我国农产品供应链韧性影响因素元分析

瞿英，王家琦

（河北科技大学经济管理学院，河北 石家庄 050018）

0 引言

根据国家统计局资料显示，2021 年全国粮食总产量达到了68 285 万t，同比增长了1 336 万t，涨幅高达2.0%。2021 年全国猪牛羊禽肉总产量为8 887 万t，同比涨幅达到了16.3%。从农产品的市场销售规模来看，粮油食品类商品零售额比上一年分别增长20.4%、10.8%，以农产品为主的第一产业产值增长迅速[1]。以河北省为例，根据统计局数据，受疫情影响，河北省2020 年度第一产业全省GDP 占比为10.7%，2021 年第一产业增长6.3%[2]，以农产品为主的产业骤然衰减，乡村地区经济急需恢复,在全国范围农产品产值增长迅速的大前提条件下，其农产品产值却增长缓慢甚至部分农产品产值呈现倒退现象，与河北省农产品供应链韧性较弱，供应链韧性结构不完善有很大关系。以2021 年全国各地区和部门为例，直接采购和帮助脱贫地区农产品销售而进行的采购份额中，市场化销售比例仅为60%，仍有40%的产品销售是以非市场化形式完成的[3]，说明部分农村地区的农产品产业链链条构建尚不完善，产业链韧性与安全得不到保障。习近平总书记在2021 年11 月18 日主持召开的中共中央政治局会议中强调增强产业韧性和抗冲击能力，从而确保粮食安全[4]。因此，加强农产品供应链韧性成为提高经济建设，尤其是乡村经济建设的重要任务，而探寻农产品供应链韧性的主要影响因素，能够更快捷、高效地发现供应链韧性建设中的薄弱点，以最少的资源投入带来最大的收益。

1 中外农产品供应链韧性研究

供应链是指在商品的生产过程中，原材料、产品、资金和信息在生产、流通及消费等各个环节的运转过程[5]。不同于工业品供应链，农产品生产具有分散性、季节性以及区域性等特点，导致农产品供应链应对外生冲击的抵抗力较弱[6]。供应链韧性是指供应链受到干扰后能够恢复到原始状态或者更加理想状态的能力[7]。因此，农产品供应链韧性可以理解为农产品在生产、流通、销售的整个供应链环节中，抵抗干扰并恢复升级的能力。当前国内外研究集中于农产品供应链韧性影响因素识别及评估和基于韧性思考的供应链模式改造两方面。对于第一方面，有学者认为，目前很难从宏观层面对供应链韧性所涉及的各种要素进行整体衡量，但可以从原材料、半成品、中间商等物品的贸易流转入手分析该供应链的受损及恢复程度、并识别供应链的恢复时间，以此为基础分析该供应链的韧性[7]。CHANG等[8]学者认为，安全库存、冗余在很大程度上可以缓解供应链中断带来的损失，维护农产品供应链韧性。张美等[9]经过调查得出农产品加工程度、对农产品供应了解程度、政府支持力度、农户在供应链的话语权对农户融入意愿有显著正向影响，而年收入显著负向影响农户融入意愿的结果。GLICKMAN[10]提出农产品供应链的可见性观点，ROBERT[11]则认为收益共享等因素可以在一定的时期内缓解供应链中断程度，加快高适应性农产品供应链构建。针对第二方面，学者们结合新兴技术提出了不同的提升供应链韧性的模式。随着国内线上交易激增现状，部分学者从互联网金融，电商直播等方面对农产品供应链进行重构和改造，如：将区块链技术融入至农产品供应链之中，从农产品供应链的信息传递、保障体系、电商服务这3 个因素入手，构建了“双H”型架构[12]。崔红等[13]认为当前学术界与农企面临的一个难题是当电商参与到农产品供应链金融中，并没有考虑到农户破产的情况；针对如何减少和应对该现象的问题，提出保证供应链韧性的稳定要从保险和企业分担风险两方面进行巩固。此外，尝试以传统农产品电商供应链运作模式为基础，构建了“供应—直播—平台—消费”4 端的农产品直播供应链模式[14]。亦有程文、闫柏睿依托传统的供应链参考模型（SCOR 模型），将“互联网+”思想融入其中，从基本流程层、配置层、流程元素层对该模型进行了具体构建，最终形成了一个信息可共享、安全可追溯的高韧性生鲜农产品供应链体系[15]。

总体上讲，中外学者对于农产品供应链的韧性研究日益丰富，对影响因素的研究各有见解，不仅限于传统供应链在产品种类、加工方式、供需关系、客户关系，财务因素等要素，也从网络营销、直播销售等新兴要素进行了研究。已有文献大多是针对某几项因素的研究，而对多种因素对农产品供应链韧性影响程度强弱的关注较少，其实证研究的数量及结果并不一致，文献元分析技术则是指通过综合现有研究，可以减少在单一研究结论中出现的测量误差和抽样误差，从而可以在宏观视角得到更普遍、更精确的结果，在跨学科研究评价结果领域也获得了普遍认同，在跨学科研究评判结果领域受到了广泛认可。因此，本研究拟引入元分析方法对农产品供应链韧性影响因素进行综合分析，旨在从高影响力因素入手，以最低成本，耗费最少的人力物力，最大程度地提升河北省农产品供应链的抗冲击和恢复能力。

2 研究方法

2.1 数据收集

本研究对2000 年1 月至2022 年1 月的中英文文献进行了全面搜索，其中中文数据库包括中国知网、维普数据库、万方数据库，检索词采用：农产品供应链、农产品供应链韧性；英文数据库包括Web of Science、PubMed、Google Scholar，英文检索词为Agricultural product supply chain、Resilience of agricultural products supply chain 等共检索到中文文献和英文文献312 篇。为保证文献质量，对文献进行以下形式筛选：①所选文献必须是关于农产品供应链及其韧性相关影响因素的实证研究，排除不符合主题的文献；②研究的假设和方法需有关于农产品供应链及其相关影响因素的实际数据支持，排除纯理论研究文献、模拟数据文献、专家访谈类数据文献；③各个文献的研究之间相互独立，数据互不干扰，排除样本交叉和数据重复的文献；④排除影响因素数据不完整或数据整理有缺陷的文献，具体流程如图1。

图1 文献筛选流程

2.2 文献编码

文献编码主要从文献作者、发表时间、发放样本量、相关系数、自变量纬度等方面对纳入文献进行资料编码。对每个样本进行独立编码，若一篇论文包含多个独立样本或结局指标，采用求平均的方法来确定变量的相关系数以及可靠性[15]。该过程采用人工文献编码方式，根据纳入文献和排除文献的标准分别交由2 名编码者独立完成，而后将2 份结果进行比较，核查数据的准确性。通过对比发现，编码的一致性接近98%，文献编码信息见表1。

表1 文献编码信息表

2.3 数据处理

本研究选用CMA（Comprehensive Meta Analysis）3.3 进行数据处理，对各文献内的影响因素进行相似项合并，而后进行统计，发现经济、客户关系、物流、产品质量、技术5 个影响因素出现频率最高，故对以上5 个效应量进行异质性检验，采用Q检验和I2评价指数作为评价标准来确定使用固定效应模型或随机模型，并进行合并效应值分析和敏感性分析。

3 元分析结果

3.1 发表偏倚检验

漏斗图的作用是将在一定样本量或精确性下单个研究的干预效应估计值可视化。漏斗的中线表示主效应的95%置信区间，横轴为各研究干预效应量估计值，纵轴为研究样本标准误差，通过分析漏斗图可以检查此次研究是否存在报告偏倚的风险。根据农产品供应链韧性影响因素文献分析漏斗图，如图2 所示，结果显示，纳入元分析的文献干预效应量集中在漏斗的顶部，且均匀分布于整体效应量的两侧，表明研究纳入样本质量较高且不存在严重的偏倚风险。

图2 发表偏倚漏斗图

3.2 异质性检验

为了研究各影响因素之间是否存在差异和多样性，通过CMA3.3 进行异质性分析，得到异质性分析结果表，如表2 所示，对纳入的效应量进行Q验检。结果显示，各效应量的最大值和最小值之间并无极大差距，Q-value 总和为621.253，P-value<0.000 1，各效应变量I2均>91%（总效应量为98.51%），表明各项研究之间存在显著异质性，故采用随机效应模型分析效应量，异质性显著的原因主要是由各文献调查数据来源的农产品种类差异。

表2 异质性分析结果表

Meta 分析森林图可以直观地将纳入研究的各文献权重及其异质性检验结果显现出来，森林图如图3 所示，以一条0 刻度无效线作中心轴，横坐标表示各样本对社区安全影响的效应量强弱，0 刻度左侧表示负向影响，右侧表示正向影响，纳入的每个样本使用纵坐标中的各个方块表示，方块的大小表示该项研究的权重，用平行于横坐标的贯穿各个方块的多条线段表示每个研究的效应量和置信区间，图形中线段越短则表示结果越精确且置信区间较小。从森林图可以直观发现：各样本的影响权重差异不大，但效应量置信区间具有一定差异，并普遍向右偏倚，表明此次研究的样本中经济因素、客户关系因素、物流因素、产品质量因素、技术因素都具有正向影响，且研究具有一定精确度。

图3 Meta 分析森林图

3.3 敏感性分析

为了确定研究结果是否稳定，排除因个别文献数据导致整体数据偏倚的现象，并找到影响社区安全的敏感因素及影响最大的敏感变量，研究使用CMA 3.3 软件进行敏感性分析，在对每一个研究样本进行删除后，记录整体合并效应值，得到敏感性分析表，即表3，结果表明，在剔除任意一个样本后，各影响因素的整体效应量在0.644～0.667 之间浮动，浮动比例较低，表明此次元分析估计结果不受极端值的影响，具有较高的稳定性。

表3 敏感性分析表

续表

3.4 效应合并值分析

效应值作为表示量化现象强度的数值，由于各文献的研究结果之间存在矛盾和差异，故进行合并效应值计算，对各研究结果进行一致性评价，经数据处理后得到供应链韧性影响因素合并效应值表，如表4 所示：经济、客户关系、物流、产品质量、技术这5 个因素对农产品供应链的韧性呈显著的正向影响，P<0.000 1，具有统计学意义。其中合并效应量从低到高分别为经济因素0.546、物流因素0.636、产品质量因素0.694、技术因素0.701、客户关系因素0.731。

表4 合并效应值表

4 结论与建议

通过以上分析结果，可以看出客户关系、技术及产品质量这3 个因素对农产品供应链韧性的影响最为深远。如何结合农产品供应链现状，改善并提高农户与客户的关系、加强农户的供应技术以提高产品质量与运输保障成为加固农产品供应链韧性的主要途径。

对于维护稳定农户与客户的链接纽带关系，不仅限于农户与收购农产品企业的联系，更重要的是建立链条成员的互为客户观念。即农产品供应链上的每一个成员都是其他某个成员的客户，比如物流企业的客户是零售商，而零售商的客户是经销商等，因此每个成员都要有效维系自身的客户，才能保证供应链的稳定性。通过建立供应链成员企业伙伴联盟，建立起面向农产品的多级客户链，提高链条上节点客户的粘度，从而保障供应链的平稳运行。此外，随着农产品电子商务的迅速发展，线上销售模式已经成为重要的农产品销售渠道，线上销售农产品数量连年增加，加强农户与线上消费客户的联系也成为了提升客户关系的重要途径。因此链条的扁平化是未来供应链发展的一个趋势。如推从政策上支持广电商直播销售、网上商城直接选购B2C 模式、对产地特殊农产品提供免费广告宣传、构建支持现代农业示范园区与消费者观光旅游结合的模式等，可以实现直接面向消费者，形成“去中介化”效应，向上联系到农户散户，向下联系到第三方电商大市场，减少农产品由农户到消费者手中经历的收购人、农产品批发市场、收购企业、批发零售商等多个环节，将传统模式下的“长链条”转变成“短链条”，能大幅度缓解由于供应链的环节过多造成供需信息偏差、农产品供应链的各个主体之间产生利益冲突、农产品多次运输导致损耗增大等问题。因此农产品供应链条扁平化在一定程度上规避了信息不透明、成员企业冲突带来的风险问题，也会大大减轻对其供应链韧性的考验。另一方面，应加强产销对接力度，在加强线上销售力度的同时，仍要注重“线上线下相结合”的方式，以乡县为单位，由政府牵头举办各类农产品产业发展会,促进产销对接，扩大市场影响力。

从提高供应链各环节的技术层面来讲，农产品供应链普遍存在着信息偏差、供需不对等、供需响应不及时、农户从生产到销售到技术知识落后等问题。应努力推进数字化技术普及和应用到农产品供应链的各个环节的进程，摆脱传统销售链的束缚。结合农产品销售主要县域开展实际情况，组织区块链技术、可视化技术、大数据处理技术融入农产品供应链各环节的技术推广与培训，使得产品在整个供应流程中能够精准溯源、减少主体信息不对称、产品信息容易被更改等现象的产生，促进可信农产品供应链的形成，从而有效促进农产品供应链韧性的提升。政策性推广直播、短视频等技术的引入及补贴，将生产商与经销商合为一个整体，打通农产品销售的绿色通道，提高农产品供应链传递效率，减少产品销售链条传导的主体风险，减轻供应链韧性压力。然而网络销售模式的拓展需要农产品供应链的产业平台以及细分市场的专业供应链平台的支撑，在这方面农产品市场还有待完善，应以数字化技术为主导，加强整个农产品供应链条的基础信息设施建设，扩大数据采集范围，努力搭建农贸信息共享的大数据综合平台，最后构建由政府或权威性第三方引导的信息公开化、透明化的中介组织。

农产品质量一直是市场最为关注的要素之一，也是保障农产品供应链韧性的根本所在。因此首先需要农户建立起质量意识，一方面通过自身积累的经验，通过引进和改良各类农产品生产技术，同时政府也应支持高标准农业设施建设，为农户在技术设备革新方面提供资金或低息贷款支持，从而不断提升农产品本身的质量。另一方面，借助新兴技术保证和提高农产品供应链服务质量。如生鲜农产品的保鲜、包装、溯源等方面，目前消费者对生鲜农产品的关注更聚集在健康、新鲜程度、营养成分等方面，因此生鲜农产品供应链的提升关键点应在产品源头、产品质量以及对物流各环节的品质把控，提升仓储保鲜冷链物流的各项技术，弥补“第一公里”和“最后一公里”的生鲜储存设施与运输短板，各地政府应支持产地冷藏保鲜设施建设，聚焦各地自身的特色农产品与主要生鲜产品的优势与特点，支持以村单位或新型农业经营主体建设农产品产地冷藏保鲜设施。

文章通过元分析的方法，对影响农产品供应链韧性的各项因素强度进行了分析和排序，证实了经济、客户关系、物流、产品质量、技术等因素对稳固农产品供应链的韧性均起到正向作用，且客户关系成为了最大的影响因素。对于提升河北省农产品供应链韧性，可以着重从客户关系因素与技术因素入手。但受文献信息的影响，此次研究不能通过调节变量来探究居农产品的具体种类、地域特性对各影响因素的效果，且因现有关于农产品供应链韧性的实证研究较少，含有数据的文献有限。随着相应研究的增多，后续可进行更加详尽的多变量分析，得出更为准确可靠的研究结论。