TESG指標實證研究 – 企業永續表現是否會反映於市場估值？

前言：為什麼傳統財務分析需要納入ESG？

傳統財務分析的局限－歷史財務數據具落後性，難捕捉未來獲利能力

企業市場估值（如股價淨值比 Price-to-Book Ratio, PBR，或本益比 Price-to-Earnings Ratio, PER）是資本市場對其長期競爭力與整體價值的綜合定價。而傳統會計分析過度依賴歷史帳務記錄，難以完全解釋市場對企業未來價值的評價。為了更有效解析市場估值的形成機制，策略財務分析（Strategic Financial Analysis, SFA）框架應運而生；該框架將企業的質性策略選擇與量化財務驅動因子相結合，建立了策略決策與市場估值之間的連結橋樑，補足了傳統財務分析過度侷限於帳面數字的不足。

然而，隨著ESG日益受到重視，企業價值也愈來愈受到品牌、技術、人才、利害關係人信任及風險管理能力等無形因素影響，傳統 SFA 的實證研究面臨若干侷限：首先，歷史財務指標具有落後性，較容易反映企業過去的經營成果，卻未必能充分捕捉企業維持未來穩定獲利的能力。其次，傳統會計指標難以完整衡量企業透過品牌建設、員工培訓、供應鏈管理、環境轉型與利害關係人關係所累積的聲譽資本與信賴資產。這些投入雖然多數無法即時資本化為資產，卻可能構成企業長期競爭優勢與估值溢價的重要來源。

過去研究已廣泛檢視企業永續表現與財務績效之關聯。Friede 等人（2015）彙整超過 2,000 項實證研究，發現多數研究呈現非負向關係，但研究結果仍會因績效指標、研究地區、資產類型與模型設定而有所不同。

將財務分析框架納入ESG變數

若要更完整解釋市場估值差異，策略財務分析框架有必要納入 ESG 變數，以重新檢視非財務策略如何影響企業價值創造。從策略財務分析的觀點來看，ESG 實踐並非單純的成本支出，而是企業為取得長期競爭優勢所進行的前瞻性策略投資。其影響可透過兩條主要通道傳導至市場估值：

• 良好的環境與社會表現有助於強化品牌權益、利害關係人信任與市場准入機會，進而提升企業未來獲利能力與成長預期。
• 健全的公司治理結構能降低資訊不對稱、代理成本與隱性風險，使投資人要求的風險溢酬下降，進而改善企業的權益資金成本。

換言之，ESG 資訊與財務基本面並非彼此獨立，而是共同構成企業價值創造系統中的關鍵輸入。

驗證TESG指標對市場估值是否具顯著解釋力

為了解決上述傳統會計指標無法觸及的死角，企業決策應當將 ESG 變數正式納入策略財務分析框架中，藉此重新詮釋市場估值的決定機制。本研究將 ESG 納入策略財務分析架構，並透過迴歸模型檢驗其對企業市場估值的影響。在控制獲利能力、成長機會與槓桿結構等傳統財務因素後，若 ESG 變數仍對股價淨值比或本益比等估值乘數具有顯著解釋力，則可進一步推論，資本市場可能已將企業透過 ESG 策略所累積的無形資產與風險管理能力納入定價。藉此，本研究旨在驗證 ESG 是否能跨越傳統會計認列的限制，成為影響市場估值且具備統計顯著性與經濟意涵的重要決定因子。

▶️延伸閱讀：TESG指標實證研究 - 企業ESG表現與銀行放款決策的關聯性

📌 閱讀提醒：下段將包含較深入的模型推導與統計模型設定。
如果您想直接了解實證結果與結論 👉 請點此跳轉至： 段落 - 研究結果 ｜段落 - 結論

研究方法－結合高登成長模型的 PBR 估值推導

為了將 ESG 對企業價值之影響轉化為可檢驗的估值架構，本文以高登成長模型作為股價淨值比乘數推導的起點（Gordon, 1962）。

（一）基本模型

該模型將企業價值表示為未來股利的折現現值，並明確指出企業價值取決於預期股利（D1）、權益資金成本（cost of capital, k）與成長率（g）。

當中的預期股利能拆解為下期預期盈餘（E1）乘以盈餘的非保留比例，即股利支付率（1-b，其中 b 為保留盈餘率）。同時，預期盈餘（E1）又能進一步拆解為期初每股帳面淨值（B0）與股東權益報酬率（ROE）之乘積；而企業的長期成長率（g），本質上是由保留於公司內部的盈餘再投資所驅動。

如前所述，成長率係由保留於公司內部之盈餘再投資所驅動，故可表示為：

繼續推導可得：

將該結果代回高登成長模型，在策略財務分析框架中，股價淨值比是企業策略布局與財務基本面共同作用下的客觀定價，由下等式決定。

從企業資本配置的視角切入，股利支付率（Payout Ratio）實則映射出公司「未予保留之盈餘比重」（即前述 1-b ， b 為保留盈餘率）。將此概念與股東權益報酬率（ROE）進一步結合，即可推導出以下核心等式：

上述等式中的兩種數學表述在代數上互為等價，但表現出市場對於企業價值估算的不同詮釋角度。

• 盈餘分配與流量變現觀點

• 從企業資本配置的視角切入，此觀點著眼於股利支付率，實則反映了公司「未予保留之盈餘比重」。它強調在既定的風險與成長預期下，企業將獲利能力（ROE）轉化為實質現金流交還予投資人的變現能力。
  

• 基本面主導與成長拉扯觀點

• 此視角則消去了股利政策的表象，直指企業價值創造的核心。該式強調企業整體的獲利能力（ROE）與長期成長動能（g）之間的相對優勢。當公司的獲利能力能夠超越其擴張所需的成長投入時，便奠定了高市場估值的基本面基石。

由上述推導可知，P/B 乘數主要受到獲利能力ROE、股利支付率、權益資金成本或股東要求報酬率 k，以及永續成長率 g 所影響。在策略財務分析框架中，環境、社會與公司治理等非財務指標並非與企業財務價值脫鉤的外部變數，而是反映企業長期競爭力、風險管理能力與價值創造效率的前瞻性資訊。亦即，ESG 因子可透過影響企業未來現金流、成長預期與風險水準，進一步改變市場對企業股價淨值比的評價。此一觀點也與 SFA 將 ESG 視為影響 k、g、現金流穩定性與估值乘數之策略性價值驅動因子的主張一致。

第一，現金流、獲利與成長通道主要作用於企業的獲利能力與永續成長率。企業若積極推動節能減碳、資源循環、綠色供應鏈或製程改善等環境策略，短期內可能產生額外資本支出或營運成本；然而，長期而言，這些投入可能透過提升資源使用效率、規避能源波動風險、減少碳稅與規避懲罰性支出，改善營運效率與獲利品質。當 ESG 策略能提升企業獲利能力，進而推升 ROE，同時強化市場對其未來成長率 g 的預期時，將使 P/B 模型中的分子增加，並使分母項 k-g 縮小，進而提高理論上 P/B 乘數。

第二，折現率與風險通道主要作用於分母端的權益資金成本/要求回報率 k。良好的公司治理機制，例如較高的董事會獨立性、透明的資訊揭露與有效的內部控制，能降低代理成本與資訊不對稱，使外部投資人更能準確評估企業價值。另一方面，具備較高 ESG 韌性的企業，通常在勞資關係、供應鏈管理、環境風險控管與企業倫理方面具有較完善的制度設計，因此較能降低環保裁罰、供應鏈勞權爭議、重大舞弊或其他尾端風險發生的可能性。此種風險緩解效果會降低投資人所要求的風險溢酬，進而壓低權益資金成本 k。在其他條件不變下，當 k 下降時，分母項 k-g 將縮小，使企業 P/B 乘數上升。因此，ESG 不僅可能透過提升未來獲利與成長預期創造估值溢價，也可能透過降低風險折現率提高企業市場評價。El Ghoul 等人（2011）也發現，CSR 表現較佳的企業具有較低的權益資金成本，支持非財務表現可能經由折現率通道影響企業價值的觀點。

▶️延伸閱讀：近年台灣產業違反法規趨勢解析，從負面事件揭露企業ESG風險

▶️延伸閱讀：ESG研究新視野：從資訊揭露、裁罰訴訟至自然相關實體風險

（二）完整模型

為了驗證前述之研究假說，並量化非財務資訊在資本市場中的定價效應，本研究建構以下實證迴歸方程式。該模型在傳統財務基本面的基礎上，進一步引入 ESG 評等作為核心解釋變數，其具體設定如下：

除了以普通最小平方法（Ordinary Least Squares, OLS）作為基準外，為處理解釋變數間可能存在的高度相關性，本文進一步採用 Zou 與 Hastie（2005）提出的彈性網絡模型。該方法結合 Lasso 的 L1 懲罰與 Ridge 的 L2 懲罰，可同時進行係數收縮與變數選取，並具有保留相關變數群組資訊的特性。

OLS 與彈性網絡模型分別建立於不同的估計目標與統計性質之上：OLS 著重於係數估計及統計推論，彈性網絡模型則透過結合 Lasso 的 L1 懲罰與 Ridge 的 L2 懲罰，處理解釋變數間可能存在的高度相關性，並在正則化條件下進行係數收縮與變數選取。因此，本研究將彈性網絡模型與 OLS 兩者納入相互補充的實證架構，分別從傳統統計推論與正則化估計的觀點，檢視 ESG 各構面與企業評價間關係的穩定性。

本研究採用彈性網絡模型的主要考量，在於 ESG 綜合評分及其環境、社會與公司治理構面之間可能存在高度相關性，且 ESG 變數亦可能與企業規模、獲利能力、財務風險及成長性等公司特徵共享部分資訊。在此情況下，OLS 係數及其標準誤可能受到解釋變數間高度相關性的影響。彈性網絡模型則可藉由同時引入 L1 與 L2 懲罰，在保留相關變數群組資訊的同時，將增額資訊較有限的係數收縮，部分係數亦可能被收縮至零。據此，本研究可進一步觀察，在控制其他企業特徵並考量正則化約束後，個別 ESG 構面是否仍具有可辨識的資訊含量。

彈性網絡模型的估計結果取決於正則化強度參數 α 與 L1 混合比例。其中， α 控制整體係數收縮程度；數值愈大，代表懲罰程度愈強，係數亦較可能被明顯縮小或收縮至零。 L1 比例則決定 L1 與 L2 懲罰的相對比重；其數值愈接近 1，模型愈接近 Lasso，並傾向產生較為稀疏的係數結果；數值愈接近 0，模型則愈接近 Ridge，傾向同時保留彼此相關的變數並縮小其係數。為避免正則化參數由研究者主觀指定，本研究透過交叉驗證選擇適當的 α 與 L1 混合比例。對每一組候選正則化參數 ( α , ρ )，本研究計算其在各年度驗證組中的均方誤差，並選擇平均驗證損失最低的參數組合：

其中，ρ 表為 L1比例，K 為年度驗證組數，L_k(α, ρ) 為第 k 個驗證組在特定超參數組合下的損失。完成超參數選擇後，本研究再以完整研究期間樣本重新估計最終彈性網絡模型，並回報所選取之正則化參數。因此，時間序列交叉驗證在本研究中的功能，是提供一套客觀且資料導向的正則化參數選擇程序，而非用以檢驗或宣稱模型具有樣本外預測能力。

由於彈性網絡模型的正則化懲罰直接作用於迴歸係數，解釋變數的衡量尺度會影響係數受到懲罰的程度。若各解釋變數的尺度差異較大，模型可能因變數單位不同而產生不同程度的係數收縮，而非完全依據各變數所包含的資訊決定其保留情形。例如，ESG 評分可能介於 0 至 100，比率類變數可能介於 0 至 1，而公司資產規模則可能具有更大的數值範圍；在未經尺度調整的情況下，不同變數為產生相同幅度的應變數變化，所需的係數大小並不相同，因而使正則化懲罰缺乏可比性。

因此，本研究在進行彈性網絡模型估計前，對所有解釋變數進行標準化，年度與產業虛擬變數亦納入正則化程序，使各變數於估計樣本中具有平均數為0、標準差為1的尺度，而應變數 ㏒(P/B) 保留原始尺度。

考量研究資料具有公司—年度追蹤資料結構，且 ESG 評分、企業財務狀況及資本市場環境可能隨時間改變，本研究依年度先後順序採用延展視窗交叉驗證（expanding-window cross-validation）尋找最適合的超參數組合。在每一驗證組中，僅使用較早年度資料模型估計係數，再以其後一年度資料比較不同正則化參數組合。例如，先使用 2021 至 2022 年資料進行估計並以 2023 年資料驗證，再使用 2021 至 2023 年資料估計並以 2024 年資料驗證，依此類推。此一設計旨在維持公司—年度資料的時間順序，避免較後年度的樣本結構參與較早年度模型的超參數選擇，亦可降低超參數選擇結果受到單一年度資料特性的影響。

在結果解讀方面，OLS 與彈性網絡模型係數所反映的統計意義並不相同。OLS 係數主要用於估計控制其他條件後的條件關聯，並可搭配標準誤、 t 值、 p 值及信賴區間進行傳統統計推論；彈性網絡模型係數則受到正則化懲罰約束，主要反映各變數在控制其他資訊並經係數收縮後的保留情形、方向及相對權重。因此，本研究不對彈性網絡模型係數標示傳統顯著性星號，亦不將係數收縮至零直接解讀為該變數不存在經濟效果。

透過比較 OLS 與彈性網絡模型的估計結果，建立跨方法的實證檢視。若某一 ESG 構面在 OLS 中呈現穩定方向，且在彈性網絡模型正則化後仍被保留並維持相同符號，則可說明該項結果並非完全取決於單一估計方法，並可提供較為一致的跨方法證據。反之，若 OLS 與彈性網絡模型的結果存在差異，則可能反映解釋變數間的資訊重疊、多重共線性、係數收縮程度或樣本結構差異，而不宜將兩種估計結果直接視為相互否定。

綜上所述，本研究將 OLS 與彈性網絡模型視為兩種具有不同分析功能、但可相互補充的實證途徑。OLS 提供傳統係數估計與統計推論，彈性網絡模型則提供在正則化條件下處理高度相關變數與辨識增額資訊的研究途徑。兩者結合可使本研究不僅檢視 ESG 與企業評價之統計關聯，亦能評估該關聯在考量變數間資訊重疊及係數收縮後是否仍然存在，進而提高研究結論的完整性與方法上的穩健性。

模型設定與內生性控制

資料集中包含2021-2025之上市上櫃公司年資料，總共8422筆資料，為以企業—年為組成單位的面板資料。

雖然前述理論模型提供了嚴謹的推導基礎，然而在實證計量分析中，部分理論變數（如權益資金成本與長期可持續增長率）無法被直接觀測。因此，本研究必須將上述理論架構轉譯為可供計量檢驗的實證模型。為確保模型設定之嚴謹性並防範內生性偏誤，本文在實證計量設定上採取以下三項調整：

• 代理變數之選取：本研究必須為無法直接觀測的理論變數尋找合適的實證代理變數（如權益資金成本與長期可持續增長率），以避免因遺漏變數而產生設定偏誤。
• 產業與年度固定效果之納入：現實中經濟波動與產業結構性差異，皆會對市場估值造成重大衝擊。因此，本研究在模型中控制「產業固定效果」與「年度固定效果」，藉此吸收未被模型觀測、不隨時間改變之產業特徵，以及各年度之總體經濟衝擊。
• 設定解釋變數落後一期：本研究將核心 ESG 變數與財務變數皆設定為落後一期，使企業特徵先於當期市場估值被觀察，以強化解釋變數與被解釋變數之時間順序，並降低同時性偏誤及反向因果關係對估計結果之影響（詳見後述資料清理與前處理）。

（一）被解釋變數

對數股價淨值比（ ㏒(P/B) ）：本研究採用對數化之股價淨值比作為市場估值之代理變數。透過取對數處理，能有效改善原始股價淨值比數據高度右偏的分佈特性，降低極端值之干擾，使迴歸殘差更符合計量經濟學之常態分配假設。

（二）解釋變數

永續評等分數（E/S/G/TESG）：採用台灣經濟新報編製之TESG分數，作為永續評等指標，將企業對環境（E）、社會（S）與治理（G）之策略投入轉化為連續型數值，原始分數範圍介於 0 至 100 分之間，分數愈高代表企業永續發展表現愈佳。為提升OLS迴歸係數之可讀性，本文將 TESG 及其各構面分數除以 100，轉換為介於 0 與 1 之間之比例尺度後納入OLS模型分析。此指標作為衡量企業非財務績效與長期無形資產價值之代理變數。本研究採「由細項到整體」的層次化分析策略，首先，將環境、社會及治理評等分數分別納入OLS模型。接著，將 E、S、G 三大構面同時納入模型進行共同計算。最後，本文採用綜合評級分數變數（TESG），做為企業 ESG 綜合績效的代理變數。

• 股東權益報酬率/獲利能力（Return On Equity, ROE）：此指標為衡量企業資產運用效率與獲利基礎之核心財務指標，直接代表企業創造股東權益價值之能力，為本研究模型中衡量企業獲利能力之主要變數。
• 營收成長率（Revenue Growth）：當期營收對前期營收之變動百分比，旨在捕捉企業市場擴張動能，代表企業在營運層面的成長潛力，作為模型推導之中成長率（g）之代理變數。
• 個股風險（Risk）：採用 CAPM 模型中衡量個股報酬相對於整體市場敏感度之系統性風險指標 β，作為權益資金成本（k）之代理變數。此係數愈高，代表投資人所要求之報酬率愈高，為市場評價過程中折現因子之核心構成。
• 現金殖利率（Dividend Yield）：當公司當期發生虧損或盈餘接近零時，股利支付率會出現極端值或無意義的負值/爆炸值（例如虧損但仍配息，支付率變成負數；或盈餘趨近於零，支付率趨近無限大）。相較之下，現金殖利率的分母是「股價」，股價恆為正值，不會出現除以零或除以負數的問題，數值穩定性明顯較佳，故本研究以現金殖利率替代股利支付率。現金殖利率定義為當年度每股現金股利除以期末股價。反映公司將獲利回饋給股東的程度，殖利率愈高，代表投資人獲得現金回報的潛力愈佳。

▶️延伸閱讀：永續治理動態轉型，深度解析揭露品質 - TESG永續發展指標2026年首次評等發布！

（三）控制變數

為避免遺漏變數偏誤，本研究進一步控制以下企業特徵：

• 財務槓桿（Liabilities/Assets）：以企業總負債佔總資產之比率衡量。此變數旨在捕捉公司的財務結構與潛在違約風險。過高的槓桿可能推升財務危機成本，進而對股價淨值比產生折價效應；然適度的舉債亦可能發揮稅盾效益。
• 企業規模（log(Assets)）：以總資產之自然對數衡量。大型企業通常具備較高的市場能見度與較低的資訊不對稱性，但也可能面臨成長動能趨緩之瓶頸。納入此變數可控制規模效應對市場估值的非線性影響。
• 資產結構（Fixed Assets Ratio）：以固定資產佔總資產之比重衡量。用於控制企業的資本密集度與營運槓桿。高固定資產比重之企業，其獲利能力對景氣循環之敏感度較高，此風險特徵亦會直接反映於市場的定價倍數中。

此外，為控制不可觀察之異質性對模型估計的干擾，本研究進一步引入以下固定效應：

• 產業固定效果（Industry Fixed Effects）：依據永續會計準則委員會（SASB）之 11 大產業分類標準建構虛擬變數。 旨在控制不同產業間，因商業模式、法規環境與資本結構差異所導致且不隨時間改變的行業結構性差異。
• 年度固定效果（Year Fixed Effects）：納入年度虛擬變數，以吸收如總體經濟波動、貨幣政策變動或法規更迭等，在特定年份發生且對市場上所有企業產生同向衝擊的總體系統性風險。

▶️延伸閱讀：什麼是SASB產業分類？更貼近ESG精神的產業分類標準

（四）資料清理與前處理

針對財務指標進行兩階段資料前處理。首先為極端值調整，依據臺灣證券交易所之產業分類， 採用四分位距法（IQR）界定各產業變數之上下界，並對超出邊界之極端值進行縮尾處理（Winsorizing）， 以降低離群值對迴歸係數之干擾。其次為數據平滑化，考量短期景氣波動易對財務指標產生雜訊，本研究對財務變數取「過去三期滾動平均」， 藉此過濾短期波動，使變數能精確反映企業長期的營運穩定性與獲利趨勢。

此外並進行落後一期設定的內生性控制：ESG表現與市場估值互為因果所造成的內生性疑慮（例如：究竟是高ESG表現推升了市場估值，還是高估值、資源充沛之企業才有餘裕投入ESG項目的改善），本文將核心 ESG 變數及財務控制變數設定為落後一期，使前一期企業特徵先於當期市場估值被觀察，以建立變數間的時間先後順序並降低當期同時性問題（Bellemare et al., 2017）。惟Bellemare等人（2017）亦提醒，當不可觀測干擾項具有序列相關性時，落後一期變數未必足以完全排除內生性。因此，本文採用落後一期之研究設計，旨在緩解同時性偏誤與反向因果關係所造成的估計偏誤，惟相關結果仍應解讀為內生性風險已降低，而非已被完全消除。

研究結果

本章首先以未納入 ESG 變數之普通最小平方法模型作為基準線，請見表一，提出傳統財務資訊本身對企業股價淨值比的解釋能力。再依序加入變數環境、社會、公司治理之個別構面分數表現，以及綜合評級（TESG分數），構建出模型E至模型TESG，藉此檢視 ESG 表現對於市場估值的增額解釋力與傳導效果。

再者，為處理解釋變數間可能存在的多重共線性，本研究進一步採用彈性網絡模型，觀察各變數在正則化約束下的係數方向、收縮程度及保留情形。透過 L1 與 L2 正則化懲罰項的自動調參，彈性網絡模型用以觀察ESG變數在考量資訊重疊及正則化收縮後，是否仍被模型保留並維持一致方向；本文亦將相同方法應用於SASB產業分組，以呈現不同產業模型中的係數方向、保留情形與相對權重。

（一）普通最小平方法結果

在基準模型（表一Base欄）中，各項財務控制變數的係數方向大致符合傳統財務理論之預期。「股東權益報酬率」與「營收成長率」均呈現顯著正相關（p<0.01），顯示獲利能力與成長動能為支撐企業高估值的核心驅動因素。「財務槓桿」顯著為正，顯示負債比率較高之企業通常具有較高的市價淨值比。然而，P/B 係以股東權益帳面價值作為分母，在市場價值不變的情況下，財務槓桿上升將透過降低帳面權益而推升 P/B，因此正向係數未必完全代表市場對舉債行為之正向評價。

值得注意的是，「現金殖利率」在六個模型中皆顯著為負，此一方向與理論推導中股利支付率應正向提升P/B之預期相反；由於現金殖利率之分母為當期股價，與被解釋變數P/B之分子相同，兩者存在機械性的反向連動，加上高殖利率股票在樣本中亦可能對應成長機會較低之企業，故此負向係數應審慎解讀，不宜直接視為股利政策對估值的因果效果。此外，作為權益資金成本代理變數之「個股風險」（β）於六個模型中係數皆不顯著，可能原因包括年度固定效果已吸收多數屬於全體企業共同之風險溢酬變動、企業規模與財務槓桿變數已分擔部分風險相關資訊，以及β所衡量之系統性風險與ESG理論上主要影響之特異性風險或尾端風險存在一定程度的錯位。

模型 E、模型 S 與模型 G 分別單獨引入了環境、社會與治理構面之評分。實證結果顯示，「環境分數」（係數=0.2501）、「社會分數」（係數=0.4593）與「治理分數」（係數=0.3259）皆在1% 的顯著水準下對市場估值產生正向影響。由於應變數採用對數化股價淨值比，且 ESG 分數介於 0 至 1 之間，若其他情況不變下，企業 ESG 評分分別提高 0.1，則P/B 分別約增加2.5%、4.7% 及3.3%。

這表明單一面向的永續作為，均能有效降低投資人的風險貼水或提升未來成長預期，進而推升企業的市場估值。值得注意的是，在單獨檢視時，「社會分數」的係數最為突出，顯示在樣本期間內，妥善經營利害關係人（如員工、供應鏈與社區）關係對估值的提振效果最為敏銳。Liu 與 Lee（2025）的結論與本文部分相合，該研究發現社會構面表現與企業價值之持續性呈顯著正向關聯，並指出此效果主要來自產品品質與安全表現。

進一步觀察模型 ESG，當同時投入環境、社會與治理三個變數時，三者依然維持高度的統計顯著性（p<0.01），係數分別為 0.0971、0.3804 與 0.2281。顯示各構面在控制其他構面後仍保有部分獨立資訊。

最後，模型 TESG 則以整合環境、社會與治理構面的TESG綜合分數作為核心解釋變數，其係數達 0.6641（約為6.9%）且在1%水準下顯著。這為 ESG 資訊提供了額外但有限的增額解釋力。投資人在進行企業評價時，已在相當程度上將總體 ESG 表現內化為實質的定價考量。

表一、OLS迴歸結果

模型
變數 Base E S G ESG TESG 常數 1.5948*** 1.6325*** 1.6428*** 1.5141*** 1.5927*** 1.5790*** 環境分數 0.2501*** 0.0971*** 社會分數 0.4593*** 0.3804*** 治理分數 0.3259*** 0.2281*** TESG分數 0.6641*** 股東權益報酬率 0.0135*** 0.0131*** 0.0128*** 0.0128*** 0.0122*** 0.0122*** 個股風險 0.0053 0.0045 0.0061 0.0065 0.0065 0.0058 營收成長率 0.0014*** 0.0013*** 0.0014*** 0.0013*** 0.0013*** 0.0013*** 現金殖利率 -0.0421*** -0.0426*** -0.0422*** -0.0431*** -0.0431*** -0.0433*** 財務槓桿 0.0036*** 0.0035*** 0.0037*** 0.0036*** 0.0037*** 0.0037*** 企業規模 -0.0703*** -0.0821*** -0.0905*** -0.0748*** -0.0947*** -0.0920*** 資產結構 -0.0833*** -0.0789*** -0.0957*** -0.0992*** -0.1030*** -0.0982*** 產業虛擬變數 Yes Yes Yes Yes Yes Yes 時間虛擬變數 Yes Yes Yes Yes Yes Yes R2-adj 0.2286 0.2335 0.2410 0.2342 0.2446 0.2423 樣本數 8422 8422 8422 8422 8422 8422

▶️延伸閱讀：企業評價如何納入ESG要素？從國際評價準則趨勢到IFRS S1 S2評估實務重點

（二）彈性網絡模型

表二可見彈性網絡模型的結果， 控制各項財務基本面變數與風險指標後，全樣本之TESG分數係數為0.0610，換言之，在控制獲利能力、個股風險、營收成長率、現金殖利率、財務槓桿、企業規模、資產結構，以及產業與年度效果後，TESG分數提高一個標準差，股價淨值比約提高6.29%。 顯示企業在永續構面上的整體表現對市場估值具有實質且正向的拉抬效果。然而，進一步觀察11組SASB產業分組可以發現，TESG係數的方向、大小與保留情形在各產業模型間有所不同：

科技與通訊業TESG係數（0.0959）顯示，是各產業模型中數值最高者，提升一個標準差的TESG 分數時，實際大約能增加10.06% 的股價淨值比。 可能因科技業身處全球供應鏈核心，面臨如 RE100、碳邊境調整機制（CBAM）等極為嚴格的國際客戶與法規檢視，永續表現已成為企業能否取得訂單與維持競爭力的關鍵因素。

其次為服務業，TESG係數為 0.0653，換算後約對應股價淨值比提高6.75%；資源轉化業係數為 0.0427，約對應提高4.36%；消費品業係數為 0.0407，約對應提高4.15%。這些結果表示，TESG在上述產業的正則化模型中仍保留正向資訊。可能的解釋包括全球供應鏈要求、品牌與利害關係人信任、資源使用效率，以及永續供應鏈管理的重要性。

其餘產業中，提煉與礦產加工業、運輸業、金融業及公共建設業的TESG係數分別為 0.0260、0.0181、0.0172與0.0055，均維持正向，但數值相對較小。醫療保健業的TESG係數為 −0.0043，方向與多數產業不同，但係數幅度接近於零。因此，該結果較適合解讀為TESG分數在醫療保健業模型中的增額資訊有限，不宜據此認定企業永續表現會降低醫療保健業的市場估值。

食品與飲料業及可再生資源與替代能源業的TESG係數均被收縮至零。係數為零表示，在各自模型所選擇的懲罰參數及其他控制變數下，TESG未提供足以被彈性網絡模型保留的增額資訊。

食品與飲料業的最佳α為 0.0139，最佳L1比例為 0.30。該產業的ROE與財務槓桿係數分別為 0.1344 與 0.1764，顯示在正則化模型中，獲利能力與財務結構所保留的相對資訊高於TESG分數。可再生資源與替代能源業的完整樣本數只有103筆，最佳α為 0.0356，最佳L1比例為 0.90，模型較接近Lasso。由於樣本數較少且稀疏化程度較高，該產業的TESG係數被收縮至零，結果應審慎解讀。

表二、彈性網絡迴歸結果

模型
變數 全樣本 公共
建設 提煉與礦產
加工 服務 消費品 科技與 通訊 資源
轉化 運輸 醫療
保健 金融 食品與 飲料 可再生
資源與
替代能
源 TESG分數 0.0610 0.0055 0.0260 0.0653 0.0407 0.0959 0.0427 0.0181 -0.0043 0.0172 - - 股東 權益 報酬率 0.1336 0.1204 0.1332 0.0049 0.1833 0.1696 0.1758 0.0826 0.0116 0.0444 0.1344 -0.0876 個股 風險 0.0030 -0.0210 -0.0460 0.0086 -0.0289 0.0017 0.0163 -0.0645 0.0250 -0.0034 -0.0572 - 營收 成長率 0.0208 0.0057 -0.0204 - 0.0225 0.0214 0.0038 0.0002 0.1434 -0.0006 0.0377 0.0191 現金 殖利率 -0.1018 -0.0237 -0.0975 0.0396 -0.0950 -0.1392 -0.0883 -0.0906 -0.1340 0.0093 -0.0328 - 財務 槓桿 0.0680 0.1003 0.0072 0.1190 0.0976 0.0585 0.0581 0.0530 0.0095 0.0102 0.1764 0.0524 企業 規模 -0.1448 -0.1548 -0.0601 -0.1126 -0.1309 -0.1589 -0.1251 -0.0533 -0.0314 0.0157 -0.1602 -0.1867 資產 結構 -0.0154 0.0704 0.0198 -0.0010 -0.0147 -0.0030 -0.0182 -0.0419 -0.0514 0.0291 -0.1213 0.0291 時間 虛擬 變數 Yes Yes Yes Yes Yes Yes Yes Yes Yes Yes Yes Yes α 0.0045 0.0010 0.0037 0.0139 0.0026 0.0095 0.0026 0.1326 0.0018 0.4942 0.0139 0.0356 L1比例 0.10 0.01 0.01 0.99 0.01 0.10 0.60 0.01 0.99 0.01 0.30 0.90 樣本數 8422 610 277 266 914 3290 1532 424 537 229 240 103

結論－TESG指標分數越高，確實與股價估值呈現正向關係

本文以2021至2025年台灣上市上櫃公司為樣本，運用普通最小平方法與彈性網絡模型，檢視TESG分數與企業股價淨值比之間的關聯。OLS結果顯示，環境、社會、治理及TESG分數均與市場估值呈顯著正向關聯；彈性網絡模型則顯示，全樣本彈性網絡模型TESG係數為0.0610，且在正則化後亦未被收縮至零，表示TESG仍保留與市場估值相關的增額資訊。

永續表現對估值的加分效果，在不同產業間存在明顯差異

永續經營在台灣資本市場已非單純的公關或合規成本，而是能轉化為實質估值溢價的資產；然而，此溢價效果高度依賴企業的基本面與產業特徵。透過彈性網絡模型的特徵篩選機制，研究發現資本市場對不同產業 ESG 表現的定價機制存在差異：

產業分組結果之中，科技與通訊業之 TESG 係數高達 0.0959，居全產業之冠。可能主因在於科技業深植於全球供應鏈，面臨 RE100、碳邊境調整機制（CBAM）等國際客戶與法規的嚴格要求，ESG 表現良好的企業能有效降低供應鏈斷鏈風險，進而獲得顯著的高估值。相對地，食品與飲料業及可再生資源與替代能源業之TESG係數則被收縮至零。以食品與飲料業為例，其ROE與財務槓桿仍被模型保留，係數分別為0.1344與0.1764；可再生資源與替代能源業則因樣本數較少（僅103筆），其ROE與財務槓桿係數分別為-0.0876與0.0524。整體而言，在此二產業之模型設定與樣本規模下，TESG未能提供足以被模型保留的增額資訊；惟可再生資源與替代能源業樣本有限，結果應審慎解讀。

企業ROE仍是核心，ESG具備額外的獨立加分效果

儘管TESG分數在全樣本模型中保留正向係數，獲利能力仍是與市場估值高度相關的重要財務因素。ROE 對市場估值均展現強大的正向推升效果（全樣本係數為 0.1336），說明獲利能力始終是資本市場評估企業價值的核心。ESG 係數與 ROE 同時維持正向，顯示 ESG 與基本面獲利並非對立，而是對市場估值具有獨立解釋力。

想獲得更多資訊？-TESG永續發展指標

永續發展已成為全球企業不可忽視的重要議題，金融業遵循責任投資與責任授信原則，制定內部政策的同時，也仰賴多面向ESG資訊來了解企業的ESG發展狀況。

TEJ台灣經濟新報，憑藉20年以上對企業社會責任、綠色金融ESG議題的研究與深耕，透過量化分析技術，研發的TESG永續發展指標，解決現在金融業者推動責任投資與責任授信工作上的困難，對於永續金融、綠色融資皆有豐富的資料集與解決方案，讓您省時省力，更精準檢驗企業綠色金融ESG！

️▶️立即了解 TESG永續發展指標，專屬台灣企業的ESG指標，精準分析企業ESG表現！

延伸閱讀

https://www.tejwin.com/news/tesg-%E6%B0%B8%E7%BA%8C%E7%99%BC%E5%B1%95%E6%8C%87%E6%A8%99%E4%BB%8B%E7%B4%B9/ https://www.tejwin.com/insight/esg%e8%a1%a8%e7%8f%be%e8%88%87%e9%8a%80%e8%a1%8c%e6%94%be%e6%ac%be%e6%b1%ba%e7%ad%96/ https://www.tejwin.com/insight/%e4%bb%a5tesg-impaqt%e8%90%bd%e5%af%a6%e9%ab%98%e6%95%88%e7%8e%87%e7%b2%be%e6%ba%96%e8%ad%b0%e5%90%88/