物流企業(yè)通過(guò)數(shù)字化轉(zhuǎn)型可以實(shí)現(xiàn)物流暢通、減員增效，進(jìn)一步提高工作效率，減少管理漏洞，提高企業(yè)經(jīng)濟(jì)效益[5]。但是，物流企業(yè)通常會(huì)針對(duì)大客戶的要求投入更多專(zhuān)用資產(chǎn)以維持良好的下游關(guān)系，這使得企業(yè)的現(xiàn)金流降低，導(dǎo)致企業(yè)轉(zhuǎn)換難度加大，從而阻礙了數(shù)字化轉(zhuǎn)型的進(jìn)程[6]。因此，本文提出研究問(wèn)題：較高客戶集中度是否會(huì)阻礙物流企業(yè)數(shù)字化轉(zhuǎn)型?

1 研究假設(shè)

1.1 客戶集中度與數(shù)字化轉(zhuǎn)型

相較于其他行業(yè)，我國(guó)物流行業(yè)既是資本密集型行業(yè)又是勞動(dòng)密集型行業(yè)，其經(jīng)營(yíng)、發(fā)展都離不開(kāi)大量資本和人員的投入，這意味著其迫切需要進(jìn)行數(shù)字化轉(zhuǎn)型。一方面，企業(yè)數(shù)字化轉(zhuǎn)型會(huì)受到自身技術(shù)水平以及客戶需要的影響[7],數(shù)字化轉(zhuǎn)型過(guò)程中需要大量的硬件、研發(fā)、員工培訓(xùn)等投入，因此人力和資金約束成為難題[8]。然而，企業(yè)穩(wěn)定大客戶會(huì)占用大量人力和資金，因?yàn)榇藭r(shí)企業(yè)會(huì)將有限的資源投入到生產(chǎn)經(jīng)營(yíng)所必須的方面，而不是進(jìn)行風(fēng)險(xiǎn)較高的數(shù)字化轉(zhuǎn)型，而這在一定程度上抑制了數(shù)字化轉(zhuǎn)型的進(jìn)程。另一方面，高客戶集中度會(huì)降低企業(yè)的議價(jià)能力[9],處于優(yōu)勢(shì)地位的客戶可能會(huì)抑制企業(yè)通過(guò)數(shù)字化轉(zhuǎn)型形成競(jìng)爭(zhēng)力，以便于掠奪企業(yè)的利益[10]。

此外，客戶高度集中會(huì)給企業(yè)帶來(lái)運(yùn)營(yíng)和財(cái)務(wù)上的風(fēng)險(xiǎn)[11],而且數(shù)字化轉(zhuǎn)型具有高轉(zhuǎn)型成本和不確定性的特征[12]。這就使得企業(yè)難以承擔(dān)數(shù)字化轉(zhuǎn)型帶來(lái)的重疊風(fēng)險(xiǎn)，從而迫使企業(yè)減少數(shù)字化轉(zhuǎn)型投入。同時(shí)，較高的客戶集中度也可能導(dǎo)致企業(yè)傾向于持有更多現(xiàn)金儲(chǔ)備從而應(yīng)對(duì)大客戶丟失的潛在風(fēng)險(xiǎn)[13]。這很大程度上限制了數(shù)字化轉(zhuǎn)型所需的資金和資源，從而削弱了企業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型的能力[14]。

因此，本文提出假設(shè)H1:較高的客戶集中度會(huì)阻礙物流企業(yè)的數(shù)字化轉(zhuǎn)型。

1.2 內(nèi)部控制的調(diào)節(jié)效應(yīng)

企業(yè)內(nèi)部控制質(zhì)量在客戶集中度和數(shù)字化轉(zhuǎn)型之間起到重要作用。首先，企業(yè)良好的內(nèi)部控制質(zhì)量會(huì)降低其融資成本[15],更容易獲得外部財(cái)務(wù)資源來(lái)支持?jǐn)?shù)字化轉(zhuǎn)型。其次，數(shù)字技術(shù)升級(jí)需要企業(yè)內(nèi)部各職能部門(mén)的配合、協(xié)作，而高質(zhì)量的內(nèi)部控制會(huì)產(chǎn)生積極的治理作用，從而支撐和保證企業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型以及一系列相關(guān)變革[16]。

因此，本文提出假設(shè)H2:良好的內(nèi)部控制質(zhì)量會(huì)削弱客戶集中度對(duì)物流企業(yè)數(shù)字化轉(zhuǎn)型的消極影響。

2 研究設(shè)計(jì)

2.1 樣本選擇和數(shù)據(jù)來(lái)源

本文選擇2011-2022年間中國(guó)A股上市公司中的物流業(yè)企業(yè)為原始樣本，剔除ST和觀測(cè)值缺失的企業(yè)樣本數(shù)據(jù)。因?yàn)榻煌ㄟ\(yùn)輸、倉(cāng)儲(chǔ)和郵政業(yè)數(shù)據(jù)約占物流業(yè)的90%以上，所以本文選取證監(jiān)會(huì)2012版行業(yè)分類(lèi)中的交通運(yùn)輸、倉(cāng)儲(chǔ)和郵政業(yè)企業(yè)作為物流業(yè)企業(yè)。為了避免極端值的影響，所有的連續(xù)變量進(jìn)行了前后1%和99%的縮尾。經(jīng)過(guò)篩選之后，最終獲得了418條數(shù)據(jù)，并使用STATA16.0軟件進(jìn)行回歸分析。本文使用的內(nèi)部控制指數(shù)來(lái)自于迪博數(shù)據(jù)庫(kù)，其他數(shù)據(jù)均來(lái)自于CSMAR數(shù)據(jù)庫(kù)。

2.2 變量定義

2.2.1 被解釋變量

數(shù)字化轉(zhuǎn)型(DIG)。參考吳非等[17]的方法，使用Python軟件對(duì)企業(yè)年度報(bào)告中數(shù)字化轉(zhuǎn)型相關(guān)的特征詞進(jìn)行搜索、匹配并計(jì)數(shù)，構(gòu)建數(shù)字化轉(zhuǎn)型的指標(biāo)體系得到解釋變量DIG,該變量的值越大表示數(shù)字化轉(zhuǎn)型程度越高。

2.2.2 解釋變量

客戶集中度(CC_TOP5)?，F(xiàn)有文獻(xiàn)大多數(shù)是使用主要客戶的銷(xiāo)售收入占公司當(dāng)年總收入的比例來(lái)衡量客戶集中度，參考Cao等[18]和Zhu等[19]的做法，本文使用前五大客戶銷(xiāo)售收入占年度銷(xiāo)售收入的比例來(lái)代表客戶集中度，表示為CC_TOP5,其值越大表示客戶集中度越高。另外，本文在穩(wěn)健性檢驗(yàn)中使用第一大客戶的銷(xiāo)售收入占公司當(dāng)年總收入的比例和前五大客戶銷(xiāo)售收入的郝芬達(dá)爾指數(shù)來(lái)表示企業(yè)的客戶集中度。

2.2.3 調(diào)節(jié)變量

內(nèi)部控制水平(IC)。采用來(lái)自深圳迪博公司制作的“中國(guó)上市公司內(nèi)部控制指數(shù)”作為代替，該指數(shù)是由第三方的專(zhuān)業(yè)機(jī)構(gòu)構(gòu)建，獨(dú)立性強(qiáng)、數(shù)據(jù)可靠性高、客觀性強(qiáng)，因此更具優(yōu)勢(shì)。其數(shù)值分布在0～999之間，為消除量綱影響，對(duì)其取自然對(duì)數(shù)得到變量IC,數(shù)值越高，表明企業(yè)內(nèi)部控制越好。

2.2.4 控制變量

參考現(xiàn)有文獻(xiàn)[20],本文進(jìn)一步控制了其他可能影響數(shù)字化轉(zhuǎn)型的因素：總資產(chǎn)收益率(ROA)、賬面市值比(BTM)、資產(chǎn)負(fù)債率(LEV)、企業(yè)規(guī)模(SIZE)、企業(yè)年齡(AGE)、股權(quán)集中度(TOP1)、管理層持股(MSH)、獨(dú)董比例(IB)、董事會(huì)規(guī)模(BSIZE)、兩職合一(DUAL)。此外，本文也控制了年度(Year)效應(yīng)。具體的變量定義見(jiàn)表1。

2.3 回歸模型

本文使用以下模型來(lái)實(shí)證研究客戶集中度與數(shù)字化轉(zhuǎn)型之間的關(guān)系：

DIGit=α0+α1CC_TOP5it+αkControlit+∑Year+ε(1)

其中，自變量CC_TOP5代表客戶集中度，因變量DIG表示企業(yè)的數(shù)字化轉(zhuǎn)型程度。另外，本文還加入了年份固定效應(yīng)。預(yù)期α1為負(fù)，高水平的客戶集中度會(huì)抑制企業(yè)的數(shù)字化轉(zhuǎn)型。

此外，本文為了檢驗(yàn)假設(shè)H2,在模型(1)的基礎(chǔ)上加入內(nèi)部控制變量IC及其與自變量的交互項(xiàng)，模型如下：

DIGit=α0+α1CC_TOP5it+α2CC_TOP5*ICit+α3ICit+αkControlit+∑Year+ε(2)

其中，IC表示企業(yè)的內(nèi)部控制水平，主要關(guān)注的是交互項(xiàng)CC_TOP5*IC,預(yù)期α2的符號(hào)為負(fù)，良好的內(nèi)控水平可以削弱客戶集中度對(duì)企業(yè)數(shù)字化轉(zhuǎn)型的負(fù)面影響。

3 實(shí)證結(jié)果

3.1 描述性統(tǒng)計(jì)

表1報(bào)告了本文主要變量的描述性統(tǒng)計(jì)。從中可以看到，在研究樣本中，DIG的均值為1.303,標(biāo)準(zhǔn)差為1.306,表明我國(guó)物流企業(yè)的數(shù)字化轉(zhuǎn)型程度差異較大。自變量CC_TOP5的均值為0.28,這說(shuō)明上市物流企業(yè)的客戶集中度處于較高的水平。

3.2 相關(guān)性分析

表2展示了相關(guān)性分析的結(jié)果。結(jié)果顯示，CC_TOP5和DIG之間系數(shù)為-0.290,并在1%水平顯著，這說(shuō)明在不考慮其他變量的情況下，客戶集中度與數(shù)字化轉(zhuǎn)型存在顯著的負(fù)相關(guān)關(guān)系。

3.3 客戶集中度和數(shù)字化轉(zhuǎn)型

本文使用模型(1)來(lái)對(duì)客戶集中度與企業(yè)數(shù)字化轉(zhuǎn)型進(jìn)行OLS回歸，結(jié)果如表3的列(1)所示，其中客戶集中度CC_TOP5的回歸系數(shù)為-0.7920,且在1%的水平上顯著，表明物流企業(yè)較高的客戶集中度會(huì)顯著抑制企業(yè)的數(shù)字化轉(zhuǎn)型，這驗(yàn)證了本文的假設(shè)H1。列(2)是對(duì)模型(2)進(jìn)行回歸的結(jié)果，從中可以看出交互項(xiàng)CC_TOP5*IC的回歸系數(shù)為0.3163,且在5%的水平上顯著，這與列(1)中CC_TOP5的回歸系數(shù)符號(hào)相反，支持了本文的假設(shè)H2,即較好的內(nèi)控水平可以削弱客戶集中度對(duì)企業(yè)數(shù)字化轉(zhuǎn)型的負(fù)面影響。

3.4 穩(wěn)健性檢驗(yàn)

為了保證基準(zhǔn)回歸結(jié)果的穩(wěn)健可靠，本文替換了客戶集中度的衡量方法進(jìn)行回歸，分別使用第一大客戶銷(xiāo)售收入占公司當(dāng)年總收入的比重和前五大客戶銷(xiāo)售收入的郝芬達(dá)爾指數(shù)表示企業(yè)的客戶集中度，相應(yīng)的回歸結(jié)果如表4的列(1)和列(2)所示?？梢钥闯觯兞緾C_TOP1和CC_HHI的回歸系數(shù)分別為-1.1243和-1.7325,均在1%的水平上顯著，這很好地佐證了前文的結(jié)果。另外，為了緩解潛在的內(nèi)生性問(wèn)題，我們將企業(yè)的數(shù)字化轉(zhuǎn)型變量進(jìn)行前滯一期生成變量F1_DIG進(jìn)行回歸，結(jié)果如表4的列(3)所示，其中CC_TOP5的回歸系數(shù)為-0.8279,且在1%的水平上顯著，這進(jìn)一步支持了假設(shè)H1。

3.5 異質(zhì)性分析

相對(duì)于國(guó)有企業(yè)，非國(guó)有的物流企業(yè)更加重視和關(guān)注與大客戶之間的關(guān)系。當(dāng)非國(guó)有的物流企業(yè)面臨集中的大客戶時(shí)，它們的議價(jià)能力更弱，所以需要更多地投入資金和資源以穩(wěn)定客戶。因此，對(duì)于非國(guó)有性質(zhì)的物流企業(yè)而言，客戶集中度對(duì)于企業(yè)數(shù)字化轉(zhuǎn)型的消極影響可能更加顯著。本文根據(jù)企業(yè)的產(chǎn)權(quán)性質(zhì)進(jìn)行分組回歸檢驗(yàn)這一推論，結(jié)果如表5的列(1)和列(2)所示，從中可以看出，客戶集中度對(duì)企業(yè)數(shù)字化轉(zhuǎn)型的顯著消極影響只存在于非國(guó)有企業(yè)的樣本中，而在國(guó)有企業(yè)中并不顯著。為檢驗(yàn)分組回歸的有效性，本文進(jìn)行了Chow檢驗(yàn)，其p值小于0.01,這說(shuō)明了按照產(chǎn)權(quán)性質(zhì)分組檢驗(yàn)的有效性。

另外，初創(chuàng)期企業(yè)對(duì)客戶有著更強(qiáng)的依賴(lài)性，這會(huì)導(dǎo)致下游的客戶占據(jù)強(qiáng)勢(shì)地位，有著更強(qiáng)的話語(yǔ)權(quán)，而供應(yīng)商隨著經(jīng)營(yíng)時(shí)間的增加，會(huì)擁有更復(fù)雜的經(jīng)營(yíng)脈絡(luò)和更多的資源使其議價(jià)能力增強(qiáng)，此時(shí)大客戶對(duì)企業(yè)的制約能力就會(huì)下降。因此，相對(duì)于處于成熟期和衰退期的物流企業(yè)，處于成長(zhǎng)期的企業(yè)的大客戶對(duì)企業(yè)數(shù)字化轉(zhuǎn)型的影響更強(qiáng)。為驗(yàn)證這上述假設(shè)，本文參考李云鶴等[21]的做法，根據(jù)企業(yè)的現(xiàn)金流情況將其分為成長(zhǎng)期、成熟期和衰退期。表5的列(3)-(5)報(bào)告了分組回歸結(jié)果，在處于成長(zhǎng)期企業(yè)的樣本中，CC_TOP5的回歸系數(shù)為-1.1897,且在1%的水平上顯著，而在成熟期樣本中，該系數(shù)下降到-0.8350,仍在1%的水平上顯著，在衰退期的企業(yè)中客戶集中度對(duì)數(shù)字化轉(zhuǎn)型則不再具有顯著影響。這說(shuō)明，與處于成熟期和衰退期的企業(yè)相比，成長(zhǎng)期企業(yè)中客戶集中度對(duì)企業(yè)數(shù)字化轉(zhuǎn)型的消極影響更為顯著。

4 結(jié)論和建議

本文使用了2011-2022年中國(guó)A股物流業(yè)上市公司的數(shù)據(jù)進(jìn)行實(shí)證研究。結(jié)果表明，較高的客戶集中度會(huì)阻礙物流企業(yè)數(shù)字化轉(zhuǎn)型。機(jī)制檢驗(yàn)表明，企業(yè)良好的內(nèi)部控制質(zhì)量削弱了高客戶集中度帶來(lái)的負(fù)面影響。進(jìn)一步的分析表明，在非國(guó)有企業(yè)和成長(zhǎng)期企業(yè)中，客戶集中度和數(shù)字化轉(zhuǎn)型之間的消極關(guān)系更加顯著。

基于以上結(jié)論，本文提出以下建議：

第一，物流企業(yè)應(yīng)加速數(shù)字化轉(zhuǎn)型，形成競(jìng)爭(zhēng)優(yōu)勢(shì)，提高企業(yè)績(jī)效。

隨著全球物流行業(yè)的不斷發(fā)展和數(shù)字化技術(shù)的快速發(fā)展，越來(lái)越多的物流企業(yè)開(kāi)始意識(shí)到數(shù)字化轉(zhuǎn)型的必要性。為了提高物流效率、形成競(jìng)爭(zhēng)力，物流企業(yè)務(wù)必加大數(shù)字化升級(jí)投入。

第二，克服對(duì)客戶依賴(lài)導(dǎo)致的弊端。

物流企業(yè)需要加強(qiáng)與下游企業(yè)的溝通和合作，以減少由客戶帶來(lái)的資金不確定和其他約束風(fēng)險(xiǎn)，從而保障數(shù)字化轉(zhuǎn)型的進(jìn)行。此外，物流企業(yè)能夠通過(guò)數(shù)字化技術(shù)增強(qiáng)與客戶的互動(dòng)，提高客戶滿意度，以獲得來(lái)自客戶的支持，加快數(shù)字化轉(zhuǎn)型進(jìn)程。

第三，完善內(nèi)部控制體系，加強(qiáng)內(nèi)部控制建設(shè)。

強(qiáng)大的內(nèi)部控制水平是企業(yè)變革的保障，因此，物流企業(yè)需求加強(qiáng)自身內(nèi)部控制管理體系的發(fā)展和優(yōu)化，以提高自身抗擊風(fēng)險(xiǎn)和整合資源的能力，保證數(shù)字化轉(zhuǎn)型的順利進(jìn)行。