客户集中度、成本粘性与商业信用供给

章铁生，段 钰

(安徽工业大学商学院，安徽马鞍山243032)

商业信用产生于上下游企业的商业交易中，是一种为实现利益最大化而延期支付的短期信用融资方式，在供应链关系中扮演着重要角色。相较于传统银行信贷，商业信用融资克服了银行与企业之间由于信息不对称带来的逆向选择和道德风险问题。商业信用融资可缓解企业的融资约束，促进规模效率的提高。商业信用产生于供应链交易中，供应链关系对企业商业信用融资有重要影响，客户集中度作为供应链关系中的重要环节，如何对商业信用产生影响已引起学者们的重视。学者们主要从合作和竞争两个角度分别分析客户关系对商业信用供给产生的影响。从竞争角度出发，企业调整商业信用政策的速度与其在供应链间的议价能力相关，而客户集中度的增加会削弱企业的议价能力，影响企业商业信用政策的调整。强势买方是导致商业信用大量而普遍存在的主要原因，在买方市场的竞争压力下，强势客户会借助其在供应链关系中的主导地位，利用商业信用，将自身资金压力和经营风险转移给上游企业，规模较小的企业被迫提供更多的商业信用。为加强对客户的有效控制，企业也会主动提供商业信用。从合作角度来看，企业与客户间的关系会随其客户集中度的不断提高而愈发密切，客户通过与企业建立长期合作关系，获得更有利的商业信用融资，为维持这一合作关系，强势客户也会主动降低对企业商业信用的侵占。

现有研究仅从单一角度探讨客户关系对企业商业信用供给的影响，将合作与竞争割裂开来。然而商业信用对供应链上下游的双方都有重要影响，直接影响双方的利益分配，企业是否提供商业信用、提供多大规模的商业信用都取决于企业与客户间的博弈。因此客户集中度对商业信用的影响不是单一的竞争或合作关系，而是存在由竞争到合作的转变过程。此外，已有研究表明我国制造企业大多存在成本粘性，较其他类型企业，制造业企业劳动力和资产的密集度高，在向下调整成本时面临资产处置难度大、企业员工辞退赔偿等问题，成本粘性问题更显著。

基于以上分析，重点探讨客户关系对商业信用供给产生影响的作用机理，并考虑成本粘性对两者关系的调节作用。通过对供应链中企业客户关系的量化，整体观察企业的客户关系，判断其是否能对企业商业信用供给产生影响；进一步考察不同程度成本粘性的影响差异，检验成本粘性对两者关系产生作用的差异化程度。

1 研究设计

1.1 研究假设

1.1.1 客户关系对商业信用供给的影响

作为与企业紧密联系的利益关联者，客户与企业的密切关系会深刻影响企业的资金周转水平、盈利能力、成本结构等。我国商业信用的使用主要取决于上游企业是否愿意提供，只要上游企业愿意提供，下游客户不管自身是否迫切需要都会借机要求企业提供更多的商业信用。从买方市场理论视角出发：在激烈的市场竞争中，卖方为维持发展、维护与买方的合作关系，会选择满足强势买方要求赊购的要求。当企业与客户初步建立合作关系时，企业出于长期发展的考虑，会选择让步自身的流动性来稳定客户。随着合作的加深，企业逐渐选择少数核心客户作为长期战略合作伙伴。在企业与客户在进行商业交易时，两者地位并不是绝对平等的，议价能力是影响双方地位的重要因素，若某一企业只有少数客户，那客户的议价能力就会大大提高。此时，随着企业客户集中度的不断提高，企业对主要客户的依赖程度不断加强。当企业的客户集中度处于较高水平时，主要大客户“拿捏”了企业的大多数业务，企业为保持与客户良好的关系，会向客户进行妥协，牺牲自身的现金流量来提供更多的商业信用给客户。强势买方为保证自身的流动性、保留充足的现金流来进行投资、规避风险，更有可能利用自身的强势地位，通过扩张商业信用融资以“侵占”企业的流动性储备。

客户集中度作为一把“双刃剑”，在带来好处的同时也会对企业造成威胁。现有供应链关系受许多因素影响，具有很大的不确定性，一旦下游客户发生违约，企业不能及时收回账款，将会产生巨额坏账，导致严重的财务危机,从而影响企业的持续经营。因此，当企业的客户集中度达到过高水平时，客户对企业的“胁迫”可能导致企业陷入危机。一旦主要大客户出现财务危机等问题，将会严重影响企业自身的现金流，企业如果继续提供商业信用，将会产生较大的风险，基于自身利益考虑，企业会选择减少对客户的商业信用供给。

客户为形成竞争优势，会借助与上游企业的合作来更好地应对外部环境的变化，促进上下游间的利益整合。随着供应链上下游间合作的愈加紧密，企业客户间逐渐形成一个利益共同体。对下游客户来说，成为上游企业的主要大客户意味着可得到更为集中的服务，双方之间的沟通更顺畅，企业提供的商业信用可视为其价格政策的一部分，客户通过和企业建立更密切的合作关系，保持长久合作，获得更长远的利益。同时买卖双方合作的加深会降低彼此间的信息不对称，企业的商业信用供给对客户的生产经营有重要影响。如果供应链上下游间的关系型交易能够稳定持久的进行，将会带来供应链协同效应，给交易双方带来积极影响。因此，随着双方合作关系的加深，即使存在强势买方，也会出于维护自身经营稳定的考虑，在企业减少对其的商业信用供给时，主动“体恤”上游企业，自觉减少对其商业信用的“侵占”。

基于以上分析，提出假设1(H)：客户集中度对商业信用供给的影响呈现倒“U”型关系，即企业提供给下游客户的商业信用先随客户集中度的提高逐渐增加，当客户集中度达到一定程度后企业提供给下游客户的商业信用随客户集中度的提高逐渐减少。

1.1.2 成本粘性对客户关系与商业信用供给关系的调节作用

制造业企业属于资本密集型行业，资产专用性较高、机器设备等固定资产投入占成本的比重较大，普遍存在成本粘性。为保证持续经营，企业会拥有大量契约，在企业调整契约时，会产生相应的调整成本，企业会选择和客户缔结长期合作达到节约调整成本的目的。客户与企业的密切程度直接影响双方的经济活动，两者关系越密切，成本和业绩的相关性就越强，一荣俱荣、一损俱损。因内外部环境的变动而导致调整成本的变化将给强成本粘性企业带来更大损失，随着企业客户集中度的提高，强成本粘性企业在结束与大客户的合作关系时，因业务量变化而导致的调整成本远高于弱成本粘性企业，且其做出调整的速度也较慢，面临的沉没成本风险较高。因此，强成本粘性企业会更注意维系与大客户之间的关系，会对客户就商业信用做出让步的可能性更大，客户则处于利益最大化的目的，趁机“胁迫”企业，对其商业信用进行“侵占”。

随着客户集中度的提高，企业对客户的依赖性越高，资产周转速度、资金回收速度越慢，大客户会放弃和企业的合作关系转而和企业的竞争对手缔结同盟,对企业的经营、财务等产生较大负面影响。企业对大客户的依赖性越强，其债务水平越高，经营风险越高，成本粘性则放大了宏观经济风险作用下企业内部的经营风险。强成本粘性企业的资源配置速度和效率低下，影响企业的生产经营，使企业难以适应外部市场的变化，无法及时就消费者需求进行调整，加剧了企业经营的风险和不确定性；成本粘性同样会显著降低传统盈余预测模型的准确性，对企业决策产生负面影响，因此，强成本粘性企业通常面临较高的经营风险和决策风险。面对大客户对企业商业信用的过分“侵占”时，强成本粘性企业为避免企业利益受损，会做出更加谨慎保守的选择，不再愿意提供更多商业信用。而随着客户集中度的提高，客户与企业间合作关系不断加强，上下游间逐渐形成一个利益共同体，客户与企业之间资源的互补与整合带来“关系租金”同样也加强了客户对企业的依赖程度，客户在结束这段合作关系时也面临较高成本，此时会逐渐减少对企业商业信用的“侵占”。

基于以上分析，提出假设2(H)：成本粘性对客户集中度与商业信用供给间的倒U型关系起到正向调节作用，相对于低成本粘性企业，强成本粘性企业对客户集中度与商业信用供给的倒U型关系的敏感性更强。

1.2 研究方法

1.2.1 样本收集与数据处理

以2009—2018年中国A股制造业上市公司作为研究对象，样本的筛选遵循以下原则：剔除研究期间内相关数据缺失的公司；剔除ST的上市公司样本。成本粘性原始数据来自于CSMAR数据库，利用STATA15进行统计分析，前五大客户和供应商数据、财务数据及企业相关数据来自于CSMAR数据库，最后共计得到6 028个样本数据。对所有连续变量进行上下1%的缩尾调整(Winsorize)以剔除异常值的影响。

1.2.2 模型设计与变量定义

为检验研究假设，构建如下模型

式中：α为系数；ε 为误差；其他变量名称和定义见表1。其中：企业提供给下游客户的商业信用A，用(应收账款+应收票据)与营业收入的比值来衡量，在稳健性检验中用(应收账款+应收票据-预收账款)与营业收入的比值作为A的替代变量；借鉴徐虹等的做法，用上市公司年报附注中披露的“向前五名客户的销售金额合计占总销售额的比例”来衡量客户集中度C，在稳健性检验中用向第一大客户销售比例作为C的替代变量。对于成本粘性S，目前较为主流的度量方式有ABJ模型和WEISS模型。ABJ模型的主要用于确定某一行业的成本粘性不能计算各企业具体的成本粘性水平；WEISS模型则能利用季度财务数据，计算每家企业各会计年度成本粘性的具体数值。因此，文中参照WEISS模型的计算方法，其计算公式为

式中：S为企业i在t时期的成本粘性；Δ为季度成本差；Δ为季度营业收入差；t 为企业4个连续季度中业务量下降的最近季度；t 为4个连续季度中业务量上升的最近季度。S＜0表示存在成本粘性；S＞0表示存在成本反粘性；S=0说明该企业为传统成本习性的成本模型。选取具有成本粘性的企业进行计算，因此剔除S＜0的样本，并将S＜0的所有观测值以中位数为界分为两组，S小于中位数时为强粘性组(strong sticky)，S大于等于中位数且小于0为弱粘性组(weak sticky)也即一般粘性公司。

表1 变量定义Tab.1 Variable definition

2 实证结果与分析

2.1 描述性统计

表2为主要变量描述性统计结果。分析表2可看出：商业信用供给A均值为0.366 6，最小值(0.008 7)和最大值(1.339 9)差异较大，表明不同企业的商业信用水平存在显著差异；客户集中度C均值为0.238 5，中位数为0.195 7，样本中供应链上下游企业间的客户集中程度较高，同时客户集中度的标准差为0.206 4，均值(0.238 5)大于标准差(0.206 4)但小于两倍标准差(0.412 8)，说明数据不存在极端异常值，离散程度较大，表明我国上市公司的客户集中度存在较大差异，部分企业严重依赖前五大客户，部分企业对主要客户的依赖程度较弱；成本粘性S均值为-0.245 8，最小值(-1.428 2)与最大值(-0.002 7)之间差距较大，表明我国制造业上市公司普遍存在成本粘性，且不同企业的成本粘性差异较大。

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

2.2 主要变量的组间检验

表3为主要变量按照成本粘性强弱分组的描述性统计和组间检验。对比表3中的分组结果可发现：强成本粘性企业提供给下游买方的商业信用A均值和中值都比弱成本粘性企业高，t检验和Wilcoxon 检验的结果显示组间差异显著，表明强成本粘性企业，受企业自身成本结构等因素的影响，在市场竞争中更倾向于提供更多的商业信用给下游客户，增强自己在竞争中的地位；客户集中度C的均值和中值均存在差异，强成本粘性企业客户集中度普遍高于弱成本粘性企业，较弱成本粘性企业而言，强成本粘性企业更依赖于关系型交易；与弱成本粘性企业相比，强成本粘性企业的总资产报酬率R和现金流C的均值和中值都较低，说明强成本粘性企业会现金流转与资产利用的能力弱于弱成本粘性企业，表明强成本粘性企业在日常经营中更可能借助商业信用这一融资手段替代现金流量。

表3 按成本粘性强弱分组统计及检验Tab.3 Grouping statistics and tests according to the strength of cost stickiness

2.3 相关性分析

表4为主要变量的Pearson和Spearman相关系数检验结果。分析表4可发现：商业信用供给A与客户集中度C在1%的水平上显著正相关，成本粘性S与商业信用供给A在1%的水平上显著负相关；银行借款B、财务杠杆L、盈利能力R、第一大股东持股比例T、独立董事比例I、每股收益E、市盈率P等其他相关系数基本处于-0.5～0.5区间，变量间不存在严重的多重共线性问题。

表4 主要变量相关性分析Tab.4 Correlation analysis of major variables

2.4 实证结果与分析

表5 为对H与H采用普通最小二乘法(ordinary least square method,OLS)进行检验的回归结果。表中：(1)为客户集中度C与商业信用供给A的回归结果；(2)为加入客户集中度C的平方项后，C与A的回归结果；(3)为加入成本粘性S后，C与A的回归结果；(4)～(5)为对H回归结果，分别为弱成本粘性/强成本粘性与客户关系对商业信用供给A调节作用的回归结果。

分析表5(1)和(2)可看出：客户集中度C与企业商业信用供给A在1%的水平上显著正相关；加入客户集中度的平方项C，客户集中度C的系数在1%的水平上显著为正，客户集中度的平方项C的系数在1%的水平上显著为负，说明客户集中度与商业信用供给并非单纯的线性关系，而是呈显著倒U型关系，即企业能提供商业信用因内外部因素，尤其是企业自身特征限制而存在极限，随着客户集中度的加深，企业提供给下游客户的商业信用会增加，到达极值后，企业会逐步减少向下游客户提供的商业信用。

为进一步明确客户关系与商业信用之间的关系，根据表5第(1)～(2)列客户集中度与商业信用供给间倒U型关系的结果，计算出拐点处的客户集中度C为0.736 3。以拐点为界，拐点前样本中的客户集中度组成的函数斜率为0.367 8，是一条向上的曲线，即在到达该点前，客户集中度与商业信用供给呈正相关，企业会随着客户集中度的提高而增加商业信用供给；在到达拐点后，样本中客户集中度组成的函数斜率为-0.063 3，是一条向下的曲线，即当超过拐点后，企业向下游客户提供的商业信用随客户集中度的增加而减少。由表5第(2)列可知，客户集中度的二次项系数显著为负，故模型(1)对应的几何图形应该是一条开口向下的抛物线。对于此现象，可能的解释是，在到达拐点前，企业为了维护与下游客户的关系，保证自身的经营，从而倾向于提供较多的商业信用；超过拐点后，企业再提供更多的商业信用会危及自身的经营，企业出于稳定经营、规避风险的目的，会有意识地缩减对下游客户提供的商业信用。H由此得到验证。

为验证H回归结果的正确性，在H的基础上加入成本粘性这一变量，其OLS 回归结果如表5 第(3)列。由表5第(3)列可看出，与客户集中度对商业信用供给单独作用相比，加入成本粘性后，客户集中度对商业信用供给的作用方向与上述方向一致。根据表5 第(3)列的结果计算可知：曲线的拐点位于客户集中度C 为0.681 7时，以拐点为界，拐点前样本中的客户集中度组成的函数斜率为0.368 9，是一条向上的曲线；到达拐点后，样本中客户集中度组成的函数斜率为-0.098 1，是一条向下的曲线。同时，客户集中度的二次项系数显著为负，故该曲线对应的几何图形应该是一条开口向下的抛物线，也验证了加入成本粘性这一调节变量，客户集中度对商业信用供给的作用方向没有发生变化。

表5 客户关系与商业信用供给的OLS回归Tab.5 OLS regression of customer relationship and commercial credit supply

续表5

由表5第(4)～(5)列可看出，不论企业成本粘性的强弱，客户集中度与商业信用供给之间的二次项系数都为负数，即均呈倒U型关系。为区别成本粘性强弱对客户集中度与商业信用供给之间关系的具体作用，根据表5第(4)～(5)列分别计算两组数据的拐点：强成本粘性企业客户集中度拐点为0.640 2，弱成本粘性企业客户集中度拐点为0.724 2，表明强成本粘性企业相较于弱成本粘性企业，其客户集中度与商业信用的倒U型曲线的拐点在向左移动，在客户集中度较低时就能到达拐点。相比于拐点移动前，移动后的客户集中度与商业信用供给的倒U型关系的敏感性增强，这一结果证实了H。

3 稳健性检验

为增强实证结果的稳健性，进行如下稳健性检验：替换解释变量，选取当年企业用向第一大客户销售比例替换客户集中度C；替换被解释变量，参考郑军等的方法，用(应收账款+应收票据-预收账款)/营业收入替换提供给客户的商业信用A；考虑到关系对企业商业信用的影响存在的滞后效应，同时避免内生性问题的影响，参考陆正飞等减少内生性的做法，对客户集中度C前置一期；为控制个体异质性、避免遗漏变量、缓解多重共线性等问题，进行基于面板模型的稳健性检验。以上稳健性检验的基本结果与主检验一致，表明本文的研究结论是稳健的。

4 结论与启示

以2009—2018年我国沪深A股制造业上市公司为研究样本，探讨客户关系、成本粘性与商业信用供给之间的关系，研究发现客户集中度与企业提供给下游客户的商业信用呈显著倒U型关系，即企业提供给下游客户的商业信用先随客户集中度的提高逐渐增加，当客户集中度达到一定程度后，企业提供给下游客户的商业信用随客户集中度的提高逐渐减少。同时，成本粘性的强弱也会影响上述两者之间的倒U型关系，相对较弱成本粘性企业，强成本粘性企业对客户集中度与商业信用供给之间的上述倒U型关系敏感性更强。

上述结论的启示在于：

1)随着市场化进程的不断加深，企业应意识到单靠一个企业自身的力量很难在激烈的市场竞争中脱颖而出，只有与客户建立良好的合作关系，充分发挥供应链资源整合的优势，才能够长远发展；

2)机遇与挑战是共存的，企业在与合作获得竞争优势的同时，也应保持警惕，防止过度集中带来的风险，维持适度的合作关系；

3)企业应把握成本变动的规律，关注自身成本结构，加强成本管理，有效控制成本，避免由于过强的成本粘性而导致企业应对风险的反应速度和能力的降低。