供應鏈關系對銀行借款的影響機制研究
——商業(yè)信用的中介作用和行業(yè)環(huán)境的調節(jié)效應

□胡雯莉 唐華軍

一、引言

中美貿易摩擦與新冠肺炎疫情的沖擊，使得產業(yè)鏈和供應鏈水平及其安全問題被政商兩界高度重視，黨的十九屆五中全會提出要提升產業(yè)鏈和供應鏈現(xiàn)代化水平，組織實施產業(yè)鏈與金融業(yè)深度融合，增強供應鏈的彈性和韌性。世界銀行調查報告顯示：中國75%的非金融類上市企業(yè)將融資約束列為企業(yè)發(fā)展的主要障礙。央行金融統(tǒng)計數(shù)據(jù)報告亦顯示：銀行借款無論是存量還是增量都占同期社會融資總額60%以上?？梢?，銀行借款是企業(yè)最為普遍和主要的融資渠道[1]。企業(yè)的銀行借款能力取決于銀行在授信評估過程中建立起來的信貸意愿。銀行的信貸意愿除受企業(yè)財務特征[2]、治理水平[3]的影響，還受供應鏈關系等社會資本[4]制約。2019 年國家《關于推動供應鏈金融服務實體經濟的指導意見》提出要通過供應鏈金融“促進金融更好服務實體經濟發(fā)展”，健全產業(yè)鏈。當前，理論界關于供應鏈關系對銀行借款影響的研究主要集中在客戶角度，且得出的結論不一致：正向相關[5-6]、負向相關[7-8]和倒U 型關系[9]。由此，本文以2009～2019 年所有A 股上市公司為樣本，探討供應鏈關系對銀行借款的影響，這是本文研究的第一個問題。

在實務中，企業(yè)憑借與供應鏈上下游采購、銷售業(yè)務中積累的商業(yè)信用向銀行申請融資。比如保理、應收賬款質押或融通倉、保兌倉等供應鏈金融產品。在理論界，信號傳遞理論認為：商業(yè)信用所傳遞出的銷售情況、財務狀況[10]、產品質量及企業(yè)聲譽[11]等信號，會被銀行所接受并成為其授信決策的重要依據(jù)[12]。因此，本文試圖通過商業(yè)信用的中介效應，厘清供應鏈關系對銀行借款的作用機理，這是本文要研究的第二個問題。

此外，市場競爭、成長階段等行業(yè)環(huán)境會決定企業(yè)行為，進而決定企業(yè)績效。比如，在缺乏競爭的行業(yè)中，企業(yè)憑借壟斷地位或市場勢力在一定程度上操控產品的流通，具有較強的定價能力，從而獲得豐厚利潤[13]；在高成長性的行業(yè)中，一方面企業(yè)往往會實施市場占優(yōu)投資戰(zhàn)略，依靠市場廣闊的發(fā)展空間獲得更高的盈利能力[14]；另一方面更多競爭者進入引發(fā)的“羊群效應”導致企業(yè)生產經營的穩(wěn)定性降低，收益不確定性增加[15]。企業(yè)績效都會直接影響其債務違約風險的大小，進而影響銀行等金融機構的信貸意愿[16]。因此，本文引入行業(yè)環(huán)境作為調節(jié)變量實證檢驗供應鏈關系對銀行借款的影響，這是本文研究的第三個問題。

本文創(chuàng)新之處主要有：（1）將客戶、供應商納入到同一分析框架中，較系統(tǒng)地探討供應鏈關系對銀行借款的影響。（2）本文嘗試探討供應鏈關系影響企業(yè)銀行借款作用路徑，并采用中介效應遞歸檢驗法研究了商業(yè)信用在供應鏈關系對銀行借款影響中的中介作用，為厘清供應鏈關系與銀行借款的影響提供了更加深入和有說服力的經驗證據(jù)。（3）我國不同行業(yè)供應鏈金融發(fā)展并不均衡，使得行業(yè)環(huán)境成為供應鏈關系影響銀行借款的重要因素。本文研究不同行業(yè)環(huán)境對供應鏈關系影響銀行借款的調節(jié)作用，既為理解我國供應鏈金融發(fā)展特點、規(guī)律提供理論依據(jù)，又為企業(yè)持續(xù)提升銀行借款能力提供經驗證據(jù)。

二、文獻回顧與研究假設

經濟體系競爭已由過去企業(yè)與企業(yè)之間的競爭上升為供應鏈與供應鏈之間的競爭。普遍存在于經濟體系中的供應鏈關系在銀行借款市場，尤其是在供應鏈金融中作為重要的社會資本被理論界和實務界所重視。

（一）供應鏈關系與銀行借款

供應鏈關系是指企業(yè)在日常經營活動中與上下游供應商和客戶建立起來的以購銷為基礎的商業(yè)關系及由此帶來的私人友誼[17]。與重要供應商聯(lián)合研發(fā)、生產合作可以提升企業(yè)研發(fā)創(chuàng)新力，保證原材料、產成品質量，表現(xiàn)為供應商集中度；與重要客戶聯(lián)合銷售可以促使企業(yè)間共享屬于各自的私有信息以提高市場占有率[18]，保證了企業(yè)主營業(yè)務收入，表現(xiàn)為客戶集中度。同時，企業(yè)與供應商或客戶之間為聯(lián)合研發(fā)、生產和銷售共同投入的專用資產越多，其供應鏈關系就越穩(wěn)定、持久[19]，某種程度上向銀行傳遞了企業(yè)經營良好、違約風險較低的信號，有利于企業(yè)獲取期限更長、規(guī)模更大的銀行借款[6][9]。

此外，銀行信貸市場存在大供應商或大客戶對企業(yè)信息甄別的外溢效應[5]。企業(yè)與少數(shù)幾個大供應商或大客戶在長期頻繁的購銷活動中不斷熟悉，有利于銀行從供應鏈上下游收集借款企業(yè)的經營、財務信息[20]，緩解銀行貸款中的逆向選擇，減輕貸款發(fā)放后的道德風險[21]。據(jù)此本文提出假設：

H1a：供應商集中度越高，其越容易獲得銀行借款；

H1b：客戶集中度越高，其越容易獲得銀行借款。

（二）商業(yè)信用的中介作用

商業(yè)信用是指在商品交易中由于延期付款或預收貨款所形成的企業(yè)間的借貸關系，包括從供應商獲得的商業(yè)信用凈額和向客戶提供的商業(yè)信用凈額。預付貨款被視為一種保證機制：供應商收到預付貨款能安心生產、提供高質量產品，從而確保企業(yè)未來銷售[22]，而且預付賬款越多，企業(yè)未來具有競爭力的產品就越多、銷售前景也越好[23]，因為產品的售價與銷量很大程度上取決于原材料之稀缺性和不可替代性，為保證原材料之供應，企業(yè)會預先支付一定貨款[24]。此外，企業(yè)從供應商獲得的應付賬款越少，則說明其現(xiàn)金支付能力強且未來現(xiàn)金流出少，會提升銀行貸款的意愿[25]。

向客戶提供商業(yè)信用被視為產品質量以及履約保證，而且比承諾退換貨等質量保證更能取得客戶的信任[26]，因為中小企業(yè)在競爭中隨時可能倒閉，無法正常履約，其向客戶提供商業(yè)信用可以減少客戶的擔心。同時，企業(yè)向客戶提供的應收賬款越多，表明企業(yè)的銷售能力強且未來現(xiàn)金流入多，從而提高銀行貸款的意愿[9]。因此，商業(yè)信用可以作為積極的商業(yè)信號傳遞給貸款銀行[12]，并被銀行接受為其授信決策的重要評價指標。其信號傳遞作用體現(xiàn)在確保產品質量及其銷售前景[10]、緩解信息不對稱和降低道德風險[21]等方面。據(jù)此本文提出假設：

H2a：企業(yè)從供應商獲得的商業(yè)信用凈額是供應商集中度影響銀行借款規(guī)模的中介變量，在供應商集中度與銀行借款規(guī)模的關系中發(fā)揮中介效應；

H2b：企業(yè)向客戶提供的商業(yè)信用凈額是客戶集中度影響銀行借款規(guī)模的中介變量，在客戶集中度與銀行借款規(guī)模的關系中發(fā)揮中介效應。

（三）行業(yè)環(huán)境的調節(jié)效應

行業(yè)是由產品相似、競爭中相互影響的一組企業(yè)構成，行業(yè)環(huán)境對身處其中的企業(yè)影響遠大于總體環(huán)境影響[27]。行業(yè)環(huán)境的不確定性直接影響企業(yè)的供產銷及其績效，約束企業(yè)償還銀行借款的能力，進而影響銀行的信貸意愿[16]。行業(yè)環(huán)境集中反映在行業(yè)競爭性和行業(yè)成長性兩方面[28]。

1.行業(yè)成長性。根據(jù)產業(yè)組織理論“結構-行為-績效”的分析框架，行業(yè)結構決定企業(yè)行為進而決定企業(yè)競爭優(yōu)勢和價值。行業(yè)成長性在公司競爭優(yōu)勢中發(fā)揮重要作用[29]。高成長行業(yè)的公司往往會實施市場占優(yōu)投資戰(zhàn)略(如加大資本投資與研發(fā)投入等策略)以獲得更多的投資收益，占據(jù)更大的市場份額，必然激發(fā)其銀行借款需求[14]。此外，持續(xù)高額持有現(xiàn)金是高成長性公司的最優(yōu)財務策略，與非融資約束公司相比，面臨融資約束的公司更傾向于從其現(xiàn)金流中儲備更多現(xiàn)金[28]。然而，較高現(xiàn)金持有水平會產生嚴重的代理問題，導致銀行和企業(yè)間信息不對稱程度加大、影響銀行借款[29]。所幸穩(wěn)定的供應商關系、客戶關系有助于債權人對企業(yè)會計信息的收集，進而能夠緩解融資企業(yè)的事前逆向選擇和事后道德風險問題[21]。因此，較高的供應商/客戶集中度在銀行授信決策中更具信息含量，對其成功獲取銀行借款的影響也更大。據(jù)此本文提出假設：

H3a：相較于行業(yè)成長性較低的企業(yè)，行業(yè)成長性較高的企業(yè)供應商集中度與其銀行借款規(guī)模之間的正相關性顯著比較強；

H3b：相較于行業(yè)成長性較低的企業(yè)，行業(yè)成長性較高的企業(yè)客戶集中度與其銀行借款規(guī)模之間的正相關性顯著比較強。

2.行業(yè)競爭性。融資優(yōu)序理論認為：行業(yè)競爭越激烈的企業(yè)就越傾向于擴大投資，其外部融資需求強烈，且優(yōu)先選擇債務融資[30]。趨于完全競爭行業(yè)(如一般日用工業(yè)品、農產品、副食品)中的企業(yè)市場份額都很小，只能被動地接受市場價格，可能出現(xiàn)的價格戰(zhàn)會穿透其財務承受能力，企業(yè)經營風險加大、違約風險也可能較高[28]。而壟斷行業(yè)的企業(yè)市場份額往往占比高(如中石油、中石化、國家電網(wǎng))，具有較強的定價能力，企業(yè)盈利能力較強、經營風險較低[13]。因此，行業(yè)競爭程度越高，企業(yè)債務違約風險就越高，銀行就越偏好惜貸、縮減信貸規(guī)模。所幸企業(yè)處于競爭激烈的行業(yè)時，更有動機與上游供應商、下游客戶建立穩(wěn)定的合作關系。供應鏈條上的供應商、客戶亦會擔心行業(yè)競爭激烈影響企業(yè)的材料采購、產品研發(fā)、設備升級和換代，進而影響自身的發(fā)展，因此供應商、客戶亦會更傾向于與企業(yè)建立戰(zhàn)略聯(lián)盟，而合作關系的加強有利于企業(yè)獲得銀行借款。據(jù)此本文提出假設：

H4a：相較于行業(yè)競爭不激烈的企業(yè)，行業(yè)競爭激烈的企業(yè)供應商集中度與其銀行借款規(guī)模之間的正相關性顯著比較強；

H4b：相較于行業(yè)競爭不激烈的企業(yè)，行業(yè)競爭激烈的企業(yè)客戶集中度與其銀行借款規(guī)模之間的正相關性顯著比較強。

三、研究方法

（一）數(shù)據(jù)來源

本文選取2009～2019 年所有A 股上市公司作為初始樣本。借鑒已有文獻做法，本文對樣本進行如下處理：（1）剔除金融行業(yè)資料；（2）剔除在研究區(qū)間被ST 或*ST 的公司；（3）剔除變量有缺失的樣本。最后獲得的有效樣本中包含9808 個公司-年度觀測值。文中所有財務指標數(shù)據(jù)均來自CSMAR 數(shù)據(jù)庫。為避免極值的影響，在回歸中對所有連續(xù)性變量均進行了上下1%的Winsorize 處理。

此外，為了控制宏觀因素的影響，本文還加入行業(yè)、年份虛擬變量，其中行業(yè)虛擬變量參照了中國證監(jiān)會2012 年頒布的“上市公司行業(yè)分類指引”，由于制造業(yè)占據(jù)樣本數(shù)量一半以上，我們將制造業(yè)按二位代碼劃分，其他行業(yè)按一位代碼劃分，最終的回歸模型包含了21 個行業(yè)。

（二）變量選擇

1.因變量：銀行借款

與大多數(shù)研究企業(yè)銀行借款的實證文獻類似，本文銀行借款指的是銀行借款規(guī)模，用企業(yè)包含長期借款和短期借款在內的全部銀行借款余額(BLDN)來度量[5][16]，并選用期末總負債進行規(guī)?；幚怼⒖冀瓊サ?2017)[9]的做法，本文用上市公司銀行借款規(guī)模來反映企業(yè)獲得銀行借款的難易程度。

2.自變量：供應商集中度、客戶集中度

本文重點關注供應鏈關系的集中程度，即企業(yè)與上游供應商、下游客戶的集中狀態(tài)，通常用集中度來測量[5][31]。參考國內外文獻常用度量方法，本文的第一個自變量供應商集中度(Sprop)采用企業(yè)向前五大供應商采購額占采購總額的比重來度量；第二個自變量客戶集中度(Cprop)采用向前五大客戶銷售額占銷售總額的比重來度量。

3.中介變量：從供應商獲得的商業(yè)信用凈額、向客戶提供的商業(yè)信用凈額

商業(yè)信用包括商業(yè)信用獲得和商業(yè)信用提供。本文借鑒朱文莉等[32]的方法，用(應付賬款+應付票據(jù)-預付賬款)/總資產來衡量企業(yè)從供應商獲取的商業(yè)信用凈額，用(應收賬款+應收票據(jù)-預收賬款)/總資產來衡量企業(yè)向客戶提供的商業(yè)信用凈額。但是，由于應付票據(jù)涉及供應商的授信合同，應收票據(jù)涉及客戶的授信合同，二者都與企業(yè)跟銀行的往來有關，并且應付票據(jù)的時間和金額是不可以與供應商協(xié)商的，而應收票據(jù)相當于客戶已經給予了承諾，具有更大的收回可能性，所以應付票據(jù)與供應商的相關性不大，應收票據(jù)與客戶的相關性不大[17]。故本文沒有將應付票據(jù)和應收票據(jù)納入供應鏈關系對企業(yè)商業(yè)信用影響的研究范圍。

4.調節(jié)變量：行業(yè)成長性、行業(yè)競爭性

本文借鑒楊興全等[29]的做法，采用各年度、行業(yè)的Tobin’sQ 中值(Ind_Q)衡量行業(yè)成長性。其中，Tobin’sQ=(流通股份數(shù)×流通股價格+非流通股份數(shù)×每股凈資產+總負債)/總資產，若該指數(shù)Ind_Q 小于年度所有行業(yè)Ind_Q 指數(shù)的中位數(shù)，即為低成長性行業(yè)（賦值0），否則為高成長性行業(yè)（賦值1）。

本文借鑒陳正林[33]的做法，采用各行業(yè)、年度上市公司營業(yè)收入的赫芬達爾指數(shù)HHI 衡量行業(yè)競爭性，若該指數(shù)小于年度所有行業(yè)HHI 指數(shù)的中位數(shù)，即行業(yè)競爭性較高，賦值1，否則為0。

5.控制變量

借鑒Cull et al.[34]、李歡等[6]的研究，本文控制了影響銀行借款的其他因素：企業(yè)規(guī)模Size、資產負債率Lev、盈利能力Roa、非債務稅盾Dep、有形資產比率Tang、年收入增長率Growth、公司成立年限Age、產權性質State。

主要變量定義及說明見表1。

表1 主要變量定義與說明

（三）計量模型

首先，探討供應鏈關系對銀行借款的影響，為了一定程度上減少內生性的影響，本文參考陸正飛等[35]的做法，對自變量、采用滯后一期處理，構建基本模型如下：

其次，探討商業(yè)信用在供應鏈關系對銀行借款影響中的中介作用，采用Baron & Kenny[36]，溫忠麟等[37]提出的中介效應遞歸檢驗三步法，設定檢驗步驟和檢驗模型如下：

中介效應的判斷方法是：首先，檢驗方程（3）自變量供應鏈關系對因變量銀行借款的系數(shù)α1是否顯著。然后，在系數(shù)α1顯著的前提下，依次對方程（4）、（5）進行回歸，并根據(jù)后兩步的檢驗結果進行中介效應判斷：第一，若系數(shù)均顯著，且γ1＜α1，則中介變量發(fā)揮部分中介效應；第二，若系數(shù)β1、γ2都顯著，γ1不顯著，則中介變量發(fā)揮完全中介效應。

四、實證結果與分析

（一）描述性統(tǒng)計

表2 列示了主要變量的描述性統(tǒng)計結果。從中可以看出，樣本期間我國A 股上市公司銀行借款的平均比例和中位數(shù)均約為30%，最小值是0，而最大值達到81%，反映出我國上市公司獲取銀行借款難易程度的差別比較大。供應商集中度、客戶集中度最小值均不到1%，而最大值分別高達92.5%、94%，說明企業(yè)供應商/客戶集中度的跨越幅度都很大。

表2 主要變量描述性統(tǒng)計

（二）單變量相關性分析

表3 是主要變量的Pearson 相關性分析結果，可以看出，供應商集中度、客戶集中度與銀行借款的相關系數(shù)都顯著為正，初步證明供應商/客戶集中度可以使企業(yè)的銀行借款規(guī)模增加。同時，供應商集中度與從供應商獲得的商業(yè)信用凈額顯著負相關，從供應商獲得的商業(yè)信用凈額與銀行借款也顯著負相關；客戶集中度與向客戶提供的商業(yè)信用凈額顯著正相關，向客戶提供的商業(yè)信用凈額與銀行借款也顯著正相關，初步表明，較高的供應商集中度、客戶集中度通過對商業(yè)信用的影響，進而影響企業(yè)銀行借款。

表3 主要變量的Pearson 相關系數(shù)表

（三）多元回歸分析

利用stata15 進行Hausman 檢驗，回歸模型檢驗結果的P 值均為0.0000，強烈拒絕原假設。所以，我們使用固定效應模型進行回歸。同時，為避免公司層面的聚集效應對標準誤的影響，我們回歸時在公司層面進行了cluster 處理。

1.供應鏈關系對銀行借款的影響

表4 第（1）、（2）列分別列示了供應商集中度、客戶集中度對銀行借款的回歸結果。具體而言，供應商集中度(Sprop)與銀行借款(BLDN)的系數(shù)為0.03，在10%的顯著性水平正相關；客戶集中度(Cprop)與銀行借款(BLDN)的系數(shù)為0.046，在5%的顯著性水平正相關，說明供應商集中度、客戶集中度越高，銀行借款規(guī)模就越大，假設1 成立。這一結果表明：企業(yè)利用上、下游供應商、客戶關系提升了銀行的信貸意愿，促進了企業(yè)銀行借款規(guī)模的提高。

表4 供應鏈關系對銀行借款的影響

2.商業(yè)信用的中介作用

表5 第（1）（2）（3）列為從供應商獲得的商業(yè)信用凈額在供應商集中度和銀行借款關系的中介效應檢驗結果，第（4）（5）（6）列為向客戶提供的商業(yè)信用凈額在客戶集中度和銀行借款關系的中介效應檢驗結果。方程（1）為中介效應檢驗步驟一，檢驗解釋變量供應商集中度(Sprop)、客戶集中度(Cprop)對被解釋變量企業(yè)銀行借款(BLDN)的作用：變量(Sprop)和(Cprop)的系數(shù)分別為0.03 和0.046，且分別在10%和5%的統(tǒng)計水平上顯著。方程（2）為中介效應檢驗步驟二，檢驗解釋變量對中介變量的作用，解釋變量(Sprop)的系數(shù)為-0.01，且在10%的統(tǒng)計水平上顯著；解釋變量(Cprop)的系數(shù)為0.026，且在5%的統(tǒng)計水平上顯著。方程（3）為中介效應檢驗步驟三，從供應商獲得的商業(yè)信用凈額(NTC_S)的系數(shù)為-0.827，且在1%的統(tǒng)計水平上顯著，不確定性變量(Sprop)的系數(shù)為0.022，但不顯著；向客戶提供的商業(yè)信用凈額(NTC_C)的系數(shù)為0.248，且在1%的統(tǒng)計水平上顯著，不確定性變量(Cprop)的系數(shù)降低為0.039，且在10%的統(tǒng)計水平上顯著。檢驗結果表明，從供應商獲得的商業(yè)信用凈額(NTC_S)在供應商集中度(Sprop)和銀行借款(BLDN)的關系中發(fā)揮中介效應；向客戶提供的商業(yè)信用凈額(NTC_C)在客戶集中度(Cprop)和銀行借款(BLDN)的關系中發(fā)揮中介效應。

同時，本文還針對中介效應進一步進行了Sobel 檢驗，SobelZ 值分別為1.953 和2.261，且均在5%的統(tǒng)計水平上顯著，說明中介效應檢驗結果通過了Sobel 檢驗，假設2 成立。

3.行業(yè)環(huán)境的調節(jié)效應

表6（1）-（4）列顯示，低成長性行業(yè)組的供應商集中度和客戶集中度系數(shù)均不顯著，而高成長性行業(yè)組的供應商集中度系數(shù)為0.048，客戶集中度系數(shù)為0.055，且均在5%的水平顯著正相關。上述結果表明，相較于行業(yè)成長性較低的企業(yè)，行業(yè)成長性較高的企業(yè)供應商/客戶集中度與其銀行借款規(guī)模之間的正相關性均顯著比較強，即行業(yè)成長性在供應商/客戶集中度對銀行借款的影響中起調節(jié)效應，假設3 得以驗證。

表6（5）-（8）列顯示，競爭不激烈行業(yè)組的供應商和客戶集中度系數(shù)均不顯著，而競爭激烈行業(yè)組的供應商集中度系數(shù)為0.06，且在5%的顯著水平正相關；客戶集中度的系數(shù)為0.056，且在10%的顯著水平正相關。上述結果表明，相較于行業(yè)競爭不激烈的企業(yè)，行業(yè)競爭激烈的企業(yè)供應商集中度、客戶集中度與其銀行借款規(guī)模之間的正相關性均顯著比較強，即行業(yè)競爭性在供應商/客戶集中度對銀行借款的影響中起調節(jié)效應，假設4 得以驗證。

表5 商業(yè)信用的中介作用

表6 行業(yè)環(huán)境的調節(jié)作用

（四）穩(wěn)健性檢驗

1.內生性

供應商和客戶數(shù)據(jù)的選擇性披露，導致本文結論可能存在樣本選擇性偏差問題。Heckman 兩步法在會計研究中，被廣泛用于解決此類內生性問題（Lennox 等，2012）[38]。本文借鑒王迪等(2016)[5]的做法，使用企業(yè)所處行業(yè)內每年在年報中披露供應商數(shù)據(jù)、客戶數(shù)據(jù)的企業(yè)比例，分別作為第一階段回歸中的工具變量。Heckman 兩步法的回歸結果列示在表7PanelA 中，它與前文一致。

供應商/客戶集中度和企業(yè)銀行借款，可能會同時受到一些無法觀測，從而未能在模型中加以控制的因素的影響，使本文存在由遺漏變量引起的內生性。本文采用工具變量兩階段最小二乘法(IV-2SLS)進行了穩(wěn)健性檢驗。借鑒Dhaliwal 等[31]、王迪等[5]的做法，分別選取屬于同一行業(yè)的供應商集中度年度均值、客戶集中度年度均值作為工具變量，使用IV-2SLS 進行回歸，結果見表7 PanelB，研究結論基本保持不變。

表7 考慮內生性的回歸結果

2.變量替換

為了消除行業(yè)間供應鏈關系、商業(yè)信用以及銀行借款的差異，本文將供應商集中度、客戶集中度、從供應商獲得的商業(yè)信用凈額、向客戶提供的商業(yè)信用凈額、銀行借款分別減去行業(yè)中位數(shù)進行標準化，得到行業(yè)中位數(shù)調整后的供應商集中度(Sprop_a)、客戶集中度(Cprop_a)、從供應商獲得的商業(yè)信用凈額（NTCS_a）、向客戶提供的商業(yè)信用凈額（NTCC_a）、銀行借款(BLDN_a)，然后依次進行固定效應回歸，結果見表8-表10。表8 顯示，行業(yè)中位數(shù)調整后的供應商集中度、客戶集中度對銀行借款的系數(shù)均顯著為正。

表8 供應鏈關系對銀行借款影響的穩(wěn)健性檢驗

表9 中可以看出，中介效應檢驗步驟一方程(1)Sprop_a、Cprop_a 的系數(shù)均顯著為正。中介效應檢驗步驟二方程（2）Sprop_a 的系數(shù)在1%的水平上顯著為負，Cprop_a 的系數(shù)在1%的水平上顯著為正。中介效應檢驗步驟三方程(3)NTCS_a 的系數(shù)顯著為負，Sprop_a 的系數(shù)不顯著；NTCC_a 的系數(shù)在1%的水平上顯著為正，Cprop_a 的系數(shù)與方程（1）相比顯著下降，說明前述根據(jù)溫忠麟等（2004）[37]的中介效應判斷方法得出的結果具有穩(wěn)健性。進一步的Sobel 檢驗結果顯示統(tǒng)計量z 值均具有顯著性。

表9 中介效應的穩(wěn)健性檢驗

表10 （1）-（4） 列顯示，在低成長性行業(yè)組，Sprop_a 的系數(shù)不顯著；而在高成長性行業(yè)組，該系數(shù)為0.052，且在5%的水平顯著正相關。在低成長性行業(yè)組，Cprop_a 的系數(shù)為0.069，且在10%的水平顯著正相關；在高成長性行業(yè)組，該系數(shù)為0.062，且在1%的水平顯著正相關。但因為兩組樣本里自變量Cprop_a 的分布不一樣，所以不能直接比較分組回歸的自變量系數(shù)。借鑒Lins 等（2017）[39]的做法，本文通過比較兩組樣本下自變量每增加一個標準偏差對企業(yè)銀行借款的影響來判斷。低成長性行業(yè)組Cprop_a 的標準偏差為0.22，高成長性行業(yè)組Cprop_a 的標準偏差為0.31，據(jù)此可計算出低成長性行業(yè)組的企業(yè)Cprop_a 每增加一個標準偏差則銀行借款（BLDN_a） 增加1.5 個百分點，高成長性行業(yè)組的企業(yè)Cprop_a 每增加一個標準偏差則銀行借款（BLDN_a）增加1.9 個百分點，由此可知高成長性行業(yè)組客戶集中度的影響相對于低成長性行業(yè)組有所加強。

表10（5）-（8）列顯示，在競爭激烈行業(yè)組，Sprop_a 的系數(shù)在5%的顯著水平正相關，而在競爭不激烈行業(yè)組，該系數(shù)并不顯著。Cprop_a 的系數(shù)在競爭不激烈行業(yè)組和競爭激烈行業(yè)組，分別為0.056、0.059，且均在10%的顯著性水平正相關。同樣借鑒Lins 等(2017)[39]的做法，計算出競爭激烈行業(yè)組的企業(yè)客戶集中度每增加一個標準偏差則銀行借款增加1.3 個百分點，競爭不激烈行業(yè)組的企業(yè)客戶集中度每增加一個標準偏差則銀行借款增加1 個百分點。由此可知，競爭激烈行業(yè)組客戶集中度的影響相對于競爭不激烈行業(yè)組有所加強。穩(wěn)健性結果與前述回歸結果一致，說明前述結論具有穩(wěn)健性。

表10 行業(yè)環(huán)境調節(jié)作用的穩(wěn)健性檢驗

五、研究結論及管理啟示

（一）研究結論

黨的十九屆五中全會明確提出“著力提升產業(yè)鏈供應鏈現(xiàn)代化水平”。本文以2009～2019 年所有A 股上市公司為研究對象，通過中介效應檢驗，分析供應鏈關系對銀行借款的影響機制，通過供應鏈金融“促進金融更好服務實體經濟發(fā)展”，確保產業(yè)鏈供應鏈安全及其發(fā)展水平。研究結果表明：供應商集中度、客戶集中度越高，企業(yè)銀行借款規(guī)模就越大。進一步采用中介效應檢驗的遞歸法實證分析發(fā)現(xiàn)，從供應商獲得的商業(yè)信用凈額在供應商集中度與銀行借款的關系中發(fā)揮中介效應，向客戶提供的商業(yè)信用凈額在客戶集中度與銀行借款的關系中發(fā)揮中介效應。本文還結合不同行業(yè)供應鏈金融發(fā)展不均衡的現(xiàn)實背景，以行業(yè)環(huán)境為調節(jié)變量，研究發(fā)現(xiàn)，所處行業(yè)成長性高、行業(yè)競爭激烈時，企業(yè)的供應商集中度、客戶集中度與銀行借款規(guī)模的顯著性均更強。

（二）管理啟示

本文的結論側面論證了企業(yè)發(fā)展供應鏈關系的必要性，既能為企業(yè)控制供應鏈集中度以獲取更多銀行借款提供現(xiàn)實指導，也可為政府制定支持實體經濟信貸政策及區(qū)分不同行業(yè)環(huán)境制定不同的信貸政策、實現(xiàn)金融精準滴灌產業(yè)集群中薄弱的中小企業(yè)提供理論依據(jù)。

1.企業(yè)應加強與供應商、客戶的供應鏈關系管理

企業(yè)在未來生產經營過程中有目的地選擇少數(shù)幾個大供應商進行集中采購，可以保證產品質量和降本增效；有目的地選擇少數(shù)幾個大客戶來實現(xiàn)定制化生產或服務，可以保證產品銷量和穩(wěn)定營收。較為集中的供應鏈關系在銀行借款授信審查時具有信息含量，不僅可以增強供應鏈條上企業(yè)銀行借款能力，亦可提升產業(yè)鏈供應鏈現(xiàn)代化水平，所處行業(yè)成長性高、競爭性高的企業(yè)尤甚。因此，加強供應鏈關系管理無疑是企業(yè)緩解其融資約束的新途徑。

2.企業(yè)應積極打造核心競爭力，吸引更多的潛在供應商、客戶

當前，全球產業(yè)鏈供應鏈因保護主義、單邊主義上升以及新冠肺炎疫情等非經濟因素的影響而面臨沖擊，少數(shù)關鍵零部件的缺失、少數(shù)關鍵技術的缺位甚至可能導致特定產業(yè)鏈斷裂。為了增強產業(yè)鏈供應鏈的韌性，提高其安全性、穩(wěn)定性，企業(yè)要不斷加大創(chuàng)新力度、提升技術水平、優(yōu)化產品結構，通過企業(yè)自身核心競爭力的提升來增強企業(yè)與供應商、客戶間的議價能力，確保企業(yè)在與現(xiàn)有幾大供應商、客戶群穩(wěn)固合作的同時，能吸引更多的潛在供應商、客戶群成為企業(yè)維系供應鏈關系穩(wěn)定的備選項，從而防止企業(yè)跌入大供應商、客戶依賴的陷阱。

3.政府應引導供應鏈金融服務實體經濟，為中小企業(yè)發(fā)展提供支撐

近年來直接推動供應鏈金融的專項政策文件已從國務院、國家部委層面延展到各省、市、區(qū)級地方政府部門，而且政策條款更加細化與本地化。比如，從《關于規(guī)范發(fā)展供應鏈金融支持供應鏈產業(yè)鏈穩(wěn)定循環(huán)和優(yōu)化升級的意見》，到《關于促進深圳市供應鏈金融發(fā)展的意見》和《橫琴新區(qū)關于促進供應鏈金融發(fā)展的扶持辦法》，顯示了各級政府對供應鏈金融理解越來越清晰、準確，致力于鼓勵企業(yè)發(fā)展供應鏈關系，促進地方企業(yè)的成功轉型。然而，當前政策仍缺乏區(qū)分行業(yè)環(huán)境的具體指引。由于成長性高、競爭性強的行業(yè)相對于成熟、壟斷行業(yè)而言，企業(yè)數(shù)量眾多，尤其中小企業(yè)占比較大。加之，中小企業(yè)長期存在融資難、融資貴的問題，在獲取銀行借款方面存在天然的劣勢。因此，各地方政府、銀行應該有目的地區(qū)分不同行業(yè)環(huán)境制定不同的信貸細則，以便支持供應鏈金融服務好供應鏈上成長性高、競爭性強的中小企業(yè)，使其獲得必要的資金支持。

當然，本文還存在一定的不足：一是供應鏈關系的度量方法。局限于數(shù)據(jù)源的限制，僅用“向前五大供應商采購額占采購總額的比重”和“向前五大客戶銷售額占銷售總額的比重”來度量，無法取得企業(yè)類型、所處行業(yè)等信息導致研究只能局限于供應鏈關系的集中程度。二是供應鏈關系的維度。僅考慮“供應商—企業(yè)”、“企業(yè)—客戶”鏈條上的縱向關系，眾多鏈條間的橫向關系未納入考慮范圍。未來可考慮包括縱向和橫向關系在內的供應鏈網(wǎng)絡關系，以及企業(yè)在供應鏈網(wǎng)絡結構中的地位對其銀行借款的影響。