供應商地理距離與企業全要素生產率

鮑 群 張云云 趙秀云

(1.安徽財經大學,安徽 蚌埠 233030;2.清華大學,北京 100084;3.天津財經大學,天津 300222)

一、引言

隨著市場經濟的發展,社會化大生產下的分工與合作日趨復雜,供應商對企業生產經營活動的影響不斷加深。作為重要的利益相關者,供應商不僅可以直接參與企業前期研發、質量風險控制以及產品改善全過程,而且還能主動與客戶進行資源共享和信息交流,為企業產品、服務創新提供支持。比如:戴爾通過與供應商的高效合作,有效整合供應鏈資源,取得供應鏈競爭優勢,成為全球領先的IT系統和服務提供商;小米通過加強與上游供應商的研發合作,有效提高了自身的核心競爭力,進而在競爭激烈的智能手機市場占得一席之地。可見,科學合理地選擇供應商對于提升企業生產效率,增強供應鏈韌性至關重要。

供應商地理距離是影響企業生產經營活動的重要特征之一,近年來愈發受到學者的關注。已有研究發現,選擇鄰近的供應商更易于供應鏈上下游之間建立相互信任的戰略合作關系,規避供應鏈企業間因競爭或風險所帶來的負面影響(Serpa et al.,2018)。這種地緣優勢不僅可以強化上下游之間的信任關系,有效降低企業事前逆向選擇、事中交通運輸和事后道德風險所產生的交易成本,促進人員、資本及技術等要素的流動,助力企業獲取上游的隱性知識和資源(Ghoul et al.,2013),還有助于弱化上下游之間的競爭關系,緩解企業間信息不對稱,減少道德風險及逆向選擇等機會主義行為,提高企業對供應鏈風險的監測和防御能力(劉靜 等,2021),從而有效促進企業技術創新、優化資源配置,提升企業生產效率。但與此同時,隨著數字經濟的迅速發展以及基礎設施體系的不斷完善,企業與供應商之間的運輸成本和信息成本逐步降低,供應商地理鄰近優勢日漸弱化,對企業生產效率的影響存在不確定性。因此,在構建以國內大循環為主體,國際國內雙循環相互促進的新發展格局的背景下,探究供應商地理分布特征如何影響企業發展問題,具有一定的理論價值和實踐意義。

基于上述分析,本文利用2010—2020年滬深A股制造業上市公司數據,實證分析供應商地理距離對企業全要素生產率的影響。較之已有研究,本文的邊際貢獻主要體現在以下幾個方面:首先,從供應鏈視角拓展了地理距離對企業全要素生產率的影響研究,驗證了供應商地理鄰近性對企業經濟效率的積極作用,是對全要素生產率驅動因素方面研究的有益補充。其次,基于企業創新及資源配置視角厘清了供應商地理鄰近性影響企業生產效率的具體機理,深化了對地理距離在供應鏈上下游互動中影響的認識。最后,為供應商的選擇提供了來自地理經濟學的闡釋,研究結論有助于更加深刻地把握供應商地理距離的價值,為增強供應鏈產業鏈韌性、提升供應鏈競爭力提供了一定啟示。

二、文獻綜述

(一)供應鏈上下游企業間地理距離的微觀經濟效應

近年來,地理經濟學在財務領域的應用越來越受到重視。有關產品市場的研究著重考察了上下游企業間地理距離對成本績效、信息摩擦、關系治理及技術創新等的影響,結論存在一定分歧。成本績效方面,研究發現地理鄰近的供應鏈上下游企業更易建立相互信任的戰略合作關系,這有利于降低企業交易成本,比如搜索成本、物流成本、溝通成本及監督成本等,提升營運資金配置效率(Serpa et al.,2018)。供應商在供應鏈網絡中的位置越重要,對企業成本績效的積極影響就越大(Oke et al.,2013)。信息摩擦方面,研究發現信息傳遞貫穿于供應鏈上下游互動的各個環節,私有信息的傳遞成本隨地理距離的增加而增加。供應鏈企業間地理距離增加會加劇信息不對稱,進而引發道德風險和逆向選擇等機會主義行為(程博 等,2021),降低上下游企業之間的信任度,導致買賣合同時間縮短,契約條款更為嚴苛(Costello,2013)。關系治理方面,研究發現上下游企業間地理鄰近能夠降低企業監督成本,緩解雙方信息不對稱,發揮關系治理作用,弱化公司違規傾向(宛晴 等,2019),抑制公司盈余管理及財務舞弊行為(唐斯圓 等,2019),降低股價崩盤風險(黃珺 等,2022)。而在技術創新方面,研究結論較不一致。部分研究指出,地理鄰近的供應商和企業之間更易于保持良好關系,這有助于促進上下游企業間的知識溢出、信息共享及合作創新,提高創新績效(鮑群 等,2023)。但也有學者從議價能力角度出發,認為地理鄰近性使得上下游企業中具有談判優勢的一方獲得了更多的私有信息,從而更有能力掠奪對方的創新資源以及創新收益,抑制對方的技術創新(張廣玲 等,2022)。還有一些研究發現,隨著交通基礎設施的完善以及數字化轉型的深入,供應商地理鄰近性帶來的物流成本以及信息傳遞優勢逐漸弱化(崔也光 等,2021;饒品貴 等,2019)。

(二)供應鏈視角下的企業全要素生產率

已有文獻探討了上下游企業制度背景、行業特征以及自身談判勢力等因素對企業生產率的影響,研究結論并未達成一致。一種觀點認為供應鏈企業間的合作共贏有利于提高企業生產效率,原因主要在于:穩定且緊密的供應鏈上下游合作關系,能夠促進技術創新和資源有效配置,進而提升企業生產效率。張沁琳等(2020)發現,政府大客戶不僅可以憑借良好的社會聲譽獲取更多資源來促進企業創新,而且能夠通過積極的市場調控引導企業合理配置資源,從而提高企業生產效率。林柄全等(2022)認為,穩定的供應鏈關系有利于促進產業集群內部的合作運轉,消除供需偏差所致的“牛鞭效應”,提升資源配置有效性,從而提高企業全要素生產率。李云鶴等(2022)指出,客戶數字化轉型存在供應鏈上的后向溢出效應,即通過優化供需匹配、穩定供需關系、增強供應商創新能力提高了企業生產效率。孫浦陽等(2023)提出,地理鄰近企業所形成的貿易網絡深化了企業間垂直專業化分工,放大了銷售網絡的規模效應,進而提升了生產率的邊際效應。于蘇等(2023)認為,供應鏈鏈主能夠憑借其影響力優勢,通過供應鏈金融發揮協同效應,促進鏈上企業全要素生產率提高。

另一種觀點則強調供應鏈上下游企業間的競爭關系會降低企業全要素生產率,這是因為:合作過程中上下游企業之間的信息不對稱以及談判勢力的差距,可能會引發競爭掠奪的機會主義行為,進而損害企業生產效率。Hui et al.(2012)指出,由于上下游企業間信息不對稱導致交易伙伴的私有信息難以被觀察,企業很可能會遭受較大的經濟損失。錢雪松等(2018)認為,當企業的人才、技術等資源受到供應鏈上下游企業的擠占時,其生產效率將出現明顯下降。孟慶璽等(2018)發現,客戶過度集中引發的供應鏈風險集聚效應會降低企業資源配置效率,阻礙企業生產效率的提升。李旭超等(2021)研究表明,僵尸企業拖欠上游供應商賬款會導致供應商全要素生產率下降。楊玥等(2022)認為,上游行業壟斷通過抬升中間品價格、占據重要生產要素或實施尋租行為阻礙了下游企業創新活動,進而抑制了其生產率的提高。

綜上可知,供應鏈特征對企業全要素生產率有著重要影響。已有研究多從供應鏈上下游的談判勢力、行業環境及制度背景等視角展開探討,忽略了供應商地理特征也可能對企業生產效率產生重要影響。現有研究表明,供應商地理距離與企業創新資源獲取、信息傳遞及資源配置等密切相關。因此,本文主要基于地理經濟學理論,探究供應商地理距離對企業全要素生產率的影響及其內在機理。

三、理論分析與研究假說

本文認為,供應商地理距離主要通過以下兩條路徑影響企業全要素生產率:

其一,創新能力是企業全要素生產率的核心驅動要素,供應商地理鄰近性通過增強企業創新能力,提高了其全要素生產率。根據資源依賴理論,企業創新能力很大程度上依賴于其所擁有的異質性資源數量以及資源配置方式。因此,上游供應商傳遞的隱性知識和共享的資源能夠為企業開展創新活動提供重要支撐(孟慶璽 等,2018)。并且,相比于封閉且孤立的地理環境,知識溢出以及創新活動更易于發生在有互動和聯系的地理環境內。也就是說,選擇地理鄰近的供應商更可能幫助企業提高自身的創新能力。首先,地理鄰近性有利于企業與供應商建立正式和非正式的關系網絡,方便其通過實地考察、“面對面”互動溝通等方式獲取異質性知識、技術等私有信息(許和連 等,2020),推動跨企業協作的實施。隨著供應鏈上下游企業間創新研發交流的深化,企業創新能力和全要素生產率不斷提升。其次,供應商地理鄰近性有利于降低上下游企業之間的監督成本,減少企業間的機會主義行為,建立和維持良好的信任關系,降低新產品開發過程中協調、管理和控制的難度,激發供應商加大專用性資產投資,從而為企業創新營造良好的環境,促進創新能力和全要素生產率穩步提升(孫浦陽 等,2023)。再次,選擇鄰近的供應商有利于緩解上下游企業之間的信息不對稱,幫助企業迅速獲取供應鏈上的反饋信息,及時判斷市場需求變化,減少技術創新的不確定性,促進供應鏈上下游持續價值共創,強化企業創新意愿(程小可 等,2020),進而提升企業生產效率。

其二,資源有效配置是企業全要素生產率的另一核心驅動要素,供應商地理鄰近性通過優化企業資源配置,提高了其全要素生產率。首先,選擇鄰近的供應商有利于企業高效、低成本地建立上下游企業間的信任關系,增強合作穩定性,降低合作前的搜尋成本和討價還價成本,以及合作中的物流、溝通和監督成本等(Serpa et al.,2018),進而促進資源有效配置,提高生產效率。其次,選擇鄰近的供應商有利于企業迅速了解供應鏈上的供需調整,準確判斷外部市場需求變化,有效降低信息搜集成本,促進生產資源的有效配置(李青原 等,2023),提升企業生產率。再次,近距離的貿易往來有助于企業深入接觸供應商的社會網絡關系,以較低成本挖掘更多供給信息,提高供應鏈信息傳遞效率,降低信息交互成本,進而有利于其及時調整產品結構,合理高效分配內部資源,改善組織生產效率(陶鋒 等,2023)。

基于以上分析,本文提出:

假說1：供應商地理距離越近,企業全要素生產率越高。

四、研究設計

(一)樣本選擇和數據來源

本文選取2010—2020年滬深A股制造業上市公司為樣本,并按照已有研究慣例,對初始樣本進行了以下篩選:剔除未披露前五大供應商地理距離的樣本企業;剔除ST、*ST類特殊處理樣本企業;剔除關鍵指標數據缺失的樣本。經過上述處理,本文最終得到1560個觀測值。地理距離與財務數據均來自CSMAR數據庫,上市公司專利數來自CNRDS數據庫。此外,為避免極端值的影響,對連續變量進行了雙向1%的縮尾處理。

(二)變量說明

1.被解釋變量:企業全要素生產率(TFP_LP)

對于企業全要素生產率(TFP_LP)的測算,主流方法有OLS、OP、LP、GMM等。為緩解衡量方法可能引發的內生性問題,本文選擇半參數LP方法,構建Cobb-Dougias生產函數的對數形式估計企業TFP。

lnYit=μ0+μ1lnKit+μ2lnLit+μ3lnMit+εit

(1)

其中:Y代表企業產出,用公司當年主營業務收入衡量;K代表資本要素投入水平,用公司當年固定資產投資衡量;L代表勞動要素投入水平,用公司當年現金流量表中“支付給職工以及為職工支付的現金”衡量;M代表企業中間產品及原料投入,用公司當年現金流量表中“購買商品、接受勞務支付的現金”衡量?？紤]到相關數據可能存在0值情況,以上指標均進行了加1后取自然對數的處理。模型(1)回歸所得的殘差即為企業全要素生產率(TFP_LP)。

2.核心解釋變量:供應商地理鄰近性(Supdis)

對于供應商地理鄰近性(Supdis),參考唐斯圓等(2019)的做法,測算過程如下:首先,根據企業與其供應商企業的注冊地址計算二者的空間距離,并取空間距離加1的自然對數的相反數;然后,以企業前五大供應商采購額占比為權重,算得平均地理距離,即為供應商地理鄰近性。該數值越大,表示企業與供應商的地理距離越近,反之則越遠。海外供應商不在統計范圍之內。

3.控制變量

借鑒已有文獻,本文選取的控制變量具體包括企業規模(Size)、資產負債率(Lev)、銷售增長率(Growth)、市賬比(Mastro)、托賓Q值(Tbq)、產權性質(Soe)、企業年齡(Age)、股權集中度(First)、企業現金流(Cash)、固定資產占比(Fix)、客戶地理鄰近性(Cusdis)。此外,模型中還控制了年度(Year)和行業(Ind)虛擬變量。

本文主要變量的說明如表1所示。

表1 主要變量說明

(三)模型設定

為了檢驗假說1是否成立,本文構建如下模型(2):

TFP_LPit=α0+α1Supdisit+α2Controlsit+Year+Ind+εit

(2)

其中,TFP_LP表示企業全要素生產率,Supdis表示供應商地理鄰近性,Controls表示一系列控制變量構成的向量集,εit為隨機擾動項。模型(2)中,α1衡量了供應商地理鄰近性對企業全要素生產率的影響。若α1顯著為正,則表示供應商地理位置越鄰近,企業全要素生產率越高,即本文假說1成立。

五、實證結果與分析

(一)描述性統計分析

表2列示了主要變量的描述性統計結果。企業全要素生產率(TFP_LP)的最小值和最大值分別為8.396和14.721,說明樣本企業間的全要素生產率存在一定差異。供應商地理鄰近性(Supdis)的最小值和最大值分別為-6.877和-0.128,說明供應商地理鄰近性在不同企業間存在較大差異。此外,由表2還可見,其他變量的取值范圍均不存在異常情況,限于篇幅,不再贅述。

表2 主要變量的描述性統計結果

(二)基準回歸分析

表3報告了供應商地理鄰近性與企業全要素生產率的回歸結果。其中,列(1)未加入任何控制變量,列(2)在列(1)的基礎上納入了不包括年度和行業固定效應的所有控制變量,列(3)則是引入了全部控制變量。不難發現,無論是否加入控制變量,供應商地理鄰近性(Supdis)的回歸系數均在1%水平上顯著為正,表明供應商地理位置越鄰近,越有利于改善企業全要素生產率?？梢?本文假說1得到驗證。

表3 基準回歸結果:供應商地理鄰近性與企業全要素生產率

(續表3)

(三)穩健性檢驗

1.替換被解釋變量的測量方法

為緩解潛在的變量測度誤差對研究結論的干擾,采用OP法重新測算企業全要素生產率(TFP_OP),并再次對模型(2)進行回歸,估計結果見表4列(1)。不難發現,供應商地理鄰近性(Supdis)的回歸系數為0.0338,且在1%水平上顯著,與基準回歸結果一致。

2.更換核心解釋變量的度量方式

以企業公開披露的供應商數量為權重,對供應商地理距離進行加權平均,得到供應商地理鄰近性的替代性指標(Supdis2)。表4列(2)報告了重新回歸的結果,從中可見,Supdis2與TFP_LP依然顯著正相關。這意味著,調整供應商地理鄰近性的測量指標并不會對前文研究結論產生根本性影響。

3.增加省份固定效應

鑒于企業所屬地區差異也可能對研究結論產生影響,本文在模型(2)的基礎上進一步控制了省份固定效應,重新估計的結果如表4列(3)所示。不難發現,供應商地理鄰近性(Supdis)的回歸系數仍然顯著為正,本文假說1再次得到驗證。

4.遺漏變量問題處理

本文可能存在遺漏變量所致的內生性問題。為此,采用固定效應重新回歸,估計結果如表4列(4)所示。結果顯示,供應商地理鄰近性(Supdis)依然對企業全要素生產率(TFP_LP)存在顯著的正向影響。這表明在考慮遺漏變量可能引發的內生性問題后,本文研究結論穩健成立。

5.工具變量法

本文也可能存在反向因果所致的內生性問題。為此,使用工具變量法進行檢驗。參考Ghoul et al.(2013)、羅進輝等(2017)的做法,采用企業與供應商地理鄰近性的年度行業均值(Div)作為工具變量,進行兩階段最小二乘回歸,估計結果如表4列(5)、(6)所示。在第一階段,工具變量Div的回歸系數在1%水平上顯著為正;在第二階段,供應商地理鄰近性(Supdis)的回歸系數為0.2509,且在1%水平上顯著,與上文表3的檢驗結果一致。

6.樣本選擇偏誤問題處理

考慮到本文還可能存在樣本選擇偏誤問題,采取以下方法進行檢驗。

其一,Heckman二階段法。參考王迪等(2016)、唐斯圓等(2019),設置如下模型(3)進行第一階段回歸,結果見表5列(1):

表5 穩健性檢驗結果(二)

Supmedit=θ0+θ1Roait+θ2Sizeit+θ3Levit+θ4Soeit+θ5Mastroit+θ6Tbqit+θ7Disratioit+εit

(3)

其中:Disratio表示行業年度內披露供應商數據的企業所占比例;Roa表示資產收益率;Supmed為公司是否披露供應商信息虛擬變量,披露信息取值為1,否則為0。其他變量的含義及計算方法見表1。將估計得到的逆米爾斯比率(IMR)作為控制變量加入模型(2)進行第二階段回歸,結果如表5列(2)所示。從中可見,供應商地理鄰近性(Supdis)的回歸系數在1%水平上顯著為正,與前文結論類似。

其二,傾向得分匹配法。首先,按照是否大于供應商地理鄰近性(Supdis)的中位數將樣本分為兩組;其次,借鑒唐斯圓等(2019)的做法,以企業規模(Size)、資產負債率(Lev)、企業年齡(Age)、資產收益率(Roa)、托賓Q值(Tbq)和股權性質(Soe)作為協變量,進行一對一最近鄰匹配。利用匹配后的樣本重新回歸,結果報告于表5列(3)。從中可見,供應商地理鄰近性(Supdis)的回歸系數為0.0375,且在5%水平上顯著。這再次證實本文研究結論是穩健可靠的。

(四)作用機制檢驗

在理論分析與研究假說部分,本文指出供應商地理鄰近性通過促進技術創新、優化資源配置提升了企業全要素生產率。為驗證上述理論邏輯是否成立,參照溫忠麟等(2014)提出的中介效應檢驗思路,在模型(2)的基礎上,引入以下模型(4)、(5):

Medit=β0+β1Supdisit+β2Controlsit+Year+Ind+εit

(4)

TFP_LPit=γ0+γ1Supdisit+γ2Medit+γ3Controlsit+Year+Ind+εit

(5)

其中,Med表示機制變量,其他變量的含義同模型(2)。

1.技術創新機制

參照于茂薦等(2018)的做法,本文選取上市公司本身獨立獲得的專利數來衡量技術創新(Tech)。由于公司專利數據屬于典型的非負整數,計數模型更為適合,且上市公司之間獲得專利數量值存在較大差異,因此采用負二項回歸對獲得專利數進行檢驗。表6列(1)、(2)報告了技術創新機制的檢驗結果。列(1)中,供應商地理鄰近性(Supdis)的回歸系數為0.1388,且在1%水平上顯著,表明提高供應商地理鄰近性可以顯著提升企業技術創新產出。列(2)結果顯示,在將技術創新和供應商地理鄰近性同時納入模型后,Tech和Supdis的回歸系數均在1%水平上顯著為正,且Supdis的回歸系數值較之基準回歸結果(表3列(3))有所減小。同時,Sobel檢驗Z值在5%水平上顯著為正。上述檢驗結果表明,技術創新在供應商地理鄰近性影響企業全要素生產率的過程中發揮部分中介效應,技術創新機制得到證實。

表6 作用機制檢驗結果

2.資源配置機制

根據科斯定理,交易成本越低,資源配置效率越高。為此,本文以交易成本(Cost)作為中介變量。參考唐靜等(2023)的做法,使用銷售費用、管理費用和財務費用之和與營業收入的比值來衡量交易成本。表6列(3)、(4)報告了資源配置機制的檢驗結果。列(3)的結果顯示,供應商地理鄰近性(Supdis)的回歸系數為-0.0065,且在1%水平上顯著,表明供應商地理距離越近,企業交易成本越低;列(4)中,交易成本(Cost)的回歸系數在1%水平上顯著為負,而供應商地理鄰近性(Supdis)的回歸系數在1%水平上顯著為正,且系數值小于基準回歸結果(表3列(3))。同時,Sobel檢驗Z值在1%水平上顯著為正。上述檢驗結果說明,交易成本在供應商地理距離影響企業全要素生產率的過程中發揮中介作用,資源配置機制得到驗證。

六、異質性分析

(一)供應商集中度的影響

供應商集中度反映了企業對供應商的依賴程度。供應商集中度越高,說明企業越依賴于少數幾家供應商,供應商的談判勢力越強(任莉莉 等,2019)。此時,供應商地理鄰近所帶來的信息、成本等優勢會因企業議價能力的降低而被明顯弱化,進而難以對技術創新和資源配置起到積極作用。而當供應商集中度較低時,企業的談判勢力更強,其不僅能夠更好地吸收供應商地理鄰近帶來的多樣性信息,還可以更有效地整合供應鏈資源,通過促進創新知識交流、優化資源配置,推動全要素生產率提升。因此,本文預期當供應商集中度較低時,供應商地理鄰近性對企業全要素生產率的促進作用更明顯。

為檢驗供應商集中度對供應商地理鄰近性與企業全要素生產率間關系的影響,先按照是否大于企業前五大供應商采購總和占比的平均數,將樣本分為供應商集中度高、低兩組,而后重新回歸,估計結果見表7列(1)、(2)。不難發現,供應商地理鄰近性(Supdis)的回歸系數僅在供應商集中度低組顯著為正。這表明供應商集中度越低,供應商地理鄰近性對企業全要素生產率的促進作用越明顯。

表7 異質性檢驗結果(一)

(二)市場競爭度的影響

當市場競爭較為激烈時,企業僅僅依靠自身優勢很難獲得成功,其需要強化供應鏈上下游合作,有效整合供應鏈資源,提高供應鏈整體競爭力。此時,供應商地理鄰近所帶來的人才、信息和資源優勢更加重要,能夠更好地促進企業創新產出,降低交易成本。因此,本文預期市場競爭度越高,供應商地理鄰近性對企業全要素生產率的促進作用越明顯。

為檢驗上述推斷是否成立,本文按照企業赫芬達爾指數是否高于樣本均值將全樣本劃分為市場競爭度高、低兩組。由表7列(3)、(4)可知,在市場競爭度高組,供應商地理鄰近性(Supdis)的回歸系數為0.0782,且在1%水平上顯著;而在市場競爭度低組,供應商地理鄰近性(Supdis)的回歸系數未能通過顯著性檢驗。這說明當市場競爭較為激烈時,供應商地理鄰近性更能促進企業全要素生產率的提高。

(三)區域效應的影響

我國區域發展較不平衡,東部地區經濟發展水平往往優于中西部地區。通常,在經濟發展水平較高的地區,信用環境、法治環境等更好,企業知識產權能夠受到更充分的保護,這有利于強化供應鏈上下游企業間的合作,促進知識溢出和資源共享等。因此,供應商地理鄰近優勢在東部地區更加明顯,能夠更好地促進生產效率提升。本文預期當企業位于東部地區時,供應商地理鄰近性對企業全要素生產率的促進作用更顯著。

本文將樣本按企業所處地區分為東部和中西部兩組,重新估計的結果見表7。其中,列(5)為東部地區組結果,從中可見,供應商地理鄰近性(Supdis)的回歸系數在1%水平上顯著為正;列(6)中西部地區組的檢驗結果顯示,供應商地理鄰近性(Supdis)的回歸系數雖為正但不顯著。上述實證結果表明,相比于中西部地區企業,供應商地理鄰近性對東部地區企業全要素生產率的積極影響更為明顯。

(四)數字化發展的影響

大數據、人工智能與制造業的深入融合,逐步改變了市場競爭方式、產業發展模式,打破了企業傳統邊界。隨之而來的是,企業業務結構以及工作流程發生變革,價值鏈嵌入形式和結構悄然改變,供應商客戶角色邊界日漸模糊,上下游企業之間的關系逐步由鏈狀轉向網狀。此時,供應商地理距離優勢帶來的信息傳遞、知識溢出等積極效應一定程度被削弱。但值得注意的是,我國目前仍處于供應鏈現代化建設摸索階段,數字化轉型多聚焦于企業內部業務、組織和經營理念的重塑,在企業間的溢出作用較為有限,因此其不太可能會對供應商地理鄰近優勢產生較大影響。基于上述分析,本文認為數字化轉型水平對供應商地理鄰近性與企業全要素生產率間關系的影響存在不確定性,有待進一步檢驗。

參照趙宸宇等(2021)的做法,對上市公司年報中的數字化相關詞頻進行統計,并利用文本中數字化轉型關鍵詞的出現次數衡量企業數字化轉型水平。在此基礎上,依據數字化轉型水平的均值將樣本劃分為兩組,估計結果如表8所示。由列(1)、(2)可知,供應商地理鄰近性(Supdis)的回歸系數均顯著,但數字化水平高組的顯著性水平較低。這表明,現階段數字化發展削弱上下游地理鄰近優勢的作用有限。

表8 異質性檢驗結果(二)

(五)高鐵是否開通的影響

高鐵開通加快了生產要素的跨區域流動,降低了企業物流成本,增加了企業間實地交流頻率,為供應鏈上下游知識流動和信息傳遞提供了便捷,使得企業在挑選供應商方面擁有更多的選擇。也就是說,高鐵開通可能會削弱地理鄰近的供應商的位置優勢。然而,即使上下游地理距離較近,但他們絕大部分不在同一城市,高鐵開通反而更好地促進了短途供應商的人力、技術等資源的交流。因此,高鐵開通是否會明顯弱化供應商地理鄰近性對企業全要素生產率的促進作用尚存不確定性。

依據上市公司所在城市當年是否開通高鐵設置虛擬變量,當前年度開通高鐵取值為1,否則為0。在將樣本劃分為高鐵已開通、高鐵未開通兩組的基礎上,重新進行估計,結果如表8列(3)、(4)所示。不難發現,無論是在高鐵已開通還是未開通組,供應商地理鄰近性(Supdis)的回歸系數均顯著為正,只是顯著性水平有所不同。這說明,高鐵開通并沒有對供應商地理距離與企業全要素生產率之間的關系產生根本性影響。

七、結論與啟示

本文以2010—2020年滬深A股制造業上市公司為樣本,考察供應商地理距離對企業全要素生產率的影響。研究發現,供應商地理位置越鄰近,越有利于提升企業全要素生產率,且該結論在經過一系列穩健性測試后仍然成立。作用機制檢驗結果顯示,供應商地理距離對企業全要素生產率的影響主要通過促進技術創新、優化資源配置兩條路徑實現。異質性分析表明,當供應商集中度較低、市場競爭較激烈或企業處于東部地區時,供應商地理距離對全要素生產率的促進作用更明顯;數字化發展水平、高鐵開通情況并沒有對供應商地理距離與企業全要素生產率之間的關系產生實質性影響。

基于上述研究結論,提出以下建議:其一,企業在遴選供應商的過程中,除了要密切關注成本、質量等因素外,還應結合自身戰略管理目標,重視供應商地理位置的合理分布。同時,建立健全供應商管理體系,充分發揮供應鏈上下游資源互補優勢,推動企業全要素生產率穩步提升。其二,企業在構建供應鏈體系時,需從戰略層面審視供應鏈上下游合作價值,優化供應鏈關系管理舉措,強化與供應商的互動,通過打造高效的供應鏈體系推動企業全要素生產率持續提升。其三,政府應以供給側結構性改革為主線,積極倡導公平競爭的市場環境,切實加強各地區營商環境建設,進一步推動企業高質量發展,促進國民經濟平穩增長。