業種セクターはESGスコア予測に重要か？機械学習手法を用いた米国製造業およびサービス業からの証拠
Are Industry Sectors Critical for ESG Score Prediction? Evidence From the U.S. Manufacturing and Service Sectors Using Machine Learning Methods (原題)
Tanzina Hossain, Mahfuja Malik, K. S. M. Tozammel Hossain, Sarah Ryan
🤖 gxceed AI 要約
日本語
本研究は、米国の製造業とサービス業の2業種を対象に、10種類の機械学習アルゴリズムを用いてESGスコアを予測する。結果、製造業の方がサービス業よりもESGスコアの予測が容易であり、製造業ではXGBoostが、サービス業ではランダムフォレストが最も効果的だった。また、GDP、企業規模、レバレッジが重要因子であることが示された。
English
This study predicts ESG scores for U.S. manufacturing and service sectors using ten machine learning algorithms. Results show ESG scores are more predictable in manufacturing than services, with XGBoost best for manufacturing and Random Forest for services. Key drivers include GDP, firm size, and leverage, with causal effects identified.
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
日本企業にとっても、業種別にESG予測モデルを構築する重要性を示唆する。特に製造業とサービス業で特性が異なることは、国内でのESG評価戦略に応用可能。
In the global GX context
This paper adds industry-specific evidence to global ESG prediction literature, demonstrating that ML approaches need tailoring by sector. While U.S.-focused, the methodology is transferable to other markets including Japan.
👥 読者別の含意
🔬研究者:Demonstrates that ML prediction of ESG scores varies significantly by industry, suggesting the need for sector-specific models.
🏢実務担当者:Provides evidence that manufacturing firms can more reliably predict ESG scores using ML, helping prioritize resource allocation for disclosure improvement.
📄 抄録（日本語訳）
抄録 環境・社会・ガバナンス（ESG）格付けは企業の持続可能性への取り組みを反映し、意思決定を支援するが、研究ではしばしば業界固有の分析が軽視され、セクター横断的な洞察が制限されている。本研究は、米国の2つの産業（製造業とサービス業）に10種類の機械学習アルゴリズムを適用し、業界固有のESGスコアを予測することを目的とする。結果は、ESGスコアがサービス業よりも製造業で予測しやすいことを示している。試験したアルゴリズムのうち、極端勾配ブースティング回帰器が製造業に最も効果的であり、一方ランダムフォレスト回帰器はサービス業で最良の性能を示した。我々は、不純物減少平均、置換重要度、および二重機械学習を用いて主要な要因を特定する。製造業では、GDP、企業規模、およびレバレッジが一貫して重要であり、失業率が強い因果効果を示す一方、サービス部門の結果はより不均一であり、より大きな複雑性を反映している。予測分析と因果分析を組み合わせたこのアプローチは、貴重な業界固有の洞察を提供し、ESG予測の理解を深め、異なるセクターに合わせた戦略の必要性を強調する。
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。
📄 Abstract（原文）
ABSTRACT Environmental, social, and governance (ESG) ratings reflect a company's sustainability practices and support decision‐making, yet research often overlooks industry‐specific analysis, limiting cross‐sector insights. This study aims to predict industry‐specific ESG scores by applying ten machine learning algorithms to two U.S. industries: manufacturing and services. Results show that ESG scores are more predictable in manufacturing than in services. Of the tested algorithms, the extreme gradient boosting regressor is most effective for manufacturing, while the random forest regressor performed best in services. We employ mean decrease in impurity, permutation importance and double machine learning to identify key drivers. In manufacturing, GDP, firm size, and leverage are consistently important, with unemployment showing a strong causal effect, while service‐sector results are more heterogeneous, reflecting greater complexity. This combined approach of predictive and causal analysis offers valuable industry‐specific insights, advancing understanding of ESG prediction and highlighting the need for tailored strategies for different sectors.
🔗 Provenance — このレコードを発見したソース
- openalex https://doi.org/10.1002/jcaf.70052first seen 2026-07-18 06:44:55
🔔 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。