供应链集中度、市场地位与企业研发投入:横向与纵向的二维视角
2019-05-16
一 引 言
创新驱动发展战略的实施更加强化了技术创新为企业赖以生存和发展的动力。加快从要素驱动、投资规模驱动发展为主向以技术创新驱动发展为主的经济增长方式转变,不仅是经济发展新常态的核心内涵,更是国家经济发展战略的大局所在。据《2016年全国科技经费投入统计公报》显示,尽管我国研究与试验发展经费逐年上涨,2016年全国共投入研究与试验发展经费15676.7亿元,研究与试验发展经费投入强度(经费投入与国内生产总值之比)为2.11%,但与发达国家2.5%-4%的平均水平相比仍有较大差距[注]详细内容参见:http://www.stats.gov.cn/tjsj/zxfb/201710/t20171009_1540386.html;http://m.cast.org.cn/site/wap/gzdt/info/2017/4680.html。。作为国家技术创新的主体,企业如何通过科技进步提高其核心竞争力已成为市场乃至政府关注的重大问题,而在这一过程中,企业在市场竞争中的地位、优势以及所处的上、下游市场竞争环境均对企业盈利能力和创新决策发挥着至关重要的作用。
随着企业开放式创新和网络式创新等新兴组织形式的迅速发展,企业的创新研发不仅受横向组织结构特征的影响,还受产业链纵向关系特征的制约,如企业在纵向市场结构中相对于上游供应商和下游客户所具备的市场势力、议价能力以及企业在供应链网络中的结构位置等因素均会影响其创新研发投入(Farber,1981[1];Peters,2000[2];Bellamy et al., 2014[3])。迈克尔·波特的“五力模型”认为新进入者威胁、替代产品多少、同行业内企业之间的竞争程度以及上游供应商与客户的议价能力均是影响产业吸引力与企业竞争优势的重要因素,而这其中来自于上、下游企业的议价能力本质上是一种纵向市场势力,体现了纵向交易过程中供给方和需求方通过主导地位或特殊交易条款对企业的定价能力、服务质量以及分配权限等方面产生的影响(迈克尔·波特,1997[4];Brandow,1969[5];Shepherd,1985[6])。此外,创新作为企业攫取竞争优势的重要途径,在供应商和客户关系中一直扮演着重要的角色。技术创新不仅可以降低上游供应商的议价能力,还可弱化对单一交易渠道的依赖性,同样地,技术创新可以通过提高产品差异化程度,进而增加下游客户的转换成本(迈克尔·波特,1997[4];李丹蒙等,1985[7])。
在企业相互依存日益紧密的状态下,纵向价值链参与主体之间的竞争关系日益明显,这种竞争不仅体现在交易双方存在隐瞒信息或行动的机会主义行径,还体现在上、下游交易主体凭借供应链中的优势地位和纵向依赖程度对企业的定价策略和利润分配进行讨价还价,以实现利润最大化。如美国的三大医药巨头麦克森(McKesson)、卡地纳(Cardinal Health)和美源伯根(AmerisourceBergen)通过高度集中的市场份额牢牢掌控着美国医药流通业市场格局,并通过竞争优势与创新模式不断向上、下游扩展与延伸其市场势力,不仅增强了企业对产业链的掌控力,同时还围绕客户需求进行了持续不断的创新。尽管我国医药制造业近些年通过产业整合与结构重组使得整体运营效率和模式创新水平有所提升,但由于上游原料药断供、下游销售终端集中,加之企业间产品同质化现象严重,我国医药产业的创新之路步履维艰。
基于这一现实背景,本文选取产业关联性和创新活跃度较高的医药制造业上市公司作为研究对象,从纵向产业链竞争与横向市场地位竞争两个维度出发,探讨供应链集中度以及企业所处的市场竞争地位对企业创新研发投入的影响作用,以期为我国医药制造企业创新发展战略制定与核心竞争优势提升提供参考意见。后续内容安排如下:第二部分为文献综述;第三部分介绍模型设定与变量选取;第四部分为实证估计与结果分析;第五部分进一步分组讨论;第六部分为研究结论与政策建议。
二 文献综述
自熊彼特1942年首次强调市场结构对创新活动的关键作用以来(Schumpeter,1942)[8],学术界围绕企业的创新激励问题展开深入讨论,并形成三种主要的创新理论与假说:“竞争促进创新论(Arrow假说)”(Arrow,1962[9];Scherer,1967[10];王子君,2002[11])、“竞争抑制创新论(Schumpeter假说)”(Horowitz,1962[12];Comanor,1967[13];戚聿东,1998[14])以及“非线性相关论(倒U型假说)”(Demsetz,1969[15];Aghion et al.,2005[16];聂辉华等,2008[17])。早期研究主要集中于横向视角,而供应商和客户作为企业至关重要的利益相关者,对企业的生产经营、发展战略等诸多方面均会产生决定性的影响(Freeman,1984)[18]。已有学者从经营绩效(Kelly和Gosman,2000[19];唐跃军,2009[20])、商业信用(Fabbri和Menichini,2010[21];郑军等,2013[22])、现金持有水平(Itzkowitz,2013[23];张志宏和陈峻,2015[24])等视角对供应链集中度与企业行为、市场绩效之间的关系进行了广泛而深入的研究。随着技术创新成为全球价值链的主要链接生产方式,供应链交易主体间合作创新、利益共享的互动关系变得日益紧密,越来越多学者将供应链集中度作为一个重要的产业结构特征囊括到企业创新研发的影响因素中,并逐渐将供应链集中度的相关研究聚焦于企业的创新研发决策上。
一直以来,下游客户集中度对于企业技术创新的影响备受关注且存在较大争议。部分学者认为二者之间存在负相关关系。Köhler和Rammer(2012)[25]研究德国制造业市场时发现,客户集中度越高,下游买方的市场势力越强,企业的运营效率和利润空间越低,从而不利于企业的研发投入与专利产出。吴祖光等(2017)[26]基于我国创业板市场2009-2015年上市公司的数据实证检验了客户集中度对于企业创新研发的影响,结果表明,客户市场集中度对企业研发投入具有显著的抑制作用。李丹蒙等(2017)[7]从关系网络角度实证研究了客户集中度对于企业研发投入强度的影响,发现较高的客户市场集中度会制约企业创新研发投入的积极性。部分学者得到截然不同的结论。Krolikowski和Yuan(2017)[27]基于1980-2005年26791家美国企业样本数据,从交易成本和资源依赖性角度出发,探讨客户集中度对企业研发强度的影响。结果表明,较高的市场集中度能够有效刺激企业增加创新研发投入。不仅如此,Shen et al.(2017)[28]则认为二者之间表现为非线性U型关系,且这种关系在非国有制企业中更加明显。
与客户集中度类似,供应商集中度对于企业创新研发的影响同样存在不同观点。一种主流观点认为供应商集中度过高会抑制企业技术创新。Porter(1979)[29]认为上游供应商越集中,企业外部选择性越低,从而导致上游供应商凭借较强的议价能力提高产品价格,侵占企业利润,不利于企业技术创新。Wuyts和Dutta(2014)[30]从资源异质性角度出发,基于生物制药行业研究了二者之间的关系,发现供应商集中度越高,企业获取的技术知识异质化程度越低,越不利于企业的研发投入。王昀和孙晓华(2018)[31]从中观和微观两个层面研究了行业市场结构和卖方集中所形成的市场势力对企业研发投资的影响,发现供应商集中度越高,交易过程中的加价能力越强,企业的研发投入越少。另一种观点认为,较高的供应商集中度能够有效保障资源要素的供给,加速营运资金周转,提高企业运营效率和创新意识,如Chu et al.(2015)[32]研究认为,供应商集中度对企业研发投入具有积极的促进作用。
已有研究有关供应链集中度与技术创新的关系探讨尚未形成一致结论,差异化结论归因于以下几个方面:一是研究方法不同,理论建模与实证检验得到的研究结论有所出入;二是数据样本选取不同,产业特征和市场结构不同导致研究结论不同;三是对于市场集中度和技术创新等关键变量的度量方式不同,造成实证检验结果的差异化。但在一定程度上说明,企业的市场竞争地位以及与上、下游交易主体之间的紧密程度已成为影响企业创新研发的重要因素。特别是对于技术需求与依赖程度较高的企业,如何应对与维护产业链上、下游关系,以及在横向市场中保持竞争优势成为一个重要的问题。鉴于此,本文从纵向竞争与横向竞争两个维度出发,运用2012-2017年医药制造业上市公司的微观数据实证分析供应链集中度与企业市场竞争地位对我国医药制造业上市公司创新研发投入的影响及相互作用机制,以期为企业创新研发决策的制定和实施提供经验借鉴。
本文的创新之处在于:首先,企业创新研发决策是买卖双方市场相互作用的均衡结果,而以往研究大多关注企业的上游或下游某一特定关联方,将供应商与客户集中度纳入到同一分析框架中,弥补了已有文献仅从单一视角分析的不足;其次,从供应链集中度和市场竞争地位两个角度考察了不同性质的竞争对企业创新研发投入的共同影响;第三,通过样本分组进一步检验了企业市场竞争地位在不同供应链集中度环境中对企业研发投入影响的差异性。
三 研究设计与变量选取
(一)模型设定
本文以创新研发密度来衡量企业的创新研发行为,由于该变量只有在企业确实从事研发活动的情况下才可被观测到,所以估计过程中可能存在样本选择偏差问题。若企业创新研发行为的发生是随机性的,那么直接忽略或者剔除没有进行创新研发的企业可能不会造成结果上的偏差,而现实情况并非如此,即企业的创新研发决策并非是随机性事件,因此,采用传统的普通最小二乘法(OLS)进行估计会直接排除没有进行创新研发的企业,最终仅对部分创新研发企业进行回归估计,这种自我选择而非随机性筛选过程本身就会导致估计结果有偏。因此,为了更好地解决样本选择偏差问题,本文采用Heckman(1979)[33]两阶段选择模型。第一阶段构建了一个选择方程,考察企业进行创新研发的概率问题;第二阶段是在给定进行研发活动的企业的基础之上构建创新研发投入密度方程,具体模型如下所示。
首先,第一阶段为选择方程,采用Probit二值选择模型就总样本分析企业是否进行创新研发投入的概率问题。
(1)
式(1)中,Y1i, t是一个二值虚拟变量,代表企业i在时期t是否进行创新研发投入,由影响企业创新研发的各种可观测的解释变量集X1i, t和不可观测的因素α共同决定。当企业实施创新研发投入时,Y1i, t=1,否则Y1i, t=0。ε1i, t为选择方程的误差项。
(2)
式(2)中,φ(·)和Φ(·)分别为变量的标准正态分布的概率密度函数和相应累积分布函数。与普通OLS估计的不同之处在于,Heckman样本选择模型为了克服两阶段回归方程误差项相关的问题,达到修正样本选择性偏差的目的,将逆米尔斯比率λi作为额外的解释变量引入到第二阶段的回归方程中,使最终的估计量无偏。此外,还可通过λi的回归系数的显著性来检验采用Heckman选择模型的有效性,即当λi统计上显著不为0时,说明模型中确实存在样本选择偏差问题。
其次,第二阶段的回归方程基于实施创新研发的企业样本,即Y1i, t=1的观测数据,并引入校正项逆米尔斯比率λi,具体形式如下:
(3)
Probit(Innselit)=c0+α1SCit+α2CCit+α3MPit+α4lnAgeit+α5lnSizeit+α6Levit+
α7Fcfit+α8Localit+α9Roait+α10lnSubit+α11Divit+εit
(4)
Innoit=c+β1SCit+β2CCit+β3MPit+β4lnAgeit+β5lnSizeit+β6Levit+β7Fcfit+
β8Localit+β9Roait+β10lnSubit+γλi+μit
(5)
(二)变量选取
本文的被解释变量有两个:首先,Innsel为二值虚拟变量,表示第一阶段企业是否进行创新研发,若企业i在时期t选择了创新投入,则Innselit=1,否则Innselit=0。本文选择创新研发密度作为第二阶段回归模型的被解释变量,用企业当期研发支出费用占企业当期营业收入的比重来衡量,符号为Inno。
解释变量为上游供应商集中度、下游客户集中度和企业市场竞争地位。首先,本文借鉴Patatoukas(2012)[34]和Irvine et al.(2016)[35]的研究方法,分别采用“企业从前五大供应商处获得的采购额占企业采购总额比例的平方”和“企业销售给前五大客户的销售额占销售总额比例的平方”来衡量企业的上、下游供应链集中度[注]根据2005年中国证监会修订的《公开发行证券的公司信息披露内容与格式准则第2号年度报告的内容与格式》文件可知,上市公司年报中应包括“前五名供应商合计的采购金额占年度采购总金额的比例”和“前五名客户销售额合计占公司销售总额的比例”的相关数据。,分别用符号SC和CC来表示,该指标能较好地反映企业采购来源和销售渠道的实际运营状况。
其次,企业的横向市场竞争地位,决定企业市场控制能力的高低,进而影响企业的研发投入。Nickell et al.(1997)[36]指出,市场竞争地位较高的企业可以以远高于边际成本的价格进行定价,在扣除生产经营过程中所发生费用后仍可赚取“经济租金”,即实现“产品垄断利润”。因此,本文借鉴Peress(2010)[37]、陈志斌和王诗雨(2015)[38]的做法,用“(主营业务收入-营业成本-销售费用-管理费用)/主营业务收入”来衡量企业市场竞争地位,符号为MP。该指标在一定程度上反映了企业的利润率,指标值越大,表明企业在行业内的定价能力与市场势力越强,从而占据的市场竞争地位越高。
为了提高估计结果的准确性,本文还引入了多个衡量企业异质性的控制变量,具体包括企业上市时间(lnAge)、经营规模(lnSize)、资产负债率(Lev)、现金流量资产比(Fcf)、区位优势(Local)、企业盈利能力(Roa)。除了企业自身属性和所处行业环境特征外,外部冲击同样会对企业的创新研发决策产生影响(Peters,2000)[2]。医药制造业作为关系国计民生的基础性和战略性行业,政府补贴力度相对较大,鉴于此,十分有必要将政府补贴(lnSub)作为企业创新研发投入的一个重要外部冲击影响因素考虑到模型中。
此外,本文在第一阶段选择模型中还引入了“企业多元化经营程度(Div)”这一工具变量,用“企业的广告推广费与企业销售收入的比值”来衡量。企业的广告推广费用占比越大,往往企业多元化经营程度越高,越倾向于开展相关创新研发活动,但对于企业创新研发投入密度没有直接影响,即该指标仅影响创新决策方程,但不影响创新投入密度方程,符合模型设定要求。
为了控制异方差问题,本文还对企业上市时间、经营规模和政府补贴三个变量取对数处理,具体变量定义及衡量方法见表1。
表1 变量含义说明
(三)数据来源
本文选择创新研发比较活跃的医药制造业作为研究对象,具体数据来源于2012-2017年中国沪深两市的A股医药制造业上市公司。为了确保数据的完整性和结果的准确性,对样本数据进行如下处理:首先,剔除2012年以后上市的公司,即截至2017年12月上市不满六年的企业;其次,剔除2012-2017年间的ST、*ST、暂停上市以及在此期间进行过“重大资产重组”或“主营业务变化”的上市公司;第三,剔除相关指标数据缺失严重的公司。经过以上筛选,最终得到121家上市公司的726个有效观测值。此外,为消除异常值和极端值的影响,本文对所有连续变量上下1%样本进行Winsorize处理。
本文所涉及的上市公司数据主要来自于Wind数据库。其中,衡量上、下游集中度的“前五大供应商采购额占全年采购额比例的平方”和“前五大客户销售额占全年销售额比例的平方”的指标是通过查阅各上市公司年报后手动收集并进行计算得到的。
四 实证结果分析
(一)描述性统计分析
各变量的统计描述结果如表2所示。就企业的创新研发密度而言,均值为5.3521,说明我国医药制造业上市公司的技术创新水平普遍偏低,自主研发能力有待提升。通过供应商集中度(SC)和客户集中度(CC)的最小值、最大值与标准差可知,不同企业所面对的上、下游集中度差距较大。从整体供应链关系来看,无论是均值、标准差还是最大值、最小值,上游供应商的集中度(SC)的相应数值均大于下游客户集中度(CC),说明样本企业所面对的供应商市场集中度相对较高。企业市场竞争地位(MP)的均值为16.3583,最小值与最大值差距较大,说明同一行业中不同企业自身拥有的市场势力差异明显,竞争地位悬殊。
表2 各变量的描述性统计
(二)基准模型估计结果分析
表3中的模型1和模型2分别为最小二乘法(OLS)和Heckman 两阶段选择模型的回归结果。其中,模型1是对面板数据进行OLS回归,根据F检验和Hausman检验可知,固定效应模型优于随机效应模型。其中,列(1)是没有引入控制变量情况下的简单回归,结果表明,企业创新研发投入密度与市场竞争地位之间具有显著的正向关系,即市场竞争地位越强,越有利于企业的创新研发投入。其次,模型1中的列(2)是在列(1)基础上引入多个控制变量之后的估计结果,发现上游供应商集中度与下游客户集中度对企业创新研发投入均表现出显著的抑制作用,这与Peters(2000)[2]的研究结论相一致,表明来自于供应商和客户较高的市场集中度会导致企业可用的创新资源减少,研发投入积极性降低。
由于创新企业往往只是一部分样本企业,采用普通最小二乘法进行估计会将没有进行创新的企业直接排除在外[注]企业没有创新的原因可能有两个方面:第一,企业规模较小,确实没有能力进行研发投入;第二,出于商业机密或某些原因没有上报相关数据,从而使得该类企业数据无法获取。,最终造成样本选择偏差,从而导致估计结果有偏。因此,为了解决创新的自我选择样本问题(Self-selection Sample),模型2采用Heckman选择模型进行估计。在模型2中,逆米尔斯比率的估计结果在5%水平下显著为负,说明样本确实存在选择偏差问题,运用Heckman选择模型进行估计是有效的。模型2的研究结果表明,上游供应商的集中度和下游客户的市场集中度对企业创新研发投入具有显著抑制作用,说明上游供应商和下游客户的市场集中度越高,企业创新投入密度越低。除此之外,在控制变量中,企业年龄与企业创新研发投入显著负相关,表明新上市的企业为了获取竞争优势和抢占市场份额,往往会增加创新投入。企业规模对企业创新投入具有显著的负效应,表明企业规模越大,创新投入越少,这可能是由于规模较小的企业拥有研发成本较低、组织机构灵活性较强、善于捕捉市场机会、敢于尝试新实验等优点,往往具有更强的创新动力。企业的现金流量资产比对企业创新研发投入具有显著的正向促进作用。充足的资金支持是企业进行自主创新活动的源泉。因此,现金流量资产比越高的企业,其可用于研发投入的经费比例也越大。政府补贴对企业创新研发投入具有显著的正向效应。这一结论与Branstetter和Sakakibara(1998)[39]、Lach(2002)[40]等诸多学者支持的“杠杆效应”相吻合[注]财政补贴发挥的“杠杆效应”是一种正向促进作用,本文具体指企业通过政府补助会加大科研投入力度。。由于企业的技术创新过程是一个长期且连续的策略行为,且医药制造业的技术创新具有高风险、高投入和高回报的特点。政府补贴作为一种宏观调控手段,能够有效弥补研发资金短缺,缓解企业外部风险,从而更好地激励企业进行研发投入。
表3 OLS模型和Heckman选择模型的估计结果
(续上表)
解释变量模型1(OLS)Inno(1)(2)模型2(Heckman选择模型)InnselInno选择方程投入方程lnSize-0.6150*0.3086**-1.7673*(-1.83)(2.12)(-1.77)Lev0.0126-0.00040.0189(0.12)(-0.45)(0.02)Fcf0.0626**-0.00840.1131*(1.93)(-0.11)(1.65)Local0.23890.3578**1.5059(0.85)(2.02)(1.01)Roa-0.0129-0.00850.0055(-0.64)(-0.16)(0.08)lnSub0.7467***0.0496*0.8079**(2.78)(1.66)(2.33)Div0.0038*(1.73)c2.43118.1552**0.280211.3209***(0.49)(2.19)(1.25)(3.02)λ-0.5438**(-2.48)N726726726684
注:括号内的数值为对应的z统计量;*、**、***分别表示在10%、5%、1%的水平下显著。
(三)企业市场竞争地位对供应链关系与创新研发投入的调节作用分析
根据Porter(1997)[4]从产业结构和竞争关系视角提出的“竞争优势理论”可知,横向市场竞争和纵向市场竞争共同影响企业竞争优势的获取与保持,且企业在纵向关系中表现出的谈判议价能力往往来自于横向市场中的竞争优势。因此,接下来在式(4)和式(5)的基础上依次引入企业市场竞争地位与供应商集中度、客户集中度的交互项(SCit×MPit,CCit×MPit)以及供应商集中度与客户集中度(SCit×CCit)的交互项,从横向竞争与纵向竞争相结合的供应链网络视角,进一步检验市场竞争地位在供应链集中度影响企业创新研发过程中的作用方式与内在联系,回归结果如表4所示。
表4 企业市场竞争地位对供应链集中度与创新投入影响的回归结果分析
(续上表)
解释变量模型3模型4模型5CC-0.1251-0.1014*-0.3331*(-0.67)(-1.92)(-1.76)MP0.1717**0.0957*0.0336(2.21)(1.87)(1.57)SC×MP0.0038*(1.81)CC×MP-0.0072(-1.31)SC×CC-0.0001*(-1.75)lnAge-2.1358***-2.9973***-3.2068***(-3.12)(-2.77)(-2.61)lnSize-0.5048*-1.5389**-0.1388*(-1.88)(-2.17)(-1.67)Lev-0.0122-0.01460.0063(-0.15)(-1.00)(0.42)Fcf0.0824**0.1005**0.0569**(2.11)(2.26)(2.09)Local0.26041.36780.3444(0.69)(0.74)(0.83)Roa0.11070.08640.0421*(1.43)(1.54)(1.73)lnSub0.7850***0.8511***0.7683**(4.96)(3.48)(2.32)c1.8908***9.7328*2.1672(4.19)(1.81)(1.25)λ-0.0519*-0.0494*-0.0535*(-1.71)(-1.77)(-1.80)N684684684
注:括号内的数值为z统计量;*、**、***分别表示在10%、5%、1%的水平下显著。
模型3的研究结果表明[注]受篇幅所限,表4和表5中涉及到的Heckman第一阶段选择模型的回归结果未汇报,感兴趣的读者可向作者索取。,加入供应商集中度与企业市场竞争地位的交互项后(SC×MP),供应商集中度对企业创新研发投入的影响依然在10%水平下显著为负,但客户集中度对企业创新研发投入的影响不再显著,交互项的作用系数在10%水平下显著为正,说明较高的企业市场竞争地位在抵消高度集中的上游对于企业研发投入产生的消极作用的同时,能够刺激企业增加研发投入,即企业的横向市场竞争优势能够抗衡上游供应商的卖方市场势力,进而对企业产生“促进激励效应”。这种效应的产生可能是由于当下游客户议价能力较弱时,企业在横向竞争中的优势地位能够有效弥补上游供应商较强议价能力带来的利润降低,从而促使企业增加研发投入。
同样,模型4的研究结果表明,在加入客户集中度与企业市场竞争地位的交互项后(CC×MP),客户集中度与企业创新研发投入之间的关系显著为负,供应商集中度对企业创新研发的影响不显著,同时交互项的作用系数也不显著,说明当下游客户集中度较高时,企业无法利用其在横向竞争中的地位优势与下游买方势力抗衡,即下游客户集中度在交易过程中产生的抑制创新作用仍占主导地位。这可能是由于医药制造业的下游主要是以医药代表、公立医院和大型药房为主的销售终端,其掌控医药流通行业80%的市场份额,面对下游买方寡头垄断格局,即使企业在横向市场中占据有利的竞争地位,也难以与下游买方市场势力抗衡,因此,由下游客户主导的纵向竞争仍会通过侵占企业利润空间进而抑制企业技术创新,企业横向市场竞争优势无法发挥正向促进作用。
除此之外,为了检验整个供应链交易关系对企业创新研发投入的影响,本文在模型5中引入供应商集中度与客户集中度的交互项(SC×CC),该项作用系数在10%水平下显著为负,表明双边高度集中的纵向市场结构会对企业形成一种负面的“抑制挤压效应”,不利于企业进行研发投入。
五 进一步讨论
企业作为产业链产品创新的重要节点,任何产品或服务的生产和价值的实现都要受到其所在产业链上、下游企业的共同制约,而实际纵向交易过程中,企业面临的供应商集中度和客户集中度并不对称,因此,接下来,通过细分样本进一步考察不同供应链集中度条件下,市场竞争地位对二者之间内在关系影响的差异性。
分别根据供应商集中度和客户集中度的均值大小,将总体样本分为四组(高高、高低、低高、低低),具体分组情况及子样本量如表5所示,在引入市场竞争地位与供应链上、下游集中度交互项(SC×CC×MP)的情况下,基于不同的子样本进行分组回归,结果如表6所示。
表5 根据总体样本均值分组的子样本情况
表6 根据供应链集中度进行分组回归分析的结果
(续上表)
解释变量模型6Ⅰ高高模型7Ⅱ高低模型8Ⅲ低高模型9Ⅳ低低MP0.2671**2.3278*0.1009**0.2026*(2.04)(1.73)(2.56)(1.75)SC×CC×MP-0.06840.0714**0.1101***0.0597(-1.25)(2.48)(3.58)(0.81)lnAge-2.4251*-2.6632*-2.7817*-2.57**(-1.77)(-1.91)(-1.80)(-2.08)lnSize-1.7021*-1.6474-1.5509-1.0069*(-1.92)(-1.34)(-1.41)(-1.69)Lev-0.0085-0.0048-0.0206-0.0074(-0.15)(-0.18)(-0.27)(-1.43)Fcf0.0451**0.0628**0.0801**0.0529**(2.03)(2.14)(2.35)(2.47)Local0.06550.08990.05410.0516(0.54)(1.21)(0.78)(1.34)Roa0.0923**0.0820*0.0296*0.0871*(2.17)(1.68)(1.63)(1.94)lnSub0.8847*0.6674**0.6411**0.7349**(1.81)(2.28)(2.33)(2.21)c4.41543.76923.95745.6495(0.14)(0.75)(0.84)(0.97)λ-0.3754-0.9531* -0.3065* -0.4565(-0.77)(-1.69)(-1.66)(-0.71)N114153109308
注:括号内的数值为z统计量;*、**、***分别表示在10%、5%、1%的水平下显著。
在供应链集中度都比较高的模型6中(Ⅰ高高组),引入供应链集中度与企业市场竞争地位的交互项后(SC×CC×MP),供应商集中度与客户集中度对企业创新研发投入仍表现出负向影响,且在5%水平下显著,企业市场竞争地位与创新研发投入之间显著正相关,而交互项与企业创新研发投入之间存在微弱的负向关系,但这种关系并不显著,说明当企业面对上游供应商和下游客户的集中度均较高时,整个竞争过程中来自供应链上、下游市场势力的“纵向压榨效应”占主导地位,使得企业无法通过横向市场中的竞争优势削弱纵向竞争带来的负向影响。
模型7(Ⅱ高低组)的回归结果显示,供应商集中度与企业创新研发投入之间仍为显著的负向关系,企业市场竞争地位与研发投入之间正相关,交互项(SC×CC×MP)的作用系数在5%水平下显著为正,说明当企业面对上游供应商集中度较高、下游客户集中度较低的纵向市场结构时,企业在横向市场中的竞争优势能够有效削弱纵向竞争产生的负向影响,对企业创新研发表现出显著的“促进激励效应”。
模型8(Ⅲ低高组)的回归结果显示,客户集中度对企业创新研发投入具有显著的负向影响,企业的市场竞争地位与创新研发投入之间呈显著正相关关系,交互项(SC×CC×MP)的作用系数在1%水平下显著为正,说明当企业面对下游客户集中度较高、上游供应商集中度较低的纵向市场结构时,企业在横向市场中的竞争优势占主导地位,即企业市场竞争地位越高,越能够通过横向竞争优势削弱纵向竞争带来的负向影响,从而对研发投入起到正向调节作用,同样表现出显著的“促进激励效应”。
模型9(Ⅳ低低组)的回归结果显示,供应商集中度与客户集中度对企业创新研发投入均无显著的影响,这可能是由于当买卖双方的市场结构较为分散时,企业的纵向依赖程度与转换成本较低,可以通过其他外部选择弱化这种纵向竞争带来的利润压榨。企业市场竞争地位与创新研发投入依然保持正相关关系,而交互项(SC×CC×MP)与企业创新研发投入之间正相关但不显著,说明当企业面对的上、下游集中度均较低时,企业在横向市场竞争中的地位优势占主导,竞争地位越高,议价能力越强,垄断利润越大,一定程度上缓解纵向竞争带来的负面影响,但由于企业在横向市场中缺乏竞争对手的威胁,容易安于现状,从而导致创新动力不足。因此,这种横向竞争优势无法在供应链集中度与企业创新研发投入之间发挥显著的正向调节作用。
六 结论及政策建议
创新研发是企业竞争优势的关键所在。随着经济全球化的发展和国际分工的日益加深,市场竞争模式已由企业与企业之间的横向竞争扩展至供应链与供应链之间的纵向竞争。本文以2012-2017年沪深两市A股医药制造业上市公司为研究样本,从横向竞争和纵向竞争相结合的视角实证分析供应链集中度与企业市场竞争地位对企业创新研发投入的影响,得到如下结论:
(1)供应商集中度和客户集中度对企业创新研发投入均具有抑制作用,而企业市场竞争地位对企业创新研发投入具有促进作用。
(2)企业在横向竞争市场中的地位优势能够削弱由上游供应商集中度提高引致的“抑制挤压效应”,进而对企业创新研发投入产生“促进激励效应”,发挥正向调节作用;但在下游客户集中度较高的情况下,市场竞争地位没有显著影响。
(3)从整个供应链视角来看,对于上、下游集中度为“高低”或“低高”的企业而言,即在纵向市场势力非对称的情况下,企业市场竞争地位优势对创新研发投入产生的正向调节作用更加明显,表现为“促进激励效应”。
根据以上结论,结合我国医药制造行业的发展现状,提出以下几点对策建议:首先,企业应加强供应链管理,优化与供应商和客户的战略关系,在保持交易伙伴相对稳定的同时尽量降低对供应商和客户的资源依赖程度,避免供应商与客户过度集中。其次,医药制造业企业应加强与上游高校、研究所和下游医药销售行业的技术合作与信息交流,将供应商和客户关系资源转化为企业竞争优势,在增强企业创新合作性的同时提高创新的成功率。第三,医药制造业企业应提升企业的自主创新意识,掌握核心技术,通过产品差异化提高企业的市场占有率,从而在横向市场与纵向市场的交易谈判中掌握主动权。第四,尽管当前我国的政府补贴和税收优惠政策已经在医药制造业的创新研发方面发挥了积极的激励作用,但为了更好地促进医药产业的发展,政府仍需加大扶植政策的力度,在完善相关优惠补贴的同时营造良好的技术创新环境。