供应链客户稳定度与企业全要素生产率

张勇　侯路遥

摘 要：文章围绕党的二十大报告提出的“着力提升产业链供应链韧性和安全水平”“着力提高全要素生产率”相关精神，利用上市公司前五大客户数据考察了供应链客户稳定度能否对企业全要素生产率产生积极影响。研究结论如下：（1）较高的客户稳定度能够显著提升企业的全要素生产率水平。（2）机制分析表明，客户稳定度提升企业全要素生产率的三条作用路径分别是促进企业稳收降本和外部融资、提高存货管理效率和促进创新。（3）异质性检验结果显示，与国有企业、资本密集型和劳动密集型企业、行业竞争程度低的企业以及客户地理距离近的企业相比，在非国有企业、技术密集型企业、行业竞争程度高的企业以及客户地理距离远的企业中，客户稳定度对全要素生产率的提升作用更大。（4）经济后果检验表明，较高的客户稳定度可以通过改善企业全要素生产率继而进一步提升企业价值。文章不但拓展了既有企业全要素生产率影响因素、客户稳定度经济后果的相关理论研究，而且所取得的一系列结论对供应链管理理论、资源基础理论以及大客户管理理论等方面的研究视角和分析框架做出了必要的补充，同时也为如何在以国内大循环为主体的新发展格局背景下，通过增强供应链韧性和稳定性来促进经济高质量发展提供了有价值的理论依据和大样本的经验证据。

关键词：客户稳定度 全要素生产率 机制检验 异质性分析 经济后果检验

DOI：10.19592/j.cnki.scje.411460

JEL分类号：L22， L23， L25   中图分类号：F274

文献标识码：A   文章编号：1000 - 6249（2024）06 - 098 - 22

一、引 言

党的二十大报告明确指出，“着力提高全要素生产率”“推动经济实现质的有效提升和量的合理增长”。全要素生产率（Total Factor Productivity，TFP）是指总产出中不能由要素投入所解释的“剩余”（Baier et al.，2006），衡量的是技术进步、管理水平提升以及制度改善等非生产性投入对产出增长的贡献（王孝松等，2020）。学术界普遍认为，全要素生产率的提升能够促进经济增长方式由生产要素数量的增加转变为效率和效益的提高，即从“粗放型”增长转为“集约型”增长，从而实现经济的可持续、高质量增长。微观企业是宏观经济的基础，因此宏观经济产出效率的增加最终有赖于微观企业全要素生产率的提升。有鉴于此，理论界和实务界基于多个角度研究了影响企业全要素生产率的因素。在宏观层面，既有文献主要从金融发展（Rioja and Valev，2004）、产业政策（钱雪松等，2018）和市场化改革（樊纲等，2011）等视角考察了企业全要素生产率的影响因素；在微观层面，现有研究发现研发投入（毛德凤等，2013）、融资约束（任曙明、吕镯，2014）以及管理层特质（李唐，2016；Black，2019）等因素均会对企业全要素生产率产生影响。张沁琳、沈洪涛（2020）将微观层面研究范畴扩展至了供应链上下游视角，发现主要客户的政府属性对企业全要素生产率具有提升作用。但是，对于主要客户的其他重要特征能否影响企业全要素生产率这一问题，尚未有文献进行探讨。

党的二十大报告提出，要“着力提升产业链供应链韧性和安全水平”。增强韧性是保产业链供应链稳定的关键（卓贤，2020）。陶锋等（2023）认为，供需关系的维持是产业链供应链韧性的三个层次之一，当产业链供应链上下游企业之间建立更加稳定持久、互利共赢、协同共生的伙伴关系时，企业所在的产业链供应链就更具韧性。从这个角度来说，上述党的二十大报告所强调的“着力提升产业链供应链韧性和安全水平”，其本质目的是为了维护产业链供应链的稳定；而维持供需关系稳定有助于增强产业链供应链韧性。作为反映微观企业供应链韧性和安全水平的重要指标，客户稳定程度是指企业的主要大客户在以前年度（比如上年、前年）重复出现的次数或比例（王雄元、彭旋，2016）。可以看出，客户稳定度不但可以体现企业经营环境的状态稳定与否，而且可以表征企业与客户之间的业务合作关系质量、紧密程度以及客户结构的动态变化情况等。理论上，客户稳定度的高低必然会影响企业全要素生产率。首先，稳定客户的存在能够增强企业收入的稳定性，降低其建立客户关系的支出，促进其外部融资（Gosman et al.，2004；Cen et al.，2016；邱保印、程博，2022a），进而给企业带来充裕、稳定的资金。其次，与客户维持稳定的合作关系可以提升双方信息共享程度（王雄元、彭旋，2016），使企业及时准确地掌握客户需求，快速调整生产决策，从而提高存货等资源的配置效率。最后，客户越稳定，双方依存程度越高，越有利于供应链中特有知识信息的传递、扩散，进而提高企业创新能力（李云鹤等，2022）。既有研究认为上述资金、存货管理效率以及创新水平是影响企业全要素生产率的重要因素（Baumann and Kritikos，2016；邓宏等，2024；张龙鹏等，2023），故较高的客户稳定度理应能够提升企业全要素生产率。遗憾的是，现有文献尚未提供经验证据。因此，本文试图解决以下问题：第一，较高的客户稳定度是否会提升企业的全要素生产率水平？第二，客户稳定度影响企业全要素生产率的作用机制是什么？第三，上述影响在不同的企业产权性质、所处行业性质、行业竞争程度以及客户地理距离下是否具有异质性？第四，客户稳定度改善企业全要素生产率的作用是否有助于企业价值的提升？

本文可能的边际贡献在于：（1）拓展了既有供应链客户视角下企业全要素生产率影响因素的研究。根据前文总结的研究现状来看，目前鲜有文献关注客户的不同特征对供应商企业全要素生产率的影响。虽然张沁琳、沈洪涛（2020）考察了客户的政府属性对企业全要素生产率的提升作用，但与上述文献不同，本文基于客户稳定度这一反映“企业—客户”关系结构动态变化情况的纵向客户特征展开研究，实质性拓展了企业全要素生产率这一经济增长理论重要概念的影响因素研究视角。（2）丰富了客户稳定度的经济后果研究，对供应链管理理论（supply chain management theory）做出了必要的补充。现有少量文献仅从分析师盈余预测准确性、股价波动性、供应商授信额度、会计信息质量以及协同创新（王雄元、彭旋，2016；彭旋、张昊，2022；邱保印、程博，2022a；邱保印、程博，2022b；黄宏斌等，2023）等视角考察了客户稳定度的经济后果。本文则基于企业全要素生产率视角，研究客户稳定度是否会影响企业的高质量发展，从而对客户稳定度这一重要客户特征的经济后果进行了有益的补充，同时也为如何在以国内大循环为主体的新发展格局背景下，通过加强供应链管理、增强供应链韧性和稳定性来促进经济高质量发展提供了有价值的理论依据。（3）延伸了资源基础理论（resource-based view）的研究边界。本文从企业全要素生产率提升的视角证实了稳定的“企业—客户”关系是企业重要、稀缺的无形资源，这拓展了资源基础理论的应用范畴。更为重要的是，本文通过机制检验打开了客户稳定度影响企业全要素生产率的“机制黑箱”，并探讨了在不同的企业产权性质、所处行业性质、行业竞争程度以及客户地理距离下，客户稳定度对企业全要素生产率的促进效应是否具有差异性，以及该效应能否提升企业价值，这有助于深刻认识稳定的“企业—客户”关系资源如何影响企业生产经营行为、价值增值及其发挥效果作用的情境因素，因而深化了资源基础理论的相关研究。（4）拓宽了既有国内外大客户管理（key account management）的研究视角和理论分析框架。考察大客户对企业销量、市场份额的经济重要性是大客户管理的主要内容之一。然而，目前大客户管理研究大多基于关系营销理论，且基本上限于案例分析方法下的定性研究。本文则基于经济学理论，采用实证研究方法，定量分析稳定大客户对企业全要素生产率的促进效应，从而将大客户管理的理论分析视角由营销领域拓展到经济学领域。

二、理论分析与研究假设

客户稳定度是基于纵向的时间维度衡量企业与其前五大主要客户之间的交易关系是否持续的指标。在这种长期和频繁的交易过程中，企业与其主要大客户之间的经济联系愈加紧密，合作关系更趋良性（王雄元、彭旋，2016）。因而，相对于一般的客户而言，具有稳定特征的客户必然会对企业的生产经营管理决策产生更为重要的积极作用，从而影响企业的生产效率。既有文献认为，规模经济、资源配置效率以及技术进步是影响企业全要素生产率的重要因素（Kumbhakar and Lovell，2000；李胜文、李大胜，2008；姚战琪，2009；逄锦聚等，2019）。比如，根据Kumbhakar and Lovell（2000）关于更具有经济理论基础和测度精确性的随机前沿生产函数法（SFA）的研究，影响全要素生产率的因素为技术进步、技术效率变化、规模经济效率变化和资源配置效率变化。李胜文、李大胜（2008），姚战琪（2009）也通过利用上述SFA法下的全要素生产率影响因素对中国工业的全要素生产率波动进行了分析。诸多经验研究也选择规模经济、资源配置效率以及技术进步作为影响全要素生产率的重要因素，并将其纳入机制检验模型（于连超等，2022；蒋瑛等，2022）。上述规模经济的实现有赖于各种持续不断的实物资本投资，这需要企业拥有充裕、稳定的资金来源，而资金稳定与充裕情况受内源融资、外源融资的影响。内源融资可以来自企业稳定的销售收入，也可通过降本实现资金的节约（王国刚、罗煜，2022）。除了内源融资之外，企业还可以通过商业信用融资、银行信贷等外部融资方式来获得生产经营所需资金。作为反映企业资源配置效率的重要指标，存货管理效率的改善被证实能够促进企业全要素生产率水平的提升（罗奇、赵永亮，2022；张益豪、郭晓辉，2023；黄晓凤等，2023）；作为技术进步的代理变量，创新是提升企业全要素生产率的重要驱动力（Baumann and Kritikos，2016；杨骞、刘华军，2014）。因此，本文通过分析客户稳定度能否影响企业稳收降本和外部融资、存货管理效率以及创新来论证其对全要素生产率的促进效应。具体地，本文将较高的客户稳定度对企业全要素生产率的影响机理总结如下：

第一，较高的客户稳定度能够促进企业稳收降本和外部融资，进而提升全要素生产率。充裕、稳定的资金来源是企业开展各类生产经营活动的基础，也是提升其全要素生产率的关键。对此，客户稳定度将会产生重要的作用，具体表现在：（1）较高的客户稳定度能够增强企业收入的稳定性，即实现“稳收”。当企业与主要客户建立了持续、稳定的采销关系后，这种稳固的合作关系能够在较长的时间内为其带来稳定的业务收入（邱保印、程博，2022b），同时还能够有效促进供应链协同发展，从而进一步提升企业业绩收益（彭旋、王雄元，2018）。（2）较高的客户稳定度能够降低企业成本，即实现“降本”。原因在于，当主要客户不稳定时，为了保持市场竞争优势，企业必须在寻求、建立和维系客户关系上投入大量成本，比如反映企业广告宣传、市场拓展以及营销差旅投入的销售费用（李姝等，2022），与建立和维系客户关系直接相关的业务招待费用（黄玖立、李坤望，2013）等。但是当企业的主要客户均为稳定客户时，由于相互之间业务往来频率、沟通深度以及默契程度的增加，企业当期与客户相关的上述成本将会得以大幅度降低。从这个角度来说，较高的客户稳定度能够促进企业“降本”。上述“稳收、降本”实质上就是企业“开源、节流”，内源融资可以来自企业销售收入，也可以通过降本实现资金的节约（王国刚、罗煜，2022）。（3）较高的客户稳定度有助于企业进行外部融资。稳定客户的存在向外界传递了企业经营环境稳定、产品质量和商业信誉可靠的信号，这有助于提升其他利益相关者的预期，比如供应商会提高其授信额度（邱保印、程博，2022a）、银行会提供更宽松的贷款契约（Cen et al.，2016）等，从而使企业能够获得更多的商业信用或银行信用贷款等外部融资。由此可见，客户稳定度越高，企业资金越充裕、稳定，这将促进企业持续地扩大再生产实现规模经济，从而不断地降低单位成本、提高经济产出。同时，充裕、稳定的资金来源不但有助于企业持续增加员工培训、员工薪酬待遇等人力资本投入，进而提高其工作技能和积极性（郑宝红、张兆国，2018），而且会促使企业不断加大研发投入，实现技术积累和进步，最终有利于企业全要素生产率的提升。

第二，较高的客户稳定度能够提高存货管理效率，进而提升全要素生产率。为应对需求不确定性带来的缺货损失风险，企业往往会储存高于真实需求水平的存货（郑倩雯、朱磊，2021）。但是存货过多必然会导致资金占用、库房租赁及库存管理费用等存货持有成本的大量增加（李涵、唐丽淼，2015），这会导致企业运行效率低下，从而降低其全要素生产率，而稳定客户的存在可以通过改进企业存货管理效率对此做出有效改善。具体来说：（1）基于企业角度的分析。一方面，企业会与其稳定客户签订明确、正式的长期合同或是形成非正式的交易惯例等（赵志泉，2004），这使得企业能够有序地安排生产计划而不必持有过多的存货。另一方面，在与稳定客户长期、频繁的往来交易中，企业积累了大量的历史交易数据（包括产品的订货数量、订货频率等），这使企业能够通过数据分析并结合市场动态对客户的短期需求做出粗略预测，并据此及时调整生产决策，从而减少冗余存货。相反，客户不稳定意味着企业无法准确安排生产计划，已生产的产品也可能因不符合新客户的需求而造成存货积压（白俊等，2022）。（2）基于供应链角度的分析。既有文献认为，供应链企业间订单信息、生产计划、库存水平等关键信息的共享可以有效缓解需求不确定性（Ak and Patatoukas，2016）。然而，出于部分信息涉及商业机密、机会主义行为和道德风险的存在（陈长彬、杨忠，2008）等考虑，供应链上下游企业不愿共享上述信息。稳定的“企业—客户”关系在增进双方经济利益联结紧密程度的同时，还能够加深双方的信任程度，这会促进双方信息共享程度的提高（王雄元、彭旋，2016），使得企业能够根据客户需求信息及时进行原材料、半成品等生产资源的调配决策，从而有利于企业存货周转率的提高和存货水平的降低（郭岚、张祥建，2008）。由此可见，较高的客户稳定度能够提高企业存货管理效率，使得企业能够在保持生产连续性的前提下极小化库存成本，促进单位投入产出的增加，进而提升其全要素生产率水平。

第三，较高的客户稳定度能够促进企业创新，进而提升其全要素生产率。理论和实务界普遍认为，创新是企业全要素生产率提升的重要驱动力（Baumann and Kritikos，2016；张龙鹏等，2023），客户稳定度对此将产生积极作用。具体而言：（1）较高的客户稳定度能够提升企业创新的意愿，即增加创新投入。随着市场竞争环境的变化，企业的商业模式逐渐从“产品导向”向“客户导向”转变（肖挺，2019），这使得企业往往根据客户特定需求进行大规模的研发投入（Milgrom and Roberts，1992）。如果“企业—客户”关系频繁变动，那么企业针对原有客户需求所开展的创新活动很可能因难以适用于新客户而面临中断的风险，这会导致企业遭受巨额经济损失（任曙明、吕镯，2014）。因此，只有当客户关系稳定时，企业才愿意进行大规模的研发投入。不仅如此，研发投入也代表着企业愿意与稳定客户达成长久战略合作关系的可置信承诺，是企业为支持、锁定这种独特商业交易模式而进行的关系专用性投资（Williamson，1985），这会使稳定客户愿意为企业提供信息、知识以及技术等创新资源（黄宏斌等，2023），从而进一步增强企业进行创新投入的信心（Chang et al.，2012）。（2）较高的客户稳定度能够提升企业创新的能力，即增加企业创新产出。首先，供应商企业能够与下游的稳定客户进行经常性、及时性和准确性的沟通，这有助于企业从客户处获取更多新想法、产品使用情况反馈以及终端市场需求等信息，从而帮助企业加快产品研发设计速度，有效缩短产品研发周期，进而提高新产品上市速度（孔婷等，2013）。其次，企业与稳定客户之间关系嵌入的紧密性有助于企业获取客户更核心、更隐性的创新知识与经验（李志远等，2013），从而促进企业创新能力的形成，加快企业创新产出。比如，供应商能够通过学习和模仿客户数字化转型的实践经验与知识提高自身的创新能力（李云鹤等，2022）。同时，客户可能拥有从其他供应商那里获得的技术信息（孙浦阳、刘伊黎，2020），这使得企业能够通过与其经济利益紧密联结的稳定客户的贸易网络渠道获取同行业的技术溢出。最后，稳定的“企业—客户”关系还能够促进彼此间创新资源和要素的充分共享，实现协同创新，进而缩短企业研发时间、获得更多协同创新产出等（黄宏斌等，2023）。因此，较高的客户稳定度能够通过促进企业创新提升其全要素生产率水平。在上述三个方面的分析基础上，本文提出如下假设：

H1：在其他条件相同的情况下，较高的客户稳定度能够显著提升企业全要素生产率水平。

根据前文第一点至第三点理论分析内容，较高的客户稳定度能够从“促进企业稳收降本和外部融资”“提高存货管理效率”以及“促进企业创新”三个方面发挥积极作用，进而提升企业全要素生产率水平。基于上述三条影响机制分析，本文提出如下待检验的机制假设：

H2：较高的客户稳定度通过促进企业稳收降本和外部融资来提升其全要素生产率水平。

H3：较高的客户稳定度通过提高企业存货管理效率来提升其全要素生产率水平。

H4：较高的客户稳定度通过促进企业创新来提升其全要素生产率水平。

三、研究设计

（一）变量定义

1.客户稳定度的度量

与王雄元、彭旋（2016），张广冬、邵艳（2022）等做法一致，本文分别以等权重法计算的客户稳定度Cus_avstab、不等权重加权计算的客户稳定度Cus_westab来度量“企业—客户”关系的稳定程度。指标构建步骤如下：（1）计算变量IsInLast，表示前五大客户是否在上年出现。如果本年度某个客户在上年的前五大客户名单中出现过，则将IsInLast赋值为1，否则为0。（2）将IsInLast累加到“年度—企业”层面，得到变量IsInLast_sum。显然，IsInLast_sum的最大值为5（表示本年五大客户均为上年合作客户），最小值为0（意味着本年五大客户均为新增客户）。（3）将IsInLast_sum除以5，得到等权重法计算的客户稳定度Cus_avstab，即将每一个客户均视为1/5的同比例进行计算。考虑到前五大客户对供应商企业的经济重要性存在一定差异，本文将上述IsInLast乘以该客户的销售额占比（该客户销售额/前五大客户销售总额）得到变量IsInLast_salerat。将IsInLast_salerat累加到“年度—企业”层面便得到不等权重加权计算的客户稳定度Cus_westab。显然，Cus_avstab、Cus_westab分别代表着稳定客户的数量和稳定客户的销售额（张广冬、邵艳，2022），二者的数值越大，意味着“企业—客户”关系的稳定程度越高。

2.企业全要素生产率的度量

参考鲁晓东、连玉君（2012）的研究，本文采取Levinsohn and Petrin（2003）提出的方法（简称LP法）并通过构建模型（1）对企业全要素生产率Tfp_lp进行估计。与Olley-Pakes法（简称OP法）相比，该方法的优点在于：通过使用中间品投入指标作为代理变量，有效地解决了OP法下选取投资作为代理变量导致样本大量损失的问题（因为要求企业每期均有非零投资），同时也解决了生产率估计过程中的联立性问题（鲁晓东、连玉君，2012）。此外，LP法估计企业全要素生产率过程中使用的中间品投入数据，因与企业生产有着更为紧密的联系而具有常用、可信度更强的特点（邱斌等，2012）。

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

其中，lnY等于营业收入的自然对数；资本变量设为lnK（固定资产净额的自然对数）；自由变量设为lnL（员工人数的自然对数）；代理变量设为lnM（购买商品、接受劳务支付的现金的自然对数）；同时控制年度和公司效应。

（二）模型设定

本文构建模型（2）检验客户稳定度对企业全要素生产率的影响，预期Cus_avstab、Cus_westab的回归系数均显著为正。

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

其中，Control表示一系列可能影响企业全要素生产率的控制变量，具体如表1所示。同时，模型还控制了年度（Year）和行业（Ind）变量。

（三）样本选择与数据来源

本文以2009年至2020年剔除金融保险业后的沪深两市A股上市公司为初始研究样本。选择2009年作为起始年度的原因在于自该年起，才有一定数量的上市公司发布了前五名客户的具体名称信息。因为客户稳定度指标的计算是将上下年度的客户名称相比对得来的，故用于检验的数据区间是2010年至2020年。上市公司前五名客户信息来自CNRDS数据库；判断公司产权性质的控制人类型数据取自CCER经济金融数据库；其他变量计算所需数据均来源于CSMAR数据库。为消除极端值影响，本文对连续变量进行了上下1%的缩尾处理。

四、实证结果与分析

（一）主要变量的描述性统计与相关性分析

如表2所示，等权重法计算的客户稳定度Cus_avstab的均值为0.459，说明平均而言，样本区间内企业前后两年前五大客户至少有2个相同，这与张广冬、邵艳（2022）的结果基本相符。同时，Cus_avstab的最小值、最大值分别为0、1，即部分企业前后两年的前五大客户完全不同，而部分企业前后两年的前五大客户则完全相同，这表明企业客户稳定度有较大差异。不等权重加权计算的客户稳定度Cus_westab的均值为0.536，这意味着平均来看，稳定客户的销售额占前五大客户销售总额的比例超过50%。企业全要素生产率Tfp_lp的均值、中值分别为14.904、14.836，表明基于LP法估算得到的全要素生产率数据无明显偏态。此外，Cus_avstab、Cus_westab与Tfp_lp之间的Pearson相关系数和Spearman相关系数均在1%水平上显著为正，表明客户稳定度越高，企业全要素生产率越高，这初步验证了假设H1。

（二）基准回归分析

表3是客户稳定度对企业全要素生产率的回归结果。如列（1）所示，等权重法计算的客户稳定度Cus_avstab对企业全要素生产率Tfp_lp的回归系数为0.0943，且在5%水平上显著。同时如列（4）所示，不等权重加权计算的客户稳定度Cus_westab对Tfp_lp的回归系数为0.1014，且在1%水平上显著。上述回归结果表明，较高的客户稳定度能够显著提升企业全要素生产率，即假设H1得证。

（三）稳健性检验

1.考虑反向因果导致的内生性问题。如前所述，客户稳定度的提高会显著提升企业全要素生产率。但企业较高的全要素生产率水平可能会反向吸引客户，此时客户会倾向于和企业保持长期业务合作关系，从而导致企业客户稳定度的提高。显然，这样会导致前述研究结论存在反向因果的内生性问题。为缓解上述内生性问题，本文使用工具变量法（IV）和两阶段最小二乘法（2SLS）加以处理。本文选择企业所在省份与客户所在省份之间的制度环境差异作为工具变量。理由是，不同企业深植于不同的社会经济文化等制度环境中，所处制度环境差异不大的企业往往拥有相近的价值观、交易习惯等，这有利于双方保持长期交易关系。现有经验研究也证实，各地区之间的制度环境差异是导致企业难以跨地区经营的制度性障碍（宋渊洋、黄礼伟，2014）。原因在于，地区之间制度环境差异的存在会增加交易双方的事前和事后成本，这会阻碍交易事项的顺利开展，而制度环境相似的地区之间更可能进行频度和深度都较高的交易活动（Nunn，2007）。从这个角度来说，如果企业和客户之间的制度环境差异越大，那么二者很难形成持续、稳定的采销关系，即制度环境差异会负向影响企业的客户稳定度。因此，企业客户稳定度的高低必定会受到企业与其客户所处省份之间的制度环境差异的影响，这满足了工具变量的相关性要求；而省域间的制度差异与单边个体企业的具体生产效率问题又难以关联，从而满足了工具变量的外生性要求。因此，企业与其客户所处省份之间的制度环境差异Insd是较为合适的工具变量。

与宋渊洋、黄礼伟（2014）的做法一致，本文使用中国分省份市场化指数度量我国各地区的制度环境水平，并采用如下公式（3）计算企业与各个大客户之间的制度环境差异。

公式中Ii是企业所处省份i市场化指数的分值；Ij是大客户所处省份j市场化指数的分值，二者之差代表企业与大客户所处省份的制度环境差异程度，本文对其取绝对值。因为是计算企业与前五大客户之间的制度环境差异，故j的取值是1至5。在计算出企业与每个大客户所处省份的制度环境差异之后，本文对其取均值进而得到“年度—企业”层面的供应商企业与五大客户之间的制度环境差异Insd，值越大意味着双方制度环境差异程度越高。

回归结果显示，第一阶段中，Insd对Cus_avstab、Cus_westab的回归系数显著为负，这说明选取的工具变量合理。第二阶段中，Cus_avstab、Cus_westab的预测值P_avstab、P_westab对全要素生产率Tfp_lp的回归系数至少在5%水平上显著为正。这表明在控制反向因果导致的内生性问题之后，前文研究结论保持不变。

2.采用Heckman两阶段回归缓解样本自选择导致的内生性问题。在第一阶段，本文通过构建Probit模型（4）估计客户稳定程度的概率，并计算出逆米尔斯比率IMR。

其中，Cus_avstab_dum、Cus_westab_dum是虚拟变量，赋值依据是客户稳定度Cus_avstab、Cus_westab分别与其年度行业中位数的相对大小，如果前者大于后者，则赋值为1，否则为0。借鉴张广冬、邵艳（2022）的研究，本文将影响客户稳定程度的变量纳入到模型中，包括：前述企业所在省份与客户所在省份之间的制度环境差异Insd、研发费用RD（研发费用/资产总计）、是否四大审计Big4（当年选择四大所审计为1，否则为0）、固定资产周转率FAT（营业收入/固定资产平均值），其余变量定义见表1。

在第二阶段，将第一阶段计算得出的IMR、IMR2纳入模型（2）中重新进行回归，Cus_avstab、Cus_westab的回归系数均依然显著为正，这说明在控制自选择偏误引发的内生性问题之后，本文的研究结论保持不变。

3.为了缓解模型形式设定偏误引起的内生性问题，本文采用倾向得分匹配方法（PSM）进行稳健性检验。具体做法如下：

首先，根据Cus_avstab、Cus_westab与其年度行业中位数的相对大小确定实验组和控制组，如果前者大于后者，则为实验组，否则为控制组。基于此，通过对模型（5）（6）进行Logit估计，得到每家公司进入实验组的概率，即倾向得分。其中，公司特征变量Xit借鉴张广冬、邵艳（2022）的研究，包括公司规模Size、现金持有水平Cash、固定资产周转率FAT（营业收入/固定资产平均值）、第一大股东持股比例Shr1、独立董事比例Indepen、董事会规模Board（董事会总人数）等。其余变量定义见表1。

其次，根据倾向匹配得分，采用1：1最近邻匹配方法为客户稳定度高的公司（实验组）匹配一家具有相同公司特征但客户稳定度低的公司（控制组）。

然后，对匹配质量进行检验。结果显示，上述匹配满足共同支撑假设和平衡性假设条件。

最后，基于匹配后的样本对模型（2）重新检验，结果表明，Cus_avstab、Cus_westab对Tfp_lp的回归系数依旧显著为正，这说明本文结论稳健。

4.改变全要素生产率的衡量方式。本文采用Wooldridge估计法重新度量企业全要素生产率，记为Tfp_wrdg，并代入模型（2）中进行回归。结果显示，Cus_avstab、Cus_westab对Tfp_wrdg的回归系数至少在5%水平上显著为正，说明本文结论依然稳健。

5.改变客户稳定度的衡量方式。具体为：（1）第一大客户的销售额占比在前五大客户中最高，考虑到其战略地位，本文将第一大客户在去年出现的次数按等权重和不等权重加权方法重新计算得到Top1Cus_avstab、Top1Cus_westab；（2）前五大客户在去年、前年出现的次数之和除以10后，按等权重和不等权重加权方法重新计算得到Cus_avstab2、Cus_westab2。回归结果显示，上述客户稳定度的回归系数均显著为正。这表明，本文的研究结论依旧稳健。

限于篇幅，上述稳健性检验结果不再列示。

（四）作用机制检验

本文从促进稳收降本和外部融资、提高存货管理效率和促进创新这三条可能作用路径来检验客户稳定度对企业全要素生产率的影响，即验证假设H2、H3以及H4是否能够获得经验证据的支持。具体而言：

首先，①本文使用收入稳定度来衡量客户稳定度产生的“稳收”效应。具体地，采用经过行业均值调整的营业收入计算其3年、5年滚动标准差，并取相反数，记为IncomStab、IncomStab2。显然，收入稳定度越高，“稳收”效应越强。

②根据前文分析，企业销售费用和业务招待费用均与客户稳定程度紧密相关。因此，本文使用销售费用率（SaleFee）与业务招待费用率（BusCost）来衡量客户稳定度产生的“降本”效应。具体地，SaleFee=销售费用/营业收入；BusCost=业务招待费/营业收入。销售费用率、业务招待费用率越低，“降本”效应越强。

③本文认为较高的客户稳定度所传递的信号首先会被与企业商业关系紧密的上游供应商和以银行为主的风险厌恶型债权人所捕捉，因此使用商业信用规模和银行信用借款比例来衡量客户稳定度产生的“外部融资”效应。其中，参考陆正飞、杨德明（2011）的研究，商业信用规模BusCredit=（应付账款+应付票据-预付账款）/资产总计。参考袁淳等（2010）的研究，银行信用贷款比例CreditLoan=（短期信用借款＋长期信用借款）／（短期信用借款＋短期担保借款＋长期信用借款＋长期担保借款）。商业信用规模越大、银行信用借款比例越高，“外部融资”效应越强。

其次，本文采用以下两种方法度量企业存货管理效率：（1）存货周转率Turnover=ln（营业成本/平均存货）；（2）考虑到客户稳定程度对存货管理效率的提高表现在改善企业生产决策上，本文采用表征企业生产决策变化的非产成品存货水平变量Inventory（李雨浓等，2020）来度量企业存货管理效率，即利用存货合计减去产成品、发出商品和委托代销商品后，取其对数得到Inventory。存货周转率越高、非产成品存货水平越低，存货管理效率越高。

最后，本文从创新投入和创新产出两个角度衡量企业创新：（1）参考田轩、孟清扬（2018）的研究，采用研发经费投入（RDfee）、研发人员投入（RDpsn）衡量企业创新投入。具体地，RDfee=ln（研发费用+1）；RDpsn=ln（研发人员数量+1）。（2）参考江轩宇（2016）的研究，使用专利申请数量衡量创新产出：PAT=ln（当年独立申请的发明专利数量+当年独立申请的实用新型专利数量+当年独立申请的外观设计专利数量+1）。创新投入和创新产出越多，企业创新程度越高。

根据前文分析，本文认为较高的客户稳定度能够通过促进企业稳收降本和外部融资、提高存货管理效率和促进创新来提升企业全要素生产率，即“稳收降本”“外部融资”“存货管理效率”“企业创新”是客户稳定度影响企业全要素生产率的机制变量。目前，机制检验的方法主要包括基于中介效应模型的逐步法、交互效应模型以及直接使用机制变量对解释变量进行回归这三种方式。考虑到中介效应模型无法同时缓解解释变量、机制变量和被解释变量之间存在的内生性导致的错误识别，江艇（2022）建议停止使用中介效应的逐步法检验。利用交互模型进行机制检验的前提条件之一是交互项中的机制变量不受解释变量的影响，原因在于江艇（2022）认为，好的调节变量是外生的，不受处理变量（即解释变量）或结果变量的影响。此外，该检验方法通常是对作用机制的间接检验或侧面验证（比如，影响机制很难直接观测和衡量，而需要通过交互项的研究设计从侧面验证传导机制的情形）。显然，交互模型并不适用于本文的影响机制检验，表现在：根据既有权威文献，上述机制变量（M）“稳收降本”“外部融资”“存货管理效率”“企业创新”能够准确恰当地度量，并且解释变量（D）客户稳定度能够对上述机制变量（M）产生直接影响。因此，与Dell（2010）的机制检验方法保持一致，本文选择直接使用机制变量对解释变量进行回归的方法来进行机制检验1，其依据是：江艇（2022）研究认为，在检验因果关系的作用渠道时，应提出若干个直接且显然影响被解释变量Y的机制变量Mi（二者因果关系在理论上较为直观、逻辑和时空关系上较为接近），且仅需考察解释变量D对Mi的影响，无需研究Mi到Y的因果关系。前文述及，机制变量“稳收降本”“外部融资”“存货管理效率”“企业创新”对企业全要素生产率的影响已被既有国内外文献所证实，前者是后者的诱因已得到理论与实务界的普遍认可。因此，本文根据江艇（2022）的机制检验方法建议，将基准模型（2）中的被解释变量替换为机制变量（M），其他变量设置与基准模型一致，以此检验客户稳定度（D）对机制变量（M）的影响，从而验证客户稳定度影响企业全要素生产率的作用路径是否成立。根据前文分析，机制变量（M）设置为：收入稳定度（M1）、销售费用率和业务招待费用率（M2）、商业信用规模（M3）和银行信用借款比例（M4）、存货周转率（M5）、非产成品存货水平（M6）以及创新投入和创新产出（M7）。这里的M1、M2代表“稳收降本”；M3、M4衡量“外部融资”；M5、M6度量“存货管理效率”；M7代表“企业创新”。

表4列示了稳定客户关系通过促进企业稳收降本和外部融资来提升其全要素生产率这一作用机制检验的结果。Panel A的（1）至（4）列显示，Cus_avstab、Cus_westab对收入稳定度IncomStab、IncomStab2的回归系数均在1%水平上显著为正。（5）至（8）列结果表明，Cus_avstab、Cus_westab对销售费用率SaleFee、业务招待费用率BusCost的回归系数至少在10%水平上显著为负。Panel B显示，Cus_avstab、Cus_westab对商业信用规模BusCredit、银行信用借款比例CreditLoan的回归系数至少在5%水平上显著为正。上述结果说明较高的客户稳定度能够促进企业稳收降本和外部融资，从而为企业开展各项活动提供充裕、稳定的资金，最终提升企业的全要素生产率。由此，前文提出的假设H2得以验证。

表5列示的是“客户稳定度→存货管理效率→全要素生产率提升”这一影响机制的检验结果。Cus_avstab、Cus_westab对存货周转率Turnover的回归系数均在1%水平上显著为正，而对非产成品存货水平Inventory的回归系数至少在5%水平上显著为负，这表明较高的客户稳定度能够显著提高企业存货管理效率，进而对其全要素生产率的提升产生促进作用。假设H3获得了经验证据的支持。

表6列示的是“客户稳定度→创新投入/创新产出→全要素生产率提升”这一影响机制的检验结果。Cus_avstab、Cus_westab对创新投入RDfee、RDpsn和创新产出PAT的回归系数至少在10%水平上显著为正，这表明较高的客户稳定度能够显著促进企业创新，从而提升其全要素生产率，假设H4得证。综上，本文有关客户稳定度促进企业全要素生产率提升的作用机制分析均成立。

五、进一步分析

（一）基于产权性质的异质性分析

在不同的产权性质下，客户稳定度对企业全要素生产率的促进作用可能有所差异。一方面，由于国有企业的实际控制人是各级政府，其天然拥有国家信誉支持，同时更容易享有各种政策倾斜和财政补贴等（孔东民等，2013），这会减少客户对企业商业信誉和持续供应能力等方面的担忧，从而有利于增进客户与企业进行业务往来的意愿，因此国有企业本身在客户关系方面的支出可能相对较少。同时，出于政府的“隐性担保”，国有企业在获取商业信用、银行信贷融资上也具有绝对优势（应千伟、蒋天骄，2012）。因此，客户稳定与否可能对国有企业的资金状况而言影响较小，从而难以对其全要素生产率产生作用。另一方面，即使国有企业因经营不善而面临亏损，出于“父爱”动机，政府也会出资救助，因此面临较小生存压力的国有企业主观上较为缺乏通过创新寻求超额利润的动力，这会进一步削弱客户稳定度对其全要素生产率的影响。相反，缺乏政府背书的非国有企业先天上更难以获得客户青睐，因而在寻找或维系客户关系方面的支出会较大，同时也相对难以获取供应商和银行的授信。此外，面临着优胜劣汰竞争环境的非国有企业普遍更具变革意识与创新动力。因此，较高的客户稳定度所带来的资金优势和创新资源条件更有助于其全要素生产率的提高。即与国有企业相比，在非国有企业中，较高的客户稳定度对其全要素生产率的提升作用会更大。

为验证上述分析，本文对国有企业和非国有企业进行了分组检验。表7列示了分组回归结果。如第（2）（4）列所示，在非国有企业组中，Cus_avstab、Cus_westab的回归系数至少在5%水平上显著为正；而如第（1）（3）列所示，在国有企业组中，Cus_avstab、Cus_westab的回归系数均不显著。该结果证实了上述分析。

（二）基于所处行业性质的异质性分析

与其他行业的企业相比，技术密集型行业的企业开展创新活动的动力和实力普遍更高（庞瑞芝等，2012），这可能更有利于客户稳定度发挥积极作用。一方面，在技术密集型行业中，由于竞争优势的获取依赖于更高的技术复杂程度和更快的技术迭代速度（Carlucci et al.，2004），行业企业有将大量资金投入到研发活动中的强烈意愿，而较高的客户稳定度为此提供了良好的资金基础（比如持续稳定、充裕的资金来源）。另一方面，上述创新活动也促进了企业创新人力资本储备以及相关知识经验的积累，有助于企业对稳定客户所传递的新信息、新知识以及新技术的有效消化吸收，从而能够更有力地推动企业的技术进步速度。因此，客户稳定度对技术密集型企业的全要素生产率会产生更大的边际促进作用。相反，在非技术密集型行业（即劳动密集型或资本密集型行业）中，其生产过程更多依赖于劳动力或资本要素的大量投入，开展创新活动的意愿较为不足，这使得行业企业技术基础较为薄弱，从而难以吸收利用稳定客户所带来的创新资源。在此情况下，客户稳定度对企业全要素生产率的提升作用较小。综上，与非技术密集型行业企业相比，在技术密集型行业企业中，较高的客户稳定度对其全要素生产率的提升作用会更显著。

为验证上述分析，本文参考鲁桐、党印（2014）的要素密集度行业分类做法，将样本企业分为技术密集型行业组和非技术密集型行业组。分组回归结果如表8所示，Cus_avstab、Cus_westab的回归系数在技术密集型行业组中显著为正（1%水平上），而在非技术密集型行业组中均不显著。该结果证实了上述分析。

（三）基于行业竞争程度的异质性分析

所处行业竞争程度的高低可能会影响客户稳定度对企业全要素生产率的促进效用。一方面，行业竞争程度的增加会使企业利润水平降低（Aghion and Griffith，2008）、现金流波动性和破产风险增加（Peress，2010），由此导致的财务风险不利于企业进行外部融资。同时，行业竞争程度的增加意味着与企业抢夺有限客户资源的竞争对手增多，这使得企业在客户关系的寻求、建立与维系上花费大量支出。因此，行业竞争程度高的企业普遍存在资金短缺和现金流波动性较大的情况，难以开展各种必要的持续性投资活动。在此情况下，稳定客户带来的大量稳定资金更有助于其全要素生产率的提升。另一方面，激烈竞争环境引发的“逃离竞争效应”会激励企业加大创新力度以提升利润率，最终逃离行业内其他企业的竞争（Aghion and Griffith，2008），此时较高的客户稳定度所带来的资金和创新条件会更有效地帮助企业提升生产效率。相反，当行业竞争程度较低时，企业拥有高额的垄断利润，由此带来的良好经营业绩有助于其进行外部融资。同时，行业中较少的企业数量使得企业在与客户的业务合作中处于优势地位，即便与现有客户合作关系破裂，也会有其他客户主动寻求合作，因而大大减少了与客户关系相关的支出。在此情况下，企业本身资金较为充裕，这使得客户稳定度可能难以发挥其作用。同时，这些企业因面临较小的生存压力，故主观上较为缺乏通过创新寻求超额利润的动力，较高的客户稳定度所带来的创新资源难以被合理利用，这也不利于客户稳定度作用的发挥。因此，与行业竞争程度低的企业相比，在行业竞争程度高的企业中，较高的客户稳定度对其全要素生产率的提升作用理应更大。

为验证上述分析，本文借鉴林乐等（2013）的研究，采用基于营业收入计算的年度行业赫芬达尔指数（HHI）作为行业竞争程度Competion的衡量指标，其值越大，行业竞争程度越小。本文按Competion年度中位数将样本分为行业竞争程度高低两组。分组回归结果见表9，Cus_avstab、Cus_westab在行业竞争程度高组的回归系数均在1%水平上显著为正，而在行业竞争程度低组中不显著。这证实了上述分析结论。

（四）基于客户地理距离的异质性分析

地理距离的远近与信息传递效率息息相关（Broekel and Boschma，2012），因此在企业与客户地理距离不同的情境下，客户稳定度对企业全要素生产率的提升效果可能有所差异。一方面，较远的地理距离会抑制企业间信息沟通频率（Chakrabarti and Mitchel，2016），使得企业难以及时准确地了解客户的需求、获取客户的反馈等，同时还会导致信息在传递过程中出现损耗与失真现象（崔也光等，2021），这会使企业面临更大的产品需求不确定性，从而不利于企业的生产安排，导致其存货管理效率较低。另一方面，较远的客户地理距离不但不利于企业以实地调查和访问方式了解客户多样化需求，而且不利于双方技术人员开展“面对面”的交流，从而阻碍了企业隐性知识的获取（程小可等，2020），这不利于企业创新效率的提升。在此情况下，较高的客户稳定度对企业存货管理和创新的积极效用能够有效地弥补较远客户地理距离的负面影响，从而对企业全要素生产率产生更大的边际促进作用。相反，客户地理距离的邻近性使得企业能够与客户保持经常性的沟通交流，从而及时准确地获取客户需求和反馈信息，进而减少产品需求不确定性、改善存货管理。同时，客户地理距离的邻近性还有助于企业通过实地调研客户创新需求以及双方技术人员现场交流创新知识经验等方式提高创新效率，这也会削弱客户稳定度促进企业创新的作用效率。因此，较高的客户稳定度对企业全要素生产率的促进作用在客户地理距离远的企业中会更大。

为验证上述分析，本文从省级层面衡量企业与客户之间的地理距离，并按行业年度中位数，将样本企业划分为客户地理距离远近两组。做法如下：①根据企业披露的前五大客户的公司名称判断其所属省份。即根据客户名称所含地理信息（XX地区XX公司）判断其所在省域，无法判断的通过手工网络检索客户名称的方式判断其所在省域。②经过上述处理，仍有部分企业的客户无法判断出所在省域，为保证度量口径的一致性，本文仅保留前五大客户全部判断出所在省域的样本。③利用大圆距离公式（7）计算各省省会城市间的地理距离d，得到企业与其每位客户所属省份之间的地理距离，然后采用企业与五大客户所属省份之间地理距离的平均值作为客户地理距离的衡量。

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

其中R为地球半径，为6371km；Lat1、Lat2分别为任意两城市的纬度值，Long1、Long2分别为任意两城市的经度值（经纬度值均已做弧度转换）。

分组回归结果如表10所示，Cus_avstab、Cus_westab的回归系数在客户地理距离远组中至少在5%水平上显著为正，而在客户地理距离近组中均不显著。这证实了上述分析结论。

六、经济后果检验：客户稳定度、全要素生产率与企业价值

较高的客户稳定度有助于企业全要素生产率的提升，那么客户稳定度改善企业全要素生产率的作用是否有助于企业价值的提升？为此，本文构建模型（8）以检验该问题。其中，企业价值采用托宾Q值来度量：TQ=市值A/（资产总计-无形资产净额-商誉净额）；TQ2=市值B/（资产总计-无形资产净额-商誉净额）。控制变量参考刘行、赵晓阳（2019）的研究进行设置，L.TQ、L.TQ2分别为TQ、TQ2的滞后一期，余下变量定义见表1。同时，模型控制了年度（Year）和行业（Ind）变量。

[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）

回归结果见表11。无论因变量为TQ，还是TQ2，交互项Tfp_lp×Cus_avstab、Tfp_lp×Cus_westab的回归系数均显著为正，这表明较高的客户稳定度能够通过提升企业的全要素生产率对其企业价值产生正向影响。

七、研究结论和启示

本文基于供应链上下游视角，检验了供应链客户稳定度的提高是否以及如何影响企业全要素生产率，得到如下结论：第一，较高的客户稳定度能够显著提升企业的全要素生产率。第二，机制检验结果显示，较高的客户稳定度能够从促进稳收降本和外部融资、提高存货管理效率和促进企业创新等三条路径发挥作用，从而提升企业的全要素生产率。第三，进一步分析证实，在非国有企业、技术密集型行业企业、行业竞争程度高以及客户地理距离远的企业中，客户稳定度对其全要素生产率的提升作用更大。第四，经济后果检验表明，客户稳定度对企业全要素生产率的提升有助于其实现价值提升。

本文研究为贯彻落实党的二十大报告所提出的“着力提升产业链供应链韧性和安全水平”“着力提高全要素生产率”“推动经济实现质的有效提升和量的合理增长”等战略部署要求提供了如下实践启示：（1）本文研究证实了供应链客户稳定度对企业全要素生产率的促进作用。这启示相关政府部门应积极采取措施（如完善配套的供应链基础设施、优化供应链公共服务政策等）鼓励企业与客户签订战略合作框架协议，加强长期、深度合作，进而为实现经济高质量发展奠定微观基础。（2）资本市场监管部门应持续关注上市公司与主要客户的销售关系是否稳定、持续，及时向大客户变化较为频繁的上市公司发放监管问询函，要求其说明主要客户频繁变动的原因及合理性，避免因较低的客户稳定度通过影响上市公司全要素生产率而阻碍其高质量发展，进而给投资者带来经济损失。（3）在目前全球供应链中断风险较大的背景下，企业管理者应积极做好大客户管理工作，通过对具有经济重要性的客户采取额外的活动、指派特定的人员甚至改变组织架构来给予大客户特殊待遇，并提供高质量的产品与服务，借以维持长久的业务合作关系，从而提高自身全要素生产率水平，最终实现企业价值的提升。（4）考虑到不同条件下客户稳定度对企业全要素生产率的异质性作用，本文认为政府部门应从以下方面精准施策。首先，因资金来源不足，非国有企业全要素生产率的提升更依赖于供应链客户的稳定。这提示政府部门、金融机构应面向非国有企业就金融供给和金融服务出台帮扶、倾斜政策，借以缓解非国有企业在生产效率改进中的资金短缺问题。其次，客户稳定度所带来的资金优势和创新资源条件更能促进技术密集型企业、行业竞争激烈企业全要素生产率的提升，为此政府部门应针对相关行业制定保链稳链帮扶政策，促进行业企业与客户业务合作质量的提升，确保企业经营环境的稳定。最后，较高的客户稳定度更加有助于增进远距离企业间的交流频度和深度，继而有助于企业运营成本的下降和生产效率的提升，这为我国企业跨区域经营提供了保障，因此各地政府部门应积极搭建跨部门、跨区域的供应链信息沟通平台，鼓励属地不同的企业建立长期化的战略合作机制，从而提高供应链稳定水平。

参考文献

白俊、杨茜雅、董颖颖，2022，“客户关系变动提高了审计费用吗？”，《审计与经济研究》，第3期，第30-39页。

陈长彬、杨忠，2008，“供应链合作中的信息共享及激励”，《情报杂志》，第9期，第129-132+145页。

程小可、宛晴、高升好，2020，“大客户地理邻近性与企业技术创新”，《管理科学》，第6期，第70-84页。

崔也光、王肇、齐英，2021，“供应商地理距离对企业投入产出效率的影响研究——来自A股上市公司的经验证据”，《数理统计与管理》，第3期，第544-555页。

邓宏、尹斯斯、马如飞，2024，“粤港澳大湾区规划能否提高企业全要素生产率？——来自中国制造业上市公司的证据”，《南方经济》，第3期，第141-158页。

樊纲、王小鲁、马光荣，2011，“中国市场化进程对经济增长的贡献”，《经济研究》，第9期，第4-16页。

郭岚、张祥建，2008，“信息共享与激励机制：现代供应链中的“双赢”策略”，《财贸经济》，第4期，第100-104页。

黄宏斌、孙雅妮、许晨辉，2023，“客户—供应商稳定关系促进了双方的协同创新吗？”，《中南财经政法大学学报》，第6期，第16-28页。

黄玖立、李坤望，2013，“吃喝、腐败与企业订单”，《经济研究》，第6期，第71-84页。

黄晓凤、朱潇玉、王金红，2023，“人工智能提升了中国制造业企业的全要素生产率吗”，《财经科学》，第1期，第138-148页。

江艇，2022，“因果推断经验研究中的中介效应与调节效应”，《中国工业经济》，第5期，第100-120页。

江轩宇，2016，“政府放权与国有企业创新——基于地方国企金字塔结构视角的研究”，《管理世界》，第9期，第120-135页。

蒋瑛、刘琳、刘寒绮，2022，“智慧旅游建设促进了旅游经济高质量发展吗？——全要素生产率视角下的准自然实验”，《旅游科学》，第2期，第44-62页。

孔东民、刘莎莎、王亚男，2013，“市场竞争、产权与政府补贴”，《经济研究》，第2期，第55-67页。

孔婷、孙林岩、冯泰文，2013，“客户导向、新产品上市速度与企业绩效的关系研究”，《南开管理评论》，第5期，第90-99页。

李涵、唐丽淼，2015，“交通基础设施投资、空间溢出效应与企业库存”，《管理世界》，第4期，第126-136页。

李胜文、李大胜，2008，“中国工业全要素生产率的波动：1986～2005——基于细分行业的三投入随机前沿生产函数分析”，《数量经济技术经济研究》，第5期，第43-54页。

李姝、田马飞、李丹、杜亚光，2022，“客户信息披露会影响企业税收规避吗”，《南开管理评论》，第6期，第75-85+107+86-87页。

李唐，2016，“企业家年龄效应与企业全要素生产率——来自2015年广东制造业企业—员工匹配调查的经验证据”，《暨南学报（哲学社会科学版）》，第9期，第25-39+129页。

李雨浓、赵维、周茂、朱连明，2020，“外资管制放松如何影响企业非产成品存货调整”，《中国工业经济》，第9期，第118-136页。

李云鹤、蓝齐芳、吴文锋，2022，“客户公司数字化转型的供应链扩散机制研究”，《中国工业经济》，第12期，第146-165页。

李志远、张路通、赵雁海，2013，“创业导向、关系嵌入与客户知识获取的关系研究”，《软科学》，第2期，第19-23页。

林乐、谢德仁、陈运森，2013，“实际控制人监督、行业竞争与经理人激励——来自私人控股上市公司的经验证据”，《会计研究》，第9期，第36-43+96页。

刘行、赵晓阳，2019，“最低工资标准的上涨是否会加剧企业避税？”，《经济研究》，第10期，第121-135页。

鲁桐、党印，2014，“公司治理与技术创新：分行业比较”，《经济研究》，第6期，第115-128页。

鲁晓东、连玉君，2012，“中国工业企业全要素生产率估计：1999—2007”，《经济学（季刊）》，第2期，第541-558页。

陆正飞、杨德明，2011，“商业信用：替代性融资，还是买方市场？”，《管理世界》，第4期，第6-14+45页。

罗奇、赵永亮，2022，“贸易政策不确定性、采购前置期与企业存货调整”，《国际贸易问题》，第7期，第87-104页。

毛德凤、李静、彭飞、骆正清，2013，“研发投入与企业全要素生产率——基于PSM和GPS的检验”，《财经研究》，第4期，第134-144页。

庞瑞芝、薛宁、丁明磊，2012，“中国创新型试点企业创新效率及其影响因素研究——基于2006～2010年创新型试点企业非平衡面板数据的实证考察”，《产业经济研究》，第5期，第1-10+18页。

逄锦聚、林岗、杨瑞龙、黄泰岩，2019，“促进经济高质量发展笔谈”，《经济学动态》，第7期，第3-19页。

彭旋、王雄元，2018，“支持抑或掠夺？客户盈余信息与供应商股价崩盘风险”，《经济管理》，第8期，第135-152页。

彭旋、张昊，2022，“稳定客户可以降低企业的股价波动性吗？”，《审计与经济研究》，第4期，第119-127页。

钱雪松、康瑾、唐英伦、曹夏平，2018，“产业政策、资本配置效率与企业全要素生产率——基于中国2009年十大产业振兴规划自然实验的经验研究”，《中国工业经济》，第8期，第42-59页。

邱保印、程博，2022a，“‘手中有粮心不慌——客户稳定性影响企业会计信息质量吗？”，《外国经济与管理》，第4期，第81-94页。

邱保印、程博，2022b，“客户稳定性的经济后果研究：基于供应商授信视角”，《商业经济与管理》，第3期，第42-56页。

邱斌、刘修岩、赵伟，2012，“出口学习抑或自选择：基于中国制造业微观企业的倍差匹配检验”，《世界经济》，第4期，第23-40页。

任曙明、吕镯，2014，“融资约束、政府补贴与全要素生产率——来自中国装备制造企业的实证研究”，《管理世界》，第11期，第10-23+187页。

宋渊洋、黄礼伟，2014，“为什么中国企业难以国内跨地区经营？”，《管理世界》，第12期，第115-133页。

孙浦阳、刘伊黎，2020，“企业客户贸易网络、议价能力与技术追赶——基于贸易网络视角的理论与实证检验”，《经济研究》，第7期，第106-122页。

陶锋、王欣然、徐扬、朱盼，2023，“数字化转型、产业链供应链韧性与企业生产率”，《中国工业经济》，第5期，第118-136页。

田轩、孟清扬，2018，“股权激励计划能促进企业创新吗”，《南开管理评论》，第3期，第176-190页。

王国刚、罗煜，2022，“论国内大循环中的实体经济横向金融系统”，《中国社会科学院大学学报》，第2期，第54-88+146页。

王孝松、林发勤、李玏，2020，“企业生产率与贸易壁垒——来自中国企业遭遇反倾销的微观证据”，《管理世界》，第9期，第54-67页。

王雄元、彭旋，2016，“稳定客户提高了分析师对企业盈余预测的准确性吗？”，《金融研究》，第5期，第156-172页。

肖挺，2019，“制造企业服务化商业模式与产品创新投入的协同效应检验——‘服务化悖论的一种解释”，《管理评论》，第7期，第274-285页。

杨骞、刘华军，2014，“技术进步对全要素能源效率的空间溢出效应及其分解”，《经济评论》，第6期，第54-62页。

姚战琪，2009，“生产率增长与要素再配置效应：中国的经验研究”，《经济研究》，第11期，第130-143页。

应千伟、蒋天骄，2012，“市场竞争力、国有股权与商业信用融资”，《山西财经大学学报》，第9期，第58-64页。

于连超、董晋亭、张卫国、毕茜，2022，“ISO 14001环境认证对企业全要素生产率的影响研究”，《管理学报》，第9期，第1280-1287页。

袁淳、荆新、廖冠民，2010，“国有公司的信贷优惠：信贷干预还是隐性担保？——基于信用贷款的实证检验”，《会计研究》，第8期，第49-54+96页。

张广冬、邵艳，2022，“风险投资与公司客户稳定性”，《会计研究》，第4期，第179-192页。

张龙鹏、张双志、胡燕娟，2023，“企业价值链智能化对全要素生产率的影响”，《南方经济》，第10期，第94-111页。

张沁琳、沈洪涛，2020，“政府大客户能提高企业全要素生产率吗？”，《财经研究》，第11期，第34-48页。

张益豪、郭晓辉，2023，“大数据发展与企业全要素生产率——基于国家级大数据综合试验区的实证分析”，《产业经济研究》，第2期，第69-82页。

赵志泉，2004，“企业联盟、企业集团与‘共谋垄断的边界”，《安徽大学学报》，第2期，第85-90页。

郑宝红、张兆国，2018，“企业所得税率降低会影响全要素生产率吗？——来自我国上市公司的经验证据”，《会计研究》，第5期，第13-20页。

郑倩雯、朱磊，2021，“与客户共享审计师能够提升企业的存货管理效率吗”，《当代财经》，第8期，第126-136页。

卓贤，2020，“增强韧性是保产业链供应链稳定的关键”，《经济日报》，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

（责任编辑：谢淑娟）

* 张勇（通讯作者），南京林业大学经济管理学院，E-mail：zy_auditor2011@pku.org.cn，通讯地址：江苏省南京市龙蟠路159号，邮编：210037；侯路遥，南京林业大学经济管理学院，E-mail：hly@njfu.edu.cn。作者文责自负。

基金项目：本文受国家社会科学基金一般项目“绿色金融改革创新驱动工业企业绿色转型的效应评估及政策优化研究”（22BJY190）资助。

1 此外，为了验证该机制检验方式下结论的准确性，本文还参考了Dippel et al.（2020）的方法，使用内生中介效应检验模型考察客户稳定度对企业全要素生产率的作用渠道。经该方法检验得出的结论与直接利用机制变量对解释变量回归得出的结论保持一致。