← 論文一覧に戻る

Scale-neutrality test and analysis code for "Two corporate environmental ratings reward firm size at constant emission intensity

Hong, Yao-Ming

Zenodoプレプリント2026-11-13#ESG経営インパクト: 資金調達対象セクター: cross_sector
DOI: 10.5281/zenodo.24199300
原典: https://zenodo.org/records/24199300

🤖 gxceed AI 要約

日本語

企業の炭素性能スコアが売上規模に報酬を与えていないかを検証する「スケール中立性テスト」のコードを公開。企業レベルのKaya恒等式に基づき、スコアを排出原単位と売上高に回帰し、売上係数が非正であることを片側検定する。排出量・売上・スコアのみで任意のESG/気候格付けに適用可能で、論文全図表を再現する分析コードと模擬データを収録する。

English

This record releases code for a scale-neutrality test checking whether corporate carbon-performance scores reward firm size at constant emission intensity. Using a firm-level Kaya identity, it regresses a rating score on log intensity and log revenue with industry fixed effects and one-sidedly tests that the revenue coefficient is non-positive. It applies to any ESG or climate rating needing only emissions, revenue and a score, and includes full analysis code plus simulated demo data.

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

SSBJ・有報での気候開示が進む日本では、ESG格付けや炭素スコアが企業規模を報酬していないかの検証は投資家対応・格付け利用の妥当性確保に直結する。評価手法の透明性を問う枠組みとして日本企業・評価機関双方に示唆がある。

In the global GX context

As ISSB/CSRD disclosure scales up, investors increasingly rely on ESG and climate ratings whose methodology is opaque. This open, replicable test offers a lightweight diagnostic any rating agency or regulator can apply to check whether scores conflate size with performance, strengthening disclosure-infrastructure accountability globally.

👥 読者別の含意

🔬研究者:ESG格付けの構成妥当性を検証する再現可能な統計手法として活用できる。

🏢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機関の手法を点検する材料になる。

🏛政策担当者:格付け・スコアの透明性やスケール中立性を規制・監督する際の検証ツールとなりうる。

📄 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。