大客戶地理鄰近性能夠抑制公司違規嗎？

宛 晴,程小可,楊鳴京,歐陽才越

(1.北京交通大學 經濟管理學院, 北京 100044 ; 2.西南財經大學 會計學院，四川 成都 611130)

一、引言

公司違規嚴重損害投資者利益，因此探索公司違規的抑制手段一直以來都是實務屆和學術界關注的熱點問題。現有文獻主要從大股東[1]、管理層[2-4]、獨立董事[5-6]、員工[7]等公司內部利益相關者視角以及機構投資者[8-9]、分析師[10]、審計師[11]等外部資本市場利益相關者視角探究對公司違規的抑制作用。然而，尚未有文獻關注企業經營活動的重要外部利益相關者——大客戶對供應商公司(以下簡稱公司)違規行為的影響。

大客戶是市場需求的代表性力量，決定著公司的預期收益與發展前景，并影響公司的經營管理決策[12]。然而關于大客戶對于公司行為的影響，現有研究尚未達成一致。一方面，大客戶和公司分處供應鏈的下游和上游，二者一榮俱榮，一損俱損，利益綁定關系明顯，而更換供應商則會產生高昂的轉換成本[13]，因此大客戶有動機監督公司的經營管理狀況。比如為保障自身生產安全，維持供應鏈體系穩定，大客戶會要求公司提供更穩健的會計信息[14]，抑制公司過度負債和超額發放股利等機會主義行為[15-16]。另一方面，出于維持大客戶關系的考慮，公司也有動機努力維持自身良好形象，通過盈余管理或者稅收規避等手段粉飾業績[17-19]。本文認為上述分歧的成因在于現有研究大多強調大客戶的治理需求，卻忽略了大客戶參與治理的“監督成本”。已有研究表明,監督成本是決定利益相關者治理效應的關鍵要素[20-21]。只有當監督成本小于監督所帶來的收益時，利益相關者才會進行監督[20]。大客戶的監督成本主要包括為及時掌握公司經營狀況而付出的各類信息搜集與整理成本，以及面對公司潛在道德風險時付出的各類契約修訂與重新談判成本[22]。然而，大客戶與公司間的信息互動與交易往來均處于供應鏈這一“黑箱”內部，致使大客戶的監督效果難以被外界直接觀測。為了彌補上述缺陷，本文巧妙地引入大客戶與公司間的地理距離，即大客戶地理鄰近性，用以度量大客戶的監督成本，進而更加客觀有效地檢驗大客戶對公司違規的治理效應。

基于地理經濟學與委托代理理論，本文以2009-2015年我國A股非金融類上市公司為研究對象，探討大客戶地理鄰近性與公司違規之間的關系。研究結果表明，大客戶與公司間地理距離越近，公司的違規行為傾向越小，嚴重程度越低，即大客戶地理鄰近性能夠有效抑制公司違規行為與違規嚴重程度。比較公司治理水平與大客戶治理需求的差異后發現，在治理水平較低的公司中大客戶地理鄰近性對公司違規的抑制效應更為明顯，而當公司處于耐用品行業、專項投資水平較高，或者大客戶均為非國有企業等大客戶具有強烈的公司治理需求時，大客戶地理鄰近性對公司違規的抑制效應更為明顯，說明較近的地理距離能夠有效降低大客戶的監督成本，提升公司治理效率。此外，本文還發現大客戶地理鄰近性對公司的經營活動違規與信息披露違規都能起到抑制作用。

本文的研究貢獻主要有以下三點：首先，本文首次從供應鏈視角探究了大客戶地理鄰近性對供應商公司違規行為的治理效應，從而豐富了有關公司違規影響因素相關文獻。現有公司違規影響因素的文獻主要考察股權結構[1]、管理層激勵[3,23]、獨立董事[5-6]、機構投資者持股[8-9]、分析師跟蹤[10]、審計師[11]等利益相關群體對公司違規的影響，而對公司所處供應鏈體系中的行為主體，特別是大客戶的關注不足。本文以大客戶地理鄰近性為切入點探討了大客戶對公司違規的影響，對這一問題進行補充完善。其次，本文從監督成本視角拓展了大客戶在公司治理效應方面的研究。現有大客戶公司治理效應的研究主要圍繞大客戶參與公司治理的動機展開[13-14]，忽略了大客戶“監督成本”的影響。已有文獻表明監督成本是行為主體發揮治理效應的關鍵要素[20-21]。本文巧妙地使用地理鄰近性指標衡量大客戶的監督成本，檢驗了大客戶對公司違規的影響，拓展了大客戶公司治理效應的相關研究。最后，本文將地理鄰近性納入客戶特征范疇，拓展了客戶特征的研究維度。現有客戶特征的相關研究側重討論客戶集中程度[24-25]、議價能力[26]、客戶經營與財務狀況[27-28]、客戶穩定性[29-30]等特征對公司決策的影響，缺乏對客戶與公司之間的信息傳遞與業務往來等內在過程的討論。本文較早將地理經濟學理論引入客戶特征研究當中，透過大客戶地理鄰近性這一指標刻畫大客戶與公司間的互動，為大客戶特征的相關研究提供了一種全新思路。

本文其余部分安排如下：第二部分為文獻回顧與假設提出；第三部分為研究設計，包括樣本選擇與數據來源、變量定義與模型構建；第四部分為實證結果與分析；第五部分為穩健性檢驗；第六部分為作用機制分析；第七部分為進一步檢驗；第八部分為研究結論。

二、文獻回顧與理論假設

(一)大客戶治理效應相關文獻

當公司的主要銷售收入源自于一個或少數幾個大客戶時，大客戶在公司的戰略規劃，運營策略乃至業績實現中均扮演著舉足輕重的角色，進而影響公司的投融資決策[23-24]、信息披露[14,31]、現金持有[32-33]，成本管理[34-35]、審計師選擇[36]等。但對于公司決策中大客戶的治理效應，現有研究卻并未達成一致結論，而是形成兩種對立觀點。一種觀點認為，大客戶有助于整合供應鏈體系，發揮積極的外部治理效應。出于保障自身生產安全與維持供應鏈體系效率的考慮，大客戶有動機對公司實施監督，降低道德風險，提升公司管理效率。例如，Banerjee 等(2008)[15]發現為保障專有投資的預期收益，大客戶會傾向于同負債水平較低的公司合作；Hui 等(2012)[14]認為大客戶會利用自身議價優勢要求大客戶提供更為穩健的會計信息；褚劍等(2016)[37]發現大客戶能夠通過改善公司基本面與扼制負面消息隱藏來降低公司股價崩盤風險；焦小靜等(2017)[16]的研究則表明大客戶利用自身信息優勢監督公司管理層的機會主義行為，減少現金股利的發放。另一種觀點認為，大客戶具有風險集中效應，會誘發公司的道德風險。在公司收入中的決定性地位使得大客戶擁有優勢談判地位，能夠要求更多的價格優惠、專有投資或商業信用，推升公司的經營與財務風險。為了穩定與大客戶間的合作關系或規避潛在風險，公司更有可能實施機會主義行為。Raman等(2008)[17]、方紅星和張勇(2016)[18]等認為為了向大客戶釋放出積極信號，公司會通過盈余管理來美化自身前景。曹越等(2018)[19]則發現為應對大客戶所帶來的經營與財務困境風險，公司會實施更為激進的避稅行為以避免內部資金流斷裂。

綜上可知，現有大客戶公司治理效應的文獻過分強調其治理動機，忽視了監督成本這一關鍵要素。現有研究表明，對于利益相關者而言，過高的監督成本不僅會降低其治理效率[38-39]，還可能會抑制其參與治理的意愿[40]。因此，本文認為考察大客戶的監督成本，有助于驗證其能否發揮積極的公司治理效應。

(二)地理經濟學相關研究

地理經濟學理論認為，地理鄰近性有助于緩解經濟主體間的信息不對稱，提升信息溝通效率[41]，降低交易成本[42]。在公司治理領域，越來越多研究注意到地理鄰近性在降低監督成本，提升治理效率方面的作用。例如，Kedia等(2011)[43]發現靠近證券監管機構的公司發生財務重述的可能性更低。而地理鄰近性能夠為獨立董事提供更多與公司內部人員“面對面”交流的機會，使其能夠更精確的判斷公司管理策略與營運能力，降低公司代理成本[44]，抑制高管超額薪酬[45]。機構投資者則能依靠與公司間較近的地理距離獲取更多公司管理的“軟信息”，抑制管理層的機會主義行為[38]，獲取更高的投資回報[46]。彭濤等(2014)[47]研究表明地理鄰近性有助于風險投資者參與到標的公司的治理活動中。在審計活動中，與公司間較近的地理距離能夠幫助審計師以更低的成本獲取公司內部信息，提升審計質量[48-49]。陳冬華等(2013)[50]發現靠近宗教場所的公司所受到宗教信仰的監督與約束越強，盈余管理與違規傾向越弱。

綜上可知，當前公司治理相關研究中，地理鄰近性已經成為測度監督成本的重要方式。然而，目前鮮有文獻考察大客戶地理鄰近性對其公司治理效應的影響。

(三)大客戶地理鄰近性與公司違規

由于分處供應鏈的上下游，大客戶與公司的生產經營活動存在“捆綁效應”。一旦實施違規行為而遭受處罰，公司將難以保障貨品供應與后續服務，這會破壞大客戶的生產秩序，嚴重時甚至會導致大客戶經營失敗[14，31]。此外，大客戶前期所投入的專有資產也將喪失預期價值，并產生高昂的轉換成本[13，18]。因此大客戶具有強烈的動機監督公司可能存在的違規行為。然而，受制于監督成本的影響，不同大客戶甄別與預防公司經營隱患的能力可能存在差異，并導致對公司違規行為的監控與約束能力不同。具體來看，地理鄰近性可能從以下兩個方面降低大客戶的監督成本，提升治理效率。

首先，地理鄰近性能夠降低大客戶的信息搜集成本。較近的地理距離使得大客戶的業務人員能夠以較低的成本實現同公司的“面對面”交流。頻繁的“面對面”交流能夠大幅提升溝通效率、挖掘隱藏信息[44]。大客戶能夠借此直接觀察公司包括生產能力，存貨管理，售后保障，資金周轉在內的公司各項經營管理活動，也更容易獲取公司不愿披露的某些“私有信息”[44,51]。這有助于大客戶判斷公司的經營與財務狀況是否存在異常。此外，較近的地理距離也意味著大客戶更容易接觸到公司所處的社會網絡。依靠網絡內上游供應商，銀行，政府職能機關(稅務、工商、環保、勞動仲裁等)，地方媒體等利益相關者的信息溢出，大客戶能夠以較低成本了解公司的實際狀況[33]。信息搜集成本的降低使得大客戶更容易甄別出公司的違規行為。

其次，地理鄰近性能夠降低大客戶重新談判成本。較近的地理距離促進了大客戶與公司的業務往來與信息交流。在此過程中，大客戶能夠掌握更多公司的成本結構，存貨周轉以及業績壓力等關鍵信息，進而降低了契約簽訂過程中的交易成本[53]。當察覺到公司可能存在違規行為時，大客戶能夠以更低的成本展開重新談判，通過提出更嚴苛的質量標準與售后服務要求，索取更高的商業信用，壓縮專有資產投資，中止共同生產或聯合投資等方式來保障自身利益。較低的重新談判成本使得公司違規后更可能面臨來自大客戶的嚴厲懲罰。

綜合上述分析，本文提出如下假設：

H：大客戶與公司間的地理距離越近，公司的違規行為傾向越小，嚴重程度越低。

三、研究設計

(一)樣本選擇與數據來源

參考Itzkowitz(2013)[32]、殷楓和賈競岳(2017)[27]的研究，本文將銷售額占公司當年銷售額10%以上的客戶定義為大客戶。選擇2009-2015年我國A股上市公司為研究對象，按照如下規則進行篩選：(1)根據上市公司財務報表附注中“前五大客戶”部分獲取關鍵客戶信息，剔除其中諸如“客戶A”“第一大客戶”“客戶一”等客戶信息無法查驗樣本，剔除自然人客戶樣本，剔除港澳臺地區及海外公司樣本，剔除客戶信息披露錯誤樣本(例如前五大客戶銷售占比之和大于1等)，剔除無法查驗大客戶準確地址的公司樣本；(2)剔除金融保險類公司；(3)剔除ST和PT類公司樣本；(4)剔除財務指標缺失樣本；(5)對所有連續變量進行上下1%縮尾處理。最后共獲得595家上市公司，1329對大客戶-公司配對關系，共1356個公司年度觀測值。“前五大客戶”信息源自上市公司財務報表附注，大客戶及上市公司地理位置信息源自網絡搜索，大客戶及上市公司間地理距離則通過Google Earth軟件測度獲得，公司各項財務指標源自CSRMAR國泰安金融數據庫。

(二)變量定義

1.公司違規

本文使用兩類指標來度量公司違規：一是公司違規行為，參考Hass等(2016)[3]、周澤將等(2018)[6]等研究，定義當年公司是否發生違規行為FRAUD。如果當年公司發生違規行為，包括虛構利潤、虛列資產、虛假記載、推遲披露、重大遺漏、披露不實歸、欺詐上市、出資違規、擅自改變資金用途、占用公司資產、內幕交易、違規買賣股票、操縱股價、違規擔保和一般會計處理不當等，并被證監會、交易所以及財政部等處罰，則FRAUD為1，否則為0。二是公司違規嚴重程度，參考蔡志岳和吳世農(2007)[5]、Firth等(2014)[54]等研究，定義當年公司違規嚴重程度PUNISH。如果公司無違規行為，PUNISH為0，如果公司受到公開譴責，PUNISH為1，如果公司受到公開批評，PUNISH為2，如果公司受到公開處罰或更加嚴重的懲處，則PUNISH為3。如果當年公司發生多次違規行為，PUNISH取其中受處罰最嚴重程度為準。

2.大客戶地理鄰近性

首先根據上市公司財務報表附注中所披露的“前五大客戶”信息，將銷售收入占公司總銷售收入比例超過10%的客戶定義為大客戶。隨后參考黃福廣等(2014)[55]的方法，通過網絡搜索確定大客戶與上市公司總部的地址信息，使用Google Map確定大客戶與公司總部所在地具體地址的經緯度坐標，再通過Google Earth軟件，利用經緯度坐標測量二者間的地理距離D。考慮到部分公司可能存在多個大客戶，本文使用如下兩種方式計算公司層面的大客戶地理鄰近性指標。

第一種按照大客戶數目進行加權。根據公司大客戶總數N，求出各個大客戶至公司總部的平均距離D1，并對D1加1取自然對數得到Dis1。具體公式如下：

(1)

Dis1=ln(1+D1)

(2)

第二種是按照大客戶銷售收入比重進行加權。根據不同公司大客戶銷售額度Si占大客戶銷售總額度S之比加權求出各個大客戶至公司總部的距離D2，并對D2加1后取自然對數得到Dis2。具體公式如下：

(3)

Dis2=ln(1+D2)

(4)

Dis1與Dis2數值越大，表明大客戶與公司的地理距離越遠，公司的大客戶地理鄰近性越弱。

3.控制變量

參考Hass等(2016)[3]、周澤將和劉中燕(2018)[6]的研究，本文還控制了如下可能影響公司違規的因素，具體包括CEO和董事長是否兩職合一(DUAL)、董事會規模(BZ)、監事會規模(CV)、獨立董事比例(IDD)、第一大股東持股比例(FS)、管理層持股比例(MS)、資產負債率(LEV)、資產凈利率(ROA)、市值賬面比(MB)、資產規模(SIZE)、公司年齡(AGE)、公司產權性質(SOE)、當年是否虧損(LOSS)。同時，本文還控制了年度(YEAR)和行業(IND)虛擬變量。相關變量的定義與計算方法詳見表1。

表1 變量定義及計算方法

(三)模型設計

本文構建模型(5)，使用Probit模型檢驗大客戶地理鄰近性對公司違規行為的影響。

FRAUDi,t=β0+β1Dis1i,t/Dis2i,t+β2DUALi,t+

β3BZi,t+β4CVi,t+β5IDDi,t+β6FSi,t+β7MSi,t+β8LEVi,t+β9ROAi,t+β10MBi,t+β11SIZEi,t+β12AGEi,t+β13SOEi,t+β14LOSSi,t+∑YEAR+∑IND+εi,t

(5)

此外，由于變量PUNISH為順序變量，因此本文構建模型(6)，使用Order Probit模型檢驗大客戶地理鄰近性對公司違規程度的影響。

PUNISHi,t=β0+β1Dis1i,t/Dis2i,t+β2DUALi,t+

β3BZi,t+β4CVi,t+β5IDDi,t+β6FSi,t+β7MSi,t+β8LEVi,t+β9ROAi,t+β10MBi,t+β11SIZEi,t+β12AGEi,t+β13SOEi,t+β14LOSSi,t+∑YEAR+∑IND+εi,t

(6)

上述模型的回歸結果均在公司層面進行Cluster處理。

四、實證結果

(一)描述性統計

圖1報告了大客戶-公司地理距離分布的情況。其中，橫軸表示大客戶-公司間地理距離所處區間，縱軸表示大客戶-公司配對數目。可以看出，1329對大客戶-公司關系中，地理距離在200公里以內達到523對(341+182)，占比為39.35%；而地理距離在1000公里以上的達到397對(198+133+66)，占比為29.87%。上述結果表明，大客戶與公司的區位分布在一定程度上呈現出集聚態勢，同時仍有一定比例的大客戶遠離公司，難以及時掌握公司實際運營管理情況，這為本文的研究問題提供了現實基礎。

表2報告了公司年度觀測值樣本的描述性統計結果。在公司違規方面，FRAUD的均值為0.1490，表明樣本中有14.9%的公司發生過違規行為。PUNISH均值為0.1984，表明整體而言，公司違規后所受到的處罰程度較輕。在大客戶地理鄰近性方面，D1和D2的均值分別達到607.7094公里和605.2733公里，大客戶與公司間的地理距離均值超過600公里，表明公司與大客戶并未呈現出高度聚集現象。而D1和D2的中位數小于均值，分別為392.3218公里和379.9729公里，表明樣本數據存在一定右偏態勢，即相對而言公司更可能與地理距離較近的大客戶形成合作關系。同時可以看到D1和D2的標準差分別達到648.9781和653.9225公里，極差分別達到2789.2808和2800.7947公里，表明不同公司與其大客戶間地理距離的差異較大，符合我國幅員遼闊的現實情況，也為本研究提供了充分的現實基礎。控制變量方面，樣本中LEV均值僅為39.58%，表明擁有大客戶的公司傾向保持較低的負債率，符合Kale等(2007)[13]、Banerjee等(2008)[15]等的研究。此外，樣本中38.86%的公司為國有公司，9.22%的公司虧損。

圖1 大客戶-公司地理距離分布情況

變量樣本量均值標準差最小值中位數最大值極差FRAUD13560.14900.35620.00000.00001.00001.0000PUNISH13560.19840.54040.00000.00003.00003.0000Dis113565.21312.11180.06115.97467.93397.8729Dis213565.19462.11570.06115.94017.93807.8769D11356607.7094648.97810.0630392.32182789.34382789.2808D21356605.2733653.92250.0630379.97292800.85772800.7947DUAL13560.26110.43940.00000.00001.00001.0000BZ13568.83411.85525.00009.000018.000013.0000CV13563.61281.08861.00003.00009.00008.0000IDD13560.36740.05050.25000.33330.71430.4643FS13560.34630.14870.09420.30940.75780.6636MS13560.15710.22330.00000.00270.89180.8918LEV13560.39580.22550.03890.37020.96400.9251ROA13560.03960.0588-0.26470.03980.19930.4640MB13560.75580.75120.05370.52004.27314.2194SIZE135621.58891.214119.032621.348425.55486.5222AGE13561.78511.01170.00001.79183.13553.1355SOE13560.38860.48760.00000.00001.00001.0000LOSS13560.09220.28940.00000.00001.00001.0000

(二)相關性分析

表3報告了本文關鍵變量的相關性分析結果。可以看出，大客戶地理鄰近性指標Dis1和Dis2與公司違規行為FRAUD以及公司違規嚴重程度PUNISH間均呈現顯著的正相關關系，表明在不考慮其它控制變量的情況下，大客戶與公司間地理距離越遠，公司違規行為越多，違規嚴重程度越高，初步驗證本文假設。本文還按照由小到大的順序將Dis1分成10組，每組FRAUD和PUNISH的均值如圖2所示。可以發現，隨著大客戶與公司間地理距離的增加，公司違規行為和嚴重程度均顯著上升，符合本文假設預期。

表3 相關性分析

注：下三角進行pearson檢驗，上三角進行sperman檢驗，*、**、***分別表示10%、5%及1%水平上顯著。

圖2 大客戶地理鄰近性與公司違規

(三)單變量檢驗

按照Dis1和Dis2的中位數，將樣本分成大客戶-公司間地理距離較近(H_Dis1=0和H_Dis2=0)與大客戶-公司間地理距離較遠(H_Dis1=1和H_Dis2=1)兩組，并且比較公司違規指標的均值差異。結果如表4所示。大客戶-公司間地理距離較遠組中FRAUD和PUNISH的均值均大于地理距離較近組，且均在1%水平上顯著。這與本文假設保持一致。

表4 單變量分析(按照大客戶-公司間地理距離分組)

注：按照H_Dis1和H_Dis2分組進行T檢驗，*、**、***分別表示10%、5%及1%水平上顯著。

(四)回歸分析

為檢驗大客戶地理鄰近性與公司違規之間的關系。使用Probit回歸檢驗模型(5)，結果如表5中(1)、(2)列所示。使用Order Probit回歸檢驗模型(6)，結果如表5中(3)、(4)列所示。可以看到，Dis1和Dis2的系數均為正，且在1%水平上顯著。說明大客戶與公司間地理距離越遠，公司越發生違規的傾向越強，同時違規程度也越高。回歸結果支持本文假設H。

控制變量方面，FS和LEV的系數顯著為正，ROA系數顯著為負，表明第一大股東持股比例較高，負債水平越高，盈利能力越差，公司越有可能發生違規行為，同時違規程度也越高。特別的，當被解釋變量為PUNISH時，SOE系數顯著為負，而當被解釋變量為FRAUD時，SOE系數則并不顯著，說明相較于國有公司，非國有公司在違規傾向上并無明顯差異，但一旦發生違規行為，其嚴重程度更高。

五、穩健性檢驗

(一)替換大客戶地理鄰近性指標

借鑒黃福廣等(2014)[55]的方法，本文使用大客戶與公司總部之間陸路交通的最短出行時間測度大客戶地理鄰近性。該指標的測度方法如下。

表5 回歸分析-大客戶地理鄰近性與公司違規

注：括號內為Z值，*、**、***分別表示10%、5%及1%水平上顯著，回歸系數標準誤經過cluster處理。

以谷歌地圖(Google Map)的兩地出行時間為標準，手工搜集從大客戶抵達公司總部具體地址需要的陸路交通方式(高鐵、動車、普通火車、地鐵、汽車等)出行時間Time。同時，考慮到陸路交通設施改善，特別是我國高鐵、動車等開通對個體出行時間的影響，本文依據“火車票網”(www.huochepiao.com)的歷史火車通行時長、城市所在地原火車站地址以及市內出行時間等對大客戶與公司總部間陸路出行時間進行校隊調整,以精確測度高鐵、動車等開通前兩地間的陸路出行時間。隨后根據大客戶數目以及銷售額占比分別加權計算各大客戶抵達公司總部的平均陸路出行時間Time1和Time2，再分別加1后取自然對數，得到T1與T2。隨后分別替換模型(5)和模型(6)中的Dis1和Dis2進行檢驗。回歸結果如表6所示，T1和T2的系數均在1%水平上顯著為正，主回歸結果保持穩健。

表6 穩健性檢驗-替換大客戶地理鄰近性指標

注：括號內為Z值，*、**、***分別表示10%、5%及1%水平上顯著，回歸系數標準誤經過cluster處理。

需要指出的是，與黃福廣等(2014)[55]使用包含飛機在內的兩地間最短出行時間測度地理鄰近性的做法不同，本文采用大客戶與公司間陸路交通的最短出行時間來度量地理鄰近性。采取上述做法主要基于如下兩點。一是信息交互的行為主體不同。黃福廣等(2014)[55]強調風險投資者這一戰略層面的行為主體，本文則著重考察大客戶這一業務層面的行為主體，信息的傳遞源自各個層級的業務人員。因此在本文預設的情境中，陸路交通方式更具有普遍性。二是信息交互的成本不同。飛機能夠大幅度縮短兩地間的出行時間，但其經濟成本也遠高于陸路交通方式。相較于風險投資者，大客戶及公司中的各級業務人員出行更多需要依賴陸路交通工具。因此，如果將飛機納入大客戶與公司間最短出現時間指標中，主觀上會扭曲大客戶對于公司監督成本的測度。

(二)替換回歸模型

本文分別使用Logit回歸模型與OLS回歸模型檢驗模型(5)和模型(6)。回歸結果如表7所示。可以發現，在替換模型后，大客戶地理鄰近性指標Dis1和Dis2的系數仍至少保持在5%水平上顯著為正，說明在替換模型后，主回歸結果仍然穩健。

(三)內生性檢驗

考慮到可能存在某些未能觀測到的要素對于大客戶地理距離以及公司的創新決策同時產生影響，即可能存在內生性問題，參考Ghoul等(2013)[41]的做法，本文選取上市公司與大客戶地理距離的年度行業均值(D_iv)作為工具變量，使用兩階段工具變量法進行回歸檢驗。第一階段回歸結果如表8中。D_iv的系數均于1%水平上顯著為正，F值分別達到117.7207和91.1183，顯著大于10，而Cragg-DonaldWald以及Kleibergen-PaapWald統計量均大于10%水平臨界值，拒絕弱工具變量假設，表明該工具變量能夠較好解釋疑似內生變量。

第二階段回歸結果如表9所示，經調整后自變量分別由Pre_Dis1與Pre_Dis2表示，可以看出，Pre_Dis1與Pre_Dis2系數依然顯著為正，且至少在5%水平以上顯著。說明在控制內生性問題之后，主回歸結論依然穩健。

表7 穩健性檢驗-替換回歸模型

注：括號內為Z值或T值，*、**、***分別表示10%、5%及1%水平上顯著，回歸系數標準誤經過cluster處理。

六、影響機制分析

(一)基于公司治理水平的截面分析

已有文獻表明，公司治理水平是影響公司違規的重要因素。良好的公司治理機制能夠緩解公司內外部的信息不對稱，監管與約束公司內部人的機會主義行為，進而抑制違規行為的發生[56]。本文假設中指出，地理鄰近性通過降低大客戶的監督成本，提升其治理效率來抑制公司違規行為。如果上述邏輯是正確的話，可以合理預期，當公司已有治理機制難以抑制內部人的機會主義行為，即公司治理水平較低時，大客戶地理鄰近性對公司治理的改善作用更強，能更有效地抑制公司違規。因此，本文推測在治理水平較低的公司中，大客戶地理鄰近性對公司違規的抑制作用更加明顯。

表8 內生性檢驗-第一階段回歸

注：括號內為T值，*、**、***分別表示10%、5%及1%水平上顯著

本文選取分析師跟蹤水平，機構投資者持股和獨立董事比例衡量公司治理水平。分析師是公司與投資者之間的重要信息媒介。利用各類信息渠道與專業知識，分析師能夠及時發現公司各類違規行為并傳遞至資本市場中，發揮監督作用[10，57]。因此公司的分析師跟蹤水平越高，治理水平也越高。機構投資者是重要的市場參與力量。不同于中小投資者，機構投資者具有較高的獨立性與長期投資的意愿[58]，能夠通過“用手投票”的方式監督公司的各類機會主義行為[59]。因此公司的機構投資者持股比例越高，治理水平也越高。此外，獨立董事能夠監督公司內部人自利傾向，降低公司代理沖突[60]。因此獨立董事比例越高，公司治理水平越高。

表9 內生性檢驗-第二階段回歸

注：括號內為Z值或T值，*、**、***分別表示10%、5%及1%水平上顯著，回歸系數標準誤經過cluster處理。

隨后，按照分析師跟蹤人數、機構投資者持股比例和獨立董事比例的年度行業中位數進行分組，對模型(5)和模型(6)分別進行檢驗。回歸結果如表10，表11和表12所示。可以看出，在治理水平較低的公司中，大客戶地理鄰近性與公司違規間呈顯著負相關關系；而在治理水平較好的公司中，二者的關系卻并不顯著。上述結果表明，大客戶地理鄰近性能夠改善公司治理水平以抑制公司違規。

(二)基于大客戶治理需求的截面分析

本文假設指出，通過降低大客戶的監督成本，地理鄰近性能夠顯著提升大客戶的治理能力，進而抑制公司違規。如果該推斷成立，那么當大客戶具有更為強烈的治理需求時，其地理鄰近性抑制公司違規的作用應當更加明顯。

本文從供應商公司是否屬于耐用品行業、專有資產水平以及大客戶產權性質三個角度考察不同治理需求下大客戶地理鄰近性與公司違規的關系是否存在差異。具體的，耐用產品可能需要大量維修、裝配及改良升級等后續專項服務，如果公司出現經營或財務危機，大客戶所采購產品的后續服務將難以得到保障，因此對于耐用品行業的公司，大客戶的依賴程度更高，具有更強的治理需求。而如果公司與大客戶間存在較多專有資產，則表明二者之間聯系緊密，生產經營過程中的協同要求比較高，一旦企業出現經營或財務危機，大客戶將不得不找尋全新供應商，繼而面臨高昂的轉換成本。因此對于專有資產水平較高的公司，大客戶的依賴程度更高，具有更強的治理需求。在當前我國產品市場，不同產權性質的大客戶所面臨的生存壓力卻不盡相同。在面臨經營困境時，由于政府“父愛主義”及“預算軟約束”的存在，國有大客戶更容易獲取銀行貸款，也更容易得到政府的政策支持，具有更強的能力度過經營危機[61-62]。而非國有大客戶則不得不承擔生產秩序破壞，更換供應商等所帶來的高昂成本，也更容易遭遇經營失敗。因此，非國有大客戶具有更強烈的動機參與公司治理，也更可能利用較近的地理距離監督公司的違規行為。

參考Banerjee等(2008)[15]、Itzkowitz(2013)[32]、王雄元和彭旋(2016)[30]的方法，本文將電子、金屬與非金屬、設備儀器類行業界定為耐用品行業，將研發投入(R&D)大于0的公司界定為專有資產水平較高的公司，并分別進行分樣本檢驗。同時，手工收集整理大客戶的產權性質，按照所有大客戶均為國有企業或非國企選取兩個子樣本，并對原假設進行檢驗。

回歸結果如表13、表14及表15所示。對于公司處于耐用品行業、專有資產水平較高以及大客戶均為非國有企業的分樣本中，Dis1和Dis2的系數均于1%水平上顯著為正，而在非耐用品行業、專有資產水平較低以及大客戶均為國有企業的分樣本中，Dis1和Dis2的系數均不顯著。上述結果說明當大客戶更加依賴公司，具有更強的治理需求時，地理鄰近性強化治理能力的作用將更為明顯。

表10 基于公司治理水平的截面分析-按分析師跟蹤分組

注：括號內為Z值，*、**、***分別表示10%、5%及1%水平上顯著，回歸系數標準誤經過cluster處理。

表11 基于公司治理水平的截面分析-按機構投資者持股分組

注：括號內為Z值，*、**、***分別表示10%、5%及1%水平上顯著，回歸系數標準誤經過cluster處理。

表12 基于公司治理水平的截面分析-按獨立董事比例分組

注：括號內為Z值，*、**、***分別表示10%、5%及1%水平上顯著，回歸系數標準誤經過cluster處理。

表13 基于大客戶治理需求的調節效應分析-按是否耐用品行業分組

注：括號內為Z值，*、**、***分別表示10%、5%及1%水平上顯著，回歸系數標準誤經過cluster處理。

表14 基于大客戶治理需求的截面分析-按專有資產分組

注：括號內為Z值，*、**、***分別表示10%、5%及1%水平上顯著，回歸系數標準誤經過cluster處理。

表15 大客戶產權性質差異

注：括號內為Z值，*、**、***分別表示10%、5%及1%水平上顯著，回歸系數標準誤經過cluster處理。

七、進一步檢驗

(一)經營活動違規VS信息披露違規

公司的違規行為可以分為經營活動違規與信息披露違規。公司的經營活動違規直接威脅到大客戶的經營生產安全。而信息披露違規可能引發大客戶對于公司未來經營或財務狀況的擔憂。那么，對于不同類型的違規行為，大客戶地理鄰近性的影響是否存在差異，需要進行一步探討。借鑒權小峰等(2016)[63]的研究，將欺詐上市、出資違規、擅自改變資金用途、占用公司資產、內幕交易、違規買賣股票、操縱股價、違規擔保歸類和一般會計處理不當定義為經營活動違規OPERATE；將虛構利潤、虛列資產、虛假記載、推遲披露、重大遺漏、披露不實歸類為信息披露違規DISCLOUSE。隨后分別對模型(5)進行檢驗。結果如表16所示，(1)、(2)列為大客戶地理鄰近性對公司經營活動違規的影響，(3)、(4)列是大客戶地理鄰近性對公司信息披露違規的影響，可以看到，Dis1和Dis2的系數均顯著為正。說明無論是經營活動違規還是信息披露違規，大客戶地理鄰近性都能夠發揮積極的治理效應。

表16 信息披露違規VS公司經營違規

注：括號內為Z值，*、**、***分別表示10%、5%及1%水平上顯著，回歸系數標準誤經過cluster處理。

八、研究結論

公司違規一直是我國資本市場的“頑疾”。探尋抑制公司違規的手段，一直以來都是監管層與投資者的關注熱點。公司違規不僅會導致資本市場資源錯配，也可能威脅產品市場中供應鏈體系的安全。作為供應鏈體系的核心，大客戶在抑制公司違規方面將如何發揮作用，值得深入討論。

基于地理經濟學與委托代理理論，本文以2009-2015年我國A股非金融類上市公司為對象，手工收集大客戶與公司間的經緯度坐標，使用Google Earth等軟件計算二者間地理距離數據，并基于此構建大客戶地理鄰近性指標，用以衡量大客戶的監督成本。隨后探討大客戶地理鄰近性與公司違規之間的關系。研究發現：大客戶與公司間地理距離越近，公司的違規行為傾向越小，嚴重程度越低，即大客戶地理鄰近性能夠有效抑制公司違規。在使用指標敏感性、模型敏感性、兩階段工具變量法等多種方式進行穩健性檢驗后，上述結論仍然成立。考慮到公司治理水平及大客戶治理需求的差異后發現，大客戶地理鄰近性對公司違規的抑制作用在公司治理水平較低時更為明顯，在公司處于耐用品行業、具有專有資產水平以及大客戶均為非國有企業等大客戶治理需求更強時更為明顯。表明地理鄰近性能夠降低大客戶的監督成本，使其發揮積極的公司治理效應。此外，本文還發現大客戶地理鄰近性對公司的經營活動違規與信息披露違規都能起到抑制作用。

本文的研究結論具有以下三方面的實踐價值。一是，對于投資者而言，需要認識到大客戶在公司治理當中的作用。結合大客戶的治理舉措，例如宣布長期合作、互相持股、共建研發中心或是削減訂貨、加收預收款項、招募新供應商等，判別公司運營狀況并評估投資風險，遴選優質標的，提升投資收益。二是，對于大客戶及公司而言，需要利用地理區位優勢優化供應鏈體系。加強與地理距離較近交易主體間的各類正式或非正式信息交流，合理利用談判優勢，減少交易成本，營造良好的供應鏈生態。特別的，對于距離公司較遠的大客戶，應當密切關注公司的經營管理活動，降低公司道德風險。三是，對于監管者而言，需要結合公司的大客戶區位分布制定差異化的監督策略。對于遠離大客戶的公司，需要強化監督力度，降低其違規可能性，保護投資者權益。