研究背景与目的 [page::0][page::1]

• 欧盟实施强制性董事会性别配额，董事会性别多样性提升被认为能改善企业决策和风险管理。

- 研究聚焦BGD对企业碳排放绩效（CEP）的影响，特别是非线性阈值效应的识别及ESG争议的调节作用。

样本与数据描述 [page::4][page::25]

| 变量 | 观测数 | 均值 | 标准差 | 最小值 | 最大值 |
|--------------------|------|-------|-------|-------|-------|
| 碳排放绩效 (CEP) | 2962 | 72.38 | 22.53 | 10.90 | 99.65 |
| 董事会性别多样性 (BGD) | 2961 | 33.30 | 10.92 | 10.00 | 60.00 |
| ESG争议 | 3012 | 85.34 | 27.63 | 3.95 | 100.0 |
| 环境创新 | 2368 | 58.30 | 25.33 | 9.62 | 99.48 |

• 研究涵盖2016-2022年STOXX Europe 600中非金融企业。BGD定义为女性董事所占比例，CEP为碳排放绩效评分。

- ESG争议和环境创新等控制变量纳入分析以增强模型的准确性。

面板回归结果 [page::14][page::27]

• 随机效应模型结果显示BGD对CEP有显著正向影响，1%提升BGD对应CEP提升约0.18-0.27点。

- CEO双重职务、市场价值(Tobin’s Q)和公司规模对CEP均正向显著，杠杆率表现为负向影响。

• ESG争议对BGD-CEP关系无显著调节作用，绿色洗牌假说不成立。

| 变量 | 系数 | 显著性 |
|------------------|--------|---------|
| Board gender diversity | 0.24~0.27 | (p<0.01) |
| CEO Duality | 0.82~0.87 | (p<0.1) |
| Tobin’s Q | 3.27~3.73 | / |
| Leverage | -1.34~-2.16 | / |

结构方程模型（SEM）中介效应分析 [page::15][page::28]

• 环境创新(EI)对CEP有显著正效应，但作为BGD影响CEP的中介变量无统计显著性，BGD对CEP的作用非通过EI实现。

机器学习模型预测与解释 [page::16][page::17][page::18][page::32][page::33]

• 使用XGBoost、随机森林及残差神经网络（ResNet）三种机器学习模型预测CEP，XGBoost表现最佳，2022年测试集R²达57.5%。

- SHAP值解释显示总资产、环境创新、董事会规模、行业和BGD为影响CEP的最重要因素，BGD在所有模型中均为重要预测变量，影响占比约30%-39%。

• BGD与CEP关系呈非线性趋势：

- 少于22%的BGD，模型预测CEP负向影响；
- 22%-35%区间内BGD提升显著正向提高CEP；
- 超过35%阈值后边际效益趋于平缓。

关键图表 [page::31][page::32][page::33]

• 不同ESG争议水平下，BGD和CEP的边际效应稳定正向。

• XGBoost模型中变量重要性排名

• BGD的非线性边际效应曲线，验证临界区间和阈值。

政策建议与研究贡献 [page::20]

• 提示决策者制定董事会性别多样性目标建议22%-35%范围，以实现最佳碳排放绩效提升。

- 研究基于先进机器学习与解释性模型，对传统回归模型进行补充，揭示非线性临界效应，支持欧盟相关性别配额规范。

深度分析报告：董事会性别多样性与碳排放绩效——基于面板回归、机器学习与可解释人工智能方法的研究

---

1. 元数据与报告概览

• 标题：Board Gender Diversity and Carbon Emissions Performance: Insights from Panel Regressions, Machine Learning and Explainable AI

- 作者：Mohammad Hassan Shakil、Arne Johan Pollestad、Khine Kyaw、Ziaul Haque Munim

• 发布机构：

- NTNU商学院，挪威科技大学
- 牛津大学史密斯企业与环境学院
- 挪威东南大学技术、自然与海事科学学院

• 时间：涵盖2016年至2022年数据，参考文献日期至2025年，最新推断为2025年前后发表

- 主题：
- 探讨企业董事会性别多样性（Board Gender Diversity，BGD）对企业碳排放绩效（Carbon Emissions Performance，CEP）的影响
- 采用面板数据回归与先进机器学习（ML）算法结合解释性AI（XAI）技术

• 核心论点：

- BGD与企业CEP具有显著的非线性正向关系
- CEP随BGD提升，达到约35%女性董事占比时效果达最佳，超过该比例无额外改善效果
- 在22%的最低门槛以下，BGD不足反而对CEP产生负面影响
- ESG争议未弱化BGD与CEP间关系，表明BGD作用主要源于有效治理而非象征行为
- 环境创新（EI）虽有积极贡献，但未构成BGD提升CEP的中介通路

• 研究意义：

- 对学术界补充了BGD与环境绩效之间的非线性阈值关系
- 帮助政策制定者设定科学、合理的董事会性别多样性目标
- 结合传统计量与现代AI技术提供了方法论创新与洞察[page::0][page::1][page::2][page::20]

---

2. 逐节深度解读

2.1 引言与研究动机

• 介绍欧盟近年来强制性董事会性别配额的背景（2025年相关政策）

- 强调董事会作为战略决策中心，其性别多样性可强化决策与风险管理能力，从而影响财务与非财务表现

• 先前研究提示BGD可能降低碳排放，但存在非线性关系及临界阈值尚不明确

- 利用ML捕捉复杂曲线关系，补充传统回归分析疏漏

• 明确研究疑问：

- BGD对CEP影响的阈值效应
- ESG争议是否削弱BGD对CEP的效应
- EI是否为BGD促进CEP的中介机制[page::1][page::2]

2.2 文献回顾

• BGD对CEP的直接影响：

- 多篇研究支持女性董事比例提升与碳排放减少相关（Barroso et al., 2024; Kyaw et al., 2022）
- 资源基础观（Resource-Based View）认为性别多样性提升董事会资源价值，从而有效应对气候挑战
- 存在非线性证据，如最低双女性董事成员的界定（Nuber & Velte, 2021）

• ESG争议（ESGC）的调节效应：

- ESG争议表示企业的合法性风险，可能影响利益相关者信任
- 女性董事更可能采取可信的排放减排行动以恢复声誉
- 先前研究证据不一致，仍需验证ESGC是否调节BGD与CEP关系[page::2][page::3]

2.3 理论机制：环境创新的中介作用

• 环境创新作为企业落实董事会战略的具体手段

- 女性董事以多样视角、强烈的伦理感和利益相关者关注促使环保技术研发

• 这种创新是建立企业环境责任合法性的关键路径

- 本研究检验EI是否为BGD影响CEP的中介变量[page::4]

2.4 样本与数据

• 涉及463家STOXX Europe 600成份股非金融企业，2016-2022年数据

- 主要变量定义与数据来源：
- CEP：依赖伦敦证券交易所环境绩效得分的百分位数表示，数值越高表示减排绩效越佳
- BGD：董事会中女性成员比例
- ESGC：ESG争议得分，100分最高，争议越少
- EI：环境创新评分
- 控制变量含董事会具体特征（薪酬、规模、任期、CEO双重身份）和公司特征（Tobin's Q、市值风险、杠杆率、流动性、债务成本、资产总额）

• 描述性统计显示被评企业间CEP和BGD存在显著异质性，BGD从10%至60%不等，侧面支持其变化幅度足以检测阈值效应[page::4][page::5]

2.5 研究方法论

2.5.1 面板回归模型

• 构建了三类模型以检验不同假设：

1. 模型1检验BGD对CEP直接影响，控制各类变量，使用固定与随机效应模型并依据Hausman检验选择随机效应
2. 模型2引入BGD与ESGC交互项，检验调节效应
3. 模型3基于结构方程模型（SEM），考察EI是否中介BGD与CEP关系，遵循Baron和Kenny（1986）完全中介判定标准

• 详细描述了模型公式，固定与随机效应说明了考虑企业个体异质性和误差项影响

- 特别就ESGC的调节效应及EI的中介路径建模进行了专门设计[page::6][page::7][page::8]

2.5.2 机器学习与可解释人工智能

• 采用3种主流ML算法：

- XGBoost（梯度提升决策树，顺序训练弱学习器，采用正则化避免过拟合）
- 随机森林（并行训练多棵决策树，使用袋装法增强模型多样性、减少过拟合）
- 残差神经网络（ResNet，具残差连接机制，起始预测为全样本CEP均值，训练调整差值，提升训练稳定性与泛化能力）

• 采用交叉验证（5折）评价模型泛化性能，同时使用SHAP值进行模型输出解释

- SHAP值基于博弈论Shapley价值，为各变量在模型预测中的贡献值提供公平分配方案
- 允许分解单个预测，解析BGD等变量对CEP预测的具体作用和边际影响形式

• 这一综合方法弥补了传统计量模型难以捕捉非线性、复杂交互的问题，同时提升结果的解释力[page::8][page::9][page::10][page::11][page::12][page::13]

---

3. 关键表格与图表深度解读

3.1 表1 描述性统计

• 样本总量多，观测数约3000+

- CEP平均72.38，标准差22.53，反映企业在碳排放绩效上差异分布广泛（最小10.9，最大近满分99.65）

• BGD均值33.3%，变异范围10%-60%，显示欧洲企业董事会多样性在政策推动下有显著分布

- ESG争议平均85.34（越高越少争议），EI平局58.30，董事会规模平均10.72人，CEO双重身份24%

• 多样性变量尺度合理，有利于回归和机器学习建模[page::25]

3.2 表2 变量相关性矩阵

• 所有变量间最大相关系数明显低于0.90阈值，确认无严重多重共线性

- 变量之间存在合理相关性，如BGD与ESG争议轻微负相关（-0.07显著），说明女性董事比例略倾向较少争议企业

• Total assets与多项变量有正相关，表明规模作用显著

- 相关结构合理且支持多变量回归分析[page::25]

3.3 表3 方差膨胀因子（VIF）

• 各变量VIF均远低于10，最高为Total assets的2.54，稳妥地排除多重共线性的可能

- 表明模型估计稳定无严重内生性偏误风险[page::26]

3.4 表4 面板回归结果

• Hausman检验p=0.0934，支持邻于随机效应模型使用

- BGD对CEP呈显著正向影响（一个百分点BGD上升，CEP提升0.18-0.27分），符合预期且统计显著

• CEO双重身份对CEP呈正效应，表明某些企业高管集权可能促进碳减排策略，文献对此有争议

- Tobin’s Q（市值评估）与企业规模（资产总额）正向影响CEP，杠杆率则负向相关

• ESG争议及其与BGD交互项均不显著，说明争议对BGD作用无调节影响[page::27][page::14]

3.5 表5 结构方程模型分析

• BGD对CEP有直接显著正效应（系数0.2858，p<0.001）

- BGD对EI及EI对CEP路径均非显著中介路径，EI虽正向CEP，惟非BGD影响CEP的传导节点

• 证实EI非中介变量，BGD通过其他机制影响CEP[page::28][page::15]

3.6 表6-7 机器学习模型预测表现

• 预测2022年CEP样本：XGBoost表现最佳（MAE=9.57，$R^2=57.5\%$），神经网络次之，随机森林表现最差

- 5折交叉验证（2016-2022）验证了模型稳定性，XGBoost和神经网络均保持71%以上$R^2$

• 随机森林虽简单但泛化能力不及前两者

- 表明先进ML模型能够较好地预测CEP，验证了统计关系的稳健性[page::16][page::17]

3.7 图2 特征重要性分析（SHAP值）

• XGBoost中，总资产是最强预测变量（基准100%），表明规模对CEP影响最大

- EI、董事会规模、所在行业和BGD紧随其后，BGD影响力约为相当于40%

• ESG争议贡献仅7%，较小且弱于董事会特征和公司内在变量

- 随机森林和神经网络模型亦显示BGD属于前三至第六重要预测变量，体现了其普遍性与关键性[page::32][page::17]

3.8 图3 BGD与CEP的部分依赖关系（SHAP值）

• XGBoost及神经网络显示BGD与CEP正相关且明显非线性：

- 低于约22%女性董事时，BGD对CEP的边际效应为负，即低水平女性参与可能削弱碳减排效果
- 22%-35%区间内，BGD与CEP呈强正向关系
- 超过35%后边际效应趋平，进一步增加女性比例对CEP无显著边际提升

• 随机森林模型虽有相似趋势，但低于30%时呈现负效应，与其他模型略有差异

- 三模型一致验证了BGD-CEP的阈值与饱和效应，传统线性模型难以捕捉该非线性关系

• 这一发现呼应欧洲议会设定的33-40%女性董事目标，对政策具有重要指引意义[page::33][page::18][page::19]

3.9 图1 ESG争议水平下的BGD边际效应

• 在最低、平均及最高ESG争议水平下，BGD对CEP的正向边际效应均保持稳定，无显著受ESG争议调节

- 图中平均边际效应均为正且置信区间不重叠零，强化了论文论点，即争议不减弱BGD正向作用[page::31][page::15]

3.10 表8 CRE/Mundlak模型结果

• 采用 correlated random effects方法控制内生性，结果与随机效应一致

- BGD持显著正效应，时间平均变量无显著联合效应，进一步稳固主要发现

• 控制变量CEO双重身份、杠杆力度和总资产影响不变[page::29][page::30]

---

4. 估值与方法论剖析

• 本研究非财务估值研究，但在方法论层面创新体现在：

- 将传统面板固定/随机效应回归与SEM结合以同时检验直接、调节、及中介效应
- 应用三种不同机器学习算法预测碳绩效，在统计解释与模型灵活性之间权衡
- 利用SHAP值实现对黑箱模型的细粒度解释，定量揭示每一变量影响方向及强度
- 正则化及交叉验证机制解决了模型过拟合风险，确保结果更具推广力

• 这套多模型、多方法互补框架提升了对BGD与CEP复杂作用机制的理解深度及决策参考价值[page::6-13][page::16-19]

---

5. 风险因素评估

• 主要风险涉及数据异质性与模型设定：

- 虽考虑了多种企业层面控制变量，但不排除有未观测的潜在机制与隐含偏差
- ESG争议测量与企业自我报告存在不确定性，可能影响调节效应检测不足
- 机器学习虽能捕捉复杂关系，但过拟合风险仍不可全然消除，虽交叉验证有效缓解

• 研究未明确针对产业差异进行细化分析，不同行业碳密集程度及多样性政策差异或影响结果稳健性

- 作出结论时需考虑欧盟特定监管环境，全球其他市场适用性需进一步验证

• 报告无明显偏见，论述基于多重方法检验，具较强的稳健性和可靠性[page::5][page::19][page::20]

---

6. 批判性视角与细微差别

• 非线性和阈值检验是本研究重点，但传统回归模型对这种复杂关系表现有限，依赖机器学习辅助增强，赋予研究创新，但也增加了模型复杂度，结果解释需谨慎

- ESG争议对BGD-CEP关系无调节效果，可能受限于样本范围和测量维度，其他文献不同市场表现不一

• EI未能作为中介通路一事值得关注，表明BGD影响环保绩效可能依赖其他隐形治理机制，如董事会决策风格、文化或外部监管

- CEO双重身份正向影响CEP的结论在文献上尚有争议，建议未来深入行业和决策层面梳理其生态作用

• 表格3 VIF与相关系数确认模型无严重共线性，但面板数据潜在动态内生性风险仍需多方考量[page::14-15][page::27-29]

---

7. 结论性综合

本研究基于欧洲STOXX 600上市公司2016-2022年数据，运用面板回归、结构方程及先进机器学习（XGBoost、随机森林、残差神经网络）结合解释性人工智能方法，全面实证分析了董事会性别多样性（BGD）对企业碳排放绩效（CEP）的非线性影响机制。

核心发现表明：

• BGD对CEP有显著正向影响，存在关键的非线性门槛效应。当女性董事占比达到约22%时，BGD开始显著促进碳排放绩效提升；当比例达到约35%时效果趋于饱和，进一步提升无明显边际收益。

- 在22%以下，女性董事不足反而可能导致碳绩效恶化，证明多样性不足会削弱企业环保承诺与执行。

• ESG争议（企业合法性威胁指标）不显著调节BGD对CEP的正向关系，表明BGD提升碳绩效主要依赖有效的内部治理机制而非象征性或表面包装的环境责任表现。

- 环境创新尽管对CEP有积极贡献，但未构成BGD作用的中介路径，提示BGD通过治理和战略决策实现绩效提升，而非单一创新技术路径。

• 机器学习模型预测准确率较高（XGBoost最高），SHAP值解析确认BGD为CEP的重要决定因素之一，验证了非线性关系且与传统回归结果高度一致，增强研究的可靠性与普适性。

- 研究结果科学支持欧盟目前推行30%左右女性董事比例配额政策，并提醒政策制定者关注合理阈值区间（22%-35%），为监管与企业董事会构成优化提供实证依据。

综合来看，本研究不仅在理论上丰富了企业治理与气候绩效领域的学术论述，也实证指出董事会性别多样性在促进企业环境可持续发展中的重要作用及其最佳实践区间，同时利用先进人工智能技术提升了分析的深度与准确性，对企业治理优化、监管政策设计以及环境绩效提升均具有重要的实践参考价值[page::0-2][page::14-20][page::33]

---

附录：关键图表

• 图1：BGD对CEP边际效应在低、中、高ESG争议环境下均保持正向稳定，支持ESGC无调节作用假说

• 图2：三种机器学习模型（XGBoost、随机森林、神经网络）中变量重要性条形图，BGD长期排名前三至六位，显示其对CEP预测的关键影响

• 图3：BGD与CEP SHAP局部依赖图展现BGD与CEP非线性关系，22%-35%为关键区间，低于22%负向影响，超过35%边际效益递减

---

结语

本文以严谨的计量经济和机器学习方法为依托，以欧洲资本市场数据为样本，实现了对董事会性别多样性在企业碳减排绩效中作用机制的全面揭示，丰富了现有文献并为政策制定提供了科学指引。未来可进一步关注不同行业特征与地区差异对该关系的影响，及其他董事会治理特征的交互效应，以推动企业环境责任履行的深入研究。

---

【全文基于原文内容，逐页索引标注】
[page::0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,25,26,27,28,29,30,31,32,33]

报告