环境信息披露影响分析师盈利预测准确性吗?——来自重污染行业上市公司的经验证据
2019-11-22胡言言张正勇
胡言言,张正勇
(1.南京财经大学 红山学院,江苏 南京 210003;2.南京财经大学 会计学院,江苏 南京210023)
一、引言
这些年,随着我国经济向工业化发展、市场化转型,公司所带来的环境污染问题愈演愈烈,其中,重污染行业是引发环境问题的主要群体,例如,哈药集团制药总厂污染、中石油长庆油田分公司水污染等,这些重大环境事故的频发引起了社会各界的关注和思考。自从2008年深交所和上交所发布通知,要求四类公司必须披露社会责任报告①,社会责任报告披露数量不断增长,而环境信息是社会责任报告中的一项重要内容,因而对这四类公司的强制性要求和其他公司的鼓励性要求极大促进了环境信息的披露。所谓环境信息披露,是公司向外部信息使用者提供自身环境责任履行情况的行为,此类特定信息的披露有助于其做出投资、信贷、购买、奖励等决策,是社会责任信息披露的一个重要组成部分。公司环境信息的披露,在一定程度上降低了信息不对称性。
分析师作为资本市场的信息中介,众多学者将分析师盈利预测的准确性作为公司信息环境的衡量指标。在资本市场中,分析师利用自身的专业知识和信息收集处理的能力,通过研究上市公司的财务信息和非财务信息,对公司未来的发展进行判断,预测其会计盈余,以向市场提供合理反映其价值的信息[1]。现有研究表明,分析师对上市公司做出盈利预测时确实利用了社会责任报告,但并未关注环境信息披露是否起到一定的作用。究其原因可能在于环境信息披露的可获得性不强,且尚未形成公认的关于环境信息披露的客观衡量方法,但随着我国环境信息披露的关注度越来越高,数量逐年递增,可获得性增强,而近年来舒利敏、吴红军等学者的研究也为环境信息的衡量方法提供了新思路,因而此类研究已十分必要,也有此可能。
综上,本文以重污染行业上市公司为研究对象,通过自主构建环境信息披露指标,考察环境信息披露能否为分析师等信息使用者提供有用的信息,以及何种环境信息在发挥实质性作用。结果显示,环境信息披露质量越髙,分析师盈利预测误差越小;环境信息披露质量对分析师盈利预测准确性的提升效果在财务透明度低和外部治理环境好的公司中更为显著,并且对分析师盈利预测准确性产生实质性影响的是硬披露而不是软披露。这些问题的回答对理解环境信息披露为信息使用者提供对其决策有用的增量信息,以及评价监管部门推出的环境信息披露鼓励政策的实施效果和未来的政策完善提供借鉴。
本文的贡献如下:第一,本文从分析师盈利预测行为角度探究环境信息披露对公司价值的作用机理,丰富了经济后果方面的文献。第二,本文运用内容分析法对Clarkson et al.[2]、吴红军[3]的环境信息评分标准进行了改进,构建环境信息总披露、硬披露、软披露指标体系,评价内容更符合中国的环境监管机制。第三,我国相关行业协会和政府部门都鼓励上市公司披露环境信息,无形中给公司施加了微妙的压力,却无法直接看到环境信息披露的潜在收益,本文则从分析师的角度为这一政策的价值结果给出经验证据。
二、理论分析与研究假设
(一)环境信息披露的经济后果
公司社会责任报告是公司管理层与信息使用者之间博弈产生的内生决策,其中的环境信息是公司环境保护行为的重要体现。作为环境污染的主要源头,重污染行业公司所披露的环境信息能反映出其环境保护的表现,也是环境绩效的评价依据[4]。公司做好环境保护工作,积极披露相关的环境信息,有利于利益相关者加深对公司的了解,降低信息不对称所带来的不确定风险,提升公司的社会形象及市场价值[5]。目前,现有文献主要从收入、资本成本、股价以及公司价值等角度研究环境信息披露的经济后果。吕峻和焦淑艳以造纸业和建材业上市公司为研究对象,发现环境披露与财务绩效不存在明显的相关关系[6]。相反,常凯以重污染行业为样本,发现环境信息披露程度与财务绩效在5%显著水平下有明显的因果关系,且环境信息披露程度对财务绩效的影响程度呈现明显的周期性差异[7]。沈洪涛等[8]、吴红军[2]以及倪娟孔和令文[9]均以重污染行业上市公司为研究对象,都发现环境信息披露可以降低权益资本成本。卢丽娟利用沪市上市公司的经验数据,研究发现短时间内资本市场会对环境信息披露做出反应,引起交易量和股价的波动。同时,受环境信息披露的影响,制造和电力等重污染公司和非重污染公司有显著差异[10]。任力和洪喆构建了一套环境信息披露指标体系,区分软披露和硬披露,发现对公司价值存在实质性影响的是硬披露而不是软披露[4]。
(二)环境信息披露对分析师盈利预测的影响
资本市场上的信息错综庞大,分析师以“信息加工者”的角色对这些信息进行有效甄别和利用,因此分析师在进行预测时所获取的信息数量和质量就尤为重要。大量研究表明,公司的社会责任活动可以影响公司价值,而社会责任信息在分析师盈利预测的过程中起到了重要的促进作用。Aerts et al.表明环境信息披露水平对分析师盈利预测准确性有正向作用,而这种作用会随分析师人数的增多或环境敏感型行业而有所减弱[11]。祁怀锦和刘儒柄用润灵环球社会责任评级中的内容性评分来衡量环境信息披露质量,发现环境信息披露水平与分析师盈利预测是正相关关系[12]。张秀敏等利用润灵环球责任评级RKS社会责任评级数据库中的C值来衡量环境信息披露质量,发现环境信息披露能有效促进分析师预测的准确程度[13]。
信号传递理论提出,信息披露若属于自愿行为,则该行为能够缓解市场信息不对称,为信息使用者提供对其决策有用的增量信息[13]。管理层主动披露环境信息,向信息使用者传递公司环境保护方面的表现情况,是向资本市场的利益相关者传递的一种积极信号。显然,积极承担环保责任,履行环保义务的公司易于在公众面前树立正面形象,有助于声誉的提高,进而对公司的经营业绩产生正面影响。反之,环境保护方面做得不好的公司会受到社会公众的批评和谴责,严重者更会受到法律的制裁,从而不利于公司的经营发展。对于重污染行业更为如此,其环境行为受到更大范围的关注。所以,重污染行业上市公司有动机积极全面的披露环境信息,不仅仅是为自身形象树立示范作用,更是为了提高自身经营业绩。而分析师则会结合相关政策对所披露的环境信息进行考量,从而做出更为准确的盈利预测。
此外,公司都有“报喜不报忧”的心理,会根据自身环境行为的情况来选择披露什么信息。环境绩效好的公司会较多地披露具有具体绩效数值、可验证性强的环境信息,即硬披露,以区分于环境绩效差的公司;而环境绩效差的公司则倾向于披露空泛的、描述性强的环境信息,即软披露,借此进行印象管理。硬披露的可信度更高,披露得越多,显然对分析师进行预测更有利,而软披露的真实性程度更低,可验证性较差,因而对分析师盈利预测准确性的作用并不突出。基于此,本文提出:
H1:环境信息披露质量与分析师盈利预测准确性呈正相关,并且主要是硬披露信息对分析师盈利预测准确性发挥作用。
上市公司对外公布的公开信息以及非公开的私有信息构成分析师进行盈利预测的前提基础,其中不仅包括财务信息(比如年报),还包括非财务信息(比如社会责任报告和可持续报告)。私有信息是分析师通过私人途径获得,而公开信息可被所有分析师获得。在私有信息一定的情况下,公开信息的质量能够直接影响到分析师盈利预测的准确性。环境信息作为非财务信息的一个重要组成部分,无疑是对分析师盈利预测“信息集”的一个有力补充,尤其是对重污染行业。公司的财务透明度越高,说明其披露的财务信息数量越多、及时性越强,因而分析师较多地依赖于财务信息。而对于财务透明度较低的公司,分析师则较多依赖于非财务信息,而环境信息就显得尤为重要。此外,相对于软披露,硬披露可靠性更高,因而在对分析师预测的作用中硬披露会发挥实质性影响。基于此,本文提出:
H2:环境信息披露质量对分析师盈利预测准确性的促进作用在财务透明度低的公司更为显著,并且主要是硬披露信息对分析师盈利预测准确性发挥作用。
大量研究表明,治理环境作为一项重要的外部制度背景指标,在一定程度上会对公司资本结构、信息披露等方面发挥作用。处于法律保护程度更强、政府干预程度更弱的市场化程度更高的区域的公司,市场对于公司的产品质量和环境保护行为等方面的要求更高,监督效率也更高[14]。程新生等分析指出,在我国,公司的非财务信息披露存在明显的“制度依存性”[15]。在治理环境较好的区域面临激烈产品市场竞争的情形下,众多公司以社会责任报告的形式披露环境信息,以展现其实施的环保行为,反映财务信息所未能传达的公司情况,进而提高分析师对公司的盈余预测的准确性。而在治理环境较差的区域,法律保障制度并不完善,要素市场的发展亦存在诸多问题,政府的干预程度更强,公司在产品质量和环境保护等社会责任的履行方面的违法成本更低[14],对公司价值的负面影响也更小,在这种情况下,公司披露环境信息,对分析师的决策价值更低,信息增量作用也更为有限。基于此,本文提出:
H3:环境信息披露质量对分析师盈利预测准确性的促进作用在外部治理环境好的公司更为显著,并且主要是硬披露信息对分析师盈利预测准确性发挥作用。
三、研究设计
(一)样本选择
本文选取2008—2014年披露公司社会责任报告的重污染行业上市公司为研究对象,根据证监会《上市公司行业分类指引》(2012年),将环保部《上市公司环保核查行业分类管理名录》(环办函〔2008〕373号)界定的重污染行业合并为八类,即采掘业、食品饮料业、造纸印刷业、纺织服装皮毛业、石化塑胶业、金属非金属业、医药生物制品业和水电煤气业[3]。剔除缺失值后,本文最终获得1068份发布社会责任报告的样本,且对所有连续型变量在5%水平上进行了缩尾处理。财务数据和分析师预测数据均来源于国泰安数据库,环境信息数据均通过手工搜集及整体而得。
(二)环境信息披露指标构建
已有文献多采用内容分析法来计量环境信息披露程度,这种方法通常用来区分公司是否披露环境信息,并且依据披露的条目和数量来赋值,在一定程度上反映了环境信息披露水平,潜在的假设条件为披露范围越广、数量越多,那么环境信息披露水平也越高,然而并未考虑到环境信息披露内容是否与利益相关者决策相关、是否真实可靠等质量特征。为了解决环境信息披露评价指标在针对性与代表性等方面的问题,更加全面准确地反映公司环境管理的规范、目标和行为,Clarkson et al.[2]采用专家意见法构建了环境信息披露评价指标体系。该指标体系的突出优点在于:首先,基于全球报告倡议组织(GRI)2006年发布的《可持续发展报告指南》(G3)标准,并突出外部投资者和分析师所重点关注的项目;其次,在指标设计时通过向环境信息披露领域的专家进行了问卷调查,在此基础上运用探索性因子分析构建出融入了专家对法规权威性解读的综合指标。然而,该指标体系取自GRI报告,是一个全球性的指标体系,并未考虑各个国家具体的环境信息披露实践和法规可能存在的个性化特征。吴红军[2]直接运用该指标体系研究了环境信息披露对权益资本成本的影响,但其是以上市公司财务报告中披露的环境信息为研究对象,且研究期限局限于2006—2008年。
基于此,本文在借鉴Clarkson et al.[2]和吴红军[3]所设计的指标体系的基础上,结合2008年以来中国环境监管的实践,设计出一套新的环境信息披露指标体系,共包括7个部分42条指标,具体如表1所示。本文构建的指标体系具有以下特点:①参照体系为全球报告倡议组织(GRI)2013年最新发布的《可持续发展报告指南》(G4)标准,同时依据监管部门出台的《上市公司社会责任指引》《上市公司环境信息披露指引》和《上市公司环境信息披露指南》等环境信息披露监管法规,采用专家意见法,在10位专家中超过80%取得一致意见的前提下,对可能引起歧义的原有条目进行了区别化表述,对不适合中国上市公司环境信息披露的指标进行了个性化的增删,使之更加契合中国环境监管体制;②将环境信息披露具体区分为客观具体、不易被模仿的硬披露(Hard Disclosure)信息和内容空泛、无实质意义的软披露(Soft Disclosure)信息,分别考察公司异质性背景特征对环保信息硬披露、软披露和总披露的影响;③指标体系涵盖内容较为全面,能够较为准确清晰反映公司环境信息披露的整体情况。
在对环境信息披露水平具体评分时,我们按照表1逐条核对上市公司的社会责任报告是否披露了该条环保信息,若有披露则按一定的规则打分(打分规则参见表1附注)。为了在既有清晰的评分标准下降低评分的偏差水平及主观性,我们先培训编码员对测试样本打分;肯德尔和谐系数(Kendall's coefficient of concordance)信度检验合格后(Kendall系数为0.917),两人对每一个样本公司进行独立打分,第三人则进行核对并处理较大分歧,最终每个样本公司的得分为两个分数的平均值②。
表1公司环境信息披露评分表
续表
序号披露项目六、环境现状(各1分)34公司是否定性表述自身遵守(违反)环保法规35公司是否定性评价自身所处行业所具有的环境影响36公司是否定性评价自身产品与生产造成的环境影响37公司是否定性评价与同业对手比较的相对环保表现七、自发环保行为(各1分)38公司是否存在环保意外应急预案39公司是否对员工进行环保观念教育和环保操作培训40公司是否存在员工环保行为评价体系和激励机制41公司是否存在内部环保核查机制42公司是否对举办或参与环保活动和捐赠活动
注:公司环境信息披露指数采用等权重按项目打分的方法。第三部分(环境保护绩效指标)每项若存在以下条目,则每条目加1分:①有具体的绩效数据;②绩效数据与同行、竞争对手或行业情况进行了比较;③绩效数据与公司以往的情况进行了比较;④绩效数据与目标进行了比较;⑤绩效数据同时以绝对数和相对数形式披露;⑥绩效数据有分解性描述。其他部分每项若存在都只得1分[4]。
(三)模型设定
建立模型如下,式(1)、式(2)、式(3)分别为环境信息披露总得分、硬披露得分和软披露得分的OLS回归模型。
FERROR=α0+α1ED+α2ANANO+α3HORIZON+α4SIZE+α5ROE+α6LEVEL+α7FFIN+α8STATE+∑IND+∑YEAR+ε0
(1)
FERROR=α0+α1HED+α2ANANO+α3HORIZON+α4SIZE+α5ROE+α6LEVEL+α7FFIN+α8STATE+∑IND+∑YEAR+ε0
(2)
FERROR=α0+α1SED+α2ANANO+α3HORIZON+α4SIZE+α5ROE+α6LEVEL+α7FFIN+α8STATE+∑IND+∑YEAR+ε0
(3)
模型中,被解释变量FERROR为分析师对公司盈利预测的误差,该数值越小,表示分析师盈利预测的准确性就越高。本文参考了D. Dhaliwal et al.[16]和何贤杰[17]等学者的构建方法,给出分析师盈利预测准确性的衡量公式如下:
FERROR=|AEPS-mean(FEPS)|/PRICE
(4)
其中,FERROR为分析师盈利预测误差,误差越大,则盈利预测准确性越低。AEPS为实际的每股收益,FEPS为分析师预测的每股收益,PRICE为年末股价。
ED表示环境信息披露水平,借鉴 Clarkson et al.[1]做法,同时收集我国重污染行业当年发布的社会责任报告,对其社会责任报告依据表1进行逐项评分,同时区分软披露SED和硬披露HED,最后得到公司环境信息披露水平的总分值。
“ANANO、HORZON”等控制量定义见表2。
表2变量定义表
续表
变量符号变量名称变量定义ANANO分析师跟踪人数对某公司作出盈利预测的分析师人数SIZE公司规模年初公司总资产的自然对数ROE净资产收益率净利润/净资产平均余额LEVEL财务杠杆预测年份负债/资产总额STATE产权性质国有企业为1;民营企业为0YEAR年份虚拟变量IND行业行业变量
四、实证检验与分析
(一)描述性统计
如表3所示,分析师盈利预测误差的均值为3.342 ,标准差为3.557,最小值为0.104,最大值12.637,表明各个公司的分析师盈利预测误差存在较大的差异。总披露的最大值为55分,最小值为0分,平均分为14.750分,标准差为9.236分,可见,不同公司的环境信息披露质量参差不齐。具体地,硬披露的最大值为43分,大于软披露最大值13分的三倍。且硬披露的平均值、中位数和标准差均大于软披露。同时,由于硬披露总分为72分,而软披露总分只有15分,说明硬披露的差异程度远高于软披露,且硬披露得分普遍较低,其披露质量不及软披露。这一结果恰恰反映出硬披露相对于软披露更为客观、不易模仿的特征。分析师跟踪人数的最小值为4,最大值为72,标准差为19.304,说明不同公司的分析师跟踪人数有很大差异。分析师预测时长的自然对数平均值为6.119,最大值为6.592,最小值为5.245,说明分析师预测时长普遍较长,而时间越长越不利于分析师盈利预测的准确性。
表3主要变量的描述性统计
(二)回归结果分析
1.环境信息披露与分析师盈利预测特征
本文使用OLS和HECKMAN两种计量方法分别进行回归分析。表4给出了不同类型环境信息披露与分析师盈利预测误差的OLS回归和HECKMAN回归结果。其中,模型(1)、(2)、(3)表示分别用环境信息披露、硬披露和软披露进行OLS和HECKMAN回归的结果。
从OLS回归结果来看,ED的系数为-0.022,在10%的水平上显著,即ED每提高1分,相应地FERROR的值会下降0.022。进一步地,HED系数为-0.028,也在10%的水平上显著,表明环境绩效好的公司对环保规章的执行力度比较大,并且进行了更多的硬披露。而SED虽然与FERROR负相关,但不显著,说明这种软披露会削弱总的环境披露水平与分析师盈利预测的显著相关性,即泛泛而谈的文字描述性的软披露并不能起到降低分析师盈利预测误差的作用,而是硬披露起到了实质性作用。同理,与OLS回归结果类似,在HECKMAN回归结果中,ED与HED的系数均在10%的水平上显著为负,SED的系数虽为负但不显著。此外,一阶段计算结果LAMBDA均在5%的水平上显著,证明本样本的自选择问题已得到有效控制。综上,证明随着环境信息披露质量的提高,分析师盈利预测误差会越小,且相对于软披露,硬披露质量越高,分析师盈利预测误差越小。假设H1得到验证。
控制变量方面,分析师跟踪人数ANANO在1%水平上显著为正,表示分析师跟踪人数越多,预测误差越大。预测时长HORIZON也在1%水平上显著为正,意味着分析师预测的时点距公司年报披露日越久,预测误差则越大。
表4环境信息披露与分析师盈利预测关系的实证证据
注:“*”“**”“***”分别表示显著性水平为10%、5%、1%
2.财务透明度、环境信息披露与分析师盈利预测特征
为了检验假设H2,我们将财务透明度水平按中位数分组,分成财务透明度高和财务透明度低的对比样本组进行分析。表5分别给出了在财务透明度低的样本组下和在财务透明度高的样本组下,不同类型环境信息披露与分析师盈利预测误差的OLS回归和HECKMAN回归结果。其中,模型(1)、(2)、(3)表示分别用环境信息披露总得分、硬披露得分和软披露得分进行OLS和HECKMAN回归的结果。
可以看出,在财务透明度低的样本组中,无论是OLS回归还是HECKMAN回归,环境信息披露水平ED的系数均在5%的水平上显著。而在财务透明度高的样本组中,环境信息披露水平ED的系数均为负但不显著。由此说明环境信息披露对分析师盈利预测准确性的促进作用在财务透明度低的公司中显著。因为公司的财务透明度越高,说明披露的财务信息数量越多、及时性越强,而此时环境信息披露所起的作用就微乎其微。
进一步地,在OLS回归和HECKMAN回归中,硬披露HED系数均仅在财务透明度低的样本中1%水平上显著为负,说明硬披露在财务透明度低的样本组中能显著促进分析师盈利预测的准确性。而软披露SED系数在两个样本组中符号均为负,但均不显著,说明软披露并不能起到促进分析师盈利预测准确性的作用。综上,假设H2得证。此外,在HECKMAN回归中,一阶段计算结果LAMBDA分别在5%、5%和10%水平上显著,证明本样本的自选择问题已得到有效控制。
表5财务透明度、环境信息披露与分析师盈利预测关系的实证证据
注:“*” “**” “***” 分别表示显著性水平为10%、5%、1%。为节约篇幅,本表未报告控制变量的回归结果。以下表格数据同理
3.治理环境、环境信息披露与分析师盈利预测特征
为了检验假设H3,我们用樊纲等编制的中国市场化指数中的各地区市场化进程指标衡量公司外部治理环境,若样本公司所处地区的市场化进程指数大于样本中位数,则分为“治理环境好”组,否则为“治理环境差”组。表6给出了在治理环境好的样本组下和在治理环境差的样本组下,不同类型环境信息披露与分析师盈利预测误差的OLS回归结果。其中,模型(1)、(2)、(3)表示分别用环境信息披露总得分、硬披露得分和软披露得分进行OLS和HECKMAN回归的结果。
可以看出,在OLS回归中,ED和HED的系数仅在治理环境好的样本组中分别在5%和1%的水平上显著为负,HECKMAN回归中,ED和HED的系数也是仅在治理环境好的样本组中在5%的水平上显著为负,而SED的系数无论是OLS回归还是HECKMAN回归中均为负但不显著,由此可见,环境信息披露对分析师盈利预测准确性的促进作用在外部治理环境好的公司中更为显著,且相对于软披露,硬披露对分析师盈利预测准确性的促进作用发挥了实质性影响。综上,假设H3得证。此外,在HECKMAN回归中,一阶段计算结果LAMBDA在治理环境差的样本组中均在5%的水平上显著,证明本样本的自选择问题已得到有效控制。
表6治理环境、环境信息披露与分析师盈利预测关系的实证证据
注:“*”“**”“***”分别表示显著性水平为10%、5%、1%
(三)稳健性检验
对于环境信息披露水平的另一种衡量方法,我们参考吕峻和焦淑艳的研究,以公司是否因环境问题受到处罚以及处罚的类型来衡量其环境绩效,未受环境处罚的公司的环境绩效值为3,因环境违规被罚款或投诉的公司的环境绩效值为2,因环境违规而受到停产整顿的公司的环境绩效值为1[6]。该数据通过互联网手工搜索得到。将该方法衡量下的环境信息指标分别代入全样本和两组分样本进行OLS回归和HECKMAN回归,得到的回归结果如表7所示,无论是OLS回归还是HECKMAN回归,在全样本中,环境信息披露质量对于分析师盈利预测误差都是在5%的水平上显著负相关;在分样本中,环境信息披露质量对于分析师盈利预测误差分别在财务透明度低组和治理环境好组显著负相关,结论与前文一致。
表7稳健性检验
注:“*”“**”“***”分别表示显著性水平为10%、5%、1%
五、结论及建议
本文以2008—2014年披露社会责任报告的重污染行业上市公司为研究对象,基于信号传递理论,从分析师盈利预测的角度,设置一套环境信息披露指标体系,将研究对象披露的环境信息分为硬披露和软披露,并加总得到总披露,以考察环境信息披露质量能否为信息使用者提供有用的信息,以及何种环境信息在发挥实质性作用。首先,基于全样本,无论OLS回归还是HECKMAN回归,环境信息披露对于分析师盈利预测误差的回归系数均显著为负,且硬披露对于分析师盈利预测误差的回归系数显著为负,而软披露对于分析师盈利预测误差的回归系数虽为负但不显著。由此表明环境信息披露质量越高,分析师盈利预测误差越小,且硬披露起到了实质性作用。其次,按照财务透明度和外部治理环境将全样本分组进行OLS回归和HECKMAN回归,结果显示,环境信息披露质量对分析师盈利预测准确性的促进作用在财务透明度低和外部治理环境好的公司中更为显著,且相对于软披露,硬披露发挥了实质性作用。
本文的研究结论发现,重污染行业上市公司披露环境信息,能为信息使用者提供对其决策有用的增量信息,同时,其作用还会受到公司的财务透明度和所处地区的治理环境的影响。这一研究结论的启示在于:①我国有关监管部门有必要完善强制性环境信息披露制度,强化硬披露标准,要求公司增强信息的硬披露,减少软披露,以增强信息的可靠性。②我国重污染行业上市公司应自愿披露环境信息,及时反映公司的环保状况,提升利益相关者对公司环境表现的认知,以提升公司的市场价值。③外部投资者应及时关注公司环境信息的披露状况,重视公司的环保风险,以降低投资风险。
注 释:
①2008年,上交所和深交所分别发布了《关于做好上市公司2008年年度报告工作的通知》,通知中明确规定四类公司必须披露社会责任报告,包括“上证公司治理板块”样本公司、发行境外上市外资股公司、金融类公司和纳入深圳100指数的公司。
②通过上述调整优化后的环保信息披露指标体系满分合计为87分,为了易于理解分析,后文分析中所使用的各公司环保信息披露得分均为调整成百分制形式分值。