企業の気候報告書における信頼できる意図のシグナルを探る

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

🔬研究者:Novel NLP methods and large-scale empirical evidence on the credibility of corporate climate disclosures, including private firms.

🏢実務担当者:Findings help design more credible climate reports by focusing on specific language, consistent reporting, and third-party verification.

🏛政策担当者:Credibility signals (e.g., consistency, specificity) can inform disclosure standards and greenwashing detection.

企業のサステナビリティ開示は数多く存在するが、その情報内容は大きく異なる。我々は、企業が温室効果ガス排出量削減のために行うと述べていることを、実際に行う可能性が高いかどうかを問う。この問いに答えるため、公開企業と非公開企業の両方を含む118,724件を超える企業・年次の観測値にわたって、任意回答の調査データと排出量推計値および財務統制変数を結び付けた新規データセットを構築し、自然言語処理を適用して、企業が気候戦略についてどのようにコミュニケーションするかにおける、経験的に基づく5つの信頼性シグナルを特定した。そのシグナルとは、排出量データのパリティ、第三者検証、縦断的報告の一貫性、具体的な表現、具体的なイニシアチブの種類である。第三者検証と排出量に関するデータソース間のパリティは、直感的にベースライン報告書の信頼性を高める。一貫性に関しては、613の異なる年間報告パターン系列を記録し、企業を一貫性あり（報告開始年からサンプル終了時まで毎年報告）または一貫性なしに分類した。目標採択とイニシアチブ実施を中心としたイベントスタディデザインを用い、結果を時間経過に伴う対照群間の差異として解釈すると、採択後のScope 1およびScope 2排出量の傾向は、一貫性のある報告企業において有意に顕著であった。したがって、一貫性は開示された目標とイニシアチブのシグナル価値を増幅させると思われる。具体的な表現を特定するために、気候変動金融報告書で訓練された微調整済み大規模言語モデルであるClimateBERTを適用した。具体的な箇所は、定量的な情報、施設名などの固有名詞、より詳細な情報を含む傾向があり、一般的な記述とは対照的である。我々の中心的な発見は、先行研究の結果を覆すものである：科学的根拠に基づく目標の採択のみでは、3年後の排出量の増加と関連する。しかし、目標を採択し、報告書で高度に具体的である企業では、この関連性は有意に負となり、最も顕著なのは非公開企業である。企業はまた、実施するイニシアチブの種類について具体的に示すことができる。輸送、行動変容、建物のエネルギー効率、低炭素電力の購入は、絶対排出量の削減と関連する。プロセス効率と低炭素設備の導入は正の絶対的関連を示すが、これらの企業は成長しながら排出原単位の削減を意図している可能性も依然として信頼できる。その他のイニシアチブを報告する企業は、信頼できる改善を示さない。さらに、我々は逆の信頼性シグナルを特定する：気候言語の多用である。気候言語は、排出量削減、ネットゼロ、再生可能エネルギー、TCFD、環境主張、気候コミットメント、気候リスク、気候センチメントに言及するすべてのClimateBERT分類テキストを、全調査項目にわたって集計したものである。企業が好む聴衆（公開企業では投資家、非公開企業ではサプライチェーン購入者）に報告する際に、中央値以上の気候言語を使用する企業は、将来の排出量が高く、グリーンウォッシングの傾向の可能性を示唆している。まとめると、我々の調査結果は、企業が何を言うかだけでなく、どのように言うかが、信頼できる意図を伝えることを確立する：気候目標と進捗について、どの程度具体的に、一貫して、検証可能に報告するかである。最先端の大規模言語モデルを用いて複雑なコミュニケーション構造を解読し、気候言語のニュアンスが気候排出に関する意図をどのように予測するかを実証する。我々は、目標、言語、聴衆の間の相互作用を測定して異質な効果を実証するとともに、報告履歴、聴衆、排出量の過少または過大報告傾向など、先行研究で省略されていたより豊かな情報セットを考慮に入れる。これらは主要な結論に影響を与える。全体として、我々はこれまでで最大級のデータセットの一つを用いて、非公開および公開の開示の不均一性に関する初の体系的な実証分析を提供する。

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。

Corporate sustainability disclosures abound, yet their informational content varies considerably. We ask whether firms are likely to do what they say they will do to reduce their greenhouse gas emissions. To answer this question, we constructed a novel dataset linking voluntary survey responses with emissions estimates and financial controls across over 118,724 firm-year observations including both public and private companies, and we applied natural language processing to identify five empirically grounded credibility signals in how firms communicate about their climate strategies. The signals are emissions data parity, third-party verification, longitudinal reporting consistency, specific language, and specific initiative types. Third-party verification and parity between data sources on emissions add credibility to baseline reports intuitively. As for consistency, we documented 613 distinct annual reporting-pattern sequences and classify firms as consistent (reporting every year from first year of reporting to the end of the sample) or inconsistent. Using an event-study design centered on target adoption and initiative implementation and interpreting results as controlled group differences over time, we saw post-adoption trends in Scope 1 and 2 emissions were significantly more pronounced for consistent reporters. Consistency therefore seems to amplify the signal value of disclosed targets and initiatives. To identify specific language, we applied ClimateBERT, a fine-tuned LLM trained on climate finance reports. Specific passages tend to carry quantitative information, proper nouns such as facility names, and more details as opposed to generic statements. Our central finding reverses a prior literature result: science-based target adoption alone is associated with higher three-year forward emissions. However, for firms that adopt targets and are highly specific in their reports, this association becomes significantly negative, most noticeably among private companies. Firms can also be specific about the types of initiatives they implement. Transportation, behavior change, building energy efficiency, and low-carbon electricity purchases are associated with lower absolute emissions. Process efficiency and low-carbon installation show positive absolute associations, though these firms may still credibly intend to reduce emissions intensity while growing. Firms reporting “other” initiatives show no reliable improvement. We additionally identify an inverse credibility signal: high use of climate language. Climate language aggregates all ClimateBERT-classified text referencing emissions reduction, net-zero, renewables, TCFD, environmental claims, climate commitments, climate risks, and climate sentiment across all survey fields. Firms using higher than median amounts of climate language when reporting to their preferred audience (investors for public companies and supply chain buyers for private companies) exhibit higher forward emissions, suggesting possible greenwashing tendencies. Together, our findings establish that it is not just what firms say, but how they say it that conveys credible intent: how specifically, consistently, and verifiably they report on their climate goals and progress. Using state-of-the-art LLMs to decode complex communication structures, we demonstrate how nuances in climate language predict intent about climate emissions. We measure the interaction between targets, language, and audience to demonstrate heterogeneous effects, while accounting for a richer set of information that was omitted in prior studies, such as reporting history, audience, and under- or over-reporting emissions tendencies, which affect main conclusions. Overall, we contribute the first systematic empirical analysis of private and public disclosure heterogeneity using one of the largest datasets yet.

• openalex https://doi.org/10.25740/dh246gs1160first seen 2026-05-05 08:14:23 · last seen 2026-05-21 04:24:14