Post on 21-Nov-2020
transcript
软科学 Soft Science
ISSN 1001-8409,CN 51-1268/G3
《软科学》网络首发论文
题目: 农业企业电商采用决策及电商业绩影响因素的实证研究——基于农业产业化
龙头企业的经验数据 作者: 谢金丽,胡冰川 收稿日期: 2020-04-15 网络首发日期: 2020-06-30 引用格式: 谢金丽,胡冰川.农业企业电商采用决策及电商业绩影响因素的实证研究—
—基于农业产业化龙头企业的经验数据.软科学. https://kns.cnki.net/kcms/detail/51.1268.G3.20200630.1735.012.html
网络首发:在编辑部工作流程中,稿件从录用到出版要经历录用定稿、排版定稿、整期汇编定稿等阶
段。录用定稿指内容已经确定,且通过同行评议、主编终审同意刊用的稿件。排版定稿指录用定稿按照期
刊特定版式(包括网络呈现版式)排版后的稿件,可暂不确定出版年、卷、期和页码。整期汇编定稿指出
版年、卷、期、页码均已确定的印刷或数字出版的整期汇编稿件。录用定稿网络首发稿件内容必须符合《出
版管理条例》和《期刊出版管理规定》的有关规定;学术研究成果具有创新性、科学性和先进性,符合编
辑部对刊文的录用要求,不存在学术不端行为及其他侵权行为;稿件内容应基本符合国家有关书刊编辑、
出版的技术标准,正确使用和统一规范语言文字、符号、数字、外文字母、法定计量单位及地图标注等。
为确保录用定稿网络首发的严肃性,录用定稿一经发布,不得修改论文题目、作者、机构名称和学术内容,
只可基于编辑规范进行少量文字的修改。
出版确认:纸质期刊编辑部通过与《中国学术期刊(光盘版)》电子杂志社有限公司签约,在《中国
学术期刊(网络版)》出版传播平台上创办与纸质期刊内容一致的网络版,以单篇或整期出版形式,在印刷
出版之前刊发论文的录用定稿、排版定稿、整期汇编定稿。因为《中国学术期刊(网络版)》是国家新闻出
版广电总局批准的网络连续型出版物(ISSN 2096-4188,CN 11-6037/Z),所以签约期刊的网络版上网络首
发论文视为正式出版。
农业企业电商采用决策及电商业绩影响因素的实证研究
——基于农业产业化龙头企业的经验数据
谢金丽1,胡冰川 2
(1.中国社会科学院大学,北京 102488; 2.中国社会科学院 农村发展研究所,
北京 100732)
摘要:采用 2017 年农业产业化龙头企业的微观数据,从农业企业内部因素和外部因素
两个角度出发,通过 Logit模型和 OLS 模型实证分析农业企业电商采用决策与电商业
绩的影响因素。结果表明,农业企业电商采用决策更容易受到行业和环境等外部因素
的影响;农业企业电商业绩则主要与企业科研投入和所获财政扶持等内部特征相关。
故对于现阶段农业企业电商整体发展而言,政府应着重引导外部环境改善,刺激企业
采用电商;企业则应在发展电商后对内部经营管理提出更高要求,推动电商业绩增长。
关键词:农业电子商务;农业企业;电商采用;电商业绩
An Empirical Study on Influencing Factors of E-Commerce Behavior Adoption
and E-Commerce Performance of Agricultural Enterprises
-- Based on the Experience Data of Agricultural Industrialization Leading Enterprises
XIE Jin-li1, HU Bing-chuan2
(1. University of Chinese Academy of Social Sciences, Beijing 102488;
2. Rural Development Institute, Chinese Academy of Social Sciences, Beijing 100732)
Abstract: This paper adopts Logit and OLS model to analyze the influencing factors of e-
commerce adoption and e-commerce performance of agricultural enterprises empirically from
the perspectives of internal and external factors, based on the micro-data of agricultural
industrialization leading enterprises in 2017. The result shows that the e-commerce decisions of
agricultural enterprises are more vulnerable to external factors, such as industry and
environment. However, the e-commerce performance is mainly related to internal
characteristics, such as R&D investment and financial support. Therefore, in the current stage,
government should shape a better environment to improve enterprises' adoption of e-commerce.
Enterprises themselves also should put forward higher requirements on internal operation and
management after the adoption of e-commerce, so as to promote the growth of e-commerce
收稿日期:2020-04-15
作者简介:谢金丽(1994-),女,北京人,博士研究生,研究方向为农产品电子商务;胡冰川(1980-),男,
安徽马鞍山人,博士、研究员,研究方向为农业经济、农产品贸易与政策(通讯作者)。
网络首发时间:2020-06-30 18:29:15网络首发地址:https://kns.cnki.net/kcms/detail/51.1268.G3.20200630.1735.012.html
performance.
Key words: agricultural e-commerce; agricultural enterprises; e-commerce adoption; e-
commerce performance
引言
农业是国民经济的基础。自中国加入WTO 以来,市场环境日益复杂,农产品供需
难测,“买难卖难”问题严峻;同时,我国现阶段农业仍有相当部分的生产以家庭为单
位、加工以小作坊为主,生产加工环节的分散化加剧了“小生产”与“大市场”对接的
矛盾,众多农业企业面临难与市场对接、难以把握市场需求的困境。
在此背景下,2014 年中央一号文件明确提出“启动农村流通设施和农产品批发市
场信息化提升工程,加强农产品电子商务平台建设”,自此以后,历年一号文件多次强
调并要求推进电子商务在农业领域的发展。2020 年中央一号文件明确提出发展富民乡
村产业,有效开发农村市场,扩大电子商务进农村覆盖面。
农业电子商务的发展为传统农业经济带来质的改变,注入新的活力。流通方面,
中间环节的减少能够降低企业的交易成本,扩大产品销售范围;生产方面,和消费者
的紧密连接可以帮助企业按市场需求生产,增强应对需求变化的能力。如今,农业电
子商务发展态势良好,对传统交易的替代作用愈发明显,市场份额稳步提升。根据《2020
年中国农产品电商发展报告》,2019 年全国农产品网络零售额已超过 5000 亿元。
实际上,在农业电商快速发展的背景下,微观企业电商的发展虽然带有强烈的个
体色彩,但是从行业角度,仍然具有一般性规律。因此,本文基于农业企业的微观数
据,通过 Logit 模型和OLS 模型着重研究农业企业自身特征及外部环境对电商采用决策
和电商业绩的影响,为农业电子商务发展提供理论支撑和政策建议。
1 文献综述
电子商务的概念在上世纪末被提出并迅速传播和推广,但至今没有统一的定义。
本文研究的农业企业电商是指电商在农业供应链各环节的应用,参照曾亿武等对农业
电子商务的概念辨析,农业电子商务包括农产品电子商务、农资采购环节和生产经营
环节的电子商务以及休闲农业的电子商务[1]。
1.1 国外研究
回溯国外对电商研究的进展,可发现其具有鲜明的时间印迹。早期研究更多地反
映电商的准入门槛与沉没成本。首先,Zwass 给出电商的明确定义:通过通信媒体共享
商业信息、维护商业关系和进行商业交易[2]。Henderson 等和 Thatcher 等初期研究认为
大型企业相较于中小企业更有可能采用电商,对发展电商的准备更充分,也更具备发
展电商的条件与能力[3,4]。
对于中小企业,研究表明企业采用电商受互联网成本、物流能力、成果是否直观
可见等因素影响。Mansor 等在对马来西亚、伊朗、肯尼亚的中小企业研究中发现,较
低的互联网服务成本、物流能力的提升、网上交易的便利性推动企业采用电商;此外,
能否直接观察到可见结果也具有显著影响,如工作程序的简化、价值链伙伴之间的有
效协调、生产力的提高、改善客户服务等[5~7]。
对于农业电商,Leroux 等发现产业结构、产品的复杂性及交易的高接触性是影响
电商在农业发展的三大主要因素[8]。这也意味着,农业电商面临比其他电商更高的成本。
Ng 归纳出影响企业选择电商的因素包括可利用资源、目标市场细分、产品属性等内部
因素,以及产业类型、竞争者影响、市场趋势等外部因素[9]。Montealegre 等发现市场
信息、中立性(非买、卖方导向)和市场深度对农业电商平台的成功起积极作用[10]。
农业企业是电商扩散相对缓慢的一个领域,面临着一些特有的问题。
Kalaitzandonakes 等通过对美国中西部大型农业生产商的调查发现,阻碍企业通过电商
购买农资的关键因素包括售后服务缺乏、交易的安全及保密性等,并认为这些障碍难
以克服[11]。Brush 和McIntosh 通过研究新西兰牲畜市场的电商平台 Live.ex 发现,互联
网交易中存在风险并缺乏信任、与传统市场相比价格缺乏吸引力、供货及时性难以保
证等是影响电商交易的阻碍[12]。
1.2 国内研究
统观国内关于农业电商的文献资料后发现,国内学者对农业电商营销模式、农业
电商发展的影响因素、农业企业发展电商的必要性、电商对农业企业的影响等方面的
研究较为丰富也较为深入。但在微观层面上,电商研究多从消费端入手,如分析不同
人群对农产品的网购意愿、农户对于在电商平台上购买农资的意愿等。针对农业企业
对电商采用决策的影响因素展开的研究甚少。
关于农民采用电商的影响因素,鲁钊阳认为政府扶持农产品电商发展的政策具有
显著的积极意义;同时,政策的有效性受到农产品电商自身、开展电商的家庭以及所
在区域经济社会发展环境的影响;此外,不同政策在区域和户籍之间具有明显的异质
性[13]。
关于农业企业开展电商,林家宝等从技术创新扩散的视角出发,认为企业在最初
采用电子商务后,并没有得到商业价值,只有当企业吸收电子商务并发挥其效能后,
才真正产生商业价值。实证结果发现,相对优势、物流能力、吸收能力和竞争压力会促
进电子商务吸收,复杂性则起阻碍作用,政府支持会减缓复杂性的阻碍作用,但也会
削弱物流能力和竞争压力的促进作用[14]。
对于阻碍企业采用电商的因素,在宏观层面,当前我国农业电商发展外部环境、
内部因素皆有不合理之处,信息传递、供应链优化和价值增值功能尚未得到充分发挥,
电商企业间竞争日益激烈皆是农业电商发展的阻碍 [15]。在微观层面,任保才等通过对
农资电商平台的研究发现,电商将成为今后农资销售的主要模式,但其发展面临着物
流运输限制、种植业分散、与传统交易模式相矛盾、信任机制欠缺等问题[16];侯振兴
通过甘肃省农业电商从业者的访谈研究发现,存在网络安全问题突出、运营成本高企、
产品局限性强、人才资源缺乏等问题[17]。
1.3 研究述评
统观国内外文献可以发现,国外学者对农业电商发展的研究虽然较为全面,但多
是针对大范畴下的企业——涵盖农业、制造业、服务业等,专门针对农业企业的研究
较少,偶有涉及也多是把农业企业作为企业这个大范畴中的一个范例。受各国经济发
展阶段不同所致,国外学者对电子商务具体在农业领域中的发展关注有限,对电子商
务与农业产业特点的摩擦与结合的研究不深,并且鉴于我国的“小农户”与许多发达
国家的“大农场”的农业基本特征迥异,国外研究虽不乏参考价值,但借鉴价值有限。
相对的,国内学者对农业产业与电商结合的研究较为充分,开展了包括农业电商
模式、农业电商发展的影响因素、农业企业发展电商的必要性和影响等在内的诸多研
究,但鲜有针对农业企业对电商采用及其发展的影响因素的实证研究,且尚无研究能
够结合经验数据进一步分析农业产业价值链不同环节、不同农业细分行业等农业领域
中的诸多要素对农业企业电商采用与发展的影响。
因此,与以往研究相比,本文的主要贡献和创新价值在于能够基于企业层面的微
观经验数据,通过计量经济学模型,对企业采用电商及电商业绩的影响因素进行定量
研究,探究了包括企业规模、经营绩效、研发投入等在内的企业内部因素以及企业所
处的农业价值链的环节位置、农业细分市场等外部因素对企业电商采用与发展的影响。
2 数据、变量和研究方法
2.1 数据来源
数据来源于农业农村部统计的 2017 年国家级重点农业产业化龙头企业的相关财
务数据,数据涵盖 28 个省、直辖市、自治区(不包含新疆、西藏、天津、台湾地区、
澳门特别行政区和香港特别行政区)。去除掉财务指标异常或缺项的数据后,可用数据
为 491 个。
2.2 变量选取与描述性统计
本文主要在借鉴以往研究并结合已有数据的基础上确定解释变量:
在企业自身因素方面,由于企业资产总额与营业收入、市场规模等呈现出较高的
相关性,故选取企业资产总额作为企业规模大小的指标;通过已有数据计算得到企业
的利润率(税后利润/营业收入)、负债率(期末贷款余额/资产总额)作为企业盈利能
力和偿债能力的指标;选取企业科技研发投入额、获得财政扶持金额分别作为科研影
响和政策影响指标。
从外部因素出发,本文试图探究企业所处的农业价值链的不同位置及不同农业细
分市场是否对电商的采用及业绩存在影响,故通过主营业务将企业在价值链环节上分
为生产、加工、贸易企业,在农业细分市场上分为种植业、养殖业、水产业、林业及服
务业。此外,本文选取企业所处省份的人均GDP 作为各省间发展水平、人均收入等差
异的代表,探究其对农业企业电商采用及发展的影响。
对于被解释变量,针对不同数据模型,本文分别选取企业“是否采用电子商务”
(是为 1,否为 0)和企业“电子商务交易额”作为被解释变量。
本文中选用的全部变量的释义及其描述性统计如表 1 所示。
表 1 变量的定义与描述性统计
名称 含义 属性 单位 均值 标准差 最大值 最小值
ecommerce 电子商务交易额 被解释变
量
万元 8297 44783 630311 0
treated 是否采用电子商务(1=是,0=否) / 0.51 0.50 1 0
asset 资产总额
解释变量
万元 228674 647371 11736881 98
profit 利润率 % 7.31 9.15 81.07 -24.97
leverage 资产负债率 % 24.93 41.65 502.13 0
research 科技研发投入额 万元 3689 13998 249650 0
policy 获得财政扶持金额 万元 880 2804 37567 0
GDP 人均GDP 元 60209 17725 128994 28497
produce 是否为生产企业(1=是,0=否) / 0.32 0.47 1 0
process 是否为加工企业(1=是,0=否) / 0.84 0.37 1 0
trade 是否为贸易企业(1=是,0=否) / 0.12 0.33 1 0
agriculture 是否为种植业(1=是,0=否) / 0.47 0.50 1 0
breeding 是否为养殖业(1=是,0=否) / 0.33 0.47 1 0
aquaculture 是否为水产业(1=是,0=否) / 0.06 0.24 1 0
forestry 是否为林业(1=是,0=否) / 0.06 0.24 1 0
service 是否为服务业(1=是,0=否) / 0.08 0.27 1 0
2.3 研究方法
为充分应用所获得的数据探究影响农业企业电商采用及电商业绩的因素,本文分
别针对“是否采用电子商务”和“电子商务交易额”作为被解释变量的情形,采用 Logit
和OLS 模型进行回归分析。
(1)Logit 模型
由于“是否采用电子商务”是离散的二元变量,本文采用二值选择模型——Logit
模型对农业企业电商采用的影响因素进行研究。
模型的一般形式为:
'
'1 ) ( )
1
x
x
eP y x F x
e
= = =
+
( (1)
记 1 )p P y x =( ,则 'ln ( )
1
px
p=
−。其中,“
1
p
p−”被称为“几率比(odds ratio)”。
依据 Logit 模型,结合表 1 的变量选择,构建模型(2),采用最大似然估计法对
系数进行估计:
0 1 2 3 4 5
6 7 8 9 1 0
1 1 1 2 1 3 1 4
ln ( )1
i
i i i i i
i
i i i i i
i i i i i
pa sse t p ro fit le v e ra g e re se a rc h p o lic y
p
G D P p ro d u c e p ro c e ss tra d e a g r ic u ltu re
b re e d in g a q u a c u ltu re fo re s try se rv ic e
= + + + + +−
+ + + + +
+ + + + +
(2)
(2)OLS 模型
在对已采用电商的农业企业的电商业绩影响因素进行研究分析之前,本文先对样
本数据进行缩减,选取“电子商务交易额”大于 0 的数据,共得到 252 个样本。构建
模型(3),采用最小二乘法对系数进行估计:
0 1 2 3 4 5
6 7 8 9 1 0
1 1 1 2 1 3 1 4
i i i i i i
i i i i i
i i i i i
e c o m m e rc e a sse t p ro fit le v e ra g e re se a rc h p o li c y
G D P p ro d u c e p ro c e ss tra d e a g r ic u ltu re
b re e d in g a q u a c u ltu re fo re s try se rv ic e
= + + + + +
+ + + + +
+ + + + +
(3)
本文利用 STATA 15. 0 统计软件进行分析,结果如表 2 和表 3 所示。
3 农业企业电商采用的影响因素
表2 Logit 模型回归结果
模型(2a) 模型(2b) 模型(2c) 模型(2d)
treated treated treated treated
asset 1.00 1.00 1.00 1.00
(-0.85) (-1.37) (-0.80) (-1.38)
profit 0.67 0.54 0.93 0.66
(-0.35) (-0.59) (-0.06) (-0.40)
leverage 1.28 1.13 1.30 1.15
(1.00) (0.51) (1.09) (0.59)
policy 1.00 1.00 1.00 1.00
(1.06) (1.03) (1.04) (1.06)
research 1.00 1.00 1.00 1.00
(0.76) (1.01) (0.70) (1.02)
GDP 1.000013* 1.000016** 1.000009* 1.000013**
(2.29) (3.00) (2.45) (3.03)
produce 0.91 0.98
(-0.42) (-0.11)
0.41** 0.76
process (-2.75) (-1.04)
trade 0.70 0.68
(-1.16) (-1.32)
agriculture 4.91*** 4.59***
(5.18) (5.08)
breeding 2.04* 1.94*
(2.18) (2.13)
aquaculture 5.24** 4.74**
(3.27) (3.18)
forestry 1.00 1.15
(0.01) (0.33)
service 0.51 0.82
(-1.54) (-0.51)
N 491 491 491 491
注:*、**和***分别表示在 5%、1%和 0.1%水平上显著。括号中的数值是 t 值。汇报结果为几
率比(odds ratio)而非回归系数,几率比>1 表明存在正向影响,几率比<1 表明存在负向影响
回归结果表明,企业规模、科技研发投入额、获得财政扶持金额等企业内部因素
对企业采用电商的决策行为没有显著影响,企业所处省份的人均 GDP、是否位于价值
链加工环节、是否处于种植业、畜牧业和水产业中对企业采用电商产生显著影响。
3.1 内部因素
企业规模、利润率、资产负债率、科技研发投入额、获得财政扶持金额皆对企业采
用电商的决策不产生影响,表明现阶段国内农业企业电商的采用主要受外部因素影响。
企业规模和科技研发投入额的影响不显著,表明在当前环境下农业企业采用电商的门
槛不高,不存在只有“大企业”“科技水平高”的企业才能迈进电商领域的问题,也体
现出近年来互联网、物联网等基础设施水平的提升已创造出了一个蓬勃发展的电商业
态。财政扶持的影响不显著表明政府扶持电商发展的政策效果并不明显,不能有效地
引导农业企业采用电商。值得注意的是,农业企业如果不能找到合适的电商实现形式,
不论企业规模大小,都有可能产生亏损,且亏损带来的示范效应将影响其他相关企业
对电商前景的预期,进而影响其电商采用决策,即说明农业企业电商采用决策往往与
自身财务特征无关。
3.2 外部因素
企业所处省份的人均 GDP、位于价值链加工环节、处于种植业、畜牧业和水产业
中对企业采用电商产生显著影响。
企业所处省份的人均GDP 对电商的采用产生显著的正向影响,表明当地经济越发
达,企业越可能采用电商。笔者认为,当地经济的发展情况从以下几个角度影响企业
采用电商:第一,发达地区完善的基础设施建设降低了企业开展电商的物流费用等交
易成本。第二,经济蓬勃发展的地区相对具有更加包容的文化,企业在此文化影响下
更愿意探索新鲜事物,接受电商模式。第三,发达地方的市场竞争机制更加完善,企业
间的竞争压力迫使企业更关注其他企业的动向,电商的采用更容易形成传导效应。第
四,发达地区的企业更容易发挥好的示范带动作用,开放的环境中技术更易扩散,企
业更易相互借鉴先进经验,发现适合自身发展的电商形式。第五,同企业受到的文化
影响类似,发达地区的消费者更愿意尝试新鲜事物,而且消费能力更强,市场竞争机
制下消费者对电商的偏爱更容易倒逼企业采用电商并完善相应服务。
企业处于价值链加工环节对电商的采用产生显著的负向影响但并不稳健,且与样
本数据的统计特征不符。对比模型(2a)和模型(2b),在去掉农业细分行业变量后,
加工性质不再产生显著影响,表明加工性质对企业采用电商的负向影响并不稳健。在
样本中,主营业务包括加工业务的农业企业占绝大多数,并且约有半数的加工企业采
用了电商。这表明回归结果与统计特征存在矛盾,其中原因仍有待进一步研究。
处于种植业、畜牧业、水产业对电商的采用产生显著的正向影响,这些行业中的
企业采用电商的概率皆数倍于其他行业。对于这一结果,本文尝试从对偶的另一角度
分析,即主营业务属于林业和服务业的农业企业相较于其他细分农业行业更不易采用
电商。郭鸿鹏等(2016)认为林地物产相较于耕地物产更适合网络渠道,更能满足消
费者个性化与碎片化的需求,并且农业电商发展能够提升林地的利用效率[18]。本文的
结果看似与之矛盾,其实不然。为了相对精简农业细分市场的划分,本文仅将涉及花
卉苗木、园艺作物、橡胶板材等业务的企业划分为林业企业,而将涉及菌类、干果、茶
叶等作物的生产加工业务统一划分到种植业的范畴。笔者认为林业、服务业企业不似
其他细分行业对电商采用产生显著的正向影响,可以从产品属性等角度尝试解释:花卉
苗木、园林作物等林业作物相较于其他产业产品面临着标准化难度更高的问题,而且
林业市场中更多的是企业间的业务往来,直接面向终端消费者的市场较小,采用电商
的必要性不高也并不迫切。至于服务业企业,以为农业经营主体提供信息咨询、技术
指导等为主营业务,电商的采用并不对其相关业务的发展产生明显的积极作用,电商
对服务业企业亦不具备必要性。
4 农业企业电商业绩的影响因素
表3 OLS 模型回归结果
模型(3a) 模型(3b) 模型(3c) 模型(3d)
ecommerce ecommerce ecommerce ecommerce
asset 0.0 0.0 0.0 0.0
(-0.15) (-0.08) (-0.08) (-0.10)
profit -32982.0 -41609.7 -39310.0 -46032.3
(-0.70) (-0.90) (-0.82) (-0.97)
87.6 -1985.6 -2311.5 -3596.6
leverage (0.01) (-0.23) (-0.26) (-0.42)
policy 2.0*** 2.0*** 1.9*** 1.9***
(4.03) (4.12) (3.73) (3.86)
research 3.005 3.013 2.785 2.797
(1.76) (1.77) (1.58) (1.6)
GDP -0.23 -0.249 -0.241 -0.252
(-1.18) (-1.30) (-1.20) (-1.28)
produce 10992.1 11607.6
(1.22) (1.38)
process -11205.5 -8162.7
(-1.01) (-0.79)
trade 44802.9*** 43546.4***
(3.69) (3.63)
agriculture -1669.2 1637.6
(-0.12) (0.12)
breeding 5197.1 9997.3
(0.38) (0.72)
aquaculture -10036.2 -2450.4
(-0.55) (-0.13)
forestry -15093.6 -6309.5
(-0.80) (-0.34)
service -15054.8 -3984.7
(-0.82) (-0.22)
N 252 252 252 252
注:*、**和***分别表示在10%、5%和1%水平上显著。括号中的数值是 t 值
回归结果表明,科技研发投入额、获得财政扶持金额、企业位于价值链贸易环节
对企业电商业绩产生显著影响。
科技研发投入额对电商业绩产生显著的正向影响,表明企业科技研发投入越高,
电商发展得越好。科研投入对电商发展的作用体现在企业可以搭建或采用功能更加完
备、用户体验更加顺畅的电商平台,通过相应的监控系统与软件实现生产加工流程管
理的精细化等。与消费者的紧密联系辅之以科技研发方面的相应投入,能够共同推进
企业更好地适应消费者个性化、碎片化的需求。结合 Logit 模型结果可以发现,虽然电
商的采用并不存在针对农业企业科技水平的门槛,但科研费用的投入无疑有利于电商
的发展。
获得财政扶持金额对电商业绩产生显著的正向影响,表明企业获得的财政扶持金
额越高,电商业绩越出色。此前笔者走访多家农业产业化龙头企业发现,电商规模较
大的企业更容易得到相关扶持电商政策的财政补贴,“精英俘获”现象可能导致变量
间的内生性问题。但是,现有数据表明财政扶持和电商交易额之间不存在内生性的问
题1。究竟是否存在“精英俘获”现象,留待对数据进行完善扩充后进一步探索。结合
Logit 模型结果发现,财政扶持虽然对企业采用电商的决策行为没有显著影响,但在企
业采用电商后的发展中的积极效果是值得认可的。
企业位于价值链贸易环节对电商业绩产生显著的正向影响,表明贸易企业相较于
生产加工企业,电商的发展情况更好。结合 Logit 模型结果,虽然处于贸易环节并不对
企业采用电商构成显著影响,但在已采用电商的企业中,贸易企业的电商发展优于其
他企业。这与贸易企业的业务性质紧密相关。对于贸易企业而言,电商使市场信息的
获取更加方便,有利于推动交易订单化,提升贸易效率;网上交易显著提升交易的便
利性,跨境电子商务更是大大降低了国际贸易的交易成本。
此外,对于人均GDP、企业所处的农业细分行业等因素在 Logit 模型中产生显著影
响而在 OLS 模型中影响不显著,表明农业企业电商采用和电商业绩受不同因素影响。
人均GDP对于电商采用有显著的正向影响,表明经济发达地区的企业更可能采用电商,
而当企业已经采用电商后,企业所处的地区环境已经不再对企业的电商规模产生影响,
这也印证了电子商务可以使企业超越地域限制实现全国甚至全球交易的特性。至于企
业所处的农业细分行业,虽然其对电商采用决策产生显著影响,而这可能由于不同细
分行业产品属性产生的影响在电商开展后便不再存在,农业细分行业不再对企业电商
交易额产生显著影响。故对农业企业而言,其采用电商的决策更多地取决于其地区、
行业的特征性,而电商发展的业绩更取决于其自身电商业务的竞争力水平。
5 结论与建议
本文基于 2017 年农业农村部收集的农业产业化龙头企业的微观财务数据,分别通
过 Logit 模型和 OLS 模型对农业企业采用电商决策和电商业绩的影响因素进行实证分
析,形成主要结论:(1)农业企业所处省份的人均GDP、处于种植业、畜牧业和水产
业中对企业采用电商产生显著的正向影响;(2)农业企业的科技研发投入额、获得财
政扶持金额以及位于价值链贸易环节对企业电商发展产生显著的正向影响。
通过对比两个模型结果可以发现,农业企业电商采用和电商业绩受不同因素影响:
科技研发投入额、财政扶持金额对电商采用没有影响,而对电商业绩产生显著的积极
影响,表明电商采用不存在科技水平上的门槛,财政扶持在推动企业采用电商上政策
效果不明显。人均 GDP、企业所处的农业细分行业等因素对电商采用有显著的积极影
响,而对电商业绩不产生影响,表明地方经济发展情况、不同农业细分行业产品属性
造成的影响只在电商采用的决策阶段起作用。经济发达地区的企业更可能采用电商,
但其发展规模并不一定显著的大于其他地区的企业;种植业、畜牧业、水产业企业更
可能采用电商,但其发展效果并不一定显著得好于其他行业的企业。
1 OLS 模型通过了“杜宾-吴-豪斯曼”内生性检验,F值为0.025,P值为0.87。
基于此,本文提出如下政策建议:
提高鼓励农业企业采用电商的政策的投放精准度。政策应适当向经济发展相对落
后的地区进行倾斜,鼓励落后地区适合开展电商的农业企业积极采用电商。建立并完
善科学的政策扶持对象的识别与判定标准,尽可能地将优惠政策投向未采用但适合开
展电商的农业企业(如贸易企业),例如,对企业给予一次性奖励。并继续保持对已开
展电商的企业的扶持,通过以奖代补、贷款贴息、产业基金等多种方式进行支持。
鼓励农业企业以电商为抓手提高科技研发水平。电商的采用虽不存在科技水平上
的门槛,但电商的发展壮大依旧离不开科技投入的助力。应鼓励农业企业以电商为契
机提高科技投入水平,搭建或采用功能更完备、体验更顺畅的电商平台,借助大数据、
云计算等新兴信息技术,提升农业生产加工销售等各环节的信息化程度,更好地满足
消费者需求,促进智慧农业发展。
提高新型农业人才培养支撑力度。现阶段互联网、物流等基础设施建设已较为完
善,发展电商的“硬件”基础已基本具备,应主要推进“软件”建设——提升农业经营
主体素质,培养新型农业人才。可根据实际情况为农业经营主体提供培训或交流机会,
鼓励高校、专科学校等加强电子商务学科建设及人才培养,拓展农业从业人员的电商
知识和技能。
此外,值得说明的是,由于部分数据存在缺项漏项的情况,减小了可用样本容量
并降低了数据的可靠性。针对文中尚未能明确解释的问题,如加工性质对企业采用电
商的负向影响显著但并不稳健、不同农业细分行业对电商采用的影响是否与产品属性
有关,笔者日后将在完善数据的基础上进行进一步探索。
参考文献
[1]曾亿武, 万粒, 郭红东. 农业电子商务国内外研究现状与展望[J]. 中国农村观察, 2016(03):82-
93+97.
[2]Zwass V, Kendall K. Structure and Macro-Level Impacts of Electronic Commerce[J]. Emerging Information
Technologies: Improving Decisions, Cooperation,and Infrastructure,Sage,Beverly Hills,CA,1999,289-315.
[3]Henderson J, Dooley F, Akridge J. Adoption of E-Commerce Strategies for Agribusiness Firms[J]. In
American Agricultural Economics Association Annual Meeting(Vol.7),2000.
[4]Thatcher S M ,Foster W , Zhu L. B2B E-Commerce Adoption Decisions in Taiwan: the Interaction of
Cultural and Other Institutional Factors[J]. Electronic Commerce Research and Applications,2006,5(2),92-
104.
[5]Mansor N ,Abidin A F A. The Application of E-Commerce among Malaysian Small Medium Enterprises[J].
European Journal of Scientific Research,2010,41(4),591-605.
[6]Solaymani S ,Sohaili K ,Yazdinejad E A. Adoption and Use of E-Commerce in SMEs[J]. Electronic
Commerce Research,2012,12(3),249-263.
[7]Wanyoike D M ,Mukulu E ,Waititu A G. ICT Attributes as Determinants of E-Commerce Adoption by
Formal Small Enterprises in Urban Kenya[J]. International Journal of Business and Social Science,2012,3(23).
[8]Leroux N ,Wortman M S ,Mathias E D. Dominant Factors Impacting the Development of Business-To-
Business(B2B) E-Commerce in Agriculture[J]. The International Food and Agribusiness Management
Review,2001,4(2),205-218.
[9]Ng E. An Empirical Framework Developed for Selecting B2B E-Business Models:the Case of Australian
Agribusiness Firms[J]. Journal of Business and Industrial Marketing,2005,20(4/5),218-225.
[10]Montealegre F, Thompson, S R, Eales J S. An Empirical Analysis of The Determinants of Success of Food
and Agribusiness E-Commerce Firms[J]. International Food and Agribusiness Management Review, 10(1030-
2016-82496).2007.
[11]Kalaitzandonakes N ,Kaufman J, Wang X. Firm Entry through E-Commerce in the Us Agricultural Input
Distribution Industry[J]. Journal on Chain and Network Science,2003,3(2),123-133.
[12]Brush G J,McIntosh D. Factors Influencing E-Marketplace Adoption in Agricultural Micro-Enterprises[J].
International Journal of Electronic Business,2010,8(4-5),405-432.
[13]鲁钊阳.政府扶持农产品电商发展政策的有效性研究[J].中国软科学,2018(05):56-78.
[14]林家宝,胡倩.企业农产品电子商务吸收的影响因素研究——政府支持的调节作用[J].农业技术经
济,2017(12):110-124.
[15]王胜,丁忠兵.农产品电商生态系统——个理论分析框架[J].中国农村观察,2015(04):39-48+70+96.
[16]任保才,马新明.农资电商平台发展浅析[J].中国农学通报,2013,29(11):198-202.
[17]侯振兴.区域农户农企采纳农产品电子商务的影响因素[J].西北农林科技大学学报(社会科学
版),2018,18(01):66-74.
[18]郭鸿鹏,于延良,赵杨.电商平台农产品经营主体空间分布格局及影响因素研究——基于阿里巴巴
电商平台数据[J].南京农业大学学报(社会科学版),2016,16(01):42-48+163.
(责任编辑:张 婧)