互联网与快递业的联动关系分析

王敏

摘 要：互联网在现代经济社会中扮演着重要的角色，随着网络购物的普及，对快递行业要求也越来越高。那么互联网与快递业的联动关系如何呢？基于互联网上网人数与快递业务量之间的相关数据，运用计量经济学方法并利用STATA软件来对这一问题进行实证分析。通过建立截面模型和面板模型发现互联网上网人数对于快递业务量增长有显著的影响，并且每当互联网上网人数增长1%，快递业务量增长0.64%。

关键词：互联网上网人数；快递业务量；实证分析；固定效应

中图分类号：F260 文献标志码：A 文章编号：1673-291X（2014）24-0059-02

引言

据不完全统计，自1990年以来中国快递市场年增长率在30%以上，是同期GDP平均增长率的3倍，快递业成为中国增长最快的产业之一。① 互联网的普及和网络购物的发展，是快递业务量增长的重要因素。自2005年以来，电子商务的快速发展推动了快递业务量的迅速扩张，网络零售带动的业务量占快递总量的50%以上，快递业务量总体走势与电子商务发展总体走势基本一致。②互联网改变了人们的生活方式的同时，无疑极大促进了快递业务量的增长和快递行业的发展。

本文通过全国31个省的数据运用计量方法和STATA软件做回归模型来研究互联网对于快递业的影响。

一、文献综述

近年来，随着经济、社会的快速发展和电子商务崛起，国内快递业已经逐步发展成为促进国民经济发展以及产业结构升级的新兴服务产业。但由于目前快递业处于初级阶段，存在产业集中度低，生产效率不高，恶性竞争现象，因此，分析快递业发展的影响因素及存在的问题具有重要意义。从已有的研究成果来看，很多学者和研究人员基于产业经济学的理论从产业关联度这个角度研究，如李俊英（2011）以快递产业为研究对象，从产业关联的视角分析快递产业发展的必要性和发展路径，考察与快递产业紧密相关的产业。季彤②（2012）在运用产业关联度理论对中国快递业现状发展做了定性分析的同时，还做了大量的定量分析得出快递产业与所考察产业指标之间均有明显相关关系，并列出了各个相关系数。

从目前已有的资料来看，可以发现国内研究快递业的文章很多，但大多数停留在快递产业的实践应用层面，关于科学理论分析的甚少，定性研究占主导地位，有分量的定量研究不足。本文意在主要从互联网的角度考察对快递业发展的影响情况，运用STATA计量工具定量分析数据是本文的创新之处。

二、数据来源与变量选择

2006—2007年各省市地区的快递业务量有明显增大的趋势，31个省市2007年的快递业务量至少是2006年的两倍（广西壮族自治区是1.96倍），上海市甚至达到了11.5倍，这与引言部分分析的网络购物的萌芽期与发展期相一致。③

本文中另一个核心的解释变量是互联网上网人数（online）。考察互联网的指标主要有互联网上网人数和网络购物交易额两种。一方面由于无法搜集到网络购物交易额的数据而没有采用交易额作分析，另一方面从季彤②（2012）的研究中发现，互联网上网人数比网络购物交易额对快递业的相关度更高，且数据容易搜集，故采用互联网上网人数这个变量。

为了检验稳健性，本文还引入了三个变量：居民消费水平（consumption）、货物周转量（freight）和零售业企业主营业务收入（retailing）。

三、计量模型与实证分析

（一）模型的建立

快递业务量和互联网上网人数直接反映在散点图上，只能看出有一定的正相关关系，拟合的曲线类型却并不明显，取对数后两者之间明显存在正相关关系。做简单一元线性回归可知，取对数之前R2=62.81%，F（1，308）=77.94，取对数之后结果分别增大至86.37%和1 203.54，进一步验证了取对数的必要性。

考虑用多元线性回归OLS模型初步检验各变量的显著程度，模型如下：

ln_ex=β0+β1ln_on+β2consumption+β3freight+β4retailing+ui

其中β1表示，当ln_on变化1%，引起的ln_ex的变化为β1%。

（二）回归分析

1.截面回归

对数据进行截面回归的结果发现，货物周转量的系数为负且t检验值太小，违背了经济含义的同时也无法通过统计性检验。从统计局数据库发现，该指标统计的范围过大，其中还包括旅客运输的周转量，由于数据无法进一步处理，因此剔除这个变量。剔除后的回归结果如下：

ln_ex=1.30+0.82ln_on+0.00007consumption+0.0002retailing

（35.49） （8.33） （6.89）

观察该回归方程，每个解释变量系数在1%水平下都显著异于0，说明解释变量对被解释变量有显著影响。互联网上网人数的系数为0.82，其含义为当互联网上网人数每变动1%时，快递业务量平均增加0.82%，说明互联网上网人数对于快递业务量的解释力度达到了82%。居民消费水平和零售业企业主营业务收入在统计意义上都很显著，但系数都较小，在经济意义上不能做很好地说明，这也从另一方面表明了互联网上网人数对于快递业务量的影响的确占据了主要因素。

该回归模型的拟合优度R2为94%，说明解释变量能够抓住要研究问题的主要矛盾。F统计量为1 665.63，解释变量之间的多重共线性平均值为2.63，这些参数说明该模型较好地解释了互联网上网人数对快递业务量存在重要影响。

2.固定效应模型

在实际的分析中，利用面板数据可以构造和检验比单独使用截面数据更为真实准确的方程。从快递业务量来看，中国快递业呈现出各个省市发展不平衡的特点，其中北京、天津、上海和广州的快递货物总量占全国总量的一半。这是由于各省市的互联网技术发展水平不同，交通建设情况不同，经济水平不平衡等原因所致的，因此采取固定个体效应模型分析31个省市的快递业务量很有必要，得到的回归结果如下：endprint

ln_ex=2.02+0.64ln_on+0.00014consumption+0.00014retailing

（12.71） （9.25） （3.21）

从个体固定效应得出的回归线估计不难看到，三个解释变量的系数都有不同程度的变化，这说明地区差异对快递业务量的影响显著。此时主要解释变量的系数说明，当互联网上网人数每变动1%时，快递业务量平均增加0.64%，正是由于地区间本身具有的差异，如没有放在模型里的影响因素和无法用具体数值衡量的诸如人们对互联网购物接受程度等影响因素引起的变化。但同时不能否认的是互联网上网人数对于快递业务量增长的影响超过50%，达到了64%，依旧是主要因素。

快递业务量是一个跟时间正相关的数据量，但同时互联网上网人数与时间效应也高度相关，造成了互联网上网人数的系数t统计量不显著。进一步又检验了三个解释变量的系数同时为0的假设检验，得到F（3，30）=29.00，拒绝原假设，因此这三个解释变量系数至少不能同时为0，并没有否认其他因素对于快递业务量的影响。事实上正是由于时间与其他解释变量同样存在正相关的关系才导致了这个结果。

结论与相关说明

本文通过对互联网上网人数和快递业务量两个变量做了较为详细的STATA计量分析。尽管本文得到的模型能够很好地说明互联网的确在很大程度上促进了快递业的发展，但是在多元回归中存在遗漏变量偏误，这是无法避免的。一个行业的发展是多因素共同决定的结果，在前人的研究中，还有金融业等都对快递业有十分重要的影响，这还只是宏观角度的分析，微观角度还有快递业基础设施、信息资源等因素，本文只选取了电子商务角度的互联网对快递业的发展影响，显然不能涵盖所有的因素。同时诸如交通对快递业的影响，尽管从中选取了货物周转量这个指标体系，但是因为数据的统计口径太宽，无法用在模型当中做计量分析。最后，人们对网络的接受程度和对网络购物的接受程度，这些因素都很关键却无法用具体数据说明，也构成了遗漏变量的存在。

综上所述，快递业是一个正在蓬勃发展的行业，正是电子商务通过互联网这个渠道极大促进了它的发展，促进了快递业在渡过了萌芽期后正在向成熟期迈进。

参考文献：

[1] 季彤.快递业发展影响因素分析[D].南京：南京邮电大学，2012.

[2] 杜艳.中国快递业对国民经济增长作用机制研究[D].北京：北京邮电大学，2013.

[3] 王维婷，黄宝章.快递业发展影响因素的实证研究分析[J].中国物流与采购，2011，（13）.

[4] 李俊英.基于产业关联的中国快递产业的发展研究[D].上海：上海师范大学，2011.

[5] [美]詹姆斯·H.托克，马克·W.沃森.计量经济学：第3版[M].上海：格致出版社，上海三联出版社，上海人民出版社，2012.

[责任编辑 陈丹丹]endprint