Reconsidering the impact of environmental, social and governance practices on firm profitability
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Purpose This paper investigates the relationship between commitment to ESG practices and firm performance using a synthetic index based on ESG disclosure and ESG performance scores. Design/methodology/approach Using the Mazziotta-Pareto aggregation method, we develop a novel synthetic index of ESG engagement based on ESG rating and disclosure. This index is employed in a dynamic panel regression, implemented using the Arellano-Bond estimator, to explain profitability in a sample of 146 listed Canadian firms over the period spanning from 2014 to 2021. Findings ESG practices may either foster or hinder firm performance. In particular, a synergy emerges between the social and environmental dimensions of ESG practices, shedding light on the relevance of high standards in terms of environmental and social activities. Practical implications The study emphasizes the significance of acknowledging the various facets of ESG engagement and the necessity of transcending the current constraints of accessible ESG data and ratings. Synthetic indices combining different types of ESG information may contribute to mitigating the problems created by strategic disclosure on the part of firms, which typically results in undesirable practices such as greenwashing and social washing. Originality/value This is the first study that applies the Mazziotta-Pareto method to develop a synthetic index of ESG engagement, tackling each pillar separately. Moreover, when investigating the effect of ESG engagement on profitability, we allow for cross-pillar synergies and/or trade-offs.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle