經(jīng)濟政策不確定性對供應鏈上下游企業(yè)的影響研究

摘 要：宏觀經(jīng)濟政策的不確定性對企業(yè)的微觀經(jīng)營行為具有重要影響。經(jīng)濟政策不確定性可以直接對企業(yè)產(chǎn)生影響，也可以通過供應鏈上企業(yè)之間的相互影響進行傳導，使企業(yè)在決策時面臨更為復雜的環(huán)境。本文選取2011—2022年上市公司數(shù)據(jù)，實證檢驗了經(jīng)濟政策不確定性指數(shù)對供應鏈上下游企業(yè)的影響，并進行供應鏈節(jié)點的異質性檢驗。研究結論：經(jīng)濟政策不確定性對企業(yè)和供應鏈上下游企業(yè)的牛鞭效應存在顯著的正向影響；經(jīng)濟政策不確定性對供應鏈不同節(jié)點的影響存在差異，對客戶牛鞭效應的影響小于中間商，中間商又小于供應商。因此，政府在制定經(jīng)濟政策時既要考慮政策使企業(yè)之間相互影響，也要考慮政策會導致供應鏈上的企業(yè)之間相互影響；同時，企業(yè)需要重視經(jīng)濟政策在供應鏈上下游的不同影響，并根據(jù)企業(yè)在供應鏈上下游節(jié)點做出決策。

關鍵字：供應鏈；經(jīng)濟政策；牛鞭效應；似無相關回歸；上市公司；異質性分析

中圖分類號：F061.3；F019.6 文獻標識碼：A 文章編號：2096-0298（2025）05（b）--05

眾所周知，經(jīng)濟政策不確定性必然會對企業(yè)的經(jīng)營活動產(chǎn)生影響。經(jīng)濟政策不確定性會影響到企業(yè)管理者的預期，進而影響到?jīng)Q策，從而對供應鏈協(xié)調產(chǎn)生影響，供應鏈協(xié)調的一個重要表現(xiàn)是牛鞭效應問題。但是，現(xiàn)有研究并沒有系統(tǒng)探究經(jīng)濟政策不確定性對牛鞭效應的影響。尤其是企業(yè)并非獨立的個體，而是處于各種社會網(wǎng)絡之中。供應鏈網(wǎng)絡是企業(yè)經(jīng)營過程中最為重要的社會網(wǎng)絡，其經(jīng)營活動必然會受到供應鏈網(wǎng)絡中其他企業(yè)的影響。經(jīng)濟政策的不確定性不僅能直接影響到企業(yè)的決策，還可以通過供應鏈網(wǎng)絡中企業(yè)相互之間的聯(lián)系產(chǎn)生影響，對牛鞭效應的影響更為復雜。因此，從宏觀因素出發(fā)探討宏觀經(jīng)濟政策不確定性對牛鞭效應的影響，彌補現(xiàn)有關于宏觀因素對牛鞭效應影響的研究不足，一定程度上拓展了供應鏈牛鞭效應的研究，厘清了經(jīng)濟政策不確定性與牛鞭效應之間的關系，能夠為政府的經(jīng)濟政策制定和供應鏈協(xié)調提供有益參考。

1 理論分析與研究假設

供應鏈中的不確定性是由于商業(yè)和經(jīng)濟環(huán)境的變化?，F(xiàn)有研究已經(jīng)驗證經(jīng)濟政策不確定性對供應鏈的價值、集成和垂直整合的影響，以及經(jīng)濟不確定性對供應鏈的價值、利潤和決策的影響。經(jīng)濟政策不確定性通過經(jīng)營風險和融資約束對供應鏈集成有著顯著的負面影響。經(jīng)濟政策的不確定性對供應鏈上企業(yè)的客戶群集中度存在負向影響。經(jīng)濟政策不確定性程度越高，企業(yè)越傾向于垂直整合。在全球經(jīng)濟和不斷增長的需求影響下，不確定性因素對供應鏈上所有企業(yè)的成本產(chǎn)生影響，上下游企業(yè)的壓力越來越大。

不確定性環(huán)境是供應鏈牛鞭效應問題的主要因素，供應鏈中的各種不確定性需求變化、價格波動、交貨期變化和信息共享等都會影響到牛鞭效應。頻繁的經(jīng)濟政策調整也可能對企業(yè)的生產(chǎn)和經(jīng)營產(chǎn)生負面影響，經(jīng)濟政策的不確定性對企業(yè)庫存投資的抑制作用加大，導致企業(yè)高水平的庫存積壓。可以看出，當政府調整政策時，企業(yè)經(jīng)營者根據(jù)政策的調整改變預期，消費也受到政策調整的影響而發(fā)生改變，由于企業(yè)經(jīng)營者很難對政策變化對消費的影響做出預測，加之生產(chǎn)不能快速調整，從而可能推高企業(yè)內(nèi)部牛鞭效應。另外一種情況是經(jīng)濟政策的調整刺激了消費，市場需求增大，企業(yè)擴大生產(chǎn)規(guī)模，但是利潤的增加帶來了更多的競爭者，生產(chǎn)大于需求，出現(xiàn)牛鞭效應。因此，本文提出假設1。

假設1：經(jīng)濟政策不確定性對企業(yè)內(nèi)部牛鞭效應有正向影響，即經(jīng)濟政策不確定性的提高會放大企業(yè)內(nèi)部的牛鞭效應。

而且，當前企業(yè)之間的競爭已經(jīng)不是單個企業(yè)之間的競爭，而是供應鏈之間的競爭。企業(yè)不再是獨立的個體，而是供應鏈上的一個節(jié)點。企業(yè)之間在供應鏈上既有合作又存在競爭，關系越來越復雜。供應鏈是企業(yè)最重要和最直接的外部關系，影響到企業(yè)從供應到銷售的各個環(huán)節(jié)。隨著全球供應鏈的發(fā)展，外包、全球化和信息的快速創(chuàng)新加劇了供應鏈成員在資源和信息方面的相互依賴，網(wǎng)絡越來越復雜，各種風險對供應鏈的影響越來越大，尤其是供給和需求的不確定性隨著供應鏈網(wǎng)絡越來越復雜而增加，說明我們不能僅從企業(yè)角度研究兩者之間的關系，還需要從供應鏈的角度理解經(jīng)濟政策不確定性對企業(yè)決策的影響。根據(jù)供應鏈的含義可知，供應鏈上下游企業(yè)面對著消費者，消費者的需求在經(jīng)濟政策調整的情況下發(fā)生改變，下游企業(yè)距離消費者更近，獲取市場信號更為快速和準確，而上游企業(yè)距離消費者較遠，獲取市場信號較為緩慢，準確性相對也較低，導致上游企業(yè)在經(jīng)濟政策不確定性的影響下其牛鞭效應與下游企業(yè)存在差異。因此，本文提出假設2。

假設2：經(jīng)濟政策不確定性對供應鏈上下游企業(yè)牛鞭效應的影響存在差異，對上游企業(yè)的牛鞭效應的影響大于下游企業(yè)。

2 研究設計

2.1 樣本選擇與數(shù)據(jù)來源

本文選取2011—2022年間中國A股上市公司為研究樣本，公司層面主要數(shù)據(jù)來自CSAMR數(shù)據(jù)庫，經(jīng)濟政策不確定性數(shù)據(jù)采用Huangamp;Luk（2019）構建的經(jīng)濟政策不確定性指數(shù)，供應鏈相關數(shù)據(jù)來自CSAMR數(shù)據(jù)庫的供應鏈數(shù)據(jù)庫。由于金融類上市公司與其他行業(yè)差異較大，首先剔除該類公司，然后剔除ST處理、資產(chǎn)負債率超過100%和數(shù)據(jù)缺失的公司數(shù)據(jù)。

2.2 模型設定

2.2.1 基準模型

為檢驗經(jīng)濟政策不確定性對牛鞭效應的影響，本文利用Huangamp;Luk（2019）提供的經(jīng)濟政策不確定性指數(shù)作為核心解釋變量，建立如下計量模型：

Yi，t=C+α1EPUt+βiControli，t+εi，t（1）

其中，下標i代表公司個體，t代表年份；Yi，t代表被解釋變量牛鞭效應；EPUt代表核心解釋變量經(jīng)濟政策不確定性指數(shù)，Controli，t代表控制變量；εi，t代表隨機擾動項。

2.2.2 異質性檢驗模型

采用CSAMR提供的供應鏈關系數(shù)據(jù)庫，按照供應商—中間商和中間商—客戶對數(shù)據(jù)進行分組后分別進行回歸，探討經(jīng)濟政策不確定性對上下游企業(yè)的牛鞭效應影響的差異。組間差異系數(shù)分別采用似無相關模型和交互項的方法進行實證檢驗。

檢驗組間差異系數(shù)常用的方法是加入交互項。引入一個虛擬變量Supplyi。在供應商—中間商供應鏈中，若企業(yè)為上游供應商，Supplyi=1，否則，Supplyi=0；在中間商—客戶供應鏈中，若企業(yè)為中間商，Supplyi=1，否則，Supplyi=0。計量模型設定如下：

Yi，t=C+α1EPUt+α2Supply+α1EPUt*Supply+βiControli，t+εi，t（2）

模型（2）中其他變量的含義與模型（1）一致，增加了經(jīng)濟政策不確定性與虛擬變量Supplyi的交互項。

加入交互項進行組間系數(shù)差異檢驗需要假定控制變量系數(shù)不隨組別發(fā)生變化，這一適用條件過于嚴格。因此，本文采用連玉君和廖俊平（2017）提出的似無相關模型檢驗，該方法可采用適用條件較為寬松的基于似無相關模型SUR的檢驗判斷分組回歸系數(shù)組間差異。建立的計量模型如下：

Supply=0：Y1i，t=C+α1EPUt+βiControl1i，t+ε1i，t（3-1a）

Supply=1：Y2i，t=C+α1EPUt+βiControl2i，t+ε2i，t（3-1b）

模型（3-1a）和模型（3-1b）分別表示Supply等于“0”和“1”時的兩個組，對兩個組分別進行回歸，得到兩個組的回歸系數(shù)，然后進行基于似無相關模型的SUR檢驗，判斷兩個組的回歸系數(shù)是否存在差異。

2.3 變量定義

被解釋變量為牛鞭效應，用Y表示，按照楊志強等（2020）的方法分別以主營業(yè)務成本和主營業(yè)務收入作為需求波動的代理變量，得到Y1和Y2。數(shù)值越大，說明牛鞭效應越大，供需之間放大的現(xiàn)象越明顯。

核心解釋變量為經(jīng)濟政策不確定性，用EPU表示。經(jīng)濟政策不確定性指數(shù)采用Huangamp;Luk（2019）構建的經(jīng)濟政策不確定性指數(shù)及財政政策、貨幣政策、貿(mào)易政策和匯率與資本控制政策四類分解指數(shù)。

特征變量為供應鏈節(jié)點（supply）。根據(jù)CSAMR上市公司數(shù)據(jù)庫中的供應鏈網(wǎng)絡關系指標，建立供應商—中間商和中間商—客戶兩類節(jié)點，供應商—中間商供應鏈中，供應商取值為1，中間商取值為0；中間商—客戶供應鏈中，中間商取值為1，客戶取值為0。

控制變量參考已有相關研究，本文在進行回歸分析時引入了以下控制變量：①公司規(guī)模（Size），定義為公司營業(yè)總收入的自然對數(shù)；②資產(chǎn)負債率（Lev），衡量公司財務杠桿可表示為公司總負債與總資產(chǎn)的比率；③資產(chǎn)收益率（ROA），與企業(yè)盈利能力和資產(chǎn)利用效率有關，采用凈利潤/總資產(chǎn)表示；④成長能力（Growth），采用公司凈利潤增長率來衡量定義為公司本年凈利潤總額較上一年的增長比率；⑤董事會規(guī)模（Board），采用董事會成員數(shù)的對數(shù)表示；⑥獨立董事比例（Indep），用獨立董事除以董事人數(shù)；⑦賬面市值比（BM），用股東權益與公司市值比計算得到；⑧托賓Q值，TobinQ，流通股市值+非流通股股份數(shù)×每股凈資產(chǎn)+負債賬面值）/總資產(chǎn)計算得到；⑨所有權性質（SOE），為虛擬變量，國有企業(yè)表示為1，非國有企業(yè)表示為0?？刂谱兞縼碓从趪┌采鲜泄緮?shù)據(jù)庫。

3 實證分析

3.1 描述性統(tǒng)計結果

主要變量的描述性統(tǒng)計結果如表1所示。為消除極端值的影響，本文對所有連續(xù)變量進行上下1%的Winsorize處理。模型可能存在多重共線性問題，需要進行相關分析以判斷是否存在嚴重的多重共線性。相關系數(shù)見表1，相關系數(shù)分析結果顯示，模型中各變量之間的相關系數(shù)大部分均小于0.5，然后計算方差膨脹因子檢驗值為1.37，表明本文的回歸模型不存在嚴重的多重共線性問題。

3.2 經(jīng)濟政策不確定性指數(shù)的回歸結果

首先關注經(jīng)濟政策不確定性對牛鞭效應的影響。表2為經(jīng)濟政策不確定性指數(shù)基準回歸結果，結果顯示，經(jīng)濟政策不確定性與上市公司牛鞭效應之間存在顯著的正相關關系，說明隨著經(jīng)濟政策不確定性指數(shù)的增加，企業(yè)的牛鞭效應更為明顯，導致企業(yè)面臨生產(chǎn)和經(jīng)營浪費。

其次，將經(jīng)濟政策不確定性滯后一階作為核心解釋變量進行回歸?；貧w結果顯示，經(jīng)濟政策不確定性的一階滯后項對企業(yè)牛鞭效應存在顯著的正向影響，而且影響系數(shù)顯著增大，說明隨著時間的推移，經(jīng)濟政策不確定性進一步推高了企業(yè)的牛鞭效應。

此外，回歸中控制變量的系數(shù)符號和顯著性說明，規(guī)模越大的企業(yè)，牛鞭效應越弱，這是因為大公司具有資源、信息和控制上的優(yōu)勢；資產(chǎn)負債率越高的公司，牛鞭效應越弱，主要在于企業(yè)的資金約束，企業(yè)不得不減少對訂單的響應，但并不顯著；凈資產(chǎn)收益率越高的企業(yè)，牛鞭效應也會越弱，原因在于凈資產(chǎn)收益率高的企業(yè)經(jīng)營管理水平更高，對供應鏈的反應更快；增長速度越快的企業(yè)，牛鞭效應越顯著，原因在于企業(yè)快速增長中為滿足快速增長的需要，會提高對當期的市場預測；董事會規(guī)模與牛鞭效應回歸符號為負，但并無顯著關系；獨立董事比例與企業(yè)牛鞭效應的回歸符號為正，但沒有通過顯著性檢驗；賬目市值比與牛鞭效應的回歸符號為負，前兩列通過了1%的顯著性檢驗，后兩列沒有通過顯著性檢驗，說明發(fā)展前景好，銷售旺盛的企業(yè)牛鞭效應較低；托賓q值的回歸符號為正，且通過了5%的顯著性檢驗，說明資產(chǎn)回報率高時企業(yè)選擇進行更多投資，牛鞭效應放大；產(chǎn)權性質、第一大股東持股比例和月均超額換手率回歸結果并不顯著，說明對牛鞭效應影響不明顯。上述控制變量結果與Fang et al.（2015）和Hall et al.（2016）等基本一致。

此外，在模型中采用控制時間趨勢代替時間虛擬變量，發(fā)現(xiàn)經(jīng)濟政策不確定性與牛鞭效應之間依然存在顯著的正相關關系（表2）。

4 異質性分析

異質性分析分別采用分組回歸和交互項兩種方法進行實證研究，探討供應鏈節(jié)點不同情況下經(jīng)濟政策不確定性對牛鞭效應的影響。分組回歸之后采用似無相關回歸檢驗組間系數(shù)差異。

4.1 中間商-客戶異質性分析

表3中中間商—客戶節(jié)點異質性分析回歸結果顯示。第一種牛鞭效應計算結果下，下游客戶的影響系數(shù)為-0.0169，上游中間商的影響系數(shù)為0.0217，上游企業(yè)的影響系數(shù)大于下游企業(yè)的影響系數(shù)，都通過了1%的顯著性檢驗。似無相關回歸組間系數(shù)差異性檢驗結果顯示，兩種牛鞭效應計算結果下都通過1%的顯著性檢驗。

加入經(jīng)濟政策不確定性與中間商—客戶交互項后進行回歸。結果表明，經(jīng)濟政策不確定性對牛鞭效應的影響仍然為正，供應鏈節(jié)點與經(jīng)濟政策不確定性的交叉項為負，說明處于中間商—客戶節(jié)點的企業(yè)牛鞭效應存在差異。相較于客戶來說，越往上游其牛鞭效應越顯著，當下游企業(yè)受到經(jīng)濟政策不確定性出現(xiàn)牛鞭效應放大的現(xiàn)象，傳導到上游企業(yè)牛鞭效應更為顯著。

4.2 供應商—中間商異質性分析

表4供應商—中間商節(jié)點異質性分析回歸結果顯示，第一種牛鞭效應計算結果下，下游中間商的影響系數(shù)為0.0169，上游供應商的影響系數(shù)為0.0232，上游企業(yè)的影響系數(shù)大于下游企業(yè)的影響系數(shù)，都通過了1%的顯著性檢驗。似無相關回歸組間系數(shù)差異性檢驗結果顯示，兩種牛鞭效應計算結果下通過至少10%的顯著性檢驗。

加入經(jīng)濟政策不確定性與供應商—中間商交互項后進行回歸。結果表明，經(jīng)濟政策不確定性對牛鞭效應的影響仍然為正，供應鏈節(jié)點與經(jīng)濟政策不確定性的交叉項為負。說明處于供應商—中間商節(jié)點的企業(yè)牛鞭效應存在差異。相較于客戶來說，越往上游其牛鞭效應越顯著，當下游企業(yè)受到經(jīng)濟政策不確定性出現(xiàn)牛鞭效應放大的現(xiàn)象，傳導到上游企業(yè)其牛鞭效應更為顯著。

5 結語

本文利用2011—2022年上市公司數(shù)據(jù)，實證檢驗了經(jīng)濟政策不確定性指數(shù)對牛鞭效應的影響，主要得到如下結論：

第一，經(jīng)濟政策不確定性對企業(yè)牛鞭效應存在顯著的正向影響。經(jīng)濟政策不確定性越高，企業(yè)的牛鞭效應越顯著，說明經(jīng)濟政策不確定性對牛鞭效應存在放大效應。從供應鏈的角度來看，經(jīng)濟政策不確定性同樣對供應鏈牛鞭效應存在顯著的正向影響，放大了牛鞭效應。

第二，經(jīng)濟政策不確定性對供應鏈不同節(jié)點的影響存在差異，對客戶牛鞭效應的影響小于中間商，而中間商又小于供應商。

本文研究結論不僅厘清了經(jīng)濟政策不確定性對供應鏈牛鞭效應的影響，而且通過供應鏈節(jié)點角度的異質性分析，驗證了牛鞭效應的存在，明確了經(jīng)濟政策不確定性對供應鏈上下游不同節(jié)點的影響。因此，結論具有一定的政策啟示和實踐意義。

首先，宏觀經(jīng)濟政策的制定需要保持合適的強度和透明度。由于各類“灰犀牛”“黑天鵝”事件層出不窮，政府為應對這些事件頻繁出臺各類政策，維持經(jīng)濟穩(wěn)定。但經(jīng)濟政策不確定性不僅會對企業(yè)產(chǎn)生影響，還會對供應鏈產(chǎn)生影響，從而進一步放大這種影響，對企業(yè)的經(jīng)營和供應鏈的穩(wěn)定產(chǎn)生影響。因此，政府在制定經(jīng)濟政策時既需要考慮政策對企業(yè)的影響，也需要考慮政策會導致的供應鏈上企業(yè)之間相互影響，保持合適的經(jīng)濟政策強度，提高經(jīng)濟政策的透明度，降低不確定性預期給企業(yè)經(jīng)營帶來的影響，防止政策刺激過度，放大牛鞭效應，最終危害整條供應鏈的高效運作。

其次，從企業(yè)的角度來看，經(jīng)濟政策不確定性的影響是不可避免的。然而，在供應鏈網(wǎng)絡中的企業(yè)可以根據(jù)自身在網(wǎng)絡中的位置，充分發(fā)揮供應鏈網(wǎng)絡中企業(yè)相互影響和作用的機制，緩解牛鞭效應。特別是對于處于供應鏈網(wǎng)絡中較高位置的企業(yè)，更應該將壓力下放。供應鏈管理過程中要重視經(jīng)濟政策在供應鏈上下游的不同影響，根據(jù)企業(yè)在供應鏈上下游節(jié)點做出決策。處于下游節(jié)點的企業(yè)在經(jīng)濟政策變動時可以適當客觀，而上游企業(yè)可以適當保守。

參考文獻

Poojari C A， Lucas C， Mitra G. Robust solutions and risk measures for a supply chain planning problem under uncertainty[J]. Journal of the Operational Research Society， 2017，59（1）：2-12.

Liu Z， Cruz J M. Supply chain networks with corporate financial risks and trade credits under economic uncertainty[J]. International Journal of Production Economics， 2012，137（1）：55-67.

趙爽， 王生年， 王文濤.經(jīng)濟政策不確定性與供應鏈集成：“損失規(guī)避”抑或“機遇預期”[J]. 財貿(mào)研究， 2021，32（7）：99-110.

Leung W S， Sun J. Policy Uncertainty and Customer Concentration[J]. Production and Operations Management， 2021，30（5）：1517-1542.

Sarkar B， Omair M， Kim N. A cooperative advertising collaboration policy in supply chain management under uncertain conditions[J]. Applied Soft Computing， 2020，88：105948.

Li C， Liu S. A robust optimization approach to reduce the bullwhip effect of supply chains with vendor order placement lead time delays in an uncertain environment[J]. Applied Mathematical Modelling， 2013，37（3）：707-718.

Zeng J， Zhong T， He F. Economic policy uncertainty and corporate inventory holdings： evidence from China[J]. Accounting and finance （Parkville）， 2020，60（2）：1727-1757.

Dbouk W ， Moussawi-Haidar L ， Jaber M Y .The effect of economic uncertainty on inventory and working capital for manufacturing firms[J].International Journal of Production Economics， 2020：107888.

Arshinder K， Kanda A， Deshmukh S G. A Review on Supply Chain Coordination： Coordination Mechanisms， Managing Uncertainty and Research Directions[M]//Berlin， Heidelberg： Springer Berlin Heidelberg， 2011：39-82.

Lee K， Jeon Y， Samarbakhsh L， et al. Chinese economic policy uncertainty and U.S. corporate investment[J]. International Review of Finance， 2020.

戰(zhàn)相岑， 榮立達， 張峰. 經(jīng)濟政策不確定性與垂直整合： 基于供應鏈視角的傳導機制解釋[J]. 財經(jīng)研究， 2021，47（2）：49-63.

Lanier D， Wempe W F， Zacharia Z G. Concentrated supply chain membership and financial performance： Chain-and firm-level perspectives[J]. Journal of Operations Management， 2010，28（1）：1-16.

林雯，朱朝暉，胡英杰.政府大客戶綠色采購與供應商網(wǎng)絡“綠色牛鞭”效應研究： 壓力傳遞視角[J].現(xiàn)代財經(jīng)（天津財經(jīng)大學學報），2024，44（2）：52-68.

楊志強，唐松，李增泉.資本市場信息披露、關系型合約與供需長鞭效應： 基于供應鏈信息外溢的經(jīng)驗證據(jù)[J].管理世界，2020，36（7）：89-105+217-218.