高智涵 趙忻怡 卓穎禎 謝佳怡

摘 要：在電商扶貧呈現(xiàn)出良好態(tài)勢的背景下，本文旨在研究2018年山東省10個地級市電商扶貧的效率及其與約束性因素的關(guān)聯(lián)度，并且給出相關(guān)的政策建議。本文通過徑向超效率DEA模型對各市進行電商扶貧效率測度，得出電商扶貧效率存在區(qū)域性差異;又通過灰色關(guān)聯(lián)度模型，從多個維度分析與電商扶貧效率的相關(guān)性。結(jié)果顯示，區(qū)域整體金融環(huán)境和交通基礎(chǔ)設(shè)施水平對電商扶貧效率的影響較大。

關(guān)鍵詞：電商扶貧效率;對策;山東省

本文索引：高智涵，趙忻怡，卓穎禎，謝佳怡.<變量 2>[J].中國商論，2021（13）：-027.

中圖分類號：F724.6 文獻標(biāo)識碼：A 文章編號：2096-0298（2021）07（a）--03

根據(jù)相關(guān)文獻，電商扶貧效率可由電商發(fā)展水平和經(jīng)濟發(fā)展水平共同反映，電商發(fā)展水平與網(wǎng)商數(shù)據(jù)（如企業(yè)的網(wǎng)絡(luò)零售額等）息息相關(guān)，而經(jīng)濟發(fā)展水平可通過人均GDP反映。過去對于電商扶貧的效率研究方法大多是將各省的網(wǎng)商指數(shù)與居民網(wǎng)購指數(shù)和經(jīng)濟指標(biāo)組合成面板數(shù)據(jù)進行實證分析，得到各個指標(biāo)間的相關(guān)性，最后作出基于統(tǒng)計學(xué)的顯著性結(jié)論。然而，鑒于各地在財政投入、人力資本等影響因素的不同，很難對某個地區(qū)提供針對性的政策建議。本文擬將這一方法具體化至省份數(shù)據(jù)，并因地制宜地提出政策建議。

《中國電子商務(wù)發(fā)展指數(shù)報告（2017）》顯示，山東省是中國電子商務(wù)發(fā)展的中堅省份。因此，鑒于山東省在電子商務(wù)發(fā)展的良好態(tài)勢，本文選取山東省作為研究對象，并基于電商扶貧的發(fā)展態(tài)勢與山東省在電商扶貧方面的代表性作用，計算山東省2018年的電商扶貧效率并分析其相關(guān)性。

1 電商扶貧效率與比較

為深入研究電商扶貧政策的成效，本文擬將建立效率模型，將各地區(qū)的經(jīng)濟指標(biāo)與電商發(fā)展水平相結(jié)合，量化為電商扶貧效率指數(shù)，并根據(jù)各市的空間集聚特點進行初步比較分析。

在樣本選取方面，本文選擇山東省作為研究對象，并將電商發(fā)展較為迅速的地級市作為研究樣本，分別為濟南、青島、威海、棗莊、煙臺、濰坊、淄博、東營、臨沂和日照。

1.1 電商扶貧效率的涵義與衡量

綜合近幾年的文獻，由于電商扶貧是一個較為新穎的理念，學(xué)術(shù)界在電商扶貧效率衡量方面的前沿研究甚少。楊雪云（2019）構(gòu)建了非徑向超效率DEA模型測算電商扶貧效率，張俊英（2019）使用了修正Feder模型探究扶貧效率的直接效應(yīng)與間接效應(yīng)。

本文在非徑向超效率DEA模型上簡化了計算，略去了帶有主觀偏好的決策者權(quán)重設(shè)定，使用了傳統(tǒng)的徑向超效率模型進行測算。

1.1.1 徑向超效率DEA模型

數(shù)據(jù)包絡(luò)分析（DEA）模型是一種評價決策單元相對效率的非參數(shù)方法。Banker則在此基礎(chǔ)上提出了徑向超效率DEA模型。這一模型進一步區(qū)分了所得到的技術(shù)效率高低，極大降低了多個決策單元具有相同效率值的可能，能夠滿足本文對比較不同城市電商扶貧效率的需要。

其計算公式為：

（1）

式中，

—綜合效率（即本文中的電商扶貧效率），其值越大，表示綜合效率越高;

—被評價決策單元的投入指標(biāo)變量;

—被評價決策單元的產(chǎn)出指標(biāo)變量;

—第個城市的投入指標(biāo)量;

—第個城市的產(chǎn)出指標(biāo)量;

—各單位組合系數(shù);

—松弛變量;

—剩余變量。

其中，有個同類型決策單元，有個投入變量，有個產(chǎn)出變量。

1.1.2 電商扶貧效率投入產(chǎn)出指標(biāo)

本模型的投入指標(biāo)（如表1所示）將基于阿里研究院提供的2018年網(wǎng)商指數(shù)進行測算：

（2）

其中，B2B網(wǎng)商數(shù)量以及人口數(shù)量取自山東省統(tǒng)計年鑒，B2B網(wǎng)商密度標(biāo)準(zhǔn)值借鑒了中國信息社會指數(shù)（ISI），根據(jù)各指標(biāo)的標(biāo)準(zhǔn)值對數(shù)據(jù)進行標(biāo)準(zhǔn)化。其中，采用阿里研究院的目標(biāo)期望作為參照標(biāo)準(zhǔn)，如表2所示。

而在產(chǎn)出指標(biāo)方面，縣域尺度經(jīng)濟發(fā)展存在不全面、不平衡的情況。本模型考慮到城鄉(xiāng)差異的問題，因此采用了各個地級市農(nóng)村居民可支配收入來衡量電商扶貧的產(chǎn)出情況。

1.1.3 電商扶貧效率的含義

根據(jù)式（1）計算可得十個城市電商扶貧發(fā)展效率與排名，如表3所示。

電商扶貧效率即模型中的決策單元綜合效率。在普通的徑向DEA模型中，濰坊市與棗莊市的綜合效率均為1，很難對其進行進一步比較與排序。因此，本文選擇超效率DEA模型，其中以1作為綜合效率的有效值的分界線，將電商扶貧效率劃分為高效與低效：

當(dāng)時，電子商務(wù)平臺相關(guān)投入與經(jīng)濟發(fā)展產(chǎn)出DEA決策單元有效，即在電子商務(wù)產(chǎn)的投入與產(chǎn)出相匹配，表明電商扶貧政策較為有效;反之當(dāng)時，則表明電商扶貧政策成效不佳。

1.2 電商扶貧效率比較

從表3可知，電商扶貧政策在山東省取得了較好的成效，大部分城市的投入產(chǎn)出效率均接近于1，其中濰坊市更是達到了最佳。因此，在國家全面建成小康社會的決勝階段，利用電子商務(wù)產(chǎn)業(yè)這一新興平臺進行區(qū)域產(chǎn)業(yè)升級優(yōu)化，從而達到提升經(jīng)濟水平的政策是極為有效的。

然而，在山東省的不同城市間，電商扶貧效率存在一定的區(qū)域性差異，例如青島與濰坊地理位置相鄰，但電商扶貧效率差距較大。

2 電商扶貧效率影響因素實證研究

參考現(xiàn)有文獻研究以及可獲得性原則，我們提出關(guān)于電商扶貧效率影響因素的疑問，主要影響因素包括以下幾點。

2.1 指標(biāo)選取

2.1.1 因變量

電商扶貧效率：山東省10市的扶貧效率。

2.1.2 自變量

（1）等級公路里程（公里）：交通設(shè)施水平主要采用百度地圖截取出的城市等級公路通車里程（國道以及省道通車長度）進行衡量。

（2）固定電話年末用戶（萬戶）：考慮到移動電話登記點與實際使用出入可能較大，故采用固定電話年末用戶衡量通信設(shè)施水平。

（3）地方一般公共預(yù)算支出（億元）：由于不涉及時間序列分析，因此無需定基處理。

（4）人口密度（人/平方公里）： 本文采用的人口密度數(shù)據(jù)為常住人口密度，而非戶籍人口密度。若統(tǒng)計年鑒中未給出常住人口密度，則通過該年末全市總?cè)丝跀?shù)與該年底全市土地面積相除得出。

（5）普通高中在校學(xué)生數(shù)（萬人）：考慮到縣域范圍少有高等教育機構(gòu)，本文以每萬人在校中學(xué)生數(shù)來衡量人力資本水平。

（6）年末金融機構(gòu)（本外幣）各項貸款余額（億萬元）。

2.2 灰色關(guān)聯(lián)度模型

灰色關(guān)聯(lián)度模型反映的是因素間的關(guān)聯(lián)程度，通過比較兩個因素間的關(guān)聯(lián)度來量化關(guān)聯(lián)性大小。如果兩個序列的變化趨勢，稱為同步變化程度越高，那么這兩個因素的關(guān)聯(lián)程度就越高;反之越低。計算公式：

（3）

其中，為序列與序列的關(guān)聯(lián)度，、，為分辨系數(shù)，一般取值為0.5，，。

2.3 計算結(jié)果及分析

根據(jù)式（3）的模型，通過MATLAB計算得山東省10個城市以下6個因素各自對于電商扶貧效果的影響，如表4所示。

表4 電商扶貧效率與6大因素的灰色關(guān)聯(lián)度

交通基礎(chǔ)設(shè)施水平 通信設(shè)施水平 財政支持力度 集聚經(jīng)濟效益 人力資源水平 金融環(huán)境水平

關(guān)聯(lián)度 0.647 0.609 0.600 0.634 0.631 0.785

根據(jù)計算所得的灰色關(guān)聯(lián)度，影響山東省10市電商扶貧效率最重要的因素是整體金融環(huán)境，而交通基礎(chǔ)設(shè)施水平次之。可見，比較良好的區(qū)域整體金融環(huán)境和交通基礎(chǔ)設(shè)施水平為電商扶貧提供了保障。

相較之前的研究，2018年由于通過對電商扶貧的日益普及化，原本起關(guān)鍵作用的財政支持力度和提供人才儲備的人力資本水平作用略有減弱，這體現(xiàn)了電商扶貧工程經(jīng)過3年的實施產(chǎn)生了巨大的能動性，不再依賴于外部資金的支持，貧困農(nóng)戶憑借當(dāng)?shù)叵扔械慕鹑诃h(huán)境、交通基礎(chǔ)設(shè)施實現(xiàn)脫貧，釋放了良好的訊號。

3 電商扶貧效率提升策略

3.1 財政投入

對于貧困地區(qū)而言，資金是創(chuàng)新、創(chuàng)業(yè)的基礎(chǔ)，因此為了鼓勵更多貧困人口加入電子商務(wù)的發(fā)展道路，政府應(yīng)該積極為電商創(chuàng)業(yè)設(shè)立專門的金融扶貧渠道。此外，互聯(lián)網(wǎng)金融也應(yīng)該在扶貧領(lǐng)域得以應(yīng)用。阿里、京東作為主要的電子商務(wù)平臺應(yīng)該充分發(fā)揮作用，為開辦網(wǎng)店的貧困人群提供貸款、擔(dān)保上的福利舉措，以解決“貸款難”“擔(dān)保難”的問題。

3.2 人力資本

基于貧困地區(qū)通信設(shè)備的普及程度較低，群眾在利用互聯(lián)網(wǎng)平臺方面的能力急需提高，因此人才培養(yǎng)在提高電商扶貧效率上占據(jù)重要位置。

第一，加大對貧困地區(qū)本土電商的培養(yǎng)，以先知帶動后知的推廣模式普及電子商務(wù)的相關(guān)知識和技能。

第二，加大外來人才的引進，要求各級政府必須加大人才引進的支持力度，比如提供鼓勵機制，從而吸引廣大相關(guān)專業(yè)畢業(yè)生深入貧困地區(qū)進行指導(dǎo)工作。

第三，加大本土人才的回流，以農(nóng)村青年、返鄉(xiāng)大學(xué)生等創(chuàng)業(yè)人員為重點，充分發(fā)揮他們熟悉本土特點、了解網(wǎng)絡(luò)平臺的本土化、信息化作用。

3.3 交通條件

貧困地區(qū)的電子商務(wù)發(fā)展依賴于物流配送的保障，因此只有推進交通基礎(chǔ)設(shè)施的建設(shè)，才能打造匹配電商發(fā)展的現(xiàn)代化物流體系。首先，提高交通網(wǎng)絡(luò)密度，包括公路、鐵路、航空以及內(nèi)河航運等運載體系，確保產(chǎn)品配送過程的高效性和安全性;其次，以點及面建設(shè)由鄉(xiāng)村至縣城的物流配送路徑，從而搭建好電商與物流之間溝通的橋梁，便于電商及時配送產(chǎn)品。

3.4 通信設(shè)施

貧困地區(qū)相對薄弱的信息環(huán)境，在一定程度上限制了當(dāng)前電子商務(wù)的發(fā)展。因此，國家應(yīng)該有計劃地為貧困地區(qū)建立最為基本的信息基礎(chǔ)設(shè)施。除此之外，考慮到貧困地區(qū)的經(jīng)濟條件，可以為其提供通信成本上的優(yōu)惠措施，降低使用成本，進而鼓勵信息技術(shù)的使用。

參考文獻

陳文浩.“互聯(lián)網(wǎng)+精準(zhǔn)扶貧”的實踐與探索[J].中國經(jīng)貿(mào)導(dǎo)刊，2016（09）：70-71.

唐紅濤，郭凱歌，張俊英.電子商務(wù)與農(nóng)村扶貧效：基于財政投入、人力資本的中介效應(yīng)研究[J].經(jīng)濟地理，2018，38（11）：50-58.

解梅娟.電商扶貧：“互聯(lián)網(wǎng)+”時代扶貧模式的新探索[J].長春市委黨校學(xué)報，2016（02）：12-15.

楊雪云，時浩楠.電商扶貧效率的空間特征及影響因素分析：以大別山區(qū)為例[J].統(tǒng)計與決策，2019，35（16）：103-107.

張彬斌， 陳小利.“重點縣”扶貧的人力資本形成效應(yīng)[J]. 經(jīng)濟科學(xué)， 2015（01）.

張俊英，唐紅濤.電商扶貧效率的效應(yīng)分解及空間擴散——基于修正Feder模型的空間杜賓分析[J].湖南師范大學(xué)社會科學(xué)學(xué)報，2019，48（05）：87-96.

Research on the Influencing Factors and Countermeasures of E-commerce Poverty Alleviation Efficiency

——Taking Ten Cities in Shandong Province as Examples

Shanghai University of International Business and Economics

GAO Zhihan? ZHAO Xinyi? ZHUO Yingzhen? XIE Jiayi

Abstract： Under the background that e-commerce poverty alleviation is showing a good trend， this article aims to study the efficiency of e-commerce poverty alleviation in 10 prefecture-level cities in Shandong Province in 2018 and its correlation with restrictive factors， and give relevant policy recommendations. This paper uses the radial super-efficiency DEA model to measure the efficiency of e-commerce poverty alleviation in each city， and finds that there are regional differences in the efficiency of e-commerce poverty alleviation; through the gray correlation model， analyzes the correlation with the efficiency of e-commerce poverty alleviation from multiple dimensions. The results show that the overall regional financial environment and the level of transportation infrastructure have a greater impact on the efficiency of e-commerce poverty alleviation.

Keywords：e-commerce; poverty alleviation efficiency; countermeasures; Shandong Province