时间：2025年9月12日（星期五）下午14:00-15:30

地点：主楼422

报告人：中央财经大学会计学院 张桉笛

报告人国籍：中国

报告人职称：助理教授

报告人工作单位：中央财经大学

报告人简介：张桉笛，中央财经大学会计学院助理教授。中国人民大学财务学博士，新加坡管理大学会计学博士。主要研究方向为公司信息披露，环境、社会与治理（ESG），公司财务。相关文章发表于《经济研究》。

报告内容简介：面对日益增多的企业排污信息管理问题，如何科学准确测度企业的排污信息管理行为并进行治理，是当前全球关注的一个热点。本文以2015—2021年中国上市企业为样本，利用线性回归模型（OLS和弹性网）、机器学习（神经网络与随机森林）方法构建了企业排污信息管理指标，验证了该指标在中国情境的有效性，并分析了企业排污信息管理的动机与治理。研究发现：（1）基于线性回归模型、机器学习方法构建的指标均能有效衡量企业排污信息管理的程度，比较不同模型后发现，基于随机森林模型的指标预测表现最好。（2）企业排污信息管理程度越高，未来因篡改、漏报排污数据受处罚的概率越高，说明本文构建的指标在揭示企业排污信息管理行为方面具有重要的参考价值。（3）当企业披露的排放量刚好达到合规排放量时，排污信息管理指标显著更高，说明企业主要基于合规性动机进行排污信息管理。（4）常见的公司治理机制并不能很好抑制企业的排污信息管理行为，而强力的行政监管能起到有效抑制的作用，且在考察了行政监管的异质性处置效应后仍然显著。本文率先采用先进方法刻画了企业排污信息管理行为，既拓展了环境保护、机器学习与公司财务的交叉研究，也为监管部门如何治理企业排污信息管理现象、提高环境监管效率提供了重要的决策参考。

（承办：会计系、科研与学术交流中心）