分散还是集中 数字化战略关注对生态下游客户结构的影响.pdf

145 分散还是集中？数字化战略关注对生态下游客户结构的影响王亚萍，江红艳摘要 在“数字中国”的战略背景下，如何高效地发挥数字化战略的作用，优化客户结构，是至关重要的政策要义和学术话题。基于注意力基础观分析 A 股上市公司 20102020年的年报数据，考察管理层数字化战略关注对生态下游客户结构（集中的客户结构）的影响及其作用机理。结果发现，管理层数字化战略关注显著降低了生态下游客户的集中度。具体而言，管理层数字化战略关注通过融资约束、公司透明度以及技术创新的中介作用影响生态下游客户的集中度。进一步分析发现，企业较高的环境不确定性和市场势力会显著影响数字化战略关注与生态下游客户的集中度。异质性研究发现，相比于竞争性行业、国有和大型企业，管制性行业、非国有、小型的企业数字化战略关注对企业生态下游客户集中度的负向影响更为显著。从数字化战略关注出发为优化生态下游的客户结构提供了新颖的视角，拓展了注意力基础观的应用范围，为企业进行客户关系管理提供了重要的实践启示。关键词 数字化战略关注；客户结构；融资约束；公司透明度；技术创新基金项目 中央高校基本科研业务费专项资金资助“基于大数据文本挖掘的数字化战略对大客户依赖的影响研究”（项目编号：2022XSCX31）中图分类号 F270 文献标志码 A 文章编号 1009-105X（2024）02-0145-20doi：10.20089/ki.issn.1009-105x.2024.02.012一、研究背景与问题提出客户作为纵向价值链和生态系统至关重要的参与者，是推动经济高质量发展的关键。如何建立牢固的客户关系和维持稳定的客户结构通常是企业过去关注的重点，然而，随着社会外部环境的急剧变动，过于稳定的客户结构产生的话语权受限、企业风险增加等弊端也逐渐凸显。尤其是生态系统下游的客户拖欠账款、经营不善等问题，会加大上游供应商企业违约和破产的风险。例如，中国恒大集团的破产造成产业链上依赖其生存的广田集团、文科园林、苏中建设等多家企业陷入债务危机。由此可见，如何优化企业生态系统下游客户结构，降低大客户的独大风险是亟须解决的问题。Vol.26 No.02 Mar.2024中国矿业大学学报（社会科学版）146 面对这种情况，“数字中国”的战略背景下的企业数字化战略为解决这一难题提供了契机，同时也成为企业发展的内在动力以及全球竞争的重要突破点。数字化战略适应时代需求和发展趋势，以企业数字化转型为目标，通过数字技术等重塑企业业务流程、商业模式。这种战略性的变革可以快速提高组织经营效率、创新水平、核心竞争力。前人研究集中考察数字化战略以及数字化转型带来的积极后果，包括对企业风险（王守海等，2022；徐细雄等，2023）、创新（王靖茹等，2023）、战略激进度（王墨林等，2022）、股票流动（吴非等，2021）、服务发展（赵宸宇，2021）以及服务系统（朱秀梅等，2022）等方面的影响。然而，鲜有研究从管理层数字化战略关注视角出发探讨其对生态系统下游客户结构的影响。特别是，“高阶理论”中注意力基础观（Attention-Based View）指出高层注意力分配与公司战略决策密切相关（Ocasio，1997）。因此，数字化战略一定程度依赖于管理层的注意力分配。本文以管理层注意力为切入点，通过文本挖掘的方法对 20102020 年沪深 A 股公司年报中管理层分析与讨论部分（MD&A）进行分析，探究管理层数字化战略关注对生态下游客户结构的影响机理。本文理论贡献主要包含四个方面。第一，研究立意上，以往的研究多探究管理层的个人特征对企业的影响，忽视了对管理者注意力分配的研究。结合注意力基础观，本文创新性以管理层注意力为切入点将数字化战略与客户联系起来，丰富和拓展了注意力基础观的内涵。第二，研究视角上，以往关于数字化战略后果的研究多数集中于其对企业绩效的影响，忽视了对外部利益相关者的影响。本文基于客户结构特征视角探究数字化战略的影响结果，为数字化战略、客户结构特征方面的研究提供了新的证据支持。第三，研究范式上，构建“基础分析机制检验异质性分析”的综合框架，通过融资约束、公司透明度和技术创新的中介效应分析破解了数字化战略关注与生态下游客户结构之间的机制“黑箱”。第四，研究内容上，进一步将环境不确定性、市场势力引入实证分析中，有助于从多元视角深入考察两者在管理层数字化战略关注与生态下游大客户之间的关系。二、文献回顾（一）管理层数字化战略关注目前，数字化战略的概念界定尚不明确。有学者认为数字化战略是指使用数字资源创造差异价值来制定和执行组织行为的战略（Bharadwaj et al，2013）。Porfirio 等（2021）将数字化战略视为信息技术和信息系统战略举措的协同，由管理者利用这些信息进行决策。以往关于数字化战略后果的研究多数集中在企业风险、创新等方面。如研究发现数字化进程可以有效抑制风险水平（徐细雄等，2023）、债务违约（王守海等，2022）。数字化转型能够提升研发创新水平（王靖茹等，2023）、绿色创新（肖静等，2022）、战略激进度（王墨林等，2022）。此外，数字化转型能够影响企业股票流动（吴非等，2021）、服务发展（赵宸宇，2021）以及服务系统（朱秀梅等，能源经济与管理 147 2022）。尽管现有研究已从多个视角探讨了数字化战略或数字化转型对企业内部发展的影响，但是忽视了对外部利益相关者，尤其是对生态系统中客户结构的影响。值得注意的是，已有研究从注意力视角出发，重点研究高管创新注意力、高管团队环境注意力对企业绩效和行为的影响（宋广蕊等，2022；吴建祖等，2021）。本研究重点关注管理层数字化战略注意力，即管理层将注意力分配在数字化相关议题和方案上的程度。（二）生态系统下游客户结构自 Moore（1993）提出商业生态系统的概念以来，生态系统的研究近年来受到管理学者的高度关注（Adner，2017；Jacobides et al，2018）。Adner（2017）的“生态系统即结构”理论，进一步将生态系统定义为“为了实现核心价值主张的商业化，彼此互动的多边伙伴形成的匹配结构”。目前，从生态系统的角度研究系统中特定参与者的研究还不够充分。企业下游直接和间接客户作为生态系统中核心的参与者对企业的发展至关重要。已有文献表明客户结构特征反映企业业务交易特征（滕飞等，2022），生态下游集中的客户结构，即客户集中度会对经济产生消极影响。总体来看，现有的关于大客户依赖（客户集中度）的研究多从对经济后果的双重影响方面进行考虑。首先，从积极的角度来看，“关系性资源”及稳定的供销关系可以促进产品的突破性创新（江伟等，2019），整合供应链资源，降低成本费用，提高财务柔性和运营效率，同时也可以增加企业价值，提高金融投资水平（李馨子等，2019）。其次，从消极的后果来看，较高的客户集中度一方面提升了大客户的议价能力，迫使供应商在价格折扣、商业信用或者产品质量等方面让步，从而将经营风险转嫁给企业；另一方面，处于生态系统下游的大客户出现问题，企业将面临资本成本及债务成本增加、股价崩盘、资金链断裂等风险（Dhaliwal et al，2016；Ma et al，2020）。而以往针对客户结构特征的前因变量的研究较为稀缺，零星研究探讨了现金持有水平（王勇等，2016）、技术创新对大客户依赖的影响（李姝等，2021），或者从规模和范围经济角度研究数字化对大客户依赖的影响（李雷等，2022），忽视了从数字化战略视角探讨其对生态下游客户结构的影响。三、理论基础与假设推导（一）管理层数字化战略关注对生态下游客户结构的影响注意力基础观指出，注意力分配是决策者将时间和精力集中于关注、解释以及解决组织问题（Ocasio，1997）。特别地，管理层注意力指由高层管理者的认知模式引导，并由公司历史、行业规范、个体偏好、个性和情境压力、时间等各种力量形成的对某一领域的重点关注（Ocasio，1997）。这种关注可以影响企业与客户的关系。因此，本文从注意力基础观视角出发，聚焦数字化战略的关注层面，通过企业的融资约束、公司透明度和技术创新三条路径，探讨其对生态下游客户结构的影响及内Vol.26 No.02 Mar.2024中国矿业大学学报（社会科学版）148 在机理。第一，从融资约束的角度来看，本文认为管理层数字化战略关注符合国家政策方向以及市场需求，可以提升相关利益者信心，缓解企业融资约束，从而弱化对生态下游大客户的依赖，降低集中度。一方面，数字化战略与国家“数字中国”建设远景以及“数字产业化”的发展目标一致，企业高管在数字化战略问题中分配的注意力越多，实施数字化战略的强度越大，越容易获取政府信心和外部资金支持。同时数字化战略从战略的格局和视角展现出企业的前瞻性思维，向市场传递出积极信号，从而可以降低企业融资约束程度（王守海等，2022）。另一方面，易露霞等（2021）的研究表明，数字化转型可以统筹企业内部财务资源利用，提高资金配置和使用效率，降低融资约束程度。进一步，融资约束程度降低能够增加现金储备能力，有效降低企业生态下游客户的集中度（王勇，2016）。第二，从公司透明度视角来看，管理层数字化战略可以侧面反映出企业对数字资源、技术投入的多少，能够有效提升企业信息透明度（罗进辉等，2021），降低生态下游客户的集中度。公司透明度是指相关利益使用者通过会计报告、信息披露公告等渠道获取信息的程度（Bushman et al，2004）。一方面，已有研究表明企业数字挖掘、数据分析等技术生成的视频、图像、音频等非结构化数据为信息使用者，尤其是为客户提供了更多可视化、多维的信息（杨德明等，2020）。基于数字技术的数字化转型可以全面提升企业内部信息披露水平、强化信息透明空间（徐京平等，2023）。另一方面，企业透明度的增加可以减少双方的信息不对称（Zhang et al，2021），从而促进关系的发展（Ciliberti et al，2011），吸引更多合作伙伴。因此，管理层数字化战略关注可以通过企业透明度有效降低生态下游客户的集中度。第三，从技术创新的角度来看，管理层对数字化战略的关注强度一定程度上反映了企业开展数字化战略的可能性。已有文献表明企业管理层数字化战略可以强化创新功能，提高技术创新（吴非等，2021），进而满足客户多样化诉求，降低对大客户的依赖。具体来说，数字化战略利用物联网、区块链、人工智能、网络安全等新兴数字技术开展过程创新、组织创新等活动（刘洋等，2020；吴非，2021），可以提高企业竞争优势和技术创新能力。此外，企业技术创新通过颠覆产品、服务和新业务创新模式能够创造产品优势，提高潜在客户的满意度，从而降低对大客户的依赖（李姝等，2021）。由此，可以推测管理层数字化战略关注的创新效应可以有效削弱对客户的依赖，降低生态下游客户集中度。综上所述，一方面，管理层的数字化战略关注通过提升企业外部资源获取能力和内部资金使用效率降低融资约束水平（易露霞等，2021），拓宽客户群体，弱化对大客户的单一依赖。另一方面，管理层数字化战略关注可以提高信息透明度、技术创新能力，扩展客户渠道，从而降低客户集中度。因此，本文提出假设：H1：管理层数字化战略关注与生态下游客户集中度之间呈显著负相关。能源经济与管理 149 （二）环境不确定性以及市场势力的调节作用环境不确定性是指外部环境的改变造成企业主要业务活动以及销售收入的波动（Bergh and Lawless，1998），一定程度可能影响数字化战略关注与客户结构的关系。环境不确定性较高时企业面临较大的经营、违约以及客户流失等风险，企业对主要客户的依赖较高（陈峻等，2015）。此时，高层管理者对数字化战略的高度关注能有效减少决策失误和降低经营波动（王守海等，2022），并且能够向市场传递有力的信号，增加更多客户信任，从而降低客户集中度。反之，当环境不确定性较低时，企业对客户的依赖本身处于较低水平（陈峻等，2015），数字化战略关注通过吸引、拓展客户降低客户集中度的效应并不显著。基于以上分析，本文提出：H2：当环境不确定性高时，管理层数字化战略关注对生态下游客户集中度的负向影响更强。从个体公司竞争强度层面来说，市场定价能力能够影响数字化战略关注与客户之间的关系。这种定价能力被称为市场势力（周夏飞等，2014），即供应商或者客户在谈判时对交易价格掌控的能力（石俊国等，2019）。对于供应商而言，提升价格掌控能力能够有效降低企业风险（徐莉萍等，2021）。市场势力较高的企业成本转嫁能力较强，在客户交易中占有议价话语权（况学文等，2019），而管理层数字化战略更加强调与新兴数字技术的深度融合，可以进一步吸引新客户，降低生态下游客户的集中度。相反，市场势力较弱的供应商企业在议价方面具有劣势。一方面，这类公司是交易价格的被动接受者，更期望与客户建立长久稳定的关系（况学文等，2019）。另一方面，市场势力较低时，公司综合实力和竞争力有限，前景具有较大不确定性，潜在客户等合作者通常保持观望态度，供应商的数字化战略吸引新客户的效果较弱。基于以上分析，本文提出：H3：当企业市场势力较高时，管理层数字化战略关注对生态下游客户集中度的负向影响更为显著。四、研究设计（一）数据来源及处理考虑到 20072009 年全球金融危机的影响（胡媛媛等，2021），本文以沪深两市 20102020 年所有 A 股公司为研究对象，使用 STATA16.0 软件进行检验。上市公司年度财务报告中数据来自中国 CNRDS 数据库、CSMAR 数据库。随后，通过以下标准筛选和处理样本：（1）剔除 ST、PT 公司；（2）剔除金融保险公司；（3）剔除资产负债率大于 1 和小于 0 的公司；（4）剔除样本期间变量缺失的样本；（5）对连续变量在 1%和 99%的水平上进行缩尾处理。经过上述处理，本文共包含 13424个年度非平衡面板样本数据。Vol.26 No.02 Mar.2024中国矿业大学学报（社会科学版）150 （二）变量定义和测量1因变量借鉴 Irvine 等（2016）和 Dhaliwal 等（2020）的研究，因变量生态下游客户集中度采用两种方法衡量：Cus 代表上市公司每年前五大关键客户的总销售额占全部销售额的比例，Cushhi 代表上市公司每年前五大关键客户各自销售占比的平方和。2自变量（1）管理层数字化战略关注以往数字化转型的指标使用上市公司年报数据进行构建（吴武清等，2022），年报中的词汇可以侧面反映出上市公司的战略目标和未来规划（吴非等，2021）。其中，MD&A 内容是上市公司年报中重要的披露内容，包含管理层对企业当期重要经营状况的分析总结和对未来发展的规划和展望，是管理层注意力的外化表现（宋广蕊等，2022）。前人的研究表明，MD&A 可以作为管理层传递信息的载体，是外部了解企业的重要途径。通过 MD&A 文本挖掘方式可以刻画管理者特质（蒋艳辉等，2014）。因此，本文聚焦于管理层的注意力，采用 MD&A 内容作为构建管理层数字化战略关注指标的来源。具体，根据 MD&A 中“大数据”“区块链”“云计算”“机器人”“人脸识别”“智能”等词语出现的频率刻画管理者数字化战略关注指标。（2）数字化战略关注指标构建过程借鉴其他学者的研究构建数字化战略文本指标的思路（吴非等，2021）。首先，通过人工标注方法标注 280 份上市公司 MD&A 内容，建立“数字化战略”基本种子词集。具体来说，需要判断 MD&A 中是否披露智能、区块链、云计算等数字信息内容（赵宸宇，2021）。然后，本文进一步扩充相似词，具体采用 Word2Vec 中的CBOW 模型（Continuous Bag-of-words Model）对 MD&A 语料进行训练，随后计算向量相似度获得中心词的相似词。扩展的相似词是基于 A 股公司的大量 MD&A文本专门训练而成，可有效弥补人工标注数量较小以及标注主观等原因造成的不足（胡楠等，2021）。（3）多轮筛选构建初步词典后，本文邀请 3 位相关学科的专家学者对指标词集进行多轮筛选和核验，最终确定了包含 384 个词语在内的“数字化战略”词集。具体来看，“数字化战略”关注包含基础技术架构以及应用层两大内容。首先，基础技术架构以数字技术（人工智能、区块链、云计算和大数据）为主，通过此类技术基础可以重构生成要素组合，通过数字化赋能优化生产工艺、流程，推动组织和制度体系改革。其次，数字战略的应用领域日趋丰富和多元，主要形成了包括互联网与智能在内的数字技术应用层（见表 1）。能源经济与管理 151 表 1“数字化战略关注”词集基础分类 具体分类基础技术层应用层人工智能技术区块链技术云计算大数据技术互联网智能具体词语人工智能、AI、商业智能、机器学习、深度学习、智能、算力、算法、3D打印、自然语言、人脸识别、语音识别、图像识别数字、数字化、数字化货币、数字家庭、分布式计算、区块链、联盟链、去中心化、智能合约、共识机制、比特币基础架构、融合架构、云端、云计算技术、绿色计算、类脑计算、云平台、云服务、流计算、图计算、遗传算法、压缩算法、认知计算、信息物理系统、内存计算、亿级并发、多方安全计算、EB级存储、大数据、虚拟制造、数据挖掘、混合现实、增强现实、数据可视化、数据中心、数据分析、文本挖掘、虚拟、虚拟现实、模块化线上线下、电商、电子商务、信息化、信息网、网络零售、多媒体、互联网、5G、物联网、C2C、C2B、B2C、B2B无人驾驶、新能源汽车、智能工厂、智能电视、智能服务、智慧手机、智能终端、无人机3控制变量为了控制其他因素对生态下游客户集中度的影响，参照李姝等（2021）及袁建国等（2015）的研究，控制企业以下特征变量：规模（Size）、上市时间（Age）、成长性（Growth）、资产负债率（Lev）、第一大股东持股比例（Top1）、总资产收益率（Roa）、现金流比率（Cashfow）、独立董事比例（Indep）、两职合一（Dual）、产权性质（Soe）。（三）实证模型为了检验管理层数字化战略关注度对生态下游客户集中度的影响，本文建立如下模型：Cusi，t/Cushhii，t=0+1Digiti，t+2Controli，t+Yeari，t+Industryi，t+i，t（1）式（1）中，被解释变量采用客户集中度的两个指标 Cus 以及 Cushhi 进行衡量，其值越大代表客户集中程度越高；解释变量 Digit 表示管理层数字化战略关注，其值越大代表关注程度越高。Control 为一系列的控制变量；同时，本文控制了年度和行业固定效应（见表 2）。五、实证分析（一）描述性统计描述性统计结果如表 3 所示，解释变量 Digit 均值为 0.072，标准差为 0.078，表明不同企业之间管理层数字化战略关注存在一定的差异。大客户依赖 Cus、Cushhi 的均值分别为 0.297，0.052，标准差分别为 0.214，0.105，企业客户集中度程度分布不均衡。融资约束均值为 1.316，标准差 2.254，企业融资约束水平存在差 距。技 术 创 新 两 个 指 标 的 均 值 分 别 为 1.773 和 1.989，标 准 差 为 1.497 和1.651，反映各个企业之间技术创新能力存在差距。Vol.26 No.02 Mar.2024中国矿业大学学报（社会科学版）152 表 3描述性统计变量DigitCusCushhiBigrateStocklerneEu_adjustedKZPatent3Patent4TransSizeRoaGrowthTop1LevAgeCashflowIndepsoeDual样本数1342413424134241342413424134241342413424134241342413424134241342413424134241342413424134241342413424标准差0.0780.2140.1050.1490.1271.1312.2541.4971.6510.1771.1900.0650.4430.1460.2010.4590.1755.3990.4890.43125%0.0180.1380.0050.0440.0460.5900.041000.21521.4800.012-0.0340.2180.2892.0790.01533.33000中位数0.0460.2370.0140.0830.1010.9811.5151.7922.0790.33422.1600.0340.0980.3060.4412.4850.08133.3300075%0.0990.4070.0470.1670.1761.5852.7692.8333.2580.45822.9700.0650.2550.4260.5972.8900.16642.86010平均值0.0720.2970.0520.1360.1151.3021.3161.7731.9890.34022.3000.0350.1700.3340.4462.5070.08937.4600.3950.246最小值00.01100.004-0.3300.138-5.334000.017019.960-0.255-0.5400.0910.0621.609-0.62733.33000最大值0.3830.9680.6770.8190.5116.6396.5715.8416.1330.81026.0000.2212.9230.7380.8873.3320.65857.14011（二）回归分析管理层数字化战略关注与生态下游客户集中度回归分析结果显示，自变量Digit 与 Cus 的系数为-0.168，与 Cushhi 的系数为-0.071，都在 1%水平上显著负相关。因此数字化战略关注显著降低了生态下游客户的集中度，支持假设 1。该结表 2变量定义变量类型因变量自变量控制变量变量CusCushhiDigitSizeRoaAgeLevGrowthTop1CashfowIndepDualSoe说明客户集中度客户集中度 II管理层数字化战略关注企业规模总资产收益率上市时间资产负债率企业成长性第一大股东持股比例现金流比率独立董事比例两职合一产权性质计算公式当年前五大客户销售额/总销售额前五大客户所占销售比例的赫芬达尔指数含有数字化相关词频/管理层分析与讨论总词频年末总资产取对数年末净利润/总资产上市年限加 1取对数年末负债总额/总资产（本年营业总收入-上年营业总收入）/上年营业总收入第一大股东持股数量/总股数经营活动产生的现金流量净额/营业收入独立董事除以董事人数董事长与总经理是同一个人为 1，否则为 0国有企业取值为 1，其他为 0能源经济与管理 153 论代表一定的经济含义：以均值为基点，Digit 上升一个百分点，生态下游客户的集中度 Cus 下降 0.566%（0.010.168/0.297），Cushhi 下降 1.37%（0.010.071/0.052）。控制变量中，总资产收益率 Roa 与 Cus 和 Cushhi 的系数为-0.236 和-0.067，在 1%水平上显著，说明较高的收益率一定程度上可以代表企业自身竞争实力，能够获得更多客户信任和支持，从而缓解对大客户的依赖。企业成长性Growth 与 Cus 和 Cusshi 的回归系数均显著为正，说明企业的成长越快，企业与客户之间的关系越稳定，产生的依赖越强（具体见表 4）。表 4管理层数字化战略关注对生态下游客户集中度的影响模型变量DigitDualIndepsoeSizeRoaGrowthTop1CashflowLevAge常数项样本量调整 R2年份固定效应行业固定效应（1）Cus-0.0126*（-1.775）0.0004（0.632）0.0195*（2.047）-0.0328*（-7.890）-0.2502*（-5.487）0.0280*（5.991）0.0174（0.638）0.0079（0.466）-0.0257（-1.067）0.0114（1.166）0.8891*（9.919）134240.2187是是（2）Cus-0.1684*（-3.437）-0.0113（-1.596）0.0005（0.728）0.0195*（2.053）-0.0324*（-7.805）-0.2363*（-5.203）0.0282*（6.054）0.0150（0.550）0.0054（0.322）-0.0270（-1.120）0.0099（1.021）0.8850*（9.878）134240.2209是是（3）Cushhi-0.0708*（-3.919）-0.0028（-0.992）0.0004（1.449）0.0054（1.179）-0.0075*（-3.807）-0.0672*（-3.246）0.0110*（3.958）0.0176（1.249）0.0199*（1.982）-0.0104（-0.820）0.0122*（2.542）0.1314*（3.226）134240.2268是是注：*、*、*分别表示在 10%、5%、1%的水平显著，下同。（三）内生性问题：倾向匹配得分法考察管理层数字化战略关注和生态下游客户集中度之间的关系时，遗漏某个Vol.26 No.02 Mar.2024中国矿业大学学报（社会科学版）154 因素可能引起内生性问题，如管理层对风险的偏好会影响数字化战略关注的强度和客户集中度的大小，从而模糊两者之间的关系，由此，本文使用倾向得分匹配法（PSM）构建新的样本进行研究检验。根据管理层数字化战略关注的中值形成处理组与控制组，基于最优临近匹配法，采用 Logit 模型进行计算，控制变量包括 Size、Roa、Lev、Growth、Age。表 5 显示采用 PSM 匹配的样本重新回归后，管理层数字化战略关注 Digit 与 Cus 以及 Cushhi 回归系数为-0.022，-0.006，在 1%水平上和10%水平上负向显著，研究结果较为稳健，数字化战略关注可以显著降低生态下游客户的集中度。表 5PSM 分析模型变量Digit控制变量常数项样本量调整 R2（1）Cus-0.0219*（-3.128）是0.9195*（8.552）52860.1837（2）Cushhi-0.0058*（-1.666）是0.1310*（3.018）29450.1893（四）稳健性检验1滞后性检验考虑到企业管理层数字化战略关注影响效果的滞后性，对生态下游客户的集中度产生影响需要一定时间，本文采用滞后一期、二期、三期的数字化战略关注作为自变量进行检验，表 6 列（1）至列（6）显示滞后三期的 Digit 与 Cus 和 Cushhi 的系数均负向相关，且在 1%及 5%水平显著，管理层数字化战略关注对生态下游客户的集中度有显著的负向影响，因此，更换数字化战略关注衡量方式后本文结论依然成立。2更换变量的衡量方式为了使研究结论更加稳健，本文以数字化战略出现的词频加 1 的对数 LnDigit来衡量数字化战略关注（肖土盛等，2022）。表 6 列（7）和列（8）中 LnDigit 与 Cus 和Cushhi 的回归系数分别为-0.019 与-0.009，皆在 1%水平负向显著，表明更换自变量衡量方式后的数字化战略关注依然能够显著降低生态下游客户的集中度。根据已有文献，本文采用第一大客户销售收入比例 Bigrate 作为大客户依赖的一 个 代 理 指 标（李 姝 等，2021）。表 6 列（9）中 Digit 与 Bigrate 的 回 归 系 数 为-0.100，在 1%水平上负向显著，研究结论无改变。六、中介效应检验上述研究为深入理解管理层数字化战略对生态下游客户结构的影响提供了初能源经济与管理 155 步证据，但是尚未理清两者之间的机制黑箱。因此本部分将融资约束、公司透明度以及技术创新作为中介变量分别纳入模型中，参照温忠麟等（2004）的方法，进一步识别数字化战略关注与生态下游客户结构之间的中介渠道机制。Cusi，t/Cushhii，t=0+1Digiti，t+2Controli，t+Yeari，t+Industryi，t+i，t（2）Mediatori，t=0+1Digiti，t+2Controli，t+Yeari，t+Industryi，t+i，t（3）Cusi，t/Cushhii，t=0+1Digiti，t+2Mediatori，t+3Controli，t+Yeari，t+Industryi，t+i，t（4）（一）融资约束的中介效应年报中数字化战略内容披露得越多，代表管理层对其数字化战略关注的程度越深，越有利于获得资金等资源支持，降低融资约束程度（王守海等，2022）与客户集中度。本文使用 KZ 指数度量融资约束，具体使用经营性净现金流、成长性、现金持有量、派现水平、负债程度五个因素回归计算获得（孟庆玺等，2018）。指标越大，融资约束程度越高。表 7 列（1）显示，Digit 与中介因子 KZ 在 1%的水平上显著。列（2）与列（3）显示加入中介因子后，Digit 与客户依赖 Cus 以及 Cushhi 的回归系数依然显著为负，且 KZ 与 Cus 以及 Cushhi 的系数为 0.008，0.003，均在 1%水平上显著正相关，综上分析可以看出，融资约束中介作用显著。表 6滞后分析和更换变量模型变量DigitLnDigitL1.DigitL2.DigitL3.Digit控制变量常数项样本量调整 R2年份固定效应行业固定效应（1）Cus-0.147*（-2.903）是0.806*（8.446）107240.222是是（2）Cushhi-0.058*（-3.272）是0.113*（2.613）107240.241是是（3）Cus-0.130*（-2.541）是0.784*（7.707）87500.228是是（4）Cushhi-0.055*（-3.005）是0.117*（2.572）87500.249是是（5）Cus-0.120*（-2.054）是0.724*（6.638）70150.238是是（6）Cushhi-0.042*（-2.094）是0.103*（2.200）70150.253是是（7）Cus-0.019*（-4.639）是0.846*（9.985）138560.223是是（8）Cushhi-0.009*（-5.027）是0.132*（3.357）138560.232是是（9）Bigrate-0.100*（-3.472）是0.332*（5.953）138560.210是是Vol.26 No.02 Mar.2024中国矿业大学学报（社会科学版）156 表 7融资约束和公司透明度的中介作用模型变量DigitKZTrans控制变量常数项样本量调整 R2年份固定效应行业固定效应（1）KZ-1.3446*（-5.142）是6.3671*（13.285）134240.6746是是（2）Cus-0.1576*（-3.223）0.0080*（3.330）是0.8339*（9.189）134240.2232是是（3）Cushhi-0.0664*（-3.684）0.0033*（2.744）是0.1103*（2.646）134240.2284是是（4）Trans0.1856*（6.764）是-1.1125*（-20.961）134240.4156是是（5）Cus-0.1531*（-3.125）-0.0827*（-3.839）是0.7931*（8.677）134240.2236是是（6）Cushhi-0.0657*（-3.621）-0.0274*（-2.472）是0.1009*（2.483）134240.2280是是（二）公司透明度的中介效应本文借鉴辛清泉等（2014）研究，使用盈余质量 DD、是否来自四大会计师事务所、分析师关注度、深交所公布的信息披露质量评级、盈余预测准确性 5 个指标构建公司透明度指数 Trans，指标值越大代表透明度越高。表 7 中列（4）显示，数字化战略关注 Digit 与中介因子 Trans 的系数为 0.186，在 1%的水平上显著正相关，表明管理层数字化战略关注能够有效提升公司透明度；列（5）与列（6）显示，加入中介因子后，Digit 与客户依赖 Cus 以及 Cushhi 的回归系数显著为负，且 Trans 与 Cus以及 Cushhi 的系数为-0.083，-0.027，分别在 1%和 5%水平上显著负相关，因此企业透明度能够有效降低生态下游客户集中度。综上分析可以看出，公司透明度在数字化战略关注与生态下游客户集中度关系中发挥中介效应。（三）技术创新的中介效应根据以往研究，企业数字化转型会影响到技术创新（张国胜等，2022），技术创新的投入和产出又在一定程度影响企业大客户依赖（李姝等，2021）。因此，选取企业技术创新作为中介变量进行机制检验。技术创新通常使用研发支出和专利衡量，研发支出代表技术创新的意愿，而专利代表企业的综合创新能力和资源投入、产出效果，共包含外观设计、实用新型及发明专利三大类型（史永东等，2022）。本文使用两个指标即发明专利申请量加上 1的自然对数 Patent1 和实用新型和外观设计专利的总申请量加上 1 的自然对数Patent2 来衡量企业技术创新。实证结果见表 8，列（1）和列（4）表明 Digit 与 Patent1 以及 Patent2 均在 1%水平显著正相关，说明管理层数字化战略关注能够显著提升企业技术创新，Patent1 以及 Patent2 与 Cus 和 Cushhi 均负向显著。综上分析可以看出，技术创新的中介机制检验成立。能源经济与管理 157 表 8技术创新的中介作用模型变量DigitPatent1Patent2控制变量常数项样本量调整 R2年份固定效应行业固定效应（1）Patent13.9652*（13.654）是-9.7858*（-18.312）134240.4021是是（2）Cus-0.1323*（-2.716）-0.0091*（-3.403）是0.7960*（8.638）134240.2233是是（3）Cushhi-0.0560*（-3.058）-0.0038*（-3.168）是0.0947*（2.244）134240.2284是是（4）Patent23.6814*（12.412）是-9.2219*（-17.268）134240.4232是是（5）Cus-0.1447*（-2.949）-0.0064*（-2.657）是0.8257*（9.025）134240.2223是是（6）Cushhi-0.0585*（-3.207）-0.0034*（-3.066）是0.1004*（2.373）134240.2283是是七、进一步分析：调节作用（一）环境不确定性的调节作用本文引入环境不确定性指标 Eu_adjusted 来作调节变量。具体使用公司业绩波动（当期环境不确定性和上期的差值）来计算此指标（申慧慧等，2012）。具体过程如下：Sale=0+1Year+（5）其中，Year 为年份序列变量，从 t 年到（t4）年依次取值为 51；为残差项，表示不考虑成长因素的非正常收入。模型（5）的残差 为非正常销售收入，将过去5 年非正常销售收入的标准差与销售收入平均值的比值作为未经行业调整的环境不确定性，将得到的值除以行业未经调整的环境不确定性中位数，即为公司经过行业调整后的环境不确定性。该值越大，表示环境不确定程度越高。表 9 中列（1）DigitEu_adjusted 的系数为-0.059，列（2）DigitEu_adjusted 的系数为-0.043，二者在 5%和 1%水平显著，说明环境不确定性越高，数字化战略关注降低生态下游客户的集中度的效果越显著，假设 2 得到验证。（二）市场势力的调节作用为了验证企业市场势力在管理层数字化战略关注与生态下游客户集中度之间的调节作用，本文引入勒纳指数 Stocklerner 衡量市场势力。市场势力=（营业收入-营业成本-销售费用-管理费用）/营业收入（Peress，2010）。从表 9 列（3）和列（4）可知，交乘项 DigitStocklerne