“一带一路”沿线省域电子商务发展效率评价

章 印

(兰州财经大学 信息工程学院，甘肃 兰州 730020)

0 引言

经过近20年的发展我国已经成为全球规模最大，发展速度最快的电子商务市场，电子商务的商业模式、产品服务、技术应用和市场的组织方式不断推陈出新，在提升市场资源配置水平、带动传统产业转型升级、推动贸易便利化、催生就业新领域、开辟脱贫空间发挥越来越重要的作用，逐渐成为国民经济增长新引擎、传统企业改革的催化器[1]。2013年习近平提出建设“丝绸之路经济带”和“21世纪海上丝绸之路”的重要战略构想，为我国电子商务带来新的发展机遇，大力扶持“一带一路”沿线地区(包括省、自治区和直辖市，下同)电子商务有助于区域经济协调发展，带动产业结构升级转型。对于地区电子商务发展效率，应及时进行科学客观的效率测度，判断目前对电子商务资源投入和产出是否协同有效，据此合理统筹规划。

目前针对电子商务的发展效率研究主要是从企业管理角度进行，如张延林收集了国内外16家电子商务上市企业年报数据，运用DEA模型对企业的技术效率进行评价[2]，张倩基于14家跨境电子商务企业财务报表数据，利用数据包络分析法中的BCC模型和超效率模型，对跨境电商企业经营效率进行实证分析[3]。但针对地区电子商务发展效率从政策、人员到资金等资源配置是否有效，投入和产出是否协调却鲜有研究。数据包络分析(Data Envelopment Analysis,DEA)不需要假定投入产出函数关系，在很大程度上可以避免主观性的干扰，近年来已成为测度效率的主流方法。但经典DEA模型不能准确测度决策单元的效率，因其无法剥离环境效应和随机误差的影响[4]。

三阶段DEA方法由于能够剥离外部环境和随机因素对效率的影响，从而最终测度出来的效率值能更加真实地反映决策单元的经营水平[5]。因此，运用三阶段DEA模型对“一带一路”沿线18个地区电子商务发展效率进行测度研究，剔除不可控因素，结合各投入变量的松弛冗余值，识别外部环境因素对效率的影响，分析投入产出是否协同，并进行优化调整，具有一定的理论依据和现实意义。

1 研究方法和模型选择

数据包络分析(DEA)是以相对效率概念为基础，基于线性规划对多投入、多产出决策单元相对有效性进行评价的非参数方法。但是传统的DEA模型忽略了外部环境、随机误差等因素对效率值的影响，采用Fried等提出的三阶段EDA模型，能调整环境因素和随机误差，使计算出来的效率值更加真实可靠。该模型的构建过程分为三个阶段：

第一阶段：传统DEA模型。将“一带一路”沿线18个地区各视为一个评价单元(DMU)。选取一定的投入产出指标，使用投入导向的BBC模型(即综合技术效率=纯技术效率×规模效率)[6]，测算各决策单元的效率值和投入松弛变量。关于BCC模型的研究和应用较为成熟。其原理不再详细描述。

第二阶段：构建相似SFA模型。Fried等认为，第一阶段DEA模型产生的投入、产出松弛变量是由环境因素、随机误差和管理无效率三部分综合作用的结果，因此需要构建相似SFA模型来观测出这三部分因素的影响，进而在此基础上对其进行剥离。分别对各评价单元的松弛变量进行SFA回归并建立回归模型：

Sni=fn(Zi;βn)+vni+uni

(1)

n=1,2,…,N;i=1,2,…,I

为了使DUM均处于同等环境和运气之下。需要利用SFA回归分析对第一阶段效率值进行调整，剔除随机误差和环境因素对DUM效率值的影响。在调整投入松弛变量时，需要进一步分析式(1)中的综合误差项，从中分离出随机误差和管理无效率，运用罗登跃[8]给出的管理无效率公式计算出uni：

(2)

其中λ=σu/σv，εi=vni+uni为综合误差项，Φ()，φ()为标准正态分布的分布函数和密度函数。

然后利用Fried(2002)给出的公式计算随机误差vni：

E[vni|vni+uni]=Sni-Ziβn-E[uni|vni+uni]

(3)

最后，根据式(3)将所测算vni带入以下调整公式，对各DMU的投入量进行调整。

(4)

n=1,2,…,N;i=1,2,…,I

2 变量选择与数据来源

2.1 投入、产出变量的选择

根据电子商务发展特点，借鉴柯布-道格拉斯生产函数的思想，选取各地区电子商务从业人数(万人)、有电子商务交易活动企业数(万个)、电子商务固定资产投资额(亿元)作为投入变量，分别代表电子商务发展的劳动力、生产资料和资本投入；选取各地区的电子商务交易额(亿元)作为产出变量。由于我国电子商务统计工作起步较晚，考虑数据的可得性和代表性，采用中国统计年鉴中信息传输、计算机服务和软件业城镇单位就业人员作为电子商务从业人数数据，采用信息传输、软件和信息服务业固定资产投资额作为电子商务固定资产投资额数据。根据DEA模型各投入变量和产出变量之间必须符合“同向性”的假设，投入变量与产出变量的相关系数应均为正，使用Pearson相关性检验方法对其进行检测。检测结果显示，电子商务交易额与各地区电子商务从业人数、有电子商务交易活动企业数、电子商务固定资产投资额的相关系数分别为0.944、0.813、0.666，各投入变量和产出变量相关系数均为正，且通过1%显著水平下的双尾检验，符合效率分析条件。

2.2 环境变量的选择

环境变量的选择应满足“分离假设”原则，环境变量的选取需要考虑对效率值有影响的，但是又不在可控范围内的因素，结合电子商务发展的特点，选取环境变量如下：① 经济发展水平：用居民人均可支配收入(万元)来表示；② 物流水平：用邮政业营业网点数(万处)来表示；③ 互联网基础水平：用互联网宽带接入端口(千万个)来表示。剔除地区经济发展情况、物流情况以及互联网基础情况的不同对电子商务发展效率的影响。

采用“一带一路”沿线地区2017年相关数据作为样本，所选取的投入产出数据和环境变量数据均来源于《中国统计年鉴-2018》和商务部发布《中国电子商务报告(2017)》。

3 实证计算与结果说明

3.1 第一阶段：传统DEA模型的实证分析

利用DEAP2.1软件对“一带一路”沿线18个地区的电子商务发展效率进行测算(见表1)，其中21世纪海上丝绸之路沿线地区5个，丝绸之路经济带沿线地区13个(见表2)。

表1 第一阶段与第三阶段“一带一路”各地区电子商务发展效率测算结果

表2 第一阶段与第三阶段“一带一路”区域电子商务发展效率总体测算结果

由结果可知，在未剔除环境因素和随机误差的情况下，“一带一路”沿线地区的电子商务发展效率水平较低，各地区综合技术效率总体均值为0.621，纯技术效率均值0.788，规模效率均值0.796。其中，21世纪海上丝绸之路沿线地区综合技术效率均值为0.716，纯技术效率均值0.83，规模效率均值0.867，优于总体平均水平。上海三项效率值均为1，处于技术有效状态；浙江、福建、广东三地规模报酬递减，海南处于规模报酬递增状态；丝绸之路经济带沿线地区综合技术效率均值为0.585，纯技术效率均值0.772，规模效率均值0.769，均低于总体平均水平，广西、重庆两地处于技术有效状态，其他地区处于规模报酬递增状态。由于第一阶段效率值包含了环境因素和随机误差的影响，不能真实反映各地区电子商务发展效率，需要进行第二阶段的调整。

3.2 第二阶段：SFA回归结果分析

用第一阶段测算出的各投入松弛变量作为被解释变量，用经济发展水平、物流水平和互联网基础水平这些环境变量作为解释变量，运用Frontier4.1软件进行第二阶段的SFA回归，所得结果如表3所示。由表3可得，经济发展水平、物流水平和互联网基础水平对三种投入松弛变量的系数大多都显著，且LR单边似然比检验都通过，说明环境因素对地区电子商务发展投入冗余存在显著影响，验证了模型变量的合理性。三种投入松弛变量的γ值都趋近于1且通过1%的显著性检验，表示管理因素的影响占主导地位，管理无效率是造成投入冗余最重要的因素。从表2中回归系数的正负情况可以看出其对投入松弛变量的影响，当回归系数为正时，说明环境变量与投入松弛变量正相关，环境变量的增加会增加投入冗余，降低地区电子商务效率。反之，回归系数为负则表示环境变量的增加会减少投入冗余，提高地区电子商务效率。具体分析如下：

表3 第二阶段SFA回归结果

1) 经济发展水平。

该变量对从业人数、有电子商务交易活动企业数、固定资产投资额投入松弛变量的回归系数均为负。这一结果表明，经济发展水平的提高对地区电子商务效率有显著的促进作用，有助于增加电子商务行业固定资产投资额，促使越来越多的企业开展电子商务活动，提升电子商务行业的就业人数。

2) 物流水平。

物流作为电子商务“三流”的组成部分，对电子商务效率有着重要影响。物流水平对三种投入松弛变量的回归系数均为正，该指标针对物流硬件基础设施，表明加大对物流硬件基础设施投入会增加三种投入松弛变量的冗余，使电子商务效率降低。目前我国在大力推进“一带一路”沿线地区物流发展的同时，也伴随着资源利用效率低下的问题，片面追求硬件基础设施的建设，忽略软件的配套支持，会在一定程度上造成投入冗余，资源利用率下降。

3) 互联网基础水平。

该变量对三种投入松弛变量的回归系数均为负，表明提高互联网基础水平会减少三种投入松弛变量的冗余，有利于地区电子商务效率的提升。“一带一路”沿线幅员辽阔，部分地区互联网基础较差，制约了地区电子商务发展。

从上述分析可知，环境因素对地区电子商务发展效率有着显著影响，需要对其进行剔除，提高效率测算的准确性。

3.3 第三阶段：调整后的DEA模型实证结果

根据第二阶段SFA回归结果，将原始投入变量根据式(4)进行调整与原产出变量带入第一阶段的BCC模型，使用DEAP2.1软件进行测算，得到剔除环境因素和随机误差的“一带一路”沿线地区电子商务发展效率(见表1第三阶段)。

对比第一阶段和第三阶段效率值可知，投入调整前后的地区电子商务发展效率值发生了明显变化，综合技术效率均值从0.621下降至0.527，纯技术效率均值从0.788上升至0.824，规模效率均值从0.796下降至0.638，说明在没有剔除环境因素和随机误差时，综合技术效率水平在一定程度上被高估，导致综合技术效率低的主要原因是规模效率低。按地区具体分析如下：

1) 21世纪海上丝绸之路沿线地区。

第一阶段和第三阶段的综合技术效率、纯技术效率、规模技术效率均值接近。与第一阶段相比，上海保持规模报酬不变，一直处于技术有效状态，说明上海没有受到环境因素的影响，投入产出配置合理有效；浙江、福建和广东三地综合技术效率、纯技术效率、规模技术效率都有所提升，说明第一阶段受环境因素影响较大，效率值被低估，三地一直处于规模报酬递减状态，表示电子商务发展规模配置不合理，现有投入规模过大，过多的投入已经不能带来较高的产出；海南规模效率值下降严重导致综合技术效率值很低，作为旅游地区受到了电子商务资源配置规模的限制。

2) 丝绸之路经济带沿线地区。

第三阶段和第一阶段相比，综合技术效率均值从0.585下降至0.454，纯技术效率均值从0.772上升至0.817，规模效率均值从0.769下降至0.556，说明综合技术效率均值的下降主要是由规模效率的下降引起的。其中，广西、重庆一直处于技术有效状态，说明投入产出配置合理有效。西藏、甘肃纯技术效率值为1，说明未达到技术有效状态的主要原因是规模效率值引起的。从纯技术效率角度来看，吉林、黑龙江和青海三地纯技术效率值有所下降，说明他们所处的环境较好，提升了纯技术效率的发挥。内蒙古、辽宁、云南等其他地区较调整前有所上升，说明环境因素和随机误差制约了管理水平；从规模效率角度看，所有地区效率值都出现了不同程度的下降，说明他们普遍配置规模小，投入不足。丝绸之路经济带地区大多是东北和西部地区，电子商务的发展规模小，需要在保持纯技术效率的情况下适当调整资源配置规模，提升电子商务发展效率。

4 结语

在“一带一路”背景下，使用三阶段DEA模型，采用2017年截面数据对沿线18个地区的电子商务发展效率进行测评。该方法可以剔除环境因素和随机误差因素的影响，使决策单元处于相同的环境中，评价结果更准确客观。

“一带一路”沿线地区电子商务发展综合技术效率值仅0.527，说明整体效率偏低，其中纯技术效率均值较高为0.824，规模效率均值仅为0.638，说明规模效率低是制约地区电子商务发展的主要因素。其中，21世纪海上丝绸之路沿线地区和丝绸之路经济带沿线地区差异较大。

21世纪海上丝绸之路沿线地区综合技术效率均值、纯技术效率均值和规模效率均值都优于丝绸之路经济带沿线地区。其中，上海处于技术有效状态，电子商务发展模式较好；浙江、福建和广东三地处于规模报酬递减状态，说明投入和产出配置不合理，这些地区应该将重点放在合理配置资源而不是盲目的扩大规模上面。海南综合技术效率值低的主要原因是规模效率，扩大电子商务的发展规模是提升效率值的关键。

丝绸之路经济带沿线各地区都处于规模报酬递增状态，但综合技术效率均值较低，为0.454，纯技术效率均值高于规模效率均值。其中，广西、重庆两地处于技术有效状态；除陕西外，其他地区规模效率值均低于纯技术效率值，制约这些地区电子商务发展的主要因素是规模效率低，丝绸之路经济带沿线地区电子商务发展起步晚，规模小，加大投入，扩大规模是以后的发展方向。

外部环境因素对地区电子商务发展效率有显著影响，其中，经济发展水平、互联网基础水平是提升地区电子商务发展效率的有利因素，经济发展水平是基础和保障，互联网基础设施建设为电子商务的快速发展提供条件。物流水平方面普遍存在重视硬件投入忽视软件配套，导致资源利用率不高的情况，应合理配置软硬件资源，避免投入浪费，促进地区电子商务发展效率的提升。