《Sustainability》:Artificial Intelligence and Corporate Sustainability Disclosure: Evidence from Corporate Climate Risk Disclosure in China
编辑推荐:
随着人工智能日益深入地嵌入公司可持续发展治理,以AI发展为中心的公共政策是否与公司可持续发展披露的变化相关联仍不清楚。本研究聚焦于作为可持续发展披露重要维度的公司气候风险披露,考察了中国国家人工智能创新发展试验区政策(简称AI试点区政策)如何与公司气候相关风险
随着人工智能日益深入地嵌入公司可持续发展治理,以AI发展为中心的公共政策是否与公司可持续发展披露的变化相关联仍不清楚。本研究聚焦于作为可持续发展披露重要维度的公司气候风险披露,考察了中国国家人工智能创新发展试验区政策(简称AI试点区政策)如何与公司气候相关风险披露相关联。研究人员利用2014年至2023年中国A股上市公司数据,采用多期双重差分法(multi-period difference-in-differences, DID),发现AI试点区政策与更高水平的公司气候风险披露相关联。一系列稳健性检验进一步证实了这一发现的稳定性。机制分析提供了与三个渠道一致的初步证据:气候相关信息处理能力、气候风险治理能力和外部监督压力。子样本估计显示,在环境压力较大的公司、机构持股比例较高的公司以及管理者具有更强绿色意识的公司中,这种关联更为显著。进一步分析表明,气候风险披露与ESG(环境、社会和治理)表现正相关,尤其是环境(Environmental)和治理(Governance)表现。本研究为以AI为导向的公共政策与公司气候风险披露之间的关联提供了公司层面的实证证据,同时强调了将披露改善与实质性可持续发展转型区分开来的必要性。
**论文解读:人工智能政策与公司气候风险披露的关联研究**
**研究背景与问题**
随着人工智能(AI)技术深度融入公司治理,以AI发展为核心的公共政策是否影响公司可持续发展披露(sustainability disclosure)尚不明确。气候风险披露(climate risk disclosure, CRD)作为可持续发展披露的关键维度,因气候变化带来的物理风险(physical risks)和转型风险(transition risks)而受到广泛关注。现有文献多聚焦于公司层面治理特征或传统环境规制,对AI导向公共政策与气候风险披露之间关联的实证证据有限。为此,本研究以中国国家人工智能创新发展试验区(AI试点区)政策为准自然实验,系统考察其与公司气候风险披露的关系,并探索内在机制与异质性效应。论文发表在《Sustainability》。
**研究方法**
研究人员采用2014–2023年中国A股上市公司数据(共28,297个公司-年度观测值),来源包括CSMAR数据库、Wind数据库及中国城市统计年鉴。主要技术方法为多期双重差分法(multi-period DID),以城市级AI试点区政策的逐步实施作为处理变量。气候风险披露指标(CRD)基于年报“管理层讨论与分析”(MD&A)部分的文本分析构建,依据TCFD框架和104个气候相关关键词进行词频统计。控制变量涵盖公司层面(规模、杠杆、盈利能力等)和城市层面(GDP、产业结构、数字化水平等)。机制检验采用中介效应模型,稳健性检验包括平行趋势检验、安慰剂检验、PSM-DID、替代变量测量、控制同期政策(如绿色金融试点、低碳城市试点等)及异质性处理效应估计(如Sun and Abraham、Callaway and Sant‘Anna、Borusyak et al.方法)。
**研究结果**
**4.1 描述性统计**:CRD均值为0.180,标准差0.178,表明样本公司间气候风险披露水平存在显著差异。DID变量均值为0.517,即51.7%的观测值处于政策实施后的处理组。
**4.2 基准回归**:在控制公司固定效应、年份固定效应及公司-城市层面协变量后,DID系数为0.0886,在1%水平上显著为正,支持假设H1:AI试点区政策与公司气候风险披露水平正相关。
**4.3 内生性检验**:
- **平行趋势检验**:事件研究法显示,政策实施前处理组与对照组在CRD上无显著差异,而政策后系数显著为正,支持平行趋势假设。
- **政策选择偏差**:排除数字化强市和直辖市后,DID系数仍显著;PSM-DID匹配后(近邻匹配和核匹配)系数分别为0.0910和0.0928,均显著,表明结果对样本选择偏差稳健。
- **同期政策控制**:纳入绿色金融试点、低碳城市试点、大数据试点和宽带中国试点等政策后,DID系数仍显著为正(0.0911),排除重叠政策干扰。
**4.4 稳健性检验**:
- **异质性处理效应**:Goodman-Bacon分解显示,处理组与从未处理组比较占权重91.8%,替代DID估计量(Sun and Abraham、Callaway and Sant’Anna、Borusyak et al.)均得到显著正系数,验证基准结果稳健。
- **安慰剂检验**:随机分配DID变量500次,实际系数远离安慰剂分布,排除随机干扰。
- **替代测量**:采用96关键词词典(区分转型风险与物理风险)及更严格气候特定关键词,DID系数仍显著,且转型风险披露(TCRD)更敏感。
- **聚类水平**:在市级、公司级、省级聚类及wild-cluster bootstrap下,DID显著。
- **额外稳健性**:加入行业-年份、省份-年份固定效应、治理变量及线性趋势后,结果一致。
**4.5 机制检验**:
- **气候相关信息处理能力**:AI能力(AICap)和数字化转型(Digit)作为中介变量,政策显著提升两者,进而促进CRD。
- **气候风险治理能力**:绿色创新(GreenInnov)和环境投资(EnvInv)作为中介,政策通过增强治理能力提升CRD。
- **外部监督压力**:分析师关注(Analyst)和媒体关注(Media)作为中介,政策增加外部监督压力,进而提高CRD。
**4.6 异质性分析**:
- **环境压力**:重污染行业公司(高环境压力组)中政策效应更强,组间差异在1%水平显著。
- **机构持股**:高机构持股组中DID显著为正,低持股组不显著,组间差异显著。
- **管理者绿色意识**:高绿色意识组中DID显著,低意识组不显著,组间差异显著。
**进一步分析**:
**5.1 气候风险披露与ESG表现**:CRD与华证ESG总分正相关(系数0.1149,10%显著),且与AI试点区政策交互项(CRD_DID)系数0.6121(1%显著),表明政策强化了该正相关。分维度看,CRD与环境(E)和治理(G)得分显著正相关,与社会(S)得分不显著。
**5.2 气候风险披露与碳排放**:CRD与碳排放总量(-0.8243,10%显著)和碳排放强度(-0.3547,5%显著)负相关,表明披露并非单纯象征性实践,而是与实质性环境结果相关联。
**总结讨论与结论**
讨论部分强调,研究结论表明AI试点区政策与公司气候风险披露提升相关联,但需区分披露改善与实质性可持续发展转型。政策启示包括:加强AI基础设施与气候治理融合,提升公司气候数据处理能力,以及强化外部监督与披露质量监管。研究局限包括:样本限于A股上市公司,测量主要基于文本频率而非质量,可能存在政策溢出效应,且未全面评估AI发展的生态与社会成本。
**研究结论翻译**:本研究分析了中国AI试点区政策是否与公司气候风险披露相关联,并进一步检验了关联的潜在机制、异质性和扩展结果。基于2014–2023年中国A股面板数据,采用多期DID设计,主要发现如下:第一,AI试点区政策与公司气候风险披露增加相关,经多种稳健性检验后结论一致。第二,机制分析提供与三个渠道一致的初步证据:气候相关信息处理能力、气候风险治理能力和外部监督压力。第三,异质性显示,政策效应在环境压力大、机构持股高、管理者绿色意识强的公司中更为显著。进一步分析表明,气候风险披露与ESG表现正相关,尤其环境与治理维度,且与碳排放负相关。本研究为AI导向公共政策与气候风险披露的关联提供了公司层面实证证据,并强调需区分披露改善与实质性可持续发展转型。