电子商务与快递业协同发展研究

□文/ 孙奇鸣

（杭州师范大学 浙江·杭州）

［提要］近年来，电子商务与快递业呈现高速发展趋势。为探究两者的协同发展关系与模式，本文采用协同学序参量模型，运用聚类-灰色关联度分析构建我国电子商务与快递业子系统评价指标体系，并根据模型计算子系统的有序度以及复合系统的协同度。研究结果表明：电子商务与快递业均朝着有序化的方向发展，电子商务的整体有序度高于快递子系统，两个行业之间存在着交替领先、互相促进的协同关系。

自2010 年以来，随着我国人均消费水平的提升和移动互联网的大规模普及，电子商务和快递业迎来了一轮新的高水平增长。据国家统计局和邮政局的数据显示，2019 年快递业务量完成625.2 亿件，同比增长25.3%。与此同时，全国电子商务交易额达34.81 万亿元，其中网上零售额达10.63 万亿元，同比增长16.5%。可见，快递业与电子商务行业的发展不完全同步，为总结两个行业的协同发展经验，本文提出对电子商务与快递业的协同关系进行量化研究。

目前，对电子商务与快递业协同度的测算有各种不同的研究方法，提出了不同的协同度测算方法。第一，结合协同学理论展开实证分析的研究。武淑萍、于宝琴（2014）根据协同学序参量原理，运用灰色关联度分析方法对2005～2014 年十年的电子商务与快递业的数据进行了分析；沈颂东、亢秀秋（2018）采用聚类-灰色关联度分析法构建电子商务和快递业的评价指标体系；杨路鸣、李彬彦（2019）分别从电子商务与物流子系统中选取序参量，采用熵权法和耦合函数建立协同模型来进行协同度的测算。第二，采取回归的方法，通过判断两个变量之间的相关性来确定两者的协同关系。王法涛（2014）对网购交易额、快递数量和快递收入三个指标的季度数据进行两两回归分析；郑承志（2019）在对2008～2018 年的电子商务与快递业的数据进行灰色关联分析后，采用线性回归分析对结果的正确性进行了校验；冯居易、罗养霞等人（2019）运用协整理论、修正误差模型和脉冲响应分析实证分析了电子商务与快递业的长、短期关系。第三，运用概率模型研究电子商务与快递业的协同关系。田帅辉、刘宇（2018）提出采用专家打分法对确定电子商务与快递业的评价指标值以提升决策效率，并结合模糊集合理论计算实现概率；陈畴镛、张文霞（2019）利用随机效应模型研究电子商务与物流业协同聚集的影响机理。

本研究结合协同学序参量模型和聚类-灰色关联分析法进行研究，根据2011～2018 年快递业与电子商务行业的数据，测算两个子系统的协同关系和复合系统的协调度，研究两者的协同变化趋势。

一、电子商务与快递复合系统协同发展模型构建

（一）协同学理论。协同学理论是20 世纪70 年代德国著名物理学家哈肯教授创立的，该理论以系统论、信息论、控制论、突变论等为基础，采用统计学和动力学相结合的方法，提出了多维相空间理论，从子系统的微观变化过渡到宏观，描述了系统由无序到有序转变的共同规律。

协同学的主要内容包括了协同效应、伺服原理和自组织原理。协同效应是指复杂开放系统中大量子系统相互作用而产生的一种整体效应，这种整体效应不是各个子系统功效的简单加总，而是一种系统整体状态的转变。随着子系统的有序度不断增强，达到某一临界值时，子系统之间就会产生协同效应，此时系统的突变会由少数几个集体变量即序参量决定，而其他变量则由序参量支配，序参量对复杂系统进行调节，使其从无序状态转变为有序状态，从混沌转变为一种稳定的结构，这就是伺服原理。所谓自组织原理，是指整个过程都是系统组织自发进行的，在系统没有受到外界干扰的前提下，内部子系统按照某一规则进行协调与竞争，形成某一特定的功能或结构，即系统具有一定的内生性。

（二）子系统有序度

定义1：设快递与电子商务组成的复合系统为S＝f（S1，S2），其中S1为电子商务子系统，S2为快递子系统，f 为两个系统协同发展的复合因子。

定义2：设子系统的序参量为ei=（ei1，ei2，…，ein），其中i=1，2，…；n 为序参量的个数。序参量的取值用eij表示，Ui表示序参量的有序度，计算公式为：

其中，0≤Ui（eij）≤1，Ui（eij）越接近1，表示系统有序度越高，Ui（eij）越接近0，则表示系统有序度越低，βij≤eij≤αij，这里的βij和αij分别是系统在稳定状态下序参量eij的下限和上限。

定义3：子系统序参量的权重系数可以用熵值法进行计算，并以线性加权的方式求得子系统的有序度。加权公式如下：

其中，0≤Ui（ei）≤1，ωj为序参量所对应的权重。eij越大，表明序参量对子系统Si的贡献度也越大，子系统的有序度Ui（ei）也就越高，反之则越低。

（三）复合系统协同度

定义4：假设在初始时刻t0，子系统序参量有序度为Ui0（ei）（i=1，2），当系统发展至任意时刻t1时，子系统的有序度为Ui1（ei）（i=1，2），假设CE 表示电子商务与快递子系统的协同度，计算公式如下：

由公式（3）可以得知，复合系统的协同度CE 的取值范围在［-1，1］之间，当CE∈［0，1］时，CE 数值越大电子商务与快递子系统的协同度越高。CE∈［-1，0］时，表明电子商务与快递子系统的发展差距较大，两者的协同度不高。

二、复合系统协同发展实证分析

本研究选取了2011～2018 年我国电子商务子系统与快递子系统协同发展状况的研究数据，电子商务子系统的指标体系包含了8 个基础设施指标（IPv6 地址X1、网站以及网络国际出口带宽X2、网页数量X3、网站数量X4、互联网普及率X5、中国网络购物用户规模X6、网民总人数X7、每周上网时间X8）、5 个经营规模指标（城镇居民人均消费支出X9、农村居民人均消费支出X10、电子商务交易总规模X11、网络零售交易额X12、电子商务从业人员X13）和3 个服务能力指标（电子商务服务业营收规模X14、中小企业运营商平台服务营收额X15、第三方互联网支付规模X16），数据来源于中国国家统计局官方网站、中国商务部官方网站和中国互联网信息发展中心官方网站。快递子系统的指标体系含了6 个基础设施指标（邮政业营业网点Y1、邮路总长度Y2、航空邮路总长度Y3、汽车邮路总长度Y4、农村投递路线Y5、城市投递路线Y6）、4 个经营规模指标（邮政行业业务总量Y7、全国快递服务企业快递业务量Y8、快递业务收入Y9、快递业务占邮政业务收入比重Y10）和6 个服务能力指标（平均每一营业网点服务面积Y11、平均每一营业网点服务人口Y12、货物运输量Y13、货物周转量Y14、载货汽车Y15、运输飞机Y16），数据来源于中国邮政管理局网站、中国国家统计局官方网站。

表1 电子商务指标变量聚类结果一览表

表2 快递指标变量聚类结果一览表

表3 电子商务子系统与快递子系统指标权重一览表（单位：%）

（一）聚类-灰色关联分析方法

1、数据标准化。本研究采用了均值-标准差法进行去量纲化处理，公式如下：

2、系统聚类。本研究采用离差平方和法（ward 法）对选取的16 项指标进行聚类分析，结果整理在表1 和表2 中。（表1、表2）

3、灰色关联度分析。计算各个指标间的关联系数，第i 个指标和第j 个指标的计算公式为：

灰色关联度分析的结果显示，电子商务子系统的16 项指标被聚成4 类，在第一类中选择X9，第二类中选择X15，在第三类中选择X8，第四类中选择X16。快递子系统的指标也被聚成4 类，在第一类中选择Y8，第二类中选择Y11，第三类中选择Y6，第四类中选取Y5。

4、协同度测算。为了确定各指标对子系统的贡献度大小，采用熵值法来确定子系统中各指标的权重，结果如表3 所示。（表3）

将数据代入协同度测算的模型中，计算出电子商务子系统、快递子系统的有序度以及复合系统的协同度，如表4 所示，并根据此绘制出电子商务与快递子系统协同发展趋势图，如图1 所示。（表4、图1）

由表4 及图1 的结果可知，从2011～2018 年，我国电子商务与快递业子系统的有序度逐年上升，经历“快递—电商—快递—电商—快递”有序度交替领先的发展过程，两者相互制约和互相促进，且这种行业之间的相互促进带来了复合系统协同度的提升。

表4 子系统有序度及复合系统协同度一览表

由图1 可知，电子商务与快递子系统均保持着较高的有序度增长速度，对比2011～2018 年各年两个行业的有序度差值可以发现，当有序度的差值较高时，如2012 年、2015 年和2016年这三年，分别是快递业有序度显著高于电子商务、电子商务有序度显著高于快递业和电子商务有序度显著高于快递业，符合系统的协同度也都实现了较高的增长，对应2011～2012 年、2015～2016 年和2016～2017 年这三个阶段。反观两者有序度差值较小的年份，如2013 年、2014 年和2017 年这三年，电子商务与快递子系统的有序度接近，复合系统的协同度很少或几乎没有提升。

如表4 所示，大多数的年份，电子商务子系统的有序度均高于快递子系统的有序度，这与前人的研究结论相符。从2012年开始，电子商务实现了行业井喷式的发展，电子商务与快递行业的运营和服务在以消费需求导向的时代，更加精细化运作，更密切的行业配合，两者的协同度因而不断提升，线上购物与线下购物逐渐融为一体。

三、结论及展望

快递业与电子商务行业近年来的发展十分迅速，本文运用协同学模型和灰色关联度分析方法对两个行业的协同发展进行了实证分析。协同度研究的实证结果表明，电子商务与快递业均呈现出互相制约和互相促进的发展趋势，且这种行业之间的相互促进带来了复合系统协同度的提升。一方面电子商务的发展规模整体上高于快递业，对快递业的增长起到了拉动作用，而快递业的快速增长反过来也满足了电子商务大量包裹的运送需求；另一方面当电子商务与快递子系统的有序度差值较大时，复合系统的协同度得到显著提升，当两者差值较小时，对协同度的提升不明显。总之，这种倒逼式的协同有效促进了两个行业的高速发展和整体协同度的提升。

图1 2011～2018 年电子商务与快递子系统协同发展趋势图

随着5G、物联网、大数据、人工智能等新技术在电子商务与快递业中的应用，未来两个行业的运行效率会得到更大程度的提升，而如何保证两业良好的协同发展以及快递业如何带动电子商务行业的发展有待更进一步的研究。

主要参考文献：

［1］武淑萍，于宝琴.电子商务与快递物流协同发展路径研究［J］.管理评论，2016.28（07）.

［2］沈颂东，亢秀秋.大数据时代快递与电子商务产业链协同度研究［J］.数量经济技术经济研究，2018.35（07）.

［3］杨路明，李彬彦.农产品电子商务与物流协同发展策略研究［J］.资源开发与市场，2019.35（11）.

［4］王法涛，苑春荟.电子商务快递产业链模式及关联分析［J］.中国流通经济，2014.28（01）.

［5］郑承志.基于灰关联的电子商务与物流关系实证分析［J］.延边大学学报（自然科学版），2019.45（04）.

［6］冯居易，罗养霞，张娜娜.我国电子商务与快递业的长短期关系研究——基于协整理论和误差修正模型的实证分析［J］.技术经济与管理研究，2018（09）.

［7］田帅辉，刘宇.中国电子商务与快递业复合系统协同度评价——基于熵权法［J］.技术经济，2018.37（02）.

［8］陈畴镛，杨文霞.电子商务对制造业与物流业协同集聚的影响——基于浙江省设区市面板数据的实证［J］.科技管理研究，2019.39（11）.

［9］罗琼.电子商务与快递行业供应链协同发展研究［D］.重庆交通大学，2013.

［10］韩军涛.电子商务背景下我国快递业发展与协同机制研究［D］.北京邮电大学，2014.

［11］李鹏华.电子商务与快递业协同演化研究［D］.吉林大学，2016.

［12］哈肯.高等协同学［M］.科学出版社，1989.

［13］孙玲.协同学理论方法及应用研究［D］.哈尔滨工程大学，2009.

［14］吴笑，魏奇锋，顾新.协同创新的协同度测度研究［J］.软科学，2015.29（07）.

［15］王小丽.基于灰关联理想方案决策的区域物流能力评价［J］.统计与决策，2013（16）.

［16］郭秀云.灰色关联法在区域竞争力评价中的应用［J］.统计与决策，2004（11）.

［17］顾在浜，石宝峰，迟国泰.基于聚类-灰色关联分析的绿色产业评价指标体系构建［J］.资源开发与市场，2013（04）.