原安妮
(上海外国语大学国际工商管理学院,上海 201620)
社会关系理论认为,企业间存在的信任、承诺、信息共享等关系规则可以促进双方利益达成一致,形成企业间的利益共同体。已有研究表明,企业与客户的稳定关系本质上是一种存在于二者之间的“隐形契约”。由于企业和客户之间存在较紧密的合作关系,企业可以从客户处获取更多的私有信息,双方通过充分有效的沟通,能够有效减少交易中的不确定性,规避传统市场交易模式导致的高昂交易成本,同时降低销售费用。企业在产品销售中形成稳定的现金流,进而远离陷入财务困境的风险。另外,在形成有利客户关系的情况下,企业为了实现长期业绩的提升,可能与客户进行联合投资,即形成关系专用性投资(relationship-specific investments),包括实物专用性投资以及人力资本专用性投资,并进而形成关系专用性资产。它起到整合企业与客户资源的作用,在一定程度上能为企业形成关系租金利益,但关系专用性资产仅仅用于企业与特定大客户的商品生产与交易中,保障双方关系履约。因此,从关系专用性资产方面来看,如果公司经历财务困境以至于破产清算,双方投入的关系专用资产就会丧失其应有的价值,核心客户会承担供应商相应的财务困境成本。因此无论是从信息共享的角度还是从关系专用性资产的角度,信任且稳定的客户关系都会相应降低企业的风险,进而降低公司财务困境发生的可能性。
基于上文,本文提出如下假设:
假设H1:客户关系能够有效降低公司财务困境发生的可能性,即客户关系与财务困境负相关。
中国的社会发展受到儒家思想的影响,关系和人情能够作为商业资源被用于市场交易中,因此出现更多的企业选择建立基于信任的稳定客户关系来应对激烈的产品市场竞争。客户关系作为企业重要的战略资源,其关系越密切,双方承担的成本和利益相关性越强,故商业信用并不是阻碍企业获得利润的桎梏而是交易双方利益最大化的结果。王雄元等(2015)提出,良性的客户关系通过对企业的“体恤”效应减少对企业商业信用的占用。吴娜和于博(2017)的研究进一步表明当供应商与客户的关系不断转向稳定时,大客户对商业信用的需求将会下降,会出现强势客户因为稳定持续的上下游关系而体恤供应商的情况。从信息共享的渠道来分析,当企业与核心客户存在信任与合作基础上的良性关系时,客户了解更多供应商的内部信息,并且企业与客户的关系更为紧密,二者利益趋于一致,客户对企业的体恤效应降低了企业的商业信用需求,反而为企业提供了商业信用。商业信用与企业的业绩及风险息息相关,财务困境作为公司风险结果的一种表现状态,加之企业与客户形成了利益共同体状态,客户转换供应商的风险增高,供应链发挥了协同效应,有效降低了公司陷入财务困境的风险。
本文基于我国上市公司客户关系的视角,分析了商业信用在财务困境与客户关系中的作用。基于此提出以下假设:
假设H2:客户关系能够为企业带来商业信用的增加,即商业信用与客户关系正相关。
假设H3:商业信用是客户关系与公司财务困境之间的中介变量,即客户关系提升了公司商业信用获取能力,进而利于缓解公司财务困境。
本文选取2008—2017年沪深A 股的制造业上市公司作为研究样本,并且根据中国证监会在2012年颁发的新《上市公司行业分类索引》,将样本按照行业进行划分。选取制造业上市公司为样本是因为制造业在我国的经济发展中有举足轻重的作用,并且制造企业的生产销售对下游客户的依赖性较强,相较于其他行业更适合作为客户关系的研究样本。除此之外,还对样本数据进行如下处理:(1)剔除ST和*ST 公司财务异常的样本;(2)剔除相关变量缺失的样本;(3)为了消除极端值的影响,对所有连续变量进行1%分位的缩尾处理。本文财务相关的数据和客户关系披露数据来自CSMAR 数据库及RESSET 数据库。
2.2.1 模型设计
本文构建了logit模型(1)检验客户关系对公司财务困境的影响,如果系数显著为负,则说明客户关系显著减少了公司陷入财务困境的风险,假设1得以证明。
2.2.2 被解释变量
本文参照Altman(1968)和姜付秀等(2009)在论文中提出的财务困境模型Z指数来衡量,Z指数模型的具体计算公式为:Z 指数=0.012×营运资金/总资产×100+0.014×留存收益/总资产×100+0.033×息税前利润/总资产×100+0.006×股票总市值/负债账面价值×100+0.999×销售收入/总资产×100。
Z指数值越大,表明企业风险越小,按照国际经验,Z指数值小于1.800,表明企业存在财务困境,此时因变量Zscore取值1,Z 指数值大于或等于1.800,则表明企业运行稳定,不存在财务困境风险,此时因变量Zscore取值为0。
2.2.3 解释变量
本文使用客户集中度(CC)来衡量客户关系,即选用企业对前五大客户的销售额与全年销售总额之比来衡量企业客户集中度,该变量能够直接反映企业与客户关系的重要程度。
2.2.4 控制变量
如表1所示,本文在模型中控制了以下变量:公司成长性、资产负债率、资产规模、资产流动性、上市年限、资本固定化水平、有形资产水平、独立董事比例、股权集中度。另外,模型中对企业所在的制造行业按照二级代码进行细分并控制。
表1 变量定义
表2列示了主要变量的描述性统计内容,其具体结果显示说明,A 股制造业的上市公司在2008—2017年内平均有13.58%的公司陷入财务困境(Zscore)状态,标准差为0.3426,表明公司陷入财务困境的波动幅度较小;客户关系的衡量指标客户集中度(CC)的均值和中位数分别为29.9115 和24.5850,表明企业的客户关系程度基本不存在特别大的偏差且企业依赖客户关系的程度普遍偏高;另外,其标准差为19.5368,且其最小值和最大值分别为3.53和91.11,表明企业依赖客户关系的程度在不同企业中跨越幅度较大。其他变量均基本符合本研究的预期,具体见表2。
表2 主要变量描述性统计
3.2.1 客户关系对公司财务困境影响作用回归分析
为了检验假设1的结果,本文使用多元回归模型检验了客户关系对公司财务困境的影响,结果如表3所示。第(1)列的结果只检验了客户关系变量和财务困境变量之间的显著负向关关系,第(2)、(3)列的结果是加入了控制变量后,客户关系的衡量变量(CC)的系数均在1%的水平上显著为负,二者区别在于第(3)列回归分析对样本进行了行业和年度控制,结果显示控制行业和年度会有更高的拟合优度。上述结果说明客户关系显著减少了公司陷入财务困境的风险。客户集中度越高,企业与核心客户之间的关系越紧密,基于信任和信息共享的基础,进而减少了公司陷入财务困境的风险。假设H1得以证实。
表3 客户关系对企业财务困境的影响效应
3.2.2 商业信用在客户关系对财务困境影响中的中介效应检验分析
为了进一步检验客户关系到公司财务困境的路径问题,本文参照温忠麟等(2005)、温忠麟和叶宝娟(2014)的论文方法,使用逐步法检验模型,分析商业信用在企业客户关系对财务困境中的负向作用。据此本文构建了模型(2)、(3),与模型(1)一起纳入中介效应检验。
此外,本文使用商业信用(AR)=(应收账款+应收票据-预收账款)/营业收入来作为衡量商业信用的变量。
按照逐步法进行中介效应检验,首先对模型(1)进行回归,上文已证实模型(1)中CC系数β1显著为负,表明客户集中程度高能够显著降低公司财务困境发生的风险;其次,检验模型(2)中客户集中度与商业信用的关系,若系数α1显著,说明商业信用与客户关系程度密切相关;最后,将客户集中度、商业信用和财务困境纳入一个模型进行分析,对模型(3)进行回归分析,若模型(3)中商业信用的系数γ2以及客户集中度的系数γ1均显著为负,且客户集中度的系数γ1显著性比在模型(1)中的系数β1 小,则说明模型中存在部分中介效应。如果模型(3)中客户关系的系数γ1不显著,但是商业信用的系数γ2显著,则说明商业信用在模型中起到了完全中介的作用。
表4列示了中介效应检验的回归结果,其中第(1)列结果是在原模型(1)的基础上剔除了商业信用缺失的数据后的回归分析结果,结果显示系数β1在1%水平上显著,说明企业与客户存在密切的良性关系时,能够有效降低陷入财务困境的风险,假设H1得以证实;回归结果第(2)列显示了客户集中度对商业信用的影响作用,AR的系数γ2显著,表明间接效应存在,客户关系越好,企业因为核心客户的体恤效应而获得更多的商业信用,假设H2得以证实;模型(3)中,CC的系数γ1和AR的系数γ2分别在1%的水平上和5%的水平上显著,而且模型(1)中CC的系数从不加中介变量时的-0.0157 下降到模型(3)中的-0.0146,显著性有所降低,说明商业信用在客户关系对财务困境的影响中发挥了部分中介效应,进而验证了假设H3。
表4 中介效应检验回归结果
前文主要阐述了在模型中使用客户集中度来衡量企业与客户之间的关系,但是客户关系集中度只纵向描述了企业与大客户之间关系对企业的影响,无法从横向维度衡量企业与客户建立并保持的良性关系,因此本文参照王雄元等(2015)的做法,运用客户稳定度来作为客户关系的衡量指标。具体是选取企业3年内非重复的前五大客户的个数除以15,如果3年中企业每年的客户均不一样,则企业的客户关系最不稳定;如果当企业3年内每年前五大客户均一样,即企业客户最为稳定。因此客户稳定度Unstable的取值范围为(1/3,1),该数值越小表明客户关系越稳定。客户关系稳定度是3年的具体客户比较得来的数据,因此其窗口期为2010—2017年共8年;另外,本文统计了3年均详细披露了客户名称的企业,对于其中披露客户名称不确定的企业,我们对其做剔除处理,一共得到客户关系稳定度数据1306个。
因此,为了检验客户稳定程度对公司财务困境的影响效应,本文在logit模型(1)的基础上构建logit模型(4):
另外,为进一步检验客户稳定程度对公司财务困境的影响,本文在模型(4)的基础上增加了客户集中度(CC)与客户稳定程度(Unstable)的交叉变量CC×Unstable,构建模型(5):
回归结果如表5 所示。第(1)列中,变量Unstable系数显著为正,且第(2)列中交乘项CC×Unstable系数显著为正,说明企业与客户的关系越不稳定,企业越容易陷入财务困境风险;相反,企业与客户的关系越稳定,核心大客户与企业双方建立的基于信任的关系越密切,越能充分发挥供应链上下游的协同效应,使得公司陷入财务困境的风险越小。以上从客户关系稳定程度角度验证了假设H1。
表5 客户稳定程度对公司财务困境影响效应
3.4.1 倾向评分匹配法(PSM)分析
为了消除模型(1)中可能会存在遗漏变量的内生性问题,本文采用倾向得分匹配法(PSM)构造配对样本检验上文的回归结果,具体做法为:将解释变量客户关系(CC)按照中位数分为两组,处理组为大于中位数的样本,然后采用logit模型对处理组进行匹配评分,加入协变量资产负债率(Lev)、公司规模(Size)、资产流动性(Cashratio)、董事会情况(IDP)、股权集中度(Top1)以及年度(Year)和行业(IND)作为匹配变量,并且选择1∶1 最近邻匹配进行配对。在倾向评分检验中,平衡性偏差%bias的绝对值均小于5。利用匹配后的样本重新进行回归,控制了行业年度且采取了标准稳健误,表6列示了相关结果。结果显示,客户关系对公司财务困境的影响在1%水平上负向显著,说明采用倾向匹配得分方法在控制了遗漏变量可能带来的内生性问题之后,本文的结果仍然成立。
表6 PSM 配对样本回归
3.4.2 中介效应检验的内生性问题分析
客户关系、商业信用对公司财务困境负向的影响有可能存在反向因果关系,也会引发内生性问题,导致回归的结果可靠性降低,所以本文将解释变量做滞后一期处理纳入模型回归分析,结果如表7列示。从结果来看,客户关系对财务困境的负向影响并没有改变,而商业信用发挥的部分中介作用也没有改变,表明该回归结果具有相当的稳健性。
表7 滞后一期的中介效应回归结果
3.4.3 使用Bootstrap方法检验中介效应
参照温钟麟和叶宝娟(2014)的论文,为了进一步佐证本文所做中介效应的稳健性,对文中的中介效应做进一步的Bootstrap 检验,用于检验中介检验中间接效应的存在。本文构建假设:β1×γ2=0,如果该假设成立,间接效应显著,商业信用作为中介变量在模型中起到部分中介作用。
本文采用样本重复取值为1000 的Bootstrap模型,协变量选用公司成长性(Growth)、资产负债率(Lev)、资产规模(Size)、资产流动性(Cashratio)、上市年限(Age)、有形资产水平(Tang)、独立董事比例(IDP)、股权集中度(Top1)。具体结果见表8。由于间接效应结果显著,故假设成立,Bootstrap检验通过。
表8 Bootstrap间接效应检验
本文以2008—2017年沪深A 股制造业上市公司为样本,检验了客户关系对公司财务困境的影响,以及商业信用在其中起到的中介作用。研究发现:与客户的关系越密切,公司陷入财务困境的风险越小。另外,本文使用商业信用作为中介变量对客户关系缓解企业财务困境的影响机制进行了中介效应检验,结果表明:一方面,企业与核心客户的良性关系能够直接对企业财务困境施加影响,能够减少财务困境对企业带来的风险;另一方面,企业同时可以通过大客户的体恤效应,提前得到客户的还款,以及在交易达成前得到企业的预付款,增加了企业商业信用,从而降低了企业风险,减少了陷入财务困境的可能。进一步,将纵向的客户集中度扩大为横向客户稳定度后,研究发现客户关系稳定程度越高,越有利于减少公司陷入财务困境的风险。以上结果揭示了客户关系与企业财务困境之间的影响机制,为管理者了解与核心客户的关系有利于缓解企业财务困境提供了证据支持,并且为外部信息使用者对企业风险的把控提供了经验借鉴,同时也为资本市场参与者、外部监管者与审计机构了解并评估企业风险因素提供了参考。