供應鏈金融能夠提高企業全要素生產率嗎？

摘 要：我國正處在轉變發展方式、轉換增長動力的攻關期，發展供應鏈金融成為推進供給側結構性改革、增強金融服務實體經濟能力的重要抓手。本文以2007—2021年中國滬深A股上市公司為研究樣本，運用雙向固定效應模型實證檢驗了供應鏈金融對企業全要素生產率的影響及其作用機制。基準分析結果表明，供應鏈金融有助于提高企業全要素生產率，且這一關系在經過內生性處理和一系列穩健性檢驗后仍然成立。機制分析結果表明，供應鏈金融通過優化信貸資源配置和提高資源整合效率兩個機制提高企業全要素生產率。異質性分析結果表明，當市場環境較差、行業競爭程度較小、融資約束程度較高、信息披露質量較低、供應鏈集中度較高、供應鏈整合度較強、供應鏈專業化分工程度較高時，供應鏈金融對企業全要素生產率的提升效應更加明顯。本文的研究不僅拓展了企業全要素生產率驅動因素的相關研究，也為踐行供應鏈金融助力經濟高質量發展提供了新的證據。

關鍵詞：供應鏈金融；全要素生產率；信貸資源配置；資源整合效率

中圖分類號：F275 文獻標識碼：A 文章編號：1000-176X（2024）05-0089-16

一、問題的提出

黨的二十大報告明確提出：“未來五年是全面建設社會主義現代化國家開局起步的關鍵時期”“高質量發展是全面建設社會主義現代化國家的首要任務”“加快建設現代化經濟體系，著力提高全要素生產率，著力提升產業鏈供應鏈韌性和安全水平”。然而，全球貿易保護主義抬頭、國際產業鏈不確定性與不穩定性持續存在等問題極大地制約著中國經濟高質量發展目標的順利實現。受制于體制扭曲和市場制度不完善等，資本、技術等要素投入組合沿著產業鏈供應鏈的優化整合嚴重不足，資源配置效率普遍不高［1］。面對這些問題帶來的不利影響，推動產業鏈供應鏈提質增效，提升產業鏈供應鏈韌性和安全水平成為促進中國經濟高質量發展的必然路徑［2］。

蓬勃發展的供應鏈金融基于其資金、信用和市場等優勢，通過產業端資金缺口與金融端融資服務有效對接，提高鏈上企業的金融資源可得性，優化信貸資源配置，在紓解實體經濟憂困、打通金融供給側結構性改革路徑［3-4］、降低供應鏈企業融資成本、推動企業可持續發展、提高供應鏈整體競爭能力［5-6］等方面發揮著重要作用，日益成為提升產業鏈供應鏈韌性和安全水平的關鍵著力點。因此，深入探究供應鏈金融提高企業全要素生產率的機制對于促進金融更好地服務實體經濟，推動中國經濟的高質量發展具有重要的實踐意義與政策價值。

區別于傳統銀行借貸，供應鏈金融通過整合“供—產—銷”鏈條上的所有資源，融合組織間的交易和資金鏈情況來刻畫企業的真實運營情況，為供應鏈中核心企業及其上下游企業提供金融產品和服務。因此，理論上，供應鏈金融作為供應鏈整體鏈條的一部分，能夠在供應鏈合作伙伴之間產生信息融合、資源協調、組織互聯的效應。已有相關研究發現，企業開展供應鏈金融，一方面能夠延展供應鏈層面的信用融資、強化銀企關系，提高企業外部融資能力和融資績效［7］、緩解企業融資約束，進而降低交易成本、增加創新投入［8］，促進企業專業化分工［9］；另一方面，基于供應鏈金融搭建的穩固的供應鏈關系，能夠為企業充分利用供應鏈資源、整合多種資源、共享各種知識提供穩定的關系支撐。通過提高企業創新績效［8］、推動企業數字化轉型［10］、加快企業資本結構調整［4］、改善產品市場表現等提升企業經濟價值，進而提高供應鏈運作效能和市場競爭力［9-11］。“全要素生產率”刻畫了所有要素投入組合的產出效率［12］，但是，現有關于企業全要素生產率驅動因素的研究主要從外部政策（如環境規制［13］、減稅降費），企業內部行為特征（如研發投資［14］、治理結構） 等方面展開，鮮有文獻從供應鏈金融的視角研究其對企業全要素生產率的影響。

因此，本文以2007—2021年中國滬深A股上市公司為研究樣本，通過文本分析的方法識別企業供應鏈金融的涉入程度，實證檢驗供應鏈金融對企業全要素生產率的影響及其作用機制。本文的研究貢獻主要體現在以下三個方面：其一，拓展了供應鏈金融經濟后果的研究視角。既有文獻主要圍繞供應鏈金融的“金融”屬性和“供應鏈”屬性分別探討其對中小企業或核心企業融資績效等方面的影響［7，15］，忽視了供應鏈金融的內在統一性。本文基于中國滬深A股上市公司大樣本數據實證檢驗了供應鏈金融對企業全要素生產率的影響，對現有供應鏈金融經濟后果研究的理論分析框架進行了實質性的拓展，也為全面、客觀地評估供應鏈金融的實施效果提供了有益借鑒。其二，豐富了微觀維度即企業層面全要素生產率影響因素的理論研究。已有對企業全要素生產率影響因素的研究多圍繞宏微觀理論推演展開［12，16］，但尚未深入探究在當前“兩個大局”背景下，如何破解影響企業長期發展的供給側要素變化這一關鍵難題。供應鏈金融作為深化供給側結構性改革的重要抓手，為鏈上企業提供低成本的融資平臺和高效率的運營平臺，快速響應供應鏈各節點企業的金融需求，理論上能夠為企業轉型升級、實現可持續發展貢獻力量。因此，本文的研究不僅是對已有企業全要素生產率研究的有益補充，也為供應鏈金融通過賦能傳統金融助推中國經濟增長方式由“粗放式增長”向“集約式增長”轉變，進而實現經濟高質量發展這一論斷提供了經驗證據。其三，補充了金融與實體經濟融合發展渠道的微觀理論研究，對當前建設現代產業體系具有較好的實踐價值。本文在研究過程中運用社會網絡理論和信息不對稱理論剖析供應鏈金融提高企業全要素生產率的內在機理，對如何踐行金融服務實體經濟、推動經濟高質量發展提供了新的思路。

二、理論分析與研究假設

（一） 供應鏈金融與企業全要素生產率

經濟增長方式的改變對提高企業全要素生產率提出了更高效、更可持續和更具創新性的要求［17］。全要素生產率反映要素投入轉化為產出的總體效率，衡量了不同維度經濟單元產出的效益水平，是提高經濟內涵型發展程度和潛在增長率的決定因素［18］。實踐中，受制于體制扭曲和市場制度不完善等因素，企業融資渠道和工具仍然較為單一。由于與企業之間存在信息不對稱，以銀行為代表的傳統金融機構無法為具有潛力的企業貢獻金融力量，而且企業自身要素投入組合缺少有效整合，導致企業全要素生產率普遍不高［1］。圍繞產業鏈供應鏈上下游展開的供應鏈金融能夠整合優化企業各個節點的物流、資金流和信息流，在融資過程中為企業信號傳遞創造良好環境，在一定程度上降低借貸雙方的信息不對稱程度［10］，從而緩解企業的融資約束［5］，提高企業融資績效［7］，有效平衡上下游企業與核心企業的金融可得性；通過破解傳統金融的信貸配置低效困境［19-20］，供應鏈金融為企業及時抓住投資機會提供金融支持，進而推動企業全要素生產率提高。基于網絡嵌入性和價值共創視角，供應鏈金融依托其內在的緊密供應鏈網絡，能夠有效地支持企業在投資活動中充分利用上下游資源，整合各種知識、技術和資金，從而降低交易成本，提高資源整合效率［9-11］，進一步提高企業全要素生產率。由于全要素生產率是在考慮了所有投入要素后的產出效率，反映了技術進步、管理效率、創新能力和經營效率等要素對經濟增長的貢獻。因此，供應鏈金融的運用將對提高企業全要素生產率產生重要作用。基于此，筆者提出如下假設：

假設1：供應鏈金融能夠提高企業全要素生產率。

（二） 信貸資源配置發揮作用的理論機制

信貸資源分配是影響企業全要素生產率的重要因素之一，企業參與供應鏈金融有助于擴大供應鏈上信貸資源規模，降低信貸價格，提高信貸配置效率，緩解融資壓力，進而提高企業全要素生產率。具體而言：一方面，供應鏈金融具有自償性貿易融資特征，可以顯著增強供應鏈企業盤活和利用流動性較強資產的融資能力［21］。以供應鏈金融具體運作模式為例，上游供應商可以憑借與核心企業之間的應收賬款申請貸款，或將符合條件的存貨質押給金融服務提供方，并交付給第三方物流企業進行監管；下游企業在賣方承諾回購貨物的前提下，能夠以還款或補提貨保證金的方式憑借金融機構開具的提貨通知單在指定倉庫行使定向采購的權力，完成交易的閉環操作。以此為代表的供應鏈金融融資模式的運用能夠使供應鏈上的企業以深度信用捆綁為紐帶形成利益共同體，供應鏈上的企業違約產生的集體機會成本、違約成本和信用損失遠高于單個企業的違約成本。從融資企業角度來看，為了維護長期合作關系，企業的履約意愿會更強，這有助于降低銀行等金融機構面臨的信用風險，增強其提供信貸服務的信心［22］，并強化其對鏈上融資企業授信的傾向，提升供應鏈整體的信貸可得性，從而擴大供應鏈上信貸資源的規模。另一方面，在信貸市場中，由于信息不對稱普遍存在，相較于企業，資金提供方處于信息劣勢地位，要改變資金提供方的劣勢地位，需要在評估企業風險、償債能力等方面努力，如信息搜集成本和監督成本等［23］。而供應鏈金融將金融機構、第三方物流、供應鏈金融服務商等納入到供應鏈體系中，增強鏈上企業聯動，這不僅能夠提高信息在整個供應鏈上的流轉速度和質量［24］，還能夠充分利用供應鏈結構產生的交易信用，弱化對上下游單一企業財務狀況、經營情況的關注，從而降低銀行等金融機構與企業的信息不對稱程度，減少信息搜集、甄別和監督成本，促使企業信貸成本下降。與此同時，在供應鏈金融的作用下，核心企業為了避免自身利益受損會在選擇合作伙伴時更關注其盈利情況、經營情況和抗風險能力等，進而形成隱形的融資適用門檻和信息甄別系統以降低供應鏈斷裂的風險。在貸款風險溢價較低的情況下，銀行更可能通過適當降低企業信貸價格、縮小潛在利潤空間以爭取優質客戶從而拓展信貸市場份額，優化信貸資源配置。進一步地，信貸配置的合理優化能夠有效減少信貸扭曲，促進信貸資源在供應鏈上的自由流動，有助于提高上游供應商的供應速度以及下游企業的購買力［25］，促使鏈上企業供給與需求良好結合，從而提高整條供應鏈的循環速度，通過加快企業投入—產出速度進一步提高企業全要素生產率。基于此，筆者提出如下假設：

假設2a：供應鏈金融能夠通過優化信貸資源配置進而提高企業全要素生產率。

（三） 資源整合效率發揮作用的理論機制

企業全要素生產率本質上是一種資源整合效率，包括設備、資金和技術等生產要素的整合，具體可以分為資本投資效率和技術創新效率兩個方面［26］。從資本投資效率來看，資本投資的本質是以當前確定的資金換取未來不確定的產出，由此決定了信息在企業投資決策中的重要作用［27］。依托供應鏈金融，鏈上各節點企業出于價值創造的目的會對生產、訂單、庫存、銷售和物流等不同環節數據進行更頻繁地交流與共享［19］，降低供應鏈內部的信息不對稱程度，這一方面有助于企業實時了解供應鏈各個環節的資金流動情況，更好地掌握供應鏈上的投資信息和關鍵節點，并通過與供應商、分銷商等合作伙伴建立更緊nmMN1roBrOJi/CbOLVMZI2i8Xg54n0uHdPtPZ0eqrgw=密的合作關系，獲得更多關于市場動態和投資機會與風險的信息，從而更及時地作出投資決策，提高投資決策對于市場機會反應的敏銳度；另一方面，信息的快速流動有助于鏈上資源要素的流動，在增強企業信貸資源獲取能力、為企業高效投資提供資金支持的同時，通過參與各方依據供應鏈金融搭建的平臺掌握企業間交易信息、物流信息、生產信息和銷售信息，減少上下游之間交易成本和企業的非生產性支出［22］，降低監督成本并有效監督企業提高生產、銷售和研發等環節的資源整合效率［28］，最終基于正式制度的契約治理和非正式制度的關系治理雙重維度提高企業資本投資效率。從技術創新效率來看，創新項目具有長期性和高度不確定性，企業的融資困境和技術困境是限制創新效率提高的關鍵因素［29］。作為一種建立在供應鏈網絡基礎上的信貸互助模式，一方面，供應鏈金融基于其金融屬性搭建的融資平臺能夠增加企業的內外源融資［30］，提高企業的風險承擔水平，為企業技術創新提供堅實的資金支撐；另一方面，在供應鏈關系中，由于供應鏈網絡是潛在互補資源的重要來源及形成差異化優勢的重要環境，企業可以通過以點帶面的方式與供應鏈關系網絡中更多的伙伴企業建立深層業務往來，實現供應鏈上下游企業之間的信息傳遞與溝通合作［19］，加強供應鏈企業之間科研資源與技術的合作交流與共享并驅動生產要素迭代升級，降低創新活動的風險和不確定性，提高創新活動的成功率與創新質量［8］。由于資本投資效率和技術創新效率的提高意味著企業擁有較強的內外部資源整合與優化能力。資源整合作為企業戰略調整的重要手段，在企業經營管理中發揮著“價值互換”的作用，是企業全要素生產率的重要驅動因素。因此，供應鏈金融通過提高企業資源整合效率，進而提高了企業全要素生產率。基于此，筆者提出如下假設：

假設2b：供應鏈金融能夠通過提高資源整合效率進而提高企業全要素生產率。

三、研究設計

（一） 樣本選取和數據來源

本文以2007—2021年中國滬深A股上市公司為研究樣本。上市公司基本特征和財務數據等來源于CSMAR數據庫。參考已有文獻，剔除金融行業、已退市、IPO當年及以前的公司樣本，剔除股票受到特別處理的公司年度樣本，剔除主要變量缺失的樣本。為了避免異常值的影響，本文進一步對所有連續變量進行雙側1%的縮尾處理，同時對標準誤進行公司層面的Cluster處理。

（二） 變量定義

⒈被解釋變量

本文的被解釋變量為企業全要素生產率。本文借鑒魯曉東和連玉君［31］的做法，運用LP法和OP法測算的企業全要素生產率水平（TFP_LP/TFP_OP） 對企業全要素生產率進行衡量。

⒉解釋變量

本文的解釋變量為供應鏈金融（lnSCF）。用供應鏈金融涉入程度衡量。現階段，學術界對供應鏈金融涉入程度的測度沒有達成共識。本文使用關鍵詞頻定量分析方法對供應鏈金融涉入程度進行測度。具體操作如下：首先，根據供應鏈金融業態和產品特征將其應用模式細分為“應收類、預付類、存貨類、綜合類”四類，下設更詳細的關鍵詞詞譜。其次，使用Python功能詳細統計關鍵詞在公司年度財務報表中出現的頻次，將其作為該企業開展供應鏈金融程度的初始衡量指標。最后，用詞頻數加1取自然對數作為供應鏈金融涉入程度的測算指標。

⒊機制變量

為了分析信貸資源配置機制，本文選取機制變量如下：信貸規模（Debt_size），本文借鑒葉康濤等［32］的做法，用現金流量表中“取得借款收到的現金”與總資產之比衡量信貸規模。信貸價格（Debt_price），本文借鑒王玨等［33］的做法，用財務費用率衡量信貸價格，其中，財務費用率為財務費用與營業收入之比。為了分析資源整合效率機制，本文選取機制變量如下：企業非效率投資（Inveff），用Richardson模型測量企業非效率投資［34］。創新績效（CT），用上市公司及聯營合營公司專利被引用次數加1的自然對數衡量。

⒋調節變量

本文的調節變量為資產回報率（Roa），用企業當年凈利潤/總資產衡量。

5.控制變量

本文借鑒宋敏等［17］的做法，選取如下控制變量：資產負債率（Lev），用企業當年末總負債/當年末總資產衡量；董事會規模（Board），用董事會人數加1的自然對數來衡量；獨立董事比例（Indboard），用獨立董事人數與董事總人數之比衡量；機構投資者持股比例（InsInvestor），用機構投資者持股數占總股數的比例衡量；企業規模（Size），用企業當年總資產的自然對數衡量；產權性質（Soe），該變量為啞變量，國有企業取1，非國有企業取0；營業收入增長率（Growth），用當年營業收入較上年的增長率衡量；股權集中度（Top1），用第一大股東持股比例衡量；企業年齡（Age），用公司上市年限加1的自然對數衡量。

（三） 模型設定

⒈基準回歸模型

為了檢驗供應鏈金融與企業全要素生產率之間的關系，本文設定基準回歸模型如下：

TFPit = α + βlnSCFit + γControlsit + δt + μi + εit （ 1）

其中，i和t分別表示企業和年份，TFP 表示企業全要素生產率，lnSCF 表示供應鏈金融，Controls表示控制變量，δ表示年份固定效應，μ表示行業固定效應，ε表示隨機誤差項。本文主要關注解釋變量lnSCF的系數，若β顯著為正，表明供應鏈金融能顯著提高企業全要素生產率。

⒉機制分析模型

為了檢驗供應鏈金融對企業全要素生產率產生影響的信貸資源配置機制和資源整合效率機制，本文借鑒江艇［35］的做法，設定模型如下：

Mediatorit = α + α1lnSCFit + γControlsit + δt + μi + εit （ 2）

其中，Mediator分別表示信貸規模（Debt_size）、信貸價格（Debt_price）、企業非效率投資（Inveff） 和創新績效（CT） 4個機制變量，其余變量定義與模型（1） 相同。

3. 調節效應檢驗模型

為了進一步檢驗供應鏈金融對信貸資源配置效率的影響，本文構建調節效應檢驗模型，具體如下：

DeltaLoanit = α + α1lnSCFit + α2lnSCFit × Roai，t + 1 + γControlsit + δt + μi + εit （ 3）

其中，DeltaLoan表示企業當年銀行貸款的凈變化額（長短期貸款合計變動額），lnSCF與未來一期Roa交互項的系數表示信貸資源配置效率，其余變量定義與模型（1） 相同。

（四） 描述性統計

主要變量的描述性統計結果如表1所示。由表1可知，用LP法計算得到的企業全要素生產率的均值為9. 034，中位數為8. 934，這表明數據無明顯偏態；用OP法計算得到的企業全要素生產率的均值為6. 600，中位數為6. 503，均與現有研究結果十分接近。lnSCF的均值為0. 297，標準差為0. 626，這說明企業開展供應鏈金融業務的差異較大。信貸規模（Debt_size） 和信貸價格（Debt_price） 的均值分別為0. 182和0. 018。企業非效率投資（Inveff） 的均值為0. 023。創新績效（CT） 的均值為2. 049，標準差為1. 769，這說明企業之間創新績效的差異較為明顯。其他控制變量的統計特征均與以往研究相近。

四、實證分析

（一） 基準回歸結果與分析

供應鏈金融影響企業全要素生產率的基準回歸結果如表2所示。其中，被解釋變量分別為采用LP法和OP法計算得到的企業全要素生產率，為了分析的準確性，在控制變量中納入了Roa，每列回歸均控制了年份固定效應和行業固定效應。表2列（1） 和列（2） 結果顯示，加入所有控制變量后，lnSCF的系數均在1%水平下顯著為正，這表明供應鏈金融顯著提高了企業全要素生產率，假設1得以驗證。

（二） 內生性處理

1.安慰劑檢驗

本文可能存在其他未被觀測到的因素或隨機因素影響企業全要素生產率。為了排除這種可能性，本文借鑒劉瑞明等［36］的做法，在樣本期間內，對供應鏈金融進行隨機賦值，生成相應的偽供應鏈金融，并且運用模型（1） 重復1 000次回歸。若隨機賦值后，偽供應鏈金融的系數依然顯著，則表明存在未觀測到的因素影響了企業全要素生產率；反之，則說明供應鏈金融確實對企業全要素生產率具有顯著提升效應。圖1和圖2分別是采用LP法和OP法計算的企業全要素生產率下偽供應鏈金融t值的核密度圖。由圖1和圖2可知，偽供應鏈金融的t值大部分集中在0附近，且均遠小于表2中真實供應鏈金融的t值，這說明供應鏈金融顯著提高企業全要素生產率的研究結論是穩健的。

2.工具變量法

本文的實證結果可能會受到某些未被觀測到的因素影響，遺漏變量問題也可能導致供應鏈金融的系數存在偏差。另外，高生產率企業的供應鏈金融需求規模可能更大，因此，可能存在反向因果問題。本文采用工具變量法減少上述內生性問題。本文借鑒宋敏等［17］的做法，首先，選取三個與企業所在省份GDP水平相近的地級市。其次，計算選定的地級市內所有上市公司供應鏈金融涉入程度的均值，以此作為供應鏈金融的工具變量（IV）。GDP水平相近意味著地級市內企業供應鏈金融涉入程度與其他三個地級市內企業有明顯相似性。并且在省份相同的條件下，經濟發展水平相近的不同地級市仍享有相同的經濟政策待遇。此外，其他地級市企業的供應鏈金融發展水平并不會直接對目標地級市企業的全要素生產率產生直接影響。因此，工具變量（IV） 滿足相關性和外生性的要求。

本文對供應鏈金融進行Durbin?Wu?Hausman檢驗。結果顯示，以TFP_LP、TFP_OP為被解釋變量時，DWH統計量分別為2. 931和3. 173，對應P值為0. 087和0. 075，這表明基準回歸模型中的供應鏈金融變量存在內生性問題。對模型（1） 進行工具變量的兩階段回歸結果如表3所示，其中，表3列（1） 為第一階段的回歸結果，結果顯示，IV的系數在1%水平下顯著為正，這表明同一省份中GDP相近的三個城市的平均供應鏈金融發展水平越高，該地區的供應鏈金融水平越高。表3列（2） 和列（3） 為第二階段的回歸結果，結果顯示，lnSCF的系數在1%水平下顯著為正。這說明用工具變量緩解內生性問題后，本文的核心結論仍然保持穩健。

3.熵平衡法

為了解決可能存在的樣本選擇偏誤問題，本文采用熵平衡法進一步檢驗。熵平衡法是指將控制變量的一階矩、二階矩和三階矩作為約束條件進行逐年匹配，計算出熵平衡的權重值，從而緩解非隨機處理效應。鑒于熵平衡法可以最大程度地降低樣本選擇問題對已有結果的干擾，本文采用熵平衡法進行處理，回歸結果如表3列（4） 和列（5） 所示，結果顯示，lnSCF的系數仍然在1%水平下顯著為正，再次驗證了上文研究結果的穩健性。

（三） 穩健性檢驗①

⒈延長觀測窗口

為了探究供應鏈金融能否在長周期內保持對企業全要素生產率的穩定正向作用，本文對解釋變量（lnSCF） 和被解釋變量（TFP_LP、TFP_OP） 采取了滯后和前置處理。結果顯示，lnSCF的三個滯后項和前置項的系數均顯著為正。這說明供應鏈金融對企業全要素生產率的影響在較長的時間周期內具有顯著的疊加效果，這進一步為本文的基準回歸結論提供了佐證。

⒉剔除部分樣本

供應鏈金融和企業全要素生產率均可能受到外部經濟運行環境的影響，特別是金融危機和市場極端波動均可能導致供應鏈金融低效或者無效，從而影響企業全要素生產率。因此，為了避免研究結論可能受外在沖擊的影響和干擾，本文選擇2008年國際金融危機和2015年股市暴跌作為樣本剔除的時點并考慮了其影響后果。具體地，首先，本文將樣本限制在2010年之后以消除國際金融危機的影響。其次，剔除2015年之后的樣本。最后，進一步考慮兩次危機帶來的潛在影響，利用2011—2014年間的樣本重新進行回歸。結果顯示，在逐步剔除樣本的過程中，供應鏈金融提高企業全要素生產率的研究結論仍然成立。

⒊替換解釋變量

為了進一步避免度量誤差問題，本文借鑒Gelsomino等［11］ 的做法，用企業是否參與供應鏈金融的虛擬變量（IFSCF） 衡量供應鏈金融涉入程度，當供應鏈金融詞頻大于0時，IFSCF取值為1，否則取值為0。將模型（1） 的解釋變量替換為供應鏈金融的虛擬變量重新進行回歸，結果顯示，IFSCF對TFP_LP和TFP_OP都具有顯著的正向影響，本文研究結論仍然穩健。這也進一步表明企業是否參與供應鏈金融和企業參與供應鏈金融的程度都會影響企業全要素生產率，進一步證實了本文的研究結論。

⒋加入公司固定效應

為了進一步減少開展供應鏈金融的企業與未開展供應鏈金融的企業之間固有的特征差異帶來的結果估計偏差，本文加入公司固定效應進一步控制個體特征對基準回歸結果的干擾。結果顯示，lnSCF的系數仍然顯著為正，這表明供應鏈金融對企業全要素生產率的影響并不因個體特征而改變，上文研究結論仍然穩健。

⒌考慮地區因素的影響

本文參照現有關于企業全要素生產率研究文獻的做法，增加如下控制變量以減少遺漏變量可能帶來的估計偏誤。具體包括：產業結構水平（CY），用第三產業產值與第二產業產值之比度量；經濟發展水平，用公司注冊地所在省份人均GDP 的自然對數（GDP_r） 和GDP 增長率（GDP_g） 衡量；城市化水平（CS），用人口密度的自然對數衡量；金融發展水平（JR），用地區機構存貸款余額與地區生產總值之比衡量；市場化水平（Market），用《中國分省份市場化指數報告》中的市場化總指數衡量；利用外資水平（WZ），用外商直接投資占GDP的比重度量。進一步控制上述因素后的回歸結果顯示，解釋變量的系數在1%水平下仍然顯著為正。這一結果表明在考慮地區因素后，參與供應鏈金融對企業全要素生產率具有正向作用的結論依舊穩健。

五、進一步分析

（一） 中介機制和調節效應分析

⒈信貸資源配置機制的回歸結果與分析

運用模型（2） 檢驗信貸資源配置機制的回歸結果如表4列（1） 和列（2） 所示，從中可以看出，lnSCF與Debt_size的系數在1%水平下顯著為正，lnSCF與Debt_price的系數在1%水平下顯著為負，這表明供應鏈金融不僅能顯著增加企業的信貸規模，還能顯著降低企業的信貸價格。企業融資約束的緩解、融資規模的提高與融資價格的降低是推動企業全要素生產率提升的重要基礎［37］。這一結果論證了供應鏈金融能夠通過優化信貸資源配置進而提高企業全要素生產率，假設2a得以驗證。

⒉資源整合效率機制的回歸結果與分析

本文分別從以企業非效率投資為代表的資本投資效率和以專利引用為代表的技術創新效率兩個方面進行檢驗。運用模型（2） 檢驗資本投資效率的回歸結果如表4列（3） 所示，從中可以看出，lnSCF與Inveff的系數在1%水平下顯著為負，這說明供應鏈金融有效地降低了企業非效率投資，即提高了投資效率。這表明供應鏈金融對資源整合效率具有積極影響，進而推動企業全要素生產率提升。運用模型（2） 檢驗技術創新效率機制的回歸結果如表4列（4） 所示，從中可以看出，lnSCF與CT的系數在1%水平下顯著為正，這說明供應鏈金融提高了創新績效。由于企業資源整合效率的提高是推動企業全要素生產率提升的關鍵。以上結果表明，提高資源整合效率是供應鏈金融推動企業全要素生產率提升的機制，假設2b得以驗證。

⒊調節效應分析

本文運用模型（3） 檢驗信貸資源配置效率的回歸結果如表4列（5） 所示，從中可以看出，lnSCF與未來一期Roa交互項的系數在5%水平下顯著為正，這表明供應鏈金融能幫助銀行識別有發展潛力的企業。可見，供應鏈金融不僅能幫助銀行甄別有資金需求的企業，還能發揮其對企業的鑒別作用，引導信貸資源的有效配給，實現信貸資源的優化配置，這進一步驗證了假設2a。

（二） 異質性分析

⒈市場環境異質性

宋敏等［17］認為，供應鏈金融與傳統金融互補。在市場環境較好的地區，由于金融機構信息透明度高，信貸資源配置效率、資金使用效率和投資機會識別度也相對較高，因而供應鏈金融對企業全要素生產率產生的影響相對有限。本文采用《中國分省份市場化指數報告（2019）》中的要素市場發育指數衡量地區市場環境。按照前推的方法補充缺失年份數據，根據公司注冊地進行匹配。在此基礎上，本文以樣本年度均值作為劃分市場環境狀況的標準，將樣本劃分為市場環境較好和市場環境較差兩組，進行分組回歸。結果如表5列（1） —列（4） 所示，從中可以看出，無論是在市場環境較好還是市場環境較差的地區，lnSCF的系數均在1%水平下顯著為正。組間系數差異檢驗結果顯示，在市場環境較差的地區，供應鏈金融對企業全要素生產率的提升效應更強。即供應鏈金融對企業全要素生產率的促進作用在市場環境較差的地區更為明顯。

⒉行業競爭程度異質性

伊志宏等［38］發現，激烈的市場競爭環境會促使企業在更大程度上降低資金供需雙方的信息不對稱程度，企業處在缺乏競爭的環境中會面臨更加嚴重的信息不對稱和信貸資源配置扭曲問題。為進一步探究行業競爭程度對供應鏈金融提高企業全要素生產率的影響，本文采用銷售額為基準計算的赫芬達爾指數（HHI） 作為行業競爭程度的代理變量，該數值越大，表明行業競爭程度越小。具體而言，本文將赫芬達爾指數低于年度行業中位數的行業劃分為競爭程度相對較強的行業，高于中位數的行業劃分為競爭程度相對較弱的行業，進行分組回歸。結果如表5列（5）—列（8） 所示，從中可以看出，在兩個組別中，lnSCF的系數均顯著為正。組間系數差異檢驗結果顯示，雖然在競爭激烈和缺乏競爭的行業，供應鏈金融都能夠顯著提高企業全要素生產率，但這種提升作用在缺乏競爭的行業中更為突出。這也從行業層面證實了供應鏈金融能夠通過緩解低競爭度行業中的信息不對稱和資源配置扭曲問題進而提高企業全要素生產率。

⒊融資約束異質性

融資約束的存在會通過影響資源的有效配置，進而抑制企業全要素生產率的提高。本文使用-0. 737×Size+0. 043×Size2-0. 04×Age計算融資約束指數，取其絕對值作為融資約束的衡量指標，融資約束指數的絕對值越大，表明企業融資約束越大。本文以融資約束指數絕對值的行業年度中位數作為分組標準，將樣本劃分為兩組，進行分組回歸。結果如表6列（1） —列（4） 所示，從中可以看出，無論是在融資約束程度高還是在融資約束程度低的企業中，lnSCF的系數均在1%水平下顯著為正。組間系數差異檢驗結果顯示，相比于融資約束程度較低的企業，融資約束程度較高的企業參與供應鏈金融對其全要素生產率的提升效果更為明顯。這一結果從企業融資角度進一步印證了供應鏈金融作用于企業全要素生產率的信貸資源配置優化機制。

⒋信息披露質量異質性

企業對外披露的信息質量直接影響著企業內外部的信息不對稱。信息不對稱直接影響企業的信貸資源配置效率和資源整合效率。相比于信息披露質量較高的企業，信息披露質量較低的企業參與供應鏈金融對信息披露質量的提高更為明顯，無論是通過銀企信息不對稱程度的緩解提升信貸資源配置效率，還是通過企業之間信息不對稱的緩解提高資源整合效率，都發揮更大的推動作用，進而提高企業全要素生產率。因此，本文借鑒已有研究的做法，采用KV指數衡量上市公司信息披露質量，該值越大，企業信息披露質量越低。

本文將樣本按行業年度中位數劃分為信息披露質量高和信息披露質量低兩組，進行分組回歸。結果如表6列（5） —列（8） 所示，從中可以看出，lnSCF的系數均在1%水平下顯著為正，即供應鏈金融對企業全要素生產率的正向影響無論在信息披露質量較高還是信息披露質量較低的樣本中都顯著存在。組間系數差異檢驗結果顯示，經驗P值分別在1%和10%水平下顯著為正，這說明對于信息披露質量較低的樣本，供應鏈金融產生的信息環境改善效應和信息不對稱緩解效應更加突出。因此，通過優化信貸資源配置和資源整合對這類企業的全要素生產率提升效應更加明顯。

⒌供應鏈集中度異質性

供應鏈金融建立在供應鏈關系的基礎上，其重要的體現維度是供應鏈集中度。高供應鏈集中度促使企業與客戶（供應商） 建立更緊密的交易關系，為尋求建立長期合作關系，企業與客戶（供應商） 會積極地進行長期、高頻次的業務往來以強化合作關系、增加投資機會，這能夠為供應鏈金融發揮作用提供長期穩定的關系保障。本文用前五大客戶的銷售額占全年銷售總額的比例衡量客戶集中度，用前五大供應商的采購額占全年采購總額的比例衡量供應商集中度，并分別按照客戶集中度、供應商集中度的年度行業中位數進行分組回歸。結果如表7列（1） —列（8） 所示，從中可以看出，無論是客戶（供應商） 集中度較高組還是客戶（供應商） 集中度較低組，lnSCF的系數均在1%水平下顯著為正。客戶集中度和供應商集中度的組間系數差異檢驗結果顯示，經驗P值在1%或5%水平下顯著為正，這說明相對于低供應鏈集中度即供應鏈關系較弱的公司，強供應鏈關系下，供應鏈金融對企業全要素生產率的提升效應更加明顯。這一方面證實了只有以良好的供應鏈關系為基礎，供應鏈金融才能發揮作用；另一方面也印證了供應鏈關系在人力、技術和知識等資源整合中發揮的基礎性作用。

⒍供應鏈整合度異質性

本文借鑒Modi和Mabert［39］ 的做法，用供應鏈效率代表供應鏈整合水平，選擇庫存周轉率（ITR） 作為供應鏈效率的代理變量，分組回歸結果如表8列（1） —列（4） 所示，從中可以看出，無論是在供應整合度較強還是在供應鏈整合較弱的組別中，lnSCF的系數均在1%水平下顯著為正，即供應鏈金融均對企業全要素生產率有提升效應。組間系數差異檢驗結果顯示，經驗P值均在1%水平下顯著為正，這表明供應鏈金融對企業全要素生產率的提升效應在供應鏈整合度較強的背景下能夠得到更好的發揮，這也印證了供應鏈金融資源整合機制。

⒎供應鏈專業化分工程度異質性

本文借鑒于小悅等［9］ 的做法，選取企業專業化分工程度（Vsi） 和企業縱向一體化水平（Vas） 兩個變量衡量供應鏈專業化分工程度。其中，企業縱向一體化水平的計算公式為：Vas=（增加值-凈利潤+凈資產×平均凈資產收益率） /（主營業務收入-凈利潤+凈資產×平均凈資產收益率），增加值等于企業銷售額與采購額的差額，Vsi=1-Vas。分組回歸結果如表8列（5） —列（8） 所示，從中可以看出，無論是在供應鏈專業化分工程度較高還是在供應鏈專業化分工程度較低的企業中，lnSCF的系數均顯著為正。組間系數差異檢驗結果顯示，相較于專業化分工程度較低的企業，在專業化分工程度較高的企業內，供應鏈金融對企業全要素生產率的提升效應明顯更大，這進一步證實了資源整合能力好的企業全要素生產率的提升受到供應鏈金融的助推效應更加突出。這也從企業分工程度視角論證了供應鏈金融作用于企業全要素生產率的資源整合機制。

六、研究結論與政策建議

（一） 研究結論

本文以2007—2021年中國A股上市公司為研究樣本，運用雙向固定效應模型實證檢驗了供應鏈金融對企業全要素生產率的影響及其作用機制。34779c8dd3d0a84ddcfef9b20b93d196基準回歸結果表明，供應鏈金融能夠提高企業全要素生產率，且這一關系在經過內生性處理和一系列穩健性檢驗后仍然成立。機制分析結果表明，供應鏈金融通過優化信貸資源配置和提高資源整合效率兩個機制促進企業全要素生產率的提高。異質性分析結果表明，市場環境較差、行業競爭程度較小、融資約束程度較高、信息披露質量較差、供應鏈集中度較高、供應鏈整合度較強、供應鏈專業化分工程度較高時，供應鏈金融對企業全要素生產率的提升效應更加明顯。

（二） 政策建議

供應鏈金融能夠通過優化信貸資源配置和提高資源整合效率推動企業全要素生產率的提升，因此，基于上述研究結論，筆者提出如下政策建議：

第一，政府應細化政策支持，不斷完善和創新供應鏈金融制度環境。供應鏈金融有效緩解了企業與利益相關方之間的信息不對稱程度，促進了信貸資源的優化配置和資源整合效率的提升。因此，政府相關部門應繼續深化金融供給側結構性改革，加大信用體系建設和利率市場化改革，為供應鏈金融提供良好的外部發展環境。此外，還應該以政府為主導建立專門的供應鏈金融信息服務平臺，發揮政府的組織協調作用，為金融機構、企業、監管部門等供應鏈金融參與主體的信息公開、傳遞、共享提供平臺和制度保障，從而滿足各方需求，實現共同發展。

第二，企業應積極開展供應鏈金融的創新發展。供應鏈金融是企業提高全要素生產率的重要工具。供應鏈涉入企業應積極拓展供應鏈金融業務，努力構建核心企業、中小企業與金融機構之間良性互動和持續發展的供應鏈金融生態體系，通過優化企業乃至供應鏈整體的信貸資源配置、提高企業資源整合效率，提高供應鏈整體競爭力。尤其是信貸資源配置環境較差和資源整合效率相對較高的企業，更應該充分利用供應鏈金融，積極與金融機構合作，開展供應鏈金融業務，最大程度地實現供應鏈金融服務實體經濟的預期效應。

第三，金融機構應強化產品創新，因企施策對接需求。供應鏈金融的出現為金融機構更好地服務實體經濟提供了幫助。這種將商流、物流、資金流與信息流結合的新型融資模式能夠幫助金融機構在降低風險管控成本的同時拓展新的業務，實現實體企業和金融機構的互利共贏。隨著新興技術的發展，供應鏈金融也在不斷豐富其內涵和模式。金融機構應與供應鏈核心企業、物流企業和金融科技企業等積極溝通合作，不斷創新產品服務體系和金融服務平臺，結合不同的企業特征、行業競爭程度和要素發展水平，開發具有針對性和綜合性的高質量融資產品，為企業全要素生產率的提升提供支撐。

參考文獻：

［1］ 錢雪松，康瑾，唐英倫，等.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［J］.中國工業經濟，2018（8）：42-59.

［2］ 鄒起浩，任保平.中國式現代化新征程中經濟高質量發展的制度安排［J］.財經問題研究，2024（2）：12-27.

［3］ 李健，王亞靜，馮耕中，等.供應鏈金融述評：現狀與未來［J］.系統工程理論與實踐，2020，40（8）：1977-1995.

［4］ 潘愛玲，凌潤澤，李彬.供應鏈金融如何服務實體經濟——基于資本結構調整的微觀證據［J］.經濟管理，2021，43（8）：41-55.

［5］ GOMM M L. Supply chain finance： applying finance theory to supply chain management to enhance finance in supply chains［J］. International journal of logistics： research and applications，2010，13（2）：133-142.

［6］ 江偉，姚文韜《. 物權法》的實施與供應鏈金融——來自應收賬款質押融資的經驗證據［J］.經濟研究，2016，51（1）：141-154.

［7］ 盧強，劉貝妮，宋華.中小企業能力對供應鏈融資績效的影響：基于信息的視角［J］.南開管理評論，2019，22（3）：122-136.

［8］ 凌潤澤，潘愛玲，李彬.供應鏈金融能否提升企業創新水平？［J］.財經研究，2021，47（2）：64-78.

［9］ 于小悅，于蘇，曹偉，等.供應鏈金融與企業專業化分工［J］.財經研究，2023，49（10）：94-108.

［10］ 張黎娜，蘇雪莎，袁磊.供應鏈金融與企業數字化轉型——異質性特征、渠道機制與非信任環境下的效應差異［J］.金融經濟學研究，2021，36（6）：51-67.

［11］ GELSOMINO L M， MANGIARACINA R， PEREGO A， et al. Supply chain finance： a literature review［J］.International journal of physical distribution & logistics management，2016，46（4）：348-366.

［12］ 李平，付一夫，張艷芳.生產性服務業能成為中國經濟高質量增長新動能嗎［J］.中國工業經濟，2017（12）：5-21.

［13］ 王杰，劉斌.環境規制與企業全要素生產率——基于中國工業企業數據的經驗分析［J］.中國工業經濟，2014（3）：44-56.

［14］ 夏良科.人力資本與R&D如何影響全要素生產率——基于中國大中型工業企業的經驗分析［J］.數量經濟技術經濟研究，2010，27（4）：78-94.

［15］ ZHANG T T ， ZHANG C Y， PEI Q F. Misconception of providing supply chain finance： its stabilising role［J］.International journal of production economics，2019，213（5）：175-184.

［16］ 劉志彪，凌永輝.結構轉換、全要素生產率與高質量發展［J］.管理世界，2020，36（7）：15-29.

［17］ 宋敏，周鵬，司海濤.金融科技與企業全要素生產率——“賦能”和信貸配給的視角［J］.中國工業經濟，2021（4）：138-155.

［18］ 肖曙光，彭文浩，黃曉鳳.當前制造業企業的融資約束是過度抑或不足——基于高質量發展要求的審視與評判［J］.南開管理評論，2020，23（2）：85-97.

［19］ 宋華，盧強.什么樣的中小企業能夠從供應鏈金融中獲益？——基于網絡和能力的視角［J］.管理世界，2017（6）：104-121.

［20］ LI H T ， MAI L Q ， ZHANG W L ， et al. Optimizing the credit term decisions in supply chain finance［J］. Journal of purchasing and supply management，2019，25（2）：146-156.

［21］ CHAKUU S， MASI D， GODSELL J. Exploring the relationship between mechanisms， actors， and instruments in supply chain finance： a systematic literature review［J］. International journal of production economics，2019，216（6）：35-53．

［22］ ALI Z， GONGBING B， MEHREEN A. Predicting supply chain effectiveness through supply chain finance：evidence from small and medium enterprises［J］. The international journal of logistics management，2019，30（2）：488-505.

［23］ 何熙瓊，尹長萍，毛洪濤.產業政策對企業投資效率的影響及其作用機制研究——基于銀行信貸的中介作用與市場競爭的調節作用［J］. 南開管理評論，2016，19（5）：161-170.

［24］ BURT R S. Structural holes： the social structure of competition［M］. Cambridge： Harvard university press，1992.

［25］ 周蘭，吳慧君.供應鏈金融與產品市場表現［J］.金融經濟學研究，2022，37（6）：99-112.

［26］ 張健華，王鵬.中國全要素生產率：基于分省份資本折舊率的再估計［J］.管理世界，2012（10）：18-30.

［27］ 方軍雄.市場化進程與資本配置效率的改善［J］.經濟研究，2006，41（5）：50-61.

［28］ BRANDT L， VAN BIESEBROECK J， ZHANG Y F. Creative accounting or creative destruction？ Firm?level productivity growth in Chinese manufacturing［J］. Journal of development economics，2012，97（2）：339-351.

［29］ HALL B H. The financing of research and development［J］. Oxford review of economic policy，2002，18（1）：35-51．

［30］ 潘愛玲，王慧，凌潤澤.供應鏈金融能否促進“鏈主”企業培育？——基于企業兼并重組的經驗證據［J］.會計研究，2023（1）：120-134.

［31］ 魯曉東，連玉君.中國工業企業全要素生產率估計：1999—2007［J］.經濟學（季刊），2012，11（2）：541-558.

［32］ 葉康濤，張然，徐浩萍.聲譽、制度環境與債務融資——基于中國民營上市公司的證據［J］.金融研究，2010（8）：171-183.

［33］ 王玨，駱力前，郭琦.地方政府干預是否損害信貸配置效率？［J］.金融研究，2015（4）：99-114.

［34］ RICHARDSON S. Over?investment of free cash flow［ J］. Review of accounting studies?2006，11（2-3）：159-189.

［35］ 江艇.因果推斷經驗研究中的中介效應與調節效應［J］.中國工業經濟，2022（5）：100-120.

［36］ 劉瑞明，毛宇，亢延錕.制度松綁、市場活力激發與旅游經濟發展——來自中國文化體制改革的證據［J］.經濟研究，2020，55（1）：115-131.

［37］ HOPENHAYN H A. Firms， misallocation， and aggregate productivity： a review ［J］. Annual review of economics，2014，6（1）：735-770.

［38］ 伊志宏，姜付秀，秦義虎.產品市場競爭、公司治理與信息披露質量［J］.管理世界，2010（1）：133-141.

［39］ MODI S B， MABERT V A. Exploring the relationship between efficient supply chain management and firm innovation： an archival search and analysis［J］. Journal of supply chain management，2010，46（4）：81-94.

（責任編輯：巴紅靜）