Can Strategic Deviance Reduce Corporate Risk of Advanced Manufacturing?Research under the Background of Sino-US Trade Friction
-
摘要: 中美贸易摩擦对我国先进制造业企业的风险影响首当其冲。基于战略平衡理论和新制度理论, 从竞争压力机制出发对战略差异度与先进制造业企业风险的关系进行研究, 探索战略差异度如何有效平衡不确定性和同质化竞争, 以最大程度地降低先进制造业企业风险, 同时考虑了产权性质和客户集中度的情境效应。实证结果显示: 战略差异度与先进制造业企业风险之间存在正U型关系; 非民营产权性质弱化了两者之间的正U型关系; 客户集中度强化了两者之间的正U型关系; 相对于非民营企业, 客户集中度的正向调节作用对民营企业更为显著。从而为贸易摩擦背景下中国先进制造业企业通过战略差异度的合理管控, 实现企业风险最优化管理提供了借鉴。Abstract: In the context of Sino-US trade friction, it is particularly important to study the risk of Chinese enterprises in advanced manufacturing. Based on the strategic balance theory and the neo-institutional theory, the relationship between strategic deviance and the risk of advanced manufacturing is first explored with the competition pressure mechanism, to explore how strategic deviance can effectively balance uncertainty and homogeneous competition to minimize corporate risk in advanced manufacturing, and on this basis, consider the situational effects of property rights and customer concentration. The empirical results show that there is a positive U-type relationship between strategic deviance and corporate risk; the nature of non-private property rights weakens the positive U-type relationship between strategic deviance and corporate risk; customer concentration strengthens the positive U-type relationship between strategic deviance and corporate risk. In addition, compared with non-private enterprises, the positive adjustment effect of customer concentration is more significant in private enterprises. The findings provide a reference for advanced manufacturing enterprises under the current trade friction to achieve corporate risk optimization through reasonable management and control of strategic deviance.
-
一、 引言
2018年以来,美国政府绕开WTO,单方面诉诸贸易保护主义,导致中美贸易摩擦不断升级。此次贸易摩擦中,美国对我国加征关税主要集中于中国重点发展的先进制造业领域(凌永辉等,2017)[1],如化工品、药物、钢铁、电机发动机、机械设备、机床、存储器、电气设备、医疗仪器、信息通信技术、航空航天等产业。因此,贸易摩擦对中国先进制造业企业的风险影响首当其冲。
现有对企业风险影响因素的研究主要从宏观和微观两个层面展开。宏观方面的影响因素包括宏观经济政策的变动、政治环境; 微观方面的影响因素包括管理者特质、企业内部管理制度、产权结构、多元化程度等。企业战略是企业进行资源配置、获取竞争优势的长远决策,影响企业的经营成败。战略整合观认为,在行业发展和成熟的过程中,同行业的企业由于面临相同的市场、监管压力,具有趋同观念,通过相互借鉴和学习,在资源配置上出现相似性,往往会形成一套行业常规战略模式(Di Majjio和Powell, 1983)[2]。遵循行业常规战略有助于企业借鉴更多的专家意见和行业实践经验,避免与现有制度法规冲突,并为监管机构、客户和供应商等利益相关者所认可,从而有利于企业获得合法性和资源优势,通过降低不确定性提高企业生存能力(Deephouse, 1999;Geletkanycz和Hambbick, 1997)[3-4]。但与此同时,遵循行业常规战略带来的企业间战略相似性也更容易导致企业面临激烈的同质化竞争。研究表明,一个企业的成功往往得益于偏离行业常规战略的程度,即战略差异度(Tang等,2011)[5]。而战略差异度作为一种结合行业和企业信息的战略信息,对企业业绩(陈收等,2014)[6]、盈余管理(叶康涛等,2015)[7]、权益资本成本(王化成等,2017)[8]、成本粘性(车嘉丽和段然,2016)[9]以及借款契约(李志刚和施先旺,2016)[10]等都会产生直接影响,但学术界目前基于战略差异度视角对企业风险进行研究的文献相对匮乏。
当前中美贸易摩擦引致的企业外部环境不确定性和市场竞争程度的加剧,给中国先进制造业企业的创新发展带来了巨大风险。从降低企业风险的目标考虑,先进制造业企业战略是否应当偏离行业常规战略,仍然是学术界悬而未决且为实践中亟需回答的问题。在现有相关研究基础上,本文基于竞争压力机制对战略差异度与先进制造业企业风险的关系进行研究,探索战略差异度如何有效平衡不确定性和同质化竞争,以最大程度地降低先进制造业企业风险。与现有研究相比,本文可能的研究贡献主要体现在两个方面: 一是本文选择企业战略偏离行业常规战略的程度———战略差异度作为行业中观层面的战略信息[10],借助竞争压力机制的分析,提出战略差异度影响企业风险的正U型理论关系,并以先进制造业企业为样本进行验证,为企业风险影响因素研究提供了新视角。二是本文研究发现战略差异度对企业风险的影响存在情境依赖,其中产权性质与客户集中度发挥了重要的调节作用。一方面,探讨不同产权性质下战略差异度与企业风险的关系,以使本文对战略差异度与企业风险关系的研究更符合中国情境。另一方面,在当前中美贸易摩擦不断升级的背景下,客户集中度对企业业绩提升和战略转型升级具有重要作用。因此,选择客户集中度作为研究战略差异度与企业风险关系的情境因素,考察大客户所具有的外部治理作用是否会对战略差异度与企业风险的关系产生影响,从而丰富了相关领域的文献。
二、 理论基础与研究假设
战略差异度是企业战略选择和实施后与行业常规战略偏离的最终结果,企业战略差异的程度对企业不确定性和竞争压力有不同的影响。战略平衡理论和新制度理论为企业战略差异度对企业风险的研究提供了支持: 一方面,战略平衡理论认为企业的战略选择应当在合理的范围内尽可能做到与行业常规战略相偏离[3],即战略差异度可以通过降低企业的竞争压力降低企业风险。另一方面,新制度理论认为制度通过合法性和同形机制约束组织行为,由此带来的资源优势能够降低不确定性,从而提高其生存发展能力,是决定组织生存的关键(Meyer和Rowan, 1977)[11]。相反地,战略差异度过大的企业由于偏离行业常规战略的程度较大而更容易受到利益相关者,如供应商、客户以及外部监管者等的质疑。因此,本文结合战略平衡理论和新制度理论,对企业战略差异度和企业风险之间的关系进行研究,有助于企业在中美贸易摩擦背景下降低企业风险,削弱中美贸易摩擦对企业发展的冲击。
(一) 战略差异度与先进制造业企业风险
中美贸易摩擦不可避免地给我国先进制造业企业的生产经营带来冲击。对先进制造业企业而言,需要强化自身的市场竞争地位,提高企业竞争力,以抵御外部环境的变化(赖佩琦,2018)[12]。战略平衡理论认为,遵循行业常规战略的企业与行业内其他企业具有同质性,面临的竞争也更激烈[3],因此先进制造业企业要想在激烈的行业竞争中发展并壮大起来,必须从一个独特的角度切入市场,盲目地跟随行业常规战略将会使企业丧失竞争优势。这是因为: 一方面,企业在战略选择和战略实施后的结果与行业常规战略偏离越多,表明相比于行业内的其他企业,其在资源配置结构上的差异越大[5],在资源配置、核心能力等方面呈现的独特性能够帮助企业规避同行业内的竞争和相似业务的挤压,降低企业面临的行业竞争压力。另一方面,企业战略差异度越高,更有可能获得利益相关者的关注,得到更多“聚光灯”下的机会,因此企业战略差异度的提升更容易引起外部投资者的积极关注和回馈(游达明等,2017)[13],增强投资者与企业间的信息交流,帮助投资者进一步了解企业的发展前景,从而降低企业与外部投资者之间的信息不对称,更易于获取外界资源[4]。因此,基于战略平衡理论的观点,先进制造业企业战略差异度的提升,有利于企业规避行业内的同质竞争和帮助企业获取外部资源,从而有利于降低企业经营风险。
然而,战略差异度对先进制造业企业风险的影响只是单一方向吗?基于新制度理论,本文认为当先进制造业企业偏离行业常规战略的程度过高,即企业战略差异度过大时,企业风险也会随之提升。一是降低了先进制造业企业外部的合法性。从获取外部资源的角度来看,企业的经营活动离不开融资活动的支持。新制度理论认为,合法性在约束企业行为的同时,也对企业经营行为的可信性进行了背书[11]。而先进制造业企业战略差异度过高,则意味着企业的战略选择和实施与行业的一般水平存在较大偏离,外部投资者无法根据行业经验以及企业竞争对手信息来评判企业的经营状况和经营业绩(Carpenter, 2000)[14],降低了对企业合法性的认识。有研究表明,与采取行业常规战略的企业相比,战略差异度大的企业往往科研创新需求较多且生产规模扩张速度较快(简兆权等,2015)[15],考虑到竞争对手模仿其战略部署以及这类活动的机密性较强,企业不会及时地披露战略、财务等信息(李莉等,2014)[16]。因此,对于战略差异度高的企业,外部投资者获取信息的来源相对较少、信息搜集的成本较高,导致信息传递的有效性降低,更容易对其外部融资带来困难[10]。二是降低了先进制造业企业内部的合法性。行业常规战略凝聚了行业内众多企业思想的智慧结晶,而未经同行业实践的战略存在较大的不确定性(Denrell, 2005)[17],企业往往需要为此付出一定的“试错成本”。因此战略差异度过高的企业更有可能会因为缺乏行业经验,因次优的战略举措造成效率损失[4]。另外,较高的战略差异度往往需要企业重新整合内部资源、培养新的能力,对组织的学习能力、创新能力、重构能力和协调能力等都提出了区别于行业常规的新要求。然而,企业作为知识与实践的集合系统,吸收处理新的知识并有效执行的能力是有限的,因此过高的战略差异度要求企业具有非常规化的资源配置能力,更容易导致管理层出现决策分歧、员工因为企业内部变化产生抵触心理,从而使企业资源重新配置的成本更高、难度更大(Zhang和Rajagopalan, 2010)[18],进而使得企业偏离行业常规战略较高的战略丧失了在企业内部执行和实施的合法性,从而增加了企业经营风险。
综上所述,基于战略平衡理论和新制度理论,本文提出:
假设1: 战略差异度与先进制造业企业风险之间存在正U型关系。
(二) 产权性质的情境效应
受中美贸易摩擦的影响,先进制造业企业面临业绩下降(对应产品市场恶化)和现金流短缺(对应融资市场恶化)问题。然而,相对于民营企业面对的“三座大山”,即市场的冰山、融资的高山和转型的火山,非民营企业(实际控制人为政府部门或集体的国有企业、集体企业)和政府之间存在“天然纽带”关系,表现为非民营企业为政府承担更多的社会性政策负担,如保证社会稳定和就业等社会目标和经济目标的实现; 政府也更愿意为其提供支持和帮助,如融资担保和扶持、资金扶持、税收优惠等。因此,相对于民营企业,非民营企业的资源获取渠道更多,融资环境更好,享有更多的政策性优惠,在要素和产品市场也更具有竞争力,从而更易规避同行业内竞争。在预算软约束机制下,较高的财务宽松度成为非民营企业生存和发展的隐性担保,有助于降低其竞争压力。因此,非民营企业的产权性质弱化了其通过提升战略差异度来获取资源、减少竞争压力的必要性,也由此弱化了在战略差异度较低时,战略差异度对企业风险的负向作用。
战略差异度是公司最高层面战略选择和实施的结果表现。在中美贸易摩擦不断升级的背景下,我国企业承担着巨大压力,因此管理层首要关心的是企业生存问题,降低企业风险成为第一要务。相对于民营企业,非民营企业管理者通常由政府任命且任期较短(刘和旺等,2015)[19],个人的短期利益与企业的长远发展关联性不大,因而更容易采取短期行为。且由于缺乏市场化竞争机制的约束,相比企业未来发展而言,非民营企业管理者更容易追求稳定、注重自身政绩,以得到上级政府部门认同,实现政治晋升(周黎安,2007)[20]。因此,为避免企业日常经营出现重大问题,非民营企业管理者更加关注企业战略差异度过高带来的外部合法性降低问题,从而削弱了战略差异度过高时对企业风险的正向作用。此外,拥有政府背景意味着非民营企业拥有更多的信息获取渠道,可以提前获取相关信息,为市场可能发生的变化做好充足准备,因而,非民营企业的产权性质削弱了在战略差异度过高时战略差异度对企业风险的正向作用。基于上述分析,本文提出:
假设2: 非民营企业产权性质弱化了战略差异度对先进制造业企业风险的正U型关系。
(三) 客户集中度的情境效应
中美贸易摩擦对企业的影响还体现在企业的产业链层面。受中美贸易摩擦影响较大的企业,一旦生产经营出现重大问题,则其在国内有业务合作的产业链上下游企业均会受到影响,进而不利于整个行业和相关上下游产业的发展。新制度理论认为,企业自身特征的不同也会带来制度环境下的差异行为,包括企业与外部利益相关者的网络结构、企业自身的治理结构等。一般而言,战略差异度较小的企业更容易获得客户的认可。同时,为了维护良好的客户关系,企业倾向于向客户提供更多信息,有利于信息沿供应链共享以及改善供应链的协调性(Kalwani和Narayandas, 1995)[21]、促进上下游企业的资源整合和信息共享,从而降低企业与客户之间的信息不对称程度。此外,客户集中度高反映了客户在企业关系中具有重要的隐性权益,大客户有强烈的动机主动监督和积极关注企业的运营和业绩,督促管理层认真工作,对企业起到外部治理作用(张胜,2013)[22],提高企业经营管理效率。因此,高客户集中度下,企业由于战略差异度提升从外部获取的资源更能够因为大客户的强治理动机、强外部治理能力而得以充分利用。因此,在战略差异度较低时,战略差异度对企业风险的负向影响在高客户集中度下得以增强。
客户集中度高意味着企业对主要客户的依赖性较强。一旦大客户由于企业战略差异过高,无法根据已有行业经验对企业未来发展前景进行判断,从而中断交易或与企业的竞争对手建立产业联盟时,企业不仅会损失重要的收入来源,导致现金流量少,还会产生巨大的破产清算成本和高昂的转换成本(Raman和Shahrur, 2008)[23]。如传统贸易企业的业务主要聚集在欧美日市场,客户集中度过高,一旦贸易摩擦升级,容易产生贸易摩擦冲击风险和外汇结算等金融风险。因此,银行往往会对客户集中度高的企业制定严格的债务契约,即提高贷款利率、缩短贷款期限等。此外,客户集中度越高,买方市场越具有话语权。这意味着企业的议价能力更低,更容易导致企业在与客户的竞合博弈中处于劣势,且伴随着较高的坏账损失(Itzkowitz, 2013)[24],企业资源配置效率和管理效率更低。因此,高客户集中度下,企业战略差异度过高时,战略差异度对企业风险的正向影响在高客户集中度下得以增强。基于上述分析,本文提出:
假设3: 客户集中度强化了战略差异度对先进制造业企业风险的正U型关系。
(四) 产权性质和客户集中度的联合情境效应
在贸易摩擦给先进制造业企业带来负面影响的背景下,基于此次贸易摩擦的长期性、复杂性,这种冲击可能持续较长时间,先进制造业企业产品销量减少、库存积压、盈利能力下降、偿贷能力下降等问题日益凸显。相对于民营企业,非民营企业在资金、供销渠道、经营许可、政府采购等稀缺资源的获取方面更具有优势(祝继高等,2015)[25]。非民营企业较高的财务宽松度也使其日常经营受到大客户影响的程度得以减弱,拥有更强的抵御外部环境不确定性的能力。因此,非民营企业对大客户的依赖程度更低,对大客户流失带来的潜在风险的敏感度相对更低(杨继生和阳建辉,2015)[26]。此外,由于非民营企业普遍存在所有者缺位和内部人控制现象(吴成颂等,2015)[27],委托代理问题在非民营企业中表现得较为严重,导致大客户相对处于信息劣势地位,难以对非民营企业管理者进行有效监督,从而弱化了大客户的外部治理效应。因此在非民营企业中,大客户的外部治理动机和治理能力更弱,当战略差异度较低时,客户集中度对战略差异度降低先进制造业企业风险影响的调节作用被削弱。
非民营企业在日常经营过程中更多的是依靠关系型资源,在市场中的地位和声望较高,因而即使因贸易战引起的企业外部环境不确定性增强,大客户也不会轻易与非民营企业发生较大的“摩擦”。此外,非民营企业由于与政府之间存在天然的政治关联,更容易从银行获得贷款(邓川和孙金金,2014)[28]。同时,从银行的角度来看,由于非民营企业与银行一直保持着相对密切的联系,有利于降低借贷双方的信息不对称程度; 加上政府对非民营企业的隐性担保,银行更倾向于向非民营企业提供贷款,从而削弱了因为客户集中度提高带来的银行贷款约束。最后,非民营企业中存在的预算软约束现象,也使其在陷入财务困境时更容易得到政府的财政援助(林毅夫和李志赟,2004)[29],降低了由于客户集中度高而导致的企业外部资源获取的限制问题。因此,在非民营企业中,由于弱化了高客户集中度下合法性降低引起的外部资源获取问题,当战略差异度较高时,客户集中度对战略差异度增加先进制造业企业风险影响的调节作用也被削弱。基于上述分析,本文提出:
假设4: 相对于非民营企业,民营企业中客户集中度正向调节战略差异度与先进制造业企业风险的关系更强。
三、 研究设计
(一) 数据来源与样本描述
本文借鉴凌永辉等(2017)[1]的做法,将国民经济行业分类中的石油加工、炼焦及核燃料加工业,化学原料及化学制品制造业,医药制造业,通用设备制造业,专用设备制造业,交通运输设备制造业,电气机械及器材制造业,通信设备、计算机及其他电子设备制造业,仪器仪表及文化、办公用机械制造业界定为先进制造业。此外,为了避免2008年金融危机的影响,本文选取的时间跨度为2010—2017年①。同时剔除2010—2017年曾被ST和PT的样本,并对所有连续变量按照1%分位数进行Winsor缩尾处理,以避免异常极端值对结果的影响。最终获得的样本为由1401家截面企业构成的、观测值为8580的非平衡面板数据集。
① 选取从2010年开始,是为了避免2008年金融危机对企业经营带来的异常数据波动影响。
(二) 变量说明与测量
被解释变量: 企业风险(Beta)。借鉴罗党论等(2016)[30]的做法,用企业分市场的年度贝塔系数表示,Beta值越大,表明企业风险越大。该指标从投资者的角度更客观地衡量了企业当年面临的市场风险。
解释变量: 战略差异度(DS)。参考Tang等(2011)[5]的做法,具体见表 1。该指标越大,说明企业与同年度同行业的战略差异越大。该指标能够从整体上反映企业在多个维度上的战略。
调节变量: (1)产权性质(Ownership)。参考李健和陈传明(2013)[31]的做法,将没有政府背景的企业即实际控制人为家族、个人或外商投资的企业统一作为民营企业,赋值为0;其他赋值为1。(2)客户集中度(C_hhi)。参考赵秀云等(2018)[32]的做法,用前五大客户营业收入的额赫芬达尔指数进行度量,代表企业与主要客户进行交易的规模大小。
控制变量。根据罗党论等(2016)[30]的研究,选取企业规模(Size)、资产负债率(Lev)、净资产收益率(ROE)、托宾Q值(TQ)、第一大股东持股比例(First)、年份(Year Dummy)作为控制变量。一般认为,企业规模越大,资产负债率越低,净资产收益率越高,企业的成长性越好,企业第一大股东持股比例越高,则企业抵抗风险的能力越强。
相关变量的定义与测量方法如表 1所示。
表 1 变量的定义与测量变量 符号 测量方法 企业风险 Beta 企业的年度贝塔系数(分市场计算,如对沪市股票,取沪市股票的市场回报率作为市场回报率) 战略差异度 DS 计算企业资源在市场投入、研发投入、固定资产更新程度、资本密集度、管理费用投入、企业财务杠杆六个指标与其年度行业均值,再计算六个指标与年度行业均值的差额和标准差,然后用差额除以标准差并取绝对值,得出企业的战略差异度 产权性质 Ownership 非民营企业赋值为1,民营企业赋值为0 客户集中度 C_hhi 前五大客户营业收入的额赫芬达尔指数,即前五大客户营业收入占总营业收入比例的平方和 企业规模 Size 企业上市年数加1后取自然对数 资产负债率 Lev 企业当年年末总负债/总资产 净资产收益率 ROE 企业当年年末净利润/股东权益平均余额 托宾Q值 TQ 公司股权市值/期末总资产 第一大股东持股比例 First 企业第一大股东当年年末的持股比例 年份虚拟变量 Year Dummy T-1期 (三) 模型构建
本文主要分三部分检验战略差异度和企业风险之间的关系,各部分的回归模型如下: 一是设定回归方程(1)对假设1进行验证,研究战略差异度和企业风险之间的关系。
$$ Bet{a_{i, t}} = {\beta _0} + {\beta _1}D{S_{i, t}} + {\beta _2}DS_{i, t}^2 + \gamma contro{l_{i, t}} + {\mu _i} + {\eta _t} + {\varepsilon _{i, t}} $$ (1) 二是设定回归方程(2)对假设2进行验证,研究产权性质的情境效应。
$$ \begin{array}{l} Bet{a_{i, t}} = {\beta _0} + {\beta _1}D{S_{i, t}} + {\beta _2}DS_{i, t}^2 + {\beta _3}D{S_{i, t}} \times ownershi{p_{i, t}} + {\beta _4}DS_{i, t}^2 \times ownershi{p_{i, t}}\\ + {\beta ^5}ownershi{p_{i, t}} + \gamma contro{l_{i, t}} + {\mu _i} + {\eta _t} + {\varepsilon _{i, t}} \end{array} $$ (2) 三是设定回归方程(3)对假设3进行验证,研究客户集中度的情境效应。
$$ \begin{array}{l} Bet{a_{i, t}} = {\beta _0} + {\beta _1}D{S_{i, t}} + {\beta _2}DS_{i, t}^2 + {\beta _3}D{S_{i, t}} \times C\_hh{i_{i, t}} + {\beta _4}DS_{i, t}^2 \times C\_hh{i_{i, t}} + {\beta _5}C\_hh{i_{i, t}}\\ + \gamma contro{l_{i, t}} + {\mu _i} + {\eta _t} + {\varepsilon _{i, t}} \end{array} $$ (3) 三个回归方程中,下标i表示企业,t表示时间; μi表示公司效应,ηt为时间效应,εit为随机扰动项。
为验证假设4,我们在不同产权性质下对回归方程(3)进行分组检验,观察DS2和C_hhi的乘积项系数是否存在差异。根据理论假设,预期两组的乘积项系数存在差异。
四、 实证分析结果
(一) 描述性统计
首先对战略差异度与企业风险之间的关系以及产权性质和客户集中度的调节效应进行初步验证。图 1是战略差异度与企业风险关系的散点图,可以发现,战略差异度与企业风险之间表现为U型关系,初步验证了假设1。
图 2是在不同产权性质下战略差异度与企业风险之间关系的散点图。可以发现,战略差异度与企业风险之间存在非线性关系,并且在非民营企业中两者关系的曲线更加平缓,即非民营企业产权性质弱化了战略差异度与企业风险之间的关系。初步验证了假设2。
其次将客户集中度按照其均值分为高客户集中度组与低客户集中度组。图 3是在高、低客户集中度下,战略差异度与企业风险之间关系的散点图。可以发现,战略差异度与企业风险之间存在非线性关系,并且在高客户集中度下,两者之间关系的曲线更加陡峭,说明客户集中度对战略差异度与企业风险之间的非线性关系具有正向调节作用。初步验证了假设3。
表 2报告了模型中各变量的描述性统计结果。被解释变量企业风险(Beta)均值为1.107,标准差为0.284,最小值是0.437,最大值是2.040,表明不同企业所面临的企业风险不同。企业战略差异度(DS)平均值为0.332,标准差为0.212。根据伍业锋(2011)[33]提出在经济社会调查中样本数大于50时,服从正态分布的变量其变异系数上限是40%,而文中战略差异度的变异系数绝对值为63%,表明不同企业间战略差异变量的区别较大。
表 2 变量的描述性统计结果(2010—2017年,N=1 401, T=8, NT=8 580)变量 均值 标准差 最小值 最大值 Beta 1.107 0.284 0.437 2.040 DS 0.332 0.212 0.095 1.417 DS2 0.155 0.267 0.009 2.008 Ownership 0.608 0.488 0 1 C_hhi 0.040 0.072 0.000 0.446 Size 22.069 1.152 19.872 25.450 Lev 0.421 0.201 0.051 0.914 ROE 0.068 0.101 -0.426 0.345 TQ 2.199 1.779 0.235 9.659 First 35.890 14.806 8.5 76.44 在进行回归分析前,本文对回归模型中的各变量进行了相关系数检验,结果如表 3所示。战略差异度(DS)与被解释变量企业风险(Beta)之间在1%水平上负向显著,战略差异度平方项(DS2)与被解释变量企业风险(Beta)之间在1%水平上负向显著。作为控制变量的资产负债率、净资产收益率、托宾Q、第一大股东持股比例与被解释变量之间在不同水平上显著,从而在一定程度上支持了这些控制变量选择的合理性。此外,各个解释变量和主要变量的两两相关系数中,除战略差异度与其平方项之间的相关系数是0.938外,其余最大的取值(绝对值)为0.468,低于0.5,表明各变量之间不存在严重的多重共线性。
表 3 变量的相关系数表变量 Beta DS DS2 Ownership C_hhi Size Lev ROE TQ First Beta 1.000 DS -0.111*** 1.000 DS2 -0.084*** 0.938*** 1.000 Ownership -0.035** -0.105*** -0.102*** 1.000 C_hhi -0.004 -0.008 0.004 0.017 1.000 Size -0.026* 0.196*** 0.180*** -0.307*** -0.099*** 1.000 Lev 0.062*** 0.159*** 0.165*** -0.351*** -0.037** 0.468*** 1.000 ROE -0.101*** -0.045*** -0.053*** 0.085*** -0.031** 0.086*** -0.208*** 1.000 TQ -0.158*** 0.057*** 0.038** 0.212*** 0.108*** -0.450*** -0.429*** 0.185*** 1.000 First -0.037** 0.064*** 0.064*** -0.098*** -0.022 0.209*** 0.020 0.070*** -0.042** 1.000 注:*、**和***分布表示10%、5%和1%的显著性水平。下表同。 (二) 面板数据的单位根检验
出于数据中可能存在时间趋势而形成“伪回归”的考虑,在进行回归前,我们首先对变量数据的平稳性进行检验。相比于时间序列数据的单位根检验,面板数据的单位根检验方法更能降低第Ⅱ类错误的概率,从而提高检验的功效。由于本文为非平衡面板数据,因此选用Fish-ADF检验进行单位根检验。检验结果如表 4所示。表 4中各变量的Fish-ADF检验拒绝了面板数据存在单位根的原假设,表明各变量均为平稳序列,可以直接建立回归模型进行分析。
表 4 面板单位根检验结果变量 Beta DS DS2 C_hhi Lev ROE TQ First Fish-ADF检验 -15.187*** -22.784*** -18.999*** -10.974*** -8.694*** -17.462*** -15.040*** 0.861*** (三) 内生性问题
由于战略差异可能为内生解释变量,根据以往文献,本文选取战略差异度的滞后一期和二期、战略差异度平方项的滞后一期和二期分别作为战略差异度(DS)和战略差异度平方项(DS2)的工具变量。检验结果表明,在识别不足检验中,Kleibergen-Paap rk LM统计量的P值在1%水平上显著,拒绝原假设,表明不存在识别不足的问题; 在弱工具变量检验中,Kleibergen-Paap rk Wald F统计量为10.153,大于15%偏误下的临界值8.18,因此拒绝弱工具变量的假设; 在过度识别检验中,Hansen J统计量P值为0.893 7,无法拒绝原假设,即所有工具变量均为外生,排除了战略差异为内生变量的可能。
(四) 实证结果
由于本文用于计量分析的是面板数据,通过豪斯曼检验和F检验,选择固定效应模型。并在模型中加入年度虚拟变量,从而形成了双向固定效应回归模型,可以控制不随个体变化的时间效应。最后考虑到面板数据中存在的异方差、序列相关和截面相关问题,采用Driscoll和Kraay(1998)[34]提出的方法获得异方差、序列相关、截面相关稳健性标准误进行回归估计。
本文的实证结果可分为三部分内容: 首先,探究战略差异度对企业风险的影响(模型2);其次分别考察产权性质、客户集中度对主效应的调节作用(模型3、4);最后探析不同产权性质下客户集中度调节效应的差异(模型5、6)。实证结果如表 5所示。
表 5 实证检验结果解释变量 模型(1) 模型(2) 模型(3) 模型(4) 模型(5)民营企业 模型(6)非民营企业 Size 0.008(0.41) 0.022(1.25) 0.021(1.17) 0.027(1.36) -0.013(-0.59) 0.083***(5.96) Lev 0.017(0.94) 0.069**(3.21) 0.071**(3.23) 0.094***(3.91) 0.168***(5.45) -0.035(-0.84) ROE 0.020(0.65) 0.022(0.56) 0.021(0.53) -0.047(-1.34) -0.071(-1.03) 0.009(0.27) TQ -0.014**(-2.46) -0.010(-1.49) -0.011(-1.59) -0.007(-1.06) -0.012**(-2.32) 0.006(0.70) First -0.001*(-1.72) -0.002***(-3.65) -0.002**(-3.41) -0.001**(-2.37) -0.001**(-2.81) -0.000(0.38) Year Dummy F检验 显著 显著 显著 显著 显著 显著 DS -0.222***(-10.32) -0.123***(-4.02) -0.137**(-2.18) -0.115*(-1.68) -0.120*(-1.82) DS2 0.119***(6.97) 0.049*(1.72) 0.051(1.02) 0.097*(1.74) 0.035**(2.57) Ownership -0.066***(-4.59) DS×Ownership 0.218**(3.26) DS2×Ownership -0.149**(-2.58) C_hhi 0.412**(3.49) 0.761**(3.33) -0.088(-0.38) DS×C_hhi -2.058**(-3.00) -2.036(-1.46) -1.369**(-2.21) DS2×C_hhi 1.260**(2.88) 0.096(0.09) 1.254**(3.51) 分组回归系数差异显著性检验 2.67** Hausman检验 158.78*** 73.12*** 73.24*** 84.95*** 54.80*** 81.70*** 混合回归检验 3.18*** 2.73*** 2.71*** 3.05*** 2.47*** 3.96*** 分组差异检验chi2值 9.1e+37*** 9.9e+31*** 1.5e+32*** 1.0e+34*** 8.5e+32*** 2.4e+32*** 序列相关检验F值 501.373*** 214.734*** 210.625*** 114.897*** 83.527*** 37.920*** Within-R2 0.156 0.159 0.160 0.105 0.069 0.228 注:(1)*、**和***分布表示10%、5%和1%的显著性水平;(2)括号内为基于稳健标准误的t值;(3)Hausman test报告了固定效应模型和随机效应选择检验的chi2值;(4)混合回归检验报告了固定效应模型和混合回归模型选择检验的F值;(5)异方差检验chi2值报告了面板数据中是否存在异方差结果;(6)序列相关检验F值报告了面板数据中是否存在一阶序列相关的结果;(7)Within-R2度量了模型拟合程度。下表同。 模型(1)报告了控制变量对因变量的回归结果,模型(2)在控制变量的基础上加入自变量,检验战略差异度对企业风险的影响。实证结果显示,战略差异度DS的系数为负,在1%的水平上显著; 战略差异度的平方项DS2的系数为正,同样在1%的水平上显著。此实证结果表示,战略差异度和企业风险之间存在着非线性的曲线关系,但是这一结果并不能明确判断两者之间是正U型关系以及完整曲线在样本数据范围内。因此,我们首先在模型(2)中加入DS的三次项,以排除曲线是S型的可能。其次根据Haans等(2016)[35]提出的检验方法进一步检验: 如果正U型关系成立,则自变量战略差异度平方项前系数为正并显著,且曲线的斜率在自变量区间两端具有充分的陡峭程度。具体来说,当战略差异度取最小值时,β1+2β2DSLow < 0且显著,而当战略差异度取最大值时,β1+2β2DSHigh > 0且显著。第三,检验曲线的拐点是否在自变量取值范围内。这一条件可通过拐点95%的置信区间在样本数据范围内进行检验。
实证表明,DS3系数为正但不显著,这一结果排除了战略差异度和企业风险之间为S型关系。通过计算,当战略差异度取最小值(0.095)时,β1+2β2DSLow为-0.199;当战略差异度取最大值(1.417)时,β1+2β2DSHigh为0.115,且都在1%的水平上显著; 该曲线的拐点为0.933, 95%的置信区间为(0.711, 1.155),证明该曲线位于样本数据范围内。这表明战略差异度与企业风险之间存在正U型关系,即在战略差异度较低的第一阶段,战略差异度增大能降低企业风险,而在战略度差异过大的第二阶段,战略差异度增加会使企业风险增加,假设1得到支持。
模型(3)以产权性质作为战略差异度对企业风险正U型关系的调节变量,结果显示DS2×ownership系数为负,P值在10%的水平上显著,说明非民营企业产权性质弱化了战略差异度和企业风险之间的正U型关系,假设2得到支持。
模型(4)以客户集中度作为战略差异度对企业风险正U型关系的调节变量,结果显示DS2×C_hhi系数为正,P值在10%的水平上显著,说明客户集中度强化了战略差异度和企业风险之间的正U型关系,假设3得到支持。
模型(5)和模型(6)报告了产权性质和客户集中度的联合情境效应,以产权性质作为分组依据。结果显示,相对于非民营企业,客户集中度正向调节战略差异度与企业风险之间的正U型关系在民营企业中更为显著。假设4得到支持。
五、 稳健性检验
为了保证实证结果的可靠性,本文更换解释变量测量指标进行重新估计。借鉴Tang等(2011)[5]的做法,剔除了研发投入和市场投入两个维度指标,以资本密集度、固定资产更新程度、管理费用投入、企业财务杠杆四个指标衡量战略差异度,记为DS1,结果如表 6所示,与表 5结论一致,表明改变主要变量的测量方式不会影响本文的结论。
表 6 稳健性检验1:变量测量方式的改变解释变量 模型(7) 模型(8) 模型(9) 模型(10) 模型(11)民营企业 模型(12)非民营企业 Size 0.008(0.41) 0.022(1.22) 0.020(1.13) 0.027(1.33) -0.011(-0.51) 0.082***(7.87) Lev 0.017(0.94) 0.076***(3.54) 0.077**(3.43) 0.099***(3.96) 0.163***(5.17) -0.023(-0.52) ROE 0.020(0.65) 0.022(0.57) 0.020(0.55) -0.043(-1.26) -0.074(-1.06) 0.010(0.33) TQ -0.014**(-2.46) -0.011(-1.49) -0.011(-1.57) -0.007(-1.04) -0.013**(-2.24) 0.006(0.77) First -0.001*(-1.72) -0.002***(-3.55) -0.001**(-3.33) -0.001**(-2.17) -0.001**(-2.62) 0.000(0.40) Year Dummy F检验 显著 显著 显著 显著 显著 显著 DS1 -0.232***(-6.26) -0.331***(-5.39) -0.182*** (-3.73) -0.194**(-2.21) -0.178**(-1.98) DS12 0.134***(4.00) 0.208***(3.83) 0.072(1.31) 0.215**(2.59) 0.064(0.89) Ownership -0.043**(-3.15) DS1×Ownership 0.165**(2.48) DS12×Ownership -0.125*(-1.66) C_hhi 0.138**(2.00) 0.447***(7.23) -0.272(-1.53) DS1×C_hhi -1.469**(-2.51) -1.856**(-2.39) -1.715(-1.41) DS12×C_hhi 1.214**(2.66) 0.865(1.54) 0.998** (3.05) 分组回归系数差异显著性检验 5.68*** Hausman检验 158.78*** 81.77*** 79.91*** 90.35*** 42.83*** 83.95*** 混合回归检验 3.18*** 2.80*** 2.77*** 3.09*** 2.51*** 3.97*** 序列相关检验F值 501.373*** 214.858*** 210.794*** 114.561*** 82.053*** 39.549*** Within- R2 0.156 0.160 0.160 0.105 0.066 0.228 此外,为了使样本在时间序列上更具有代表性,我们只保留了至少连续5年的样本再次进行稳健性检验,虽然样本观测数量减少为7 796个,但多年连续观测能够更好地反映出企业风险的波动变化。稳健性检验结果与表 5一致,表明数据结构的改变并不会影响本文结论①。
① 限于篇幅,实证结果未详细列出,备索。
中美贸易摩擦是本文研究对象(先进制造业企业)、研究问题(企业风险)、研究视角(战略差异度)、研究情境(产权性质、客户集中度)提出的重要背景,但本文认为它们之间的关系具有一般性,而不仅限于中美贸易摩擦时期。因此将实证数据选择分为两个时期,一是中美贸易摩擦发生前,选择2010—2017年; 二是中美贸易摩擦发生时期,选择2018年的企业风险数据为因变量,以及2017年企业战略差异度、调节变量、其他控制变量数据(考虑滞后效应),进行稳健性检验以验证战略差异度对企业风险的影响。结果如表 7所示,与表 5结论相一致,表明本文提出的从战略差异度视角对企业风险影响的理论观点具有稳定性。
表 7 稳健性检验2:2018年中美贸易摩擦时期的检验解释变量 模型(7) 模型(8) 模型(9) 模型(10) 模型(11)非民营企业 模型(12)民营企业 Size 0.012(0.65) 0.032(1.77) 0.030(1.68) 0.037(1.87) -0.014(-0.746) 0.114***(6.92) Lev 0.025(1.24) 0.098**(4.36) 0.10**(4.38) 0.124***(4.89) 0.22***(6.56) -0.039(-0.84) ROE 0.043(1.28) 0.041(0.99) 0.037(0.92) -0.051(-1.62) -0.082(-1.83) 0.008(0.25) TQ -0.017**(-3.09) -0.012(-1.87) -0.014(-2.06) -0.009(-1.78) -0.016**(-2.96) 0.005(0.79) First -0.001*(-2.61) -0.003***(-5.12) -0.003***(-4.87) -0.001**(-2.89) -0.001**(-2.98) 0.001(0.52) Year Dummy F检验 显著 显著 显著 显著 显著 显著 DS -0.308***(-12.91) -0.173***(-6.23) -0.193** (-2.89) -0.13*(-1.78) -0.135*(-1.67) DS2 0.164***(9.05) 0.072**(2.79) 0.078**(2.45) 0.126**(2.06) 0.187***(10.25) Ownership -0.072***(6.12) DS×Ownership 0.258**(-3.95) DS2×Ownership -0.189**(-3.49) C_hhi 0.581**(4.12) 1.10***(4.32) 0.792**(4.34) DS×C_hhi -3.031**(-2.99) -3.07**(-2.05) -3.893**(-2.86) DS2×C_hhi 1.851**(3.12) 0.242(0.29) 1.982**(3.95) 分组回归系数差异显著性检验 6.65** R2 0.158 0.169 0.178 0.232 0.161 0.352 六、 结论和启示
(一) 研究结论
由美国挑起的中美贸易摩擦必将给我国先进制造业企业的经营发展带来一定影响。企业战略是企业获取竞争优势、实现可持续发展的重要途径。为了在竞争激烈的市场中占据独特地位,越来越多的企业选择偏离行业常规战略。在此背景下,本文结合战略平衡理论和新制度理论,探讨战略差异度与企业风险之间的关系,并进一步检验了产权性质和客户集中度的情境效应,以期为中美贸易摩擦背景下中国先进制造业企业的风险管理提出对策。本文的研究结果表明:
(1) 战略差异度与先进制造业企业风险之间存在正U型关系。即在战略差异程度较低时,一定程度的战略差异度具有的合法性和独特性有利于先进制造业企业获取外界资源、降低竞争压力,从而降低企业风险。在战略差异程度较高时,过大的战略差异度损失了先进制造业企业的合法性,导致企业获取外部资源的成本和难度上升、资源配置效率和管理效率降低,增加了企业风险。
(2) 非民营产权性质弱化了战略差异度对先进制造业企业风险的正U型关系。当战略差异度较小时,非民营企业强大的资源优势和竞争力优势弱化了其战略差异度提升获取资源、避免竞争的正向影响,也因此弱化了先进制造业企业的竞争压力,最终降低对企业风险的影响。在战略差异度过大时,由于非民营企业更关注配置效率和管理效率降低带来的合法性问题,因而更容易对战略差异度提高后的风险进行监控,由此弱化了战略差异度提高对企业风险增加的影响。
(3) 客户集中度强化了战略差异度对先进制造业企业风险的正U型关系。在战略差异度较低时,高客户集中度下,企业由于战略差异度提升从外部获取的资源能够因为大客户的外部治理能力与动机更强而得以充分利用,从而更有利于降低竞争压力及企业风险。而在战略差异度较高时,高客户集中度下,企业获取外部资源的难度更大,由于战略差异过大带来的合法性降低的程度进一步加深,先进制造业企业资源配置效率、管理效率降低也更严重,加大了对企业风险增加的影响。
(4) 相对于非民营企业,民营企业的客户集中度正向调节战略差异度与先进制造业企业风险之间的正U型关系更为显著。战略差异度较低时,非民营企业对大客户的依赖程度更低,而大客户对其管理者的有效监督的难度更大,从而弱化了大客户的外部治理效益,客户集中度对第一阶段中战略差异度降低企业风险的调节作用被削弱。当战略差异度较高时,大客户往往不易与非民营企业发生摩擦,同时,非民营企业的外部融资约束程度更低,因此客户集中度对第二阶段中战略差异度增加企业风险的调节作用也被削弱。
(二) 管理启示及建议
综合以上研究结果和讨论分析,本文得出以下启示: (1)一定程度的战略差异不仅有助于先进制造业企业获得发展所需的资源,同时也有利于降低先进制造业企业的竞争压力和企业风险,并提高先进制造业企业可持续发展能力。因此,为了提高先进制造业企业战略差异度的有效性,平衡竞争压力与企业风险之间的关系,在当前中美贸易摩擦背景下,先进制造业企业应主动调控自身战略差异度,以便最大化的降低企业风险,即达到战略差异与企业风险正U型关系曲线最低点。(2)相对于非民营企业的天然产权性质带来的优势,中美贸易摩擦背景下,民营企业更需要通过调整战略差异度达到最优化管控企业风险的目的。(3)客户集中度强化了战略差异度对企业风险的正U型关系,因此企业可以通过客户结构优化、客户资源管理、充分发挥大客户的外部监督作用等方式,进一步强化战略差异度与企业风险之间的关系,有利于增强企业通过战略差异度调控实现最小化企业风险目标。
-
表 1 变量的定义与测量
变量 符号 测量方法 企业风险 Beta 企业的年度贝塔系数(分市场计算,如对沪市股票,取沪市股票的市场回报率作为市场回报率) 战略差异度 DS 计算企业资源在市场投入、研发投入、固定资产更新程度、资本密集度、管理费用投入、企业财务杠杆六个指标与其年度行业均值,再计算六个指标与年度行业均值的差额和标准差,然后用差额除以标准差并取绝对值,得出企业的战略差异度 产权性质 Ownership 非民营企业赋值为1,民营企业赋值为0 客户集中度 C_hhi 前五大客户营业收入的额赫芬达尔指数,即前五大客户营业收入占总营业收入比例的平方和 企业规模 Size 企业上市年数加1后取自然对数 资产负债率 Lev 企业当年年末总负债/总资产 净资产收益率 ROE 企业当年年末净利润/股东权益平均余额 托宾Q值 TQ 公司股权市值/期末总资产 第一大股东持股比例 First 企业第一大股东当年年末的持股比例 年份虚拟变量 Year Dummy T-1期 表 2 变量的描述性统计结果(2010—2017年,N=1 401, T=8, NT=8 580)
变量 均值 标准差 最小值 最大值 Beta 1.107 0.284 0.437 2.040 DS 0.332 0.212 0.095 1.417 DS2 0.155 0.267 0.009 2.008 Ownership 0.608 0.488 0 1 C_hhi 0.040 0.072 0.000 0.446 Size 22.069 1.152 19.872 25.450 Lev 0.421 0.201 0.051 0.914 ROE 0.068 0.101 -0.426 0.345 TQ 2.199 1.779 0.235 9.659 First 35.890 14.806 8.5 76.44 表 3 变量的相关系数表
变量 Beta DS DS2 Ownership C_hhi Size Lev ROE TQ First Beta 1.000 DS -0.111*** 1.000 DS2 -0.084*** 0.938*** 1.000 Ownership -0.035** -0.105*** -0.102*** 1.000 C_hhi -0.004 -0.008 0.004 0.017 1.000 Size -0.026* 0.196*** 0.180*** -0.307*** -0.099*** 1.000 Lev 0.062*** 0.159*** 0.165*** -0.351*** -0.037** 0.468*** 1.000 ROE -0.101*** -0.045*** -0.053*** 0.085*** -0.031** 0.086*** -0.208*** 1.000 TQ -0.158*** 0.057*** 0.038** 0.212*** 0.108*** -0.450*** -0.429*** 0.185*** 1.000 First -0.037** 0.064*** 0.064*** -0.098*** -0.022 0.209*** 0.020 0.070*** -0.042** 1.000 注:*、**和***分布表示10%、5%和1%的显著性水平。下表同。 表 4 面板单位根检验结果
变量 Beta DS DS2 C_hhi Lev ROE TQ First Fish-ADF检验 -15.187*** -22.784*** -18.999*** -10.974*** -8.694*** -17.462*** -15.040*** 0.861*** 表 5 实证检验结果
解释变量 模型(1) 模型(2) 模型(3) 模型(4) 模型(5)民营企业 模型(6)非民营企业 Size 0.008(0.41) 0.022(1.25) 0.021(1.17) 0.027(1.36) -0.013(-0.59) 0.083***(5.96) Lev 0.017(0.94) 0.069**(3.21) 0.071**(3.23) 0.094***(3.91) 0.168***(5.45) -0.035(-0.84) ROE 0.020(0.65) 0.022(0.56) 0.021(0.53) -0.047(-1.34) -0.071(-1.03) 0.009(0.27) TQ -0.014**(-2.46) -0.010(-1.49) -0.011(-1.59) -0.007(-1.06) -0.012**(-2.32) 0.006(0.70) First -0.001*(-1.72) -0.002***(-3.65) -0.002**(-3.41) -0.001**(-2.37) -0.001**(-2.81) -0.000(0.38) Year Dummy F检验 显著 显著 显著 显著 显著 显著 DS -0.222***(-10.32) -0.123***(-4.02) -0.137**(-2.18) -0.115*(-1.68) -0.120*(-1.82) DS2 0.119***(6.97) 0.049*(1.72) 0.051(1.02) 0.097*(1.74) 0.035**(2.57) Ownership -0.066***(-4.59) DS×Ownership 0.218**(3.26) DS2×Ownership -0.149**(-2.58) C_hhi 0.412**(3.49) 0.761**(3.33) -0.088(-0.38) DS×C_hhi -2.058**(-3.00) -2.036(-1.46) -1.369**(-2.21) DS2×C_hhi 1.260**(2.88) 0.096(0.09) 1.254**(3.51) 分组回归系数差异显著性检验 2.67** Hausman检验 158.78*** 73.12*** 73.24*** 84.95*** 54.80*** 81.70*** 混合回归检验 3.18*** 2.73*** 2.71*** 3.05*** 2.47*** 3.96*** 分组差异检验chi2值 9.1e+37*** 9.9e+31*** 1.5e+32*** 1.0e+34*** 8.5e+32*** 2.4e+32*** 序列相关检验F值 501.373*** 214.734*** 210.625*** 114.897*** 83.527*** 37.920*** Within-R2 0.156 0.159 0.160 0.105 0.069 0.228 注:(1)*、**和***分布表示10%、5%和1%的显著性水平;(2)括号内为基于稳健标准误的t值;(3)Hausman test报告了固定效应模型和随机效应选择检验的chi2值;(4)混合回归检验报告了固定效应模型和混合回归模型选择检验的F值;(5)异方差检验chi2值报告了面板数据中是否存在异方差结果;(6)序列相关检验F值报告了面板数据中是否存在一阶序列相关的结果;(7)Within-R2度量了模型拟合程度。下表同。 表 6 稳健性检验1:变量测量方式的改变
解释变量 模型(7) 模型(8) 模型(9) 模型(10) 模型(11)民营企业 模型(12)非民营企业 Size 0.008(0.41) 0.022(1.22) 0.020(1.13) 0.027(1.33) -0.011(-0.51) 0.082***(7.87) Lev 0.017(0.94) 0.076***(3.54) 0.077**(3.43) 0.099***(3.96) 0.163***(5.17) -0.023(-0.52) ROE 0.020(0.65) 0.022(0.57) 0.020(0.55) -0.043(-1.26) -0.074(-1.06) 0.010(0.33) TQ -0.014**(-2.46) -0.011(-1.49) -0.011(-1.57) -0.007(-1.04) -0.013**(-2.24) 0.006(0.77) First -0.001*(-1.72) -0.002***(-3.55) -0.001**(-3.33) -0.001**(-2.17) -0.001**(-2.62) 0.000(0.40) Year Dummy F检验 显著 显著 显著 显著 显著 显著 DS1 -0.232***(-6.26) -0.331***(-5.39) -0.182*** (-3.73) -0.194**(-2.21) -0.178**(-1.98) DS12 0.134***(4.00) 0.208***(3.83) 0.072(1.31) 0.215**(2.59) 0.064(0.89) Ownership -0.043**(-3.15) DS1×Ownership 0.165**(2.48) DS12×Ownership -0.125*(-1.66) C_hhi 0.138**(2.00) 0.447***(7.23) -0.272(-1.53) DS1×C_hhi -1.469**(-2.51) -1.856**(-2.39) -1.715(-1.41) DS12×C_hhi 1.214**(2.66) 0.865(1.54) 0.998** (3.05) 分组回归系数差异显著性检验 5.68*** Hausman检验 158.78*** 81.77*** 79.91*** 90.35*** 42.83*** 83.95*** 混合回归检验 3.18*** 2.80*** 2.77*** 3.09*** 2.51*** 3.97*** 序列相关检验F值 501.373*** 214.858*** 210.794*** 114.561*** 82.053*** 39.549*** Within- R2 0.156 0.160 0.160 0.105 0.066 0.228 表 7 稳健性检验2:2018年中美贸易摩擦时期的检验
解释变量 模型(7) 模型(8) 模型(9) 模型(10) 模型(11)非民营企业 模型(12)民营企业 Size 0.012(0.65) 0.032(1.77) 0.030(1.68) 0.037(1.87) -0.014(-0.746) 0.114***(6.92) Lev 0.025(1.24) 0.098**(4.36) 0.10**(4.38) 0.124***(4.89) 0.22***(6.56) -0.039(-0.84) ROE 0.043(1.28) 0.041(0.99) 0.037(0.92) -0.051(-1.62) -0.082(-1.83) 0.008(0.25) TQ -0.017**(-3.09) -0.012(-1.87) -0.014(-2.06) -0.009(-1.78) -0.016**(-2.96) 0.005(0.79) First -0.001*(-2.61) -0.003***(-5.12) -0.003***(-4.87) -0.001**(-2.89) -0.001**(-2.98) 0.001(0.52) Year Dummy F检验 显著 显著 显著 显著 显著 显著 DS -0.308***(-12.91) -0.173***(-6.23) -0.193** (-2.89) -0.13*(-1.78) -0.135*(-1.67) DS2 0.164***(9.05) 0.072**(2.79) 0.078**(2.45) 0.126**(2.06) 0.187***(10.25) Ownership -0.072***(6.12) DS×Ownership 0.258**(-3.95) DS2×Ownership -0.189**(-3.49) C_hhi 0.581**(4.12) 1.10***(4.32) 0.792**(4.34) DS×C_hhi -3.031**(-2.99) -3.07**(-2.05) -3.893**(-2.86) DS2×C_hhi 1.851**(3.12) 0.242(0.29) 1.982**(3.95) 分组回归系数差异显著性检验 6.65** R2 0.158 0.169 0.178 0.232 0.161 0.352 -
[1] 凌永辉, 张月友, 沈凯玲. 生产性服务业发展、先进制造业效率提升与产业互动——基于面板联立方程模型的实证研究[J]. 当代经济科学, 2017(2): 62-71, 126. https://www.cnki.com.cn/Article/CJFDTOTAL-DJKX201702009.htm [2] DI MAGGIO P J, POWELL W W. The iron cage revisited: institutional isomorphism and collective rationality in organizational fields[J]. American Sociological Review, 1983, 48(2): 147-160. doi: 10.2307/2095101 [3] DEEPHOUSE D L. To be different, or to be the same?it's a question(and theory)of strategic balance[J]. Strategic Management Journal, 1999, 20(2): 147-166. doi: 10.1002/(SICI)1097-0266(199902)20:2<147::AID-SMJ11>3.0.CO;2-Q [4] GELETKANYCZ M A, HAMBRICK D C. The external ties of top executives: implication for strategic choice and performance[J]. Administrative Science Quarterly, 1997, 42(4): 654-681. doi: 10.2307/2393653 [5] TANG J, CROSSAN M, ROWE W G. Dominant CEO, deviant strategy, and extreme performance: the moderating role of a powerful board[J]. Journal of Management Studies, 2011, 48(7): 1479-1503. doi: 10.1111/j.1467-6486.2010.00985.x [6] 陈收, 肖咸星, 杨艳, 等. CEO权力、战略差异与企业绩效——基于环境动态性的调节效应[J]. 财贸研究, 2014(1): 7-16. [7] 叶康涛, 董雪雁, 崔倚菁. 企业战略定位与会计盈余管理行为选择[J]. 会计研究, 2015(10): 23-29, 96. doi: 10.3969/j.issn.1003-2886.2015.10.003 [8] 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 [9] 车嘉丽, 段然. 战略差异度、女性高管与企业成本粘性——来自制造业上市公司的经验证据[J]. 广东财经大学学报, 2016(6): 64-74. https://www.cnki.com.cn/Article/CJFDTOTAL-SONG201606008.htm [10] 李志刚, 施先旺. 战略差异、管理层特征与银行借款契约——基于风险承担的视角[J]. 中南财经政法大学学报, 2016(2): 68-77. doi: 10.3969/j.issn.1003-5230.2016.02.009 [11] MEYER J W, ROWAN B. Institutionalized organizations: formal structure as myth and ceremony[J]. American Journal of Sociology, 1977, 83(2): 340-363. doi: 10.1086/226550 [12] 赖佩琦. 中美贸易战对国内企业的影响以及对策分析[J]. 现代商业, 2018(13): 48-49. doi: 10.3969/j.issn.1673-5889.2018.13.021 [13] 游达明, 张杨, 张婷婷. 企业战略差异与创新绩效的关系研究[J]. 现代管理科学, 2017(2): 28-30. doi: 10.3969/j.issn.1007-368X.2017.02.009 [14] CARPENTER M A. The price of change: the role of CEO compensation in strategic variation and deviation from industry strategy norms[J]. Journal of Management, 2000, 26(6): 1179-1198. doi: 10.1177/014920630002600606 [15] 简兆权, 王晨, 陈键宏. 战略导向、动态能力与技术创新: 环境不确定性的调节作用[J]. 研究与发展管理, 2015(2): 65-76. doi: 10.3969/j.issn.1004-8308.2015.02.007 [16] 李莉, 闫斌, 顾春霞. 知识产权保护、信息不对称与高科技企业资本结构[J]. 管理世界, 2014(11): 1-9. https://www.cnki.com.cn/Article/CJFDTOTAL-GLSJ201411003.htm [17] DENRELL J. Should we be impressed with high performance?[J]. Journal of Management Inquiry, 2005, 14(3): 292-298. doi: 10.1177/1056492605279100 [18] ZHANG Y, RAJAGOPALAN N. Once an outsider, always an outsider?CEO origin, strategic change, and firm performance[J]. Strategic Management Journal, 2010, 31(3): 334-346. doi: 10.1002/smj.812 [19] 刘和旺, 郑世林, 王宇锋. 所有制类型、技术创新与企业绩效[J]. 中国软科学, 2015(3): 28-40. doi: 10.3969/j.issn.1002-9753.2015.03.004 [20] 周黎安. 中国地方官员的晋升锦标赛模式研究[J]. 经济研究, 2007(7): 36-50. [21] KALWANI M U, NARAYANDAS N. Long-term manufacturer-supplier relationships: do they payoff for supplier firms?[J]. Journal of Marketing, 1995, 59(1): 1-16. doi: 10.1177/002224299505900101 [22] 张胜. 供应商-客户关系与资产结构——来自我国制造业上市公司的经验证据[J]. 会计论坛, 2013(1): 89-99. [23] RAMAN K, SHAHRUR H. Relationship-specific investments and earnings management: evidence on corporate suppliers and customers[J]. Accounting Review, 2008, 83(4): 1041-1081. doi: 10.2308/accr.2008.83.4.1041 [24] ITZKOWITZ J. Customers and cash how relationships affect suppliers'cash coldings[J]. Journal of Corporate Finance, 2013, 5(19): 159-180. [25] 祝继高, 齐肖, 汤谷良. 产权性质、政府干预与企业财务困境应对[J]. 会计研究, 2015(5): 28-34, 94. doi: 10.3969/j.issn.1003-2886.2015.05.004 [26] 杨继生, 阳建辉. 行政垄断、政治庇佑与国有企业的超额成本[J]. 经济研究, 2015(4): 50-61, 106. doi: 10.3969/j.issn.1672-5719.2015.04.037 [27] 吴成颂, 唐伟正, 黄送钦. 政治联系方式、产权性质与高管薪酬契约——基于政府补贴和政治身份的视角[J]. 审计与经济研究, 2015(1): 46-56. doi: 10.3969/j.issn.1004-4833.2015.01.005 [28] 邓川, 孙金金. QFII持股、产权性质与企业融资约束[J]. 管理世界, 2014(5): 180-181. https://www.cnki.com.cn/Article/CJFDTOTAL-GLSJ201405020.htm [29] 林毅夫, 李志赟. 政策性负担, 道德风险与预算软约束[J]. 经济研究, 2004(2): 17-27. https://www.cnki.com.cn/Article/CJFDTOTAL-JJYJ200402002.htm [30] 罗党论, 廖俊平, 王珏. 地方官员变更与企业风险——基于中国上市公司的经验证据[J]. 经济研究, 2016(5): 130-142. doi: 10.3969/j.issn.1672-5719.2016.05.110 [31] 李健, 陈传明. 企业家政治关联、所有制与企业债务期限结构——基于转型经济制度背景的实证研究[J]. 金融研究, 2013(3): 157-169. [32] 赵秀云, 单文涛, 刘李福. 市场化进程、客户关系与企业社会责任披露质量——基于客户集中度的分析[J]. 云南财经大学学报, 2018, 34(3): 91-100. https://www.cnki.com.cn/Article/CJFDTOTAL-YNCM201803008.htm [33] 伍业锋. 常见调查总体变异系数上限及其在样本量快速估计中的应用[J]. 统计与决策, 2011(3): 15-18. https://www.cnki.com.cn/Article/CJFDTOTAL-TJJC201103004.htm [34] DRISCOLL J C, KRAAY A C. Consistent covariance matrix estimation with spatially dependent panel data[J]. Review of Economics & Statistics, 1998, 80(4): 549-560. http://www.emeraldinsight.com/servlet/linkout?suffix=b32&dbid=16&doi=10.1108%2F13217341211224718&key=10.1162%2F003465398557825 [35] HAANS R F J, PIETERS C, HE Z L. Thinking about U: theorizing and testing U-and inverted U-shaped relationships in strategy research[J]. Strategic Management Journal, 2016, 37(7): 1177-1195. doi: 10.1002/smj.2399 期刊类型引用(7)
1. 刘旭原,王惠,张世兴. 企业战略变化幅度影响会计信息可比性吗. 财会月刊. 2024(04): 56-62 . 百度学术
2. 曹爱军,杨阳阳. 企业战略差异会影响股价同步性吗?——来自我国A股资本市场的经验数据. 南京审计大学学报. 2023(02): 53-62 . 百度学术
3. 梁刚,邹林,傅樵. 企业战略差异度、外部监督与会计信息可比性——基于沪深A股的经验证据. 重庆理工大学学报(社会科学). 2023(11): 101-113 . 百度学术
4. 李海燕. 战略差异度、价值链异质性与企业创新效率. 财会通讯. 2022(22): 72-76 . 百度学术
5. 邓新明,侯丹,杨赛凡. 多市场接触与竞争策略组合——基于组织协调性与企业可见性的调节效应. 珞珈管理评论. 2022(06): 46-66 . 百度学术
6. 李昊洋,沈昊旻. 出口贸易摩擦降低了公司研发投入持续性吗——来自制造业上市公司的经验证据. 国际商务(对外经济贸易大学学报). 2021(02): 16-28 . 百度学术
7. 袁媛. 林业上市公司竞争战略对企业风险承担水平的影响研究——基于不同产权性质的视角. 中国农业会计. 2020(12): 33-38 . 百度学术
其他类型引用(25)
-