Page 40 - 《北京工商大学学报（社会科学版）》2020年第6期

第 35 卷摇 第 6 期 林钟高, 邱悦旻: 供应商—客户关系与代理成本

于 supply 的 90% 分位数(0郾 647),这说明有不到 摇 摇 (三)内生性检验
10% 的数据分布在拐点的右侧;第(4) 列的拐点 1郾 滞后一期检验
为 0郾 714, 接 近 于 customer 的 90% 分 位 数 关系型交易与两类代理成本之间可能会存在
(0郾 639),这说明有 10% 的数据分布在拐点的右 滞后效应,为了解决内生性问题造成的潜在影响,
侧。 且表 3 列(1) ~ 列(4) 的二次项系数显著为 本文对关系型交易滞后一期进行回归的方法来缓
正,故模型对应的几何图形是一条开口向上的抛 解内生性可能对结论产生的困扰。 表 4 是滞后一
物线。 表 3 结果表明,当关系型交易尚未达到拐 期之后的回归结果,结果显示关系型交易对于企
点之前,双重代理人都会努力拓展企业利润,增加 业代理成本的作用仍然显著,H1 和 H2 再次得到
利润空间,代理人和委托人之间的矛盾冲突较小, 了验证。 因此,本文的实证结果并没有受到内生
故代理成本会下降;而当关系型交易达到一定程 性的干扰。
度后,双重代理人会开始拓展自我利润空间。 供 摇 摇 2郾 Heckman 选择模型
应商端通过收回扣等,客户端通过低价售出、利益 本文可能会因样本选择偏差导致内生性,从
分成等,保证代理人自我利益的实现,故委托人和 而影响研究结论。 为了避免估计结果产生偏误,
代理人之间的矛盾加剧,代理成本会随之增加。 本文采用 Heckman 两阶段回归解决样本自选择
本文的 H1 和 H2 得以证实。 问题。 使用模型(1)中的控制变量建立第一阶段

表 4摇 滞后一期的内生性检验结果
AC1 AC2
X = supply X = customer X = supply X = customer
(1) (2) (3) (4)
*** *** *** ***
- 0郾 058 - 0郾 041 - 0郾 023 - 0郾 011
X
( - 3郾 81) ( - 3郾 38) ( - 5郾 67) ( - 3郾 49)
0郾 045 ** 0郾 059 *** 0郾 017 *** 0郾 007 *
X 2
(2郾 39) (4郾 02) (3郾 88) (1郾 86)
控制变量 是 是 是 是

*** *** *** ***
0郾 390 0郾 361 0郾 063 0郾 055
常数项
(15郾 40) (14郾 58) (7郾 91) (7郾 31)
样本量 11 737 11 880 11 737 11 880
2
调整后 R 0郾 28 0郾 28 0郾 15 0郾 15
、 和 分别表示在 1% 、5% 和 10% 的水平下显著;括号内为 T 值。
摇 摇 注: *** ** *
的回归模型,根据该模型估计 IMR( 逆米尔斯系 量,构建模型(2)和模型(3)。
2 2
数),然后将其代入主回归模型进行回归。 表 5 supply \supply = 茁 + 茁 msupply \msupply +
0 1
的列(2)、列(4)、列(6)和列(8)为加入 IMR 后的 移 controls + 移 Year + 移 Ind + 着 (2)
第二阶段回归结果。 根据回归结果可以看出,在 2 2
customer \customer = 茁 + 茁 mcustomer \mcustomer +
0 1
控制了 IMR 之后,关系型交易( supply \ customer)
移 controls + 移 Year + 移 Ind + 着 (3)
和两类代理成本(AC1 \ AC2) 之间仍显著相关,且
表 6 列 出 了 关 系 交 易 与 第 一 类 代 理 成 本
仍为正 U 型的非线性关系。 这说明在控制了样
(AC1)的两阶段回归结果。 从工具变量的解释力
本自选择问题后,H1 和 H2 仍然成立。
来说,偏 R 分别为 0郾 04、0郾 04、0郾 08、0郾 09,几乎
2
3郾 工具变量法
全达到 0郾 04,且 F 统计量分别为 525郾 48、812郾 96、
本文借鉴徐经长等 [27] 的做法,选取关系型交
984郾 96、1 586郾 59,p 值均为 0郾 000 0。 此外,最小
易的行业均值( msupply \ mcustomer) 作为工具变
特征值统计量为 287郾 27 和 655郾 02,远大于临界
· 3 5 ·