← 論文一覧に戻る

企業環境スコアは何を報いるのか：炭素性能を規模・効率・軌道に分解する分析のスケール中立性テストとコード

Scale-neutrality test and analysis code for "What do corporate environmental scores reward? (原題)

Hong, Yao-Ming

Zenodoプレプリント2026-10-20#ESGOrigin: JP経営インパクト: 資金調達対象セクター: cross_sector
DOI: 10.5281/zenodo.23499097
原典: https://zenodo.org/records/23499097

🤖 gxceed AI 要約

日本語

企業の炭素性能スコアが規模（売上）に報いてしまう問題を検証するため、企業レベルのKaya恒等式に基づくスケール中立性テストを提案。スコアを炭素強度と売上の対数に回帰し、売上係数が非正であることを片側検定する。台湾の企業データとGHG登録簿、SBTiデータを用い、記事の全表・図を再現するコードとシミュレーションデモを公開している。

English

This record provides a scale-neutrality test and full analysis code for decomposing corporate carbon performance into scale, efficiency and trajectory. Using a firm-level Kaya identity, it regresses an ESG/climate score on log carbon intensity and log revenue with industry fixed effects, testing whether the revenue coefficient is non-positive. Code reproduces all tables and figures from Taiwan firm data, GHG registry cross-checks and SBTi target tests, plus a simulated demo.

Unofficial AI-generated summary based on the public title and abstract. Not an official translation.

📝 gxceed 編集解説 — Why this matters

日本のGX文脈において

ESG評価機関のスコアが企業規模に依存するかを見抜く実務的ツールであり、SSBJ・有報での炭素開示や投資家のスコア活用時に評価指標の妥当性を検証する視点を日本企業・評価機関に提供する。

In the global GX context

Offers global disclosure scholarship a reproducible diagnostic for whether climate/ESG ratings reward genuine performance or mere scale—directly relevant to ISSB/TCFD-based scoring, greenwashing detection and rating-agency accountability debates.

👥 読者別の含意

🔬研究者:ESG・気候スコアの構成妥当性を検証する再現可能な計量手法とコードを得られる。

🏢実務担当者:自社のESGスコアが規模効果に左右されていないか評価指標の妥当性を確認する際に活用できる。

🏛政策担当者:評価機関のスコア設計や開示制度の指標設計において規模中立性の観点を組み込む根拠になる。

📄 Abstract（原文）

This record contains the code for the article "What do corporate environmental scores reward? Decomposing carbon performance into scale, efficiency and trajectory". **Scale-neutrality test.** A firm's emissions satisfy E = Y × (E/Y), so ln E = ln(E/Y) + ln Y, a firm-level Kaya identity. At constant emission intensity, more revenue means more emissions, so no score that measures carbon performance should rise with revenue. The test regresses a rating score on log intensity and log revenue with industry fixed effects and tests whether the revenue coefficient is at most zero (H0: β_Y ≤ 0, one-sided). It needs only emissions, revenue and a score, so it can be applied to any ESG or climate rating. The folder `demo/` contains the test script and 2,000 simulated firms with three scores whose results are known in advance. **Analysis code.** The folder `analysis/` contains the scripts that reproduce every table and figure in the article: sample construction, Shapley R² decomposition, benchmark tests, issue-level tests, the 2020–2024 panel, robustness checks, cross-checks against the national greenhouse gas registry, and SBTi target tests. **Data.** The firm-level data come from the Taiwan Economic Journal (TEJ) database under licence and are not included. Users with TEJ access can rebuild all results from the original TEJ exports. Public inputs are the Ministry of Environment greenhouse gas registry, TWSE/TPEx ESG disclosure files and the SBTi Target Dashboard. Requirements: Python 3.13, numpy, pandas, matplotlib, openpyxl. See README.md for usage.

🔗 Provenance — このレコードを発見したソース

🔔 こうした論文の新着を逃したくない方は キーワードアラート に登録（無料・3キーワードまで）。

gxceed は公開メタデータに基づく研究支援データセットです。要約・翻訳・解説は AI 支援で生成されています。 最終的な解釈・検証は利用者が原典資料に基づいて行うことを前提とします。