论文部分内容阅读
摘 要：在电商扶贫呈现出良好态势的背景下，本文旨在研究2018年山东省10个地级市电商扶贫的效率及其与约束性因素的关联度，并且给出相关的政策建议。本文通过径向超效率DEA模型对各市进行电商扶贫效率测度，得出电商扶贫效率存在区域性差异;又通过灰色关联度模型，从多个维度分析与电商扶贫效率的相关性。结果显示，区域整体金融环境和交通基础设施水平对电商扶贫效率的影响较大。
关键词：电商扶贫效率;对策;山东省
本文索引：高智涵，赵忻怡，卓颖祯，谢佳怡.<变量 2>[J].中国商论，2021（13）：-027.
中图分类号：F724.6 文献标识码：A 文章编号：2096-0298（2021）07（a）--03
根据相关文献，电商扶贫效率可由电商发展水平和经济发展水平共同反映，电商发展水平与网商数据（如企业的网络零售额等）息息相关，而经济发展水平可通过人均GDP反映。过去对于电商扶贫的效率研究方法大多是将各省的网商指数与居民网购指数和经济指标组合成面板数据进行实证分析，得到各个指标间的相关性，最后作出基于统计学的显著性结论。然而，鉴于各地在财政投入、人力资本等影响因素的不同，很难对某个地区提供针对性的政策建议。本文拟将这一方法具体化至省份数据，并因地制宜地提出政策建议。
《中国电子商务发展指数报告（2017）》显示，山东省是中国电子商务发展的中坚省份。因此，鉴于山东省在电子商务发展的良好态势，本文选取山东省作为研究对象，并基于电商扶贫的发展态势与山东省在电商扶贫方面的代表性作用，计算山东省2018年的电商扶贫效率并分析其相关性。
1 电商扶贫效率与比较
为深入研究电商扶贫政策的成效，本文拟将建立效率模型，将各地区的经济指标与电商发展水平相结合，量化为电商扶贫效率指数，并根据各市的空间集聚特点进行初步比较分析。
在样本选取方面，本文选择山东省作为研究对象，并将电商发展较为迅速的地级市作为研究样本，分别为济南、青岛、威海、枣庄、烟台、潍坊、淄博、东营、临沂和日照。
1.1 电商扶贫效率的涵义与衡量
综合近几年的文献，由于电商扶贫是一个较为新颖的理念，学术界在电商扶贫效率衡量方面的前沿研究甚少。杨雪云（2019）构建了非径向超效率DEA模型测算电商扶贫效率，张俊英（2019）使用了修正Feder模型探究扶贫效率的直接效应与间接效应。
本文在非径向超效率DEA模型上简化了计算，略去了带有主观偏好的决策者权重设定，使用了传统的径向超效率模型进行测算。
1.1.1 径向超效率DEA模型
数据包络分析（DEA）模型是一种评价决策单元相对效率的非参数方法。Banker则在此基础上提出了径向超效率DEA模型。这一模型进一步区分了所得到的技术效率高低，极大降低了多个决策单元具有相同效率值的可能，能够满足本文对比较不同城市电商扶贫效率的需要。
其计算公式为：
（1）
式中，
—综合效率（即本文中的电商扶贫效率），其值越大，表示综合效率越高;
—被评价决策单元的投入指标变量;
—被评价决策单元的产出指标变量;
—第个城市的投入指标量;
—第个城市的产出指标量;
—各单位组合系数;
—松弛变量;
—剩余变量。
其中，有个同类型决策单元，有个投入变量，有个产出变量。
1.1.2 电商扶贫效率投入产出指标
本模型的投入指標（如表1所示）将基于阿里研究院提供的2018年网商指数进行测算：
（2）
其中，B2B网商数量以及人口数量取自山东省统计年鉴，B2B网商密度标准值借鉴了中国信息社会指数（ISI），根据各指标的标准值对数据进行标准化。其中，采用阿里研究院的目标期望作为参照标准，如表2所示。
而在产出指标方面，县域尺度经济发展存在不全面、不平衡的情况。本模型考虑到城乡差异的问题，因此采用了各个地级市农村居民可支配收入来衡量电商扶贫的产出情况。
1.1.3 电商扶贫效率的含义
根据式（1）计算可得十个城市电商扶贫发展效率与排名，如表3所示。
电商扶贫效率即模型中的决策单元综合效率。在普通的径向DEA模型中，潍坊市与枣庄市的综合效率均为1，很难对其进行进一步比较与排序。因此，本文选择超效率DEA模型，其中以1作为综合效率的有效值的分界线，将电商扶贫效率划分为高效与低效：
当时，电子商务平台相关投入与经济发展产出DEA决策单元有效，即在电子商务产的投入与产出相匹配，表明电商扶贫政策较为有效;反之当时，则表明电商扶贫政策成效不佳。
1.2 电商扶贫效率比较
从表3可知，电商扶贫政策在山东省取得了较好的成效，大部分城市的投入产出效率均接近于1，其中潍坊市更是达到了最佳。因此，在国家全面建成小康社会的决胜阶段，利用电子商务产业这一新兴平台进行区域产业升级优化，从而达到提升经济水平的政策是极为有效的。
然而，在山东省的不同城市间，电商扶贫效率存在一定的区域性差异，例如青岛与潍坊地理位置相邻，但电商扶贫效率差距较大。
2 电商扶贫效率影响因素实证研究
参考现有文献研究以及可获得性原则，我们提出关于电商扶贫效率影响因素的疑问，主要影响因素包括以下几点。
2.1 指标选取
2.1.1 因变量
电商扶贫效率：山东省10市的扶贫效率。
2.1.2 自变量
（1）等级公路里程（公里）：交通设施水平主要采用百度地图截取出的城市等级公路通车里程（国道以及省道通车长度）进行衡量。 （2）固定电话年末用户（万户）：考虑到移动电话登记点与实际使用出入可能较大，故采用固定电话年末用户衡量通信设施水平。
（3）地方一般公共预算支出（亿元）：由于不涉及时间序列分析，因此无需定基处理。
（4）人口密度（人/平方公里）： 本文采用的人口密度数据为常住人口密度，而非户籍人口密度。若统计年鉴中未给出常住人口密度，则通过该年末全市总人口数与该年底全市土地面积相除得出。
（5）普通高中在校学生数（万人）：考虑到县域范围少有高等教育机构，本文以每万人在校中学生数来衡量人力资本水平。
（6）年末金融机构（本外币）各项贷款余额（亿万元）。
2.2 灰色关联度模型
灰色关联度模型反映的是因素间的关联程度，通过比较两个因素间的关联度来量化关联性大小。如果两个序列的变化趋势，称为同步变化程度越高，那么这两个因素的关联程度就越高;反之越低。计算公式：
（3）
其中，为序列与序列的关联度，、，为分辨系数，一般取值为0.5，，。
2.3 计算结果及分析
根据式（3）的模型，通过MATLAB计算得山东省10个城市以下6个因素各自对于电商扶贫效果的影响，如表4所示。
表4 电商扶贫效率与6大因素的灰色关联度
交通基础设施水平 通信设施水平 财政支持力度 集聚经济效益 人力资源水平 金融环境水平
关联度 0.647 0.609 0.600 0.634 0.631 0.785
根据计算所得的灰色关联度，影响山东省10市电商扶贫效率最重要的因素是整体金融环境，而交通基础设施水平次之。可见，比较良好的区域整体金融环境和交通基础设施水平为电商扶贫提供了保障。
相较之前的研究，2018年由于通过对电商扶贫的日益普及化，原本起关键作用的财政支持力度和提供人才储备的人力资本水平作用略有减弱，这体现了电商扶贫工程经过3年的实施产生了巨大的能动性，不再依賴于外部资金的支持，贫困农户凭借当地先有的金融环境、交通基础设施实现脱贫，释放了良好的讯号。
3 电商扶贫效率提升策略
3.1 财政投入
对于贫困地区而言，资金是创新、创业的基础，因此为了鼓励更多贫困人口加入电子商务的发展道路，政府应该积极为电商创业设立专门的金融扶贫渠道。此外，互联网金融也应该在扶贫领域得以应用。阿里、京东作为主要的电子商务平台应该充分发挥作用，为开办网店的贫困人群提供贷款、担保上的福利举措，以解决“贷款难”“担保难”的问题。
3.2 人力资本
基于贫困地区通信设备的普及程度较低，群众在利用互联网平台方面的能力急需提高，因此人才培养在提高电商扶贫效率上占据重要位置。
第一，加大对贫困地区本土电商的培养，以先知带动后知的推广模式普及电子商务的相关知识和技能。
第二，加大外来人才的引进，要求各级政府必须加大人才引进的支持力度，比如提供鼓励机制，从而吸引广大相关专业毕业生深入贫困地区进行指导工作。
第三，加大本土人才的回流，以农村青年、返乡大学生等创业人员为重点，充分发挥他们熟悉本土特点、了解网络平台的本土化、信息化作用。
3.3 交通条件
贫困地区的电子商务发展依赖于物流配送的保障，因此只有推进交通基础设施的建设，才能打造匹配电商发展的现代化物流体系。首先，提高交通网络密度，包括公路、铁路、航空以及内河航运等运载体系，确保产品配送过程的高效性和安全性;其次，以点及面建设由乡村至县城的物流配送路径，从而搭建好电商与物流之间沟通的桥梁，便于电商及时配送产品。
3.4 通信设施
贫困地区相对薄弱的信息环境，在一定程度上限制了当前电子商务的发展。因此，国家应该有计划地为贫困地区建立最为基本的信息基础设施。除此之外，考虑到贫困地区的经济条件，可以为其提供通信成本上的优惠措施，降低使用成本，进而鼓励信息技术的使用。
参考文献
陈文浩.“互联网+精准扶贫”的实践与探索[J].中国经贸导刊，2016（09）：70-71.
唐红涛，郭凯歌，张俊英.电子商务与农村扶贫效：基于财政投入、人力资本的中介效应研究[J].经济地理，2018，38（11）：50-58.
解梅娟.电商扶贫：“互联网+”时代扶贫模式的新探索[J].长春市委党校学报，2016（02）：12-15.
杨雪云，时浩楠.电商扶贫效率的空间特征及影响因素分析：以大别山区为例[J].统计与决策，2019，35（16）：103-107.
张彬斌， 陈小利.“重点县”扶贫的人力资本形成效应[J]. 经济科学， 2015（01）.
张俊英，唐红涛.电商扶贫效率的效应分解及空间扩散——基于修正Feder模型的空间杜宾分析[J].湖南师范大学社会科学学报，2019，48（05）：87-96.
Research on the Influencing Factors and Countermeasures of E-commerce Poverty Alleviation Efficiency
——Taking Ten Cities in Shandong Province as Examples
Shanghai University of International Business and Economics
GAO Zhihan ZHAO Xinyi ZHUO Yingzhen XIE Jiayi
Abstract： Under the background that e-commerce poverty alleviation is showing a good trend， this article aims to study the efficiency of e-commerce poverty alleviation in 10 prefecture-level cities in Shandong Province in 2018 and its correlation with restrictive factors， and give relevant policy recommendations. This paper uses the radial super-efficiency DEA model to measure the efficiency of e-commerce poverty alleviation in each city， and finds that there are regional differences in the efficiency of e-commerce poverty alleviation; through the gray correlation model， analyzes the correlation with the efficiency of e-commerce poverty alleviation from multiple dimensions. The results show that the overall regional financial environment and the level of transportation infrastructure have a greater impact on the efficiency of e-commerce poverty alleviation.
Keywords：e-commerce; poverty alleviation efficiency; countermeasures; Shandong Province
关键词：电商扶贫效率;对策;山东省
本文索引：高智涵，赵忻怡，卓颖祯，谢佳怡.<变量 2>[J].中国商论，2021（13）：-027.
中图分类号：F724.6 文献标识码：A 文章编号：2096-0298（2021）07（a）--03
根据相关文献，电商扶贫效率可由电商发展水平和经济发展水平共同反映，电商发展水平与网商数据（如企业的网络零售额等）息息相关，而经济发展水平可通过人均GDP反映。过去对于电商扶贫的效率研究方法大多是将各省的网商指数与居民网购指数和经济指标组合成面板数据进行实证分析，得到各个指标间的相关性，最后作出基于统计学的显著性结论。然而，鉴于各地在财政投入、人力资本等影响因素的不同，很难对某个地区提供针对性的政策建议。本文拟将这一方法具体化至省份数据，并因地制宜地提出政策建议。
《中国电子商务发展指数报告（2017）》显示，山东省是中国电子商务发展的中坚省份。因此，鉴于山东省在电子商务发展的良好态势，本文选取山东省作为研究对象，并基于电商扶贫的发展态势与山东省在电商扶贫方面的代表性作用，计算山东省2018年的电商扶贫效率并分析其相关性。
1 电商扶贫效率与比较
为深入研究电商扶贫政策的成效，本文拟将建立效率模型，将各地区的经济指标与电商发展水平相结合，量化为电商扶贫效率指数，并根据各市的空间集聚特点进行初步比较分析。
在样本选取方面，本文选择山东省作为研究对象，并将电商发展较为迅速的地级市作为研究样本，分别为济南、青岛、威海、枣庄、烟台、潍坊、淄博、东营、临沂和日照。
1.1 电商扶贫效率的涵义与衡量
综合近几年的文献，由于电商扶贫是一个较为新颖的理念，学术界在电商扶贫效率衡量方面的前沿研究甚少。杨雪云（2019）构建了非径向超效率DEA模型测算电商扶贫效率，张俊英（2019）使用了修正Feder模型探究扶贫效率的直接效应与间接效应。
本文在非径向超效率DEA模型上简化了计算，略去了带有主观偏好的决策者权重设定，使用了传统的径向超效率模型进行测算。
1.1.1 径向超效率DEA模型
数据包络分析（DEA）模型是一种评价决策单元相对效率的非参数方法。Banker则在此基础上提出了径向超效率DEA模型。这一模型进一步区分了所得到的技术效率高低，极大降低了多个决策单元具有相同效率值的可能，能够满足本文对比较不同城市电商扶贫效率的需要。
其计算公式为：
（1）
式中，
—综合效率（即本文中的电商扶贫效率），其值越大，表示综合效率越高;
—被评价决策单元的投入指标变量;
—被评价决策单元的产出指标变量;
—第个城市的投入指标量;
—第个城市的产出指标量;
—各单位组合系数;
—松弛变量;
—剩余变量。
其中，有个同类型决策单元，有个投入变量，有个产出变量。
1.1.2 电商扶贫效率投入产出指标
本模型的投入指標（如表1所示）将基于阿里研究院提供的2018年网商指数进行测算：
（2）
其中，B2B网商数量以及人口数量取自山东省统计年鉴，B2B网商密度标准值借鉴了中国信息社会指数（ISI），根据各指标的标准值对数据进行标准化。其中，采用阿里研究院的目标期望作为参照标准，如表2所示。
而在产出指标方面，县域尺度经济发展存在不全面、不平衡的情况。本模型考虑到城乡差异的问题，因此采用了各个地级市农村居民可支配收入来衡量电商扶贫的产出情况。
1.1.3 电商扶贫效率的含义
根据式（1）计算可得十个城市电商扶贫发展效率与排名，如表3所示。
电商扶贫效率即模型中的决策单元综合效率。在普通的径向DEA模型中，潍坊市与枣庄市的综合效率均为1，很难对其进行进一步比较与排序。因此，本文选择超效率DEA模型，其中以1作为综合效率的有效值的分界线，将电商扶贫效率划分为高效与低效：
当时，电子商务平台相关投入与经济发展产出DEA决策单元有效，即在电子商务产的投入与产出相匹配，表明电商扶贫政策较为有效;反之当时，则表明电商扶贫政策成效不佳。
1.2 电商扶贫效率比较
从表3可知，电商扶贫政策在山东省取得了较好的成效，大部分城市的投入产出效率均接近于1，其中潍坊市更是达到了最佳。因此，在国家全面建成小康社会的决胜阶段，利用电子商务产业这一新兴平台进行区域产业升级优化，从而达到提升经济水平的政策是极为有效的。
然而，在山东省的不同城市间，电商扶贫效率存在一定的区域性差异，例如青岛与潍坊地理位置相邻，但电商扶贫效率差距较大。
2 电商扶贫效率影响因素实证研究
参考现有文献研究以及可获得性原则，我们提出关于电商扶贫效率影响因素的疑问，主要影响因素包括以下几点。
2.1 指标选取
2.1.1 因变量
电商扶贫效率：山东省10市的扶贫效率。
2.1.2 自变量
（1）等级公路里程（公里）：交通设施水平主要采用百度地图截取出的城市等级公路通车里程（国道以及省道通车长度）进行衡量。 （2）固定电话年末用户（万户）：考虑到移动电话登记点与实际使用出入可能较大，故采用固定电话年末用户衡量通信设施水平。
（3）地方一般公共预算支出（亿元）：由于不涉及时间序列分析，因此无需定基处理。
（4）人口密度（人/平方公里）： 本文采用的人口密度数据为常住人口密度，而非户籍人口密度。若统计年鉴中未给出常住人口密度，则通过该年末全市总人口数与该年底全市土地面积相除得出。
（5）普通高中在校学生数（万人）：考虑到县域范围少有高等教育机构，本文以每万人在校中学生数来衡量人力资本水平。
（6）年末金融机构（本外币）各项贷款余额（亿万元）。
2.2 灰色关联度模型
灰色关联度模型反映的是因素间的关联程度，通过比较两个因素间的关联度来量化关联性大小。如果两个序列的变化趋势，称为同步变化程度越高，那么这两个因素的关联程度就越高;反之越低。计算公式：
（3）
其中，为序列与序列的关联度，、，为分辨系数，一般取值为0.5，，。
2.3 计算结果及分析
根据式（3）的模型，通过MATLAB计算得山东省10个城市以下6个因素各自对于电商扶贫效果的影响，如表4所示。
表4 电商扶贫效率与6大因素的灰色关联度
交通基础设施水平 通信设施水平 财政支持力度 集聚经济效益 人力资源水平 金融环境水平
关联度 0.647 0.609 0.600 0.634 0.631 0.785
根据计算所得的灰色关联度，影响山东省10市电商扶贫效率最重要的因素是整体金融环境，而交通基础设施水平次之。可见，比较良好的区域整体金融环境和交通基础设施水平为电商扶贫提供了保障。
相较之前的研究，2018年由于通过对电商扶贫的日益普及化，原本起关键作用的财政支持力度和提供人才储备的人力资本水平作用略有减弱，这体现了电商扶贫工程经过3年的实施产生了巨大的能动性，不再依賴于外部资金的支持，贫困农户凭借当地先有的金融环境、交通基础设施实现脱贫，释放了良好的讯号。
3 电商扶贫效率提升策略
3.1 财政投入
对于贫困地区而言，资金是创新、创业的基础，因此为了鼓励更多贫困人口加入电子商务的发展道路，政府应该积极为电商创业设立专门的金融扶贫渠道。此外，互联网金融也应该在扶贫领域得以应用。阿里、京东作为主要的电子商务平台应该充分发挥作用，为开办网店的贫困人群提供贷款、担保上的福利举措，以解决“贷款难”“担保难”的问题。
3.2 人力资本
基于贫困地区通信设备的普及程度较低，群众在利用互联网平台方面的能力急需提高，因此人才培养在提高电商扶贫效率上占据重要位置。
第一，加大对贫困地区本土电商的培养，以先知带动后知的推广模式普及电子商务的相关知识和技能。
第二，加大外来人才的引进，要求各级政府必须加大人才引进的支持力度，比如提供鼓励机制，从而吸引广大相关专业毕业生深入贫困地区进行指导工作。
第三，加大本土人才的回流，以农村青年、返乡大学生等创业人员为重点，充分发挥他们熟悉本土特点、了解网络平台的本土化、信息化作用。
3.3 交通条件
贫困地区的电子商务发展依赖于物流配送的保障，因此只有推进交通基础设施的建设，才能打造匹配电商发展的现代化物流体系。首先，提高交通网络密度，包括公路、铁路、航空以及内河航运等运载体系，确保产品配送过程的高效性和安全性;其次，以点及面建设由乡村至县城的物流配送路径，从而搭建好电商与物流之间沟通的桥梁，便于电商及时配送产品。
3.4 通信设施
贫困地区相对薄弱的信息环境，在一定程度上限制了当前电子商务的发展。因此，国家应该有计划地为贫困地区建立最为基本的信息基础设施。除此之外，考虑到贫困地区的经济条件，可以为其提供通信成本上的优惠措施，降低使用成本，进而鼓励信息技术的使用。
参考文献
陈文浩.“互联网+精准扶贫”的实践与探索[J].中国经贸导刊，2016（09）：70-71.
唐红涛，郭凯歌，张俊英.电子商务与农村扶贫效：基于财政投入、人力资本的中介效应研究[J].经济地理，2018，38（11）：50-58.
解梅娟.电商扶贫：“互联网+”时代扶贫模式的新探索[J].长春市委党校学报，2016（02）：12-15.
杨雪云，时浩楠.电商扶贫效率的空间特征及影响因素分析：以大别山区为例[J].统计与决策，2019，35（16）：103-107.
张彬斌， 陈小利.“重点县”扶贫的人力资本形成效应[J]. 经济科学， 2015（01）.
张俊英，唐红涛.电商扶贫效率的效应分解及空间扩散——基于修正Feder模型的空间杜宾分析[J].湖南师范大学社会科学学报，2019，48（05）：87-96.
Research on the Influencing Factors and Countermeasures of E-commerce Poverty Alleviation Efficiency
——Taking Ten Cities in Shandong Province as Examples
Shanghai University of International Business and Economics
GAO Zhihan ZHAO Xinyi ZHUO Yingzhen XIE Jiayi
Abstract： Under the background that e-commerce poverty alleviation is showing a good trend， this article aims to study the efficiency of e-commerce poverty alleviation in 10 prefecture-level cities in Shandong Province in 2018 and its correlation with restrictive factors， and give relevant policy recommendations. This paper uses the radial super-efficiency DEA model to measure the efficiency of e-commerce poverty alleviation in each city， and finds that there are regional differences in the efficiency of e-commerce poverty alleviation; through the gray correlation model， analyzes the correlation with the efficiency of e-commerce poverty alleviation from multiple dimensions. The results show that the overall regional financial environment and the level of transportation infrastructure have a greater impact on the efficiency of e-commerce poverty alleviation.
Keywords：e-commerce; poverty alleviation efficiency; countermeasures; Shandong Province