[DOI]1013939/jcnkizgsc201718181
1引言
我国宏观经济金融环境在近些年来发生了重大的变化。国内随着经济金融改革的逐步深入，市场变化前所未有，流动性过剩、通货膨胀、人民币贬值、自然灾害等问题给我们带来了较多的困扰，金融同业竞争也是越来越激烈，金融创新层出不穷，监管规则日趋完善、资本约束更加具有刚性，金融脱媒日趋严重，这些都悄然地改变了中小企业的生存环境与发展模式。为了适应这些变化，供应链金融模式悄然而生。
供应链融资，实质上是“N+1+M”融资模式，以“1”为核心，即核心厂商，向上游N个供应商，向下游M个供销商，推广银行或者核心企业的一揽子金融方案。供应链金融给予了中小企业全新的融资工具，这在中小企业融资难背景下，具有强大的生存空间；同时，又满足了核心企业产业转型升级的诉求，通过金融服务，变现其产业链生态系统的价值；而对于银行等资金供给方而言，由于核心企业的隐性背书，降低了向中小企业放款的风险。这种多方共赢的生态系统，正是供应链金融未来的商业价值和发展方向。
2文献综述与假设提出
供应链金融在我国的发展比较晚，刘国忱（2013）认为供应链金融是以金融资本支撑产业资本，因此，构建产融联盟、提升核心企业资信状况能带动产业升级；与此同时，核心企业的资信状况又可以通过企业基本状况和企业综合实力体现出来，朱文贵（2007）的研究就得出结论：规模越大的企业，资信状况越好，越有利于供应链融资的进行。而供应链关系契约强度可以体现出供应链金融发展体系建设的一方面，为此提出假设1：
H1：核心企业资信状况越好，供应链金融关系契约强度越高。
饶品贵和姜国华（2011）的研究指出，由于“信贷歧视”以及预算软约束的存在，国有企业获得银行信贷资源的可能性更高，民营公司获得信贷的可能性则要低得多。这种融资劣势的存在，使得非国有中小企业往往更倾向于在二级市场寻求供应链融资，因而上下游企业之间的依赖程度会进一步增加，合作频率也会相应增加，这更要求核心企业的资信状况有所提高才能满足这些融资者的需求，因而提出假设2：
H2：核心企业资信状况越好，供应链金融关系质量越高，上下游企业合作频率越高。
3研究方法设计
31样本与数据来源
本研究使用的上市公司财务数据，第一大股东持股比例，行业类别数据来源于国泰安CSMAR数据库；供应链融资关系强度和质量信息数据取自锐思（Resset）金融数据库，管理者素质等定性数据来源于色诺芬CCER?稻菘猓?小部分数据从中国证监会官网和供应链金融各个核心企业官网上手工搜集补充得到。
考虑到供应链金融在我国出现的时间并不久，因此本研究选择供应链金融体系在我国初具规模后开始，以2012―2016年中国A股上市公司在这期间进行的供应链融资数据作为研究样本。初始样本包括2782个核心企业年度观测值，然后使用STATA13软件进行缩尾处理，剔除一些极端数值，最后得到2341个公司年度观测值的非平衡面板数据。
32统计分析方法与变量设计
参照田美玉（2016）的研究，使用供应链融资关系强度和质量来衡量供应链金融体系的发展。被解释变量为核心企业进行供应链融资当年的供应链融资关系强度与质量，首先设置虚拟变量Srs，表示核心企业与上下游企业的供应链融资关系强度；其次用Srq表示核心企业与上下游企业的供应链融资关系质量。由于被解释变量Srs的取值是离散的二元选择模型，因此对于供应链融资关系强度的统计方法选择使用Logistic回归模型检验，具体如下：（其中p为供应链上下游双方有长期供销合同的概率）
ln（p1-p）=β0+β1MQ+β2Debt+β3size+β4prof+β5grow+β6cr+β7cfr+ε（1）
考虑到供应链融资关系质量用核心企业和融资企业合作频率来衡量，而这两者之间在固定时期内的合作次数有可能是0，这样一来，Srq作为因变量时得到的观测值并不连续，为解决这一问题，笔者参照黄莲琴（2011）等的做法选择使用Tobit回归模型，这种模型能够很好地应对上述问题，得到较好的拟合效果。但是Tobit模型有两类，笔者首先进行了混合Tobit回归，并使用聚类稳健标准误，得到的结果拟合优度为负值，之后，笔者进行了随机效应的面板Tobit回归，回归列表底部的LR检验结果强烈拒绝不存在个体效应的原假设，因此使用随机效应的Tobit模型比较恰当，具体如下：
Srq=α0+αiXit+control+ε（2）
解释变量由四类组成，参照陈玉罡（2011）的做法，以管理者在行业内持续经营年限>8年时，MQ取1为管理者素质优良的样本，在此基础上，设置了盈利能力、偿债能力和公司规模的二级解释变量，同时控制了行业变量和年度变量。具体变量设定情况如表1所示。
表1变量定义
变量类型变量符号含义计算方法
被解释变量：供应链融资体系发展Srs供应链融资关系强度因变量，当供应链上下游双方有长期供销合同时，Srs取值为1，反之取值为0 Srq供应链融资关系质量核心企业和融资企业合作频率（固定时期内合作次数）
解释变量：核心企业资信状况MQ管理者素质优良因变量，当核心企业管理者在行业内持续经营年限>8时，MQ取1，反之取值为0
Prof盈利能力净资产收益率[净利润×2/（本年期初净资产+本年期末净资产）]
Debt偿债能力流动资产/流动负债
Size公司规模年末资产总额的自然对数
4实证结果与分析
41描述性统计
表2为变量的描述性统计。由表2可知，供应链融资关系强度（Srs）的均值为074，可知供应链上下游双方有长期供销合同的公司占总样本的74%；供应链融资关系质量（Srq）的均值为227%，说明核心企业和融资企业合作频率比较高，每隔固定周期内的合作次数均在2次以上；样本企业管理者素质优良（MQ）的均值为 0376，标准差为 0484，中位数为0，说明样本企业中有4成左右的核心企业管理者在行业内持续经营年限超过了8年，总体来说，核心企业的管理者素质比较高；样本企业盈利能力（prof）的均值??0094，中位数为0088，说明样本公司的盈利能力平均水平比较低；就控制变量而言，样本企业财务杠杆（lev）的均值为0434，标准差为0231，中位数为0431，中位数与均值较为接近，表明分布的偏度较小，同时也表明样本企业的负债情况基本处于正常的范围内；大股东控股比例（cr）的均值3463%与中位数329%较为接近，但其最大值8999%与最小值218%反映出样本公司的大股东持股比例相差较为悬殊；公司成长性（grow）的均值4382高于中位数3286，从其最大值、最小值和标准差1943来看，各样本公司间的成长性差异还是非常大的。
42相关性分析
表3为变量的相关性分析结果。从表3可以看出核心企业管理者素质（MQ）与供应链融资关系强度（Srs）和供应链融资关系质量（Srq）都呈现正向相关性，并且结果显著；同时，从控制变量的角度来看，财务杠杆和公司成长性与供应链融资关系强度和质量负相关，其余的控制变量包括公司规模、盈利能力、大股东持股比例和资产获现率均和现金股利支付意向与力度正相关；从各个变量之间系数的大小来看，解释变量与各个控制变量之间的相关系数均在05以下，因此各个变量之间不存在多重共线性的问题，不会对后续的Logistic和Tobit回归形成干扰。
43假设检验（Logistic与Tobit回归分析）
表4为供应链融资关系强度的Logistic回归结果和供应链融资关系质量的Tobit回归结果，括号里面的数值为P值。样本数据为非平衡面板数据，因此笔者控制了行业变量和年份变量，逻辑回归的样本观测值有2564个。表4汇报了六个逻辑回归模型的结果，其中，模型（1）单独检验管理者素质优良对供应链融资关系强度的影响，模型（2）在模型（1）的基础上加入了管理者素质与企业偿债能力的交乘项；模型（3）在模型（1）的基础上加入了管理者素质与企业盈利能力的交乘项。相应地，模型（4）单独检验管理者素质优良对供应链融资关系质量的影响，六个模型的准R平方都在026以上，表明模型的拟合程度较好。
由模型（1）和模型（4）的回归结果可知：管理者素质（MQ）的系数为153和003，并且在1%的水平上显著，说明核心企业管理者的素质越高，供应链融资关系强度和质量越高，即供应链融资体系的发展越好，这初步验证了假设1和假设2。加入了偿债能力和盈利能力的交乘项之后，供应链融资关系强度和质量进一步增高，并且都在5%的水平显著为正，而核心企业的偿债能力和盈利能力最能够反应企业的资信状况，交乘项的结果系数说明核心企业盈利能力越强，同时管理者的素质越高，越容易获取供应链上下游企业的信任，从而供应链融资关系的强度和质量也就越好，进一步说，也就越有利于供应链金融这一整个中小企业融资体系的发展，这也有力地验证了假设1和假设2。
44稳健性检验
参考朱文贵（2015）的做法，笔者对一些变量进行了替换。使用总资产收益率ROA来替换净资产收益率对盈利能力进行衡量；管理者素质优良的年限从8年降低到5年；使用主营业务收入的自然对数替代公司总资产的自然对数来作为公司规模的衡量指标，同时，增加一些公司治理的控制变量：公司现金持有水平、独立董事占比等。分别以全样本和子样本为研究对象，重复上述的回归过程，得出的回归结果显示，本研究的主要结论均保持稳定。
5研究结论
本文以2012―2016年的A股发生供应链融资的上市公司为研究样本，着重研究了核心企业资信状况对供应链融资关系强度和质量的影响，结果证实核心企业资信状况越好，供应链金融关系契约强度越高，供应链金融关系质量越高，上下游企业合作频率越高。本文的稳健性检验表明上述结果具有稳定性。本文的研究结果丰富了有关供应链金融体系发展决定因素的文献，也为中小企业进行供应链融资模式的规范、核心企业资信状况的制定和调整提供了实践上的启示和依据。
