基于电商扶贫措施效果的实证分析

邓仲平 辜雄霖

[摘 要]国务院扶贫办于2014年将“电商扶贫”正式纳入扶贫政策体系，并作为“精准扶贫十大工程”之一从2015年开始实施至今3年多，很多学者都对扶贫效果进行了相关定性研究并提出政策建议，本研究利用UTAUT理论修正模型，通过调查问卷以广东粤东、西、北农村贫困地区为主要调研对象范围，对调研数据进行结构方程建模和定量分析，结果表明，电商扶贫措施对广大农村农民农业相关工作人员的脱贫效果中社会影响即SI最显著，其次是促成因素FC，绩效期望PE和灵活性FL也有显著影响，努力期望EE影响不显著。

[关键词]电商扶贫;UTAUT;Smart-PLS;精准扶贫

[中图分类号]F323.8 [文献标识码]A

电商扶贫的理念首先由汪向东教授于2011年最早提出，2014年后电商扶贫开始受到广泛关注和热议，电商扶贫也于当年成为了“精准扶贫十大工程”之一，被正式纳入了国家扶贫政策体系。汪向东教授认为，“电商扶贫，即电子商务扶贫开发，就是将今天互联网时代日益主流化的电子商务纳入扶贫开发工作体系，作用于帮扶对象，创新扶贫开发方式，改进扶贫开发绩效的理念与实践”。

胡文岭针对当前我国电商扶贫实践中存在的营销和物流等问题，提出构建社交媒体、电商平台和传统线下营销优势互补的O2O销售系统及实现路径。赵平认为目前电商扶贫已经取得了较大进展，但是需要转型升级，需要在激发群众活力、加大电商扶贫基础设施建设以及人才培养方面继续加大实施力度。易法敏结合京东“跑步鸡”案例，提出在扶贫生态系统中，通过资源整合，发展可持续的特色化产业，并以此构建扶贫服务支点，农户通过参与产业链获取市场机会以及直接参与生态系统的价值分配，进而获得知识与技能，积累持续发展能力。张夏恒通过研究认为，实施精准扶贫，辅助供应链理论、协同理论与生态系统理论，能有效推进电子商务进农村，促进电商精准扶贫。这些研究结果丰富了电商扶贫理论，但是都没有针对扶贫措施对农民贫困户的脱贫行为效果的定量研究。

本研究通过问卷调查对电商扶贫措施效果，收集相关数据，利用技术采纳与整合（UTAUT）理论模型并对模型进行修正，在电商扶贫的绩效期望（Performance Expectancy，简称PE）、努力期望（Effort Expectancy，简称EE）、促成因素（Facilitating Conditions，简称FC）和社会影响（Social Influence，简称SI）基础上添加了灵活性（Flexibility，简称FL）变量，对电商措施的效果进行实证研究分析，再采用PLS（Partial Least Squares）偏最小二乘SEM结构方程模型（Structure Equation Modeling）方法，并最终得出电商扶贫措施效果的相关结论。

1 理论模型与研究方法

Fishbein & Ajzen的TRA（Theory of Reasoned Action）理性行为理论从心理学角度阐述了一个人是否执行某特定行为是由其行为意图BI所决定的，而BI则由其个人对行为的态度与主观规范决定;Ajzen提出的TPB（Theory of Planned Behavior）计划行为理论认为TRA再加上直觉行为控制力变量（Perceived Behavior Control）将更贴近实际行为的状态;DavisTAM（Technology Acceptance Model）科技接受模型理论是信息系统领域最重要的基础理论之一，该理论认为感知的有用性（perceived usefulness） 和感知的易用性（perceived ease of use）是影响信息系统使用态度和行为的最重要的两个因素;Venkatesh et al.的UTAUT（Unified Theory of Acceptance and Use of Tennology）技术采纳与整合理论模型，整合了TRA、TPB和TAM模型，该模型认为绩效期望PE、努力期望EE、促成因素FC和社会影响SI共同决定个体行为意向（Behavioral Intention，简称BI）;Alrawashdeh &Al-Mahadeen对UTAUT模型进行了修正，添加了FL因素，如图1。

本次研究利用UTAUT理论修正模型，通过研究模型中的PE、EE、SI、 FC、FL对BI的影响来反映脱贫行为效果，每个变量都通过3个测量指标和问题来体现，每个问题参考成熟量表，设计采用了Likert 1-7分制量表，1-7分别代表“非常不同意”到“非常同意”的程度。

2 数据收集与数据特征

本次研究问卷调查通过问卷星平台发放调查问卷，以互联网形式开展问卷调查，问卷总共回收323份，有效问卷数为269份，占总回收问卷数量的83.28%，主要剔除了随意填写的问卷例如从头到尾只选择固定数字为选择答案、完成问卷在30秒内超快完成的问卷，还有明显前后选择矛盾的问卷也剔除在统计分析范围外，其中微信回收问卷占比81.04%。

最后统计有效数据后，问卷对象基本情况是：男女性别比例分别为70.26%、29.74%，问卷对象年龄集中在18-22岁占比66.17%，23-35岁占比23.79%，教育程度初中占比5.94%，高中文化占15.83%，大专占比53.22%;区域方面，广东占99.26%，广东之外占比0.74%。

3 实证数据分析

收集到的数据，经过筛選和剔除后，导入软件进行计算。基于偏最小二乘法，对样本数量要求较少且对样本数据的分布要求较低，本研究采用SmartPLS3.0软件对有效数据进行计算和验证。

4 信效度检验

运行PLS算法后，结果显示，每个变量的标准化因子载荷系数均大于0.7，说明测量问项可以很好的解释变量，同时可以看到结构模型各变量的路径系数如图1中显示数据。

计算结果表明如表1：所有变量的Cronbachs Alpha 系数均大于0.7，说明模型具有良好的内部信度，AVE值均在0.6以上，说明模型具有良好的收敛效度，组合信度CR值大于0.7且均大于0.8，说明各变量具有良好的内部一致性。同时计算结果显示，R2值为0.438，修正后的R2值为0.427，都大于0.250，可見自变量对因变量的解释程度较高，模型拟合程度良好，具有较高的预测能力。潜变量相关系数表显示：各潜变量的AVE均方根都大于0.8，而且都大于其他潜变量间的相关系数，说明各潜变量间存在足够的区分效度。

5    显著性检验

运行Bootstrapping得到表2结果，显然SI、FC、PE和FL三个变量的路径系数的P值都小于0.05，其中SI效果最显著、FC较显著、PE和FL效果显著，只有EE的P值为0.141大于0.05效果不显著。

6 结论及启示

由以上实证分析，我们可以得出以下结论：

第一：SI与BI脱贫行为正相关，且影响权重最大，效果最显著（路径系数0.397，T值为5.122），具体到电商扶贫中，我们应该继续发挥SI社会影响作用，全社会来参与电商扶贫，让农村贫困人员积极脱贫轻松脱贫并从产业根本上脱贫，直到实现消灭贫困;

第二：FC促成因素与BI正相关，且影响权重较大，效果较显著（路径系数0.177，T值为2.773），说明政府政策上以及实际扶贫服务措施上都发挥了比较大的作用，各大电商巨头也在基础设施建设与具体业务服务方面促进了脱贫行为计划的具体实施;

第三：FL和PE对BI正向影响效果显著（路径系数分别为0.160、0.139，T值分别为2.327、2.385），也有不可忽视的权重，即灵活性和绩效期望都正向影响脱贫行为并且效果显著，除了前面两个因素之外，则要注重此两个因素对脱贫行为的影响。

第四：EE努力期望为负向路径系数，EE对脱贫行为实际效果不显著（路径系数-0.107，T值为1.472），说明农民朋友普遍认为在EE努力期望因素方面，电商扶贫的易用性和学习难度存在障碍，因此，我们建议要在农村贫困区域建立电商培训或学习园区，常设相关机构或讲师对农民朋友进行系统的培训，让他们感知到学习容易、操作容易并且确实容易操作。

总之，按照UTAUT模型修正理论和定量分析结果，针对电商扶贫的精准扶贫措施，我们抓住电商扶贫的社会影响的最大权重影响，在促成因素方面提供电商扶贫的资源、知识和环境，再在电商脱贫措施上保持灵活性和有用、有效率和有效（绩效期望因素），对于影响不显著的努力期望，我们建立学习基地，让脱贫相关人员主观上以及脱贫工作客观上达到容易操作。

最后，本研究虽然对电商扶贫措施对脱贫行为的影响作了定量的研究并得出了有现实意义的结论和政策建议，但是，在调研对象上具体贫困户的采样局限，对象所在区域也仅限于广东省内的贫困区域，可能会影响结果的准确度，另外，在该模型中还可以加入调节变量比如区域经济状况等以完善UTAUT模型理论中的影响变量来深入研究精准扶贫的效果。

[参考文献]

[1] 胡文岭.“电商扶贫”中县域农产品电子商务创新研究[J].商业经济研究，2017（24）.

[2] 赵平.转型升级背景下电商扶贫推进策略分析[J].商业经济研究，2018（21）.

[3] 易法敏.产业参与、平台协同与精准扶贫[J].华南农业大学学报（社会科学版），2018（06）

[4] 张夏恒.电子商务进农村推动精准扶贫的机理与路径[J].北京工业大学学报（社会科学版），2018（04）.

[5] Venkatesh V， Morris M G， Davis G B， et al. User acceptance of information technology： Toward a unified view [J].MIS quarterly，2003.