文章详情
 
文章搜索
 
 
电子商务视域下农产品流通效率研究
作者:biyeessay    发布于:2021-02-05 10:12:31    文字:【】【】【
摘要:农产品流通是我国农产品经营与发展的重要保障,而随着电子商务的快速发展,农产品流通主体和流通组织的现代化创新水平不断提高,进一步推动农产品流通经济效益的提升。但随着电子商务的深度发展,农产品流通过程也更加复杂,影响农产品流通效率的因素愈发综合。文章在总结以往学者相关研究分析结论的基础上,运用SFA随机前沿分析法对我国31个省、自治区、直辖市在2009-2018年间的农产品流通效率进行综合测算,实证分析电子商务发展对农产品流通效率的影响程度和相关因素。综合研究得出以下结论:1)当前我国电商环境下农产品流通效率处在中等水平,但流通效率具有不断优化上升的良好势头。2)农产品电商物流投入资产值、农产品电商劳动力投入值、农产品电商交通运输线路长度等对提升流通效率助益较大;3)gdp、农产品电商从业人数(CE)无法帮助农产品电商实现流通效率提升,而区域城镇化率(Urb)、区域农产品流通基础设施建设水平(TEC)则可在一定程度上提升电商农产品流通效率。
摘要:农产品流通是我国农产品经营与发展的重要保障,而随着电子商务的快速发展,农产品流通主体和流通组织的现代化创新水平不断提高,进一步推动农产品流通经济效益的提升。但随着电子商务的深度发展,农产品流通过程也更加复杂,影响农产品流通效率的因素愈发综合。文章在总结以往学者相关研究分析结论的基础上,运用SFA随机前沿分析法对我国31个省、自治区、直辖市在2009-2018年间的农产品流通效率进行综合测算,实证分析电子商务发展对农产品流通效率的影响程度和相关因素。综合研究得出以下结论:1)当前我国电商环境下农产品流通效率处在中等水平,但流通效率具有不断优化上升的良好势头。2)农产品电商物流投入资产值、农产品电商劳动力投入值、农产品电商交通运输线路长度等对提升流通效率助益较大;3)gdp、农产品电商从业人数(CE)无法帮助农产品电商实现流通效率提升,而区域城镇化率(Urb)、区域农产品流通基础设施建设水平(TEC)则可在一定程度上提升电商农产品流通效率。
关键词:电子商务;农产品流通效率;农产品电商

一、引言
我国作为传统农业大国,农业生产水平和农业发展成果一直都是经济建设和政府工作的重点。特别是近年来中央农村工作会议屡次提出并做重要指示的“三农”问题更是我国社会主义现代化建设过程中农业发展的核心问题。农业是“三农”问题的关键,农产品则是农业的核心,一直以来,由于农产品流通环节不畅、产销环节信息不对称,导致农产品“买难卖难”的问题时有发生,农产品滞销将导致农户种植收益显著下降,导致农民增收困难,长此以往将不利于我国农业现代化建设和实现农村经济稳步发展。电子商务在农产品产销环节的应用为解决农产品流通问题提供了新思路,自2004年以来,我国的村村通工程成功实现了“村村通电话,乡乡能上网”的历史性变革,标志着农村通信现代化水平达到新高度。截至2010年,我国万余个行政村实现100%互联网通达率,同时99%的乡镇和80%的行政村基本具备高速宽带接入能力。而随着互联网基础设施的建设完善,电商扶贫成为带动农村产业发展的新动力,根据阿里研究院发布的数据显示,截至2018年底,全国共有193.43万个网店的注册经营地在乡镇,经营农产品类目的网店数达到45.30万个。由于农产品电商逐渐深入村镇,电商经营为农民的收入和农产品流通渠道的丰富提供了巨大的帮助,诸如农产品生鲜冷链和农超对接等经营模式极大地提高了农产品的流通效率,在一定程度上改善了以往农产品流通环节复杂、成本较高、资源利用率不足的问题,这也是农产品流通现代化建设过程中的重要进步。
二、电子商务视域下农产品流通效率研究现状
(一)农产品流通效率
农产品流通是生产者与消费者建立经济关系的中间环节,农户生产的农产品在销售并最终到达消费者手中的这段时间通常被认为是农产品流通的主要过程,在这一过程中与农产品流通相关的信息流、商流、物流循序发生,共同构成了流通过程。在重视资源利用水平的学者,如Stern(1977)来看,效率、效果和公平性都应该视为衡量农产品流通效率的重要因素。Shepherd通过分析认为流通效率应该等于流通产品的总价值与流通总成本的比值,该数值越大表明流通产品总价值相对于流通成本而言更高,表明了流通效率水平较高。部分国内学者在定义流通效率时则通常从宏观营销效率和指标的变化出发。比如宋则(2003)认为库存率、流通速度、流通费用和物流成本是衡量物流效率的重要指标。根据不同农产品流通的要求,对流通效率的定义也有相应的差异,比如杜红平(2009)针对果品流通效率进行的研究得出流通效率的主要指标为果品流通时间、流通损耗率和物流成本与果品销售额的比重。而一些学者在研究鱼类产品的流通效率时则偏向于在定义流通效率时强调损耗成本。因此综合来看,农产品流通效率是一个需要根据具体评价环节来确定的变量,在电子商务视域下,笔者认为农产品流通效率应该着重考虑电子商务技术和现代流通手段对农产品流通业投入资产值、劳动力投入情况的改善。
(二)电子商务对农产品流通效率的影响
在针对电子商务与农产品流通效率的影响分析中,学者们主要分析电子商务的发展特征和农产品流通的相关性。比如Tompkins(2009)从供应链角度入手,使用实证分析的手段构建了农业中小企业物流模型,对电商供应链促进农产品物流的方式与途径进行了研究。李霞(2018)认为在互联网电子商务时代,电子商务与现代物流体系的协同是促进农产品流通体系转型升级的关键,能够有效降低物流交易费用,促进农产品流通扁平化发展。华慧婷(2018)认为电子商务的发展能够通过整合供应链,实现对农村电子商务物流成本的优化,继而提高农产品流通环节的投入产出效率。福井清一(1995)使用SCP分析模式来对比菲律宾马尼拉和泰国曼谷蔬菜市场上的流通效率,使用蔬菜市场流通环节买卖价格比、流通中的市场价差、流通市场信息传导机制等作为研究变量,明确了影响流通效率的因素。吕建兴、叶祥松等(2019)通过建构两阶段BCC-DEA模型和DEA窗口分析,分别对中国农产品流通效率进行了整体和局部评价,使用DEA评价中的综合效率、纯技术效率、规模效率评判农产品流通发展变化。
综合来看,电子商务的发展的确在很大程度上提升了农产品物流水平,优化了农产品流通环境,对于农产品流通关键环节的效率提升主要凭借技术创新、渠道改善、成本优化等过程实现。文章使用SFA随机前沿分析法旨在进一步揭示农产品流通在达到相应的生产前沿面后效率优化和影响因素。
三、电子商务视域下农产品流通效率衡量
(一)SFA计算方法与指标选取
SFA随机前沿分析法是前沿分析中参数方法的代表,在确定生产前沿的具体形式的情况下考虑随机因素变化对产出的影响,其要解决n个决策单元T期的技术效率(TE)测算问题,使得每个决策单元都是m种投入和一种产出。其计算公式如下:
〖TE〗_i=exp(-U_i)=Y_i/(f(x_i,β)exp⁡(V_i))(1)
上式中Y_i是产出要素,β是相应的参数,x_i为投入要素,U_i和V_i分别为流通非效率变量及随机误差变量。
在以往测度农产品流通效率的文献中,普遍使用流通面板数据并建构包括农产品流通量和农产品流通产值等在内的流通效率评价模型,从投入产出要素变动的角度进行分析研究。本文综合考虑农产品电商背景下的农产品流通情况以及数据搜集的方便程度,将电商农产品流通量和电商农产品流通产值作为因变量;将农产品电商物流投入资产值,农产品电商劳动力投入值(以劳动力工资等为数据)、农产品电商交通运输线路长度(包含公路和铁路)等作为自变量设立模型如(2)式所示。
ln⁡〖Y_it 〗=α_0+α_1  ln⁡〖〖(x_1)〗_it 〗+α_2  ln⁡〖〖(x_2)〗_it 〗+α_3  ln⁡〖〖(x_3)〗_it 〗+∑_(j=2009)^2018▒〖D_j 〖*∅〗_j 〗+ε_it(2)
为了保证模型的效果,使用对数方法对所有变量进行处理,消除相关变量的组间干扰。(2)式中,Y_it分别代表不同城市的电商农产品流通量和电商农产品流通产值,α_0、α_1、α_2、α_3为系数,x_1、x_2、x_3分别为农产品电商物流投入资产值、农产品电商劳动力投入值、农产品电商交通运输线路长度。农产品流通相关指标数据主要来自各省市统计年鉴(2009-2018年)及《中国商品交易年鉴(2009-2018年)》、《中国农村统计年鉴(2009-2018年)》。在使用(1)式计算得出TE后便可得到流通效率,数值的直观大小程度反映了流通效率水平,数值越大对应的流通效率越高,数值越小则流通效率越低。计算得出的流通非效率U则从距离生产前沿面的水平反映了流通效率,U的数值越大表明流通效率越低。
(二)电子商务视域下全国各省区市农产品流通平均效率测算
电子商务快速发展过程中,我国各省、区、市农产品电商的综合发展水平存在一定的差异,农产品流通效率情况在一定程度上综合反映了不同区域农产品流通环境、流通资源、流通要素投入产出等的综合情况。表1为根据(1)式计算得出的平均流通效率表。
表1 全国农产品电商流通平均效率
年份 电商农产品流通量 电商农产品流通产值
流通非效率U 流通效率TE 流通非效率U 流通效率TE
2009年 0.54550 0.40112 —— ——
2010年 0.51399 0.50694 0.37665 0.57182
2011年 0.54417 0.56391 0.38390 0.55450
2012年 0.34550 0.56890 0.40180 0.55660
2013年 0.24504 0.64500 0.55122 0.55600
2014年 0.11329 0.71320 0.44100 0.69742
2015年 0.10790 0.76770 0.32002 0.70143
2016年 0.08210 0.78483 0.29039 0.81200
2017年 0.00451 0.78921 0.05230 0.83450
2018年 0.00345 0.79020 0.03964 0.86900
均值 0.22568 0.72632 0.32754 0.80100
根据表1中的数据可以看出,在电商农产品流通量方面,自2009年起到2018年止的10年间,电商农产品流通非效率水平处于快速下降态势,而流通效率水平则处于稳步增加状态。10年间,流通非效率值从0.54550下降到0.00345,平均水平为0.22568,均小于同时期流通效率水平。从数值水平来看,以电商农产品流通量体现的流通效率最高达到79.020%,最低则为2009年的40.112%,说明电商农产品流通环节所能承载的最大商品量有所上升,在特定的市场承载量和消费基数情况下,电商农产品流通量增加说明了其流通效率水平的提升,但由于全国电商流通效率均值仅为72.632%,说明电商农产品物流各环节中的流通损失仍然存在,电商农产品流通效率还有进一步提升的空间。
从电商农产品流通产值方面的数据来看,从2009年到2018年,全国电商农产品流通产值的流通非效率同样处于先上升后下降趋势,流通效率则不断上升。流通非效率变化以2014年为分界线,在2009年-2014年间,流通非效率不断上升,由于2009年响应数据缺失,流通非效率值在2010年为0.37665,之后上升至2013年的0.55122并开始下降,直到2018年的0.03964。而在同一时期,电商农产品流通产值流通效率不断上升并最终达到0.86900的较高水平。综合这一变化过程可以看出,目前电商农产品流通产值在很大程度上能够实现有效利用,表现为电商农产品流通效率产值的增加。虽然在2018年仍有12.1%的流通产值无法实现有效流通,但是在农产品流通环节改善和电商物流技术持续创新的过程中,流通产值效率的增加潜力将不断上升。图1显示了我国电商农产品平均流通效率水平。
 
图1 我国电商农产品平均流通效率水平
从图1中可以看出,农产品流通量和流通产值的平均效率水平上升趋势明显,说明农产品电商渠道的流通水平较高。
四、影响电商农产品流通效率的相关因素分析
(一)计量模型设定
电子商务发展过程中农产品流通效率的影响因素较为多元,相关研究指出与农产品电商物流、农产品流通环境、农产品电商经营水平、经济发展水平、城镇化率等都在一定程度上影响着流通效率。对于农产品电商经营而言,为了进一步探究相关影响因素,设立随机前沿模型(3)和(4):
ln⁡〖〖(Y_1)〗_it 〗=α_0+α_1  ln⁡〖〖(x_1)〗_it 〗+α_2  ln⁡〖〖(x_2)〗_it 〗+α_3  ln⁡〖〖(x_3)〗_it 〗+∑_(j=2009)^2018▒〖D_j 〖*∅〗_j 〗+ε_it(3)
ln⁡〖〖(Y_2)〗_it 〗=α_0+α_1  ln⁡〖〖(x_1)〗_it 〗+α_2  ln⁡〖〖(x_2)〗_it 〗+α_3  ln⁡〖〖(x_3)〗_it 〗+∑_(j=2009)^2018▒〖D_j 〖*∅〗_j 〗+ε_it(4)
(3)、(4)两式与(2)式仅在因变量结构方面有所不同,使用Y_1和Y_2分别对Y进行区分,以便明确不同影响因素对电商农产品流通效率的影响程度。
本文设计使用区域经济发展情况(GDP)以及农产品电商从业人数(CE)和区域城镇化水平(Urb)、区域农产品流通基础设施建设水平(TEC)等作为解释变量,对电商农产品流通效率(TE)进行解释。得出计量分析模式如(5)式所示:
ln⁡〖〖TE〗_it 〗=α_0+α_1  ln⁡〖〖GDP〗_it 〗+α_2  ln⁡〖〖CE〗_it 〗+α_3  ln⁡〖〖Urb〗_it 〗+α_4  ln⁡〖〖TEC〗_it 〗+γ_it(5)
其中,区域经济发展情况GDP以各省、区、市的GDP数值进行计量。
农产品电商从业人数CE以当前农村网店经营人数进行计量。
电商农产品流通基础设施建设水平TEC以区域内公路、铁路通车里程、互联网使用人数、移动电话普及率等数值进行计量。
区域城镇化水平Urb以通用的计算公式:城镇人口数/地区总人口数为基准,根据各省、区、市人口数进行计算得到。
相关变量的描述性统计分析结果如表2所示。
表2 变量数据的描述性统计分析
TE评价指标 平均值 标准差 偏度 最小值 最大值 95%置信水平
Y_1 15,569,399 10,456,403 3.10 32,000 322,345,595 43.300
Y_2 34,569,800.5 12,300.9 1.29 98,300,480 189,456,700.9 290.0
x_1 30.256,900 16,392,400 0.10 9,700,500 196,400,500,9 0
x_2 234.50 178.0 0.02 163.03 1024.59 0
x_3 1329.56 678.49 4.30 650.3 3439.40 0
gdp 67.691 3.323 2.316 19.302 88.90 3.20
CE 18.879 1.425 1.729 14.405 56.605 0.80
Urb 7.881 1.066 1.518 12.651 54.392 0
TEC 5.781 1.054 1.305 10.875 100.98 0.5
注:表中数据根据统计年鉴原始数据计算得出,在不影响研究目的的前提下对部分数据进行修正
从表2的结果中可以看出,所有变量指标均为正偏离,说明研究所选取的样本前沿呈现左偏离,且偏斜程度较小。说明在研究所选的31个省、市、区中大部分地区的流通效率偏小,为更详细地说明各指标值之间的关联程度,计算指标相关性如表3所示。
表3 变量指标的相关性分析
Y_1 Y_2 x_1 x_2 x_3 gdp CE Urb TEC
Y_1 1
Y_2 0.539 1
x_1 0.590 0.349 1
x_2 0.789 0.880 0.450 1
x_3 0.695 0.530 0.543 0.210 1
gdp 0.420 0.459 0.561 0.670 0.504 1
CE 0.293 -2.300 -1.203 0.990 -0.292 -0.392 1
Urb 0.530 0.441 -1.202 -0.992 -0.292 -0.003 0.203 1
TEC 0.706 0.405 -0.873 0.392 0.890 0.384 0.382 -0.292 1
从表3中可以看出,x_1、x_2、x_3与Y_1、Y_2呈现较高的相关性;区域gdp水平与电商农产品流通量、流通产值具有接近0.5的关联度;农产品电商从业人数(CE)与电商农产品流通量呈现正向相关性,但与农产品流通产值呈现负向相关性;同时,城镇化水平(Urb)、电商农产品流通基础设施建设水平(TEC)等也分别与农产品流通量、流通产值具有较大相关性。综合相关性分析结果可知,本次研究所选的相关指标变量之间的相关性较好,因而可以用于模型估计。
(二)模型估计
采用极大似然估计法对模型进行参数估计,得到表4所示结果。
表4 电商农产品流通量的随机前沿分析结果
非效率的估计 非效率的解释
x_1 0.220***(0.450) gdp 0.551***(0.039)
x_2 0.043***(0.038) CE 0.201***(0.006)
x_3 0.365***(3.451) Urb -0.282***(0.009)
常数项 0.061***(0.200) TEC -0.322***(0.104)
样本数 30
Wald chi2 132.30
Prob>chi2 0.0000
注:*、**、***分别代表相关解释变量的系数在10%、5%、1%的水平上显著;括号内为t统计量
表4为电商农产品流通量的随机前沿分析结果,由于wald chi2数值为132.30,且P统计量为0,说明模型整体的显著性程度较高,模型较为合理。其中针对非效率的估计为第一列,生产函数中的三个变量系数均为正值,说明随着这三个项目下投入的增加,农产品流通量(即产出)是增加的。这一结果符合期望。其中,农产品电商物流投入资产值每增加1%,电商农产品流通量增加0.220%;农产品电商劳动力投入值每增加1%,电商农产品流通量增加0.043%;农产品电商交通运输线路长度每延长1%,电商农产品流通量增加0.365%。就各指标对产出的贡献值而言,有关农产品电商物流基础设施的公路、铁路建设对于提高农产品流通量具有重要带动作用。
同时,区域城镇化率、区域农产品流通基础设施建设水平(TEC)对电商农产品流通非效率有显著地负向影响,并且在1%的水平上显著,说明在其他条件恒定不变的情况下,一个地区城市化水平越高、农产品流通基础设施建设越完善,便越能够促进流通效率提高。
表5 电商农产品流通量的随机前沿分析结果
非效率的估计 非效率的解释
x_1 0.035***(0.435) gdp -0.034***(0.909)
x_2 0.182**(1.123) CE 0.382***(0.803)
x_3 0.220***(1.003) Urb -0.319**(4.120)
常数项 0.109**(0.066) TEC -0.066***(0.055)
样本数 30
Wald chi2 160.95
Prob>chi2 0.0000
注:*、**、***分别代表相关解释变量的系数在10%、5%、1%的水平上显著;括号内为t统计量
进一步地,本文针对电商农产品产值的流通非效率情况,除gdp的系数符号变为负之外,其余数值及符号未发生明显的变化,说明以上针对电商农产品流通量非效率的模型估计结果也适用于电商农产品产值。电商农产品产值角度的流通效率也随着农产品电商物流投入资产值的升高、劳动力投入增加、农产品电商交通运输线路长度延伸而得到显著地改善。
五、总结与建议
(一)总结
本文在对相关研究文献进行综述,提取既有结论的有益方面后,以相关统计数据作为基础,采用随机前沿分析法对电子商务视域下农产品流通效率做出评价并对可能的影响因素进行分析考察。得出以下结论:
首先,从电商环境下农产品流通平均效率角度来看,当前我国电商环境下农产品流通效率处在中等水平,但流通效率具有不断优化上升的良好势头。在农产品流通量和农产品流通产值方面,电商农产品流通效率平均分别达到72.632%和80.10%。
其次,对影响电商农产品流通效率的相关因素进行的实证分析可以看出。生产函数中农产品电商物流投入资产值每增加1%,电商农产品流通量增加0.220%;农产品电商劳动力投入值每增加1%,电商农产品流通量增加0.043%;农产品电商交通运输线路长度每延长1%,电商农产品流通量增加0.365%。说明农产品电商投入要素中资本要素和资源要素对提升流通效率具有重要影响。
最后,gdp、农产品电商从业人数(CE)无法帮助农产品电商实现流通效率提升,而区域城镇化率(Urb)、区域农产品流通基础设施建设水平(TEC)则可在一定程度上提升电商农产品流通效率。
(二)相关建议
通过本文的分析可知,电子商务视域下农产品流通效率的提升与传统流通体系的要素基本相同,为了进一步提高农产品电商流通效率需要在基础设施建设、流通市场环境等方面加以有效提升。比如农产品电商经营者可根据实际需要采取不同的快递运输模式,尽量在投入产出比方面达到更加均衡的状态,根据第三方快递业务目前的发展情况来看,用户收货时间往往较长,单一的快递员配送模式以及上门自提的方式严重影响了物流服务的效率,第三方物流公司可在农业合作社、供销社设立物流中心网点,在快递较为集中的区域设立快递集散点,综合上门收货和自助提取模式,创新农产品物流发展,提高流通效率。
参考文献:
1.吕建兴,叶祥松.中国农产品流通效率及其演变特征——基于流通环节的视角[J].世界农业,2019(06)
2.李丽,胡紫容.京津冀农产品流通体系效率评价及影响因素研究[J].北京工商大学学报(社会科学版),2019(03)
3.宋路平.我国农产品流通效率影响因素实证分析[J].商业经济研究,2019(09)
4.赵大伟,景爱萍,陈建梅.中国农产品流通渠道变革动力机制与政策导向[J].农业经济问题,2019(01)
5.李霞.电子商务环境下农产品流通效率影响因素及路径研究[J].农业经济,2018(11)
6.何小洲,刘丹.电子商务视角下的农产品流通效率[J].西北农林科技大学学报(社会科学版),2018(01)
7.周湘贞,刘晓东.基于Malmquist模型下的农产品流通模式优化[J].江苏农业科学,2017,45(24)
8.庞增荣,马李丽.我国生鲜农产品流通模式与流通效率优化研究[J].商业经济研究,2017(15)
9.王娟.我国农村地区“新农品流通+互联网”创新发展研究[J].改革与战略,2017(07)

 
 
当前位置
脚注信息
版权所有 Copyright(C) 2018 北京毕业论文网  QQ:353897297  497074430