供應鏈金融的“穩就業”效應研究

摘" "要：供應鏈金融如何降低企業風險，是推動“穩就業”發展的關鍵。以2013—2023年滬深A股上市公司為樣本，實證檢驗供應鏈金融的“穩就業”效應及其作用機制。研究發現：第一，供應鏈金融能顯著擴大供應鏈核心企業的勞動雇傭規模。第二，機制分析表明，供應鏈金融通過信用風險緩釋效應和操作風險緩釋效應擴大企業勞動雇傭規模。第三，異質性分析表明，內部控制有效性較弱、股權制衡較低的企業更能發揮供應鏈金融擴大勞動雇傭規模的作用。同時，供應鏈金融對中小企業、非國有企業及高新技術企業勞動雇傭規模的作用效果更好。第四，進一步研究發現，供應鏈金融對核心企業人力資本發展，特別是高級人力資本發展存在推動作用，且能優化企業勞動力技能結構。通過供應鏈溢出機制，供應鏈金融也能擴大供應商和客戶企業勞動雇傭規模。因此，提出企業應積極開展供應鏈金融業務、優化供應鏈金融工具、強化供應鏈管理的建議，以降低企業風險，促進就業規模的穩步擴張。

關鍵詞：供應鏈金融；風險緩釋效應；穩就業；供應鏈溢出

中圖分類號：F830" "文獻標識碼：A" 文章編號：1674-2265（2025）02-0003-13

DOI：10.19647/j.cnki.37-1462/f.2025.02.001

一、引言

就業是最大的民生，是確保人民群眾利益、維護社會穩定與經濟增長的重要基礎。2024年4月30日，中共中央政治局會議強調“要切實保障和改善民生，強化就業優先導向”。但我國就業形勢仍面臨總量承壓和結構性矛盾的雙重壓力，一方面，隨著2024年高校畢業生約1179萬人涌入就業市場，加之往年的待就業人員，巨大的基數壓力使得當前就業形勢不容樂觀。另一方面，隨著產業結構升級與新興行業的出現，部分傳統行業崗位正逐漸被人工智能等數字化技術替代，而新興行業的人才呈現出系統性不足的問題。企業作為就業創造的主體，實現高質量勞動力雇傭是實現穩就業的主要途徑，同時，雇傭規模也受到企業運營波動性的影響。因此，如何緩解企業面臨的各種風險、實現就業穩定成為亟須解決的現實問題。

供應鏈金融是擴大產業規模、實現資源優化配置的重要戰略安排，對緩解企業運營波動和增加企業勞動雇傭存在重要影響。作為將供應鏈資金流、信息流等緊密結合的創新金融模式，供應鏈金融逐漸形成以金融科技為手段，以核心企業信譽為支撐，以上下游企業真實交易數據為基礎的金融生態體系（趙春明等，2023）[1]。現有研究主要從企業創新、組織韌性及綠色發展等視角探究供應鏈金融的經濟后果（胡海青等，2025；宋華等，2024；羅翔和李政，2024；趙丹妮等，2024）[2-5]。然而，現有研究忽略了對供應鏈金融、企業風險與企業勞動雇傭規模三者之間的作用關系以及供應鏈金融是否對鏈上企業存在雇傭溢出機制的探討。從金融屬性來看，供應鏈金融是鏈上企業緩解融資約束的“良藥”。通過將金融機構引入統一的供應鏈網絡中，供應鏈金融有效緩解了銀企間信息不對稱（成程等，2023）[6]，同時通過應收賬款融資、動態折扣等新型融資方式實現資金在供應鏈中的充分流動，以供應鏈信用為依托為企業提供充足的內源資金，支撐企業的勞動力投資。從組織管理屬性來看，供應鏈金融通過信號傳遞效應、系統管理效應實現對企業生產全過程的監管，并增強其風險承擔能力（成程等，2024）[7]，降低企業經營波動性，穩定雇傭規模。因此，在企業融資約束與組織管理問題亟須化解和我國就業形勢面臨嚴峻挑戰的現實背景下，本文通過將供應鏈金融與企業勞動力雇傭納入統一的研究框架，探究供應鏈金融在風險緩釋視角下的“穩就業”效應及溢出機制，為就業政策的實施提供理論與數據支持。

基于上述分析，本文使用2013—2023年滬深A股上市公司數據對供應鏈金融的“穩就業”效應進行實證分析。研究發現，開展供應鏈金融能有效擴大核心企業的勞動雇傭規模，在使用Heckman兩步法、傾向得分匹配及工具變量法緩解內生性問題后，結論依舊成立。機制分析表明，供應鏈金融發展通過緩解企業的信用風險與操作風險，進而推動企業勞動雇傭的增加。在區分企業特征后發現，供應鏈金融的“穩就業”效應在中小企業及非國有企業樣本中效果更明顯。在區分行業特點及公司內部治理差異后發現，供應鏈金融的“穩就業”效應在高新技術企業和擁有低效內部控制及低股權制衡關系的企業樣本中效果更加明顯。進一步研究發現，供應鏈金融擁有提高企業人力資本素質、優化勞動力技能結構的作用，并通過供應鏈溢出機制提高上下游企業的雇傭規模，實現供應鏈整體就業規模的提高。

本文的邊際貢獻主要有：第一，本文首次將供應鏈金融與企業雇傭規模納入統一的研究框架，從理論與實踐層面剖析了供應鏈金融的金融屬性和組織管理屬性對核心企業勞動力雇傭的影響，完善現有的“穩就業”理論框架，為進一步推進“六穩”工作提供合理建議。第二，本文從企業風險緩釋角度分析供應鏈金融對企業雇傭規模的影響機制，為如何緩解企業風險提出相應的對策建議，為研究“穩就業”效應提供新的影響路徑。第三，本文進一步分析了供應鏈金融對企業勞動雇傭的溢出機制和優化勞動力技能結構的作用，對企業勞動力雇傭的“提質增量”具有重要現實意義。

二、文獻綜述

（一）供應鏈金融的經濟后果

目前關于供應鏈金融經濟后果的研究發現，供應鏈金融通過自身金融特性與組織管理特性的有機結合對企業創新、全要素生產率、綠色發展等均發揮推動作用。一方面，從供應鏈金融具備的金融特性來看，供應鏈金融通過降低銀企之間的信息不對稱與提升企業信用兩種途徑緩解融資約束（成程等，2023）[6]，同時，通過提升資產專用水平實現企業的專業化分工（于小悅等，2023）[8]，為提升企業生產率（成程等，2023）[6]、優化企業債務期限（凌潤澤等，2023）[9]提供新的金融工具。供應鏈金融的穩定發展也為加固可持續的供應鏈關系提供保障（陶鋒等，2023）[10]，當供應鏈遭受外部沖擊時，通過網絡協同效應保持企業間合作關系穩定，實現企業經營的可持續發展（趙春明等，2023）[1]。另一方面，供應鏈金融的組織管理特性主要體現在對企業價值的影響。供應鏈金融通過構建“產—銷”網絡（成程等，2023）[6]，實現對“鏈上”資源的有效整合，充分發揮信號傳遞效應，推動供應鏈整體績效的提升（宋華和盧強，2017）[11]。目前企業依靠自身資源進行價值創造的情況正逐漸減少，企業之間的競爭也逐漸發展為供應鏈之間的競爭（宋華等，2024）[3]。供應鏈金融通過強化鏈上企業的聯系，實現企業之間的優勢互補，以增強信息交流、降低生產成本、提升發展預期等途徑實現整體供應鏈價值的提升。

（二）企業雇傭的影響因素

企業是解決就業問題最主要的行為主體，關于企業雇傭勞動力動因的研究主要集中于債務期限、信息披露、技術運用等視角。從債務期限的視角來看，“短貸長投”作為我國企業普遍使用的一種融資機制，主要起到緩解企業短期融資約束的作用，但其激進的投資策略會導致企業經營風險加劇，從而抑制企業的雇傭規模（韓珣等，2024）[12]。從信息披露視角來看，信息經濟作為市場經濟平穩運行的基礎，是優化市場競爭關系、保障經濟高效運行的重要因素（王書斌和徐盈之，2016）[13]。其中，納稅信用作為企業信用的主要表現形式，通過緩解委托代理問題，為企業雇傭提供充足的資金保障（閆慧慧，2023）[14]。從技術運用視角來看，企業數字化轉型借助技術擴散實現產品創新，生產率的提升導致聘用規模的擴大。在此過程中數據要素通過降低企業面臨的摩擦成本提升企業的產出水平，進而實現就業的增長（劉達等，2024）[15]。

目前勞動力雇傭問題受到了國內外學者的廣泛關注，但少有學者將其與供應鏈金融這一綜合組織管理與金融供給的因素結合起來進行深入研究。本文認為供應鏈金融可以通過降低企業風險與提升管理能力，增強企業的雇傭動機和能力，并通過供應鏈的強組織關系與勞動信息共享實現雇傭溢出效應。因此，在我國加速推進產業鏈供應鏈現代化建設的背景下，探討供應鏈金融對穩定就業的作用效果及作用路徑，既是保障民生的內在需要，也是推動經濟高質量發展的必然要求。

三、理論分析與研究假設

（一）供應鏈金融對企業勞動雇傭規模的直接影響

從理論機制來看，供應鏈金融的應用可能會對核心企業雇傭行為產生影響。從供應鏈金融的金融屬性來看，一方面，供應鏈金融通過突破信貸配給約束推動核心企業效率升級（成程等，2023）[6]，會增強企業生產動機（蔣殿春和魯大宇，2022）[16]，進而提高企業的雇傭需求；另一方面，供應鏈金融通過提升核心企業的盈利水平和降低企業面臨的利率風險，降低核心企業運營的不確定性，減少失業現象。同時，供應鏈金融也有助于緩解企業的投融資期限錯配（凌潤澤等，2023）[9]，保證企業資金的流動性，從而增強勞動力投資規模。從供應鏈金融的組織管理屬性來看，供應鏈金融通過促進企業間的信息交流，強化空間社會網絡效應，通過契約治理及關系治理優化企業分工，開拓新的就業崗位，提升企業勞動力需求（于小悅等，2023）[8]。供應鏈金融實現鏈上企業與銀行對核心企業運營的雙重監管，保證核心企業資源的合理運用，提升企業績效，同時還能通過提升企業的綜合認同度實現“鏈主”企業的培育，以兼并重組作為主要工具擴大核心企業規模（潘愛玲等，2023）[17]，增加勞動力雇傭需求。綜上所述，供應鏈金融不僅從組織管理上幫助核心企業獲得更多的商業信用，也通過自身的金融屬性創新融資工具，在內部管理支持和外部資金供給充足的情況下，供應鏈金融能夠增強核心企業勞動力雇傭需求與能力。因此，提出假設H1。

H1：供應鏈金融能擴大核心企業勞動雇傭規模，發揮“穩就業”效應。

（二）供應鏈金融提高企業勞動雇傭規模的作用機制

具體來看，供應鏈金融對核心企業雇傭規模及雇傭穩定性存在風險緩釋效應，即供應鏈金融通過降低企業運營風險，發揮擴大勞動雇傭規模的作用。

1. 供應鏈金融的信用風險緩釋效應。資金充裕度和流動性是影響企業雇傭能力的重要因素。需求融資約束理論認為，勞動要素的投入具有高成本、資金投入回收時間錯配（Caggese等，2019）[18]等特征，同時企業招聘信息搜集、勞動力技能培訓也逐漸成為企業針對勞動力的固定投資，加重企業流動性壓力。因此，企業雇傭行為易受到因信用風險而導致的融資約束的影響。已有文獻也證明外部供給資金不足會通過抑制生產效率與企業規模擴張，降低企業的用工需求（閆慧慧，2023）[14]。相較于傳統的融資模式，供應鏈金融具有穩定性、拓展性、內源融資與外源融資結合等特點，通過其金融屬性與組織管理屬性實現對企業信用風險的緩釋。一方面，供應鏈金融通過將供應商、供應鏈核心企業、經銷商及金融機構納入統一的供應鏈網絡中，通過物聯網、人工智能等新型數字化技術實現核心企業與金融機構之間的信息互換，提高財務狀況、經營狀況等企業內部信息的透明度，降低信息不對稱帶來的信用風險（宋華和盧強，2017）[11]。作為一種自償性的貿易融資方式，供應鏈金融以核心企業信譽為支撐，以上下游企業真實交易數據為基礎，增加金融機構的授信種類，用動態交易數據代替靜態財務分析，提高了金融機構的金融服務效率。同時，通過數字化動態監測增強銀行對核心企業的監管力度，更好地對企業融資過程進行監督（韓珣等，2024）[12]，降低企業因監管不足而造成失信的可能，進而增加企業的資金充足率，推動企業就業規模的擴張。另一方面，商業信用作為企業獲得外部資金的重要途徑，是銀行信貸的補充。供應鏈金融通過關系嵌入與業務閉環形成的社會網絡關系（宋華和盧強，2017）[11]，強化核心企業的商業信用，通過“強連接”推動企業間的信息交流，形成同榮同損的共同體，以核心企業信用為背書盤活中小企業的部分沉淀資產，增強核心企業在商業信用中的主導作用。同時，上下游企業與金融機構會形成雙重監管，降低核心企業違約的可能，保證就業環境的穩定。當下，在一系列推動供應鏈金融發展的政策支持下，政府補助也向外傳遞出企業信用良好的信號，有利于增加企業可利用資金（成程等，2023）[6]，緩解企業信用風險。綜上所述，供應鏈金融通過緩解企業面臨的信用風險，保障企業資金的流動性，為擴大企業勞動雇傭規模提供資金支持。

2. 供應鏈金融的操作風險緩釋效應。參考巴塞爾銀行監管委員會對銀行操作風險的定義，將企業操作風險分為內部操作風險和外部操作風險。其中，因內部人員、系統的不完善與失效而造成企業損失的風險定義為內部操作風險，因外部事件造成企業損失的風險定義為外部操作風險。有文獻表明操作風險也是影響企業雇傭規模的重要因素之一，當企業面臨上述風險時，會采取保守的投資策略，特別是在針對勞動力的投入方面，企業可能會通過降低勞動力雇傭規模以應對潛在風險（Caggese等，2019）[18]。同時，當企業操作風險較高時，管理系統失靈與外部沖突會增加企業波動性，進而增加勞動雇傭成本。因此，保障企業的穩定運行，增強供應鏈穩定性與規避管理者非理性行為對實現穩定就業存在重要影響。

供應鏈風險作為外部操作風險的主要表現形式，主要是指影響供應鏈正常運行的行為，包括生產銷售不足、信息處理緩慢等。若上述情況逐漸惡化，會抑制原材料來源和銷售渠道，造成財務困境，加劇企業運營不確定性。供應鏈金融通過強化企業間的合作關系，保證上游供應與下游銷售網絡的穩定，有利于核心企業形成合理穩定的發展預期，降低企業波動性，穩定企業就業。同時，供應鏈金融通過信息篩選，強化準入規則，挑選出優質的上下游合作企業，降低頻繁更換供應商及客戶的信息搜尋成本（董浩和閆晴，2024）[19]，增強企業的流動性，增加勞動力投資。因此，供應鏈金融通過強化合作關系和信息甄別緩解供應鏈風險，最終穩定企業就業現狀和擴大雇傭規模。

管理者行為是企業內部操作風險的重要來源，管理者作為企業經營決策的主理人，其機會主義、風險偏好等行為特征對企業雇傭規模存在重要影響。現有研究證明，對管理層行為的監督和約束會降低代理成本（于浩洋等，2017）[20]與非理性行為，保證企業資金的合理利用。核心企業開展供應鏈金融業務，通過確認強連接關系，有助于提升與鏈上企業之間的信任水平，以外部監督、關系治理、信息共享降低核心企業代理成本；同時，供應鏈金融通過緩解核心企業的融資約束與提高商業信用，使企業擁有充足的流動性，降低管理層的短視損失厭惡，從而降低企業內部操作風險，達到穩定企業就業現狀和擴大雇傭規模的目標。一方面，供應鏈金融通過社會關系嵌入增強上下游企業對核心企業管理層的監督（凌潤澤等，2023）[9]，以供應鏈交易網絡和貿易數據，增強核心企業經營狀況、借貸情況的透明度，也可以利用金融機構的數據共享，對企業的違規、失信等行為進行事前監督，避免債務短期化給核心企業帶來的債務危機（韓珣等，2024）[12]，降低管理層的過度自信及代理成本，保證企業勞動投資充足。另一方面，供應鏈金融通過增加外源和內源融資保證企業內部資金充足，防止管理層為尋求短期高回報率而進行非理性投資。銀行等金融機構也通過貸款約束政策影響企業的經營情況，充分發揮第三方對核心企業的監督職能，抑制管理層的機會主義行為，保證企業就業穩定性。因此，提出本文的第二個假設。

H2：供應鏈金融通過風險緩釋效應擴大核心企業勞動雇傭規模。

（三）供應鏈金融的溢出效應

社會網絡理論認為，對于中小企業而言，處于特殊網絡關系和網絡結構中對資源獲取存在重要影響。供應鏈網絡作為強連接的重要表現形式，通過網絡互動與信息流通增強企業間的信任關系，對資源獲取發揮重要的作用（宋華和盧強，2017）[11]。已有研究表明，資金充裕度特別是中小企業的資金充裕度對其薪資支付能力和意愿存在重要影響（Benmelech等，2019）[21]。供應鏈金融作為緩解中小企業融資約束與提供信用依托的戰略方式，實現對整體供應鏈企業系統融資的優化。一方面，供應鏈金融以核心企業商業信譽為依托，通過真實交易數據共享降低中小企業與銀行之間的信息不對稱，緩解中小企業面臨的資金約束問題，擴大其勞動力雇傭規模。同時，核心企業通過延長收款周期、提供應收賬款融資等方式實現對中小企業的內源資金支持。另一方面，供應鏈金融強連接關系的嵌入，有利于協調核心企業與中小企業之間的信息流、資金流等要素資源，增強中小企業的資源管理與運用能力（成程等，2023）[6]，增強企業的資金創造能力。同時，社會網絡的形成有助于企業間信息透明度的提升，通過勞動力合理轉移，實現供應鏈勞動資源的優化配置。綜上所述，供應鏈金融通過供應鏈溢出效應實現中小企業資金充足率的提升，有助于增強中小企業雇傭動機和雇傭能力，進而提高供應鏈整體吸納就業的能力。因此，提出本文的第三個假設。

H3：供應鏈金融通過發揮溢出效應擴大中小企業的雇傭規模。

四、研究設計

（一）樣本選擇與數據來源

本文以2013—2023年滬深A股上市公司為研究樣本，并對樣本數據進行如下處理：首先，剔除金融業、信息傳輸、軟件和信息技術服務業的樣本。其次，剔除ST、*ST、暫停上市、退市等特殊狀態企業樣本。最后，剔除缺失值較多的企業樣本。本文對所有連續變量進行上下5%的縮尾處理，以削弱極端值對回歸結果的影響。本文企業數據來自國泰安數據庫和萬得數據庫，詞頻數據來源為上市公司年報。

（二）變量選取與模型構建

1. 被解釋變量：企業勞動雇傭規模（Employee）。使用當年企業員工總數的對數值進行衡量。

2. 解釋變量：供應鏈金融（SCF）。目前研究主要以虛擬變量衡量企業是否開展供應鏈金融業務，也有學者通過詞頻法衡量企業的供應鏈金融水平（Huang等，2022）[22]，但上述方法在衡量企業供應鏈金融使用程度方面過于主觀。本文通過借鑒胡海青等（2025）[2]的做法，使用短期借款、應付票據、應付賬款之和占企業總資產的比重來刻畫企業供應鏈金融強度，以降低主觀性對回歸結果的影響。

3. 控制變量。本文參考已有文獻，選取可能影響企業勞動雇傭規模的因素作為控制變量，以減少樣本選擇性偏誤對回歸結果的影響（于小悅等，2023；陶鋒等，2023）[8，10]。企業規模（Size），使用企業總資產的對數值進行衡量；企業性質（SOE），若企業為國有企業則設置為1，否則設置為0；企業年限（FirmAge），使用企業成立時間的對數值進行衡量；企業成長性（Growth），使用企業主營業務收入增長率進行衡量；資產負債率（Lev），用總負債與總資產的比值來衡量；總資產增長率（AssetGrowth），用當年總資產差值與期初總資產的比值衡量；固定資產占比（FIXED），用企業固定資產與總資產的比值衡量；現金流比率（Cashflow），用經營活動產生的現金流與流動性負債的比值來衡量；托賓Q值（TobinQ），用企業市場價值與其資產重置成本的比值衡量；董事會規模（Board），以董事會人數的自然對數進行測度；兩職合一（Dual），通過設置董事長與總經理是否為一人擔任的虛擬變量進行測度，若為一人擔任則設置為1，否則設置為0；上市時間（ListAge），使用企業上市年限的對數值進行測量；外部監管（Big），若企業被四大會計師事務所審計則虛擬變量設置為1，否則設置為0；銀行信貸融資規模（Cfs），使用企業擁有的銀行借款總額占企業總資產的比重進行衡量；發行債券（Fb），若當年企業發行債券則設置為1，否則設置為0；再融資（SEO），若企業當年進行股權再融資則設置為1，否則設置為0；應付賬款（Ap），使用企業應付賬款的對數值進行衡量。

4. 模型構建。為了檢驗供應鏈金融對企業勞動雇傭規模的影響，設立如下計量模型：

[Employeei，t=β0+β1SCFi，t+βzCi，t+ri+θt+εi，t]（1）

其中，[Employeei，t]表示[i]企業在[t]年的勞動雇傭規模；[SCFi，t]表示[i]企業在[t]年供應鏈金融業務的開展情況；[Ci，t]為各種可能影響企業勞動雇傭規模的控制變量；[ri]和[θt]分別表示個體固定效應和時間固定效應，以減少個體不可觀測差異對回歸結果造成的不利影響和降低時間效應的干擾；[εi，t]為隨機擾動項。

五、實證分析

（一）描述性統計

由表1的描述性統計結果可知，企業勞動雇傭規模最大值為11.181，最小值為4.190，標準差為1.247，表明上市企業之間的勞動雇傭規模存在較大差異。供應鏈金融平均值為0.247，標準差為0.143，說明樣本上市公司供應鏈金融的發展水平較低且存在發展差距。其余控制變量的統計量與以往研究相近，不同企業間的指標存在明顯差異，需將其加入回歸模型以保證回歸結果的穩健。

（二）基準回歸結果分析

為增強檢驗的可靠性，本文使用逐步添加控制變量和固定效應的方式，檢驗供應鏈金融與企業勞動雇傭規模之間的相關性，回歸結果如表2所示。列（1）—（4）中供應鏈金融的回歸系數為正且均通過了1%的顯著性檢驗，表明供應鏈金融能顯著提高核心企業的勞動雇傭規模，假設H1得到驗證，即供應鏈金融能降低企業融資門檻和提高營運穩定性，增強企業勞動雇傭能力和雇傭需求，擴大企業雇傭規模。

（三）內生性檢驗

1. Heckman兩步法檢驗。目前，我國證監會尚未強制要求企業披露主要供應商及客戶信息。因此，企業可能出于自身的某些原因強化信息披露，也可能隱藏自身供應鏈信息。同時，企業的短期借款、應付票據、應付賬款數據均來自公開資產負債表，可能會因內部控制不足、會計政策調整等因素與實際情況不符，進而導致本文測算的供應鏈金融水平與實際水平存在偏差，產生樣本有偏問題。為緩解核心解釋變量自選擇偏誤，本文使用Heckman兩步法重新對其進行估計。第一步，構建供應鏈金融信息披露的虛擬變量TR，若該企業公告中出現供應鏈信息，則TR賦值為1，否則為0。將TR作為因變量，以控制變量中的資產負債率、總資產增長率、固定資產占比和現金流比率為協變量，通過Probit模型進行第一段回歸檢驗，求得逆米爾斯比率IMR。第二步，將IMR加入基準回歸當中，進行第二步回歸檢驗，結果如表3列（1）所示。其中，供應鏈金融系數依舊顯著為正，IMR未通過顯著性檢驗，表明回歸結果穩健且原模型不存在嚴重的自選擇偏誤。

2. 傾向得分匹配。前文的基準回歸中控制了行業固定效應與時間固定效應，排除了行業特征不隨時間變化的差異影響。但樣本公司存在特征性差異，且企業是否開展供應鏈金融為非隨機事件，這易造成樣本選擇偏誤的內生性問題，對此，本文使用傾向得分匹配法（PSM）進行處理。本文使用1∶1鄰近匹配的方法，根據企業供應鏈金融水平的中位數，將樣本企業分為高供應鏈金融組和低供應鏈金融組，并分別賦值為1和0，將所有控制變量作為協變量進行1∶1近鄰匹配。回歸結果如表3列（2）所示，在控制樣本選擇性偏誤后，供應鏈金融的回歸系數仍在1%的水平下顯著為正，與前文研究一致。

3. 工具變量。基準回歸結果表明供應鏈金融發展能擴大企業的雇傭規模，發揮“穩就業”效應。但勞動雇傭規模大的企業有更強的動機去緩解融資約束，以保證企業資金的流動性和充足率，可能會更加傾向于開展供應鏈金融業務，從而導致反向因果的內生性問題。本文使用兩階段最小二乘法（2SLS）緩解上述問題，參考宋敏等（2021）[23]的做法，先選取三個與企業所在城市GDP水平相近的地級市，然后計算選定地級市內所有上市企業供應鏈金融水平的均值，以此作為工具變量（IV）進行回歸檢驗。一方面，GDP水平相近意味著地級市經濟發展水平相近，企業供應鏈金融發展程度與其余三個地級市內企業具有相似性，符合工具變量相關性的要求。另一方面，其余地級市企業供應鏈金融發展的平均水平不會對目標企業的雇傭情況產生直接影響，符合工具變量外生性的要求。回歸結果如表3列（3）和（4）所示。列（3）為2SLS第一階段回歸結果，工具變量系數為0.012，且通過了5%的顯著性檢驗；Kleibergen-Paap rk LM統計量為16.74且通過了1%的顯著性檢驗，拒絕了工具變量不可識別的原假設；Cragg-Donald Wald F統計量為27.425，大于10%水平下的臨界值16.38，拒絕了存在弱工具變量的原假設。列（4）為第二階段的回歸結果，供應鏈金融對企業勞動雇傭規模的回歸系數為0.034，且通過了1%的顯著性檢驗。為進一步驗證外生性，本文通過參考唐要家等（2022）[24]的方法，將自變量與工具變量同時加入基準回歸當中，列（5）的結果顯示，工具變量的回歸系數不顯著，進一步證明工具變量存在外生性。上述回歸結果表明，在排除反向因果干擾后，供應鏈金融仍然能擴大企業勞動雇傭規模。

（四）穩健性檢驗

1. 更換供應鏈金融的估計方式。本文借鑒潘愛玲等（2023）[17]的做法，通過文本分析法根據搜索引擎、公司年報等確定該公司是否開展供應鏈金融，并確定最早開展的時間，將該公司開展供應鏈金融業務的當年及以后賦值為1，否則為0。表4列（1）中供應鏈金融的系數顯著為正，證明本文結論穩健。

2. 增加企業—時間、城市—時間固定效應。為進一步控制企業及地區層面隨時間變化的潛在因素對企業雇傭規模的影響，本文通過引入“企業×時間”與“城市×時間”的高維固定效應，以消除上述影響。表4列（2）和列（3）中供應鏈金融的系數依舊顯著為正，表明在控制潛在因素的情況下結果依舊穩健。

3. 引入其他層面的企業特征。由于員工待遇也是影響企業雇傭的重要因素，本文加入員工薪資水平（sc）與管理層薪資水平（ac）作為控制變量進行回歸，表4列（4）中供應鏈金融的系數顯著為正，表明回歸結果穩健。

4. 剔除特殊地區。經濟發達地區的企業更容易接受和開展供應鏈金融業務，本文通過剔除企業經營地為直轄市及省會的企業，規避地區綜合稟賦對回歸結果的影響。表4列（5）中供應鏈金融的系數顯著為正，證明結論穩健。

5. 延長時間區間。通過將樣本觀測期延長為2008—2023年，證明企業開展供應鏈業務對企業雇傭的影響不受時間跨度的干預，表4列（6）中供應鏈金融的系數顯著為正，證明本文結論穩健。

6.排除同期政策擾動。本文借鑒張克中等（2020）[25]的做法，剔除服務業樣本以規避“營改增”政策的干擾，同時借鑒陳勝藍等（2023）[26]的做法，構建實施《中小企業促進法》的虛擬變量交乘項，并將其作為控制變量加入檢驗。表4列（7）和列（8）結果表明，在排除同期政策干擾的情況下，回歸結果依舊穩健。

（五）異質性檢驗

1. 企業規模與企業性質異質性。企業規模和產權性質是影響企業融資門檻和勞動投資的重要因素。因此，本文根據企業總資產自然對數的中位數將樣本企業分為大型企業和中小型企業，并依據產權性質將樣本企業分為國有企業與非國有企業。分組回歸結果如表5所示。對比列（1）與列（2）的回歸系數發現，中小企業組核心解釋變量的回歸系數較大，且組間系數差異顯著。比較列（3）與列（4）的回歸系數發現，非國有企業回歸系數較大，且組間差異系數顯著。這表明供應鏈金融擴大中小企業及非國有企業勞動雇傭規模的效果更強。這主要是因為，規模歧視的存在使中小企業面臨長期的信用風險，甚至存在更嚴重的融資摩擦（陳勝藍等，2023）[26]，而非國有企業相比于國有企業擁有的政府擔保較弱，更加依賴于外部融資。企業規模與產權性質制約了中小企業和非國有企業在融資市場中的地位，因此，供應鏈金融在中小企業和非國有企業中更容易發揮提高資金流動性、擴大企業勞動雇傭規模的作用。

2. 高新技術行業異質性。高新技術行業面臨研發周期長、質押物不明確、價值估計困難等融資困境，且對創新研發和高素質勞動力的需求更加強烈。因此，本文根據科技部公布的高新科技企業認定標準，將樣本企業分為高新技術企業與非高新技術企業，并進行分組回歸。通過比較表5列（5）與列（6）發現，在高新技術企業組供應鏈金融的系數更大，組間系數差異顯著，表明供應鏈金融擴大高新技術企業勞動雇傭規模的效果更強。其原因可能在于，供應鏈金融以實時數據代替財務報表，有效緩解高新技術企業因信用風險導致的融資困境，為企業提供充足的研發資金和人才投資。同時，供應鏈金融以數據要素作為重要融資依據，而高新技術企業易發揮其數字化優勢，實現與金融機構的高效對接，提高企業商業信用，穩定客戶規模，推動企業創新成果的高效率轉化，保證企業內部資金充足。在資金充足的條件下，高新技術企業有更強的動機聘用技術人才，擴大企業雇傭規模。

3. 公司治理異質性。公司治理對企業操作風險、風險承擔水平、營運能力等均會造成影響，也會從監管、決策等方面作用于企業資源利用效率（于浩洋等，2017）[20]，影響企業勞動雇傭規模。因此，本文通過國泰安數據庫獲得內控報告，按照內控程度中位數將樣本區分為高、低內控效果企業。通過第二到第五大股東的持股比例之和與第一大股東持股比例的比值測算股權制衡程度，并按照股權制衡中位數將樣本區分為高、低股權制衡企業。通過比較表6列（1）—（4）的回歸系數發現，在公司治理程度較低的企業，供應鏈金融更能發揮擴大企業勞動雇傭規模的作用。其原因可能是，在供應鏈金融強監管的環境下，公司治理程度較低的企業易通過強化外部機構對管理層的有效監督提高企業價值，不僅能減少管理層非理性行為、提高公司治理水平，也能使銀行等金融機構放寬貸款條件，使企業勞動力投資資金更充足，擴大企業勞動雇傭規模。

（六）機制檢驗

由前文理論分析可知，供應鏈金融能通過發揮風險緩釋效應擴大企業勞動雇傭規模。為檢驗相關機制，本文參考江艇（2022）[27]的研究，構建如下的計量模型：

[Mi，t=γ0+γ1SCFi，t+γzCi，t+ri+θt+εi，t]" " "（2）

式（2）為供應鏈金融與機制變量[Mi，t]（風險緩釋效應）的線性回歸方程。在驗證供應鏈金融的信用風險緩釋機制時，[Mi，t]表示銀企信用風險與商業信用風險。在驗證供應鏈金融的操作風險緩釋機制時，[Mi，t]表示供應鏈風險與管理者非理性行為，其余變量含義與式（1）相同。

1. 信用風險緩釋效應。本文分別檢驗供應鏈金融對銀企信用風險和商業信用風險的影響，以探究供應鏈金融擴大企業勞動雇傭規模的信用風險緩釋路徑。具體而言，銀企信用風險使用銀企信息不對稱（Ia）和融資約束KZ指數衡量。其中，銀企信息不對稱指標的構建參考王亞男等（2024）[28]的研究，采用流動性比率、非流動性比率以及收益率反轉指標的主成分分析值來衡量。銀企信息不對稱與融資約束KZ指數的值越小，表明企業得到銀行的信貸支持越強，銀企信用風險越小。商業信用風險則參考王魯昱和李科（2022）[29]的做法，對于供應商，使用“（新增應付賬款+應付票據）-新增預付款”衡量供應商凈商業信用（Cs），該值越大，表明上游供應商提供的商業信用融資越多，企業得到的商業信用支持越多；對于客戶，使用“（當年新增應收賬款+應收票據）-預收賬款”衡量客戶凈商業信用（Cc），該值越小表明客戶對企業的占用資金越少，企業得到客戶的商業信用支持越多。回歸結果如表7所示。列（1）與列（2）中供應鏈金融的回歸系數均為負且分別通過了5%和10%的顯著性檢驗，列（3）中供應鏈金融的回歸系數在1%的水平上顯著為正，列（4）中供應鏈金融的回歸系數在1%的水平上顯著為負，且sobel檢驗的p值均小于0.01，表明中介效應存在。原因在于，供應鏈金融通過創新資質授信過程和構建“強鏈接”關系，降低銀企信用風險和商業信用風險，銀企信用風險的降低有助于增強企業融資效率與擴大融資規模（蔣殿春和魯大宇，2022）[16]，增加企業可支配資金，增強企業勞動雇傭能力；商業信用風險的降低能推動企業融資趨于多樣化，強化企業風險管理，提高組織韌性（潘愛玲等，2023）[17]，從而保證就業環境的穩定，擴大企業勞動雇傭需求。信用風險的降低也意味著企業財務風險的降低和運營穩定性的增強，能降低企業因信用問題導致的資金鏈斷裂風險，進而推動企業可持續發展以提高企業雇傭意愿。

2. 操作風險緩釋效應。本文通過檢驗供應鏈金融與企業外部和內部操作風險的關系，驗證供應鏈金融擴大企業勞動雇傭規模的操作風險緩釋路徑。參考胡海青等（2025）[2]的做法，使用供應商集中度（Gj）、客戶集中度（Kh）作為外部供應鏈風險的代理變量，其中，供應商或客戶集中度越高，表明供應鏈穩定性越好，企業緩解外部操作風險越有效。本文參考王曉亮等（2022）[30]的做法，使用管理費用與營業收入的比值衡量企業代理成本（Ac）。同時，借鑒張金昌等（2016）[31]的研究，使用企業現金支付能力衡量企業流動性資金需求，若現金支付能力大于0，則表示企業對流動性資金的需求較弱，此時的短期借款為非理性借款。通過進一步設置非理性借款的虛擬變量，對管理者非理性預期進行深入測度，其中現金支付大于0，且存在短期借款行為，設置非理性預期虛擬變量（XR）為1，否則為0。其中，代理成本越低、非理性借款越少，表明企業內部操作風險越小。回歸結果如表8所示。列（1）與列（2）中供應鏈金融的回歸系數均為正且通過1%的顯著性檢驗，列（3）和列（4）中供應鏈金融的回歸系數均為負且通過1%的顯著性檢驗，且sobel檢驗的p值均小于0.01，表明中介效應存在。其原因可能在于，供應鏈金融通過強化供應鏈網絡關系、協同內外部監管，有效降低企業內外部操作風險，而企業操作風險的降低對擴大企業勞動雇傭規模具有顯著的促進作用。一方面，外部操作風險的降低意味著企業將減少因頻繁更換供應商與客戶而導致的信息搜尋成本（于小悅等，2023）[8]，同時有助于解決供貨不足和滯銷問題，提高企業資金充足率與運營穩定性。另一方面，內部操作風險的降低意味著企業投資行為更加合理，有效推動內部資源合理配置，提高勞動投資占比（董浩和閆晴，2024）[19]，強化企業雇傭意愿和雇傭能力，進而擴大企業勞動雇傭規模。綜上，假設H2得到驗證。

六、進一步分析

（一）人力資本與勞動力技能結構調整

上述研究已證明供應鏈金融能擴大核心企業的雇傭規模，供應鏈金融的“穩就業”效應能為企業發展提供充足的勞動力支持。但隨著企業數字化轉型和科技金融的發展，企業對勞動力不僅存在數量上的要求，也對質量提出了更高的標準。鑒于此，本文進一步討論供應鏈金融對企業人力資本水平升級的影響。

首先，基于企業員工的教育背景，使用本科學歷（不包括研究生學歷）員工數占總員工數的比例衡量企業的人力資本水平（Pl）。其次，使用研究生學歷員工數占總員工數的比例衡量企業高級人力資本水平（Hpl）。最后，參考董浩和閆晴（2024）[19]的研究，以員工職業劃分為低技能勞動力（工人及職員）和高技能勞動力（研發、營銷、財務及其他員工），使用低技能勞動力人數（Lp）和高技能勞動力人數（Hp）分別占總員工數的比例衡量企業的勞動力技能結構。將上述變量作為被解釋變量代入式（1）進行檢驗，回歸結果如表9所示。列（1）與列（2）表明，供應鏈金融能推動企業人力資本發展，尤其是高級人力資本發展。列（3）與列（4）表明供應鏈金融對低技能勞動力的雇傭存在抑制效應，對高技能勞動力雇傭存在促進作用，表明供應鏈金融能顯著改善企業的勞動力技能結構。原因可能在于，一方面，供應鏈金融的高效運作需要專業人才，企業通過系統化培訓提高員工金融素養，并通過優化激勵機制吸引外部人才，提高企業人力資本水平。另一方面，供應鏈金融通過優化企業資金流，提高企業競爭力，為員工發展提供機遇和平臺，跨部門的供應鏈協同工作也促進知識要素的積累，提高高技能勞動力占比，優化企業勞動力技能結構。

（二）供應鏈溢出機制

已有研究大多關注供應鏈金融對核心企業發展現狀的影響，忽略了供應鏈金融的溢出效應。本文通過匹配上市公司前五大供應商及客戶的員工信息，探討核心企業開展供應鏈金融對上下游企業勞動雇傭規模的影響。回歸結果如表10列（1）與列（2）所示，供應鏈金融的回歸系數顯著為正，表明核心企業供應鏈金融的發展會提升鏈上供應商及客戶企業的雇傭規模。其原因在于，供應鏈金融通過組織關系嵌入以核心企業的信用作為上下游企業融資的信用憑證（成程等，2023）[6]，同時為上下游企業提供應收賬款融資、存貨質押融資和預付賬款融資等金融服務，緩解了中小企業的融資約束（凌潤澤等，2023）[9]，提高了企業的雇傭能力，帶動了整個供應鏈的就業增長。

為進一步驗證供應鏈的溢出機制，即檢驗供應商及客戶的雇傭規模擴張是由核心企業開展供應鏈金融推動還是由其他因素推動，本文使用核心企業供應鏈金融與供應商應收賬款周轉率（Tar）、客戶應付賬款周轉率（Tap）進行檢驗。其中，供應商應收賬款周轉率越高，表明供應商資產流動性越強，企業的雇傭能力越強；客戶應付賬款周轉率越低，表明客戶流動資金越多，企業的雇傭能力越強。回歸結果如表10列（3）與列（4）所示，回歸系數表明核心企業供應鏈金融的發展會顯著提高供應商應收賬款周轉率和降低客戶應付賬款周轉率，提高供應商及客戶企業資金流動性，以保證雇傭資金充足。綜上，供應鏈金融存在雇傭溢出效應，假設H3得到驗證。

七、結論與啟示

本文基于2013—2023年滬深A股上市公司數據，從理論與實證兩方面檢驗供應鏈金融對企業勞動雇傭規模的影響。研究發現，供應鏈金融能擴大核心企業勞動雇傭規模，在使用Heckman兩步法、傾向得分匹配、工具變量法等排除內生性干擾后，結論依舊成立。機制檢驗表明，供應鏈金融通過風險緩釋效應實現核心企業勞動雇傭規模的擴大。異質性檢驗發現，供應鏈金融擴大勞動雇傭規模的效果在中小企業及非國有企業中更明顯。在區分行業特征及公司內部治理差異后發現，供應鏈金融擴大勞動雇傭規模的效果在高新技術行業企業和擁有低效內控、低股權制衡關系的企業樣本中更有效。進一步研究發現，供應鏈金融對企業人力資本發展特別是高級人力資本發展存在明顯的促進作用，并有利于優化勞動力技能結構。供應鏈金融還能通過溢出機制增加供應商和客戶企業勞動雇傭規模。基于上述結論，本文獲得以下三點啟示。

第一，企業應積極推動供應鏈金融創新發展，確保供應鏈金融的穩定與暢通。在確保傳統供應鏈金融穩定發展的基礎上，將數據要素融入供應鏈金融，形成全新的金融供給方式，進一步增強金融信息匹配，緩解企業勞動力投資不足的問題。政府應積極推進供應鏈產業鏈保障服務，為供應鏈金融創造良好的應用環境。政府部門可通過引入供應鏈金融核心企業，實現供應鏈金融知識的擴散，同時，為當地企業提供財政補貼、減稅降費等政策，鼓勵企業與金融機構開展供應鏈金融業務，穩定當地的就業形勢。

第二，企業應積極發揮供應鏈金融的風險緩釋效應，擴大企業規模，增強人才投資。應正視企業經營過程中面臨的各種潛在風險，利用供應鏈金融的信用風險緩釋效應拓展外部資金來源渠道，保證人才投資的資金需求。同時，應利用供應鏈金融的操作風險緩釋效應穩定供應商、客戶關系和減少內部管理者的非理性行為，保證原材料及銷售渠道暢通，降低非理性行為對企業經營波動性的影響。

第三，由于企業規模和企業性質的差異，中小企業及非國有企業應積極開展供應鏈金融業務，穩定自身就業規模。核心企業也應充分將物聯網、大數據與供應鏈金融相融合，強化供應鏈管理機制與供應鏈溢出機制，逐步推動產業戰略規劃、采購、加工、銷售一體的數字化協同網絡建設，帶動整個供應鏈雇傭規模的擴大，提高供應鏈韌性。

參考文獻：

[1]趙春明，班元浩，劉燁，李宏兵.供應鏈金融與中小企業“走出去”[J].國際貿易問題，2023，（10）.

[2]胡海青，原敏倩，薛萌.供應鏈金融對中小企業Ramp;D投資效率的影響：基于融資約束視角 [J].科技進步與對策，2025，42（01） .

[3]宋華，韓夢瑋，沈凌云.人工智能在供應鏈韌性塑造中的作用——基于邁創全球售后供應鏈管理實踐的案例研究 [J].中國工業經濟，2024，（05）.

[4]羅翔，李政. 供應鏈金融、供應鏈可持續性與企業韌性 [J]. 金融與經濟，2024，（12）.

[5]趙丹妮，張亞豪，唐松.供應鏈金融對企業綠色轉型的影響：抑制還是促進？——基于上市企業年報文本大數據識別的經驗證據 [J].現代財經（天津財經大學學報），2024，44（02）.

[6]成程，田軒，徐照宜.供應鏈金融與企業效率升級——來自上市公司公告與地方政策文件的雙重證據 [J].金融研究，2023，（06）.

[7]成程，楊勝剛，田軒.金融科技賦能下供應鏈金融對企業價值的影響 [J].管理科學學報，2024，27（02）.

[8]于小悅，于蘇，曹偉，王竹泉.供應鏈金融與企業專業化分工[J].財經研究，2023，49（10）.

[9]凌潤澤，李彬，潘愛玲，王慧.供應鏈金融與企業債務期限選擇 [J].經濟研究，2023，58（10）.

[10]陶鋒，王欣然，徐揚，朱盼.數字化轉型、產業鏈供應鏈韌性與企業生產率 [J].中國工業經濟，2023，（05）.

[11]宋華，盧強.什么樣的中小企業能夠從供應鏈金融中獲益？——基于網絡和能力的視角 [J].管理世界，2017，（06）.

[12]韓珣，安然，彭俞超.穩金融是否能穩就業？——來自資管新規的證據 [J/OL].財經研究，2024-03-21.

[13]王書斌，徐盈之.信任、初創期企業擴張與市場退出風險 [J].財貿經濟，2016，（04）.

[14]閆慧慧.“提信用”能“穩就業”嗎——來自納稅信用評級披露的經驗證據 [J].山西財經大學學報，2023，45（07）.

[15]劉達，王曉丹，石玉堂，王淑瑤.公共數據開放的穩就業效應——來自政府數據平臺開通的經驗證據 [J].軟科學，2024，38（09）.

[16]蔣殿春，魯大宇.供應鏈關系變動、融資約束與企業創新 [J].經濟管理，2022，44（10）.

[17]潘愛玲，王慧，凌潤澤.供應鏈金融能否促進“鏈主”企業培育？——基于企業兼并重組的經驗證據 [J].會計研究，2023，（01）.

[18]Caggese A，Cu?at V，Metzger D. 2019. Firing the Wrong Workers：Financing Constraints and Labor Misallocation [J].Journal of Financial Economics，133（3）.

[19]董浩，閆晴.供應鏈穩定性能否實現穩就業？[J/OL].財經研究，2024-03-21

[20]于浩洋，王滿，黃波.內部控制質量、供應商關系與成本粘性 [J].管理科學，2017，30（03）.

[21]Benmelech E，Frydman C，Papanikolaou D. 2019. Financial Frictions and Employment During the Great Depression [J].Journal of Financial Economics，133（3）.

[22]Huang CR，Chan F T，Chung SH. 2022. Recent Contributions to Supply Chain Finance：Towards a Theoretical and Practical Research Agenda [J].Journal of Production Research，60（2）.

[23]宋敏，周鵬，司海濤.金融科技與企業全要素生產率——“賦能”和信貸配給的視角 [J].中國工業經濟，2021，（04）.

[24]唐要家，王鈺，唐春暉.數字經濟、市場結構與創新績效 [J].中國工業經濟，2022，（10）.

[25]張克中，歐陽潔，李文健.緣何“減稅難降負”：信息技術、征稅能力與企業逃稅 [J].經濟研究，2020，55（03）.

[26]陳勝藍，王鵬程，馬慧，劉曉玲.《中小企業促進法》的穩就業效應——基于政府信用體系建設視角 [J].管理世界，2023，39（09）.

[27]江艇.因果推斷經驗研究中的中介效應與調節效應 [J].中國工業經濟，2022，（05）.

[28]王亞男，王帥，孔東民.國家產融合作試點城市建設能否促進企業創新？[J].財經研究，2024，50（01）.

[29]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）.

[30]王曉亮，王進，李穎.企業金融投資的同群效應研究——基于會計信息可比性視角 [J].審計與經濟研究，2022，37（01）.

[31]張金昌，楊國麗，周亞平.流動資金需求測算方法研究 [J].中國工業經濟，2016，（05）.