基于GRA的电商与国民经济关系实证分析

郑承志

(黎明职业大学 商学院，福建 泉州 362000)

21世纪以来，我国电子商务一直保持着良好的增长势头。根据网经社-电子商务研究中心(原中国电子商务研究中心)公布的数据，从2009到2018的10年间，我国电子商务交易规模分别达到3.67、4.55、6.09、8.11、10.28、13.37、20.82、22.97、28.66和32.55万亿元，同比增长分别为16.87%、23.87%、33.80%、33.20%、26.81%、30.01%、55.72%、10.32%、24.77%和13.57%，远高于经济增长率。电子商务的快速发展必然会对国民经济产生影响。本文采用GRA模型，讨论了电子商务指标与国民经济指标的关联程度及耦合作用强度，旨在为相关部门制定电子商务等相关政策提供依据。

一、文献综述

有关电子商务与国民经济关系方面的研究文献还不多，实证分析更少，而且大多是学位论文。金裔婕采用Eviews软件对2003—2010年我国网络经济规模与GDP两组数据进行简单回归分析，认为网络经济对GDP有拉动作用，但有1年的滞后期[1]。桂学文从电商交易规模、从业人员数、从业人员收入、电商固定资产投入、电商产值占GDP比率等方面，测度电商对经济发展的影响作用，但由于数据来源复杂、统计口径不一，结果可信度较低[2]。王世波、赵金楼对2006—2013年网络经济规模和GDP进行简单线性回归分析，发现网络经济增加1亿元，GDP将增加137亿元[3]，但文中没有公布自变量p值，结果不一定可信。金鑫采用SPSS软件对1990—2014年电子商务行业相关数据与GDP相关数据进行多元回归分析，认为电子商务对国民经济增长有重要影响[4]。李玉琦采用VAR(向量自回归)模型对2001—2013年我国网络消费与国民经济统计数据进行分析，发现人均网络消费增加1%，人均GDP将增加0.61%[5]。奚欣明采用VAR模型对2010年第一季度到2015年第一季度的互联网经济和GDP数据进行分析，认为互联网经济规模影响GDP增长且整体上是促进经济增长的[6]。王秋园通过构建投入产出和主成分回归模型，测算电子商务对我国经济发展的贡献度[7]，但所依据的数据来源于不同年度或年度期间，结果可信度不高。上述研究要么分析简单、参考价值相对有限，要么数据来源复杂或分析不完整，结果可靠性不足。

二、GRA模型

解决不确定性问题主要有概率统计、模糊数学、灰色系统建模等3种数学方法，其中灰色系统建模主要解决小样本、贫信息所带来的不确定性问题。灰色关联分析(GRA，Grey Relational Analysis)是重要的灰色系统建模方法之一，其基本思想是用所有序列数据构成一个系统，然后根据序列数据的曲线几何形状相似程度判断序列数据之间的关联度，相似度越高，关联度也就越大[8]。以数个电商交易额年度数据作为电子商务行业测度因素、以第一、第二、第三产业增加值及GDP年度数据作为国民经济测度因素判断二者之间的关联度是典型的小样本、贫信息问题，因此本文采用GRA模型完成相关数据处理。

假定有m个规范化时间序列数据，每一序列有n个数据点：

si={si(1),si(2),...,si(n)}，(1≤i≤m)

假定参照时间序列数据为：

s0={s0(1),s0(2),...,s0(n)}

那么，在第k(1≤k≤n)个数据点si(1≤i≤m)与s0的灰色关联系数为：

(式1)

其中，γ∈[0,1]为分辨系数，其典型值为0.5；1≤i≤m，1≤j≤m，1≤k≤n，1≤l≤n。n个数据点的灰色关联系数的平均值即为时间序列si(1≤i≤m)与s0的灰色关联系数。

三、电商与国民经济灰色关联计算

(一)原始数据与规范化处理

表1是2008—2018年我国各类电商交易额、社会消费品零售总额(简称消费品零售总额)及批发和零售业商品销售额(简称批零商品销售额)等商务年度数据和国民经济核算年度数据。其中，电商物流营收、网络零售额、跨境电商交易额、B2B交易额、电商总交易额数据来源于网经社-电子商务研究中心的行业数据库，消费品零售总额、批零商品销售额、第一产业增加值、第二产业增加值、第三产业增加值、国内生产总值数据来源于国家统计局公布的年度数据。

表1 2008—2018年商务数据和国民经济核算数据 (单位：亿元)

表1中的各序列数据虽然单位相同，但数据大小差别巨大，需要规范化处理。由于表中的商务指标和国民经济核算指标都是极大型指标，因此采用以下公式进行规范化处理。

(式2)

其中，S代表原始数据，s代表规范化数据。采用式2对表1各数据序列进行规范化处理，其结果如表2所示。

表2 2008—2018年商务数据和国民经济核算数据规范化处理结果

(二)关联系数计算

以第一产业增加值作为参照序列，利用式1计算各商务数据序列与参照序列在各数据点的关联系数，式中分辨系数取典型值0.5，结果如表3所示。

表3 各商务数据序列与第一产业增加值数据序列的关联系数

表3最后一行是各数据点关联系数的均值，此均值即为各商务数据序列与参照序列的关联系数。采用同样方法依次计算可得电商物流营收、网络零售额、跨境电商交易额、B2B交易额、电商总交易额、消费品零售总额、批零商品销售额与第二产业增加值序列的关联系数分别为0.4880、0.4882、0.5703、0.5889、0.5620、0.7932和0.8488，与第三产业增加值序列的关联系数分别为0.4876、0.4857、0.6018、0.6206、0.5914、0.7923和0.8056，与国内生产总值序列的关联系数分别为0.4808、0.4804、0.5745、0.5947、0.5654、0.8795和0.8830。

四、结果与讨论

综合上述计算结果，电商物流营收、网络零售额、跨境电商交易额、B2B交易额、电商总交易额与第一产业增加值、第二产业增加值、第三产业增加值、国内生产总值的关联系数如表4所示。

表4 电商与国民经济的灰色关联系数结果

假定i序列与j序列之间的关联系数为ij，根据灰色关联分析判断准则，当ij=0时，i序列与j序列之间完全不相关，相关指标之间完全没有耦合作用；当0

五、结论及建议

第一，各电子商务指标与第一产业增加值、第二产业增加值、第三产业增加值及国内生产总值指标之间具有中等强度的耦合作用。说明电子商务已是经济建设中不可或缺的组成部分，各地各部门应继续推动电子商务的健康发展。

第二，社会消费品零售总额、批发和零售业商品销售额与第一产业增加值、第二产业增加值、第三产业增加值及国内生产总值指标之间的耦合作用比各电商指标高一个等级。说明线下交易仍然非常重要，各地各部门在制定促进电子商务发展相关政策及规划时仍应重视线下商务，特别应大力支持结合二者优点的线上线下融合创新型商务的发展。

第三，虽然网络零售、快递非常红火，但B2B电商、跨境电商与第一产业增加值、第二产业增加值、第三产业增加值及国内生产总值指标的耦合作用比网络零售和电商物流更强。近几年，跨境电商受到了广泛追捧，而B2B电商却没能引起足够重视，各地各部门在制定电商相关政策及规划时应加以注意。