章鐵生，李瑤瑤

(安徽工業(yè)大學商學院，安徽馬鞍山243032)

關于商業(yè)信用融資與銀行信貸之間的關系，已有的研究主要從替代假說和互補假說兩方面考慮。替代假說認為，當企業(yè)因信息不對稱而面臨銀行的信貸配給不足時，會增加商業(yè)信用的使用[1-2]?；パa假說則認為，企業(yè)從供應商處獲得商業(yè)信用的過程會產(chǎn)生好的信號傳遞給銀行，使得銀行同樣愿意授信企業(yè)，緩解企業(yè)的資金壓力[3-5]。隨后，一些研究者開始重視兩者之間關系發(fā)生動態(tài)轉(zhuǎn)換的條件，且已證明商業(yè)信用融資與銀行信貸之間替代是一種常態(tài)，而互補關系則與外部條件有關[6]。從宏觀環(huán)境方面探討商業(yè)信用與銀行信貸的互動關系成為主流[7]，也有學者從企業(yè)生命周期角度研究了商業(yè)信用融資與銀行信貸關系在企業(yè)發(fā)展的不同階段所呈現(xiàn)的變化[8]，金融危機也成為商業(yè)信用融資與銀行信貸之間由替代轉(zhuǎn)為互補的條件[9-10]，行業(yè)集中度、金融發(fā)展、經(jīng)濟不確定性都是影響兩者關系動態(tài)轉(zhuǎn)換的重要因素[11-12]。這些現(xiàn)有的研究主要是從外部宏觀環(huán)境方面找尋商業(yè)信用融資與銀行信貸之間關系動態(tài)轉(zhuǎn)換的條件，未能考慮供應商集中度對商業(yè)信用融資與銀行信貸互動關系動態(tài)轉(zhuǎn)換的影響。

基于此，本文將重點探討商業(yè)信用融資與銀行信貸互動關系動態(tài)轉(zhuǎn)換的條件。從信息共享與傳遞的角度分析供應商集中度與商業(yè)信用融資、銀行信貸呈現(xiàn)的倒U型關系，根據(jù)商業(yè)信用融資相對于銀行信貸所具有的信息優(yōu)勢，探討其倒U型拐點的異質(zhì)性，將供應商集中度劃分為三段，分別討論三個區(qū)間中商業(yè)信用融資與銀行信貸之間的關系，實證研究供應商關系對商業(yè)信用融資與銀行信貸互動關系的影響。

1 理論分析與研究假設

供應商集中度的升高體現(xiàn)出企業(yè)與供應商之間關系紐帶的緊密程度和信息共享程度的加深，這不僅對企業(yè)獲得商業(yè)信用融資產(chǎn)生影響，同時基于商業(yè)信用融資的信號效應，企業(yè)獲得銀行信貸的支持也會隨著供應商集中度的升高發(fā)生變化。由于商業(yè)信用融資相對于銀行信貸具有信息優(yōu)勢，導致銀行信貸對企業(yè)信息溢出效應的反應慢于商業(yè)信用融資，從而引發(fā)商業(yè)信用融資與銀行信貸之間互動關系在不同供應商集中度下發(fā)生動態(tài)轉(zhuǎn)換。

一方面，商業(yè)信用融資隨著供應商集中度的升高呈現(xiàn)倒U 型。企業(yè)在成立初期，各項經(jīng)營活動尚不成熟，為了與供應商保持長期合作，需要與其建立一個具有緊密互動和多重聯(lián)系的結(jié)構(gòu)，以便雙方共享更加可靠和多樣的信息[13-14]。隨著供應商集中度的升高，企業(yè)與供應商之間的交易愈加密切，信息也更容易產(chǎn)生與獲得；供應商也傾向于擁有類似的信息，從而能夠驗證交換的信息，提高其可靠性[15]。這不但有利于降低合同簽訂前的信息收集成本，在雙方之間形成一種隱性契約[16]，而且有利于促進雙方信任與互惠意識的提升，減少關系內(nèi)的不確定性[17-18]，實現(xiàn)供應鏈企業(yè)間的資源整合[19-20]，增加了下游企業(yè)商業(yè)信用的可獲得性。企業(yè)的供應商關系作為一種重要的社會資本，其產(chǎn)生的協(xié)同作用受到信息共享程度的影響[21]。當企業(yè)的供應商過度集中時，企業(yè)與供應商之間的專有性投資使得雙方的預期收益只有在交易關系持續(xù)的情況才能夠獲得，而兩者間形成的高階紐帶與過于緊密的關系會制約雙方交易伙伴的選擇和交易行為的變更。過度集中的供應商還會引發(fā)同質(zhì)化風險，使得交易僅限定于特定的交易伙伴，阻礙新信息的進入，過于封閉、冗余的信息圈使得合作喪失靈活性[22]。供應商甚至可以在密切的社會關系掩蓋下，設計一種系統(tǒng)地欺騙企業(yè)的方法[23]。企業(yè)為預防供應商的這種機會主義行為會采取一系列措施，導致雙方的信任下降，企業(yè)獲得的商業(yè)信用融資減少。

同時，銀行信貸隨著供應商集中度的升高也呈倒U型?；谏虡I(yè)信用融資的信號效應，供應商集中度升高有利于企業(yè)獲得更多的銀行債務融資[24]。企業(yè)與供應商之間良好的合作狀態(tài)，某種程度上向銀行傳遞了企業(yè)經(jīng)營良好的信息，緩解了銀行在授信決策過程中的信息不對稱問題，此時企業(yè)能夠獲得更多的銀行信貸[25-26]。但當企業(yè)的供應商集中度過高時，同質(zhì)化的風險使得企業(yè)和供應商開始安于現(xiàn)狀，繼而降低企業(yè)與供應商提出具有挑戰(zhàn)性的問題和探索創(chuàng)造性解決方案的能力[27]。認知能力的同質(zhì)化導致企業(yè)和供應商缺乏創(chuàng)造性，使得企業(yè)的經(jīng)營風險上升，其產(chǎn)生的信息外溢，也會被銀行準確地捕捉到，銀行為了降低自身的信貸風險，會減少對企業(yè)的銀行信貸。

此外，商業(yè)信用融資相對于銀行信貸具有信息優(yōu)勢。企業(yè)的供應商集中度升高時，緊密的合作關系使得供應商對企業(yè)經(jīng)營信息的充分共享、精確接收和合理利用更加敏銳，這樣有利于實現(xiàn)雙方的共贏，企業(yè)能夠從供應商處獲得更多的商業(yè)信用融資；當企業(yè)的供應商集中度過高時，企業(yè)遭遇的信息圈封閉、決策創(chuàng)新艱難，學習成長緩慢等一系列問題也會通過“牛鞭效應”傳遞到供應商處，導致企業(yè)與供應商之間的合作開始僵化[28]，此時供應商為維護自身發(fā)展會減少對企業(yè)的商業(yè)信用融資。即隨著供應商集中度升高帶來的風險累積到一定程度，商業(yè)信用融資達到頂峰，隨后會下降。基于商業(yè)信用融資相對銀行信貸具有的信息優(yōu)勢，頻繁的交易使得供應商可以定期訪問客戶，了解企業(yè)的經(jīng)營與違約風險，這樣能夠及時、高效、低成本地獲得與客戶有關的信息[28]。在信貸市場上，銀行對每一個借貸者的信貸風險水平缺乏足夠了解，依據(jù)市場現(xiàn)有的平均值進行評估成為普遍現(xiàn)象，但這樣并不能有效地幫助銀行篩選出滿意的借貸者，信貸風險大幅度提升[29]。相對于商業(yè)信用融資，在信息收集上的劣勢以及銀行與企業(yè)之間的利益目標不一致引起的信息在向外傳遞時的低效導致銀行信貸未能及時作出反應[30]，其達到的最高水平(倒U 型拐點2)要滯后于商業(yè)信用融資達到的最高水平(倒U 型拐點1)。即當銀行信貸在觀察到商業(yè)信用融資隨著供應商集中度的升高達到最高水平(倒U型拐點1)后，也會隨著供應商集中度升高帶來的風險累積到一定程度達到頂峰(倒U型拐點2)，隨后會下降。具體如圖1。

圖1 商業(yè)信用融資與銀行信貸互動關系動態(tài)轉(zhuǎn)換圖Fig.1 Dynamic transformation diagram of the interaction between trade credit financing and bank credit

因此，在商業(yè)信用融資隨著供應商集中度的升高達到最高水平(拐點1)前，企業(yè)與供應商之間良好的合作狀態(tài)會向銀行傳遞正向的信號效應，繼而成為銀行擬授信企業(yè)的判斷依據(jù)，增加了企業(yè)銀行信貸的可得性，商業(yè)信用融資與銀行信貸均隨著供應商集中度的升高而升高，呈現(xiàn)互補關系；在銀行信貸隨著供應商集中度的升高達到最高水平(拐點2)后，企業(yè)因供應商集中度過高引發(fā)的同質(zhì)化風險進一步增加至銀行亦可察覺到的范圍內(nèi)，企業(yè)帶來的信貸風險成為銀行減少授信的依據(jù)，商業(yè)信用融資與銀行信貸均隨著供應商集中度的升高而降低，呈現(xiàn)互補關系，此時企業(yè)將會遭受來自供應商和銀行的雙重配給[6]；在商業(yè)信用融資隨著供應商集中度的升高達到最高水平(拐點1)后，但銀行信貸隨著供應商集中度的升高達到最高水平(拐點2)前，商業(yè)信用融資與銀行信貸分別隨著供應商集中度的升高而降低和繼續(xù)增加，兩者呈現(xiàn)替代關系。簡言之，由于拐點的異質(zhì)性，供應商集中度被劃分成三段區(qū)間，在不同的區(qū)間里，商業(yè)信用融資與銀行信貸呈現(xiàn)出不同的關系：當供應商集中度≤拐點1時，商業(yè)信用融資與銀行信貸之間呈現(xiàn)互補關系；當拐點1＜供應商集中度≤拐點2時，商業(yè)信用融資與銀行信貸之間呈現(xiàn)替代關系；當供應商集中度＞拐點2時,商業(yè)信用融資與銀行信貸之間呈現(xiàn)互補關系。

基于以上分析，本文提出如下假設：

在其他條件相同的情況下，隨著供應商集中度的升高，商業(yè)信用融資與銀行信貸的互動關系呈現(xiàn)由互補到替代再到互補的動態(tài)轉(zhuǎn)換。

2 研究設計

2.1 樣本收集與數(shù)據(jù)處理

選取2007—2016年上市公司A股作為研究樣本，篩選數(shù)據(jù)方法如下：剔除金融、保險業(yè)企業(yè)；剔除ST和*ST公司樣本；刪除數(shù)據(jù)異常的樣本，包括商業(yè)信用融資和資產(chǎn)負債率為負的公司樣本；剔除關鍵變量數(shù)據(jù)缺失的樣本。經(jīng)過以上處理，最終獲得6 184 組公司年度數(shù)據(jù)。文中數(shù)據(jù)主要來自國泰安 (CSMAR)數(shù)據(jù)庫，研究中進行數(shù)據(jù)處理、描述性統(tǒng)計和回歸分析使用的軟件為stata13.0。為了避免極端值對回歸過程的影響，對主要連續(xù)型變量進行縮尾處理。

2.2 模型設計與變量定義

根據(jù)文中的理論分析，商業(yè)信用融資與供應商集中度之間存在著倒U 型，基于商業(yè)信用融資的信號效應，銀行信用與供應商集中度之間也存在著倒U型關系。通過加入供應商集中度的平方項(Sq)建立模型(1)～(2)以分別考察銀行信貸、商業(yè)信用融資與供應商集中度的非線性關系，同時將商業(yè)信用融資與銀行信貸作為控制變量加入模型(1)～(2)中以控制因果關系對模型結(jié)果的影響。

參考文獻[31]的方法，將M(M=M2增長率-GDP增長率-CPI增長率)設置為虛擬變量對貨幣政策進行衡量。市場化進程指數(shù)(H)來源于文獻[32]。具體變量名稱和定義見表1。

表1 主要相關變量定義Tab.1 Definition of main variables

3 實證結(jié)果與分析

3.1 描述性統(tǒng)計

對研究的變量進行描述性統(tǒng)計，結(jié)果如表2。從表2可看出：商業(yè)信用融資(T)的最小值為0.063，最大值為0.795，說明各樣本公司的商業(yè)信用融資的差異較大,數(shù)據(jù)間較大的跨度使本文的研究更有價值；銀行信貸(B)的最小值為0，最大值為0.596，標準差為0.181，表明樣本公司在獲得銀行信貸方面存在著較大的差異；同時，與商業(yè)信用融資相比，無論是從均值、中位數(shù)上看，還是從最大值、最小值上看，銀行信貸(B)皆較低，表明企業(yè)獲得銀行信貸在總體上就低于從供應商處獲得商業(yè)信用融資；商業(yè)信用融資(T)的平均水平為0.319，中位數(shù)水平為0.281，均值大于中位數(shù)說明樣本公司商業(yè)信用融資的分布呈右偏的特征，若供應商集中度與商業(yè)信用融資之間倒U型關系成立，其對應的供應商集中度的拐點應出現(xiàn)在偏左的位置。而根據(jù)文中的理論分析，基于商業(yè)信用融資的信號效應，供應商集中度與銀行信貸也將呈現(xiàn)倒U型關系且拐點應出現(xiàn)在偏右的位置，正是因為兩者拐點的差異性才造成銀行信貸與商業(yè)信用融資之間的互動關系隨著供應商集中度不斷升高而發(fā)生動態(tài)轉(zhuǎn)換。供應商集中度(S)的均值為0.335，最大值為0.760，最小值為0.085，說明樣本公司的供應商集中度總體水平較低，但存在部分企業(yè)的供應商集中度過高，最高甚至達到76%。這意味著部分企業(yè)因過度嵌入供應商關系而容易陷入封閉的信息圈，無法及時掌握新的市場信息，跟蹤市場動態(tài)，使得企業(yè)產(chǎn)生經(jīng)營風險。

表2 主要變量的描述性統(tǒng)計Tab.2 Descriptive statistics of the main variables

3.2 相關性分析

對各主要變量進行相關性檢驗，結(jié)果如表3。從表3可看出，各主要變量間相關系數(shù)基本小于0.5，各個控制變量的符號也基本符合預期。具體而言，商業(yè)信用融資與供應商集中度在1%的水平上顯著負相關，而本文認為企業(yè)供應商集中度與商業(yè)信用融資之間呈倒U型關系，表明供應商集中度與商業(yè)信用融資的倒U型關系是非對稱的，變量主要集中在拐點右側(cè)?；谏虡I(yè)信用融資的信號效應，供應商集中度與銀行信貸也應呈倒U型關系。從銀行信貸與供應商集中度在1%的水平上顯著正相關來看，供應商集中度與銀行信貸的倒U型關系也是非對稱的，變量主要集中在拐點左側(cè)。由于本文探討的是非線性關系，各變量之間的關系較為復雜，因而在回歸分析中會進行更為詳細地分析。

表3 主要變量的相關系數(shù)矩陣Tab.3 Correlation coefficient matrix of the main variables

3.3 實證結(jié)果與分析

為了驗證供應商集中度與商業(yè)信用融資和銀行信貸的倒U型關系，采用普通最小二乘法(ordinary least square method,OLS)對模型(1)～(2)進行檢驗，結(jié)果分別如表4第(1)～(2)列。表4第(1)列顯示，供應商集中度(S)的回歸系數(shù)在1%的置信水平上顯著為正，供應商集中度平方項(Sq)的回歸系數(shù)為-0.375 0，且在1%的置信水平上顯著，表明商業(yè)信用融資與供應商集中度之間呈倒U型關系。表4第(2)列顯示，供應商集中度(S)的回歸系數(shù)為0.240 0，在1%的置信水平上顯著，供應商集中度平方項(Sq)的回歸系數(shù)在1%的置信水平上顯著為負，表明銀行信貸與供應商集中度之間呈倒U型關系。為了克服自相關、異方差等問題，本文同時采用可行性廣義最小二乘法(feasible generalized least square method，F(xiàn)GLS)檢驗模型(1)～(2)，結(jié)果如表4 中第(3)～(4)列所示。其回歸系數(shù)的方向和顯著性與OLS的基本結(jié)果一致。

根據(jù)表4第(1)～(2)列供應商集中度與商業(yè)信用融資和銀行信貸倒U型關系的結(jié)果，可以計算出拐點處的供應商集中度分別為0.290 7和0.483 9。當供應商集中度不超過29.07%時，商業(yè)信用融資與供應商集中度呈正相關；當供應商集中度超過29.07%，商業(yè)信用融資與供應商集中度呈負相關；當供應商集中度不超過48.39%時，銀行信貸與供應商集中度呈正相關；當供應商集中度超過48.39%，銀行信貸與供應商集中度呈負相關。因此，當供應商集中度≤0.290 7時，商業(yè)信用融資與銀行信貸均隨著供應商集中度的升高而升高，呈現(xiàn)互補關系；當0.290 7＜供應商集中度≤0.483 9時，商業(yè)信用融資與銀行信貸分別隨著供應商集中度的升高而降低和繼續(xù)增加，呈現(xiàn)替代關系；當供應商集中度＞0.483 9時，商業(yè)信用融資與銀行信貸均隨著供應商集中度的升高而降低，呈現(xiàn)互補關系。因此，隨著供應商集中度的升高，商業(yè)信用融資與銀行信貸的互動關系呈現(xiàn)由互補到替代再到互補的動態(tài)轉(zhuǎn)換，本文的假設得到驗證。

表4 多元回歸分析結(jié)果Tab.4 Results of multiple regression analysis

4 穩(wěn)健性檢驗

為了增加實證結(jié)果的穩(wěn)健性，做如下穩(wěn)健性檢驗：替換解釋變量，采用企業(yè)向前一大供應商的采購額占公司全年采購額的比例替換供應商集中度(S)進行檢驗；替換被解釋變量，采用應付賬款/營業(yè)成本替代商業(yè)信用融資(T)、短期借款/總資產(chǎn)替代銀行信貸(B)進行檢驗；采用供應商集中度滯后一期變量作為工具變量以消除上一年供應商集中度可能對商業(yè)信用融資與銀行信貸關系產(chǎn)生的影響；借助計量方法Utest命令對倒U型關系進行檢驗以增加可信度[33]。通過以上檢驗，主要的回歸結(jié)果基本不變，表明本文的研究結(jié)論是穩(wěn)健的。

5 研究結(jié)論與啟示

選取2007—2016年A股上市公司數(shù)據(jù)作為研究樣本，通過對商業(yè)信用融資和銀行信貸與供應商集中度的倒U型關系的揭示，探討其拐點的差異性，發(fā)現(xiàn)隨著供應商集中度的升高，商業(yè)信用融資與銀行信貸的互動關系呈現(xiàn)由互補到替代再到互補的動態(tài)轉(zhuǎn)換。由此也得到如下啟示：

1)企業(yè)在與供應商的交往過程中，應當更加積極地提高對外披露的信息質(zhì)量，高質(zhì)量的信息披露有利于降低企業(yè)與利益相關者的信息不對稱程度[34]；

2)企業(yè)在加強與供應商的溝通獲得信任的同時，應把握好與供應商共享信息的程度，以免過度的信息共享導致信息圈封閉，繼而引發(fā)供應鏈上“牛鞭效應”[35]，這種效應在供應鏈的固有屬性下也會影響企業(yè)自身的管理；

3)企業(yè)應注重合理利用企業(yè)與供應商之間的動態(tài)信息博弈，關注其正面信息的外溢效應對銀企之間信息不對稱的改善作用，運用適當?shù)男畔⒐蚕韺煞N融資方式的互補性，以調(diào)整企業(yè)自身融資方式。