arXiv cs.CY· Mohammad Hassan Shakil, Arne Johan Pollestad, Khine Kyaw, Ziaul Haque Munim·· 11 小时前AI 评分8
董事会性别多样性与排放绩效：面板回归、机器学习与可解释 AI 的洞察
Board gender diversity and emissions performance: Insights from panel regressions, machine learning, and explainable AI
AI 导读
一项针对 2016 至 2022 年欧洲企业的研究发现，董事会性别多样性（BGD）与排放绩效（EP）呈非线性关系，BGD 约 35% 时 EP 达到最优，超过该水平不再改善，而实现有意义改善的最低 BGD 门槛为 22%。研究结合面板回归、机器学习与可解释 AI，并发现 ESG 争议对这一关系无显著削弱作用。该论文已因版权问题被作者撤回。
正文 · AI 翻译
本文已被 Mohammad Hassan Shakil 撤回
摘要：随着欧盟各项倡议要求企业董事会实行性别配额，一个关键问题随之产生：更高的董事会性别多样性（BGD）是否与更好的排放绩效（EP）相关？为回答这一问题，我们以 2016 年至 2022 年的欧洲企业为样本，考察 BGD 对 EP 的影响。通过面板回归、先进机器学习算法和可解释 AI，我们揭示了一种非线性关系。具体而言，EP 随 BGD 提升而改善，直至约 35% 的最优水平，超过该水平后 BGD 的进一步提高不再带来 EP 的额外改善。BGD 需达到 22% 的最低门槛，才能实现 EP 的有意义改善。为评估 EP 结果的合法性，本研究考察 ESG 争议是否会削弱 BGD-EP 关系。结果显示无显著影响，表明 BGD 的作用由治理机制驱动，而非象征性行动。此外，路径分析表明，虽然环境创新有助于 EP，但它并非 BGD 促进 EP 的中介渠道。研究结果对学术界、企业和监管机构具有启示意义。
| 评论： | 版权问题 |
| 主题： | 一般金融（q-fin.GN）；计算机与社会（cs.CY）；机器学习（cs.LG） |
| MSC 分类： | 62P20 |
| 引用为： | arXiv:2510.00244 [q-fin.GN] |
| （或 arXiv:2510.00244v3 [q-fin.GN] 查看此版本） | |
| https://doi.org/10.48550/arXiv.2510.00244 由 DataCite 颁发的 arXiv DOI |
|
| 期刊 参考： | 10.1016/j.jenvman.2026.128776 |
| 相关 DOI： | https://doi.org/10.1016/j.jenvman.2026.128776
链接到相关资源的 DOI |
提交历史
来自：Mohammad Hassan Shakil [查看电子邮件]
[v1]
2025 年 9 月 30 日星期二 20:16:56 UTC（1,011 KB）
[v2]
2026 年 2 月 6 日星期五 09:20:47 UTC（3,868 KB）
[v3]
2026 年 10 月 9 日星期五 16:48:20 UTC（1 KB）（已撤回）
来源：arXiv cs.CY · arxiv.org