企业的ESG（环境、社会和治理）实践与实质性绿色创新——管理层短视行为的调节作用

《Energy Conversion and Management-X》：ESG and substantive green innovation in enterprises------the moderating effect of managerial myopia

　　张国|王伊诺|严忠民
河北师范大学商学院，石家庄050042，中国

**摘要**
随着碳达峰和碳中和目标的持续推进，作为微观经济实体的企业可以利用ESG（环境、社会和治理）评级来识别碳排放管理中的挑战，从而通过非正式的监管机制促进其向低碳发展的转型。然而，近期在绿色创新中过分强调数量而非质量的趋势日益阻碍了实质性的绿色创新。本研究基于高层管理理论和管理短视的概念，以2012年至2022年中国A股上市公司的样本，实证检验了管理短视在ESG绩效与实质性绿色创新之间的关系中的调节作用。研究结果表明：（1）ESG评级通过监督（缓解融资约束）和激励（提高绿色意识）两种渠道促进实质性绿色创新；（2）管理短视直接抑制绿色创新，尤其是实质性绿色创新；（3）管理短视对ESG与实质性绿色创新之间的关系具有负向调节作用，减弱了ESG的积极效应；（4）存在质量与数量的权衡，因为短视的管理者在ESG压力下会将创新从实质性转向战略性活动；（5）这种负向调节效应在国有企业和专利密集型行业中更为显著。

**引言**
自2023年以来，越来越多的中国A股上市公司自愿披露了与ESG相关的报告[1]。ESG是一种金融领域的创新发展和投资概念，最初在2004年联合国的一份报告中提出，当时全球气候变化和治理挑战日益严峻。它已发展成为评估企业可持续性的关键框架，从环境（E）、社会（S）和治理（G）三个维度来评价公司和投资[2][3]。通过强调环境管理、社会责任、员工福利和治理实践等非财务因素，ESG补充了传统的企业评估体系，促进了企业社会责任和可持续发展。目前，全球有26家证券交易所要求企业强制披露与ESG相关的信息[4]。

以往关于企业绿色创新的研究主要集中在“波特假说”上，评估政府环境法规（一种“看得见的手”）对绿色创新的影响[5][6][7]。然而，政府的硬性法律往往采用“一刀切”的方法，未能考虑到地区差异，可能导致过度矫正[8][9]。本研究将外生的ESG评估系统视为一种非正式的环境监管手段，重新关注市场软监管在绿色创新领域的作用[10]。关于非约束性的第三方评估体系是否以及在多大程度上会影响企业绿色创新，学术界存在不同观点[11][12]。一些学者认为市场压力可以迫使企业提高绿色创新绩效[13]，而另一些学者则认为，在市场软监管下，绿色创新（具有长期投资周期、高失败风险、低回报和双重外部性）可能仅仅是一种“漂绿”行为，缺乏可持续性[14]。为了解决这一分歧，学者们提出了更多因果解释，区分了不同类型的绿色创新。一些学者[11][15]发现第三方ESG评级增加了绿色创新的数量，但降低了其质量，表明在ESG软监管下，虽然绿色创新的数量有所提高，但质量仍然难以提升。其他学者（张，2024年）[13]进一步探讨了创新的动机，指出ESG评级可以通过监督和激励效应促进从象征性绿色创新向实质性绿色创新的转变。但ESG评级对实质性绿色创新的影响是否与其对一般绿色创新的影响相同呢？

在当前的双碳目标下，绿色创新无疑是企业的一项关键战略决策。根据高层管理理论，企业决策受到高层管理的重大影响[16][17][18]。实质性绿色创新是一个耗时、成本高且充满不确定性的过程，需要在早期阶段进行大量研发投资。如果项目终止，所有投资都可能损失。在这种情况下，管理者在任期内面临向股东和其他利益相关者交付满意成果的压力，可能会优先考虑短期收益而非长期利益，从而导致短视行为。当面临提高绩效、增强市场估值和建立声誉的压力时，管理者更可能选择短期、低风险的项目[19]。因此，管理短视对企业绿色创新有显著的负面影响，探讨管理者特质在绿色创新中的作用至关重要。

现有文献主要研究管理者显性特征对绿色创新的影响，对隐性特征的研究较少[20]。在此基础上，胡等人（2021年）利用机器学习和对中国上市公司年度报告的文本分析开发了一个管理短视词典，为后续研究管理短视提供了可复制的路径[34]。此后，管理短视成为实证研究的新课题，一些学者探讨了其对绿色创新的影响，而另一些学者[21]将其作为调节变量来研究其在企业绿色创新中的作用。此外，还有一些学者[22]将其作为因变量，研究影响管理短视的因素。

基于此，本文提出管理短视是影响ESG评级与实质性绿色创新关系的潜在机制。它在两个关键方面为文献做出了贡献：（1）探讨ESG评级与实质性绿色创新之间的关系，超越了绿色创新的数量层面，提供了实证证据，并提出了监督和激励效应作为潜在机制，丰富了ESG和绿色创新的相关研究；（2）引入管理短视作为调节变量，从管理者特质的角度分析其对企业绿色创新的影响，丰富了企业绿色创新行为的内部驱动因素。

**2. 理论分析与研究假设**
**2.1 ESG软监管与实质性绿色创新**
ESG评级指的是非强制性措施，如市场激励、信息披露、公众舆论和行业自律，旨在指导和鼓励企业提高其ESG绩效。根据绿色创新的动机，企业行为可以分为两类：（1）实质性绿色创新，侧重于技术进步、竞争优势和环境绩效提升；（2）战略性绿色创新，旨在通过增加创新的数量和速度来满足监管要求[8][23]。与强调短期利益和合规性的战略性绿色创新相比，实质性绿色创新注重产品或技术的突破性创新，需要更多资源并承担更高风险。

ESG评级向市场提供了有关企业环境责任的专业信息，通过监督和激励效应促进实质性绿色创新，从而优化创新结构。根据代理理论（Jensen & Meckling, 1976）[49]，监督效应表明外部市场力量（如投资者、媒体和消费者压力）和监督有助于股东和社会更好地监督管理者行为，减少道德风险[24]。在ESG评级的监督下，管理者必须遵守更高的透明度和合规标准，降低优先考虑短期收益而非绿色创新的可能性（Bushman & Smith, 2001）[50]。改善的ESG绩效可以降低融资成本，吸引绿色投资者，并缓解融资约束。同时，监督效应鼓励自愿信息披露，使投资者更好地了解绿色转型期间的短期绩效波动，减少信息不对称，支持长期的高风险投资以实现可持续增长[25]。

激励效应强调创新不仅满足监管要求，还提供竞争优势、资本支持和社会认可，鼓励在产品、技术和治理方面的深入创新。例如，ESG评级可以提高管理者对绿色发展的认识，反映高层管理者对可持续发展概念的理解，并影响企业对环境需求的响应[26]。面对内部和外部可持续性压力时，具有较高绿色意识的管理者更可能优先考虑环境问题，并采取绿色创新措施来提升社会声誉和履行企业社会责任。ESG评级通过提供“负面清单”来突出企业行为的潜在环境风险，从而激励管理者积极投资绿色创新。因此，更好的ESG绩效增强了管理者的绿色意识，进而鼓励企业投入资源进行实质性绿色创新。此外，尽管绿色创新可能涉及高初始成本，但软监管政策突出了绿色技术和产品的长期可持续性优势，如降低能源消耗、减少浪费和提高资源效率，这些优势转化为成本节约和市场回报。这种长期视角鼓励管理者优先考虑绿色技术的研发和应用[25][28]。

基于上述推理，我们提出以下假设：
H1：ESG评级对实质性绿色创新有直接的积极影响。
H2：ESG评级通过缓解融资约束的监督渠道促进实质性绿色创新。
H3：ESG评级通过提高管理者绿色意识的激励渠道促进实质性绿色创新。

**2.2 管理短视的调节作用**
战略领导中的高层管理理论认为，企业领导层必须构建具有多样背景的管理团队，因为具有不同特征的管理者会有不同的价值观和认知偏差，影响沟通、协作以及最终的企业绩效。该理论最初由Hambrick和Mason（1984年）[51]在《高层管理：组织的顶层管理者反映》中提出，指出在复杂环境中，受有限理性和多重目标约束的决策者可能无法通过传统方法找到最佳解决方案。相反，他们的决策受到行为因素（包括认知偏差、先前经验和价值观）的显著影响。因此，作为企业战略的制定者，高层管理者的个人特质在长期战略选择和实施中起着关键作用[20]。

管理短视指的是管理者决策视野狭窄，优先考虑短期收益而非长期企业发展。基于代理理论，管理短视源于所有者和代理人之间的利益不一致。股东通常关注长期价值最大化和社会责任，特别是在绿色创新背景下，这与长期战略和社会责任（如减少碳排放、提高能源效率和增强环境合规性）相一致。这些长期绿色创新提升了企业的竞争力和声誉，带来持续的经济回报。相比之下，管理者往往优先考虑短期绩效，因为他们的薪酬、晋升和职业发展与即时结果紧密相关。这种不一致可能导致绿色创新结构不完善[29]。短视的管理者专注于短期股东回报和财务成果，可能会进行“漂绿”行为或做出表面的环境承诺，而不是追求建立长期品牌价值和市场竞争力的真正绿色战略[21]。例如，企业可能推广绿色环保概念以提升品牌形象，而不实施有效的绿色创新[30]。

实质性绿色创新涉及技术、生产过程和产品设计的根本性改进，其主要目标是提高可持续性、减少资源消耗和降低环境影响。然而，这种创新通常需要大量的研发投资，并且回报周期较长[31]。此外，采用绿色技术可能会产生技术溢出和不可预见的环境成本，这些挑战可能对短期绩效产生不利影响，使得高层管理者难以立即看到收益。因此，这可能导致战略性绿色创新举措被忽视，以及高成本或不确定性的绿色项目被回避。

除了管理者的动机外，现有的资本市场条件也会加剧短视行为。在信息不对称的市场中，管理者可能操纵利润以保护自身声誉，损害长期企业价值。内部信息不对称使管理者比股东拥有更多信息，尤其是在缺乏监督的情况下，导致决策损害长期发展[13][32]。此外，市场无法完全观察到所有管理者的投资行为，使得短视管理者将资源分配给能快速产生经济回报的项目，如提高生产效率、降低成本或扩大市场份额，而不是投资于可能需要更长时间才能盈利的绿色创新领域。这种资源分配可能导致绿色创新资金短缺，进一步加剧融资约束，尤其是在外部监督不足的情况下[12]。

因此，我们提出以下假设：
H4：管理短视抑制企业绿色创新，尤其是实质性绿色创新。
H5：管理短视对ESG评级与实质性绿色创新之间的关系具有负向调节作用，削弱了ESG的积极效应。

**3. 样本、变量和模型**
**3.1 样本和数据分析方法**
本研究分析了2012年至2022年间3,869家A股上市公司的ESG评分、绿色专利申请、管理短视指标及其他财务数据，共计10,176个观测值。绿色专利申请数据来源于中国研究数据服务平台（CNRDS），ESG评分来自华证数据库（华证ESG评级指数），管理背景特征及其他财务数据来自CSMAR数据库。为确保准确性，对诸如企业价值、所有权集中度、资产负债率、增长能力和现金资产比率等变量应用了Winsorization处理方法（Lu等人，2024年）[35]。样本排除了金融和保险公司、ST/*ST公司、退市公司以及财务数据不完整的公司，最终得到3,019家公司的9,689个有效观测值。

3.2. 变量定义
3.2.1. 因变量：实质性绿色创新（SGI）
现有研究通常使用企业专利数量来衡量创新绩效。根据中国国家知识产权局（CNIPA）发布的国际专利分类，绿色专利包括三类：绿色发明专利、绿色实用新型专利和绿色设计专利[33]。先前的研究普遍认为，绿色发明专利由于其更高的技术重要性和时效性，更能准确反映实质性绿色创新成果。遵循李和肖（2020年）[52]的方法，我们用“ln (1 + 绿色发明专利申请数量)”来衡量SGI。为了全面捕捉ESG对整体绿色创新活动的结构优化效应，我们引入了总绿色创新（TGI），用“ln (1 + 同一时期内授予的绿色专利数量)”来表示绿色创新输出的规模。

3.2.2. 自变量：企业ESG绩效
我们使用中国证券指数（SNSI）提供的ESG评级，该机构是中国公认的ESG评级机构。SNSI ESG评级系统从C（最低）到AAA（最高）共分为九个等级，我们将其转换为1到9的数值分数（C对应1，AAA对应9）。分数越高表示ESG绩效越好。SNSI ESG评级是即时指标，而非季度平均值。它是基于每个季度末（1月31日、4月30日、7月31日、10月31日）的最新数据计算得出的，因此提供了企业ESG绩效的横截面快照。为了确保与我们年度企业级变量在时间上的一致性，我们采用了每个财年第四季度（10月31日）的评级。这种对齐方式减少了因报告周期不匹配而可能产生的测量误差。

3.2.3. 调节变量：管理短视
遵循先前学者的研究[34]，我们使用他们验证的短期导向术语词典来衡量管理短视。该词典包含43个中文和英文关键词（见附录A），这些关键词来源于种子词、Word2Vec扩展以及在中文财务报告背景下的手动验证。短视指标是这43个术语的总频率除以管理层讨论与分析（MD&A）部分的总词数，再乘以100。分数越高表示管理短视程度越严重。正如胡等人（2021年）[34]所展示的，这一指标捕捉的是管理者内在的、稳定的短期主义特征，而非对外部压力的暂时反应。

3.2.4. 控制变量
参考先前的研究[35]，本文还控制了管理背景特征、企业特征以及其他特征层面的变量。管理背景特征包括管理者年龄和薪酬激励。企业特征包括企业规模、杠杆率、资产回报率、总资产回报率、股权集中度以及上市年限。在其他层面，还包括股权集中度和董事会独立性。表1列出了每个变量及其相应的定义。

表1. 变量描述
变量类型 | 缩写 | 解释 | 计算方法
--- | --- | --- | --- |
因变量 | TGI | 总绿色创新 | ln (1 + 同一时期内授予的绿色专利数量) |
因变量 | SGI | 实质性绿色创新 | ln (1 + 发明专利申请数量) |
自变量 | SNSI ESG指数 | ESG评级 | SNSI ESG评分：1–9（低 ? 高），即从C到AAA |
调节变量 | Myopia | 管理短视 | （短视术语频率 / MD&A词数）× 100 |
中介变量 | FC | 融资约束 | FC = ?0.737 × 规模 + 0.043 × 规模2 ? 0.04 × 年龄 |
中介变量 | MEPA | 管理层绿色意识 | （MD&A中的绿色关键词频率 / 总MD&A词数）× 100 |
控制变量 | CMA | 管理年龄 | 高管团队的平均年龄 |
控制变量 | Comp | 薪酬激励 | （前三名高管的总薪酬） |
控制变量 | ROA | 资产回报率 | 税后净利润 / 总资产 |
控制变量 | Size | 企业规模 | ln(1 + 总资产) |
控制变量 | Cf | 现金流比率 | 现金流 / 总资产 |
控制变量 | FA | 固定资产比率 | 固定资产 / 总资产 |
控制变量 | Share | 持股集中度 | 前十大股东持股的集中度 |
控制变量 | Lev | 资产负债率 | 总负债 / 总资产 |
控制变量 | Age | 上市年限 | 当年 ? 成立年份 |
控制变量 | BI | 董事会独立性 | 董事会中独立董事的比例 |

3.3. 研究模型
为了验证ESG评级这一软性监管与实质性绿色创新之间的关系，以及管理短视在这两者关系中的作用，构建了以下模型来检验假设：
(1) Greenit = α0 + α1ESGit + α2Mit + αi∑Controlit + ∑Year + ∑Firm + εit
(2) Greenit = α0 + α1ESGit + α2Mit + α3ESGit×Mit + αiΣControlit + ΣYear + ΣFirm + εit
模型（1）检验ESG（H1）和管理短视（H4）对绿色创新的直接影响。模型（2）引入交互项以检验管理短视的调节作用（H5）。中介假设（H2和H3）在第4.4节中使用三步中介框架分别进行检验。在所有回归分析中，我们包含了企业固定效应和年份固定效应，以吸收企业异质性和共同的时间冲击。标准误差在企业层面进行聚类。

4. 实证结果
4.1. 描述性统计和相关性分析结果
图1展示了2012年至2022年平均ESG评分的时间趋势。实线蓝色曲线显示样本期间明显的上升趋势，在2015年SynTao Green Finance首次为中国上市公司推出ESG评级后加速上升，2020年中国宣布双碳目标后再次上升。这一上升趋势反映了A股上市公司对ESG实践的日益重视。

接下来提供了主要变量的汇总统计信息。表2报告了9,689个企业年度观测值的描述性统计结果。平均ESG评分为4.111（满分9分），标准差为0.536，表明存在显著的横截面差异。总绿色创新（TGI）和实质性绿色创新（SGI）的平均值分别为3.256和0.394，与先前关于中国上市公司的研究结果一致。两个中介变量——融资约束（FC）和管理层绿色意识（MEPA）的平均值分别为-0.215和0.042，处于合理范围内。

表2. 描述性统计
变量 | N | 均值 | 标准差 | 最小值 | 最大值 |
--- | --- | --- | --- | --- |
TGI | 9,689 | 3.256 | 1.134 | 5.236 |
SGI | 9,689 | 0.394 | 0.788 | 0.153 |
ESG | 9,689 | 4.111 | 0.536 | 18.000 |
FC | 9,689 | -0.215 | 0.243 | -1.201 |
MEPA | 9,689 | 0.042 | 0.031 | 0.186 |
Myopia | 9,689 | 0.087 | 0.077 | 0.370 |
ROA | 9,689 | 0.043 | 0.063 | -0.965 | 0.590 |
Size | 9,689 | 23.38 | 1.347 | 19.452 |
Cf | 9,689 | 2.455 | 10.09 | -43.462 |
FA | 9,689 | 0.243 | 0.193 | 0.971 |
Share | 9,689 | 51.70 | 15.91 | 8.432 |
Lev | 9,689 | 0.500 | 0.194 | 0.008 |
Age | 9,689 | 12.48 | 6.820 | 32 |

表3展示了皮尔逊相关系数矩阵。因变量、自变量、调节变量和控制变量之间的相关系数普遍较低，表明不存在严重的多重共线性。与H1一致，ESG评级与总绿色创新（TGI，r=0.284，p<0.01）和实质性绿色创新（SGI，r=0.221，p<0.01）呈正相关。支持H4，管理短视与总绿色创新（TGI，r=-0.150，p<0.01）和实质性绿色创新（SGI，r=-0.265，p<0.01）呈负相关。此外，ESG与融资约束（FC，r=-0.185，p<0.01）呈负相关，与管理层绿色意识（MEPA，r=0.241，p<0.01）呈正相关，为H2和H3中假设的中介渠道提供了初步支持。

4.2. 基本回归结果
表4报告了我们主要假设的基准回归结果。

表4. 基准回归
变量 | TGI | SGI | Myopia | FC | MEPA | Lev | Age | Size | Cf | Share | ROA | Size |
--- | --- | --- | --- | --- | --- | --- | --- | --- |
(1) | 0.125 | *** | -0.050 | -0.015 | -0.015 | -0.082 | *** | -0.050 | -0.015 |
(2) | 0.110 | *** | -0.082 | *** | -0.006 | -0.001 | *** | -0.015 | -0.058 |
(3) | 0.118 | *** | -0.050 | *** | -0.082 | *** | -0.080 | *** |
(4) | 0.105 | *** | -0.058 | *** | -0.004 | *** | -0.016 | *** |
(5) | 0.125 | *** | -0.050 | *** | -0.082 | *** | -0.015 |
(6) | 0.110 | *** | -0.082 | *** | -0.006 | *** | -0.015 |

注：标准误差在括号中给出。我们使用***、**、*表示1%、5%和10%的水平显著性。

4.3. 健壮性检验
为了解决潜在的内生性和遗漏变量偏差问题，我们进行了一系列稳健性检验。除非另有说明，所有模型都包含了企业固定效应和年份固定效应，标准误差在企业层面进行聚类。

4.3.1. 工具变量方法
我们使用了两个工具变量来衡量ESG：同城市同行企业的平均ESG评分（ESG-CM）和同省份同行企业的平均ESG评分（ESG-PM）。表5报告了2SLS的结果。第一阶段的F统计量（85.29和76.14）远高于传统的10的阈值，排除了工具变量的弱相关性。Kleibergen-Paap rk LM统计量（80.47和72.86）排除了识别不足的问题。第二阶段的ESG系数在1%的水平上仍然为正且显著，而管理短视的负面影响和负交互项也保持稳健，证实了基准发现。

表5. 工具变量方法的稳健性检验结果
变量 | 同城市同行企业 | 同省份同行企业 |
--- | --- | --- |
第一阶段 | 第二阶段 |
ESG-CM | 0.121** | 0.682** |
ESG-PM | 0.593** |
Myopia | -0.018 | -0.083** |

4.3.2. 替代变量规格
我们使用另一种数据来源来处理潜在的ESG评级偏差。SynTao Green Finance（ESG S）是中国ESG研究的先驱，于2015年推出了其专有的评级系统[3]。重要的是，SynTao提供的是即时评分（季度快照），而非季度平均值。鉴于SynTao评级与华证ESG评级之间的高相关性[36]，我们对两个指标进行了标准化（重新缩放为1-最低到*n*-最高），并仅保留了两个机构都评级的公司（N=6,800）。如表6列（2）所示，结果仍然稳健，ESG、管理短视及其交互项在1%的水平上具有统计显著性。

表6. 其他稳健性检验结果
变量 | 替代因变量 | 替代自变量 |
--- | --- | --- |
(1) | SGI-1 | （2年滞后）SGI |
--- | *** | *** |
(2) | （2年滞后）SGI |
--- | *** | *** |
(3) | （2年滞后）SGI-1 | （2年滞后）SGI |
--- | *** | *** |

4.3.3. 2年滞后检验
绿色创新，特别是实质性绿色创新，通常具有长期和可持续的特征。鉴于ESG评级和管理短视可能不会立即影响绿色创新，我们对ESG和短视变量引入了两个时期的滞后。由于滞后，样本规模从9,689减少到8,406。如表6列（3）所示，系数在1%的水平上仍然具有统计显著性，证实了它们的长期影响。

4.3.4. 控制财务困境和资源匮乏
虽然管理短视在概念上是一种认知特征，但面临严重财务约束或资源匮乏的企业也可能表现出较低的绿色创新水平，这些资源相关因素可能会混淆观察到的调节效应[38]。为了排除ESG和短视之间的交互作用仅仅是资源约束而非真正行为偏差的另一种解释，我们在基准交互模型中增加了三个额外的控制变量（表4列（6）：Z分数（根据Altman，1968[32]定义的财务困境指标）、现金持有量（现金和现金等价物占总资产的比率）以及流动性比率（流动资产除以总负债）。这些变量反映了公司的即时财务健康状况和组织灵活性。附录B中的表B3展示了研究结果。在纳入了这些额外的控制变量后，ESG与短视（Myopia）交互项的系数仍然为负，并且在1%的水平上具有统计学意义。此外，其数值与基线估计值非常接近（表4中的-0.062对比-0.058）。这表明，管理者短视的调节效应并非由财务困境或缺乏灵活性资源所驱动；相反，它反映了一种真实的行为现象。因此，我们之前的结论——即短视的管理者会削弱ESG与绿色创新之间的正向关系——在控制了基于资源的替代解释后仍然成立。

4.4. 中介效应分析
上述分析提供了实证证据，表明ESG评级可以显著促进公司的绿色创新。为了揭示这一效应背后的机制，我们实证检验了H2和H3中提出的两个中介渠道：融资约束（FC）和管理者的绿色意识（MEPA）[28] [39]。我们遵循标准的三步中介框架。第一步（总效应）已在表4的第2列中得到验证：（β = 0.110，p < 0.01）。第二步检验ESG对每个中介变量的影响。第三步在控制了中介变量后，估计ESG对SGI的直接影响，以及中介变量对SGI的影响。相应的方程如下：
第一步：
(3) Mediatorit = β0 + β1ESGit + β2∑Controlsit + μi + φt + εit
第二步：
(4) SGIit = β0 + β1ESGit + β2Mediatorit + βiΣControlit + μi + φt + εit
表7展示了中介效应的结果。第（1）和（4）列对应于第一步（ESG → 中介变量）。第（2）-（3）列和第（5）-（6）列对应于第二步（中介变量 → SGI，包括同时包含ESG的情况和不包含ESG的情况）。为了清晰起见，我们报告了中介变量对SGI的简单效应以及同时包含ESG和中介变量的完整模型。

表7. 中介效应测试结果
变量
(1) FC
(2) SGI
(3) SGI
(4) MEPA
(5) SGI
ESG – 0.008*** (0.002)
0.105*** (0.013)
0.014*** (0.003)
0.103*** (0.013)
FC – 0.222*** (0.045)
–0.206*** (0.045)
MEPA
0.045 (0.032)
0.045 (0.032)
控制变量
Yes
Yes
Yes
Yes
Yes
Yes
Yes
公司固定效应
Yes
Yes
Yes
Yes
Yes
Yes
Yes
年份固定效应
Yes
Yes
Yes
Yes
Yes
Yes
Yes
观测值
9,689
9,689
9,689
9,689
9,689
9,689
9,689
9,689
R平方
0.352
0.406
0.426
0.296
0.407
0.408
注：稳健的标准误差以公司为单位进行聚类。*** p < 0.01，** p < 0.05，* p < 0.1。
第（1）列显示ESG对融资约束（FC）有显著的负面影响（β = -0.008，p < 0.01），表明更好的ESG表现可以缓解融资约束。第（2）列显示融资约束本身对SGI有负面影响（β = -0.222，p < 0.01），意味着更严格的约束会阻碍实质性的绿色创新。在第（3）列中，当同时包含ESG和FC时，FC的系数仍然为负且显著（β = -0.206，p < 0.01），而ESG对SGI的直接影响（β = 0.105，p < 0.01）略小于总效应（0.110）。这种减少表明ESG的部分影响是通过融资约束实现的。因此，H2得到支持：融资约束部分中介了ESG与SGI之间的正向关系[40]。
第（4）列显示ESG显著提高了管理者的绿色意识（β = 0.014，p < 0.01）。然而，第（5）和（6）列显示MEPA对SGI没有统计学上的显著影响（β = 0.045，p > 0.10）。当在第（6）列中同时包含ESG和MEPA时，ESG的直接影响（β = 0.103，p < 0.01）与总效应（0.110）非常接近，而MEPA仍然不显著。因此，H3对于实质性绿色创新并不成立。这表明，尽管ESG评级成功提高了管理者的环境意识，但这种意识的提高并没有转化为实质性创新所需的深度和长期研发投资。如第5.2节所讨论的，激励渠道主要影响战略性（数量导向）创新，而监督渠道（融资约束）是实质性创新的主要驱动力。

5. 进一步研究
5.1. 异质性分析
为了进一步研究公司和行业的异质性是否影响短视对 corporate ESG 表现与实质性绿色创新之间关系的影响，本研究根据所有权结构将公司分为国有企业（SOEs）和非国有企业（non-SOEs）。此外，根据2019年的专利密集型行业目录，公司将公司分类为专利密集型和非专利密集型行业。异质性分析的结果展示在表8中。

表8. 异质性测试
变量
SOEs
Non-SOEs
专利密集型行业
非专利密集型行业
(1)
(2)
(3)
(4)
(5)
(6)
(7)
(8)
TGI
SGI
SGI
SGI
SGI
SGI
ESG – 0.024*** (0.003)
0.014*** (0.003)
0.015*** (0.002)
0.012*** (0.003)
0.013*** (0.003)
0.005
(0.004)
0.020*** (0.002)
0.010*** (0.002)
Myopia
-0.019*** (0.014)
-0.110
(0.036)
-0.067*** (0.014)
-0.040*** (0.026)
-0.066*** (0.022)
-0.002
(0.032)
-0.101*** (0.012)
-0.015
(0.026)
ESG × Myopia
-0.005*** (0.001)
-0.001
(0.001)
-0.005*** (0.002)
-0.003
(0.001)
控制变量
Yes
Yes
Yes
Yes
Yes
Yes
Yes
Yes
Yes
公司
Yes
Yes
Yes
Yes
Yes
Yes
Yes
年份
Yes
Yes
Yes
Yes
Yes
Yes
Yes
Yes
Yes
观测值
9,689
9,689
9,689
9,689
9,689
9,689
9,689
R平方
0.212
0.222
0.169
0.170
0.291
0.299
0.231
0.241
注：稳健的标准误差以公司为单位进行聚类。*** p < 0.01，** p < 0.05，* p < 0.01。
第（1）-（4）列显示ESG在SOEs（第2列：β = 0.014，p < 0.01）和非SOEs（第4列：β = 0.012，p < 0.01）中均显著促进了总体（TGI）和实质性（SGI）绿色创新，支持H1假设，无论所有权类型如何。ESG与短视的交互项在SOEs中为负且具有统计学意义（第2列：β = -0.005，p < 0.01），但在非SOEs中为负且不显著（第4列：β = -0.001，p > 0.10）。这表明管理者短视对ESG-SGI关系的削弱效应在SOEs中更为明显。这一发现与一些先前的研究[41] [42] [43]相反，可能是因为SOEs作为政府政策的执行者和领导者，更倾向于短期绿色经济行为和战略性绿色创新以快速实现绿色转型，从而忽视了长期的实质性绿色创新。因此，SOEs中的短视更强烈地抑制了ESG表现对绿色创新的积极影响。
第（5）-（8）列比较了专利密集型和非专利密集型行业。在专利密集型行业中，ESG对TGI的直接影响是正向且显著的（第5列：β = 0.013，p < 0.01），但对SGI的直接影响不显著（第6列：β = 0.005，p > 0.10）。然而，ESG与短视的交互项在这些行业中对于SGI是负且显著的（第6列：β = -0.005，p < 0.01），表明当创新是核心竞争指标时，短视会强烈抑制ESG-SGI关系。在非专利密集型行业中，ESG直接促进了TGI（第7列：β = 0.020，p < 0.01）和SGI（第8列：β = 0.010，p < 0.01），而交互项不显著（第8列：β = -0.003，p > 0.10）。这种模式表明，在以专利为基础的创新是技术进步的核心指标的行业中，短视的调节效应更为明显[42] [44]。在不太重视专利的行业中，短视的管理者减少实质性绿色创新的动机较弱，因为绿色创新通过专利数量来评估的力度较小。

5.2. 实质性创新与战略性创新：质量与数量的权衡
前面的异质性分析表明，管理者短视的调节效应在不同所有权和行业背景下有所不同。然而，一个更根本的问题是，短视是否扭曲了绿色创新的构成。正如文献中所建议的，短视的管理者可能不会简单地减少所有类型的创新；相反，他们可能会将资源从实质性的、长期的项目重新分配到表面性的、短期的项目上，后者能更快地带来信号效应[45] [46]。为了测试这种质量与数量的权衡，我们区分了实质性绿色创新（SGI）和战略性绿色创新（StGI）。根据Li和Xiao（2020）[52]的定义，StGI被定义为“ln（1 + 获得的绿色实用新型和绿色设计专利的数量）”——这类创新需要较低的研发强度，并且在短期内对外部利益相关者来说更为可见[8] [42]。
表9报告了SGI（第1列，为了便于比较，数据来自表4）和StGI（第2列）的结果。有三个发现值得注意。首先，ESG对StGI的主要影响是正向的，但仅具有边际显著性（β = 0.028，p < 0.10），表明其对战略性创新的影响不如对实质性创新的影响强。其次，短视对StGI的主要影响是正向的，但不显著（β = 0.012，p > 0.10），表明短视的管理者在没有外部压力的情况下不会主动追求战略性创新。第三，也是最重要的是，ESG与短视的交互项对StGI是正向且显著的（β = 0.042，p < 0.05），而对SGI的影响则是负向且显著的（β = -0.064，p < 0.01）。这种相反的符号模式非常引人注目。
表9. 实质性创新与战略性绿色创新
变量
(1) SGI
(2) StGI
ESG
0.105*** (0.013)
0.028* (0.015)
Myopia
-0.091*** (0.018)
0.012 (0.020)
ESG × Myopia
-0.064*** (0.015)
0.042** (0.018)
控制变量
Yes
Yes
公司固定效应
Yes
Yes
年份固定效应
Yes
Yes
观测值
9,689
9,689
R平方
0.401
0.168
注：稳健的标准误差以公司为单位进行聚类。*** p < 0.01，** p < 0.05，* p < 0.01。
StGI的正向交互效应意味着当ESG评级提高时，更短视的管理者更有可能增加战略性绿色创新——这种创新能够快速传递环境责任信号，而无需长期承诺[14]。相比之下，SGI的负向交互效应证实了这些管理者同时减少了实质性创新。这清楚地表明了一种替代效应：短视的管理者通过将创新努力转向象征性活动来应对ESG的软性监管，而牺牲了真正的技术进步。
这些发现从两个方面扩展了我们的理论框架。首先，管理者短视不仅削弱了ESG对绿色创新的积极影响（假设3）；它还主动扭曲了绿色创新的构成。其次，它们为最近研究中记录的“数量优于质量”现象提供了行为解释：在外部ESG压力下，短视的管理者战略性地选择低质量、高可见性的创新来满足利益相关者的需求，同时避免了实质性创新的风险和成本。这种权衡具有重要的政策含义，表明仅靠ESG评级可能不足以推动真正的绿色转型，当管理者过于关注短期表现时[47] [48]。

5.3. 替代识别（DID）
为了进一步解决内生性问题并补充工具变量（IV）的结果，我们利用了ESG信息环境的一个外生冲击：2015年SynTao Green Finance首次为中国上市公司发布了ESG评级。在2015年之前，中国没有广泛认可的独立ESG评级系统。作为先驱，SynTao Green Finance在2015年发布了其首个ESG评级，显著增加了投资者和利益相关者获取ESG信息的可用性和可信度。这一事件提供了一个准自然实验，用于识别ESG审查对公司绿色创新的因果效应。

5.3.1. DID设计
我们构建了一个分阶段的差异-in-differences（DID）设计：
(5) SGIit = α + β(Treati × Postt) + γ∑Xit + μi + λt + εit
处理组是2014年ESG得分高于行业平均水平的公司，对照组是其他公司。冲击后的指标在2015年及以后年份等于1。Treat × Post的系数估计了处理组对实质性绿色创新的平均处理效应（ATT）。所有回归都包括公司和年份的固定效应，标准误差以公司为单位进行聚类。平行趋势假设在附录C（图C1）中进行了检验。

5.3.2. DID结果
表10报告了DID估计结果。第（1）列显示了未加控制变量的基线DID估计：Treat × Post的系数为0.085（p < 0.01）。第（2）列加入了完整的控制变量集，系数仍然为正且显著（0.079，p < 0.01）。第（3）列用战略性绿色创新（StGI）替换了因变量进行比较；系数为正但较小且仅具有边际显著性（0.032，p < 0.10），这与我们之前的发现一致，即冲击主要推动了实质性创新。总体而言，DID估计结果支持了我们的IV发现：ESG信息可用性的外生增加显著促进了实质性绿色创新。

表10. DID估计结果
变量
(1) SGI
(2) StGI
Treat × Post
0.085*** (0.021)
0.079*** (0.020)
0.032* (0.018)
控制变量
No
Yes
Yes
公司固定效应
Yes
Yes
年份固定效应
Yes
Yes
观测值
9,689
9,689
9,689
R平方
0.398
0.407
0.170
注：稳健的标准误差以公司为单位进行聚类。*** p < 0.01，** p < 0.05，* p < 0.01。

5.4. 讨论
本研究旨在探讨ESG评级如何影响中国A股上市公司的实质性绿色创新，特别关注管理者短视的调节作用。利用2012年至2022年的面板数据集，采用公司固定效应、工具变量估计和DID设计，我们得到了一组既支持又扩展了现有文献的发现。
ESG在促进实质性绿色创新方面的积极作用得到了证实。我们的基线结果（表4）显示，ESG评级显著增加了总体和实质性绿色创新，支持了假设1。我们进一步分析了这些机制：ESG缓解了融资约束（监督效应）并提高了管理者的绿色意识（激励效应），尽管后者的效果在总体绿色创新上比在实质性绿色创新上更为显著（表7）。绿色意识对SGI的较弱影响表明，虽然管理者可能变得更加环保意识，但将这种意识转化为高风险、长期创新需要额外的制度支持——这一见解在之前的研究中较少被讨论。
管理者短视作为一个负向调节因素和扭曲机制。与假设4一致，管理者短视直接抑制了绿色创新，尤其是实质性创新。更重要的是，ESG与短视的交互项在各种规格下始终为负且显著，支持了假设5。然而，我们的分析超越了简单的减弱效应。通过在第5.2节中区分实质性绿色创新（SGI）和战略性绿色创新（StGI），我们发现了一种质量与数量的权衡：在ESG压力下，短视的管理者不仅总体上减少了创新；他们还主动将资源从实质性、长期的项目重新分配到战略性、短期的项目上。这一发现为绿色创新文献中的“数量优于质量”谜题提供了行为解释，并通过表明管理者短视扭曲了创新输出的构成，而不仅仅是创新水平，从而扩展了高层理论。
我们采用了多种方法来解决内生性问题，如反向因果关系、遗漏变量和测量误差。IV策略使用了城市和省级的ESG评级平均值，尽管有其局限性，但仍通过了弱工具变量和过度识别测试。关键的是，我们还基于SynTao Green Finance 2015年首次发布ESG评级这一外生冲击进行了DID分析。DID研究结果表明，增加ESG信息的可获得性显著提升了SGI（可持续绿色创新），这证实了之前的研究发现。这种综合识别策略大大增强了我们结果的因果可信度，满足了ESG研究中对更严格识别的需求。在不同所有权类型和行业之间存在异质性。我们的子样本分析显示，管理短视的负面影响在国有企业（SOEs）中比在非国有企业中更为显著。这一发现可能看似矛盾，因为通常认为国有企业更重视长期社会目标。然而，这可以通过中国国有企业部门的特定激励结构来解释。国有企业管理者面临频繁的绩效评估，这些评估与短期经济目标相关联，而且由于干部轮换制度，他们的任期通常比私营企业管理者短。在这种制度压力下，即使ESG评级有所提高，国有企业管理者也可能通过增加可见但质量较低的绿色产出（如战略性创新）来应对，而不是投入高风险的重大项目。这一解释与我们的权衡分析一致。特别是在专利密集型行业中，这种负面影响更为明显，因为绿色创新更容易被衡量，因此也更容易被用于信号传递目的。相比之下，在非专利密集型行业中，这种影响较弱。

尽管本研究有所贡献，但仍存在一些局限性。首先，虽然我们的中介分析支持了融资约束渠道，但并未正式检验管理短视是否对间接路径产生调节作用（即采用调节中介模型）。其次，我们将管理短视视为一个相对稳定的特征，通过MD&A（管理层讨论与分析）文本分析来捕捉；然而，短视可能随时间变化，并对公司治理的变化作出反应。动态测量或实验设计可能会提供更深入的见解。第三，我们的ESG衡量方法是汇总的；将其分解为环境、社会和治理组成部分可能会揭示不同的调节模式。

**6. 结论与启示**

**6.1. 研究结论**

本研究对2012年至2022年的非金融A股上市公司进行了实证分析，以探讨ESG评级对实质性绿色创新的影响以及管理短视的调节作用。研究发现有三个关键点：首先，企业的ESG表现显著促进了绿色创新，这一效应在国有企业（SOEs）和非国有企业以及专利密集型和非专利密集型行业中都是一致的。其次，管理短视对绿色创新起到了阻碍作用，尤其是对实质性绿色创新。最后，管理短视调节了ESG表现与实质性绿色创新之间的关系，减弱了ESG表现对绿色创新的积极影响。这种调节效应在国有企业和专利密集型行业中更为明显。我们还发现，管理短视使绿色创新从实质性转向了战略性类型，揭示了质量与数量之间的权衡。

**6.2. 理论启示**

本研究通过探讨管理短视在ESG与实质性绿色创新关系中的调节作用，丰富了ESG和绿色创新领域的文献。虽然现有研究主要关注ESG的直接影响，但本研究强调了管理行为特征（如短视）如何间接影响绿色创新。通过将短视引入ESG-绿色创新关系中，本研究加深了对高层管理特征如何影响战略决策和创新活动的理解，为高层管理团队制定可持续发展战略提供了理论基础。

**6.3. 政策建议与管理启示**

在碳达峰和碳中和的双重目标指导下，本研究提出了以下提高企业可持续性和绿色创新能力的实际策略和建议：

- 政府应加强ESG信息的全面披露机制和监管框架，制定针对不同企业及其发展阶段的评估标准。应完善激励和约束机制，以鼓励更深入的ESG实践。此外，应制定政策激励管理者优先考虑长期可持续发展，例如通过激励长期投资和抑制短期利润驱动的决策。
- 企业应优先为利益相关者创造绿色价值，减少信息不对称和所有者-管理者冲突，并将ESG目标纳入高管绩效评估。为了对抗管理短视，高管薪酬应与长期绿色创新成果挂钩，而不是短期专利数量。此外，监管机构应认识到，当管理短视普遍存在时，仅靠ESG评级不足以推动真正的绿色转型。需要制定补充政策，如多年绩效评估周期，以扩展管理者的视野。

**作者贡献声明**

- 郭畅：撰写——原始草稿，方法论
- 王一诺：撰写——原始草稿，数据整理
- 严忠民：撰写——审阅与编辑