供應鏈數字化與商業信用—銀行借款的替代性

摘" "要：作為兩種重要的債務融資方式，商業信用與銀行借款之間存在一定的替代性。本文以2018年供應鏈創新與應用試點工作為準自然實驗，基于2013—2022年中國A股上市公司數據，考察了供應鏈數字化如何影響商業信用—銀行借款的替代性。研究發現：供應鏈數字化促進了商業信用融資的使用，強化了商業信用—銀行借款的替代性。機制檢驗發現，供應鏈數字化顯著降低了企業經營風險、提高了企業信息透明度和供應鏈效率，進而促進了商業信用融資的使用，并強化了商業信用—銀行借款的替代性。異質性分析發現，供應鏈數字化對商業信用—銀行借款替代性的強化作用在法治環境水平較高、融資約束程度較高以及處于成熟期的企業中更為顯著。本文豐富了供應鏈數字化的經濟后果研究，為探究企業主動使用商業信用替代銀行借款進行融資的動因提供了增量貢獻。

關鍵詞：供應鏈數字化；商業信用；銀行借款；替代性融資

中圖分類號：F830" 文獻標識碼：A" 文章編號：1674-2265（2024）11-0059-13

DOI：10.19647/j.cnki.37-1462/f.2024.11.006

一、引言

隨著信息科技的快速發展，社會整體數字化程度不斷提高，發展數字經濟成為調節我國經濟結構、推動高質量發展的重要抓手。在數字經濟的影響下，內嵌于供應鏈及鏈上企業之中的數字技術不斷升級深化，促進了傳統供應鏈流程、結構和管理的轉型重塑，推動了供應鏈數字化。在逆全球化與貿易保護主義的現實背景下，推進供應鏈數字化不僅能夠促進價值鏈的橫向延展與縱向互動，而且能夠促進國民經濟循環暢通，助力我國供給側結構性改革（張樹山等，2021）[1]。我國政府對此高度重視，在“雙循環”新發展格局以及國家“十四五”規劃中均圍繞數字經濟發展對供應鏈數字化提出了新的要求。為加快供應鏈數字化進程，2018年商務部等八部門聯合發布了《關于開展供應鏈創新與應用試點的通知》，其中重點強調要支持推進供應鏈數字化建設，以期實現“促進整個產業供應鏈數字化、智能化和國際化”的目標。供應鏈上下游企業在一定程度上會進行信息共享與風險共擔，然而如今供應鏈結構愈發復雜多變，傳統供應鏈受技術、設施等因素的影響，無法實現鏈上企業間物流、信息流、資金流的互聯互通，較高的信息驗證、搜尋成本提高了上下游企業間的匹配與信任成本（施炳展和李建桐，2020）[2]。相較于傳統供應鏈，從對節點企業的影響來看，供應鏈數字化有助于供應鏈節點企業從原料生產到產品銷售的流程實現一體化深度智能互聯，有助于提高節點企業的資源配置效率與市場匹配效率，有助于加強企業對風險的有效監督、預警與控制，實現對環境變化的快速反應（陳金曉和陳劍，2022）[3]。從對供應鏈整體的影響來看，供應鏈數字化有效優化了供應鏈信息傳遞流程，提高了供應鏈韌性與運轉效率，降低了供應鏈整體風險（李青原等，2023）[4]。供應鏈數字化吸引了社會各界的廣泛關注，對其所引發的經濟后果進行深入研究并分析其機理具有重要意義。

融資是企業發展的基礎，由優序融資理論可知，由于股權融資較為困難，企業一般優先選擇債務融資以彌補內部資金的不足（Myers，1984）[5]。其中，商業信用與銀行借款是企業獲取債務融資的兩種主要方式，二者間的互動關系反映了公司治理特征的差異及外部環境變化對企業的影響，因此，關于商業信用與銀行借款融資關系的研究由來已久。Meltzer（1960）[6]最早提出替代性融資假說，認為商業信用對銀行借款具有替代作用，該理論現已被大量文獻證實。商業信用—銀行借款替代性存在的一個重要原因是，使用商業信用進行融資時，資金需求方與供給方均在一定程度上獲益，因而雙方都愿意使用商業信用。從需求方視角來看，相較于銀行借款，商業信用融資成本更低、獲取與使用更為便捷；而供給方基于自身的信息獲取優勢、控制優勢、清算優勢以及競爭優勢考慮，也愿意給予上下游企業商業信用（劉民權等，2004）[7]。但是需求方能夠獲取商業信用規模的大小，則取決于其自身表現情況與可靠程度，一般來說需求方企業信貸風險越低，供給方愿意給予的商業信用規模也就越大。供應鏈數字化深化了鏈上企業間協作，提高了企業間互信程度，使得上下游企業愿意提供更多的商業信用額度，促進了企業使用商業信用替代銀行借款進行融資。因此，在其他條件相同的情況下，供應鏈數字化高的企業能夠獲得相較于銀行借款更為廉價便捷的商業信用融資，進而影響兩種融資方式之間的關系。

現有研究未關注到供應鏈數字化對商業信用與銀行借款間關系的影響，因此，本文以2013—2022年我國滬深A股上市公司為研究對象，以2018年供應鏈創新與應用試點工作為準自然實驗，系統研究供應鏈數字化如何影響商業信用融資以及商業信用—銀行借款的替代性。研究結果表明，供應鏈數字化能夠促進企業獲取商業信用融資，強化商業信用—銀行借款的替代性。機制檢驗發現，供應鏈數字化通過降低企業經營風險、提高企業內外部信息透明度和供應鏈效率等路徑，促進了商業信用融資，并強化了商業信用與銀行借款間的替代關系。此外，本文進一步引入法治環境水平、融資約束程度以及所處生命周期等情境變量來檢驗替代關系在不同情境下的差異，以深刻理解供應鏈數字化如何影響商業信用—銀行借款的替代性。

相較于已有研究，本文的增量貢獻可能體現在以下方面：（1）現有關于供應鏈數字化的研究集中于如何構建與促進供應鏈數字化轉型升級，經濟后果方面的研究相對較少。同時，已有關于供應鏈數字化經濟后果方面的研究暫未關注到其對商業信用及其與銀行借款間替代關系的影響（張樹山等，2021）[1]。本文作為對企業數字化與供應鏈金融方面研究的補充，豐富了現有關于供應鏈數字化經濟后果的研究，探討了供應鏈數字化對債務融資方式的影響，論證了促進供應鏈數字化的有用性和必要性，為政府推動供應鏈數字化產生的經濟后果提供了增量經驗證據。（2）現有關于數字化與商業信用的文獻，主要從企業自身數字化轉型而非供應鏈數字化角度出發，探究其對企業供應鏈融資的影響（舒偉和陳穎，2024）[8]。供應鏈數字化相較于企業自身數字化轉型，在概念上擴大了數字化的范圍與程度，強調了企業與供應鏈上下游企業間的協同、整合程度和信息傳遞效率。本文利用2018年試點政策為準自然實驗，以供應鏈數字化這一嶄新視角，實證檢驗了供應鏈數字化對商業信用—銀行借款融資關系的影響，分析了其影響機制以及該影響在不同情境下的差異，對現有文獻進行了有效補充。（3）現有關于商業信用替代性融資的研究，主要是從企業難以獲取正式融資而被動轉為使用商業信用獲取資金的角度展開的（方紅星和楚有為，2019）[9]。本文則從商業信用更具融資優勢，供應鏈數字化降低了其獲取難度，從而使企業主動使用商業信用進行融資的角度，探究了企業主動使用商業信用替代銀行借款進行融資的動因。

二、文獻綜述、理論分析與研究假設

（一）文獻綜述

商業信用在企業融資和經營活動中發揮著重要作用。從微觀角度來看，一方面，商業信用獲取與使用更加方便、靈活，有助于企業及時滿足資金需求，增強經營的穩健性，緩解企業融資困難（劉民權等，2004）[7]；另一方面，商業信用有助于上下游企業形成穩定的合作關系，能夠作為內嵌于供應鏈上企業間的流動性保險機制，應對經濟下行周期和激烈的行業競爭（王魯昱和李科，2022）[10]。從宏觀角度來看，商業信用作為資金和資源二次分配的重要方式，有效彌補了我國金融市場發展滯后及金融體系不夠健全的問題，有助于發展實體經濟并提高金融體系穩定性。

銀行借款是另一種重要的債務融資方式，企業所需資金一般是穩定的，根據資本結構權衡理論，企業將側重使用銀行借款與商業信用之間更具優勢的融資方式，因此，二者間會呈現相互替代的關系（陸正飛和楊德明，2011）[11]。關于商業信用替代銀行借款融資的理論解釋主要為“信貸配給假說”，其從資金需求方難以獲取銀行借款轉而謀求商業信用融資的角度，闡明了企業被動選擇商業信用替代銀行借款進行補充融資的原因（Fisman和Raturi，2004）[12]。同時，也有學者認為商業信用相較于銀行借款更具有融資優勢，在一些情況下企業會主動使用商業信用替代銀行借款進行融資。商業信用融資能夠同時為需求方與供給方帶來多方面益處，從需求方角度來看，商業信用相較于銀行借款融資成本更低、獲取與使用更為便捷，因此，更受資金需求方青睞（石曉軍和李杰，2009）[13]。從供給方角度來看，相較于銀行等外部金融機構，首先，供應鏈上下游企業間更具信息獲取優勢，使得供給方向企業提供商業信用時比銀行擁有更低的驗證與交易成本；其次，商業信用供給方更具控制優勢，其可通過停止供貨或購貨的方式迫使企業及時償還債務；最后，供給方具有資產挽回優勢，在需求方破產清算以原材料或產品進行償付時，能夠基于現有的銷售網絡低成本快速挽回損失（Schwartz，1974）[14]。另外，經營性動機理論指出，供給方通過向上下游企業提供商業信用，能夠滿足自身降低交易成本、價格歧視、質量保證以及促銷等動機，進而實現擴大銷售、提高自身市場競爭力等目標（劉民權等，2004）[7]。

影響商業信用與銀行借款關系的因素主要分為宏觀外部環境因素和微觀企業特征因素兩部分。宏觀外部環境因素既包括地區法治水平、市場化程度、經濟發展狀況和所處行業競爭度等區位環境因素，也包括貨幣政策、經濟發展周期、法律制度、金融體制改革等宏觀經濟政策因素。其主要通過影響企業資金需求規模與銀行借款獲取難易程度等方式，進而影響企業是否被動使用商業信用進行替代性融資。微觀企業特征因素則包括企業基本特征、信息披露狀況、供應鏈關系以及公司戰略與治理能力等。基于信貸配給理論，現有研究認為，非國有產權、規模較小以及成立時間較短的企業，所受信貸歧視更為嚴重，該類企業難以獲取銀行借款轉而被動使用商業信用進行替代融資（張杰等，2013）[15]。然而，也有研究發現，市場競爭更具優勢、盈利能力更為突出的企業會更容易獲取上下游企業商業信用，進而主動替代銀行借款進行融資（劉仁伍和盛文軍，2011）[16]。同時，企業信息質量與透明度越高的企業、供應鏈關系越穩定或社會網絡越多元化的企業以及內部控制質量和納稅信用評級越高的企業，能夠獲得相對更高的市場預期，更易獲得供應鏈上下游企業的信任與支持（李增福和馮柳華，2022）[17]，進而能夠獲得更為低廉充足的商業信用并主動替代銀行借款進行融資。

通過文獻梳理發現，一方面，商業信用能夠同時為需求方與供給方帶來多方面益處，相較于銀行借款更具融資優勢；另一方面，商業信用能夠作為銀行借款獲取受阻時的有效補充。因此，二者間會存在融資替代關系。現有研究表明，商業信用—銀行借款的替代性主要受行業與區位特征、經濟貨幣政策、企業自身特征等宏微觀因素的影響。然而，現有研究主要聚焦于企業難以獲取銀行借款進而被動選擇商業信用融資角度，來探究各種因素對二者間替代關系的影響，對企業主動獲取商業信用替代銀行借款融資的影響因素研究則相對較少。同時，鮮有研究關注供應鏈數字化如何影響商業信用與銀行借款之間的關系，這為本文的研究提供了契機。

（二）理論分析與研究假設

企業所需資金一般是穩定的，根據資本結構權衡理論，企業將側重在銀行借款與商業信用之間選擇更具優勢的融資方式。對現有研究分析后可知，商業信用在融資方式選擇上更具有競爭優勢。但是，商業信用供給方的風險承擔能力不如銀行等金融機構，出于對自身現金流以及信貸風險的考慮，供給方實際能夠提供商業信用的條件與規模將取決于需求方企業的表現與信貸風險。當信貸風險低、需求方自身可靠性高時，企業會更易獲得便捷、低廉的商業信用融資，進而會優先使用商業信用而非銀行借款進行債務融資。供應鏈數字化有助于降低企業經營風險、提高企業內外信息透明度以及提高供應鏈效率，有效降低了信貸風險，提高了供給方提供商業信用的意愿，使得企業能夠便捷地獲取低廉的商業信用，進而替代銀行借款進行融資。具體來看：

首先，供應鏈數字化有效降低了企業自身風險。供應鏈數字化能夠穩定企業供需關系、提高企業競爭力和風險控制能力，有效降低企業自身風險。一是供應鏈數字化不僅能夠幫助企業篩選匹配更為合適的商業伙伴，而且促進了鏈上信息和知識的互通與滲透，使得上下游合作關系更加穩固持久（陳劍和劉云輝，2021）[18]。二是數字與信息技術對供應鏈各流程的賦能，一方面有效降低了各節點企業的生產成本并提升了生產質量與效率，促進產品升級迭代和種類多元化；另一方面能夠更有效預測客戶與市場需求，促進合理布局各地域銷售渠道，有效規避供應鏈中斷風險，提高自身競爭力（張樹山和谷城，2024）[19]。三是供應鏈數字化不僅使企業能夠憑借物聯網與區塊鏈技術提升自身資源配置效率、減弱環境風險，而且使企業通過可視化與智能化的供應鏈管理流程實現對風險的有效監督、預警與控制，降低了企業內部風險。企業自身風險的降低，降低了商業信用供給方的信貸風險、保障了資金收回，使供給方更樂于向供應鏈數字化程度高的企業提供商業信用，促使企業更多使用商業信用替代銀行借款進行融資（李志軍和王善平，2011）[20]。

其次，供應鏈數字化有效提高了供應鏈上企業間的信息透明度。供應鏈數字化的信息治理作用可以改善信息環境，提升鏈上企業間信息透明度（李青原等，2023）[4]。例如：協作、聯動應用程序平臺的上線能有效改善企業間信息實時共享水平，降低上下游企業信息搜尋成本；大數據技術與區塊鏈技術降低了鏈上企業信息的驗證成本，提高了供應鏈上信息的質量和可靠性；外部利益相關者對供應鏈數字化的廣泛關注與監督，提高了企業外部治理效率，進而降低了信息不對稱程度。企業信息透明度提高能夠發揮信息溢出效應，進一步擴大了供應鏈上企業較外部投資者（如銀行等機構）的信息優勢，提高信息傳遞效率，使上下游企業能夠更準確地判斷其風險水平，從而降低了商業信用供給方的信貸風險（陳仕華等，2013）[21]。因此，供給方更樂于向供應鏈數字化水平更高、信息透明度更高的企業提供商業信用融資。

最后，供應鏈數字化有效提高了供應鏈效率。供應鏈數字化使企業能夠憑借數字信息平臺更全面地了解消費市場需求，提高產品與市場間的匹配效率，從而使企業可以根據市場變化快速調整自身生產戰略，實現生產端與銷售端的動態平衡，縮短了庫存周轉天數并提高了供應鏈效率（張樹山和谷城，2024）[19]。較高的供應鏈效率一方面說明企業具有較高的銷售潛力、增長前景與市場認可度，供給方更愿意提供低成本、大規模的商業信用以維護供應鏈關系；另一方面意味著企業能夠快速周轉資金并及時償還債務，供給方因此會提供次數更多、規模更大的商業信用（白俊等，2023）[22]。

基于以上分析，本文提出如下假設：

H1：供應鏈數字化促進了商業信用融資的使用。

H2：供應鏈數字化強化了商業信用融資對銀行借款的替代作用。

三、研究設計

（一）樣本選取與數據來源

2018年初，商務部、工業和信息化部、生態環境部等八部門聯合發布《關于開展供應鏈創新與應用試點的通知》，因此，本文定義2018年及其以后年份為實驗年份。本文選取2013—2022年滬深A股上市公司數據作為樣本進行研究，以保證政策實施前后的時間窗口對稱。數據來源方面，試點時間及企業名單源自商務部官網公布文件，相關財務數據及公司治理數據則均取自國泰安數據庫。為避免異常樣本的影響，遵循以往研究慣例依次進行了如下篩選：（1）剔除處于PT、ST、*ST等異常交易狀態的樣本；（2）剔除金融保險行業的上市公司；（3）剔除當年上市的企業樣本；（4）剔除重要變量數據缺失的樣本。最終本文共獲得22867個公司—年度觀測值。此外，為了削弱極端值可能帶來的不利影響，本文對所有連續變量在1%和99%分位進行了縮尾處理（Winsorize）。

（二）模型設定與變量定義

為驗證商業信用融資是否與銀行借款融資之間存在替代效應，本文參考陸正飛和楊德明（2011）[11]等研究，采用如下模型（1）進行驗證。

[BANKi，t=α0+α1TCi，t+αkControlsi，t+YEAR+INDUSTRY+FE+ε]" " （1）

為驗證供應鏈數字化是否促進了商業信用融資對銀行借款融資的替代，本文參考石曉軍和李杰（2009）[13]等研究，在模型（1）基礎上設定了如下三重差分模型（2）進行因果識別檢驗：

[BANKi，t=β0+β1TCi，t×TREATi×TIMEt+β2TCi，t+β3TCi，t×TREATi+β4TCi，t×TIMEt+β5TREATi×TIMEt+βkControlsi，t+YEAR+INDUSTRY+FE+ε]" （2）

其中，下標[i]代表企業，[t]代表年份，[YEAR]、[INDUSTRY]和[FE]分別表示模型控制了年份、行業、個體固定效應，[ε]為隨機擾動項。各變量的進一步描述如下。

1. 被解釋變量：商業信用規模（TC），以經總資產標準化的預收賬款、應付賬款以及應付票據之和衡量；銀行借款規模（BANK），以經總資產標準化的短期借款余額與長期借款余額之和來衡量。此外，下文模型中繼續加入商業信用規模的年度變化量（tc）以及銀行借款規模的年度變化量（bank）。

2. 解釋變量：以供應鏈創新與應用試點的開展作為一項準自然實驗，TREAT為政策虛擬變量，上市公司若在供應鏈數字化試點名單中則取值為1，否則為0；TIME為時間虛擬變量，試點文件出臺的2018年當年及其后年份取值為1，否則為0；以交互項TREAT×TIME衡量企業供應鏈數字化程度。若模型（1）中商業信用規模系數的α1顯著為負，則說明其與銀行借款融資之間存在替代關系；若顯著為正，則說明二者之間存在互補關系。模型（2）中核心解釋變量為商業信用規模及其與供應鏈數字化的交互項TC×TREAT×TIME，其系數β1表示供應鏈數字化對商業信用融資與銀行借款融資之間關系的影響，若系數β1顯著且與系數α1同號，則說明供應鏈數字化強化了模型（1）中兩種融資方式間的關系，反之則為抑制。

3. 控制變量。（1）公司特征變量，包括企業規模（SIZE）、資產負債率（LEV）、盈利能力（ROA）、成長能力（GROW）、托賓Q值（TobinQ）、固定資產占比（FAP）；（2）公司治理變量，包括股權集中度（TOP1）、兩職合一（DUAL）、董事會規模（BOARD）。變量的詳細定義與說明如表1所示。

四、實證結果分析

（一）描述性統計

表2列示了主要變量的描述性統計結果。其中，銀行借款規模與商業信用規模（TC）占總資產比例的均值分別為15.3%和15.7%，中位數分別為13.2%與13.1%，標準差分別為0.119和0.110，說明銀行借款規模和商業信用規模數據在樣本企業間的分布相似，不同企業間兩種債務融資規模的差異度較小。各變量的中位數與均值接近，說明該樣本基本趨于正態分布。虛擬變量TREAT和TREAT×TIME的均值分別為0.018與0.010，即試點企業樣本與2018年后的試點企業樣本僅占全部樣本的1.8%與1%，為保證研究結果的穩健性，本文后續將采用相關方法來解決小樣本問題。其余控制變量的數據特征與現有文獻基本一致。

（二）供應鏈數字化與商業信用融資

在檢驗供應鏈數字化對商業信用與銀行借款間關系的影響前，先分別對供應鏈數字化與商業信用的關系以及供應鏈數字化與銀行借款的關系進行前置檢驗。為此，本文構建以下模型（3）和（4）進行檢驗，[tc]與[bank]分別為標準化的商業信用規模與標準化的銀行借款規模的年度變化量。

[tci，t=α0+α1TREATi×TIMEt+αkControlsi，t+YEAR+INDUSTRY+FE+E] （3）

[banki，t=β0+β1TREATi×TIMEt+βkControlsi，t+YEAR+INDUSTRY+FE+E] （4）

表3列示了回歸模型的分析結果，其中列（1）和（2）為供應鏈數字化與企業獲取商業信用融資間關系的驗證，列（3）和（4）展示了供應鏈數字化對銀行借款融資的影響。列（1）和（2）中解釋變量供應鏈數字化的系數在5%水平上顯著為正，說明試點企業實施供應鏈數字化顯著促進了商業信用融資規模的增長，即供應鏈數字化會促進企業獲取商業信用融資，研究假設H1得證。然而，列（3）和（4）中供應鏈數字化的系數卻并不顯著，說明供應鏈數字化不會對企業銀行借款融資產生顯著影響。

（三）供應鏈數字化與商業信用融資—銀行借款的替代性

由上文可知，供應鏈數字化僅對商業信用產生了顯著的促進作用，而對銀行借款融資沒有顯著影響。為進一步檢驗供應鏈數字化對商業信用與銀行借款二者間互動關系的影響，本文以模型（1）和（2）進行回歸分析，結果如表4所示。其中列（1）和（2）為商業信用融資規模與銀行借款規模間是否存在替代關系的驗證，列（3）和（4）展示了供應鏈數字化對商業信用融資規模與銀行借款融資規模間替代性的影響。結果顯示，一方面，商業信用融資的系數在1%水平上顯著為負，說明商業信用融資與銀行借款之間存在融資替代現象，當企業選擇使用商業信用進行債務融資時，會減少銀行借款規模，這與已有研究結果一致。另一方面，交乘項TC×TREAT×TIME的系數在5%水平上顯著為負，說明試點后商業信用融資對銀行借款融資起到了顯著的替代作用，即供應鏈數字化會促進企業使用商業信用融資來替代銀行借款融資，研究假設H2得證。

（四）穩健性檢驗

1. 內生性檢驗。（1）平行趨勢檢驗。為獲得更加清晰的因果關系估計，排除事前趨勢對本文結果的替代性解釋，本文分別設定模型（5）與（6）對供應鏈數字化與商業信用間關系、供應鏈數字化與商業信用—銀行借款的替代性的關系進行如下平行趨勢檢驗。

[TCi，t=α+n=20132022βnTREATi×YEARn+γkControlsi，t+YEAR+INDUSTRY+FE+ε] （5）

[BANKi，t=α+n=20132022βnTCi，t×TREATi×YEARn+n=20132022γnTCi，t×YEARn+n=20132022λnTREATi×YEARn+θTCi，t×TREATi+ωTCi，t+μkControlsi，t+YEAR+FE+INDUSTRY+ε]（6）

本文將試點工作的前一年設定為基期，系數βn及其置信區間反映了在n年試點組與對照組相關變量是否存在顯著差異。圖1與圖2直觀表現了試點前后自變量系數大小與置信區間（95%）的變化情況，在試點工作開展之前，交乘項系數均不顯著，而試點當年及之后年份核心解釋變量的系數開始顯著，表明樣本滿足平行趨勢假定。

（2）安慰劑檢驗。從全樣本中隨機抽取與處理組數量相同（53家）的企業作為試點組，與隨機生成的時間虛擬變量交乘，并分別估計模型（2）與模型（3），重復上述過程1000次后，觀測隨機抽樣后兩組模型核心解釋變量系數的P值和t值。表5的統計分布表明，隨機模擬得出的兩組回歸系數均分布在0附近，顯著異于0的系數占比較小，說明本文的研究結論并非由偶然因素所導致。

（3）緩解樣本選擇性偏誤。為減小樣本的選擇性偏誤以及解決試驗組樣本觀測值較少等問題，本文分別采用傾向得分匹配法的核匹配法以及熵平衡匹配法，對試點組和控制組企業進行匹配，并使用模型（2）和（3）再次進行回歸。匹配后樣本的檢驗結果如表6所示，模型（3）中核心解釋變量TREAT×TIME系數依然顯著為正，模型（2）中核心解釋變量TC×TREAT×TIME系數依然顯著為負，說明本文研究結論是穩健的。

2. 排除小樣本估計偏差。使用合成雙重差分SDID法進行回歸，結果顯示核心解釋變量系數依然顯著（見表7）。

3. 排除遺漏變量偏誤。先對實證結果進行系數穩定性檢驗（毛其淋和王凱璇，2023）[23]：將δ賦值為-1，Rmax賦值為當前回歸擬合優度的1.3倍，觀測β*=β*（Rmax，δ）是否處于估計系數95%置信區間內；計算β=0時δ的絕對值是否大于1。表8顯示，遺漏變量偏誤難以對本文結論產生實質性影響。然后繼續加入上市年限（AGE）、監事會規模（BOV）、獨董占比（INDR）、經營性現金流（CASH）等控制變量，核心解釋變量依然顯著（見表9）。

4. 更換回歸模型。為避免模型自身可能存在的偏誤，本文將樣本企業以核匹配法進行匹配后，按是否為試點企業進行分組回歸。結果顯示，僅試點企業組交乘項系數顯著為負，且與控制組企業間組間系數差異顯著（見表10）。

5. 考慮樣本期內經濟環境變化的影響。由于2020年后經濟環境的變化，企業為規避款項難以收回的風險，提供商業信用的意愿有所降低，這可能減弱供應鏈數字化對商業信用替代銀行借款的促進作用。因此，本文將原樣本分為2020年之前的樣本、2020年樣本、2021年樣本、2022年樣本四個部分，并分別對其進行回歸。結果顯示，在2020年之前樣本中，核心解釋變量依然顯著為負，而其他樣本中核心解釋變量均不再顯著，且系數絕對值呈逐年降低趨勢，說明2020年后經濟環境的變化削弱了供應鏈數字化對商業信用替代銀行借款的促進作用（見表11）。

6. 排除反向替代。為進一步排除可能存在供應鏈數字化促進銀行借款反向替代商業信用的現象，本文參考模型（2）構建模型（7），觀察BANK×TREAT×TIME系數的顯著性。

[TCi，t=γ0+γ1BANKi，t×TREATi×TIMEt+γ2BANKi，t+γ3BANKi，t×TREATi+γ4BANKi，t×TIMEt+γ5TREATi×TIMEt+γkControlsi，t+YEAR+INDUSTRY+FE+E]" （7）

檢驗結果顯示，交乘項系數并不顯著，即試點后銀行借款融資未對商業信用產生反向替代，說明供應鏈數字化僅對商業信用替代銀行借款產生促進作用，排除了商業信用和銀行借款在供應鏈數字化影響下相互替代的可能性（見表12）。

7. 排除其他替代性解釋。第一，調整模型固定效應類型：引入省份固定效應以及行業省份的交互固定效應，以排除省份、行業層面一些同質化程度較高的試點政策的影響。第二，調整模型聚類層級，對基準回歸模型分別在年份、行業層級上進行聚類。第三，調整回歸樣本。其一，剔除中期評估不合格的處理組企業：2020年3月，商務部取消了8家企業的試點資格，據此本文對以上企業數據進行剔除后重新進行回歸。其二，排除重大外生事件的影響，剔除2015年受股災影響和2020年受疫情影響的樣本。結果顯示，在排除以上外部事件影響以及其他替代性解釋后，核心解釋變量依然顯著，結論具有穩健性（見表13）。

五、進一步研究

（一）機制分析

1. 風險抑制。由前文理論分析可知，供應鏈數字化可以有效降低企業自身風險，進而能夠有效提高商業信用供給方的資金收回保障，降低了供給方的信貸風險。這使得供給方更樂于向供應鏈數字化程度高的企業提供商業信用，促進企業更多使用商業信用并替代銀行借款進行融資。業績異常波動是企業系統風險的綜合體現，反映了企業經營業績和盈利能力的變化，可能表明其所處外部環境、自身管理與經營情況有較高不確定性（周澤將等，2023；王積田等，2023）[24，25]。為檢驗這一機制，本文以經年度行業調整后的企業前3年滾動ROA波動率來衡量企業風險（RISK），實證檢驗供應鏈數字化對企業風險的影響。回歸結果如表14列（1）所示，供應鏈數字化系數顯著為負，說明供應鏈數字化顯著降低了企業風險，進而促進了企業使用商業信用進行融資，并對銀行借款產生替代作用。

2. 信息傳遞。由理論分析可知，供應鏈數字化促進了鏈上信息的流通并擴大了數據共享范圍，鏈上企業可以實時便捷地了解對方真實可靠的財務與經營信息，提高了企業的信息透明度，降低了供應鏈上下游信息不對稱程度。這有助于商業信用供給方更快捷方便地了解信用獲取方的真實經營狀況，有效提高了資金回收保障并降低了信貸風險，商業信用供給方進而會給予試點企業規模更大、成本更低的商業信用，企業因此會選擇商業信用替代銀行借款進行融資（Fatorachian和Kazemi，2021）[26]。本文參考Lang等（2012）[27]的研究構建了一個透明度綜合指標（TRANS），其值等于調整過的盈余質量、上市公司信息披露考評結果、分析師跟蹤人數和分析師盈余預測準確性以及是否為國際四大審計這5個指標的百分等級的平均值。回歸結果如表14列（2）所示，供應鏈數字化系數顯著為正，表明供應鏈數字化顯著提高了信息透明度，進而促進了企業使用商業信用進行融資，并對銀行借款產生了替代作用。

3. 供應鏈效率。現有研究指出，供應鏈數字化能有效提高供應鏈效率，提升貨物運轉速度與經營活力（張樹山和谷城，2024）[19]，使試點企業具備更高的流動性與償債能力，提高了商業信用使用效率。這不僅確保了商業信用供給方的資金能夠及時回收，而且能夠有效帶動上下游企業的資金與產品流動（李建偉等，2023）[28]。這有效吸引了上下游企業向試點企業提供商業信用，因而供應鏈數字化程度高的企業中，商業信用對銀行借款的替代作用更為顯著。本文參考張樹山和谷城（2024）[19]的研究，以庫存周轉天數來體現供應鏈效率（STOCKDAY），回歸結果如表14列（3）所示，供應鏈數字化系數在1%水平上顯著為負，由此可知供應鏈數字化顯著提高了供應鏈效率，進而促進了企業使用商業信用融資，并對銀行借款產生替代作用。

（二）異質性分析

1.法治環境水平。企業所處地區的法治環境水平越高，其外部監督與約束力度越強，企業業務流程則越規范，供應鏈節點企業違規成本也就越高，有效規避了企業機會主義行為。這一方面提高了企業可信度與可靠性，使得上下游企業間協作更加緊密，能更有效地發揮供應鏈數字化對鏈上節點企業的積極作用（張樹山等，2021）[1]；另一方面也降低了合作企業的維權成本，提高了維權便利性，有效促進了企業間商業信用的使用（潘越等，2022）[29]。據此，本文用王小魯等（2022）[30]編制的《中國分省份市場化指數報告（2022）》中的市場中介組織發育和法律制度環境指數來衡量企業所處地區的法治環境水平，將中位數以上企業歸為高法治環境水平組，并預期該組企業中供應鏈數字化對商業信用替代銀行借款的促進作用更為顯著。回歸結果如表15列（1）和（2）所示，三項交乘項系數僅在法治環境水平較高地區的企業中顯著為負，且兩組組間系數差異顯著，符合本文預期。

2. 融資約束程度。融資約束程度高的企業更需要商業信用融資。現有研究表明，企業在面臨融資約束時，會選擇門檻更低、獲取成本更低的商業信用來替代其他融資方式（石曉軍和李杰，2009）[13]。供應鏈數字化能夠提高企業獲得商業信用的優勢，融資約束程度較高的企業則更愿意發揮這種優勢來獲取相對低廉便捷的商業信用融資，以改善資金不足情況，緩解自身融資約束，即供應鏈數字化對商業信用替代銀行借款的促進作用可能在融資約束程度高的企業中更為顯著。基于此，本文采用WW指數來衡量企業融資約束水平，將中位數以上的企業劃為融資約束程度高的企業，回歸結果如表15列（3）和（4）所示，三項交乘項系數僅在融資約束程度較高的企業中顯著為負，且兩組組間系數差異顯著，符合本文預期。

3. 生命周期。相較于成長期的企業，成熟期企業經營狀況更加穩定，資金與實力也更為雄厚，因而有更強的實力實施供應鏈數字化，也能更有效地發揮供應鏈數字化帶來的積極作用（張樹山和谷城，2024）[19]，因此，供應鏈數字化通過降低企業經營風險、提高信息透明度及供應鏈效率進而促進企業使用商業信用替代銀行借款的影響在成熟期企業中更為明顯。此外，成熟期企業依托其已經建立的穩定的上下游企業關系優勢，在供應鏈數字化促進下，也更易于獲得商業信用融資，因而其對銀行借款的替代作用也會更顯著。基于此，本文將上市時間超過12年的企業劃分為成熟期企業，回歸結果如表15列（5）和（6）所示，成熟期企業三項交乘項系數顯著為負，而成長期企業相關系數卻不顯著，且兩組組間系數差異顯著，符合本文預期。

六、研究結論與啟示

本文從供應鏈數字化視角出發研究商業信用融資與銀行借款融資之間的替代作用，以2013—2022年滬深A股上市公司為樣本，考察供應鏈數字化對商業信用替代融資的影響及其作用機理。研究結果表明：首先，供應鏈數字化能夠顯著促進企業使用商業信用融資，并強化商業信用對銀行借款的替代性，在經過多種穩健性檢驗后結論依然穩健；其次，驗證了供應鏈數字化通過降低企業經營風險、提高企業信息透明度和供應鏈效率進而促進商業信用的使用、強化商業信用與銀行借款替代關系的影響機制；最后，進一步研究發現，在法治環境水平高、融資約束程度較高以及處于成熟期的企業中，供應鏈數字化強化商業信用融資替代的現象更為顯著。

針對以上結論，本文得出了以下啟示與建議。第一，供應鏈數字化在微觀企業層面與宏觀市場層面均會帶來積極的影響，因此，推進供應鏈數字化創新試點政策具有重要意義。企業應加快數字技術與供應鏈深度融合的進程，推動供應鏈各流程的升級改造，增強鏈上企業間協作互助，培養數字化供應鏈管理人才。政府應積極發揮引導、支撐與保障作用，繼續落實并擴大相關產業政策，發揮優秀試點企業模范帶頭作用，積極向全國企業推廣經驗與教訓，制定統一化、普適化的數字供應鏈標準體系，構建全國市場的整體供應鏈數字化操作平臺與系統。第二，商業信用對于供應鏈數字化程度較高的企業而言是有效的替代性融資工具，供應鏈數字化不僅能夠滿足企業更為便捷低廉的融資需求，更為解決企業融資困難問題提供了新的可行思路。因此，企業應及時抓住供應鏈數字化發展機遇，不僅考慮其對自身技術迭代的影響，更應考慮其對自身融資的改善。第三，市場中供應鏈數字化程度高的企業越多，企業能夠獲取的流動性緩沖也越多，有利于降低供應鏈及市場中的流動性危機。因此，政府應延續、深化現有推進供應鏈數字化進程的政策，重視其對企業債務融資結構以及市場整體融資環境的積極影響。

參考文獻：

[1]張樹山，胡化廣，孫磊，夏銘璐.供應鏈數字化與供應鏈安全穩定——一項準自然實驗 [J].中國軟科學，2021，（12）.

[2]施炳展，李建桐.互聯網是否促進了分工：來自中國制造業企業的證據 [J].管理世界，2020，36（04）.

[3]陳金曉，陳劍.從優化到重塑——大變局中的供應鏈高質量發展[ J].系統工程理論與實踐，2022，42（03）.

[4]李青原，李昱，章尹賽楠，鄭昊天.企業數字化轉型的信息溢出效應——基于供應鏈視角的經驗證據 [J].中國工業經濟，2023，（07）.

[5]Myers S C. 1984. The Capital Structure Puzzle [J]. Journal of Finance，39（03）.

[6]Meltzer A H. 1960. Mercantile Credit，Monetary Policy，and Size of Firms [J].Review of Economics and Statistics，42（4）.

[7]劉民權，徐忠，趙英濤.商業信用研究綜述 [J].世界經濟，2004，（01）.

[8]舒偉，陳穎.數字化轉型與企業商業信用融資行為研究 [J].會計研究，2024，（01）.

[9]方紅星，楚有為.公司戰略與商業信用融資 [J].南開管理評論，2019，22（05）.

[10]王魯昱，李科.供應鏈金融與企業商業信用融資——基于資產專用性的分析視角 [J].財經研究，2022，48（03）.

[11]陸正飛，楊德明.商業信用：替代性融資，還是買方市場？ [J].管理世界，2011，（04）.

[12]Fisman R，Raturi M. 2004. Does Competition Encourage Credit Provision？Evidence from African Trade Credit Relationships [J].Review of Economics and Statistics，86（1）.

[13]石曉軍，李杰.商業信用與銀行借款的替代關系及其反周期性：1998—2006年 [J].財經研究，2009，35（03）.

[14]Schwartz R A. 1974. An Economic Model of Trade Credit [J].Journal of Financial and Quantitative Analysis， 9（4）.

[15]張杰，劉元春，翟福昕，蘆哲.銀行歧視、商業信用與企業發展 [J].世界經濟，2013，36（09）.

[16]劉仁伍，盛文軍.商業信用是否補充了銀行信用體系 [J].世界經濟，2011，（11）.

[17]李增福，馮柳華.企業ESG表現與商業信用獲取[J].財經研究，2022，48（12）.

[18]陳劍，劉云輝.數智化使能運營管理變革：從供應鏈到供應鏈生態系統 [J].管理世界，2021，37（11）.

[19]張樹山，谷城.供應鏈數字化與供應鏈韌性 [J].財經研究，2024，50（07）.

[20]李志軍，王善平.貨幣政策、信息披露質量與公司債務融資 [J].會計研究，2011，（10）.

[21]陳仕華，姜廣省，盧昌崇.董事聯結、目標公司選擇與并購績效——基于并購雙方之間信息不對稱的研究視角 [J].管理世界，2013，（12）.

[22]白俊，陳師雯，喬君.供應鏈存在風險救助嗎？——基于企業超額商業信用供給的視角 [J].中央財經大學學報，2023，（12）.

[23]毛其淋，王凱璇.互聯網發展如何優化企業資源配置——基于企業庫存調整的視角 [J].中國工業經濟，2023（08）.

[24]周澤將，丁曉娟，傘子瑤.ESG評級分歧與審計風險溢價 [J].審計研究，2023，（06）.

[25]王積田，田博傲，上官相樂.ESG評級分歧影響審計師風險應對行為嗎？——基于關鍵審計事項披露的視角 [J].金融發展研究，2023，（09）.

[26]Fatorachian H，Kazemi H. 2021. Impact of Industry 4.0 on supply chain performance [J].Production Planning amp; Control，32（1）.

[27]Lang M，Lins K V，Maffett M. 2012. Transparency，liquidity， and valuation：International evidence on when transparency matters most [J].Journal of Accounting Research，50（3）.

[28]李建偉，楊瑾悅，王薇.數字金融能促進中小企業商業信用融資嗎 [J].金融與經濟，2023，（10）.

[29]潘越，謝玉湘，寧博，梁師赫.數智賦能、法治化營商環境建設與商業信用融資——來自“智慧法院”視角的經驗證據 [J].管理世界，2022，38（09）.

[30]王小魯，胡李鵬，樊綱.中國分省份市場化指數報告 [M].北京：社會科學文獻出版社，2022.