ESGはタックス・アボイダンスに影響するか？機械学習を用いたESGとタックス・アボイダンスの関係の再検討

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

🔬研究者:Methodological insights on endogeneity in ESG research and the application of DML to correct for it.

🏢実務担当者:Caution against over-reliance on ESG ratings for tax-related decisions; consider underlying financial drivers.

🏛政策担当者:Implications for tax authorities and regulators on the use of ESG information in policy and enforcement.

企業の環境・社会・ガバナンス（ESG）活動とタックス・アボイダンスとの関係に関する先行研究は、矛盾した結果を報告しており、現在も学術的議論が続いている。 本研究は、このような結果の不一致は、単一の理論の妥当性に起因するのではなく、既存文献に共通する以下の方法論的限界に起因すると考える：（1）タックス・アボイダンス測定指標の概念上の差異、（2）複合ESG指数内の不均一性、（3）制御されていない内生性。 本研究は、先行研究で報告された混合的な結果を再確認する。混合結果の源泉を探るため、本研究は以下の段階的分析を実施し、その後、裏付けとなる実証的証拠を提示する。第一に、先行研究で用いられた多変量回帰を再現することにより、結果がタックス・アボイダンス測定指標（ETR対BTD）の選択、コントロール変数の包含、および格付機関間の不均一性に応じて有意に異なることを確認する。第二に、ランダムフォレスト分析を用いて、ESG格付が内生変数であり、企業規模や財務健全性などの財務特性からかなりの程度予測可能であることを実証的に示す。最後に、内生性に対処するためダブル・マシンラーニング（DML）アプローチを適用し、各ESG構成要素がタックス・アボイダンスに及ぼす潜在的な因果効果を推定する。DML分析の結果は、内生性を制御すると、従来の回帰分析で観察された関係のほとんどが統計的有意性を失うことを示している。本研究の結果は、先行研究で報告されたESGとタックス・アボイダンスとの関連性は、真の因果関係を反映しているのではなく、企業規模や財務健全性などの共通の根底にある要因によって引き起こされる見せかけの関係である可能性を示唆する。本研究の知見は、ESGとタックス・アボイダンスとの関係について、平均値に依拠して単純化した一次元的解釈を導き出すことのリスクを浮き彫りにする。企業規模、コーポレート・ガバナンス、株主によるモニタリングを含む様々な要因が、ESGとタックス・アボイダンスの両方に同時に影響を及ぼすため、それらの関係を決定的に確立することは困難である。これは、複合ESGスコアに基づく分析を超えて、各ESG構成要素の異なる動機と関連する内生性の問題を注意深く考慮する必要性を強調するものである。本研究は、投資家、政策立案者、税務当局がESG情報を利用する際に、より慎重なアプローチを採用すべきことを示唆する。さらに、ESGとタックス・アボイダンスとの複雑な関係をさらに解明するための将来の研究の重要性を強調するものである。

AI 翻訳（deepseek-v4-flash）。 正確を期す場合は下の原文を参照してください。

Prior studies on the relationship between corporate Environmental, Social, and Governance (ESG) activities and tax avoidance have reported conflicting results, leading to an ongoing academic debate. This study posits that such inconsistency in findings stems not from the validity of any single theory, but from the following methodological limitations common in the existing literature：(1) conceptual differences in tax avoidance measures, (2) heterogeneity within composite ESG indices, and (3) uncontrolled endogeneity. This study reconfirms the mixed findings reported in prior research. To explore the sources of mixed findings, the present study conducts the following stepwise analyses and subsequently presents corroborating empirical evidence. First, by replicating a multivariate regression used in the previous studies, we confirm that results significantly vary depending on the choice of tax－avoidance measure (ETR vs. BTD), the inclusion of control variables, and heterogeneity across rating agencies. Second, using a random forest analysis, we empirically demonstrate that ESG ratings are endogenous variables that are, to a considerable extent, predictable from financial characteristics such as firm size and financial soundness. Finally, by applying a double machine learning (DML) approach to address endogeneity, we estimate the potential causal effects of each ESG component on tax avoidance. The results of our DML analysis show that, once endogeneity is controlled for, most of the relationships observed in the conventional regression analysis lose their statistical significance. Our results imply that the associations reported in prior studies between ESG and tax avoidance may not reflect true causal relationships, but rather spurious relationships driven by common underlying factors such as firm size and financial soundness. The findings of this study highlight the risks of relying on averages to draw a simplistic, one dimensional interpretation of the relationship between ESG and tax avoidance. Because various factors, including firm size, corporate governance, and shareholder monitoring simultaneously influence both ESG and tax avoidance, it is difficult to definitely establish their relationship. This underscores the need to move beyond analyses based on composite ESG scores and to carefully account for the distinct motivations of each ESG component as well as the associated endogeneity issues. This study suggests that investors, policymakers, and tax authorities should adopt a more cautious approach when using ESG information. In addition, it highlights the importance of future research to further elucidate the complex relationship between ESG and tax avoidance.

• semanticscholar https://doi.org/10.35850/kjtr.43.1.10first seen 2026-07-31 07:11:12 · last seen 2026-09-01 05:53:56