毕业设计我帮你

关于碳信息披露项目的发展情况调研报告
1.调研背景及意义
随着世界经济的发展，现代工业的突飞猛进，企业生产规模大幅度的扩展使得二氧化碳的排放量也是急剧增加，企业应当对温室效应负主要责任。在很多国家，政府也采取了很多措施来限制企业二氧化碳的排放，比如制定相关的法律法规和企业规章制度。我国的“十二五”计划也重点在于低碳经济和企业转型。在这种环境背景下，越来越多的企业也是积极参与到应对气候问题的活动中来，而且大部分企业是自愿参与的，这些企业比较重视自身的社会责任和可持续发展。然而，我国还未针对企业制定碳排放信息的披露制度。由于企业普遍认为从事环保和节能减排将增加企业的负担降低企业的盈利，且披露企业的碳排放信息将会泄露企业的生产和商业秘密，因而，我国的企业自愿对自身碳排放信息进行公开披露的积极性不高，导致碳排放量数据缺乏，相关研究很少且仍处于理论阶段，实证研究更是寥寥无几。
“全球经济已经从危机中恢复，但谨慎乐观的情绪开始在市场中蔓延开来。在我们迎接复苏到来的时候，我们必须铭记温室气体排放仍然处于增长态势，如果我们不采取措施减缓排放，我们将面临严峻的财务风险”(CDP中国报告，2014，Paul Simpson，Chief Executive Officer)。鉴于目前国内外的研究现状，本文以英国碳信息披露项目CDP（Carbon Disclosure Project）为调研对象，探讨在低碳背景下，碳披露、碳绩效与企业财务绩效的相关性，从而为我国进一步推进碳信息披露制度建设提供依据，也促使更多的中国企业加入到CDP问卷中来，完善国内的碳信息披露，从而推进经济建设，满足宏观经济发展的需要。
2.调研内容
2.1 碳信息披露项目的由来与发展
目前，国内外有许多关于碳信息披露的计划，其中影响范围最广，调查数据最丰富的是英国的碳信息披露项目（Carbon Disclosure Project）。CDP项目是于2000年开启的，主要致力于为城市和企业提供全球环境信息披露，测量，管理的独立的非营利组织。CDP项目的主旨是通过向机构投资者、参与企业和政府部门收集温室气体排放、水资源利用情况等信息，从而提供气候变化报告、供应链报告、城市报告、水资源报告、森林足迹披露报告、减碳行动报告，然后将这些环境信息与经济发展、商业决策和政策制定相结合。到2015年12月31日，CDP项目已经在世界范围内拥有大于5000家的企业对其披露碳排放数据等信息，其中有80%的S&P500企业参与到其中，822个资产管理额超过95万亿美元的机构投资者。巨大的数据来源和信息整合分析技术使得CDP项目成为全球范围内最高质量分析碳信息的重要平台。
每年的2月至6月是CDP项目的披露与数据收集阶段，项目组会通过网络向参与的机构投资者、企业和政府部门发放问卷，被调查者通过在线答复问卷内容并提交成为项目自愿的共享者。然后经过数据分析和报告撰写阶段，每年的7月至10月，项目组会在全球各地组织发布会和在网络上公布其报告，其中同意公布（Public状态）的企业的碳排放数据等信息就会向公众开放，企业和政府部门分别可以将这些环境信息与经济发展、商业决策和政策制定相结合。
根据搜集到的2011-2013年CDP项目S&P500美股上市企业问卷，分行业汇总的到如表1所示的披露情况（详细样本数据见附录），从企业回复数量来看每年占比重最大的行业分别是金融、工业、信息技术和医疗制造。

表1:2011-2013年CDP报告S&P500美股企业回复数量
	2011年	2012年	2013年
S&P500美股总计	161	178	178
Public状态	131	135	139
部门：
消费者非必需品	15	17	18
消费者必需品	14	15	16
能源	12	14	16
金融	21	22	23
医疗制造	16	19	15
工业	18	15	17
信息技术	17	15	18
材料	8	8	9
电信服务	3	3	3
公用事业	7	7	4

 
2.2 我国目前碳信息披露现状
  目前国内企业进行碳信息披露的还比较少，主要原因分析如下：首先大多数企业不愿意进行碳信息披露是因为他们认为碳排放量，环保投入金额等非财务信息是企业生产和运转环节的潜在商业机密，一旦他们进行了相关信息的披露，就会暴露自己在该方面的表现。正是由于目前国内企业普遍存在环境污染和资源滥用等情况，所以大多数制造业企业，特别是重污染企业会由于对外披露了环境信息而使企业形象受到打击。同时进行碳信息披露还会增加企业的披露成本，使得其他经营环节和财务绩效受到影响。相较于国外有些国家已经强制性要求企业披露碳信息而言，国内目前并没有强制性的法律法规进行明确的规定，所以大多数企业采取能躲就躲的态度，严重阻碍了全国碳管理市场的进程。
自2008年开始，今年已经是CDP项目在中国开展的第9个年头。最初CDP项目组委托商道纵横作为CDP在中国大陆地区的执行机构进行推广和调查工作，而后直到2014年，CDP项目每年都会综合富时全球亚太指数在中国选取100家样本企业进行问卷发放，中国企业的回复数量也是逐年递增。在2014年报告所邀请的100家企业中，有45家通过在线回复系统答复了问卷内容，涵盖了全球行业分类标准（GICS）中的10个行业，超过了2013年的32家，2012年的23家和2011年的11家。通过整合和按照GICS标准重新分类的企业回复情况如下表2所示：

表2:2012-2014年CDP中国报告企业回复数量
年份		2012	2013	2014
公共事业	样本量	3	3	5
	回复量	0	0	1
	AQ率	0%	0%	20%
电信服务	样本量	4	4	4
	回复量	3	3	3
	AQ率	75%	75%	75%
基础材料	样本量	13	13	5
	回复量	0	0	1
	AQ率	0%	0%	20%
信息技术	样本量	3	2	7
	回复量	2	2	2
	AQ率	67%	100%	29%
工业	样本量	14	14	10
	回复量	2	5	4
	AQ率	14%	36%	40%
医疗制造	样本量	3	3	7
	回复量	0	1	4
	AQ率	0%	33%	57%
消费者必需品	样本量	29	6	7
	回复量	8	2	3
	AQ率	28%	33%	43%
消费者非必需品	样本量	12	11	18
	回复量	6	2	5
	AQ率	50%	18%	28%
金融	样本量	8	31	29
	回复量	1	10	17
	AQ率	13%	32%	59%
能源	样本量	11	13	8
	回复量	1	7	5
	AQ率	9%	54%	63%
回复企业数量总计		23	32	45

3.研究方法及数据分析
3.1研究方法
基于合法性理论，自愿信息披露理论，利益相关者理论和可持续发展理论基础的分析，本文首先提出了三大假设：
假设1：碳信息披露与财务绩效有负相关关系
假设2：碳业绩与财务绩效有正相关关系
假设3：碳信息披露与碳业绩相互作用增强了各自对财务绩效的影响
在确定了以CDP项目为研究平台后，就开始了对近几年的CDP报告数据的搜集阶段。根据基于相关理论基础对碳信息披露、碳业绩对财务绩效的影响分析后，本课题在实证分析前经过了大量的变量筛选与检验工作。最初设定的控制变量只包括企业规模和行业类型，并未考虑到被解释变量的不足，然后通过选取不同的财务指标以弥补。前期实证检验中发现资产负债率指标表现出的相关性较弱，而且存在多重共线性问题，因此采用产权比率来表示财务杠杆。最后选取的所有变量如下：

表3：全部变量定义
变量	符号	定义
碳信息披露	CIDS	CDP报告中的碳信息披露得分（Disclosure Score）
碳绩效	CP	碳强度=-1*碳排放量/营业收入
财务绩效	ROA	资产收益率=净利润/资产总额
企业规模	SIZE	资产总额的自然对数（Ln Assert）
行业类型	S	S=-1，0，1；金融行业取-1，医疗保健行业取0，工业取1
财务杠杆	FINL	产权比率=负债总额/所有者权益总额
营运能力	TAT	总资产周转率=营业收入/资产总额
盈利能力	ROE	净资产收益率=净利润/所有者权益总额

综合前期对解释变量、被解释变量和控制变量的选择后，为了证明假设，本课题构建了如下模型：
模型1：ROA=β₀+β₁CIDS+β₂SIZE+β₃S+β₄FINL+β₅TAT+β₆ROE+ε
模型2：ROA=β₀+β₁CP+β₂SIZE+β₃S+β₄FINL+β₅TAT+β₆ROE+ε
模型3：ROA=β₀+β₁CIDS+β₂CP+β₃SIZE+β₄S+β₅FINL+β₆TAT+
β₇ROE+ε
模型4：ROA=β₀+β₁CIDS+β₂CP+β₃CIDS*CP+β₄SIZE+β₅S+β₆FINL+β₇TAT+β₈ROE+ε
 
 
3.2描述性分析

表4：描述性统计结果
	N	极小值	极大值	均值	标准差
CIDS	110	41.00000	100.00000	81.5740741	12.77644130
CP	110	.00924	5.91093	.7706706	1.40368679
ROA	110	.06792	15.95390	5.2823181	4.38816085
SIZE	110	13.41473	19.30267	16.3126749	1.52160875
FINL	110	.42407	36.87013	5.3020791	5.22007645
TAT	110	3.12069	153.09290	38.4465998	35.41760118
ROE	110	.62842	265.23477	20.7971293	27.98105090
S	110	-1.00000	1.00000	-.1944444	.83675311

 
表4整体的列出了本文所选用的全部变量的描述性统计特征。样本量为110个。从表中可以看出碳信息披露得分的极大值是100，极小值是41，极小值距离平均数81.7相差较大。这表明回复问卷的企业整体上碳信息披露表现较好，但是最好的和最差的差距较大。这种情况也可以在CP上发现，CP极大值是5.9，而极小值只有0.0092，均值为0.77，这表明在所选取的样本企业中碳业绩表现差异比较大，这与现阶段企业自愿承担节能减排的环境保护意识差距较大有关。
作为控制变量的SIZE极大值为19.3，极小值为13.4，均值为16.3，说明本文所选的样本范围内企业规模差距不大。FINL的极小值为0.42，极大值为36.87，均值为14.34。TAT的极大值为153.09，极小值为3.12，均值为39.21。ROE的极小值是0.63，极大值是265.23，均值是20.79。
4.研究总结
通过对碳信息披露项目在国内外的开展情况的调查，首先介绍了中国大部分企业进行碳信息披露的现状，发现由于国内对于碳信息披露，碳排放权交易等碳行为的管理体制尚不健全，导致只有少部分企业自愿在年报或者CSR报告中披露企业的碳信息，而这种出于社会公益和社会责任的自愿披露行为具有极大的不确定性。虽然CDP项目在我国开展已有几年，但是每年参与CDP中国100问卷调查的企业仍然屈指可数。近年来随着国家出台相关政策坚定了发展节能减排的低碳发展战略，碳排放交易机制已在我国的主要城市进行试点，但是我们仍需要看到政府部门不断加快完善碳披露、碳交易制度的行动，以加快可持续发展战略的进程。
本文在分析了碳信息披露发展情况的基础上，实证研究部分以CDP项目问卷报告作为研究平台，样本范围为2011年至2013年间连续进行问卷回复的110家S&P500美股上市企业，相关性分析和回归分析结果表示碳信息披露和财务绩效存在负相关关系，碳业绩和财务绩效具有显著的正相关性，同时碳信息披露与碳业绩协同作用增强了各自对财务绩效的影响。
附录：

公司简称	行业	报告年度	碳信息得分	碳排放量1	碳排放量2
AFL US	金融	2011	66	4352	23369
AXP US	金融	2011	80	32504.01	189347
BAC US	金融	2011	97	119760	1752453
BK US	金融	2011	81	9474	202096
COF US	金融	2011	51	14896	204719
C US	金融	2011	70	43116.32	1141732
BEN US	金融	2011	62	10362	29587
GS US	金融	2011	83	14645	336842
JPM US	金融	2011	81	96034.4	1226197
MS US	金融	2011	87	14322	344751
PNC US	金融	2011	75	44700	324951
PRU US	金融	2011	41	5836	78534
SPG US	金融	2011	96	23432	582837
STT US	金融	2011	84	5683	141071
TRV US	金融	2011	60	37084	51388
USB US	金融	2011	70	40445	370934
WFC US	金融	2011	81	116858	1485930
ABT US	医疗制造	2011	72	838000	771000
AGN US	医疗制造	2011	83	42674	52625
AMGN US	医疗制造	2011	66	136986	293997
BAX US	医疗制造	2011	74	339720	461280
BMY US	医疗制造	2011	76	253398	270791
CELG US	医疗制造	2011	62	5903	9644
LLY US	医疗制造	2011	61	454521	1167098
JNJ US	医疗制造	2011	78	345723	934081
MRK US	医疗制造	2011	79	1046881	1028780
PFE US	医疗制造	2011	81	1459943	1247985
MMM US	工业	2011	76	4300000	1950000
BA US	工业	2011	92	595000	1122000
CSX US	工业	2011	85	5214546	260874
GE US	工业	2011	73	2500000	3150000
LMT US	工业	2011	90	313866	1061122
NSC US	工业	2011	76	4958921	279250
RTN US	工业	2011	71	98909	503967
UNP US	工业	2011	57	11207344	352660
UTX US	工业	2011	58	946075	968302
UPS US	工业	2011	99	11712803	917695
AFL US	金融	2012	82	4585	21188
AXP US	金融	2012	89	35313.09	195840
BAC US	金融	2012	93	110005	1599885
BK US	金融	2012	90	9490	230078
COF US	金融	2012	67	15166	201041
C US	金融	2012	80	36750.52	1039178
BEN US	金融	2012	79	9018	31360
GS US	金融	2012	95	11787	321641
JPM US	金融	2012	89	92413	1231178
MS US	金融	2012	92	14903	366830
PNC US	金融	2012	84	49257	380124
PRU US	金融	2012	47	6052	72323
SPG US	金融	2012	92	22605	561403
STT US	金融	2012	71	4890	139007
TRV US	金融	2012	68	36254	42222
USB US	金融	2012	77	45725	385661
WFC US	金融	2012	95	105454	1495594
ABT US	医疗制造	2012	80	834000	822000
AGN US	医疗制造	2012	90	45309	51744
AMGN US	医疗制造	2012	75	126233	274718
BAX US	医疗制造	2012	77	336000	458000
BMY US	医疗制造	2012	89	279981	266968
CELG US	医疗制造	2012	54	7232	18761
LLY US	医疗制造	2012	65	409871	1119833
JNJ US	医疗制造	2012	93	329669	891562
MRK US	医疗制造	2012	83	1135597	951450
PFE US	医疗制造	2012	87	1402528	1256664
MMM US	工业	2012	68	4060000	2030000
BA US	工业	2012	89	718000	1075000
CSX US	工业	2012	95	5397577	318864
GE US	工业	2012	73	2180000	2910000
LMT US	工业	2012	93	309529	1011104
NSC US	工业	2012	88	5127985	277067
RTN US	工业	2012	90	95700	470505
UNP US	工业	2012	87	11854279	410738
UTX US	工业	2012	70	856354	915866
UPS US	工业	2012	99	11980892	891430
AFL US	金融	2013	85	3884	18536
AXP US	金融	2013	87	23371	142667
BAC US	金融	2013	98	116666	1421829
BK US	金融	2013	100	9513	208926
COF US	金融	2013	71	14501	194433
C US	金融	2013	95	35569.83	993687
BEN US	金融	2013	86	8175	29552
GS US	金融	2013	98	14559	276815
JPM US	金融	2013	91	83343	1219748
MS US	金融	2013	96	13757.46	330747
PNC US	金融	2013	89	47606	398414
PRU US	金融	2014	63	5090	70613
SPG US	金融	2013	98	21854	496006
STT US	金融	2013	87	10009.07	98756
TRV US	金融	2013	63	35633	48175
USB US	金融	2013	78	38055	370672
WFC US	金融	2013	96	93904	1333372
ABT US	医疗制造	2013	84	470781	537821
AMGN US	医疗制造	2013	76	119968	286679
BAX US	医疗制造	2013	82	345000	445000
BMY US	医疗制造	2013	96	269734	262565
CELG US	医疗制造	2013	80	14458	18420
LLY US	医疗制造	2013	86	415040	1160941
JNJ US	医疗制造	2013	98	329556	853700
MRK US	医疗制造	2013	87	1053000	927000
PFE US	医疗制造	2013	91	1217736	1155762
MMM US	工业	2013	70	4540000	2230000
BA US	工业	2013	96	576000	998000
CSX US	工业	2013	95	5268905	300170
GE US	工业	2013	72	1970000	2905000
LMT US	工业	2013	91	249491	985006
NSC US	工业	2013	90	4925238	252854
RTN US	工业	2013	98	101715	435872
UNP US	工业	2013	98	11595509	407176
UTX US	工业	2013	87	801694	880896
UPS US	工业	2013	99	11715635	823212