上海市内贸流通领域商务信用有效性分析——基于极限学习机的实证研究

江海涛 刘 欣

（上海交通大学 安泰经济与管理学院，上海 200030）

1 文献综述

1.1 流通效率内涵的界定

流通效率内涵的界定一直在学术界存在重大争议，Rauser指出一个系统的流通效率即该系统的流通成本，Shepherd认为流通效率应为流通产品总价值与流通总成本的比重，而这种理解过于单一、模糊，部分学者提倡从企业和社会公众两个层面来定义流通效率。马克思在研究流通理论时将流通效率按流通时间和流通费用两方面进行拆分，后人在其基础上结合现代企业理论进行了细化，将流通时间阐述为商品周转率，流通费用阐述为资金利用率、渠道成本等，并且流通效率能否提高取决于企业的内在流通力。从以上研究来看，国内大多数学者主要是从微观层面的流通环节来解读流通效率，难免有失偏颇。本文认为，企业只是流通产业的组成部分，单个企业的运营状况无法反映流通业在国民经济中的总体运行情况，而提高流通效率的本质在于“减少耽搁或停顿”“优化经济结构”，在于实现商品等要素的合理配置，应当从流通产业的整体视角来界定流通效率。因此，本文认为流通效率衡量的是整个宏观流通产业的运行质量，是单位运行时间内流通业所实现的总价值与总费用的差额。

1.2 流通效率的测度指标

流通效率测度的指标体系实际上是对流通效率内涵的细化和量化。根据以上学者对于流通效率内涵的界定，可将目前测度指标的研究分为两类：

第一类从企业层面进行研究，以流通业相关企业的经营绩效来表征流通行业绩效，相关指标包括营业利润率、净资产收益率、总资产周转率、人均销售额等。部分学者运用DEA方法测度流通企业的绩效，提出管理优化的建议，但现有研究对DEA的运用还存在较大的不足，在投入产出指标的计算方法上存在分歧。也有学者以净资产收益率来衡量药品流通企业的流通效率，并发现流通纵向竞争关系的长渠道制约流通绩效的提升，而流通横向竞争关系的竞争性促进流通绩效的提升。不过，从企业层面对流通业进行研究的方法也受到了部分学者的质疑。王晓东认为，流通企业的高利润可能来源于企业对生产商和消费者的挤压，其产出指标不一定能够有效衡量商品流通过程中的产出效率，并且当某些指标之间出现内部一致性矛盾时，如净资产收益率上升但资产周转率下降时，便无法准确判断流通效率的升降。

第二类从宏观层面，选取对流通业有基础性影响作用的因素来进行研究。现有的研究较多从产业效率、规模效率、组织效率等方面来研究流通效率，涉及的指标包括批发、零售及餐饮业的生产总值，限额以上批发和零售业利润增长率，流通从业人员以及社会消费品零售总额等。然而，批发、零售及餐饮业的生产总值还包括中间产出的批发行业销售额，高估了流通环节的产出，故大多学者采用社会消费品零售总额来代替批发、零售及餐饮业的生产总值衡量流通绩效。

尽管研究的角度和维度不同，前人对流通效率测度指标体系的研究始终围绕在规模指标、周转率指标和成本费用指标这三类指标上。

1.3 商务信用的影响机制

1.3.1 新制度经济学视角

新制度经济学认为市场交易活动中存在着交易成本，而交易成本是为了准确获得市场信息所需要承担的费用，包括因失信造成的违约成本。交易成本理论指出商品的特殊性以及交易的不确定性均会造成交易过程中费用的提高，张五常在此基础上提出交易成本存在于一定的社会活动当中，包括在商品流通过程中不直接发生的成本，而市场经济从另一个角度说也是一种信用经济，良好的信用环境能够规范人们的交易行为，促进商贸流通业持续健康发展。

1.3.2 信息经济学视角

流通意味着生产和消费的分离，这必然会造成产品质量信息的不对称和潜在的信用缺失风险，从而在流通领域形成“劣币驱逐良币”的格雷欣现象。并且，根据破窗理论，若缺乏商务信用的监管，单个企业的失信行为会带来更多企业的违约，由此形成的连锁反应会对流通业造成巨大伤害。传统市场往往通过产品价格判断质量来减少这种逆向选择的发生，然而在电子商务市场中，市场可能趋于低价格均衡，多重帕累托最优解难以出现。因此，需要采用价格手段以外的其他方法，如声誉机制来抵消逆向选择的负效应。另一方面，企业声誉会影响买方信任，进而促进买方的购买意愿和卖方收到的溢价，最终影响买方的决策行为和流通绩效。

1.3.3 新兴古典经济学视角

新兴古典经济学则将流通产业作为“职业中间商”分析，部分学者试图从产业分工的角度来探讨商务信用对流通业降本增效的作用机制。Teece从流通渠道视角出发，提出生产商与供应商之间的长期合作关系可以降低渠道成本进而提高流通效率，零售商对制造商的信任程度能够影响到他们资源分配的动机，进而影响到流通渠道的效率。除此之外，市场信用的缺失会形成高额的交易成本和混乱的市场秩序，它导致商贸流通渠道不畅，致使城乡市场对接的目标最终难以实现，而流通产业作为“职业中间商”，对其进行信用治理能够增强市场的流通绩效。

综合现有文献，本文认为商务信用在一定程度上能够促进流通绩效的提高。

2 研究思路与方法

2.1 变量选择与数据来源

关键词是对一篇文献核心内容的精炼，最能够体现出某个领域的研究基础和演化路径。本文基于CiteSpace对流通效率测度指标体系和影响因素的研究前沿进行可视化分析，首次检索中关键词为“流通效率”“指标体系”或“影响因素”，数据库来源设置为CNKI，发表时间选择2000—2016年，选择关键路径算法（Pathfinder）、网络节点为作者（Author）。结果如图1所示，371篇文献的关键词可视化结果图中一共产生了315个节点和198条连线，模板值（Q值）为0.986 7，平均轮廓值（S值）为0.505 7，说明网络聚类结果比较合理；网络整体密度为0.004，相对较低，说明流通效率测度指标体系的研究比较分散，学者之间未形成良好的合作关系。

图1 作者共现网络

表1 变量设定总表

其中，宋则（8篇）、任保平（5篇）、徐洪波（3篇）、张弘（3篇）等学者发表的文章中心性最高，故本文参考这些学者对于流通效率测度指标及影响因素的研究，选取社会消费品零售总额、流通从业人员、流通业总资产周转率、流通企业存货周转率作为被解释变量。另外，由于表征流通费用率的指标单位物流费用为反向指标，故选取其倒数作为被解释变量，人均可支配收入、公共财政支持、对外开放程度、居民消费水平等指标为控制变量。

为了不失一般性，本文选取上海市作为样本城市，数据来源于2000—2015年上海市统计年鉴。2012年，上海市政府明确了社会信用体系建设的指导思想、推进原则、发展目标、主要任务和保障措施；2013年6月3日上海市公共信用信息服务平台一期工程面向行政机关开通试运行；同年12月31日，公共信用信息平台面向上海全市的信用主体开通试运行，共归集上海全市54个机构的信用信息。因此，2013年成为了上海市商务信用体系建设的分水岭。为了合理地验证商务信用对于流通效率的作用，采用2012年前未构建完善的商务信用体系的数据集进行神经网络训练，在此基础上对2013—2016年上海市商贸流通效率进行预测，得到的输出结果为屏蔽商务信用体系影响的流通效率。所有数据均完成均值归一化处理。为了方便极限学习机模型进行处理，本文定义流通效率=（社会消费品零售总额+流通从业人员+流通业总资产周转率+流通企业存货周转率+单位物流费用的倒数）／5。

2.2 研究假设与模型设计

2.2.1 研究假设

通过对文献的回顾与整理，本文做出如下假设：

商务信用体系的建设与完善能够促进内贸流通产业效率的提升。

已有关于商贸流通行业的研究存在两大缺陷，一是缺乏商务信用对流通效率影响的定量研究，二是商贸流通行业并非单向度的经济体，而是多输入多输出的复杂非线性系统，传统的线性回归模型难以进行计量处理。故本文采用极限学习机对商贸流通的非线性网络进行模拟，并分离出商务信用的影响作用。

2.2.2 模型设计

人工神经网络是基于对人脑神经系统的模仿而形成的一种非线性计算模型，包括输入层、隐含层和输出层，具有并行处理、自学习和自适应的特征，被广泛应用于控制和预测等方面。考虑到本文所选取的样本数据只有16组，故采用泛化能力更强的极限学习机算法来构造单隐含层人工神经网络。建立如下的非线性模型（见图2）：

图2 人工神经网络拓扑结构图

（1）输入层：

xj=｛xj1，xj2，xj3，xj4｝T为神经网络的输入变量，其中xj1，xj2，xj3，xj4分别表示人均可支配收入、公共财政支持、对外开放程度和居民消费水平，因此输入层节点数为4。

（2）隐含层：

ωi=｛ωi1，ωi2，ωi3，ωi4｝T是第i个隐含层单元的输入权重，bi为第i个隐含层单元的偏置，βi是第i个隐含层单元的输出权重，g（x）为隐含层激活函数，本文取sigmoid函数。

（3）输出层：

将流通效率作为输出变量Oj，输出层节点数为1，且流通效率的数值为归一化处理后的社会消费品零售总额、流通从业人员、流通业总资产周转率、流通企业存货周转率和单位物流费用的均值。

（4）极限学习机算法：

极限学习机算法是由黄广斌等于2006年提出的一种人工神经网络算法，相比于传统的人工神经网络，特别是单隐含层前馈神经网络，具有更快的学习速度，并且当隐含层节点个数与训练样本个数相等时，能够实现零误差学习。

3 数据结果分析

3.1 相关性分析

本文对均值归一化处理后的流通效率以及控制变量之间进行相关性分析，见表2。从表2中可知，流通效率与人均可支配收入、公共财政支持、对外开放程度以及居民消费水平之间相关系数分别为0.97、0.958、0.576、0.979，均在5%置信水平上显著相关，说明本文所选取的控制变量的确对流通效率有影响。另外，控制变量之间均存在显著相关性，这对于传统线性回归方法来说需要解决变量多重共线性的问题，而本文采用的极限学习机方法则能够很好地规避这一问题。

3.2 神经网络分析

为了更为合理地验证以及评价商务信用对于流通效率的影响作用，本文基于极限学习机对上海市商务信用的作用进行屏蔽，利用2012年之前未构建起完备商务信用体系的数据进行训练，形成自变量、控制变量与因变量间的非线性网络，并预测在未建立起完备商务信用体系情况下2013—2015年的流通效率值，与真实的流通效率值对比见图3。

其中，红点代表真实的上海市流通效率值，蓝点表示屏蔽了商务信用体系影响后的上海市流通效率值，以2012年为临界点。预测结果表明：建立了完备的商务信用体系后，上海市的流通效率有了大幅的提升，其增速远高于屏蔽影响后的预测增速，从表3中可以看出，商务信用的贡献度分别达到了1.83%、14.23%、6.13%。因此，本文认为，商务信用体系对商贸流通业的效率有显著的提升作用。

表2 变量间相关性分析

图3 上海市屏蔽商务信用影响前后流通效率的真实值和预测值

表3 2013—2015年上海市商贸流通效率真实值和预测值

4 结论与建议

本文以上海市为例，采用2000—2015年数据验证商务信用对商贸流通业效率的影响。在指标选取方面，本文通过CiteSpace对流通效率指标体系及影响因素研究前沿进行可视化分析，并选取中心性较高的学者的研究成果作为本文所构建的指标体系；在统计方法运用方面，由于流通业属于多输入多输出的复杂经济体，故选择处理非线性网络更为有效的极限学习机来进行验证商务信用对流通效率的提升作用。研究结果表明，在上海市构建完备的商务信用体系后，流通效率得到了有效的提升，这也为上海市持续完善信用信息平台建设，积极引导企业参与商务信用建设提供了理论上的支撑。此外，本文也存在以下不足：第一是由于上海市商务信用体系的建设刚刚起步，能够获取数据的年份较少，导致了模型的精度有所欠缺；第二是流通业属于复杂的综合体，影响因素众多，在测度指标选取方面学界仍未有统一的量表，这也导致了本文所构建的指标体系存在以偏概全的缺陷。