供应链关系对银行借款的影响机制研究——商业信用的中介作用和行业环境的调节效应

□胡雯莉 唐华军

一、引言

中美贸易摩擦与新冠肺炎疫情的冲击，使得产业链和供应链水平及其安全问题被政商两界高度重视，党的十九届五中全会提出要提升产业链和供应链现代化水平，组织实施产业链与金融业深度融合，增强供应链的弹性和韧性。世界银行调查报告显示：中国75%的非金融类上市企业将融资约束列为企业发展的主要障碍。央行金融统计数据报告亦显示：银行借款无论是存量还是增量都占同期社会融资总额60%以上。可见，银行借款是企业最为普遍和主要的融资渠道[1]。企业的银行借款能力取决于银行在授信评估过程中建立起来的信贷意愿。银行的信贷意愿除受企业财务特征[2]、治理水平[3]的影响，还受供应链关系等社会资本[4]制约。2019 年国家《关于推动供应链金融服务实体经济的指导意见》提出要通过供应链金融“促进金融更好服务实体经济发展”，健全产业链。当前，理论界关于供应链关系对银行借款影响的研究主要集中在客户角度，且得出的结论不一致：正向相关[5-6]、负向相关[7-8]和倒U 型关系[9]。由此，本文以2009～2019 年所有A 股上市公司为样本，探讨供应链关系对银行借款的影响，这是本文研究的第一个问题。

在实务中，企业凭借与供应链上下游采购、销售业务中积累的商业信用向银行申请融资。比如保理、应收账款质押或融通仓、保兑仓等供应链金融产品。在理论界，信号传递理论认为：商业信用所传递出的销售情况、财务状况[10]、产品质量及企业声誉[11]等信号，会被银行所接受并成为其授信决策的重要依据[12]。因此，本文试图通过商业信用的中介效应，厘清供应链关系对银行借款的作用机理，这是本文要研究的第二个问题。

此外，市场竞争、成长阶段等行业环境会决定企业行为，进而决定企业绩效。比如，在缺乏竞争的行业中，企业凭借垄断地位或市场势力在一定程度上操控产品的流通，具有较强的定价能力，从而获得丰厚利润[13]；在高成长性的行业中，一方面企业往往会实施市场占优投资战略，依靠市场广阔的发展空间获得更高的盈利能力[14]；另一方面更多竞争者进入引发的“羊群效应”导致企业生产经营的稳定性降低，收益不确定性增加[15]。企业绩效都会直接影响其债务违约风险的大小，进而影响银行等金融机构的信贷意愿[16]。因此，本文引入行业环境作为调节变量实证检验供应链关系对银行借款的影响，这是本文研究的第三个问题。

本文创新之处主要有：（1）将客户、供应商纳入到同一分析框架中，较系统地探讨供应链关系对银行借款的影响。（2）本文尝试探讨供应链关系影响企业银行借款作用路径，并采用中介效应递归检验法研究了商业信用在供应链关系对银行借款影响中的中介作用，为厘清供应链关系与银行借款的影响提供了更加深入和有说服力的经验证据。（3）我国不同行业供应链金融发展并不均衡，使得行业环境成为供应链关系影响银行借款的重要因素。本文研究不同行业环境对供应链关系影响银行借款的调节作用，既为理解我国供应链金融发展特点、规律提供理论依据，又为企业持续提升银行借款能力提供经验证据。

二、文献回顾与研究假设

经济体系竞争已由过去企业与企业之间的竞争上升为供应链与供应链之间的竞争。普遍存在于经济体系中的供应链关系在银行借款市场，尤其是在供应链金融中作为重要的社会资本被理论界和实务界所重视。

（一）供应链关系与银行借款

供应链关系是指企业在日常经营活动中与上下游供应商和客户建立起来的以购销为基础的商业关系及由此带来的私人友谊[17]。与重要供应商联合研发、生产合作可以提升企业研发创新力，保证原材料、产成品质量，表现为供应商集中度；与重要客户联合销售可以促使企业间共享属于各自的私有信息以提高市场占有率[18]，保证了企业主营业务收入，表现为客户集中度。同时，企业与供应商或客户之间为联合研发、生产和销售共同投入的专用资产越多，其供应链关系就越稳定、持久[19]，某种程度上向银行传递了企业经营良好、违约风险较低的信号，有利于企业获取期限更长、规模更大的银行借款[6][9]。

此外，银行信贷市场存在大供应商或大客户对企业信息甄别的外溢效应[5]。企业与少数几个大供应商或大客户在长期频繁的购销活动中不断熟悉，有利于银行从供应链上下游收集借款企业的经营、财务信息[20]，缓解银行贷款中的逆向选择，减轻贷款发放后的道德风险[21]。据此本文提出假设：

H1a：供应商集中度越高，其越容易获得银行借款；

H1b：客户集中度越高，其越容易获得银行借款。

（二）商业信用的中介作用

商业信用是指在商品交易中由于延期付款或预收货款所形成的企业间的借贷关系，包括从供应商获得的商业信用净额和向客户提供的商业信用净额。预付货款被视为一种保证机制：供应商收到预付货款能安心生产、提供高质量产品，从而确保企业未来销售[22]，而且预付账款越多，企业未来具有竞争力的产品就越多、销售前景也越好[23]，因为产品的售价与销量很大程度上取决于原材料之稀缺性和不可替代性，为保证原材料之供应，企业会预先支付一定货款[24]。此外，企业从供应商获得的应付账款越少，则说明其现金支付能力强且未来现金流出少，会提升银行贷款的意愿[25]。

向客户提供商业信用被视为产品质量以及履约保证，而且比承诺退换货等质量保证更能取得客户的信任[26]，因为中小企业在竞争中随时可能倒闭，无法正常履约，其向客户提供商业信用可以减少客户的担心。同时，企业向客户提供的应收账款越多，表明企业的销售能力强且未来现金流入多，从而提高银行贷款的意愿[9]。因此，商业信用可以作为积极的商业信号传递给贷款银行[12]，并被银行接受为其授信决策的重要评价指标。其信号传递作用体现在确保产品质量及其销售前景[10]、缓解信息不对称和降低道德风险[21]等方面。据此本文提出假设：

H2a：企业从供应商获得的商业信用净额是供应商集中度影响银行借款规模的中介变量，在供应商集中度与银行借款规模的关系中发挥中介效应；

H2b：企业向客户提供的商业信用净额是客户集中度影响银行借款规模的中介变量，在客户集中度与银行借款规模的关系中发挥中介效应。

（三）行业环境的调节效应

行业是由产品相似、竞争中相互影响的一组企业构成，行业环境对身处其中的企业影响远大于总体环境影响[27]。行业环境的不确定性直接影响企业的供产销及其绩效，约束企业偿还银行借款的能力，进而影响银行的信贷意愿[16]。行业环境集中反映在行业竞争性和行业成长性两方面[28]。

1.行业成长性。根据产业组织理论“结构-行为-绩效”的分析框架，行业结构决定企业行为进而决定企业竞争优势和价值。行业成长性在公司竞争优势中发挥重要作用[29]。高成长行业的公司往往会实施市场占优投资战略(如加大资本投资与研发投入等策略)以获得更多的投资收益，占据更大的市场份额，必然激发其银行借款需求[14]。此外，持续高额持有现金是高成长性公司的最优财务策略，与非融资约束公司相比，面临融资约束的公司更倾向于从其现金流中储备更多现金[28]。然而，较高现金持有水平会产生严重的代理问题，导致银行和企业间信息不对称程度加大、影响银行借款[29]。所幸稳定的供应商关系、客户关系有助于债权人对企业会计信息的收集，进而能够缓解融资企业的事前逆向选择和事后道德风险问题[21]。因此，较高的供应商/客户集中度在银行授信决策中更具信息含量，对其成功获取银行借款的影响也更大。据此本文提出假设：

H3a：相较于行业成长性较低的企业，行业成长性较高的企业供应商集中度与其银行借款规模之间的正相关性显著比较强；

H3b：相较于行业成长性较低的企业，行业成长性较高的企业客户集中度与其银行借款规模之间的正相关性显著比较强。

2.行业竞争性。融资优序理论认为：行业竞争越激烈的企业就越倾向于扩大投资，其外部融资需求强烈，且优先选择债务融资[30]。趋于完全竞争行业(如一般日用工业品、农产品、副食品)中的企业市场份额都很小，只能被动地接受市场价格，可能出现的价格战会穿透其财务承受能力，企业经营风险加大、违约风险也可能较高[28]。而垄断行业的企业市场份额往往占比高(如中石油、中石化、国家电网)，具有较强的定价能力，企业盈利能力较强、经营风险较低[13]。因此，行业竞争程度越高，企业债务违约风险就越高，银行就越偏好惜贷、缩减信贷规模。所幸企业处于竞争激烈的行业时，更有动机与上游供应商、下游客户建立稳定的合作关系。供应链条上的供应商、客户亦会担心行业竞争激烈影响企业的材料采购、产品研发、设备升级和换代，进而影响自身的发展，因此供应商、客户亦会更倾向于与企业建立战略联盟，而合作关系的加强有利于企业获得银行借款。据此本文提出假设：

H4a：相较于行业竞争不激烈的企业，行业竞争激烈的企业供应商集中度与其银行借款规模之间的正相关性显著比较强；

H4b：相较于行业竞争不激烈的企业，行业竞争激烈的企业客户集中度与其银行借款规模之间的正相关性显著比较强。

三、研究方法

（一）数据来源

本文选取2009～2019 年所有A 股上市公司作为初始样本。借鉴已有文献做法，本文对样本进行如下处理：（1）剔除金融行业资料；（2）剔除在研究区间被ST 或*ST 的公司；（3）剔除变量有缺失的样本。最后获得的有效样本中包含9808 个公司-年度观测值。文中所有财务指标数据均来自CSMAR 数据库。为避免极值的影响，在回归中对所有连续性变量均进行了上下1%的Winsorize 处理。

此外，为了控制宏观因素的影响，本文还加入行业、年份虚拟变量，其中行业虚拟变量参照了中国证监会2012 年颁布的“上市公司行业分类指引”，由于制造业占据样本数量一半以上，我们将制造业按二位代码划分，其他行业按一位代码划分，最终的回归模型包含了21 个行业。

（二）变量选择

1.因变量：银行借款

与大多数研究企业银行借款的实证文献类似，本文银行借款指的是银行借款规模，用企业包含长期借款和短期借款在内的全部银行借款余额(BLDN)来度量[5][16]，并选用期末总负债进行规模化处理。参考江伟等(2017)[9]的做法，本文用上市公司银行借款规模来反映企业获得银行借款的难易程度。

2.自变量：供应商集中度、客户集中度

本文重点关注供应链关系的集中程度，即企业与上游供应商、下游客户的集中状态，通常用集中度来测量[5][31]。参考国内外文献常用度量方法，本文的第一个自变量供应商集中度(Sprop)采用企业向前五大供应商采购额占采购总额的比重来度量；第二个自变量客户集中度(Cprop)采用向前五大客户销售额占销售总额的比重来度量。

3.中介变量：从供应商获得的商业信用净额、向客户提供的商业信用净额

商业信用包括商业信用获得和商业信用提供。本文借鉴朱文莉等[32]的方法，用(应付账款+应付票据-预付账款)/总资产来衡量企业从供应商获取的商业信用净额，用(应收账款+应收票据-预收账款)/总资产来衡量企业向客户提供的商业信用净额。但是，由于应付票据涉及供应商的授信合同，应收票据涉及客户的授信合同，二者都与企业跟银行的往来有关，并且应付票据的时间和金额是不可以与供应商协商的，而应收票据相当于客户已经给予了承诺，具有更大的收回可能性，所以应付票据与供应商的相关性不大，应收票据与客户的相关性不大[17]。故本文没有将应付票据和应收票据纳入供应链关系对企业商业信用影响的研究范围。

4.调节变量：行业成长性、行业竞争性

本文借鉴杨兴全等[29]的做法，采用各年度、行业的Tobin’sQ 中值(Ind_Q)衡量行业成长性。其中，Tobin’sQ=(流通股份数×流通股价格+非流通股份数×每股净资产+总负债)/总资产，若该指数Ind_Q 小于年度所有行业Ind_Q 指数的中位数，即为低成长性行业（赋值0），否则为高成长性行业（赋值1）。

本文借鉴陈正林[33]的做法，采用各行业、年度上市公司营业收入的赫芬达尔指数HHI 衡量行业竞争性，若该指数小于年度所有行业HHI 指数的中位数，即行业竞争性较高，赋值1，否则为0。

5.控制变量

借鉴Cull et al.[34]、李欢等[6]的研究，本文控制了影响银行借款的其他因素：企业规模Size、资产负债率Lev、盈利能力Roa、非债务税盾Dep、有形资产比率Tang、年收入增长率Growth、公司成立年限Age、产权性质State。

主要变量定义及说明见表1。

表1 主要变量定义与说明

（三）计量模型

首先，探讨供应链关系对银行借款的影响，为了一定程度上减少内生性的影响，本文参考陆正飞等[35]的做法，对自变量、采用滞后一期处理，构建基本模型如下：

其次，探讨商业信用在供应链关系对银行借款影响中的中介作用，采用Baron & Kenny[36]，温忠麟等[37]提出的中介效应递归检验三步法，设定检验步骤和检验模型如下：

中介效应的判断方法是：首先，检验方程（3）自变量供应链关系对因变量银行借款的系数α1是否显著。然后，在系数α1显著的前提下，依次对方程（4）、（5）进行回归，并根据后两步的检验结果进行中介效应判断：第一，若系数均显著，且γ1＜α1，则中介变量发挥部分中介效应；第二，若系数β1、γ2都显著，γ1不显著，则中介变量发挥完全中介效应。

四、实证结果与分析

（一）描述性统计

表2 列示了主要变量的描述性统计结果。从中可以看出，样本期间我国A 股上市公司银行借款的平均比例和中位数均约为30%，最小值是0，而最大值达到81%，反映出我国上市公司获取银行借款难易程度的差别比较大。供应商集中度、客户集中度最小值均不到1%，而最大值分别高达92.5%、94%，说明企业供应商/客户集中度的跨越幅度都很大。

表2 主要变量描述性统计

（二）单变量相关性分析

表3 是主要变量的Pearson 相关性分析结果，可以看出，供应商集中度、客户集中度与银行借款的相关系数都显著为正，初步证明供应商/客户集中度可以使企业的银行借款规模增加。同时，供应商集中度与从供应商获得的商业信用净额显著负相关，从供应商获得的商业信用净额与银行借款也显著负相关；客户集中度与向客户提供的商业信用净额显著正相关，向客户提供的商业信用净额与银行借款也显著正相关，初步表明，较高的供应商集中度、客户集中度通过对商业信用的影响，进而影响企业银行借款。

表3 主要变量的Pearson 相关系数表

（三）多元回归分析

利用stata15 进行Hausman 检验，回归模型检验结果的P 值均为0.0000，强烈拒绝原假设。所以，我们使用固定效应模型进行回归。同时，为避免公司层面的聚集效应对标准误的影响，我们回归时在公司层面进行了cluster 处理。

1.供应链关系对银行借款的影响

表4 第（1）、（2）列分别列示了供应商集中度、客户集中度对银行借款的回归结果。具体而言，供应商集中度(Sprop)与银行借款(BLDN)的系数为0.03，在10%的显著性水平正相关；客户集中度(Cprop)与银行借款(BLDN)的系数为0.046，在5%的显著性水平正相关，说明供应商集中度、客户集中度越高，银行借款规模就越大，假设1 成立。这一结果表明：企业利用上、下游供应商、客户关系提升了银行的信贷意愿，促进了企业银行借款规模的提高。

表4 供应链关系对银行借款的影响

2.商业信用的中介作用

表5 第（1）（2）（3）列为从供应商获得的商业信用净额在供应商集中度和银行借款关系的中介效应检验结果，第（4）（5）（6）列为向客户提供的商业信用净额在客户集中度和银行借款关系的中介效应检验结果。方程（1）为中介效应检验步骤一，检验解释变量供应商集中度(Sprop)、客户集中度(Cprop)对被解释变量企业银行借款(BLDN)的作用：变量(Sprop)和(Cprop)的系数分别为0.03 和0.046，且分别在10%和5%的统计水平上显著。方程（2）为中介效应检验步骤二，检验解释变量对中介变量的作用，解释变量(Sprop)的系数为-0.01，且在10%的统计水平上显著；解释变量(Cprop)的系数为0.026，且在5%的统计水平上显著。方程（3）为中介效应检验步骤三，从供应商获得的商业信用净额(NTC_S)的系数为-0.827，且在1%的统计水平上显著，不确定性变量(Sprop)的系数为0.022，但不显著；向客户提供的商业信用净额(NTC_C)的系数为0.248，且在1%的统计水平上显著，不确定性变量(Cprop)的系数降低为0.039，且在10%的统计水平上显著。检验结果表明，从供应商获得的商业信用净额(NTC_S)在供应商集中度(Sprop)和银行借款(BLDN)的关系中发挥中介效应；向客户提供的商业信用净额(NTC_C)在客户集中度(Cprop)和银行借款(BLDN)的关系中发挥中介效应。

同时，本文还针对中介效应进一步进行了Sobel 检验，SobelZ 值分别为1.953 和2.261，且均在5%的统计水平上显著，说明中介效应检验结果通过了Sobel 检验，假设2 成立。

3.行业环境的调节效应

表6（1）-（4）列显示，低成长性行业组的供应商集中度和客户集中度系数均不显著，而高成长性行业组的供应商集中度系数为0.048，客户集中度系数为0.055，且均在5%的水平显著正相关。上述结果表明，相较于行业成长性较低的企业，行业成长性较高的企业供应商/客户集中度与其银行借款规模之间的正相关性均显著比较强，即行业成长性在供应商/客户集中度对银行借款的影响中起调节效应，假设3 得以验证。

表6（5）-（8）列显示，竞争不激烈行业组的供应商和客户集中度系数均不显著，而竞争激烈行业组的供应商集中度系数为0.06，且在5%的显著水平正相关；客户集中度的系数为0.056，且在10%的显著水平正相关。上述结果表明，相较于行业竞争不激烈的企业，行业竞争激烈的企业供应商集中度、客户集中度与其银行借款规模之间的正相关性均显著比较强，即行业竞争性在供应商/客户集中度对银行借款的影响中起调节效应，假设4 得以验证。

表5 商业信用的中介作用

表6 行业环境的调节作用

（四）稳健性检验

1.内生性

供应商和客户数据的选择性披露，导致本文结论可能存在样本选择性偏差问题。Heckman 两步法在会计研究中，被广泛用于解决此类内生性问题（Lennox 等，2012）[38]。本文借鉴王迪等(2016)[5]的做法，使用企业所处行业内每年在年报中披露供应商数据、客户数据的企业比例，分别作为第一阶段回归中的工具变量。Heckman 两步法的回归结果列示在表7PanelA 中，它与前文一致。

供应商/客户集中度和企业银行借款，可能会同时受到一些无法观测，从而未能在模型中加以控制的因素的影响，使本文存在由遗漏变量引起的内生性。本文采用工具变量两阶段最小二乘法(IV-2SLS)进行了稳健性检验。借鉴Dhaliwal 等[31]、王迪等[5]的做法，分别选取属于同一行业的供应商集中度年度均值、客户集中度年度均值作为工具变量，使用IV-2SLS 进行回归，结果见表7 PanelB，研究结论基本保持不变。

表7 考虑内生性的回归结果

2.变量替换

为了消除行业间供应链关系、商业信用以及银行借款的差异，本文将供应商集中度、客户集中度、从供应商获得的商业信用净额、向客户提供的商业信用净额、银行借款分别减去行业中位数进行标准化，得到行业中位数调整后的供应商集中度(Sprop_a)、客户集中度(Cprop_a)、从供应商获得的商业信用净额（NTCS_a）、向客户提供的商业信用净额（NTCC_a）、银行借款(BLDN_a)，然后依次进行固定效应回归，结果见表8-表10。表8 显示，行业中位数调整后的供应商集中度、客户集中度对银行借款的系数均显著为正。

表8 供应链关系对银行借款影响的稳健性检验

表9 中可以看出，中介效应检验步骤一方程(1)Sprop_a、Cprop_a 的系数均显著为正。中介效应检验步骤二方程（2）Sprop_a 的系数在1%的水平上显著为负，Cprop_a 的系数在1%的水平上显著为正。中介效应检验步骤三方程(3)NTCS_a 的系数显著为负，Sprop_a 的系数不显著；NTCC_a 的系数在1%的水平上显著为正，Cprop_a 的系数与方程（1）相比显著下降，说明前述根据温忠麟等（2004）[37]的中介效应判断方法得出的结果具有稳健性。进一步的Sobel 检验结果显示统计量z 值均具有显著性。

表9 中介效应的稳健性检验

表10 （1）-（4） 列显示，在低成长性行业组，Sprop_a 的系数不显著；而在高成长性行业组，该系数为0.052，且在5%的水平显著正相关。在低成长性行业组，Cprop_a 的系数为0.069，且在10%的水平显著正相关；在高成长性行业组，该系数为0.062，且在1%的水平显著正相关。但因为两组样本里自变量Cprop_a 的分布不一样，所以不能直接比较分组回归的自变量系数。借鉴Lins 等（2017）[39]的做法，本文通过比较两组样本下自变量每增加一个标准偏差对企业银行借款的影响来判断。低成长性行业组Cprop_a 的标准偏差为0.22，高成长性行业组Cprop_a 的标准偏差为0.31，据此可计算出低成长性行业组的企业Cprop_a 每增加一个标准偏差则银行借款（BLDN_a） 增加1.5 个百分点，高成长性行业组的企业Cprop_a 每增加一个标准偏差则银行借款（BLDN_a）增加1.9 个百分点，由此可知高成长性行业组客户集中度的影响相对于低成长性行业组有所加强。

表10（5）-（8）列显示，在竞争激烈行业组，Sprop_a 的系数在5%的显著水平正相关，而在竞争不激烈行业组，该系数并不显著。Cprop_a 的系数在竞争不激烈行业组和竞争激烈行业组，分别为0.056、0.059，且均在10%的显著性水平正相关。同样借鉴Lins 等(2017)[39]的做法，计算出竞争激烈行业组的企业客户集中度每增加一个标准偏差则银行借款增加1.3 个百分点，竞争不激烈行业组的企业客户集中度每增加一个标准偏差则银行借款增加1 个百分点。由此可知，竞争激烈行业组客户集中度的影响相对于竞争不激烈行业组有所加强。稳健性结果与前述回归结果一致，说明前述结论具有稳健性。

表10 行业环境调节作用的稳健性检验

五、研究结论及管理启示

（一）研究结论

党的十九届五中全会明确提出“着力提升产业链供应链现代化水平”。本文以2009～2019 年所有A 股上市公司为研究对象，通过中介效应检验，分析供应链关系对银行借款的影响机制，通过供应链金融“促进金融更好服务实体经济发展”，确保产业链供应链安全及其发展水平。研究结果表明：供应商集中度、客户集中度越高，企业银行借款规模就越大。进一步采用中介效应检验的递归法实证分析发现，从供应商获得的商业信用净额在供应商集中度与银行借款的关系中发挥中介效应，向客户提供的商业信用净额在客户集中度与银行借款的关系中发挥中介效应。本文还结合不同行业供应链金融发展不均衡的现实背景，以行业环境为调节变量，研究发现，所处行业成长性高、行业竞争激烈时，企业的供应商集中度、客户集中度与银行借款规模的显著性均更强。

（二）管理启示

本文的结论侧面论证了企业发展供应链关系的必要性，既能为企业控制供应链集中度以获取更多银行借款提供现实指导，也可为政府制定支持实体经济信贷政策及区分不同行业环境制定不同的信贷政策、实现金融精准滴灌产业集群中薄弱的中小企业提供理论依据。

1.企业应加强与供应商、客户的供应链关系管理

企业在未来生产经营过程中有目的地选择少数几个大供应商进行集中采购，可以保证产品质量和降本增效；有目的地选择少数几个大客户来实现定制化生产或服务，可以保证产品销量和稳定营收。较为集中的供应链关系在银行借款授信审查时具有信息含量，不仅可以增强供应链条上企业银行借款能力，亦可提升产业链供应链现代化水平，所处行业成长性高、竞争性高的企业尤甚。因此，加强供应链关系管理无疑是企业缓解其融资约束的新途径。

2.企业应积极打造核心竞争力，吸引更多的潜在供应商、客户

当前，全球产业链供应链因保护主义、单边主义上升以及新冠肺炎疫情等非经济因素的影响而面临冲击，少数关键零部件的缺失、少数关键技术的缺位甚至可能导致特定产业链断裂。为了增强产业链供应链的韧性，提高其安全性、稳定性，企业要不断加大创新力度、提升技术水平、优化产品结构，通过企业自身核心竞争力的提升来增强企业与供应商、客户间的议价能力，确保企业在与现有几大供应商、客户群稳固合作的同时，能吸引更多的潜在供应商、客户群成为企业维系供应链关系稳定的备选项，从而防止企业跌入大供应商、客户依赖的陷阱。

3.政府应引导供应链金融服务实体经济，为中小企业发展提供支撑

近年来直接推动供应链金融的专项政策文件已从国务院、国家部委层面延展到各省、市、区级地方政府部门，而且政策条款更加细化与本地化。比如，从《关于规范发展供应链金融支持供应链产业链稳定循环和优化升级的意见》，到《关于促进深圳市供应链金融发展的意见》和《横琴新区关于促进供应链金融发展的扶持办法》，显示了各级政府对供应链金融理解越来越清晰、准确，致力于鼓励企业发展供应链关系，促进地方企业的成功转型。然而，当前政策仍缺乏区分行业环境的具体指引。由于成长性高、竞争性强的行业相对于成熟、垄断行业而言，企业数量众多，尤其中小企业占比较大。加之，中小企业长期存在融资难、融资贵的问题，在获取银行借款方面存在天然的劣势。因此，各地方政府、银行应该有目的地区分不同行业环境制定不同的信贷细则，以便支持供应链金融服务好供应链上成长性高、竞争性强的中小企业，使其获得必要的资金支持。

当然，本文还存在一定的不足：一是供应链关系的度量方法。局限于数据源的限制，仅用“向前五大供应商采购额占采购总额的比重”和“向前五大客户销售额占销售总额的比重”来度量，无法取得企业类型、所处行业等信息导致研究只能局限于供应链关系的集中程度。二是供应链关系的维度。仅考虑“供应商—企业”、“企业—客户”链条上的纵向关系，众多链条间的横向关系未纳入考虑范围。未来可考虑包括纵向和横向关系在内的供应链网络关系，以及企业在供应链网络结构中的地位对其银行借款的影响。