Взаимосвязь между ESG-факторами и финансовыми коэффициентами

Факторный анализ используется для того чтобы сгруппировать большое количество переменных к минимально возможному количеству так называемых обобщающих факторов. Группировка обычно производиться по нескольким принципам. Например в один фактор объединяются такие переменные, которые имеют тесные связи между собой, или же другими словами высокую степень корреляции. Факторный анализ является незаменимым инструментов если у исследователя есть огромный массив данных, которые нужно сжать для последующего анализа. Факторный анализ является целесообразным если он делается до применения других методов анализа. На практике факторный анализ используется обычно в комбинации с другими инструментами. Его обычно характеризуют как вспомогательный инструмент, который позволяет упростить анализ путем уменьшения информации, подлежащей анализу.

Дисперсионный анализ помогает исследовать как одна или несколько переменных, являющиеся независимыми влияют на одну или же несколько переменных зависимых. Различают несколько видов дисперсионного анализа - тип зависит от количества переменных, которые исследуются. Так существует одномерный и многомерный дисперсионный анализ. К одномерному относят однофакторный, когда есть одна независимая и одна зависимая переменная; двухфакторный, когда число независимых переменных равно двум; трехфакторный, когда есть три независимые переменные, и так далее до многофакторного где число независимых переменных не ограничено. В многомерном дисперсионном анализе число независимых переменных одно или несколько и число независимых также может быть несколько. В основе дисперсионного анализа лежит сравнение средних значений в различных группах. Для этого используется Т-тест.

Несмотря на наличие различных способов обработки и анализа информации, они являются неподходящими для данного исследования по разным причинам. Так например факторный и кластерный анализ представляются нецелесообразными. Дисперсионный анализ, дискриминантный анализ и построение регрессии невозможно из-за того что одна из переменных является метрической, вследствие чего будет огромное количество ответов, которые невозможно будет проанализировать. Поэтому для данного исследования будет использоваться частотный анализ, который также часто называется описательной статистикой, которая позволяет понять структуру анализируемых данных. Для выявления взаимосвязей будет использован корреляционный анализ, который дает возможность установить корреляции, а также силы связи между переменными.

Используемые методы соответствуют методам которые были использованы в исследованиях [Sahut, 2015] ( когда были выявлены позитивные взаимосвязи между ESG и финансовыми коэффициентами), методам [Manescu, 2011], который в своем исследовании установил что только подпункт ESG-факторов - сообщество “community”, положительно связан с доходностью акций, торгуемых на американской бирже в 1992-2008 годах; с методами в исследовании [Esteban-Sanchez, Cuesta-Gonzalez, Patedes-Gazquez, 2017], которые говорят о том, что лучшие отношения со своими сотрудниками и лучшее корпоративное управление имеют помогают получить лучшие показатели по финансовой результативности; соответствие с методами в исследовании [Wang, Sarkis, 2017], которые установили связь между управлением корпоративной социальной ответственностью и финансовыми показателями; соответствие с [Waworuntu, Wantah, Rusmanto, 2014], которые выявили существование умеренной положительной корреляция между социальной ответственностью и финансовой результативностью.



3. Методология исследования

3.1 Выборка

Данное исследование будет носить количественный характер и будет проведено для того, чтобы ответить на исследовательский вопрос: “существуют ли корреляции между ESG-рейтингами и финансовыми коэффициентами”.

Собрать информацию о каждой компании в мире представляется невозможным, то есть невозможно охватить генеральную или же общую совокупность, поэтому производится статистическая выборка. Основное требование к выборке это ее репрезентативность, то есть когда выборка представляет собой “уменьшенную копию” общей совокупности. Выборки бывают вероятностные ( иногда их называют случайные ) и невероятностные (иногда их называют эмпирические). К вероятностным относятся: простая случайная, взвешенная случайная, региональная или же клюмпенная выборка. К невероятностным относятся: простая невероятностная выборка, метод снежного кома ( когда у каждого респондента просятся контакты его круга общения), стихийная выборка (когда опрашиваются самые доступные респонденты) и квотированная. Простая случайная вероятностная предполагает что все имеют равные шансы попасть в выборку. Взвешенная случайная учитывает разделение общей совокупности на слои или группы, то есть учитывает структуру совокупности (например, мальчики и девочки). Региональная, когда совокупность разделена на клюмпены (группы). У региональной есть недостаток - это клюмпенный эффект, когда клюмпены могут существенно отличаться друг от друга, а также есть достоинство - это простота сбора данных и снижение стоимости их сбора.

Также существует такое важное понятие как ошибка выборки или же доверительный интервал. Это отклонение результатов, которые были получены от генеральной совокупности. Существует два типа ошибки выборки - систематическая и статистическая. Статистическая ошибка выборки зависит непосредственно от ее размера. Чем больше размер данной выборке, тем ниже статистическая ошибка.

В ходе своего исследования будет использоваться невероятностную ( которая так же называется эмпирическая ) квотированную выборку. Квотированная выборка - воспроизводит структуру общей ( генеральной ) совокупности в виде пропорций или другими словами квот изучаемых признаков. Будет собранная база данных для 2000 компаний, которые входят в список Forbes Global 2000. В список входят 2000 самых больших по капитализации компаний в мире. Выборка сделана потому что эти 2000 компаний являются довольно большой частью мирового ВВП, данные для исследования будут весьма репрезентативными. Проанализировав данные компании можно будет понимать как в принципе обстоят дела с ESG-факторами в мире, потому что это мировые транснациональные компании, на которые ориентируются другие компании. Также статистическая ошибка выборки, которая зависит от размера будет меньше, потому что количество будет довольно большим - 2000 штук. [Крыштановский,2006] [Моосмюллер,Ребик,2014][Coakes,2005]

3.2 Финансовые показатели

В программе Thomson Reuters Eikon было представлено множество различных финансовых показателей для разных компаний. Компании были разделены на 4 типа по виду деятельности: промышленные, банки, страховые компании, и сервисные. Было представлено множество различных показателей таких как: “Earnings Quality Score”, показатели группы “Profitability”: “Gross Margin”, “EBITDA Margin”, “Operating Margin”, “Pretax Margin”, “Effective Tax Rate”, “Net Margin”, “DuPont/Earning Power”, “Asset Turnover”, “Asset Turnover x Pretax Margin”, “Pretax "ROA"”, “Pretax "ROA" x Leverage (Assets/Equity)”, “Pretax ROE”, “Pretax ROE x Tax Complement”, “ROE”, “ ROE x Earnings Retention”, “Reinvestment Rate”. Показатели группы “Liquidity”: “Quick Ratio”, “Current Ratio”, “Times Interest Earned”, “Cash Cycle (Days)”. Показатели группы “Leverage”: “Assets/Equity”, “Debt/Equity”, “% LT Debt to Total Capital”, “(Total Debt - Cash) / EBITDA”. Показатели группы “Operating”: “A/R Turnover”, “Avg. A/R Days”, “ Inv Turnover”, “ Avg. Inventory Days”, “ Avg. A/P Days”, “Fixed Asset Turnover”, “WC / Sales Growth”, “ Bad Debt Allowance (% of A/R)”, “ ROIC”, “ Revenue per Employee (€)”. Важное ограничение заключается в том что не все финансовые коэффициенты можно рассчитать для всех компаний. Для анализа были выбран следующий показатель, который можно рассчитать для всех компаний.

Рентабельность суммарных активов до налогообложения ( Pretax "ROA" ) - Рентабельность активов ("ROA") - это показатель который используется в процессе анализа финансовой отчетности предприятия и является показателем того, насколько выгодна компания по отношению к ее совокупным активам. "ROA" дает менеджеру, инвестору или аналитику идею о том, насколько эффективно руководство компании использует свои активы для получения прибыли. Возврат активов отображается в процентах и рассчитывается как: "ROA" = чистый доход / общие активы. Возможности использования данного коэффициента очень широки, особенно если учитывать большое количество различных производных показателей и их взаимосвязи. Например показатель можно использовать для относительно объективной оценки работы управленцев разного уровня, также для оценки привлекательности для инвестиций в предприятие потенциальными кредиторами и инвесторами, можно использовать для того чтобы повысить эффективность процесса распределения ресурсов в рамках групп и холдингов между зависимыми единицами, и, в конце концов, для выявления слабых мест в компании и последующих их ликвидаций.

Важной особенностью является то, что в процессе формирования активов обычно используются несколько финансовых источников - это собственные средства и заемные средства. Значит, что нет существенной разницы, какой доллар пришел в виде кредита, а какой был внесен акционерами. Суть коэффициента состоит в понимании, насколько эффективно были использованы привлеченные средства, вне зависимости от типа.

Рост рентабельности активов может быть связан с несколькими факторами, такими как: увеличение тарифов на услуги и товары или же падение расходов, которые были связаны с производством или же с реализацией продукта; это может быть связано с ростом чистой прибыли предприятия или же с увеличение оборачиваемости активов. Уменьшение же коэффициента рентабельности активов может быть связана с такими факторами, как: увеличение средней стоимости основных средств или же иных оборотных или внеоборотных активов; падение скорости оборачиваемости активов или же падение чистой прибыли компании.

К внеоборотным активам относят такие активы которые используются больше чем 12 месяцев, а также которые в процессе эксплуатации не теряют своих свойств. К ним относят следующие активы: основные средства ( например, сооружения и здания, инструмент и оборудование, транспорт); нематериальные активы (патенты и различные права, лицензии, деловую репутацию и торговую марку); различные долгосрочные финансовые вложения.

К оборотным активам относят такие активы которые используются меньше 12 месяцев или другими словами одного производственного цикла. К ним относят следующие активы: запасы и незавершенное производство; налог на добавленную стоимость по приобретенным ценностям; краткосрочные финансовые вложения а также дебиторскую задолженность; денежные средства и их эквиваленты. [Бригхэм,Хьюстон,2013] [Ковалев, 2017]



3.3 Показатели ESG

Для проведения исследования будут использоваться следующие показатели ESG:

1) Общий (комбинированный) балл ESG ( “ESG combined score”) - это общий балл компаний, оцениваемый компанией Thomson Reuters основанный на информации, представленных в отчетах об окружающей среде, социальном и корпоративном управлении. Он является сложением двух нижеследующих показателей “ESG score” и “ESG controversies score”.

2) Балл ESG (“ESG score”) - это общий балл компании на основе информации, основанной на отчетах компаний об экологическом, социальном и корпоративном управлении.

3) Оценка споров ESG (“ESG controversies score”) - измеряет подверженность компании экологическим, социальным и управленческим спорам и негативные события, отраженные в глобальных СМИ, другими словами, это корректор, который используется компанией Thomson Reuters для того, чтобы скорректировать например подозрительно хорошую отчетность конкретной компании, с помощью информации, которая может быть найдена в средствах массовой информации.

4) Использование ресурсов (“Resource use”) - оценка использования ресурсов отражает эффективность и способность компании сократить использование материалов, энергии или воды и найти более экологически эффективные решения, улучшив управление цепочками поставок и прочее.

5) Выбросы (“Emissions”) - оценка выбросов измеряет обязательства и эффективность компании в отношении сокращения выбросов, которые она производит в окружающую среду в своих производственных и эксплуатационных процессах.

6) Инновации (“Innovation”) - оценка инноваций отражает способность компании снижать экологические издержки и бремя для своих клиентов и тем самым создавать новые рыночные возможности с помощью новых экологических технологий и процессов или экологически ориентированных продуктов.

7) Рабочая сила (“Workforce”) - оценка рабочей силы это показатель который оценивает эффективность компании в отношении удовлетворенности работой, здорового и безопасного рабочего места, сохранения разнообразия и равных возможностей и развития для своей рабочей силы.

8) Права человека (“Human rights”) - оценка прав человека рассматривает насколько эффективно компания действует в отношении соблюдения основных конвенций по правам человека.

9) Сообщество (“Community”) - оценивает стремление компании к тому, чтобы быть хорошим корпоративным гражданином, защищая общественное здравоохранение и соблюдая деловую этику.

10) Ответственность за продукт (“Product responsibility”) - отражает способность компании производить качественные товары и услуги, интегрируя здоровье и безопасность клиентов, целостность и конфиденциальность данных.

11) Менеджмент (“Management”) - оценивает приверженность и эффективность компании в соответствии с передовыми принципами корпоративного управления

12) Акционеры (“Shareholders”) - оценивает эффективность компании в отношении равного отношения ко всем акционерам и использования устройств для борьбы с поглощениеми.

13) Стратегия корпоративной социальной ответственности (“CSR strategy”) - отражает то что компания учитывает экономические (финансовые), социальные и экологические аспекты в свои повседневные процессы принятия решений.

Также 10 показателей объединяются в 3 группы. Так в группу экологических показателей относят: использование ресурсов (“Resource use”), выбросы (“Emissions”) и инновации (“Innovation”). В социальную группу относят: рабочую силу (“Workforce”), права человека (“Human rights”), сообщество (“Community”) и ответственность за продукт (“Product responsibility”). В группу управленческих показателей относят: менеджмент (“Management”), акционеры (“Shareholders”) и стратегию корпоративной социальной ответственности (“CSR strategy”).

3.4 Частотный анализ

Процесс анализа данных является крайне важным этапом любого исследования. Анализ частотных распределений часто является первым шагом при обработке данных, который дает общие представления об изучаемых данных и их структуре. Также часто это называют описательной статистикой.

Для построения частотных распределений используется одномерный описательный анализ. Он выполняет функцию сжатия исходных данных для последующего осмысления. В программе SPSS одномерное частотное распределение строиться с помощью команды Frequencies, которая в свою очередь находиться в рамках блока команд Descriptives. Колонка частота (Frequency) содержит непосредственно частоты. Total показывает общее количество, или же другими словами объем конкретной выборки. Однако делать какие-либо выводы основываясь только на колонке частот весьма проблематично, потому что приходиться все время соотносить числа с общим количеством. На помощь приходит колонка процент Percent. Valid Procent показывает процент за вычетом случаев, где не представлено какой-либо информации или другими словами за вычетом пропусков, которые также часто называют пропущенные данные или missing values. Обычно в последующем анализе исключают случаи, где нет ответов.

Крайне важной характеристикой при описании переменных является показатель средней тенденции. Существует три типа переменных номинальные, порядковые и метрические. Для номинальных мерой средней тенденцией является мода, для порядковых мода и медиана, а для метрические мода, медиана и среднее арифметическое. Однако каждое имеет свои недостатки, так например когда используют среднее арифметическое значение, предполагается что оно достаточно может описать переменную, однако это далеко от правды, и следует расценивать это скорее как некую модель переменной. Помогает решить проблему мера разброса, или дисперсия, которая показывает качество среднего как модели, то есть насколько среднее отличаются от реальных случаев, насколько велика разница между ними. Дисперсия (формула 1) - это сумма квадратов остатков, которая разделена на количество случаев, где xi-- это значение переменнои? «х» для «г'»-го респондента; «х» -- это среднее значение переменнои? “x”; «п» -- количество опрошенных респондентов.

(1)

Однако и у дисперсии есть недостаток - ее оценка представляется трудной. Эту проблему решают два производных от дисперсии показателя - стандартная ошибка и стандартное отклонение. Стандартное отклонение (формула 2) - квадратный корень из диспер­сии.Стандартное отклонение показывает насколько широко значения разбросаны или рассеяны от среднего значения.

(2)

Стандартная ошибка среднего (со.х) (формула 3) также является широко используемым решением вопроса оценки качества среднего как модели однако немного с другой стороны: она позволяет соотнести значение “x” с генеральным математическим ожиданием, которое c вероятностью 0,95 лежит в интервале (х ± 2с.о.х).

(3)

Мода - это самое часто встречающееся значение переменной, однако она не обладает какими либо показателями разброса, и характеристикой может считаться лишь непосредственно само ее процентное значение. Серьезным недостатком моды является то, что она не показывает как именно значения разбросаны по другим вариантам переменной которая анализируется.

Медиана - это точка на шкале, которая делит совокупность на две равные части. Также часто используют квартили, то есть разделение данные на 4 части в соответствии с медианой. Квартильное отклонение же - разница между третьим и первым квартилями. Также используются такие деления как квинтильное ( на 5 частей ) и децильное ( на 10 частей).

Для проведения анализа необходимо стандартизировать показатели ESG. Для этого в программе SPSS определенным рейтингам будут присвоены определенные числа: рейтингу “D-” присвоим число “1”, рейтингу “D” присвоим цифру“2”, рейтингу “D+” присвоим цифру “3”, рейтингу “C-” присвоим цифру “4”, рейтингу “C” присвоим цифру “5”, рейтингу “С+” присвоим цифру “6”, рейтингу “B-” присвоим цифру “7”, рейтингу “B” присвоим цифру “8”, рейтингу “B+” присвоим цифру “9”, рейтингу “A-” присвоим цифру “10”, рейтингу “A” присвоим цифру “11”, рейтингу “A+” присвоим цифру“12”. Также для пропущенных показателей будет присвоено число “99”. [Крыштановский,2006] [Моосмюллер,Ребик,2014][Coakes,2005]

3.5 Корреляционный анализ

Описательная статистика обычно является первым этапом анализа данных, которые были собраны. Последующим этапом обычно выступает формирование неких моделей или гипотез, когда одна переменная объясняет поведение другой или других переменных, то есть причинно-следственные связи. Обычно независимыми переменными называют те переменные которые объясняют или объясняющие, а зависимыми переменными называют объясняемые. Такое понятие как коэффициенты связи выполняют функцию меры взаимосвязи. Также часто используются таблицы сопряженности для непосредственно изучения взаимосвязи двух переменных. Однако при анализы таких таблиц, важным является осознание того, что представляется невозможным решение вопроса о том, какая из переменных оказывает влияние, то есть является причинной, а какая переменная меняет свое значение вследствие данной причины.

Существует много различных показателей для измерения характера и степени взаимосвязи переменных - другими словами коэффициентов связи. Один из самых популярных - это коэффициент X2 ( хи квадрат).

Для того чтобы ответить на вопрос что является зависимостью между переменными можно пойти от обратного, то есть зависимость - это отсутствие независимости. Так в теории вероятности два события могут быть независимыми только в том и только том случае, если вероятность того, что эти события свершатся одновременно равна произведению вероятностей того, что свершится каждое из них. Коэффициент X2 (хи-квадрат)(формула 4) - это показатель который фиксирует степень расхождения между ожидаемыми и реальными частотами.

(4)

Где О. -- это наблюдаемые частоты; Е. -- это ожидаемые частоты; п -- это число клеток в таблице. Однако существует ограничение - расчет коэффициента имеет смысл когда ожидаемые частоты в таблице имеют значения 5 или же больше. Если же их меньше 5, то полученные значения представляется невозможным проверить на уровень значимости, то есть нельзя сказать насколько вероятно то или иное событие и нельзя принять или же опровергнуть гипотезу о независимости переменных. В ходе анализа не будет использоваться хи-квадрат из-за того что одна из моих переменных метрическая.

Критерием взаимосвязи является коэффициент корреляции, который также показывает силу связи. Данный коэффициент обозначается обычно “r”. Коэффициент корреляции может принимать значения от “-1” до “+1”, также стоит отметить то что если он стремиться к 1, это это означает то что связь между переменными сильная, а если стремиться к 0 - слабой. Если же коэффициент отрицателен, то связь является противоположной - то есть чем выше значение одной из переменных, тем ниже вторая. Для описания обычно используются следующие градации: значения коэффициент от 0 до 0,2 - это очень слабая корреляция, значение от 0,2 до 0,5 - это слабая корреляция, от 0,5 до 0,7 - это средняя корреляция, от 0,7 до 0,9 - это высокая корреляция, а от 0,9 до 1 - это очень высокая корреляция.

Часто используется коэффициент корреляции Пирсона (формула 5), который вычисляется по следующей формуле:

(5)

в которой y и x - это значения переменных, y- и x- это их средние значения, Sx и Sy - это их стандартные отклонения, а “n” это количество пар значений. Также важным показателем является значимость (significance) или вероятность ошибки. Так, например вероятность ошибки больше 0.05 считается незначимой, вероятность до 0.05 значимой, до 0.01 очень значимой и менее 0.001 максимально значимой.

Коэффициент корреляции Пирсона фиксирует насколько анализируемые переменные единовременно отклоняются от своих средних значений. То есть, ранговые коэффициенты замеряют монотонность характера связи, а коэффициент Пирсона замеряет линейность. Коэффициент равен +1 и -1 в том случае, когда есть четкая линейная зависимость. Нулевое значение свидетельствует только об отсутствии линейной зависимости, вследствие чего можно сделать вывод о полном отсутствие каких-либо зависимостей, либо же наличие нелинейной зависимости.

Для порядковых и интервальных переменных или же для переменных, которые не подчиняются нормальному распределению, вместо коэффициент Пирсона рассчитываются ранговая корреляция по Спирману и корреляция по Кендалу. Для ее расчета отдельным значениям присваиваются так называемые ранговые места, которые потом уже обрабатываются с помощью формул. Корреляция по Спирману довольно близка к значениям коэффициентов корреляции Пирсона. Корреляционные коэффициенты по Кендалу представляет из себя такую ситуация когда одна из переменных представляется в виде последовательности, которая монотонна, и также она представляется в возрастающем порядке. Другой же переменной присваиваются места по рангу. Нарушения монотонности называется количеством инверсий, которые используются для корреляционных коэффициентов. Коэффициент Кендала используется, если в выборке есть выбросы. [Крыштановский,2006] [Моосмюллер,Ребик,2014][Coakes,2005].



4. Описание результатов

4.1 Частотный анализ

На представленном графике рис.3 видно что количество компаний, представляющих отчетность по ESG-факторам растет с 2007 по 2016 год. Так в 2007 их было всего 790, а в 2016 уже 1553, то есть рост составил в чуть более чем два раза. Также на графике можно заметить, что в 2016 году количество компаний чуть меньше, чем в 2015, это возможно связано с тем, что данные собирались в начале года, и не все компании успели предоставить отчетность, вследствие чего можно наблюдать небольшую просадку на 40 компаний или на 2.5%. Другой причиной может быть отказ этих компаний предоставлять отчетность.

Рис.3. Количество компаний отчитывающихся по ESG с течением времени

На представленном графике (рис.4 )показана динамика за 10 лет и распределение по рейтингу для показателя ESG Combined Score, который является консолидированным между ESG Score и Controversy. Важно отметить что график построен на основе самих частот(frequencies), а не процентов. Сделано это было по той причине, что количество компаний меняется с течением времени, и процентное соотношение показывало бы относительные данные. Из графика видно, что рейтинг “А+” появился только в последние годы. Значительные всплески роста в последние годы (2015-2016) показывают рейтинги “A”, “A-”, “B+”, “C+”, что свидетельствует о том что качество ESG-факторов в целом растет за последние годы. В то же время видно снижение среди “D”, “D+”, “C-”, “C”, “B-”, “B”, вследствие чего можно сделать вывод что компании улучшают качество свои показателей. Другая важная особенность - это то, что значительная часть компаний имеет рейтинг “C” и “C+”, что говорит о том, что хоть и последнее время видны улучшения, все же серьезная доля имеет довольно слабый рейтинг.

Из таблицы 1 “ESG Combined Score” в приложении 1, видно, что среднее значение (Mean) растет, так если оно в 2007 было 6.16, в 2016 году оно составляет уже 6.58. Стандартное отклонение (standard deviation) растет, но незначительно, это связано с ростом количества компаний с течением времени.

Рис.4. “ESG Combined Score”

На представленном графике (рис.5) по ESG Score (нескорректированному) видно существенное различие от графика консолидированного показателя. Так если консолидированный смещен влево и большая часть сосредоточена в районе рейтингов “C”, нескорректированный показатель смещен в сторону “B”. Однако тенденция на рост качества сохраняется, так, у нескорректированного показателя, также показывают значительный рост рейтинги “A”, “A-”, “B+”.

Из таблицы 2 “Esg Score” в приложении 1 видно, что средне значение растет с 7.139 в 2007 году до 7.984 в 2016 году, и также стоит заметить, что это отличается от ESG Combined Score, где значения 6.16 и 6.58 соответственно. Это говорит о том, что значения корректируются с помощью корректорам ESG Controversy, и следовательно уменьшаются. Также видно что отличаются медианы (точка на шкале, которая делит совокупность на две равные части). Так у Combined Score преобладает 6, то есть рейтинг “C+”, в то время как у просто Score преобладает 7, что соответствует рейтингу “B-”. Также отличаются моды (самые часто встречающиеся значения), так у консолидированного показателя чаще всего встречаются 5 и 6, то есть “C” и “С+”, а у простого показателя без корректировки чаще всего встречаются 8 и 9, то есть “B” и “B+”. Также отличаются стандартные отклонения и стандартные ошибки, так у нескорректированного показателя они немного больше.

Рис.5. “ESG Score”

На представленном графике (рис.6) по ESG Controversies Score(корректор) видно, что большое количество компаний получают рейтинг “B”, то есть если сложить эти данные, которые являются корректором и будут следовательно отрицательными, или другими словами уменьшать данные ESG Score, и ESG Score, то получится как раз картина которую можно наблюдать на графике консолидированного показателя.

Из таблицы 3 “ESG Controversies Score” в приложении 1 видно что среднее отличается от консолидированного и неконсолидированного показателя, и находиться около 5, по сравнению с 6 и 7 соответственно. Медианы и моды не сильно отличаются от неконсолидированного показателя.

Рис.6. “ESG Controversies Score”

На графике (рис. 7)использования ресурсов видно, что значения смещены вправую сторону, и преобладают рейтинги от “B” до “A+”, также виден серьезный вес рейтинга “D+”, с его последующим падением, и ростом “отличных рейтингов”. Возможно это связано с тем, что с 2008 года было большое увеличение количества компаний, отчитывающихся по ESG, которые начали с плохих рейтингов и впоследствии значительно улучшили свои показатели.

Из таблицы 4 “Resource Use” в приложении 1 видно, что средний показатель для использования ресурсов растет с 7 до 8, то есть с “B-” до “B+”. Мода в 2007-2009 годах составляла 3, что соответствует рейтингу “D+”, а с 2010 года самое часто встречающееся значение уже 12, то есть “A+”, вследствие чего можно говорить о том что компании улучшили то как они используют природные ресурсы.

Рис.7 “Resource Use”

Из графика выбросов (рис.8 )видно, что рейтинги смещены вправо к “отличным” рейтингам, и виден значительный рост у правых четырех рейтингов в последние годы.

Из таблицы 5 “Emissions” в приложении 1 видно, что среднее значение растет с течением времени с 7 до 8, что на единицу больше чем консолидированный показатель. Самый часто встречающийся рейтинг составляет 12.

Рис.8 “Emissions”

На графике (рис.9)инновации представлена крайне смешанная и неоднозначная картина, растут как и “отличные рейтинги”, так и рейтинги от “D+” до “C+”.

Из таблицы 6 “Innovation” в приложении 1 видно, что среднее значение растет с 6 до 7. Крайне странно ведет себя мода, у которой нет четкого тренда и значения то резко растут то резко падают.

Рис.9. “Innovation”

На графике рабочая сила (рис.10) прослеживается четкое смещение в сторону “отличных”, и их рост в 2015-2016 годы.

Из таблицы 7 “Workforce” в приложении 1 видно, что среднее значение растет с 7 до 8, мода во все года равна 12, что заставляет насторожиться.

Рис.10. “Workforce”

На рис.11 видно то что большое количество компаний имеют рейтинги “C-” и “С”, однако с течением времени ситуация меняется и эти рейтинги падают, на фоне роста “отличных рейтингов”.

Из таблицы 8 “Human Rights” в приложении 1 видно, что среднее значение растет с 7 до 8. Самое часто встречающееся в течение всего периода значение 5, что соответствует рейтингу “С”.

Рис.11 “Human Rights”

На графике (рис.12) сообщество прослеживается смещение в сторону “отличных”, однако не настолько сильное как например у рабочей силы, и их рост в 2015-2016 годы. График сообществ более равномерно распределен от “D-” до “B+”.

Из таблицы 9 “Community” в приложении 1 видно, что среднее значение растет, но с корректировками, мода равна 12, то есть рейтингу “A+”.

Рис.12 “Community”

На графике (рис.13) представлена смешанная информация, так например растут рейтинги “C” и “С+”, но в то же время растут рейтинги “A-” и “A+”. Возможно это связано с тем что компании имевшие в прошлом рейтинги класса “D”, улучшили свои показатели в сторону “C”, а компании имевшие рейтинги класса “B” выросли до класса “A”.

Из Таблицы 10 “Product Responsibility” в приложении 1 видно, что среднее значение растет с 7.1 до 7.7, а так -же мода сделала рывок в 2010 году, и если она в 2007-2009 годах была равно 6-8, то с 2010 года она постоянно равна 12.

Рис.13. “Product Responsibility”

На графике (рис.14 )менеджмент прослеживается такое же четкое смещение в сторону “отличных” рейтингов, как и у например “рабочей силы”, а так же присутствует рост в последние годы.

Из таблица 11 “Management” в приложении 1 видно, что среднее значение растет с 6.7 до 7.7.

Рис. 14. “Management”

На графике (рис.15) стейкхолдеры прослеживается крайне смешанная и неоднозначная картина, нет четких трендов, рейтинги распределены относительно равномерно.

Из таблицы 12 “Shareholders” в приложении 1 видно, что присутствует рост среднего значения, но он представляется незначительным в сравнении с другими показателями, и составляет всего 0.1 (с 6.7 до 6.8). Мода растет, но с проседаниями.

Рис.15. “Shareholders”

На графике прослеживается более менее четкий тренд смещения в сторону “отличных” рейтингов, и их рост в последние годы. Также весьма интересным представляется сильные всплески роста в рейтингах “D+”, “C-”, “C”, которые могут быть вызваны тем что в эти годы большое количество компаний начали отчитываться по стандартам ESG, и получили данные рейтинги.

Из таблицы 13 “CSR Strategy” в приложении 1 видно, что среднее растет средними темпами всего на 0.5 (с 7.5 до 8.1).

Рис.16 “CSR Strategy”

Подводя итог частотного анализа можно сказать что основной вывод заключается в росте количества компаний, которые отчитываются по ESG-факторам, а также рост качества, то есть другими словами компании все больше заботятся и улучшают свои рейтинги.

4.2 Корреляционный анализ

Корреляционный анализ показывает взаимосвязь между переменными.Если смотреть на коэффициент корреляции Пирсона то нулевое значение свидетельствует только о том, что отсутствует линейная зависимость, вследствие чего можно сделать вывод либо о полном отсутствии каких-либо зависимостей, либо же о наличии нелинейной зависимости. Важным ньюансом является то, что для исследования интересны взаимосвязи ближайших лет, то есть например если показатель "ROA" за 2014 год показывает связь с показателями ESG Combined Score за 2014, то есть показатели связаны в этом году, с 2013 годом то есть показатель ESG Combined Score влияет на "ROA" 2014 года ( исходя из логики что событие произошедшее ранее влияет на будущее), и с 2015 годом, то есть уже показатель "ROA" за 2014 год влияет на показатель ESG Combined Score ( исходя из той же логики, что событие в прошлом влияет на событие в будущем).

При проведении корреляционного анализа по Пирсону, Спирмену и Кендалу для выявления взаимосвязей между "ROA" и ESG Combined Score были получены нижеследующие результаты.

Корреляционный анализ по Пирсону ( таблица 1 “Esg combined score по Пирсону”, приложение 2 ):"ROA" 2016 связан с ESG Combined Score 2014 года, сила связи 0.069, на уровне значимости 0.01."ROA" 2015 связан с ESG Combined Score 2016 года, сида связи 0.061, на уровне значимости 0.05. "ROA" 2009 показывает взаимосвязь с ESG Combined Score 2008, сила связи -0.06, на уровне значимости 0.05. "ROA" за 2014, 2013, 2012, 2011, 2010, 2008, 2007 и 2006 не показывает взаимосвязей с показателями ESG Combined Score.

Корреляционный анализ по Кендаллу (таблица 2 “ESG Combined Score по Кендаллу”, приложение 2):"ROA" 2016 связан с ESG 2016 года, сила связи 0.062 на уровне значимости 0.01, а также был выявлен интересная связь с ESG 2014, сила связи 0.052 на уровне значимости 0.01, то есть они связаны через 2 года. "ROA" 2015 связан с ESG 2014 года, сила связи 0.046 на уровне значимости 0.05, а также связан с ESG 2016 года, сила связи 0.054 на уровне значимости 0.01."ROA" 2014 показывает интересную связь с ESG 2016 с силой связи 0.037 на уровне значимости 0.05."ROA" 2012 показывает связь с ESG 2014, сила связи 0.041 на 0.05 уровне значимости. "ROA" 2009 показывает связи с ESG 2011 года, сила связи -0.048 на 5% уровне значимости. "ROA" 2008 показывает связи с ESG 2014, 2013, 2012, 2011, 2010, 2009, 2008 года. "ROA" 2007 показывает связи с ESG 2014, 2012, 2011, 2010, 2009 и 2007 года."ROA" за 2013, 2011,2010, 2006 не показывают взаимосвязей.

Корреляционный анализ по Спирмену (таблица 3 “ESG Combined Score по Спирмену”, приложение 2): "ROA" 2016 показывает взаимосвязи с ESG за 2016 (0,086), за 2015 ( 0.051), и за 2014 года (0.074)."ROA" 2015 показывает связи с ESG 2016 (0.076) и с ESG 2014 ( 0.064). "ROA" 2014 связан с ESG 2014 ( 0.052). "ROA" 2008 показывает связи с показателем ESG за 2014, 2013, 2012, 2011, 2010, 2008 года. "ROA" связан с ESG 2014, 2012, 2011, 2010, 2007. "ROA" за 2013, 2012, 2011, 2010, 2009 не показывают взаимосвязей.

Корреляционный анализ для ESG Score. По Пирсону (таблица 4 “ESG Score по Пирсону”, приложение 2): "ROA" 2011 показывает взаимосвязи с показателем ESG Score за 2016, 2015, 2014, 2013. "ROA" 2010 связан с ESG за 2015, 2014 годы "ROA" 2008 показывает сильные взаимосвязи с показателями ESG за 2016 - 2007, причем эти связи почти все на 0.01 уровне значимости, и они сильнее чем во всех предыдущих случаях и достигают силы связи в 0.117, то есть 11.7 процентов. "ROA" 2007 также показывает связь с 2016-2010 годами и сила связи от 0.062 до 0.1. "ROA" 2006 связан с 2016-2013 годами, но сила максимально 0.069.

По Кендаллу (таблица 5 “ESG Score по Кендаллу”, приложение 2):

"ROA" 2012 связан с Score 2014 ( 0.037). "ROA" 2011 связан с Score за 2016-2012 года. "ROA" 2010 связан с 2015-2013 годами. "ROA" 2008 связан с показателем ESG Score за 2016-2008 года, максимальная сила связи 0.087. "ROA" 2007 связан с 2016-2010, с максимальной силой в 0.068.

По Спирману (таблица 6 “ESG Score по Спирмену”, приложение 2): "ROA" 2011 связан с ESG Score за 2016-2012 годы с максимальной силой связи 0.085, при 1% уровне значимости. "ROA" 2010 связан с 2015-2013. "ROA" 2008 связан с 2016-2008, причем максимальная сила связи 0.12. "ROA" 2007 связан с 2007-2008 и 2010-2016, с максимальной силой связи в 0.11. "ROA" 2006 связан с 2016-2010 и с 2008 ( сила 0.065 ), с максимальной силой связи в 0.095.

Корреляционный анализ для ESG Controversies Score. По Пирсону (таблица 7 “ESG Controversies по Пирсону”, приложение 2): "ROA" 2016 связан с показателем Controversies 2016 с силой связи 0.063. "ROA" 2011 с Controversies за 2015. "ROA" 2010 с 2015, 2008, 2007 годами. "ROA" 2009 с 2015. "ROA" 2007 c 2015."ROA" 2006 с 2015, 2010, и 2008, с довольно сильными связями до 0.098.

По Кендаллу (таблица 8 “ESG Controversies по Кендаллу”, приложение 2): "ROA" 2016 показывает связи с Controversies за 2016 год ( 0.046). "ROA" 2015 связан с 2015 ( -0.043). "ROA" 2014 c 2015 ( 0.054). "ROA" 2013 c 2015 ( -0.044)."ROA" 2012 c 2009."ROA" 2011 c 2015 и 2009. "ROA" 2010 c 2015 и 2009. "ROA" 2008 c 2015 и 2009. "ROA" 2007 с 2015-2013, 2011-2009. "ROA" 2006 с 2015-2008.

По Спирмену (таблица 9 “ESG Controversies по Спирмену”, приложение 2): "ROA" 2016 c controversies 2016. "ROA" 2015 с 2015. "ROA" 2014 с 2015. "ROA" 2013 с 2015. "ROA" 2011 с 2015 и 2009. "ROA" 2010 с 2015. "ROA" 2008 с 2015 и 2009. "ROA" 2007 с 2015-2009. "ROA" 2006 с 2015-2008.

В ходе анализа взаимосвязей между "ROA" и ESG Controversies Score было выявлено то что большая часть связей отрицательны, что свидетельствует о том, что если "ROA" растет то ESG Controversies падает, и наоборот. Отрицательные значения показывают что чем лучше финансовая ситуация у компании, тем меньше у нее проблем с ESG , то есть меньше корректор. Стоит напомнить что Controversies - это корректор, смысл которого в том, чтобы показать есть ли у компании несостыковки между отчетностью и реальными действиями. Делается это с помощью поиска информации в средствах массовой информации на наличие скандалов связанных с компанией.

Корреляционный анализ для Resource Use. По Пирсону (таблица 10 “Resource use по Пирсену”, приложение 2): "ROA" 2011 связан с Resource use за 2015, 2014, 2013 годы. "ROA" 2010 связан с 2015 и 2014 годами. "ROA" 2008 связан с 2016-2007 годами, причем сила связи достигает 0.148. "ROA" 2007 связан с 2016-2010 годами, и 2008 годом, максимальная сила связи 0.118. "ROA" 2006 связан с 2015-2011 годами.

По Кендаллу (таблица 11 “ESG Controversies по Кендаллу”, приложение 2): "ROA" 2016 связан с 2015. "ROA" 2011 связан с 2016-2012. "ROA" 2010 связан с 2014-2015 годами. "ROA" 2008 связан с 2016-2007 годами, причем сила связи достигает 0.1. "ROA" 2007 связан с 2016-2007. "ROA" 2006 связан с 2016-2008.

По Спирмену (таблица 12 “ESG Controversies по Спирмену”, приложение 2): "ROA" 2016 связан с 2015. "ROA" 2011 связан с 2016-2012. "ROA" 2010 связан с 2015-2014 годами. "ROA" 2008 связан с 2016-2007 годами, причем сила связи достигает 0.141. "ROA" 2007 связана с 2016-2007 годами, сила связи достигает 0.117. "ROA" 2006 связана с 2016-2008 годами, но сила связи уже послабее и достигает только 0.099.

Корреляционный анализ для Emissions. По Пирсону (таблица 13 “Emissions по Пирсону”, приложение 2): "ROA" 2008 связано с показателем выбросов за 2016-2010 годы и сила связи достигает 0.09. "ROA" 2007 связан с 2015-2010 годами и достигает 0.091, на 1% уровне значимости. "ROA" 2006 связан с 2015 и 2014, а также с 2012 годами, с силами связи в диапазоне 0,054 - 0.056.

По Кендаллу (таблица 14 “Emissions по Кендаллу”, приложение 2): "ROA" 2011 связан с 2014-2012 годами. "ROA" 2008 связан с 2016-2007 годами, сила связи от 0.048 до 0.082. "ROA" 2007 связана с 2015-2010 годами и с 2007 годом. "ROA" 2006 связан с 2015-2011 годами.

По Спирмену (таблица 15 “Emissions по Спирмену”, приложение 2): "ROA" 2008 связан с 2016-2007, сила связи достигает 0.117, на 1% уровне значимости. "ROA" 2007 связана с 2015-2010 и 2007 годами. "ROA" 2006 связана с 2015-2011 годами, но с меньшей силой до 0.074.

Корреляционный анализ для Innovation. По Пирсону (таблица 16 “Innovation по Пирсону”, приложение 2): "ROA" 2016 связано с показателем инновации 2016-2010 и 2008 годов, причем связи эти отрицательные. "ROA" 2015 связан с 2013 и 2008 годом. "ROA" 2014 связан отрицательно с 2016-2008 годами, максимально до -0.086. "ROA" 2013 отрицательно связано с 2016 и 2011 годами. "ROA" 2012 связано с 2016-2012 и 2008 годом. "ROA" 2011 связано с 2016-2011 и 2008 годом. "ROA" 2010 с 2016-2010. "ROA" 2009 с 2016-2011.

По Кендаллу (таблица 17 “Innovation по Кендаллу”, приложение 2): "ROA" 2016 связан с 2016-2015, 2012-2011,2008. "ROA" 2015 с 2016, 2015 2012-2011, 2008. "ROA" 2015 связан с 2016-2008. "ROA" 2014 связан с 2016-2011, 2009-2008. "ROA" 2013 связан с 2016-2011 и 2008. "ROA" 2012 связан с 2016-2011 и 2008. "ROA" 2011 связан с 2016-2015 и 2013 и 2008. "ROA" 2010 связан с 2016-2008 годами. "ROA" 2009 связан с 2016-2008 годами.

По Спирмену (таблица 18 “Innovation по Спирмену”, приложение 2): "ROA" 2016 связан с 2016-2015, 2012-2011, 2008. "ROA" 2015 связан с 2016-2008. "ROA" 2014 связан с 2016-2011 и 2009-2008. "ROA" 2013 связан с 2016-2011 и 2008, причем сила связи достигает -0.103 при 1% уровне значимости. "ROA" 2012 связан с 2016-2011. "ROA" 2011 связан с 2016-2015, 2013. "ROA" 2010 и "ROA" 2009 связаны с 2016-2008 годами, причем силы связи достигают -0.126.

Интересным является тот факт, что "ROA" за 2008-2006 год, которые обычно делали отголоски на последующие года, с показателем инноваций никак не связаны. Отрицательное значения же говорят о том, что чем больше "ROA" тем меньше показатель инноваций. Видно, что связь показывают последние ближние года, к более прошлым. Это можно интерпретировать тем, что в прошлом компании меньше инвестировали в инновации в сфере экологии, следовательно, они инвестировали их в другие направления, которые скорее всего могли бы приносить деньги, например модернизировали производство и значит на сегодняшний момент компании имеют лучшие показатели рентабельности активов. Стоит отметить что под инновациями имеются в виду инновации в сфере экологии, которые по сути своей являются серьезными расходами для компании, и не улучшают или же не модернизируют производственные мощности, то есть не увеличивают производительность или же эффективность.

Корреляционный анализ для Workforce. По Пирсону (таблица 19 “Workforce по Пирсону”, приложение 2): "ROA" 2016 связан с показателем рабочей силы 2015 года, но довольно слабо, с силой связи 0.059 при 5% уровне значимости. "ROA" 2011 связан с 2015-2012 годами, но до 0.066 силы связи. "ROA" 2010 связан с 2015-2012 годами. "ROA" 2008 связан с 2016-2008 годами. "ROA" 2007 связан с 2016-2007 годами.

По Кендаллу (таблица 20 “Workforce по Кендаллу”, приложение 2): "ROA" 2015 связан с 2015, но крайне слабо - 0.037. "ROA" 2011 связан с 2015-2010. "ROA" 2010 связан с 2015-2012 годами. "ROA" 2008 связан с 2015-2008 годами. "ROA" 2007 связан с 2016-2007, причем на 1% уровне значимости. "ROA" 2006 связан с 2016-2007 годами.

По Спирмену (таблица 21 “Workforce по Спирмену”, приложение 2): "ROA" 2015 связан с 2015. "ROA" 2011 связан с 2015-2007 годами. "ROA" 2010 связан с 2015-2010 годами. "ROA" 2008 связан с 2015-2008 годами, причем сила связи достигает 0.1 при 1% уровне значимости. "ROA" 2007 связано с 2016-2007, также сила достигает 0.1. "ROA" 2006 связан с 2015-2007.

Стоит отметить что все силы связи довольно маленькие и в среднем составляют 0.05.

Корреляционный анализ для Human Rights. По Пирсону (таблица 22 “Human rights по Пирсону”, приложение 2): "ROA" 2011 связан с показателем человеческих прав 2014-2008. "ROA" 2010 связан с 2015-2010 годами. "ROA" 2008 связан с 2016-2010 годами, сила связи достигает 0.099. "ROA" 2007 связан с 2016-2010 годами. "ROA" 2006 связан с 2016-2013 годами.

По Кендаллу (таблица 23 “Human rights по Кендаллу”, приложение 2): "ROA" 2015 связан с 2009-2008 годами. "ROA" 2011 связан с 2014. "ROA" 2010 связан с 2016. "ROA" 2008 связан с 2016- 2011 годами. "ROA" 2006 связан с 2015-2014 годами.

По Спирмену (таблица 24 “Human rights по Спирмену”, приложение 2): "ROA" 2015 связан с 2009-2008 годами. "ROA" 2008 связан с 2016-2012 годами, сила связи достигает 0.086.

Интересно отсутствие связей для "ROA" 2016-2012 годов.

Корреляционный анализ для Community. По Пирсону (таблица 25 “Community по Пирсону”, приложение 2): "ROA" 2014 связан с 2016-2011 и 2009 годами. "ROA" 2014 связан с 2016-2012 и 2010 годами. "ROA" 2012 связан с 2016-2011 годами. "ROA" 2011 связан с 2016-2008 годами, с максимальной силой связи в 0.115. "ROA" 2010 связан с 2016-2015.

По Кендаллу (таблица 26 “Community по Кендаллу”, приложение 2): "ROA" 2014 связан с 2016-2007 годами. "ROA" 2013 связан с 2016-2007 годами. "ROA" 2012 связан с 2016-2010 годами. "ROA" 2011 связан с 2016-2007 годами. "ROA" 2010 связан с 2016-2010 годами. "ROA" 2008 связан с 2016-2015, 2013-2010 годами. "ROA" 2007 связан с 2016-2010 годами. "ROA" 2006 связан с 2016-2010 годами.

По Спирмену (таблица 27 “Community по Спирмену”, приложение 2): "ROA" 2014 связан с 2016-2007 годами, сила связи от 0.077 до 0.093. "ROA" 2013 связан с 2016-2007. "ROA" 2012 связь с 2016-2008. "ROA" 2011 связан с 2016-2007 причем сила связи достигает 0.012. "ROA" 2010 связан с 2010 связан с 2016-2010. "ROA" 2008 связан с 2016-2010. "ROA" 2007 связан с 2016-2010 годами. "ROA" 2006 связан с 2016-2010 годами.

Корреляционный анализ для Product Responsibility.По Пирсону (таблица 28 “Product responsibility по Пирсону”, приложение 2): "ROA" 2011 связан с 2016, 2014-2010 годами. "ROA" 2008 связан с 2016-2010. "ROA" 2007 связан с 2016-2013.

По Кендаллу (таблица 29 “Product responsibility по Кендаллу”, приложение 2 ): "ROA" 2011 связан с 2016-2010. "ROA" 2010 с 2013-2012. "ROA" 2008 с 2016-2009. "ROA" 2007 с 2016-2010. "ROA" 2006 с 2016-2012.

По Спирмену (таблица 30 “Product responsibility по Спирмену”, приложение 2): "ROA" 2012 с 2013. "ROA" 2011 с 2016-2010, достигая 0.1 силы связи. "ROA" 2010 с 2013-2012. "ROA" 2008 с 2016-2009. "ROA" 2007 с 2016-2010. "ROA" 2006 с 2016-2012.

Корреляционный анализ для Management. По Пирсону (таблица 31 “Management по Пирсону”, приложение 2): "ROA" 2014 связан с 2016 и 2015 годами. "ROA" 2014 связан с 2016-2015. "ROA" 2013 связан с 2016-2015. "ROA" 2012 связан с 2014 и 2009 годами. "ROA" 2011 с 2014. "ROA" 2010 с 2014. "ROA" 2008 c 2016-2008 годами.

По Кендаллу (таблица 32 “Management по Кендаллу”, приложение 2): "ROA" 2016 связан с 2016-2015. "ROA" 2015 связан с 2016-2014. "ROA" 2014 связан с 2016-2014. "ROA" 2013 связан с 2016-2014."ROA" 2012 связан с 2016-2014. "ROA" 2011 связан с 2016-2014. "ROA" 2010 связан с 2016-2014. "ROA" 2008 связан с 2016-2014. "ROA" 2007 и 2006 связаны с 2016 и 2014 годами.

По Спирмену (таблица 33 “Management по Спирмену”, приложение 2): "ROA" 2016 связан с 2016-2015. "ROA" 2015 связан с 2016-2014. "ROA" 2014 связан с 2016-2014. "ROA" 2013 связан с 2016-2014. "ROA" 2012 связан с 2016-2014. "ROA" 2011 связан с 2016-2014. "ROA" 2010 связан с 2016-2014. "ROA" 2008 связан с 2016-2014. "ROA" 2007 и 2006 связаны с 2016 и 2014 годами.

Была замечена тенденция что на последние годы Management 2016-2014 влияют показатели "ROA" за весь срок. То есть другими словами, чем лучше был показатель рентабельности активов, тем лучше показатели качества менеджмента в 2014-2016 годах.

Корреляционный анализ для Shareholders. По Пирсону(таблица 34 “Shareholders”, приложение 2): "ROA" 2008 с показателем стейкхолдеров в 2007 году.

По Кендаллу(приложение 35 “Shareholders” , приложение 2): "ROA" 2008 с 2007 годом.

По Спирмену(приложение 36 “Shareholders”, приложение 2 ): "ROA" 2008 с 2007 годом.

Крайне мало взаимосвязей.

Корреляционный анализ для CSR Strategy. По Пирсону (таблица 37 “CSR Strategy”, приложение 2): "ROA" 2016 c CSR 2008. "ROA" 2015 с CSR 2011,2008. "ROA" 2011 с 2016-2011 годами. "ROA" 2010 с 2016-2012 годами. "ROA" 2008 2007 и 2006 с 2016-2009 годами.

По Кендаллу(таблица 38 “CSR Strategy”, приложение 2”): "ROA" 2016 с 2015. "ROA" 2015 с 2016-2015. "ROA" 2013 с 2016. "ROA" 2012 c 2016-2015. "ROA" 2011 и 2010 с 2016-2007. "ROA" 2009 с 2016, 2010. "ROA" 2008, 2007 и 2006 с 2016-2007.

По Спирмену(таблица 39 “CSR Strategy”, приложение 2): "ROA" 2016 с 2015. "ROA" 2015 с 2016 и 2008. "ROA" 2014 с 2016-2015. "ROA" 2013 с 2016. "ROA" 2012 с 2016-2015. "ROA" 2011 с 2016-2007. "ROA" 2010 с 2016-2007. "ROA" 2008, 2007, 2006 с 2016-2007 годами, причем сила связи достигает 0.142.

После проведения корреляционного анализа можно сделать нижеследующие выводы. Было выявлено наличие взаимосвязей между ESG факторами и финансовым показателем рентабельности активов "ROA" ( return on assets). Причем следует отметить что нулевое значение свидетельствует только о том, что отсутствует линейная зависимость, вследствие чего можно сделать вывод либо о полном отсутствии каких-либо зависимостей, либо же о наличии нелинейной зависимости. То есть, другими словами были выявлены не просто взаимосвязи, а линейные взаимосвязи. То есть, нельзя отрицать возможное наличие нелинейных связей.

Другим важным нюансом является то что все взаимосвязи, которые были выявлены обладают довольно слабой силой связи, которая находиться до 0.2 и называется “очень слабая корреляция”.

Проведя корреляционный анализ между между "ROA" и ESG Controversies Score было выявлено то, что большая часть связей отрицательны, что свидетельствует о том, что если "ROA" растет то ESG Controversies падает, и наоборот. Отрицательные значения показывают что чем лучше финансовая ситуация у компании, тем меньше у нее проблем с ESG , то есть меньше корректор. Стоит напомнить что Controversies - это корректор, смысл которого в том, чтобы показать есть ли у компании несостыковки между отчетностью и реальными действиями. Делается это с помощью поиска информации в средствах массовой информации на наличие скандалов связанных с компанией.

...