信息技术背景下农产品智慧物流发展影响因素研究
——基于我国省际面板数据分析
2020-09-10谢如鹤王媚莎
劳 健,谢如鹤,王媚莎
(1.广州城建职业学院,广东 广州 510925;2.广州大学 工商管理学院,广东 广州 510006)
1 引言
互联网时代新产业新业态不断涌现,正深刻改变农产品发展环境。居民消费结构升级,对农产品物流提出了更高的要求,传统物流管理已经不能适应农产品发展需要。随着电子商务的普及,信息技术与农产品物流加速融合,推动农产品智慧物流迅速发展起来。2016年国家发改委会同相关部门制定了《“互联网+”高效物流实施意见》,为智慧物流发展奠定了政策基础。菜鸟网络、交通运输部科学研究院和阿里研究院联合发布的《2017中国智慧物流大数据发展报告》指出,智慧物流应用信息技术,推动电商物流飞速发展,它是世界物流业发展的趋势,是所有物流企业追求的目标。2019年中共中央办公厅、国务院办公厅印发《数字乡村发展战略纲要》指出,到2025年我国基本形成乡村智慧物流配送体系。我国智慧物流已步入政府强力推行、社会高度关注、物流企业积极投身建设的快车道。农产品智慧物流是主要利用互联网平台收集海量数据,通过物联网、大数据、人工智能等信息技术,提升农产品物流智慧分析与智能执行能力,逐步实现农产品物流信息化、网络化、智慧化管理的一种物流新业态。近年来,信息技术爆炸式发展,引发农业经济格局和产业形态发生深刻变革,研究信息技术背景下农产品智慧物流发展影响因素,对于推动农产品物流高质量发展,培养农业农村经济新增长极,服务农业现代化建设均起到重要的作用。
2 文献回顾
信息技术推动农产品智慧物流迅速发展,引发国内外学者积极探索。国外目前没有严格的“农产品智慧物流”概念,学者们主要从流通渠道、信息化、供应链管理等方面进行农产品智慧物流研究。G.W.J.Hendrikse[1]从农产品物流流通渠道整合与协作管理方面进行相关研究。Den Ouded M[2]等认为农产品需要在供应链合作机制中加入信息代理这一中介组织。Lesaoana Tshabalala Bopanev[3]分析信息不对称的农产品市场,农户会选择获取信息相对便宜的方式。Roxana Procopie[4]提出了为确保农产品物流安全、农产品质量,必须建立农产品供应链信息技术平台。Norbert.N[5]等从互联网信息服务系统角度分析了农产品电子商务产业链,从而提升农产品在生产与销售中的应用。Hobbs J E[6]对农产品供应链可追溯制度的经济功能进行了研究。国内关于农产品智慧物流的研究包括:谢如鹤[7-9]等认为随着农业生产方式和消费行为转变,当前农产品物流发展满足不了市场需求。游德升[10]指出我国农村智慧物流发展仍存在体制、产业技术等方面的问题。曾志勇[11]认为智慧物流是服务网络购物的重要平台,农村发展智慧物流有利于促进经济发展。王朔[12]认为农产品销售困难,制约了农业经济发展,据此提出“社会企业+智能物流”合作发展理念。何玲辉[13]认为农产品智慧物流基础良好,但是产业集聚程度不高。翟优子[14]等基于农产品物流园区的研究,提出了实现农产品智慧物流自动化、信息化和网络化管理的建议。随着智慧物流的深入发展,国内外学者已经开始从信息技术角度进行农产品智慧物流研究,已有研究主要包括现状分析、前景预测、运营管理等方面,这些研究以定性分析为主,鲜少涉及定量分析,关于农产品智慧物流影响因素亟待深入研究。
3 农产品智慧物流评价指标体系构建
参考国家统计局农产品分类,本文研究的农产品主要包括种植业、畜牧业、渔业等产品。顺应信息技术背景下农产品智慧物流发展需要,探讨农产品智慧物流的影响因素,尝试构建定量分析模型,基于我国省际面板数据实证分析,探索农产品智慧物流内外融合发展对策,以推进我国农产品智慧物流可持续发展。
3.1 数据来源及评价指标选取
(1)数据来源与处理。面板数据主要来自《中国统计年鉴》、《全国科技经费投入统计公报》及《全国科技经费投入统计公布》等统计资料。随着信息技术与各行业深度融合发展,2013年国家统计局调整、增设了“软件和信息技术服务业主要经济指标”,结合信息技术背景下农产品智慧物流研究,尝试引入信息技术服务收入、技术市场成交额等指标进行分析;考虑到数据可获得性及可用性,剔除了西藏、香港、澳门、台湾四个地区的数据,对我国30个省、市、自治区2014-2018年连续5年的面板数据进行分析,样本观测总数为2 850个。
(2)评价指标选取。研究农产品智慧物流评价指标,是分析农产品智慧物流发展的关键,也是提出合理管理建议的前提。目前关于农产品智慧物流的评价指标尚未明确,学者提出的相关指标见表1。
表1 农产品智慧物流相关评价指标
综合考虑已有评价指标,结合农产品智慧物流特点,分别从行业经济、互联网、信息技术等方面选择指标,基于信息技术背景,尝试引入信息技术服务收入(x13)、软件业务收入(x15)两个新指标,合计19个指标,从农产品智慧物流基础因子(F1)和农产品智慧物流信息技术因子(F2)两方面进行分析研究,选用指标见表2。
表2 农产品智慧物流分析指标
3.2 评价模型
(1)因子分析。因子分析方法主要是研究变量内部依赖关系,把众多存在相关性的变量归结为少数几个综合因子,通过分析综合因子进而发现问题、解决问题的一种多变量分析方法。影响农产品智慧物流的变量众多,各变量之间存在一定的相关性,分析影响农产品智慧物流变量的特点,本文尝试采用因子分析方法研究农产品智慧物流发展的影响因素。
因子分析数学模型:
通过对载荷矩阵进行分析,可得到因子变量和原有变量之间的关系:
可观测随机向量X=(x1,x2,...,xp),其中均值向量E(x)=0,协方差阵Cov(X)=∑,且协方差矩阵∑与相关矩阵R相等。不可观测的因子向量Z=(z1,z2,...,zm),其中(p<m),均值向量E(Z)=0,协方差矩阵Cov(Z)=1。
(2)面板数据因子分析。系统分析信息技术背景下农产品智慧物流发展应该从多个维度进行。面板数据是同时包含时间和空间(样本)的三维数据,相对于时序数据、横截面数据等二维数据,面板数据更适合研究快速发展的农产品智慧物流。面板数据模型的一般形式:其中 ai为截距;i=1,2,…,N(N为个体数);t=1,2,…,T(T为每一个体的观察时点数);K为解释变量个数;uit是随机误差项。其矩阵结构见表3。
表3 面板数据矩阵结构
运用面板数据进行农产品智慧物流因子分析可以提高估计量的抽样精度,有利于获得更多动态信息。王培等[23]运用面板数据进行了因子分析与主成分分析研究。董锋等[24]改进了多指标面板数据因子分析方法,对每一时间截面数据进行一次因子分析,把方差贡献率当作权重计算综合因子得分。任娟[25]分析了多指标面板数据因子分析法,总结了现有研究主要是根据专家对公共因子赋予的权重计算权值进行综合评价。本文在已有研究基础上,基于信息技术背景,运用我国省际面板数据,分析影响农产品智慧物流发展的公共因子,在检测公共因子符合适用性检验的前堤下,对公共因子进行二次因子分析,然后运用方差贡献率计算综合因子得分,进而定性、定量分析农产品智慧物流发展的影响因素。
(3)面板数据因子分析主要公式。利用面板数据进行农产品智慧物流发展分析,由于各指标的量纲和数量级不同,首先要对各指标的数据进行标准化处理,消除不同指标之间量纲和数量级的影响,其标准化公式为:
t时间点第i个样本因子得分计算公式为:
φk(t)为第k个因子的贡献率,Fki(t)为第i个样本的第k个公共因子。
综合因子计算公式为:
δ(t)为第t个因子的贡献率。
4 我国省际面板数据实证分析
4.1 指标标准化
进行农产品智慧物流发展分析研究,首先对样本原始数据进行标准化处理。以2018年我国30个省、市、自治区的数据为例,其标准化数据如下:
4.2 适用性检验
对样本标准化数据进行KMO和Barlett球形检验。从表4中可以看到,KMO值在0.757至0.852之间,大于0.5,样本变量之间相关性较强;显著性为0.000,小于0.05说明;结合KMO和Barlett检验结果,说明样本适合使用因子分析法。
表4 2014-2018年标准化数据KMO和Barlett检验
4.3 提取公因子
从表5总方差解释表可以得出,初始特征值栏目中,只有两个公因子的特征值超过1。第一个公因子的特征值范围为13.440~13.602,方差贡献率范围为70.734%~71.590%;第二个公因子的特征值范围为3.108~3.383,方差贡献率范围为16.359%~17.804%;这两个公因子累计方差贡献率范围为87.498%~88.539%,提取两个公因子可以解释原始变量超过85%的信息。
表5 2014-2018年总方差解释
4.4 因子得分
运用SPSS24.0软件,采用主成分分析法,获得表6成分得分系数矩阵。
从表6中可以分析得出,第一个公因子主要影响指标包括:地区生产总值(x1)、农产品总产值(x2)、主要农产品种植面积(x3)、互联网宽带接入端口(x4)、农村互联网宽带接入用户(x5)、移动互联网用户(x6)、信息化与电子商务企业个数(x7)、邮政营业网点(x8)、民用汽车拥有量(x9)、农村投递路线(x10)、教育经费支出(x11)、普通高等院校毕业生数(x12),这十二个指标较为集中反映在农产品智物流基础方面,因此归纳为农产品智慧物流基础公共因子(F1);第二个公因子主要影响指标包括:信息技术服务收入(x13)、电子商务销售额(x14)、软件业务收入(x15),技术市场成交额(x16)、企业拥有网站数(x17)、R&D经费支出(x18)、R&D人员全时当量(x19),这七个指标较为集中反映在农产品智慧物流的信息技术方面,因此归纳为农产品智慧物流信息技术公共因子(F2)。
表6 成分得分系数矩阵
分析我国30个省、市、自治区农产品智慧物流发展情况,利用各地区的标准化数据及其成分得分系数,分别计算相应的公共因子得分。例如2018年公共因子得分计算表达式:
采用同样方法,计算各地区2014-2018年截面数据公共因子得分。对截面数据公共因子构成的综合评价矩阵进行数据标准化处理,得到矩阵R'2014-2018。
对R'2014-2018标准化数据进行KMO和Barlett检验,KMO值为0.733,大于0.5;显著性为0.000,小于0.05;从KMO和Barlett检验结果来看,R'2014-2018适合采用因子分析法。
使用SPSS24.0软件对R'2014-2018标准化数据进行主成分分析,计算各地区农产品智慧物流基础因子F1和农产品智慧物流信息因子F2得分,计算方法与前面F(2018,1)、F(2018,2)计算方法相同,在此不再赘述。以矩阵R'2014-2018标准化数据的方差贡献率作为权重,计算我国30个省、市、自治区的综合因子得分。
表7 总方差解释
例如北京2018年综合因子得分计算表达式:
F北京=(-1.593×49.905+2.943×49.798)/99.703=0.673
用同样方法计算我国30个省、市、自治区综合因子得分。根据各地区综合因子得分进行排名,结果如图1所示。
5 结论与对策建议
5.1 结论
图1 我国30个省市自治区的综合因子得分排名
本文在国内外已有研究基础上,利用我国30个省、市、自治区2014-2018年面板数据,运用因子分析法,对我国农产品智慧物流发展主要影响因素进行实证研究,主要得出以下结论:分析样本KMO大于0.75(>0.5),Bartlett检验相伴概率为0.000(<0.05),样本适合因子分析法;对影响农产品智慧物流发展的19个主要影响变量进行主成分降维分析,提取共性因子,其中有两个公共因子特征值超过1,这两个公共因子可以解释原始变量超过85%的信息,主要从物流基础、信息技术两个方面对农产品智慧物流发展产生影响;以方差贡献率作为权重,计算我国30个省、市、自治区的综合因子得分,其中11个地区综合因子得分为正值、19个地区综合因子得分为负值,从分析结果来看,我国农产品智慧物流发展水平整体不高;各地区综合因子得分差异大,其中广东得分最高(F广东=2.145),青海得分最低(F青海=-0.760),我国农产品智慧物流各地区发展不平衡,沿海、大城市等发达地区发展水平高,僻远地区发展水平落后。
随着互联网普及,信息技术在农产品物流中广泛应用,我国农产品智慧物流快速发展,但是整体发展水平不高,发展基础薄弱,关键信息技术研发滞后,信息技术创新应用亟待进一步激发。
5.2 对策建议
加快完善农产品智慧物流基础建设。把握信息技术背景下农产品智慧物流发展新趋势,加强乡村移动互联网战略部署,科学规划农产品网络销售体系,开展互联网公共基础设施升级改造,提升农产品智慧物流的服务能力。加快完善农产品智慧物流服务体系,加强农产品物流骨干网络建设,完善城乡配送网络,支持有条件的乡镇建立农产品智慧配送中心,规划建设一批农产品智慧立体仓库、产地智慧冷链仓库,加快推进数字物流基础设施建设,提升农产品智慧流通水平。加大对农产品经营主体培育力度,促使其成为农产品智慧物流建设骨干力量,加强农产品物流智力建设,注重科研人员培养,为农产品智慧物流发展提供源源不断的人才保障和智力支撑。创新农产品智慧物流投融资机制,引导资本、技术和人才等资源向农产品智慧物流流动,着力解决农产品智慧物流发展不平衡不充分问题,支持发达地区发展适度规模经营,加大对落后地区财政扶持力度,促使农产品智慧物流成为乡村振兴的新力量,引领农业经济高质量发展。
利用信息技术推动农产智慧物流发展。将农产品物流各个环节纳入信息技术管控之下,重塑农产品物流业务流程,推动农产品智慧物流模式创新,促进信息技术与农产品智慧物流高度融合,实现农产品智慧物流跨越式发展。有效整合国家农产品物流科技资源,依托国家科研机构,开展农产品物流智慧感知、智慧分析、智慧决策等关键信息技术攻关,加强农产品智慧物流信息技术前沿布局,加快推动物联网、大数据、人工智能等新一代信息技术创新与应用,全面提升农产品物流信息化、服务智慧化、管理高效化的发展水平。建立统一开放的农产品物流公共信息平台,加快数字物流升级改造,促进物流信息和大数据互联互通与开放共享,增强信息技术对农产品物流市场需求的分析能力、反应能力和调整能力,推动农产品物流线上线下资源融合发展。依托新一代信息技术,积极探索云仓共享、人工智能、无人机配送等物流服务新模式,打造虚实相结合、产销一体化农产品智慧链,实现农产品存、取、管全程智慧化。顺应信息技术发展趋势,以农产品智慧物流为突破口,增强农业经济高质量发展的内生动力,为实现更高水平的农业现代化建设奠定坚实的基础。