牟依婷

摘要：随着我国社会经济的不断发展和环保意识的不断提高，社会越来越关注企业在发展自身过程中的环境信息披露质量。为了研究企业环境信息披露质量的行业和地区差异性，文章选取了2015～2019年重污染行业中的上市公司的EDI数据，通过数据分析产生差异性的影响因素，并在此基础上提出提高企业环境信息披露质量的合理科学的政策建议。

关键词：环境信息披露质量;重污染行业;行业差异;区域差异

一、引言

随着我国社会经济的不断发展和环保意识的不断提高，社会越来越关注企业在发展自身过程中的环保措施力度，以及是否披露了相应的环境信息，尤其是重污染行业下的企业。回顾我国对上市企业的环境信息披露规定的发展历程，大致分为以下三个阶段：第一阶段是1979～2007年，国家环保部门从代替企业向社会披露相应的企业环境信息，到积极鼓励企业主动去披露相应的环境信息;第二阶段是2008～2014年，政府建立了针对上市公司的环境管理制度，要求其严格遵守相应的环保法律法规，应及时、准确、完整、真实地披露环境信息，定期公布相应的企业环境报告;第三阶段是2015年至今，政府强制重污染企业及时向社会公开环保执行和污染物排放情况，并将其违规行为及时公之于众，逐步形成以政府为主导，企业为主体，公众和社会组织共同参与的环境治理体系。国内学者们也日益青睐研究企业环境信息披露的问题，从其影响因素角度展开一系列的研究，助力实现我国企业的绿色可持续健康发展。

王建明（2008）用各个行业所颁布的环境监管数量作为变量，研究发现政府监管对企业披露环境信息产生影响。沈洪涛、李余晓璐（2010）的研究结果表明环境信息披露质量在数量和质量上存在着行业差异性。朱新玲、李娜（2017）通过对比和分析重污染行业下不同类型企业的环境信息披露质量，发现企业内部控制会对其披露行为产生正向传导作用。赵海燕、张山、杨柳（2018）通过实验数据认为公司规模与企业环境信息披露质量呈现正相关关系，上市地点呈负相关关系。王正艳、徐光华（2019）通过相应的研究数据，发现企业环境信息披露质量与媒体关注度正相关。

本文将基于上述学者的研究，对我国重污染行业中的上市企业环境信息披露质量进行行业和区域差异性的研究，并提出相应的政策建议，提升政府执政管理的有效性，助力实现我国企业的绿色可持续健康发展。

二、研究方法

（一）样本选取

本文选取2015～2019年深市、沪市A股的重污染行业中454家上市公司作为研究对象，并对这些公司进行了下述的筛选程序，并进行研究。其中，数据为手工和软件收集与筛选：

1.剔除近五年来新上市的上市公司;2.剔除缺失过多数据和异常数据样本的上市公司;3.剔除ST、*ST以及退市公司;4.剔除样本数量较少的行业中的上市公司。

（二）模型确立

1. EDI模型

本文以货币化维度，对环境信息披露质量进行了分类。其中，货币化信息来源于相应企业的年报、补充报表和财务报表附注等;非货币化信息来源于可持续发展报告、环境报告、年报和社会责任报告等。具体指标选取数据和评分情况如表1所示。

2. 多变量回归模型

结合目前学者的研究结果，本文将使用多变量回归模型，从下述几个方面对企业环境信息披露质量行业与地区差异性的影响因素进行研究与分析，并提出相应的政策建议，助力实现我国企业的绿色可持续健康发展。

为深入分析行业差异与环境信息披露質量的内在关系，本文构建了模型1，通过数据分析其影响因素，并提出相应的政策建议。

EDI=α+β₁×Pollution+β₂×lnTA+β₃×ROE+β₄×State+β₅×Debt+β₆×Age+β₇×SP +γ

为深入分析地区差异与环境信息披露质量的内在关系，本文构建了模型2，通过数据分析其影响因素，并提出相应的政策建议。

EDI=α+β₁×District19+β₂×lnTA+β₃×ROE+β₄×State+β₅×Debt+β₆×Age+β₇×SP +γ

其中，被解释变量是环境披露信息质量EDI，解释变量及其定义如表2所示。

三、实证结果与分析

（一）行业差异性分析

1. 描述性分析

从表3中可以看出，重污染行业环境信息披露质量自2015～2018年呈现上升趋势，2019年与2018年相比有轻微地下降，应该引起关注，这些企业应持续披露其环境信息情况，不应懈怠。总体而言，这些重污染企业有遵循国家环保部门的有关规定和相关法律法规，不断提高自身的环境信息披露质量，但与满分2分相比，还是存在一定的差距，我国企业环境信息披露质量的增长空间依旧较大。政府、企业和公众都需要做出更多的努力去推动环境治理投入和信息披露。

就重污染行业内部情况而言，钢铁、火电、煤炭、造纸、水泥行业的EDI最高，超过了1分，建材、化工、制药行业的EDI最低，应该向披露质量较好的行业学习经验。

2. 相关性分析

为了观察本文设定的被解释变量与解释变量之间的关系，本文对所有变量进行了Pearson相关性检验、Spearman相关性检验和变量方差膨胀因子VIF分析。其中，自变量之间的相关系数均小于0.4，且变量方差膨胀因子VIF分析数据均小于2，进一步确认了变量之间不存在多重线性关系。因此，对其进行多变量回归检验。