供应商集中度对商业信用融资与银行信贷互动关系动态转换的影响

2020-01-15章铁生李瑶瑶

安徽工业大学学报（自然科学版） 2019年3期

章铁生，李瑶瑶

(安徽工业大学商学院，安徽马鞍山243032)

关于商业信用融资与银行信贷之间的关系，已有的研究主要从替代假说和互补假说两方面考虑。替代假说认为，当企业因信息不对称而面临银行的信贷配给不足时，会增加商业信用的使用[1-2]。互补假说则认为，企业从供应商处获得商业信用的过程会产生好的信号传递给银行，使得银行同样愿意授信企业，缓解企业的资金压力[3-5]。随后，一些研究者开始重视两者之间关系发生动态转换的条件，且已证明商业信用融资与银行信贷之间替代是一种常态，而互补关系则与外部条件有关[6]。从宏观环境方面探讨商业信用与银行信贷的互动关系成为主流[7]，也有学者从企业生命周期角度研究了商业信用融资与银行信贷关系在企业发展的不同阶段所呈现的变化[8]，金融危机也成为商业信用融资与银行信贷之间由替代转为互补的条件[9-10]，行业集中度、金融发展、经济不确定性都是影响两者关系动态转换的重要因素[11-12]。这些现有的研究主要是从外部宏观环境方面找寻商业信用融资与银行信贷之间关系动态转换的条件，未能考虑供应商集中度对商业信用融资与银行信贷互动关系动态转换的影响。

基于此，本文将重点探讨商业信用融资与银行信贷互动关系动态转换的条件。从信息共享与传递的角度分析供应商集中度与商业信用融资、银行信贷呈现的倒U型关系，根据商业信用融资相对于银行信贷所具有的信息优势，探讨其倒U型拐点的异质性，将供应商集中度划分为三段，分别讨论三个区间中商业信用融资与银行信贷之间的关系，实证研究供应商关系对商业信用融资与银行信贷互动关系的影响。

1 理论分析与研究假设

供应商集中度的升高体现出企业与供应商之间关系纽带的紧密程度和信息共享程度的加深，这不仅对企业获得商业信用融资产生影响，同时基于商业信用融资的信号效应，企业获得银行信贷的支持也会随着供应商集中度的升高发生变化。由于商业信用融资相对于银行信贷具有信息优势，导致银行信贷对企业信息溢出效应的反应慢于商业信用融资，从而引发商业信用融资与银行信贷之间互动关系在不同供应商集中度下发生动态转换。

一方面，商业信用融资随着供应商集中度的升高呈现倒U 型。企业在成立初期，各项经营活动尚不成熟，为了与供应商保持长期合作，需要与其建立一个具有紧密互动和多重联系的结构，以便双方共享更加可靠和多样的信息[13-14]。随着供应商集中度的升高，企业与供应商之间的交易愈加密切，信息也更容易产生与获得；供应商也倾向于拥有类似的信息，从而能够验证交换的信息，提高其可靠性[15]。这不但有利于降低合同签订前的信息收集成本，在双方之间形成一种隐性契约[16]，而且有利于促进双方信任与互惠意识的提升，减少关系内的不确定性[17-18]，实现供应链企业间的资源整合[19-20]，增加了下游企业商业信用的可获得性。企业的供应商关系作为一种重要的社会资本，其产生的协同作用受到信息共享程度的影响[21]。当企业的供应商过度集中时，企业与供应商之间的专有性投资使得双方的预期收益只有在交易关系持续的情况才能够获得，而两者间形成的高阶纽带与过于紧密的关系会制约双方交易伙伴的选择和交易行为的变更。过度集中的供应商还会引发同质化风险，使得交易仅限定于特定的交易伙伴，阻碍新信息的进入，过于封闭、冗余的信息圈使得合作丧失灵活性[22]。供应商甚至可以在密切的社会关系掩盖下，设计一种系统地欺骗企业的方法[23]。企业为预防供应商的这种机会主义行为会采取一系列措施，导致双方的信任下降，企业获得的商业信用融资减少。

同时，银行信贷随着供应商集中度的升高也呈倒U型。基于商业信用融资的信号效应，供应商集中度升高有利于企业获得更多的银行债务融资[24]。企业与供应商之间良好的合作状态，某种程度上向银行传递了企业经营良好的信息，缓解了银行在授信决策过程中的信息不对称问题，此时企业能够获得更多的银行信贷[25-26]。但当企业的供应商集中度过高时，同质化的风险使得企业和供应商开始安于现状，继而降低企业与供应商提出具有挑战性的问题和探索创造性解决方案的能力[27]。认知能力的同质化导致企业和供应商缺乏创造性，使得企业的经营风险上升，其产生的信息外溢，也会被银行准确地捕捉到，银行为了降低自身的信贷风险，会减少对企业的银行信贷。

此外，商业信用融资相对于银行信贷具有信息优势。企业的供应商集中度升高时，紧密的合作关系使得供应商对企业经营信息的充分共享、精确接收和合理利用更加敏锐，这样有利于实现双方的共赢，企业能够从供应商处获得更多的商业信用融资；当企业的供应商集中度过高时，企业遭遇的信息圈封闭、决策创新艰难，学习成长缓慢等一系列问题也会通过“牛鞭效应”传递到供应商处，导致企业与供应商之间的合作开始僵化[28]，此时供应商为维护自身发展会减少对企业的商业信用融资。即随着供应商集中度升高带来的风险累积到一定程度，商业信用融资达到顶峰，随后会下降。基于商业信用融资相对银行信贷具有的信息优势，频繁的交易使得供应商可以定期访问客户，了解企业的经营与违约风险，这样能够及时、高效、低成本地获得与客户有关的信息[28]。在信贷市场上，银行对每一个借贷者的信贷风险水平缺乏足够了解，依据市场现有的平均值进行评估成为普遍现象，但这样并不能有效地帮助银行筛选出满意的借贷者，信贷风险大幅度提升[29]。相对于商业信用融资，在信息收集上的劣势以及银行与企业之间的利益目标不一致引起的信息在向外传递时的低效导致银行信贷未能及时作出反应[30]，其达到的最高水平(倒U 型拐点2)要滞后于商业信用融资达到的最高水平(倒U 型拐点1)。即当银行信贷在观察到商业信用融资随着供应商集中度的升高达到最高水平(倒U型拐点1)后，也会随着供应商集中度升高带来的风险累积到一定程度达到顶峰(倒U型拐点2)，随后会下降。具体如图1。

图1 商业信用融资与银行信贷互动关系动态转换图Fig.1 Dynamic transformation diagram of the interaction between trade credit financing and bank credit

因此，在商业信用融资随着供应商集中度的升高达到最高水平(拐点1)前，企业与供应商之间良好的合作状态会向银行传递正向的信号效应，继而成为银行拟授信企业的判断依据，增加了企业银行信贷的可得性，商业信用融资与银行信贷均随着供应商集中度的升高而升高，呈现互补关系；在银行信贷随着供应商集中度的升高达到最高水平(拐点2)后，企业因供应商集中度过高引发的同质化风险进一步增加至银行亦可察觉到的范围内，企业带来的信贷风险成为银行减少授信的依据，商业信用融资与银行信贷均随着供应商集中度的升高而降低，呈现互补关系，此时企业将会遭受来自供应商和银行的双重配给[6]；在商业信用融资随着供应商集中度的升高达到最高水平(拐点1)后，但银行信贷随着供应商集中度的升高达到最高水平(拐点2)前，商业信用融资与银行信贷分别随着供应商集中度的升高而降低和继续增加，两者呈现替代关系。简言之，由于拐点的异质性，供应商集中度被划分成三段区间，在不同的区间里，商业信用融资与银行信贷呈现出不同的关系：当供应商集中度≤拐点1时，商业信用融资与银行信贷之间呈现互补关系；当拐点1＜供应商集中度≤拐点2时，商业信用融资与银行信贷之间呈现替代关系；当供应商集中度＞拐点2时,商业信用融资与银行信贷之间呈现互补关系。

基于以上分析，本文提出如下假设：

在其他条件相同的情况下，随着供应商集中度的升高，商业信用融资与银行信贷的互动关系呈现由互补到替代再到互补的动态转换。

2 研究设计

2.1 样本收集与数据处理

选取2007—2016年上市公司A股作为研究样本，筛选数据方法如下：剔除金融、保险业企业；剔除ST和*ST公司样本；删除数据异常的样本，包括商业信用融资和资产负债率为负的公司样本；剔除关键变量数据缺失的样本。经过以上处理，最终获得6 184 组公司年度数据。文中数据主要来自国泰安 (CSMAR)数据库，研究中进行数据处理、描述性统计和回归分析使用的软件为stata13.0。为了避免极端值对回归过程的影响，对主要连续型变量进行缩尾处理。

2.2 模型设计与变量定义

根据文中的理论分析，商业信用融资与供应商集中度之间存在着倒U 型，基于商业信用融资的信号效应，银行信用与供应商集中度之间也存在着倒U型关系。通过加入供应商集中度的平方项(Sq)建立模型(1)～(2)以分别考察银行信贷、商业信用融资与供应商集中度的非线性关系，同时将商业信用融资与银行信贷作为控制变量加入模型(1)～(2)中以控制因果关系对模型结果的影响。

参考文献[31]的方法，将M(M=M2增长率-GDP增长率-CPI增长率)设置为虚拟变量对货币政策进行衡量。市场化进程指数(H)来源于文献[32]。具体变量名称和定义见表1。

表1 主要相关变量定义Tab.1 Definition of main variables

3 实证结果与分析

3.1 描述性统计

对研究的变量进行描述性统计，结果如表2。从表2可看出：商业信用融资(T)的最小值为0.063，最大值为0.795，说明各样本公司的商业信用融资的差异较大,数据间较大的跨度使本文的研究更有价值；银行信贷(B)的最小值为0，最大值为0.596，标准差为0.181，表明样本公司在获得银行信贷方面存在着较大的差异；同时，与商业信用融资相比，无论是从均值、中位数上看，还是从最大值、最小值上看，银行信贷(B)皆较低，表明企业获得银行信贷在总体上就低于从供应商处获得商业信用融资；商业信用融资(T)的平均水平为0.319，中位数水平为0.281，均值大于中位数说明样本公司商业信用融资的分布呈右偏的特征，若供应商集中度与商业信用融资之间倒U型关系成立，其对应的供应商集中度的拐点应出现在偏左的位置。而根据文中的理论分析，基于商业信用融资的信号效应，供应商集中度与银行信贷也将呈现倒U型关系且拐点应出现在偏右的位置，正是因为两者拐点的差异性才造成银行信贷与商业信用融资之间的互动关系随着供应商集中度不断升高而发生动态转换。供应商集中度(S)的均值为0.335，最大值为0.760，最小值为0.085，说明样本公司的供应商集中度总体水平较低，但存在部分企业的供应商集中度过高，最高甚至达到76%。这意味着部分企业因过度嵌入供应商关系而容易陷入封闭的信息圈，无法及时掌握新的市场信息，跟踪市场动态，使得企业产生经营风险。

表2 主要变量的描述性统计Tab.2 Descriptive statistics of the main variables

3.2 相关性分析

对各主要变量进行相关性检验，结果如表3。从表3可看出，各主要变量间相关系数基本小于0.5，各个控制变量的符号也基本符合预期。具体而言，商业信用融资与供应商集中度在1%的水平上显著负相关，而本文认为企业供应商集中度与商业信用融资之间呈倒U型关系，表明供应商集中度与商业信用融资的倒U型关系是非对称的，变量主要集中在拐点右侧。基于商业信用融资的信号效应，供应商集中度与银行信贷也应呈倒U型关系。从银行信贷与供应商集中度在1%的水平上显著正相关来看，供应商集中度与银行信贷的倒U型关系也是非对称的，变量主要集中在拐点左侧。由于本文探讨的是非线性关系，各变量之间的关系较为复杂，因而在回归分析中会进行更为详细地分析。

表3 主要变量的相关系数矩阵Tab.3 Correlation coefficient matrix of the main variables

3.3 实证结果与分析

为了验证供应商集中度与商业信用融资和银行信贷的倒U型关系，采用普通最小二乘法(ordinary least square method,OLS)对模型(1)～(2)进行检验，结果分别如表4第(1)～(2)列。表4第(1)列显示，供应商集中度(S)的回归系数在1%的置信水平上显著为正，供应商集中度平方项(Sq)的回归系数为-0.375 0，且在1%的置信水平上显著，表明商业信用融资与供应商集中度之间呈倒U型关系。表4第(2)列显示，供应商集中度(S)的回归系数为0.240 0，在1%的置信水平上显著，供应商集中度平方项(Sq)的回归系数在1%的置信水平上显著为负，表明银行信贷与供应商集中度之间呈倒U型关系。为了克服自相关、异方差等问题，本文同时采用可行性广义最小二乘法(feasible generalized least square method，FGLS)检验模型(1)～(2)，结果如表4 中第(3)～(4)列所示。其回归系数的方向和显著性与OLS的基本结果一致。

根据表4第(1)～(2)列供应商集中度与商业信用融资和银行信贷倒U型关系的结果，可以计算出拐点处的供应商集中度分别为0.290 7和0.483 9。当供应商集中度不超过29.07%时，商业信用融资与供应商集中度呈正相关；当供应商集中度超过29.07%，商业信用融资与供应商集中度呈负相关；当供应商集中度不超过48.39%时，银行信贷与供应商集中度呈正相关；当供应商集中度超过48.39%，银行信贷与供应商集中度呈负相关。因此，当供应商集中度≤0.290 7时，商业信用融资与银行信贷均随着供应商集中度的升高而升高，呈现互补关系；当0.290 7＜供应商集中度≤0.483 9时，商业信用融资与银行信贷分别随着供应商集中度的升高而降低和继续增加，呈现替代关系；当供应商集中度＞0.483 9时，商业信用融资与银行信贷均随着供应商集中度的升高而降低，呈现互补关系。因此，随着供应商集中度的升高，商业信用融资与银行信贷的互动关系呈现由互补到替代再到互补的动态转换，本文的假设得到验证。

表4 多元回归分析结果Tab.4 Results of multiple regression analysis

4 稳健性检验

为了增加实证结果的稳健性，做如下稳健性检验：替换解释变量，采用企业向前一大供应商的采购额占公司全年采购额的比例替换供应商集中度(S)进行检验；替换被解释变量，采用应付账款/营业成本替代商业信用融资(T)、短期借款/总资产替代银行信贷(B)进行检验；采用供应商集中度滞后一期变量作为工具变量以消除上一年供应商集中度可能对商业信用融资与银行信贷关系产生的影响；借助计量方法Utest命令对倒U型关系进行检验以增加可信度[33]。通过以上检验，主要的回归结果基本不变，表明本文的研究结论是稳健的。