供应链集中度与银行信贷

章铁生， 鞠艺璇

(安徽工业大学 商学院， 安徽 马鞍山 243032)

一、问题的提出

2020年中央经济工作会议指出，供应链安全稳定是构建新发展格局的基础。现有文献发现，供应商或客户集中度可以缓解股价崩盘风险[1]，促进企业金融投资[2]，提高企业创新绩效[3]。与现有文献不同，本文更关注供应链集中度如何影响企业银行信贷的获取。

我国作为新兴转型经济体，银行信贷仍然是企业主要的融资渠道。关于影响企业获取银行信贷因素的研究，目前文献主要从企业内部和外部两方面进行了探讨。从企业内部来看，劳动密集度较高[4]、盈余质量较高[5]，以及具有良好公司治理能力的企业[6]，更易于获得金额较高、期限较长、利率较低的银行借款。从企业外部来看，嵌入董事网络[7]、货币政策紧缩[8]、建立银行关联[9]等因素均会对银行信贷产生正向影响。除上述外部因素外，关于供应链关系对银行信贷的影响，已有研究分别从客户、供应商角度对二者之间的关系进行了讨论。对于客户关系影响银行信贷的讨论主要从客户集中度方面展开，从线性视角探究发现，客户集中度与银行信贷规模、期限呈现正相关关系[10]；从非线性视角探究发现，客户集中度与长期借款、融资成本呈现倒“U”型的非线性关系[11-12]。而对于供应商关系影响银行信贷的讨论较少，已有线性研究表明较高的供应商集中度增强了企业的银行借款能力[13]，非线性研究表明供应商集中度与银行信贷之间存在倒“U”型关系[14]。当前研究大都聚焦于从客户或供应商这种二元关系和线性角度来进行讨论，忽略了商业网络由复杂的三元关系交织而成的特性。企业与供应链上下游之间始终存在博弈，从三元关系和非线性的视角来研究供应链集中度对银行信贷的影响十分必要。

基于上述分析，本文以2007—2020年中国A股上市公司为样本，通过对供应链集中的整合效应与风险效应进行分析，研究供应链集中度对银行信贷的影响。研究发现，供应链集中度与银行信贷之间表现为倒“U”型关系。进一步通过中介效应检验探究经营风险与资产专用性的路径影响，发现经营风险、资产专用性在供应链集中度影响银行信贷中具有中介作用。异质性分析中，考察了议价能力、产权性质以及企业规模的影响，发现供应链集中度与银行信贷之间的倒“U”型关系在议价能力较弱企业、非国有企业以及中小型企业中更为显著。

本文可能的贡献有：第一，现有关于银行信贷的文献大多从供应链二元关系或线性角度进行讨论，本文从整合效应和风险效应的角度分析了供应链集中度与银行信贷之间倒“U”型关系的作用机理，从非线性视角拓展了供应链关系影响银行信贷的研究，加深了对供应链集中度经济后果的认识；第二，现有关于供应链关系影响银行信贷的中介效应和调节效应文献大多从盈余质量、货币政策以及地区金融发展水平等角度来讨论，本文立足于供应链集中度这一视角，分别探讨了经营风险与资产专用性的中介效应，以及议价能力、产权性质和企业规模的调节效应对供应链集中度与银行信贷之间非线性关系的影响，丰富了既有供应链关系影响银行信贷作用渠道和作用机制的研究。

二、理论分析与研究假设

(一)供应链集中度与银行信贷

供应链集中对企业而言既有整合效应也有风险效应。基于整合效应，供应链企业可以通过信息共享来实现技术合作，优化资源配置，促进企业创新，为企业带来收益。基于风险效应，供应链关系竞争激烈时，供应链链条中的企业希望分得更多利益，分割更多市场，侵占其他企业流动资金。同时，企业与供应商和客户始终处于博弈过程中，随着供应链集中度的变化，整合效应与风险效应呈现出此消彼长的趋势，二者主导地位的变化对企业获取银行信贷会产生一定的影响。

当供应链集中度相对较低时，随着供应链集中度的提高，对企业而言整合效应大于风险效应，企业获取的银行信贷将呈现逐渐上升的趋势。从企业视角来看，基于社会网络理论，供应链上下游企业间的频繁交易，加深了企业与供应商和客户的合作和信任，彼此形成了强联结，供应链企业之间信息沟通会更加密切，信息共享会更加频繁，有利于降低企业交易成本，合理安排产量和销量，从而提高其银行借款能力。从银行视角来看，基于信息不对称理论，供应链集中度可以从侧面反映出企业的经营状况和管理水平，向银行传递有关企业价值以及公司治理的信号。因此，银行可以在信息不对称的信贷市场中分析供应链集中度的变化，更好地选择贷款人[13]。

当供应链集中度相对较高时，随着供应链集中度的持续增加，对企业而言风险效应大于整合效应，企业获取的银行信贷将呈现逐渐下降的趋势。从企业视角来看，基于议价能力理论，企业与供应链上下游企业关系越紧密，供应商与客户的议价能力越强，导致企业在供应链交易中处于劣势地位。为了维护供应链合作关系，企业被迫面临巨额亏损的局面，这会给企业带来经营风险，不利于企业持续性经营，使得企业更难获得银行信贷。从银行视角来看，当供应链集中度较高时，供应商和客户会在有限的供应链资源中争夺利益，银行考虑到企业利益受损，授信时会更加谨慎，导致企业获得的银行信贷减少。

综上，当供应链集中度较低时，企业面临的整合效应大于风险效应，随着供应链集中度的提高，企业获取的银行信贷逐渐增加；当供应链集中度较高时，企业面临的风险效应大于整合效应，随着供应链集中度的提高，企业获取的银行信贷逐渐减少。由此，本文提出以下研究假设。

H1：供应链集中度与银行信贷呈倒“U”型关系。

(二)经营风险的中介效应

供应链集中度可以优化企业资源配置，同时也会影响企业的经营稳定性，并且这种影响会随着供应链集中度的提高引致经营风险，使企业陷入危机。当供应链集中度相对较低时， Williamson[15]认为，为了构建稳定的供应链关系，企业更倾向于与供应商和客户建立关系型交易的私密网络，以降低企业的经营风险。高利芳、李璐[16]认为，企业的经营风险会影响银行信贷的风险程度，并且经营风险降低有助于缓解企业的银行信贷融资约束。这是因为经营风险较低时，供应链整合效应占据主导地位，有助于企业降低期间费用、有效管理存货、提升经营业绩，更容易获取银行信贷。当供应链集中度相对较高时，供应商、客户可能随时终止与企业的交易，甚至转向与企业的主要竞争对手形成战略联盟，会严重影响企业的经营状况，加大企业的经营风险。基于利益相关者理论，如果供应商和客户过于关注自身利益，处于强势地位的供应商和客户必定会压迫处于弱势地位的企业来攫取利润，导致供应链关系日益紧张，引致企业经营风险的增加。Graham et al.[17]认为，经营风险较大的公司会获得数额较少、成本较高且条件较为苛刻的银行借款。这表明企业经营风险增加时，会向银行传递信用风险较大的信号，而银行为了减少信息不对称所带来的风险，会适当减少信贷投放规模，提高借款的资本成本。

综上，经营风险可能是供应链集中度影响银行信贷的一条作用渠道。供应链集中度可以通过影响企业的经营稳定性来影响经营风险，从而对企业获取银行信贷产生影响。由此，本文提出以下研究假设。

H2：经营风险在供应链集中度影响银行信贷中发挥了中介效应。

(三)资产专用性的中介效应

当供应链集中度较低时，企业为了建立长久稳定的供应链合作伙伴关系，会在一定程度上进行专用性资产的投资。企业在供应链交易中投入的专用性资产越多，说明企业越认可与供应商和客户的合作关系。企业在供应链关系中越稳定，供应链整合效应占据主导地位，企业越容易获取银行信贷。随着供应链集中度的提高，企业的套牢风险随之增加。由于专用性资产价值存在于特定的交易关系中，一旦交易关系破裂，之前建立的专用性资产便面临较高的变现折价损失。李粮[18]认为，专用性资产具有不可替代性，资产专用性高意味着专用性资产流动性较弱、难以估价，使得债务保障程度降低，而银行出于防范信贷风险考虑，会提高银行信贷利率，导致银行信贷的成本上升，弱化企业获取银行信贷的能力。

综上，资产专用性可能是供应链集中度影响银行信贷的一条作用渠道。供应链集中度可以通过影响企业的套牢风险来影响资产专用性，从而对企业获取银行信贷产生影响。由此，本文提出以下研究假设。

H3：资产专用性在供应链集中度影响银行信贷中发挥了中介效应。

三、研究设计

(一)样本选择与数据来源

样本来源于中国A股上市公司2007—2020年报表数据，并对数据进行了如下筛选：(1)剔除ST、*ST公司；(2)剔除金融、保险类公司；(3)剔除相关交易数据不全的公司。最终得到了17 051个样本。另外对连续变量进行了上下1%的Winsorize缩尾处理来消除极端值的影响。本文数据来自CSMAR数据库，统计软件采用Stata 15.0。

(二)变量定义

1.被解释变量

银行信贷(Tloan)。本文研究的银行信贷是指包含短期和长期的借款总和，并借鉴吴昊旻等[19]的做法，使用负债总额进行标准化，即用“(短期借款+长期借款)/期末负债总额”衡量。

2.解释变量

供应链集中度(Scii)。借鉴方红星等[20]的做法，采用企业向前五大供应商采购的比例与对前五大客户的销售的比例取均值度量。

3.中介变量

经营风险(Risk)。与财务性指标相比，股票收益率不受财务报表的影响，能够较好地衡量企业的经营风险。借鉴张瑞君等[21]的做法，采用年化月收益率标准差的自然对数的负值来衡量经营风险(Risk)。

资产专用性(Rd)。当企业有研发投入时，表明产品具有一定的专用性。借鉴李馨子等[2]的做法，采用当年企业研发投入与营业收入的比值来衡量企业与供应商和客户的资产专用性。

4.控制变量

本文在研究中控制了如下变量：企业规模(Size)、企业年龄(Age)、资产收益率(Roa)、资产负债率(Lev)、产权性质(State)、第一大股东持股比例(Top1)、总资产周转率(Turn)、销售现金比率(Cashr)、托宾Q值(Tq)、两职合一(Dual)、存货占比(Inva)、总资产增长率(Grow_ta)、营业收入增长率(Growth)。此外，本文还控制了行业(Ind)和年份(Year)固定效应。各变量具体定义如表1所示。

表1 变量定义

(三)模型设计

为了检验H1，建立如下模型。

Tloan=α0+α1Scii+α2Scii2+∑βControl+
∑Ind+∑Year+ε

(1)

为了检验H2、H3，在模型(1)的基础上借鉴温忠麟等[22]的中介效应检验程序。第一步，检验模型(1)的回归系数α1、α2，如果显著，则继续进行下面的第二步。第二步，依次检验模型(2)的回归系数γ1、γ2和模型(3)的回归系数η3，如果都显著，意味着供应链集中度(Scii)对银行信贷(Tloan)的影响，至少有一部分是通过中介变量实现的。第三步，检验模型(3)的回归系数η1、η2，如果显著，说明具有中介效应。至此，检验结束。具体模型如下。

RiskRd=γ0+γ1Scii+γ2Scii2+
∑δControl+∑Ind+∑Year+ε

(2)

Tloan=η0+η1Scii+η2Scii2+η3RiskRd+
∑ρControl+∑Ind+∑Year+ε

(3)

模型(1)～模型(3)中，Control表示控制变量，ε为残差项。

四、实证结果与分析

(一)描述性统计分析

表2是变量的描述性统计结果。具体来看，企业的银行信贷(Tloan)的均值为0.270，最大值为0.767，最小值为0，说明企业银行信贷规模之间存在较大差异。供应链集中度(Scii)的均值为0.319，最大值为0.760，最小值为0.063，说明不同企业的供应链集中度也存在较大差异。中介变量经营风险(Risk)的均值为2.207，标准差为0.427，表明样本企业整体存在经营风险的可能性较小，但是不同企业经营风险存在较大差异。资产专用性(Rd)的最小值为0.030，最大值为24.660，均值为4.570，说明由于不同企业所属行业不同，资产专用性存在较大差异。此外，其他变量的描述性统计结果与现有研究基本一致。

表2 变量的描述性统计结果

(二)基准回归结果分析

基准回归结果如表3所示。列(1)显示，供应链集中度(Scii)的系数为正，且在1%的水平下显著。列(2)加入了供应链集中度平方项(Scii2)，结果显示，供应链集中度(Scii)的系数显著为正，供应链集中度平方项(Scii2)的系数显著为负，说明供应链集中度与银行信贷之间存在显著的倒“U”型关系，H1得到了验证。

表3 供应链集中度影响银行信贷的基准回归结果

(三)中介效应检验

1.经营风险的中介效应检验

表4中的列(1)和列(2)为经营风险影响供应链集中度与银行信贷关系的中介效应检验结果。列(1)中，供应链集中度(Scii)的系数在1%的水平下显著为负，供应链集中度平方项(Scii2)的系数在10%的水平下显著为正，说明当供应链集中度提高时，经营风险呈现出先减少后增加的趋势。列(2)中，经营风险(Risk)的系数为-0.010，在5%的水平下显著，即企业面临的经营风险越高，获取的银行信贷越少。同时，供应链集中度(Scii)的系数在1%的水平下显著为正，供应链集中度平方项(Scii2)的系数在1%的水平下显著为负。以上检验结果证实，经营风险(Risk)在供应链集中度(Scii)影响银行信贷(Tloan)中发挥中介作用，故本文的H2成立。

表4 经营风险和资产专用性的中介效应检验结果

2.资产专用性的中介效应检验

表4中的列(3)和列(4)为资产专用性影响供应链集中度与银行信贷关系的中介机制检验结果。列(3)显示，供应链集中度(Scii)的系数为-4.407，在1%的水平下显著，供应链集中度平方项(Scii2)的系数为3.260，在1%的水平下显著，说明当供应链集中度提高时，资产专用性呈现出先减少后增加的趋势。列(4)显示，资产专用性(Rd)的系数为-0.003，在1%的水平下显著，即企业具有的资产专用性越高，获取的银行信贷越少。同时，供应链集中度(Scii)的系数在1%的水平下显著为正，供应链集中度平方项(Scii2)的系数在1%的水平下显著为负，表明资产专用性(Rd)在供应链集中度(Scii)影响银行信贷(Tloan)中发挥了中介作用，故本文的H3成立。

(四)稳健性检验

1.剔除异常年份数据

考虑2008年爆发的全球金融危机以及2020年突如其来的新冠肺炎疫情可能会对中国经济造成影响，从而影响实证结果。为了保证实证结果的稳健性，本文剔除2008年和2020年的样本数据重新进行回归，结果如表5所示。结果显示，本文的实证结果是稳健的。

表5 剔除异常年份数据的稳健性检验结果

2.改变变量衡量方式

考虑到供应链集中度的衡量方式可能会对结果产生影响，一方面，借鉴王雄元等[23]的做法，采用企业“第一大客户销售额占比”衡量客户关系，“第一大供应商采购占比”衡量供应商关系，计算二者的均值作为供应链集中度的替代变量(Scii1)；另一方面，借鉴方红星等[20]的做法，采用孰低法度量供应链集中度，即将供应商集中度、客户集中度的较低者作为供应链集中度的另一替代变量(Scii2)。此外，考虑到银行信贷的衡量方式也可能会对结果产生影响，借鉴张樱[24]的做法，使用“(短期借款+长期借款+一年内到期的非流动负债)/总负债”作为银行信贷的替代变量(Tloan1)。相关回归结果见表6。

表6的列(1)和列(4)显示，Scii1的系数均在1%的水平下显著为正，二次项Scii12的系数均在1%的水平下显著为负，表明供应链集中度与银行信贷呈现出倒“U”型关系。表6的列(2)和列(5)显示，Scii2的系数均在1%的水平下显著为正，二次项Scii22的系数均在1%的水平下显著为负，即供应链集中度与银行信贷呈现出倒“U”型关系。以上检验结果说明，本文的实证结果是稳健的。

表6的列(3)～列(5)显示，重新衡量银行信贷变量后，Scii、Scii1和Scii2的系数均在1%的水平下显著为正，二次项Scii2、Scii12和Scii22的系数均在1%的水平下显著为负，即供应链集中度与银行信贷呈现出倒“U”型关系，说明随着供应链关系型交易的加深，企业获取的银行信贷增多，但在到达拐点后，企业获取的银行信贷逐渐减少。以上检验结果说明，本文的研究结论是稳健的。

表6 改变变量衡量方式的稳健性检验结果

3.删除供应链集中度二次项的机制检验

为了验证经营风险和资产专用性是否在供应链集中度影响银行信贷中发挥中介作用，本文删除供应链集中度的二次项(Scii2)，仅保留了供应链集中度(Scii)的一次项，并对其进行回归，结果如表7所示。列(1)中，Scii在1%的水平下显著为负，说明供应链集中度越高，企业的经营风险越低；列(2)中，Risk在5%的水平下显著为负，说明面临经营风险越高的企业，获取的银行信贷越少，同时，Scii在1%的水平下显著为正，结果证实经营风险在供应链集中度与银行信贷之间发挥了中介作用；列(3)中，Scii在1%的水平下显著为负，说明供应链集中度越高，企业的资产专用性越低；列(4)中，Rd在1%的水平下显著为负，说明资产专用性越高的企业，获取的银行信贷越少，同时，Scii在1%的水平下显著为正，结果证实资产专用性在供应链集中度与银行信贷之间发挥了中介作用，实证结果是稳健的。

表7 保留供应链集中度一次项的中介效应检验结果

4.内生性处理

考虑到供应链关系对银行信贷的影响可能存在滞后效应，为了解决内生性问题带来的潜在影响，本文对客户关系和供应商关系进行了滞后一期处理，并重新计算供应链集中度后进行回归，结果如表8的列(1)和列(2)所示。结果显示，Tloan和Tloan1的一次项系数显著为正，二次项系数显著为负，验证了供应链集中度与银行信贷的倒“U”型关系，实证结果是稳健的。

表8 内生性处理的检验结果

考虑到遗漏变量会对供应链集中度与银行信贷之间的关系产生影响，本文采用普通面板数据模型进行检验，结果如表8的列(3)和列(4)所示。结果显示，Tloan和Tloan1的一次项系数显著为正，二次项系数显著为负，与主检验结果一致，即随着供应链集中度的提高，企业获取的银行信贷呈现出先增后减的趋势，实证结果依然稳健。

5.U检验

本文通过理论分析和实证检验发现，供应链集中度与银行信贷之间存在显著的倒“U”型关系。为了进一步验证倒“U”型关系的可信度，本文借鉴Lind & Mehlum[25]的做法进行U检验。经检验，p>|T|=0.031。检验结果进一步表明供应链集中度与银行信贷之间的倒“U”型关系是可信的。

五、进一步研究

(一)供应链集中度对银行信贷期限结构的影响

上文研究发现，当供应链集中度处于较低水平时，供应链整合效应占主导，随着供应链集中度的提高，银行向企业提供信贷越来越多。在供应链集中度超过一定水平后，供应链风险效应占主导，随着供应链集中度的提高，银行向企业提供信贷越来越少。现阶段，我国仍处在新兴转型阶段，金融体系尚不完善，法律制度建设还不健全，对债权人法律保护较弱，长期信贷成为企业在债务融资过程中的稀缺资源[11]。相比长期信贷，短期信贷具备精准预测企业经营情况、评估债务违约风险、易于收回且风险较小等特点。同等条件下，银行更愿意提供灵活性相对较大的短期信贷。因此，供应链集中度对不同期限银行信贷的影响也值得进行讨论。

本文借鉴杜春明[26]的做法，用“(短期借款+一年内到期的非流动负债)/(短期借款+一年内到期的非流动负债+长期借款)”来衡量银行信贷期限结构(Dm)，对模型(1)进行回归。表9为供应链集中度影响银行信贷期限结构的回归结果。根据回归结果，从列(1)来看，供应链集中度(Scii)的系数为-0.036，在5%的水平下显著；从列(2)来看，供应链集中度平方项(Scii2)的系数为-0.219，在1%的水平下显著。这些结果说明供应链集中度与银行信贷期限结构之间存在倒“U”型关系，其内在经济逻辑可能基于以下两个方面。一方面，当供应链集中度处在较低水平时，供应链整合效应占主导，随着供应链集中度的提高，银行出于利益最大化的考虑，向企业提供银行信贷越来越多。由于短期信贷更具有灵活性，可以根据企业的经营情况进行适时调整，因此银行更热衷于提供短期信贷，信贷期限结构越来越短期化。另一方面，在供应链集中度超过一定水平后，供应链风险效应占主导，为了规避信贷风险，银行向企业提供的信贷越来越少。由于长期信贷稳定性和持续性较强，而短期信贷调整灵活性更大，因此银行短期信贷下降更快，信贷期限结构越来越长期化。

表9 供应链集中度对银行信贷期限结构影响的回归结果

(二)异质性分析

1.议价能力的异质性

议价能力是企业在交易过程中与对方讨价还价的能力，是企业综合实力的体现，对企业在与供应商和客户的交易过程中是否占据主导地位存在影响。一方面，从企业自身经营状况而言，相较于较强的议价能力，企业具有较弱的议价能力意味着企业对供应商和客户的依赖性较强。随着时间的推移，企业与供应商和客户之间会形成一个私密网络[15]，企业能从供应商和客户身上获得有价值的信息来进行内部采购并提高存货管理效率，由此增强了企业自身的偿债能力。另一方面，从银行风险评估角度而言，随着供应链关系日趋稳定，考虑到长期合作关系和三方利益的一致性，供应商和客户会通过降低交易价格、及时付款、缩短占用资金期限等措施去“体恤”企业[23]，一定程度上缓解了银行的放贷风险，增强了银行向企业提供信贷的意愿。在供应链三元关系中，议价能力将会影响企业与供应商、客户之间的相互依赖的关系，从而影响供应链关系与银行信贷的倒“U”型关系。

借鉴王迪等[13]的做法，本文采用市场份额来衡量议价能力，具体表现为企业年度销售收入占当年同行业所有样本公司销售收入总额的比例。企业市场份额越高，企业的议价能力越强，反之则越弱。将企业市场份额高于行业中位数的样本划分为议价能力强组，低于行业中位数的划分为议价能力弱组。表10的列(1)和列(2)结果显示，在议价能力强的一组中，供应链集中度平方项(Scii2)与银行信贷(Tloan)之间的回归系数为-0.071，并不显著；而在议价能力弱的一组中，供应链集中度平方项(Scii2)与银行信贷(Tloan)的回归系数为-0.300，在1%的水平下显著。因此，议价能力对供应链集中度与银行信贷之间的倒“U”型关系有着负向调节作用，二者之间的倒“U”型关系在议价能力较弱组更为显著。

2.产权性质的异质性

企业产权会影响银行对企业盈利能力和风险能力的判断。一方面，与民营企业相比，国有企业更容易以较低的利率以及较长的还款期限取得银行信贷。这是因为国有银行的资源配置与政府密切相关，国有银行不可避免地会受到政府干预，政府更倾向于向国有企业配置信贷资源，由此导致民营企业更难从银行取得借款。另一方面，我国银行在授信过程中会看重企业的信誉，国有企业凭借其特殊的地位、良好的信誉、充足的资金，在一定程度上增强了其借款能力。结合前文的理论分析和实证检验结果可知，随着供应链集中度不断提高，企业获取的银行信贷处于高位，而后随着供应链集中度的继续提高，企业在风险承受和产权性质等方面受到限制，其获取的银行信贷在减少。而且，由于国有企业具有天然的信贷优势，在一定程度上可能会削弱供应链集中度与银行信贷之间的倒“U”型关系。

为此，本文将样本划分为国有企业和非国有企业两组，对模型(1)进行回归，结果如表10所示。表10中的列(3)和列(4)分别为国有企业与非国有企业的回归结果。根据回归结果，从列(3)来看，供应链集中度(Scii)、供应链集中度平方项(Scii2)的系数并不显著，说明供应链集中度与银行信贷之间的倒“U”型关系在国有企业中并不显著。从列(4)来看，供应链集中度(Scii)的系数为0.401，在1%的水平下显著，供应链集中度平方项(Scii2)的系数为-0.403，在1%的水平下显著，说明供应链集中度与银行信贷之间的倒“U”型关系在非国有企业中更为显著。因此，国有产权对供应链集中度与银行信贷之间的倒“U”型关系存在一定的减弱效应。

表10 异质性检验结果

3.企业规模的异质性

大型企业在市场地位、行业竞争度、声誉等方面具有得天独厚的优势，在供应链链条中成为脱颖而出的“佼佼者”。其凭借着能够吸引更多的投资机会、自身盈利能力和偿债能力、能够促进地方经济发展等优势而倍受银行青睐，银行更愿意向大型企业贷款。而中小型企业市场竞争力较低、享受的政府补贴较少、偿债能力有限，相较于大型企业，在获取银行信贷时会受到一定限制。银行为了更多地了解中小型企业，会从供应链集中度这一因素入手，评估中小型企业对供应商和客户还款情况、信誉程度，来降低其对中小型企业的信息成本[13]。结合本文理论分析，随着供应链集中度不断提高，企业获取的银行信贷处于高位；而后随着供应链集中度的继续提高，企业在风险承受和企业规模等方面受到限制，其获取的银行信贷在逐渐减少。一方面，银行向大型企业授予信贷时更多考虑偿债能力和市场地位等因素，对供应链集中度考虑的权重较小，在一定程度上削弱了供应链集中度与银行信贷之间的倒“U”型关系；另一方面，银行授予信贷时对于中小型企业的供应链集中度更为看重，因此供应链集中度与银行信贷之间的倒“U”型关系在中小型企业中更加显著。

为此，本文利用期末总资产的自然对数来衡量企业规模，并以行业和年度均值作为分组依据，对模型(1)进行回归，表10的列(5)和列(6)分别为大型企业与中小型企业的回归结果。从列(5)来看，供应链集中度平方项(Scii2)的系数并不显著，说明在供应链集中度与银行信贷之间的倒“U”型关系在大型企业中并不明显。从列(6)来看，供应链集中度(Scii)的系数为0.261，在1%的水平下显著，供应链集中度平方项(Scii2)的系数为-0.253，在1%的水平下显著，说明供应链集中度与银行信贷之间的倒“U”型关系在中小型企业中更为显著。因此，大型企业对二者的倒“U”型关系存在一定的减弱效应。

六、研究结论与启示

与已有银行信贷基于供应商和客户的视角展开研究不同，本文基于整合效应与风险效应视角，选择2007—2020年中国A股上市公司为样本，探讨了供应链集中度对银行信贷的影响。研究发现，供应链集中度与银行信贷之间呈倒“U”型关系，即随着供应链集中度的增强，企业获取的银行信贷呈现出先增加后减少的变化趋势。中介效应检验表明，经营风险和资产专用性在供应链集中度与银行信贷之间发挥了中介作用。异质性分析发现，相比议价能力强企业、国有企业以及大型企业，供应链集中度与银行信贷之间的倒“U”型关系在议价能力弱企业、非国有企业以及中小型企业中更显著。

基于上述研究结论，本文的启示有：第一，企业在权衡风险和收益的同时，要加强供应链集中度管理，从单方面激烈博弈的竞争关系转向构建互惠共赢的合作关系，维持适度的供应链集中度，促进企业的可持续发展，增强竞争优势，以帮助企业获取银行信贷；第二，企业要将经营风险和资产专用性维持在适度水平，以防止被“敲竹杠”；第三，议价能力、产权性质、企业规模对企业在上下游的把控能力、相对市场地位和在供应链体系中的话语权等方面均有一定的影响，银行在进行信贷决策过程中，应将企业议价能力、产权性质、企业规模纳入考虑范围内。