環境信息披露質量的差異性研究

牟依婷

摘要：隨著我國社會經濟的不斷發展和環保意識的不斷提高，社會越來越關注企業在發展自身過程中的環境信息披露質量。為了研究企業環境信息披露質量的行業和地區差異性，文章選取了2015～2019年重污染行業中的上市公司的EDI數據，通過數據分析產生差異性的影響因素，并在此基礎上提出提高企業環境信息披露質量的合理科學的政策建議。

關鍵詞：環境信息披露質量;重污染行業;行業差異;區域差異

一、引言

隨著我國社會經濟的不斷發展和環保意識的不斷提高，社會越來越關注企業在發展自身過程中的環保措施力度，以及是否披露了相應的環境信息，尤其是重污染行業下的企業。回顧我國對上市企業的環境信息披露規定的發展歷程，大致分為以下三個階段：第一階段是1979～2007年，國家環保部門從代替企業向社會披露相應的企業環境信息，到積極鼓勵企業主動去披露相應的環境信息;第二階段是2008～2014年，政府建立了針對上市公司的環境管理制度，要求其嚴格遵守相應的環保法律法規，應及時、準確、完整、真實地披露環境信息，定期公布相應的企業環境報告;第三階段是2015年至今，政府強制重污染企業及時向社會公開環保執行和污染物排放情況，并將其違規行為及時公之于眾，逐步形成以政府為主導，企業為主體，公眾和社會組織共同參與的環境治理體系。國內學者們也日益青睞研究企業環境信息披露的問題，從其影響因素角度展開一系列的研究，助力實現我國企業的綠色可持續健康發展。

王建明（2008）用各個行業所頒布的環境監管數量作為變量，研究發現政府監管對企業披露環境信息產生影響。沈洪濤、李余曉璐（2010）的研究結果表明環境信息披露質量在數量和質量上存在著行業差異性。朱新玲、李娜（2017）通過對比和分析重污染行業下不同類型企業的環境信息披露質量，發現企業內部控制會對其披露行為產生正向傳導作用。趙海燕、張山、楊柳（2018）通過實驗數據認為公司規模與企業環境信息披露質量呈現正相關關系，上市地點呈負相關關系。王正艷、徐光華（2019）通過相應的研究數據，發現企業環境信息披露質量與媒體關注度正相關。

本文將基于上述學者的研究，對我國重污染行業中的上市企業環境信息披露質量進行行業和區域差異性的研究，并提出相應的政策建議，提升政府執政管理的有效性，助力實現我國企業的綠色可持續健康發展。

二、研究方法

（一）樣本選取

本文選取2015～2019年深市、滬市A股的重污染行業中454家上市公司作為研究對象，并對這些公司進行了下述的篩選程序，并進行研究。其中，數據為手工和軟件收集與篩選：

1.剔除近五年來新上市的上市公司;2.剔除缺失過多數據和異常數據樣本的上市公司;3.剔除ST、*ST以及退市公司;4.剔除樣本數量較少的行業中的上市公司。

（二）模型確立

1. EDI模型

本文以貨幣化維度，對環境信息披露質量進行了分類。其中，貨幣化信息來源于相應企業的年報、補充報表和財務報表附注等;非貨幣化信息來源于可持續發展報告、環境報告、年報和社會責任報告等。具體指標選取數據和評分情況如表1所示。

2. 多變量回歸模型

結合目前學者的研究結果，本文將使用多變量回歸模型，從下述幾個方面對企業環境信息披露質量行業與地區差異性的影響因素進行研究與分析，并提出相應的政策建議，助力實現我國企業的綠色可持續健康發展。

為深入分析行業差異與環境信息披露質量的內在關系，本文構建了模型1，通過數據分析其影響因素，并提出相應的政策建議。

EDI=α+β₁×Pollution+β₂×lnTA+β₃×ROE+β₄×State+β₅×Debt+β₆×Age+β₇×SP +γ

為深入分析地區差異與環境信息披露質量的內在關系，本文構建了模型2，通過數據分析其影響因素，并提出相應的政策建議。

EDI=α+β₁×District19+β₂×lnTA+β₃×ROE+β₄×State+β₅×Debt+β₆×Age+β₇×SP +γ

其中，被解釋變量是環境披露信息質量EDI，解釋變量及其定義如表2所示。

三、實證結果與分析

（一）行業差異性分析

1. 描述性分析

從表3中可以看出，重污染行業環境信息披露質量自2015～2018年呈現上升趨勢，2019年與2018年相比有輕微地下降，應該引起關注，這些企業應持續披露其環境信息情況，不應懈怠。總體而言，這些重污染企業有遵循國家環保部門的有關規定和相關法律法規，不斷提高自身的環境信息披露質量，但與滿分2分相比，還是存在一定的差距，我國企業環境信息披露質量的增長空間依舊較大。政府、企業和公眾都需要做出更多的努力去推動環境治理投入和信息披露。

就重污染行業內部情況而言，鋼鐵、火電、煤炭、造紙、水泥行業的EDI最高，超過了1分，建材、化工、制藥行業的EDI最低，應該向披露質量較好的行業學習經驗。

2. 相關性分析

為了觀察本文設定的被解釋變量與解釋變量之間的關系，本文對所有變量進行了Pearson相關性檢驗、Spearman相關性檢驗和變量方差膨脹因子VIF分析。其中，自變量之間的相關系數均小于0.4，且變量方差膨脹因子VIF分析數據均小于2，進一步確認了變量之間不存在多重線性關系。因此，對其進行多變量回歸檢驗。