政府扶持农村电商发展的有效性研究

杨 颖

（贵州财经大学 大数据应用经济学院，贵州 贵阳 550004）

一、引言

互联网时代通过农村电商不仅可以实现农商对接、扩大市场，还可以促进传统农业的转型升级。要实现精准脱贫，乡村振兴都离不开农村电商产业的高速发展。据商务部发布的《中国零售行业发展报告（2018／2019年）》显示，2018年全国农村网络零售额达1．4万亿元，同比增长30．4%，占全国网上零售额比重提升至15．18%。[1]但由于农村地区地形复杂且居民分布零散，农村电商发展也面临着基础设施条件不完善、物流体系建设滞后、农产品同质化和人才匮乏等问题，严重阻碍了农村电商的发展。农村电商具有混合品的特性和较强的正外部性，推动农村电商发展仅靠市场调节是远远不够的，政府必须扮演好“引路人”的角色。十九大报告指出，要充分发挥农村电商在实施乡村振兴战略中的赋能作用，开展多种电商模式创新，促进我国现代农业的发展。[2]2019年的一号文件提出要继续开展农村电子商务综合示范县工作，保证农村地区的信息覆盖面，尤其是贫困地区。[3]这是自2014年以来农村电商连续6年出现在中央一号文件，足以看出政府对农村电商发展的高度关注。

Tompkins（2016）觉得电子商务全球化对于每个国家来说既是机遇也是挑战，未来电商的发展需要政府和企业联合起来，加强跨国贸易合作，维护好与客户的关系，并且建立健全相应的监管体制，才能从中获取利益。[4]Palacios．JJ（2003）认为政策扶持对于农村电商发展程度不同的国家有不一样的效果，发展中国家的政策支持对于农村电商发展成效甚好，但对发达国家来说，政策支持并不是决定性因素，而是更看重信息技术的应用。[5]RitaRahayu（2015）认为，制约发展中国家农村电商发展的主要因素包括：信息技术水平、个人因素、政策因素和电商发展的外部环境。[6]研究发现国外从政府行为来研究电商发展的较少，因为他们强调自由经济，重在发挥市场的自由。

国内研究政府扶持农村电商发展有效性的文献相对较少，鲁钊阳（2018）采用问卷调查的方式研究政府扶持农产品电商发展政策的有效性，通过借鉴衡量企业发展的相应指标，结合问卷调查中的农产品、农户和区域环境等指标，借此来研究农产品电商发展情况。[4]周冬，叶睿（2019）同样是对四川国家级农村电商示范项目所做的调查数据进行分析，借助模糊集定性比较分析法来研究农村电商发展的影响因素与政府的支持，认为影响程度是按资源禀赋、政府支持、人才资源、基础设施、市场环境的顺序依次排列的。[5]从软条件建设的方面考量，唐宜英（2012）、陈佳华、叶翀（2015）和李伟（2016）都强调了软条件建设的重要性，认为要改进“软”支撑体系，一方面，政府要整合有效资源，做到高效管理、提高资金利用率以及制定操作性强的政策规划等。另一方面，应建立相对完备的人才培养机制，注重信息技术和农产品自身的结合，进行理论、实践两手抓，为农村电商发展输送复合型人才。宋祎玮（2019）研究地方政府在农村电商产业发展中的作用考虑得相对全面，借助结果变量——2015年浙江省所有县（市、区）的电子商务发展指数，政府组织规划、优化软性服务、优化硬件环境以及市场监管四个条件变量进行fsQCA实证分析。[6]当前国内学者研究的重点主要是农村电商的发展现状、对策建议、发展模式和个案研究等。从政府这一角度研究农村电子商务发展的文章相对较少，且定性研究较多，定量分析较少。因此，本文将聚焦于政府在其发展过程中的作用，创新性地采用因子分析方法以深入挖掘变量对农村电商发展效果的作用机制，找到政府扶持农村电商产业的核心要素，可以更好地指导政府高效扶持农村电商发展，助推乡村振兴。

二、政府扶持农村电商发展的评价指标体系构成

本文构建了基础设施建设、电商发展潜力、资金扶持和政府市场监督四大一级指标体系，其中政策扶持也是影响农村电商发展的重要因素，但由于其政策效果需要做定性分析去衡量，无法客观判断政府扶持效率的高低，目前学者的研究大多通过调查问卷设置研究政府扶持的有效性，在本文定量分析中无法确定指标，故舍去政策扶持这一影响因素。在4个一级指标的基础上，又细分为电子商务销售额、农村投递路线长度、服务业发展专项资金和农产品地理标志登记产品数量等14个二级指标，建立我国农村电商发展水平评价模型，继而研究政府扶持农村电商发展的有效性。

表1 我国政府扶持农村电商发展的有效性评价体系

（一）电商发展潜力方面

网上零售额反映了电商发展的规模，电子商务销售额从流向来衡量电子商务对经济的贡献度，快递数量表现目前居民在生活中对电商的依赖度，企业拥有网站个数表明了现代企业在信息化投入方面的重视，大专以上人口代表着人才培养对于未来电商发展的重要性，从这五个指标的电商发展状况侧面体现出一个地区的经济发展水平，经济越发达，政府扶持农村电商发展的效果才会越明显，农村电商发展水平才会更高。

（二）基础设施建设方面

每百人使用计算机台数用来衡量互联网的发达程度，农户固定资产投资总额一定程度上体现了政府对于农村基础设施建设的资产投入，农村投递路线长度表明了农村物流基础建设水平，农村宽带接入用户指的是农村互联网用户规模，县域内宽带覆盖率越大，农户上网销售农产品就越便利。因此，采用这四个指标能够体现该地区基础设施基本条件的优劣。

（三）政府市场监督方面

农业部每年会公告农产品地理标志登记产品名单，说明政府在加强市场监管、保证产品质量上的工作较为扎实，给予一个产品导向，使得大家在购买物品时更加放心和舒心，且该地区被评为“名牌农产品地理标志登记产品”的数量越多，体现了政府在区域品牌建设方面做得越好。农村综合示范县是政府依据电商发展规划完善情况、农村物流解决方案及实施情况和质量追溯体系建设情况等方面，进行评判所授予的称号，既严格把控农村电商运行情况，又对其地区加以资金和政策上的鼓励，更加有利于农村电商的发展。

（四）资金扶持方面

服务业发展专项资金是财政部针对农村电商所拨付的资金，如2018年服务业发展专项资金扶持对象是2018农村综合示范县。农林牧渔业、信息技术业、交通运输、仓储和邮政业加总占固定资产投资的比重一定程度上体现了政府对于农村电商的资金支持，（这三个行业对于农村电商的发展都有所涉及，但无法准确地剔除出来关于专门针对农村电商的固定资产投资，故暂时用此比重来说明政府对于农村电商的资金支持）。交通运输支出占地方一般公共预算支出从财政支出上来体现政府关于物流设施建设的资金投入。

三、因子分析法构建模型分析

（一）模型的设定

本文借助因子分析法分析政府扶持农村电商发展的有效性，利用SPSS计算出各变量间的相关性，将相关性较高和较低的指标划分为不同组。通过研究相关系数矩阵的内部关系，提炼出对农村电商发展影响较大的指标并将其设为主因子。然后将若干主因子按照权重相加构成最终的评价指标体系，并带入各省的主客观数据算得综合得分，并按照得分对各地农村电商发展进行分析。

因子分析法利用降维的思想，将数量比较多的原始变量转化为极少量的综合变量，假设每个方程组有p个指标，F1，F2，…Fm（m＜p）表示标准化的公共因子，则m个公共因子的变化能够阐述各个原始变量的关系变化，于是得到以下数学模型：

通过方程组得到的m个公共因子可对每个观测变量进行预测，而每一个观测变量和公共因子之间的相关系数正好方程中的系数apm一一对应，这种关系也可表示为观测变量在其对应因子上的载荷，又叫因子载荷，它体现了变量与因子之间的关系强度，即apm会随着公共因子Fm与变量XP关系强度的增加而增大，但该系数不能完全解释两者之间的关系，还存在着一个误差项εp，也称特殊因子。

变换为矩阵形式为：

X＝AF＋ε

称为因子载荷矩阵，对因子载荷矩阵进行求解，就可依次提炼出最有影响的公共因子。

（二）数据来源与选取

本文选取了全国31个省的相关数据，数据来源于《2019年中国统计年鉴》、财政部公布关于2018年服务业发展专项资金预算的通知及农业农村部公示的2018年农产品地理标志登记产品信息，其中在统计农村综合示范县数量和服务业发展专项资金时，涉及新疆兵团的数量和资金，把统一归为新疆来计算。

（三）相关分析、KMO和Bartlett球形检验

1．相关分析

做因子分析前首先要通过相关性检验，要保证各变量之间具有相关性，将表2的原始数据导入到软件SPSS 23．0系统中，在对31个省的14项指标数据进行标准化处理后，开始做相关系数的矩阵检验，软件运行后，将数据梳理和分析后得到表3。通过表3了解到，矩阵中大多数相关系数值都超过了0．3，同时从表中还可以看到相关系数显著性检验的p（p＜0．05）值也较多，这就证明表4．3各变量间的线性关系极为显著，所以能够进行下一步研究。

表2 相关原始数据表

表2 相关原始数据表（续）

表3 相关系数检验表

2．KMO和巴特利特球形检验

通过表4的结果可得出，KMO＝0．693＞0．5，证明了该数据能做因子分析；且巴特利特球形检验中近似卡方数值达到了483．722，显著性水平即Sig值为0．000＜0．01，拒绝单位相关矩阵的原假设，表示该相关矩阵和单位矩阵存在较大差异，且数据呈正态分布。通过KMO和巴特利特球形检验表明了本文所选指标能够展开因子分析。

表4 KMO和巴特利特检验表

3．提取因子和因子旋转

（1）提取因子

由公因子方差表可以得出，大多数原始变量共同度都在80%以上，说明提取的公共因子基本反映了原始变量80%以上的信息，具有一定的代表性，提取因子成效良好，可以进一步研究。

表5 公因子方差表

表6反映了特征根比1更大的因子共有3个，且累计方差贡献率达到了80．687，说明有大量的信息存在于这3个因子之中，三者对各变量的解释能力是极强的，其效果比较好。

表6 总方差解释

通过图1因子碎石图，也证明了刚才的结论，结合特征值曲线的拐点，可以看出前3个公共因子的坡较陡，自第4个因子起趋于平缓，这就证明提取3个公共因子是科学合理的。

图1 碎石图

（2）因子旋转

在找到三大主因子后，需要根据主因子包含的各种指标变量，对每个主因子背后所代表的含义进行归纳概括。在命名主因子前需进行因子载荷系数矩阵分析（见表7），由于14个差异性的变量上三因子载荷间的差异并不显著，其意义无法得到明确表达，因此本文采用方差极大值法对因子载荷阵正交旋转，以便接下来的分析。

表7 成分矩阵表

正交旋转矩阵如表8所示，主因子F1在网上零售额、电子商务销售额、快递数量、企业拥有网站个数和大专以上人口的因子负荷分别为：0．933、0．910、0．892、0．886、0．873，主要反映的是电商发展水平提高的潜在条件，因此可以命名为“电商发展潜力因子”；主因子F2在每百人使用计算机台数、农户固定资产投资总额、农村投递路线长度、农村宽带接入用户和农产品地理标志登记产品数量的因子负荷分别为：0．833、0．823、0．736、0．729、0．644，反映的是农村电商发展需要满足的基础设施条件，因此可以命名为“基础设施因子”；主因子F3在农村综合示范县数量、服务业发展专项资金、农林牧渔业、信息技术业、交通运输、仓储和邮政业加总占固定资产投资的比重和交通运输支出占地方一般公共预算支出的比重的因子负荷分别是：0．860、0．812、0．772、0．686，反映了政府在农村电商发展方面的重视，对其投入的专项资金，其中被评为“农村综合示范县”的每个县会有2000万的扶持资金，因此可以命名为“资金扶持因子”。

表8 旋转后的成分矩阵表

4．因子得分求解

为了对各个地区政府扶持农村电商的有效性进行客观的分析和综合的评价，就要求算出各个地区的因子得分函数，因此采用回归法，利用SPSS软件输出如表9所示的成分得分系数矩阵。

基于表9的成分得分系数矩阵，可以得到以下公共因子的得分函数：

以表6主因子的方差贡献率为权数进行加权汇总，可归纳出评价政府扶持农村电商发展有效性的数学表达式：F ＝（35．351F1＋ 26．479F2＝ 18．857F3）／80．687，然后运用 SPSS 软件求得各省政府扶持农村电商发展有效性的综合得分，以及各省的综合排名。

表10 各省政府扶持农村电商发展有效性的综合得分及排名表

四、实证结论

（一）政府扶持农村电商发展总体向好，但区域不均衡

全国各省关于政府扶持农村电商发展有效性的综合得分排名如图2，31个省中有一半数量的得分为正的，说明目前我国农村发展水平整体上是不错的，政府扶持的成果是值得肯定的，进一步坚定了我国发展农村电商的信心和决心。其中广东、四川、江苏、浙江和山东的综合得分居于全国前列，说明这五个地区的农村电商发展水平较高，即政府扶持效果较好，该结果与各地区的现实发展情况是吻合的。从2019年阿里研究院公布的数据来看，各地区淘宝村的数量正是说明了在“政策利好”的大环境下，农村电商的发展规模与速度已经取得了一定的成效，我们应该坚持走这条道路来改善农村经济。这五个地区作为农村电商发展的领头羊，可供其他地区学习和借鉴，其他省份还有很大的上升空间。青海、吉林、海南、重庆、宁夏和天津等地区应该加大对农村发展的扶持力度，让农村电商的发展为经济建设加大“马力”，力争成为拉动农村经济增长的重要组成部分。

图2 各省政府扶持农村电商发展有效性的综合得分排名

从区域分布来看，广东、江苏、浙江、山东、河北等东部地区的农村电商发展水平名列前茅，淘宝村的分布也大多集聚在东部沿海地区，这些地区作为农村电商发展的先行者，政府扶持在其发展的过程中起到的作用也是功不可没的。湖南、河南、湖北作为中部地区的主力军，也在努力赶超东部地区的发展，形成淘宝村高度集聚在东部地区向裂变增长的中部地区转移的局面。陕西、甘肃、贵州、广西、西藏等地区也不甘落后，近年来西部地区的经济发展突飞猛进，农村电商的兴起给他们带来农村发展的曙光，就拿贵州而言，精准扶贫的战略部署和大数据的快速发展将农村电商推向新的发展阶段，同时随着农村电商的深入发展，精准脱贫的工作也得以顺利进行，取得良好的效果。而东北地区的发展则显得有些落后，辽宁、吉林、黑龙江和内蒙古的综合得分偏低，政府应加大扶持力度，对其农村电商的发展加以规划和引导，为农村经济市场注入生机与活力。

（二）各因子影响程度不一

1．电商发展潜力因子最关键

主观因子即电商发展潜力因子的方差贡献率为35．351%，是影响政府扶持农村电商发展有效性的最关键因子。各地区电商发展潜力因子的得分排名见图3，全国仅有9各地区的因子得分为正，其他地区的主观因子得分曲线较为平缓，各地市省之间的分数差别不大。就各省而言，广东、北京、浙江、江苏、上海、山东六个省份的电商发展潜力较高，这与该地区的经济发展水平是分不开的。广东无论是电商发展潜力水平，还是整体而言，农村电商发展都比较好。9个得分大于0的省份说明电商发展的环境比较好，领先于其他省份，有利于农村电商的快速发展，其他发展落后的省份，如新疆、江西、广西、青海、宁夏关于电商发展的条件较差，反映出政府扶持农村电商发展有效性较低，作为扶持扶持农村电商发展的重要因素，这几个省份应注重电商发展水平的提高，从而更好地促进农村经济体制的改革。

图3 电商发展潜力因子F1得分排名

2．基础设施因子影响较大

主因子即基础设施因子的方差贡献率为26．479，如图4所示，有一半数量的省份的得分都在0以上，且各省得分呈均匀分布，河南、山东、湖南、四川、江苏等地在该因子上得分明显较高，说明上述城市在硬件设施建设上占据较大优势。甘肃、福建、云南、贵州、辽宁这几个省份的因子得分在0上下波动，趋于平均水平。而北京和上海虽然排名倒数，但由于两个省份属于一线城市，经济实力雄厚，农村地区及设施相对薄弱，主要注重城区的发展，且本文选取基础设施方面的指标大多与农村相关，故两个省份的基础设施得分低也实属正常。宁夏、海南、西藏这三个省份的因子得分较低，说明基础设施建设不到位，该地区的经济实力一定程度上会影响农业基础设施，政府在扶持农村电商发展的过程中也会显得力不从心。

图4 基础设施因子F2得分排名

3．资金扶持因子对各地区影响程度不一

资金扶持因子得分排名情况来看，云南、西藏、甘肃、四川、贵州、陕西这六个省份的扶持资金明显高于平均水平，这说明了国家对于西部地区在农村电商发展方面的强力支持，由于西部地区的地势原因，经济发展较为缓慢，因此农村电商的发展则显得尤为重要，不仅打通了全国产品的流通网络，增加西部地区的经济收入，更是为这些地区提供新的发展思路，增加就业机会，吸引人才到这些地方。其次重庆、安徽、辽宁、江西、天津的因子得分反映了政府资金扶持的力度较小，这些地区的经济发展状况良好，资金扶持因素在其农村电商发展中起到较小的作用。整体而言，各省在政府资金扶持的分配上尚不均衡。

图5 资金扶持因子F3得分排名

本文主要设立了基础设施建设、电商发展潜力、资金扶持以及政府市场监督四个一级指标进行研究政府扶持的有效性。采用因子分析法建模分析后发现，政府扶持农村电商发展总体向好，但区域发展不均衡；决定政府扶持有效性的核心要素是电商发展潜力，基础设施因素次之，资金扶持因素影响相对较小。为了更好地提高政府扶持农村电商发展的有效性急需从以下几方面进行完善：一是制定科学的发展战略规划，结合各地优势，出台具有科学性、合理性、实操性的相关政策，落实组织领导协调责任。二是加大统筹协调力度，加快各项基础设施的均衡发展，尤其是网络基础设施、物流体系和配套设施建设。三是加大财政资金的投入力度，整合各部门相关扶持资金，注重资金利用率的提高，将各项资金统筹安排，集中使用，同时促进政府投入与社会资本有效融合，吸引市场投资，拓宽融资渠道，促进电商企业的发展运作。四是深化政府的监督管理职能，建立健全法律法规体系和诚信机制，从而保障多元主体的合法权益。五是通过校企合作创新农村电商人才培养体系、挖掘培养本土农村电商人才和引进技术骨干，全面开展农村电商人才的培育和引进工作。

特别感谢贵州财经大学2017级财政学研究生李梦曦对文章数据收集、整理所作贡献。