Analyzing the effect of ESG ratings on spatial heterogeneity of firms’ total factor productivity based on improved K-means algorithm
Notice bibliographique
Résumé
Answering the spatial relationship between ESG ratings and total factor productivity of enterprises can provide a reference for the high-quality development of macroeconomy and the sustainable and healthy development of enterprises.In this paper, the improved K-means algorithm-PCA-K-means is used to measure the principal component data corresponding to the economic development level of 26 central cities, based on which and cluster analysis is conducted to classify the regions and city types of East, Central and West China.Furthermore, benchmark regression and spatial heterogeneity analyses were conducted using a fixed-effects model.The study shows that ESG ratings have a significant positive relationship on firm-wide factors.Observing the PCA-K-means clustering results, it can be found that there is no significant positive effect between the economic development speed and the ESG ratings of enterprises, which indicates that there is a difference in the impact of ESG ratings on the total factor productivity of enterprises in different regions.Therefore, the spatial heterogeneity analysis shows that the correlation coefficients of ESG rating performance in the central and western regions are 0.0163 and 0.0275, respectively, and ESG rating performance has a greater impact on enterprises in the central and western regions compared with the eastern region.The effect of ESG rating on total factor productivity of enterprises in resource-dependent cities and old industrial bases is not significant.
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.
Comment cette classification a été obtenuedéplier
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».