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(luò)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(guān)系如何呢？基于互聯(lián)網(wǎng)上網(wǎng)人數(shù)與快遞業(yè)務(wù)量之間的相關(guān)數(shù)據(jù)，運用計量經(jīng)濟學(xué)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(wù)量增長有顯著的影響，并且每當(dāng)互聯(lián)網(wǎng)上網(wǎng)人數(shù)增長1%，快遞業(yè)務(wù)量增長0.64%。

關(guān)鍵詞：互聯(lián)網(wǎng)上網(wǎng)人數(shù)；快遞業(yè)務(wù)量；實證分析；固定效應(yīng)

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(luò)購物的發(fā)展，是快遞業(yè)務(wù)量增長的重要因素。自2005年以來，電子商務(wù)的快速發(fā)展推動了快遞業(yè)務(wù)量的迅速擴張，網(wǎng)絡(luò)零售帶動的業(yè)務(wù)量占快遞總量的50%以上，快遞業(yè)務(wù)量總體走勢與電子商務(wù)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(wù)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(wù)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(jié)構(gòu)升級的新興服務(wù)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(xué)者和研究人員基于產(chǎn)業(yè)經(jīng)濟學(xué)的理論從產(chǎn)業(yè)關(guān)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(guān)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(guān)的產(chǎn)業(yè)。季彤②（2012）在運用產(chǎn)業(yè)關(guān)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(guān)關(guān)系，并列出了各個相關(guān)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(yīng)用層面，關(guān)于科學(xué)理論分析的甚少，定性研究占主導(dǎo)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(wù)量有明顯增大的趨勢，31個省市2007年的快遞業(yè)務(wù)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(luò)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(luò)購物交易額兩種。一方面由于無法搜集到網(wǎng)絡(luò)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(luò)購物交易額對快遞業(yè)的相關(guān)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(wù)收入（retailing）。

三、計量模型與實證分析

（一）模型的建立

快遞業(yè)務(wù)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(guān)關(guān)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(guān)關(guān)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(jié)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(dāng)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(jié)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(jié)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(dāng)互聯(lián)網(wǎng)上網(wǎng)人數(shù)每變動1%時，快遞業(yè)務(wù)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(wù)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(wù)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(wù)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(wù)量存在重要影響。

2.固定效應(yīng)模型

在實際的分析中，利用面板數(shù)據(jù)可以構(gòu)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(wù)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(shù)發(fā)展水平不同，交通建設(shè)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(yīng)模型分析31個省市的快遞業(yè)務(wù)量很有必要，得到的回歸結(jié)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(yīng)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(wù)量的影響顯著。此時主要解釋變量的系數(shù)說明，當(dāng)互聯(lián)網(wǎng)上網(wǎng)人數(shù)每變動1%時，快遞業(yè)務(wù)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(wù)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(wù)量是一個跟時間正相關(guān)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(yīng)也高度相關(guān)，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(shè)檢驗，得到F（3，30）=29.00，拒絕原假設(shè)，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(wù)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(guān)的關(guān)系才導(dǎo)致了這個結(jié)果。

結(jié)論與相關(guān)說明

本文通過對互聯(lián)網(wǎng)上網(wǎng)人數(shù)和快遞業(yè)務(wù)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(jié)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(chǔ)設(shè)施、信息資源等因素，本文只選取了電子商務(wù)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(dāng)中做計量分析。最后，人們對網(wǎng)絡(luò)的接受程度和對網(wǎng)絡(luò)購物的接受程度，這些因素都很關(guān)鍵卻無法用具體數(shù)據(jù)說明，也構(gòu)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(wù)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(xué)，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(xué)，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(guān)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(xué)，2011.

[5] [美]詹姆斯·H.托克，馬克·W.沃森.計量經(jīng)濟學(xué)：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(zé)任編輯 陳丹丹]endprint