客户集中度与企业产能利用率

王龙丰; 马忠; 胡蕴赟

客户集中度与企业产能利用率

1.
北京交通大学经济管理学院, 北京 100044
2.
伯明翰大学商学院, 英国伯明翰 B15 2TT

基金项目:

北京市社会科学基金项目 19GLB021

详细信息

作者简介:
王龙丰(1988-), 男, 山东文登人, 北京交通大学经济管理学院博士研究生

马忠(1959-), 男, 北京人, 北京交通大学经济管理学院教授, 博士生导师

胡蕴赟(1996-), 男, 湖南永州人, 英国伯明翰大学商学院研究生

中图分类号: F272.3;F273.4
计量
- 文章访问数: 251
- HTML全文浏览量: 166
- PDF下载量: 9
- 被引次数: 10
出版历程
- 收稿日期: 2019-09-23
- 网络出版日期: 2021-05-13
- 刊出日期: 2020-06-28

Customer Concentration and Capacity Utilization of Listed Companies

1.
School of Economics and Management, Beijing Jiaotong University, Beijing 100044, China
2.
School of Business, University of Birmingham, Birmingham B152TT, UK

摘要

摘要: 基于客户集中度对产能投资与处置非对称影响的视角, 以2008—2017年A股制造业上市公司为样本实证分析了企业产能利用率的决定机制。研究发现, 高客户集中度会降低企业产能利用率; 当企业具有较高的市场竞争地位或处于景气度较高的行业时, 高客户集中度降低产能利用率的作用会减弱。高客户集中度对企业产能投资与产能处置之间此长彼消的循环关系产生了抑制作用, 使产能投资与产能处置之间呈现非对称性关系, 从而造成闲置产能积压并降低产能利用率。研究结论从客户关系角度丰富了产能过剩决定机理的理论解释, 扩展了客户集中度经济后果方面的研究, 也为企业通过优化客户关系开展产能治理提供了参考。
- 客户集中度 /
- 产能利用率 /
- 供给侧结构性改革 /
- 产能投资 /
- 产能处置 /
- 市场竞争地位 /
- 产能过剩
Abstract: Based on the asymmetric impact of customer concentration on capacity investment and disposal, this paper analyzes the determinant mechanism of capacity utilization rate of enterprises, and employs the data from manufacturing listed companies in Chinese A-share stock markets from 2008 to 2017 to examine the impact customer concentration on utilization rate. It is found that the customer concentration will reduce the capacity utilization rate of the enterprise, and the impact will be weakened when the enterprise has a high market competitive position or is in a high prosperity industry. The concentration of customers has restrained the cyclical relationship between the capacity investment and capacity disposal of enterprises, making them show an asymmetric relationship, thus causing a backlog of idle capacity and reducing capacity utilization. The findings will enrich the theoretical explanation of the overcapacity determination mechanism from the perspective of customer relationships, which expands the research on the economic consequences of customer concentration, and provides a reference for companies to optimize their customer relationships for capacity management.
- customer concentration /
- capacity utilization /
- supply-side structural reform /
- capacity investment /
- capacity disposal /
- market competitive position /
- overcapacity

HTML全文

一、引言

产能过剩问题是我国经济发展所面临的重要结构性矛盾，“去产能”是当前供给侧结构性改革的重要目标，也是我国经济发展实现转型升级的必由之路。已有关于产能过剩问题的研究，主要从投资潮涌现象(林毅夫等，2010)^[1]、政府政策干预(耿强等，2011;徐业坤和马光源，2019)^{[2, 3]}与官员政治晋升与政绩压力(干春晖等，2015;刘诚和钟春平，2018)^{[4, 5]}等角度，揭示了我国特殊制度环境下产能过剩的成因与过剩产能治理的逻辑。企业产能投资与调整不仅决定于制度因素，还会受到其他微观层面因素的影响，并且产能过剩的治理最终仍需依赖微观市场主体。然而，鲜有研究从微观企业层面对产能利用率的决定机理进行探讨。另外，有研究发现，由中央政府层面推行的去产能政策有效性会受到资产专用性的影响(侯方宇和杨瑞龙，2018)^[6]，这意味着在资产专用性较强的领域中，微观市场主体的产能治理机制将可能发挥重要作用。而客户集中效应会迫使上市企业进行关系型投资，并形成专用性资产(孟庆玺等，2018;Itzkowitz, 2013)^{[7, 8]}。因此，考察客户集中度对企业产能利用率的影响机理，将对“去产能”的宏观政策制定与微观管理实践具有重要的意义。

已有关于客户集中效应经济后果的研究，主要考察了客户集中度对公司业绩(Hui等，2019;Irvine等，2016;李欢等，2018)^{[9, 10, 11]}、经营风险(陈正林，2016)^[12]、融资与资本成本(Dhaliwal等，2016;Campello和Gao, 2017)^{[13, 14]}的影响，尚未有研究关注客户集中度如何影响企业产能利用率。在微观市场主体层面，低产能利用率主要形成于过度产能投资与闲置产能调整不力。Kale和Shahrur(2007)^[15]研究发现，客户特征是决定企业投资行为的重要因素，在客户集中度较高的情况下，企业会对大客户产生依赖并降低其讨价还价能力，为维持关系型交易企业会进行特定关系型投资。这样容易导致企业资产呈现“专用性”特征，使投资成本结构呈现缺乏弹性的刚性性态(江伟等，2017)^[16]。因此，在客户集中度较高的情况下，企业产能投资将更取决于客户需求。随着客户需求的变化，专用性资产的刚性成本结构将提升资产调整所产生的成本。这意味着当客户集中度较高时，企业的产能投资与产能调整会受到影响。基于上述背景，客户集中度将如何影响企业产能投资与产能调整，并将如何决定企业产能利用率水平等问题有待进一步探讨。

针对上述问题，本文以2008—2017年A股制造业上市公司为样本，实证检验了客户集中度对企业产能利用率的影响。研究发现，客户集中度越高，企业产能利用率越低; 当企业的市场竞争地位较高或所处行业景气度较高时，高客户集中度降低产能利用率的作用会被缓解; 当大客户发生变更时，产能利用率将进一步降低; 客户集中效应会提升企业的产能投资水平并降低产能处置水平，使产能投资与产能处置间存在明显的非对称性关系，客户集中效应对产能投资与产能处置之间此长彼消的良性循环产生抑制作用，从而造成闲置产能积压并降低产能利用率。

本文的创新与贡献主要包括以下三个方面:第一，基于客户集中度对产能投资与处置非对称影响的视角，揭示了客户集中效应下微观企业层面产能利用率的决定机制，扩展了产能过剩形成机理的研究; 第二，将客户集中度经济后果的研究拓展到对企业产能投资决策、产能处置决策以及产能利用率等方面的影响上，丰富了客户集中度经济后果方面的研究; 第三，从优化客户结构与客户关系的角度提出了微观主体层面完善产能治理机制的建议，为供给侧结构性改革进一步推进产能过剩治理提供了微观理论基础，对企业通过优化客户关系进行过剩产能治理具有一定的实践启示意义。

二、理论分析与研究假设

（一）客户集中度对企业产能利用率的影响

企业通过与少数大客户建立交易关系，可以潜在降低客户获取成本，从而形成客户集中效应。客户集中度决定了企业与客户之间的依赖关系，较高的客户集中度意味着企业与客户之间存在较强的依赖。在较强的依赖关系中，大客户将具有更强的讨价还价能力，并将按照对自身有利的方式执行合同(Snyder, 1998)^[17]。对于企业而言，为维持基于合作关系形成的超额关系租金，可能被迫做出更多的“让步”，并根据客户的特定需求进行关系型投资^[10]。因此，当客户集中度较高时，企业的产能投资将具有两方面明显特征:一是产能投资更大程度地反映客户需求偏好。当客户集中程度较高时，基于依赖关系所进行的产能投资也对客户需求偏好结构的变化表现出更高的弹性; 二是基于关系型的产能投资将具有更高的资产专用性。由于迎合客户需求进行的初始产能投资具有专用性特征，能否有效发挥生产效率取决于客户对专用性资产的需求，因此当客户需求偏好发生变化时，相关资产的使用范围将大大降低; 且由于专用性较强，闲置产能另作他用的可行性也会降低，进而将沦为不得不进行调整的闲置产能。由此，在客户集中度较高的情况下，产能调整也是客户需求变化的函数。

当增量产能投资与存量闲置产能动态调整形成此长彼消的良性循环时，产能利用率将保持在合理的区间之内。然而，由于高客户集中度下产能投资与产能调整对客户需求变化的弹性存在差异，从而可能造成企业产能过剩问题。具体而言，在高客户集中度下，由于关系型投资形成的资产具有更强的专用性，使这种基于特定关系的投资在关系之外几乎没有实质性的价值(Kalwani和Narayandas, 1995)^[18]，且专用性资产一旦形成便会被锁定于特定的形态之上(Williamson, 1985)^[19]。所以，在高客户集中度下，企业面临着更高的闲置产能处置难度以及闲置产能调整成本，且基于特定关系的固定投资表现出较强的成本粘性(王雄元和高开娟，2017)^[20]，以致于闲置产能难以调整。因此，在客户集中度较高的情况下，高程度的资产专用性决定了闲置产能转换或处置会面临更高的成本与难度。这意味着客户集中度越高，闲置产能调整与另作他用的可行性越低。从而，客户集中度越高，产能调整对客户需求变化的弹性就越弱。

基于上述分析，虽然增量产能投资与存量产能调整都是客户需求的函数，但是客户集中度会调节产能投资与产能调整对客户需求变化的弹性。当客户集中度较高时，产能投资对客户需求变化的弹性将被提升，而闲置产能调整对客户需求的弹性会被降低。这将造成产能投资与产能调整对客户需求弹性的差异，从而会破坏产能动态调整过程中的产能投资与产能调整间此长彼消的良性循环，造成更大程度的闲置产能积压，并由此降低了企业的产能利用率。基于上述分析，本文提出:

假设1:客户集中度越高，企业产能利用率越低。

（二）客户集中度、企业市场竞争地位与产能利用率

企业的市场竞争地位或市场势力差别会进一步影响企业与客户间依赖关系的强度以及讨价还价能力(赵璨等，2019)^[21]。当企业的市场竞争地位较高时，其市场势力将会进一步影响客户集中度对产能利用率的影响。具体而言:

第一，基于资源基础观，高市场竞争地位企业的资源优势将降低对特定客户的依赖。企业资源优势是企业获得市场竞争能力的重要原因，并且优势资源具有价值性、稀有性、难以模仿与不可替代性等特征(Barney, 1991)^[22]，从而使其形成竞争优势的资源具有一定的垄断性。具有上述特征的优势资源能够为客户带来超额价值，并使客户形成对资源的持续性需求(Nason和Wiklund, 2018)^[23]。从而，基于资源基础观，当企业市场竞争地位较高时，客户对企业的依赖程度将更高。根据资源依赖理论，控制优势资源意味着拥有权力优势(Hillman等，2009)^[24]。资源禀赋优势使企业降低对特定客户的依赖，更有能力避免大客户的威胁，进而将缓解因被客户需求锁定而造成大量难以调整的专用性产能投资，降低客户集中度对产能利用率的负面影响。

第二，基于市场竞争地位的自然防护效应视角，高市场竞争地位企业的市场支配能力优势会降低企业对特定客户的依赖。企业处于市场竞争优势地位能够使其产生抵御外部冲击的能力，更容易将外部冲击的负面影响转嫁给客户，缓解其自身现金流的波动，形成抵御外部冲击的自然防护效应(Gaspar和Massa, 2006)^[25]。然而，对市场竞争地位低的企业而言，一方面在受到外部冲击时无法向外部转嫁负面影响，其自身经营状况会受到威胁; 另一方面还可能受到高市场竞争地位企业掠夺性定价的影响，而增加现金流风险(陈志斌和王诗雨，2015)^[26]。从而，当出现外部冲击时，市场竞争地位低的企业将更需要依赖客户交易来维持现金流的稳定性，其产能投资将与客户特定需求的绑定程度更高; 而市场竞争地位高的企业则由于能够将其冲击外部化甚至将冲击的负面影响转嫁给客户，在面对外部冲击时对特定客户的依赖将低于市场竞争地位低的企业。

基于上述分析，市场竞争地位高的企业对特定客户的依赖程度将低于市场竞争地位低的企业，进而在增量产能投资中，能够降低基于客户特定需求的关系型投资与专用性资产投资规模，有效避免因客户需求变化造成闲置产能积压的隐患。另外，闲置产能的调整或再利用受资产专用性的影响程度也会降低，闲置产能的处置也能够以更便捷、低成本的方式进行。由此，提出:

假设2:企业市场竞争地位越高，客户集中度降低企业产能利用率的效应将越弱。

三、实证研究设计

（一）数据来源与样本选择

本文以2008—2017年沪深A股上市公司为研究样本，剔除数据缺失以及ST、^*ST公司。考虑到本文所讨论的产能问题主要发生于生产制造类企业，因此只保留了行业代码为制造业的上市公司。最终得到的研究样本总数为10 172个。为了消除极端值的影响，对连续变量在1%与99%的水平上进行了Winsorize处理。

（二）实证模型设计

为检验客户集中度与企业产能利用率之间关系的假设，构建如下模型:

$$ \begin{array}{l} CU = {\alpha _0} + {\alpha _1}CC + {\alpha _2}Size + {\alpha _3}Lev + {\alpha _4}Market + {\alpha _5}Age + {\alpha _6}Growth\\ {\rm{ }} + {\alpha _7}Staff + {\alpha _8}Top1 + {\alpha _9}State + \sum {Ind + \sum {Year + \varepsilon } } \end{array} $$

(1)

其中，因变量为产能利用率(CU)，自变量为客户集中度(CC)。参考徐业坤和马光源(2019)^[3]等研究，选取企业规模(Size)、财务杠杆(Lev)、市场化水平(Market)、企业年龄(Age)、企业成长能力(Growth)、员工数量(Staff)、股权结构(Top1)、产权性质(State)作为控制变量。其中，市场化水平采用王小鲁等发布的《中国分省份市场化指数报告(2018年)》中的上市公司所在省份的市场化指数来衡量，该指数截至2016年，考虑区域市场化程度在短期不会发生较大的变化，2017年变量数据由2016年相应区域市场化指数补充。除此以外，还控制了行业(Ind)与年度(Year)。相关变量定义如表 1所示。

表 1 变量定义表

维度	变量名称	符号	变量定义
因变量	产能利用率	CU	采用随机前沿生产函数法测算产能利用率
自变量	客户集中度1	CC1	前五大客户销售额占总销售额的比重
	客户集中度2	CC2	第一大客户销售额占总销售额的比重
	客户集中度3	CC3	是否存在大客户的虚拟变量，当CC2大于10%时CC3为1，否则为0
调节变量	市场竞争地位	Pcm	上市公司的勒纳指数
控制变量	企业规模	Size	总资产的自然对数
	财务杠杆	Lev	资产负债率
	市场化水平	Market	上市公司所在省份的市场化指数
	企业年龄	Age	自公司成立至样本年度年数的自然对数
	企业成长能力	Growth	主营业务增长率
	员工数量	Staff	员工总数的自然对数
	产权性质	State	国有企业为1，非国有企业为0
	股权结构	Top1	第一大股东持股比例
	行业	Ind	根据证监会2012年发布的行业分类指引的制造业两级代码设置虚拟变量
	年度	Year	样本年度虚拟变量

下载: 导出CSV

| 显示表格

（三）关键变量的度量

1.产能利用率的度量方法。对企业层面产能利用率的测度较常用的方法为函数法，即采用生产函数对合意产能与产能利用率进行估计。考虑上市公司层面的数据可得性，并借鉴程俊杰(2015)^[27]、国务院发展研究中心课题组(2015)^[28]的方法，采用超越对数生产函数对产能利用率进行估计，具体估计方法为随机前沿分析法(SFA)与极大似然估计。超越对数生产函数模型如下所示:

$$ \begin{array}{l} \ln {y_{i, t}} = {\beta _0} + {\beta _1}\ln {K_{i, t}} + {\beta _2}\ln {L_{i, t}} + {\beta _3}t + {\beta _4}\ln {K_{i, t}}\ln {L_{i, t}} + {\beta _5}\ln {L_{i, t}}\\ {\rm{ }} + {\beta _6}\ln {K_{i, t}}t + {\beta _7}\ln K_{_{i, t}}^2 + {\beta _8}\ln L_{_{i, t}}^2 + {\beta _9}{t^2} + {u_{i, t}} + {\omega _{i, t}} \end{array} $$

(2)

其中，y为上市公司总产出的度量变量，用上市公司营业收入表示; K为上市公司资本投入水平的度量变量，用上市公司固定资产净值表示; L为劳动力投入，用上市公司员工总人数代表; t是时间趋势变量，反映投入要素的技术差异，以2008年基期，分别赋值为1, 2, 3，…，9。采用随机前沿分析法与极大似然估计所估计的w为产能利用率(CU), 1-w为产能过剩水平。

2.客户集中度的度量方法。借鉴李欢等(2018)^[11]陈正林(2016)^[12]等研究，采用以下三种方法度量客户集中度:一是以上市公司前五大客户销售额占总销售收入的比重(CC1)来度量。CC1是证监会要求披露的客户信息，前五大客户销售额占总销售额的比重越高，表示大客户效应越明显，客户集中度越高; 二是以上市公司第一大客户销售额占总销售收入比重(CC2)来度量。上市公司第一大客户为上市公司最主要的客户，其销售额占比也体现了客户集中度; 三是以是否存在大客户来定义虚拟变量。根据第一大客户销售额占上市公司总销售额比重是否超过10%判断，超过时赋值为1，否则为0。

3.企业市场竞争地位的度量方法。参考Peress(2010)^[29]、邢立全和陈汉文(2013)^[30]等研究，采用反映企业市场势力的勒纳指数度量企业市场竞争地位(Pcm)。该值越大，表明企业市场势力越大，市场竞争地位越高。具体计算方法为:

$$ 市场竞争地位(pcm) = \frac{{营业收入-营业成本-销售费用-管理费用}}{{营业收入}} $$

(3)

四、实证检验结果

（一）主要变量的描述性统计

表 2为主要变量的描述性统计结果。客户集中度的度量变量CC1的均值为0.307，其中最高达93.1%;CC2的均值为0.132，最高达70.4%;CC3的均值为0.442，表明有44.2%的上市公司第一大客户销售收入占总收入的比重超过10%。以上结果表明，在上市公司中存在明显的客户集中效应。产能利用率的均值为76.5%，略高于通用的75%的合意产能标准，表明整体上不存在严重的产能过剩问题; 最小值为0.432，表明部分上市公司存在较为严重的产能过剩问题。

表 2 主要变量的描述性统计结果

变量名	样本量	均值	标准差	最小值	中位数	最大值
CC1	10 172	0.307	0.200	0.036	0.254	0.931
CC2	10 172	0.132	0.131	0.010	0.087	0.704
CC3	10 172	0.442	0.497	0.000	0.000	1
CU	10 172	0.765	0.042	0.432	0.767	0.875
Pcm	10 172	0.091	0.110	-0.320	0.084	0.426
Size	10 172	21.80	1.084	19.76	21.67	25.14
Lev	10 172	0.403	0.200	0.049	0.395	0.870
Market	10 172	7.765	1.781	2.870	7.940	10
Age	10 172	2.774	0.299	1.946	2.773	3.466
Growth	10 172	0.182	0.384	-0.469	0.121	2.376
Staff	10 172	7.658	1.091	5.170	7.586	10.65
Top1	10 172	0.343	0.142	0.086	0.325	0.731

下载: 导出CSV

| 显示表格

（二）基本回归分析

1.客户集中度与企业产能利用率。表 3列示了客户集中度对企业产能利用率影响的回归检验结果。其中，第(1)至(3)列的自变量为当期客户集中度; 考虑到客户集中度对产能投资与调整的影响可能存在滞后性，在第(4)至(6)列中以客户集中度的滞后一期项为自变量进行回归。从回归结果看，无论自变量为客户集中度的当期项还是滞后项，系数均在1%的水平上显著为负，表明客户集中度越高，企业产能利用率越低。由此，假设1成立。

表 3 客户集中度对产能利用率影响的检验结果(N=10772)

变量	因变量：产能利用率(CU)
	自变量：客户集中度当期项CC_t			自变量：客户集中度滞后一期项CC_t-1
	(1)	(2)	(3)	(4)	(5)	(6)
CC1	-0.016 9^***			-0.017 0^***
	(-9.44)			(-8.19)
CC2		-0.013 8^***			-0.014 2^***
		(-5.21)			(-4.65)
CC3			-0.005 5^***			-0.006 1^***
			(-7.92)			(-7.39)
Size	0.028 5^***	0.028 7^***	0.028 6^***	0.028 4^***	0.028 6^***	0.028 5^***
	(52.90)	(53.13)	(53.10)	(44.41)	(44.55)	(44.54)
Lev	0.013 5^***	0.013 0^***	0.013 0^***	0.012 7^***	0.012 4^***	0.012 4^***
	(6.71)	(6.43)	(6.46)	(5.41)	(5.23)	(5.28)
Market	0.004 3^***	0.004 3^***	0.004 3^***	0.004 6^***	0.004 6^***	0.004 6^***
	(19.77)	(20.00)	(20.04)	(18.30)	(18.45)	(18.47)
Age	0.003 4^***	0.003 2^**	0.003 2^**	0.003 1^**	0.003 0^**	0.003 0^**
	(2.70)	(2.54)	(2.55)	(2.14)	(2.07)	(2.05)
Growth	0.015 3^***	0.015 1^***	0.015 2^***	0.017 9^***	0.017 7^***	0.017 8^***
	(17.17)	(16.93)	(17.11)	(15.66)	(15.40)	(15.54)
Staff	-0.022 1^***	-0.021 7^***	-0.021 8^***	-0.021 5^***	-0.021 1^***	-0.021 3^***
	(-42.61)	(-41.91)	(-42.26)	(-34.96)	(-34.36)	(-34.72)
Top1	0.021 8^***	0.021 6^***	0.021 3^***	0.022 2^***	0.022 1^***	0.021 8^***
	(8.89)	(8.79)	(8.69)	(7.78)	(7.71)	(7.64)
State	0.004 5^***	0.004 5^***	0.004 6^***	0.004 4^***	0.004 4^***	0.004 5^***
	(5.40)	(5.33)	(5.42)	(4.42)	(4.42)	(4.53)
Ind	控制	控制	控制	控制	控制	控制
Year	控制	控制	控制	控制	控制	控制
Constant	0.302 7^***	0.293 5^***	0.296 2^***	0.287 0^***	0.278 3^***	0.282 1^***
	(14.52)	(14.17)	(14.22)	(12.21)	(11.88)	(11.98)
Adj R²	0.381 1	0.377 3	0.379 5	0.382 3	0.378 6	0.381 3
F	134.254 5	132.128 8	133.349 4	102.194 3	100.600 7	101.755 5
注：括号中为t值；^*、^、^*分别代表在1%、5%和10%的水平上显著。下表同。

下载: 导出CSV

| 显示表格

2.客户集中度、企业市场竞争地位与产能利用率。表 4列示了企业市场竞争地位调节效应的检验结果。从检验结果看，三个度量客户集中度的变量与市场竞争地位变量的交乘项(CC1×Pcm、CC2×Pcm、CC3×Pcm)的回归系数均在1%的水平上显著为正，表明企业市场竞争地位越高，客户集中度降低产能利用率的效应会减弱。假设2得到验证。

表 4 企业市场竞争地位调节作用的检验结果(N=10 172)

变量	因变量：产能利用率(CU)
变量	(1)	(2)	(3)
CC1	-0.026 6^***(-12.63)
CC1*Pcm	0.115 0^***(8.66)
CC1		-0.024 6^***(-8.02)
CC1*Pcm		0.140 0^***(7.20)
CC1		-0.008 3^***(-9.50)
CC1*Pcm		0.030 9^***(5.19)
Pcm	0.014 5^**(2.37)	0.034 3^***(7.17)	0.040 6^***(8.36)
Size	0.027 0^***(49.99)	0.027 1^***(50.05)	0.027 0^***(49.95)
Lev	0.023 3^***(11.12)	0.023 2^***(11.06)	0.023 4^***(11.14)
Market	0.004 2^***(19.96)	0.004 3^***(20.25)	0.004 3^***(20.29)
Age	0.005 1^***(4.17)	0.005 0^***(4.01)	0.005 0^***(4.05)
Growth	0.011 8^***(13.10)	0.011 5^***(12.77)	0.011 7^***(12.99)
Staff	-0.021 9^***(-43.01)	-0.021 5^***(-42.12)	-0.021 6^***(-42.46)
Top1	0.018 8^***(7.79)	0.018 5^***(7.65)	0.018 3^***(7.56)
State	0.006 0^***(7.20)	0.006 0^***(7.15)	0.006 2^***(7.41)
Ind	控制	控制	控制
Year	控制	控制	控制
Constant	0.328 5^***(33.11)	0.318 7^***(32.20)	0.320 3^***(32.38)
Adj R²	0.401 5	0.396 4	0.397 3
F	140.265 3	137.330 8	137.820 1

下载: 导出CSV

| 显示表格

（三）进一步检验

1.客户变更对企业产能利用率的影响。由理论分析可知，产能投资与产能调整对客户需求变动的弹性差异决定了过剩产能的形成，本部分将检验客户需求结构的变化是否会对企业产能利用率产生影响。客户需求的结构性变化尚无法进行直接度量，本文采用大客户变更作为客户需求变化的代理变量进行检验。如果前一年度特定大客户销售额占总销售额的比例较高，且该客户在本期不再是企业的大客户，则意味着企业客户的需求结构发生了较大变化，预期企业产能过剩程度会更高。本文设计了五个大客户变更的度量变量，当上期的第一大客户不再位列本期前五大客户名单时，则表明第一大客户发生了变更，设置虚拟变量Change1st为1，反之取0。以此类推，设置了第二大客户变更(Change2nd)、第三大客户变更(Change3rd)、第四大客户变更(Change4th)、第五大客户变更(Change5th)的度量变量。

表 5列示了相关检验结果，结果显示在第(1)至(3)列中，当第一、第二及第三大客户发生变更时，会显著降低企业产能利用率。这表明当大客户发生变更时，客户需求结构的变化降低了企业产能利用率。在第(4)(5)列中，第四与第五大客户的变更则未对产能利用率产生显著的影响，这意味着相较于重要性更高的客户，企业对第四与第五大客户等相对较小客户的依赖性会降低，从而基于关系投资所形成的专用性资产投资规模也较低，即便该客户需求发生变化或客户发生变更，对企业产能利用率所产生的影响也较小。上述结果为客户集中效应下的微观企业层面产能过剩形成机理提供了进一步的证据。

表 5 客户变更对企业产能利用率影响的检验结果(N=3 328)

变量	因变量：产能利用率(CU)
变量	(1)	(2)	(3)	(4)	(5)
Change1st	-0.003 6^***
	(-2.88)
Change2nd		-0.003 8^***
		(-3.08)
Change3rd			-0.003 1^**
			(-2.48)
Change4th				-0.001 7
				(-1.30)
Change5th					-0.000 6
				(-0.42)
Size	0.030 4^***	0.030 5^***	0.030 5^***	0.030 4^***	0.030 4^***
	(30.48)	(30.59)	(30.58)	(30.51)	(30.48)
Lev	0.006 1^*	0.006 2^*	0.005 8	0.005 7	0.005 5
	(1.67)	(1.69)	(1.60)	(1.56)	(1.52)
Market	0.004 9^***	0.005 0^***	0.004 9^***	0.005 0^***	0.005 0^***
	(12.89)	(12.91)	(12.71)	(12.88)	(12.94)
Age	-0.000 2	-0.000 2	-0.000 2	-0.000 0	-0.000 1
	(-0.10)	(-0.08)	(-0.07)	(-0.01)	(-0.04)
Growth	0.020 7^***	0.020 9^***	0.020 7^***	0.020 6^***	0.020 6^***
	(12.01)	(12.12)	(12.02)	(11.96)	(11.90)
Staff	-0.020 8^***	-0.020 9^***	-0.020 9^***	-0.020 8^***	-0.020 8^***
	(-21.78)	(-21.88)	(-21.83)	(-21.77)	(-21.73)
Top1	0.023 6^***	0.023 2^***	0.023 6^***	0.023 9^***	0.023 7^***
(5.11)	(5.01)	(5.11)	(5.16)	(5.12)
State	0.005 4^***	0.005 3^***	0.005 2^***	0.005 3^***	0.005 4^***
	(3.60)	(3.53)	(3.48)	(3.55)	(3.59)
Ind	控制	控制	控制	控制	控制
Year	控制	控制	控制	控制	控制
Constant	0.250 9^***	0.249 3^***	0.249 0^***	0.248 7^***	0.248 2^***
	(13.47)	(13.40)	(13.38)	(13.35)	(13.32)
Adj R²	0.406 8	0.407 0	0.406 4	0.405 6	0.405 3
F	50.591 7	50.635 5	50.511 6	50.346 4	50.290 5
注：本部分检验样本量缩小的原因是部分上市公司未披露客户的真实名称，采用“客户ABC”“客户123”等模糊信息对客户销售额进行披露，因此无法确定该类样本是否发生主要客户变更，故在本部分检验中予以剔除。

下载: 导出CSV

| 显示表格

2.客户集中效应下产能投资与产能处置的非对称性关系。由上文分析可知，当客户集中度较高时，企业产能投资对客户需求变化的弹性高于闲置产能调整对客户需求的弹性，更容易造成闲置产能的积压，且无法从源头上降低专用性产能投资避免未来产能积压问题，从而会降低企业的产能利用率。本部分将从以下两个方面检验客户集中效应下的产能投资与产能处置的非对称性关系，为理论分析中提出的核心机制提供证据。

第一，客户集中度对产能投资与产能处置的影响差异检验。如果客户集中度越高，产能投资水平越高，且产能调整水平越低，则能够一定程度上证明客户集中效应下存在产能投资与处置的非对称性关系。针对该检验，设计了产能投资(Capinvest)与产能处置(Capdisposal)两个度量变量。其中，产能投资以现金流量表中所披露的“购建固定资产、无形资产和其他长期资产支付的现金”进行度量，并除以总资产消除规模效应; 产能处置以现金流量表中所披露的“处置固定资产、无形资产和其他长期资产收回的现金净额”除以总资产进行度量。参考公司资本性支出决定因素模型的控制变量，选取企业规模(Size)、资产负债率(Lev)、年龄(Age)、成长能力(Growth)、现金规模(Cash)、经营净现金流(Cfo)、产权性质(State)作为控制变量。

表 6列示了相关检验结果，自变量为三种方法度量的客户集中度，因变量为产能投资(Capinvest)与产能处置(Capdisposal)，并且考虑客户集中度对产能投资与处置动态变化影响的滞后性，将自变量做滞后一期处理。结果显示，在第(1)(3)(5)列以产能投资为因变量的检验结果中，除CC2未对产能投资产生显著影响外，其他客户集中度度量方式下均在1%的水平显著为正，表明客户集中度越高，企业产能投资水平越高，意味着高客户集中度可能使企业进行更大规模的关系型投资。而第(2)(4)(6)列以产能处置水平为因变量的检验结果中，CC1在1%的水平上显著为负，CC2与CC3在5%的水平上显著为负，表明高客户集中度会降低企业产能处置水平。结果表明，客户集中度对产能投资与产能处置的影响存在非对称性，客户集中效应在提升产能投资水平的同时还降低了产能处置的水平，为理论分析中提出的客户集中效应下产能投资与产能调整对客户需求变化弹性差异的观点提供了证据。

表 6 客户集中度对产能投资与产能处置影响差异的检验结果(N=7761)

变量	因变量
	Capinvest	Capdisposal	Capinvest	Capdisposal	Capinvest	Capdisposal
	(1)	(2)	(3)	(4)	(5)	(6)
CC1_t-1	0.0091^***	-0.001 5^***
	(3.26)	(-3.07)
CC2_t-1			0.002 3	-0.001 5^**
			(0.57)	(-2.02)
CC3_t-1					0.003 5^***	-0.000 5^**
					(3.19)	(-2.55)
Size	0.003 0^***	-0.001 0^***	0.002 7^***	-0.001 0^***	0.002 9^***	-0.001 0^***
	(5.02)	(-9.27)	(4.53)	(-9.04)	(4.89)	(-9.12)
Lev	0.005 6^*	0.004 6^***	0.005 9^*	0.004 6^***	0.005 8^*	0.004 6^***
	(1.72)	(8.02)	(1.81)	(7.99)	(1.78)	(7.96)
Age	-0.013 7^***	0.002 0^***	-0.013 6^***	0.002 0^***	-0.013 6^***	0.002 0^***
	(-6.83)	(5.63)	(-6.77)	(5.60)	(-6.80)	(5.59)
Growth	0.006 1^***	-0.001 2^***	0.006 3^***	-0.001 2^***	0.006 1^***	-0.001 2^***
	(4.30)	(-4.76)	(4.41)	(-4.85)	(4.32)	(-4.80)
Cash	0.036 6	0.017 7^*	0.037 9	0.017 9^*	0.036 6	0.017 7^*
	(0.66)	(1.79)	(0.68)	(1.81)	(0.66)	(1.79)
Cfo	0.071 2^***	-0.002 7^*	0.070 0^***	-0.002 6^*	0.071 4^***	-0.002 7^*
	(8.73)	(-1.86)	(8.58)	(-1.77)	(8.75)	(-1.85)
State	-0.014 9^***	0.000 4	-0.014 9^***	0.000 4	-0.014 9^***	0.000 4
	(-11.77)	(1.59)	(-11.76)	(1.61)	(-11.82)	(1.63)
Ind	控制	控制	控制	控制	控制	控制
Year	控制	控制	控制	控制	控制	控制
Constant	0.038 6^***	0.018 6^***	0.046 6^***	0.017 8^***	0.041 7^***	0.017 9^***
	(2.80)	(7.55)	(3.42)	(7.29)	(3.05)	(7.36)
Adj R²	0.120 0	0.037 7	0.118 8	0.037 1	0.119 9	0.037 4
F	25.044 2	7.918 9	24.776 2	7.791 6	25.032 3	7.849 0

下载: 导出CSV

| 显示表格

第二，客户集中度对产能投资与产能处置之间关系的影响检验。增量产能投资与存量闲置产能调整循环过程是决定产能利用率的重要机制。在增量产能投资与闲置产能的及时处置下所形成的此长彼消互动关系，是维持合理产能利用率的重要条件。然而，当客户集中度较高时，产能投资对客户需求变化的弹性要高于产能调整的弹性，闲置产能由于存在资产专用性与成本刚性特征而不利于及时进行调整。基于该逻辑，本部分将进一步检验客户集中度对产能投资与产能处置之间关系的影响。如果在高客户集中度下，产能投资与产能处置的正向关系被弱化，则证明客户集中效应下形成的产能投资与产能处置的非对称性关系是高客户集中度降低企业产能利用率的重要原因。

表 7列示了以产能投资(Capinvest)滞后一期项为自变量，以产能处置(Capdisposal)为因变量的检验结果。第(1)至(4)列为根据客户集中度高低进行分组检验的结果，客户集中度(CC1、CC2)大于中位数的样本归为集中度高组，否则归为集中度低组。此外，也根据虚拟变量CC3是否为1进行分组，CC3=1组表示客户集中度高组。结果显示，在客户集中度较高的组(第1、3、5列)中产能投资(Capinvest)的系数不具有统计上的显著性，而在客户集中度较低的组(第2、4、6列)中产能投资的系数显著为正。检验结果表明在客户集中度较低的情况下，增加产能投资水平的同时也会增加对闲置产能的处置水平，产能投资与产能处置之间存在此长彼消的良性循环。然而，在客户集中度较高的情况下，产能投资与产能处置之间显著的正相关关系不再存在。结合上文客户集中度越高产能利用率越低的结论，本部分结果表明，在基于客户需求进行增量产能投资的同时未能及时调整淘汰的闲置产能，从而为前文提出的客户集中效应通过破坏产能投资与产能调整之间此长彼消的良性循环而降低产能利用率的机理提供了进一步的证据。

表 7 客户集中度对产能投资与产能处置之间关系影响的检验结果(N=3 798)

变量	因变量：Capdisposal
	(1)	(2)	(3)	(4)	(5)	(6)
	CC1高组	CC1低组	CC2高组	CC2低组	CC3=1组	CC3=0组
Capinvest_t-1	-0.004 0	0.013 7^***	-0.004 9	0.014 2^***	-0.004 7	0.013 0^**
	(-0.81)	(2.74)	(-1.03)	(2.78)	(-1.02)	(2.52)
Size	-0.001 7^***	-0.002 2^***	-0.001 6^***	-0.002 3^***	-0.001 5^***	-0.002 3^***
	(-5.19)	(-8.01)	(-5.16)	(-7.91)	(-4.79)	(-8.02)
Lev	0.005 9^***	0.009 1^***	0.004 8^***	0.009 8^***	0.004 0^***	0.010 0^***
	(3.59)	(5.83)	(3.04)	(6.09)	(2.58)	(6.19)
Age	0.003 3^***	0.003 2^***	0.002 9^***	0.003 7^***	0.002 2^**	0.004 2^***
	(3.29)	(3.27)	(2.93)	(3.70)	(2.27)	(4.16)
Growth	-0.002 0^***	-0.001 4^**	-0.002 0^***	-0.001 5^*	-0.002 0^***	-0.001 6^**
	(-2.98)	(-1.97)	(-3.00)	(-1.95)	(-3.02)	(-2.14)
Cash	0.077 0^***	0.029 2	0.084 3^***	0.025 1	0.108 0^***	0.020 7
	(2.64)	(1.16)	(2.97)	(0.96)	(3.82)	(0.79)
Cfo	-0.010 9^***	-0.002 0	-0.005 8	-0.006 1	-0.004 0	-0.007 4^*
	(-2.58)	(-0.51)	(-1.43)	(-1.51)	(-1.00)	(-1.84)
State	0.000 7	0.001 3^**	0.000 9	0.001 0^*	0.000 9	0.000 9
	(1.05)	(2.15)	(1.36)	(1.66)	(1.37)	(1.49)
Ind	控制	控制	控制	控制	控制	控制
Year	控制	控制	控制	控制	控制	控制
Constant	0.032 8^***	0.037 1^***	0.035 7^***	0.036 4^***	0.036 4^***	0.035 8^***
	(4.40)	(5.79)	(4.96)	(5.67)	(5.12)	(5.40)
Adj R²	0.023 5	0.049 7	0.024 2	0.044 5	0.026 1	0.039 2
F	3.070 9	5.716 5	3.142 1	5.190 7	3.031 6	5.097 6
N	3 792	3 969	3 798	3 963	3 341	4 420

下载: 导出CSV

| 显示表格

3.客户集中度、行业景气度与产能利用率。行业结构或环境通过影响企业经营与财务行为进而影响企业绩效，同时行业差异也是影响产能利用率的重要因素。本部分将从行业景气度角度，进一步探讨行业因素对客户集中效应下产能利用率决定机制的影响。行业景气度反映了行业内企业的经营状态与发展态势，当行业景气度较高时，企业间交易频繁、市场交易机会较多、企业盈利能力较强。因此，当企业处于景气度较高的行业时，企业可选择的交易对象更多，依赖特定客户的程度会有所降低，对预期调整成本较高的关系型资产的投资动机也将下降，从而客户集中度对产能利用率的负面影响将得到缓解。借鉴薛爽(2008)^[31]度量行业景气度的方法，首先计算各年度各行业样本公司总资产收益率中位数Mindroa，以及各年度样本公司的总体收益率Mroa，然后采用Mindroa与Mroa的差值作为行业景气度的度量指标(Indpro)，该值越大表示行业景气度越高。表 8列示了相应的检验结果，结果显示CC1×Indpro与CC2×Indpro的系数均在1%的水平上显著为正，上述理论预期得到验证。

表 8 行业景气度对客户集中度与产能利用率关系的影响检验(N=10172)

变量	因变量：产能利用率(CU)
变量	(1)	(2)	(3)
CC1	-0.016 9^***(-9.44)
CC1×Indpro	0.265 4^***(2.83)
CC1		-0.013 8^***(-5.22)
CC1×Indpro		0.390 3^***(2.85)
CC1			-0.005 5^***(-7.85)
CC1×Indpro			-0.042 3(-1.14)
Indpro	0.073 0^*(1.88)	0.1016^***(3.08)	0.162 3^***(5.05)
Size	0.028 5^***(52.93)	0.028 7^***(53.20)	0.028 6^***(53.18)
Lev	0.014 0^***(6.99)	0.013 4^***(6.66)	0.013 4^***(6.69)
Market	0.004 3^***(19.83)	0.004 3^***(20.07)	0.004 3^***(20.07)
Age	0.003 3^***(2.66)	0.003 1^**(2.50)	0.003 1^**(2.49)
Growth	0.014 9^***(16.76)	0.014 7^***(16.49)	0.014 9^***(16.66)
Staff	-0.022 1^***(-42.70)	-0.021 7^***(-42.02)	-0.021 9^***(-42.37)
Top1	0.021 4^***(8.76)	0.021 2^***(8.65)	0.021 1^***(8.62)
State	0.004 6^***(5.42)	0.004 5^***(5.35)	0.004 5^***(5.38)
Ind	控制	控制	控制
Year	控制	控制	控制
Constant	0.303 4^***(30.43)	0.294 1^***(29.60)	0.2968^***(29.92)
Adj R²	0.383 1	0.379 4	0.381 1
F	129.926 4	127.894 0	128.790 4

下载: 导出CSV

| 显示表格

五、稳健性检验

（一）利用倾向得分匹配进行稳健性检验

企业客户集中度的形成可能会受到某些因素的影响而非随机产生，是否存在客户集中情况的样本也可能存在先天差异。为消除样本特征差异可能造成的估计偏误，本部分使用倾向得分匹配法，以有大客户(CC3=1)的样本为处理组，以无大客户(CC3=0)的样本为对照组，选择企业规模、财务杠杆、劳动力规模、企业年龄、市场化水平、成长能力以及第一大股东持股比例作为匹配变量，进行1:1最近邻匹配。回归检验的结果如表 9所示，主要结论未发生变化。

表 9 采用倾向评分匹配的稳健性检验结果(N=5 396)

变量	因变量：产能利用率(CU)
变量	(1)	(2)	(3)	(4)	(5)	(6)
CC1	-0.020 2^***			-0.029 9^***
	(-8.37)			(-10.56)
CC2		-0.017 4^***			-0.027 0^***
		(-4.94)			(-6.75)
CC3			-0.006 1^***			-0.008 8^***
			(-6.35)			(-7.35)
CC1×Pcm				0.123 8^***
				(6.82)
CC2×Pcm					0.151 4^***
					(5.80)
CC3×Pcm						0.032 4^***
						(3.89)
Pcm				0.019 6^**	0.041 0^***	0.048 9^***
				(2.31)	(6.13)	(7.05)
控制变量	控制	控制	控制	控制	控制	控制
Year & Ind	控制	控制	控制	控制	控制	控制
Adj R²	0.379 0	0.373 7	0.375 6	0.405 5	0.398 9	0.399 1
F	72.577 6	70.982 9	71.538 9	77.663 1	75.597 4	75.644 2

下载: 导出CSV

| 显示表格

（二）考虑大客户信息披露导致的样本选择偏误

在2011年之前，证监会未对上市公司大客户销售比例信息做强制性披露要求。上市公司客户信息披露的缺失可能会造成样本选择性偏误。为缓解可能存在的选择性偏误对估计结果的影响，借鉴孟庆玺等(2018)^[7]的做法，设置“解释变量是否缺失”的虚拟变量Dum加入模型(1)，同时将缺失值替换为0。表 10列示了相关回归结果，主要结论同样未发生变化。Dum的系数显著为负，表明未披露客户信息的企业较之完整披露客户信息企业的产能利用率更低。这在一定程度上说明当企业客户对产能利用率或生产经营造成负面影响时，在自愿性披露规则下企业可能会选择不披露详细的客户信息。

表 10 考虑大客户信息披露导致样本选择偏误的检验结果(N=13 402)

变量	因变量：产能利用率(CU)
变量	(1)	(2)	(3)	(4)	(5)	(6)
CC1	-0.016 8^***			-0.021 0^***
	(-9.41)			(-10.66)
CC2		-0.014 4^***			-0.021 1^***
		(-5.32)			(-6.97)
CC3			-0.005 6^***			-0.007 4^***
			(-8.06)			(-8.92)
CC1×Pcm				0.054 7^***
				(5.22)
CC2×Pcm					0.094 2^***
					(5.31)
CC3×Pcm						0.021 1^***
						(3.97)
Pcm				0.047 1^***	0.050 9^***	0.053 9^***
				(11.04)	(13.40)	(14.10)
Dum	-0.005 0^***	-0.001 8^**	-0.002 3^***	-0.004 8^***	-0.001 6^*	-0.002 3^***
	(-5.34)	(-2.09)	(-2.82)	(-5.25)	(-1.91)	(-2.85)
控制变量	控制	控制	控制	控制	控制	控制
Year & Ind	控制	控制	控制	控制	控制	控制
Adj R²	0.370 4	0.367 5	0.3692	0.390 5	0.387 7	0.389 0
F	165.215 8	163.228 3	164.435 4	172.689 2	170.724 6	171.627 3

下载: 导出CSV

| 显示表格

（三）其他稳健性检验

第一，为克服产能利用率与客户集中度之间内生性问题对检验结果的影响，除了在主检验中使用客户集中度滞后一期项作为自变量外，在稳健性检验中还使用了滞后二期、滞后三期项作为自变量进行回归，主要结论仍然成立; 第二，分别按照第一大客户的销售收入占比是否超过20%、30%的标准设置是否存在大客户(CC3)的虚拟变量进行回归，主要结论未发生变化; 第三，根据国内目前经常使用75%作为合意产能利用率的标准^[28]，设置产能过剩的虚拟变量作为因变量(DCU)，以客户集中度为自变量，采用Logit模型进行回归，主要结论未发生变化; 第四，采用稳健标准误与经企业层面聚类调整的标准误，控制上市公司所在地区(省级单位)进行回归，结论未变。受篇幅所限，本部分检验结果未予列示。

六、研究结论与启示

本文基于客户集中度对产能投资与处置非对称影响的视角，分析并检验了客户集中度对企业产能利用率的影响。研究发现，客户集中效应会提升企业产能投资水平并降低产能处置水平，使产能投资与产能调整间存在明显的非对称性关系，并且客户集中效应也破坏了产能投资与产能处置之间此长彼消的良性循环，而造成闲置产能的积压并降低产能利用率。由此可知，客户集中度越高，企业产能利用率越低，并且在客户集中度较高的情况下，大客户发生变更时，企业产能利用率降低的程度将加剧; 当企业市场竞争地位较高时或企业所处行业景气度较高时，客户集中度降低产能利用率的作用会被缓解。

本文的实践意义主要有以下四个方面:第一，企业在建立和维护客户关系时应考虑对未来产能投资的影响，权衡大客户所带来关系租金能否有效补偿专用性资产调整成本与产能过剩成本，避免因客户需求变化引起产能闲置而产生额外的价值损失; 第二，为避免大客户效应下基于关系型投资加剧产能过剩问题，企业应通过培育资源优势提升市场竞争力，通过资源优势维持客户对企业资源的持续性需求并降低对特定客户的依赖; 第三，建立完善的企业关系投资与专用性资产的退出机制，在与客户缔结商业关系时应提前约定专用性资产调整成本的共担机制，将企业未来专用性产能调整成本与大客户共同承担; 第四，对产能治理政策的制定而言，对微观市场主体过剩产能与闲置产能的化解不能(上接第69页)仅依赖宏观产业政策，还应该建立针对专用性资产的特殊化解政策，如对专用性资产的调整与处置实施专项补贴等。

表 1 变量定义表

维度	变量名称	符号	变量定义
因变量	产能利用率	CU	采用随机前沿生产函数法测算产能利用率
自变量	客户集中度1	CC1	前五大客户销售额占总销售额的比重
	客户集中度2	CC2	第一大客户销售额占总销售额的比重
	客户集中度3	CC3	是否存在大客户的虚拟变量，当CC2大于10%时CC3为1，否则为0
调节变量	市场竞争地位	Pcm	上市公司的勒纳指数
控制变量	企业规模	Size	总资产的自然对数
	财务杠杆	Lev	资产负债率
	市场化水平	Market	上市公司所在省份的市场化指数
	企业年龄	Age	自公司成立至样本年度年数的自然对数
	企业成长能力	Growth	主营业务增长率
	员工数量	Staff	员工总数的自然对数
	产权性质	State	国有企业为1，非国有企业为0
	股权结构	Top1	第一大股东持股比例
	行业	Ind	根据证监会2012年发布的行业分类指引的制造业两级代码设置虚拟变量
	年度	Year	样本年度虚拟变量

下载: 导出CSV

表 2 主要变量的描述性统计结果

变量名	样本量	均值	标准差	最小值	中位数	最大值
CC1	10 172	0.307	0.200	0.036	0.254	0.931
CC2	10 172	0.132	0.131	0.010	0.087	0.704
CC3	10 172	0.442	0.497	0.000	0.000	1
CU	10 172	0.765	0.042	0.432	0.767	0.875
Pcm	10 172	0.091	0.110	-0.320	0.084	0.426
Size	10 172	21.80	1.084	19.76	21.67	25.14
Lev	10 172	0.403	0.200	0.049	0.395	0.870
Market	10 172	7.765	1.781	2.870	7.940	10
Age	10 172	2.774	0.299	1.946	2.773	3.466
Growth	10 172	0.182	0.384	-0.469	0.121	2.376
Staff	10 172	7.658	1.091	5.170	7.586	10.65
Top1	10 172	0.343	0.142	0.086	0.325	0.731

下载: 导出CSV

表 3 客户集中度对产能利用率影响的检验结果(N=10772)

变量	因变量：产能利用率(CU)
	自变量：客户集中度当期项CC_t			自变量：客户集中度滞后一期项CC_t-1
	(1)	(2)	(3)	(4)	(5)	(6)
CC1	-0.016 9^***			-0.017 0^***
	(-9.44)			(-8.19)
CC2		-0.013 8^***			-0.014 2^***
		(-5.21)			(-4.65)
CC3			-0.005 5^***			-0.006 1^***
			(-7.92)			(-7.39)
Size	0.028 5^***	0.028 7^***	0.028 6^***	0.028 4^***	0.028 6^***	0.028 5^***
	(52.90)	(53.13)	(53.10)	(44.41)	(44.55)	(44.54)
Lev	0.013 5^***	0.013 0^***	0.013 0^***	0.012 7^***	0.012 4^***	0.012 4^***
	(6.71)	(6.43)	(6.46)	(5.41)	(5.23)	(5.28)
Market	0.004 3^***	0.004 3^***	0.004 3^***	0.004 6^***	0.004 6^***	0.004 6^***
	(19.77)	(20.00)	(20.04)	(18.30)	(18.45)	(18.47)
Age	0.003 4^***	0.003 2^**	0.003 2^**	0.003 1^**	0.003 0^**	0.003 0^**
	(2.70)	(2.54)	(2.55)	(2.14)	(2.07)	(2.05)
Growth	0.015 3^***	0.015 1^***	0.015 2^***	0.017 9^***	0.017 7^***	0.017 8^***
	(17.17)	(16.93)	(17.11)	(15.66)	(15.40)	(15.54)
Staff	-0.022 1^***	-0.021 7^***	-0.021 8^***	-0.021 5^***	-0.021 1^***	-0.021 3^***
	(-42.61)	(-41.91)	(-42.26)	(-34.96)	(-34.36)	(-34.72)
Top1	0.021 8^***	0.021 6^***	0.021 3^***	0.022 2^***	0.022 1^***	0.021 8^***
	(8.89)	(8.79)	(8.69)	(7.78)	(7.71)	(7.64)
State	0.004 5^***	0.004 5^***	0.004 6^***	0.004 4^***	0.004 4^***	0.004 5^***
	(5.40)	(5.33)	(5.42)	(4.42)	(4.42)	(4.53)
Ind	控制	控制	控制	控制	控制	控制
Year	控制	控制	控制	控制	控制	控制
Constant	0.302 7^***	0.293 5^***	0.296 2^***	0.287 0^***	0.278 3^***	0.282 1^***
	(14.52)	(14.17)	(14.22)	(12.21)	(11.88)	(11.98)
Adj R²	0.381 1	0.377 3	0.379 5	0.382 3	0.378 6	0.381 3
F	134.254 5	132.128 8	133.349 4	102.194 3	100.600 7	101.755 5
注：括号中为t值；^*、^、^*分别代表在1%、5%和10%的水平上显著。下表同。

下载: 导出CSV

表 4 企业市场竞争地位调节作用的检验结果(N=10 172)

变量	因变量：产能利用率(CU)
变量	(1)	(2)	(3)
CC1	-0.026 6^***(-12.63)
CC1*Pcm	0.115 0^***(8.66)
CC1		-0.024 6^***(-8.02)
CC1*Pcm		0.140 0^***(7.20)
CC1		-0.008 3^***(-9.50)
CC1*Pcm		0.030 9^***(5.19)
Pcm	0.014 5^**(2.37)	0.034 3^***(7.17)	0.040 6^***(8.36)
Size	0.027 0^***(49.99)	0.027 1^***(50.05)	0.027 0^***(49.95)
Lev	0.023 3^***(11.12)	0.023 2^***(11.06)	0.023 4^***(11.14)
Market	0.004 2^***(19.96)	0.004 3^***(20.25)	0.004 3^***(20.29)
Age	0.005 1^***(4.17)	0.005 0^***(4.01)	0.005 0^***(4.05)
Growth	0.011 8^***(13.10)	0.011 5^***(12.77)	0.011 7^***(12.99)
Staff	-0.021 9^***(-43.01)	-0.021 5^***(-42.12)	-0.021 6^***(-42.46)
Top1	0.018 8^***(7.79)	0.018 5^***(7.65)	0.018 3^***(7.56)
State	0.006 0^***(7.20)	0.006 0^***(7.15)	0.006 2^***(7.41)
Ind	控制	控制	控制
Year	控制	控制	控制
Constant	0.328 5^***(33.11)	0.318 7^***(32.20)	0.320 3^***(32.38)
Adj R²	0.401 5	0.396 4	0.397 3
F	140.265 3	137.330 8	137.820 1

下载: 导出CSV

表 5 客户变更对企业产能利用率影响的检验结果(N=3 328)

变量	因变量：产能利用率(CU)
变量	(1)	(2)	(3)	(4)	(5)
Change1st	-0.003 6^***
	(-2.88)
Change2nd		-0.003 8^***
		(-3.08)
Change3rd			-0.003 1^**
			(-2.48)
Change4th				-0.001 7
				(-1.30)
Change5th					-0.000 6
				(-0.42)
Size	0.030 4^***	0.030 5^***	0.030 5^***	0.030 4^***	0.030 4^***
	(30.48)	(30.59)	(30.58)	(30.51)	(30.48)
Lev	0.006 1^*	0.006 2^*	0.005 8	0.005 7	0.005 5
	(1.67)	(1.69)	(1.60)	(1.56)	(1.52)
Market	0.004 9^***	0.005 0^***	0.004 9^***	0.005 0^***	0.005 0^***
	(12.89)	(12.91)	(12.71)	(12.88)	(12.94)
Age	-0.000 2	-0.000 2	-0.000 2	-0.000 0	-0.000 1
	(-0.10)	(-0.08)	(-0.07)	(-0.01)	(-0.04)
Growth	0.020 7^***	0.020 9^***	0.020 7^***	0.020 6^***	0.020 6^***
	(12.01)	(12.12)	(12.02)	(11.96)	(11.90)
Staff	-0.020 8^***	-0.020 9^***	-0.020 9^***	-0.020 8^***	-0.020 8^***
	(-21.78)	(-21.88)	(-21.83)	(-21.77)	(-21.73)
Top1	0.023 6^***	0.023 2^***	0.023 6^***	0.023 9^***	0.023 7^***
(5.11)	(5.01)	(5.11)	(5.16)	(5.12)
State	0.005 4^***	0.005 3^***	0.005 2^***	0.005 3^***	0.005 4^***
	(3.60)	(3.53)	(3.48)	(3.55)	(3.59)
Ind	控制	控制	控制	控制	控制
Year	控制	控制	控制	控制	控制
Constant	0.250 9^***	0.249 3^***	0.249 0^***	0.248 7^***	0.248 2^***
	(13.47)	(13.40)	(13.38)	(13.35)	(13.32)
Adj R²	0.406 8	0.407 0	0.406 4	0.405 6	0.405 3
F	50.591 7	50.635 5	50.511 6	50.346 4	50.290 5
注：本部分检验样本量缩小的原因是部分上市公司未披露客户的真实名称，采用“客户ABC”“客户123”等模糊信息对客户销售额进行披露，因此无法确定该类样本是否发生主要客户变更，故在本部分检验中予以剔除。

下载: 导出CSV

表 6 客户集中度对产能投资与产能处置影响差异的检验结果(N=7761)

变量	因变量
	Capinvest	Capdisposal	Capinvest	Capdisposal	Capinvest	Capdisposal
	(1)	(2)	(3)	(4)	(5)	(6)
CC1_t-1	0.0091^***	-0.001 5^***
	(3.26)	(-3.07)
CC2_t-1			0.002 3	-0.001 5^**
			(0.57)	(-2.02)
CC3_t-1					0.003 5^***	-0.000 5^**
					(3.19)	(-2.55)
Size	0.003 0^***	-0.001 0^***	0.002 7^***	-0.001 0^***	0.002 9^***	-0.001 0^***
	(5.02)	(-9.27)	(4.53)	(-9.04)	(4.89)	(-9.12)
Lev	0.005 6^*	0.004 6^***	0.005 9^*	0.004 6^***	0.005 8^*	0.004 6^***
	(1.72)	(8.02)	(1.81)	(7.99)	(1.78)	(7.96)
Age	-0.013 7^***	0.002 0^***	-0.013 6^***	0.002 0^***	-0.013 6^***	0.002 0^***
	(-6.83)	(5.63)	(-6.77)	(5.60)	(-6.80)	(5.59)
Growth	0.006 1^***	-0.001 2^***	0.006 3^***	-0.001 2^***	0.006 1^***	-0.001 2^***
	(4.30)	(-4.76)	(4.41)	(-4.85)	(4.32)	(-4.80)
Cash	0.036 6	0.017 7^*	0.037 9	0.017 9^*	0.036 6	0.017 7^*
	(0.66)	(1.79)	(0.68)	(1.81)	(0.66)	(1.79)
Cfo	0.071 2^***	-0.002 7^*	0.070 0^***	-0.002 6^*	0.071 4^***	-0.002 7^*
	(8.73)	(-1.86)	(8.58)	(-1.77)	(8.75)	(-1.85)
State	-0.014 9^***	0.000 4	-0.014 9^***	0.000 4	-0.014 9^***	0.000 4
	(-11.77)	(1.59)	(-11.76)	(1.61)	(-11.82)	(1.63)
Ind	控制	控制	控制	控制	控制	控制
Year	控制	控制	控制	控制	控制	控制
Constant	0.038 6^***	0.018 6^***	0.046 6^***	0.017 8^***	0.041 7^***	0.017 9^***
	(2.80)	(7.55)	(3.42)	(7.29)	(3.05)	(7.36)
Adj R²	0.120 0	0.037 7	0.118 8	0.037 1	0.119 9	0.037 4
F	25.044 2	7.918 9	24.776 2	7.791 6	25.032 3	7.849 0

下载: 导出CSV

表 7 客户集中度对产能投资与产能处置之间关系影响的检验结果(N=3 798)

变量	因变量：Capdisposal
	(1)	(2)	(3)	(4)	(5)	(6)
	CC1高组	CC1低组	CC2高组	CC2低组	CC3=1组	CC3=0组
Capinvest_t-1	-0.004 0	0.013 7^***	-0.004 9	0.014 2^***	-0.004 7	0.013 0^**
	(-0.81)	(2.74)	(-1.03)	(2.78)	(-1.02)	(2.52)
Size	-0.001 7^***	-0.002 2^***	-0.001 6^***	-0.002 3^***	-0.001 5^***	-0.002 3^***
	(-5.19)	(-8.01)	(-5.16)	(-7.91)	(-4.79)	(-8.02)
Lev	0.005 9^***	0.009 1^***	0.004 8^***	0.009 8^***	0.004 0^***	0.010 0^***
	(3.59)	(5.83)	(3.04)	(6.09)	(2.58)	(6.19)
Age	0.003 3^***	0.003 2^***	0.002 9^***	0.003 7^***	0.002 2^**	0.004 2^***
	(3.29)	(3.27)	(2.93)	(3.70)	(2.27)	(4.16)
Growth	-0.002 0^***	-0.001 4^**	-0.002 0^***	-0.001 5^*	-0.002 0^***	-0.001 6^**
	(-2.98)	(-1.97)	(-3.00)	(-1.95)	(-3.02)	(-2.14)
Cash	0.077 0^***	0.029 2	0.084 3^***	0.025 1	0.108 0^***	0.020 7
	(2.64)	(1.16)	(2.97)	(0.96)	(3.82)	(0.79)
Cfo	-0.010 9^***	-0.002 0	-0.005 8	-0.006 1	-0.004 0	-0.007 4^*
	(-2.58)	(-0.51)	(-1.43)	(-1.51)	(-1.00)	(-1.84)
State	0.000 7	0.001 3^**	0.000 9	0.001 0^*	0.000 9	0.000 9
	(1.05)	(2.15)	(1.36)	(1.66)	(1.37)	(1.49)
Ind	控制	控制	控制	控制	控制	控制
Year	控制	控制	控制	控制	控制	控制
Constant	0.032 8^***	0.037 1^***	0.035 7^***	0.036 4^***	0.036 4^***	0.035 8^***
	(4.40)	(5.79)	(4.96)	(5.67)	(5.12)	(5.40)
Adj R²	0.023 5	0.049 7	0.024 2	0.044 5	0.026 1	0.039 2
F	3.070 9	5.716 5	3.142 1	5.190 7	3.031 6	5.097 6
N	3 792	3 969	3 798	3 963	3 341	4 420

下载: 导出CSV

表 8 行业景气度对客户集中度与产能利用率关系的影响检验(N=10172)

变量	因变量：产能利用率(CU)
变量	(1)	(2)	(3)
CC1	-0.016 9^***(-9.44)
CC1×Indpro	0.265 4^***(2.83)
CC1		-0.013 8^***(-5.22)
CC1×Indpro		0.390 3^***(2.85)
CC1			-0.005 5^***(-7.85)
CC1×Indpro			-0.042 3(-1.14)
Indpro	0.073 0^*(1.88)	0.1016^***(3.08)	0.162 3^***(5.05)
Size	0.028 5^***(52.93)	0.028 7^***(53.20)	0.028 6^***(53.18)
Lev	0.014 0^***(6.99)	0.013 4^***(6.66)	0.013 4^***(6.69)
Market	0.004 3^***(19.83)	0.004 3^***(20.07)	0.004 3^***(20.07)
Age	0.003 3^***(2.66)	0.003 1^**(2.50)	0.003 1^**(2.49)
Growth	0.014 9^***(16.76)	0.014 7^***(16.49)	0.014 9^***(16.66)
Staff	-0.022 1^***(-42.70)	-0.021 7^***(-42.02)	-0.021 9^***(-42.37)
Top1	0.021 4^***(8.76)	0.021 2^***(8.65)	0.021 1^***(8.62)
State	0.004 6^***(5.42)	0.004 5^***(5.35)	0.004 5^***(5.38)
Ind	控制	控制	控制
Year	控制	控制	控制
Constant	0.303 4^***(30.43)	0.294 1^***(29.60)	0.2968^***(29.92)
Adj R²	0.383 1	0.379 4	0.381 1
F	129.926 4	127.894 0	128.790 4

下载: 导出CSV

表 9 采用倾向评分匹配的稳健性检验结果(N=5 396)

变量	因变量：产能利用率(CU)
变量	(1)	(2)	(3)	(4)	(5)	(6)
CC1	-0.020 2^***			-0.029 9^***
	(-8.37)			(-10.56)
CC2		-0.017 4^***			-0.027 0^***
		(-4.94)			(-6.75)
CC3			-0.006 1^***			-0.008 8^***
			(-6.35)			(-7.35)
CC1×Pcm				0.123 8^***
				(6.82)
CC2×Pcm					0.151 4^***
					(5.80)
CC3×Pcm						0.032 4^***
						(3.89)
Pcm				0.019 6^**	0.041 0^***	0.048 9^***
				(2.31)	(6.13)	(7.05)
控制变量	控制	控制	控制	控制	控制	控制
Year & Ind	控制	控制	控制	控制	控制	控制
Adj R²	0.379 0	0.373 7	0.375 6	0.405 5	0.398 9	0.399 1
F	72.577 6	70.982 9	71.538 9	77.663 1	75.597 4	75.644 2

下载: 导出CSV

表 10 考虑大客户信息披露导致样本选择偏误的检验结果(N=13 402)

变量	因变量：产能利用率(CU)
变量	(1)	(2)	(3)	(4)	(5)	(6)
CC1	-0.016 8^***			-0.021 0^***
	(-9.41)			(-10.66)
CC2		-0.014 4^***			-0.021 1^***
		(-5.32)			(-6.97)
CC3			-0.005 6^***			-0.007 4^***
			(-8.06)			(-8.92)
CC1×Pcm				0.054 7^***
				(5.22)
CC2×Pcm					0.094 2^***
					(5.31)
CC3×Pcm						0.021 1^***
						(3.97)
Pcm				0.047 1^***	0.050 9^***	0.053 9^***
				(11.04)	(13.40)	(14.10)
Dum	-0.005 0^***	-0.001 8^**	-0.002 3^***	-0.004 8^***	-0.001 6^*	-0.002 3^***
	(-5.34)	(-2.09)	(-2.82)	(-5.25)	(-1.91)	(-2.85)
控制变量	控制	控制	控制	控制	控制	控制
Year & Ind	控制	控制	控制	控制	控制	控制
Adj R²	0.370 4	0.367 5	0.3692	0.390 5	0.387 7	0.389 0
F	165.215 8	163.228 3	164.435 4	172.689 2	170.724 6	171.627 3

下载: 导出CSV

参考文献(31)

[1]	林毅夫, 巫和懋, 邢亦青. "潮涌现象"与产能过剩的形成机制[J].经济研究, 2010(10): 4-19. https://www.cnki.com.cn/Article/CJFDTOTAL-JJYJ201010002.htm
[2]	耿强, 江飞涛, 傅坦.政策性补贴、产能过剩与中国的经济波动---引入产能利用率RBC模型的实证检验[J].中国工业经济, 2011(5): 27-36. https://www.cnki.com.cn/Article/CJFDTOTAL-GGYY201105005.htm
[3]	徐业坤, 马光源.地方官员变更与企业产能过剩[J].经济研究, 2019(5): 129-145. doi: 10.3969/j.issn.1672-5719.2019.05.103
[4]	干春晖, 邹俊, 王健.地方官员任期、企业资源获取与产能过剩[J].中国工业经济, 2015(3): 44-56. https://www.cnki.com.cn/Article/CJFDTOTAL-GGYY201503005.htm
[5]	刘诚, 钟春平.产能扩张中的行政审批:成也萧何, 败也萧何[J].财贸经济, 2018(3): 50-64. https://www.cnki.com.cn/Article/CJFDTOTAL-CMJJ201803005.htm
[6]	侯方宇, 杨瑞龙.新型政商关系、产业政策与投资"潮涌现象"治理[J].中国工业经济, 2018(5): 62-79. https://www.cnki.com.cn/Article/CJFDTOTAL-GGYY201805004.htm
[7]	孟庆玺, 白俊, 施文.客户集中度与企业技术创新:助力抑或阻碍---基于客户个体特征的研究[J].南开管理评论, 2018(4): 62-73. doi: 10.3969/j.issn.1008-3448.2018.04.007
[8]	ITZKOWITZ J. Customers and cash: how relationships affect suppliers'cash holdings[J]. Journal of Corporate Finance, 2013, 19(2): 159-180. http://www.sciencedirect.com/science/article/pii/S0929119912001046
[9]	HUI K W, LIANG C C, YEUNG P E. The effect of major customer concentration on firm profitability: competitive or collaborative?[J]. Review of Accounting Studies, 2019, 24(1): 189-229. doi: 10.1007/s11142-018-9469-8
[10]	IRVINE P J, PARK S S, YILDIZHAN C. Customer-base concentration, profitability, and the relationship life cycle[J]. Accounting Review, 2016, 91(3): 883-906. doi: 10.2308/accr-51246
[11]	李欢, 郑杲娉, 李丹.大客户能够提升上市公司业绩吗?---基于我国供应链客户关系的研究[J].会计研究, 2018(4): 58-65. doi: 10.3969/j.issn.1003-2886.2018.04.008
[12]	陈正林.客户集中、政府干预与公司风险[J].会计研究, 2016(11): 23-29. doi: 10.3969/j.issn.1003-2886.2016.11.004
[13]	DHALIWAL D, JUDD J S, SERFLING M, SHAIKH S. Customer concentration risk and the cost of equity capital[J]. Journal of Accounting & Economics, 2016, 61(1): 23-48. http://smartsearch.nstl.gov.cn/paper_detail.html?id=cf613d474d1c17805c679106d72cd0e2
[14]	CAMPELLO M, GAO J. Customer concentration and loan contract terms[J]. Journal of Financial Economics, 2017, 123(1): 108-136. doi: 10.1016/j.jfineco.2016.03.010
[15]	KALE J R, SHAHRUR H. Corporate capital structure and the characteristics of suppliers and customers[J]. Journal of Financial Economics, 2007, 83(2): 321-365. doi: 10.1016/j.jfineco.2005.12.007
[16]	江伟, 底璐璐, 姚文韬.客户集中度与企业成本粘性---来自中国制造业上市公司的经验证据[J].金融研究, 2017(9): 192-206. https://www.cnki.com.cn/Article/CJFDTOTAL-JRYJ201709014.htm
[17]	SNYDER C M. Why do larger buyers pay lower prices?intense supplier competition[J]. Economics Letters, 1998, 58(2): 205-209. doi: 10.1016/S0165-1765(97)00279-6
[18]	KALWANI M, NARAYANDAS N. Long-term manufacturer-supplier relationships: do they pay off for supplier firms?[J]. Journal of Marketing, 1995, 59(1): 1-16. doi: 10.1177/002224299505900101
[19]	WILLIAMSON O E. Technology and transaction cost economics: a reply[J]. Journal of Economic Behavior & amp; Organization, 1985, 10(3): 355-363. http://www.sciencedirect.com/science/article/pii/0167268188900558
[20]	王雄元, 高开娟.客户关系与企业成本粘性:敲竹杠还是合作[J].南开管理评论, 2017(1): 132-142. doi: 10.3969/j.issn.1008-3448.2017.01.012
[21]	赵璨, 曹伟, 叶子菱.客户关系、市场势力与企业创新产出[J].广东财经大学学报, 2019(5): 22-37, 49. https://www.cnki.com.cn/Article/CJFDTOTAL-SONG201905006.htm
[22]	BARNEY J B. Firm resources and sustained competitiveadvantage[J]. Journal of Management, 1991, 17(1): 99-120. doi: 10.1177/014920639101700108
[23]	NASONR S, WIKLUND J. An assessment of resource-based theorizing on firm growth and suggestions for the future[J]. Journal of Management, 2018, 44(1): 32-60. doi: 10.1177/0149206315610635
[24]	HILLMAN A J, WITHERS M C, COLLINS B J. Resource dependence theory: a review[J]. Journal of Management, 2009, 35(6): 1404-1427. doi: 10.1177/0149206309343469
[25]	GASPAR J, MASSA M. Idiosyncratic volatility and product market competition[J]. Journal of Business, 2006, 79(6): 3125-3152. doi: 10.1086/505251
[26]	陈志斌, 王诗雨.产品市场竞争对企业现金流风险影响研究---基于行业竞争程度和企业竞争地位的双重考量[J].中国工业经济, 2015(3): 96-108. https://www.cnki.com.cn/Article/CJFDTOTAL-GGYY201503009.htm
[27]	程俊杰.中国转型时期产业政策与产能过剩---基于制造业面板数据的实证研究[J].财经研究, 2015(8): 131-144. https://www.cnki.com.cn/Article/CJFDTOTAL-CJYJ201508010.htm
[28]	国务院发展研究中心课题组.当前我国产能过剩的特征、风险及对策研究---基于实地调研及微观数据的分析[J].管理世界, 2015(4): 1-10. https://www.cnki.com.cn/Article/CJFDTOTAL-GLSJ201504003.htm
[29]	PERESS J. Product market competition, insidertrading and stock market efficiency[J]. Journal of Finance, 2010, 65(1): 1-43. doi: 10.1111/j.1540-6261.2009.01522.x
[30]	邢立全, 陈汉文.产品市场竞争、竞争地位与审计收费---基于代理成本与经营风险的双重考量[J].审计研究, 2013(3): 50-58. https://www.cnki.com.cn/Article/CJFDTOTAL-SJYZ201303011.htm
[31]	薛爽.经济周期、行业景气度与亏损公司定价[J].管理世界, 2008(7): 145-150. https://www.cnki.com.cn/Article/CJFDTOTAL-GLSJ200807017.htm

施引文献

期刊类型引用(1)
1. 罗栋梁，张露允. 统一大市场背景下股东关系网络对产能利用率的影响研究. 兰州财经大学学报. 2023(05): 12-24 . 百度学术
其他类型引用(9)

资源附件(0)

访问统计

点击查看大图

表(10)

计量

文章访问数: 251
HTML全文浏览量: 166
PDF下载量: 9
被引次数: 10

一、引言
二、理论分析与研究假设
（一）客户集中度对企业产能利用率的影响
（二）客户集中度、企业市场竞争地位与产能利用率
三、实证研究设计
（一）数据来源与样本选择
（二）实证模型设计
（三）关键变量的度量
四、实证检验结果
（一）主要变量的描述性统计
（二）基本回归分析
（三）进一步检验
五、稳健性检验
（一）利用倾向得分匹配进行稳健性检验
（二）考虑大客户信息披露导致的样本选择偏误
（三）其他稳健性检验
六、研究结论与启示

一、引言
二、理论分析与研究假设
（一）客户集中度对企业产能利用率的影响
（二）客户集中度、企业市场竞争地位与产能利用率
三、实证研究设计
（一）数据来源与样本选择
（二）实证模型设计
（三）关键变量的度量
四、实证检验结果
（一）主要变量的描述性统计
（二）基本回归分析
（三）进一步检验
五、稳健性检验
（一）利用倾向得分匹配进行稳健性检验
（二）考虑大客户信息披露导致的样本选择偏误
（三）其他稳健性检验
六、研究结论与启示

参考文献(31)

施引文献

资源附件(0)

访问统计

姓名
邮箱
手机号码
标题
留言内容
验证码

留言板

客户集中度与企业产能利用率

作者简介: 王龙丰(1988-), 男, 山东文登人, 北京交通大学经济管理学院博士研究生 马忠(1959-), 男, 北京人, 北京交通大学经济管理学院教授, 博士生导师 胡蕴赟(1996-), 男, 湖南永州人, 英国伯明翰大学商学院研究生

计量

出版历程

Customer Concentration and Capacity Utilization of Listed Companies

一、 引言

二、 理论分析与研究假设

（一） 客户集中度对企业产能利用率的影响

（二） 客户集中度、企业市场竞争地位与产能利用率

三、 实证研究设计

（一） 数据来源与样本选择

（二） 实证模型设计

（三） 关键变量的度量

四、 实证检验结果

（一） 主要变量的描述性统计

（二） 基本回归分析

（三） 进一步检验

五、 稳健性检验

（一） 利用倾向得分匹配进行稳健性检验

（二） 考虑大客户信息披露导致的样本选择偏误

（三） 其他稳健性检验

六、 研究结论与启示

期刊类型引用(1)

其他类型引用(9)

计量

出版历程

目录

一、 引言

二、 理论分析与研究假设

（一） 客户集中度对企业产能利用率的影响

（二） 客户集中度、企业市场竞争地位与产能利用率

三、 实证研究设计

（一） 数据来源与样本选择

（二） 实证模型设计

（三） 关键变量的度量

四、 实证检验结果

（一） 主要变量的描述性统计

（二） 基本回归分析

（三） 进一步检验

五、 稳健性检验

（一） 利用倾向得分匹配进行稳健性检验

（二） 考虑大客户信息披露导致的样本选择偏误

（三） 其他稳健性检验

六、 研究结论与启示

作者简介:
王龙丰(1988-), 男, 山东文登人, 北京交通大学经济管理学院博士研究生

马忠(1959-), 男, 北京人, 北京交通大学经济管理学院教授, 博士生导师

胡蕴赟(1996-), 男, 湖南永州人, 英国伯明翰大学商学院研究生