信息不对称、委托代理机制以及利益相关者理论，共同构成了本文的理论基石。

信息不对称理论指出，不同投资者对信息的掌握程度存在显著差异。而ESG表现作为一种企业非财务信息，有效的向广大投资者传递出企业可持续健康发展的信号，外部投资者借助此信息窗口能够初步洞悉企业的经营状况。我们观察到ESG表现只对信息不对称程度较高的公司有益(Seda Bilyay-Erdogan et al., 2024) [3] ；为了维持良好的企业声誉和形象，企业也会相应的提高财务信息的质量，防止财务造假(高杰英等，2021) [1] 。

委托代理理论阐述了在所有权与经营权分离的企业结构中一种特定的关系。鉴于经理人只持有代理权，几乎并不参与企业剩余收益的分配，因此经理人可能会倾向于选择那些对自身有利，而并非对企业长期价值有益的投资方案。企业积极实践ESG责任能够有效缓解企业所面临的股东和管理者之间的代理问题，从而提升投资效率(杨洁等，2023) [4] 。

ESG表现良好的企业符合众多利益相关者的期待与信赖，公司表明自身考虑了相关主体的利益，同时向外界传递企业经营状况较好的信息，获得更多投资者的信赖。ESG信息披露主要包含企业环境、社会和公司治理三个层面，能够为投资者提供更为综合、立体的信息，可以帮助投资者更好的了解企业特质、评估企业价值、预测投资风险(杨皖苏等，2023) [5] 。

基于此，本文提出假设H1：

H1：良好的ESG表现可以提升企业投资效率。

正如之前提到的信息不对称理论，ESG信息披露拓宽了企业非财务层面的透明度，使得公众更加全面地了解企业状况，从而加速了信息的流通，这一过程有助于企业在融资时减轻限制，获得更多的资本支持。良好的ESG表现有助于企业构建起与各利益相关者的信任桥梁，使他们形成持久与稳固的合作，降低企业的融资成本(张晨等，2023) [6] 。

基于此，本文提出假设H2：

H2：良好的ESG表现通过缓解融资约束来提升企业的投资效率。

积极的ESG表现减少了媒体报道的负面影响，缓解了企业的外部压力，降低了代理成本，提高了投资效率(Lian Y and Weng X, 2024) [7] 。此外，当企业的声誉得到提升时，其吸引顶尖人才的能力会显著增强，进而促使企业在投资决策上更为精准和高效；还可以更好的监督经理人，降低企业非效率投资行为。良好的声誉有利于企业拓宽融资渠道，增强筹集资金的能力，进而提升投资效率(马庆波等，2022) [8] 。

基于此，本文提出假设H3：

H3：良好的ESG表现使得企业声誉提升来对企业的投资效率产生积极影响。

良好的ESG表现预示着企业可能处于较好的经营状态。因此，它有助于增强债权人对企业的信心，提升其借款意愿，进一步巩固了企业的运营稳定性。面对环境不确定性加剧，这可能导致管理层与股东之间的信息差距扩大，增加企业的管理风险(明均仁等，2023) [9] 。

基于此，本文提出假设H4：

H4：良好的ESG表现通过降低外部环境的不确定性，进而促进投资效率的提升。

本文的研究对象覆盖了我国2015年至2022年期间所有A股上市企业的数据样本。其中，ESG表现评级数据来自华证评级指数，而除此之外的各项数据均来自国泰安数据库。选择我国2015至2022年的数据，更具有时效性。本文在数据处理阶段，剔除ST和*ST等异常样本；剔除金融行业和房地产行业；移除了存在数据缺失的上市公司；为减轻极端值对研究结果的潜在干扰，本文对所有连续变量实施了上下1%的缩尾处理。整个数据处理与分析流程，均借助了Stata16统计软件及Excel软件。

衡量投资效率，本文借鉴Richardson [10] 的模型：

$\begin{array}{l}Invt={\alpha }_0+{\alpha }_{1}Growtht-1+{\alpha }_{2}Levt-1+{\alpha }_{3}Casht-1+{\alpha }_{4}Aget-1+{\alpha }_{5}Sizet-1\\ +{\alpha }_6\text{Rett}-1+{\alpha }_{7}Invt-1+\sum Industry+\sum Year+\epsilon \end{array}$

其中：Inv为第t年公司的新增投资，Inv = (固定资产、无形资产和其他长期资产的新增额)/总资产。 $\epsilon$表示回归残差，当 $\epsilon$< 0时，表示企业的实际投资规模低于其根据模型预测应达到的水平，此时取 $\epsilon$的绝对值；当 $\epsilon$> 0时，表示企业存在投资过度现象；此外本文还对所有 $\epsilon$取绝对值，进行统一量化。 $\epsilon$的绝对值越大，表明投资效率越低。

本文选取目前较为成熟的华证ESG评级数据衡量企业的ESG表现。华证ESG的数据更加完整，覆盖面广、更新速度快。华证ESG评级体系分为九个层次，分别为C、CC、CCC、B、BB、BBB、A、AA、AAA，本文的解释变量依据上述等级并采用赋值法构建，具体为：评级为C时，该企业的ESG表现为1分；评级为CC时2分；评级为CCC时，ESG表现为3分，依次类推。

融资约束(KZ)。参考(魏志华等，2014) [11] 的方法构建KZ指数，KZ指数越大，意味着上市公司面临的融资约束程度越高。

企业声誉(Rep)。企业声誉作为抽象概念，量化存在一定难度，但与之紧密关联的企业无形资产却能够依托年报数据实现量化评估，遵循《会计准则》关于无形资产范畴的明确界定，本文参考(周丽萍等，2016) [12] 对企业声誉的衡量方式，用财务报告中披露的无形资产净额表示企业声誉。

环境不确定性(Eu)。为了衡量环境不确定性的数值，本文参考(申慧慧等，2012) [13] 的方法，基于非正常销售收入来计算环境不确定性。环境不确定性的变化值等于当年的环境不确定性与上年环境不确定性的差额。

基于现有文献及研究的具体需求，本文选取了可能影响企业投资效率水平的关键因素进行控制，包括：企业规模(Size)、资产负债率(Lev)、资产收益率(Roa)、企业成长性(Tobinq)、现金流(Cashflow)、企业年龄(Age)、独立董事占比(Indep)和股权集中度(Fhold)。此外，为了确保分析结果的稳健性和准确性，本文在模型中设置了时间(Year)和行业(Industry)变量作为固定效应。变量的具体定义如 表1 所示。

$\begin{array}{l}{\text{Inveff}}_{i,t}/{\text{Underinv}}_{i,t}/{\text{Overinv}}_{i,t}={\beta }_0+{\beta }_1{\text{ESG}}_{i,t}+{\beta }_2{\text{Size}}_{i,t}+{\beta }_3{\text{Lev}}_{i,t}+{\beta }_4{\mathrm{Roa}}_{i,t}+{\beta }_5{\text{Tobinq}}_{i,t}+{\beta }_6{\text{Cashflow}}_{i,t}\\ +\beta 7{\text{Age}}_{i,t}+{\beta }_8{\text{Indep}}_{i,t}+{\beta }_9{\text{Cashflow}}_{i,t}+\sum \text{Year}+\sum \text{Industry}+{\epsilon }_{i,t}\end{array}$(1)

$\begin{array}{l}{\text{KZ}}_{i,t}={\gamma }_0+{\gamma }_1{\text{ESG}}_{i,t}+{\gamma }_2{\text{Size}}_{i,t}+{\gamma }_3{\text{Lev}}_{i,t}+{\gamma }_4{\text{Roa}}_{i,t}+{\gamma }_5{\text{Tobinq}}_{i,t}+{\gamma }_6{\text{Cashflow}}_{i,t}\\ +{\gamma }_7{\text{Age}}_{i,t}+{\gamma }_8{\text{Indep}}_{i,t}+{\gamma }_9{\text{Fhold}}_{i,t}+\sum \text{Year}+\sum \text{Industry}+{\epsilon }_{i,t}\end{array}$

$\begin{array}{l}{\text{Inveff}}_{i,t}/{\text{Underinv}}_{i,t}/{\text{Overinv}}_{i,t}={\gamma }_0+{\gamma }_1{\text{ESG}}_{i,t}+{\gamma }_2{\text{KZ}}_{i,t}+{\gamma }_3{\text{Size}}_{i,t}+{\gamma }_4{\text{Lev}}_{i,t}+{\gamma }_5{\text{Roa}}_{i,t}+{\gamma }_6{\text{Tobinq}}_{i,t}\\ +{\gamma }_7{\text{Cashflow}}_{i,t}+{\gamma }_8{\text{Age}}_{i,t}+{\gamma }_9{\text{Indep}}_{i,t}+{\gamma }_{10}{\text{Fhold}}_{i,t}+\sum \text{Year}+\sum \text{Industry}+{\epsilon }_{i,t}\end{array}$(2)

$\begin{array}{l}{\text{Rep}}_{i,t}={\lambda }_0+{\lambda }_1{\text{ESG}}_{i,t}+{\lambda }_2{\text{Size}}_{i,t}+{\lambda }_3{\text{Lev}}_{i,t}+{\lambda }_4{\text{Roa}}_{i,t}+{\lambda }_5{\text{Tobinq}}_{i,t}+{\lambda }_6{\text{Cashflow}}_{i,t}\\ +{\lambda }_7{\text{Age}}_{i,t}+{\lambda }_8{\text{Indep}}_{i,t}+{\lambda }_9{\text{Fhold}}_{i,t}+\sum \text{Year}+\sum \text{Industry}+{\epsilon }_{i,t}\end{array}$

$\begin{array}{l}{\text{Inveff}}_{i,t}/{\text{Underinv}}_{i,t}/{\text{Overinv}}_{i,t}={\lambda }_0+{\lambda }_1{\text{ESG}}_{i,t}+{\lambda }_2{\text{Rep}}_{i,t}+{\lambda }_3{\text{Size}}_{i,t}+{\lambda }_4{\text{Lev}}_{i,t}+{\lambda }_5{\text{Roa}}_{i,t}+{\lambda }_6{\text{Tobinq}}_{i,t}\\ +{\lambda }_7{\text{Cashflow}}_{i,t}+{\lambda }_8{\text{Age}}_{i,t}+{\lambda }_9{\text{Indep}}_{i,t}+{\lambda }_{10}{\text{Fhold}}_{i,t}+\sum \text{Year}+\sum \text{Industry}+{\epsilon }_{i,t}\end{array}$(3)

$\begin{array}{l}{\text{Eu}}_{i,t}={\delta }_0+{\delta }_1{\text{ESG}}_{i,t}+{\delta }_2{\text{Size}}_{i,t}+{\delta }_3{\text{Lev}}_{i,t}+{\delta }_4{\text{Roa}}_{i,t}+{\delta }_5{\text{Tobinq}}_{i,t}+{\delta }_6{\text{Cashflow}}_{i,t}\\ +{\delta }_7{\text{Age}}_{i,t}+{\delta }_8{\text{Indep}}_{i,t}+{\delta }_9{\text{Fhold}}_{i,t}+\sum \text{Year}+\sum \text{Industry}+{\epsilon }_{i,t}\end{array}$

$\begin{array}{l}{\text{Inveff}}_{i,t}/{\text{Underinv}}_{i,t}/{\text{Overinv}}_{i,t}={\delta }_0+{\delta }_1{\text{ESG}}_{i,t}+{\delta }_2{\text{Eu}}_{i,t}+{\delta }_3{\text{Size}}_{i,t}+{\delta }_4{\text{Lev}}_{i,t}+{\delta }_5{\text{Roa}}_{i,t}+{\delta }_6{\text{Tobinq}}_{i,t}\\ +{\delta }_7{\text{Cashflow}}_{i,t}+{\delta }_8{\text{Age}}_{i,t}+{\delta }_9{\text{Indep}}_{i,t}+{\delta }_{10}{\text{Fhold}}_{i,t}+\sum \text{Year}+\sum \text{Industry}+{\epsilon }_{i,t}\end{array}$(4)

表2 汇报的是主要变量的描述性统计结果，由表可知，投资效率(Inv)的标准差为0.071，最小值为0.001，最大值为0.431，这表明样本企业之间的投资效率水平存在较大差异。投资不足(Underinv)的最小值为0.001，最大值为0.366，平均值为0.058；投资过度(Overinv)的最小值为0.001，最大值为0.536，平均值为0.076，表明企业普遍有着投资不足和投资过度问题。样本企业ESG表现的均值为4.109，说明整体企业的ESG表现不佳，相当于华证ESG评级的B级，标准差为1.071，说明样本企业的ESG表现水平差距较大。

表3 为ESG表现对企业投资效率的回归结果。其中，列(2)结果显示ESG表现对投资效率的系数为−0.004，在1%的水平下显著；列(4)和列(6)显示ESG表现对企业过度投资和投资不足的回归系数分别为−0.007和−0.003，在1%水平下显著。这说明良好的ESG表现能减少企业的投资不足和投资过度行为，从而提高企业的投资效率，因此假设H1得到验证。这意味着每当企业的ESG评级实现一个层级的提升，其投资效率(Inv)会相应的降低0.004，占据企业投资效率均值的6.15%。

注：^***p < 0.01,^**p < 0.05,^*p < 0.10。

本文参考(Biddle et al., 2009) [14] 的研究成果测度企业投资效率的方法来重新度量企业非效率投资水平。回归结果见 表4 列(1)，ESG表现对投资效率的系数为−0.003，在1%的水平下显著，这说明企业通过提升ESG表现可以提高投资效率，这表明在调整解释变量的度量方式后，本文的核心结论未发生实质性变化，即主回归的结果是稳健的。

尽管华证ESG评级体系具备数据完整、更新迅速等优势，然而，由于评价并非直接基于企业财务报表等硬性数据，而是融入了机构的主观判断，某一机构评级的公正性和客观性可能会受到一定程度的质疑。商道融绿构建出了我国最早的上市公司ESG表现数据库。鉴于此，本文为确保结论的稳健性，额外选用了商道融绿ESG评级数据作为核心解释变量的度量方式，再次运用赋值法构建ESG2：将C至AAA九个评价等级分别赋予1至9的数值。从 表4 列(2)~列(4)的结果可以看出，ESG2与企业投资效率之间存在显著的负相关性，仍在1%下显著，说明基本回归结果是稳健的。

为了减轻解释变量(ESG)与被解释变量之间可能存在的双向因果影响，本文采取了将解释变量滞后一期(Lesg)的处理策略。具体结果见下 表4 的列(5)和列(6)，(Lesg)的系数为−0.004，在1%水平下显著为负，因此可证明回归结果是稳健的。

注：^***p < 0.01,^**p < 0.05,^*p < 0.10。

为了验证假设H2，本文引入企业融资约束代理变量，采用KZ指数衡量融资约束水平，利用公式(2)进行检验。

表5 列示了融资约束作为中介变量的实证结果，第(1)列显示，ESG系数为−0.081，在1%的水平下显著。列(3)的结果表明，KZ指数对于企业投资效率的系数为−0.001，在1%的水平下显著；且加入中介变量KZ后，ESG表现对投资效率的系数为−0.0043，其绝对值小于列(2)的绝对值，说明企业优异的ESG表现可以减轻其在融资过程中所面临的限制，从而提升企业投资效率，融资约束在ESG表现对企业投资效率的影响中起到了部分中介的作用。假设H2得到了验证。

注：^***p < 0.01,^**p < 0.05,^*p < 0.10。

为了验证假设H3，本文引入企业声誉(Rep)变量，并构建公式(3)进行检验。具体回归结果如 表6 列(1)~列(3)所示，列(1)表明ESG表现与Rep的系数为0.15，在1%的水平下显著，这表明良好的ESG表现可以显著提升企业的声誉。此外，列(3)表明，Rep对企业投资效率的系数为−0.001，在5%的水平下显著，说明企业声誉越好，企业投资效率越高；引入中介变量Rep之后，ESG表现的系数为−0.0042，其绝对值大于列(2)的绝对值，这表明优秀的ESG表现可以提升企业声誉，且声誉在ESG表现对企业投资效率的影响中起到了部分中介的作用。假设H3得到验证。

注：^***p < 0.01,^**p < 0.05,^*p < 0.10。

为了验证假设H4，本文引入环境不确定性(Eu)变量，并构建了公式(4)对假设进行检验。环境不确定性的中介效应实证结果如 表6 列(4)~列(6)所示，列(4)的结果说明ESG表现对Eu的系数为−0.18，且在1%的水平下显著，说明良好的ESG表现可以降低企业的环境不确定性。另外，列(6)中Eu的系数为0.018，在1%的水平下显著，这说明环境不确定性与企业投资效率之间呈负向相关关系；ESG的系数为−0.001，小于列(2) ESG表现对企业投资效率的绝对值。上述结果说明良好的ESG表现通过减少其所处的环境不确定性，实现了对投资效率的积极促进，且环境不确定性在其中产生了部分中介作用。假设H4也得到了验证。