供應(yīng)鏈融資與企業(yè)全要素生產(chǎn)率
——基于中國上市公司特征的分析

■ 高 勁，宋佳訊

一、引言

在宏觀經(jīng)濟形勢變幻莫測，市場競爭多元化的背景下，單個企業(yè)的風(fēng)險會因供應(yīng)鏈的存在而傳導(dǎo)至其他企業(yè)，同一供應(yīng)鏈內(nèi)部各企業(yè)之間的聯(lián)系和依存性較以往更強。供應(yīng)鏈金融便是一種以供應(yīng)鏈所有組成企業(yè)為基準(zhǔn)，銀行、金融機構(gòu)或?qū)嶓w企業(yè)根據(jù)整個鏈條的特點和企業(yè)信用水平，以企業(yè)經(jīng)營產(chǎn)生的預(yù)期現(xiàn)金流入作為還款來源，以短期金融產(chǎn)品和封閉貸款為主的單筆或額度授信方式的融資方式。與普通貿(mào)易融資相比，供應(yīng)鏈金融具有去中介性、高風(fēng)險性以及風(fēng)控復(fù)雜性的特點，屬于金融機構(gòu)和實體企業(yè)或供應(yīng)鏈上下游企業(yè)之間開展的短期借貸市場。

作為一種新型融資形式，供應(yīng)鏈融資行為能否促進資源配置優(yōu)化，使存在資金需求的企業(yè)及時有效地獲取資金支持，提高經(jīng)濟運轉(zhuǎn)效率和整體社會效益，逐漸成為學(xué)術(shù)界所關(guān)注的一大重要話題。目前我國經(jīng)濟發(fā)展正處于向高質(zhì)量發(fā)展轉(zhuǎn)型的攻關(guān)期，“效率”逐漸成為微觀和宏觀經(jīng)濟的重點關(guān)注對象，提高企業(yè)和經(jīng)濟體系整體的運作效率是我國經(jīng)濟轉(zhuǎn)型能否成功的關(guān)鍵所在。本文通過探究企業(yè)供應(yīng)鏈融資行為與企業(yè)生產(chǎn)經(jīng)營效率之間的因果關(guān)系，研究二者之間的潛在機制，不僅豐富了供應(yīng)鏈金融領(lǐng)域的實證研究，還拓展了企業(yè)全要素生產(chǎn)率的影響因素研究。

二、文獻綜述

全要素生產(chǎn)率可以度量總體投入轉(zhuǎn)化為產(chǎn)出的效率，能夠反映技術(shù)進步以及其他生產(chǎn)中無法精確計量的因素。企業(yè)規(guī)模和要素密度、企業(yè)數(shù)字經(jīng)濟轉(zhuǎn)型等特征在一定程度上會對全要素生產(chǎn)率產(chǎn)生影響（孫曉華和王昀，2014；杜傳忠和張遠(yuǎn)，2021）。Ayyagari et al.（2010）證實了融資約束對于企業(yè)全要素生產(chǎn)率的抑制作用。Krishnan et al.（2015）在自然實驗框架下證明融資渠道的增加可以提高企業(yè)的全要素生產(chǎn)率。融資約束會導(dǎo)致企業(yè)外源融資困難，進而不得不放棄一些有利于企業(yè)發(fā)展的投資決策和研發(fā)行為，降低企業(yè)資源配置效率，從而抑制企業(yè)生產(chǎn)率的提升（鞠曉生等，2013）。

對供應(yīng)鏈金融的研究更多地著眼于定性分析以及模式和體系的探索。隨著金融科技發(fā)展穩(wěn)步邁進，國內(nèi)的供應(yīng)鏈金融從基本的三大模式（應(yīng)收賬款融資模式、保兌倉融資模式、融通倉融資模式）到如今已經(jīng)有“數(shù)據(jù)抵押”以及虛擬產(chǎn)業(yè)集群等眾多新型線上模式（宋華和盧強，2017）。此外，數(shù)字經(jīng)濟和金融科技發(fā)展產(chǎn)物都協(xié)助提升了供應(yīng)鏈金融的風(fēng)控嚴(yán)格性和企業(yè)融資便利性，例如與區(qū)塊鏈等結(jié)合而催生的數(shù)字供應(yīng)鏈金融模式（龔強等，2021）。對供應(yīng)鏈金融進行定量分析的文獻基本圍繞供應(yīng)鏈金融與企業(yè)融資約束限制展開。已有學(xué)者在研究融資約束的現(xiàn)金——現(xiàn)金流框架下證明了供應(yīng)鏈金融有助于緩解中小企業(yè)融資約束（張偉斌和劉可，2012）。進一步地，信息不對稱程度、產(chǎn)融結(jié)合、企業(yè)供應(yīng)鏈整合能力等被證明可以促進這種效應(yīng)（宋華和盧強，2017），而且通過緩解融資約束這一中介機制，供應(yīng)鏈金融能夠激勵企業(yè)創(chuàng)新行為（凌潤澤等，2021）。

綜上所述，現(xiàn)有文獻對供應(yīng)鏈金融進行實證分析并不多。對企業(yè)融資行為的研究主要聚焦于企業(yè)所受的融資約束，即如何緩解融資約束進而提高企業(yè)生產(chǎn)效率。目前已有從“普惠金融”“數(shù)字金融”角度切入的實證分析，而供應(yīng)鏈金融同樣是緩解企業(yè)融資約束不可或缺的一環(huán)，其與生產(chǎn)效率之間的關(guān)系具備很大研究空間。因此本文根據(jù)已有文獻對企業(yè)供應(yīng)鏈融資行為所產(chǎn)生的影響進行進一步研究，以豐富這一領(lǐng)域的研究成果。

三、研究假設(shè)

供應(yīng)鏈金融作為一項針對供應(yīng)鏈整體的高效融資方式，與傳統(tǒng)融資相比，銀行針對整個供應(yīng)鏈貿(mào)易往來的總體情況與多個企業(yè)產(chǎn)生一對多的信用關(guān)系，可以通過解決因企業(yè)抵押物缺乏、市場信息不對等產(chǎn)生的融資約束問題（張偉斌和劉可，2012）。供應(yīng)鏈金融發(fā)展帶來融資約束的降低與融資渠道的豐富，幫助企業(yè)解決由于資源錯配導(dǎo)致的低效率，填補企業(yè)經(jīng)營過程中存在的資金缺口，促進企業(yè)創(chuàng)新研發(fā)以及全要素生產(chǎn)率的提升（鞠曉生等，2013；Krishnan et al.，2015）。供應(yīng)鏈金融還可經(jīng)由供應(yīng)鏈知識外溢促進企業(yè)研發(fā)投入，進而提升企業(yè)生產(chǎn)效率（凌潤澤等，2021）。據(jù)此提出研究假設(shè)1。

假設(shè)1：企業(yè)供應(yīng)鏈融資行為有助于提升企業(yè)全要素生產(chǎn)率。

供應(yīng)鏈金融對企業(yè)的影響因企業(yè)類型而異。企業(yè)生命周期的不同階段特征有所不同，表現(xiàn)在股利政策、代理問題、融資約束、投資效率等方面的差異（黃宏斌等，2016；謝佩洪和汪春霞，2017）。相較于成熟和衰退期的企業(yè)，處于成長期的企業(yè)運作產(chǎn)生大量資金需求，然而外部資金支持存在成本以及自身盈利能力的滯后性，供應(yīng)鏈金融在該類企業(yè)中對于生產(chǎn)效率提升的邊際效果更強，更有助于這些企業(yè)在公司運營和市場競爭中取得優(yōu)勢地位。據(jù)此提出研究假設(shè)2。

假設(shè)2：供應(yīng)鏈融資行為對于企業(yè)全要素生產(chǎn)率的影響主要作用于成長期企業(yè)。

數(shù)字經(jīng)濟發(fā)展可以提高微觀企業(yè)的生產(chǎn)效率以及治理效率，同時改善企業(yè)經(jīng)營目標(biāo)（杜傳忠和張遠(yuǎn)，2021）。供應(yīng)鏈具有網(wǎng)絡(luò)屬性并涵蓋眾多分支企業(yè)，數(shù)字經(jīng)濟發(fā)展轉(zhuǎn)型與應(yīng)用有利于企業(yè)高效進行供應(yīng)鏈風(fēng)險監(jiān)測和供應(yīng)鏈關(guān)系的維持與管理，獲取供應(yīng)鏈融資以及提高資金專項利用效率，進而有利于企業(yè)全要素生產(chǎn)率的提升。據(jù)此提出研究假設(shè)3。

假設(shè)3：數(shù)字經(jīng)濟轉(zhuǎn)型程度起正向調(diào)節(jié)作用。

為了應(yīng)對宏觀經(jīng)濟的多變，在激烈的市場競爭環(huán)境中脫穎而出，企業(yè)進行供應(yīng)鏈管理加強與上下游企業(yè)之間的合作很有必要。高的供應(yīng)鏈集中度意味著供應(yīng)商和客戶之間的關(guān)系穩(wěn)定，在實際的經(jīng)營活動中有助于提高企業(yè)的財務(wù)業(yè)績，降低企業(yè)的期間費用，加速存貨資產(chǎn)的周轉(zhuǎn)，提升資源利用效率（Lanier et al.，2010），降低風(fēng)險和權(quán)益資本成本（陳峻等，2015），并且能夠有利于降低企業(yè)融資約束（王曉燕等，2020）。穩(wěn)定的供應(yīng)鏈關(guān)系有助于企業(yè)開展供應(yīng)鏈融資行為，且在供應(yīng)鏈金融對生產(chǎn)效率的提高效應(yīng)中起正向調(diào)節(jié)作用，當(dāng)供應(yīng)鏈集中度增大時，企業(yè)可以通過供應(yīng)鏈融資行為進一步加強與上下游企業(yè)之間的合作，提高企業(yè)在采購、運作以及銷售等方面的效率，促進全要素生產(chǎn)率的增長。據(jù)此提出研究假設(shè)4。

假設(shè)4：供應(yīng)鏈穩(wěn)定性發(fā)揮正向調(diào)節(jié)作用。

四、變量說明與模型設(shè)計

（一）變量與數(shù)據(jù)選取

從 CSMAR 數(shù)據(jù)庫選取2011—2020 年非金融業(yè)的A股上市公司，剔除樣本期內(nèi)被ST、PT警示企業(yè)，剔除所有者權(quán)益、營業(yè)收入為負(fù)以及資不抵債的企業(yè)，剔除上市未滿一年的企業(yè)。對所有連續(xù)型變量進行了上下1%分位的Winsorize處理。

解釋變量為供應(yīng)鏈融資行為（SCF）。借鑒姚王信等（2017），采用每年短期借款與應(yīng)付票據(jù)之和與總資產(chǎn)的比值作為供應(yīng)鏈融資行為的代理變量。該值越大，意味著企業(yè)以供應(yīng)鏈上下游關(guān)系開展的供應(yīng)鏈融資規(guī)模越大，供應(yīng)鏈金融發(fā)展程度越高。

被解釋變量為全要素生產(chǎn)率（TFP）。基于柯布道格拉斯生產(chǎn)函數(shù)來計算全要素生產(chǎn)率，式（1）為C-D函數(shù)。其中Y表示產(chǎn)出，即企業(yè)營業(yè)收入，L和K分別是勞動和資本的投入，即員工數(shù)量和資產(chǎn)總計。

取對數(shù)得到式（2），誤差項μ包含企業(yè)的全要素生產(chǎn)率變量，μ包含了當(dāng)期能夠被觀測到的部分ν與當(dāng)期無法觀測的部分e，而且ν會與解釋變量相關(guān)進而產(chǎn)生內(nèi)生性問題，普通OLS和差分固定效應(yīng)法估計都會產(chǎn)生偏誤。

Olley & Pakes（1996）引入企業(yè)當(dāng)期投資作為當(dāng)期沖擊的代理變量，解決估計過程中的內(nèi)生性問題，并采用存活概率模型來解決選擇性偏差問題（即OP 法）。在此基礎(chǔ)上，Levinsohn&Petrin（2003）提出了LP方法：由于不一定每個企業(yè)每年都會增加投資，故采用企業(yè)中間投入品作為企業(yè)投資的工具變量。本文出于穩(wěn)健性考慮，同時采用OP法和LP法計算出的全要素生產(chǎn)率進行回歸。除此之外，參考已有研究，納入了關(guān)于企業(yè)特征和公司治理的一系列指標(biāo)作為控制變量。變量的定義和描述性統(tǒng)計見表1所示。

表1 變量說明及描述性統(tǒng)計

變量類型指標(biāo)符號被解釋變量全要素生產(chǎn)率TFP核心解釋變量TFP_OP TFP_LP控制變量供應(yīng)鏈融資行為企業(yè)規(guī)模資產(chǎn)負(fù)債率股權(quán)集中度固定資產(chǎn)比例二職合一托賓Q值股票回報率企業(yè)成長性經(jīng)營現(xiàn)金流管理層規(guī)模現(xiàn)金持有SCF Size Lev Holding PPE Dual Tobin′s Q Return Growth Operation Board Cash含義見 Olley&Pakes（1996）見 Levinsohn&Petrin（2003）（短期借款+應(yīng)付票據(jù)）/資產(chǎn)總計總資產(chǎn)的自然對數(shù)負(fù)債總計/資產(chǎn)總計前十大股東持股比例固定資產(chǎn)總計/資產(chǎn)總計如果董事兼任經(jīng)理則為1，否則為0企業(yè)市場價值/賬面價值（年末收盤價-年初收盤價）/年初收盤價營業(yè)收入增長率經(jīng)營活動產(chǎn)生的現(xiàn)金流/資產(chǎn)總計董事人數(shù)現(xiàn)金與現(xiàn)金等價物/資產(chǎn)總計均值6.666 9.127 0.131 22.14 0.398 0.601 0.207 0.287 2.159 0.112 0.157 0.051 8.561 0.172極小值3.207 5.785 0 19.98 0.050 0.247 0.003 0 0.893-0.575-0.508-0.135 5 0.013極大值11.42 13.58 0.483 26.24 0.835 0.906 0.675 1 8.379 2.168 1.844 0.234 15 0.638標(biāo)準(zhǔn)差0.863 1.101 0.115 1.294 0.196 0.149 0.153 0.452 1.302 0.509 0.331 0.065 1.685 0.132

（二）模型設(shè)計

為了考察假設(shè)1，設(shè)定模型（3）進行雙向固定效應(yīng)回歸，即控制個體和年份的虛擬變量：

為了考察假設(shè)2，根據(jù)Dickinson（2011）的現(xiàn)金流組合法，按照表2方式對所有企業(yè)按照生命周期分樣本回歸。

表2 生命周期劃分

注：+代表現(xiàn)金流流入，-代表現(xiàn)金流流出。

生命周期成熟期成熟成長期導(dǎo)入增長衰退期淘汰淘汰淘汰衰退衰退經(jīng)營現(xiàn)金流量投資現(xiàn)金流量籌資現(xiàn)金流量期 - - +期 + - +期 + - -期 - - -期 + + +期 + + -期 - + +期 - + -

為了考察假設(shè)3，在模型（3）的基礎(chǔ)上引入企業(yè)數(shù)字經(jīng)濟轉(zhuǎn)型程度（digital）與供應(yīng)鏈融資模式的交互項SCF×digital。數(shù)字經(jīng)濟轉(zhuǎn)型程度（digital）包含5 個變量，考慮人工智能、區(qū)塊鏈、大數(shù)據(jù)、數(shù)字技術(shù)應(yīng)用和云計算五大領(lǐng)域。采用文本分析法計算以上五大數(shù)字經(jīng)濟技術(shù)的細(xì)分指標(biāo)在企業(yè)年度財務(wù)報表里出現(xiàn)的頻次，如表3所示，得到以上5個企業(yè)的數(shù)字經(jīng)濟轉(zhuǎn)型程度代理變量，分別進行調(diào)節(jié)效應(yīng)回歸。

表3 數(shù)字經(jīng)濟轉(zhuǎn)型指標(biāo)

數(shù)字經(jīng)濟轉(zhuǎn)型人工智能（AI）區(qū)塊鏈（Blockchain）大數(shù)據(jù)（Bigdata）數(shù)字技術(shù)應(yīng)用（DT）云計算（Cloud）細(xì)分指標(biāo)機器學(xué)習(xí)、自動駕駛、深度學(xué)習(xí)等智能合約、數(shù)字貨幣、去中心化等數(shù)據(jù)可視化、虛擬現(xiàn)實、征信等互聯(lián)網(wǎng)金融、工業(yè)互聯(lián)網(wǎng)、移動互聯(lián)網(wǎng)等融合架構(gòu)、信息物理系統(tǒng)、云計算等

為了考察假設(shè)4，在模型（3）的基礎(chǔ)上引入供應(yīng)鏈集中度con（企業(yè)每一年前五大供應(yīng)商采購額占總采購額比率sup與前五大客戶銷售額占總銷售額比率cus的均值）和解釋變量SCF的交互項。并將供應(yīng)鏈集中度細(xì)分為供應(yīng)商集中度（sup）和客戶集中度（cus），分別考察調(diào)節(jié)效應(yīng)。

五、實證結(jié)果與分析

表4 為模型（3）雙向固定效應(yīng)回歸的結(jié)果。列（1）和列（3）中供應(yīng)鏈融資（SCF）的系數(shù)均在1%的水平下顯著為正，意味著在控制個體和年份的基礎(chǔ)上，供應(yīng)鏈金融有助于促進企業(yè)全要素生產(chǎn)率的提升。列（2）和列（4）中，供應(yīng)鏈融資（SCF）系數(shù)分別在5%和1%的水平下顯著為正，意味著在控制其他因素的前提下，供應(yīng)鏈融資對于企業(yè)全要素生產(chǎn)率依然具有統(tǒng)計學(xué)意義上的促進效果，研究假設(shè)1得以驗證。

表4 雙向固定效應(yīng)回歸結(jié)果

變量（2）（3）（1）TFP_OP 0.357***（4.54）（4）SCF Size Lev Holding PPE Dual Tobin′s Q Return Growth 0.155**（2.17）0.353***（19.18）0.128*（1.93）-0.155**（-2.13）-0.957***（-11.64）-0.014（-0.97）0.018***（3.77）-0.024***（-3.23）0.248***（21.58）TFP_LP 0.529***（5.23）0.234***（3.03）0.553***（27.05）0.153**（2.33）-0.191***（-2.64）-1.084***（-12.82）-0.005（-0.38）0.028***（6.90）-0.037***（-5.58）0.259***（26.21）

續(xù)表4

注：***、**和*分別表示1%、5%和10%水平下顯著。括號內(nèi)為穩(wěn)健標(biāo)準(zhǔn)誤計算的t統(tǒng)計量。

變量（3）（2）（4）TFP_LP（1）TFP_OP 9.083***（665.97）6.635***（643.33）0.853***（15.26）0.012**（2.34）-0.174***（-3.60）-3.102***（-6.61）是 是Operation Board Cash Constant個體效應(yīng)年份效應(yīng)樣本量R2值0.733***（12.38）0.009*（1.90）-0.104**（-2.21）-1.084***（-2.61）是 是是 是是 是21261 0.005 17917 0.318 19189 0.009 17531 0.496

表5 為分樣本回歸結(jié)果，供應(yīng)鏈融資（SCF）的系數(shù)僅在處于成長期的子樣本中顯著，分別在5%和1%的水平下顯著為正?？梢哉J(rèn)為供應(yīng)鏈金融對企業(yè)全要素生產(chǎn)率的促進作用主要存在于成長期企業(yè)。供應(yīng)鏈金融發(fā)展有助于促進實體經(jīng)濟發(fā)展，為初創(chuàng)企業(yè)“解圍”，抓住成長機會，提高經(jīng)營效率，在激烈的競爭環(huán)境中突出重圍，站穩(wěn)腳跟，研究假設(shè)2得到驗證。

表5 按生命周期的分樣本回歸

注：***、**和*分別表示1%、5%和10%水平下顯著。括號內(nèi)為穩(wěn)健標(biāo)準(zhǔn)誤計算的t統(tǒng)計量。

變量成熟期（2）0.021（0.22）TFP_OP衰退期（1）0.256（1.30）成長期（3）0.202**（1.99）成熟期（5）0.090（0.76）成長期（6）0.318***（3.22）SCF控制變量個體效應(yīng)年份效應(yīng)樣本量R2值是是是是是是是是是是是是是是是TFP_LP衰退期（4）0.200（1.11）6201 0.386 2414 0.301是是是7563 0.284 2348 0.430 6076 0.567 7410 0.466

表6 為考察企業(yè)數(shù)字經(jīng)濟轉(zhuǎn)型調(diào)節(jié)效應(yīng)的回歸結(jié)果。其中大數(shù)據(jù)和數(shù)字技術(shù)應(yīng)用與核心解釋變量的交互項系數(shù)至少在10%的水平下顯著為正，云計算與核心解釋變量的交互項僅在OP 法計算的全要素生產(chǎn)率的回歸結(jié)果中在5%的水平下顯著，證明了數(shù)字經(jīng)濟轉(zhuǎn)型在一定程度上發(fā)揮了正向促進作用，并且該正向調(diào)節(jié)效應(yīng)主要取決于企業(yè)大數(shù)據(jù)、數(shù)字技術(shù)應(yīng)用和云計算的發(fā)展程度?；ヂ?lián)網(wǎng)大數(shù)據(jù)應(yīng)用有助于完善供應(yīng)鏈信息流在各企業(yè)上下游之間的傳導(dǎo)，促進行業(yè)內(nèi)部整體發(fā)展，企業(yè)可以對商業(yè)交易和融資風(fēng)險進行評級和控制，降低融資成本，提高資金利用效率，進而起到正向調(diào)節(jié)的作用；在數(shù)字技術(shù)應(yīng)用方面，企業(yè)構(gòu)建互聯(lián)網(wǎng)電商平臺，通過B2B、O2O、C2C 等新興商務(wù)合作模式，增進與供貨商和客戶群體之間的交流，電子商務(wù)平臺的成熟度也有助于企業(yè)信用等級的評定，有利于企業(yè)外部資金的獲取和利用；供應(yīng)鏈云計算主要著眼于信息共享方面，企業(yè)基于搭建的公開化數(shù)據(jù)信息庫以及物聯(lián)網(wǎng)平臺，實現(xiàn)對供應(yīng)鏈的高效監(jiān)控和管理，同時也有助于公司治理機制的完善。人工智能和區(qū)塊鏈與核心解釋變量的交互項系數(shù)均不顯著，原因可能是我國企業(yè)人工智能以及區(qū)塊鏈在供應(yīng)鏈信息傳導(dǎo)和資源利用與共享方面的應(yīng)用不如大數(shù)據(jù)、數(shù)字技術(shù)和云計算。整體來看，數(shù)字經(jīng)濟轉(zhuǎn)型可以在供應(yīng)鏈融資與企業(yè)全要素生產(chǎn)率的促進關(guān)系中發(fā)揮正向調(diào)節(jié)作用，企業(yè)數(shù)字經(jīng)濟發(fā)展程度越高，越有助于企業(yè)供應(yīng)鏈融資的開展和資金專有化利用，正向放大對企業(yè)生產(chǎn)效率的提升效應(yīng)，研究假設(shè)3得到驗證。

表6 數(shù)字經(jīng)濟轉(zhuǎn)型的調(diào)節(jié)效應(yīng)

注：***、**和*分別表示1%、5%和10%水平下顯著。括號內(nèi)為穩(wěn)健標(biāo)準(zhǔn)誤計算的t統(tǒng)計量。

變量大數(shù)據(jù)TFP_OP（5）TFP_LP（4）數(shù)字技術(shù)應(yīng)用TFP_OP（7）TFP_LP（8）TFP_LP（6）云計算TFP_OP（9）TFP_LP（10）TFP_LP（2）-0.000（-0.10）0.001（1.26）人工智能TFP_OP（1）0.002（0.56）-0.000（-0.44）0.053（0.65）-0.001（-0.10）0.028*（2.39）0.000（0.10）0.025*（1.88）-0.000（-0.01）0.010**（2.24）0.000（0.78）0.011**（2.50）0.000（0.61）0.147（1.38）0.146（1.38）0.136（1.27）0.132（1.25）0.138（1.31）SCF×AI AI SCF×Blockchain Blockchain SCF×Bigdata Bigdata SCF×DT DT SCF×Cloud Cloud SCF控制變量個體效應(yīng)年份效應(yīng)樣本量R2值0.060（0.55）區(qū)塊鏈TFP_OP（3）0.055（0.50）0.005**（2.31）-0.001（-1.07）0.110（1.02）0.002（0.96）-0.001（-1.43）0.132（1.22）是是是-0.015（-0.14）0.003（0.38）是是是是是是是是是是是是是是是是是是8916 0.491 0.127（1.20）9036 0.312是是是9036 0.310 8916 0.492 8916 0.490 8916 0.490是是是9036 0.301 9036 0.314是是是8916 0.494 9036 0.310

表7 為考察供應(yīng)鏈穩(wěn)定性調(diào)節(jié)效應(yīng)的回歸結(jié)果。觀察交互項的系數(shù)不難發(fā)現(xiàn)，列（1）和（2）中，供應(yīng)鏈融資與供應(yīng)鏈集中度的交互項系數(shù)在1%的水平下顯著為正，意味著供應(yīng)鏈集中程度越高，即供應(yīng)鏈穩(wěn)定性越強，供應(yīng)鏈融資行為對于企業(yè)全要素生產(chǎn)率提升的邊際效果越強。細(xì)分為供應(yīng)商集中度與客戶集中度后，除列（5）交互項不顯著外，其余均至少在5%的水平上顯著為正，均呈現(xiàn)正向調(diào)節(jié)作用，支持了研究假設(shè)4。值得注意的是，供應(yīng)商集中度的交互項系數(shù)與顯著性均大于客戶集中度，意味著供應(yīng)鏈穩(wěn)定性的正向調(diào)節(jié)作用主要取決于供應(yīng)鏈上游的穩(wěn)定性。

表7 供應(yīng)鏈穩(wěn)定性的調(diào)節(jié)效應(yīng)

注：***、**和*分別表示1%、5%和10%水平下顯著。括號內(nèi)為穩(wěn)健標(biāo)準(zhǔn)誤計算的t統(tǒng)計量。

變量客戶集中度TFP_OP（5）TFP_LP（6）TFP_LP（4）供應(yīng)鏈集中度TFP_OP（1）0.796***（2.77）0.124**（2.07）0.711***（2.72）0.195***（3.83）TFP_LP（2）0.809***（3.11）-0.099（-1.59）0.812***（3.36）0.005（0.09）-0.083（-0.77）-0.071（-0.74）SCF×con con SCF×sup sup SCF×cus cus SCF控制變量個體效應(yīng)年份效應(yīng)樣本量R2值0.388（1.53）0.032（0.45）0.026（0.24）-0.004（-0.04）0.414**（2.01）-0.173***（-2.58）0.106（1.03）是是是供應(yīng)商集中度TFP_OP（3）-0.017（-0.19）是是是是是是是是是是是是是是是16494 0.501 17051 0.326 16695 0.500 14713 0.317 14448 0.484 16851 0.323

六、穩(wěn)健性檢驗①限于篇幅，結(jié)果留存?zhèn)渌鳌?/h2>

第一，更換模型。首先保持時間固定效應(yīng)不變，將固定效應(yīng)擴大到行業(yè)；另外保持個體固定效應(yīng)不變，將時間固定效應(yīng)替換為行業(yè)和時間的交互固定效應(yīng)，以控制不同行業(yè)的時變特征，并且進一步考慮了個體和時間的雙重聚類穩(wěn)健標(biāo)準(zhǔn)誤。結(jié)果與前文保持一致。

第二，內(nèi)生性檢驗。供應(yīng)鏈金融和企業(yè)全要素生產(chǎn)率之間存在一定的反向因果關(guān)系，即生產(chǎn)效率高的企業(yè)會采取供應(yīng)鏈融資方式以進一步提高生產(chǎn)效率，由此產(chǎn)生了內(nèi)生性問題，本文采取工具變量法克服。選取滯后一期的供應(yīng)鏈融資以及所在省份的行業(yè)均值作為工具變量進行兩階段回歸，兩階段最小二乘回歸結(jié)果顯示所有工具變量外生且有效，結(jié)果也與前文保持一致。

第三，替換核心解釋變量。企業(yè)短期借款可能含有不是基于供應(yīng)鏈關(guān)系獲得的融資，因此將核心解釋變量供應(yīng)鏈融資中的“短期借款”剔除，構(gòu)造穩(wěn)健性檢驗指標(biāo)SCF_robust1；另外企業(yè)每年的應(yīng)付賬款也會含有基于供應(yīng)鏈關(guān)系獲得的融資，因此在核心解釋變量供應(yīng)鏈融資中加入企業(yè)的應(yīng)付賬款項目，構(gòu)造穩(wěn)健性檢驗指標(biāo)SCF_robust2。對原有核心解釋變量進行替換的回歸結(jié)果與前文保持一致，說明本文的回歸結(jié)果穩(wěn)健可靠。

七、影響機制探索

（一）融資約束

由于企業(yè)外部信息不對稱、內(nèi)部經(jīng)營狀況和發(fā)展戰(zhàn)略等原因，抬高了非金融企業(yè)獲取資金的門檻，進而降低了資源配置效率，使企業(yè)運營情況受限，無法作出有利于自身的決策。在中介效應(yīng)檢驗中，設(shè)計融資約束變量FC，包括White&Wu（2006）創(chuàng) 建 的 融 資 約 束 WW 指 數(shù) 以 及Hadlock&Pierce（2009）構(gòu)建的SA 指數(shù)，指數(shù)越大代表融資約束越高。供應(yīng)鏈金融能夠豐富企業(yè)向金融機構(gòu)質(zhì)押的擔(dān)保物，通過促進信息流通等方式緩解企業(yè)融資約束。本文將融資約束變量作為中介變量進行中介效應(yīng)檢驗，第一步為主效應(yīng)檢驗，即式（3）的回歸；第二步以中介變量融資約束（FC）作為被解釋變量進行回歸，即式（8）；最后，將中介變量作為控制變量納入第一步的回歸方程，得到式（9）進行回歸。如果核心解釋變量的系數(shù)絕對值與顯著性下降，說明中介效應(yīng)成立。

回歸結(jié)果如表8所示，其中列（1）和列（4）的SCF系數(shù)均顯著為負(fù)，意味著供應(yīng)鏈金融可以有效地緩解企業(yè)融資約束。列（2）（3）（5）（6）顯示將FC加入解釋變量后，供應(yīng)鏈金融的系數(shù)和t統(tǒng)計量相較于表4的回歸結(jié)果有所減少，意味著融資約束緩解是供應(yīng)鏈金融的潛在傳導(dǎo)機制，即供應(yīng)鏈金融可以幫助企業(yè)緩解融資約束進而增加全要素生產(chǎn)率。

表8 影響機制研究——供應(yīng)鏈融資融資約束與全要素生產(chǎn)率

注：***、**和*分別表示1%、5%和10%水平下顯著。括號內(nèi)為穩(wěn)健標(biāo)準(zhǔn)誤計算的t 統(tǒng)計量。由于SA指數(shù)作為解釋變量會與控制變量企業(yè)規(guī)模產(chǎn)生嚴(yán)重的共線性問題（pearson≥0.7），因此使用SA作為解釋變量指標(biāo)時將控制變量中的企業(yè)規(guī)模（size）剔除。

變量FC_WW FC_SA SCF控制變量個體效應(yīng)年份效應(yīng)樣本量R2值TFP_LP（3）-0.524***（-3.78）FC_WW（1）TFP_OP（2）-0.501***（-3.52）FC_SA（4）TFP_OP（5）TFP_LP（6）-0.014***（-3.35）0.107（1.32）0.226***（2.59）-0.027*（-1.87）-1.148***（-14.44）0.054（0.66）-1.765***（-19.94）0.072（0.76）是是是是是是是是是是是是是是是是是是15101 0.560 14723 0.318 14570 0.501 18350 0.734 17917 0.278 17531 0.407

上文已經(jīng)證明，供應(yīng)鏈融資行為對企業(yè)生產(chǎn)效率的促進作用在成長型企業(yè)中更為顯著。進一步在已有結(jié)論基礎(chǔ)上，考慮供應(yīng)鏈融資對成長型企業(yè)全要素生產(chǎn)率的影響機制，因此將全樣本劃分為衰退、成熟和成長期企業(yè)進行中介效應(yīng)檢驗。表9的Panel A為分樣本考察供應(yīng)鏈金融對企業(yè)融資約束的影響效應(yīng)的回歸結(jié)果，觀察結(jié)果可知，供應(yīng)鏈融資有助于降低成長型企業(yè)的融資約束。Panel B為將融資約束加入解釋變量，并以企業(yè)全要素生產(chǎn)率為被解釋變量的回歸結(jié)果，受篇幅所限，僅列示了以O(shè)P 法量化全要素生產(chǎn)率的結(jié)果。觀察結(jié)果不難發(fā)現(xiàn)，加入融資約束變量后，供應(yīng)鏈金融（SCF）變量顯著性有所下降，意味著供應(yīng)鏈融資有助于降低成長型企業(yè)的融資約束，進而提升成長型企業(yè)生產(chǎn)效率。

表9 分組影響機制研究——供應(yīng)鏈金融與融資約束

注：***、**和*分別表示1%、5%和10%水平下顯著。括號內(nèi)為穩(wěn)健標(biāo)準(zhǔn)誤計算的t統(tǒng)計量。由于SA指數(shù)作為解釋變量會與控制變量企業(yè)規(guī)模產(chǎn)生嚴(yán)重的共線性問題（pearson＞=0.7），因此使用SA作為解釋變量指標(biāo)時將控制變量中的企業(yè)規(guī)模（size）進行剔除。

（1）（2）（3）（4）（5）（6）Panel A變量FC_SA FC_WW SCF控制變量個體效應(yīng)年份效應(yīng)樣本量衰退期-0.034*（-1.74）成熟期0.011（0.50）成長期-0.033*（-1.83）衰退期-0.022（-1.62）成熟期-0.004（-0.55）成長期-0.019***（-3.26）是是是是是是是是是是是是是是是是是是R2值 變量2536 0.801 6374 0.753 7679 0.671 1761 0.564 5203 0.528 6689 0.548 FC_WW FC_SA SCF控制變量個體效應(yīng)年份效應(yīng)樣本量R2值Panel B TFP_OP-0.403（-0.72）-0.629***（-2.69）-0.560***（-2.78）0.173（0.73）0.088（0.81）0.155（1.41）-1.316***（-6.60）0.200（1.01）-1.242***（-12.37）-0.020（-0.19）-1.010***（-9.70）0.055（0.48）是是是是是是是是是是是是是是是是是是1668 0.437 5050 0.576 6582 0.455 2414 0.304 6201 0.350 7563 0.233

（二）研發(fā)投入

供應(yīng)鏈金融的發(fā)展一定程度上搭乘了金融創(chuàng)新與科技發(fā)展的便車，因此本文認(rèn)為從事供應(yīng)鏈融資程度越高、融資規(guī)模越大的企業(yè)，其自身對于創(chuàng)新事物的接納性比較強，從事研發(fā)創(chuàng)新行為的動機更強，在研發(fā)投入上更為重視。已有研究結(jié)論證明，供應(yīng)鏈金融的開展使整個供應(yīng)鏈聯(lián)系性加強，各類創(chuàng)新要素在供應(yīng)鏈內(nèi)部流動性加快，可以提高知識外溢水平。在此基礎(chǔ)上，供應(yīng)鏈內(nèi)部更緊密的合作關(guān)系使經(jīng)濟活動參與方對彼此之間各方需求更加了解，進而激勵企業(yè)增加創(chuàng)新研發(fā)投入，提高生產(chǎn)效率（凌潤澤等，2021）。使用研發(fā)投入來衡量創(chuàng)新的“過程”并作為中介變量考察中介效應(yīng)，變量RD為企業(yè)每年研發(fā)投入的自然對數(shù)值。同樣采取與前文相似的中介效應(yīng)檢驗程序，按照（10）和（11）式檢驗研發(fā)投入的中介機制是否成立。

表10為研發(fā)投入的中介效應(yīng)檢驗結(jié)果。核心解釋變量供應(yīng)鏈融資（SCF）的系數(shù)顯著為正，意味著企業(yè)供應(yīng)鏈融資規(guī)模的增大有助于提升企業(yè)創(chuàng)新投入，而且將RD 作為解釋變量加入后，其系數(shù)顯著為正，表示對企業(yè)生產(chǎn)效率起正向促進作用，同時供應(yīng)鏈融資系數(shù)的顯著性下降。表明研發(fā)投入是供應(yīng)鏈金融對企業(yè)全要素生產(chǎn)率的第二個潛在影響機制。按生命周期分類并進行分樣本中介效應(yīng)檢驗時，結(jié)論在成長期企業(yè)的子樣本中依然成立。

表10 影響機制研究——供應(yīng)鏈融資研發(fā)投入與全要素生產(chǎn)率

注：***、**和*分別表示1%、5%和10%水平下顯著。括號內(nèi)為穩(wěn)健標(biāo)準(zhǔn)誤計算的t統(tǒng)計量。

RD（1）變量RD TFP_LP（3）0.098***（10.16）0.111（1.60）SCF控制變量個體效應(yīng)年份效應(yīng)樣本量R2值0.278**（2.31）TFP_OP（2）0.060***（6.26）0.050（0.77）是是是是是是是是是15602 0.198 15296 0.341 15065 0.529

表11 分組影響機制研究——供應(yīng)鏈融資，研發(fā)投入與全要素生產(chǎn)率

注：***、**和*分別表示1%、5%和10%水平下顯著。括號內(nèi)為穩(wěn)健標(biāo)準(zhǔn)誤計算的t統(tǒng)計量。

TFP_OP TFP_LP變量成熟期（2）RD衰退期（1）成長期（3）RD成熟期（5）0.042***（3.62）-0.121（-1.20）0.378（1.11）0.175（0.81）衰退期（7）0.145***（4.58）0.115（0.61）SCF控制變量個體效應(yīng)年份效應(yīng)樣本量R2值0.466***（2.88）衰退期（4）0.073**（2.40）0.196（1.10）成長期（9）0.106***（7.85）0.230***（2.60）是是是是是是是是是是是是成長期（6）0.069***（5.05）0.136（1.54）是是是是是是是是是是是是1917 0.257 6566 0.181 6379 0.507 1836 0.322是是是成熟期（8）0.065***（5.18）-0.100（-0.91）5362 0.189 5242 0.410 6489 0.316 1818 0.474 5183 0.586

八、結(jié)論和建議

在供應(yīng)鏈金融發(fā)展趨向成熟的背景下，利用2011—2020 年非金融企業(yè)的面板數(shù)據(jù)，考察了企業(yè)供應(yīng)鏈融資行為與企業(yè)全要素生產(chǎn)率之間的關(guān)系，在面對較強的外部融資摩擦?xí)r，供應(yīng)鏈金融可以緩解企業(yè)融資約束，有利于企業(yè)進行資產(chǎn)配置等決策，激勵企業(yè)開展研發(fā)創(chuàng)新行為，完成過渡、成長轉(zhuǎn)型，取得優(yōu)勢競爭地位。進一步研究發(fā)現(xiàn)這種促進作用主要發(fā)生于成長型企業(yè)，并且供應(yīng)鏈的穩(wěn)定性能夠發(fā)揮正向調(diào)節(jié)作用。據(jù)此提出以下幾點建議：

一是金融機構(gòu)應(yīng)將供應(yīng)鏈金融與大數(shù)據(jù)，云計算等數(shù)字經(jīng)濟發(fā)展成果以及新興金融科技相結(jié)合，通過信息指導(dǎo)決策，高效整合供應(yīng)商和客戶資源。監(jiān)管部門應(yīng)該支持符合國家政策方向、代表新興技術(shù)以及創(chuàng)新能力強的產(chǎn)業(yè)鏈整體發(fā)展供應(yīng)鏈金融，同時識別并杜絕虛假交易，嚴(yán)格監(jiān)控風(fēng)險。二是成長型的企業(yè)應(yīng)合理審慎并主動抓住這一機會，與供應(yīng)鏈其他企業(yè)保持良好密切的合作關(guān)系，通過應(yīng)收賬款、預(yù)付賬款、動產(chǎn)質(zhì)押等模式在銷售、采購和運營等環(huán)節(jié)靈活開展供應(yīng)鏈融資活動，有助于解決傳統(tǒng)融資方式中質(zhì)押擔(dān)保物匱乏的問題。三是企業(yè)應(yīng)加強供應(yīng)鏈管理，制定合理的發(fā)展戰(zhàn)略，利用互聯(lián)網(wǎng)信息化平臺，根據(jù)企業(yè)獲利情況與客戶需求來劃分客戶和供應(yīng)商群體，根據(jù)需求精準(zhǔn)投放產(chǎn)品和采購原材料；主動進行數(shù)字經(jīng)濟轉(zhuǎn)型，建立網(wǎng)絡(luò)化的供應(yīng)鏈績效考核準(zhǔn)則，增進企業(yè)內(nèi)外部的信息共享與商業(yè)合作；搭建企業(yè)物流以及庫存信息網(wǎng)絡(luò)平臺，確保采購、配送和銷售等環(huán)節(jié)能夠高效率、低成本、互惠互利地進行。