加载中...
Responding to Climate Change Crises: Firms' Trade-Offs
本文研究企业在气候变化事件受到负面媒体报道后,在自愿披露决策中面临的权衡。通过结合关键词发现算法和微调的BERT模型,我们在Twitter上识别出“硬”和“软”气候披露。研究发现,企业倾向于发布气候相关推文,作为对负面气候事件的快速响应。此外,具有硬气候变化披露历史(以ESG报告衡量)的企业,比没有此类历史的企业更可能做出气候相关回应。进一步研究表明,当事件获得中等媒体关注时,先前的硬披露与硬回应相关;而当事件获得较低媒体关注时,则与软回应相关。本文的研究发现为动态披露理论提供了经验证据,说明先前的披露如何塑造企业对负面媒体报道的回应策略。
Abstract
We examine firms' trade-offs in their voluntary disclosure decisions following negative media coverage of climate change incidents. By combining a keyword discovery algorithm and a fine-tuned BERT model, we identify 'hard' and 'soft' climate disclosures on Twitter. Our findings indicate that firms tend to issue climate tweets as a rapid response to negative climate incidents. Additionally, firms with a history of hard climate change disclosure, as measured by ESG reports, are more likely to issue climate-related responses than firms without such a history. Furthermore, we show that prior hard disclosure is associated with hard responses when the incident receives moderate media attention, but with soft responses when the incident receives low media attention. Our findings provide empirical insights for dynamic disclosure theory by illustrating how prior disclosure shapes firms' response strategies to negative media coverage.
企业负面气候事件后更可能发气候推文
以企业-日线性概率模型估计,ClimateIncident[-3,0]系数为0.0047,因变量均值0.0128,故负面气候事件使企业当日发布气候相关推文的概率提高约36.7%,支持企业将Twitter作为快速回应渠道。
有ESG报告历史的企业更倾向在Twitter回应
交互项ClimateIncident[-3,0]×ESG Report显著为正,表明上一年度发布ESG报告的企业在遭遇负面气候事件后更可能发布气候推文;且经第三方鉴证的ESG报告企业回应概率更高,说明可信披露强化了一致性沟通承诺。
先验硬披露在中等影响事件下关联硬回应
当负面气候事件为中等影响时,ClimateIncident[-3,0]×ESG Report Assured对Hard Climate Tweet的系数显著为正(0.0102),表明经鉴证ESG报告的企业在高关注度下更倾向提供实质性硬信息,以应对利益相关者期望。
低影响事件下先验硬披露关联软回应
低影响事件中,ClimateIncident[-3,0]×ESG Report Assured对Soft Climate Tweet的系数显著为正(0.0082),说明在惩罚较小时企业更可能利用既有声誉提供低成本的象征性软披露。
硬气候推文获得更多用户互动
使用泊松伪最大似然模型(PPML)和公司-年度固定效应,Hard Climate Tweet对点赞、转发、回复的系数分别为0.0869、0.0407、0.0663且显著,表明Twitter用户能区分硬信息与软信息,并对可验证披露给予更高参与度。
核心解释变量
负面气候变化事件(ClimateIncident[-3,0],由RepRisk数据库识别,为企业-日虚拟变量,表示企业在t-3至t日是否经历气候相关负面事件);先验披露代理变量包括ESG披露评分(ESG Disclosure Score)、是否发布ESG报告(ESG Report)、ESG报告是否经鉴证(ESG Report Assured/Unassured)
被解释变量
企业是否在Twitter发布气候相关推文(Climate Tweet),进一步细分为硬气候推文(Hard Climate Tweet)和软气候推文(Soft Climate Tweet),均为企业-日虚拟变量
样本与数据
2007年至2020年美国上市公司样本,来自Compustat、CRSP、RepRisk、Refinitiv Eikon、SEC EDGAR及Bloomberg等数据库;最终样本包含1,958家公司、3,137,468个企业-日观测,期间识别出136,899条气候相关推文
识别方法 / 模型设定
采用线性概率模型(LPM),控制行业×日固定效应和公司×月固定效应,标准误在公司与日两个层面聚类;以ClimateIncident[-7,-4]作为控制时间窗口;稳健性检验使用BRFE probit模型、剔除能源行业样本、以及排除高频促销企业-年度和高频违规企业子样本
内生性及稳健性检验
使用偏差校正固定效应(BRFE)probit模型验证结果;将促销推文纳入气候推文定义;剔除能源行业公司以避免伪回归;排除高频促销企业-年度子样本;排除高频违规企业子样本;结果均保持稳健
更多相关数据正在补充