王敏

摘 要：互聯(lián)網(wǎng)在現(xiàn)代經(jīng)濟社會中扮演著重要的角色，隨著網(wǎng)絡購物的普及，對快遞行業(yè)要求也越來越高。那么互聯(lián)網(wǎng)與快遞業(yè)的聯(lián)動關系如何呢？基于互聯(lián)網(wǎng)上網(wǎng)人數(shù)與快遞業(yè)務量之間的相關數(shù)據(jù)，運用計量經(jīng)濟學方法并利用STATA軟件來對這一問題進行實證分析。通過建立截面模型和面板模型發(fā)現(xiàn)互聯(lián)網(wǎng)上網(wǎng)人數(shù)對于快遞業(yè)務量增長有顯著的影響，并且每當互聯(lián)網(wǎng)上網(wǎng)人數(shù)增長1%，快遞業(yè)務量增長0.64%。

關鍵詞：互聯(lián)網(wǎng)上網(wǎng)人數(shù)；快遞業(yè)務量；實證分析；固定效應

中圖分類號：F260 文獻標志碼：A 文章編號：1673-291X（2014）24-0059-02

引言

據(jù)不完全統(tǒng)計，自1990年以來中國快遞市場年增長率在30%以上，是同期GDP平均增長率的3倍，快遞業(yè)成為中國增長最快的產(chǎn)業(yè)之一。① 互聯(lián)網(wǎng)的普及和網(wǎng)絡購物的發(fā)展，是快遞業(yè)務量增長的重要因素。自2005年以來，電子商務的快速發(fā)展推動了快遞業(yè)務量的迅速擴張，網(wǎng)絡零售帶動的業(yè)務量占快遞總量的50%以上，快遞業(yè)務量總體走勢與電子商務發(fā)展總體走勢基本一致。②互聯(lián)網(wǎng)改變了人們的生活方式的同時，無疑極大促進了快遞業(yè)務量的增長和快遞行業(yè)的發(fā)展。

本文通過全國31個省的數(shù)據(jù)運用計量方法和STATA軟件做回歸模型來研究互聯(lián)網(wǎng)對于快遞業(yè)的影響。

一、文獻綜述

近年來，隨著經(jīng)濟、社會的快速發(fā)展和電子商務崛起，國內(nèi)快遞業(yè)已經(jīng)逐步發(fā)展成為促進國民經(jīng)濟發(fā)展以及產(chǎn)業(yè)結構升級的新興服務產(chǎn)業(yè)。但由于目前快遞業(yè)處于初級階段，存在產(chǎn)業(yè)集中度低，生產(chǎn)效率不高，惡性競爭現(xiàn)象，因此，分析快遞業(yè)發(fā)展的影響因素及存在的問題具有重要意義。從已有的研究成果來看，很多學者和研究人員基于產(chǎn)業(yè)經(jīng)濟學的理論從產(chǎn)業(yè)關聯(lián)度這個角度研究，如李俊英（2011）以快遞產(chǎn)業(yè)為研究對象，從產(chǎn)業(yè)關聯(lián)的視角分析快遞產(chǎn)業(yè)發(fā)展的必要性和發(fā)展路徑，考察與快遞產(chǎn)業(yè)緊密相關的產(chǎn)業(yè)。季彤②（2012）在運用產(chǎn)業(yè)關聯(lián)度理論對中國快遞業(yè)現(xiàn)狀發(fā)展做了定性分析的同時，還做了大量的定量分析得出快遞產(chǎn)業(yè)與所考察產(chǎn)業(yè)指標之間均有明顯相關關系，并列出了各個相關系數(shù)。

從目前已有的資料來看，可以發(fā)現(xiàn)國內(nèi)研究快遞業(yè)的文章很多，但大多數(shù)停留在快遞產(chǎn)業(yè)的實踐應用層面，關于科學理論分析的甚少，定性研究占主導地位，有分量的定量研究不足。本文意在主要從互聯(lián)網(wǎng)的角度考察對快遞業(yè)發(fā)展的影響情況，運用STATA計量工具定量分析數(shù)據(jù)是本文的創(chuàng)新之處。

二、數(shù)據(jù)來源與變量選擇

2006—2007年各省市地區(qū)的快遞業(yè)務量有明顯增大的趨勢，31個省市2007年的快遞業(yè)務量至少是2006年的兩倍（廣西壯族自治區(qū)是1.96倍），上海市甚至達到了11.5倍，這與引言部分分析的網(wǎng)絡購物的萌芽期與發(fā)展期相一致。③

本文中另一個核心的解釋變量是互聯(lián)網(wǎng)上網(wǎng)人數(shù)（online）?？疾旎ヂ?lián)網(wǎng)的指標主要有互聯(lián)網(wǎng)上網(wǎng)人數(shù)和網(wǎng)絡購物交易額兩種。一方面由于無法搜集到網(wǎng)絡購物交易額的數(shù)據(jù)而沒有采用交易額作分析，另一方面從季彤②（2012）的研究中發(fā)現(xiàn)，互聯(lián)網(wǎng)上網(wǎng)人數(shù)比網(wǎng)絡購物交易額對快遞業(yè)的相關度更高，且數(shù)據(jù)容易搜集，故采用互聯(lián)網(wǎng)上網(wǎng)人數(shù)這個變量。

為了檢驗穩(wěn)健性，本文還引入了三個變量：居民消費水平（consumption）、貨物周轉(zhuǎn)量（freight）和零售業(yè)企業(yè)主營業(yè)務收入（retailing）。

三、計量模型與實證分析

（一）模型的建立

快遞業(yè)務量和互聯(lián)網(wǎng)上網(wǎng)人數(shù)直接反映在散點圖上，只能看出有一定的正相關關系，擬合的曲線類型卻并不明顯，取對數(shù)后兩者之間明顯存在正相關關系。做簡單一元線性回歸可知，取對數(shù)之前R2=62.81%，F(xiàn)（1，308）=77.94，取對數(shù)之后結果分別增大至86.37%和1 203.54，進一步驗證了取對數(shù)的必要性。

考慮用多元線性回歸OLS模型初步檢驗各變量的顯著程度，模型如下：

ln_ex=β0+β1ln_on+β2consumption+β3freight+β4retailing+ui

其中β1表示，當ln_on變化1%，引起的ln_ex的變化為β1%。

（二）回歸分析

1.截面回歸

對數(shù)據(jù)進行截面回歸的結果發(fā)現(xiàn)，貨物周轉(zhuǎn)量的系數(shù)為負且t檢驗值太小，違背了經(jīng)濟含義的同時也無法通過統(tǒng)計性檢驗。從統(tǒng)計局數(shù)據(jù)庫發(fā)現(xiàn)，該指標統(tǒng)計的范圍過大，其中還包括旅客運輸?shù)闹苻D(zhuǎn)量，由于數(shù)據(jù)無法進一步處理，因此剔除這個變量。剔除后的回歸結果如下：

ln_ex=1.30+0.82ln_on+0.00007consumption+0.0002retailing

（35.49） （8.33） （6.89）

觀察該回歸方程，每個解釋變量系數(shù)在1%水平下都顯著異于0，說明解釋變量對被解釋變量有顯著影響?；ヂ?lián)網(wǎng)上網(wǎng)人數(shù)的系數(shù)為0.82，其含義為當互聯(lián)網(wǎng)上網(wǎng)人數(shù)每變動1%時，快遞業(yè)務量平均增加0.82%，說明互聯(lián)網(wǎng)上網(wǎng)人數(shù)對于快遞業(yè)務量的解釋力度達到了82%。居民消費水平和零售業(yè)企業(yè)主營業(yè)務收入在統(tǒng)計意義上都很顯著，但系數(shù)都較小，在經(jīng)濟意義上不能做很好地說明，這也從另一方面表明了互聯(lián)網(wǎng)上網(wǎng)人數(shù)對于快遞業(yè)務量的影響的確占據(jù)了主要因素。

該回歸模型的擬合優(yōu)度R2為94%，說明解釋變量能夠抓住要研究問題的主要矛盾。F統(tǒng)計量為1 665.63，解釋變量之間的多重共線性平均值為2.63，這些參數(shù)說明該模型較好地解釋了互聯(lián)網(wǎng)上網(wǎng)人數(shù)對快遞業(yè)務量存在重要影響。

2.固定效應模型

在實際的分析中，利用面板數(shù)據(jù)可以構造和檢驗比單獨使用截面數(shù)據(jù)更為真實準確的方程。從快遞業(yè)務量來看，中國快遞業(yè)呈現(xiàn)出各個省市發(fā)展不平衡的特點，其中北京、天津、上海和廣州的快遞貨物總量占全國總量的一半。這是由于各省市的互聯(lián)網(wǎng)技術發(fā)展水平不同，交通建設情況不同，經(jīng)濟水平不平衡等原因所致的，因此采取固定個體效應模型分析31個省市的快遞業(yè)務量很有必要，得到的回歸結果如下：endprint

ln_ex=2.02+0.64ln_on+0.00014consumption+0.00014retailing

（12.71） （9.25） （3.21）

從個體固定效應得出的回歸線估計不難看到，三個解釋變量的系數(shù)都有不同程度的變化，這說明地區(qū)差異對快遞業(yè)務量的影響顯著。此時主要解釋變量的系數(shù)說明，當互聯(lián)網(wǎng)上網(wǎng)人數(shù)每變動1%時，快遞業(yè)務量平均增加0.64%，正是由于地區(qū)間本身具有的差異，如沒有放在模型里的影響因素和無法用具體數(shù)值衡量的諸如人們對互聯(lián)網(wǎng)購物接受程度等影響因素引起的變化。但同時不能否認的是互聯(lián)網(wǎng)上網(wǎng)人數(shù)對于快遞業(yè)務量增長的影響超過50%，達到了64%，依舊是主要因素。

快遞業(yè)務量是一個跟時間正相關的數(shù)據(jù)量，但同時互聯(lián)網(wǎng)上網(wǎng)人數(shù)與時間效應也高度相關，造成了互聯(lián)網(wǎng)上網(wǎng)人數(shù)的系數(shù)t統(tǒng)計量不顯著。進一步又檢驗了三個解釋變量的系數(shù)同時為0的假設檢驗，得到F（3，30）=29.00，拒絕原假設，因此這三個解釋變量系數(shù)至少不能同時為0，并沒有否認其他因素對于快遞業(yè)務量的影響。事實上正是由于時間與其他解釋變量同樣存在正相關的關系才導致了這個結果。

結論與相關說明

本文通過對互聯(lián)網(wǎng)上網(wǎng)人數(shù)和快遞業(yè)務量兩個變量做了較為詳細的STATA計量分析。盡管本文得到的模型能夠很好地說明互聯(lián)網(wǎng)的確在很大程度上促進了快遞業(yè)的發(fā)展，但是在多元回歸中存在遺漏變量偏誤，這是無法避免的。一個行業(yè)的發(fā)展是多因素共同決定的結果，在前人的研究中，還有金融業(yè)等都對快遞業(yè)有十分重要的影響，這還只是宏觀角度的分析，微觀角度還有快遞業(yè)基礎設施、信息資源等因素，本文只選取了電子商務角度的互聯(lián)網(wǎng)對快遞業(yè)的發(fā)展影響，顯然不能涵蓋所有的因素。同時諸如交通對快遞業(yè)的影響，盡管從中選取了貨物周轉(zhuǎn)量這個指標體系，但是因為數(shù)據(jù)的統(tǒng)計口徑太寬，無法用在模型當中做計量分析。最后，人們對網(wǎng)絡的接受程度和對網(wǎng)絡購物的接受程度，這些因素都很關鍵卻無法用具體數(shù)據(jù)說明，也構成了遺漏變量的存在。

綜上所述，快遞業(yè)是一個正在蓬勃發(fā)展的行業(yè)，正是電子商務通過互聯(lián)網(wǎng)這個渠道極大促進了它的發(fā)展，促進了快遞業(yè)在渡過了萌芽期后正在向成熟期邁進。

參考文獻：

[1] 季彤.快遞業(yè)發(fā)展影響因素分析[D].南京：南京郵電大學，2012.

[2] 杜艷.中國快遞業(yè)對國民經(jīng)濟增長作用機制研究[D].北京：北京郵電大學，2013.

[3] 王維婷，黃寶章.快遞業(yè)發(fā)展影響因素的實證研究分析[J].中國物流與采購，2011，（13）.

[4] 李俊英.基于產(chǎn)業(yè)關聯(lián)的中國快遞產(chǎn)業(yè)的發(fā)展研究[D].上海：上海師范大學，2011.

[5] [美]詹姆斯·H.托克，馬克·W.沃森.計量經(jīng)濟學：第3版[M].上海：格致出版社，上海三聯(lián)出版社，上海人民出版社，2012.

[責任編輯 陳丹丹]endprint