论文部分内容阅读
【摘要】依据资产专用性理论、创新经济学及知识基础观理论， 基于CDM模型从供应链视角探讨客户集中度和客户稳定性两个层面企业的客户质量对我国上市公司的创新行为的作用效果。 结果表明：客户稳定和客户集中在影响企业创新投入与产出行为之间存在着一种“悖论”， 即客户集中度越高， 企业创新决策及创新投入积极性越高， 但企业创新产出越低; 客户稳定性越高， 企业创新决策及创新投入积极性越低， 但企业创新产出越高;企业与客户的技术差距缓解了创新悖论， 当企业与客户之间的技术差距越小时， 客户集中度对企业创新决策的促进作用越强， 客户稳定性对企业创新决策的抑制作用越弱。 进一步研究发现， 客户集中度越高， 企业创新绩效越低;客户稳定性越高， 企业创新绩效越高。
【关键词】客户质量;创新行为;供应链关系;技术距离;CDM模型
【中图分类号】F274 【文献标识码】A 【文章编号】1004-0994（2020）24-0102-10
一、引言
随着科学技术的迅猛发展以及经济全球化进程的持续推进， 企业的创新决策、创新投入及创新产出等创新活动越来越复杂， 单一的企业已经很难高效、独立完成具有成本高、周期长、不确定性高等特征的创新活动， 企业竞争已经逐渐转变为产业链之间的竞争。 在供应链的链条中， 客户处于供应链的下游， 企业处于供应链的上游， 处于下游的客户有充分的资源直接接近市场， 已经成为企业创新活动的间接参与者; 企业通过与客户交流合作， 可以获得有关市场的信息及资源， 高质量的客户逐渐成为企业的重要合作伙伴， 也是企业创新决策、创新投入及创新成果产出的重要影响因素， 最终提升企业创新绩效及企业整体效益。 企业应意识到创新及供应链合作关系的重要性， 认识到高质量客户为企业带来的积极效应， 充分理解创新行为的复杂性。 事实上， 我国大多数企业仅仅依靠客户来获得基础利益， 并没有挖掘高质量客户带来的其他积极效应。
大客户作为企业营业收入的重要支撑， 客户质量对企业经营战略活动有着不容忽视的影响， 高质量客户会通过间接参与企业经营决策为企业带来潜在的利益。 客户质量已受到学者的广泛关注， 其主要从客户集中度与客户稳定性两个角度展开分析。
大量学者实证研究发现， 客户集中度通过供应链整合缓解了企业的风险承担压力[1-3] 、客户集中度抑制了企业的盈利能力[4-6] 、客户集中度与企业资本融资成本正相关[7-9] 、客户集中度抑制了企业技术创新[10，11] 等。 企业的创新行为是企业经营活动的重中之重， 并且创新是一个复杂多变的过程， 创新活动的各个环节层层相扣。 从客户—企业关系供应链角度看， 客户集中度这一客户特征会如何影响企业创新行为呢？
客户稳定性是为企业创新活动带来了稳定的贸易环境还是增强了企业创新研发的惰性， 仍需要进一步研究。 企业创新决策质量、创新投入强度会受到企业拥有的技术知识各方面要素影响， 技术上的差距是各企业存在创新行为差距的关键因素。 那么， 供應链上的企业与客户间是否存在技术知识溢出机制， 供应链上下游间技术差距对企业的客户质量与企业创新决策、创新投入之间的关系是否具有调节效应？
基于此， 本文围绕供应链上企业与客户间创新活动这一基本问题， 基于CDM模型从资产专用性理论、创新经济学及知识基础观理论分析客户质量对企业创新各环节的影响机理， 选择我国2011 ～ 2018年A股上市且其客户为上市公司的企业为样本， 实证研究了客户质量对企业创新行为的影响。
二、文献回顾
（一）客户质量与企业创新行为研究
企业的大客户作为企业经营活动的利益相关者， 对企业的日常经营决策产生了重要影响， 客户集中度反映出企业在供应链上对前几大客户的依赖程度及客户通过供应链对企业经营活动产生的影响。 处于供应链上下游的客户与企业间存在“一荣俱荣， 一损俱损”的贸易合作关系， 客户质量既会为企业带来机遇同时也会使企业面临挑战。
一方面， 客户与企业间供应链的链条整合程度对企业运营及管理有着不容忽视的作用， 企业与客户间关系密切、链条整合程度高也传达出企业与客户间良好的合作贸易关系及协同效率， 有利于企业对未来经营做出合理决策， 进而制定合理的经营计划， 提高供应链间的运营效率[4] 。 李姝等[11] 把客户波动性引入客户关系及企业技术创新的研究中， 结果表明客户波动性越小， 客户集中度对企业创新不利影响越小。 而保持客户稳定性有利于稳定供应链， 使企业有更高的收益及更强的收益稳定性[12] ， 企业才有能力持续“输血”用于企业经营稳定的客户关系使企业摆脱潜在风险。
另一方面， 如果客户集中度过高， 企业会主要依赖前几大客户增加销售利润; 如果大客户发生变更（财务风险、面临破产或者与企业解约）， 就会导致企业不仅难以完成预期的销售计划获得相应销售收入， 而且难以收回客户之前发生的应收账款。 这种情况下， 客户的财务风险转嫁到企业， 使得企业面临巨大的风险[11] ， 进而使企业缺乏创新资金投入。 也有研究从客户个体特征实证检验发现， 客户的破产风险阻碍了企业技术创新[10] 。 柳卸林等[13] 研究指出， 客户稳定性带来了企业员工思维惰性， 抑制了核心企业创新绩效提升。
（二）CDM模型下的创新研究
创新是一项具有高风险、周期长、不确定性高等特征的复杂活动， CDM模型为创新行为的研究提供了契机。 在CDM模型下， 学者从宏微观角度研究了各因素对整个创新行为的影响。 从微观层面看， 绩效衰退与企业创新行为有密切联系， 绩效衰退增加了企业创新动机， 降低了创新效率损失[14] 。 有研究表明企业创新活动对企业绩效存在正向影响。 从宏观政策角度考虑， 研发税收激励政策促进了企业研发支出增加， 但不能提高专利产出效率， 也不能促进企业全要素生产率提升。 通过整理上述文献， 发现现有研究存在以下几方面不足：①集中于研究客户集中度对企业经营创新活动的影响， 并且从微观及宏观等层面探讨了企业创新投入与创新绩效的影响因素， 但是并没有考虑客户集中度与客户稳定性对企业创新行为的影响， 本文集中引入客户集中度与客户稳定性来衡量客户质量， 从供应链客户关系视角深入探讨两者对企业创新行为的不同影响。 ②对于企业创新行为的影响研究中， 供应链客户关系对创新过程的研究具有一定的局限性， 学者多从创新投入或者创新绩效单方面研究企业创新行为， 并未充分考虑创新行为是一个环环相扣的过程， 因此本文基于CDM模型， 充分考虑创新各阶段间的递推关系， 研究客户质量对整个创新行为过程的影响。 ③对于客户与企业创新行为调节因素的研究多从企业与客户个体特征视角进行深入分析， 本文则分析了技术特征对企业创新决策与创新投入的影响， 并把技术距离引入供应链上下游关系的客户与企业上， 打破了传统的二元关系， 更深层分析客户对企业创新活动的影响。
三、理论基础与研究假设
（一）客戶质量、企业创新决策与创新投入
1. 客户集中度视角。
（1）基于资产专用性理论， 企业与大客户间为了维持稳定合作的关系型交易， 必须投入大量“专用性资产”满足大客户的需求， 作为传递“可置信承诺”信号的专用性投资， 使得供应链上企业与客户间产品合作贸易更频繁有效。 如果企业与客户形成了长期的合作关系， 其供应链关系也会日益紧密， 进而形成利益共同体。 客户是企业与消费者之间最直接的“桥梁”， 企业通过客户使得市场信息的传递更加及时、深入。 也就是说， 企业利用客户的信号传递效应获得有价值的信息， 制定高效创新投入决策计划， 明确创新投入强度， 促进创新决策及创新投入。
（2）企业创新投入强度越高， 企业对大客户贸易关系维持的依赖性也就越强。 企业的客户集中度越高， 客户的议价能力就会越高。 企业为了留住大客户， 必须加强创新研发， 才有向客户提供具有竞争力产品的可能性。 客户利用企业“短板”迫使其加大创新投入， 提高自身创新能力与企业产品质量。 这在一定程度上能降低对大客户的依赖程度[15] 。
（3）现代的市场竞争已逐渐从企业间的竞争转变为供应链间的竞争， 供应链间的关系影响链条中各环节的利益， 客户购买力直接影响到企业的销售收入。 而创新投入是企业创新研发的基础， 销售收入的高低直接影响企业的资金流状况， 并进一步影响企业的创新研发。 只有保证资金链的良好循环， 才能使企业达到最佳运营状态。 可见， 客户集中度加强了供应链间的信息传递及贸易， 强化了企业创新动机。
2. 客户稳定性视角。
（1）企业客户达到一定的稳定度， 其就会产生思维惰性。 客户关系稳定， 使得企业长期锁定于固定的创新研发轨道， 企业的经营活动仅仅是为了满足现有稳定客户的需求。 这种情况下， 企业难以开拓新的客户与市场， 继而缺乏新资源、知识与技术的流入， 创新动机不足， 创新投入强度随之下降。 可见， 客户稳定性高降低了企业创新投入的积极性。
（2）稳定的客户关系可能会带来更多的关系风险。 供应链之间稳定的合作伙伴关系， 通常伴随较高的满意程度以及较低的监督管理成本。 这种合作伙伴间较为“放松”关系形成的正面效应， 很容易使企业与客户陷入由于信息不对称带来的机会主义及目标利益不一致的关系风险。 客户会利用与企业间稳定关系的优势， 为了实现自身利益目标而“压榨”企业， 通过压低企业产品价格等方式获得自身最大利益。 这就导致企业融资受到一定约束， 企业内部无法拥有充足的现金流用于创新投入。 可见， 客户稳定性在一定程度上降低了企业进行创新决策及创新投入的积极性。
综上， 客户集中度与客户稳定性分别对企业创新决策与创新投入存在积极、消极两方面不同的影响， 由此提出以下研究假设：
H1a：客户集中度越高， 企业创新决策及创新投入积极性越高。
H1b：客户稳定性越高， 企业创新决策及创新投入积极性越低。
（二）客户质量、技术距离、企业创新决策与创新投入
基于知识基础观这一理论基础， 新时期的企业创新是将外部综合资源与企业内部现有知识技能结合并再创造的过程[16] 。 企业—客户间技术距离对其创新动机的影响作用是不容小觑的。 企业创新的动力， 主要来自于内部创新与外部创新的有机结合， 实现对不同企业异质性技术知识的利用、开发和整合， 不断进行产品的研发创新， 并以此形成企业的竞争优势[17] 。 提高创新能力， 企业必须做到不能被传统研发模式所禁锢， 并将以前没有充分挖掘的知识、技术和资源， 与新引入的知识、技术和资源进行多层次整合。 企业创新依赖于企业所能接触到的技术、知识、资源等， 高质量客户会为企业带来技术、知识和资源， 促进企业创新。 因此， 企业与客户间技术距离给企业带来多样性的技术、知识和资源， 强化了企业的创新动机与意愿。
企业要想做到高效利用和整合高质量客户资源， 一方面要求企业（特别是供应链企业）必须与大客户构建良好的合作关系， 另一方面要求企业与大客户之间的技术水平不应有过大差异。 这样才能将整合和利用高质量客户溢出的知识技术用于新产品的开发与创新。 企业会基于原有的技术与知识充分利用客户的溢出效应， 发挥其“后发优势”。 利用这一效应抓住机遇， 做出合理的创新决策， 并加大企业创新投入。 从企业—客户这一视角考虑， 企业对外部技术的吸收依赖于与客户技术上的相似性。 如果企业与客户缺少共同的技术知识基础， 企业虽然可以得到客户溢出的外部技术知识， 但难以把外部技术知识与自身技术知识充分整合， 无法达到理想效果。 因此， 若企业与客户间技术距离过大， 会使企业无法从客户方获得相应的技术知识用于创新。 当企业与客户在知识基础上存在相似性， 并且在专业领域存在互补性时， 企业对来自客户的技术知识溢出吸收能力达到最佳效果。 客户集中度高的企业会利用客户带来的技术知识溢出效应， 不断提升创新决策质量及研发投入强度; 具有稳定客户的企业， 在稳定现有客户的基础上也会充分挖掘客户带来的异质性知识溢出。 实证研究也发现， 当技术距离较小时， 组织间对新技术新知识的学习能力达到最优[18] 。 如若企业与客户间技术差距过大， 企业对客户溢出的技术知识也无法充分吸收， 更无法与原有技术知识充分整合， 企业与客户在技术问题上的理解与交流可能可存在一定问题。 这样可能不利于合作稳定， 甚至可能引发合作贸易冲突。 总之， 技术距离过大不利于企业对外部技术知识的利用。 因此， 提出以下假设： H2a：当企业与客户之间的技术差距越小时， 客户集中度对企业创新决策与创新投入的促进作用越强。
H2b：当企业与客户之间的技术差距越小时， 客户稳定性对企业创新决策与创新投入的抑制作用越弱。
（三）客户质量与创新产出
基于资产专用性理论， 企业客户集中度越高， 就越需要拥有满足客户需求的大量“专用性资产”。 如若“专用性投资”被改变用途， 价值就会大打折扣。 企业对客户的“专用性资产”如果增加到一定规模， 就会面临被大客户“套牢”的风险， 因为客户会运用自身优势压低产品价格及提高商业信用。
在创新过程中， 企业要有足够的创新投入才会获得一定的产出成果， 即创新投入是获得创新产出的前提。 创新产出成果质量决定了企业创新绩效， 创新产出具有成本高、周期长及风险大的特征。 大客户会通过自身优势“压榨”企业， 企业为了避免由于产出的不确定性风险导致自身陷入經营困境， 就会进行保守、谨慎的创新决策。 因此客户集中度过高， 会降低企业创新产出的效率。 客户集中度也可能诱发企业更高的经营风险， 客户可能会根据与企业合作贸易规模的增加而不断提升自身优势地位。 在合作过程中如果客户与企业交易中断， 企业很难在短时间内找到可以运用现存专用性资产的客户， 从而导致企业存货积压、业绩低下， 由此使企业面临破产风险。 企业根据客户需求及市场需求信号进行创新投入， 而客户集中带来的风险效应会使企业在真正研发产出时“畏手畏脚”。 在研发产出的长周期过程中， 企业无法确定与大客户间的合作是否会发生变动， 因此， 企业在创新产出过程中需要充分考虑客户集中的风险效应， 从而降低了企业创新产出。
基于创新经济学的相关理论， 现阶段社会分工在不断精细化、专业化， 对企业要求也在持续提高， 这就使得企业的发展和创新越发依赖政府、高校与科研机构间合作的不断增强及资源的不断整合。 因此， 未来的研究思路可着重于将企业内部创新转变为企业间的综合性合作创新。 这种合作创新相较于传统的企业内部经验积累总结创新是有区别的， 它更强调通过企业间及企业和其他组织间合作来整合资源， 以实现不断创新， 进而取得最佳创新绩效。 在企业—客户这一供应链链条下， 客户是企业创新活动的重要力量[19] ， 所以企业与客户供应链关系质量直接影响到企业的创新活动。 一方面， 如果企业与客户有长期稳定的合作贸易关系， 就可以为双方合作贸易提供较为稳定的环境; 企业与稳定客户间长期合作交流， 使得双方充分信任， 如若出现风险双方也会尽可能共同对抗市场风险; 两者之间良好的资源整合及协作关系， 可以使企业免受解约风险带来的困扰。 企业进行创新投入后， 企业的创新产出活动也会紧随其后， 不再“畏手畏脚”， 从而提高了企业创新产出。 可见， 稳定的合作伙伴关系使企业创新产出效率大大提升。 另一方面， 企业客户稳定性高， 可以在一定程度上降低交易成本， 获取关系租金收益。 创新决策及创新投入可使企业获得足够的产出资金支持， 企业内部现金流在创新产出过程中也起到了支持作用， 这更激发了企业进行研发的积极性。 可见， 企业与客户的稳定合作贸易关系， 提升了企业创新产出效率。
综上所述， 客户质量对企业创新产出的影响存在促进与抑制不同效果， 因此本文提出以下假设：
H3a：客户集中度越高， 企业创新产出越低。
H3b：客户稳定性越高， 企业创新产出越高。
四、研究设计
（一）样本选取与数据来源
本文选取2011 ～ 2018年在A股上市且其前五大客户中含有上市公司的企业为初始研究样本。 结合本文具体研究进行如下处理：①剔除财务数据异常的ST、?ST及金融行业的样本; ②剔除变量中数据缺失的样本。 其中， 企业五大客户的数据及有关创新行为数据来自CSMAR数据库; 对于研究中衡量技术距离的专利相关数据来自中国知识产权局的专利检索平台及专利汇网站的专利检索平台; 研究中使用的其他相关数据来自CSMAR数据库， 最终得到732个样本观测值进行分析。
（二）模型构建
为检验客户质量对创新行为的影响， 本文基于 CDM 模型构建企业创新行为评价体系[14] 。 CDM模型是在“熊彼特创新理论”及知识生产函数的基础上， 1998年由B. Crépon、E. Duguet及J. Mairesse三位学者提出的用以分析创新投入及生产率间关系的新模型框架。 该模型框架分为三个阶段（创新决策、创新投入及创新产出）， 解决了创新过程中的“黑箱”问题， 对创新驱动增长的机理与过程具有更好的解释力。 本文运用CDM模型， 研究客户质量对企业创新过程的影响。
CDM模型是由三个方程组成的“三方程递推模型”， 包括创新决策、创新投入、创新产出三个方程。 其中， 创新决策和创新投入方程研究企业创新决策和创新投入的影响因素， 创新产出方程中引入创新投入作为生产要素， 进而创新投入又成为影响创新产出的重要因素。 具体模型如下：
式（1）是企业的创新决策方程， 该方程用于研究企业客户质量能否影响企业的创新决策行为， 其中因变量 代表企业是否选择决策， 是一个决策的标准潜变量， 本文以企业是否报告R&D支出表示， 如果报告则 =1， 否则 =0; x1i是解释变量向量， 包括客户集中度及客户稳定性; x2i是调节变量向量， 本文指企业与客户间的技术距离; x3i是控制变量向量， 包括企业规模、盈利能力、资本结构、董事会规模、净现金流。 式（2）是创新投入方程， 用于研究企业客户质量等因素对企业创新投入的影响， 其中 代表创新投入的强度。 式（1）、式（2）两方程联立组成一般化的Probit模型。 式（3）为企业的创新产出方程， 因变量 表示企业创新产出的实际值， 是式（2）方程创新产出的预测值， 并把预测值引入创新产出方程模型作为解释变量。 也就是说， 将技术距离对客户质量与企业创新投入的作用的预测值引入本阶段， 在一定程度上显示了客户质量对企业创新产出的影响， 同时反映出企业与客户间的技术知识溢出对企业创新产出的作用， 最终反映创新投入对创新产出的影响效应。
在CDM模型的三个方程中， a1、a2、a3、b1、b2、b3、c1、c2是相关系数向量， μ1i、μ2i、μ3i为误差项。
（三）变量定义
1. 被解释变量。 创新决策（Indeci）， 参考已有研究， 根据企业是否报告了R&D内部支出来衡量， 构造虚拟变量， 如果考察期内企业报告了R&D支出， 则创新决策取值为1， 否则为0; 创新投入（Input）， 以往文献通常采用人均R&D支出、每万人研发投入人员全时当量、创新研发费用占主营业务收入的比例等进行衡量， 本文选择企业研发费用占主营业务总收入的比例作为企业创新投入的衡量指标; 创新产出（Output）， 其衡量方式包括申请专利总数、新产品数量、新产品销售收入比例， 本文选取申请专利总数的对数作为创新产出的衡量指标。
2. 解释变量。 客户集中度（Customer）， 本文采用企业前五大客户的销售额占企业总销售额的比例衡量客户集中度[20] ; 客户稳定性（Stable）， 依据柳卸林等[13] 的研究， 本文采用在企业上年合作的前五大客户中， 当年企业前五大客户继续与企业保持合作的客户数量占当年合作客户总数的比例来衡量， 0表示当年与上一年比前五大客户全部更换， 1代表上一年前五大客户依旧为当年前五大客户， 越接近于1表明客户稳定性越高， 越接近于0表明客户稳定性越低。
3. 調节变量。 技术距离（Dis）， 1986年Jaffe[21] 首次提出技术距离的概念， 其用企业和客户所拥有的专利在技术领域上的差异情况来衡量企业的技术距离， 并把专利分为发明专利、实用新型专利和外观设计专利三类。 本文借鉴Jaffe对技术距离的测量模型， 计算公式如下：
其中， Dis表示技术距离， fik表示客户i年授权的发明专利属于第k类的数量， pjk表示企业 j 年授权的发明专利属于第k类的数量。 技术距离值连续分布于0到1之间， 技术距离值越接近于0， 说明企业与客户间的技术差距越小; 其值越接近于1， 说明企业与客户间的技术差距越大。
4. 控制变量。 根据现有研究， 借鉴王垒等[22] 、刘建国[14] 的研究成果， 本文选择了如下控制变量：企业规模（Size）， 企业达到一定规模， 在一定程度上会影响企业创新过程; 资本结构（Capital）， 资本结构会对企业的创新行为带来一定影响， 如果资产负债率过高， 企业会为了偿还债款而降低创新积极性; 盈利能力（Roa）， 盈利能力越强， 客户对企业信赖程度越高， 从而对企业的客户质量产生影响; 净现金流（Cash）、董事会规模（Boardsize）、市场机会（HHI）都会在不同程度上影响企业创新行为。
具体变量说明见表1。
五、实证检验及结果分析
（一）描述性统计
表2是主要变量的描述性统计结果。 创新投入的最小值为了-1.4， 取大值为13， 表明企业间的创新投入强度存在很大差距， 且均值也反映出企业创新投入积极性不高。 企业平均创新产出仅为1.6， 说明企业创新产出明显不足。 从客户集中度与客户稳定性两个不同的维度衡量客户质量， 客户集中度最大值达到89， 均值为34， 反映出我国上市公司较多依赖于大客户， 甚至有部分企业完全依赖于大客户， 客户集中度偏高; 客户稳定性分布的均值仅有0.39， 表明企业面临频繁更换客户的问题。 企业与客户间的技术距离也存在较大差距， 技术差距均值达到0.51， 中位数为0.42， 说明企业与多数客户间技术上的相似度较高。
（二）客户质量对创新决策及创新投入的影响
CDM模型第一阶段回归结果见表3。 第一阶段运用Heckman两阶段法对式（1）及式（2）进行估计。 其中列（1）与列（2）是客户集中度对创新决策与创新投入影响的回归结果， Customer与Indeci相关系数为0.008且在1%的水平上显著， 说明企业优质客户集中促进了企业的创新决策; 客户集中度与企业创新投入相关系数为0.012且在10%水平上显著， 说明客户集中度同样促进了企业创新投入。 这表明企业通过拥有的优质客户所产生信号传递作用， 为企业带来了市场上最有价值的信息， 增强了企业创新动机， 并且企业为了降低客户议价能力在一定程度上也希望自身通过创新提升优势。
列（5）（6）是客户稳定性对创新决策与创新投入的影响， 结果显示客户稳定性对企业创新决策与创新投入的影响均为负， 且分别在1%与10%的水平上显著， 说明具有优质客户的企业客户稳定性抑制了企业创新决策及创新投入， 也就是说客户稳定性削弱了企业创新动机。 由于稳定客户与企业间合作稳定、交易产品固定， 这就使得企业创新研发轨道固定， 企业由此产生了思维惰性， 并且企业会为了避免关系风险而降低创新决策与创新投入的积极性。 可见， 表3列（1）（2）（5）（6）的回归结果验证了H1a和H1b， 即企业客户集中度越高， 创新决策与创新投入积极性越高; 客户稳定性越高， 企业创新决策与创新投入积极性越低。
（三）技术距离对客户质量与企业创新决策及创新投入关系的调节作用
为了检验技术距离对客户质量与企业创新决策及创新投入关系的调节作用， 表3的列（3）（4）（7）（8）报告了H2a和H2b的检验结果。 被解释变量为创新决策时， 技术距离与客户集中度交叉关系数为 -0.027且在1%的水平上显著， 而被解释变量为创新投入时的相关系数为负但不显著， 说明H2a没有通过显著性检验。 而技术距离对客户稳定性与企业创新决策及创新投入的调节作用分别为负向显著与负向不显著， 说明较小的企业与客户间技术差距抑制了客户稳定性对企业创新决策的负向影响， 这一结果验证了H2b。 这在一定程度上说明企业拥有的优质客户为企业带来外部技术知识的溢出效应， 企业有更多的机会学习来自客户的同质、异质技术， 用于提升自身创新决策质量， 并且企业有更强的意愿吸收与企业相似的技术知识。 但是， 技术距离对客户质量与企业创新投入的调节作用不显著， 可能企业在开展创新活时由于技术支持过程中存在问题， 导致技术吸收不到位等。
（四）客户质量对企业创新产出的影响
客户质量对企业创新产出影响的回归结果见表4。 在式（2）的创新产出方程中， 企业的创新投入作为解释变量引入方程中， 为了消除内生性问题， 本文采用工具变量的方法估计， 工具变量采用前一阶段创新投入的预测值k?， 运用2SLS方法进行估计。 其中列（1）是客户集中度对企业创新产出的影响， 工具变量k?对创新产出的影响在1%的水平上正向显著， 说明客户集中度促进了企业的创新决策及创新投入， 且企业运用优质客户资源进一步促进创新产出。 但是客户集中度与创新产出的相关系数为
-0.027且在10%的水平上显著， 说明客户集中度抑制了企业创新产出。 因为客户集中为企业带来了风险效应， 同时创新产出周期长、成本高等不确性风险也较高， 企业为避免双重风险给企业带来不利影响进而减少了创新产出。 列（2）是客户稳定性对企业创新产出影响的回归结果， 工具变量在1%的水平上正向显著， 客户稳定性与企业创新产出的相关系数在1%的水平上显著为正， 说明虽然客户稳定不能促进企业创新决策与创新投入， 但是企业中优质客户的稳定性使企业与客户间合作贸易稳定， 双方出现突然解约的概率极低， 这在一定程度上解除了企业的后顾之忧。 总之， 客户集中度越高， 企业创新产出越低; 客户稳定性越高， 企业创新产出越高。 H3a、H3b得证。
（五）稳健性检验
为验证上述回归结果的稳健性， 本文采用了缩小样本量的检验方式， 筛选出原样本中制造业企业进行检验， 检验结果如表5。 由表5可知， 回归结果与前文基本保持一致， 说明本文研究结论稳健。
（六）进一步研究
以上研究表明客户集中度和客户稳定性在影响企业创新投入与产出行为之间存在着一种“悖论”， 即客户集中度越高， 企业创新决策及创新投入积极性越高， 但企业创新产出越低; 客户稳定性越高， 企业创新决策及创新投入积极性越低， 但企业创新产出越高。 当前在企业实际经营过程中， 并不是所有的创新活动都可以为企业带来创新绩效， 那么企业在进行创新决策、创新投入以及创新产出之后， 是否一定可以提升企业的创新绩效？ 客户质量对企业创新绩效又会带来何种影响？
为验证客户质量对企业创新绩效的影响效果， 本文进一步根据柯布—道格拉斯生产函数， 将创新产出嵌入生产函数中， 检验创新产出及客户质量对企业最终创新绩效的影响， 模型如下：
式（5）为企业的创新绩效方程， Tobin Q为创新绩效的替代变量。 以往文献中有采用托宾Q、主营业务利润率、人均总产值来等指标衡量创新绩效， 本文选取滞后一期的托宾Q值表示企业最终创新绩效。 因变量qi表示企业最终的创新绩效， 方程将式（3）中的 作为解释变量引入方程， 检验创新产出对企业最终创新绩效的影响。 其中， a4、b4是相关系数向量， μ4i为误差项。
客户质量对企业创新绩效的影响结果见表6列（1）（2）。 最终创新绩效方程中， 与创新产出的方程相同采用2SLS方法进行估计， 创新产出作为解释变量引入， 工具变量采用创新产出的预测值s?表示。 列（1）是客户集中度对企业最终创新绩效的回归结果， 其中工具变量与企业最终创新绩效的相关系数为负， 表明客户集中度在负向影响创新产出之后， 创新绩效也没有得到提升。 客户集中度与创新绩效相关系数为-0.005且在10%的水平上显著， 表明客户集中度的风险效应对企业最终绩效产生了负向影响。 列（2）为客户稳定性对企业创新绩效的影响结果， 工具变量的相关系数为负， 客户稳定性与企业创新绩效的相关系数为正且在10%的水平上显著， 表明稳定的合作关系确实有利于提升企业创新绩效。 综上所述， 客户集中度越高， 企业创新绩效越低; 客户稳定性越高， 企业创新绩效越高。
六、结论与启示
（一）研究结论
本文以2011 ～ 2018年在A股上市且其主要客户为上市公司的企业为样本， 基于CDM模型探讨了客户质量对企业创新决策、创新投入、创新产出的影响， 并从与企业创新决策及投入密切相关的技术层面入手， 实证研究企业—客户的技术距离会为企业创新决策及创新投入带来何种影响， 并进一步分析了企业创新行为对企业最终创新绩效的影响。 实证检验表明， 客户稳定性和客户集中度在影响企业创新投入与产出行为之间存在着一种“悖论”， 即客户集中度越高， 企业创新决策及创新投入积极性越高， 但企业创新产出越低; 客户稳定性越高， 企业创新决策及创新投入积极性越低， 但企业创新产出越高; 企业与客户的技术差距缓解了创新悖论， 当企业与客户之间的技术差距越小时， 客户集中度对企业创新决策的促进作用越强， 客户稳定性对企业创新决策的抑制作用越弱。 进一步研究发现， 客户集中度越高， 企业创新绩效越低; 客户稳定性越高， 企业创新绩效越高。
（二）启示
1. 客户是企业的重要利益相关者， 企业的经营决策很大程度上会受客户的影响。 在供应链中， 企业—客户间的上下游关系属于供应链中重要的环节， 客户在这一环节发挥了“双刃剑”的作用。 企业应深入认识客户为企业带来的一系列影响， 准确权衡客户集中与客户稳定之间的关系， 充分发挥高质量客户带来的交易成本降低效應; 合理运用客户技术知识溢出效应， 积极开发新产品以满足客户需求， 进而获得产品竞争市场地位。 因此， 企业的创新行为还要充分考虑企业所处供应链的环境。 2. 企業与客户间技术上的差距可能会对企业创新决策、创新投入强度带来重要影响。 企业要充分运用企业外部一切可以提高企业绩效的因素。 技术距离反映出企业与客户在技术上的差距， 企业可将客户溢出的技术知识应用于创新及产品的开发， 充分结合自身技术特点对客户溢出的技术知识进行深入学习， 融会贯通， 真正达到促进企业创新的目的。
3. 创新行为的每一阶段都各有特性， 创新投入与创新决策更需要来自市场上的异质信息推动。 企业应充分吸收优质客户集中所带来的有效信息， 提高企业创新决策标准及创新投入强度; 而创新产出则需要企业拥有稳定的高质量客户来推动， 稳定的合作贸易关系可充分抵抗创新产出过程的不确定性风险， 进一步提升企业的最终创新绩效。 同时， 企业要合理规避客户集中的“双重风险”对创新产出及创新绩效的不利影响。
4. 企业的最终创新绩效与创新产出之间存在直接关系， 与创新决策和创新投入存在间接关系。 企业要充分利用优质客户为企业带来的积极效应， 不仅要提高创新决策质量与创新投入强度， 更要提高企业的创新产出成果数量与质量， 对企业的创新产出设置高标准， 避免盲目投入而得不到相应成果， 从而提升企业最终创新绩效。
【 主 要 参 考 文 献 】
[1] 褚剑，方军雄.客户集中度与股价崩盘风险：火上浇油还是扬汤止沸[ J].经济理论与经济管理，2016（7）：44 ～ 57.
[2] Campello M.， Gao J.. Customer concentration and loan contract terms[ J].Journal of Financial Economics，2017（1）：108-136.
[3] Dhalwal D.， J. S. Judd， M. Serfling， et al.. Customer concentra-tion risk and the cost of equity capital[ J].Journal of Accounting and Economics，2016（1）：23 ～ 48.
[4] Kalwani M. U.， Narayandas N.. Long-term manufacturer-sup-plier relationships： Do they pay off for supplier firms？[ J].Journal of Marketing，1995（1）：1 ～ 16.
[5] 林钟高，林夜.市场化进程、客户集中度与IPO公司业绩表现——基于创业板公司上市前后主要客户变动的视角[ J].证券市场导报，2016（9）：13 ～ 20.
[6] Pataoukas P. N.. Customer-base concentration： Implications for firm performance and capital markets[ J].The Accounting Review，2012（2）：363 ～ 392.
[7] 周冬华，王晶.客户集中度、产品市场竞争与股权融资成本[ J].山西财经大学学报，2017（7）：44 ～ 58.
[8] 徐晨阳，王满.客户集中度改变了公司债务期限结构选择吗——基于供应链风险溢出效应的研究[ J].山西财经大学学报，2017（11）：111 ～ 124.
[9] 吴娜，于博.客户集中度、体恤效应与商业信用供给[ J].云南财经大学学报，2017（4）：141 ～ 152.
[10] 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.
[11] 李姝，翟士运，古朴.大客户关系如何影响企业技术创新？[ J].科学学研究，2018（7）：1314 ～ 1324.
[12] Gosman M.， T.. Kelly， P. Olosson， et al.. The profitability and pricing of major customers[ J].Review of Accounting Studies，2004（1）：117 ～ 139.
[13] 柳卸林，周聪，葛爽.客户异质性与稳定性对核心企业创新绩效的影响研究[ J].科学学与科学技术管理，2018（8）：53 ～ 68.
[14] 刘建国.绩效衰退与企业创新行为——基于中国上市公司的实证分析[ J].南开管理评论，2017（4）：140 ～ 152.
[15] Johnson W. C.， Kang J.， Yi S.. The certification role of large customers in the new issues market[ J].Financial Management，2010（4）：1425 ～ 1474.
[16] Phelps C. C.. A longitudinal study of the influence of alliance network structure and composition on firm exploratory innovation [ J].Academy of Management Journal，2010（4）：890 ～ 913.
[17] Grant R. M.. Toward a knowledge-based theory of the firm[ J].Strategic Management Journal，1996（2）：109 ～ 122. [18] Saenz M. J.， Revilla E.， Knoppen D.. Absorptive capacity in buyer-supplier relationships： Empirical evidence of its mediating role [ J].Journal of Supply Chain Management，2014（2）：18 ～ 40.
[19] Hippel E. V.. The sources of innovation[M].Oxford： Oxford University Press，1988：1 ～ 320.
[20] 吳祖光，万迪昉，康华.客户集中度、企业规模与创新投入强度——来自创业板上市公司的经验证据[ J].研究与发展管理，2017（5）：43 ～ 53.
[21] Jaffe A.. Technological opportunity and spillovers of R&D： Evi-dence from firm's patents profits，and market value[ J].American Economic Review，1986（5）：984 ～ 1001.
[22] 王垒，刘新民，吴士健等.创业企业IPO后所有权类型集中度、董事会主导功能与多元化战略选择[ J].南开管理评论，2018（3）：103 ～ 115.
[23] Capaldo A.， Lavie D.， Petruzzelli A. M.， et al.. Knowledge maturity and the scientific value of innovations？ The roles of knowledge distance and adoption[ J].Journal of Management，2017（2）：503 ～ 533.
[24] 王栋，陈通.知识型员工双重社会网络对企业创新绩效作用机制研究[ J].科技进步与对策，2019（6）：128 ～ 137.
[25] 彭旋，王雄元.支持抑或掠夺？客户盈余信息与供应商股价崩盘风险[ J].经济管理，2018（8）：135 ～ 152.
[26] 苗淑娟，夏朦，孟庆顺.高管激励对研发投入影响研究——终极控制权的调节作用[ J].工业技术经济，2018（1）：41 ～ 48.
[27] Aghion P.， Harris C.，Vickers J.. Competition and growth with step-by-step innovation： An example[ J].European Economic Review，1997（3）：771 ～ 782.
【关键词】客户质量;创新行为;供应链关系;技术距离;CDM模型
【中图分类号】F274 【文献标识码】A 【文章编号】1004-0994（2020）24-0102-10
一、引言
随着科学技术的迅猛发展以及经济全球化进程的持续推进， 企业的创新决策、创新投入及创新产出等创新活动越来越复杂， 单一的企业已经很难高效、独立完成具有成本高、周期长、不确定性高等特征的创新活动， 企业竞争已经逐渐转变为产业链之间的竞争。 在供应链的链条中， 客户处于供应链的下游， 企业处于供应链的上游， 处于下游的客户有充分的资源直接接近市场， 已经成为企业创新活动的间接参与者; 企业通过与客户交流合作， 可以获得有关市场的信息及资源， 高质量的客户逐渐成为企业的重要合作伙伴， 也是企业创新决策、创新投入及创新成果产出的重要影响因素， 最终提升企业创新绩效及企业整体效益。 企业应意识到创新及供应链合作关系的重要性， 认识到高质量客户为企业带来的积极效应， 充分理解创新行为的复杂性。 事实上， 我国大多数企业仅仅依靠客户来获得基础利益， 并没有挖掘高质量客户带来的其他积极效应。
大客户作为企业营业收入的重要支撑， 客户质量对企业经营战略活动有着不容忽视的影响， 高质量客户会通过间接参与企业经营决策为企业带来潜在的利益。 客户质量已受到学者的广泛关注， 其主要从客户集中度与客户稳定性两个角度展开分析。
大量学者实证研究发现， 客户集中度通过供应链整合缓解了企业的风险承担压力[1-3] 、客户集中度抑制了企业的盈利能力[4-6] 、客户集中度与企业资本融资成本正相关[7-9] 、客户集中度抑制了企业技术创新[10，11] 等。 企业的创新行为是企业经营活动的重中之重， 并且创新是一个复杂多变的过程， 创新活动的各个环节层层相扣。 从客户—企业关系供应链角度看， 客户集中度这一客户特征会如何影响企业创新行为呢？
客户稳定性是为企业创新活动带来了稳定的贸易环境还是增强了企业创新研发的惰性， 仍需要进一步研究。 企业创新决策质量、创新投入强度会受到企业拥有的技术知识各方面要素影响， 技术上的差距是各企业存在创新行为差距的关键因素。 那么， 供應链上的企业与客户间是否存在技术知识溢出机制， 供应链上下游间技术差距对企业的客户质量与企业创新决策、创新投入之间的关系是否具有调节效应？
基于此， 本文围绕供应链上企业与客户间创新活动这一基本问题， 基于CDM模型从资产专用性理论、创新经济学及知识基础观理论分析客户质量对企业创新各环节的影响机理， 选择我国2011 ～ 2018年A股上市且其客户为上市公司的企业为样本， 实证研究了客户质量对企业创新行为的影响。
二、文献回顾
（一）客户质量与企业创新行为研究
企业的大客户作为企业经营活动的利益相关者， 对企业的日常经营决策产生了重要影响， 客户集中度反映出企业在供应链上对前几大客户的依赖程度及客户通过供应链对企业经营活动产生的影响。 处于供应链上下游的客户与企业间存在“一荣俱荣， 一损俱损”的贸易合作关系， 客户质量既会为企业带来机遇同时也会使企业面临挑战。
一方面， 客户与企业间供应链的链条整合程度对企业运营及管理有着不容忽视的作用， 企业与客户间关系密切、链条整合程度高也传达出企业与客户间良好的合作贸易关系及协同效率， 有利于企业对未来经营做出合理决策， 进而制定合理的经营计划， 提高供应链间的运营效率[4] 。 李姝等[11] 把客户波动性引入客户关系及企业技术创新的研究中， 结果表明客户波动性越小， 客户集中度对企业创新不利影响越小。 而保持客户稳定性有利于稳定供应链， 使企业有更高的收益及更强的收益稳定性[12] ， 企业才有能力持续“输血”用于企业经营稳定的客户关系使企业摆脱潜在风险。
另一方面， 如果客户集中度过高， 企业会主要依赖前几大客户增加销售利润; 如果大客户发生变更（财务风险、面临破产或者与企业解约）， 就会导致企业不仅难以完成预期的销售计划获得相应销售收入， 而且难以收回客户之前发生的应收账款。 这种情况下， 客户的财务风险转嫁到企业， 使得企业面临巨大的风险[11] ， 进而使企业缺乏创新资金投入。 也有研究从客户个体特征实证检验发现， 客户的破产风险阻碍了企业技术创新[10] 。 柳卸林等[13] 研究指出， 客户稳定性带来了企业员工思维惰性， 抑制了核心企业创新绩效提升。
（二）CDM模型下的创新研究
创新是一项具有高风险、周期长、不确定性高等特征的复杂活动， CDM模型为创新行为的研究提供了契机。 在CDM模型下， 学者从宏微观角度研究了各因素对整个创新行为的影响。 从微观层面看， 绩效衰退与企业创新行为有密切联系， 绩效衰退增加了企业创新动机， 降低了创新效率损失[14] 。 有研究表明企业创新活动对企业绩效存在正向影响。 从宏观政策角度考虑， 研发税收激励政策促进了企业研发支出增加， 但不能提高专利产出效率， 也不能促进企业全要素生产率提升。 通过整理上述文献， 发现现有研究存在以下几方面不足：①集中于研究客户集中度对企业经营创新活动的影响， 并且从微观及宏观等层面探讨了企业创新投入与创新绩效的影响因素， 但是并没有考虑客户集中度与客户稳定性对企业创新行为的影响， 本文集中引入客户集中度与客户稳定性来衡量客户质量， 从供应链客户关系视角深入探讨两者对企业创新行为的不同影响。 ②对于企业创新行为的影响研究中， 供应链客户关系对创新过程的研究具有一定的局限性， 学者多从创新投入或者创新绩效单方面研究企业创新行为， 并未充分考虑创新行为是一个环环相扣的过程， 因此本文基于CDM模型， 充分考虑创新各阶段间的递推关系， 研究客户质量对整个创新行为过程的影响。 ③对于客户与企业创新行为调节因素的研究多从企业与客户个体特征视角进行深入分析， 本文则分析了技术特征对企业创新决策与创新投入的影响， 并把技术距离引入供应链上下游关系的客户与企业上， 打破了传统的二元关系， 更深层分析客户对企业创新活动的影响。
三、理论基础与研究假设
（一）客戶质量、企业创新决策与创新投入
1. 客户集中度视角。
（1）基于资产专用性理论， 企业与大客户间为了维持稳定合作的关系型交易， 必须投入大量“专用性资产”满足大客户的需求， 作为传递“可置信承诺”信号的专用性投资， 使得供应链上企业与客户间产品合作贸易更频繁有效。 如果企业与客户形成了长期的合作关系， 其供应链关系也会日益紧密， 进而形成利益共同体。 客户是企业与消费者之间最直接的“桥梁”， 企业通过客户使得市场信息的传递更加及时、深入。 也就是说， 企业利用客户的信号传递效应获得有价值的信息， 制定高效创新投入决策计划， 明确创新投入强度， 促进创新决策及创新投入。
（2）企业创新投入强度越高， 企业对大客户贸易关系维持的依赖性也就越强。 企业的客户集中度越高， 客户的议价能力就会越高。 企业为了留住大客户， 必须加强创新研发， 才有向客户提供具有竞争力产品的可能性。 客户利用企业“短板”迫使其加大创新投入， 提高自身创新能力与企业产品质量。 这在一定程度上能降低对大客户的依赖程度[15] 。
（3）现代的市场竞争已逐渐从企业间的竞争转变为供应链间的竞争， 供应链间的关系影响链条中各环节的利益， 客户购买力直接影响到企业的销售收入。 而创新投入是企业创新研发的基础， 销售收入的高低直接影响企业的资金流状况， 并进一步影响企业的创新研发。 只有保证资金链的良好循环， 才能使企业达到最佳运营状态。 可见， 客户集中度加强了供应链间的信息传递及贸易， 强化了企业创新动机。
2. 客户稳定性视角。
（1）企业客户达到一定的稳定度， 其就会产生思维惰性。 客户关系稳定， 使得企业长期锁定于固定的创新研发轨道， 企业的经营活动仅仅是为了满足现有稳定客户的需求。 这种情况下， 企业难以开拓新的客户与市场， 继而缺乏新资源、知识与技术的流入， 创新动机不足， 创新投入强度随之下降。 可见， 客户稳定性高降低了企业创新投入的积极性。
（2）稳定的客户关系可能会带来更多的关系风险。 供应链之间稳定的合作伙伴关系， 通常伴随较高的满意程度以及较低的监督管理成本。 这种合作伙伴间较为“放松”关系形成的正面效应， 很容易使企业与客户陷入由于信息不对称带来的机会主义及目标利益不一致的关系风险。 客户会利用与企业间稳定关系的优势， 为了实现自身利益目标而“压榨”企业， 通过压低企业产品价格等方式获得自身最大利益。 这就导致企业融资受到一定约束， 企业内部无法拥有充足的现金流用于创新投入。 可见， 客户稳定性在一定程度上降低了企业进行创新决策及创新投入的积极性。
综上， 客户集中度与客户稳定性分别对企业创新决策与创新投入存在积极、消极两方面不同的影响， 由此提出以下研究假设：
H1a：客户集中度越高， 企业创新决策及创新投入积极性越高。
H1b：客户稳定性越高， 企业创新决策及创新投入积极性越低。
（二）客户质量、技术距离、企业创新决策与创新投入
基于知识基础观这一理论基础， 新时期的企业创新是将外部综合资源与企业内部现有知识技能结合并再创造的过程[16] 。 企业—客户间技术距离对其创新动机的影响作用是不容小觑的。 企业创新的动力， 主要来自于内部创新与外部创新的有机结合， 实现对不同企业异质性技术知识的利用、开发和整合， 不断进行产品的研发创新， 并以此形成企业的竞争优势[17] 。 提高创新能力， 企业必须做到不能被传统研发模式所禁锢， 并将以前没有充分挖掘的知识、技术和资源， 与新引入的知识、技术和资源进行多层次整合。 企业创新依赖于企业所能接触到的技术、知识、资源等， 高质量客户会为企业带来技术、知识和资源， 促进企业创新。 因此， 企业与客户间技术距离给企业带来多样性的技术、知识和资源， 强化了企业的创新动机与意愿。
企业要想做到高效利用和整合高质量客户资源， 一方面要求企业（特别是供应链企业）必须与大客户构建良好的合作关系， 另一方面要求企业与大客户之间的技术水平不应有过大差异。 这样才能将整合和利用高质量客户溢出的知识技术用于新产品的开发与创新。 企业会基于原有的技术与知识充分利用客户的溢出效应， 发挥其“后发优势”。 利用这一效应抓住机遇， 做出合理的创新决策， 并加大企业创新投入。 从企业—客户这一视角考虑， 企业对外部技术的吸收依赖于与客户技术上的相似性。 如果企业与客户缺少共同的技术知识基础， 企业虽然可以得到客户溢出的外部技术知识， 但难以把外部技术知识与自身技术知识充分整合， 无法达到理想效果。 因此， 若企业与客户间技术距离过大， 会使企业无法从客户方获得相应的技术知识用于创新。 当企业与客户在知识基础上存在相似性， 并且在专业领域存在互补性时， 企业对来自客户的技术知识溢出吸收能力达到最佳效果。 客户集中度高的企业会利用客户带来的技术知识溢出效应， 不断提升创新决策质量及研发投入强度; 具有稳定客户的企业， 在稳定现有客户的基础上也会充分挖掘客户带来的异质性知识溢出。 实证研究也发现， 当技术距离较小时， 组织间对新技术新知识的学习能力达到最优[18] 。 如若企业与客户间技术差距过大， 企业对客户溢出的技术知识也无法充分吸收， 更无法与原有技术知识充分整合， 企业与客户在技术问题上的理解与交流可能可存在一定问题。 这样可能不利于合作稳定， 甚至可能引发合作贸易冲突。 总之， 技术距离过大不利于企业对外部技术知识的利用。 因此， 提出以下假设： H2a：当企业与客户之间的技术差距越小时， 客户集中度对企业创新决策与创新投入的促进作用越强。
H2b：当企业与客户之间的技术差距越小时， 客户稳定性对企业创新决策与创新投入的抑制作用越弱。
（三）客户质量与创新产出
基于资产专用性理论， 企业客户集中度越高， 就越需要拥有满足客户需求的大量“专用性资产”。 如若“专用性投资”被改变用途， 价值就会大打折扣。 企业对客户的“专用性资产”如果增加到一定规模， 就会面临被大客户“套牢”的风险， 因为客户会运用自身优势压低产品价格及提高商业信用。
在创新过程中， 企业要有足够的创新投入才会获得一定的产出成果， 即创新投入是获得创新产出的前提。 创新产出成果质量决定了企业创新绩效， 创新产出具有成本高、周期长及风险大的特征。 大客户会通过自身优势“压榨”企业， 企业为了避免由于产出的不确定性风险导致自身陷入經营困境， 就会进行保守、谨慎的创新决策。 因此客户集中度过高， 会降低企业创新产出的效率。 客户集中度也可能诱发企业更高的经营风险， 客户可能会根据与企业合作贸易规模的增加而不断提升自身优势地位。 在合作过程中如果客户与企业交易中断， 企业很难在短时间内找到可以运用现存专用性资产的客户， 从而导致企业存货积压、业绩低下， 由此使企业面临破产风险。 企业根据客户需求及市场需求信号进行创新投入， 而客户集中带来的风险效应会使企业在真正研发产出时“畏手畏脚”。 在研发产出的长周期过程中， 企业无法确定与大客户间的合作是否会发生变动， 因此， 企业在创新产出过程中需要充分考虑客户集中的风险效应， 从而降低了企业创新产出。
基于创新经济学的相关理论， 现阶段社会分工在不断精细化、专业化， 对企业要求也在持续提高， 这就使得企业的发展和创新越发依赖政府、高校与科研机构间合作的不断增强及资源的不断整合。 因此， 未来的研究思路可着重于将企业内部创新转变为企业间的综合性合作创新。 这种合作创新相较于传统的企业内部经验积累总结创新是有区别的， 它更强调通过企业间及企业和其他组织间合作来整合资源， 以实现不断创新， 进而取得最佳创新绩效。 在企业—客户这一供应链链条下， 客户是企业创新活动的重要力量[19] ， 所以企业与客户供应链关系质量直接影响到企业的创新活动。 一方面， 如果企业与客户有长期稳定的合作贸易关系， 就可以为双方合作贸易提供较为稳定的环境; 企业与稳定客户间长期合作交流， 使得双方充分信任， 如若出现风险双方也会尽可能共同对抗市场风险; 两者之间良好的资源整合及协作关系， 可以使企业免受解约风险带来的困扰。 企业进行创新投入后， 企业的创新产出活动也会紧随其后， 不再“畏手畏脚”， 从而提高了企业创新产出。 可见， 稳定的合作伙伴关系使企业创新产出效率大大提升。 另一方面， 企业客户稳定性高， 可以在一定程度上降低交易成本， 获取关系租金收益。 创新决策及创新投入可使企业获得足够的产出资金支持， 企业内部现金流在创新产出过程中也起到了支持作用， 这更激发了企业进行研发的积极性。 可见， 企业与客户的稳定合作贸易关系， 提升了企业创新产出效率。
综上所述， 客户质量对企业创新产出的影响存在促进与抑制不同效果， 因此本文提出以下假设：
H3a：客户集中度越高， 企业创新产出越低。
H3b：客户稳定性越高， 企业创新产出越高。
四、研究设计
（一）样本选取与数据来源
本文选取2011 ～ 2018年在A股上市且其前五大客户中含有上市公司的企业为初始研究样本。 结合本文具体研究进行如下处理：①剔除财务数据异常的ST、?ST及金融行业的样本; ②剔除变量中数据缺失的样本。 其中， 企业五大客户的数据及有关创新行为数据来自CSMAR数据库; 对于研究中衡量技术距离的专利相关数据来自中国知识产权局的专利检索平台及专利汇网站的专利检索平台; 研究中使用的其他相关数据来自CSMAR数据库， 最终得到732个样本观测值进行分析。
（二）模型构建
为检验客户质量对创新行为的影响， 本文基于 CDM 模型构建企业创新行为评价体系[14] 。 CDM模型是在“熊彼特创新理论”及知识生产函数的基础上， 1998年由B. Crépon、E. Duguet及J. Mairesse三位学者提出的用以分析创新投入及生产率间关系的新模型框架。 该模型框架分为三个阶段（创新决策、创新投入及创新产出）， 解决了创新过程中的“黑箱”问题， 对创新驱动增长的机理与过程具有更好的解释力。 本文运用CDM模型， 研究客户质量对企业创新过程的影响。
CDM模型是由三个方程组成的“三方程递推模型”， 包括创新决策、创新投入、创新产出三个方程。 其中， 创新决策和创新投入方程研究企业创新决策和创新投入的影响因素， 创新产出方程中引入创新投入作为生产要素， 进而创新投入又成为影响创新产出的重要因素。 具体模型如下：
式（1）是企业的创新决策方程， 该方程用于研究企业客户质量能否影响企业的创新决策行为， 其中因变量 代表企业是否选择决策， 是一个决策的标准潜变量， 本文以企业是否报告R&D支出表示， 如果报告则 =1， 否则 =0; x1i是解释变量向量， 包括客户集中度及客户稳定性; x2i是调节变量向量， 本文指企业与客户间的技术距离; x3i是控制变量向量， 包括企业规模、盈利能力、资本结构、董事会规模、净现金流。 式（2）是创新投入方程， 用于研究企业客户质量等因素对企业创新投入的影响， 其中 代表创新投入的强度。 式（1）、式（2）两方程联立组成一般化的Probit模型。 式（3）为企业的创新产出方程， 因变量 表示企业创新产出的实际值， 是式（2）方程创新产出的预测值， 并把预测值引入创新产出方程模型作为解释变量。 也就是说， 将技术距离对客户质量与企业创新投入的作用的预测值引入本阶段， 在一定程度上显示了客户质量对企业创新产出的影响， 同时反映出企业与客户间的技术知识溢出对企业创新产出的作用， 最终反映创新投入对创新产出的影响效应。
在CDM模型的三个方程中， a1、a2、a3、b1、b2、b3、c1、c2是相关系数向量， μ1i、μ2i、μ3i为误差项。
（三）变量定义
1. 被解释变量。 创新决策（Indeci）， 参考已有研究， 根据企业是否报告了R&D内部支出来衡量， 构造虚拟变量， 如果考察期内企业报告了R&D支出， 则创新决策取值为1， 否则为0; 创新投入（Input）， 以往文献通常采用人均R&D支出、每万人研发投入人员全时当量、创新研发费用占主营业务收入的比例等进行衡量， 本文选择企业研发费用占主营业务总收入的比例作为企业创新投入的衡量指标; 创新产出（Output）， 其衡量方式包括申请专利总数、新产品数量、新产品销售收入比例， 本文选取申请专利总数的对数作为创新产出的衡量指标。
2. 解释变量。 客户集中度（Customer）， 本文采用企业前五大客户的销售额占企业总销售额的比例衡量客户集中度[20] ; 客户稳定性（Stable）， 依据柳卸林等[13] 的研究， 本文采用在企业上年合作的前五大客户中， 当年企业前五大客户继续与企业保持合作的客户数量占当年合作客户总数的比例来衡量， 0表示当年与上一年比前五大客户全部更换， 1代表上一年前五大客户依旧为当年前五大客户， 越接近于1表明客户稳定性越高， 越接近于0表明客户稳定性越低。
3. 調节变量。 技术距离（Dis）， 1986年Jaffe[21] 首次提出技术距离的概念， 其用企业和客户所拥有的专利在技术领域上的差异情况来衡量企业的技术距离， 并把专利分为发明专利、实用新型专利和外观设计专利三类。 本文借鉴Jaffe对技术距离的测量模型， 计算公式如下：
其中， Dis表示技术距离， fik表示客户i年授权的发明专利属于第k类的数量， pjk表示企业 j 年授权的发明专利属于第k类的数量。 技术距离值连续分布于0到1之间， 技术距离值越接近于0， 说明企业与客户间的技术差距越小; 其值越接近于1， 说明企业与客户间的技术差距越大。
4. 控制变量。 根据现有研究， 借鉴王垒等[22] 、刘建国[14] 的研究成果， 本文选择了如下控制变量：企业规模（Size）， 企业达到一定规模， 在一定程度上会影响企业创新过程; 资本结构（Capital）， 资本结构会对企业的创新行为带来一定影响， 如果资产负债率过高， 企业会为了偿还债款而降低创新积极性; 盈利能力（Roa）， 盈利能力越强， 客户对企业信赖程度越高， 从而对企业的客户质量产生影响; 净现金流（Cash）、董事会规模（Boardsize）、市场机会（HHI）都会在不同程度上影响企业创新行为。
具体变量说明见表1。
五、实证检验及结果分析
（一）描述性统计
表2是主要变量的描述性统计结果。 创新投入的最小值为了-1.4， 取大值为13， 表明企业间的创新投入强度存在很大差距， 且均值也反映出企业创新投入积极性不高。 企业平均创新产出仅为1.6， 说明企业创新产出明显不足。 从客户集中度与客户稳定性两个不同的维度衡量客户质量， 客户集中度最大值达到89， 均值为34， 反映出我国上市公司较多依赖于大客户， 甚至有部分企业完全依赖于大客户， 客户集中度偏高; 客户稳定性分布的均值仅有0.39， 表明企业面临频繁更换客户的问题。 企业与客户间的技术距离也存在较大差距， 技术差距均值达到0.51， 中位数为0.42， 说明企业与多数客户间技术上的相似度较高。
（二）客户质量对创新决策及创新投入的影响
CDM模型第一阶段回归结果见表3。 第一阶段运用Heckman两阶段法对式（1）及式（2）进行估计。 其中列（1）与列（2）是客户集中度对创新决策与创新投入影响的回归结果， Customer与Indeci相关系数为0.008且在1%的水平上显著， 说明企业优质客户集中促进了企业的创新决策; 客户集中度与企业创新投入相关系数为0.012且在10%水平上显著， 说明客户集中度同样促进了企业创新投入。 这表明企业通过拥有的优质客户所产生信号传递作用， 为企业带来了市场上最有价值的信息， 增强了企业创新动机， 并且企业为了降低客户议价能力在一定程度上也希望自身通过创新提升优势。
列（5）（6）是客户稳定性对创新决策与创新投入的影响， 结果显示客户稳定性对企业创新决策与创新投入的影响均为负， 且分别在1%与10%的水平上显著， 说明具有优质客户的企业客户稳定性抑制了企业创新决策及创新投入， 也就是说客户稳定性削弱了企业创新动机。 由于稳定客户与企业间合作稳定、交易产品固定， 这就使得企业创新研发轨道固定， 企业由此产生了思维惰性， 并且企业会为了避免关系风险而降低创新决策与创新投入的积极性。 可见， 表3列（1）（2）（5）（6）的回归结果验证了H1a和H1b， 即企业客户集中度越高， 创新决策与创新投入积极性越高; 客户稳定性越高， 企业创新决策与创新投入积极性越低。
（三）技术距离对客户质量与企业创新决策及创新投入关系的调节作用
为了检验技术距离对客户质量与企业创新决策及创新投入关系的调节作用， 表3的列（3）（4）（7）（8）报告了H2a和H2b的检验结果。 被解释变量为创新决策时， 技术距离与客户集中度交叉关系数为 -0.027且在1%的水平上显著， 而被解释变量为创新投入时的相关系数为负但不显著， 说明H2a没有通过显著性检验。 而技术距离对客户稳定性与企业创新决策及创新投入的调节作用分别为负向显著与负向不显著， 说明较小的企业与客户间技术差距抑制了客户稳定性对企业创新决策的负向影响， 这一结果验证了H2b。 这在一定程度上说明企业拥有的优质客户为企业带来外部技术知识的溢出效应， 企业有更多的机会学习来自客户的同质、异质技术， 用于提升自身创新决策质量， 并且企业有更强的意愿吸收与企业相似的技术知识。 但是， 技术距离对客户质量与企业创新投入的调节作用不显著， 可能企业在开展创新活时由于技术支持过程中存在问题， 导致技术吸收不到位等。
（四）客户质量对企业创新产出的影响
客户质量对企业创新产出影响的回归结果见表4。 在式（2）的创新产出方程中， 企业的创新投入作为解释变量引入方程中， 为了消除内生性问题， 本文采用工具变量的方法估计， 工具变量采用前一阶段创新投入的预测值k?， 运用2SLS方法进行估计。 其中列（1）是客户集中度对企业创新产出的影响， 工具变量k?对创新产出的影响在1%的水平上正向显著， 说明客户集中度促进了企业的创新决策及创新投入， 且企业运用优质客户资源进一步促进创新产出。 但是客户集中度与创新产出的相关系数为
-0.027且在10%的水平上显著， 说明客户集中度抑制了企业创新产出。 因为客户集中为企业带来了风险效应， 同时创新产出周期长、成本高等不确性风险也较高， 企业为避免双重风险给企业带来不利影响进而减少了创新产出。 列（2）是客户稳定性对企业创新产出影响的回归结果， 工具变量在1%的水平上正向显著， 客户稳定性与企业创新产出的相关系数在1%的水平上显著为正， 说明虽然客户稳定不能促进企业创新决策与创新投入， 但是企业中优质客户的稳定性使企业与客户间合作贸易稳定， 双方出现突然解约的概率极低， 这在一定程度上解除了企业的后顾之忧。 总之， 客户集中度越高， 企业创新产出越低; 客户稳定性越高， 企业创新产出越高。 H3a、H3b得证。
（五）稳健性检验
为验证上述回归结果的稳健性， 本文采用了缩小样本量的检验方式， 筛选出原样本中制造业企业进行检验， 检验结果如表5。 由表5可知， 回归结果与前文基本保持一致， 说明本文研究结论稳健。
（六）进一步研究
以上研究表明客户集中度和客户稳定性在影响企业创新投入与产出行为之间存在着一种“悖论”， 即客户集中度越高， 企业创新决策及创新投入积极性越高， 但企业创新产出越低; 客户稳定性越高， 企业创新决策及创新投入积极性越低， 但企业创新产出越高。 当前在企业实际经营过程中， 并不是所有的创新活动都可以为企业带来创新绩效， 那么企业在进行创新决策、创新投入以及创新产出之后， 是否一定可以提升企业的创新绩效？ 客户质量对企业创新绩效又会带来何种影响？
为验证客户质量对企业创新绩效的影响效果， 本文进一步根据柯布—道格拉斯生产函数， 将创新产出嵌入生产函数中， 检验创新产出及客户质量对企业最终创新绩效的影响， 模型如下：
式（5）为企业的创新绩效方程， Tobin Q为创新绩效的替代变量。 以往文献中有采用托宾Q、主营业务利润率、人均总产值来等指标衡量创新绩效， 本文选取滞后一期的托宾Q值表示企业最终创新绩效。 因变量qi表示企业最终的创新绩效， 方程将式（3）中的 作为解释变量引入方程， 检验创新产出对企业最终创新绩效的影响。 其中， a4、b4是相关系数向量， μ4i为误差项。
客户质量对企业创新绩效的影响结果见表6列（1）（2）。 最终创新绩效方程中， 与创新产出的方程相同采用2SLS方法进行估计， 创新产出作为解释变量引入， 工具变量采用创新产出的预测值s?表示。 列（1）是客户集中度对企业最终创新绩效的回归结果， 其中工具变量与企业最终创新绩效的相关系数为负， 表明客户集中度在负向影响创新产出之后， 创新绩效也没有得到提升。 客户集中度与创新绩效相关系数为-0.005且在10%的水平上显著， 表明客户集中度的风险效应对企业最终绩效产生了负向影响。 列（2）为客户稳定性对企业创新绩效的影响结果， 工具变量的相关系数为负， 客户稳定性与企业创新绩效的相关系数为正且在10%的水平上显著， 表明稳定的合作关系确实有利于提升企业创新绩效。 综上所述， 客户集中度越高， 企业创新绩效越低; 客户稳定性越高， 企业创新绩效越高。
六、结论与启示
（一）研究结论
本文以2011 ～ 2018年在A股上市且其主要客户为上市公司的企业为样本， 基于CDM模型探讨了客户质量对企业创新决策、创新投入、创新产出的影响， 并从与企业创新决策及投入密切相关的技术层面入手， 实证研究企业—客户的技术距离会为企业创新决策及创新投入带来何种影响， 并进一步分析了企业创新行为对企业最终创新绩效的影响。 实证检验表明， 客户稳定性和客户集中度在影响企业创新投入与产出行为之间存在着一种“悖论”， 即客户集中度越高， 企业创新决策及创新投入积极性越高， 但企业创新产出越低; 客户稳定性越高， 企业创新决策及创新投入积极性越低， 但企业创新产出越高; 企业与客户的技术差距缓解了创新悖论， 当企业与客户之间的技术差距越小时， 客户集中度对企业创新决策的促进作用越强， 客户稳定性对企业创新决策的抑制作用越弱。 进一步研究发现， 客户集中度越高， 企业创新绩效越低; 客户稳定性越高， 企业创新绩效越高。
（二）启示
1. 客户是企业的重要利益相关者， 企业的经营决策很大程度上会受客户的影响。 在供应链中， 企业—客户间的上下游关系属于供应链中重要的环节， 客户在这一环节发挥了“双刃剑”的作用。 企业应深入认识客户为企业带来的一系列影响， 准确权衡客户集中与客户稳定之间的关系， 充分发挥高质量客户带来的交易成本降低效應; 合理运用客户技术知识溢出效应， 积极开发新产品以满足客户需求， 进而获得产品竞争市场地位。 因此， 企业的创新行为还要充分考虑企业所处供应链的环境。 2. 企業与客户间技术上的差距可能会对企业创新决策、创新投入强度带来重要影响。 企业要充分运用企业外部一切可以提高企业绩效的因素。 技术距离反映出企业与客户在技术上的差距， 企业可将客户溢出的技术知识应用于创新及产品的开发， 充分结合自身技术特点对客户溢出的技术知识进行深入学习， 融会贯通， 真正达到促进企业创新的目的。
3. 创新行为的每一阶段都各有特性， 创新投入与创新决策更需要来自市场上的异质信息推动。 企业应充分吸收优质客户集中所带来的有效信息， 提高企业创新决策标准及创新投入强度; 而创新产出则需要企业拥有稳定的高质量客户来推动， 稳定的合作贸易关系可充分抵抗创新产出过程的不确定性风险， 进一步提升企业的最终创新绩效。 同时， 企业要合理规避客户集中的“双重风险”对创新产出及创新绩效的不利影响。
4. 企业的最终创新绩效与创新产出之间存在直接关系， 与创新决策和创新投入存在间接关系。 企业要充分利用优质客户为企业带来的积极效应， 不仅要提高创新决策质量与创新投入强度， 更要提高企业的创新产出成果数量与质量， 对企业的创新产出设置高标准， 避免盲目投入而得不到相应成果， 从而提升企业最终创新绩效。
【 主 要 参 考 文 献 】
[1] 褚剑，方军雄.客户集中度与股价崩盘风险：火上浇油还是扬汤止沸[ J].经济理论与经济管理，2016（7）：44 ～ 57.
[2] Campello M.， Gao J.. Customer concentration and loan contract terms[ J].Journal of Financial Economics，2017（1）：108-136.
[3] Dhalwal D.， J. S. Judd， M. Serfling， et al.. Customer concentra-tion risk and the cost of equity capital[ J].Journal of Accounting and Economics，2016（1）：23 ～ 48.
[4] Kalwani M. U.， Narayandas N.. Long-term manufacturer-sup-plier relationships： Do they pay off for supplier firms？[ J].Journal of Marketing，1995（1）：1 ～ 16.
[5] 林钟高，林夜.市场化进程、客户集中度与IPO公司业绩表现——基于创业板公司上市前后主要客户变动的视角[ J].证券市场导报，2016（9）：13 ～ 20.
[6] Pataoukas P. N.. Customer-base concentration： Implications for firm performance and capital markets[ J].The Accounting Review，2012（2）：363 ～ 392.
[7] 周冬华，王晶.客户集中度、产品市场竞争与股权融资成本[ J].山西财经大学学报，2017（7）：44 ～ 58.
[8] 徐晨阳，王满.客户集中度改变了公司债务期限结构选择吗——基于供应链风险溢出效应的研究[ J].山西财经大学学报，2017（11）：111 ～ 124.
[9] 吴娜，于博.客户集中度、体恤效应与商业信用供给[ J].云南财经大学学报，2017（4）：141 ～ 152.
[10] 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.
[11] 李姝，翟士运，古朴.大客户关系如何影响企业技术创新？[ J].科学学研究，2018（7）：1314 ～ 1324.
[12] Gosman M.， T.. Kelly， P. Olosson， et al.. The profitability and pricing of major customers[ J].Review of Accounting Studies，2004（1）：117 ～ 139.
[13] 柳卸林，周聪，葛爽.客户异质性与稳定性对核心企业创新绩效的影响研究[ J].科学学与科学技术管理，2018（8）：53 ～ 68.
[14] 刘建国.绩效衰退与企业创新行为——基于中国上市公司的实证分析[ J].南开管理评论，2017（4）：140 ～ 152.
[15] Johnson W. C.， Kang J.， Yi S.. The certification role of large customers in the new issues market[ J].Financial Management，2010（4）：1425 ～ 1474.
[16] Phelps C. C.. A longitudinal study of the influence of alliance network structure and composition on firm exploratory innovation [ J].Academy of Management Journal，2010（4）：890 ～ 913.
[17] Grant R. M.. Toward a knowledge-based theory of the firm[ J].Strategic Management Journal，1996（2）：109 ～ 122. [18] Saenz M. J.， Revilla E.， Knoppen D.. Absorptive capacity in buyer-supplier relationships： Empirical evidence of its mediating role [ J].Journal of Supply Chain Management，2014（2）：18 ～ 40.
[19] Hippel E. V.. The sources of innovation[M].Oxford： Oxford University Press，1988：1 ～ 320.
[20] 吳祖光，万迪昉，康华.客户集中度、企业规模与创新投入强度——来自创业板上市公司的经验证据[ J].研究与发展管理，2017（5）：43 ～ 53.
[21] Jaffe A.. Technological opportunity and spillovers of R&D： Evi-dence from firm's patents profits，and market value[ J].American Economic Review，1986（5）：984 ～ 1001.
[22] 王垒，刘新民，吴士健等.创业企业IPO后所有权类型集中度、董事会主导功能与多元化战略选择[ J].南开管理评论，2018（3）：103 ～ 115.
[23] Capaldo A.， Lavie D.， Petruzzelli A. M.， et al.. Knowledge maturity and the scientific value of innovations？ The roles of knowledge distance and adoption[ J].Journal of Management，2017（2）：503 ～ 533.
[24] 王栋，陈通.知识型员工双重社会网络对企业创新绩效作用机制研究[ J].科技进步与对策，2019（6）：128 ～ 137.
[25] 彭旋，王雄元.支持抑或掠夺？客户盈余信息与供应商股价崩盘风险[ J].经济管理，2018（8）：135 ～ 152.
[26] 苗淑娟，夏朦，孟庆顺.高管激励对研发投入影响研究——终极控制权的调节作用[ J].工业技术经济，2018（1）：41 ～ 48.
[27] Aghion P.， Harris C.，Vickers J.. Competition and growth with step-by-step innovation： An example[ J].European Economic Review，1997（3）：771 ～ 782.