供应链关系与企业技术创新——基于供应商/客户集中度的分析

贾 勇，张涵崟

(杭州电子科技大学 会计学院，浙江 杭州 310018)

创新已经成为我国企业摆脱全球价值链低端困境，从“跟跑”向“领跑”转变，实现“弯道超车”的重要方式。近年来，我国逐年加大在科研创新领域的投入。据国家统计局全国统计公报显示，2020年我国投入在研究与试验发展(R&D)方面的经费投入高达24 393.10亿元，相比2010年增长245.38%。作为创新活动最活跃、最重要的主体，企业R&D投入占全国研发总投入的76.60%。

技术创新是一项高投入、周期长、不可逆、不确定的投资活动。如何更好地推进技术创新实现创新赋能始终是政府和实务界关注的热点话题。学术界围绕技术创新影响因素，从内部资源观与外部环境观等角度展开较为丰富的研究。从资源观角度，熊彼特强调资金在创新中的重要作用[1]。但作为一项资本密集型投资，研发投入现金流敏感性较高，较多研发创新的企业面临融资约束的难题[2]。融资约束影响企业技术创新投入的持续性与投资意愿[3]，阻碍研发投入[4]。另一方面，创新是一项系统性的工程，环境以及利益相关者都会对其产生重要影响[5]。在我国这个关系型社会，所有合作主体都将影响企业创新决策，尤其是关系紧密的顾客和供应商。根据社会嵌入理论，在交易过程中与上下游企业形成的关系嵌入使得上游供应商或下游客户能通过信息沟通与业务往来影响企业经济活动。

然而，由于不确定性和破坏性，供应商和客户对于企业技术创新似乎持有不同的态度。一方面，技术创新带来的新技术和新产品为供应商创造了新的供给需求，但也会迫使供应商针对性地进行投资，供应商会从自身利益出发，支持或反对下游企业的创新行为。另一方面，技术创新带来的新技术和新产品能够更好地满足顾客的需求，但也会迫使顾客被动升级或更新。已有研究开始关注供应链关系对于企业技术创新的影响。供应商集中度与客户集中度是在供应链研究中用来量化关系的重要指标与切入点[6]。丁莹莹和乔琳(2020)研究发现企业供应链之间纵向与横向的合作均有利于提高创新绩效[7]；吉利和陶存杰(2019)研究认为客户集中度能提高企业创新业绩，供应商集中度对创新业绩的提高局限在较低的区间内[8]；王勇和王小丽(2020)指出对核心供应商的依赖会制约创新产出[9]；孟庆玺等(2018)发现当公司的客户议价能力相对较强、破产风险相对较高或与公司存在直接关联等问题时,会严重阻碍公司技术创新[10]；徐虹等(2016)研究指出客户集中度与企业创新之间呈现U型关系[11]。现有研究没有形成一致性结论，而且没有分析顾客和供应商对企业技术创新的复合影响。

与此同时，与供应商和客户关系的紧密程度也会对企业的信贷能力、经营风险、现金持有水平等产生重要影响[12,13]。供应商和客户与掣肘企业投资决策的资金资源相联系，引出思考，供应链关系会如何影响技术创新？已有研究并未得到一致的结论，缺乏供应链集中度影响企业技术创新的传导路径研究，且仅仅研究“供应商—企业”、“客户—企业”两方关系不足以展现供应链集中度对技术创新的影响。本文以融资约束为中介变量，利用2009—2019年A股上市公司数据来研究供应商、客户集中度对企业技术创新的影响。结果表明，“大供应商”与“大客户”对企业创新的影响是反方向的，“大供应商”通过加剧企业外部融资约束的中介路径从而制约技术创新，“大客户”能够缓解企业的融资约束从而提高技术创新水平，且“大供应商”与“大客户”的“角力”会受到企业现金流、产权性质影响。

研究可能的贡献：第一，以往技术创新影响因素的研究，往往聚焦在企业内部公司治理、自身特征以及外部制度环境等，本文关注企业外部利益相关者尤其是供应链上的主体，以供应商、客户集中度来衡量供应链关系，探究“大供应商”、“大客户”对技术创新的影响，是企业创新研究的拓展；第二，本文从资金角度来研究供应链关系是否会影响企业资金状况从而促进或制约企业创新，研究了供应链关系影响技术创新的中介机制，融资约束是大供应商、大客户影响技术创新的中介变量，将外部环境观与内部资源观有机结合，厘清了“供应链关系—资金资源—企业创新”的影响路径；第三，本文考虑了不同情境下企业自身特征对结论的影响。

一、理论分析与假设提出

社会嵌入理论中的关系嵌入是指企业会受到相互联结企业行为的影响，通过信息沟通与新观点、新实践传播等方式使其行为存在同质性[14]。企业、供应商与客户在频繁的交易活动中形成关系嵌入，大供应商与大客户的信息或观点会对行为选择产生重要影响[15]。技术创新是在创新驱动发展的大环境下企业提升自身竞争优势重要的决策选择，亦会受到供应链关系的影响。

(一)供应商集中对企业技术创新的影响

在供应链关系中，上游供应商是企业重要的利益相关者。供应商集中度较高意味着企业与部分大供应商保持着紧密的联结合作关系。供应商集中的经济后果主要有以下方面：

供应商集中时，企业与部分上游企业形成稳定的关系，一方面减少生产和交易成本，另一方面在交易来往中嵌入了隐形契约。此时企业往往会对大供应商产生依赖与过度信任，关系一旦终止，企业难以在短时间内找到合适的替代供应商，企业生产经营缺乏持续的原料供应带来较高的经营风险。技术创新是一项风险高、需要长期资金投入的投资活动[16]。为了控制总体风险，企业会减少研发创新投资[17]。大供应商发生改变后，企业与其在长期合作中形成的专有资产在短时间内难以转移，无法抵押给银行来获取银行信贷，进一步加剧外部融资约束。随着供应商与企业紧密程度的加深，出于对大供应商的承诺性动机，即保持货款支付能力和稳定的长期合作关系，企业选择增加大量现金持有[13]，谨慎考虑研发资金投入。在内部可投入资金缺乏，外部融资约束受阻的情况下，技术创新受到了抑制。

此外，经济依存度高的经济主体之间存在危机传染效应[18]。公司危机会在上下游企业之间相互传染，下游企业财务危机会影响到上游企业市场价值。从传染效应的角度，关联度较高的供应商会考虑下游企业财务风险状况，如果下游企业面临较高的财务风险，会直接影响到供应商产品销售与账款收回，从大供应商的创新需求来看，当下游企业进行风险较高、投入较大的创新投资时，大供应商会考虑到下游企业面临的风险状况出于预防动机反对下游企业过多的研发投入，从而不利于企业的技术创新[17]。从供应商集中的经济后果创新需求角度，供应商集中度较高均不利于创新投入。由此提出假设1:

H1:供应商集中度提高会抑制企业技术创新。

(二)客户集中对企业技术创新的影响

大客户使得企业供应链保持稳定，促进供应链整合，从而改善企业经营状况，降低财务风险与权益资本成本[19]，因此拥有大客户的企业更能获得高收益。稳定的供应链关系能让银行对企业未来业绩发展做出可靠预期，增强提供贷款意愿[12]。创新投入需要大量资金，客户集中使企业可以从内部现金流和外部信贷融资渠道获得创新所需的资金来源，从而促进技术创新。Andersson等(2002)认为企业与客户之间的交易关系嵌入会促进企业与客户之间知识与信息共享[15]，从而增加新产品的开发优势[20]。客户拥有丰富的市场需求信息以及技术经验，是企业技术创新重要的来源，较高的客户集中度意味着企业会与部分大客户保持密切的联系，双方的密切合作能促进服务信息、市场需求、技术经验的交流。创新并不是盲目地追求新技术，而是要针对客户的真实需求进行创新。稳定的“企业—客户”关系有助于企业更好地了解大客户的新产品需求，降低新产品搜寻成本，确定技术创新的目标和方向，与大客户的技术经验交流有助于企业从大客户获取现有技术，减少创新前期的阻碍[10]。由此提出假设2：

H2:客户集中度提高会促进企业技术创新。

(三)融资约束的中介效应

当内部资金不够满足企业研发需要的同时，也较难通过外部融资筹到资金，企业即面临融资约束，此时企业对每一项结果不确定的创新投资都呈现谨慎态度[21]，不利于企业创新投入。融资环境较宽松时，企业有机会从外部获得资金促进技术创新。企业与供应商、客户关系会影响企业融资环境，在供应商集中的情况下，企业出于承诺性动机和预防性动机[13]，选择保持较高现金持有，减少高风险的创新投资。企业外部融资方式对企业研发投入具有重要的影响[22,23]。供应商集中时企业面临专有资产被套牢的风险，一旦合作关系破裂，专有资产难以短时间内转让、抵押会进一步增加企业从银行获取信贷的难度，当企业采购依赖于少数大供应商时，在议价能力方面处于不利地位，此时大供应商会提出更多如增加现销、减少赊销、缩短还款期限等条件，企业很难在大供应商处获取商业信用融资[24]。融资约束会对技术创新产生负面影响[25]，因此供应商高度集中增强企业融资约束从而抑制技术创新。相反，稳定的“企业—客户”关系使得外部对企业形成未来业绩平稳可靠的预期，做出低风险评估，增强银行信贷意愿[12]。客户集中可以缓解企业融资约束难度，通过外部融资为企业研发投资提供资金来源促进其开展技术创新。因此融资约束在供应链集中度与技术创新之前起到中介效应。据此提出假设3：

H3a：融资约束在供应商集中度与企业技术创新之间存在显著的中介效应。

H3b：融资约束在客户集中度与企业技术创新之间存在显著的中介效应。

二、研究设计

(一)样本选择与数据来源

本文以2009—2019年全部A股上市公司作为初始样本，因上市公司从2009年开始披露前五大供应商与客户名称、采购额与销售额，故本文研究样本从2009年开始，考虑到2020年疫情对企业经营的严重影响，全样本数据截至2019年。剔除金融行业企业与ST企业以及数据缺失样本后，共得到12 172个有效公司—年度样本观测值，文中使用数据全部来自于CSMAR数据库，使用STATA14.0进行相应的实证分析，并对所有的连续变量进行1%的winsor缩尾处理。

(二)主要变量的选取

1.解释变量

本文的主要解释变量是供应商集中度(SC)和客户集中度(CC)。参考唐跃军(2009)[26]的研究，供应商集中度(SC)采用上市公司年报披露的前五大供应商合计采购金额占全年采购金额的比例来衡量；客户集中度(CC)采用上市公司年报中披露的前五大客户合计销售金额占全年销售金额的比例来衡量。

2.被解释变量

本文的被解释变量为企业技术创新，主要选用研发投入这一指标来衡量。参考已有文献，研发投入(RD)采用年报提供的研发投入与营业收入的比值来确定。

3.中介变量

为了研究供应链集中度是否通过融资约束影响技术创新，本文以融资约束作为中介变量，现有文献广泛采用KZ指数来衡量企业的融资约束程度[27，28]，因此参考Kaplan和Zingales(1997)[29]，根据公司经营性现金流、股利、资产负债率、市值等财务指标构建融资约束指数(KZ)，指数越大融资约束程度越高。

4.控制变量

依据王迪等(2016)[12]、孔德议和许安心(2020)[30]的研究，设置以下控制变量：资产期限结构(PPE)用期末固定资产净值占期末总资产之比表示；财务杠杆(Lev)用期末总负债与总资产之比表示；公司规模(Size)即期末总资产的自然对数；盈利能力(ROA)以公司本年净利润与期末总资产的比值表示；股权集中度(Top1)用公司第一大股东的持股比例表示；两职兼任情况(Dual)为虚拟变量，当公司董事长和总经理由同一人担任时取值为1，其余为0；产权性质(SOE)也是虚拟变量，国有企业取1，非国有企业取0；公司市值(TobinQ)即市值与总资产之比；除此以外还控制了年度与行业，行业的分类主要参考2012年修订的《上市公司行业分类指引》。

(三)模型设计

1.主回归模型

Innovateit=β0+β1SCit+β2Controlit+∑Ind+∑Year+εit

(1)

Innovateit=β0+β1CCit+β2Controlit+∑Ind+∑Year+εit

(2)

Innovateit=β0+β1SCit+β2CCit+β3Controlit+∑Ind+∑Year+εit

(3)

其中，Innovateit表示企业i在t年份的技术创新水平，由研发投入(RD)这一指标进行衡量；模型(1)中SCit为企业i在t年份的供应商集中度，β1>0表示供应商集中度促进了企业技术创新，反之则抑制了企业技术创新；同理，模型(2)中CCit为企业i在t年份的客户集中度；模型(3)将供应商集中度、客户集中度同时放入一个模型中，比较大供应商与大客户同时对企业技术创新产生的影响；Controlit表示控制变量；∑Ind与∑Year控制了行业和年度；εit表示随机扰动项。

2.中介效应模型

在中介效应的检验上，本文借鉴温忠麟等(2004)[31]的方法，构建以下三个模型来证实此路径：模型(4)检验供应商/客户集中度对技术创新的影响，若系数α1显著，则用模型(5)来检验解释变量(供应商/客户集中度)对中介变量(融资约束)的影响；把解释变量和中介变量一同纳入到模型(6)中，如果系数γ1和γ2都显著，则为部分中介效应，如果系数γ2显著而γ1不显著，则为完全中介效应，如果系数γ2不显著，则中介效应不成立。Xit表示本文的解释变量：供应商集中度(SCit)与客户集中度(CCit)。

RDit=α0+α1Xit+α2Controlit+∑Ind+∑Year+εit

(4)

KZit=β0+β1Xit+β2Controlit+∑Ind+∑Year+εit

(5)

RDit=γ0+γ1Xit+γ2KZit+γ3Controlit+∑Ind+∑Year+εit

(6)

三、实证结果与分析

(一)描述性统计

表1列示了主要变量描述性统计结果。样本期间内A股上市公司供应商集中度平均为0.330，最小值为0.044，最大值为0.942，客户集中度均值为0.310，最小值为0.015，最大值为0.967，说明上市公司中存在“大供应商”与“大客户”，但也存在部分企业供应商与客户较分散的情形；研发投入平均值为0.047，标准差为0.042，最大值与最小值之间差距较大，从研发投入可以看出样本企业之间创新水平差异较大，一些企业研发投入微乎其微。描述性统计说明样本之间存在足够大的差异，有利于实证分析。对表1中的变量进行方差膨胀因子(VIF)检验，最大值为2.95，小于方差膨胀因子阈值10，说明并不存在多重共线性问题。

表1 主要变量描述性统计

(二)主回归结果

表2是采用最小二乘法对模型(1)(2)(3)回归后的结果。为检验供应商集中度对企业技术创新的影响，本文从投入角度，以研发投入作为衡量指标，按照模型(1)对全样本进行回归，回归结果如列(1)所示：供应商集中度与研发投入的系数在1%水平上显著为负，说明供应商集中不利于企业创新投入，与假设H1相符；客户集中度对企业技术创新的影响系数在1%水平上显著为正，这说明客户集中有利于企业创新投入，与假设H2相符，而这一结论也可以用现实案例相佐证：国家高新技术企业鸿富瀚拥有较高的客户集中度，其直接客户为富士康集团、鹏鼎控股等功能性器件制造商，最终客户为苹果、微软、华为、小米等尖端电子产品品牌商，集中稳定的“大客户”使得鸿富瀚能够准确掌握市场信息，而为了满足终端产品的定制化需求，鸿富瀚重视研发创新，研发投入逐年增长，最终形成多项技术成果。

表2 供应商/客户集中度对企业研发投入的影响

以上的研究主要基于企业与供应商或企业与客户二元关系的单方面交易，但在实际交易过程中，企业、供应商、客户之间会存在同时进行的三元关系[32]，为了检验大供应商与大客户同时对企业技术创新的影响，将供应商集中度与客户集中度放入同一模型，结果与主回归结果相一致，证实了主回归结果的稳健性。

(三)融资约束的中介作用

表3列示了假设H3的实证结果。列(1)为按模型(4)回归的供应商集中度与研发投入的实证结果，供应商集中度越高越不利于技术创新；列(2)为按模型(5)回归的结果，显著的正相关关系说明供应商集中会加剧企业融资约束；列(3)为模型(6)的回归结果，加入融资约束KZ指数后，供应商集中度与研发投入、融资约束与研发投入系数均显著为负，这说明融资约束起到了部分中介效应，较高的供应商集中度会加剧融资约束从而抑制技术创新，验证了假设H3a。表3中列(4)为客户集中度与研发投入的实证结果，客户集中显著促进企业创新投入；列(5)为客户集中度与KZ指数的回归结果，系数在10%水平上显著为负，说明稳定的客户关系能有效缓解企业融资约束；将研发投入、客户集中度与中介变量放入同一回归模型，结果显示客户集中度系数显著为正，融资约束系数显著为负，这说明融资约束起到中介效应，较高的客户集中度能缓解融资约束问题促进企业创新投入，验证了假设H3b。

表3 融资约束中介效应检验

四、不同情境下大供应商与大客户“角力”技术创新

为了进一步研究供应商、企业、客户的三元关系是否会受到核心企业自身特征的影响，本文从现金流、产权性质两个方面进行考察不同情境下大供应商与大客户“角力”技术创新。

企业现金流特征不仅能反映企业支付能力的大小，而且能增强企业抵御风险的能力[33]，是影响创新的重要因素。创新每个环节都需要大量的资金投入，且现金流敏感性较高[2]，较高的现金流可以为创新活动提供充足的资金来源，也能降低研发风险[34]。因此企业自身的现金流特征会影响供应链集中度与技术创新的关系。为了检验现金流的调节作用，构建模型(7)，交乘项的系数α2即为现金流的调节作用。

RDit=α0+α1Xit+α2Xit*CFOit+α3CFOit+α4Controlit+∑Ind+∑Year+εit

(7)

回归结果如表4所示：供应商集中度与现金流的交乘项系数显著为负，说明企业内部现金流能有效缓解“大供应商”对技术创新的抑制作用，现金流充足时，企业可以从内部获取创新所需资金，改善资金来源被外部环境掣肘的情形；客户集中度与现金流交乘项系数显著为正，说明内部较高的现金流条件使得“大客户”对企业创新的促进作用更明显。总之，现金流的调节效应说明大供应商与大客户对技术创新的“角力”会受到企业现金流状况的影响，企业内部现金流较高时，两方对企业的“角力”会减弱。

表4 现金流与产权性质的调节效应

在资本市场中，企业根据产权性质分为国有企业与非国有企业。两者在经营目标、资源禀赋、信用融资、创新需求、经营决策等方面存在着较大的差异[35]。国有企业与政府密切联系使政府可以为国有企业投资活动提供补助[5]，创新投资作为企业最重要的投资活动，亦受到政府创新资源、优惠政策、融资环境的影响[36]。因此本文进一步研究供应链集中度对技术创新的作用是否会受到产权性质的影响。为了检验产权性质的调节作用，构建以下模型：

RDit=α0+α1Xit+α2Xit*SOEit+α3SOEit+α4Controlit+∑Ind+∑Year+εit

(8)

交乘项系数α2即为产权性质的调节作用，结果如表4所示：供应商集中度与产权性质的交乘项系数显著为负，说明国有企业性质可以负向调节供应商集中度对企业创新投入的不利作用，这是因为国有企业在市场中处于强势地位，国有性质使企业在议价过程中拥有更高话语权，受到大供应商“敲竹杠”的可能性更小，且国有企业背靠政府，拥有相对宽松的信贷政策以及更强的抵御风险能力，因此国有性质能削弱一部分供应商集中度对企业经营发展的威胁，缓解集中的供应商关系对企业技术创新的抑制作用。列(4)中，客户集中度与产权性质的交乘项不显著，这说明大客户对企业创新投入的促进作用在国有与非国有企业中没有显著差异。总之，国有背景使得企业获得更好的创新条件，缓解“大供应商”过于强势攫取企业利润、增加经营风险、增强融资约束对企业技术创新的抑制作用，适当减弱“大供应商”与“大客户”在创新投入上“角力”的情形。

五、稳健性检验

(一)解释变量滞后一期

上述的回归检验可能会存在内生性问题，考虑到供应链集中度会影响企业技术创新，而企业的创新水平反过来也会影响企业对供应商与客户的选择，为了排除内生性的干扰，本文以滞后一期的供应商/客户集中度重新对企业的研发投入进行回归，结果表明，解释变量滞后一期后，供应链集中度对企业技术创新的影响依旧与主回归中的多元回归结果保持一致，即假设依旧成立。

(二)U型关系检验

徐虹等(2016)[11]的研究表明客户集中度与技术创新呈非线性的U型关系，因此本文增加了供应链集中度与企业研发投入之间U型关系的考察，在模型(1)、(2)中分别加入了供应商集中度与客户集中度的二次项，供应商集中度的二次项(SC2)和客户集中度的二次项(CC2)均未通过显著性检验，即供应商/客户集中度与企业研发投入不存在U型关系。

(三)更换被解释变量

前文主要研究了供应商/客户集中度对企业研发投入的影响，为了保持结果的稳健，本文更换被解释变量，从产出的角度研究供应链集中度是否会影响创新产出。借鉴王康等(2019)[37]和Hall和Harhoff(2012)[23]的研究，创新产出采用专利申请量(lnPatents)、发明专利申请量(lnInvention)、专利授权量(lnPatents1)、发明专利授权量(lnInvention2)四个指标进行衡量。考虑到技术创新的长周期性，从专利的投入、发明到申请、授予需要一定的时间，对产出变量进行滞后一期处理。结果显示，供应商集中度与专利申请量、发明专利申请量、专利授权量、发明专利授权量的系数都显著为负，这说明供应商集中不利于企业的创新产出；客户集中度与专利申请量的系数显著为正，但与发明专利申请量、专利授权量、发明专利授权量的系数并不显著，这说明大客户对企业研发投入的促进作用在一段时间内未能很好地转化为成果性产出。

除此以外，本文还采用层级回归的方法、选取制造业样本回归，结果依旧保持一致，本文主要结论仍然成立。

六、结论与启示

在我国经济发展方式由要素驱动转向由创新驱动以及企业之间的竞争逐渐转变为供应链竞争的大背景之下，研究供应链关系对企业技术创新的影响具有重要的意义。本文基于2009—2019年A股上市公司数据，研究供应商/客户集中度对企业技术创新的影响。实证发现：高度集中的供应商关系对企业技术创新起到阻碍作用；而客户的集中度会对企业技术创新起到促进作用；大供应商与大客户对技术创新的“角力”会受到企业自身现金流、产权性质的影响。融资约束在供应链关系与企业技术创新之间起到部分中介作用。

本文的研究发现也具有一定的启示作用：企业与上下游关系嵌入使企业经营状况与财务政策深受供应链网络的影响，当企业与部分大供应商、大客户建立依赖关系时，要警惕供应链上企业的经营恶化导致“牵一发而动全身”的局面；“大供应商”的存在会给企业带来一定的经营风险、融资约束，从而阻碍研发创新行为，因此企业应避免经营业务被大供应商牵制，同时分散供应商使企业有机会从不同上游企业获得更多异质性创新资源；大客户对企业创新影响体现在对创新投入的有利方面，稳定的企业与客户关系可以获得更多信贷机会，缓解融资约束，因此企业要处理好与客户之间的关系，保持经营稳定，为技术创新提供良好资金条件与企业环境；融资约束会阻碍企业技术创新，在呼吁创新的当今，政府应大力拓宽企业的低成本融资渠道，通过金融与税收优惠政策扶持新兴企业发展，营造更好的自主创新环境。总而言之，供应链关系对企业发展是一把双刃剑，企业在创新过程中应趋利避害，合理利用好大供应商与大客户在创新资源与信息交流上的优势，以客户需求反哺企业研发设计，同时企业通过提供创新产品保持稳定的客户源，实现企业与上下游企业从“竞争”到“竞合”再到“共创、共赢”。