加载中...
数据目录 · 共 64 个条目 · 20 个分类浏览简化目录
SSRD上市公司与资本市场5
政府与司法数据4
企业主体与全景画像4
人民数据1
人物数据1
劳动就业数据2
Sustainability or Greenwashing: Evidence from the Asset Market for Industrial Pollution
我们研究了污染性工厂的资产市场。企业通过剥离污染性工厂来应对环境压力。买方是面临较弱环境压力的企业，这些企业与卖方存在供应链关系或合资企业关系。虽然剥离后污染水平并未下降，但卖方在随后的电话会议中强调其可持续政策，随着出售更多污染性工厂而获得更高回报，并从更高的环境、社会和治理（ESG）评级以及更低的合规成本中受益。总体而言，资产市场允许企业以被视为环境友好的方式重新划定其边界，既没有对污染产生实际影响，又获得了可观的交易收益。
Abstract
We study the asset market for pollutive plants. Firms divest pollutive plants in response to environmental pressures. Buyers are firms facing weaker environmental pressures that have supply chain relationships or joint ventures with the sellers. While pollution levels do not decline following divestitures, sellers highlight their sustainable policies in subsequent conference calls, earn higher returns as they sell more pollutive plants, and benefit from higher Environmental, Social, and Governance (ESG) ratings and lower compliance costs. Overall, the asset market allows firms to redraw their boundaries in a manner perceived as environmentally friendly without real consequences for pollution but with substantial gains from trade.
企业面临环境压力时更倾向剥离污染性工厂
使用多项Logit模型估计发现，综合环境压力指数每增加一个标准差，企业选择剥离污染性工厂的可能性相对于样本均值增加54%，远高于工厂关闭（9%至31%）或减排努力的增幅。这表明资产剥离是应对环境压力的首要策略。
污染性工厂买方面临显著较弱的环境压力
对比买卖双方特征发现，买方比卖方更可能是私有企业（高5.5个百分点）、更少被ESG评级机构覆盖（低4.7个百分点）、更可能总部位于共和党倾向的县（高5.4个百分点），综合环境压力指数比卖方低5.9个百分点。这表明污染资产从高压力企业转移至低压力企业。
剥离后污染水平和减排努力均无显著变化
采用工厂-化学品层面的双重差分泊松回归和堆叠回归，发现被剥离工厂的污染排放总量、污染强度以及源头减排、回收、能量回收和处理等减排活动，在剥离前后与未剥离工厂相比均无显著差异。买卖双方合并后的污染水平也未下降，表明剥离并未带来实际环境改善。
卖方在电话会议中更积极宣传环境改善
利用BERT语言模型分析收益电话会议文本发现，剥离污染性工厂后，卖方在电话会议中讨论环境绩效改善的可能性增加约5.6个百分点，相对于样本均值提升47%。但负面环境披露无显著变化，且污染水平并未下降，表明这是一种漂绿式的印象管理策略。
剥离污染资产带来ESG评级提升和合规成本下降
剥离污染性工厂后，卖方的整体CSR评分相对于非卖方增加约0.34，相对于样本均值0.33提升约103%；环境评分增加约0.23，相对于样本均值提升约160%。同时，EPA执法行动的可能性下降约5个百分点，执法成本平均下降约10万美元，表明卖方从剥离中获得显著的评级提升和监管成本降低。
核心解释变量
环境压力指标，包括ESG评级覆盖（Rated）、养老金持股（Pension Holdings）、民主党倾向总部所在地（Democratic HQ）、环境风险事件（Env. Event）以及综合压力指数（Pressure Index）；信息不对称代理变量，包括业务分部数、行业数、子公司数、组织层级数和大量持股者比例；买卖双方业务关联指标
被解释变量
企业剥离污染性工厂的倾向（Sell (Pollutive)）；工厂-化学品层面的污染水平（总排放量、污染强度）；污染减排活动（源头减排数量、回收率、能量回收率、处理率）；电话会议环境披露（正面/负面）；ESG评级（CSR评分、环境评分）；EPA执法行动和成本；剥离公告累计异常收益（CAR）
样本与数据
2000-2020年间888笔涉及1105家工厂的污染性工厂剥离交易；工厂-化学品年度面板包含1,056,361个观测值；企业年度面板包含19,459个观测值。数据来源包括SDC并购数据库、EPA有毒物质排放清单（TRI）、KLD/Refinitive/MSCI的ESG评级、Thomson Reuters电话会议记录、RepRisk环境事件、MIT选举数据、Compustat/Orbis/13-F企业结构数据等。
识别方法 / 模型设定
采用多项Logit模型估计企业对环境压力的多种响应方式；使用企业-年度面板回归分析剥离倾向，控制行业-年度固定效应和企业特征；利用RepRisk环境风险事件作为准外生冲击，结合企业固定效应进行双重差分估计；工厂-化学品层面使用广义双重差分泊松回归和堆叠回归（stacked regression）解决异质性处理效应偏误；事件研究法计算剥离公告的累计异常收益；利用BERT语言模型进行文本分析。
内生性及稳健性检验
包括：使用堆叠回归处理异质性处理时序偏误；对污染变量进行毒性加权处理；将污染变量在工厂层面加总后进行回归；扩展样本至包含金融买方（如私募股权）的交易；使用Refinitive和MSCI的ESG评级替代KLD进行稳健性检验；排除非污染性资产剥离的安慰剂检验；采用最小可检测效应（MDES）检验统计功效；检验处置前趋势；使用匹配样本比较剥离工厂与从未剥离工厂的生存率和生产率增长。
更多相关数据正在补充