成定论,还有待进一步研究和分析。基于此,本文就两者之间的关系进行了探讨,并研究高管薪酬激励在两者关系中所起的作用,从而丰富这一领域的研究。研究结论可有助于政策制定者通过优化披露要求,明确披露内容,并提升披露信息的透明度与准确性,构建一个更为公平、透明和可持续的资本市场环境;助力企业采取适当方式实现可持续发展。
2. 文献回顾与研究假设
2.1. ESG表现与企业财务绩效
在现实的市场环境中,由于诸多非理性因素的干扰,市场并非完美无缺。这些因素导致各利益相关者难以迅速、全面地掌握企业承担社会责任的信息[1],进而在企业与利益相关者之间产生较高的代理成本。为了有效缓解信息不对称问题,依据信号传递理论,企业有必要向各利益相关者传递某种信号,以表明其是值得信赖的[2]。自主披露ESG报告便是企业与利益相关者沟通的重要介质,它不仅有助于提升企业财务信息透明度,赢得外部声誉,还能吸引更多资金支持,实现经济效益[3]。从企业内部来看,ESG报告提高了信息透明度;从外部而言,它有助于抑制投资者情绪波动,进而提升股价同步性[4]。通过这些举措,企业能够更有效地与利益相关者沟通,增强信任,促进企业的可持续发展。
ESG体系的建立旨在推动上市公司积极履行环境、社会和治理责任,从而实现经济效益与社会可持续发展的和谐统一[5]。这一体系不仅为投资者提供了决策依据,更促进了企业积极承担社会责任,推动经济社会的可持续发展[6]。根据利益相关者理论,企业作为多元资本的共生体,其社会责任的核心在于保障各利益相关者的利益均衡和资本增值[7]。ESG表现优秀的企业通常更易于获取融资,以较低成本在市场与政府层面筹措资金,进而提升企业的财务绩效[8]。虽然绿色治理可能无法短期内带来显著利润,但其在提升企业长期价值方面的作用不容忽视。绿色治理水平高的公司往往展现出更强的成长能力、更低的风险水平、更宽松的融资环境以及更高的长期价值[9]。此外,有效的公司治理模式能够促使企业积极履行社会责任,进而对公司绩效产生积极影响[10]。因此,本文提出如下假设:
H1:企业ESG表现与企业财务绩效成正相关关系,即良好的ESG表现会促进企业财务绩效的提升。
2.2. 高管薪酬激励的调节作用
基于委托代理理论,企业高层管理人员在追求短期经营绩效的过程中,可能会忽视企业的长远发展,过度追求短期利润最大化,从而不愿意将资源投入回报周期较长的项目中。为了引导高层管理人员做出更有利于企业长远发展的战略决策,采取适当的薪酬激励和股权激励措施至关重要。使其将自身利益与股东利益结合起来,一致以追求企业价值最大化为目标,进而更好地提升企业绩效[11]。相对于长期的股权激励,短期的货币薪酬激励对创新绩效有着更积极的现实意义[12]。另外,公司经理人薪酬与公司绩效挂钩可以减少公司的代理成本[13]。
公司高级管理人员为了获取高额薪酬或实现薪酬增长,往往会致力于提升自身工作能力并达成业绩目标,进而推动公司绩效的提升。高管激励作为公司治理的重要手段,不仅有助于缓解委托代理问题,还深刻影响着企业的绩效和市值管理水平[14]。具体来说,高管薪酬激励在促进企业技术创新活动、提升创新能力以增强经营绩效方面发挥着重要作用[15]。这种激励机制能够激发高管们的积极性和创造力,推动企业不断开拓创新,进而实现可持续发展。企业制定合理的高管激励机制可以有效缓解管理者做出不符合企业长远发展的经济决策的行为,从而降低管理者和所有者由于利益冲突而产生的委托代理问题,即高管激励会在二者之间发挥正向调节作用[16]。基于上述分析,提出以下假设:
H2:高管薪酬激励正向调节企业ESG表现影响企业财务绩效的过程。
3. 研究设计
3.1. 样本选择与数据来源
本文研究对象为A股上市公司,以2013年至2022年的面板数据为基础,构建回归分析所需的样本数据集。对样本进行如下的筛选与处理:
1) 剔除样本期内主要数据存在缺失的样本;
2) 剔除样本中金融、保险类行业上市公司以及ST公司;
3) 为了避免极端值对研究结果产生干扰,对所有的连续变量进行双边1%缩尾处理。
经过上述处理,共得到22,540个观测值。本文中,企业ESG评级数据来源于第三方评级机构华证指数,在Wind数据库中公开可查;其他相关数据则全部取自国泰安(CSMAR)数据库。首先利用Excel表格对有效样本进行了数据预处理,后续数据处理与结果分析主要通过Stata17软件进行。
3.2. 变量定义
1) 被解释变量:企业财务绩效(ROE)
根据以前学者的研究方法,在本文中我们选用了财务指标中的净资产收益率(ROE)作为衡量企业财务绩效的主要指标。为确保研究结果的稳健性,采用资产收益率(ROA)进行稳健性的检验,以进一步验证结果的可靠性。
2) 解释变量:企业ESG表现(ESG)
本文选取华证ESG评级年度数据作为企业ESG表现的衡量指标,华证ESG评级由低到高分为C、CC、CCC、B、BB、BBB、A、AA、AAA九个等级,为便于量化分析,借鉴蔡雯霞等人的做法,对这些等级进行了赋值,从低到高依次为1至9分[17],以此衡量企业的ESG表现。得分越高,表明企业在环境、社会和治理方面的表现越优秀。通过这样的赋值方式,我们得以更精确地分析企业的ESG表现,并进而探讨其对企业绩效和市场价值的影响。
3) 调节变量:高管薪酬激励(Salary)
调动高管工作热情和积极性的方式主要分为两种,即薪酬激励和股权激励。其中,高管薪酬激励作为一种普遍采用的策略,旨在短期内有效调动高管的积极性。这种激励方式主要通过工资、奖金等形式来体现,以直接的经济利益来激发高管的工作热情,从而促使其为企业创造更大的价值。参考葛广宇等人的做法,本文对企业中前三名高管薪酬总额取自然对数处理后衡量高管薪酬激励[18]。
4) 控制变量
综合以往文献中相关研究所采用的控制变量,本文选取股权集中度(First)、独立董事比例(Indep)、偿债能力(Lev)、企业成长性(Growth)、企业规模(Size)、企业性质(Soe)、现金创造能力(Cf)、总资产周转率(Tat)为控制变量来控制规模效应、资本结构、现金流以及企业成长性等[19]对结果的影响。
具体变量的含义及度量方法见表1。
Table 1. Definition of variables
表1. 变量定义
 
  
    | 变量类型 | 变量符号 | 变量含义 | 度量方法 | 
  
    | 被解释变量 | ROE | 企业财务绩效 | 净利润/净资产 | 
  
    | 解释变量 | ESG | ESG表现 | 根据华证ESG综合评级由低到高(C − AAA)赋值为1~9 | 
  
    | 调节变量 | Salary | 高管薪酬激励 | 年薪前三名高管薪酬总额的自然对数 | 
  
    | 控制变量 | Size | 企业规模 | 企业总资产的自然对数 | 
  
    | Lev | 偿债能力 | 期末负债总额/期末资产总额 | 
  
    | Growth | 企业成长性 | 当年营业收入/上年营业收入 − 1 | 
  
    | Indep | 独立董事比例 | 独立董事/董事会总人数 | 
  
    | Cf | 现金创造能力 | 经营活动产生的现金流量净额/年末总资产 | 
  
    | Tat | 总资产周转率 | 销售收入/加权平均总资产 | 
  
    | First | 股权集中度 | 第一大股东持股比例 | 
  
    | Soe | 企业性质 | 国企表示为1,非国企表示为0 | 
 3.3. 模型设定
为了探究企业ESG表现与财务绩效之间的关系,建立模型(1):
                    (1)
为了探究高管薪酬激励对财务绩效造成的直接影响和调节效应,建立模型(2):
        (2)
其中,下标i表示个体、t表示年份,
是控制变量,包括Size、Lev、Growth、Indep、Cf、Tat、First、Soe,
分别表示个体固定效应和时间固定效应,
是随机误差项。
4. 实证研究
4.1. 描述性统计和相关性分析
4.1.1. 描述性统计
表2详细列出了各变量的描述性统计结果。从该表中可见,样本企业ROE的平均值为0.04,其最大值与最小值分别为0.341和−1.029,标准差为0.168。这一数据表明,样本中绩优企业与绩差企业在财务绩效方面存在显著差距,且各企业之间的绩效表现离散程度较高。在ESG表现方面,样本企业的ESG平均得分为4.054,主要集中于B至BB级。中位数为4,整体而言表现偏中下,这反映出我国上市公司的ESG实践尚处于初级阶段。值得注意的是,最小值为1,最大值为8,说明不同企业在ESG方面的表现存在较大差异。同时,样本中并未出现AAA级企业,这进一步表明国内企业在ESG方面的综合表现普遍一般,仍有较大的提升空间。至于其他控制变量,其表现与已有文献中的描述基本一致,故在此不再赘述。
Table 2. Descriptive statistics
表2. 描述性统计
 
  
    | 变量名 | 观测值 | 平均值 | 最小值 | 中位数 | 最大值 | 
  
    | ROE | 22,540 | 0.040 | −1.029 | 0.060 | 0.341 | 
  
    | ESG | 22,540 | 4.054 | 1.000 | 4.000 | 8.000 | 
  
    | Salary | 22,540 | 14.642 | 12.997 | 14.586 | 16.717 | 
  
    | Cf | 22,540 | 0.046 | −0.164 | 0.044 | 0.246 | 
  
    | Tat | 22,540 | 0.592 | 0.026 | 0.497 | 2.604 | 
  
    | First | 22,540 | 0.329 | 0.081 | 0.303 | 0.724 | 
  
    | Indep | 22,540 | 0.377 | 0.333 | 0.364 | 0.571 | 
  
    | Lev | 22,540 | 0.456 | 0.060 | 0.448 | 0.938 | 
  
    | Growth | 22,540 | 0.395 | −0.740 | 0.126 | 7.991 | 
  
    | Size | 22,540 | 22.592 | 19.847 | 22.371 | 27.784 | 
  
    | Soe | 22,540 | 0.428 | 0.000 | 0.000 | 1.000 | 
 4.1.2. 相关性分析
在进行模型回归分析前,为验证模型构建的合理性,我们对相关变量进行了相关性检验。检验结果表明,ESG与ROE之间存在显著的正相关关系,这一结果与本文的初步假设相吻合。通过表3可观察到,ESG表现与企业绩效之间的相关系数为0.203,并在1%的显著性水平上呈现正相关,这进一步佐证了ESG表现优异的企业往往拥有更高的企业绩效,在一定程度上支持了前文的研究假设H1。另外,高管薪酬激励与企业绩效在1%的显著性水平上正相关,其相关系数为0.171。这意味着,随着企业高管激励水平的提升,企业的绩效也相应增高。然而,要确定这两者之间的具体因果关系,仍需进行更为深入的探究和检验。至于其他控制变量,经过分析发现,它们之间的相关系数均保持在0.5以下,这有效排除了多重共线性问题的可能性。同时,这些控制变量与被解释变量之间均存在显著相关性,从而证实了控制变量选择的合理性。
Table 3. Correlation analysis
表3. 相关性分析
 
  
    | 
 | ROE | ESG | Salary | Cf | Tat | First | Indep | Lev | Growth | Size | Soe | 
  
    | ROE | 1 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
  
    | ESG | 0.203*** | 1 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
  
    | Salary | 0.171*** | 0.225*** | 1 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
  
    | Cf | 0.265*** | 0.095*** | 0.142*** | 1 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
  
    | Tat | 0.097*** | −0.003 | 0.077*** | 0.130*** | 1 | 
 | 
 | 
 | 
 | 
 | 
 | 
  
    | First | 0.140*** | 0.122*** | −0.043*** | 0.103*** | 0.076*** | 1 | 
 | 
 | 
 | 
 | 
 | 
  
    | Indep | −0.025*** | 0.061*** | −0.011* | −0.008 | −0.017** | 0.036*** | 1 | 
 | 
 | 
 | 
 | 
  
    | Lev | −0.188*** | −0.025*** | 0.147*** | −0.153*** | 0.083*** | 0.064*** | 0.001 | 1 | 
 | 
 | 
 | 
  
    | Growth | 0.035*** | −0.000 | −0.048*** | −0.095*** | −0.145*** | 0.018*** | 0.010 | 0.067*** | 1 | 
 | 
 | 
  
    | Size | 0.143*** | 0.310*** | 0.508*** | 0.069*** | −0.030*** | 0.221*** | 0.012* | 0.499*** | −0.015** | 1 | 
 | 
  
    | Soe | 0.012* | 0.122*** | −0.018*** | −0.015** | 0.040*** | 0.288*** | −0.037*** | 0.254*** | 0.044*** | 0.307*** | 1 | 
 注:***p < 0.01, **p < 0.05, *p < 0.1。
4.2. 回归分析
在回归分析之前,对数据进行了Hausman检验。结果显示,p值为0,因此拒绝原假设,构建固定效应模型。随后,基于这一模型,我们进行了深入的回归分析,以探究变量之间的关系。根据表4中的列(1)结果显示,企业ESG表现(ESG)的回归系数为0.006,且在1%的显著性水平上呈现正相关关系。这一发现表明,企业ESG表现越好越有助于提升企业财务绩效水平,从而验证了假设1的有效性。此外,列(2)的结果进一步显示,企业高管薪酬激励(Salary)与企业ESG表现(ESG)的交互项(Salary*ESG)系数为0.004。与因变量企业财务绩效(ROE)在5%的显著性水平上正相关,证明了调节效应的存在,即高管薪酬激励正向调节企业ESG表现影响企业财务绩效的过程,结论与H2相符。
Table 4. Regression table
表4. 回归表
 
  
    | 
 | (1) | (2) | (3) | 
  
    | 
 | ROE | ROE | 替换被解释变量 | 
  
    | ESG | 0.006*** | −0.056* | 0.002*** | 
  
    | 
 | (3.60) | (−1.91) | (4.40) | 
  
    | ESG*Salary | 
 | 0.004** | 
 | 
  
    | 
 | 
 | (2.10) | 
 | 
  
    | Salary | 
 | 0.014 | 
 | 
  
    | 
 | 
 | (1.55) | 
 | 
  
    | Cf | 0.342*** | 0.335*** | 0.170*** | 
  
    | 
 | (12.29) | (12.14) | (16.17) | 
  
    | Tat | 0.084*** | 0.078*** | 0.038*** | 
  
    | 
 | (7.83) | (7.35) | (10.59) | 
  
    | First | 0.131*** | 0.137*** | 0.058*** | 
  
    | 
 | (5.01) | (5.29) | (6.09) | 
  
    | Lev | −0.456*** | −0.449*** | −0.189*** | 
  
    | 
 | (−22.12) | (−21.85) | (−28.94) | 
  
    | Growth | 0.014*** | 0.015*** | 0.005*** | 
  
    | 
 | (11.28) | (11.56) | (11.24) | 
  
    | Indep | −0.031 | −0.019 | −0.022 | 
  
    | 
 | (−0.87) | (−0.55) | (−1.59) | 
  
    | Size | 0.057*** | 0.048*** | 0.022*** | 
  
    | 
 | (13.11) | (10.64) | (14.56) | 
  
    | Soe | −0.021* | −0.020* | −0.009** | 
  
    | 
 | (−1.92) | (−1.87) | (−2.33) | 
  
    | Constant | −1.155*** | −1.175*** | −0.441*** | 
  
    | 
 | (−11.70) | (−7.44) | (−12.66) | 
  
    | Observations | 22,540 | 22,540 | 22,540 | 
  
    | Adjusted R-squared | 0.299 | 0.303 | 0.430 | 
  
    | Firm FE | YES | YES | YES | 
  
    | Year FE | YES | YES | YES | 
 ***p < 0.01,**p < 0.05,*p < 0.1。
4.3. 稳健性检验
为了检验研究结论是否具有稳健性,本文对被解释变量进行了重新度量,并采用不同变量进行回归分析。前文采用净资产收益率(ROE)作为衡量企业财务绩效的代理变量,侧重于股东利益的角度。然而,在稳健性检验中,我们选用了总资产收益率(ROA)作为代理变量,这一指标从全体权益人的视角出发,更为全面地反映企业绩效。如表4的列(3)所示,企业ESG表现(ESG)与以企业财务绩效(ROA)之间的回归系数为0.002,且在1%的显著性水平上呈正相关。即使替换了被解释变量,结果依然表明良好的ESG表现能够有效推动企业财务绩效的提升,且显著性水平并未因变量的重新度量而发生显著变化。因此,本文研究结论较为稳健。
5. 结论与建议
本文以2254家上市公司2013~2022年的数据为样本,研究ESG表现对企业财务绩效的影响及高管薪酬激励在其中的调节作用,得出如下结论:提升ESG表现可以有效地提升企业财务绩效。同时,高管薪酬激励可以正向调节企业ESG表现影响企业财务绩效的过程。
基于上述结论,本文提出以下建议:① 政府应当加强ESG信息披露制度的完善与健全,并实时对企业进行严格的监督与奖惩。在政府的有效督促和积极倡导下,企业会更为主动地践行高质量绿色发展理念,积极向外界传递优质的ESG信息。同时,政府应当对ESG表现优秀且信息披露规范的企业给予相应的补贴和支持,以激励其继续保持良好的ESG实践。而对于那些ESG表现连续多年无显著进步且表现不佳的企业,或者在信息披露中存在造假行为的企业,政府应当给予严厉的处罚和制裁,以维护市场秩序和公平竞争的环境。通过这样的措施,政府能够推动企业在ESG领域持续进步,实现可持续发展。② 企业需致力于优化自身的ESG表现,积极响应绿色可持续发展理念的号召。在追求经济效益的同时,更应注重发展质量的提升,避免短视行为。具体而言,企业应致力于实现环境的绿色化转型,确保公司治理的严格规范,并积极履行社会责任,实现可持续发展。只有这样,企业才能在高质量发展的道路上稳步前行,实现长远的发展目标。③ 企业应构建一套全面且切实可行的高管激励策略体系。作为现有高管激励方式的重要组成部分,薪酬激励在激发高管工作积极性方面展现出了显著且迅速的效果。因此,企业有必要对高管激励机制进行适度的调整,旨在降低代理成本、提高运营效率,同时保持高管的工作热情。通过这样的激励机制,可以进一步激发高管为提升企业绩效而付出更多努力的动力,进而实现企业的稳健发展。这一策略不仅有助于优化企业内部管理,更能够为企业的长远发展奠定坚实基础。