Does ESG Index Recognition Improve Firm Performance? Evidence from Thailand’s ESG100 Using Staggered Difference-in-Differences
Notice bibliographique
Résumé
In the context of rising investor interest in Environmental, Social, and Governance (ESG) benchmarks, this study examines whether first-time inclusion in Thailand’s ESG100 index improves firm performance. Performance is measured along three dimensions: accounting (return on assets, return on equity), market valuation (Tobin’s Q, market-to-book ratio), and payout policy (dividend ratio, dividend yield). Using a rigorous staggered Difference-in-Differences (DiD) framework—incorporating both traditional DiD and modern estimators by Callaway and Sant’Anna and Sun and Abraham—alongside propensity score matching to address treatment timing and selection bias, this methodology ensures robust identification. Results indicate that ESG100 inclusion does not improve short-term accounting or market performance, with robustness tests indicating slight declines. However, firms newly included in ESG100 significantly increase dividend payouts. We also find that firm size moderates these effects: large firms experience improvements in ROA and ROE, while smaller firms show limited or negative responses. In contrast, market valuation and payout responses do not vary by firm size. These findings refine stakeholder and agency theories in an emerging-market context by showing that ESG recognition influences cash distribution policies more than accounting metrics or market prices. By differentiating these effects, this paper contributes to theory and practice around ESG adoption in emerging economies and discusses implications for corporate ESG strategy and policy in the Asia-Pacific region.
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 | 0,002 | 0,007 |
| 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 | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».