供應鏈客戶穩定度與企業全要素生產率

張勇　侯路遙

摘 要：文章圍繞黨的二十大報告提出的“著力提升產業鏈供應鏈韌性和安全水平”“著力提高全要素生產率”相關精神，利用上市公司前五大客戶數據考察了供應鏈客戶穩定度能否對企業全要素生產率產生積極影響。研究結論如下：（1）較高的客戶穩定度能夠顯著提升企業的全要素生產率水平。（2）機制分析表明，客戶穩定度提升企業全要素生產率的三條作用路徑分別是促進企業穩收降本和外部融資、提高存貨管理效率和促進創新。（3）異質性檢驗結果顯示，與國有企業、資本密集型和勞動密集型企業、行業競爭程度低的企業以及客戶地理距離近的企業相比，在非國有企業、技術密集型企業、行業競爭程度高的企業以及客戶地理距離遠的企業中，客戶穩定度對全要素生產率的提升作用更大。（4）經濟后果檢驗表明，較高的客戶穩定度可以通過改善企業全要素生產率繼而進一步提升企業價值。文章不但拓展了既有企業全要素生產率影響因素、客戶穩定度經濟后果的相關理論研究，而且所取得的一系列結論對供應鏈管理理論、資源基礎理論以及大客戶管理理論等方面的研究視角和分析框架做出了必要的補充，同時也為如何在以國內大循環為主體的新發展格局背景下，通過增強供應鏈韌性和穩定性來促進經濟高質量發展提供了有價值的理論依據和大樣本的經驗證據。

關鍵詞：客戶穩定度 全要素生產率 機制檢驗 異質性分析 經濟后果檢驗

DOI：10.19592/j.cnki.scje.411460

JEL分類號：L22， L23， L25? ?中圖分類號：F274

文獻標識碼：A? ?文章編號：1000 - 6249（2024）06 - 098 - 22

一、引 言

黨的二十大報告明確指出，“著力提高全要素生產率”“推動經濟實現質的有效提升和量的合理增長”。全要素生產率（Total Factor Productivity，TFP）是指總產出中不能由要素投入所解釋的“剩余”（Baier et al.，2006），衡量的是技術進步、管理水平提升以及制度改善等非生產性投入對產出增長的貢獻（王孝松等，2020）。學術界普遍認為，全要素生產率的提升能夠促進經濟增長方式由生產要素數量的增加轉變為效率和效益的提高，即從“粗放型”增長轉為“集約型”增長，從而實現經濟的可持續、高質量增長。微觀企業是宏觀經濟的基礎，因此宏觀經濟產出效率的增加最終有賴于微觀企業全要素生產率的提升。有鑒于此，理論界和實務界基于多個角度研究了影響企業全要素生產率的因素。在宏觀層面，既有文獻主要從金融發展（Rioja and Valev，2004）、產業政策（錢雪松等，2018）和市場化改革（樊綱等，2011）等視角考察了企業全要素生產率的影響因素；在微觀層面，現有研究發現研發投入（毛德鳳等，2013）、融資約束（任曙明、呂鐲，2014）以及管理層特質（李唐，2016；Black，2019）等因素均會對企業全要素生產率產生影響。張沁琳、沈洪濤（2020）將微觀層面研究范疇擴展至了供應鏈上下游視角，發現主要客戶的政府屬性對企業全要素生產率具有提升作用。但是，對于主要客戶的其他重要特征能否影響企業全要素生產率這一問題，尚未有文獻進行探討。

黨的二十大報告提出，要“著力提升產業鏈供應鏈韌性和安全水平”。增強韌性是保產業鏈供應鏈穩定的關鍵（卓賢，2020）。陶鋒等（2023）認為，供需關系的維持是產業鏈供應鏈韌性的三個層次之一，當產業鏈供應鏈上下游企業之間建立更加穩定持久、互利共贏、協同共生的伙伴關系時，企業所在的產業鏈供應鏈就更具韌性。從這個角度來說，上述黨的二十大報告所強調的“著力提升產業鏈供應鏈韌性和安全水平”，其本質目的是為了維護產業鏈供應鏈的穩定；而維持供需關系穩定有助于增強產業鏈供應鏈韌性。作為反映微觀企業供應鏈韌性和安全水平的重要指標，客戶穩定程度是指企業的主要大客戶在以前年度（比如上年、前年）重復出現的次數或比例（王雄元、彭旋，2016）?？梢钥闯觯蛻舴€定度不但可以體現企業經營環境的狀態穩定與否，而且可以表征企業與客戶之間的業務合作關系質量、緊密程度以及客戶結構的動態變化情況等。理論上，客戶穩定度的高低必然會影響企業全要素生產率。首先，穩定客戶的存在能夠增強企業收入的穩定性，降低其建立客戶關系的支出，促進其外部融資（Gosman et al.，2004；Cen et al.，2016；邱保印、程博，2022a），進而給企業帶來充裕、穩定的資金。其次，與客戶維持穩定的合作關系可以提升雙方信息共享程度（王雄元、彭旋，2016），使企業及時準確地掌握客戶需求，快速調整生產決策，從而提高存貨等資源的配置效率。最后，客戶越穩定，雙方依存程度越高，越有利于供應鏈中特有知識信息的傳遞、擴散，進而提高企業創新能力（李云鶴等，2022）。既有研究認為上述資金、存貨管理效率以及創新水平是影響企業全要素生產率的重要因素（Baumann and Kritikos，2016；鄧宏等，2024；張龍鵬等，2023），故較高的客戶穩定度理應能夠提升企業全要素生產率。遺憾的是，現有文獻尚未提供經驗證據。因此，本文試圖解決以下問題：第一，較高的客戶穩定度是否會提升企業的全要素生產率水平？第二，客戶穩定度影響企業全要素生產率的作用機制是什么？第三，上述影響在不同的企業產權性質、所處行業性質、行業競爭程度以及客戶地理距離下是否具有異質性？第四，客戶穩定度改善企業全要素生產率的作用是否有助于企業價值的提升？

本文可能的邊際貢獻在于：（1）拓展了既有供應鏈客戶視角下企業全要素生產率影響因素的研究。根據前文總結的研究現狀來看，目前鮮有文獻關注客戶的不同特征對供應商企業全要素生產率的影響。雖然張沁琳、沈洪濤（2020）考察了客戶的政府屬性對企業全要素生產率的提升作用，但與上述文獻不同，本文基于客戶穩定度這一反映“企業—客戶”關系結構動態變化情況的縱向客戶特征展開研究，實質性拓展了企業全要素生產率這一經濟增長理論重要概念的影響因素研究視角。（2）豐富了客戶穩定度的經濟后果研究，對供應鏈管理理論（supply chain management theory）做出了必要的補充。現有少量文獻僅從分析師盈余預測準確性、股價波動性、供應商授信額度、會計信息質量以及協同創新（王雄元、彭旋，2016；彭旋、張昊，2022；邱保印、程博，2022a；邱保印、程博，2022b；黃宏斌等，2023）等視角考察了客戶穩定度的經濟后果。本文則基于企業全要素生產率視角，研究客戶穩定度是否會影響企業的高質量發展，從而對客戶穩定度這一重要客戶特征的經濟后果進行了有益的補充，同時也為如何在以國內大循環為主體的新發展格局背景下，通過加強供應鏈管理、增強供應鏈韌性和穩定性來促進經濟高質量發展提供了有價值的理論依據。（3）延伸了資源基礎理論（resource-based view）的研究邊界。本文從企業全要素生產率提升的視角證實了穩定的“企業—客戶”關系是企業重要、稀缺的無形資源，這拓展了資源基礎理論的應用范疇。更為重要的是，本文通過機制檢驗打開了客戶穩定度影響企業全要素生產率的“機制黑箱”，并探討了在不同的企業產權性質、所處行業性質、行業競爭程度以及客戶地理距離下，客戶穩定度對企業全要素生產率的促進效應是否具有差異性，以及該效應能否提升企業價值，這有助于深刻認識穩定的“企業—客戶”關系資源如何影響企業生產經營行為、價值增值及其發揮效果作用的情境因素，因而深化了資源基礎理論的相關研究。（4）拓寬了既有國內外大客戶管理（key account management）的研究視角和理論分析框架。考察大客戶對企業銷量、市場份額的經濟重要性是大客戶管理的主要內容之一。然而，目前大客戶管理研究大多基于關系營銷理論，且基本上限于案例分析方法下的定性研究。本文則基于經濟學理論，采用實證研究方法，定量分析穩定大客戶對企業全要素生產率的促進效應，從而將大客戶管理的理論分析視角由營銷領域拓展到經濟學領域。

二、理論分析與研究假設

客戶穩定度是基于縱向的時間維度衡量企業與其前五大主要客戶之間的交易關系是否持續的指標。在這種長期和頻繁的交易過程中，企業與其主要大客戶之間的經濟聯系愈加緊密，合作關系更趨良性（王雄元、彭旋，2016）。因而，相對于一般的客戶而言，具有穩定特征的客戶必然會對企業的生產經營管理決策產生更為重要的積極作用，從而影響企業的生產效率。既有文獻認為，規模經濟、資源配置效率以及技術進步是影響企業全要素生產率的重要因素（Kumbhakar and Lovell，2000；李勝文、李大勝，2008；姚戰琪，2009；逄錦聚等，2019）。比如，根據Kumbhakar and Lovell（2000）關于更具有經濟理論基礎和測度精確性的隨機前沿生產函數法（SFA）的研究，影響全要素生產率的因素為技術進步、技術效率變化、規模經濟效率變化和資源配置效率變化。李勝文、李大勝（2008），姚戰琪（2009）也通過利用上述SFA法下的全要素生產率影響因素對中國工業的全要素生產率波動進行了分析。諸多經驗研究也選擇規模經濟、資源配置效率以及技術進步作為影響全要素生產率的重要因素，并將其納入機制檢驗模型（于連超等，2022；蔣瑛等，2022）。上述規模經濟的實現有賴于各種持續不斷的實物資本投資，這需要企業擁有充裕、穩定的資金來源，而資金穩定與充裕情況受內源融資、外源融資的影響。內源融資可以來自企業穩定的銷售收入，也可通過降本實現資金的節約（王國剛、羅煜，2022）。除了內源融資之外，企業還可以通過商業信用融資、銀行信貸等外部融資方式來獲得生產經營所需資金。作為反映企業資源配置效率的重要指標，存貨管理效率的改善被證實能夠促進企業全要素生產率水平的提升（羅奇、趙永亮，2022；張益豪、郭曉輝，2023；黃曉鳳等，2023）；作為技術進步的代理變量，創新是提升企業全要素生產率的重要驅動力（Baumann and Kritikos，2016；楊騫、劉華軍，2014）。因此，本文通過分析客戶穩定度能否影響企業穩收降本和外部融資、存貨管理效率以及創新來論證其對全要素生產率的促進效應。具體地，本文將較高的客戶穩定度對企業全要素生產率的影響機理總結如下：

第一，較高的客戶穩定度能夠促進企業穩收降本和外部融資，進而提升全要素生產率。充裕、穩定的資金來源是企業開展各類生產經營活動的基礎，也是提升其全要素生產率的關鍵。對此，客戶穩定度將會產生重要的作用，具體表現在：（1）較高的客戶穩定度能夠增強企業收入的穩定性，即實現“穩收”。當企業與主要客戶建立了持續、穩定的采銷關系后，這種穩固的合作關系能夠在較長的時間內為其帶來穩定的業務收入（邱保印、程博，2022b），同時還能夠有效促進供應鏈協同發展，從而進一步提升企業業績收益（彭旋、王雄元，2018）。（2）較高的客戶穩定度能夠降低企業成本，即實現“降本”。原因在于，當主要客戶不穩定時，為了保持市場競爭優勢，企業必須在尋求、建立和維系客戶關系上投入大量成本，比如反映企業廣告宣傳、市場拓展以及營銷差旅投入的銷售費用（李姝等，2022），與建立和維系客戶關系直接相關的業務招待費用（黃玖立、李坤望，2013）等。但是當企業的主要客戶均為穩定客戶時，由于相互之間業務往來頻率、溝通深度以及默契程度的增加，企業當期與客戶相關的上述成本將會得以大幅度降低。從這個角度來說，較高的客戶穩定度能夠促進企業“降本”。上述“穩收、降本”實質上就是企業“開源、節流”，內源融資可以來自企業銷售收入，也可以通過降本實現資金的節約（王國剛、羅煜，2022）。（3）較高的客戶穩定度有助于企業進行外部融資。穩定客戶的存在向外界傳遞了企業經營環境穩定、產品質量和商業信譽可靠的信號，這有助于提升其他利益相關者的預期，比如供應商會提高其授信額度（邱保印、程博，2022a）、銀行會提供更寬松的貸款契約（Cen et al.，2016）等，從而使企業能夠獲得更多的商業信用或銀行信用貸款等外部融資。由此可見，客戶穩定度越高，企業資金越充裕、穩定，這將促進企業持續地擴大再生產實現規模經濟，從而不斷地降低單位成本、提高經濟產出。同時，充裕、穩定的資金來源不但有助于企業持續增加員工培訓、員工薪酬待遇等人力資本投入，進而提高其工作技能和積極性（鄭寶紅、張兆國，2018），而且會促使企業不斷加大研發投入，實現技術積累和進步，最終有利于企業全要素生產率的提升。

第二，較高的客戶穩定度能夠提高存貨管理效率，進而提升全要素生產率。為應對需求不確定性帶來的缺貨損失風險，企業往往會儲存高于真實需求水平的存貨（鄭倩雯、朱磊，2021）。但是存貨過多必然會導致資金占用、庫房租賃及庫存管理費用等存貨持有成本的大量增加（李涵、唐麗淼，2015），這會導致企業運行效率低下，從而降低其全要素生產率，而穩定客戶的存在可以通過改進企業存貨管理效率對此做出有效改善。具體來說：（1）基于企業角度的分析。一方面，企業會與其穩定客戶簽訂明確、正式的長期合同或是形成非正式的交易慣例等（趙志泉，2004），這使得企業能夠有序地安排生產計劃而不必持有過多的存貨。另一方面，在與穩定客戶長期、頻繁的往來交易中，企業積累了大量的歷史交易數據（包括產品的訂貨數量、訂貨頻率等），這使企業能夠通過數據分析并結合市場動態對客戶的短期需求做出粗略預測，并據此及時調整生產決策，從而減少冗余存貨。相反，客戶不穩定意味著企業無法準確安排生產計劃，已生產的產品也可能因不符合新客戶的需求而造成存貨積壓（白俊等，2022）。（2）基于供應鏈角度的分析。既有文獻認為，供應鏈企業間訂單信息、生產計劃、庫存水平等關鍵信息的共享可以有效緩解需求不確定性（Ak and Patatoukas，2016）。然而，出于部分信息涉及商業機密、機會主義行為和道德風險的存在（陳長彬、楊忠，2008）等考慮，供應鏈上下游企業不愿共享上述信息。穩定的“企業—客戶”關系在增進雙方經濟利益聯結緊密程度的同時，還能夠加深雙方的信任程度，這會促進雙方信息共享程度的提高（王雄元、彭旋，2016），使得企業能夠根據客戶需求信息及時進行原材料、半成品等生產資源的調配決策，從而有利于企業存貨周轉率的提高和存貨水平的降低（郭嵐、張祥建，2008）。由此可見，較高的客戶穩定度能夠提高企業存貨管理效率，使得企業能夠在保持生產連續性的前提下極小化庫存成本，促進單位投入產出的增加，進而提升其全要素生產率水平。

第三，較高的客戶穩定度能夠促進企業創新，進而提升其全要素生產率。理論和實務界普遍認為，創新是企業全要素生產率提升的重要驅動力（Baumann and Kritikos，2016；張龍鵬等，2023），客戶穩定度對此將產生積極作用。具體而言：（1）較高的客戶穩定度能夠提升企業創新的意愿，即增加創新投入。隨著市場競爭環境的變化，企業的商業模式逐漸從“產品導向”向“客戶導向”轉變（肖挺，2019），這使得企業往往根據客戶特定需求進行大規模的研發投入（Milgrom and Roberts，1992）。如果“企業—客戶”關系頻繁變動，那么企業針對原有客戶需求所開展的創新活動很可能因難以適用于新客戶而面臨中斷的風險，這會導致企業遭受巨額經濟損失（任曙明、呂鐲，2014）。因此，只有當客戶關系穩定時，企業才愿意進行大規模的研發投入。不僅如此，研發投入也代表著企業愿意與穩定客戶達成長久戰略合作關系的可置信承諾，是企業為支持、鎖定這種獨特商業交易模式而進行的關系專用性投資（Williamson，1985），這會使穩定客戶愿意為企業提供信息、知識以及技術等創新資源（黃宏斌等，2023），從而進一步增強企業進行創新投入的信心（Chang et al.，2012）。（2）較高的客戶穩定度能夠提升企業創新的能力，即增加企業創新產出。首先，供應商企業能夠與下游的穩定客戶進行經常性、及時性和準確性的溝通，這有助于企業從客戶處獲取更多新想法、產品使用情況反饋以及終端市場需求等信息，從而幫助企業加快產品研發設計速度，有效縮短產品研發周期，進而提高新產品上市速度（孔婷等，2013）。其次，企業與穩定客戶之間關系嵌入的緊密性有助于企業獲取客戶更核心、更隱性的創新知識與經驗（李志遠等，2013），從而促進企業創新能力的形成，加快企業創新產出。比如，供應商能夠通過學習和模仿客戶數字化轉型的實踐經驗與知識提高自身的創新能力（李云鶴等，2022）。同時，客戶可能擁有從其他供應商那里獲得的技術信息（孫浦陽、劉伊黎，2020），這使得企業能夠通過與其經濟利益緊密聯結的穩定客戶的貿易網絡渠道獲取同行業的技術溢出。最后，穩定的“企業—客戶”關系還能夠促進彼此間創新資源和要素的充分共享，實現協同創新，進而縮短企業研發時間、獲得更多協同創新產出等（黃宏斌等，2023）。因此，較高的客戶穩定度能夠通過促進企業創新提升其全要素生產率水平。在上述三個方面的分析基礎上，本文提出如下假設：

H1：在其他條件相同的情況下，較高的客戶穩定度能夠顯著提升企業全要素生產率水平。

根據前文第一點至第三點理論分析內容，較高的客戶穩定度能夠從“促進企業穩收降本和外部融資”“提高存貨管理效率”以及“促進企業創新”三個方面發揮積極作用，進而提升企業全要素生產率水平?；谏鲜鋈龡l影響機制分析，本文提出如下待檢驗的機制假設：

H2：較高的客戶穩定度通過促進企業穩收降本和外部融資來提升其全要素生產率水平。

H3：較高的客戶穩定度通過提高企業存貨管理效率來提升其全要素生產率水平。

H4：較高的客戶穩定度通過促進企業創新來提升其全要素生產率水平。

三、研究設計

（一）變量定義

1.客戶穩定度的度量

與王雄元、彭旋（2016），張廣冬、邵艷（2022）等做法一致，本文分別以等權重法計算的客戶穩定度Cus_avstab、不等權重加權計算的客戶穩定度Cus_westab來度量“企業—客戶”關系的穩定程度。指標構建步驟如下：（1）計算變量IsInLast，表示前五大客戶是否在上年出現。如果本年度某個客戶在上年的前五大客戶名單中出現過，則將IsInLast賦值為1，否則為0。（2）將IsInLast累加到“年度—企業”層面，得到變量IsInLast_sum。顯然，IsInLast_sum的最大值為5（表示本年五大客戶均為上年合作客戶），最小值為0（意味著本年五大客戶均為新增客戶）。（3）將IsInLast_sum除以5，得到等權重法計算的客戶穩定度Cus_avstab，即將每一個客戶均視為1/5的同比例進行計算?？紤]到前五大客戶對供應商企業的經濟重要性存在一定差異，本文將上述IsInLast乘以該客戶的銷售額占比（該客戶銷售額/前五大客戶銷售總額）得到變量IsInLast_salerat。將IsInLast_salerat累加到“年度—企業”層面便得到不等權重加權計算的客戶穩定度Cus_westab。顯然，Cus_avstab、Cus_westab分別代表著穩定客戶的數量和穩定客戶的銷售額（張廣冬、邵艷，2022），二者的數值越大，意味著“企業—客戶”關系的穩定程度越高。

2.企業全要素生產率的度量

參考魯曉東、連玉君（2012）的研究，本文采取Levinsohn and Petrin（2003）提出的方法（簡稱LP法）并通過構建模型（1）對企業全要素生產率Tfp_lp進行估計。與Olley-Pakes法（簡稱OP法）相比，該方法的優點在于：通過使用中間品投入指標作為代理變量，有效地解決了OP法下選取投資作為代理變量導致樣本大量損失的問題（因為要求企業每期均有非零投資），同時也解決了生產率估計過程中的聯立性問題（魯曉東、連玉君，2012）。此外，LP法估計企業全要素生產率過程中使用的中間品投入數據，因與企業生產有著更為緊密的聯系而具有常用、可信度更強的特點（邱斌等，2012）。

[lnYit=β0+β1lnKit+β2lnLit+β3lnMit+ΣβmYearm+ΣβnIDn+εit]? ? ? ?（1）

其中，lnY等于營業收入的自然對數；資本變量設為lnK（固定資產凈額的自然對數）；自由變量設為lnL（員工人數的自然對數）；代理變量設為lnM（購買商品、接受勞務支付的現金的自然對數）；同時控制年度和公司效應。

（二）模型設定

本文構建模型（2）檢驗客戶穩定度對企業全要素生產率的影響，預期Cus_avstab、Cus_westab的回歸系數均顯著為正。

[Tfp_lp=β0+β1Cus_avstab / Cus_westab+ΣβiControl+ΣYear+ΣInd+ε]? ? ? （2）

其中，Control表示一系列可能影響企業全要素生產率的控制變量，具體如表1所示。同時，模型還控制了年度（Year）和行業（Ind）變量。

（三）樣本選擇與數據來源

本文以2009年至2020年剔除金融保險業后的滬深兩市A股上市公司為初始研究樣本。選擇2009年作為起始年度的原因在于自該年起，才有一定數量的上市公司發布了前五名客戶的具體名稱信息。因為客戶穩定度指標的計算是將上下年度的客戶名稱相比對得來的，故用于檢驗的數據區間是2010年至2020年。上市公司前五名客戶信息來自CNRDS數據庫；判斷公司產權性質的控制人類型數據取自CCER經濟金融數據庫；其他變量計算所需數據均來源于CSMAR數據庫。為消除極端值影響，本文對連續變量進行了上下1%的縮尾處理。

四、實證結果與分析

（一）主要變量的描述性統計與相關性分析

如表2所示，等權重法計算的客戶穩定度Cus_avstab的均值為0.459，說明平均而言，樣本區間內企業前后兩年前五大客戶至少有2個相同，這與張廣冬、邵艷（2022）的結果基本相符。同時，Cus_avstab的最小值、最大值分別為0、1，即部分企業前后兩年的前五大客戶完全不同，而部分企業前后兩年的前五大客戶則完全相同，這表明企業客戶穩定度有較大差異。不等權重加權計算的客戶穩定度Cus_westab的均值為0.536，這意味著平均來看，穩定客戶的銷售額占前五大客戶銷售總額的比例超過50%。企業全要素生產率Tfp_lp的均值、中值分別為14.904、14.836，表明基于LP法估算得到的全要素生產率數據無明顯偏態。此外，Cus_avstab、Cus_westab與Tfp_lp之間的Pearson相關系數和Spearman相關系數均在1%水平上顯著為正，表明客戶穩定度越高，企業全要素生產率越高，這初步驗證了假設H1。

（二）基準回歸分析

表3是客戶穩定度對企業全要素生產率的回歸結果。如列（1）所示，等權重法計算的客戶穩定度Cus_avstab對企業全要素生產率Tfp_lp的回歸系數為0.0943，且在5%水平上顯著。同時如列（4）所示，不等權重加權計算的客戶穩定度Cus_westab對Tfp_lp的回歸系數為0.1014，且在1%水平上顯著。上述回歸結果表明，較高的客戶穩定度能夠顯著提升企業全要素生產率，即假設H1得證。

（三）穩健性檢驗

1.考慮反向因果導致的內生性問題。如前所述，客戶穩定度的提高會顯著提升企業全要素生產率。但企業較高的全要素生產率水平可能會反向吸引客戶，此時客戶會傾向于和企業保持長期業務合作關系，從而導致企業客戶穩定度的提高。顯然，這樣會導致前述研究結論存在反向因果的內生性問題。為緩解上述內生性問題，本文使用工具變量法（IV）和兩階段最小二乘法（2SLS）加以處理。本文選擇企業所在省份與客戶所在省份之間的制度環境差異作為工具變量。理由是，不同企業深植于不同的社會經濟文化等制度環境中，所處制度環境差異不大的企業往往擁有相近的價值觀、交易習慣等，這有利于雙方保持長期交易關系。現有經驗研究也證實，各地區之間的制度環境差異是導致企業難以跨地區經營的制度性障礙（宋淵洋、黃禮偉，2014）。原因在于，地區之間制度環境差異的存在會增加交易雙方的事前和事后成本，這會阻礙交易事項的順利開展，而制度環境相似的地區之間更可能進行頻度和深度都較高的交易活動（Nunn，2007）。從這個角度來說，如果企業和客戶之間的制度環境差異越大，那么二者很難形成持續、穩定的采銷關系，即制度環境差異會負向影響企業的客戶穩定度。因此，企業客戶穩定度的高低必定會受到企業與其客戶所處省份之間的制度環境差異的影響，這滿足了工具變量的相關性要求；而省域間的制度差異與單邊個體企業的具體生產效率問題又難以關聯，從而滿足了工具變量的外生性要求。因此，企業與其客戶所處省份之間的制度環境差異Insd是較為合適的工具變量。

與宋淵洋、黃禮偉（2014）的做法一致，本文使用中國分省份市場化指數度量我國各地區的制度環境水平，并采用如下公式（3）計算企業與各個大客戶之間的制度環境差異。

公式中Ii是企業所處省份i市場化指數的分值；Ij是大客戶所處省份j市場化指數的分值，二者之差代表企業與大客戶所處省份的制度環境差異程度，本文對其取絕對值。因為是計算企業與前五大客戶之間的制度環境差異，故j的取值是1至5。在計算出企業與每個大客戶所處省份的制度環境差異之后，本文對其取均值進而得到“年度—企業”層面的供應商企業與五大客戶之間的制度環境差異Insd，值越大意味著雙方制度環境差異程度越高。

回歸結果顯示，第一階段中，Insd對Cus_avstab、Cus_westab的回歸系數顯著為負，這說明選取的工具變量合理。第二階段中，Cus_avstab、Cus_westab的預測值P_avstab、P_westab對全要素生產率Tfp_lp的回歸系數至少在5%水平上顯著為正。這表明在控制反向因果導致的內生性問題之后，前文研究結論保持不變。

2.采用Heckman兩階段回歸緩解樣本自選擇導致的內生性問題。在第一階段，本文通過構建Probit模型（4）估計客戶穩定程度的概率，并計算出逆米爾斯比率IMR。

其中，Cus_avstab_dum、Cus_westab_dum是虛擬變量，賦值依據是客戶穩定度Cus_avstab、Cus_westab分別與其年度行業中位數的相對大小，如果前者大于后者，則賦值為1，否則為0。借鑒張廣冬、邵艷（2022）的研究，本文將影響客戶穩定程度的變量納入到模型中，包括：前述企業所在省份與客戶所在省份之間的制度環境差異Insd、研發費用RD（研發費用/資產總計）、是否四大審計Big4（當年選擇四大所審計為1，否則為0）、固定資產周轉率FAT（營業收入/固定資產平均值），其余變量定義見表1。

在第二階段，將第一階段計算得出的IMR、IMR2納入模型（2）中重新進行回歸，Cus_avstab、Cus_westab的回歸系數均依然顯著為正，這說明在控制自選擇偏誤引發的內生性問題之后，本文的研究結論保持不變。

3.為了緩解模型形式設定偏誤引起的內生性問題，本文采用傾向得分匹配方法（PSM）進行穩健性檢驗。具體做法如下：

首先，根據Cus_avstab、Cus_westab與其年度行業中位數的相對大小確定實驗組和控制組，如果前者大于后者，則為實驗組，否則為控制組?；诖?，通過對模型（5）（6）進行Logit估計，得到每家公司進入實驗組的概率，即傾向得分。其中，公司特征變量Xit借鑒張廣冬、邵艷（2022）的研究，包括公司規模Size、現金持有水平Cash、固定資產周轉率FAT（營業收入/固定資產平均值）、第一大股東持股比例Shr1、獨立董事比例Indepen、董事會規模Board（董事會總人數）等。其余變量定義見表1。

其次，根據傾向匹配得分，采用1：1最近鄰匹配方法為客戶穩定度高的公司（實驗組）匹配一家具有相同公司特征但客戶穩定度低的公司（控制組）。

然后，對匹配質量進行檢驗。結果顯示，上述匹配滿足共同支撐假設和平衡性假設條件。

最后，基于匹配后的樣本對模型（2）重新檢驗，結果表明，Cus_avstab、Cus_westab對Tfp_lp的回歸系數依舊顯著為正，這說明本文結論穩健。

4.改變全要素生產率的衡量方式。本文采用Wooldridge估計法重新度量企業全要素生產率，記為Tfp_wrdg，并代入模型（2）中進行回歸。結果顯示，Cus_avstab、Cus_westab對Tfp_wrdg的回歸系數至少在5%水平上顯著為正，說明本文結論依然穩健。

5.改變客戶穩定度的衡量方式。具體為：（1）第一大客戶的銷售額占比在前五大客戶中最高，考慮到其戰略地位，本文將第一大客戶在去年出現的次數按等權重和不等權重加權方法重新計算得到Top1Cus_avstab、Top1Cus_westab；（2）前五大客戶在去年、前年出現的次數之和除以10后，按等權重和不等權重加權方法重新計算得到Cus_avstab2、Cus_westab2?；貧w結果顯示，上述客戶穩定度的回歸系數均顯著為正。這表明，本文的研究結論依舊穩健。

限于篇幅，上述穩健性檢驗結果不再列示。

（四）作用機制檢驗

本文從促進穩收降本和外部融資、提高存貨管理效率和促進創新這三條可能作用路徑來檢驗客戶穩定度對企業全要素生產率的影響，即驗證假設H2、H3以及H4是否能夠獲得經驗證據的支持。具體而言：

首先，①本文使用收入穩定度來衡量客戶穩定度產生的“穩收”效應。具體地，采用經過行業均值調整的營業收入計算其3年、5年滾動標準差，并取相反數，記為IncomStab、IncomStab2。顯然，收入穩定度越高，“穩收”效應越強。

②根據前文分析，企業銷售費用和業務招待費用均與客戶穩定程度緊密相關。因此，本文使用銷售費用率（SaleFee）與業務招待費用率（BusCost）來衡量客戶穩定度產生的“降本”效應。具體地，SaleFee=銷售費用/營業收入；BusCost=業務招待費/營業收入。銷售費用率、業務招待費用率越低，“降本”效應越強。

③本文認為較高的客戶穩定度所傳遞的信號首先會被與企業商業關系緊密的上游供應商和以銀行為主的風險厭惡型債權人所捕捉，因此使用商業信用規模和銀行信用借款比例來衡量客戶穩定度產生的“外部融資”效應。其中，參考陸正飛、楊德明（2011）的研究，商業信用規模BusCredit=（應付賬款+應付票據-預付賬款）/資產總計。參考袁淳等（2010）的研究，銀行信用貸款比例CreditLoan=（短期信用借款＋長期信用借款）／（短期信用借款＋短期擔保借款＋長期信用借款＋長期擔保借款）。商業信用規模越大、銀行信用借款比例越高，“外部融資”效應越強。

其次，本文采用以下兩種方法度量企業存貨管理效率：（1）存貨周轉率Turnover=ln（營業成本/平均存貨）；（2）考慮到客戶穩定程度對存貨管理效率的提高表現在改善企業生產決策上，本文采用表征企業生產決策變化的非產成品存貨水平變量Inventory（李雨濃等，2020）來度量企業存貨管理效率，即利用存貨合計減去產成品、發出商品和委托代銷商品后，取其對數得到Inventory。存貨周轉率越高、非產成品存貨水平越低，存貨管理效率越高。

最后，本文從創新投入和創新產出兩個角度衡量企業創新：（1）參考田軒、孟清揚（2018）的研究，采用研發經費投入（RDfee）、研發人員投入（RDpsn）衡量企業創新投入。具體地，RDfee=ln（研發費用+1）；RDpsn=ln（研發人員數量+1）。（2）參考江軒宇（2016）的研究，使用專利申請數量衡量創新產出：PAT=ln（當年獨立申請的發明專利數量+當年獨立申請的實用新型專利數量+當年獨立申請的外觀設計專利數量+1）。創新投入和創新產出越多，企業創新程度越高。

根據前文分析，本文認為較高的客戶穩定度能夠通過促進企業穩收降本和外部融資、提高存貨管理效率和促進創新來提升企業全要素生產率，即“穩收降本”“外部融資”“存貨管理效率”“企業創新”是客戶穩定度影響企業全要素生產率的機制變量。目前，機制檢驗的方法主要包括基于中介效應模型的逐步法、交互效應模型以及直接使用機制變量對解釋變量進行回歸這三種方式。考慮到中介效應模型無法同時緩解解釋變量、機制變量和被解釋變量之間存在的內生性導致的錯誤識別，江艇（2022）建議停止使用中介效應的逐步法檢驗。利用交互模型進行機制檢驗的前提條件之一是交互項中的機制變量不受解釋變量的影響，原因在于江艇（2022）認為，好的調節變量是外生的，不受處理變量（即解釋變量）或結果變量的影響。此外，該檢驗方法通常是對作用機制的間接檢驗或側面驗證（比如，影響機制很難直接觀測和衡量，而需要通過交互項的研究設計從側面驗證傳導機制的情形）。顯然，交互模型并不適用于本文的影響機制檢驗，表現在：根據既有權威文獻，上述機制變量（M）“穩收降本”“外部融資”“存貨管理效率”“企業創新”能夠準確恰當地度量，并且解釋變量（D）客戶穩定度能夠對上述機制變量（M）產生直接影響。因此，與Dell（2010）的機制檢驗方法保持一致，本文選擇直接使用機制變量對解釋變量進行回歸的方法來進行機制檢驗1，其依據是：江艇（2022）研究認為，在檢驗因果關系的作用渠道時，應提出若干個直接且顯然影響被解釋變量Y的機制變量Mi（二者因果關系在理論上較為直觀、邏輯和時空關系上較為接近），且僅需考察解釋變量D對Mi的影響，無需研究Mi到Y的因果關系。前文述及，機制變量“穩收降本”“外部融資”“存貨管理效率”“企業創新”對企業全要素生產率的影響已被既有國內外文獻所證實，前者是后者的誘因已得到理論與實務界的普遍認可。因此，本文根據江艇（2022）的機制檢驗方法建議，將基準模型（2）中的被解釋變量替換為機制變量（M），其他變量設置與基準模型一致，以此檢驗客戶穩定度（D）對機制變量（M）的影響，從而驗證客戶穩定度影響企業全要素生產率的作用路徑是否成立。根據前文分析，機制變量（M）設置為：收入穩定度（M1）、銷售費用率和業務招待費用率（M2）、商業信用規模（M3）和銀行信用借款比例（M4）、存貨周轉率（M5）、非產成品存貨水平（M6）以及創新投入和創新產出（M7）。這里的M1、M2代表“穩收降本”；M3、M4衡量“外部融資”；M5、M6度量“存貨管理效率”；M7代表“企業創新”。

表4列示了穩定客戶關系通過促進企業穩收降本和外部融資來提升其全要素生產率這一作用機制檢驗的結果。Panel A的（1）至（4）列顯示，Cus_avstab、Cus_westab對收入穩定度IncomStab、IncomStab2的回歸系數均在1%水平上顯著為正。（5）至（8）列結果表明，Cus_avstab、Cus_westab對銷售費用率SaleFee、業務招待費用率BusCost的回歸系數至少在10%水平上顯著為負。Panel B顯示，Cus_avstab、Cus_westab對商業信用規模BusCredit、銀行信用借款比例CreditLoan的回歸系數至少在5%水平上顯著為正。上述結果說明較高的客戶穩定度能夠促進企業穩收降本和外部融資，從而為企業開展各項活動提供充裕、穩定的資金，最終提升企業的全要素生產率。由此，前文提出的假設H2得以驗證。

表5列示的是“客戶穩定度→存貨管理效率→全要素生產率提升”這一影響機制的檢驗結果。Cus_avstab、Cus_westab對存貨周轉率Turnover的回歸系數均在1%水平上顯著為正，而對非產成品存貨水平Inventory的回歸系數至少在5%水平上顯著為負，這表明較高的客戶穩定度能夠顯著提高企業存貨管理效率，進而對其全要素生產率的提升產生促進作用。假設H3獲得了經驗證據的支持。

表6列示的是“客戶穩定度→創新投入/創新產出→全要素生產率提升”這一影響機制的檢驗結果。Cus_avstab、Cus_westab對創新投入RDfee、RDpsn和創新產出PAT的回歸系數至少在10%水平上顯著為正，這表明較高的客戶穩定度能夠顯著促進企業創新，從而提升其全要素生產率，假設H4得證。綜上，本文有關客戶穩定度促進企業全要素生產率提升的作用機制分析均成立。

五、進一步分析

（一）基于產權性質的異質性分析

在不同的產權性質下，客戶穩定度對企業全要素生產率的促進作用可能有所差異。一方面，由于國有企業的實際控制人是各級政府，其天然擁有國家信譽支持，同時更容易享有各種政策傾斜和財政補貼等（孔東民等，2013），這會減少客戶對企業商業信譽和持續供應能力等方面的擔憂，從而有利于增進客戶與企業進行業務往來的意愿，因此國有企業本身在客戶關系方面的支出可能相對較少。同時，出于政府的“隱性擔?！保瑖衅髽I在獲取商業信用、銀行信貸融資上也具有絕對優勢（應千偉、蔣天驕，2012）。因此，客戶穩定與否可能對國有企業的資金狀況而言影響較小，從而難以對其全要素生產率產生作用。另一方面，即使國有企業因經營不善而面臨虧損，出于“父愛”動機，政府也會出資救助，因此面臨較小生存壓力的國有企業主觀上較為缺乏通過創新尋求超額利潤的動力，這會進一步削弱客戶穩定度對其全要素生產率的影響。相反，缺乏政府背書的非國有企業先天上更難以獲得客戶青睞，因而在尋找或維系客戶關系方面的支出會較大，同時也相對難以獲取供應商和銀行的授信。此外，面臨著優勝劣汰競爭環境的非國有企業普遍更具變革意識與創新動力。因此，較高的客戶穩定度所帶來的資金優勢和創新資源條件更有助于其全要素生產率的提高。即與國有企業相比，在非國有企業中，較高的客戶穩定度對其全要素生產率的提升作用會更大。

為驗證上述分析，本文對國有企業和非國有企業進行了分組檢驗。表7列示了分組回歸結果。如第（2）（4）列所示，在非國有企業組中，Cus_avstab、Cus_westab的回歸系數至少在5%水平上顯著為正；而如第（1）（3）列所示，在國有企業組中，Cus_avstab、Cus_westab的回歸系數均不顯著。該結果證實了上述分析。

（二）基于所處行業性質的異質性分析

與其他行業的企業相比，技術密集型行業的企業開展創新活動的動力和實力普遍更高（龐瑞芝等，2012），這可能更有利于客戶穩定度發揮積極作用。一方面，在技術密集型行業中，由于競爭優勢的獲取依賴于更高的技術復雜程度和更快的技術迭代速度（Carlucci et al.，2004），行業企業有將大量資金投入到研發活動中的強烈意愿，而較高的客戶穩定度為此提供了良好的資金基礎（比如持續穩定、充裕的資金來源）。另一方面，上述創新活動也促進了企業創新人力資本儲備以及相關知識經驗的積累，有助于企業對穩定客戶所傳遞的新信息、新知識以及新技術的有效消化吸收，從而能夠更有力地推動企業的技術進步速度。因此，客戶穩定度對技術密集型企業的全要素生產率會產生更大的邊際促進作用。相反，在非技術密集型行業（即勞動密集型或資本密集型行業）中，其生產過程更多依賴于勞動力或資本要素的大量投入，開展創新活動的意愿較為不足，這使得行業企業技術基礎較為薄弱，從而難以吸收利用穩定客戶所帶來的創新資源。在此情況下，客戶穩定度對企業全要素生產率的提升作用較小。綜上，與非技術密集型行業企業相比，在技術密集型行業企業中，較高的客戶穩定度對其全要素生產率的提升作用會更顯著。

為驗證上述分析，本文參考魯桐、黨印（2014）的要素密集度行業分類做法，將樣本企業分為技術密集型行業組和非技術密集型行業組。分組回歸結果如表8所示，Cus_avstab、Cus_westab的回歸系數在技術密集型行業組中顯著為正（1%水平上），而在非技術密集型行業組中均不顯著。該結果證實了上述分析。

（三）基于行業競爭程度的異質性分析

所處行業競爭程度的高低可能會影響客戶穩定度對企業全要素生產率的促進效用。一方面，行業競爭程度的增加會使企業利潤水平降低（Aghion and Griffith，2008）、現金流波動性和破產風險增加（Peress，2010），由此導致的財務風險不利于企業進行外部融資。同時，行業競爭程度的增加意味著與企業搶奪有限客戶資源的競爭對手增多，這使得企業在客戶關系的尋求、建立與維系上花費大量支出。因此，行業競爭程度高的企業普遍存在資金短缺和現金流波動性較大的情況，難以開展各種必要的持續性投資活動。在此情況下，穩定客戶帶來的大量穩定資金更有助于其全要素生產率的提升。另一方面，激烈競爭環境引發的“逃離競爭效應”會激勵企業加大創新力度以提升利潤率，最終逃離行業內其他企業的競爭（Aghion and Griffith，2008），此時較高的客戶穩定度所帶來的資金和創新條件會更有效地幫助企業提升生產效率。相反，當行業競爭程度較低時，企業擁有高額的壟斷利潤，由此帶來的良好經營業績有助于其進行外部融資。同時，行業中較少的企業數量使得企業在與客戶的業務合作中處于優勢地位，即便與現有客戶合作關系破裂，也會有其他客戶主動尋求合作，因而大大減少了與客戶關系相關的支出。在此情況下，企業本身資金較為充裕，這使得客戶穩定度可能難以發揮其作用。同時，這些企業因面臨較小的生存壓力，故主觀上較為缺乏通過創新尋求超額利潤的動力，較高的客戶穩定度所帶來的創新資源難以被合理利用，這也不利于客戶穩定度作用的發揮。因此，與行業競爭程度低的企業相比，在行業競爭程度高的企業中，較高的客戶穩定度對其全要素生產率的提升作用理應更大。

為驗證上述分析，本文借鑒林樂等（2013）的研究，采用基于營業收入計算的年度行業赫芬達爾指數（HHI）作為行業競爭程度Competion的衡量指標，其值越大，行業競爭程度越小。本文按Competion年度中位數將樣本分為行業競爭程度高低兩組。分組回歸結果見表9，Cus_avstab、Cus_westab在行業競爭程度高組的回歸系數均在1%水平上顯著為正，而在行業競爭程度低組中不顯著。這證實了上述分析結論。

（四）基于客戶地理距離的異質性分析

地理距離的遠近與信息傳遞效率息息相關（Broekel and Boschma，2012），因此在企業與客戶地理距離不同的情境下，客戶穩定度對企業全要素生產率的提升效果可能有所差異。一方面，較遠的地理距離會抑制企業間信息溝通頻率（Chakrabarti and Mitchel，2016），使得企業難以及時準確地了解客戶的需求、獲取客戶的反饋等，同時還會導致信息在傳遞過程中出現損耗與失真現象（崔也光等，2021），這會使企業面臨更大的產品需求不確定性，從而不利于企業的生產安排，導致其存貨管理效率較低。另一方面，較遠的客戶地理距離不但不利于企業以實地調查和訪問方式了解客戶多樣化需求，而且不利于雙方技術人員開展“面對面”的交流，從而阻礙了企業隱性知識的獲?。ǔ绦】傻龋?020），這不利于企業創新效率的提升。在此情況下，較高的客戶穩定度對企業存貨管理和創新的積極效用能夠有效地彌補較遠客戶地理距離的負面影響，從而對企業全要素生產率產生更大的邊際促進作用。相反，客戶地理距離的鄰近性使得企業能夠與客戶保持經常性的溝通交流，從而及時準確地獲取客戶需求和反饋信息，進而減少產品需求不確定性、改善存貨管理。同時，客戶地理距離的鄰近性還有助于企業通過實地調研客戶創新需求以及雙方技術人員現場交流創新知識經驗等方式提高創新效率，這也會削弱客戶穩定度促進企業創新的作用效率。因此，較高的客戶穩定度對企業全要素生產率的促進作用在客戶地理距離遠的企業中會更大。

為驗證上述分析，本文從省級層面衡量企業與客戶之間的地理距離，并按行業年度中位數，將樣本企業劃分為客戶地理距離遠近兩組。做法如下：①根據企業披露的前五大客戶的公司名稱判斷其所屬省份。即根據客戶名稱所含地理信息（XX地區XX公司）判斷其所在省域，無法判斷的通過手工網絡檢索客戶名稱的方式判斷其所在省域。②經過上述處理，仍有部分企業的客戶無法判斷出所在省域，為保證度量口徑的一致性，本文僅保留前五大客戶全部判斷出所在省域的樣本。③利用大圓距離公式（7）計算各省省會城市間的地理距離d，得到企業與其每位客戶所屬省份之間的地理距離，然后采用企業與五大客戶所屬省份之間地理距離的平均值作為客戶地理距離的衡量。

[d=R×arccos[sin（Lat1）×sin（Lat2）+cos（Lat1）×cos（Lat2）×cos（Long1-Long2）]]? （7）

其中R為地球半徑，為6371km；Lat1、Lat2分別為任意兩城市的緯度值，Long1、Long2分別為任意兩城市的經度值（經緯度值均已做弧度轉換）。

分組回歸結果如表10所示，Cus_avstab、Cus_westab的回歸系數在客戶地理距離遠組中至少在5%水平上顯著為正，而在客戶地理距離近組中均不顯著。這證實了上述分析結論。

六、經濟后果檢驗：客戶穩定度、全要素生產率與企業價值

較高的客戶穩定度有助于企業全要素生產率的提升，那么客戶穩定度改善企業全要素生產率的作用是否有助于企業價值的提升？為此，本文構建模型（8）以檢驗該問題。其中，企業價值采用托賓Q值來度量：TQ=市值A/（資產總計-無形資產凈額-商譽凈額）；TQ2=市值B/（資產總計-無形資產凈額-商譽凈額）?？刂谱兞繀⒖紕⑿?、趙曉陽（2019）的研究進行設置，L.TQ、L.TQ2分別為TQ、TQ2的滯后一期，余下變量定義見表1。同時，模型控制了年度（Year）和行業（Ind）變量。

[TQ/TQ2=β0+β1Cus_avstab/Cus_westab+β2Tfp_lp×Cus_avstab/Tfp_lp×Cus_westab+β3Tfp_lp+β4Size+β5Lev+β6Growth+β7L.TQ/L.TQ2+β8Msh+β9Shr1+β10Sal+β11Dual+β12Indepen +ΣYear+ΣInd+ε]? （8）

回歸結果見表11。無論因變量為TQ，還是TQ2，交互項Tfp_lp×Cus_avstab、Tfp_lp×Cus_westab的回歸系數均顯著為正，這表明較高的客戶穩定度能夠通過提升企業的全要素生產率對其企業價值產生正向影響。

七、研究結論和啟示

本文基于供應鏈上下游視角，檢驗了供應鏈客戶穩定度的提高是否以及如何影響企業全要素生產率，得到如下結論：第一，較高的客戶穩定度能夠顯著提升企業的全要素生產率。第二，機制檢驗結果顯示，較高的客戶穩定度能夠從促進穩收降本和外部融資、提高存貨管理效率和促進企業創新等三條路徑發揮作用，從而提升企業的全要素生產率。第三，進一步分析證實，在非國有企業、技術密集型行業企業、行業競爭程度高以及客戶地理距離遠的企業中，客戶穩定度對其全要素生產率的提升作用更大。第四，經濟后果檢驗表明，客戶穩定度對企業全要素生產率的提升有助于其實現價值提升。

本文研究為貫徹落實黨的二十大報告所提出的“著力提升產業鏈供應鏈韌性和安全水平”“著力提高全要素生產率”“推動經濟實現質的有效提升和量的合理增長”等戰略部署要求提供了如下實踐啟示：（1）本文研究證實了供應鏈客戶穩定度對企業全要素生產率的促進作用。這啟示相關政府部門應積極采取措施（如完善配套的供應鏈基礎設施、優化供應鏈公共服務政策等）鼓勵企業與客戶簽訂戰略合作框架協議，加強長期、深度合作，進而為實現經濟高質量發展奠定微觀基礎。（2）資本市場監管部門應持續關注上市公司與主要客戶的銷售關系是否穩定、持續，及時向大客戶變化較為頻繁的上市公司發放監管問詢函，要求其說明主要客戶頻繁變動的原因及合理性，避免因較低的客戶穩定度通過影響上市公司全要素生產率而阻礙其高質量發展，進而給投資者帶來經濟損失。（3）在目前全球供應鏈中斷風險較大的背景下，企業管理者應積極做好大客戶管理工作，通過對具有經濟重要性的客戶采取額外的活動、指派特定的人員甚至改變組織架構來給予大客戶特殊待遇，并提供高質量的產品與服務，借以維持長久的業務合作關系，從而提高自身全要素生產率水平，最終實現企業價值的提升。（4）考慮到不同條件下客戶穩定度對企業全要素生產率的異質性作用，本文認為政府部門應從以下方面精準施策。首先，因資金來源不足，非國有企業全要素生產率的提升更依賴于供應鏈客戶的穩定。這提示政府部門、金融機構應面向非國有企業就金融供給和金融服務出臺幫扶、傾斜政策，借以緩解非國有企業在生產效率改進中的資金短缺問題。其次，客戶穩定度所帶來的資金優勢和創新資源條件更能促進技術密集型企業、行業競爭激烈企業全要素生產率的提升，為此政府部門應針對相關行業制定保鏈穩鏈幫扶政策，促進行業企業與客戶業務合作質量的提升，確保企業經營環境的穩定。最后，較高的客戶穩定度更加有助于增進遠距離企業間的交流頻度和深度，繼而有助于企業運營成本的下降和生產效率的提升，這為我國企業跨區域經營提供了保障，因此各地政府部門應積極搭建跨部門、跨區域的供應鏈信息溝通平臺，鼓勵屬地不同的企業建立長期化的戰略合作機制，從而提高供應鏈穩定水平。

參考文獻

白俊、楊茜雅、董穎穎，2022，“客戶關系變動提高了審計費用嗎？”，《審計與經濟研究》，第3期，第30-39頁。

陳長彬、楊忠，2008，“供應鏈合作中的信息共享及激勵”，《情報雜志》，第9期，第129-132+145頁。

程小可、宛晴、高升好，2020，“大客戶地理鄰近性與企業技術創新”，《管理科學》，第6期，第70-84頁。

崔也光、王肇、齊英，2021，“供應商地理距離對企業投入產出效率的影響研究——來自A股上市公司的經驗證據”，《數理統計與管理》，第3期，第544-555頁。

鄧宏、尹斯斯、馬如飛，2024，“粵港澳大灣區規劃能否提高企業全要素生產率？——來自中國制造業上市公司的證據”，《南方經濟》，第3期，第141-158頁。

樊綱、王小魯、馬光榮，2011，“中國市場化進程對經濟增長的貢獻”，《經濟研究》，第9期，第4-16頁。

郭嵐、張祥建，2008，“信息共享與激勵機制：現代供應鏈中的“雙贏”策略”，《財貿經濟》，第4期，第100-104頁。

黃宏斌、孫雅妮、許晨輝，2023，“客戶—供應商穩定關系促進了雙方的協同創新嗎？”，《中南財經政法大學學報》，第6期，第16-28頁。

黃玖立、李坤望，2013，“吃喝、腐敗與企業訂單”，《經濟研究》，第6期，第71-84頁。

黃曉鳳、朱瀟玉、王金紅，2023，“人工智能提升了中國制造業企業的全要素生產率嗎”，《財經科學》，第1期，第138-148頁。

江艇，2022，“因果推斷經驗研究中的中介效應與調節效應”，《中國工業經濟》，第5期，第100-120頁。

江軒宇，2016，“政府放權與國有企業創新——基于地方國企金字塔結構視角的研究”，《管理世界》，第9期，第120-135頁。

蔣瑛、劉琳、劉寒綺，2022，“智慧旅游建設促進了旅游經濟高質量發展嗎？——全要素生產率視角下的準自然實驗”，《旅游科學》，第2期，第44-62頁。

孔東民、劉莎莎、王亞男，2013，“市場競爭、產權與政府補貼”，《經濟研究》，第2期，第55-67頁。

孔婷、孫林巖、馮泰文，2013，“客戶導向、新產品上市速度與企業績效的關系研究”，《南開管理評論》，第5期，第90-99頁。

李涵、唐麗淼，2015，“交通基礎設施投資、空間溢出效應與企業庫存”，《管理世界》，第4期，第126-136頁。

李勝文、李大勝，2008，“中國工業全要素生產率的波動：1986～2005——基于細分行業的三投入隨機前沿生產函數分析”，《數量經濟技術經濟研究》，第5期，第43-54頁。

李姝、田馬飛、李丹、杜亞光，2022，“客戶信息披露會影響企業稅收規避嗎”，《南開管理評論》，第6期，第75-85+107+86-87頁。

李唐，2016，“企業家年齡效應與企業全要素生產率——來自2015年廣東制造業企業—員工匹配調查的經驗證據”，《暨南學報（哲學社會科學版）》，第9期，第25-39+129頁。

李雨濃、趙維、周茂、朱連明，2020，“外資管制放松如何影響企業非產成品存貨調整”，《中國工業經濟》，第9期，第118-136頁。

李云鶴、藍齊芳、吳文鋒，2022，“客戶公司數字化轉型的供應鏈擴散機制研究”，《中國工業經濟》，第12期，第146-165頁。

李志遠、張路通、趙雁海，2013，“創業導向、關系嵌入與客戶知識獲取的關系研究”，《軟科學》，第2期，第19-23頁。

林樂、謝德仁、陳運森，2013，“實際控制人監督、行業競爭與經理人激勵——來自私人控股上市公司的經驗證據”，《會計研究》，第9期，第36-43+96頁。

劉行、趙曉陽，2019，“最低工資標準的上漲是否會加劇企業避稅？”，《經濟研究》，第10期，第121-135頁。

魯桐、黨印，2014，“公司治理與技術創新：分行業比較”，《經濟研究》，第6期，第115-128頁。

魯曉東、連玉君，2012，“中國工業企業全要素生產率估計：1999—2007”，《經濟學（季刊）》，第2期，第541-558頁。

陸正飛、楊德明，2011，“商業信用：替代性融資，還是買方市場？”，《管理世界》，第4期，第6-14+45頁。

羅奇、趙永亮，2022，“貿易政策不確定性、采購前置期與企業存貨調整”，《國際貿易問題》，第7期，第87-104頁。

毛德鳳、李靜、彭飛、駱正清，2013，“研發投入與企業全要素生產率——基于PSM和GPS的檢驗”，《財經研究》，第4期，第134-144頁。

龐瑞芝、薛寧、丁明磊，2012，“中國創新型試點企業創新效率及其影響因素研究——基于2006～2010年創新型試點企業非平衡面板數據的實證考察”，《產業經濟研究》，第5期，第1-10+18頁。

逄錦聚、林崗、楊瑞龍、黃泰巖，2019，“促進經濟高質量發展筆談”，《經濟學動態》，第7期，第3-19頁。

彭旋、王雄元，2018，“支持抑或掠奪？客戶盈余信息與供應商股價崩盤風險”，《經濟管理》，第8期，第135-152頁。

彭旋、張昊，2022，“穩定客戶可以降低企業的股價波動性嗎？”，《審計與經濟研究》，第4期，第119-127頁。

錢雪松、康瑾、唐英倫、曹夏平，2018，“產業政策、資本配置效率與企業全要素生產率——基于中國2009年十大產業振興規劃自然實驗的經驗研究”，《中國工業經濟》，第8期，第42-59頁。

邱保印、程博，2022a，“‘手中有糧心不慌——客戶穩定性影響企業會計信息質量嗎？”，《外國經濟與管理》，第4期，第81-94頁。

邱保印、程博，2022b，“客戶穩定性的經濟后果研究：基于供應商授信視角”，《商業經濟與管理》，第3期，第42-56頁。

邱斌、劉修巖、趙偉，2012，“出口學習抑或自選擇：基于中國制造業微觀企業的倍差匹配檢驗”，《世界經濟》，第4期，第23-40頁。

任曙明、呂鐲，2014，“融資約束、政府補貼與全要素生產率——來自中國裝備制造企業的實證研究”，《管理世界》，第11期，第10-23+187頁。

宋淵洋、黃禮偉，2014，“為什么中國企業難以國內跨地區經營？”，《管理世界》，第12期，第115-133頁。

孫浦陽、劉伊黎，2020，“企業客戶貿易網絡、議價能力與技術追趕——基于貿易網絡視角的理論與實證檢驗”，《經濟研究》，第7期，第106-122頁。

陶鋒、王欣然、徐揚、朱盼，2023，“數字化轉型、產業鏈供應鏈韌性與企業生產率”，《中國工業經濟》，第5期，第118-136頁。

田軒、孟清揚，2018，“股權激勵計劃能促進企業創新嗎”，《南開管理評論》，第3期，第176-190頁。

王國剛、羅煜，2022，“論國內大循環中的實體經濟橫向金融系統”，《中國社會科學院大學學報》，第2期，第54-88+146頁。

王孝松、林發勤、李玏，2020，“企業生產率與貿易壁壘——來自中國企業遭遇反傾銷的微觀證據”，《管理世界》，第9期，第54-67頁。

王雄元、彭旋，2016，“穩定客戶提高了分析師對企業盈余預測的準確性嗎？”，《金融研究》，第5期，第156-172頁。

肖挺，2019，“制造企業服務化商業模式與產品創新投入的協同效應檢驗——‘服務化悖論的一種解釋”，《管理評論》，第7期，第274-285頁。

楊騫、劉華軍，2014，“技術進步對全要素能源效率的空間溢出效應及其分解”，《經濟評論》，第6期，第54-62頁。

姚戰琪，2009，“生產率增長與要素再配置效應：中國的經驗研究”，《經濟研究》，第11期，第130-143頁。

應千偉、蔣天驕，2012，“市場競爭力、國有股權與商業信用融資”，《山西財經大學學報》，第9期，第58-64頁。

于連超、董晉亭、張衛國、畢茜，2022，“ISO 14001環境認證對企業全要素生產率的影響研究”，《管理學報》，第9期，第1280-1287頁。

袁淳、荊新、廖冠民，2010，“國有公司的信貸優惠：信貸干預還是隱性擔保？——基于信用貸款的實證檢驗”，《會計研究》，第8期，第49-54+96頁。

張廣冬、邵艷，2022，“風險投資與公司客戶穩定性”，《會計研究》，第4期，第179-192頁。

張龍鵬、張雙志、胡燕娟，2023，“企業價值鏈智能化對全要素生產率的影響”，《南方經濟》，第10期，第94-111頁。

張沁琳、沈洪濤，2020，“政府大客戶能提高企業全要素生產率嗎？”，《財經研究》，第11期，第34-48頁。

張益豪、郭曉輝，2023，“大數據發展與企業全要素生產率——基于國家級大數據綜合試驗區的實證分析”，《產業經濟研究》，第2期，第69-82頁。

趙志泉，2004，“企業聯盟、企業集團與‘共謀壟斷的邊界”，《安徽大學學報》，第2期，第85-90頁。

鄭寶紅、張兆國，2018，“企業所得稅率降低會影響全要素生產率嗎？——來自我國上市公司的經驗證據”，《會計研究》，第5期，第13-20頁。

鄭倩雯、朱磊，2021，“與客戶共享審計師能夠提升企業的存貨管理效率嗎”，《當代財經》，第8期，第126-136頁。

卓賢，2020，“增強韌性是保產業鏈供應鏈穩定的關鍵”，《經濟日報》，2020年10月20日。

Aghion， P. and Griffith， R.， 2008， Competition and Growth： Reconciling Theory and Evidence， Cambridge： MIT Press.

Ak， B.K. and Patatoukas， P.N.， 2016， “Customer‐base Concentration and Inventory Efficiencies：Evidence from the Manufacturing Sector”， Production and Operations Management， 25（2）： 258-272.

Baier， S.L.， Dwyer Jr， G.P. and Tamura， R.， 2006， “How Important are Capital and Total Factor Productivity for Economic Growth？”， Economic Inquiry， 44（1）： 23-49.

Baumann， J. and Kritikos， A.S.， 2016， “The Link between R&D， Innovation and Productivity： Are Micro Firms Different？”， Research Policy， 45（6）： 1263-1274.

Black， I.， 2019， “Better Together？ CEO Identity and Firm Productivity”， Duke University Working Paper.

Broekel， T. and Boschma， R.， 2012， “Knowledge Networks in the Dutch Aviation Industry： the Proximity Paradox”， Journal of Economic Geography， 12（2）： 409-433.

Carlucci， D.， Marr， B. and Schiuma， G.， 2004， “The Knowledge Value Chain： How Intellectual Capital Impacts on Business Performance”， International Journal of Technology Management， 27（6-7）： 575-590.

Cen， L.， Dasgupta， S.， Elkamhi， R. and Pungaliya， R.S.， 2016， “Reputation and Loan Contract Terms： The Role of Principal Customers”， Review of Finance， 20（2）： 501-533.

Chakrabarti， A. and Mitchell， W.， 2016， “The Role of Geographic Distance in Completing Related Acquisitions： Evidence from U.S. Chemical Manufacturers”， Strategic Management Journal， 37（4）： 673-694.

Chang， M.L.， Cheng， C.F. and Wu， W.Y.， 2012， “How Buyer-seller Relationship Quality Influences Adaptation and Innovation by Foreign MNCs Subsidiaries”， Industrial Marketing Management， 41（7）： 1047-1057.

Dell， M.， 2010， “The Persistent Effects of Perus Mining Mita”， Econometrica， 78（6）： 1863-1903.

Dippel， C.， Ferrara， A. and Heblich， S.， 2020， “Causal Mediation Analysis in Instrumental Variables Regressions”， Stata Journal， 20（3）： 613-626.

Gosman， M.， Kelly， T.， Olsson， P. and Warfield， T.， 2004， “The Profitability and Pricing of Major Customers”， Review of Accounting Studies， 9（1）： 117-139.

Kumbhakar， S.C. and Lovell， C.A.K.， 2000， Stochastic Frontier Analysis， Cambridge： Cambridge University Press.

Levinsohn， J. and Petrin， A.， 2003， “Estimating Production Functions Using Inputs to Control for Unobservables”， The Review of Economic Studies， 70（2）： 317-341.

Milgrom， P.R. and Roberts， J.， 1992， Economics， Organization， and Management， Englewood Cliffs： Prentice Hall.

Nunn， N.， 2007， “Relationship-specificity， Incomplete Contracts， and the Pattern of Trade”， The Quarterly Journal of Economics， 122（2）： 569-600.

Peress， J.， 2010， “Product Market Competition， Insider Trading， and Stock Market Efficiency”， The Journal of Finance， 65（1）： 1-43.

Rioja， F. and Valev， N.， 2004， “Finance and the Sources of Growth at Various Stages of Economic Development”， Economic Inquiry， 42（1）：127-140.

Williamson， O.E.， 1985， The Economic Institution of Capitalism， New York： Free Press.

Supply Chain Customer Stability and Firm Total Factor Productivity

Zhang Yong? Hou Luyao

Abstract： The improvement of total factor productivity（TFP） can promote the transformation of economic growth mode from the increase in the number of production factors to the improvement of efficiency and benefit， which is， from “extensive” growth to “intensive” growth， so as to achieve sustainable and high-quality economic growth. Micro firms are the foundation of macro economy， so the increase of macroeconomic output efficiency ultimately depends on the improvement of TFP of micro firms. From this point of view， it is very necessary and urgent to study the factors that affect the TFP of firms. Focusing on the spirit of “striving to raise total factor productivity” and “striving to promote the resilience and safety level of the industrial and supply chains” proposed in the report of the 20th National Congress of the Communist Party of China， this paper examines whether supply chain customer stability can have a positive impact on TFP of firm.

The research results show that：（1）Higher customer stability can significantly improve the TFP level of firm. （2）The mechanism analysis shows that the three effective paths for customer stability to improve TFP of firm are to promote income increase， cost reduction， and external financing increase， improve inventory management efficiency， and promote innovation. （3）Heterogeneity analysis shows that compared with state-owned firms， firms in capital intensive industries and labor intensive industries， firms with low degree of industry competition， and firms near customers， customer stability has a stronger impact on the improvement of TFP among non-state firms， firms in technology intensive industries， firms with high degree of industry competition， and firms far from customers. （4）Economic consequence testing shows that higher customer stability can further enhance firm value by improving TFP.

This paper not only expands the existing theoretical studies on the influencing factors of TFP and the economic consequences of customer stability， but also makes necessary supplements to the research perspectives and analysis frameworks of supply chain management theory， resource-based theory and key account management theory. At the same time， it also provides valuable theoretical basis and large sample empirical evidence for how to promote high-quality economic development by enhancing supply chain resilience and stability in the context of the new development pattern with domestic large circulation as the main body.

Keywords： Customer Stability; Total Factor Productivity; Mechanism Test; Heterogeneity Analysis; Economic Consequence Test

（責任編輯：謝淑娟）

* 張勇（通訊作者），南京林業大學經濟管理學院，E-mail：zy_auditor2011@pku.org.cn，通訊地址：江蘇省南京市龍蟠路159號，郵編：210037；侯路遙，南京林業大學經濟管理學院，E-mail：hly@njfu.edu.cn。作者文責自負。

基金項目：本文受國家社會科學基金一般項目“綠色金融改革創新驅動工業企業綠色轉型的效應評估及政策優化研究”（22BJY190）資助。

1 此外，為了驗證該機制檢驗方式下結論的準確性，本文還參考了Dippel et al.（2020）的方法，使用內生中介效應檢驗模型考察客戶穩定度對企業全要素生產率的作用渠道。經該方法檢驗得出的結論與直接利用機制變量對解釋變量回歸得出的結論保持一致。