□ 羅 伊,趙庚升,夏躍輝

(上海理工大學，上海 200093)

1 引言

中國作為全球最大的網(wǎng)絡(luò)零售市場，擁有5.33億的網(wǎng)絡(luò)購物用戶，截止2018年底，中國電子商務(wù)成交額高達31.63萬億元人民幣，網(wǎng)上零售規(guī)模高達9萬億元。5G時代的到來，更是為中國電子商務(wù)的發(fā)展提供了一大動力。隨著大數(shù)據(jù)、人工智能、物聯(lián)網(wǎng)等數(shù)字技術(shù)的快速發(fā)展，無人機、無人倉、無人車等技術(shù)紛紛投入到電商的服務(wù)體系中，電商的服務(wù)水平和效率也隨之得到改善。電子商務(wù)的發(fā)展直接推動物流行業(yè)的崛起，2018年郵政行業(yè)業(yè)務(wù)總量高達12345.2億元，同比增長26.4%，業(yè)務(wù)收入為7904.7億元，同比增長19.4%；2018年全年，快遞業(yè)務(wù)量達到507.1億件，人均快件使用量為36件，較上年增加7件。我國快遞業(yè)務(wù)量超過美、日、歐發(fā)達經(jīng)濟體之和，規(guī)模連續(xù)五年穩(wěn)居世界第一，是第二名美國的3倍之多，占全球快遞包裹市場的一半以上?？爝f業(yè)的前景廣闊，深入分析快遞業(yè)的運行模式，探究快遞業(yè)務(wù)量的影響因素，對中國快遞業(yè)的發(fā)展具有重要作用。

王維婷，黃寶章(2011)研究發(fā)現(xiàn)，快遞業(yè)務(wù)[1]量與國內(nèi)生產(chǎn)總值、社會消費品總額呈明顯的正相關(guān)關(guān)系；鄒姝琪，侯云先(2014)運用多元回歸模型分析了影響快遞業(yè)務(wù)量的因素，發(fā)現(xiàn)互聯(lián)網(wǎng)的發(fā)展水平、外貿(mào)開放程度以及國內(nèi)的經(jīng)濟水平對快遞業(yè)的影響最為明顯[2]；石詠梅(2018)則認為，互聯(lián)網(wǎng)和貨物周轉(zhuǎn)量是影響快遞業(yè)務(wù)量的主要因素[3]。本文基于以上學者的研究結(jié)果，采用多元回歸模型進一步對快遞業(yè)的影響因素分析進行計量分析，從而針對性優(yōu)化中國的快遞行業(yè)。

2 實證分析

2.1 變量選擇和數(shù)據(jù)來源

本文選取快遞業(yè)務(wù)量(Y)作為被解釋變量，選取運營里程(X1)、郵政營業(yè)網(wǎng)點(X2)、居民消費水平(X3)、貨物周轉(zhuǎn)量(X4)、社會消費品零售總額(X5)、互聯(lián)網(wǎng)上網(wǎng)人數(shù)(X6)、進出口總額(X7)為解釋變量來研究各因素對快遞業(yè)務(wù)量的影響大小。本文用于實證分析的數(shù)據(jù)來源于歷年中國第三產(chǎn)業(yè)統(tǒng)計年鑒和中國統(tǒng)計年鑒。

2.2 模型構(gòu)建

在構(gòu)建模型時，為排除變量間的多重共線性對結(jié)果的影響，本文對各變量進行多重共線性檢驗，使用eviews10計算各變量間的相關(guān)系數(shù)，發(fā)現(xiàn)部分變量間存在嚴重的多重共線性。為了使模型的回歸結(jié)果更加準確可靠，本文采用逐步回歸的方法，根據(jù)單個被解釋變量的擬合優(yōu)度從高到低逐個引入模型進行回歸分析，保留能使擬合優(yōu)度更高變量，剔除影響擬合優(yōu)度且導致其他變量不顯著的變量，從而得到更精準的回歸模型?；貧w過程如表1所示。

表1 逐步回歸結(jié)果

通過逐步回歸，本文最終選定X1、X2、X3、X5、X6、X7這六個變量為解釋變量構(gòu)建多元回歸模型。

Y=C+β1X1+β2X2+β3X3+β5X5+β6X6+β7X7+ε

其中，Y表示快遞業(yè)務(wù)量，βi(i=1,2，…)為待定系數(shù)，ε為隨機誤差項。

2.3 單位根檢驗

在使用時間序列數(shù)據(jù)建立計量模型時，為保證序列的平穩(wěn)性，避免“偽回歸”的發(fā)生，本文采用Augmented Dickey-Fuller檢驗(ADF檢驗)，其結(jié)果如表2所示，原始序列沒有通過單位根檢驗，說明原始序列不平穩(wěn)；對各變量進行一階差分，一階差分后的序列通過了單位根檢驗，說明該時間序列一階單整，可以進行回歸分析。

表2 ADF單位根檢驗

2.4 Granger因果檢驗

表3展示了與Y序列相關(guān)的Granger因果檢驗結(jié)果。結(jié)果顯示，存在X1、X3、X6、X7到Y(jié)的單向因果關(guān)系；存在X2、X5到Y(jié)的雙向因果關(guān)系。

表3 Granger因果檢驗

2.5 模型回歸結(jié)果分析

本文采用最小二乘法(OLS)對時間序列進行多元回歸分析，其結(jié)果如表4所示，調(diào)整的可決系數(shù)接近1，擬合優(yōu)度較高，說明模型擬合效果很好；P-值為0，說明被解釋變量與解釋變量間存在顯著關(guān)系；各變量均通過了顯著性水平為10%的t檢驗，說明各變量均能對所研究的問題作出解釋；D-W值為2.4694，說明各變量間不存在一階自相關(guān)。所選的六個變量中，只有社會消費品零售總額和進出口總額兩個變量的系數(shù)為負，其余變量的系數(shù)均為正，說明運營里程、郵政營業(yè)網(wǎng)點、居民消費水平、互聯(lián)網(wǎng)上網(wǎng)人數(shù)對快遞業(yè)務(wù)量的增長起著推動作用，其中，運營里程數(shù)對快遞業(yè)務(wù)的推動作用最為明顯，居民消費水平次之。

表4 模型回歸結(jié)果

3 結(jié)論及建議

影響快遞業(yè)務(wù)量的因素有很多，本文則是從中選取了最為關(guān)鍵的六個因素，研究發(fā)現(xiàn)，交通運輸?shù)幕A(chǔ)設(shè)施對快遞業(yè)務(wù)的影響最大，其次是社會的經(jīng)濟水平，而社會消費品零售總額以及市場開放程度對快遞業(yè)的發(fā)展則呈負相關(guān)關(guān)系。

與其他學者的研究結(jié)果不同，段水利(2015)，史雅楠(2014)等研究發(fā)現(xiàn)，貨物周轉(zhuǎn)量對快遞業(yè)的

發(fā)展起著重要作用[4-5]，但在本文中，貨物周轉(zhuǎn)量與快遞業(yè)務(wù)量間沒有顯著關(guān)系。貨物周轉(zhuǎn)量所反映的是營業(yè)里程與貨物運輸量的累加量，同一段運營里程反復運輸之后也會導致貨物周轉(zhuǎn)量巨大，故而貨物周轉(zhuǎn)量并不能真實的反映交通的便利程度。本文所選的運營里程則是公路、鐵路和航空三種運輸方式的營業(yè)里程的加總量，其數(shù)值的增加反映的是新投入使用的里程數(shù)，故而其數(shù)值大小可以反映交通的便利程度。

中國快遞業(yè)的市場前景廣闊，市場需求旺盛，為其提供便利的發(fā)展環(huán)境能夠提高社會的整體福利。根據(jù)前文的研究結(jié)果，本文提出以下建議：首先，政府應(yīng)該制定相關(guān)政策，繼續(xù)完善快遞行業(yè)的基礎(chǔ)設(shè)施建設(shè)，尤其是交通運輸方面的基礎(chǔ)設(shè)施建設(shè)；其次，政府應(yīng)當鼓勵欠發(fā)達地區(qū)大力發(fā)展快遞業(yè)，對諸如“農(nóng)村淘寶”等業(yè)務(wù)給予一定的支持和鼓勵，這樣既促進了快遞行業(yè)的發(fā)展，也能改善貧困地區(qū)的生活條件；最后，政府還需制定相關(guān)法律法規(guī)，以規(guī)范快遞行業(yè)從業(yè)人員，進而提高快遞行業(yè)的服務(wù)質(zhì)量。