彭小珈

(湖南農(nóng)業(yè)大學,湖南 長沙 410128)

一、引言

隨著數(shù)字經(jīng)濟時代的到來,電子商務在我國農(nóng)村地區(qū)蓬勃發(fā)展,并催生了新的農(nóng)村電子商務產(chǎn)業(yè)集群,逐步成為鄉(xiāng)村振興的新引擎。在國家提出實施“數(shù)商興農(nóng)”戰(zhàn)略工程背景下,農(nóng)村電商集群發(fā)展已經(jīng)成為一種趨勢[1],農(nóng)村電子商務集群效應逐漸開始適應消費者的需求,從簡單生產(chǎn)制造,到自主設計制造,提升了消費者的消費體驗,促進了農(nóng)村電子商務產(chǎn)業(yè)鏈延伸[2]。

淘寶村作為由農(nóng)村電商衍生出來的新的空間集群現(xiàn)象,開始進入大眾視野。淘寶村是“互聯(lián)網(wǎng)+村域經(jīng)濟”的典型產(chǎn)物[3],隨著互聯(lián)網(wǎng)包容性經(jīng)濟的發(fā)展[4],作為農(nóng)村電商產(chǎn)業(yè)集群中組成單元最小的淘寶村,已成為農(nóng)村電商產(chǎn)業(yè)發(fā)展模式快速推進、技術創(chuàng)新蔓延的產(chǎn)物[5]。淘寶村的出現(xiàn),對電子商務在農(nóng)村地區(qū)的發(fā)展產(chǎn)生了強烈的示范和帶動作用,并引發(fā)了城鄉(xiāng)產(chǎn)業(yè)分工和鄉(xiāng)村地域功能的深刻變革[6]。部分地區(qū)的淘寶村集聚區(qū)域呈現(xiàn)出連片化特征[7],“多個淘寶村連片發(fā)展,網(wǎng)店、商會、物流、供貨、政府等電商主體密切聯(lián)系、相互合作,共同實現(xiàn)電子商務生產(chǎn)效率提升”,由此所形成的群落現(xiàn)象稱之為“淘寶村集群”,對當?shù)亟?jīng)濟、農(nóng)民就業(yè)和收入的影響效應相較于淘寶村更大,這對于電子商務在農(nóng)村地區(qū)縱深推進,為政府制定鄉(xiāng)村地區(qū)產(chǎn)業(yè)發(fā)展戰(zhàn)略、豐富商業(yè)地理理論以及促進區(qū)域經(jīng)濟繁榮具有重要意義[8]。

在國家大力推進鄉(xiāng)村振興戰(zhàn)略的背景下,要積極探索具有科學性、前瞻性的農(nóng)村電商產(chǎn)業(yè)集群發(fā)展道路,推動農(nóng)村電商集群化新舊動能有序轉換,促進農(nóng)村電商提質(zhì)增效。探索過程中的一個重要研究方向是農(nóng)村電子商務集群效應的影響機制[9]。學術界對農(nóng)村電子商務集群效應的影響因素研究比較少,其研究視角主要集中在電子商務發(fā)展引起的城鄉(xiāng)空間形態(tài)演變、農(nóng)產(chǎn)品供應鏈調(diào)整、公平的就業(yè)機會、消除鄉(xiāng)村地區(qū)貧困等方面。淘寶村是一個極具中國特色的電子商務專業(yè)村,它突破了傳統(tǒng)專業(yè)村的時空限制,區(qū)別于傳統(tǒng)專業(yè)村其他產(chǎn)業(yè)的形成機制。政府行為、資源稟賦、企業(yè)家精神、傳統(tǒng)文化、地理位置等因素是傳統(tǒng)專業(yè)村形成的影響因素。相比而言,電商平臺、基礎設施(網(wǎng)絡、物流)、行業(yè)組織等是淘寶村區(qū)別于傳統(tǒng)專業(yè)村的新影響因素。部分學者在對淘寶村空間聚集的影響因子進行分析時,發(fā)現(xiàn)淘寶村的產(chǎn)業(yè)基礎、社會經(jīng)濟狀況、鄰里效應等對淘寶樹空間聚集有明顯的影響[10]。國內(nèi)外專家學者,就農(nóng)村電商集群出現(xiàn)的原因展開了分析,并從不同的角度對影響農(nóng)村電商集群效應的不確定性因素進行了歸納,并在此基礎上,結合以往的研究成果,以農(nóng)村電商集群形成和發(fā)展的影響因素和條件為基礎,選取了部分影響因素進行了具體的分析。并創(chuàng)建農(nóng)村電子商務集群形成和發(fā)展的影響因素分析框架[6]。農(nóng)村電商集群本質(zhì)上是產(chǎn)業(yè)集群的一種,而產(chǎn)業(yè)集群的形成是多種因素共同作用的結果。產(chǎn)業(yè)集群的形成離不開政府、社會經(jīng)濟、相關基礎設施等因素的協(xié)同作用。政府為產(chǎn)業(yè)集群的形成提供了驅動力,創(chuàng)造了較好的經(jīng)營環(huán)境,促進技術擴散。社會經(jīng)濟水平反映了地區(qū)發(fā)展的總體狀況,是產(chǎn)業(yè)集群化的基礎。在基礎設施方面,產(chǎn)業(yè)集群一般都是以公路、鐵路等為前提條件,而要形成淘寶村集群,不僅需要有基本的交通條件,還需要一些其他因素,比如物流、網(wǎng)絡等基礎設施為當?shù)仉娚痰膭?chuàng)業(yè)提供強有力的支撐,農(nóng)村基礎設施的完善對城鄉(xiāng)之間要素的持續(xù)有序流動起到了重要作用。政府、社會經(jīng)濟、基礎設施等是影響電商企業(yè)能否成功的關鍵因素,同時也決定了電商產(chǎn)業(yè)集群化發(fā)展的程度。

農(nóng)村電子商務集群發(fā)展對鄉(xiāng)村地區(qū)產(chǎn)生了顯著的經(jīng)濟社會效益,通過對農(nóng)村電商集群效應影響因素的研究能夠厘清農(nóng)村電商集群發(fā)展的形成機理,對進一步推進農(nóng)村電商發(fā)展具有重要意義。信息化時代背景下,較為陳舊的研究數(shù)據(jù)不足以準確反映農(nóng)村電商集群的最新動態(tài)。國內(nèi)外學者對其影響因素的探討多以定性分析為主,而進行定量研究相對較少,據(jù)此,本文以 2016 年至 2021 年間淘寶村、淘寶村集群最新面板數(shù)據(jù)為研究樣本,采用灰色關聯(lián)度分析與回歸模型相結合的方式,對其影響因素進行了深入的研究。結合 2016—2021 年農(nóng)村人口占比、地域因素、各省(自治區(qū)、直轄市)第一產(chǎn)業(yè)生產(chǎn)總值、稅收優(yōu)惠政策、農(nóng)村網(wǎng)絡普及范圍、農(nóng)村投遞路線、技術支撐、環(huán)境要素、資源消費等數(shù)據(jù),分析各因素對農(nóng)村電商集群效應的影響,期望為電子商務專業(yè)村的繁榮發(fā)展提供科學依據(jù)。并結合相關因素研究農(nóng)村電子商務集群的形成機制,以深化農(nóng)村電子商務集群發(fā)展理論,拓展農(nóng)村電商地理研究視野。

二、理論機理分析

在研究農(nóng)村電商集群效應關鍵性影響因素之前,需要對農(nóng)村電商集群效應及其理論機制進行系統(tǒng)分析。在研究農(nóng)村電商集群效應時,需要清晰認識到農(nóng)村電商集群效應的形成與發(fā)展均離不開政府的調(diào)控政策,地區(qū)政策激勵將成為農(nóng)村電商集群效應發(fā)展的主要驅動因素。同時,需要充分理解技術資源對農(nóng)村電商集群效應形成和發(fā)展起到的支持促進作用,以及環(huán)境要素對農(nóng)村電商集群效應的倒逼性影響,見圖1。

圖1 農(nóng)村電商集群形成與影響因素的作用機理

(一)地區(qū)政策激勵機制

農(nóng)村電商集群的形成離不開政府的調(diào)控政策和電商平臺企業(yè)的運作,政府政策是農(nóng)村電商集群效應發(fā)展的主要驅動因素,通過政策執(zhí)行、基礎設施建設、資金支持等方式,促進農(nóng)村地區(qū)系統(tǒng)內(nèi)各種因素的流通和交流[11]。近年來,國家對農(nóng)村電子商務越來越重視,各級政府為了引導和支持農(nóng)村電子商務的快速發(fā)展,先后出臺了一系列相關的政策文件。一是政府培育和吸引淘寶商戶時在稅收、土地、人才等方面進行了科學引導和政策傾斜[12];二是地方政府加大農(nóng)村基礎設施建設力度,推動農(nóng)村電子商務集群發(fā)展,以此來促進農(nóng)村資源優(yōu)化配置,協(xié)調(diào)各方資源;三是政府促進商戶合理有序競爭,以土地規(guī)劃、戰(zhàn)略制定、行業(yè)監(jiān)管等方式推動技術優(yōu)化升級,為農(nóng)村電商集群持續(xù)發(fā)展提供機遇[13]。

政府為促進農(nóng)村電商集群效應快速增長,頒布了專門針對農(nóng)產(chǎn)品的相關稅收優(yōu)惠政策與法律法規(guī)。農(nóng)產(chǎn)品稅收優(yōu)惠政策對促進農(nóng)村經(jīng)濟繁榮、深化農(nóng)業(yè)產(chǎn)業(yè)改革、推動農(nóng)村電商集群發(fā)展有重要作用。因本文選取樣本為2016—2021年度數(shù)據(jù),為便于本文后續(xù)研究,特選取2019年4月1日起實施的一項稅收優(yōu)惠政策。納稅人購買農(nóng)產(chǎn)品,準予將進項稅額按照農(nóng)產(chǎn)品購進發(fā)票或銷售發(fā)票上注明的農(nóng)產(chǎn)品購進價格扣減9%;其中,農(nóng)產(chǎn)品購進適用13%稅率貨物用于生產(chǎn)、委托加工的,進項稅額按照農(nóng)產(chǎn)品購進發(fā)票或銷售發(fā)票注明的購進價格,按照10%的抵扣比例抵扣。政府部門可以在農(nóng)村人口占比、地域因素、各省份第一產(chǎn)業(yè)生產(chǎn)總值、農(nóng)村網(wǎng)絡普及范圍、農(nóng)村投遞路線等方面采取鼓勵支持政策,以促進農(nóng)村電商集群效應的形成和提升,促進農(nóng)村電商快速發(fā)展。

(二)技術資源支持機制

技術資源可以在許多方面支持促進農(nóng)村電商集群效應的形成和提升。技術資源可以幫助農(nóng)村地區(qū)建立起電子商務平臺,使農(nóng)民能夠將自己的產(chǎn)品直接銷售給消費者,而不需要經(jīng)過繁瑣的中間環(huán)節(jié)。通過大數(shù)據(jù)和人工智能技術,可以對消費者的購買行為、喜好趨勢進行深入分析,幫助農(nóng)民更好地理解市場需求,精準定位產(chǎn)品,提升銷售效率。通過地圖導航、物流跟蹤等技術,可以實現(xiàn)產(chǎn)品的快速配送,極大地提升了農(nóng)村電商的物流效率[14]?；ヂ?lián)網(wǎng)可以提供豐富的線上培訓資源,幫助農(nóng)民提升電商經(jīng)營能力和技術水平。社交媒體、搜索引擎優(yōu)化等互聯(lián)網(wǎng)營銷手段可以有效提升農(nóng)產(chǎn)品的知名度和銷售量。技術資源可以推動農(nóng)村電商業(yè)務模式的創(chuàng)新,如通過區(qū)塊鏈技術實現(xiàn)產(chǎn)品的全程追溯,提高消費者的購買信心。通過技術資源的支持,可以幫助農(nóng)村地區(qū)建立電商生態(tài)鏈,夯實集群效應,促進農(nóng)村電商的發(fā)展[15]。

(三)環(huán)境要素倒逼機制

農(nóng)村電商行業(yè)在發(fā)展過程中面對環(huán)境要素的束縛,為了達到降低排放、減少消耗的目標,在農(nóng)村電商發(fā)展前期對農(nóng)村電商實行分散化運營,減少農(nóng)村電商集聚現(xiàn)象,短期內(nèi)對農(nóng)村電商發(fā)展聚集有一定負面影響。但從長遠觀察,環(huán)境要素的倒逼影響似乎對農(nóng)村電商發(fā)展也起著重要的推動作用。環(huán)境要素倒逼農(nóng)村電商企業(yè)建設良好的通訊和物流設施,可以大大提高農(nóng)村電商的運營效率,同時也能吸引更多的電商進駐農(nóng)村地區(qū)[16]。為了農(nóng)村電商長遠發(fā)展,環(huán)境要素倒逼電商提高農(nóng)村地區(qū)的網(wǎng)絡覆蓋率和網(wǎng)絡速度,形成農(nóng)村電商發(fā)展的基礎。只有網(wǎng)絡環(huán)境良好,才能保證電商平臺的正常運行和消費者的良好購物體驗,同時良好的營商環(huán)境能吸引更多的電商企業(yè)進入農(nóng)村市場,形成電商集群,進一步推動農(nóng)村電商的發(fā)展。政府的鼓勵政策和扶持政策也是推動農(nóng)村電商發(fā)展的重要力量。政府應該制定一系列優(yōu)惠政策,如稅收減免、專項扶持基金等,以激勵電商企業(yè)在農(nóng)村地區(qū)發(fā)展。農(nóng)村地區(qū)的教育環(huán)境也是決定電商發(fā)展的重要因素[17]。提高農(nóng)民的電商知識和技能,可以幫助農(nóng)民更好地利用電商平臺進行銷售,從而推動電商集群效應的形成。環(huán)境要素通過倒逼方式,在前期會抑制農(nóng)村電商集群效應的提升,但從長期來看,環(huán)境要素倒逼卻是在推動著農(nóng)村電商不斷改進和發(fā)展[18]。

三、研究方法及數(shù)據(jù)來源

(一)灰色關聯(lián)度分析

灰色關聯(lián)度分析是一種用于研究不同因素之間聯(lián)動性和影響程度的定量分析方法。優(yōu)點是可以處理不完全、不確定的數(shù)據(jù),因此在許多領域都有廣泛的應用,例如經(jīng)濟、環(huán)境、工程等領域。但是,這種方法也有一些局限性,例如對數(shù)據(jù)的要求較高,需要有足夠的數(shù)據(jù)支持,分析結果可能受到標準化方法和參考序列選擇的影響等。本文運用灰色關聯(lián)度分析我國農(nóng)村電商集聚度及其特征。

1.原始數(shù)據(jù)的初始化。由于每個指標值在含義、內(nèi)容、取值標準等方面存在著差別,所以造成了數(shù)據(jù)的量綱往往都是不一樣的,很難統(tǒng)一進行比較。因此,在使用灰色關聯(lián)方法的時候,一般都要對數(shù)據(jù)進行無量綱化,將每一種數(shù)據(jù)的不同的有效因子消除,將其轉化成在統(tǒng)一度量尺度下的標準化無量綱數(shù)據(jù),以便于對每一種相關指標進行對比分析。因此,對相關影響因素及數(shù)據(jù)進行無量綱處理,才能對其進行進一步的深入研究。本文利用初值化處理對數(shù)據(jù)進行歸一化。

(1)

2.數(shù)列絕對差值與參考數(shù)列的計算比較。

(|xij-x0j|?Δ0i(j))n×pi=1,2,…,nj=1,2,…,p

(2)

比較數(shù)列是根據(jù)每一個被評估目標所對應的評估數(shù)目來構建的,是一種對各因子的排序運算。

3.指標體系灰色系數(shù)?；疑P聯(lián)系數(shù)是灰色理論中關聯(lián)性的相關表現(xiàn),而關聯(lián)性本質(zhì)上是曲線間幾何差異的程度, 因此關聯(lián)度(compactdevelopment)可以用曲線間差值的大小來衡量。在灰色關聯(lián)度法中,關聯(lián)度是指參考數(shù)列與對比數(shù)列之間的幾種關系,相關系數(shù)越大,表示兩組指標的數(shù)列之間關聯(lián)度越高,所謂“關聯(lián)度”與“對比度”其計算公式如下:

(3)

其中ρ為常數(shù),通常情況下,ρ取0.5,本文中ρ等于0.5。

4.計算灰色關聯(lián)度。由于關聯(lián)性系數(shù)是指參考數(shù)列與比較數(shù)列之間的關聯(lián)度,又是在不同時間點上的關聯(lián)度,關聯(lián)性系數(shù)不止一項,且呈離散性分布狀態(tài),不能進行統(tǒng)一的比較,因此,關聯(lián)性系數(shù)與比較數(shù)列之間存在一定的關聯(lián)度?；疑P聯(lián)度是將這些關聯(lián)系數(shù)綜合起來,采取某種方式得到的數(shù)值,一般情況下可以反應出一個參考序列與其他指標的關聯(lián)度,灰色關聯(lián)度的數(shù)值越大,說明參考序列與指數(shù)的關聯(lián)度越高,關聯(lián)度越強。

綜合灰色關聯(lián)度的計算公式為:

(4)

(二)面板回歸模型

本文旨在研究影響中國農(nóng)村電商行業(yè)集聚效應的關鍵性因子,要解決這個問題需要考慮到我國電商行業(yè)現(xiàn)階段的生產(chǎn)過程、市場環(huán)境、技術條件以及政策支持等多方面因素,在個體、時間和地區(qū)等固定因素背景下各影響因素的變化。因此,在農(nóng)村電商行業(yè)集聚效應實證分析過程中,選取區(qū)域內(nèi)地域因素、農(nóng)村互聯(lián)網(wǎng)覆蓋范圍、稅收優(yōu)惠政策、農(nóng)村投遞路線、第一產(chǎn)業(yè)GDP、農(nóng)村人口占比、技術支持、環(huán)境要素、資源消耗等變量數(shù)據(jù),構建以下回歸模型:

degree=β0+β1area+β2pop+β3gdp+β4web+β5policy+β6milage+ε

(5)

在公式(5)中,degree為被解釋變量,用農(nóng)村電商行業(yè)集聚度來衡量,area 、pop、gdp、web、policy、milage為解釋變量,分別衡量區(qū)域內(nèi)地域因素、農(nóng)村互聯(lián)網(wǎng)覆蓋范圍、稅收優(yōu)惠政策、農(nóng)村投遞路線、第一產(chǎn)業(yè)gdp、農(nóng)村人口占比。β0為回歸模型的截距項,β1、β2、β3、β4、β5、β6為回歸模型的待估參數(shù),待估參數(shù)若為正,則表示模型中的解釋變量對模型中被解釋變量存在某種正向的影響關系,待估參數(shù)若為負,表明模型中的解釋變量對被解釋變量存在某種負向的影響關系。

degree=β0+β1tech+βXit+γ+η+εit

(6)

degree=β0+β1ecology+βXit+γ+η+εit

(7)

degree=β0+β1resource+βXit+γ+η+εit

(8)

在研究影響中國農(nóng)村電商行業(yè)集聚效應的關鍵性因子問題的時候,回歸結果容易受到地區(qū)效應、時間效應等方面的干擾影響,為了排除干擾因素,估算分離出來的農(nóng)村電商行業(yè)集聚效應的凈效應,公式(6)、(7)、(8)構建時間、個體固定效應回歸模型,tech、ecology、resource為技術支持、環(huán)境要素、資源消耗,Xit為控制變量,γ為時間固定效應,η為地區(qū)固定效應,εit為隨機誤差項。

(三)數(shù)據(jù)來源

實證研究數(shù)據(jù)來源于《中國統(tǒng)計年鑒》、《中國農(nóng)村統(tǒng)計年鑒》,由國家統(tǒng)計部門公開發(fā)布,國家統(tǒng)計局、阿里研究院發(fā)布,以 31 個省(自治區(qū)、直轄市)(不含港澳臺地區(qū))為觀測樣本。分別將 2016-2021年淘寶村數(shù)、農(nóng)村人口占比、地域因素、第一產(chǎn)業(yè) GDP、稅收優(yōu)惠政策、鄉(xiāng)村網(wǎng)絡普及范圍、鄉(xiāng)村分銷路線等指標數(shù)據(jù)進行匯總,整理成符合數(shù)據(jù)統(tǒng)計的格式。

四、農(nóng)村電商集群效應地區(qū)特征及關聯(lián)度分析

(一)電商集群地區(qū)分布特征

淘寶村從2009年起集群化特征日益凸顯,農(nóng)村電商集群效應不斷提升,并且其在中國農(nóng)村地區(qū)的空間布局存在明顯差異。2016—2021年,中國淘寶村、淘寶村集群、淘寶村集聚度重心基本位于浙江、廣東、江蘇、福建等東部沿海城市,三者之間的空間分布規(guī)律是一致的?？傮w來看,農(nóng)村電商集群呈現(xiàn)多中心的集聚格局,以珠三角、長三角、閩東南、潮汕、魯西南為主要聚集區(qū),也反映農(nóng)村電商集群的規(guī)模在自東向西的空間分布上極其不平衡,中國東部地區(qū)農(nóng)村電商發(fā)展優(yōu)勢十分明顯,分布格局特征受地理區(qū)位、資源稟賦等因素的主要影響。

從省域尺度看,淘寶村集群主要分布在廣東、江蘇、浙江三個省份。由圖2可知,2016年東部6個省份存在淘寶村集群,2020 年空間集聚程度持續(xù)加強,空間集聚范圍擴大,北京、上海、天津、河南、四川五個省份開始出現(xiàn)淘寶村集群。截止到2021年,淘寶村在13個省的分布情況中,浙江省以42個排名首位。高強度集聚區(qū)愈來愈增強,表明農(nóng)村電商集聚現(xiàn)象仍然處于高速發(fā)展的階段,淘寶村的規(guī)模迅速擴大,已經(jīng)進入由點到面的集聚階段,且淘寶村集群數(shù)量快速增長。

圖2 2016-2021年中國淘寶村集群數(shù)量變化

從梯度分布層面看,從東南沿海向西北內(nèi)陸遞減,淘寶村集群在地理分布上呈現(xiàn)明顯的梯級特征。由圖3可知,東部地區(qū)2016年至2021年淘寶集群由38個迅速增長至145個,中部地區(qū)2019年出現(xiàn)第一個淘寶村集群,到2021年的擴張為6個集群,而西部地區(qū)截至2021年僅1個淘寶村集群。這一地理分布的形成,與經(jīng)濟發(fā)展水平的東中西部空間格局相吻合,具有較強的地理區(qū)位優(yōu)勢和區(qū)位優(yōu)勢。東部地區(qū)擁有相對雄厚的經(jīng)濟基礎、成熟的消費市場、發(fā)達的交通運輸條件、完善的配套服務產(chǎn)業(yè)以及更多的人口,因此,東部地區(qū)的淘寶村集群數(shù)量最多。反觀中西部地區(qū),農(nóng)村電子商務發(fā)展相較于東部地區(qū)相對滯后,受制于經(jīng)濟基礎、市場環(huán)境、運輸條件、配套產(chǎn)業(yè)和人口基數(shù)等因素,發(fā)展速度相對較慢。

圖3 淘寶集群梯度分布格局

(二)灰色關聯(lián)度分析

1.截面關聯(lián)數(shù)據(jù)分析

參考相關文獻,運用灰色關聯(lián)分析模型,以淘寶村集聚度為衡量指標,從農(nóng)村人口占比、第一產(chǎn)業(yè) GDP、農(nóng)村發(fā)貨路線、農(nóng)村網(wǎng)絡覆蓋面、數(shù)據(jù)數(shù)字化處理等方面,將農(nóng)村電子商務集群效應的績效指標剔除各自在各數(shù)據(jù)中的有效因素,進行數(shù)據(jù)標準化處理。將其轉化為在統(tǒng)一的計量尺度下的標準化無量綱數(shù)據(jù),便于各指標間的對比分析。

為更好識別各影響因素對特定省份的綜合影響,本文根據(jù)截面灰色關聯(lián)度計算公式,計算了農(nóng)村人口占比、第一產(chǎn)業(yè)生產(chǎn)總值、農(nóng)村投遞路線、農(nóng)村網(wǎng)絡覆蓋范圍四個因素與淘寶村集聚度的截面灰色關聯(lián)度。截面灰色關聯(lián)度反映的是在同一研究對象與其關聯(lián)指標灰色關聯(lián)系數(shù)的平均值,表1反映了2021年上述四個因素與淘寶村集聚度各省份的關聯(lián)程度。但從具體指標來看,影響各省份淘寶村集聚度的因素仍然存在一定差異。

表1 淘寶村集聚度影響因素的截面關聯(lián)系數(shù)表

鑒于淘寶村聚集程度的關聯(lián)度分析,見表1。各影響因素與淘寶村集聚程度的灰色關聯(lián)度結果為:R1=0.920,R2=0.869,R3=0.807,R4=0.468,關聯(lián)度排序結果為:R1>R2>R3>R4?？梢?農(nóng)村網(wǎng)絡覆蓋范圍與農(nóng)村發(fā)貨路線的灰色關聯(lián)度最強,農(nóng)村人口占比緊隨淘寶村集聚發(fā)展,而與 GDP 灰色關聯(lián)度最弱的是第一產(chǎn)業(yè),對淘寶村的集聚發(fā)展影響最大。

2.時序數(shù)據(jù)分析

為兼顧截面數(shù)據(jù)以及時序數(shù)據(jù)兩者的長處,本文對其影響因子展開更加全面的分析,并在此基礎上,對其進行灰色綜合關聯(lián)度分析,見表2。根據(jù)淘寶村集聚時間順序的灰色關聯(lián)度,2016-2021年度各影響因素與淘寶村集聚時間的關聯(lián)度系數(shù)結果為:R1=0.693、R2=0.518、R3=0.486、R4=0.465,關聯(lián)度排序結果為:R1>R2>R3>R4,可見,農(nóng)村網(wǎng)絡覆蓋范圍與農(nóng)村發(fā)貨路線的灰色關聯(lián)度最強,農(nóng)村人口占比緊隨淘寶村集聚發(fā)展,而與 GDP 灰色關聯(lián)度最弱的是第一產(chǎn)業(yè),對淘寶村的集聚發(fā)展影響依然最大。

表2 淘寶村集聚度影響因素的時序關聯(lián)系數(shù)表

綜合上述各關聯(lián)度分析模型的計算結果,2021年截面數(shù)據(jù)灰色關聯(lián)度分析結果與時序關聯(lián)度分析得出的關聯(lián)度排序結果一致,網(wǎng)絡覆蓋范圍、農(nóng)村投遞線路、鄉(xiāng)村人口占比、第一產(chǎn)業(yè)生產(chǎn)總值占比四個因素的關聯(lián)系數(shù)依次降低,對淘寶村集聚度產(chǎn)生不同程度的影響。

五、農(nóng)村電商集群效應影響因素實證分析

(一)變量定義與描述性統(tǒng)計

根據(jù)回歸模型收集中國內(nèi)地2016年至2021年6年間31個省份電商生產(chǎn)的相關數(shù)據(jù),并進行對數(shù)化處理,被解釋變量為農(nóng)村電商集群效應。主要解釋變量為省市內(nèi)地域因素、農(nóng)村互聯(lián)網(wǎng)覆蓋范圍、稅收優(yōu)惠政策、農(nóng)村投遞路線、第一產(chǎn)業(yè)gdp、農(nóng)村人口占比、技術支持、環(huán)境要素、資源消耗對數(shù)來表示,見表3。Degree表示淘寶村集聚度,Policy為虛擬變量,若選取的樣本年份在2019年(前文選取的稅收優(yōu)惠政策執(zhí)行年份)后為1,在2019年前為0。為提升回歸結果可靠性,考慮到稅收優(yōu)惠政策影響至淘寶村集群需要一定時滯,選取的優(yōu)惠政策為2019年4月1日執(zhí)行,因此,本文將2019年所有樣本定量為0,這不僅可以兼顧到實際操作中,變量之間的傳遞所耗費的時間,還可以在技術上盡可能地緩解反向因果的內(nèi)生性干擾問題。Pop為各省份農(nóng)村人數(shù)占比,Gdp為各省份第一產(chǎn)業(yè)國內(nèi)生產(chǎn)總值,Area即樣本省份在國內(nèi)梯度分布,東部省份為1,中部省份為0.5,西部省份為0,Milage為各省份公路里程,Web為各省農(nóng)村網(wǎng)線接入數(shù)與各省農(nóng)村人口數(shù)比值。Tech為技術支持,用各區(qū)域內(nèi)電商企業(yè)R&D研發(fā)投入額表示,Ecology為環(huán)境要素,用地區(qū)出臺環(huán)境文件次數(shù)表示,Resource為資源消費,用農(nóng)村電商行業(yè)耗電量表示。

表3 農(nóng)村電商集群效應的變量定義與描述性統(tǒng)計

(三)回歸結果與分析

根據(jù)集聚度影響因素的回歸模型,本文選取31個省份數(shù)據(jù),用Stata軟件對農(nóng)村電商集聚效應影響因素進行面板回歸,由于部分數(shù)據(jù)不完整,因此剔除了相關樣本,進行標準化處理后回歸結果如下:

在表4中,逐步加入變量指標后,R2由0.369上升到0.789,說明在微觀小樣本的回歸模型中擬合度較好。在模型(4)中,運用OLS回歸檢驗地域因素、農(nóng)村互聯(lián)網(wǎng)覆蓋范圍、稅收優(yōu)惠政策、農(nóng)村投遞路線、第一產(chǎn)業(yè)gdp、農(nóng)村人口占比各變量影響因素對農(nóng)村電商集聚效應的影響。結果顯示,各影響因素回歸統(tǒng)計值均在0.05、0.01水平上顯著,第一產(chǎn)業(yè)gdp、農(nóng)村人口占比對農(nóng)村電商集聚效應影響效果顯著為負,說明在現(xiàn)階段農(nóng)村電商行業(yè)發(fā)展模式下,曾經(jīng)為農(nóng)村電商生產(chǎn)發(fā)展帶來活力的第一產(chǎn)業(yè)gdp、農(nóng)村人口占比等因素卻起到了阻礙的作用。這說明第一產(chǎn)業(yè)gdp、農(nóng)村人口占比等因素在促進農(nóng)村電商集聚生產(chǎn)時的邊際效果實際在不斷減弱,這兩大因素在推動農(nóng)村電商集聚效應增加的過程中作用卻顯得越來越小,反而導致了電商資源投入方面的浪費,以致于出現(xiàn)負向的影響作用效果,因此應嚴格控制這兩類因素的投入。而相反的,地域因素、農(nóng)村互聯(lián)網(wǎng)覆蓋范圍、稅收優(yōu)惠政策、農(nóng)村投遞路線對農(nóng)村電商集聚效應的影響效果顯著為正,說明現(xiàn)階段農(nóng)村電商地域向東傾向性與網(wǎng)絡信息條件、稅收優(yōu)惠條件、農(nóng)村郵政交通條件等因素的優(yōu)勢,一方面能進一步提升農(nóng)村電商集聚效應的增加,另一方面還能控制一定的農(nóng)村電商資源投入的浪費,對提升農(nóng)村電商集聚效果、推動農(nóng)村電商發(fā)展有較好的促進作用。在模型(3)中,運用線性回歸估計地域因素、農(nóng)村互聯(lián)網(wǎng)覆蓋范圍、稅收優(yōu)惠政策、農(nóng)村投遞路線、第一產(chǎn)業(yè)gdp、農(nóng)村人口占比各變量影響因素對農(nóng)村電商集聚效應的影響,除了稅收優(yōu)惠政策對農(nóng)村電商集聚效應的影響效果不顯著外,其他的影響因子對農(nóng)村電商集聚效應的影響效果均顯著,且影響方向與模型(4)中的相同。模型(5)和模型(6)分別運用固定效應回歸和隨機效應回歸,回歸模型在1%統(tǒng)計量上通過Hausman檢驗,確定傾向于固定效應模型回歸結果,在時間區(qū)域雙向固定效應模型(5)中,各變量對農(nóng)村電商集聚效應的影響效果顯示,第一產(chǎn)業(yè)gdp、農(nóng)村人口占比對電商集聚效應影響效果顯著為負,地域因素、農(nóng)村互聯(lián)網(wǎng)覆蓋范圍、稅收優(yōu)惠政策、農(nóng)村投遞路線對農(nóng)村電商集聚效應的影響效果顯著為正,與模型(3)、模型(4)的估計結果相同,說明回歸結果具有良好的穩(wěn)健性。

表4 基準回歸結果

(四)進一步研究分析

在表5中,回歸模型在1%的統(tǒng)計量上通過Hausman測試,確定了在時間區(qū)域的雙向固定效應模型中,傾向于固定效應模型的回歸結果,卡方值為0.672,表明在微觀小樣本的回歸模型中有更好的模型擬合度?；貧w結果表明,各解釋變量對被解釋變量均有顯著性影響,其中,第一產(chǎn)業(yè)gdp、農(nóng)村人口占比對農(nóng)村電商集聚效應影響效果顯著為負,說明現(xiàn)階段單純通過經(jīng)濟效應和人口紅利驅動的農(nóng)村電商集聚現(xiàn)象已出現(xiàn)變化,第一產(chǎn)業(yè)gdp、農(nóng)村人口占比不再成為促進農(nóng)村電商集聚效應提升的主要因素,二者在促進農(nóng)村電商集聚過程中產(chǎn)生的邊際作用正在不斷減小,以致于造成了電商行業(yè)資源投入的浪費,應注意把控第一產(chǎn)業(yè)gdp和農(nóng)村人口占比,配合有利因素,抑制第一產(chǎn)業(yè)gdp、農(nóng)村人口占比對農(nóng)村電商集聚效應的負向作用影響。而相反的,地域因素、農(nóng)村互聯(lián)網(wǎng)覆蓋范圍、稅收優(yōu)惠政策、農(nóng)村投遞路線對農(nóng)村電商集聚效應的影響效果卻是顯著為正,說明目前電商集聚發(fā)展具有向東傾向性,東部資金、人力、資源、技術等方面的空間集聚更加有利于農(nóng)村電商集聚效應的提升,同時,網(wǎng)絡條件、交通條件等基礎設施建設的完善也將促進農(nóng)村電商集聚效應的增加,稅收等優(yōu)惠性政策也將更好的促進農(nóng)村電商集聚效應的提升。加入新的變量技術因素后,雙向固定效應模型回歸結果顯示,技術因素對農(nóng)村電商集聚效應影響效果顯著為正,其余變量影響結果不變,說明區(qū)域內(nèi)對農(nóng)村電商的技術投入將驅動要素因子在空間時間內(nèi)的集聚,農(nóng)村電商要素的時空集聚能夠提高農(nóng)村電商運營生產(chǎn)效率,推動電商行業(yè)的發(fā)展。

表5 考慮到技術因素的農(nóng)村電商集聚效應影響因素回歸結果

在表6中,加入新的變量環(huán)境和資源消費后,運用OLS、時間個體雙向固定效應回歸、隨機效應回歸對基準回歸結果進行了檢驗。通過Hausman檢驗,確定傾向于固定效應模型回歸結果,在時間區(qū)域雙向固定效應模型中,R2為0.668、0.686,擬合度較好,回歸結果顯示,各影響因素回歸統(tǒng)計值均在0.05、0.01水平上顯著,第一產(chǎn)業(yè)gdp、農(nóng)村人口占比對農(nóng)村電商集聚效應影響效果顯著為負,地域因素、農(nóng)村互聯(lián)網(wǎng)覆蓋范圍、稅收優(yōu)惠政策、農(nóng)村投遞路線對農(nóng)村電商集聚效應的影響效果顯著為正。環(huán)境因素對農(nóng)村電商集聚效應的影響效果顯著為負,說明農(nóng)村電商行業(yè)面對環(huán)境要素的束縛,為了達到降低排放、減少消耗的目標,對農(nóng)村電商實行分散化運營,減少農(nóng)村電商集聚現(xiàn)象,短期內(nèi)對農(nóng)村電商發(fā)展有一定影響。資源消費對農(nóng)村電商集聚效應的影響效果顯著為正,說明資源集聚消費將會促進農(nóng)村電商集聚效應的增加,為了減少資源消耗的浪費和環(huán)境污染,在保證生產(chǎn)效率的前提下,需要配合環(huán)境政策的束縛,從而實現(xiàn)農(nóng)村電商行業(yè)的可持續(xù)發(fā)展。

表6 考慮到環(huán)境和資源消耗的農(nóng)村電商集聚效應影響因素回歸結果

在表7中,將樣本量中的省(自治區(qū)、直轄市)分為東部、中部、西部三類區(qū)域,控制其地區(qū)效應和時間效應,對影響農(nóng)村電商行業(yè)生產(chǎn)效率和環(huán)境政策束縛的第一產(chǎn)業(yè)gdp和稅收優(yōu)惠政策重要的解釋變量進行固定效應回歸,卡方值分別為0.316、0.286、0.312,說明在小樣本微觀計量模型中統(tǒng)計值擬合度較好?；貧w結果顯示,東部、中部、西部區(qū)域第一產(chǎn)業(yè)gdp對農(nóng)村電商集聚效應的影響均顯著為負,區(qū)域第一產(chǎn)業(yè)gdp在促進東部、中部、西部地區(qū)電商企業(yè)增加產(chǎn)量、擴大市場銷售的同時,均造成不同程度的資源投入浪費。而稅收優(yōu)惠政策因素對農(nóng)村電商集聚效應因素影響效果依然顯著為正,稅收優(yōu)惠政策束縛對東部、中部、西部地區(qū)農(nóng)村電商集聚效應提升均具有促進作用,在控制規(guī)模、防止資源浪費的基礎上,應重視電商環(huán)境政策的重要調(diào)節(jié)作用。

表7 分區(qū)域異質(zhì)性回歸結果

六、結論及政策建議

本研究運用灰色關聯(lián)度分析和面板回歸分析方法對農(nóng)村電商集群效應影響因素進行分析,結論如下:①中國自然地理格局與淘寶村集群空間分布高度契合,淘寶村集群空間分布呈現(xiàn)從東南沿海向西北內(nèi)陸遞減態(tài)勢,東南沿海由于經(jīng)濟較為發(fā)達,有利于資源和要素的時空聚集,對周圍資源要素具有較強的吸引力,地域因素對農(nóng)村電商集群效應有重要影響;②農(nóng)村投遞路線、農(nóng)村互聯(lián)網(wǎng)覆蓋范圍等農(nóng)村基礎設施建設方面越完善,淘寶村集聚度越高,農(nóng)村電商集群效應越顯著;③在現(xiàn)階段農(nóng)村電商行業(yè)發(fā)展模式下,曾經(jīng)為農(nóng)村電商生產(chǎn)發(fā)展帶來活力的第一產(chǎn)業(yè)gdp、農(nóng)村人口占比等因素,對農(nóng)村電商集聚效應的提升起到了阻礙作用,說明第一產(chǎn)業(yè)gdp、農(nóng)村人口占比等因素在促進農(nóng)村電商集聚生產(chǎn)時的邊際效果在不斷減弱,這兩大因素在推動農(nóng)村電商集聚效應增加的過程中作用越來越小,反而造成了資源投入方面的浪費,以致于出現(xiàn)負向的作用效果,因此應控制這兩類因素的投入;④隨著鄉(xiāng)村振興戰(zhàn)略的布局與實施,政府執(zhí)行的相關環(huán)境政策、技術支持為農(nóng)村電子商務快速推進提供了良好的機遇,充分利用好相關稅收政策、技術支持能夠促進農(nóng)村電商集群效應。

基于研究結論,本文提出以下政策建議:

第一,提高農(nóng)村基礎設施建設。農(nóng)村電子商務的發(fā)展需要農(nóng)村基礎設施的不斷完善,基礎設施影響著農(nóng)村電子商務與外界的直接溝通與交流。各級政府應加大對農(nóng)村基礎設施建設的財政投入,特別是涉及到投遞線路的建設與維護,以及中國農(nóng)村網(wǎng)絡的普及與完善。積極提升快遞、物流行業(yè)的運輸效率,提高運輸時效。

第二,培養(yǎng)高素質(zhì)的專業(yè)人才。政府應建立電子商務培訓機構,全方位、無死角對從業(yè)人員進行培訓,根據(jù)具體的訓練內(nèi)容,開展專項的專業(yè)訓練,全方位地提升從業(yè)人員的職業(yè)素養(yǎng)和服務意識,并建立與之相適應的后續(xù)考核和持續(xù)教育體系,逐步提高村民的計算機使用水平和互聯(lián)網(wǎng)使用水平。

第三,政府助推農(nóng)村電商發(fā)展。專門針對改善當?shù)刭Y產(chǎn)基礎的政府政策能有效地克服產(chǎn)業(yè)集群發(fā)展的障礙,因此要加強政府政策對農(nóng)村電商的支持,例如稅率的優(yōu)惠政策,惠農(nóng)的財政政策支持等。設立農(nóng)村電子商務發(fā)展基金,實施人才下鄉(xiāng)計劃,對農(nóng)村居民進行電商及網(wǎng)絡應用技術培訓,引領產(chǎn)業(yè)結構升級及產(chǎn)品優(yōu)化,促進電商發(fā)展模式多元化,逐漸消除農(nóng)村信息差鴻溝效應,推動農(nóng)村電商發(fā)展。

第四,加大技術支持力度。通過大數(shù)據(jù)分析、優(yōu)化配送路線、降低物流成本、提升配送速度,讓農(nóng)產(chǎn)品更快更好地到達消費者手中,利用電子商務技術完善農(nóng)村物流配送體系。同時,利用大數(shù)據(jù)技術,可以分析消費者的購買行為,并以此為依據(jù),調(diào)整農(nóng)產(chǎn)品的種植和銷售策略,以適應市場需求。通過物聯(lián)網(wǎng)技術,提高農(nóng)業(yè)生產(chǎn)效率,降低生產(chǎn)成本,從而實現(xiàn)農(nóng)田管理智能化。電商技術為農(nóng)村電商發(fā)展提供了強大的技術支持,可以有效提升農(nóng)村電商的運營效率和市場競爭力,因此,要進一步加大對農(nóng)村電商的技術支持力度,用數(shù)字技術賦能農(nóng)村電商,加快推進農(nóng)村電商集群發(fā)展。