← 論文一覧に戻る

メキシコ企業におけるCSR戦略と持続可能な事業の財務パフォーマンス評価：説明可能な機械学習アプローチ

Evaluating the Financial Performance of CSR Strategies and Sustainable Operations in Mexican Companies: An Explainable Machine Learning Approach (原題)

Laura Elena Jiménez-Casillas, Román Rodríguez-Aguilar, Marisol Velázquez-Salazar, Santiago García-Álvarez

Mathematics📚 査読済 / ジャーナル2026-02-04#AI×ESG経営インパクト: 資金調達対象セクター: cross_sector
DOI: 10.3390/math14030557
原典: https://doi.org/10.3390/math14030557

🤖 gxceed AI 要約

日本語

本研究は、メキシコ証券取引所上場企業を対象に、CSRと持続可能な事業が財務パフォーマンスに与える個別影響を、ランダムフォレストと説明可能なML（ICE、PDP、SHAP）を用いて測定した。環境スコアが最も一貫して財務パフォーマンスに寄与し、社会的・ガバナンス効果は指標依存であることを示した。SHAP分析により企業間の不均一性が明らかになり、説明可能なMLの有用性を強調している。

English

This study measures the individual impact of CSR and sustainable operations on financial performance for Mexican listed firms using Random Forest and explainable ML (ICE, PDP, SHAP). Environmental scores show the most consistent contribution, while social and governance effects are metric-dependent. SHAP reveals heterogeneity across firms, highlighting the value of explainable ML.

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

日本ではSSBJ開示が進む中、ESGスコアと財務パフォーマンスの関連を個別企業レベルで分析する手法は、投資家対応や統合報告書の改善に示唆を与える。ただし、メキシコ市場のデータに基づくため、日本企業への適用には市場特性の違いを考慮する必要がある。

In the global GX context

This paper contributes to global ESG-financial performance literature by applying explainable ML to emerging market data, offering a methodological template for analyzing ESG disclosure impacts. It aligns with ISSB/CSRD trends emphasizing materiality and data-driven insights, though its Mexican context limits generalizability.

👥 読者別の含意

🔬研究者:Provides a novel methodological framework combining RF and XML to assess ESG-financial performance links, useful for replication in other markets.

🏢実務担当者:Offers insights into which ESG dimensions (environmental) most affect profitability, guiding resource allocation in sustainability reporting.

🏛政策担当者:Highlights the importance of environmental performance in financial outcomes, supporting policies that encourage environmental disclosure.

📄 抄録（日本語訳）

企業の社会的責任（CSR）実践と持続可能な事業運営（SO）の関連が企業の財務業績（FP）に与える影響に関する研究は、依然として限られている。本研究は、メキシコ証券取引所に上場している企業の収益性に対するこうした実践の個別の影響を測定するための、新規の方法論的提案を提示する。採用した方法は、ランダムフォレスト（RF）モデルと、説明可能な機械学習（XML）手法、すなわちIndividual Conditional Expectation（ICE）、Partial Dependence Plots（PDPs）、SHapley Additive exPlanations（SHAP）を組み合わせたものであり、ブルームバーグ（Bloomberg Finance, L.P., New York, NY, USA）が提供する環境・社会・ガバナンスのスコア（時価総額、負債資本比率、売上成長率、上場からの年数など）によって説明される、各企業の総資産利益率（RoA）、自己資本利益率（RoE）、投下資本利益率（ROIC）における個別化された限界効果を計算する。このモデルの新規性は、RFとXMLの適用にあり、CSRとFPの関係に関する包括的かつ解釈可能な視点を提供し、内生性の問題を回避するためにラグ付き説明変数を使用することで、従来の分析の限界を克服している。結果は、環境スコアがFPに対して最も一貫した貢献を示す一方、社会およびガバナンスの効果は指標に大きく依存することを示している。SHAP分析は、企業のFPの決定要因における substantial な不均一性を明らかにし、XML手法の関連性を強調している。

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。

📄 Abstract（原文）

Research on how corporate social responsibility (CSR) practices linked to sustainable operations (SO) affect corporate financial performance (FP) is still limited. This study presents a novel methodological proposal to measure the individual impact of such practices on the profitability of companies listed on the Mexican Stock Exchange. The method employed consists of a Random Forest (RF) model complemented by Explainable Machine Learning (XML) techniques, namely Individual Conditional Expectation (ICE), Partial Dependence Plots (PDPs) and SHapley Additive exPlanations (SHAP), to calculate the individualized marginal effect in the return on assets (RoA), return on equity (RoE) and return on investment capital (ROIC) for each company, explained by the environmental, social, and governance scores provided by Bloomberg (Bloomberg Finance, L.P., New York, NY, USA), such as the market capitalization, debt-to-equity ratio, sales growth, and years since listing. The novelty of this model lies in the application of RF and XML, which offers a comprehensive and interpretable perspective on the CSR–FP relationship and the use of lagged explanatory variables to avoid endogeneity problems, overcoming the limitations of traditional analyses. The results indicate that environmental scores exhibit the most consistent contribution to FP, whereas social and governance effects are highly metric-dependent. The SHAP analysis reveals substantial heterogeneity in the drivers of firm FP, highlighting the relevance of XML methods.

🔗 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。