客戶集中度與數據資產信息披露

張俊瑞 李文婷

【摘要】本文基于2014 ～ 2021年我國A股上市公司的數據， 研究客戶集中度對企業數據資產信息披露的影響， 發現客戶集中度越高， 企業數據資產信息披露水平越低。機制檢驗表明， 客戶集中度通過惡化企業信息披露質量、 降低企業創新能力兩個渠道導致數據資產信息披露水平降低。進一步研究表明， 企業產權性質、 市場競爭程度、 企業經營風險均會對客戶集中度與數據資產信息披露之間的關系產生影響。具體來說， 在非國有企業、 面臨更激烈市場競爭的企業、 經營風險更高的企業中， 客戶集中度對數據資產信息披露水平的抑制作用更顯著。

【關鍵詞】客戶集中度；數據資產信息披露；信息披露質量；創新能力

【中圖分類號】 F270? ? ?【文獻標識碼】A? ? ? 【文章編號】1004-0994（2023）07-0003-8

一、 引言

近年來， 伴隨著互聯網、 物聯網和云計算技術的迅猛發展， 數據越來越成為具有巨大價值的關鍵資源?！按髷祿迸c普通“數據”的概念不同， 其具有更深層次的內涵， 原因不僅在于數據在數量上的指數型增加， 更在于其日趨復雜的結構和日益突顯的潛在價值。黨的十九大報告提出， 要“推動互聯網、 大數據、 人工智能和實體經濟深度融合”。在我國， 數字化的觸角已全面延展到社會生活運轉的各個領域， 數據要素正成為驅動我國社會創新發展與深化改革的新引擎。2022年7月中國信息通信研究院發布的《中國數字經濟發展報告（2022年）》顯示， 2021年我國數字經濟規模達到45.5萬億元， 同比名義增長16.2%， 高于同期GDP名義增速3.4個百分點， 占GDP比重達到39.8%。在國民經濟和社會發展中， 數字經濟的地位進一步突顯、 規模不斷擴張、 貢獻不斷增大。而數據要素所蘊含的價值效能又進一步拓展新業態成長、 推進國家治理能力現代化?？梢姡?依托數據要素的數字經濟在我國已成為促進經濟高質量發展的重要推動力。

在數字經濟時代， 數據作為一項關鍵生產要素， 對企業而言具有重要的價值。數據可以為企業賦能， 幫助企業提高生產效率、 降低相關運營成本、 拓展業務線條、 提高核心競爭力。由于企業可以通過整合、 挖掘自身擁有的大量數據， 提升決策質量， 獲得超額經濟收益， 數據資產已具備在財務報告中確認為資產的條件（危雁麟等，2022）。目前已有多家上市公司在年度報告中使用“數據資產”這一詞匯對其相關信息進行披露， 但由于我國尚未發布相關會計準則和要求， 數據資產信息披露仍屬于自愿性信息披露范圍， 企業有權決定其會計處理方式。在數據資產日益重要的現今時代， 研究企業數據資產信息披露的影響因素， 對于提高企業的數據價值創造能力與相關信息披露質量， 具有極其重要的理論及現實意義。

企業生產經營的最終目的是通過將產品賣給客戶實現經濟效益最大化。客戶， 尤其是大客戶， 作為重要的利益相關者和供應鏈的主要組成部分， 在此過程中扮演著至關重要的角色， 對企業的重要性不言而喻?？蛻艏卸润w現了企業對大客戶的依賴程度， 會對企業的生產經營及信息披露活動產生重要影響。現有研究關于客戶集中度對企業經營的影響并未達成一致意見， 存在兩種相反的觀點： 一種認為客戶集中有助于企業經營業績的提升； 另一種則認為客戶集中不僅不利于企業經營業績的提升， 還會損害企業信息披露數量及質量。具體到數據資產信息披露方面， 現有關于客戶集中度的研究并未關注到這一問題?？紤]到數據資產日益突顯的重要性， 研究客戶集中度對數據資產信息披露的影響既有助于豐富對客戶集中度的認識， 又有助于探究企業數據資產信息披露之間的影響因素。為此， 本文選取2014 ～ 2021年我國A股上市公司作為研究樣本， 對客戶集中度與數據資產信息披露的關系進行實證檢驗。

本文的研究貢獻主要體現在以下幾個方面： 第一， 已有研究主要關注客戶集中度對企業會計行為、 整體信息披露質量和公司治理的影響， 并未關注到其對數據資產這一重要的新興資產信息披露的影響。本文將客戶集中度的經濟后果拓展到數據資產信息披露領域， 豐富了客戶集中度的經濟后果研究。第二， 本文結合現有關于客戶集中度經濟后果的研究結論， 從信息披露質量、 企業創新能力方面探討客戶集中度對數據資產信息披露的作用機制， 從供應鏈角度為數據資產相關研究提供了一個新視角。第三， 已有數據資產信息披露相關文獻主要關注數據資產的計量與披露方式及其經濟后果， 鮮少關注到影響數據資產信息披露的各項因素。本文圍繞客戶集中度探討供應鏈關系對企業數據資產信息披露的影響， 豐富了數據資產信息披露相關研究。

二、 文獻回顧、 理論分析與研究假說

（一）客戶集中度

現有研究認為客戶集中度可能對企業經營產生兩方面的影響：

一方面， 客戶集中度可能對企業經營決策產生正面影響。從客戶的角度來說， 作為重要的利益相關者， 為了維護供應鏈的安全與穩定， 客戶可能對主要供應商積極發揮外部監督治理作用， 改善供應商公司治理， 提升供應商信息披露質量（Hui等，2012）。從供應鏈的角度來說， 穩定的供應鏈有助于促進優勢資源互補， 緩解供應商和客戶之間的信息不對稱， 降低信息搜集成本和交易成本。王雄元和高開娟（2017）發現， 客戶具有“合作效應”， 可以通過促進企業間信息共享和合作降低成本粘性。Chu等（2019）發現， 在供應鏈中， 客戶可以通過知識溢出促進企業創新。從企業自身的角度來說， 穩定的客戶結構可以為企業提供優質的資源， 幫助企業從大客戶處獲得穩定的營業收入和決策有用的信息， 進而進行更好的存貨和應收賬款管理， 提升管理效率（Kalwani和Narayandas，1995；Patatoukas，2012）。

另一方面， 客戶集中度可能對企業經營決策產生負面影響。對大客戶的過度依賴會提高企業經營風險。當大客戶與企業中斷交易時， 企業業績將遭受沖擊， 也會給企業現有客戶傳遞消極影響， 引起連鎖反應， 極大程度地惡化企業業績（Dhaliwal等，2016；Hertzel等，2008）。同時， 過度依賴大客戶會提升大客戶的談判議價能力， 企業可能被迫接受苛責條款， 在產品價格、 付款期限等方面向大客戶做出讓步， 使其利潤空間受到擠壓、 盈利風險增加、業績受損（Gosman等，2004）。由于較高的客戶集中度提升了企業經營風險， 企業將面對更高的融資成本和融資條件（Dhaliwal等，2016；Campello和Gao，2017）， 管理層也會因為經營風險的提升而變得保守， 導致投資不足、 企業經營效率下降（王丹等，2020）。較高的客戶集中度還會惡化企業信息披露質量。為了避免客戶流失帶來的不利影響， 管理層有動機采取盈余管理、 利潤平滑等手段操縱信息披露， 以向客戶傳達公司經營良好的信號（Raman和Shahrur，2008）。此外， 大客戶與管理層可能出于一致的利益目的， 沆瀣一氣， 粉飾財務報表， 降低企業披露信息的真實性與可靠性（劉文軍和謝幫生，2017）。

（二）數據資產信息披露

現有關于數據資產的研究主要集中在數據資產的價值、 數據作為資產的合理性、 數據資產的估值方式以及如何進行數據資產管理上。在數據資產價值方面， Perrons和Jensen（2015）認為， 對于大數據分析領域的公司來說， 數據是一種有價值的資產， 但在石油和天然氣行業， 由于數據被視為關于實物資產的描述性信息， 其本身并不具備價值。謝康等（2020）研究發現， 對于絕大部分企業而言， 僅投資大數據資源這一行為并不能直接帶來績效改善， 形成大數據分析能力才是大數據資源改善企業產品創新績效的必要條件。在數據資產估值方面， 歐陽日輝和杜青青（2022）、 翟麗麗和王佳妮（2016）等學者均有所建樹。在數據資產管理方面， 李題印等（2022）、 李紅祥和吳佳珅（2016）、 夏紅軍和安燕娜（2021）分別探究了在大數據時代背景下， 如何剖析制造業企業、 傳統出版業、 供電企業的數據資產管理內涵， 明確各項要素、 構建管理框架， 實現數據資產高效管理。

在數據資產信息披露方面， 學者們主要關注如何對數據資產進行確認、 計量與報告， 即數據資產的會計處理方式。有學者提出應將數據資產作為無形資產進行確認， 在“無形資產”科目下設置“數據資產”二級科目， 并在財務報表附注中對具體信息進行詳細說明（劉玉， 2014； 游靜等，2018）。也有學者認為， 應直接設置一級科目對數據資產進行列示（呂玉芹等，2003；張俊瑞等，2020）。對于數據資產具體如何進行計量與報告， 有學者對其初始計量、 后續計量等均提出了操作性建議（秦榮生，2020）。此外， 現有研究還關注到了數據資產信息披露的經濟后果。如： 企業數據資產信息披露能夠提高分析師預測準確度， 其具體路徑為提供前瞻性信息和改善個股信息透明度（危雁麟等，2022）； 數據資產信息披露能夠通過提升信息透明度、 吸引技術型人力資本、 緩解融資約束， 進而促進企業價值提升（苑澤明等，2022）。

（三）客戶集中度與數據資產信息披露

數據資產作為一種新型資源， 對企業競爭優勢的構建產生著越來越重要的影響。企業數據資產信息披露情況可能會受到企業整體信息披露質量及企業創新能力的影響， 而客戶集中度既可能影響企業的信息披露質量（陳西嬋和劉星，2021；郭瑞，2022）， 又可能影響企業創新能力（金靜等，2021；徐星美等，2022）。根據上文的分析可知， 現有文獻并沒有就客戶集中度對企業的影響達成一致， 所以客戶集中度可能從兩個方面對企業數據資產信息披露產生不同的影響。

首先， 較高的客戶集中度可能會使企業數據資產信息披露水平提高。從公司治理的角度來說， 大客戶出于維護供應鏈安全與穩定、 降低經營風險的目的， 會主動對主要供應商進行監督， 改善公司治理， 提升會計信息質量（Hui等，2012）。同時， 由于大客戶與企業能夠形成密切的合作關系， 其知識和信息的交流會更加深入， 可以通過信息反饋、 知識溢出來促進企業開展創新活動， 提升企業創新能力（徐星美等，2022）， 從而使企業創造出更多數據資產， 提升企業數據資產信息披露水平。從企業經營績效的角度來說， 大客戶可以通過促進企業間信息共享和合作來提升企業經營效率（王雄元和高開娟，2017）。同時， 穩定的客戶關系可以讓企業獲得長期穩定的現金流。企業經營績效的提升既可以使管理層將更多的資源和精力投入到研發創新活動當中， 為企業獲取更多的數據資產， 又可以減弱管理層操縱信息披露的動機， 提升企業信息披露質量。企業整體信息披露質量的提升既可以直接提高數據資產信息披露水平， 又有助于緩解外部資金提供者與管理層之間的信息不對稱， 減輕代理問題， 使企業能夠獲得更多用于創造數據資產的資源， 進而提升數據資產信息披露水平。因此， 本文提出如下假設：

假設1a： 客戶集中度越高， 企業數據資產信息披露水平越高。

其次， 較高的客戶集中度可能會使企業數據資產信息披露水平降低?？蛻艏卸瓤赡軙馁Y源及風險兩個角度阻礙企業創新， 抑制企業數據資產創造， 進而降低其信息披露水平。當企業的客戶集中度較高時， 客戶在交易過程中占據主導地位， 可能通過其議價能力壓低產品價格， 衍生出一系列擠占和剝削行為（Cowan等，2015）， 給企業業績和現金流帶來壓力（陳正林，2016）， 從而從資源方面抑制企業創新投入。同時， 當客戶集中度較高時， 企業會面臨較高的經營和財務風險， 其風險承擔能力降低， 從而管理層投入創新活動的積極性也會降低， 不利于提升創新績效（胥朝陽等，2022）。此外， 客戶集中意味著失去大客戶會使企業遭受重大沖擊， 管理層為了維護與大客戶之間的關系， 可能會采取盈余管理等手段操縱信息披露以改善客戶對企業經營的預期， 從而導致企業信息環境惡化（Raman和Shahrur，2008）。整體信息環境的惡化既不利于企業數據資產相關信息的披露， 也不利于企業獲得用以研發數據資產的外部資源， 從而導致數據資產信息披露水平降低。因此， 本文提出如下假設：

假設1b： 客戶集中度越高， 企業數據資產信息披露水平越低。

三、 研究設計

（一）樣本選擇與數據來源

根據人民網報道， 2013年被稱為我國的“大數據元年”， 故本文認為企業數據資產由此應運而生， 并選取2014 ～ 2021年我國A股上市公司作為研究樣本。數據資產相關數據來源于WinGo（文構）文本數據庫， 其余數據均來源于CSMAR數據庫。本文對初始樣本進行了如下處理： 剔除金融行業企業樣本； 剔除ST類企業樣本； 剔除變量存在缺失值的樣本。最終樣本包含23202個公司—年度觀測值。為了緩解異常樣本的影響， 本文對所有連續變量在1%的水平上進行了縮尾處理。

（二）變量選擇與定義

1. 數據資產信息披露。本文運用文本分析技術構建數據資產信息披露的衡量指標。借鑒胡楠等（2021）的文本挖掘方法及危雁麟等（2022）的指標構建方法， 對上市公司年度報告中的數據資產信息進行挖掘， 并在此基礎上構建企業數據資產信息披露指標， 評估數據資產信息披露水平。具體來說， 本文以“數據資產”和“數據資源”作為種子詞， 運用Word2Vec神經網絡模型對上市公司披露的海量財經文本語料進行訓練， 得到“數據資產”和“數據資源”在WinGo文本數據庫中的深度學習相似詞詞集。在此過程中， 為了保證相似詞詞集能夠真實地反映企業數據資產信息披露， 僅保留相似度高于0.5的相似詞。本文運用如下模型來計算企業數據資產信息披露頻率， 并以此度量數據資產信息披露（DataAsset）：

（1）

其中： FREitj為相似詞詞集中第j個詞匯在公司i第t年年度報告中的詞頻； TotalFREit為公司i第t年年度報告的總詞頻。

2. 客戶集中度。現有研究大多以公司對前五大客戶的銷售額占總銷售額的比例來衡量客戶集中度（Centra-lize5）， 本文也采用這一方法進行度量。

3. 控制變量。借鑒現有文獻， 本文的控制變量包括企業規模（Size）、 財務杠桿（Lev）、 盈利能力（ROA）、 董事會獨立性（Indep）、 兩職合一（Dual）、 股權集中度（Top10）、 股權制衡度（Balance）、 固定資產比例（PPE）、 流動比率（Quick）、 賬市比（BM）、 產權性質（SOE）。主要變量定義如表1所示。

（三）回歸模型

為考察客戶集中度與數據資產信息披露之間的關系， 本文構建了如下研究模型：

DataAssetit=α0+α1Centralize5it+α2Sizeit+α3Levit+

α4ROAit+α5Indepit+α6Dualit+α7Top10it+α8Balanceit+

α9PPEit+α10Quickit+α11BMit+α12SOEit+Year FE+

Industry FE+εit （2）

模型中具體變量定義如上文所述， 其中還控制了年份固定效應（Year FE）和行業固定效應（Industry FE）， 回歸模型采用公司層面的聚類穩健標準誤。

四、 實證結果

（一）描述性統計

本文主要變量的描述性統計結果如表2所示。

（二）客戶集中度與數據資產信息披露

表3第（1）列顯示了客戶集中度與數據資產信息披露的單變量回歸結果， 結果表明兩者之間呈顯著的負相關關系。第（2）列為加入一系列控制變量后的回歸結果， 客戶集中度依舊與數據資產信息披露呈顯著的負相關關系。第（3）列為進一步控制年份固定效應和行業固定效應后， 即模型（2）的檢驗結果， 客戶集中度（Centralize5）的系數為-0.007， 且在1%的水平上顯著， 表明客戶集中度越高， 企業數據資產信息披露水平越低。

（三）穩健性檢驗

1. 變更數據資產信息披露指標。在基本回歸模型中， 采用了數據資產相似詞詞頻的方式來衡量企業數據資產信息披露水平。為了保證研究結論的穩健性， 本文采用企業年度報告中與數據資產相關的句子頻率作為數據資產信息披露的替代指標（Data_sent）進行穩健性測試。數據資產信息披露句頻的計算公式如下所示：

（3）

其中： FRE_sentitj為公司i第t年年度報告中包含相似詞詞集中第j個詞匯的句子數目； TotalFRE_sentit為公司i第t年年度報告中所包含的句子總數?；貧w結果如表4第（1）列所示， 可以看出， 客戶集中度與數據資產信息披露水平顯著負相關。

2. 變更客戶集中度指標。本文通過變更客戶集中度的衡量方式來重新估計客戶集中度對數據資產信息披露的影響。參照現有研究， 分別采用對第一大客戶的銷售額占總銷售額的比例（Centralize1）、 前五大客戶銷售占比的赫芬達爾指數（CentralizeHHI）來衡量客戶集中度， 回歸結果分別如表4第（2）（3）列所示。結果表明， 變更客戶集中度的衡量方式后， 客戶集中度與企業數據資產信息披露水平依舊顯著負相關。

3. 對客戶集中度與數據資產信息披露“U”型關系的檢驗。現有關于客戶集中度經濟后果的研究表明， 客戶集中度可能并不是簡單地對企業產生正面或負面的影響， 而是產生“U”型影響， 即客戶集中度在一定程度上可能對企業產生正面或負面影響， 而當其超過一定程度時， 可能會產生相反的影響。例如： 方紅星和嚴蘇艷（2020）發現， 客戶集中度與創新投入、 創新產出呈顯著的正“U”型關系； 江偉等（2017） 的研究表明， 在民營企業中， 企業成本粘性與客戶集中度之間呈現“U”型的非線性關系； 張敏等（2012）發現， 在國有持股比例較高的公司中， 隨著客戶集中度的上升， 公司聘用大型會計師事務所進行審計的概率先降后升， 呈現出“U”型關系。根據前文理論分析， 客戶集中度既可能促進企業數據資產信息披露水平提升， 也可能導致企業數據資產信息披露水平下降。因此， 客戶集中度與數據資產信息披露之間也可能存在“U”型關系。

本文在模型（2）當中加入客戶集中度的二次項（Centralize5×Centralize5）來檢驗客戶集中度與數據資產信息披露之間是否存在“U”型關系， 若該二次項的系數顯著， 則說明客戶集中度與數據資產信息披露之間存在“U”型關系。回歸結果如表4第（4）列所示， 可以看出， Centralize5×Centralize5的系數不顯著， 說明客戶集中度與數據資產信息披露之間不存在“U”型關系。

（四）內生性問題

1. 反向因果問題。數據資產信息披露水平較低的企業可能更傾向于依賴少數客戶， 從而導致客戶集中度較高。本文采用工具變量法來緩解這一內生性問題。具體來說， 選取客戶集中度的年度—行業均值（Mean_Centralize5）作為工具變量來進行兩階段最小二乘回歸（2SLS）， 結果如表5所示。回歸結果顯示， 考慮了可能的反向因果問題之后， 本文的結論依舊穩健。

2. 遺漏變量問題。企業可能出于某些因素而選擇與大客戶進行合作， 而這些企業也存在數據資產信息披露水平較低的問題。為了緩解這種遺漏變量導致的內生性問題， 本文參考Patatoukas（2012）以及王丹等（2020）的做法， 使用兩階段回歸來估計客戶集中度對數據資產信息披露的影響。具體來說， 在第一階段回歸中， 采用如下模型來估計當年的客戶集中度：

Centralize5it=α0+α1Centralize5it-1+α2MVit-1+

α3ListAgeit-1+α4ROAit-1+α5Levit-1+α6Growthit-1+

α7Quickit-1+Year FE+Industry FE+εit? ? ? ? ? （4）

其中： Centralize5it-1表示上一年度的客戶集中度； MVit-1表示上一年度市值的自然對數； ListAgeit-1表示上一年度上市年限的自然對數； ROAit-1表示上一年度的資產收益率； Levit-1表示上一年度的杠桿水平； Growthit-1表示上一年度的銷售增長率； Quickit-1表示上一年度的流動比率。

在第二階段回歸中， 用第一階段估計出的本年度客戶集中度（Pre_Centralize5it， 即Centralize5it減去第一階段回歸殘差后的數值）作為自變量， 代入模型（2）中進行回歸， 結果如表6所示。回歸結果依舊表明客戶集中度越高， 企業數據資產信息披露水平越低。

3. 傾向得分匹配?？蛻艏卸雀叩钠髽I和客戶集中度低的企業之間的固有差異可能會對本文的研究結論產生影響， 這意味著本文的研究結論可能存在樣本自選擇問題。為了緩解樣本自選擇問題的影響， 本文采用傾向得分匹配法進行重新估計。傾向得分匹配的具體步驟是： 首先， 以企業前五大客戶銷售占比是否超過50%為標準將樣本分為客戶集中度高、 低兩組， 若企業前五大客戶銷售占比超過50%， 則認為其客戶集中度高， 否則反之。其次， 以企業規模（Size）、 財務杠桿（Lev）、 盈利能力（ROA）、 董事會獨立性（Indep）、 兩職合一（Dual）、 流動比率（Quick）、 賬市比（BM）、 產權性質（SOE）等為協變量進行Logit估計， 計算傾向得分。最后， 按照1∶1最近鄰匹配法保留傾向得分最接近的樣本作為匹配樣本， 同時要求滿足共同支撐假設和平衡性假設， 設定卡尺為0.05。表7列示了傾向得分匹配前后的平衡性檢驗結果， 可以看出匹配前兩組樣本存在較大差異， 而匹配后兩組樣本不存在明顯差異， 說明總體匹配效果較好。表8列示了采用傾向得分匹配法篩選樣本后的回歸結果， 可以看出， 在考慮樣本自選擇問題后， 本文的主要結論依舊穩健。

五、 進一步分析

（一）作用機制分析

根據本文理論分析， 較高的客戶集中度可能會導致管理層的盈余管理動機增強， 信息披露質量降低， 從而降低企業數據資產信息披露水平； 其也可能抑制企業創新活動， 導致企業缺乏足夠的創新能力以創造數據資產， 從而降低數據資產信息披露水平。因此， 本文從信息披露質量和創新能力兩個角度來探究客戶集中度對數據資產信息披露的作用機制。

1. 信息披露質量。較高的客戶集中度可能會導致企業信息披露質量變差， 惡化企業內外部信息環境。整體信息披露質量的惡化一方面會直接影響企業數據資產相關信息的披露水平， 另一方面不利于企業從外部利益相關者處獲得用于數據資產創造的資源支持， 從而降低其數據資產信息披露水平。本文選取修正的瓊斯模型（Jones，1991）來估計盈余質量， 即用該模型回歸所得到的殘差的絕對值作為信息披露質量的代理變量（DA）， 該值越大表示信息披露質量越差。表9第（1）列和第（2）列為關于信息披露質量（DA）的中介效應檢驗結果。第（1）列的回歸結果表明， 客戶集中度越高， 則信息披露質量越差。根據本文的理論分析， 較高的客戶集中度會增加企業的經營風險并給管理層帶來業績壓力和資金壓力， 導致管理層有動機通過操縱盈余來管理信息披露。第（2）列的回歸結果表明， 加入信息披露質量變量（DA）之后， 客戶集中度依舊與數據資產信息披露顯著負相關， Sobel檢驗的結果顯著， 即高客戶集中度會導致企業信息披露質量變差， 從而降低數據資產信息披露水平。

2. 創新能力。客戶集中度會通過加劇企業融資約束、 提升企業經營風險兩個方面阻礙企業創新活動（孟慶璽等， 2018）， 降低企業創新能力， 從而導致企業無法有效創造數據資產， 進而降低數據資產信息披露水平。本文參照孟慶璽等（2018）的做法， 采用企業專利申請數量加1后取自然對數來衡量創新能力（RD）， RD的數值越大表明企業創新能力越強。表9第（3）列和第（4）列為關于創新能力的中介效應檢驗結果。第（3）列的回歸結果表明， 客戶集中度越高， 則企業創新能力越弱； 第（4）列的回歸結果顯示， 加入創新能力變量（RD）之后， 客戶集中度依舊與數據資產信息披露顯著負相關， 結果同樣通過了Sobel檢驗， 說明客戶集中度通過降低企業創新能力， 導致企業數據資產信息披露水平降低。

（二）異質性檢驗

1. 產權性質。對于不同產權性質的企業， 客戶集中度對數據資產信息披露的影響可能不同。具體來說， 相較于國有企業， 非國有企業受市場因素的影響更大， 高客戶集中度帶來的經濟后果可能更明顯。因此， 本文預計相較于國有企業， 在非國有企業中客戶集中度對數據資產信息披露的影響更為顯著。

本文以產權性質為標準將樣本分為國有企業、 非國有企業兩組進行異質性檢驗。具體而言， 以SOE作為分組變量， 若企業為國有企業， 則SOE取值為1， 否則為0。回歸結果如表10第（1）列所示， 可以看出， 產權性質與客戶集中度交乘項（Int_SOE）的系數顯著為正， 說明相對于國有企業， 非國有企業的客戶集中度對數據資產信息披露的影響更為顯著， 與本文理論分析一致。

2. 市場競爭程度。市場競爭越激烈， 高客戶集中度帶來的客戶議價能力的提高會越明顯。這將迫使企業在產品價格和商業信用等方面做出更大的讓步， 給企業現金流、 利潤空間等方面帶來更大壓力。這種壓力的增加可能會通過惡化企業信息披露質量、 阻礙企業創新活動而導致企業數據資產信息披露水平更為明顯的降低。因此， 本文預計市場競爭越激烈， 客戶集中度對數據資產信息披露的影響就越顯著。

借鑒宋清和劉奕惠（2021）的做法， 采用赫芬達爾指數衡量市場競爭程度， 該指數越大， 表明企業面臨的市場競爭越弱。本文以赫芬達爾指數高低為標準將樣本分為市場競爭激烈、 市場競爭不激烈兩組進行異質性檢驗， 創建分組變量HHI， 若企業面臨激烈的市場競爭， 則HHI取值為1， 否則為0?；貧w結果如表10第（2）列所示， 可以看出， 市場競爭程度與客戶集中度交乘項（Int_HHI）的系數顯著為負， 說明在市場競爭更激烈時， 客戶集中度對數據資產信息披露的影響更為顯著， 符合本文預期。

3. 經營風險。企業面臨的經營風險越大， 其對大客戶的依賴程度越高， 失去大客戶帶來的風險及損失越無法被企業所承受。因此， 本文預計企業面臨的經營風險越高， 則高客戶集中度所導致的管理層采取盈余管理等手段操縱信息披露的可能性越大， 且導致企業面臨的資源約束問題越嚴重， 從而使企業信息披露質量及創新能力越差， 對數據資產信息披露的影響就越顯著。

借鑒John等（2008）、 余明桂等（2013）的做法， 采用企業每一觀察時段（三年）內經行業調整的ROA的標準差來衡量企業經營風險， 該數值越大表明企業經營風險越大。本文以企業經營風險指標數值高低為標準將樣本分為經營風險高、 經營風險低兩組進行異質性檢驗， 創建分組變量Risk， 若企業經營風險高， 則Risk取值為1， 否則為0?；貧w結果如表10第（3）列所示， 可以看出， 經營風險與客戶集中度交乘項（Int_Risk）的系數顯著為負， 說明在經營風險更高時， 客戶集中度對數據資產信息披露的影響更為顯著， 與本文理論分析一致。

六、 研究結論

本文以2014 ～ 2021年我國A股上市公司為研究對象， 圍繞客戶集中度深入探討了供應鏈關系對數據資產信息披露的影響。研究發現： 客戶集中度會通過企業信息披露質量和創新能力兩個渠道降低數據資產信息披露水平。進一步研究表明， 產權性質、 市場競爭程度、 企業經營風險均會對這一關系產生影響， 具體來說： 在非國有企業、 面臨更激烈市場競爭的企業、 經營風險更高的企業中， 客戶集中度對數據資產信息披露的影響更為顯著。

基于上述結論， 本文提出如下政策建議： 首先， 企業在塑造供應鏈關系時應當認識到客戶集中度的兩面性， 理性對待大客戶。大客戶具備積極作用， 能夠給企業帶來穩定的經營業績， 但同時也會對企業施加負面影響， 為企業帶來較高的經營不確定性。由于客戶集中度可能會對企業經營決策造成較大影響， 企業應當做好對大客戶的充分評估， 全面權衡經營業績和經營風險。其次， 2022年政府工作報告提出， 完善數字經濟治理， 釋放數據要素潛力， 更好賦能經濟發展、 豐富人民生活。微觀企業的數據資產創造及信息披露水平決定了宏觀經濟中數據價值的利用能力。數據是21世紀的基礎戰略性資源和重要生產要素， 相關部門應當充分考慮供應鏈關系給企業數據資產信息披露帶來的影響， 引導企業塑造健康良好的供應鏈關系， 從而安全、 有效地推動企業進行數據利用與數據價值創造， 助推經濟社會高質量發展。

【 主 要 參 考 文 獻 】

陳西嬋，劉星．供應商（客戶）集中度與公司信息披露違規［ J］．南開管理評論，2021（6）：213 ～ 226．

陳正林．客戶集中、政府干預與公司風險［ J］．會計研究，2016（11）：23 ～ 29+95．

方紅星，嚴蘇艷．客戶集中度與企業創新［ J］．科研管理，2020（5）：182 ～ 190．

胡楠，薛付婧，王昊楠.管理者短視主義影響企業長期投資嗎？——基于文本分析和機器學習［ J］．管理世界，2021（5）：139 ～ 156+11+19 ～ 21．

江偉，底璐璐，姚文韜．客戶集中度與企業成本粘性——來自中國制造業上市公司的經驗證據［ J］．金融研究，2017（9）：192 ～ 206．

金靜，汪燕敏，孫明．客戶關系的穩定性、客戶集中度與企業創新［ J］．重慶理工大學學報（社會科學），2021（9）：109 ～ 120．

李紅祥，吳佳珅．數據技術、數據資產與數據價值——大數據時代傳統出版業的三重變奏［ J］．科技與出版，2016（8）：111 ～ 114．

李題印，郁建興，宣成等．制造企業數據資產管理體系：要素范疇與邏輯框架［ J］．情報科學，2022（9）：58 ～ 63．

劉文軍，謝幫生．客戶在公司隱藏壞消息中的角色：合謀者抑或監督者？［ J］．產業經濟研究，2017（3）：104 ～ 115．

劉玉．淺論大數據資產的確認與計量［ J］．商業會計，2014（18）：3 ～ 4．

呂玉芹，袁昊，舒平．論數字資產的會計確認和計量［ J］．中央財經大學學報，2003（11）：62 ～ 65．

孟慶璽，白俊，施文．客戶集中度與企業技術創新：助力抑或阻礙——基于客戶個體特征的研究［ J］．南開管理評論，2018（4）：62 ～ 73．

歐陽日輝，杜青青．數據估值定價的方法與評估指標［ J］．數字圖書館論壇，2022（10）：21 ～ 27．

秦榮生．企業數據資產的確認、計量與報告研究［ J］．會計與經濟研究，2020（6）：3 ～ 10．

宋清，劉奕惠．市場競爭程度、研發投入和中小科技企業創新產出——基于風險投資調節的條件過程分析［ J］．中國軟科學，2021（10）：182 ～ 192．

王丹，李丹，李歡．客戶集中度與企業投資效率［ J］．會計研究，2020（1）：110 ～ 125．

王雄元，高開娟．客戶關系與企業成本粘性：敲竹杠還是合作［ J］．南開管理評論，2017（1）：132 ～ 142．

危雁麟，張俊瑞，汪方軍等．數據資產信息披露與分析師盈余預測關系研究——基于文本分析的經驗證據［ J］．管理工程學報，2022（5）：130 ～ 141．

夏紅軍，安燕娜．數據中臺視角下供電企業數據資產管理模型構建［ J］．情報科學，2021（10）：70 ～ 75．

謝康，夏正豪，肖靜華．大數據成為現實生產要素的企業實現機制：產品創新視角［ J］．中國工業經濟，2020（5）：42 ～ 60．

徐星美，權小鋒，朱姍姍．供應鏈集中度與企業創新——基于中國制造業上市公司的實證研究［ J］．商業經濟與管理，2022（4）：5 ～ 16．

游靜，胡蓉，陳婉麗等．大數據背景下數據資產核算及在區域醫療協同平臺中的應用［ J］．中國管理信息化，2018（11）：43 ～ 45．

余明桂，李文貴，潘紅波．民營化、產權保護與企業風險承擔［ J］．經濟研究，2013（9）：112 ～ 124．

苑澤明，于翔，李萌．數據資產信息披露、機構投資者異質性與企業價值［ J］．現代財經（天津財經大學學報），2022（11）：32 ～ 47．

翟麗麗，王佳妮．移動云計算聯盟數據資產評估方法研究［ J］．情報雜志，2016（6）：130 ～ 136．

張俊瑞，危雁麟，宋曉悅．企業數據資產的會計處理及信息列報研究［ J］．會計與經濟研究，2020（3）：3 ～ 15．

張敏，馬黎珺，張勝．供應商-客戶關系與審計師選擇[J].會計研究，2012（12）：81 ～ 86+95．

Chu Y.， Tian X.， Wang W.. Corporate innovation along the supply chain［ J］． Management Science，2019（6）：2445 ～ 2466．

Cowan K.， Paswan A. K.， Van Steenburg E.. When inter-firm relationship benefits mitigate power asymmetry［ J］． Industrial Marketing Management，2015（48）：140 ～ 148．

Dhaliwal D.， Judd J. S.， Serfling M.， et al.. Customer concentration risk and the cost of equity capital［ J］． Journal of Accounting and Economics，2016（1）：23 ～ 48．

Gosman M.， Kelly T.， Olsson P.， et al.. The profitability and pricing of major customers［ J］． Review of Accounting Studies，2004（1）：117 ～ 139．

Hertzel M. G.， Li Z.， Officer M. S.， et al.. Inter-firm linkages and the wealth effects of financial distress along the supply chain［ J］． Journal of Financial Economics，2008（2）：374 ～ 387．

Hui K. W.， Klasa S.， Yeung P. E.. Corporate suppliers and customers and accounting conservatism［ J］． Journal of Accounting and Economics，2012（1-2）： 115 ～ 135．

John K.， Litov L.， Yeung B.. Corporate governance and risk taking［ J］．The Journal of Finance，2008（4）：1679 ～ 1728．

Kalwani M. U.， Narayandas N.. Long-term manufacturer-supplier relationships： Do they pay off for supplier firms？［ J］． Journal of Marketing，1995（1）：1 ～ 16．

Patatoukas Panos N.. Customer-base concentration： Implications for firm performance and capital markets［ J］． The Accounting Review，2012（2）：363 ～ 392．

Perrons R. K.， Jensen J. W.. Data as an asset： What the oil and gas sector can learn from other industries about "big data"［ J］． Energy Policy，2015（81）：117 ～ 121．

Raman K.， Shahrur H.. Relationship-specific investments and earnings mana-gement： Evidence on corporate suppliers and customers［ J］． The Accounting Review，2008（4）：1041 ～ 1081．

【基金項目】國家自然科學基金項目（項目編號：72072143）；國家社會科學基金后期資助重點項目（項目編號：20FGLA005）；中國注冊會計師協會課題（項目編號：2022-G-2）；研究闡釋黨的十九屆四中全會精神國家社會科學基金重大項目（項目編號：20ZDA051）

【作者單位】1.西安交通大學管理學院， 西安710049；2.西安交通大學城市學院， 西安 710018。 李文婷為通訊作者