基于因子分析法的环境信息披露质量评价——以采矿业上市公司为例

周 明， 庄 晶， 肖 谷

(东华理工大学 经济与管理学院，江西 南昌 330013)

据《2018年中国生态环境状况公报》统计，2018年全国338个地级及以上城市中，217个城市环境空气质量超标，占64.2%。169 个地级及以上城市受不同程度污染的天数比例达 30%，其中又以PM2.5、O3、PM10为首要污染物天数在总超标天数中占比最高。重污染行业与环境污染有着千丝万缕的联系，而采矿业由于其行业特点，一直属于我国PM2.5和PM10污染防治的重点行业。本文将着眼于采矿业，选取《上市公司环境信息披露指南(2010)》中的采矿业上市公司进行研究，通过建立一个合理的指标体系，正确评价采矿业上市公司环境信息披露质量并找出影响环境信息披露的因素，进而为提高企业环境信息披露质量提出政策建议。

1 文献综述与理论贡献

目前，我国环境信息披露总体水平不高，未能形成统一的披露体系；企业本身自愿披露水平不高，披露的全面性和连续性不强；对公开披露的环境信息缺乏鉴证和社会监督[1]。因此，通过科学的环境信息披露指标体系对企业环境信息披露质量进行评价则显得尤为重要。自20世纪70年代环境信息披露研究兴起至今，环境信息披露指标体系研究主要集中于指标设计，而指标权重确定的研究方式则相对单一。自1982年Wiseman首次使用内容分析法测量环境信息披露质量以来[2]，大部分学者采用直接加总的方式为指标赋权。在国内，汤亚莉等首次利用内容分析法构建了环境信息披露指数，采用直接加总的赋权方法[3]；其后，戴悦、王垒、郑飞鸿等也沿用直接加总法构造环境信息披露指数进行实证研究[4-6]。直接加总法避免了人工赋权的主观影响，但因默认不同指标间权重一致，未能反映不同指标信息量和重要性的不同，在客观性上有所缺失。为解决这一问题，李强采用重测信度法和评分者信度法对得到的环境信息披露质量指数进行验证，保证评价结果的可靠性[7]。此外，王建明为了更准确反映环境信息披露的实际，采用人工赋权法为指标赋权[8]。权重的取值来源于针对不同披露项目重要程度的问卷调查表。朱炜等采用层次分析法，借鉴GRI体系中指标权重的设定，确定各子项目权重并加以检验[9]。总体来说，已有的研究仍未能找到一个客观公允地为指标赋权的方法。

以上研究者大都采用主观赋权法，由于其存在专家打分主观随意性，因此相互之间的结果存在一定差异。因子分析法和熵值法等客观赋权法既降低了人工赋权的主观性，又避免了直接相加法权重与实际不符的问题。区别于其它客观赋权法，因子分析法又能够利用降维的思想将已构建的多个指标转换为较少的互不相关的综合指标(公共因子)，为挖掘潜在的评价指标提供了参考。因此，为进一步完善国内对于环境信息披露指标体系建立方式的研究，本研究借鉴已运用在其他领域的研究方法，采用因子分析法分析企业环境信息披露[10]，并根据各公因子在环境信息披露整体信息量中的占比确定综合指标的权重，为环境信息披露指标体系的构建做出简单尝试。

2 采矿业环境信息披露质量因子分析模型

2.1 指标体系建立

国内环境信息披露研究起步较晚，指标体系较多地参照了国外已有研究成果。关于具体的指标选取原则已有比较统一的分类，主要有货币化环境信息披露和非货币化环境信息披露、强制性信息披露和非强制性信息披露。内容方面还可分为被动环境治理、主动环境防治和外在法规要求[11]。吕明晗等和吕峻等学者主要借鉴了Clarkson等评分体系，该体系是基于GRI(Global Reporting Initiative)《可持续性发展报告指南框架》开发，主要包括治理结构和管理系统、可信度、环境绩效指标、环保支出、愿景与战略、环境概况和具体环境举措七部分[12,13]。另有部分学者则采用了一些社会评级机构提供的企业社会责任评级(包括环境责任评级)，最常见的有“润灵环球责任评级”，刘儒昞等学者采用了该评级用于环境信息披露指标体系的建设[14]。此外，针对矿业企业的行业特征，钟笠文等以企业经营活动流程为主线，将企业披露的环境信息分为环保背景、资源投入、生产制造和环保提升四大板块，划分出四级体系共计145项指标[15]。无论哪一种指标选取方法，具体指标都大体相同。故本研究立足于《可持续性发展报告指南框架》，结合国家环境保护总局2010年发布的《上市公司环境信息披露指南》与采矿业行业特点，建立适合采矿业的环境信息披露指标体系。

本研究采取人工打分的方式对指标进行赋值。对于定性指标，若企业披露该项信息则为1分，未披露为0分；对于定量指标，若企业对该项信息进行定量描述则为2分，定性描述为1分，未描述则为0分；政府环保政策对企业的影响涵盖的信息较多组成较复杂，故企业对该项信息进行详细描述为2分，大概介绍为1分，未披露为0分(见表1)。

表1 环境信息披露指标体系

2.2 因子分析模型

设K-(K1,K2,…,Kn)为n个上市公司环境信息披露评价指标向量，T=(T1,T2,…,TP)为不可观测的指标向量。有：

K1=α11T1+α12T2+…+α1PTP+c1U1

K2=α12T1+α22T2+…+α2PTP+c2U2

…………

Kn=αn1T1+αn2T2+…+αnPTP+cnUn

即：K=AT+U，其中U=(U1,U2,…,Un)为特殊因子，Ti为第i个公因子，αij为因子载荷，且满足：(Ⅰ)P≤n，(Ⅱ)COV(T,U)=0，(Ⅲ)E(T)=0,(Ⅳ)COV(1⋮1)P×P=IP。

2.3 确定因子载荷矩阵

本文选取主成分法估算因子载荷矩阵。设K=(K1,K2,…,Kn)的协方差为∑，∑的特征值λ1≥λ2≥,…≥λn0，其相应的特征向量为e1,e2,…,en(标准正交基)，则当公因子Ti有p个时，特殊因子为0，所以K=AT，A为因子载荷矩阵。

记B=(bij)=AZ，则B=

2.4 计算因子得分

由于无法确定存在特定形式的异方差性，为了保持误差最小，采用普通最小二乘的Thomson回归法对因子得分进行估计。建立以公因子为因变量、原变量为自变量的回归方程:

3 模型应用

3.1 数据来源

本文选取2018年沪深两市上市A股采矿业上市公司，按如下条件筛选样本：(1)剔除2018年被ST或*ST的企业；(2)去掉数据资料不全企业。经过筛选，最终确定了66家样本公司。环境信息披露数据通过巨潮资讯网的年报、社会责任报告等手工收集整理，采用的统计分析软件为SPSS 23.0。

3.2 因子共同度分析

对样本数据进行巴特利特和KMO检验， KMO检验值为0.633> 0.6，适合做因子分析；巴特利特球形度检验p值<0.05，变量间相关性显著。表2为总方差解释表，我们以主成分的特征值大于1来确定因子个数。取相关矩阵特征值大于1的前5个因子，此时对方差解释的累计百分比为69.136%，超过通常认为的60%的标准。因此可以认定，这五个因子基本折射了原始变量所包含的大部分信息，满足本文因子分析的条件。

表2 总方差解释表

3.3 旋转后的因子提取结果分析

以方差极大法进行因子正交旋转，新生成的因子可保持不相关性，同时旋转后5个因子的总体方差累积贡献率不变，旋转后的因子提取结果如表3所示。

公共因子F1在环保技术开发、环保设备购入 (X1)、环保补助、资金奖励 (X3)、环保处罚、重污染名单(X12)三个指标上有较高的载荷，这些指标主要能够反映环保治理信息，命名为环保治理信息因子。

表3 旋转后的因子提取结果

表4 主因子分布情况

公共因子F2在污染排放达标情况(X6)、污染排放浓度 、种类数量(X7)、消耗资源、节约资源数(X8)指标上有较高的载荷，这三个指标反映企业节能减排的情况，命名为节能减排信息因子。

公共因子F3在环境制度、政策、目标(X9)、环境风险防范情况、应急制度情况(X10)两个指标上有较高的载荷，这两个指标主要反映企业的环境理念与态度，命名为环境理念信息因子。

公共因子F4在排污费、环保人工支出 (X4)、诉讼、行政处罚(X5)、环保设施运行情况(X11)、ISO环境体系认证相关信息(X13)四个指标上有较高的载荷，这四个指标主要反映企业在环境管理上的行为，命名为环境管理信息因子。

公共因子F5在环境治理保证金或基金(X2)、政府环保政策对企业的影响(X14)两个指标上有较高的载荷，这两个指标主要反映企业是否被政府环保部门处罚以及政府的环保政策对企业的影响，命名为政府相关环境信息因子。

通过因子分析，我们将14个初始评价指标降维至5个，各主因子情况如表4所示。

3.4 计算因子得分

根据因子得分系数矩阵计算公因子得分，用an表示第n个变量的因子系数，λ表示特征根，Zxn表示标准化后的变量，公共因子的得分公式为：

利用该公式可分别计算出 F1、F2、F3、F4和F5每个主因子的得分,得分函数如下：

F1=0.385ZX1+0.148ZX2+0.301ZX3+…+0.281ZX14

F2=0.113ZX1+0.119ZX2+0.202ZX3+…+0.098ZX14

F3=0.177ZX1-0.504ZX2-0.024ZX3+…-0.304ZX14

F4=-0.325 ZX1-0.106ZX2-0.510ZX3+…+0.097ZX14

F5=-0.141ZX1+0.451ZX2-0.115ZX3+…+0.529ZX14

3.5 计算EDI综合分数

由于方差贡献率表示对应的公共因子维度下所包含的信息量与总信息量之比，方差贡献率越大则该公共因子包含的信息量越大，因此选择公共因子的方差贡献率在所有被选择的公共因子累积方差贡献率中的占比作为该因子的权重。归一化后自大到小为：环保治理信息(0.358)、节能减排信息(0.22)、环境理念信息(0.184)、环境管理信息(0.121)、政府相关环境信息(0.114)。

接下来以F1、F2、F3、F4、F5五个因子的方差贡献率为权数，建立环境信息披露指数EDI的综合评价函数：

其中，EDIi为第i个企业的环境信息披露指数得分，S为五个公因子的特征根之和(S=λ1+λ2+λ3+λ4+λ5)。通过计算，得出2018年各采矿业上市公司的环境信息披露指数EDI的综合分数，并进行排序(见表5)。本排序结果基本印证了复旦大学环境经济研究中心《企业环境信息披露指数(2017)》的结论，与中西部地区相比，东部地区上市公司环境信息披露指数较高，大部分企业在环境信息披露方面仍有较大的提升空间。

4 披露质量评价

采矿业66家上市公司环境信息披露质量排名详见表5。EDI总排名前三的公司分别是福建紫金矿业、北京中色股份和中国神华，而甘肃海默科技、内蒙古平庄能源和广东宏大爆破则处于垫底位置。从因子分析的结果来看，环境治理信息因子(F1)排名靠前的企业，即使在F2、F3、F4、F5四因子上表现不佳，该企业的排名也是靠前的。如兰花科创F2、F3、F5三个因子排名靠后，但因子F1排名第二，其综合排名处于第四。平煤股份、开滦股份、金瑞矿业等企业也属此类情况。紫金矿业和中色股份得益于F2、F3和F5三个因子的优秀表现，弥补了其在F1上表现一般的弱势。此外，观察在样本中排名最后的10家企业：中润资源、盛屯矿业、沃施股份等，可以发现EDI排名靠后的企业在因子F1和因子F2上表现也欠佳。环境治理信息因子F1和节能减排信息因子F2对EDI排名影响力较高，主要是由于F1、F2本身对企业环境信息披露质量解释力度较高，即F1、F2在EDI中的权重较高。因此，对于环境信息披露指数靠后的企业，政府及企业自身应着重关注这两类指标。环境理念信息指标(F3)代表企业的环保意识，无论是EDI名列前茅的企业还是排名垫底的企业，F3得分及排名波动都很大。如EDI排名第8开滦股份，其F3排名为57；EDI排名为59的西藏珠峰，其F3排名为第9。

表5 因子及EDI得分表

5 结语

本研究利用因子分析法，对采矿业上市公司总体及五个不同方面的环境信息披露水平进行了评价和行业横向排名，为采矿业企业进一步提高自身信息披露水平提供了方向上的参考和建议。如总体排名较靠前的兰花科创，未来可以增加对企业环境理念和环境管理信息的披露；排名较靠后的中润资源、盛屯矿业、宏大爆破等，则可以增加对环境治理和节能减排信息的披露以达到更高的环境信息披露水平。

另外，针对采矿业企业呈现自愿性信息披露水平不高的特点，可以通过提高企业在资本市场和产品市场可获取的环境溢价，刺激采矿业企业增加自愿性环境信息披露。首先，政府可以通过税收优惠、政策补贴等方式，增强对企业环境治理和环境防护努力的正面激励；其次，通过提高投资者、消费者等利益相关方对企业环境信息关注程度，优化信息获取途径，降低良好环境形象企业的融资成本，增强市场竞争优势。但同时由于企业管理层与信息使用者之间存在信息不对称，为了避免企业发布虚假的环境信息粉饰环境形象的可能，应该建立健全企业环境信息鉴定体系，以保证企业环境信息的真实性和客观性。