发帖
雷达卡
数据名称：上市公司“漂绿”数据
数据范围：A股上市公司
时间范围：2009-2024年
样本数量：18692条公司-年份观测
数据来源：Bloomberg ESG、华证ESG
数据层级：上市公司年度面板数据
核心指标：gws（上市公司漂绿程度）
上市公司“漂绿”程度用于刻画企业ESG信息披露与实际ESG表现之间的相对偏离，识别企业在可持续发展领域可能存在的“言行不一致”现象。本数据参照Hu et al.（2023）的研究思路，使用Bloomberg ESG的E评分衡量企业环境信息披露程度，使用华证ESG的E评分衡量企业实际环境表现；在行业-年份共同样本内分别将两类评分标准化，并以二者标准化值之差构建公司年度漂绿程度指标。gws数值越大，表示企业相对于同行披露了更多或更积极的环境信息，但实际环境表现相对较弱，ESG披露与实际表现的偏离程度更高，漂绿倾向更强。
二、测算方法
1. 删除行业代码缺失的观测，并根据行业代码生成数值型行业分组变量indcode。
2. 仅当Bloomberg E评分和华证E评分均不缺失时，common_sample取值为1，作为共同样本。
3. 在共同样本内，按行业-年份计算Bloomberg E评分和华证E评分的均值与标准差。
4. 将Bloomberg E评分和华证E评分分别标准化，生成esgdis和esgper。
5. 计算gws=esgdis-esgper；删除gws缺失观测，并将股票代码统一为6位字符串。
三、数据指标
id：公司-年份唯一标识。
年份：统计年度。
股票代码：6位A股证券代码。
公司简称：上市公司简称。
行业：上市公司所属行业名称。
行业代码：上市公司所属行业代码。
省份、城市、区县：上市公司注册地行政区划名称。
省份代码、城市代码、区县代码：上市公司注册地行政区划代码。
indcode：根据行业代码生成的数值型行业分组代码。
common_sample：共同样本标识；Bloomberg E评分和华证E评分均非缺失时取值为1。
bloombergemean：共同样本中Bloomberg E评分的行业-年份均值。
bloombergestd：共同样本中Bloomberg E评分的行业-年份标准差。
huazhengemean：共同样本中华证E评分的行业-年份均值。
huazhengestd：共同样本中华证E评分的行业-年份标准差。
esgdis：Bloomberg E评分的行业-年份标准化值，反映相对环境信息披露程度。
esgper：华证E评分的行业-年份标准化值，反映相对实际环境表现。
gws：上市公司漂绿程度，计算公式为gws=esgdis-esgper；数值越大表示漂绿程度越高。
四、文件说明
上市公司-漂绿数据2009-2024年（Bloomberg、华证）.dta：最终公司年度漂绿结果数据，包含18692条有效公司-年份观测和21个变量。
漂绿数据测算dofile（Bloomberg、华证测算）.do：基于Bloomberg E评分和华证E评分构建gws的Stata测算代码；运行时需提供包含bloomberge、huazhenge及行业信息的原始数据.dta。
测算说明（Bloomberg、华证测算）.pdf：漂绿指标测算的补充说明。
参考文献_The green fog Environmental rating disagreement and corporate greenwashing..pdf：Hu et al.（2023）论文原文。
五、参考文献
[1] Yu E P Y, Van Luu B, Chen C H. Greenwashing in environmental, social and governance disclosures[J]. Research in International Business and Finance, 2020, 52: 101192.
[2] Zhang D. Green financial system regulation shock and greenwashing behaviors: Evidence from Chinese firms[J]. Energy Economics, 2022, 111: 106064.
[3] Hu X, Hua R, Liu Q, Wang C. The green fog: Environmental rating disagreement and corporate greenwashing[J]. Pacific-Basin Finance Journal, 2023, 78: 101952.
上市公司“漂绿”数据（2009-2024年）.zip
(1.1 MB, 需要: RMB 28 元)
京公网安备 11010802022788号
