物流企業(yè)通過數(shù)字化轉(zhuǎn)型可以實現(xiàn)物流暢通、減員增效，進一步提高工作效率，減少管理漏洞，提高企業(yè)經(jīng)濟效益[5]。但是，物流企業(yè)通常會針對大客戶的要求投入更多專用資產(chǎn)以維持良好的下游關系，這使得企業(yè)的現(xiàn)金流降低，導致企業(yè)轉(zhuǎn)換難度加大，從而阻礙了數(shù)字化轉(zhuǎn)型的進程[6]。因此，本文提出研究問題：較高客戶集中度是否會阻礙物流企業(yè)數(shù)字化轉(zhuǎn)型?

1 研究假設

1.1 客戶集中度與數(shù)字化轉(zhuǎn)型

相較于其他行業(yè)，我國物流行業(yè)既是資本密集型行業(yè)又是勞動密集型行業(yè)，其經(jīng)營、發(fā)展都離不開大量資本和人員的投入，這意味著其迫切需要進行數(shù)字化轉(zhuǎn)型。一方面，企業(yè)數(shù)字化轉(zhuǎn)型會受到自身技術(shù)水平以及客戶需要的影響[7],數(shù)字化轉(zhuǎn)型過程中需要大量的硬件、研發(fā)、員工培訓等投入，因此人力和資金約束成為難題[8]。然而，企業(yè)穩(wěn)定大客戶會占用大量人力和資金，因為此時企業(yè)會將有限的資源投入到生產(chǎn)經(jīng)營所必須的方面，而不是進行風險較高的數(shù)字化轉(zhuǎn)型，而這在一定程度上抑制了數(shù)字化轉(zhuǎn)型的進程。另一方面，高客戶集中度會降低企業(yè)的議價能力[9],處于優(yōu)勢地位的客戶可能會抑制企業(yè)通過數(shù)字化轉(zhuǎn)型形成競爭力，以便于掠奪企業(yè)的利益[10]。

此外，客戶高度集中會給企業(yè)帶來運營和財務上的風險[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)難以承擔數(shù)字化轉(zhuǎn)型帶來的重疊風險，從而迫使企業(yè)減少數(shù)字化轉(zhuǎn)型投入。同時，較高的客戶集中度也可能導致企業(yè)傾向于持有更多現(xiàn)金儲備從而應對大客戶丟失的潛在風險[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)進行數(shù)字化轉(zhuǎn)型的能力[14]。

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

1.2 內(nèi)部控制的調(diào)節(jié)效應

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)量會降低其融資成本[15],更容易獲得外部財務資源來支持數(shù)字化轉(zhuǎn)型。其次，數(shù)字技術(shù)升級需要企業(yè)內(nèi)部各職能部門的配合、協(xié)作，而高質(zhì)量的內(nèi)部控制會產(chǎn)生積極的治理作用，從而支撐和保證企業(yè)進行數(shù)字化轉(zhuǎn)型以及一系列相關變革[16]。

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

2 研究設計

2.1 樣本選擇和數(shù)據(jù)來源

本文選擇2011-2022年間中國A股上市公司中的物流業(yè)企業(yè)為原始樣本，剔除ST和觀測值缺失的企業(yè)樣本數(shù)據(jù)。因為交通運輸、倉儲和郵政業(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2012版行業(yè)分類中的交通運輸、倉儲和郵政業(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)變量進行了前后1%和99%的縮尾。經(jīng)過篩選之后，最終獲得了418條數(shù)據(jù)，并使用STATA16.0軟件進行回歸分析。本文使用的內(nèi)部控制指數(shù)來自于迪博數(shù)據(jù)庫，其他數(shù)據(jù)均來自于CSMAR數(shù)據(jù)庫。

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軟件對企業(yè)年度報告中數(shù)字化轉(zhuǎn)型相關的特征詞進行搜索、匹配并計數(shù)，構(gòu)建數(shù)字化轉(zhuǎn)型的指標體系得到解釋變量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)。現(xiàn)有文獻大多數(shù)是使用主要客戶的銷售收入占公司當年總收入的比例來衡量客戶集中度，參考Cao等[18]和Zhu等[19]的做法，本文使用前五大客戶銷售收入占年度銷售收入的比例來代表客戶集中度，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)健性檢驗中使用第一大客戶的銷售收入占公司當年總收入的比例和前五大客戶銷售收入的郝芬達爾指數(shù)來表示企業(yè)的客戶集中度。

2.2.3 調(diào)節(jié)變量

內(nèi)部控制水平(IC)。采用來自深圳迪博公司制作的“中國上市公司內(nèi)部控制指數(shù)”作為代替，該指數(shù)是由第三方的專業(yè)機構(gòu)構(gòu)建，獨立性強、數(shù)據(jù)可靠性高、客觀性強，因此更具優(yōu)勢。其數(shù)值分布在0～999之間，為消除量綱影響，對其取自然對數(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[20],本文進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)、獨董比例(IB)、董事會規(guī)模(BSIZE)、兩職合一(DUAL)。此外，本文也控制了年度(Year)效應。具體的變量定義見表1。

2.3 回歸模型

本文使用以下模型來實證研究客戶集中度與數(shù)字化轉(zhuǎn)型之間的關系：

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。預期α1為負，高水平的客戶集中度會抑制企業(yè)的數(shù)字化轉(zhuǎn)型。

此外，本文為了檢驗假設H2,在模型(1)的基礎上加入內(nèi)部控制變量IC及其與自變量的交互項，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，主要關注的是交互項CC_TOP5*IC,預期α2的符號為負，良好的內(nèi)控水平可以削弱客戶集中度對企業(yè)數(shù)字化轉(zhuǎn)型的負面影響。

3 實證結(jié)果

3.1 描述性統(tǒng)計

表1報告了本文主要變量的描述性統(tǒng)計。從中可以看到，在研究樣本中，DIG的均值為1.303,標準差為1.306,表明我國物流企業(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 相關性分析

表2展示了相關性分析的結(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)型存在顯著的負相關關系。

3.3 客戶集中度和數(shù)字化轉(zhuǎn)型

本文使用模型(1)來對客戶集中度與企業(yè)數(shù)字化轉(zhuǎn)型進行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顯著抑制企業(yè)的數(shù)字化轉(zhuǎn)型，這驗證了本文的假設H1。列(2)是對模型(2)進行回歸的結(jié)果，從中可以看出交互項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)符號相反，支持了本文的假設H2,即較好的內(nèi)控水平可以削弱客戶集中度對企業(yè)數(shù)字化轉(zhuǎn)型的負面影響。

3.4 穩(wěn)健性檢驗

為了保證基準回歸結(jié)果的穩(wěn)健可靠，本文替換了客戶集中度的衡量方法進行回歸，分別使用第一大客戶銷售收入占公司當年總收入的比重和前五大客戶銷售收入的郝芬達爾指數(shù)表示企業(yè)的客戶集中度，相應的回歸結(jié)果如表4的列(1)和列(2)所示。可以看出，變量CC_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)生性問題，我們將企業(yè)的數(shù)字化轉(zhuǎn)型變量進行前滯一期生成變量F1_DIG進行回歸，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，這進一步支持了假設H1。

3.5 異質(zhì)性分析

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

另外，初創(chuàng)期企業(yè)對客戶有著更強的依賴性，這會導致下游的客戶占據(jù)強勢地位，有著更強的話語權(quán)，而供應商隨著經(jīng)營時間的增加，會擁有更復雜的經(jīng)營脈絡和更多的資源使其議價能力增強，此時大客戶對企業(yè)的制約能力就會下降。因此，相對于處于成熟期和衰退期的物流企業(yè)，處于成長期的企業(yè)的大客戶對企業(yè)數(shù)字化轉(zhuǎn)型的影響更強。為驗證這上述假設，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期、成熟期和衰退期。表5的列(3)-(5)報告了分組回歸結(jié)果，在處于成長期企業(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)中客戶集中度對數(shù)字化轉(zhuǎn)型則不再具有顯著影響。這說明，與處于成熟期和衰退期的企業(yè)相比，成長期企業(yè)中客戶集中度對企業(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A股物流業(yè)上市公司的數(shù)據(jù)進行實證研究。結(jié)果表明，較高的客戶集中度會阻礙物流企業(yè)數(shù)字化轉(zhuǎn)型。機制檢驗表明，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的負面影響。進一步的分析表明，在非國有企業(yè)和成長期企業(yè)中，客戶集中度和數(shù)字化轉(zhuǎn)型之間的消極關系更加顯著。

基于以上結(jié)論，本文提出以下建議：

第一，物流企業(yè)應加速數(shù)字化轉(zhuǎn)型，形成競爭優(yōu)勢，提高企業(yè)績效。

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，越來越多的物流企業(yè)開始意識到數(shù)字化轉(zhuǎn)型的必要性。為了提高物流效率、形成競爭力，物流企業(yè)務必加大數(shù)字化升級投入。

第二，克服對客戶依賴導致的弊端。

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

第三，完善內(nèi)部控制體系，加強內(nèi)部控制建設。

強大的內(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，以提高自身抗擊風險和整合資源的能力，保證數(shù)字化轉(zhuǎn)型的順利進行。