Взаимосвязь ESG-эффективности и инновационной активности российских компаний: эмпирический анализ

Актуальность исследования обусловлена тем, что на развитие корпоративных стратегий устойчивости и инноваций сегодня влияют ключевые международные инициативы, такие как цели устойчивого развития ООН1 и Парижское соглашение по климату2, а также новые стандарты корпоративной отчетности и регулирования в области ESG, расширяющиеся на глобальном уровне. Эти инициативы стимулируют компании к интеграции ESG-принципов и активному внедрению инноваций для соответствия современным требованиям рынка и инвесторов3.

ESG-трансформация требует использования новых технологий и подходов, направленных на повышение экологической эффективности, улучшение социальных условий и совершенствование управления (Гузырь, 2022). Это создает возможности для технологических улучшений, таких как разработка технологий для снижения выбросов углекислого газа или применение вторичного сырья в производстве.

Лидеры ESG-рейтингов демонстрируют высокую изобретательскую активность, что подтверждается примерами компаний нефтяного сектора, активно патентующих технологии, связанные с устойчивым развитием. Компании с высоким ESG-рейтингом демонстрируют большую отдачу от инвестиций в исследования и повышение стоимости акций в долгосрочной перспективе, что позволяет реинвестировать прибыль в инновации4.

Кроме того, ESG-практика косвенно влияет на инновационную активность через развитие персонала, улучшение социального обеспечения и условий труда, что повышает квалификацию сотрудников и увеличивает их мотивацию к инновациям.

Однако, несмотря на возрастающий интерес бизнеса и общества к теме ESG, эмпирические данные о взаимосвязи ESG-эффективности и инновационной активности, особенно для компаний развивающихся рынков, по-прежнему фрагментированы и противоречивы (Тихомиров, Харчилава, 2024).

Настоящее исследование призвано восполнить этот пробел, предлагая системный анализ российской практики и новые данные о роли ESG-факторов как драйверов инновационного развития.

Цель исследования – анализ взаимосвязи между ESG-эффективностью компаний и их инновационностью, а также выявление группы компаний, для которых внедрение показателей устойчивого развития в практику оценки инновационных проектов будет особенно важно. Для анализа используется рейтинг RAEX, позволяющий оценить влияние ESG-факторов на инновационную активность предприятий.

Данные и методы . Для изучения взаимосвязи между ESG-эффективностью и инновационной деятельностью компаний были собраны данные по российскому ренкингу RAEX (порядок компаний от наиболее развитой по ESG-показателю, равному единице, к наихудшей) за период с 2020 по 2024 г. В целях упрощения анализа данные преобразованы в укрупненные рейтинговые группы.

В качестве основы для формирования групп использован рейтинг RAEX Europe 2023 как наиболее актуальный. Этот подход обусловлен особенностью построения рейтинговой шкалы российского ренкинга RAEX.

Рейтинговые оценки A-AAA объединены в группу A, B-BBB – B, C-CCC – в группу C.

Рейтинг RAEX Europe не был взят за основу для полноценной оценки в связи с ограниченностью доступных сведений по периодам (2 года), применялась отечественная база ренкинга RAEX, преобразованная в рейтинговые группы для расширения выборки исследования в сравнении с RAEX Europe.

В рамках установленного базисного распределения по укрупненным категориям принят подход для распределения рейтинговых оценок среди ренкингов по годам: к группе A отнесены первые 10 % компаний, B – вторые 30 %, к группе C – третьи 60 %.

Распределение количества предприятий в исходном рейтинге по укрупненным группам представлено на рисунке 1.

Рисунок 1 – Распределение компаний по укрупненным рейтинговым категориям A, B, C на основе RAEX Europe 2023¹

•A

B

C

Figure 1 – Distribution of Companies by Consolidated Rating Categories

• A, B, C based on RAEX Europe 2023

Применение перцентильного подхода для формирования укрупненных рейтинговых групп основано на статистической методологии, широко используемой ведущими международными ESG-агентствами, включая LSEG, MSCI и Sustainalytics. Данный метод позволяет обеспечить сопоставимость оценок в динамике и устранить искажения, связанные с изменением численности компаний в рейтингах или вариацией абсолютных значений показателей по годам. В рамках настоящего исследования выбор границ обусловлен стремлением выделить верхний сегмент компаний-лидеров (группа A), средний сегмент с устойчивым ESG-управлением (группа B) и наиболее широкую группу с базовым или недостаточным уровнем ESG-практик (группа C), что соответствует логике дифференциации предприятий по степени зрелости ESG-стратегий. Использование рейтинга RAEX 2023 г. в качестве основы для установления структуры групп объясняется доступностью наиболее полных данных за этот период, а последующее применение этого принципа к российскому ренкингу RAEX других лет дает возможность сформировать единообразную, внутренне согласованную методологию классификации на временном отрезке исследования 2020–2024 гг. Такой подход минимизирует влияние межгодовых колебаний на результаты и повышает надежность эмпирического анализа взаимосвязи ESG-эффективности и инновационной активности.

Массив данных, включающий наиболее полный перечень компаний за 2023 г. (160), был дополнен информацией об инновационной активности предприятий. Собраны сведения за период с 2020 по 2024 г. в двух разрезах: патенты и программное обеспечение. Здесь и далее под термином «патенты» подразумевается общее количество изобретений в сумме с программным обеспечением. Также рассмотрены общие данные обо всех патентах и программном обеспечении за все время существования компании. Источником данных является база Роспатента по состоянию на 1 января 2025 г. Названия фирм унифицированы для удобства анализа.

Следует отметить, что для исследования использовалась информация по 160 компаниям RAEX по каждому году. В случае отсутствия сведений присваивалось значение NR (not rated – не отрейтинговано).

В таблице 1 представлено отраслевое распределение. Анализ показывает, что наибольшая представленность данных наблюдается в таких отраслях, как химия, финансы, металлургия и добыча полезных ископаемых, добыча нефти и газа. В приложениях 1 и 2 приведена описательная статистика по итоговому распределению компаний по укрупненным рейтинговым группам и количеству инновационных изобретений. Интересным наблюдением является то, что в среднем наибольшая доля фирм, занимающихся инновационной деятельностью, относилась к рейтинговой группе B. Однако после 2023 г. ситуация изменилась и основной пул предприятий перешел в рейтинговую группу A.

• ¹    Все рисунки и таблицы в статье составлены автором.

Таблица 1 – Отраслевое распределение компаний выборки

Table 1 – Industry Distribution of Sample Companies

Индустрия	Год
	2021	2022	2023	2024
Chemicals	18	18	18	18
Construction	4	4	4	4
Financials	23	23	23	23
Food products	6	6	6	6
IT & telecom	7	7	7	7
Industrials	6	6	6	6
Metals & mining	35	35	35	35
Oil & gas	18	18	18	18
Paper & forest products	9	9	9	9
Retail	10	10	10	10
Transport	11	11	11	11
Utilities	12	12	12	12

Модель и гипотезы . В рамках анализа предполагается изучение взаимосвязи между ESG-эффективностью компании и ее инновационной деятельностью. Теоретическое обоснование гипотезы о связи ESG и инноваций опирается на несколько ключевых научных концепций. Согласно теории заинтересованных сторон (Stakeholder theory), компании стремятся соответствовать ожиданиям различных групп влияния – инвесторов, регуляторов, клиентов, персонала и местных сообществ, что приводит к внедрению высоких ESG-стандартов в ответ на внешнее давление и требования прозрачности. Соблюдение этих стандартов стимулирует поиск и внедрение инновационных решений, позволяющих удовлетворять новые ожидания, а также способствует укреплению репутации и снижению рисков. С точки зрения ресурсной базы (Resourcebased view) ESG-компетенции могут рассматриваться как стратегически ценные нематериальные ресурсы, обеспечивающие долгосрочное конкурентное преимущество и поддерживающие инновационную активность. Наконец, сигнальная теория (Signaling theory) объясняет, что высокие показатели ESG выступают позитивным сигналом для внешних и внутренних партнеров, повышая доверие к компании, облегчая доступ к инвестициям и создавая благоприятную среду для колла-боративных инноваций. Таким образом, совокупное влияние этих концепций позволяет ожидать существенной связи между ESG-эффективностью и инновационной активностью предприятий. Основная научная гипотеза заключается в том, что предприятия с более высоким уровнем развития ESG-практик являются более инновационными. С научной точки зрения предполагается наличие взаимосвязи между концептами ESG и инноваций. Для оценки данной взаимосвязи и проверки гипотезы использованы измеримые прокси-показатели для обоих концептов.

В качестве прокси-показателя ESG-эффективности выступает ESG-рейтинг RAEX, инновационности – количество патентов, выпущенных компанией за конкретный период (год). Предполагается, что с повышением рейтинга предприятия возрастет и количество патентов, следовательно, с увеличением ESG-эффективности выше уровень инновационности.

Важно отметить наличие показателей, которые оказывают влияние как на ESG-эффективность, так и на инновационность. Например, крупным компаниям с большим объемом активов легче выделять бюджет как на ESG-программы, так и на инновационные проекты, что приводит к общему развитию как инновационности, так и ESG-факторов. При этом влияние инновационности на ESG-эффективность в описанном механизме отсутствует, поскольку первоочередным является воздействие объема бизнеса. Он выступает переменной, которая может смещать результаты анализа, и в связи с этим рассматривается как контрольная переменная.

В качестве прокси-показателя объема бизнеса используется логарифм от объема активов компании на начало года. Данный подход является стандартным и применяется в большинстве исследований в области производительности компаний для оценки размера бизнеса.

Существуют и другие переменные, которые оказывают влияние на ESG-эффективность и инновационность, например бизнес-модель компании. Предприятия с теми или иными моделями будут иметь большую потребность в инновационной деятельности (например, ИТ-фирмы) и одновременно демонстрировать определенный уровень ESG-эффективности. В зависимости от отрасли, где функционирует компания, будет изменяться ее влияние на внешнюю среду. Например, тяжелые промышленные отрасли и сферы услуг потенциально генерируют разные объемы выбросов в атмосферу и т. д. В качестве прокси-показателя бизнес-модели выступает отрасль компании. В рамках подготовки данных выделено 12 отраслей (см. таблицу 1).

В конечном счете предполагается наличие следующих зависимостей: существует зависимость ESG-эффективности от инновационной деятельности, которая может быть искажена за счет дополнительного влияния двух ключевых факторов – бизнес-модели и размера компании. Очевидно, что для обеспечения каузальности зависимости необходимо, чтобы все факторы- предшественники наблюдались раньше, чем предполагаемые последствия (принцип причинноследственной связи). В связи с этим все данные (ESG-рейтинг, объем активов и отрасль) берутся на начало года, а данные по инновационной активности (количество патентов) – на конец года (за определенный год). Такой подход гарантирует, что количество патентов не может воздействовать на остальные переменные, исключая возможность обратной зависимости.

Дополнительно принято решение о включении в модель параметра возраста компании. Предполагается, что предприятия с большим временем жизни обладают сильнее развитыми накопленными компетенциями в области инноваций, что выливается в большее количество патентов. Одновременно с этим они же демонстрируют бóльшие потребности и связи со стейкхолдерами для соответствия ESG-повестке.

Для проверки научной гипотезы разработана модельная оценка взаимосвязи между ESG-рейтингом и количеством патентов с учетом контрольных переменных. Для этого используется следующая теоретическая модель: каждая компания в каждый конкретный год принимает решение о патентовании следующим образом. В начале года фирма принимает решение о регистрации патентов в этом году в принципе. Если она не патентуется, считается, что она не ведет инновационную деятельность. Если патентование планируется, предприятие принимает решение о количестве патентов к регистрации. В свою очередь, решение о патентовании принимается также со стороны госу- дарственного регистратора.

Для ситуаций подобного рода, где моделируется принятие решения о действии/бездей-ствии объекта исследования, используются HURDLE-модели. Последние предполагают следующее: вероятность наблюдения в данных 0 распределяется как некая зависимая биномиальная переменная – θ. За вероятность принимается то, что компания не занимается инновационной деятельностью, количество патентов за наблюдаемый период эквивалентно 0, предприятие принимает решение не патентовать. В случае патентования в периоде, что происходит с вероятностью 1–θ, фирма принимает значение из другого распределения. При этом само это распределение цензурировано строго больше нуля, поскольку распределение патентов положительное и целочисленное. Считается, что количество патентов в случае, если компания занимается патентной деятельностью, является целым и не нулевым. При этом в качестве такого распределения используется распределение Пуассона – без 0 и для положительных чисел.

Поскольку выборка является ограниченной и ведется по годам, для эффективной оценки в соответствии с актуальными исследованиями применяется байесовская модель. Данный класс моделей приоритетен в связи с высоким качеством модели в случае работы с ограниченными выборками. Байесовские модели и байесовская оценка строятся по принципу теоремы Байеса – производится расчет апостериорного распределения для зависимой переменной и всех регрессоров. Это означает, что для каждой переменной в модели (коэффициентов, параметров, итоговой переменной) необходимо задать распределения. В случае с итоговой переменной нужно задать распределение для расчета вероятности возникновения (likelihood). Для регрессоров сле- дует задать априорные распределения – то, как на основе имеющихся данных предполагается распределение коэффициента. Другими словами, априорные распределения включают информацию, которая уже известна о переменных модели. Этот подход позволяет дополнить массив данных для моделирования и осуществить оценку по модели Байеса.

Число патентов компании i в год t моделируется при помощи барьерной модели с распределением Пуассона (Кшнясев, 2010; Cameron, Trivedi, 2013; Mixed effects…, 2009; Zeileis et al., 2008). В рамках данной модели предполагается, что в каждый из годов компания делает выбор: заниматься патентной деятельностью или нет. Если компания отказывается заниматься патентной деятельностью, то число патентов в данный год равно 0. Если предприятие принимает такое решение, то число патентов в данный год будет распределено согласно цензурированному распределению Пуассона (для всех натуральных чисел, без нуля).

Таким образом, итоговое число патентов компании i в год t зависит от двух показателей:

• •    вероятности того, что фирма i будет заниматься патентной деятельностью в год t , обозначенной как (1–θ i, t );

• •    параметра λ i, t , задающего распределение числа патентов компании i в год t , в случае если

она решит заниматься патентной деятельностью.

Итоговое распределение числа патентов компании i в год t имеет функцию вероятности:

ht,

Уц = ⁰

y i,t > ⁰

y i,t = ⁰

Уц > ⁰

((1- e^-^)       y^!

9u,

Pkt^t, 0u) = {I1-M y (\£V^ ((1- e-^)      yw!

Регрессия Пуассона:

^tt = г'⁴* , ^p i,t = ^ i.t ^ i,", ^e i,t = ^e o + ^b i + ^b t '

‘"=1

b i b t

~

~

T ² Li l

W,‘ i ) ' N(0,‘ t ) '

' P i ^T i i ^T i K

. ^p i ^T i K ^T i i T 2 ^T t i

. P t ^T t _K ^ t !

т ^{2 L} l K

I '

■ PthJt K

T 2 ^T t _K

I '

где   y i, t – число патентов конкретной компании i в год t;

• λ i, t – параметр распределения Пуассона для предприятия i в год t ;

• μ i, t – логарифм от параметра распределения Пуассона для компании i в год t , используется для линейного моделирования, поскольку λ i, t > 0;

• X i, t – вектор размера К × 1, содержащий значения объясняющих переменных для фирмы i в год t , где К – количество объясняющих переменных;

• β i, t – вектор размера К × 1, содержащий коэффициенты линейной регрессии μ i, t на объясняющие переменные для компании i в год t , коэффициенты варьируют по группам, к которым относятся наблюдения;

• β o – вектор размера К × 1, содержащий средние (популяционные) коэффициенты линейной регресси;

• b i – вектор размера I × 1, где I – общее число уникальных предприятий, содержащий отклонения коэффициентов регрессии от средних в зависимости от фирмы (случайный эффект фирмы);

B t – вектор размера T × 1, где T – общее число уникальных лет, содержащий отклонения коэффициентов регрессии от средних в зависимости от года (случайный эффект года).

Оценка модели и результаты . Для оценки использован программный язык Stan. Для оценки модели на основании доступных данных в Stan применяется алгоритм Hamiltonian Monte Carlo (HMC) with non-U-turn sample (NUTS). Используются 5 000 имитаций, им предшествуют 4 000 пробных имитаций, которые не учитываются в результатах, но необходимы для подготовки модели (предварительное обучение – warm up) – изучения данных и эффективного составления апостериорных распределений. Предварительная обработка данных и постобработка результатов, вычислений и эффектов проводятся в программной среде R при помощи совмещения с пакетом CmdStanR, позволяющим интегрировать языки Stan и R.

Итоговые результаты анализа представлены в виде апостериорных распределений показателей и контрастов, где контраст отражает разницу между оцененными значениями для разных групп рейтинга. Апостериорные распределения позволяют оценить не только средние значения, но и степень неопределенности оценок. Рисунок 2 демонстрирует апостериорное распределение количества патентов среди компаний, которые приняли решение о патентовании в данном году.

Рисунок 2 – Распределение количества патентов среди патентующих компаний

Figure 2 – Distribution of the Number of Patents among Patenting Companies

Количество патентов в группе A (компании с наивысшим ESG-рейтингом) несколько превышает число патентов в группах B и C. При этом распределения в этих группах B и C визуально

схожи. Важно отметить, что количество зарегистрированных патентов по компаниям, оцененным в рейтинге, значительно выше, чем у предприятий, не имевших оценки на начало текущего года. Поскольку фирмы без рейтинга в дальнейшем преимущественно переходят в категорию C, можно предположить, что количество патентов в категории C несколько завышено. Если бы компании без рейтинга изначально относились к категории C, разрыв между группами мог быть еще более выраженным.

На рисунке 3 представлено апостериорное распределение вероятности занятия компании патентной деятельностью (1–θ). Анализ распределений показывает, что все группы компаний в целом демонстрируют схожую склонность к инновационной деятельности. Однако вероятность работы в этом направлении у предприятий из групп A и B несколько выше, чем у фирм из групп C и нерейтингованных компаний. Важно учитывать, что меньшее количество фирм в группах A и B по сравнению с количеством в группах C приводит к большей вариации (ширине распределения) в группах A и B. Это означает, что статистическая значимость результатов для групп C и нерейтингованных компаний несколько выше, чем для групп A и B.

Рисунок 3 – Апостериорное распределение вероятности заниматься патентной деятельностью 1–θ, %

Figure 3 – Posterior Distribution of the Probability of Engaging in Patent Activity 1–θ, %

Рисунок 4 иллюстрирует общее ожидаемое распределение количества патентов по рейтингу с учетом рассчитанных показателей. Наблюдается тенденция к увеличению медианного ожидаемого значения числа патентов с возрастанием рейтинга. Наибольшее медианное значение фиксируется у компаний с рейтингом A, за которым следуют рейтинги B, C и нерейтингованные фирмы.

Число патентов по ESG-rpynne

NR                 C                  B                A

Рисунок 4 – Общее ожидаемое распределение количества патентов по рейтингу компаний

Figure 4 – Overall Expected Distribution of the Number of Patents by Company Ranking

Важно отметить, что общий уровень неопределенности выше для предприятий с рейтингом A по сравнению с таковым для фирм с рейтингами B, C и нерейтингованных компаний. Это связано с относительно небольшим количеством компаний (13 единиц) в рейтинге A в анализируемой выборке.

Оценка эффектов требует анализа контрастов между переменными, которые представляют собой распределение разниц между полученными оцененными значениями для разных групп рейтинга. Рисунок 5 демонстрирует апостериорное распределение контрастов для показателя λ (среднее значение распределения Пуассона, отражающее ожидаемое количество патентов в случае осуществления патентной деятельности).

A–B

A–C

A–NR

B–C

B–NR

C–NR

–10                         –5                           0                          5

Рисунок 5 – Контрасты числа патентов среди патентующих компаний по ESG-группе

Figure 5 – Contrasts in the Number of Patents among Patenting Companies by ESG Group

Анализ контрастов показывает очевидную разницу в количестве патентов.

Для компаний, не имеющих рейтинга, ожидается наименьшее число патентов, что подтверждается положительными значениями разниц между группами A, B и NR.

При сравнении групп B и C наблюдается, что группа B патентует меньше, чем группа C. В то же время группа A патентует больше, чем группа C.

Рассматривая контраст между группами A и B, можно заметить, что группа A патентует значительно больше, чем группа B.

Таким образом, среди компаний, занимающихся патентной деятельностью, фирмы с рейтингом A демонстрируют максимальную патентную активность по сравнению с таковой предприятий с другими рейтингами.

Полученные результаты позволяют сделать следующие экономические интерпретации: компании с сильными ESG-практиками осознают ценность инновационной деятельности и стабильно ею занимаются. Фирмы с рейтингом ниже среднего видят потенциал в улучшении как в реализации ESG-повестки, поскольку они проходят процедуру рейтингования, так и в поддержании данной политики за счет инновационной деятельности.

Анализ вероятности регистрации патентов в целом (рисунок 6) выявил следующее.

• 1.    Отсутствует статистически значимая разница между нерейтингованными компаниями и фирмами из других групп.

• 2.    Статистически значима разница между группами C и B, при этом в группе B вероятность осуществления патентной деятельности выше, чем в группе C. Учитывая результаты анализа для компаний, регистрирующих патенты, предприятия из списков B и C предположительно занимаются этим примерно одинаково. Однако фирмы из списка C могут воздерживаться от патентования при малом количестве патентов.

• 3.    Компании группы A с большей вероятностью занимаются патентами, чем другие предприятия, однако результатов недостаточно для однозначного вывода о степени этого различия.

Таким образом, компании группы B с большей вероятностью занимаются патентами, чем компании группы C, но в случае ведения такой деятельности компании группы C патентуют активнее, чем представители группы B.

Рисунок 6 – Контрасты доли патентующих компаний по ESG-группе

Figure 6 – Contrasts of the Share of Patenting Companies by ESG Group

Ограничения исследования . Настоящее исследование имеет ряд ограничений, которые необходимо учитывать при интерпретации полученных результатов. Прежде всего работа ограничена периодом 2020–2024 гг. и охватывает исключительно российские компании. Выводы нельзя в полной мере экстраполировать на развитые страны с более зрелой системой ESG-регулирования или на другие развивающиеся рынки с иными институциональными условиями, поскольку различия в экономическом уровне, культурных ценностях и нормативно-правовых рамках могут существенно влиять на характер взаимосвязи между ESG-эффективностью и инновационной активностью.

Использование рейтинга RAEX в качестве единственного источника оценки ESG-эффективности также представляет собой методологическое ограничение, поскольку различные рейтинговые агентства применяют разные методологии и зачастую дают несогласованные оценки одним и тем же компаниям, что создает риск смещения результатов и снижает надежность выводов.

Кроме того, в исследовании в качестве прокси-переменной для инновационной активности применяется количество зарегистрированных патентов. Хотя патенты являются общепризнанным измерителем инноваций, они не отражают все аспекты инновационного потенциала, такие как качество инноваций, их коммерческая реализация, организационные инновации и внедрение новых бизнес-моделей. В различных отраслях патентование может иметь неодинаковое значение, что дополнительно ограничивает сопоставимость результатов.

Формирование укрупненных рейтинговых групп на основе перцентильного распределения (10, 30, 60 %) является авторским методологическим решением. Хотя данный подход обоснован статистическими методами, выбор конкретных границ может влиять на итоговые результаты анализа, а альтернативные способы классификации могут привести к иным выводам. Исследование также не учитывает возможное влияние дополнительных граничных условий и модераторов, таких как уровень корпоративного управления, цифровая трансформация, государственные субсидии и мотивация топ-менеджмента, которые могут усиливать или ослаблять наблюдаемую взаимосвязь.

Выводы . Анализ взаимосвязи между ESG-эффективностью и инновационной деятельностью компаний, основанный на данных ренкинга RAEX и патентной активности, позволяет сделать ряд выводов. Предприятия с наивысшим ESG-рейтингом (группа A) демонстрируют более высокую патентную активность по сравнению с фирмами с более низкими рейтингами (группы B и C). Это свидетельствует о том, что интеграция ESG-принципов в работу способствует созданию инновационной среды и стимулирует разработку новых технологий. Отмечаются различия в подходах к инновационной деятельности между группами компаний. Анализ показал, что предприятия из группы B (средний ESG-рейтинг) с большей вероятностью занимаются патентной деятельностью в целом, чем компании из группы C (низкий ESG-рейтинг). Однако в случае принятия решения о патентовании фирмы из группы C проявляют более высокую активность и регистрируют большее количество патентов. Это может говорить о том, что компании с низким ESG-рейтингом видят в инновациях инструмент для улучшения своих показателей и повышения конкурентоспособности.

Полученные результаты подтверждают, что ESG-факторы могут выступать в качестве драйверов инноваций, стимулируя компании к разработке и внедрению новых технологий, направленных на повышение экологической эффективности, улучшение социальных условий и совершенствование корпоративного управления. В ходе анализа выявлено, что отраслевая принадлежность и размер бизнеса оказывают влияние как на ESG-эффективность, так и на инновационную активность. Это подчеркивает важность учета указанных факторов при оценке взаимосвязи между ESG и инновациями.

Результаты анализа подтверждают гипотезу о существовании положительной взаимосвязи между ESG-эффективностью и инновационной деятельностью компаний. Это свидетельствует о том, что интеграция ESG-принципов в стратегию развития предприятия может способствовать повышению конкурентоспособности и устойчивости в долгосрочной перспективе.

Практическая значимость исследования заключается в формировании эмпирических доказательств взаимосвязи ESG-эффективности и инновационной активности компаний. Для топ-менеджеров и собственников бизнеса результаты показывают, что инвестиции в ESG являются стратегическим инструментом повышения инновационного потенциала и долгосрочной конкурентоспособности компании. Выводы могут использоваться для обоснования программ устойчивого развития и оптимизации расходов на НИОКР. Для инвесторов и финансовых аналитиков результаты предоставляют количественные доказательства того, что компании с высокими ESG-рейтингами демонстрируют бóльшую инновационную активность, что служит дополнительным индикатором инвестиционной привлекательности. Это позволяет более обоснованно интегрировать ESG-факторы в принятие инвестиционных решений. Для государственных органов исследование предлагает эмпирическую базу для разработки политики стимулирования устойчивого развития и инновационной экономики. Результаты определяют целесообразность создания нормативных рамок и мер поддержки компаний с высокой ESG-эффективностью и инновационной активностью.

Дальнейшие исследования могут быть направлены на изучение воздействия конкретных ESG-факторов на различные виды инновационной деятельности, а также на выявление механизмов, посредством которых ESG-практики стимулируют инновации.