大客户地理邻近性对供应商企业会计稳健性的影响研究

程小可，宛 晴，李昊洋

（1.北京交通大学经济管理学院，北京100044；2.北京科技大学东凌经济管理学院，北京100093）

一、引言

近年来，不断推进的产业结构调整与日趋严峻的市场竞争环境给企业的生存与发展带来巨大考验，供应链体系的稳定成为关系企业生产安全与市场竞争能力的重要因素。企业作为供应商一旦出现危机，将可能使其客户企业经营活动陷入困境。因此，客户需要及时掌握供应商企业的经营与财务状况以应对潜在风险。作为一种重要的会计信息特征，会计稳健性通过对好消息的谨慎确认以及坏消息的及时确认来反映企业经济活动，体现出企业进行会计确认、计量与报告时的谨慎性态度，这成为债权人［1］、机构投资者［2-3］乃至员工［4］等利益相关群体保护自身利益的有效依据。那么客户群体尤其对供应商企业收入具有决定意义的大客户，会如何影响供应商企业的会计稳健性？这已经成为极具现实意义的研究话题。

大量研究表明，为了向大客户展示良好的发展前景，供应商企业倾向于通过盈余管理［5-8］、降低会计信息可比性［9］等方式调整会计信息披露决策。然而，对于大客户与供应商企业会计稳健性的关系，现有研究仍不充分。有限的几篇文献认为大客户相对供应商企业具有谈判优势，会促使供应商企业提供更为稳健的会计信息，这些学者使用大客户资产规模、销售收入占比、研发与广告投入等静态指标探究大客户对供应商企业会计稳健性的影响［10-11］。上述度量方式均强调大客户自身特质，但忽视了大客户与供应商企业间的信息沟通、业务往来、交易谈判等与谈判优势相关的动态过程，难以直观刻画大客户在供应商企业会计信息披露决策选择过程中的作用。此外，现有研究大多以美国等发达国家产品市场为对象，对以我国为代表的新兴国家产品市场关注较少。为了弥补上述不足，本文结合地理经济学理论，使用大客户与供应商企业之间地理距离度量大客户与供应商企业间信息沟通与交易往来，研究大客户地理邻近性与供应商企业会计稳健性的关系。结果发现，大客户地理邻近性有助于强化大客户的谈判优势，促使供应商企业提供更为稳健的会计信息；结合我国新兴国家产品市场特征进一步分析后发现，当供应商企业所处行业竞争水平较低或大客户为国有企业时，大客户地理邻近性与供应商企业会计稳健性的正相关关系更为明显。

本文的研究贡献主要有三点。第一，丰富了会计稳健性影响因素的相关文献。现有文献考察了债权人、机构投资者、员工等利益相关群体对会计稳健性的影响，但对大客户这一重要利益相关者的讨论仍不充分。本文以地理邻近性为切入点，探讨大客户对供应商企业会计稳健性的影响，从产品市场行为主体视角为会计稳健性影响因素的相关研究提供经验数据。第二，为现有客户特征相关研究提供全新视角。与客户特征相关的现有研究大多使用客户规模［11］、客户研发或广告投入［10］、客户收入占比［12-14］等指标度量大客户对供应商企业施加影响的能力，但难以刻画大客户与供应商企业之间的互动机制。本文使用大客户与供应商企业间的地理距离来反映大客户与供应商企业间信息与交易状况，为现有客户特征相关研究提供全新维度与指标。第三，拓展了地理经济学在财务会计领域的相关研究。现有研究关注分析师［15-16］、审计师［17-18］、独立董事［19］等经济主体地理邻近性与企业信息披露之间的关系，本文则将大客户的地理邻近性纳入财务会计研究体系中，拓展了地理经济学在财务会计领域的研究外延。

二、文献回顾

会计稳健性是会计信息的重要特征，同时也是公司治理的重要方式。通过利得与损失的非对称性记录，会计稳健性有助于审慎估计企业的净资产与收益，抑制管理层的机会主义行为。Watts从契约、诉讼、税收与监管四个方面阐述会计稳健性的影响因素，其中“契约观”一直是学术界关注的重点［20］。早期相关研究主要围绕债务契约与高管薪酬契约，重点探讨债权人与管理层的会计稳健性需求［1，20］。近年来，越来越多的学者开始研究审计师［17，21］、机构投资者［2-3］及基层员工［4］等利益相关者对企业会计稳健性的影响，从而拓展了“契约观”的研究范围。

客户决定着供应商企业的预期收入与市场份额，是供应商企业重要的利益相关群体。出于保障收入稳定、维系长期合作关系以及促使客户进行专有投资的考虑，供应商企业有动机通过调整会计信息向客户群体传递自身经营状况稳定、预期业绩良好的信号［12］。已有研究发现，供应商企业倾向于保持较低的负债率以向客户展示自身良好的财务状况与较低的清算风险［14］；通过盈余管理来调增盈余［5-6］、降低盈余波动性［7］、美化核心盈余水平［8］。部分学者还发现客户集中会提升企业的经营风险与业绩压力，促使供应商企业进行选择性信息披露，降低其会计信息可比性［9］。对于大客户而言，基于先行契约的交易关系并不能使其享受到供应商企业所获取的超额收益。然而，一旦供应商企业陷入经营或财务困境，短期内可能会导致供应商企业无法及时提供合格货品和服务，进而威胁大客户的生产安全［11］；而长期来看，大客户向供应商企业先行投放的专有投资也将丧失价值，产生高昂的转换成本［21］。预期收益与潜在损失的不对称促使大客户有动机监督供应商企业管理层的自利行为，催生会计稳健性的需求。然而，现阶段探讨客户与供应商企业会计稳健性之间关系的文献却十分有限。Chen等使用大客户的研发投入度量大客户的专有资产投资水平后发现，专有资产投资预期能够提升了大客户相对于供应商企业的谈判优势，促使供应商企业提升会计稳健性，以保障现有专有资产价值并吸引大客户投入更多的专有资产［10］。Hui等的研究则发现，客户群体对供应商企业会计稳健性需求的实现依赖于客户群体相对供应商企业的谈判优势，当客户较为集中时，客户对供应商企业预期收入的影响更强，此时供应商企业更有可能为维持与客户间的合作关系而提供稳健的会计信息［11］。

可以看出，现阶段关于大客户与供应商企业会计稳健性关系的研究强调大客户谈判优势在供应商企业会计政策选择当中的重要作用。但现有研究大多使用大客户资产规模、销售收入占比、研发与广告投入等静态指标，强调大客户对供应商企业收入的决定性作用是其实现会计稳健性需求的权力基础，而忽视了大客户与供应商企业间的业务往来及信息交互等动态过程，难以深入刻画大客户谈判优势的形成与适用条件，致使大客户与供应商企业会计稳健性关系的研究存在局限。为弥补上述不足，本文参考地理经济学相关理论，使用大客户与供应商企业间地理距离来衡量大客户与企业间的业务往来及信息交互情况，以考察两者间谈判地位差异，检验大客户与供应商企业会计稳健性的关系。

三、理论分析与假设

大客户直接决定了供应商企业的预期收入与市场份额，因此当企业出现经营或财务困境时，大客户有能力实施重新谈判，调整两者间的契约条款，提出更为严苛的产品和服务要求，索取更高的商业信用，甚至可能提前结束合作关系［22-23］。现有文献认为，丧失收益的威胁会促使供应商企业放弃机会主义行为，并向大客户提供稳健的会计信息［11］。但对于大客户而言，与供应商企业的重新谈判并非毫无成本［24］。大客户需要花费大量资源搜集当前供应商企业的经营与财务信息，判别其产品结构、价格策略乃至发展前景，并在此基础上形成谈判优势，进而优化契约条款。与债权人等利益相关群体类似，大客户实现会计稳健性需求的过程同样是成本与收益的权衡过程，只有当获取谈判优势的成本小于从稳健会计信息中得到的收益时，大客户才可能对供应商企业的会计信息披露产生影响［3］。

大量研究表明，地理距离是影响契约主体之间信息传递的重要因素［15，18］。较近的地理距离能够为契约主体间的交流创造便利，降低信息收集与传递成本，有利于契约主体掌握契约对象的履约情况［25］。具体到大客户与供应商企业的二元结构中，地理邻近性有助于强化大客户相较于供应商企业的谈判优势，并从以下三个方面提升供应商企业的会计稳健性。首先，较近的地理距离有助于大客户以更低的成本获取供应商企业的产品成本、运营效率及发展规划等相关信息，促使大客户探明供应商企业的谈判底线，在重新谈判过程中获得信息优势。此时大客户更有能力通过参与产品定价，修订产品及服务条款，更改供货与库存方案，索取更高商业信用等方式谋取利益，致使供应商企业的管理层面临更大的经营与业绩压力［11］。为保证市场份额与销售业绩，供应商企业的管理层不得不提供更具稳健性的财务信息以满足大客户需求。其次，较近的地理距离使得大客户能够以更低的成本掌握供应商企业的实际收益与成本信息，更容易察觉当期供应商企业所确认的过高收入，并以更低的成本展开重新谈判，通过压低产品价格、限制产品销售范围等方式掠夺企业的未来收益，削减供应商企业的竞争优势，实现供应链整合效益的再分配［14，22］。在这种情况下，为避免大客户对自身未来收益的掠夺，供应商企业倾向于推迟确认收入与提前确认损失，提升企业的会计稳健性。最后，较近的地理距离有助于大客户以更低成本掌握供应商企业组织管理、财务状况乃至发展战略等信息。在感知到企业较稳健会计信息后，大客户更可能认同供应商企业的未来发展规划，并对此做出积极反应，比如参与研发或扩大专有资产投资等［5，10］。为吸引未来来自大客户的专有资产投资，供应商企业倾向于提供更为稳健的会计信息。

由此，本文提出假设H1。

H1：大客户地理邻近性与企业会计稳健性呈正相关关系。

供应商企业所面临的产品市场竞争环境可能会影响大客户的相对谈判优势［12］。当供应商企业所面临的产品市场竞争水平较高时，大客户搜寻替代供应商的成本较低。如果供应商企业弄虚作假，或是经营与财务状况出现危机，大客户更容易从竞争充分的上游市场中选取其他厂商，使得供应商企业丧失市场份额与预期收入。在这种情况下，供应商企业对大客户的依赖程度较高，大客户相对企业的谈判优势更大［22，26］。此时，与企业间较近的地理距离对大客户谈判优势的强化作用相对有限，对企业会计稳健性的提升作用也相对较小。相反，当供应商企业所面临的产品市场竞争水平较低时，大客户可选择的供应商范围较小，更换当前供应商的成本较高，大客户相对供应商企业的谈判地位差距相对较小［22，26］。此时，与供应商企业间较近的地理距离有利于大客户获取更多供应商企业信息，提升自身谈判优势。大客户可以根据实际业务情况向供应商企业提出更多更细致的保障要求，例如更多的预付款项，更细致的配套与售后服务，更高的供货效率等；也更可能对供应商的积极运营状况做出反应，例如与供应商缔结为同盟，投入更多专有投资等。这些将促使供应商企业提供更具稳健性的会计信息。

由此，本文提出假设H2。

H2：当供应商企业所面临产品市场竞争水平较低时，大客户地理邻近性与企业会计稳健性的正相关关系更为显著。

与美国等发达国家产品市场不同，我国产品市场中存在一定数量的国有企业客户。需要指出的是，与非国企大客户类似，国企大客户同样存在会计稳健性需求，一旦供应商出现危机，国企大客户的日常生产活动同样会受到影响，严重时甚至可能导致经营失败。2016年“中兴芯片事件”就是典型案例。而产权性质可能是影响大客户谈判优势的重要因素。非国有企业大客户面临更大的信贷约束与市场竞争压力，具备更强烈的动机对供应商企业实施资源掠夺，也更可能转向供应商企业的竞争对手，因此在交易中体现出更强的议价能力［15］。此时，供应商企业不得不提供更具稳健性的会计信息以维持与非国有大客户的长期合作关系。与供应商企业间较近的地理距离对非国有大客户谈判优势的强化作用相对有限，对企业会计稳健性的提升作用也相对较小。相反，由于预算软约束、损失转嫁能力及多重代理问题的存在，国有企业的议价能力较弱，更可能在谈判中做出让步［27］。此时，与供应商企业间较近的地理距离有利于国有企业大客户掌握供应商企业的相关信息，有助于及时甄别不良供应商，提出保障性措施、制定更严格的合作程序或快速更换供应商等，提升大客户的谈判优势，促使供应商企业提供更具稳健性的会计信息。

由此，本文提出假设H3。

H3：当大客户为国有企业时，大客户地理邻近性与供应商企业会计稳健性的正相关关系更为显著。

四、研究设计

（一）变量定义

1.会计稳健性

参考Khan等的方法［28］，本文采取改进的Basu模型计算企业的会计稳健性Cscore，具体方法如下：

模型（1）中EPSi，t为公司i股票第t年的每股收益；P为公司i第t年 4月末收盘价；RETi，t代表公司i于第t年5月至第t+1年4月的考虑红利再投资的股票收益率；Dumi，t为虚拟变量，当RETi，t＜0时取1，否则取0。Gscore代表好消息的确认程度，而Cscore代表会计稳健性水平，Sizei，t、MBi，t与Levi，t分别代表公司 i第 t年资产的自然对数、市值账面比以及资产负债率。

本文将模型（2）、模型（3）模型带入模型（1），同时控制Size、MB、Lev以及其与Dum的交互项，即得到如下模型（4）：

本文将模型（4）分年度回归，把得到的μ0～μ3以及λ0～λ3分别带回模型（2）与模型（3），计算得到公司i第t年好消息确认程度Gscore以及会计稳健性Cscore。

此外，本文参考李争光等的方法［3］，使用应计现金流模型测度企业的会计稳健性。

2.大客户地理邻近性

参考现有文献与研究惯例，本文将销售额所占当年企业总销售额10%以上的客户定义为大客户［14］。以此为基础，本文参考黄福广等的研究方法［29］，首先使用谷歌地图（Google Map）定位大客户与企业总部所在地具体地址的经纬度坐标，其次使用谷歌地球（Google Earth）根据坐标计算两者间的地理距离Di。鉴于部分企业拥有多个大客户，因此本文采用两种方式予以加权取值。

第一，根据企业大客户总数N，求出各个大客户至企业总部的平均距离D1，并对D1加1取自然对数得到Dis1。具体公式如下：

第二，根据不同企业大客户销售额度Si占大客户销售总额度S之比加权求出各个大客户至企业总部的距离D2，并对D2加1后取自然对数得到Dis2。具体公式如下：

Dis1与Dis2数值越大，表明大客户与企业的地理距离越远，企业的大客户地理邻近性水平越低。

此外，在稳健性检验中，本文手工搜集大客户与企业所在地具体地址之间陆路交通（汽车、铁路）的最少出行时间Time，并分别按照大客户数目以及销售额度占比加权计算平均最少出行时间Time1与Time2，并参照地理距离的做法分别加1取自然对数，得到T1与T2。两者的数值越大，表明从大客户处行至企业的耗时越久，大客户与企业间的地理距离越远，企业的大客户地理邻近性水平越低。

表1变量定义及说明

3.控制变量

参考现有相关研究［3，17］，本文选择如下变量作为控制变量，包括资产负债率（Lev）、企业总资产自然对数（Size）、市值账面比（MB）、资产净利率（ROA）、企业年龄自然对数（Age）、产权性质（soe）、市场竞争水平（HHI）。此外，本文也控制了年度（Year）与行业（Ind）虚拟变量。变量定义详情见表1。

（二）模型设计

本文构建模型（1）用以检验假设H1，采用OLS模型检验大客户地理邻近性与企业技术创新之间的关系。具体回归模型如式（9）所示。

本文在回归过程中控制年份（Year）与行业（Ind）影响，同时对回归系数标准误进行Cluster处理。

（三）样本选择与数据来源

本文选择2009—2015年我国A股上市企业为研究对象，期间共有2764家上市公司披露“前五大客户”信息，涉及14493个公司年度观测值，随后按照如下步骤进行样本筛选：（1）剔除金融保险类企业、ST和PT类公司、交叉上市公司样本以及客户信息披露错误样本（例如前五大客户销售占比之和大于1），剩余2507家上市公司、11234个公司年度观测值，共涉及56170个客户；（2）参考Banerjee等的研究，将销售额占企业当年销售额10%以上的客户定义为大客户［13］，并剔除没有“大客户”的公司样本，剩余1604家公司，共5068个公司年度观测值，共涉及7981个大客户；（3）剔除“客户一”、“A客户”、“第一大客户”等披露不明样本，剔除含自然人大客户样本，共剩余642家上市公司、1512个公司年度观测值，共涉及2313个大客户；（4）剔除中国港澳台地区大客户样本及大客户地理位置难以查证样本，共剩余597家公司，共1384个公司年度观测值，共涉及2121个大客户。在上述样本基础上，本文构建大客户地理邻近性指标，随后与会计稳健性指标、控制变量样本等进行匹配并剔除缺失值，最后共得到472家上市公司的959个公司年度观测值。样本的年份与行业分布如表2所示。为缓解异常值可能产生的影响，本文对所有连续变量进行上下1%的缩尾处理。本研究前五大客户及大客户信息通过对各上市企业年报披露内容进行手工搜集整理获得，大客户的地理位置等通过谷歌地图、谷歌地球等手工搜集汇总获得，其余财务指标来源于CSMAR金融数据库。本文使用的统计计量软件为Stata12.0。

表2样本年份与行业分布情况

五、实证结果

表3描述性统计

（一）描述性统计

样本的描述性分析如表3所示。公司年度层面各项变量的描述性统计结果如有需要可向作者索取。企业的会计稳健性方面，Cscore的均值为0.039，标准差与极差分别达到为0.117与0.810，表明就整体而言，上市企业会计稳健性水平较低，且不同企业间存在较大差异。在大客户地理邻近性方面，D1与D2的均值分别为602.053公里与600.499公里，表明就整体而言上市企业与大客户之间平均地理距离大于600公里，未呈现出重要交易对象高度本地聚集的现象，但与我国辽阔的国土相比，重要交易对象的搜寻范围仍存在一定界限。此外，D1与D2的中位数分别为333.622公里与330.305公里，小于其均值，样本整体呈现右偏态势，表明多数企业仍然更倾向于与距离相对较近的大客户产生业务联系。而D1与D2的极差分别达到2793.596公里与2802.519公里，表明不同的企业与大客户之间的地理距离存在巨大差异，这也为本文的研究问题提供了充分的现实基础。

表4相关性分析

（二）相关性分析

模型（5）的相关性分析结果如表4所示。大客户与企业之间地理距离变量Dis1和Dis2与企业会计稳健性Cscore之间呈负相关关系。这表明在不考虑控制变量的情况下，大客户与企业间的地理距离越近，企业的会计稳健性越高，符合大客户关注企业会计稳健性的假设。但相关性分析并未将控制变量纳入考虑范畴内，因此需要结合模型（5）进行进一步的回归检验。

表5大客户地理邻近性与企业会计稳健性

（三）回归分析

为了检验大客户地理邻近性与供应商企业会计稳健性之间的关系，本文使用OLS最小二乘法对模型（9）进行回归，回归结果如表5所示。Dis1与Dis2的系数均为负，且在1%水平上显著，表明大客户与企业间地理距离越远，企业的会计稳健性水平越低。从第（3）列、第（4）列的回归结果可知，在控制各项控制变量之后，大客户与企业间地理距离Dis1每增加1个单位，会计稳健性Cscore下降0.4%个单位，大客户与企业间地理距离Dis2每增加1个单位，会计稳健性Cscore下降0.3%个单位，说明假设H1成立。

考虑企业面临不同市场竞争环境下大客户地理邻近性与供应商企业会计稳健性的关系，本文使用企业所处行业内营业收入的赫芬达尔指数（HHI）作为衡量企业市场竞争水平的指标，按照市场竞争水平年度中位数进行分组，并回归模型（9），回归结果如表6的Pnael A所示。第（1）列、第（2）列中Dis1、Dis2系数1%水平上显著为负，第（3）列、第（4）列中Dis1与Dis2系数不具备统计学意义上的显著性；进一步地，使用Suest检验比较分组后Dis1、Dis2的回归系数差异，结果如表6的Panel B所示，分组检验后Dis1与Dis2的回归系数差异显著，即在企业所处市场竞争水平较低时，大客户地理邻近性对供应商会计稳健性的影响更为明显。这表明当供应商企业所处市场的竞争水平较低时，与大客户间的地理距离越近，供应商企业的会计稳健性水平越高，而当企业所处市场的竞争水平较高时，大客户地理邻近性对会计稳健性并无显著影响，支持假设H2。

考虑不同大客户产权性质条件下大客户地理邻近性与供应商企业会计稳健性之间的关系，本文通过网络搜索、公司黄页查询等方式手工收集上市公司大客户产权性质，从总样本中分离出所有大客户均为国有企业以及所有大客户均为非国有企业两个子样本，对模型（9）进行回归，结果如表7所示。第（1）列、第（2）列中Dis1、Dis2系数1%水平上显著为负，第（3）列、第（4）列中Dis1与Dis2系数不具备统计学意义上的显著性。进一步的，本文使用Suest检验比较分组后Dis1、Dis2的回归系数差异，结果如表7中Panel B所示，分组检验后Dis1与Dis2的回归系数差异显著，即在大客户均为国企时，大客户地理邻近性对供应商会计稳健性的影响更为明显。这表明当大客户均为国企时，更为关注供应商企业的会计稳健性情况，大客户与企业间地理距离越近，供应商企业的会计稳健性水平越高，而当大客户均为非国企时，大客户地理邻近性对供应商会计稳健性并无显著影响，这一发现支持假设H3。

表6大客户地理邻近性与企业会计稳健性——企业市场竞争水平分组

表7大客户地理邻近性与企业会计稳健性——大客户产权性质分组

（四）稳健性检验

1.替换大客户地理邻近性指标

参考黄福广等的方法，本文使用陆路最短出行时间T替换地理距离Dis进行检验［29］。以谷歌地图的两地间出行时间为标准，手工搜集从大客户抵达供应商企业总部具体地址需要的陆路出行时间（高铁、动车、普通火车、地铁、汽车等）。考虑到近年来我国高铁建设以及铁路所带来的影响，依据“火车票网”（www.huochepiao.com）的历史火车出行时间以及所处城市原火车站点进行复核调整，更为精确地反映高铁及动车开通前两地间的陆路出行时间。

本文使用大客户与供应商企业总部之间陆路交通的最短出行时间Time，随后根据大客户数目计算各大客户抵达供应商企业总部的平均陆路出行时间Time1，根据各大客户销售额占比加权计算出大客户到达供应商企业总部的平均陆路出行时间Time2，再分别加1后取自然对数，得到T1与T2，替代模型（1）中原有自变量Dis1和Dis2进行回归分析，并且在分组回归后分别检验了T1与T2的回归系数差异。检验结果与原回归相比并无明显变化，说明原回归结论稳健（出于篇幅考虑，敏感性检验结果未予以列示，下同）。

2.替换会计稳健性衡量方法

参考Chen等和李争光等的研究方法［3.30］，本文使用应计现金流模型衡量企业的会计稳健性，并对原假设进行检验。模型如（10）式所示。

其中，ACC本期应计利润除以期初总资产，CFO为本期经营活动现金流除以期初总资产，DCFO为虚拟变量，当CFO小于0时，DCFO取1，否则取0。DCFO×CFO表达企业确认好消息与坏消息时的非对称性。BCG代表大客户地理邻近性，分别由Dis1和Dis2表示，其余变量同前文模型中相同。假设大客户地理邻近性会提升企业的会计稳健性，那么当大客户与供应商企业间的地理距离越远，即Dis1与Dis2数值越大时，会计稳健性水平越低，对坏消息的确认速度越快，此时BCG×DCFO×CFO的系数β7应当显著为负。使用上述模型替换模型（9）进行检验后发现结果与原回归结论仍保持一致，说明原回归结论稳健。

3.控制公司治理因素的影响

考虑到公司治理因素可能对会计稳健性结果产生的影响，本文进一步控制董事长与CEO两职合一（Dual）、董事会规模（Bz）、第一大股东持股比例（Fm）、前五大股东持股比例赫芬达尔指数（Fr）、独董比例（Idd）、管理层持股比例（Ms）等公司治理要素。本文将上述变量纳入模型（9）并进行回归检验，随后按照市场竞争水平与大客户产权性质异质性分组后分别检验Dis1与Dis2的回归系数差异。上述检验结果与原回归结论一致，说明原回归结论稳健。

4.内生性检验

（1）遗漏变量

之前的研究可能存在某些未能观测到的要素对于大客户地理距离以及供应商企业会计稳健性同时产生影响，即可能存在内生性问题。参考Ghoul等及罗进辉等的方法，本文选取上市公司与大客户地理距离的年度行业均值（D_mean）作为工具变量［31-32］，进行两阶段最小二乘法（2SLS）回归检验。检验结果表明，工具变量D_mean能够较好地解释原模型的自变量Dis1与Dis2，使用“Cragg-Donald Wald F”统计量与“Kleibergen-Paap Wald rk F”统计量的检验结果均拒绝“工具变量为弱工具变量的假设”，说明所选取的工具变量D_mean有效。修正内生性问题后的回归结果与原回归结论保持一致，说明原回归结论稳健。

（2）样本选择性偏差

此外，由于本文研究对象均为“大客户”（销售收入占比超过10%），可能存在样本自选择问题。为缓解上述问题，本文构建Heckman两阶段模型进行检验。

第一阶段模型如模型（11）所示：

其中，Bigcusti，t代表公司i第t年是否存在销售收入占比大于等于10%的“大客户”，如果存在则为1，否则为0；BCN_Indi，t-1代表公司i第t-1年所处行业平均大客户数目，HHIi，t-1代表公司i第t-1年所处行业的竞争情况，使用该行业内销售收入的赫芬达尔指数衡量；RDi，t-1代表公司i第t-1年研发强度，使用公司研发支出与销售收入之比衡量。CCi，t-1代表公司i第t-1年的客户集中度情况，使用前五大客户销售收入占总销售收入比衡量。其余变量含义与模型（9）及稳健性检验中保持一致，且均做出滞后一期处理。此外，模型（11）还控制了年份与行业的影响。第一阶段模型面向2009年至2015年所有包含前五大客户信息的样本，回归结果表明，滞后一期的市场竞争水平（HHI）、客户集中度（CC）、资产负债率（Lev）、账面市值比（MB）以及企业产权性质（soe）均能较好解释企业当期是否存在大客户。

随后，根据第一阶段回归结果计算出逆米尔斯比（IMR），将逆米尔斯比纳入模型（9）中，进行第二阶段回归。回归结果如与原回归结果保持一致，且逆米尔斯比IMR系数不具备统计学意义上的显著性，表明在考虑到可能存在的样本自选择问题后，原回归结论仍保持稳健。

六、研究结论

结合地理经济学理论，本文构建大客户地理邻近性指标，并考察大客户地理邻近性与供应商企业会计稳健性之间的关系，进一步分析了企业市场竞争水平及大客户产权性质对大客户地理邻近性与供应商企业会计稳健性关系的影响。研究结果表明：（1）大客户地理邻近性能够强化其谈判优势，促使供应商企业提升会计稳健性；（2）当企业的市场竞争水平较低时，大客户地理邻近性与供应商企业会计稳健性的正相关关系更为明显；（3）当大客户为国有企业时，大客户地理邻近性与供应商企业会计稳健性的正相关关系更为明显。

本文的研究结论表明，作为重要的利益相关者，大客户能够利用自身谈判优势，促使供应商企业提供更为稳健的会计信息。本文为投资者判别企业会计信息质量提供经验支持，投资者在考察企业会计信息质量时，有必要重视企业所处供应链的具体特征，特别是企业与其大客户间的关系。此外，本文也为监管者进一步提升投资者保护水平提供思路参考，监管者在引导企业提升会计信息质量时，可以考察来自供应链中利益相关者，特别是来自大客户的影响，合理布局产业结构，规范市场信息环境。