The role of the Countries' Institutional Quality on the relationship between Companies' Environmental, Social, and Governance (ESG) and Financial Performance
Notice bibliographique
Résumé
It is known that ESG (environmental, social, and corporate governance) performance positively influences the company's financial performance. However, little attention has been paid to macro elements that can moderatethis relationship. Based on the maxim that "institutions matter" and considering that countries with more robust institutions tend to mitigate transaction costs, information asymmetries, and investor uncertainty, this paper aims to demonstrate whether countries' institutional quality positively moderates the relationship between companies' ESG and financial performance over time. Using financial and ESG performance information from Refinitiv database and Countries' Institutional Quality from Worldwide Governance Indicators database, an unbalanced panel was built with a total of 14,699 observations, between the years 2010 and 2020, from 2,912 companies from ten countries (High Institutional Quality -Switzerland, Sweden, Canada, Australia, and Germany and Low Institutional Quality - South Africa, Brazil, India, Thailand, and China). Through the use of Linear Regression with Random Effects, using the Generalized Least Squares (GLS) estimator, and a Test of Differentiation of Regression Coefficients, it was found that the Institutional Quality of the countries positively moderates the relationship between the ESG performance and the financial performance of the companies. Upon closer analysis, it was found that institutional quality only positively and significantly moderates the relationship between environmental and social performance with financial performance. In contrast, no significant result was found for moderating the relationship between corporate governance and financial performance.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| 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 ».