董事会性别多样性与排放绩效：基于面板回归、机器学习和可解释 AI 的洞见
综合金融
2026-02-09 v2 计算机与社会
机器学习
摘要
随着欧盟要求企业董事会设立性别配额，一个关键问题随之而来：董事会性别多样性 (BGD) 是否与更好的排放绩效 (EP) 相关？为了回答这个问题，我们检验了 BGD 对 EP 在 2016 年至 2022 年欧洲企业样本中的影响。使用面板回归、先进的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 在 BGD 达到约 35% 时得以改善，超过此水平后，进一步增加 BGD 将不会带来额外的 EP 改善。对于 EP 实现有意义的改善，BGD 的最小阈值为 22%。为评估 EP 结果的合法性，该研究检验了 ESG 争议是否削弱 BGD-EP 关系。结果显示没有显著影响，表明 BGD 的影响来自治理机制而非象征性行为。此外，路径分析表明虽然环境创新对 EP 有贡献，但并非 BGD 促进 EP 的中介通道。这些结果对学者、企业和监管机构都有启示意义。
引用
@article{arxiv.2510.00244,
title = {Board gender diversity and emissions performance: Insights from panel regressions, machine learning, and explainable AI},
author = {Mohammad Hassan Shakil and Arne Johan Pollestad and Khine Kyaw and Ziaul Haque Munim},
journal= {arXiv preprint arXiv:2510.00244},
year = {2026}
}
备注
18 pages