县域电子商务与固定资产投资研究

陈 诚/文

一、引言

研究电子商务对固定资产的影响既对经济增长有重要理论意义，又紧追时代发展潮流。无论是索罗模型，还是罗斯托的《经济增长的阶段》，抑或刘易斯人口转移模型都强调了资本形成对经济增长的推动作用，中国经济的长期增长实践也佐证了这些经典理论。

改革开放之后，20世纪资本形成总额占我国GDP的比重大致在30%—40%之间波动，21世纪以来我国资本形成率已经上升到40%以上，例如2017年该值为44.4%。De Long和Summers（1991）证明在1960—1985年期间，机器设备投资每增加GDP的1%，美国的GDP则增长0.33%。固定资产投资是资本形成中最重要的组成部分，它的不断增加是拉动中国经济发展的主要源泉（姜海峰，2012；孙明华，2014）。当前我国正处于投资拉动型经济增长周期之中，各地区固定资产投资对于提高资本积累、推动本地区经济发展和改善人民生活发挥着巨大的作用（赵楠，2006）。

电子商务是中国当前最为耀眼的发展亮点。阿里巴巴、腾讯、滴滴等互联网公司已经成为中国最具经济活力的代表。迅猛发展的新一代信息技术与经济各个领域深度融合，正为我国经济发展构筑新的增长动能（岳云嵩、李兵，2018）。近十年来，我国电子商务的发展突飞猛进。从消费方面来看，2017年中国电子商务交易额达29.16万亿元，全国网上零售额达7.18万亿元，占社会消费品零售总额的比重达15%，电子商务就业人员达4250万人，同比增长44.32%。从出口方面来看，2017年中国出口跨境电商交易规模为6.3万亿元，其中B2B市场和网络零售市场的交易规模分别为5.1万亿元和1.2万亿元。而在2012年，这三个数据分别只有1.86万亿元、1.64万亿元和0.22万亿元。在短短五年间，出口跨境电商交易规模增长了2.4倍。

消费、投资和出口是宏观经济的“三驾马车”。电子商务以其交易成本较低、打破时空限制、海量信息等特点，促进了贸易方式的创新（李骏阳，2014）。人们在日常生活中容易感知电子商务对消费和出口的推动作用，那么，电子商务是否对投资也具有影响呢？若有，地区间差异如何呢？当前直接探讨电子商务与投资关系的文献较为匮乏，本文基于县级层面的数据，研究县域电子商务对当地固定资产投资的影响。

二、文献回顾与假说

（一）文献回顾

1.影响固定资产投资的因素

根据2017年的《中国统计年鉴》，固定资产投资统计的范围包括城乡建设项目投资，房地产开发投资，国防、人防建设项目投资以及农户投资。凯恩斯在《就业、利息和货币通论》中提出影响投资的因素包括：盈利水平预期、利率、股票价值和利润率。当前最新的研究主要集中在以下几个方面：

（1）储蓄与固定资产投资的关系。大部分研究认为储蓄越多固定资产投资越多。许涤龙和马岚（2002）以1985—1999年为样本区间,发现在1990年股市建立以前,由于投资资金的仅有来源就是企业积累与银行贷款,那时贷款与投资密不可分;而在1990年后,随着投资资金来源多样化，二者的依附关系渐渐减弱。王绩（2017）认为，足够的储蓄额能够给予银行贷款足够的支撑，保障了投资的来源；同时居民储蓄上升能增加对房地产开发行业投资的意愿。赵楠（2006）指出信贷对投资的影响力度，在不同的区域是不一样的，呈现出由西向东依次递减的态势。西部地区的投资更多依赖政策性支持，而东部地区固定资产投资的来源较为多元化。

（2）人口密度对固定资产投资的影响。主要结论为人口密度越高，固定资产投资越多。王绩（2017）研究了人口密度对中国固定资产投资的影响，主要发现有两点：首先，当地人口愈密集则对商品房的需求愈大，从而人口密度对房地产开发投资具有促进作用；其次，人口密度较大可能意味着该地区劳动力资源较为丰富，存在“人口红利”，有利于经济增长和基础设施建设投资。佟家栋、刘竹青（2018）采用2004—2013年我国286个地级市层面的面板数据，发现人均土地出让面积与房价水平显著负相关。

（3）公共财政支出与固定资产投资。扩张性的财政政策推动了固定资产投资的增加。Qin D和Song H（2007）研究了中国30个省市1989—2004年间固定资产投资面板数据，发现扩张性财政政策对中国固定资产投资影响较大。姜海峰（2012）指出河北省经济增长主要靠投资拉动，而投资主要来自政府投资。公共财政支出对固定资产投资的正面影响不容忽视，但过于依赖财政支出来支撑固定资产投资并非长久之计。

2.电子商务对投资的影响

Goldmanis（2010）构建了一个由异质性企业和异质性消费者构成的局部均衡模型，其中企业与消费者的异质性分别体现为生产成本的差异与搜索成本的不同。模型表明，电子商务导致低生产成本的企业规模扩大，增加固定资产投资。Gao和Su（2017）指出实体零售企业连接电商销售渠道，能够整合既有门店和物流设施，有利于提升已有固定资产的使用效率。赵岳和谭之博（2012）指出电子商务平台可通过提供在其上经营的中小企业的信息，帮助商业银行提高放款前的审核效率，为企业融资提供便利。易玲（2017）指出当前国内存在着地方保护主义现象，市场分割造成了要素配置的扭曲，阻碍了规模经济的形成和资源合理配置。而电子商务能够绕过贸易壁垒，促进要素流动，有利于企业的异地投资。荣朝和和韩舒怡（2018）研究了电子商务对零售企业经营能力的影响，选取固定资产收入比作为衡量指标，发现电子商务并未显著影响零售企业的固定资产收入比。

（二）县域电子商务和固定资产投资假说

市场范围的扩大，增加了产品的需求，推动企业增加固定资产投资。在没有网商平台的年代，企业产品能够辐射的范围较小；而电子商务打通了全国乃至全球市场，企业可以通过电商平台扩大知名度，并借助现代化物流使产品销往四面八方。市场需求空前扩大，有益于企业利润的增加。而追逐利润则是资本的天性，企业家们纷纷增加投资、扩大生产规模。盛洪（2017）指出，电子商务带来了交易费用的节约，促使市场规模空前扩大，对产品的需求大幅增加，促进企业扩大生产，而企业扩大生产又会进一步节约交易费用，不断放大这种积极的效应。

基于上述理由，本文提出假说1：

假说1：县域电子商务发展能够扩大当地固定资产投资规模。

不容忽视的是，电子商务对固定资产投资的影响存在地区差异。改革开放以来，东部地区凭借对外开放的优势，吸引大量人口流入，经济高速发展，固定资产投资在量和质上都领先于中西部地区。从而在电子商务发展初期，电商对固定资产投资的推动作用在东部地区很可能没有在中西部地区那么明显。进而，本文又继续提出假说2：

假说2：电子商务对固定资产投资的影响存在地区差异，与东部地区相比，中西部地区电子商务的发展可能更加明显地推动当地固定资产投资。

三、模型构建和数据说明

（一）模型构建

根据前文分析，本文认为县域电子商务的发展推动了固定资产的更新与升级。为了检验这一基本预期，本文构建计量模型，实证检验县域电子商务发展对当地固定资产投资的影响，基准回归采用的方程如下：

investment=α+βindext+γX+ε

其中，ε表示随机扰动项；investment表示某县某年的固定资产投资额，单位为“千亿”；indext表示某县某年的网商指数，本文采用网商指数（indext）衡量县域电子商务发展水平。X表示控制变量，涵盖了影响固定资产投资额（investment）的其他主要因素，包括：（1）某县某年人口密度（density），单位为“万人 /平方公里”，以户籍人口数量与当地面积之比来衡量（2）某县某年末居民储蓄存款余额（savings），单位为“千亿”（3）某县某年的公共财政支出额（fisexp），单位为“千亿”（4）某县某年的产业结构（structure），用第二产业和第三产业从业人员数量的比值来衡量。

（二）数据来源及说明

1.关键变量

本文关键解释变量使用的指标是网商指数（indext），它是阿里巴巴电子商务发展指数（aEDI）的次级指标。aEDI基于阿里巴巴平台海量数据，直观反映县域电子商务发展水平。指数的取值范围介于0—100之间，数值越大，反映当地电子商务发展水平越高。计算方法为：

阿里巴巴电子商务发展指数=网商指数×0.5+网购指数×0.5=（网商密度指数×0.6+网商交易水平指数×0.4）×0.5+（网购密度指数×0.6+网购消费水平指数×0.4）×0.5。

不过，该指标也略有瑕疵，即指标构建方法的前后不完全一致。比如，2013年网商密度指数和网商交易水平指数各自权重都是0.5，网购密度指数和网购消费水平指数亦然；而到了后两年，这两个权重分别调整为0.6和0.4，故不能将三年数据进行纵向比较。因而，本文所用数据是三个横截面数据，而非面板数据。

表1 县域aEDI测度指标体系

2.工具变量

值得注意的是，县域电子商务发展水平与当地固定资产投资之间可能存在互为因果的关系：县域电商发展会推动当地固定资产的更新与换代，固定资产投资增加可能会刺激企业和政府提供更多的产能和更好的公共基础设施，反过来推动电商腾飞。因而，电商发展水平这一指标很有可能是内生的。

本文尝试分别选取两个指标作为工具变量，即该县到杭州的驾驶距离（drivdis）以及直线距离（lindis）。二者单位皆为“兆米”，数据来源于高德地图，由本文作者于2018年7月中旬利用Python采集而得。选取二者主要有以下两方面考虑：第一，杭州市为阿里巴巴总部所在地，且杭州市桐庐县是“四通一达”发源地，某县距离杭州的远近与该县电商水平具有相关性，具体而言，距离越近，电商发展水平往往较高；第二，距离主要取决于地理位置，其中直线距离更是几乎不变的，具有较强的外生性。

3.其他变量

本文采用的数据是2013—2015年我国约2000个县级单位层面的数据。其中，县域层面的固定资产投资额（investment）、公共财政支出额（fisexp）和居民储蓄存款余额（savings）等数据来自《中国县域统计年鉴》；县域产业结构（structure）由第二产业和第三产业从业人员数量的比值衡量，人口密度（density）由户籍人口数量和当地面积的比值衡量，数据来源同上。

之所以只选取2013—2015年县级单位层面的数据，是因为电子商务发展指数（aEDI）发布始于2013年，本文作者目前只掌握这三年该指标的数据。

（三）描述性统计

表2汇报了2015年各变量的基本统计量。已对数据首尾各删除了2.5%的值，以降低离群值对回归结果的影响。

表2 描述性统计

四、计量检验及结果分析

（一）基准回归

表3分别汇报了对三年数据进行OLS基准回归所得的估计。通过观察可得，首先，所有模型中网商指数（indext）的估计系数均在1%的统计水平上显著为正。具体而言，网商指数（indext）每增加1个单位，固定资产投资（investment）约显著增加0.003—0.005个单位，表明县域电子商务发展确实能显著扩大当地固定资产投资规模。其次，在各模型中，各控制变量的估计系数基本都在1%的统计水平上显著为正，表明我们控制的这些因素对固定资产投资确实有积极影响，这与预期相同。

表3 网商指数与固定资产投资

（二）异质性分析

本文将所有县级单位划分为东部地区和中西部地区，分别进行计量检验。表4汇报了考虑地区分布的回归结果。通过观察可得，所有模型里中西部地区网商指数（indext）的估计系数均在1%的统计水平上显著为正,至于东部地区，网商指数（indext）的估计系数也都为正，但在2014年该系数并不显著，在其余两年也只是在5%的统计水平上显著，且数值小于同年度中西部地区的估计系数。这一对比表明，相较于东部地区而言，中西部地区县域电子商务的发展更能显著扩大当地的固定资产投资规模。

表4 网商指数与固定资产投资：考虑地区分布

（三）稳健性检验

考虑到可能存在的内生性问题，本文将为核心解释变量网商指数（indext）分别选取两个工具变量，进行稳健性检验。

表5汇报了两阶段最小二乘法（2SLS）第二阶段的结果。其中，第（1）-（3）列和第（4）-（6）列分别是选取驾驶距离（drivdis）和直线距离（lindis）作为工具变量对三年样本检验所得的结果。通过观察可得，首先，Kleibergen-Paap rk Wald F统计量都大于10%的临界值16.38，表明不存在弱工具变量问题。其次，所有模型中网商指数（indext）的估计系数均至少在5%的统计水平上显著为正，表明县域电子商务发展能显著扩大当地固定资产投资规模，结论与基准回归所得一致。

表5 网商指数与固定资产投资：工具变量第二阶段回归结果

五、结论与政策建议

当今电子商务发展如火如荼，对我们的日常生活产生了广泛和深远的影响。关于电子商务与固定资产投资方面的研究较少，本文尝试拓展此领域的研究。本文提出两大假设：（1）县域电子商务发展能够扩大当地固定资产投资规模；（2）电子商务对固定资产投资的影响存在地区差异：与东部地区相比，中西部地区电子商务的发展更可能格外推动当地固定资产投资。

本文利用2013—2015年的中国县级层面的各项经济指标数据和阿里研究院构建的电子商务指数证明：县域电子商务发展确实能推动该地固定资产投资，且这种正向的影响在中西部地区更加明显。

国家应支持和引导电子商务尤其是中西部地区电子商务的发展，比如加大基础设施建设投入、给予电商企业更多政策优惠等。这不仅促进我国经济的发展，而且也对缩小地区间经济差距产生深远影响。