客户集中度对中小企业绩效的影响——产品交易费用的中介作用与产品类型的调节作用

刘昌华 ，田志龙

(1.武昌首义学院 经济管理学院，湖北 武汉 430064； 2.华中科技大学 管理学院，湖北 武汉 430074)

一、引 言

客户集中度指的是企业的产品销售在少数大客户上的集中程度。过高的客户集中度表明企业的产品销售过分依赖于少数大的客户，这会造成企业的独立性缺失问题，给公司带来重大的经营风险。中小企业在其发展过程中采用的集中化战略往往使其业务分布在某个特定的客户群、某产品链的一个细分区段或某一个地区市场[1]，这会导致其客户集中度偏高。由此产生了一个值得研究的问题：中小企业在承担较高客户集中度可能会带来的经营风险时，是否也获得了较好的绩效？其作用机制是什么？学界鲜有针对这一问题的研究。现有文献往往是将客户集中度作为对某些变量的测量，研究这些变量对企业绩效的作用[2-5]。也有学者直接研究客户集中度对企业绩效的影响，如Patatoukas(2012)[6]对客户集中度是否以及如何影响公司业绩和股票价值进行了实证研究；王海林与段彩艳(2016)[7]以我国沪市 A 股制造业上市公司为样本，研究了客户集中度与企业绩效之间的关系；田志龙和刘昌华(2015)[8]也研究了我国中小企业客户集中度对企业绩效的影响。但现有文献对客户集中度影响企业绩效的作用机制及可能存在的边界还揭示得不够。

二、理论分析与研究假设

客户集中度会影响企业的产品交易费用。客户集中度高，意味着企业与比较少的大客户进行多频次的大量的交易。由于产品交易主要集中在一些大客户身上，这就降低了企业搜寻交易对手的成本；另一方面，由于与少数大客户的交易频繁，双方会积极设法建立起一个一般性的治理结构来克服机会主义从而降低交易费用。比如供应商资格认证可以降低每次交易的产品质量检验过程中的费用等。Jeffrey(1997)[9]的研究表明，交易双方间的交易总量越大，重复交易的可能性就越高，交易的单位成本就越低。另外，陈运森(2010)[10]的研究指出，交易双方长期的交易与合作会促进双方建立相互信任的关系，并促成了相应的信息沟通和交流机制，减少了信息不对称导致的不确定性和交易风险，从而节省了交易成本。Jeffrey(1997)[9]也指出，交易者间信息共享的程度越大，信息不对称的程度越低，交易费用也越低。以上研究表明：随着客户集中度的升高，企业的产品交易费用会降低。客户集中度对交易费用的这种作用，影响了企业的绩效。因为在企业销量一定的情况下，交易费用的减少，无疑会增加企业的赢利，从而提升企业的绩效。由此，本文提出如下假设：

H1：客户集中度对产品交易费用具有显著的负向作用。

H2：客户集中度对中小企业绩效具有显著的正向作用。

H3：产品交易费用在客户集中度与企业绩效的关系中具有中介作用。

企业生产的产品(服务)可分成两类，即消费品和工业品。消费品是指那些由最终消费者购买并用于个人或家庭消费的产品；工业品是指那些由个人或组织购买并进一步用于以后的加工处理或使用的产品。消费品面对大量的最终消费者，其销售一方面要依靠渠道中的中间商，另一方面要投入大量的广告宣传与促销等来吸引消费者的购买；而工业品针对的客户是相对有限的工商企业等组织机构，其销售更多采用直销的方式，重点在于个人推销。[11]对于消费品生产企业而言，客户集中度高，虽然可以在一定程度上降低与中间商们的交易费用，但是其面对最终消费者的广告促销等费用不会受到客户集中度的较大影响，因此对于企业总的产品交易费用来说，这种降低作用是有限的；而工业品制造企业由于直接面对用户，其产品交易费用主要发生在这一环节，随着客户集中度的提高，其总的产品交易费用会得到更大的降低。由此，本文提出如下假设：

H4：产品类型对客户集中度与产品交易费用的关系具有调节作用，即工业品企业的客户集中度对产品交易费用的负向作用要强于消费品企业。

H5：产品类型在客户集中度对企业绩效的影响中具有调节作用，即工业品企业的客户集中度对企业绩效的正向作用要强于消费品企业。

三、研究设计

(一)样本选择与资料收集

本研究以2010年12月31日前在我国深圳证券交易所的中小企业板上市的属于制造业的企业为基础，从中剔除以下公司作为研究样本：(1)2010～2014年五年间销量前五名客户销售收入占企业销售收入的百分比、企业销售费用以及其它数据信息披露不全的上市公司；(2)2010～2014年五年间出现过重大重组的公司。通过筛选后，共获得269家公司作为研究样本。研究数据来自深交所公布的上市公司年度报告、CSMAR 数据库。从企业年报中的董事会报告中摘录了销量前五名客户销售收入占企业销售收入的百分比数据，从公司简介中抄录了公司首次注册登记日期。共获得连续5年共1345个平衡面板数据。

(二)变量定义

1.被解释变量：企业绩效。本文采用企业的赢利能力指标销售净利率来衡量企业绩效。销售净利率为净利润占营销收入的百分比。

2.解释变量：客户集中度。用“销量前五名客户的销售额占公司年度销售总额的百分比”来测量企业的客户集中度。

3.中介变量：产品交易费用。采用多数学者的做法，用企业的销售费用占营业收入的百分比作为产品交易费用的替代变量。

4.调节变量：产品类别。将企业的产品分为消费品与工业品两类。消费品销售收入超过总收入50%的企业，其产品归为消费品；工业品销售收入超过总收入50%的企业，其产品归为工业品。为了保证数据的平衡性，剔除掉五年间产品类别发生变化的企业。

5.控制变量。企业绩效、产品交易费用会受到较多因素的影响。本研究选择公司最终控制人、公司年龄、公司规模、财务杠杆、运营效率、公司成长性、股权集中度作为控制变量。最终控制人分为国有、民营、外资及其它，以国有为基准变量，设民营、外资及其它两个虚拟变量。公司年龄用LnAge来表示。Age=Ti-T0+0.5or1。其中Ti=(2010，2011，2012，2013，2014)，T0为公司首次注册年份。注册时间在当年的6月30日之前加1，之后则加0.5。公司规模用公司的总资产的自然对数来表示。财务杠杆用资产负债率来表示。运营效率用总资产周转率来表示。公司成长性用当年主营业务收入增长率来表示。股权集中度用第一大股东持股比例来表示。

四、实证结果分析

本研究使用SPSS19.0与EVIEWS6.0软件对数据进行分析。

(一)描述性统计与相关性分析

表1给出了主要变量的描述性统计及其间的相关系数。客户集中度的平均值为31.275%。平均来说，企业三分之一的销量集中在前五名客户中，说明我国中小制造业企业的客户集中度较高。客户集中度与销售净利率正相关，与产品交易费用负相关，产品交易费用与销售净利率负相关。产品交易费用的中介作用得到初步检验。各变量间的关系需要在控制了其它变量的情况下进行精确的验证。虽然有些自变量之间存在显著的正相关或负相关，但相关系数都没有超过0.5，不存在严重的多重共线性问题，可以同时放在模型中进行回归。

表1 变量的描述性统计与相关性分析(n=1345)

注：*、**分别表示在 0.05 、0.01 水平(双侧)上显著相关。

(二)回归分析

1.数据的平衡性检验及回归分析模型选择。对面板数据进行回归分析，首先需要检验数据的平衡性以避免变量不平稳而出现伪回归。本文利用单位根检验方法来检验数据的平衡性。采用LLC检验同质单位根过程，采用 IPS、ADF、PP检验异质单位根过程。所有的变量在四种检验中的检验统计量的伴随概率值(P 值)都小于0.01，表明各变量不存在严重的单位根，各变量稳定且存在长期均衡，回归不属于伪回归。其次，各回归模型需要在混合回归模型、固定效应模型、随机效应模型间进行选择。先对各模型进行F检验，判断各模型应该选择混合回归模型还是固定效应模型。检验结果表明各模型的检验统计量的伴随概率(P 值)都小于0.01，因此各模型适合于固定效应模型。然后对各模型进行 Hausman 检验，判断各模型应该选择随机效应模型还是固定效应模型。各模型检验统计量的伴随概率(P 值)都小于0.01，拒绝了原假设，表明随机效应与解释变量无关，各模型应该选择固定效应模型。因此本研究选择个估固定效应进行回归分析。由于面板数据容易出现异方差与自相关，而广义最小二乘法(GLS)的估计过程能够对变量异方差与自相关进行修正，从而增加模型估计的有效性，因此，本文选用 EVIEWS6.0中的Pooled EGLS (Cross-section weights)方法进行回归，同时选择White cross-section standard errors & covariance (no d.f. correction)对异方差进行校正。

2.产品交易费用的中介效应检验。本文依据 Baron 和 Kenny(1986)[12]的检验中介作用的方法，按照温忠麟(2005)[13]提出的中介效应检验程序来检验产品交易费用的中介效应。表2显示的是产品交易费用的中介作用检验的结果。

表2 回归分析结果(n=269×5=1345)

注： *、**、***分别表示在 0.1、0.05 、0.01 水平上显著；括号内数据为经怀特异方差校正过的t值。

表2中的模型1是企业绩效对控制变量的回归。在控制变量中，公司规模、运营效率、公司成长性、股权集中度对企业绩效具有显著的正向影响，公司年龄、财务杠杆对企业绩效具有显著的负向影响。模型2表明在控制了相关变量的影响后，客户集中度对企业绩效具有显著的正向影响(β=0.016，p<0.01)，该结果支持了研究假设2。模型3是产品交易费用对控制变量的回归。在控制变量中，公司的最终控制人、年龄、财务杠杆、运营效率对产品交易费用具有显著的正向影响，而公司规模、公司成长性、股权集中度对产品交易费用具有显著的负向影响。模型4在模型3的基础上加入客户集中度，回归结果表明在控制了相关变量后，客户集中度对产品交易费用具有显著的负向影响(β=-0.013，p<0.01)，验证了假设1。模型5在模型2的基础上加入产品交易费用进行回归分析，对比模型2、模型5的回归结果可以发现：在将客户集中度、产品交易费用同时放入回归模型中时，产品交易费用对企业绩效的负向作用是显著的(β=-0.543，p<0.01)，而这时客户集中度的回归系数变得不显著了(β=0.004，p>0.1)。这表明产品交易费用在客户集中度与企业绩效间起着完全中介的作用，研究假设3得到验证。本研究继续采用Sobel检验方法[14]，对上述中介作用做进一步的验证。计算得到检验统计量z值为5.6592(p<0.01)，表明中介效应是显著的，研究假设3得到了进一步支持。

3.产品类别的调节作用检验。由于产品类型是一个类别变量，根据温忠麟[13]提出的检验调节变量的方法，本研究采用分组回归的方法来对产品类型的调节作用进行检验。结果如表3所示。工业品组中的模型Ⅰ-1到Ⅰ-5的结果表明，本研究中的假设1、2、3，对于工业品企业来说同样是成立的(Sobel检验统计量z值为2.137(p<0.01))。对比模型Ⅰ-4与Ⅱ-4可以发现，在工业品组，客户集中度对产品交易费用有显著的负向作用(β=-0.005，p<0.05)，而在消费品组，客户集中度对产品交易费用的作用为正但不显著(β=0.002，p>0.1)。本研究的假设4得到检验。同样对比模型Ⅰ-2与Ⅱ-2可以发现，在工业品组，客户集中度对企业绩效有显著的正向作用(β=0.019，p<0.01)，而在消费品组，这个正向作用并不显著(β=0.009，p>0.1)。本研究的假设5得到支持。

表3 分组回归分析结果

注： *、**、***分别表示在 0.1、0.05 、0.01 水平上显著。括号内数据为经怀特异方差校正过的t值。

五、结论与启示

本文从交易费用理论视角，采用我国中小企业板的制造业公司2010～2014年间的平衡面板数据，实证研究了客户集度对中小企业绩效的影响以及这种影响的机制与边界。客户集中度能显著地降低企业的产品交易费用，促进企业绩效的提升。产品交易费用在客户集中度对企业绩效的正向影响中具有完全的中介作用。产品类型在客户集中度对产品交易费用的负向影响及对企业绩效的正向影响中具有调节作用，即这两种影响显著地存在于工业品制造企业，而在消费品制造企业中并不显著。研究结论丰富了现有文献对客户集中度的认识，对中小企业的产品市场开发具有一定的指导意义。虽然较高的客户集中度可能会给企业的经营带来风险，但中小企业在承担这种风险的同时，也获得了更好的企业绩效。中小企业在进行产品市场开发时应兴利除弊。对于消费品制造企业来说，应该开发更多的中间商，降低过分依赖于几个大客户所带来的经营风险，同时调动中间商的力量(而不仅仅是企业的广告与促销等)来推动产品的销售；而对于工业品制造企业来说，在客户开发时，更应聚焦于大客户，与大客户建立供应链伙伴关系，通过降低产品交易费用来改善企业绩效。

[1]Porter M E.Competitive Strategy[M].New York：The Free Press，1980：41.

[2]唐跃军.供应商、经销商议价能力与公司业绩——来自2005～2007年中国制造业上市公司的经验证据[J].中国工业经济，2009,(10)：67-76.

[3]于茂荐，孙元欣.专用性投资对企业绩效影响研究——产业技术投入的调节效应[J].科学学研究，2012, 30(9)：1363-1369.

[4]于茂荐，孙元欣.专用性投资、治理机制与企业绩效——来自制造业上市公司的经验证据[J].管理工程学报，2014，28(1)：39-46.

[5]于茂荐，孙元欣.专用性投资、关系机制与企业绩效[J].中南财经政法大学学报，2014,(1)：150-156.

[6]Patatoukas P N.Customer-base Concentration：Implications for Firm Performance and Capital Markets[J].The Accounting Review，2012，87(2)：363-392.

[7]王海林，段彩艳.业务伙伴集中度越高企业绩效越好吗？——基于沪市制造业上市公司的数据[J].财会通讯，2016，(6)：42-44.

[8]田志龙，刘昌华.客户集中度、关键客户议价力与中小企业绩效——基于中小企业板制造业上市公司的实证研究[J].预测，2015，34(4)：8-13.

[9]Jeffrey H D.Effective Interfirm Collaboration：How Firms Mminimize Transaction Costs and Maximize Transaction Value[J].Strategic Management Journal，1997，18(7)：535-556.

[10]陈运森，王玉涛.审计质量、交易成本与商业信用模式[J].审计研究，2010,(6)：77-85.

[11]Solomon M R.Marketing：Real People，Real Choices[M].New Jersey：Prentice Hall，Inc.，2011：147-148.

[12]Baron R M，Kenny D A.The Moderator-Mediator Variable Distinction in Social Psychological Research: Conceptual, Strategic and Statistical Considerations[J].Journal of Personality and Social Psychology，1986，51(6).1173-1182.

[13]温忠麟，侯杰泰，张雷.调节效应与中介效应的比较和应用[J].心理学报，2005，37(2).268-274.

[14]Sobel M E.Asymptotic Intervals for Indirect Effects in Structural Equations Models, in S. Leinhart (Ed .)，Sociological Methodology[M].San Francisco:Jossey-Bass,1982.