Sustainability and Profitability of Large Manufacturing Companies
Notice bibliographique
Résumé
This study explores whether sustainability achievements—proxied through ESG (environmental, social, and governance) reporting—are associated with superior financial performance in Latvia’s manufacturing sector, where ESG maturity remains low and institutional readiness is still emerging. Building on stakeholder, legitimacy, signal, slack resources, and agency theories, this study applies a mixed-method approach (that consists of two analytical stages) suited to the limited availability and reliability of ESG-related data in the Latvian manufacturing sector. Financial indicators from three large firms—AS MADARA COSMETICS, AS Latvijas Finieris, and AS Valmiera Glass Grupa—are compared with industry averages over the 2019–2023 period using independent sample T-tests. ESG integration is evaluated through a six-stage conceptual schema ranging from symbolic compliance to performance-driven sustainability. The results show that AS MADARA COSMETICS, which demonstrates advanced ESG integration aligned with international standards, significantly outperforms its industry in all profitability metrics. In contrast, the other two companies remain at earlier ESG maturity stages and show weaker financial performance, with sustainability disclosures limited to general statements and outdated indicators. These findings support the synergy hypothesis in contexts where sustainability is internalized and operationalized, while also highlighting structural constraints—such as resource scarcity and fragmented data—that may limit ESG-financial alignment in post-transition economies. This study offers practical guidance for firms seeking competitive advantage through strategic ESG integration and recommends policy actions to enhance ESG transparency and performance in Latvia, including performance-based reporting mandates, ESG data infrastructure, and regulatory alignment with EU directives. These insights contribute to the growing empirical literature on ESG effectiveness under constrained institutional and economic conditions.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».