2004년에 UNGC는 ESG 지표를 발표하면서 기업의 중･장기 가치를 효과적으로 창출할 수 있을 것 이라고 주장하였다. 이후 ESG는 2006년 UN의 PRI²⁾에 반영되면서 널리 알려지게 되었다.^[10] 리만 경제위기를 거치면서 투자자들은 비 재무적 위험 요소에 대하여 경각심을 높이게 되었으며, 2020년 BlackRock 등 대규모 금융기관들이 석탄 등 화석연료 관련 산업에 투자하지 않겠다고 선언하면서 더 빠르게 확산되기 시작하였다.^[11] 최근에는 많은 기관 투자자들이 ESG 점수를 중요한 비 재무적 투자 판단의 기준으로 삼고 있다. 따라서 ESG는 투자자의 관점에서 대상 기업의 환경 및 사회적 리스크를 평가하기 위한 성격이 강하다. 예를 들어, 2019년에 BNP는 기관투자자들에게 ESG 투자를 하는 목적을 조사하였다.^[12] 그 결과를 살펴보면 가장 많은 52%의 응답자가 장기 투자수익을 개선하고자 하는 목적으로 ESG 투자를 한다고 대답하였으며, 그 다음으로 47%의 응답이 기업의 이미지와 명성을 고려하기 때문이라고 하였다.

ESG 점수의 세부 평가 요소는 기관 별로 다르지만 대체로 환경, 사회, 지배구조의 3가지 카테고리로 Table 1과 같은 항목들로 구성된다. 이 평가항목들을 살펴보면 발전 산업에서 주요 이슈가 되고 있는 온실가스 감축 및 공해물질 배출량 저감 등이 환경요인 항목에 있다는 것을 알 수 있다. 예를 들어 환경요인 중 ‘자원의 사용’ 평가항목에서는 신재생 전원을 얼마나 사용하는지에 대한 평가도 포함된다. ‘탄소배출의 정도’ 및 ‘공해 및 폐기물 배출 정도’는 어떤 기업이 매출 규모에 비하여 얼마나 많은 탄소를 배출하는지를 평가한다. 따라서 ESG 평가항목 중 적어도 환경요인에 대한 평가점수는 발전기업의 가치와 밀접한 연관성을 가질 것으로 기대된다.

ESG 점수는 여러 기관에서 발표하고 있으며, 이 중 대표적인 해외 기관 및 발표 지수는 Thomson Reuters(Refinitiv ESG Scores), Dow Jones(Dow Johns Sustainability Index), Morgan Stanley(MSCI ESG Ratings), Bloomberg (ESG Data), Sustainalytics(ESG Ratings) 등이 있다. 국내 기관으로는 한국기업지배구조원(ESG Evaluation), ㈜서스틴베스트(ESG Value), 대신경제연구소 등이 있다. 각 기관에서 발표하는 ESG 점수는 공개되는 정보를 바탕으로 산출되며, 추가로 인터뷰 등을 통하여 보완된다. 각 기관 별로 점수 산출 방식이 다를 뿐 아니라 최종 ESG 점수를 산출하기 위한 구성요소 별 가중치도 다르다. 그리고 부정적 영향을 미칠 수 있는 특정 정보를 누락시켰을 가능성도 있다. 따라서 아직은 기관별로 발표되는 ESG 점수 간 비교가능성과 정보의 완전성이 보장된다고 보기는 어려울 것이다. 이 문제는 결론 부분에서 연구의 한계로 논의한다.

본 연구에서는 Refinitiv ESG Scores를 사용한다. Refinitiv는 2009년부터 11,800개 이상 기업의 ESG Scores를 제공하고 있으며 Zanin(2021) 등 유사한 선행연구에서 사용되었다.^[13] ESG score는 0점부터 100점까지로 부여되며 4개 구간으로 분류된다: 1분위는 0~25점 구간으로 Poor로, 2분위는 26~50점 구간으로 Satisfactory로, 3분위는 51~75점 구간으로 good 으로, 4분위는 76~100점 구간으로 excellent로 분류된다. 우리가 조사할 23개의 S&P 500 발전기업들의 9년 간 ESG 점수는 최소 19.79에서 88.11까지 분포하였으며 평균은 60.33이다.

서론에서 언급된 바와 같이 선행 연구들은 기업의 사회적 책임과 경영성과 간의 관계에 대하여 일치하지 않는 결론들을 제시하고 있다. 관련 선행연구 검토에서는 ESG에 국한하지 않고, 더 오래 논의된 유사 주제인 CSR(Corporate Social Responsibility)이 기업성과에 미치는 영향에 대한 연구도 함께 포함한다.

대다수의 연구들은 사회적 공헌도(CSR) 또는 ESG 점수가 기업성과에 영향을 미친다는 결과를 제시하였다. Schnietz and Epstein(2005)은 높은 명성을 가지고 더 활발한 사회적 공헌(CSR) 활동을 하는 기업들의 투자위험이 더 낮으며, 더 높은 투자수익률을 가져올 수 있다는 결론을 제시 하였다.^[3] Jang and Kim(2013)은 ESG 점수가 가장 높은 기업(AA 등급)과 가장 낮은 기업(E 등급)들을 더미변수로 구분하고, 두 그룹의 기업 간 초과 주식수익률, 초과 영업수익률, 초과 Tobin Q에서 유의한 차이가 있었는지를 실증적으로 검증하였다. 그 결과 ESG 등급이 높은 기업들은 낮은 등급의 기업들보다 주식수익률이 대체로 우수하였고, 영업수익률과 Tobin Q는 월등히 우수했던 것으로 분석되었다. 따라서, 기업들은 ESG 요소들을 전략적으로 관리해야 한다고 조언하였다.^[4] Weber(2014)는 ESG 정보가 이익 수준 등 재무성과와 긍정적인 상관관계가 있으며, ESG 점수가 높은 기업에서 환경에 대한 고려가 더 높은 것을 확인 하였다.^[5] Xie et al.(2019)는 기업들의 ESG 등급을 높음(high), 중간(moderate), 낮음(low)으로 분류하고, 각 등급 별로 ESG 경영이 재무성과에 어떠한 영향을 미치는지를 연구하였다. 이 중 중간(moderate) 등급의 기업들이 통계적으로 유의한 수준으로 높은 경영성과를 거두었다는 것을 발견하였다. 하위 항목 중에서는 기업지배구조(governance)가 가장 유의한 영향을 미쳤고, 다음은 사회적 기여(social disclosure)가 많은 영향을 미친 것으로 분석되었다.^[6] Oh and Lee(2019)는 자산수익률(ROA)이 지배구조, ESG, 사회적 책임 순으로 유의한 양의 상관관계를 가진다는 결과를 제시하였다. 주가수익률(ROE)을 종속변수로 설정한 모형에서는 지배구조와 ESG 점수가 모두 음의 상관관계를 나타냈다.^[8]

반면, ESG 경영이 기업의 성과에 부정적인 영향을 준다는 연구 결과들도 있다. Write and Ferris(1997)은 기업의 사회적 공헌 활동은 이익을 감소시키므로 주주가치의 극대화라는 투자자들의 목적에 반하기 때문에 결국 단기적으로 기업의 가치를 떨어뜨린다고 주장하였다.^[14] Jensen (2001)은 기업이 활발한 사회적 공헌(CSR) 활동을 할수록 더 많은 비용을 지출해야 하므로 재무성과는 부정적인 영향을 받는다는 결론을 제시 하였다.^[15] Barnea and Rubin (2010)은 기업의 사회공헌활동이 얼마나 기업의 비용 증가에 영향을 미치는지를 대리인 이론에 기반하여 실증분석 하였다. 경영자가 본인의 개인적인 명성을 쌓거나 사적인 이익을 취하기 위하여 과도한 사회공헌활동에 기업의 비용을 지출할 수 있으며, 이 경우 주주와 경영자 간 이해 상충의 문제가 발생할 수 있으며 결국 기업 가치에도 부정적인 영향을 줄 수 있다는 점을 지적 하였다.^[16]

또한, 기업의 환경 및 사회공헌활동은 기업성과와 무관하다는 연구 결과들도 있다. Godfrey and Hatch(2007)은 기업의 사회공헌활동이 기업성과에 미치는 연구의 결과들이 수렴하지 않는 이유로 3가지 원인을 지적하였다: 이질적인 산업군이 포함된 연구자료, 사회적 공헌도를 측정하는 항목(CSR factors)의 불일치, 횡단면 또는 매우 짧은 시계열자료의 사용이다.^[17] Sun et al.(2019)은 기업의 사회공헌이 기업성과에 미치는 영향이 직선 관계가 아닌 역(逆) U자형 관계라는 것을 보였다.^[18] 사회공헌 활동이 어느 단계까지는 기업의 성과를 증대시켜 주지만 일정 수준을 초과하면 오히려 부정적인 영향을 줄 수 있다는 것이다. 이 연구에서 저자들은 사회적 공헌을 전략적으로 수행하여 기업의 성과를 최적화 시켜야 할 것이며, 너무 과도한 자원을 할당하여 다른 투자 기회를 잃지 않도록 주의해야 한다는 시사점을 제시한다.

또 다른 일련의 연구들은 기업의 대중 노출 정도에 주목하였다. Servaes and Tamayo(2012)의 연구는 소비자 또는 대중에게 더 많은 주목을 받는 산업일수록 기업의 사회공헌활동 정도가 Tobin Q로 측정된 장기 기업가치와 더 밀접한 관련성을 보인다는 것을 확인 하였다.^[19] Mishra and Modi(2016)의 연구도 유사한 결론을 제시하였다. 사회공헌 정도와 기업가치 자체는 유의미한 상관관계를 보이지 않았으나, 기업의 마케팅 능력이 높은 경우에는 상관도가 유의하게 올라간다는 것이다.^[20] 이러한 연구 결과들도 우리의 연구에 중요한 동기를 제공한다. 지구온난화로 인한 온실가스 저감 노력으로 발전기업의 환경 관련 문제는 그 어느 때보다도 중요한 이슈로 떠오르고 있다. 따라서 이전보다 발전기업의 ESG 점수는 사회적으로 더 주목받는 상황이 되었고, 기관투자자들은 ESG와 관련된 경영위험을 고려하여 투자를 선택할 것이다. 따라서 이러한 관심의 변화가 발전기업의 ESG 점수가 투자유치 및 기업가치 결정에 더 큰 영향을 미칠 수 있는 환경으로 조성되었다고 볼 수 있다.

선행연구들로부터 몇 가지 시사점을 요약할 수 있다. 첫째, 장기적인 기업가치를 측정할 성과지표로 Torbin Q를, 단기 수익성을 측정할 재무성과 지표로는 ROA 및 ROE 등이 다수 사용되었다. 본 연구에서도 위의 세 가지 변수들을 종속변수로 각각 검토한다. 둘째, 선행연구들에서 ESG 또는 CSR 점수와 기업성과의 상관관계에 대한 연구결과가 일치하지 않는다. 이는 이질적 기업군, 사회적 공헌도 측정기준의 불일치, 횡단면 또는 매우 짧은 시계열자료의 사용, 비선형성 등이 원인으로 지적된다.^[16] 이러한 문제들을 극복하기 위하여 본 연구는 발전기업만을 대상으로 연구범위를 한정하며, 연구 시점에서 얻을 수 있는 최신 데이터를 사용하여 기존 연구보다 장기간의 패널데이터를 사용한다. 그리고 신뢰성 있는 Thomson Reuters의 Refinitiv ESG Scores를 공통적인 설명변수로 사용한다.

본 연구에서 검증하고자 하는 첫 번째 귀무가설(H₀)은 ‘ESG 지수 및 그 구성항목들인 ENV, CSR, GOV 들이 발전기업의 장기 기업가치(Tobin’s Q)에 유의한 수준의 영향을 미치지 않는다’이다. 이를 검증하기 위한 모형에서는 장기 기업가치를 대표하는 Tobin’s Q를 종속변수로 사용하고, ESG 또는 그 구성항목들인 ENV, CSR, GOV 들과 수익률(ROA), 부채비율, 회사규모, 자산회전율, 매출성장률의 독립변수들을 포함한다.

두 번째 귀무가설(H₀)은 ‘ESG 지수 또는 그 구성항목들인 ENV, CSR, GOV 들이 단기 수익률(ROA 또는 ROE)에 유의한 수준의 영향을 미치지 않는다’이다. 이를 확인하기 위한 모형에서는 단기 수익률을 대표하는 ROA 또는 ROE를 종속변수로 하고, ESG 또는 그 구성항목들인 ENV, CSR, GOV 들과 수익률에 영향을 미칠 것으로 예상되는 부채비율, 기업규모, 자산회전율, 매출성장률을 독립변수로 포함한다.

위의 2가지 귀무가설들을 테스트하기 위하여 다음 식 (1) 내지 (3)과 같은 모델을 구성하였다. 식 (1)은 첫 번째 가설과 관련하여 ESG 경영이 발전기업의 가치에 미치는 영향을 테스트하기 위한 모형이다: 장기 기업가치를 대표하는 Tobin’s Q를 종속변수로 하고, ln_ESG와 함께 수익률(ROA), 부채비율(FL), 자산회전율(AT), 매출성장률(ln_GR), 기업규모(ln_FS)의 독립변수들이 포함되었다.

아래 식 (2)와 (3)은 두 번째 가설과 관련하여, ESG 경영이 발전기업의 단기적인 수익에 유의한 영향을 미치는지를 테스트하기 위하여 설정한 모형들이다: 단기 수익률을 대표하는 ROA 또는 ROE를 종속변수로 하고, ln_ESG와 함께 부채비율(FL), 자산회전율(AT), 매출성장률(ln_GR), 기업규모(ln_FS)의 독립변수들이 포함되었다.

위 모형을 테스트하기 위하여 적절한 분석 방법을 선택할 필요가 있다. 이를 위하여 패널데이터의 특성을 아래와 같이 분석하였다.

우선 데이터의 시계열 자기상관(serial autocorrelation) 존재 여부를 확인하기 위하여 Wooldridge test를 수행하였다.^[21] 그 결과, 27.12의 F값(p-value = 0.000)을 얻어서 귀무가설(H₀: no-first autocorrelation)이 기각되었다. 따라서 시계열 자기상관이 존재하는 것이 확인 되었다. 추가로, Im-Pesaran-Shin Test(IPS, 2003)를 수행하여 단위근(unitroot) 존재 여부를 확인하였다.^[22] IPS test는 각 패널 별로 고유한 자기상관 계수를 허용하면서도, 불완전 패널에도 적용 가능한 장점이 있다. 그 결과 TQ, FL, FS, AT 변수들은 모든 패널에서 단위근(unitroot)이 존재한다는 결론을 얻었다. ROA, ROE, ESG, GR 변수들의 경우 모든 패널에 단위근이 존재하지는 않지만, 일부 패널에는 단위근이 존재할 가능성이 있다. 변수별 테스트 결과를 요약하면 다음 Table 2와 같다.

다음으로는 패널 오차항 간 상관관계(cross sectional dependence)가 존재하는지를 확인하기 위하여 PC(Pesaran cross-sectional dependence) test를 수행하였다.^[23] PC test는 패널 개수(n) 보다 짧은 기간(T)을 가지는 경우도 사용 가능하다. 테스트 결과 14.035(p-value = 0.000)의 Pesaran statistics 값을 얻어서 99%의 신뢰수준으로 귀무가설(H₀: cross-sectional independence)이 기각되었다. 따라서 실증분석을 위하여 사용할 데이터는 패널오차항 간에 상관관계(cross sectional dependence)가 존재하는 형태이다.

지금까지 사전적인 분석 결과를 종합하면, 본 연구에 사용될 패널데이터는 시계열 자기상관(serial autocorrelation) 뿐 아니라 패널 오차항 간의 상관관계(cross sectional dependence)도 존재하는 것으로 확인되었다. 데이터의 형태는 패널의 개수(n) 보다 상대적으로 짧은 기간(T)을 가지는 제약조건도 확인된다.

패널데이터의 분석 방법 중 불안정 시계열의 문제를 극복할 수 있는 방식으로 변수 차분, VECM(Vector Error Correction Model), FGLS(Feasible Generalized Least Square), PECM(Panel Error Correction Model) 등을 고려해 볼 수 있다. 이 중 변수 차분과 VECM은 패널 간 오차항의 상관관계가 있을 경우 사용하기 곤란하다. 그리고 FGLS는 충분히 긴 기간(T)을 가지고 있는 조건에서 효율적인 추정치를 제공할 수 있다. 따라서 본 연구에서는 지금까지 검토된 데이터의 특성을 모두 수용할 수 있는 PCSE (Panel corrected standard error)을 사용한다.^[24]

일반적인 패널데이터의 분석모형은 다음 식 (4)와 같이 나타낼 수 있다.

위 식에서 i는 N 개의 횡단면 패널이고, t는 T개년의 기간을 나타낸다. β는 N 차원의 열벡터 형태의 설명계수이고, ε_i,t는 오차항 행렬이다.

PCSE 모형은 패널오차항인 ε_i,t이 다음 식 (5) 내지 (7)과 같은 성격을 가진다고 가정한다.

식 (5)에서 보는 바와 같이 PCSE는 특정 패널 i의 오차항이 ρ_i의 시계열 자기상관(time series autocorrelation)을 가지는 것을 허용한다. 식 (5)로 부터 오차항 ε_i,t의 패널 간 공분산을 식 (6)과 같이 나타낼 수 있다.

또한 PCSE는 패널 간 상관 및 시계열 간 자기상관을 동시에 허용하는 총 오차항(ε_i,t)의 분포를 다음 식 (7)과 같이 정의한다.

식 (7)에서 Ω_NT는 E(ε_i,t,ε_i,t)으로 계산되는 공분산들로 구성되는 행렬이며, 이는 다음 식 (8)과 같은 Kronecker product로 나타낼 수 있다.

식 (8)에서 Σ_n은 각각 n개의 i 와 j 패널 간에 만들 수 있는 패널 공분산 행렬이다. 이는 식 (6)을 바탕으로 계산된다. Π_T 는 각각 T 개의 시점 간에 만들 수 있는 시계열 공분산 행렬이다.³⁾

식 (4)에서 독립변수 행렬 x^′_i,t과 종속변수 행렬 y_i,t에 대하여 Prais-Winsten 변환을 한 후 그 행렬들을 X~과 Y~으로 정의한다.^[25]

지금까지 논의한 내용을 바탕으로 PCSE 모형을 통하여 추정되는 설명계수 행렬 및 설명계수의 분산 행렬은 식 (9) 및 (10)과 같이 표현할 수 있다.^[24,26]

실증분석을 수행하기 위하여 S&P 500 기업 중 23개의 발전 기업을 선정하였다.⁴⁾ 각 기업의 연도 별 재무제표 및 ESG 인덱스는 Refinitiv를 통하여 수집하였다.^[27~29] 데이터는 2010년에서 2019년까지의 균형 패널(balanced panel) 데이터이다.

앞서 논의한 바와 같이 우리 연구의 주요 관심사는 ESG 경영이 발전기업의 가치 또는 수익률에 어떠한 영향을 미치는지를 확인하는 것이다. 장기적 관점의 기업가치를 대표하는 종속변수는 선행연구를 준용하여 Tobin’s Q를 사용한다.^[7,9] Tobin’s Q는 다음 식 (11)과 같이 기업의 시장가치와 장부가치의 비율로, 높을수록 투자자들이 미래의 기업가치를 높게 평가함을 의미한다.^[30]

ESG 경영이 발전기업의 단기수익률에 미치는 영향을 확인하기 위해서는 ROA(Return on assets) 및 ROE(Return on equity)를 종속변수로 사용한다. ROA는 총자산을 사용하여 얼마나 수익을 창출하는지에 대한 비율(net income/total assets)이며, ROE는 주주 관점의 투자 대비 수익률(net income/shareholder equity)이다.

우리의 주요 관심 대상 독립변수가 ESG 지수지만 그 하위 카테고리인 환경(ENV), 사회(CSR), 지배구조(GOV) 지수들도 각각 독립변수로 실험하여 어떤 항목이 유의미한 영향을 미치는지를 확인한다.

기업가치 및 수익률에 영향을 미칠 수 있는 기타 통제변수로는 기업규모(FS), 부채비율(FL), 매출성장률(GR), 자산회전율(AT)를 고려하였다.

지금까지 논의한 연구 변수들의 정의 및 내용을 요약하면 다음 Table 3과 같다.

연구 변수들의 분포를 사전적으로 검토해 본 후, 이분산성 (heterogeneity)의 문제 또는 변수 규모 조정 등을 위하여 ESG, ENV, CSR, GOV, GR, FS는 자연로그를 취한 형태로 변형하여 사용한다.

기초적인 데이터의 통계량을 확인하면 Table 4와 같다.