一、引 言
新年伊始,突如其来的新冠肺炎疫情对原本融资困难的民营企业,特别是广大中小企业来说无疑是祸从天降,以西贝、海底捞为代表的一大批企业遭遇了现金流断裂危机,引发社会强烈关注。中央各部委紧急发布一系列针对民营企业的金融支持政策,从信贷、发债和财政补助等方面给予了民营企业大量支持。可见,在我国现行的经济体制下,在帮扶企业发展方面,政府仍然发挥着至关重要的作用,特别是在非常时期。同时,我国民营经济的融资安全依然脆弱,缺乏有效的市场化融资渠道,减弱了民营企业抵抗风险的能力。事实上,与国有企业相比,我国民营企业一直面临较为严重的融资约束问题(罗党论和甄丽明,2008),这在一定程度上制约了民营企业做大做强。特别是近几年,我国经济下行压力增大,中美贸易摩擦不断升级,金融去杠杆力度增强。这些因素叠加对民营企业融资来说更是雪上加霜,“倒闭潮、跑路潮”频现,并导致了一系列社会经济问题。恒大研究院首席经济师任泽平的《2019年民营企业经济报告》数据显示,截至2018年9月末,民营企业贷款余额仅占金融机构各项贷款余额的22.8%。特别是2016年第四季度金融去杠杆以来,融资形势总体收紧,民营企业信用利差最高上升2.2个百分点,融资难的问题还在加剧。企业融资通常有银行贷款、发行债券等正规金融渠道,但是由于可抵押资产较少、运营不规范以及稳定性较差等原因,民营企业从正规金融渠道获取融资支持的难度较大,缺少有效政府扶持的民营企业往往面临更严重的融资约束。为了破解民营企业的“融资难”困境,党中央、国务院先后颁布实施《关于加强金融服务民营企业的若干意见》《中共中央 国务院关于营造更好发展环境支持民营企业改革发展的意见》等一系列政策措施,目的就是要加强金融服务民营企业,帮助民营企业缓解融资约束。因此,政府如何帮助民营企业解决融资困境,成为现阶段我国政府施政与市场发展所需思考的重要问题,也是一个极具中国特色的研究议题。
长期以来,国有部门对经济的影响一直被诟病。近些年,“国进民退”等现象成为焦点,引发了人们对政府和国有企业在市场经济中所起作用的争议。但中国改革开放四十多年的辉煌发展,尤其是民营经济的蓬勃崛起,毫无疑问表明国有部门有其存在的合理性。然而,关于政府扶持政策的现有文献大多以政府补贴和税收优惠等传统手段为主,发现这些政府干预方式并没有达到预期的效果,导致了企业寻租行为(许罡等,2012)与僵尸企业问题(金祥荣等,2019)。Connell(2009)认为,政府通过公开招标的方式采购民营企业产品,能够起到支持民营企业发展的作用,而且与政府直接补助相比,更有助于提升企业的经营能力,正所谓授人以鱼不如授人以渔。政府扶持能否通过供应链而影响企业经营,应成为研究政府干预的新视角。统计数据表明,自2003年《中华人民共和国政府采购法》实施以来,以政府订单为代表的国有部门采购在规模、范围和效果等方面都有了长足的发展,全国的政府采购规模由2002年的1 009亿元增至2018年的35 861.4亿元,分别占GDP和全国财政支出的4%和10.5%。这说明政府采购在国民经济中发挥着越来越重要的作用。从世界范围看,欧美国家的政府采购规模占GDP的比重都在10%以上,而我国这一指标仅为4%左右,说明政府采购在我国还有相当大的增长潜力。在中国共产党第十九次全国代表大会上,习近平总书记明确要求在经济发展过程中应更好发挥政府作用,深化体制改革,助推国民经济发展。因此,关注以政府和国有企业为代表的政府背景大客户有助于我们从新的角度了解政府干预对资本市场与企业经营的影响。对民营企业来说,政府与国有企业属于优质的大客户,购买力强,需求稳定,且信用高,坏账风险低,能够有效降低企业的违约风险,在为企业带来稳定现金流的同时,还能帮助企业获得资本市场的认可,从而缓解其面临的融资约束。在此次疫情防控期间,中央政府与央企的采购部门对参加政府采购活动的供应商,一律不再收取投标和中标履约保证金,并加大预付款比例,减少供应商的资金占用;北京市财政局进一步提高了面向中小微企业采购的金额和比例,并在履约保证金、付款方式、付款期限等方面给予了适当支持。本文将从供应链上下游风险传递的视角,检验政府背景大客户对民营企业融资约束的影响及其机制。
本文分析了2007—2015年上市公司年报中披露的前五大客户信息,发现政府背景大客户能够有效降低企业的融资约束水平,且这一关系在行业竞争程度较高、经济贫困地区、社会信用水平较低地区以及经济不确定程度较高时期的样本中更加明显。进一步研究发现,政府背景大客户可以有效降低企业的违约风险,改善市场认知,进而缓解其融资约束。本文的研究有助于更好地认识政府背景客户对企业的影响,研究贡献主要体现在:首先,不同于客户集中度与政治关联的研究思路,从客户性质的角度研究了我国政府客户对企业融资约束的影响,将宏观政策影响与微观市场反应有效结合,为政府采购政策的相关研究提供了新的视角;同时,验证了政府背景大客户对缓解企业融资约束的重要作用,为有效支持民营经济发展提供了经验证据。其次,本文关注了政府背景大客户对企业融资约束的影响机制,从企业风险、社会信任和经济不确定性等角度揭示了企业内外部环境如何促进政府背景客户更好地发挥积极作用。再次,本文从违约风险的角度揭示了政府背景大客户如何影响企业融资约束,是对供应链金融研究文献的重要补充,对于我国资本市场发展具有重要的借鉴意义。最后,本文的研究对于投资者解读上市公司获取政府背景采购订单也具有重要的启示。党的十九大报告明确提出“着力构建市场机制有效、微观主体有活力、宏观调控有度的经济体制”,同时要求在经济发展过程中更好发挥政府作用,推动民营经济发展。因此,本文的研究有助于政府部门进一步思考如何以符合市场经济规律的方式完善宏观调控,为我国民营企业纾困,这也是贯彻落实习近平总书记2018年底在民营企业座谈会上讲话精神的重要体现。
二、理论分析与研究假说
(一)政府背景大客户影响民营企业融资约束的机理
在我国当前的融资体系中,造成民营企业融资约束的原因可以归纳为资金供求双方的信息不对称和制度歧视下的资源分配不公。从信息不对称角度看,我国金融系统的资信评级机构评估质量较差、可信度缺失,无法满足民营企业融资的需求;此外,按照监管部门的要求,民营上市公司提高了信息披露程度,但是整体质量仍然较低(陈晓和秦跃红,2003)。从资源分配不公角度看,我国金融体系以国有商业银行为主,而国有银行往往受政策目标的影响较大,贷款的分配存在歧视(白重恩等,2005);此外,外资银行也更加偏好规模大、资金雄厚的国有企业,所有权歧视严重(姚耀军等,2015)。现有文献从宏观和微观两个角度探讨了民营企业的融资约束问题。微观层面的研究主要围绕增加民营企业的信息披露展开。吴红军等(2017)研究发现,自愿披露社会责任信息有助于减弱信息不对称对民营企业融资约束的影响。陈钢和王栋(2020)研究了社会地位对民营企业融资约束的影响,发现从信息传递的视角看,社会地位蕴含企业经营状况和产品质量等方面的信息,能够为金融机构提供一定的参考,缓解其与民营企业之间的信息不对称。宏观层面的研究主要围绕政治关联、金融体系以及政策等展开。于蔚等(2012)利用证券市场微观结构数据,构建了资金供求双方的信息不对称程度指标,发现政治关联发挥信号传递功能,有助于缓解信息不对称。吴秋生和黄贤环(2017)的研究表明,外部融资机构的资金结算能力以及贷款业务职能和担保业务职能的完善程度与民营企业的融资约束水平高度相关。
综上所述,现有文献大多围绕信息不对称、金融体系和政策环境对民营企业融资约束的影响展开,而基于供应链视角的研究尚处于起步阶段,仅有的部分成果也大多聚焦于客户集中度(陈正林,2017;江伟等,2017)等。客户既是企业所处经营环境的重要组成部分,也是企业信息披露中必须重点考量的因素,企业客户的集中程度、客户选择供应商的行为以及主要客户的经营状况和财务状况等因素都会显著影响企业所面临的风险与市场认知(Patatoukas,2012)。因此,客户能够通过供应链渠道对企业融资约束产生影响。现有研究初步揭示了客户整体特征能够影响企业面临的融资约束,但是并没有深入到客户的具体信息层面展开分析。Dhaliwal等(2016)发现,不同特征的供应商和客户会给企业带来不同的风险。本文将从客户性质的角度出发,分析企业对具有特定特征客户的依赖是否会影响其融资约束程度。政府背景大客户必然会对企业产生影响,而这种影响如何体现在融资约束方面特别值得重视。事实上,随着我国财政收入的迅速增长,以政府和国有企业为代表的国有部门具有日益强大的购买力,已成为产品市场的重要客户群体。关于政府背景客户的现有文献大多从宏观经济学视角展开,比较偏重理论探讨与机制论述。国内对政府采购在宏观方面的研究主要聚焦于完善政府采购制度的理论与实践(姜爱华,2014),而微观层面的研究则重点围绕政府采购对企业自主创新的促进作用展开(艾冰和陈晓红,2008),缺乏基于融资约束视角的探究。此外,鉴于政府采购存在舞弊行为与寻租问题,政府背景客户究竟如何影响民营企业仍然值得系统而全面的研究。
与企业客户不同,政府背景大客户的经济行为在很大程度上代表了国家的政策导向,在满足实际需求的同时,又不可避免地受到政策因素的影响。因此,政府背景大客户的采购行为实质上是一种介于市场交易行为与政府扶持行为之间的特殊干预手段,兼具政策扶持与满足需求两大功能,而非单纯的政治关联或客户关系(窦超等,2020)。一般而言,下游客户或者上游供应商的集中程度越高,公司的议价能力就越低。一旦一家或多家出现供应不足或需求不足的情况,就会直接影响公司的正常经营,导致经营恶化。而政府背景大客户背靠国家信用与财政力量,具有较大且稳定的产品需求和低风险优势(Cohen和Li,2020),从而可以有效促进相关企业的成长壮大,减少企业经营风险。同时,这种客户关系还能为企业信用进行有效“背书”,改善资本市场对企业的认知,进而帮助企业获得更多融资,最终改善其面临的融资约束问题。值得注意的是,上述观点与论述主要围绕政府部门的采购活动展开,但与欧美国家不同,国有企业在我国经济体系中占据特殊位置,其经营决策与风险也体现出很强的政府影响,是我国宏观调控的重要组成部分,因而值得特别关注。
从法律视角看,除了部分重大资产的招标采购外,国有企业的大部分采购活动并不属于政府采购的范畴。但从现阶段很多国有企业的实际操作与各级政府的相关政策看,国有企业采购往往被看作是政府采购的一种特殊延伸,受到政府决策的引导,成为我国政府购买力的重要组成部分。国有企业的产权性质决定了它与政府的天然联系。作为国家调节经济的重要工具,国有企业在人事组织关系上接受各级国资委的直接领导,企业核心管理层主要由政府机构直接任命,因而政企关系密切,企业管理体现政府意志。此外,除了经济职能外,国有企业往往还肩负很多的社会责任,如保障就业、维护稳定等,上级管理机构(如国资委)也会定期要求其学习相关政策文件,了解国家大政方针。因此,国有企业的经营决策不可避免地体现出较强的政策导向,并承担政府部分职能(唐清泉和罗党论,2007)。同时,除了极少数特殊时期外,国有企业的经营风险相对较低,原因无外乎各级政府在背后的支持。可见,国有企业的兴衰荣辱与政府紧密相连,有政府信用的兜底,经营稳定且风险低(袁满等,2019),从而可以缓解民营企业的融资约束。国有企业对民营企业融资的扶持作用主要在银行贷款(Rahaman等,2020)、商业信用(叶宁华和包群,2013)以及股权与债权融资(余汉等,2017)等方面体现。不少研究证实了国有企业能够缓解我国民营企业的融资约束,且在实践中体现出较强的政府干预色彩。政府部门与国有企业在性质与职责上存在天然差异,但两者的行为仍体现出比较一致的政策目的与施政方向。为了更加全面地探讨和了解政府之手如何通过订单采购的模式影响企业,本文将国有企业与政府部门和事业单位共同定义为政府背景客户(王雄元和高开娟,2017;窦超和何为,2019)。2019年出台的《中共中央 国务院关于营造更好发展环境支持民营企业改革发展的意见》提出,要继续健全民营企业融资增信支持体系,其中明确要求“推进依托供应链的票据、订单等动产质押融资,鼓励第三方建立供应链综合服务平台。民营企业、中小企业以应收账款申请担保融资的,国家机关、事业单位和大型企业等应付款方应当及时确认债权债务关系”。可见,有效调动政府部门和国有企业在订单采购上对民营企业的帮扶作用可以有效缓解其融资约束。基于此,本文提出以下假说:
假说1:政府背景大客户有助于缓解民营企业的融资约束。
(二)行业竞争程度的调节作用
行业竞争会强化淘汰和掠夺效应,使企业面临较大的生存压力,从而影响其融资决策和现金持有水平。Haushalter等(2007)研究发现,随着行业竞争的加剧,市场上的资源变得更加紧缺,若企业与行业竞争对手争夺同样的获利机会,企业会使用更多的外部金融衍生工具进行高风险融资,并增加现金持有水平。连燕玲等(2019)认为,行业竞争加剧会使要素需求增加,从而导致要素成本上升。当市场竞争程度较高时,企业通常会选择激进型战略,在营销和开拓市场方面需要投入大量资金,导致盈利空间被缩减。因此,在竞争程度高的行业中,企业提升融资能力的动机更强,以防御资金储备不足的风险,外部融资约束水平通常更高。曾伟强等(2016)研究发现,由于市场资源有限,适度的行业竞争有助于降低企业的信息不对称程度,提高盈余透明度,从而获取更多的外部资金;而在激烈的行业竞争下,企业会较少披露有效信息以避免被竞争对手掠夺的风险,从而外部融资成本更高。因此,从供应链融资角度看,政府背景大客户向外界传递出企业经营良好的信号,提高了供应商的商业信用;同时,为供应商提供了信用担保,降低了行业激烈竞争下企业融资不足的风险。可见,竞争程度较高的行业融资压力较大,政府背景大客户缓解民营企业融资约束的作用应较强。基于此,本文提出以下假说:
假说2:政府背景大客户更有助于缓解竞争程度较高行业中民营企业面临的融资约束。
(三)地区经济发展和社会信用的调节作用
我国东、中、西部地区的经济与金融发展水平存在较大差距,部分贫困地区的企业面临更严重的融资约束。Martin和Rogers(1995)揭示了经济活动的“聚集效应”,认为区域经济活动的集中将产生经济吸力,汇集更多的资本流入该区域。我国东部地区的金融市场活力强,吸引了更多的产业集聚,企业融资与贫困地区相比更加容易。此外,政府的政策扶持也会影响资本流向,东部地区的金融发展水平高于其他区域,企业的融资约束程度低于贫困地区。Goldman(2020)比较了贫困地区和发达地区有政府背景客户的企业对相邻的周边企业的影响,发现贫困地区有政府背景客户的企业对周边企业的盈利带动效果更强。综上所述,发达地区的企业融资约束和对政府扶持的依赖明显较弱,政府背景大客户缓解贫困地区民营企业融资约束的作用应较强。基于此,本文提出以下假说:
假说3:政府背景大客户更有助于缓解贫困地区民营企业面临的融资约束。
费孝通先生在其著作《乡土中国》中论述,“从基层上看去,中国社会是乡土性的。乡土社会的信用并不是对契约的重视,而是发生于对一种行为的规矩熟悉到不假思索时的可靠性。”可见,我国社会文化整体上呈现出信用水平较低的特点,信用评价体系也不够完善。新古典经济学认为,社会信用是促进地区经济长期发展的重要作用途径(吕朝凤等,2019),而由于我国各地区的社会信用水平存在较大差异,受市场化程度、交易频度等因素影响,市场无法有效地对失信者实施惩罚并将其淘汰。因此,社会信用水平低的地区失信和惩罚成本明显偏低,而高信用地区的高管若出现盈余操纵或欺诈行为,被解雇的风险则显著更高(Ferris等,2017)。同时,社会信用水平还会对经济活动中各类契约的签订产生影响。在社会信用水平较高的地区,外部融资机构对会计信息披露的要求较低,这有利于缓解企业面临的融资约束(Aghion等,2010);此外,企业比较倾向于签订与其信誉相匹配的契约,选择优质的客户形成长期合作关系(雷光勇等,2014)。可见,在社会信用水平较低的地区,企业获取外部融资的能力较弱,也较难与优质客户形成合作关系。此时,政府背景大客户既可增强企业的风险承受能力,又可起到信用“背书”作用,从而缓解企业融资约束。基于此,本文提出以下假说:
假说4:政府背景大客户更有助于缓解社会信用水平较低地区企业面临的融资约束。
(四)经济不确定性的调节作用
宏观经济不确定性会影响企业融资决策,表现为资金需求渠道的改变。对企业而言,当经济不确定性较高时,销售收入或产出(外部需求)可能存在滞后效应。即使外部需求(销售额)增加,企业也不会迅速对资本存量做出调整。但经济不确定性上升会使管理层甄别和预期未来流动性的能力减弱,且随着经营风险的增大,管理者更倾向于通过银行借款等直接融资渠道来补充流动性(王义中和宋敏,2014)。而对银行而言,随着经济不确定性的上升,企业经营活动现金流的不确定性增大,从而加剧银行与企业之间的信息不对称。在这一形势下,由于无法准确评估企业的预期收益和偿付能力,银行可能会提高信贷成本和抵押品要求,使得企业的融资成本上升,产生较高的外部融资溢价(张成思和刘贯春,2018)。同时,宏观经济不确定性也会增强银行防控风险的意识,银行将上调企业贷款违约风险预期,并收窄信贷供给,从而加剧企业面临的融资约束。综上所述,当经济不确定性较高时,企业面临的融资约束较为严重,政府背景大客户缓解民营企业融资约束的作用应较强。基于此,本文提出以下假说:
假说5:政府背景大客户更有助于缓解经济不确定性较高时期企业面临的融资约束。
三、研究设计
(一)研究数据
由于没有政策强制要求上市公司在年报中披露具体的客户名称,且2007年之前绝大多数企业都选择不披露详细的客户信息,因此本文研究样本的时间范围是2007—2015年。通过筛选A股上市公司年报中披露的前五大客户名称信息,结合国家企业信用信息公示系统③披露的公司股东出资信息与企业产权数据,准确追溯公司客户中的国有控股企业与政府机构信息,进而匹配确定所关注的政府背景大客户。商业信用、银行借贷以及其他财务数据来自CSMAR数据库,Z-Score数据来自Wind数据库。为了确保数据的完整性与可靠性,本文的研究对象须同时符合以下要求:(1)年报中披露了前五大销售客户名称信息的上市公司;(2)上市公司客户的企业股权结构清晰,可追溯控股股东;(3)前五大客户集中度大于1%;(4)2007—2015年财务数据完整。本文对连续变量进行了上下1%的winsorize处理。本文剔除了前五大客户集中度小于1%的样本,这是因为:(1)在以制造业为主的研究样本中,披露客户名称信息的上市公司前五大客户的销售额比重都在1%以上;(2)当企业客户过于分散时,难以衡量单一类型大客户对企业销售的影响(如万科的客户极为分散)。经过上述筛选,本文最终得到606家上市公司样本,共2 648个公司—年度观测值。
(二)研究方法
为了检验政府背景大客户对企业融资约束的影响,本文借鉴魏志华等(2014)以及潘越等(2019)的研究,构建了如下回归模型:
$\begin{aligned} K{Z_{it+1}} = & {\beta _0} + {\beta _1}Procuremen{t_{it}} + {\beta _2}Siz{e_{it}} + {\beta _3}Growt{h_{it}} + {\beta _4}Top{1_{it}} + {\beta _5}RO{A_{it}} + {\beta _6}Tangibl{e_{it}}\\ &+ {\beta _7}Volatilit{y_{it}} + {\beta _8}Marke{t_{it}} + {\beta _9}Ag{e_{it}} + {\beta _{10}}Su{b_{it}} + {\beta _{11}}Industr{y_{it}} + {\beta _{12}}Yea{r_{it}} + {\varepsilon_{it}} \end{aligned}$ | (1) |
为了进一步检验政府背景大客户影响企业融资约束的路径,本文参考王化成等(2017)的中介效应模型,利用企业违约风险(Risk)构建了如下回归模型:
$\begin{aligned} Ris{k_{it}} = & {\beta _0} + {\beta _1}Procuremen{t_{it}} + {\beta _2}Siz{e_{it}} + {\beta _3}Growt{h_{it}} + {\beta _4}Top{1_{it}} + {\beta _5}RO{A_{it}} + {\beta _6}Tangibl{e_{it}}\\ & + {\beta _7}Volatilit{y_{it}} + {\beta _8}Marke{t_{it}} + {\beta _9}Ag{e_{it}} + {\beta _{10}}Su{b_{it}} + {\beta _{11}}Industr{y_{it}} + {\beta _{12}}Yea{r_{it}} + {\varepsilon_{it}} \end{aligned}$ | (2) |
$\begin{aligned} K{Z_{it+1}} =& {\beta _0} + {\beta _1}Procuremen{t_{it}} + {\beta _2}Ris{k_{it}} + {\beta _3}Siz{e_{it}} + {\beta _4}Growt{h_{it}} + {\beta _5}Top{1_{it}} + {\beta _6}RO{A_{it}} + {\beta _7}Tangibl{e_{it}}\\ & + {\beta _8}Volatilit{y_{it}} + {\beta _9}Marke{t_{it}} + {\beta _{10}}Ag{e_{it}} + {\beta _{11}}Su{b_{it}} + {\beta _{12}}Industr{y_{it}} + {\beta _{13}}Yea{r_{it}} + {\varepsilon_{it}} \end{aligned}$ | (3) |
在模型(1)中,KZi,t衡量公司i在第t期面临的融资约束程度,借鉴Kaplan和Zingales(1997),根据公司经营性净现金流、股利、现金持有、资产负债率以及Tobin’s Q等财务指标来构建融资约束指数,计算方法参考潘越等(2019)的研究,KZi,t=−9.7433CFi,t/TAi,t−1−33.9658DIVi,t/TAi,t−1−4.3088CASHi,t/TAi,t−1+5.7117LEVi,t+0.3632Qi,t。其中,CFi,t/TAi,t−1为经营性净现金流除以总资产,DIVi,t/TAi,t−1为现金股利除以总资产,CASHi,t/TAi,t−1为现金持有量除以总资产,LEVi,t为债务除以总资产,Qi,t为托宾Q值。KZ指数与负债占资产比例、托宾Q值正相关,与其他变量负相关。
在模型(2)和模型(3)中,Riski,t衡量公司i在第t期的违约风险,如果政府背景客户能够帮助企业缓解违约风险,那么政企客户关系有助于提升企业的市场认可度并降低融资约束程度。Procurementi,t为第t期政府背景大客户采购额占企业总销售额的比例,采用政府部门采购额占比(Govper)和政府背景部门采购额占比(Stateper)两个衡量指标。控制变量包括:(1)企业财务指标和公司治理指标,如公司规模(Size)、负债水平(Lev)、盈利能力(Roa)、企业成长性(Growth)、有形资产比(Tangible)、公司年龄(Age)、股权集中度(Top1)等;(2)宏观指标,如市场风险(Volatility)和市场化水平(Market);(3)政府扶持指标,如政府补助(Sub)。所有回归结果都在公司层面进行Cluster调整。变量定义见表1。
变量符号 | 变量名称 | 变量定义 |
因变量 | ||
KZ | 融资约束 | KZ指数,根据公司经营性净现金流、股利、现金持有、资产负债率以及Tobin’s Q等财务指标来构建融资约束指数 |
Risk | 违约风险 | 使用Z-Score来衡量,Z=1.2X1+1.4X2+3.3X3+0.6X4+0.999X5,其中X1表示营运资本/总资产,X2表示留存收益/总资产,X3表示息税前利润/总资产,X4表示股东权益/负债总计,X5表示营业收入/总资产 |
TC | 商业信用融资规模 | 应付账款/年末总资产 |
PTO | 商业信用融资期限 | 应付账款周转率,APT=主营业务成本/[(期初应付账款+期末应付账款)/2] |
Debt | 贷款规模 | 银行贷款总额(包括短期借款和长期借款)占资产总额的百分比 |
Maturity | 贷款期限 | 长期贷款占银行贷款总额的比例 |
自变量 | ||
Gov | 是否有政府部门大客户 | 虚拟变量,若公司前五大客户中有政府部门(包括各级党、政、军部门以及政府事业单位)则为1,否则为0 |
State | 是否有政府背景大客户 | 虚拟变量,若公司前五大客户中有政府背景(包括各级党、政、军部门、政府事业单位以及国有企业)则为1,否则为0 |
Govper | 政府大客户订单占比 | 政府部门(各级党、政、军部门以及政府事业单位)的采购额占企业总销售额的比例 |
Stateper | 政府背景大客户订单占比 | 政府部门(各级党、政、军部门以及政府事业单位)和国有企业的采购额占企业总销售额的比例 |
控制变量 | ||
Size | 公司规模 | 第t期末总资产的自然对数 |
Growth | 企业成长性 | 年销售收入增长率 |
Top1 | 股权集中度 | 第一大股东持股比例,采用第一大股东持股数与发行在外的所有股份数之比 |
ROA | 净资产收益率 | 净利润与净资产之比 |
Tangible | 有形资产比率 | (固定资产+存货)/总资产 |
Volatility | 市场风险 | 当年日市场回报率的标准差 |
Market | 市场化水平 | 所在省份的市场化水平,以樊纲指数(2015)来衡量 |
Age | 经营年限 | 样本所在年份减去成立年份 |
Sub | 政府补助 | 政府补助总额除以期末总资产 |
(三)描述性统计
表2报告了本文变量的描述性统计结果。从中可以发现,在获得政府采购订单的样本中,政府部门采购额占样本公司销售额的平均比例超过12%;若进一步加入国有企业采购,则这一比例达到约23%。这说明政府背景大客户对部分民营企业的运营发展具有重要影响。同时,样本公司的融资约束程度和违约风险存在较大差异,这为研究政府背景客户如何影响民营企业融资约束提供了可行性。
变量 | 均值 | 样本数 | 标准差 | 25%分位数 | 中位数 | 75%分位数 |
KZ | 0.090 | 2648 | 2.308 | −2.463 | 0.358 | 3.571 |
Risk | 2.315 | 2648 | 1.631 | 1.063 | 1.505 | 2.985 |
TC | 0.084 | 2648 | 0.074 | 0.040 | 0.076 | 0.114 |
PTO | 8.207 | 2648 | 12.687 | 3.205 | 6.564 | 9.960 |
Debt | 0.195 | 2648 | 0.146 | 0.037 | 0.140 | 0.289 |
Maturity | 0.321 | 2648 | 0.369 | 0.007 | 0.254 | 0.690 |
Gov | 0.193 | 2648 | 0.395 | 0 | 0 | 0 |
State | 0.660 | 2648 | 0.474 | 0 | 1 | 1 |
Govper(%) | 12.578 | 511 | 12.449 | 2.028 | 6.206 | 14.757 |
Stateper(%) | 22.643 | 1749 | 20.662 | 6.098 | 13.163 | 33.137 |
Size | 22.055 | 2648 | 1.726 | 20.925 | 21.983 | 25.331 |
Growth | 0.153 | 2648 | 0.567 | -0.062 | 0.101 | 0.210 |
Top1 | 0.357 | 2648 | 0.164 | 0.215 | 0.393 | 0.553 |
ROA | 0.049 | 2648 | 0.071 | 0.018 | 0.039 | 0.075 |
Tangible | 0.385 | 2648 | 0.216 | 0.243 | 0.456 | 0.588 |
Volatility | 0.035 | 2648 | 0.011 | 0.024 | 0.032 | 0.041 |
Market | 8.026 | 2648 | 1.757 | 6.790 | 9.080 | 9.350 |
Age | 9.056 | 2648 | 5.980 | 6 | 10 | 14 |
Sub | 0.010 | 2648 | 0.008 | 0.002 | 0.007 | 0.015 |
四、实证结果分析
(一)政府背景大客户与企业融资约束的全样本分析
为了检验政府背景大客户对企业融资约束的影响,本文首先对模型(1)进行了全样本回归,结果见表3。列(1)和列(2)引入虚拟变量Gov和State,它们与企业融资约束呈显著的负相关关系,表明有政府背景大客户的企业面临的融资约束程度显著较低。列(3)和列(4)引入连续变量Govper和Stateper,它们与企业融资约束同样呈显著的负相关关系,表明政府(政府背景)采购额占销售总额的比例越高,企业的融资约束程度越低。值得注意的是,表3中虚拟变量的分析结果与连续变量相比显著性偏弱,本文在后续的分析中主要采用政府背景大客户采购额占企业销售总额的比例作为主要研究变量。此外,VIF检验结果表明本文的研究模型不存在明显的自相关问题。综上分析,政府背景大客户能够缓解企业的融资约束,这与假说1的预期一致。
KZit+1 | KZit+1 | KZit+1 | KZit+1 | |
(1) | (2) | (3) | (4) | |
Govit | −0.339*** | |||
(−2.68) | ||||
Stateit | −0.276** | |||
(−2.27) | ||||
Govperit | −2.063*** | |||
(−3.25) | ||||
Stateperit | −1.546*** | |||
(−2.76) | ||||
Controls | 控制 | 控制 | 控制 | 控制 |
行业固定效应 | 控制 | 控制 | 控制 | 控制 |
年份固定效应 | 控制 | 控制 | 控制 | 控制 |
Observations | 2648 | 2648 | 2648 | 2648 |
Adj. R2 | 0.333 | 0.320 | 0.356 | 0.348 |
VIF | 2.90 | 3.01 | 3.12 | 3.25 |
注:括号内为t值,***、**和*分别表示在1%、5%和10%的水平上显著。 |
出于稳健性考虑,本文还做了以下分析:(1)使用替代变量:参考吴秋生和黄贤环(2017)的方法,以SA指数来衡量企业的融资约束程度;借鉴Kaplan和Zingales(1997)的研究,使用本文的所有企业样本来估计KZ指数;使用魏志华等(2014)的方法来计算KZ指数。(2)处理内生性问题:采用变化模型(Change Model)、Heckman两阶段法和倾向得分匹配法进行检验,并考虑政治关联的潜在影响。(3)拓展样本:加入前五大客户集中度小于1%的样本。上述稳健性分析结果与假设1的预期一致,验证了本文的核心结论。
(二)政府背景大客户与企业融资约束的分样本分析
本文接下来从行业特征、区域特征和宏观形势三个角度进行分样本检验。本文首先关注了企业所在行业的竞争程度对政府背景客户与融资约束关系的影响。在以往研究文献(陈志斌等,2017)的基础上,本文按Wind二级行业—年度计算每个公司的营业收入占行业营业收入比例的平方和,基于计算得到的行业竞争程度指数将样本平均分成三组。本文对比分析了行业竞争程度最高与最低的两组,以检验政府背景客户与融资约束关系的差异性。表4结果显示,无论从系数的经济意义还是显著性看,在竞争激烈的行业中,政府(政府背景)大客户缓解企业融资约束的作用更强,从而验证了假说2。Chow检验也证明了存在这一差异。
行业竞争程度高 | 行业竞争程度低 | 行业竞争程度高 | 行业竞争程度低 | |
KZit+1 | KZit+1 | KZit+1 | KZit+1 | |
(1) | (2) | (3) | (4) | |
Govperit | −2.417*** | −1.500** | ||
(−3.73) | (−2.38) | |||
Stateperit | −1.962*** | −1.284* | ||
(−3.66) | (−1.91) | |||
Controls | 控制 | 控制 | 控制 | 控制 |
行业固定效应 | 控制 | 控制 | 控制 | 控制 |
年份固定效应 | 控制 | 控制 | 控制 | 控制 |
Observations | 880 | 892 | 880 | 892 |
Adj. R2 | 0.369 | 0.325 | 0.399 | 0.326 |
Chow检验p值 | 0.042** | 0.017** | ||
注:括号内为t值,***、**和*分别表示在1%、5%和10%的水平上显著。 |
为了检验企业所在地的经营环境是否对政府背景大客户与企业融资约束的关系产生影响,本文依据企业注册地的发展水平进行分组分析。根据国务院发布的《西部大开发“十二五”规划》,本文将研究样本分成两类,企业注册地属于西部大开发范畴的归为贫困地区,其他归为中东部发达地区。结果如表5所示,无论从系数的经济意义还是显著性看,政府(政府背景)大客户缓解贫困地区企业融资约束的作用更强,从而验证了假说3。Chow检验也证明了存在这一差异。
贫困地区 | 发达地区 | 贫困地区 | 发达地区 | |
KZit+1 | KZit+1 | KZit+1 | KZit+1 | |
(1) | (2) | (3) | (4) | |
Govperit | −2.343*** | −1.617** | ||
(−4.04) | (−2.14) | |||
Stateperit | −1.709*** | −1.279** | ||
(−3.00) | (−2.01) | |||
Controls | 控制 | 控制 | 控制 | 控制 |
行业固定效应 | 控制 | 控制 | 控制 | 控制 |
年份固定效应 | 控制 | 控制 | 控制 | 控制 |
Observations | 744 | 1904 | 744 | 1904 |
Adj. R2 | 0.363 | 0.331 | 0.355 | 0.313 |
Chow检验p值 | 0.089* | 0.057* | ||
注:括号内为t值,***、**和*分别表示在1%、5%和10%的水平上显著。 |
政府背景客户有国家财政力量作为后盾,在中国特色市场经济体制中具有较好的信誉,因此在社会信任水平较低的地区应发挥更加显著的作用。本文借鉴现有文献(张维迎和柯荣住,2002)的做法,将样本企业按照注册地的社会信任水平平均分成三组,对比分析了社会信任水平最高与最低的两组,以检验政府背景客户与融资约束关系的差异性。结果如表6所示,无论从系数的经济意义还是显著性看,在社会信任水平低的地区,政府(政府背景)大客户缓解民营企业融资约束的作用更强,从而验证了假说4。Chow检验也证明了存在这一差异。
社会信任水平低 | 社会信任水平高 | 社会信任水平低 | 社会信任水平高 | |
KZit+1 | KZit+1 | KZit+1 | KZit+1 | |
(1) | (2) | (3) | (4) | |
Govperit | −2.250*** | −1.814** | ||
(−4.32) | (−2.11) | |||
Stateperit | −1.860*** | −1.194* | ||
(−3.69) | (−1.77) | |||
Controls | 控制 | 控制 | 控制 | 控制 |
行业固定效应 | 控制 | 控制 | 控制 | 控制 |
年份固定效应 | 控制 | 控制 | 控制 | 控制 |
Observations | 880 | 887 | 880 | 887 |
Adj. R2 | 0.356 | 0.334 | 0.392 | 0.312 |
Chow检验p值 | 0.067* | 0.045** | ||
注:括号内为t值,***、**和*分别表示在1%、5%和10%的水平上显著。 |
政府背景大客户依托国家信用扶持企业发展,增强其应对宏观冲击的能力。那么,在不利的宏观经济环境中,政府背景大客户的作用应更大。为此,本文借鉴现有文献(陈胜蓝和李占婷,2017)的做法,以经济政策不确定性指数来衡量宏观经济不确定性,将样本期间划分为不确定性最高、中等和最低三组。在本文样本期间内,2009年、2011年和2012年这三年的经济不确定性最高,2007年、2014年和2015年这三年的经济不确定性最低。本文对比分析了最高与最低的两组,以检验政府背景客户与融资约束关系的差异性。结果如表7所示,无论从系数的经济意义还是显著性看,在经济不确定性高的时期,政府(政府背景)大客户缓解企业融资约束的作用更强,从而验证了假说5。Chow检验也证明了存在这一差异。
经济不确定性高 | 经济不确定性低 | 经济不确定性高 | 经济不确定性低 | |
KZit+1 | KZit+1 | KZit+1 | KZit+1 | |
(1) | (2) | (3) | (4) | |
Govperit | −2.627*** | −1.353* | ||
(−3.71) | (−1.94) | |||
Stateperit | −2.048*** | −1.050* | ||
(−3.48) | (−1.83) | |||
Controls | 控制 | 控制 | 控制 | 控制 |
行业固定效应 | 控制 | 控制 | 控制 | 控制 |
年份固定效应 | 控制 | 控制 | 控制 | 控制 |
Observations | 556 | 1058 | 556 | 1058 |
Adj. R2 | 0.353 | 0.323 | 0.384 | 0.339 |
Chow检验p值 | 0.007*** | 0.028** | ||
注:括号内为t值,***、**和*分别表示在1%、5%和10%的水平上显著。 |
(三)政府背景大客户影响企业融资约束的路径分析
政府背景大客户有国家信用与财政作为后盾,基本不存在倒闭的可能性,从而违约风险较低。而较低的违约风险往往能够帮助企业更好地赢得市场认可,获得数量更多、成本更低的融资支持,从而缓解融资约束问题。因此,本文从违约风险的角度探究政府背景大客户影响企业融资约束的路径,采用模型(2)和模型(3)进行了中介效应检验。表8中列(1)和列(2)结果表明,政府背景大客户采购额比例越高,企业面临的违约风险越低。列(3)和列(4)结果显示,政府背景大客户采购额比例和违约风险的系数均显著不为0,说明违约风险是政府背景大客户影响融资约束的部分中介变量。Sobel检验也说明违约风险是政府背景大客户影响企业融资约束的一个重要中介因素。
Riskit | Riskit | KZit+1 | KZit+1 | |
(1) | (2) | (3) | (4) | |
Govperit | 1.199*** | −1.391** | ||
(3.23) | (−2.17) | |||
Stateperit | 0.875*** | −1.346* | ||
(2.79) | (−1.92) | |||
Riskit | −0.274*** | −0.258*** | ||
(−4.46) | (−4.54) | |||
Controls | 控制 | 控制 | 控制 | 控制 |
行业固定效应 | 控制 | 控制 | 控制 | 控制 |
年份固定效应 | 控制 | 控制 | 控制 | 控制 |
Observations | 2648 | 2648 | 2648 | 2648 |
Adj. R2 | 0.814 | 0.821 | 0.385 | 0.367 |
注:括号内为t值,***、**和*分别表示在1%、5%和10%的水平上显著。 |
五、进一步分析
(一)融资金额
政府背景大客户缓解企业融资约束会直接体现在企业下一年度的商业信用额度(TC)和银行贷款额度(Debt)上。表9中列(1)和列(2)检验了政府(政府背景)大客户对企业下一年度从上游供应商获得的商业信用额度的影响,两者呈显著的正相关关系,说明政府背景大客户提高了企业获得商业信用的能力。列(3)和列(4)检验了政府(政府背景)大客户对企业下一年度银行贷款额度的影响,两者也呈显著的正相关关系,说明政府背景大客户提升了企业从银行获得的贷款额度。
TCit+1 | TCit+1 | Debtit+1 | Debtit+1 | PTOit+1 | PTOit+1 | Maturityit+1 | Maturityit+1 | |
(1) | (2) | (3) | (4) | (5) | (6) | (7) | (8) | |
Govperit | 0.086*** | 0.056*** | −10.284*** | 0.101** | ||||
(5.78) | (4.58) | (−2.79) | (2.22) | |||||
Stateperit | 0.039*** | 0.041*** | −4.057** | 0.075*** | ||||
(3.85) | (6.16) | (−2.43) | (2.82) | |||||
Controls | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 |
行业固定效应 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 |
年份固定效应 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 |
Observations | 2648 | 2648 | 2648 | 2648 | 2648 | 2648 | 2648 | 2648 |
Adj. R2 | 0.199 | 0.204 | 0.688 | 0.641 | 0.107 | 0.126 | 0.218 | 0.188 |
注:括号内为t值,***、**和*分别表示在1%、5%和10%的水平上显著。 |
(二)融资期限
本文还检验了政府(政府背景)大客户对企业商业信用期限(PTO)和银行贷款期限(Maturity)的影响。表9中列(5)和列(6)检验了政府(政府背景)大客户对企业下一年度商业信用期限的影响,两者呈显著的负相关关系,说明政府背景大客户能够延长企业所获商业信用的期限。列(7)和列(8)检验了政府(政府背景)大客户对企业下一年度银行贷款期限的影响,两者呈显著的正相关关系,说明政府背景大客户能够延长企业从银行获得的贷款期限。
六、研究结论
本文从风险传递的视角揭示了政府背景大客户缓解民营企业融资约束的机理。本文基于2007—2015年A股上市公司年报中披露的前五大客户名称信息,筛选出民营企业的政府背景大客户,系统检验了其对民营企业融资约束的影响。研究表明,政府背景大客户能够有效降低企业的融资约束水平。从行业竞争看,政府背景大客户更有助于缓解竞争激烈行业中企业面临的融资约束。从区域特征看,政府背景大客户更有助于缓解贫困地区和社会信任水平较低地区的企业面临的融资约束。从宏观形势看,在经济不确定性高的时期,政府背景大客户缓解企业融资约束的作用更强。进一步研究发现,政府背景大客户抑制了供应链违约风险的传递,从而缓解了企业融资约束。最后,本文检验了政府背景大客户对企业下一年商业信用和银行贷款的影响,证实了其对企业融资的扶持作用。
在我国,政府客户是企业产品和服务的重要采购主体,民营企业也将开发政府客户放到了营销管理的日程上。因此,政府背景大客户是一项极具我国特色的研究议题。本文研究表明,政府采购机制对缓解企业融资约束起到了积极作用。特别是在行业竞争激烈、地域信用环境差和经济不确定性高的情况下,政府对民营企业的融资支持力度更强。本文的研究解释了一些地区的民营企业为何竞争政府采购合同,并揭示了在困难时期政府采购订单可以起到稳定地方融资环境与经济的作用,尤其对于缓解当前新冠肺炎疫情下大量民营企业遭遇的资金困境与发展难题具有的重要参考价值。
* 文章还受到北京高校高精尖学科“金融安全工程”2020年度应急项目“新冠疫情冲击下的中国金融安全研究”的资助。
① 中国人民银行公开市场交易公告[2020]第29号文,银发[2020]29号文,财办[2020]11号文。
② 如:中共中央、国务院2019《中共中央国务院关于营造更好发展环境支持民营企业改革发展的意见》;工信部2020《支持中小企业应对新冠肺炎疫情指引》等。
③
[1] | 艾冰, 陈晓红. 政府采购与自主创新的关系[J]. 管理世界, 2008(3): 169–170. |
[2] | 白重恩, 路江涌, 陶志刚. 中国私营企业银行贷款的经验研究[J]. 经济学(季刊), 2005(3): 605–622. |
[3] | 陈钢, 王栋. 社会地位会影响企业融资约束吗? ——来自A股民营上市公司的经验证据[J]. 经济管理, 2020(2): 160–174. |
[4] | 陈胜蓝, 李占婷. 经济政策不确定性与分析师盈余预测修正[J]. 世界经济, 2017(7): 169–192. |
[5] | 陈晓, 秦跃红. “庄家”与信息披露的质量[J]. 管理世界, 2003(3): 28–33. |
[6] | 陈正林. 客户集中、行业竞争与商业信用[J]. 会计研究, 2017(11): 79–85. DOI:10.3969/j.issn.1003-2886.2017.11.014 |
[7] | 陈志斌, 吴敏, 陈志红. 家族管理影响中小家族企业价值的路径: 基于行业竞争的代理理论和效率理论的研究[J]. 中国工业经济, 2017(5): 113–132. |
[8] | 窦超, 何为. 创新视角下的政府背景客户与企业成长[J]. 科研管理, 2019(10): 193–206. |
[9] | 窦超, 袁满, 陈晓. 政府背景大客户与审计费用——基于供应链风险传递视角[J]. 会计研究, 2020(3): 164–178. |
[10] | 姜爱华. 政府采购“物有所值”制度目标的含义及实现——基于理论与实践的考察[J]. 财政研究, 2014(8): 72–74. |
[11] | 江伟, 底璐璐, 彭晨. 客户集中度影响银行长期贷款吗——来自中国上市公司的经验证据[J]. 南开管理评论, 2017(2): 71–80. DOI:10.3969/j.issn.1008-3448.2017.02.007 |
[12] | 金祥荣, 李旭超, 鲁建坤. 僵尸企业的负外部性: 税负竞争与正常企业逃税[J]. 经济研究, 2019(12): 70–85. |
[13] | 雷光勇, 邱保印, 王文忠. 社会信任、审计师选择与企业投资效率[J]. 审计研究, 2014(4): 72–80. |
[14] | 连燕玲, 叶文平, 刘依琳. 行业竞争期望与组织战略背离——基于中国制造业上市公司的经验分析[J]. 管理世界, 2019(8): 155–172. DOI:10.3969/j.issn.1002-5502.2019.08.012 |
[15] | 罗党论, 甄丽明. 民营控制、政治关系与企业融资约束——基于中国民营上市公司的经验证据[J]. 金融研究, 2008(12): 164–178. |
[16] | 潘越, 宁博, 纪翔阁, 等. 民营资本的宗族烙印: 来自融资约束视角的证据[J]. 经济研究, 2019(7): 94–110. |
[17] | 唐清泉, 罗党论. 政府补贴动机及其效果的实证研究——来自中国上市公司的经验证据[J]. 金融研究, 2007(6): 149–163. |
[18] | 王化成, 张修平, 侯粲然, 等. 企业战略差异与权益资本成本——基于经营风险和信息不对称的中介效应研究[J]. 中国软科学, 2017(9): 99–113. DOI:10.3969/j.issn.1002-9753.2017.09.011 |
[19] | 王雄元, 高开娟. 如虎添翼抑或燕巢危幕: 承销商、大客户与公司债发行定价[J]. 管理世界, 2017(9): 42–59. DOI:10.3969/j.issn.1002-5502.2017.09.005 |
[20] | 王义中, 宋敏. 宏观经济不确定性、资金需求与公司投资[J]. 经济研究, 2014(2): 4–17. |
[21] | 魏志华, 曾爱民, 李博. 金融生态环境与企业融资约束——基于中国上市公司的实证研究[J]. 会计研究, 2014(5): 73–80. DOI:10.3969/j.issn.1003-2886.2014.05.009 |
[22] | 吴红军, 刘啟仁, 吴世农. 公司环保信息披露与融资约束[J]. 世界经济, 2017(5): 124–147. |
[23] | 吴秋生, 黄贤环. 财务公司的职能配置与集团成员上市公司融资约束缓解[J]. 中国工业经济, 2017(9): 156–173. |
[24] | 许罡, 朱卫东, 张子余. 财政分权、企业寻租与地方政府补助——来自中国资本市场的经验证据[J]. 财经研究, 2012(12): 120–127. |
[25] | 姚耀军, 吴文倩, 王玲丽. 外资银行是缓解中国企业融资约束的“白衣骑士”吗? ——基于企业异质性视角的经验研究[J]. 财经研究, 2015(10): 58–68. |
[26] | 叶宁华, 包群. 信贷配给、所有制差异与企业存活期限[J]. 金融研究, 2013(12): 140–153. |
[27] | 余汉, 杨中仑, 宋增基. 国有股权、政治关联与公司绩效——基于中国民营控股上市公司的实证研究[J]. 管理评论, 2017(4): 196–212. |
[28] | 于蔚, 汪淼军, 金祥荣. 政治关联和融资约束: 信息效应与资源效应[J]. 经济研究, 2012(9): 125–139. |
[29] | 袁满, 窦超, 薛健. 春江水暖鸭先知——分析师能否读懂国有部门采购?[J]. 中国会计评论, 2019(2): 171–202. |
[30] | 曾伟强, 李延喜, 张婷婷, 等. 行业竞争是外部治理机制还是外部诱导因素——基于中国上市公司盈余管理的经验证据[J]. 南开管理评论, 2016(4): 75–86. DOI:10.3969/j.issn.1008-3448.2016.04.008 |
[31] | 张成思, 刘贯春. 中国实业部门投融资决策机制研究——基于经济政策不确定性和融资约束异质性视角[J]. 经济研究, 2018(12): 51–67. |
[32] | 张维迎, 柯荣住. 信任及其解释: 来自中国的跨省调查分析[J]. 经济研究, 2002(10): 59–70. |
[33] | Aghion P, Algan Y, Cahuc P, et al. Regulation and distrust[J]. The Quarterly Journal of Economics, 2010, 125(3): 1015–1049. DOI:10.1162/qjec.2010.125.3.1015 |
[34] | Cohen D A, Li B. Customer-base concentration, investment, and profitability: The U.S. government as a major customer[J]. The Accounting Review, 2020, 95(1): 101–131. DOI:10.2308/accr-52490 |
[35] | Connell D. Using government procurement to help grow new science and technology companies: Lessons from the US small business innovation research (SBIR) programme[J]. Innovation, 2009, 11(1): 127–134. DOI:10.5172/impp.453.11.1.127 |
[36] | Dhaliwal D, Judd J S, Serfling M, et al. Customer concentration risk and the cost of equity capital[J]. Journal of Accounting and Economics, 2016, 61(1): 23–48. DOI:10.1016/j.jacceco.2015.03.005 |
[37] | Ferris S P, Javakhadze D, Rajkovic T. CEO social capital, risk-taking and corporate policies[J]. Journal of Corporate Finance, 2017, 47: 46–71. DOI:10.1016/j.jcorpfin.2017.09.003 |
[38] | Goldman J. Government as customer of last resort: The stabilizing effects of government purchases on firms[J]. The Review of Financial Studies, 2020, 33(2): 610–643. DOI:10.1093/rfs/hhz059 |
[39] | Haushalter D, Klasa S, Maxwell W F. The influence of product market dynamics on a firm’s cash holdings and hedging behavior[J]. Journal of Financial Economics, 2007, 84(3): 797–825. DOI:10.1016/j.jfineco.2006.05.007 |
[40] | Kaplan S N, Zingales L. Do investment-cash flow sensitivities provide useful measures of financing constraints?[J]. The Quarterly Journal of Economics, 1997, 112(1): 169–215. DOI:10.1162/003355397555163 |
[41] | Martin P, Rogers C A. Industrial location and public infrastructure[J]. Journal of International Economics, 1995, 39(3−4): 335–351. DOI:10.1016/0022-1996(95)01376-6 |
[42] | Patatoukas P N. Customer-base concentration: Implications for firm performance and capital markets[J]. The Accounting Review, 2012, 87(2): 363–392. DOI:10.2308/accr-10198 |
[43] | Rahaman M M, Rau P R, Al Zaman A. The effect of supply chain power on bank financing[J]. Journal of Banking & Finance, 2020, 114: 105801. |