《Sage Open》：Environmental, Social, and Governance Ratings in the European Technological Industry
编辑推荐：
本研究探讨了欧洲科技行业相较于非科技行业在环境、社会和治理（ESG）实践采纳方面的差异。研究人员利用源自CSRHub数据库（2019–2022年）的2,614家企业数据集（其中334家来自科技行业），应用二元逻辑回归模型（binary logistic reg
本研究探讨了欧洲科技行业相较于非科技行业在环境、社会和治理（ESG）实践采纳方面的差异。研究人员利用源自CSRHub数据库（2019–2022年）的2,614家企业数据集（其中334家来自科技行业），应用二元逻辑回归模型（binary logistic regression model），以判定科技行业是否在ESG配置上与非科技行业存在统计学上可区分的显著差异。研究发现科技企业呈现出独特的ESG特征：社区参与（community engagement）作为正向且显著的区分因子尤为突出，凸显该行业对社会责任和利益相关者协同的高度关注；而环境责任（environmental responsibility）与治理（governance）得分则明显偏弱，表明其在生态足迹管理和透明度实践方面表现不足。员工相关指标未能显著区分科技企业，可能归因于跨行业监管一致性及测量局限性。上述结果表明，科技企业倾向于强调社区倡议，但在应对环境和治理议题方面往往存在欠缺。本研究为ESG文献提供了行业特定证据，并为管理者与政策制定者提供了实践洞见。科技企业应强化环境战略并完善治理框架，包括增强董事会独立性和确保算法问责制，同时将社区参与作为增强合法性与获取竞争优势的途径。
一、研究背景与问题
近年来，可持续性已成为企业和公众关注的核心议题，企业从战略层面认识到需将非财务维度纳入其活动与目标之中。企业社会责任、环境社会治理（ESG）因素及可持续发展等概念已被整合进发达经济体的企业日常管理之中。与此同时，为满足日益严格的监管要求并构建透明、负责任的企业形象，企业也越来越重视可持续性行动的信息披露。欧美监管机构与政策制定者多年来持续关注企业向利益相关者全面披露非财务信息的需求。在此背景下，ESG评级机构依据企业非财务报告及公开数据，以0至100分的标准化方式对企业在环境、社会与治理维度的表现进行评分。
尽管科技产业具有突出的战略重要性，但关于其是否表现出区别于其他行业的独特ESG配置的实证证据仍显不足。既有研究大多聚焦于科技行业内ESG对财务绩效的影响，而非ESG各维度如何系统性区分科技企业与其他行业企业。本研究旨在弥补这一缺口，采用行业画像（sectoral profiling）方法，从利益相关者理论与合法性理论（legitimacy theory）出发，考察社区参与、员工关系、环境责任与治理四个维度是否在科技行业与非科技行业之间存在系统性差异，并评估这些差异是否与理论预期一致。
二、研究目的与实施内容
本研究的主要目标是分析科技企业相较于其他行业企业的可持续行为差异，核心研究问题为：在欧洲运营的科技企业是否表现出区别于非科技企业的独特ESG配置？哪些ESG维度最能清晰地区分二者？需要指出的是，本研究不试图建立ESG表现与行业归属之间的因果方向性，而是将行业归属作为分析参照点，评估ESG维度是否能够构成科技行业的可识别特征画像。
研究人员使用CSRHub数据库作为数据来源。该数据库整合了10家最重要的社会责任投资分析机构、约600个非政府组织以及多种公私实体发布的ESG相关数据，覆盖超过50,000家企业和150多个国家。CSRHub将评级划分为四个类别：环境、员工、社区与治理，每个类别下设三个子类别。本研究所用数据集包含2,614家欧洲企业，其中334家（12.8%）属于科技行业，2,280家（87.2%）属于非科技行业。研究采用2019年至2022年四年的平均得分作为各维度表现指标，剔除缺失数据后，最终纳入2,440例（93.3%）进行分析。
三、主要关键技术方法
研究人员采用了以下关键方法：（1）使用CSRHub数据库作为ESG数据来源，提取社区参与（Community Engagement）、员工关系（Employee Relations）、环境责任（Environmental Responsibility）和公司治理（Corporate Governance）四个维度的标准化评分；（2）构建二元逻辑回归模型（binary logistic regression），将是否为科技企业作为二分因变量，四个ESG维度作为预测变量，采用Enter方法同时纳入模型；（3）使用Omnibus Test of Model Coefficients检验模型整体显著性；（4）采用Hosmer-Lemeshow检验评估模型拟合优度；（5）使用Cox & Snell R2和Nagelkerke R2伪决定系数衡量模型解释力；（6）针对样本中科技企业占比过低导致的类别不平衡问题，将分类阈值从0.5调整至0.1，以提升少数类别的识别敏感度。统计分析使用IBM SPSS Statistics 29版本完成。
四、研究结果
（一）模型整体拟合与解释力
Omnibus Test of Model Coefficients显示模型整体达到统计显著，χ2(4) = 34.631，p < .001，表明四个ESG预测变量联合起来对行业归属具有显著的解释贡献。Cox & Snell R2 = .014，Nagelkerke R2 = .026，说明ESG维度仅解释了行业分类变异的一小部分。这一结果提示，ESG变量虽含有统计显著的行业区分信息，但科技行业与其他行业的区别还受到技术强度、资本结构、创新动态、监管框架及历史产业发展等多重结构性因素的影响。Hosmer-Lemeshow检验结果为χ2 = 12.935，df = 8，p = .114，p值大于.05，不能拒绝拟合良好的原假设，表明模型的预测概率与实际观测数据之间无显著偏差。
（二）分类准确性与阈值调整
在默认分类阈值0.5下，模型正确分类了100%的非科技企业，但科技企业的正确分类率为0%，总体准确率为86.3%。这种偏差源于科技行业企业在数据集中占比过小而导致的多数类偏向问题。为改善少数类的识别能力，研究人员将分类阈值从0.5降至0.1，调整后模型对科技企业的正确分类率达到88.02%，非科技企业分类正确率为81.91%，总体准确率为82.75%。虽然总体准确率略有下降，但模型的分类平衡性显著提升，能够有效识别少数类企业。
（三）各ESG维度对行业区分的贡献
在社区参与方面，该变量呈现正向且显著的系数（B = 0.060，p < .001），社区参与得分每增加一个单位，企业属于科技行业的几率提高6.2%。这表明科技企业在社区相关行动方面的突出投入使其与其他行业形成显著区别，反映出信息通信技术（ICT）行业在隐私保护、虚假信息治理、消费者权益等领域面临的较高社会期望与公众审视压力。科技企业通过与生态系统利益相关者（用户、监管者、本地社区）的互动来获取合法性、传递可信度信号。
在环境责任方面，该变量呈现负向且显著的系数（B = ?0.045，p < .001），环境得分每增加一分，科技行业归属的几率降低4.4%。这一结果表明，科技企业尽管以创新为导向，但在直接环境行动上相较于资源密集型行业（如石油、煤炭、化工等）表现落后。此类行业因严格的环保法规约束而具有更强的环境承诺。研究揭示了科技行业的环境悖论：数字技术固然能够赋能其他行业的绿色转型，但科技企业自身在数据中心能耗、硬件制造和电子废弃物等方面仍存在显著的环境足迹管理短板。
在公司治理方面，该变量同样呈负向显著效应（B = ?0.030，p = .013），治理得分每增加一分，科技行业归属几率约降低3%。该结果反映了科技企业在治理实践中的普遍薄弱环节。虽然既有文献表明治理是科技企业中唯一与财务可持续性正向相关的ESG维度，但科技行业的治理得分总体仍低于其他行业，具体问题涉及透明度不足、董事会独立性欠缺以及算法问责机制的缺失等。快速的技术变革带来了新的治理挑战，而科技企业尚未将其充分纳入ESG报告框架。
在员工关系方面，该变量未达到统计显著水平（B = ?0.008，p = .517），表明员工相关实践不能有效区分科技企业与非科技企业。可能的解释是，员工相关的ESG实践（如职业安全、多元化、劳工权利）在欧洲制度背景下受到跨行业统一劳动法规的标准化约束，行业间差异有限。另一种解释是，科技行业所特有的劳动力挑战——如人才短缺、数字技能发展和灵活工作安排——并未被现有ESG评级中的员工指标充分捕捉，这反映了测量工具而非行业相关性问题。
五、结论与意义
综合各项研究结果，欧洲科技企业呈现出清晰的差异化ESG画像：在社区参与维度表现突出且显著强于其他行业，体现了较强的社会合法性建设和利益相关者协同能力；在环境责任与治理两个维度得分相对偏低，反映出生态足迹管理、透明度和问责机制方面的短板；员工关系维度未见显著行业区分效应。总体而言，ESG维度包含有意义的行业区分信息，可用于构建科技行业的统计画像。该结论与将行业特征视为不同ESG支柱相对重要性的塑造因素的既有文献一致。
研究对ESG文献的贡献主要体现在：第一，通过跨行业对比证实科技企业具有独特ESG配置，支持了行业特定分析的必要性；第二，揭示科技企业在社区参与方面表现突出但环境与治理维度偏弱的非均衡特征，深化了对ESG与财务绩效关系的理解；第三，科技企业持续较低的治理得分为“高节奏行业中的治理结构往往滞后于技术进步”的理论观点提供了实证支持；第四，员工关系维度的非显著结果凸显了当前ESG指标的测量局限及开发更精细化评估框架的迫切需要。
在实践层面，研究为管理者和决策者提供了明确指引：科技企业应优先强化环境实践，包括提升数据中心能效、实施电子设备循环经济战略、建立透明的排放报告体系；应加强治理框架建设，尤其是提高董事会独立性、健全算法问责和合规机制；应战略性利用社区参与优势，将利益相关者信任融入创新流程。就监管而言，研究建议政策制定者在欧洲可持续性报告框架中考虑引入行业特定标准，特别关注数字权利、人工智能伦理、数据保护和电子废弃物管理等对科技行业具有特殊相关性的议题。研究同时提醒，绿色漂白问题、ESG数据聚合的结构性偏差、样本局限于欧洲企业等因素要求对结论的推广保持审慎。未来研究可采用重采样技术、机器学习模型以及纳入国家层面控制变量或多层次建模，以进一步分离行业效应与国家制度影响。
