客户集中度、产品市场竞争与企业非效率投资

赵选民 田静怡

(西安石油大学 陕西(高校)油气资源经济管理研究中心，陕西 西安 710065)

0 引 言

供应链对会计、财务的影响是当今学术界研究的热点话题，而客户集中度作为供应链的一种异质形态备受关注。客户与供应商之间是一种利益竞争的关系，二者都是以利益最大化为目标。企业作为供应商，在利益的驱动下有很强的动机与其客户保持长期有效的合作关系。但是，由于契约的不完整性、特定关系投资的专用性以及外部投资者和内部管理者之间存在的信息不对称性，最终都会导致企业偏离最佳投资效率。[1]70-105客户作为企业重要的外部利益相关者，是企业现金流的重要来源，过度依赖大客户的企业可能会面临客户流失、业务需求转变或宣布破产等潜在的经营风险，进而影响企业当期的投资决策，甚至还会持续影响企业的后续投资能力和经营业绩[2]110-125。目前，我国经济表现出由卖方市场转向买方市场的市场态势，在交易双方长期的博弈中，买方的垄断势力使大客户的议价能力更为突出，企业在一定程度上受到买方的制约和要挟，被迫承担更多的义务和风险。关于关系型交易对企业行为和资本市场的影响，国内外学者进行了广泛探讨。基于已有文献，主要涉及关系型交易和盈余管理，[3]23-28+3审计费用，[4]72-82企业创新[5]182-190以及企业绩效[6]1044-1053等方面的研究，但对于关系型交易与企业投资行为之间关系的研究较为欠缺。

投资行为是影响企业价值的核心因素，投资活动是企业合理配置资源的核心环节，而企业普遍存在投资不足或投资过度的低效率现象，如何提高企业投资效率一直是理论界和实务界共同关注的问题。随着营销理念的发展,多数企业在发展过程中建立稳定的客户关系，最大化地满足主要客户的要求。但对于客户集中度较高的企业来说，很可能增加其面临的经营风险，影响企业的投资决策。产品市场竞争是连接宏观经济与微观企业的重要桥梁，不同的产品市场竞争程度是否会使客户集中度与非效率投资之间的关系有所差异，这有待于进一步研究。

鉴于此，本文将客户集中度、产品市场竞争和企业非效率投资纳入同一个研究框架，以“客户关系”为切入点，分析造成企业非效率投资的原因，检验不同的产品市场竞争环境对客户集中度与非效率投资之间关系的影响差异，以期为考察交易型利益相关方在企业投资理论中的应用提供新视角，丰富投资决策领域的相关研究。

1 理论分析与假设提出

1.1 客户集中度与企业非效率投资

在客户与企业的关系中，随着企业对客户依赖程度的增加，双方在频繁的交易中建立起狭小的“朋友圈”。双方从基础的商业关系衍生到私人关系，企业在一定限度内会向大客户提供越来越多的内部信息，使交易双方对财务报告、审计报告等公开信息的需求减少。[7]81-86+95建立在隐性契约机制基础上的这种现象会抑制企业对公开信息的披露，导致企业信息透明度降低。而且由于管理层具有得天独厚的信息优势，在进行投资决策时往往优先考虑自身的利益，不一定选择对增加企业价值有利的投资项目，这种投机行为会进一步加剧信息不对称程度。此外，在大客户的压力下，企业为了向客户展示良好的财务状况和经营业绩，且满足非财务利益相关者的预期，更倾向于通过盈余管理的方式维持双方长期的交易关系，[8]79-86从而误导利益相关者对企业潜在经营活动的理解。

具体来讲，企业为更好地维系双方稳定的合作伙伴关系，会主动或被动地进行联合投资、专用性资产投资以及专项研发，可能导致投资过度。首先，处于强势地位的大客户要求企业加强各方面的投入力度，使企业不仅承担较高的投资成本，面临较大的投资风险，而且自身利益也很可能遭受机会主义掠夺。为防止主要客户流失，企业会进行联合投资。其次，根据交易成本理论和资产专用性理论，专用性资产只能用于特定用途，很难投入到其他用途。企业为降低经营风险会加大与客户有关的专用性资产的投资比重，尽管投资项目的净现值为负，交易双方还是会持续履行低效率甚至非效率的投资契约，以预防资产被套牢的风险。[9]30-32最后，客户在多次交易后可能会对产品提出独特的要求，督促企业进行研发和创新。为稳定双方合作关系，企业会投其所好进行相应的专项研发。

较为集中的客户群易形成“买方市场”，增强大客户的议价能力，从而给企业带来潜在的风险，使企业的资金压力增大，也可能导致投资不足。首先，大客户为转嫁自身的经营风险，会向企业提出增加商业信用、延长付款期限等要求，而一旦大客户宣布破产，过度依赖大客户的企业就可能发生实质性的重大财务损失，从而影响企业正常的资金流转。[10]23-48其次，大客户的利益掠夺不仅会降低企业资产周转速度，还会严重影响资产流动性，使企业可自由支配的资金量减少。当企业缺少自由现金流时，管理层在投资决策时会被迫放弃一些净现值为正的项目。最后，客户集中度高会增加企业的外部融资成本，若企业内部没有充足的资金，通常就会放弃最优的投资计划。

基于上述分析，提出以下假设:

H1：客户集中度越高，企业的非效率投资行为越严重

H1a：客户集中度越高，企业的过度投资行为越严重

H1b：客户集中度越高，企业的投资不足行为越严重

1.2 产品市场竞争对客户集中度与企业非效率投资关系的影响

随着经济全球化的发展，企业面临着日趋激烈的外部竞争，其主要包括企业间的个体性竞争和行业间的结构性竞争。[11]78-91产品市场竞争作为企业的一种外部机制，企业所处的行业竞争地位不同，对其经营行为与经营风险产生的影响具有差异性。[12]50-58

一方面，由于竞争激烈的行业进入门槛较低，企业面临潜在竞争者和现有竞争者的严重威胁，容易被竞争对手抢占其市场份额。为稳定自身的优势地位，企业往往会提高负债比率，以获得较高的融资水平，从而使流动性风险增加，最终加剧企业的经营风险。市场竞争因素在企业行为中发挥着重要作用，企业行为将对其竞争性对手产生掠夺效应。[13]69-76掠夺性风险不仅会增大企业的生存压力，而且会降低企业的利润率，从而进一步减少企业内部的现金流。客户为了弥补违约风险给自己带来的损失，通常会要求企业采取各种措施以提高风险补偿资金，进而使企业的债务融资成本增加。

另一方面，根据经营风险理论，激烈的行业竞争使企业的盈利空间变小，利润波动性增大。而大客户在判断企业未来的发展前景后，将权衡是否继续或终断交易关系，甚至作出与企业竞争对手进行交易的选择。再加上行业竞争可以降低客户的转换成本，使其更有动机主动更换供应商，从而增大了企业失去大客户的可能性。另外，在产品市场竞争激烈的环境下，买方市场的优势地位使企业不得不投资更多的专有资产。如果企业投入的专用性资本越多，持续的时间越长，则亏损就越大。

综上所述，处于竞争激烈行业的企业，在面临客户更换供应商的风险时常常处于被动状态，因此对客户的依赖度更强，这进一步加剧了企业潜在的经营风险和现金流风险，导致客户依赖度高的企业对非效率投资的影响更大。基于此，提出以下假设:

H2：客户集中度与非效率投资之间的正相关关系在产品市场竞争激烈时表现更为显著

2 研究设计

2.1 样本选择与数据来源

本文选取2014—2018年我国沪深两市A股上市公司作为研究样本，为保证实证结果的准确性，对数据做了以下处理：(1)剔除金融类、保险类上市公司；(2)剔除ST、*ST上市公司；(3)剔除有缺失、异常财务数据的样本，最终得到1 075组平衡面板数据，共计5 375个样本观测值，以实证研究客户集中度与非效率投资的关系。样本数据来源于CSMAR数据库，并利用公司年报进行数据补充。为消除极端值的影响，对所有连续变量在1%和99%的分位数上进行Winsorize处理，并运用Excel软件和Stata14.0软件进行数据统计和实证分析。

2.2 变量定义

(1)被解释变量。依据Richardson的模型度量企业的投资效率[14]159-189，具体计算方法见(1)式：

Invit=β0+β1Growthit-1+β2Levit-1+β3Cashit-1+β4Ageit-1+β5Sizeit-1+β6Invit-1+β7Retit-1+∑Ind+ ∑Year+εit

(1)

(1)式中:Inv代表公司当年的实际投资量，是固定资产、无形资产和在建工程本期发生额与折旧额之和占年初资产总额的比重；Growth是营业收入增长率；Lev是资产负债率；Cash是年末货币资金与交易性金融资产之和占年初资产总额的比重；Age是公司年龄；Size是公司期末资产总额的自然对数；Ret是股票年度收益率。为避免内生性问题，对所有自变量均做滞后一期处理，并控制了行业和年度效应。

(2)解释变量。参考以往的相关研究文献，以企业年报中披露的前五大客户销售额占当年销售总额的比例来计算客户集中度。

(3)调节变量。采用赫芬达尔—赫希曼指数衡量产品市场竞争强度，该指标越小，表明此行业内相同规模的企业越多，竞争越激烈。因为它是一个负向指标，所以取其相反数来衡量市场竞争的程度。

(4)控制变量。参考以往的相关研究文献，控制了可能影响企业投资效率的其他因素，在实证模型中引入企业规模(Size)、资产负债率(Lev)、盈利能力(Roa)、总产资产周转率(Tat)、管理费用率(Mer)、经营现金流(Cfo)、少数股东权益(Mino)、管理层持股比例(Msr)等控制变量。各个变量的定义与说明见表1。

表1 变量定义与说明

2.3 模型构建

根据以上变量定义，为验证前文假设，构建以下实证模型，见(2)至(4)式:

模型1：Inv=α+β1Customer+β2Size+β3Lev+β4Roa+β5Tat+β6Mer+β7Cfo+β8Mino+β9Msr+ ∑Year+ ∑Ind+ε

(2)

模型2：(Over—Inv)/(μnder—Inv)=α+β1Customer+β2Size+β3Lev+β4Roa+β5Tat+β6Mer+β7Cfo+β8Mino+β9Msr+ ∑Year+ ∑Ind+ε

(3)

模型3：Inv=α+β1Customer+β2Comp+β3Customer×Comp+β4Size+β5Lev+β6Roa+β7Tat+β8Mer+β9Cfo+β10Mino+β11Msr+ ∑Year+ ∑Ind+ε

在企业采购工作中应注意供应商在经济上的活力诉求和在社会上的独立性，要从体系管理、环节建设等基础性工作出发，建立起企业采购的流程、机制和系统，从而满足市场的发展需求。

(4)

模型中，α为常数项，βi为回归系数，ε为随机扰动项。

3 实证结果分析

3.1 描述性统计

研究变量的描述性统计结果见表2。

表2 描述性统计

由表2可知：在全样本中，非效率投资(Inv)的最大值与最小值分别为0.865和0.000 1，表明我国上市公司的非效率投资程度存在显著差异。在选取的5 375个样本中，其中投资过度(Over—Inv)的企业有1 931个，占总数的35.93%，平均值为0.067；投资不足(Under—Inv)的企业有3 444个，占总数的64.07%，平均值为0.044，说明我国企业普遍存在投资过度或投资不足的现象。具体来看，投资不足企业的样本量占全样本的比例较大；但投资过度企业非效率投资程度的均值高于投资不足企业的均值，由此可见我国企业投资过度现象较为严重。客户集中度(Customer)的均值为0.280，最大值为0.997，最小值为0.000 3，说明企业前五大客户销售额占比的差异较大，表现为部分企业几乎没有大客户，部分企业却对大客户存在严重的依赖性。产品市场竞争(Comp)最小值为-1.000，最大值为-0.024，说明我国不同行业之间的竞争程度差异较大。控制变量的描述性统计与已有研究基本一致。

此外，本文检验了主要变量间的相关性，结果验证了前文假设。为避免回归模型变量之间存在严重的多重共线性问题，对其进行方差膨胀因子(VIF)检验，多重共线性检验见表3。

表3 多重共线性检验

由检验结果可知，在样本观测期间所有变量的方差膨胀因子(VIF)均未超过2，故模型不存在多重共线性。

3.2 实证结果分析

根据豪斯曼检验结果，本文采用固定效应形式对面板数据进行实证检验，多元回归分析见表4。

表4 多元回归分析

续表4：

变量符号模型1模型2模型3全样本(1)过度投资(2)投资不足(3)全样本(4)国企(5)非国企(6)Mino0.051∗(1.90)0.180∗∗∗(2.64)0.012(0.64)0.054∗∗(1.99)0.050(0.92)0.097∗∗∗(2.74)Msr0.004(1.26)0.011(1.24)-0.004∗∗(-2.03)0.004(1.44)-0.006(-1.13)0.008∗∗(2.07)Constant-0.509∗∗∗(-5.95)-1.237∗∗∗(-5.39)0.341∗∗∗(5.51)-0.522∗∗∗(-6.10)-0.023(-0.12)-0.640∗∗∗(-5.36)Year andInd控制控制控制控制控制控制Observations537519313444537518463529Adj—R20.0520.1000.1220.0550.0380.077F-Value18.249.5326.2016.582.6013.62

表4列(1)检验了客户集中度与企业非效率投资的关系。在全样本中，客户集中度(Customer)与非效率投资(Inv)在10%的置信水平上显著，且系数为正，说明客户集中度与非效率投资之间显著正相关，即客户集中度越高，企业非效率投资(投资过度与投资不足)程度越高，与预期一致，假设H1得到验证。

表4列(2)、(3)将企业投资效率程度依据残差值的正负分为投资过度和投资不足两种情况分组检验，分析客户集中度导致企业非效率投资的原因。在过度投资样本中，客户集中度与非效率投资的回归系数为0.095，且在1%的统计水平上显著；而在投资不足样本中，回归系数不显著。由此表明，较高的客户集中度加剧了企业的投资过度，而非投资不足，即支持了假设H1a，否定了假设H1b。可能是因为企业与大客户合作之后拥有稳定的销售关系，管理层为增加自身收益往往倾向于扩大企业规模，进行商业扩张。根据自由现金流量理论，企业持有超额现金，将有利于在产品市场中获得竞争优势地位、迅速把握投资机会，扩大企业规模；因此，在面临大客户带来的现金流风险时，企业尽可能地向客户传递未来发展前景良好的积极信息，并维持较高的现金持有水平，预防由于资金短缺而导致的投资不足问题。

表4列(4)检验了产品市场竞争的调节作用。在全样本中引入客户集中度与产品市场竞争的交乘项(Customer×Comp)，客户集中度(Customer)仍与企业非效率投资(Inv)显著正相关，交乘项(Customer×Comp)与非效率投资(Inv)之间的回归系数为0.197，且通过1%置信水平上的显著性检验，表明产品市场竞争显著增强了客户集中度与企业非效率投资程度之间的相关关系，假设H2得到了验证。

表4列(5)、(6)验证在不同所有制企业中三者之间的内在联系是否存在差异。为进一步细化分析，将样本按照所有权性质分为国有企业和非国有企业两个子样本。在国有企业中，自变量(Customer)和交互项(Customer×Comp)的回归系数均不显著；而在非国有企业中，自变量(Customer)和交互项(Customer×Comp)的回归系数均在1%的水平下显著。原因在于：国有企业不仅有政府作保障，而且拥有丰富的关系型资源，这些优势使客户更加信赖国有企业，双方建立起较为稳定的合作关系。而对于非国有企业，其更多是依赖于市场竞争的博弈进行经营管理，信息不对称问题相对比较严重。出于对各种风险的考量，客户往往倾向于与国有企业签订长期契约。因此，客户集中度对其非效率投资的影响更大，市场竞争对二者关系的影响也更加显著。

3.3 稳健性检验

为了保证实证结果的可靠性，本文进行了稳健性检验，稳健性检验见表5。

(1)改变客户集中度的度量方法。参考Dhaliwal 等的研究，采用前五大客户各自销售占比的平方和衡量客户集中度。由表5列(1)可知， 客户集中度(Customer)对非效率投资(Inv)影响的回归系数在5%的水平上显著为正；列(2)中客户集中度(Customer)和交乘项(Customer×Comp)的系数分别在1%和5%的水平上显著为正，检验结果再次验证假设H1和假设H2。

表5 稳健性检验

(2)根据产品市场竞争的高低进行分组回归。按照产品市场竞争程度高低将样本分为高竞争水平和低竞争水平,对两组客户集中度与非投资效率的相关性进行分组回归。由表5列(3)和列(4)可知，在产品市场竞争高的样本组，客户集中度(Customer)的系数在1%的水平下显著；而在产品市场竞争低的样本组不显著。上述结果表明，产品市场竞争越激烈，客户集中度与企业非效率投资之间的正相关关系越显著，进一步支持了假设H2。

3.4 进一步分析

企业对客户进行的特定关系投资会形成一定的专用性资产，使企业面临潜在的高套牢风险，进一步提高了企业对客户的依赖度。借鉴以往的相关研究文献，采用研发投入衡量专用性投资，当企业有研发投入时，表明其产品具有一定的专用性，对大客户的依赖较强。据此，将样本分为专用性投资组和非专用性投资组，分别对两组客户集中度与非投资效率的相关性进行分组回归，基于特定关系投资的检验见表6。

表6 基于特定关系投资的检验

表6中，在列(1)专用性投资组中，客户集中度(Customer)的系数在 1%的水平下显著为正，而在列(2)非专用性投资组中不显著，说明企业专用投资程度越高，客户集中度对企业非效率投资的影响越大，与前文分析一致。

4 研究结论

本文以2014—2018年沪深两市 A 股上市公司作为研究样本，实证检验客户集中度、产品市场竞争和企业非效率投资三者之间的内在联系。研究发现：在全样本中，客户集中度越高，企业的非效率投资越严重，表明客户集中度是企业进行非效率投资的诱因之一；进而将非效率投资分为过度投资和投资不足进行分组检验，结果显示客户集中度主要造成企业产生投资过度行为。此外，产品市场竞争在客户影响企业非投资效率的关系中发挥着调节作用，处于竞争激烈行业的企业，客户集中度带来的非效率投资程度越严重，且这一现象仅在非国有企业中存在。进一步研究发现，当企业专用投资程度较高时，客户集中度对非效率投资的影响越大，加深企业对关系型交易负面作用的认识，进而使企业能够高效地利用专用性投资。

因此，企业为了提高投资效率需要拓展客户群，充分了解主要客户的经营状况并制定相应的经营策略，避免集中客户群体给企业带来的负面影响。监管机构需对客户集中度高的企业加强治理力度，建立规范机制，要求企业按相应程序披露客户信息，有助于投资者以此为参考做出最佳的投资决策。