气候政策不确定性对企业ESG绿色清洗行为的影响机制研究

本研究深入探讨了气候政策不确定性（CPU）对企业ESG（环境、社会和治理）绿色清洗（Greenwashing）的驱动作用，通过双重机器学习模型证实其显著加剧企业选择性信息披露与评级套利行为，为规范ESG实践与推动"双碳"目标提供关键政策启示。

　　

Section snippets

气候政策不确定性的微观经济影响

气候政策不确定性源于政策决策过程的复杂性与多变性，是企业经营管理中必须应对的风险因子（Raza等，2024；Ma等，2025b）。其微观经济影响主要集中在三大维度：财务表现、公司治理与环境投资。

财务表现方面，气候政策不确定性可能推高企业融资成本，并抑制绿色技术创新投入（Lee和Cho，2023）。公司治理层面，政策波动会导致管理层倾向于短期利益导向的战略调整（Noailly等，2022）。环境投资方面，不确定性会延缓企业长期减排项目的落地，甚至促使企业转向低成本的"洗绿"行为（Yu等，2021）。

理论分析

基于信息不对称理论与监管套利理论，本研究提出气候政策不确定性主要通过两条路径影响企业ESG绿色清洗：一是内部治理机制（如选择性信息披露与内部监督弱化），二是外部监督机制（如评级标准分歧与监管宽容）。具体理论框架见图2。

根据实物期权理论，政策不确定性会增加企业投资延迟倾向，促使管理层更倾向于采用短期"伪绿色"策略而非实质性环保投入（Bernanke，1983）。同时，信息不对称使得企业可通过操纵ESG披露内容误导市场，而评级机构间的标准差异进一步为企业提供套利空间（Tan等，2024）。

模型设计

本研究基于Chernozhukov等（2018）提出的双重机器学习方法，构建如下计量模型：

GWS_i,t = θ₀CPU_i,t + l(W) + U, E[U|W, CPU_i,t] = 0

CPU_i,t = m(W) + V, E[V|W] = 0

其中GWS_i,t表示企业ESG绿色清洗程度，CPU_i,t表示企业i所在地区第t年的气候政策不确定性指数。

基准回归

数据经过结构化处理：样本按1:5随机分为训练集与测试集，采用随机森林算法处理高维数据，再进行主辅回归预测求解。表4第（1）列显示未加入控制变量时的结果，核心解释变量CPU系数显著为正（p<0.01），证实气候政策不确定性会显著推高企业ESG绿色清洗水平。

Conclusion

基于2009–2022年中国上市公司面板数据，通过双重机器学习模型发现：（1）气候政策不确定性显著加剧企业ESG绿色清洗行为，该结论经过一系列稳健性检验后依然成立；（2）其主要通过信息披露操纵与评级体系差异两条通路实现；（3）异质性分析表明，该效应在小型企业、国有企业、非高科技与非重污染企业中尤为显著。

Limitations

本研究存在若干局限性：首先，样本仅覆盖A股上市公司，未包含非上市企业；其次，未充分考虑气候政策动态变化与经济环境等外部因素的交互影响；最后，跨国经济制度与文化差异可能限制结论的普适性。