基于fsQCA的区域农产品电商发展水平提升路径研究——以28个省区市为案例

陈慧娴，郑亚琴

（安徽财经大学工商管理学院，安徽蚌埠，233030）

在大数据、物联网、人工智能、移动网（5G）等数字信息技术的有力助推和国家高度重视的背景下，我国农产品电商迅速发展，进入数字电商新阶段。据商务大数据显示，2019年我国实现农产品网络零售额3 975亿元，同比增长27%[1]。阿里、京东、拼多多、顺丰优选等农产品电商平台的交易额也呈现上升趋势，其中，在阿里平台完成的交易额为2 000亿元，并且，全国淘宝村中以农产品销售为主的共有262个[2]。作为一种新型业态，农产品电商跨越了时空和地域限制，缩短了产品流通环节，拓宽了销售路径[3-4]，为现代农产品供应链的构建创造了条件，成为推动农产品上行、解决“三农问题”的重要通道[5]。但与此同时，受电商集聚度、产业及人力资源、配套服务体系等因素的影响，我国区域农产品电商发展不平衡，呈现“头部集中、尾部多样化”现象。欧特欧监测数据显示，2019年我国华东、华南和华北地区的县域农产品网络零售额位列前三，分别为1 054.4亿元、631亿元、493.8亿元，其中，华北地区县域农产品网络零售额增速最快。从具体省份来看，浙江、广东、江苏等地农产品电商销售额在省域排名中处于领先地位[6]。

基于此，本文以我国28个省区市为研究对象，基于组态视角，运用融合定性与定量思维的模糊集定性比较分析法，探寻提升农产品电商发展水平的组态路径，试图回答以下问题：造成农产品电商发展区域性差异的原因是什么？哪些因素组合能促进农产品电商的高水平发展？多重因素间存在怎样的逻辑关系及联动效应？通过研究上述问题，为推动我国农产品电商发展提供理论和实践参考。

一、文献回顾

农产品电商迅速发展的同时，其理论研究也在逐渐深入。其中，农产品电商发展影响因素一直是关注热点，现有学者[4，7-12]大都认为农产品电商发展主要受农产品资源、品牌、相关基础设施、平台、涉农电商人才及政府支持等因素影响，存在复杂性。

从研究方法看，较多运用访谈、个案研究等定性分析或回归分析、问卷调查、模型构建等定量研究。郭鸿鹏等（2016）认为除农业资源外，农产品电商发展受制造业基础、劳动力资源、市场环境等因素影响[13]，且研究表明涉农产业基础、人力资本以及资源禀赋等因素的影响度存在区域性差异[11]。刘建鑫等（2016）、Zhang（2017）指出农产品电商发展仍面临基层建设不完善、冷链物流短板、供应链脆弱等问题[14]，同时，受消费习惯、产品质量等因素的制约[3]。并且，发现5G物联网等良好的信息化水平有助于获得高效、准确的农产品质量安全信息，提高产品流通效率，促进农产品电商高质量发展[15]。Yaseen等（2015）指出，政府的积极引导和支持在农产品电商发展中发挥至关重要作用[16]。鲁钊阳（2018）证实政府扶持政策对农产品电商发展有正向影响作用，而政策有效性因区域不同具有差异性[8]。贾铖、夏春萍等（2020）发现物流设施水平、农村第三产业结构、受教育程度等对农产品电商发展具有正向影响，而农业信息资源及政府支农支出的投入应适度[17]。Lin（2020）指出地理标志是提高农产品附加值的有效因素[18]，且证实品牌培育对农产品电商发展具有显著正向影响[19]。雷兵等（2021）发现地方特色农产品与网络口碑呈正相关，且对农产品上行有积极影响[20]。

从研究对象看，大多是对城市、县域或个别省份农产品电商发展影响因素的关注。如李秀兰等（2014）以辽宁省为例，强调农产品电商发展需要特色农产品资源、品牌以及基础设施等的支撑[21]。年志远等（2019）探究了华北地区地级市农产品电商发展效率，认为人力资本质量是推动其发展的重要条件[22]。罗昊等（2019）针对广东省14个乡镇分析了农民对农产品电商营销的参与度，指出其行为受农地禀赋、受教育程度、对电商营销认知度、政府扶持等因素影响[23]。贾铖等（2020）研究了重庆市38个县域农产品电商发展影响因素，得出基础设施建设规模对其具有正向影响，而信息技术水平的影响作用并非完全正向，同时，也强调了政府支持的重要性[5]。慎丹等（2020）对吉林省9个市进行研究，发现物流设施、农产品电商产业集聚以及自然资源对农产品电商发展有积极影响，而信息技术、服务业基础、产业结构等未产生显著影响[24]。

总的来看，已有研究对影响农产品电商发展的原因进行了丰富解释，但得出的结论不尽相同，仍存在需深入探索之处。一是既有研究虽识别了影响农产品电商发展的若干因素，但更多聚焦于变量间单一关系的考察，或多因素同时影响的效果，缺乏对不同影响因素逻辑关系及组合效应的探索；二是既有研究大多采用单一研究方法，主要是经验归纳和原因解释，缺少将定性与定量分析相结合的方法；三是因依托条件要素不同，我国各省市农产品电商发展呈现复杂态势，有必要对全国多案例进行比较分析，更好地揭示农产品电商发展的因果关系的复杂性。

基于对已有研究的梳理与总结，选取信息化水平、物流设施水平、劳动力要素、资源禀赋、品牌优势和政府支持六大因素，将其纳入分析框架，引入fsQCA方法，探寻多重因素对农产品电商发展的联动效应，以及彼此间可能存在的相互关系，以期为提升不同区域农产品电商发展水平提供理论指导（逻辑分析框架如图1）。

图1 逻辑框架

二、研究设计

（一）研究方法

定性比较分析（QCA）是一种案例导向的理论集合研究方法，以布尔代数理论为基础，通过计算集合间隶属程度来探究前因条件组合引致特定结果出现的多种路径[25-26]。本文选择fsQCA分析法，主要基于如下考虑：

第一，传统的回归分析主要强调独立因素或两个因素交互作用对结果变量的净效应，而农产品电商发展影响因素众多且存在复杂性，定性比较分析不仅能探究单个因素，还能萃取出多种前因条件构型，以解释不同条件组合对同一结果的影响，很好地解决了“多重并发因果”问题。

第二，传统的回归分析方法对样本量要求较高，通常需要大规模样本，而定性比较分析既适合100以上的大样本研究，也适合10～50的中小规模样本。本文的研究样本为28个，并未达到传统研究方法的“大样本”水平，更适用于QCA方法；

第三，鉴于本文所选的变量为连续型变量，而模糊集定性比较分析可以处理类别变量和连续型变量，能够克服csQCA和mvQCA的一些局限性，且适用性更强。

（二）样本选取与数据来源

由于研究案例的选择不仅要确保案例总体的相似性，还应考虑案例样本间的最大异质性[27]。基于此，本文以我国28个省区市2019年的数据作为研究样本（因吉林、青海、宁夏数据缺失，故未纳入统计），数据来源于《2020年中国统计年鉴》和各省区市地方统计年鉴及中国农业农村部、中国农牧品牌研究院。

（三）变量选择及测量

1.结果变量

农产品电商发展水平。由于中国统计年鉴、地方统计年鉴等尚缺乏关于农产品电商的统计数据，且现有研究更多为评估电商发展水平或绩效的指标体系，并将其作为农产品电商发展水平的代理指标。因此，采用电商销售额与农产品电商流通率（即各省市农业产值与各省市GDP的比值）的乘积来衡量农产品电商发展水平[17]。

2.条件变量

（1）信息化水平。网络信息技术是农产品电商发展的基础条件，能够为企业或农户参与农产品电商营销提供途径。此外，区域信息化水平在很大程度上反映了买卖方进行信息共享和互通的有效性，影响农产品电商流通环节。因此，采用各省互联网宽带接入用户数和年末移动电话用户数衡量信息化水平[24]。

（2）物流设施水平。对于农产品特别是生鲜产品而言，保鲜度低，需要依靠高效完善的物流配送体系。高水平的物流基础设施对增强供应链间的高度协同，促使农产品流通和经营效率的提升等具有重要意义。因此，采用物流配送化程度代表物流设施水平，并用农产品电商流通率（各省市农业产值与各省市GDP的比值）乘以各省连锁餐饮、零售企业统一配送商品购进额占社会消费品零售总额的比值来衡量[28]。

（3）劳动力要素。由于农产品电商涉及信息技术、物流业、制造业等多个行业，IT人才、物流业及制造业人员等充足的地区能够推动生产要素有效发挥，保障在线农产品的深加工，从而促进产业提质增效。因此，采用各省物流业、制造业从业人员及IT人才数衡量劳动力要素[11]。

（4）资源禀赋。农产品资源是区域农产品电商发展的出发点，产业资源丰富的地区，可通过涉农电商平台扩大产品销售渠道，减少季节性农产品滞销，使特色农产品资源发挥最大效用，并转化成产业优势。因此，采用各省2019年中国特色农产品优势区数量代表省域农产品资源禀赋[29]。

（5）品牌优势。增强农产品品牌培育是推动区域农产品上行的重要抓手，有助于提高电商农产品知名度、附加值和消费者信任度，且一定程度上可打击品牌侵权行为，为区域农产品电商发展提供良好的市场环境。因此，采用各省2019年中国农产品百强标志性品牌入选数代表省域农产品品牌优势[30]。

（6）政府支持。农产品电商的高质量发展不仅依靠人力、资源等内在要素，还需要政府有效引导和扶持，以改善其发展的软硬件服务条件，使区域农产品能够得以畅销。因此，采用省域政府支农支出代表政府支持，反映政府对农产品电商发展的参与度[31]。

（四）变量赋值及校准

校准被视为赋予案例集合隶属值的过程，本文采用直接校准法[25]，将所有数据转换成值从0到1的模糊集隶属分数，该过程需要设定完全隶属、交叉点以及完全不隶属3个临界值，参考赵云辉等（2020）[32]的研究，选取样本数据的 15%、40% 和75%分位数值分别作为各变量的3个锚点。校准结果如表1所示。

表1 各变量校准锚点

三、实证分析

（一）单个条件的必要性分析

根据以往QCA研究准则，需要先检验各条件变量（包含非状态）是否构成农产品电商发展水平提升的必要条件。当条件变量的一致性水平大于0.9时，说明该变量是结果变量的必要条件[25]。通过fsQCA3.0进行必要条件分析，结果显示如表2，所有条件变量的一致性水平均未大于0.9，故不存在驱动农产品电商发展水平提升的必要条件。

表2 必要条件分析

（二）条件组态的充分性分析

参考已有研究建议[33-34]，将案例频数阈值设为1，一致性阈值设为0.75。运行fsQCA软件通常会得到三组解决方案（即复杂解、简约解、中间解），其中中间解介于两者之间，普适性较好。并且，同时存在于中间解和简约解的条件为核心条件，仅存在于中间解的条件为边缘条件。因此，本文以中间解为主，同时考虑简约解[33]。

表3展示了农产品电商发展水平提升的组态（路径）结果，共形成5种组态。其中，单个组态以及总体解的一致性均高于最低可接受标准0.75，表明各组态均是驱动农产品电商发展水平提升的充分条件。同时，总体解的覆盖度为0.802 3，表明所得条件组态解释了80%以上区域农产品电商发展水平提升的原因。

表3 农产品电商发展水平提升组态结果

从各组态（纵向）看，组态1（～IL*～LE*RE*GS）中资源禀赋和政府支持的存在发挥了核心作用，信息化水平和劳动力要素的缺席发挥了辅助性作用；组态2（IL*LFL*BA*GS）中品牌优势和政府支持的存在发挥了核心作用，信息化水平和物流设施水平的存在发挥了辅助性作用；组态3（IL*LE*RE*BA）中劳动力要素和资源禀赋的存在发挥了核心作用，信息化水平和品牌优势的存在发挥了辅助性作用；组态4（LFL*LE*RE*BA*～GS）中劳动力要素、资源禀赋的存在发挥了核心作用，物流设施水平和品牌优势的存在，以及政府支持的缺席发挥了辅助性作用；组态 5（IL*LFL*LE*RE*GS）中劳动力要素、资源禀赋和政府支持的存在发挥了核心作用，信息化水平和物流设施水平的存在发挥了辅助性作用。

从单个条件（横向）看，资源禀赋作为核心条件出现在多个组态中，是农产品电商发展的主要动力来源；品牌优势作为核心或辅助条件出现在除组态1和组态5外的所有组态中，是农产品电商发展的重要外部推动力。此外，对比组态间关系（纵横双向）可知，组态3中信息化水平和组态4中物流设施水平存在明显的替代关系，说明两个条件存在其一便可联合其他条件一起推动区域农产品电商高水平发展的生成。

（三）稳健性检验

参考Schneider等（2012）[35]和赵云辉等（2020）[32]的做法，通过调整一致性阈值（从0.75提高至0.76）和改变校准区间（用12%、72%%代替15%、75%，一致性阈值为0.76）的方法进行稳健性检验。其中，调整一致性阈值后，总体解的一致性和覆盖度均未发生变化，所得组态构型与原组态构型一致。改变校准区间后（结果见表4），总体解的一致性由0.896 4上升至0.923 7，总体解的覆盖度由0.802 3下降至0.739 1，但仍具有很好的覆盖度。并且，同样形成了5种组态，各条件组态的一致性均高于0.75。其中，组态T3是组态3的子集，其余组态依然存在。因此，本文所得研究结果是可靠的。

表4 改变校准区间的稳健性检验

四、进一步分析

为更好地比较组态间差异，本文基于各组态不同的核心条件和侧重点，将其概括为四种类型：资源-政府驱动型、品牌-政府驱动型、劳动力-资源驱动型和综合驱动型。

（一）资源-政府驱动型（组态1）

该模式表明在拥有丰富农产品资源的情况下，政府的财政扶持可促进农产品电商发展水平提升。以贵州为例，其信息化水平和劳动力要素在案例省份中排名较为靠后，但已有11个中国特色农产品优势区，对131个地标农产品实施了登记保护。此外，贵州省政府大力扶持农产品电商产业，财政支农支出较高，2019年该省商务厅对全省重点农产品批发市场的12个区域设立扶贫专区，并推进部分国有平台企业成功转型为农产品流通企业。为农产品电商高质量发展提供了丰富的资源基础，并营造了良好的产业环境。

（二）品牌-政府驱动型（组态2）

该模式表明在信息物流等基础设施建设较完善的地区，通过进一步强化品牌优势，提高政府支农支出，可有效提升农产品电商发展水平。以四川省为例，该省信息基础设施资源较丰富，在案例省份中排名第五。同时，近年来该省不断优化物流设施，新增物流服务功能节点，更好地支撑了农产品物流配送服务。2019年四川省拥有28个国家农产品百强标志性品牌，排名第一。并且，随着地区经济发展水平的提高，政府财政扶持也趋于成熟，2019年其财政支农支出位居第一，对促进农产品电商发展水平的提升起到支持作用。

（三）劳动力-资源驱动型（组态3和组态4）

该模式表明拥有良好的信息化水平或物流设施水平，以及较强品牌优势的地区，若更注重扩大信息技术、物流业及制造业等劳动力资源，并重点关注当地农产品资源禀赋，可有效提升农产品电商发展水平。典型案例为陕西、辽宁、江西等。以陕西为例，该省共有12个中国特色农产品优势区，2019年中国农产品百强标志性品牌入选数在案例省份中排名第二，具有良好的产业基础和品牌优势。且该省信息化基础设施建设在稳步推进，为农产品电商发展奠定了坚实的技术资源。同时，拥有充足的IT人才、制造业及物流业人员，更好地满足了农产品电商发展所需劳动力投入。

（四）综合驱动型（组态5）

该模式表明对于一些条件良好的地区，为提高农产品电商发展水平，在拥有完善基础设施、丰富农产品资源，并获得政府大力财政扶持的同时，也要更重视劳动力要素的作用。以山东省为例，其作为我国农业大省，农产品资源充足，共有17个中国特色农产品优势区，且劳动力要素和信息化水平在案例省份排名中分别位列第四和第二，政府支农支出位居第三，并长期居于全国领先水平，为农产品电商高发展提供了充足的劳动力、技术资源及政府支持。此外，全省物流设施水平显著提高，2019年该省国家级冷链物流企业数量居全国首位，并有117家农产品冷链物流信息服务企业。多方面的优势资源使其农产品电商获得高质量发展。

五、结论与展望

（一）研究结论

本文以我国28个省区市为研究样本，运用fsQCA方法，对各区域农产品电商发展水平的提升路径进行了实证探究，为揭示影响农产品电商发展的多重因素联动效应及复杂互动机理提供了一种新的理论视角，丰富了区域农产品电商研究体系。研究发现：

第一，农产品电商发展水平的提升是多个条件共同作用所产生的结果，呈现多重并发的特点，任何单一条件无法构成农产品电商高发展水平的必要条件，同时，也不能成为引致结果产生的充分条件。此外，尽管所形成的各组态路径中核心和边缘条件不同，但都能促进农产品电商发展水平的提升，达到了“殊途同归”的效果。因此，各地应基于组态视角，对多个可能影响变量进行合理配置，确保从整体上推动农产品电商发展水平的提升。

第二，通过对比所有条件组态，发现劳动力要素、品牌优势及政府支持是促进农产品电商发展水平提升的重要外部牵引力，资源禀赋是重要内生动力。信息化水平与物流设施水平作为辅助力量与核心力量共同发挥作用，从而更好地促进农产品电商发展水平的提升。表明区域农产品电商高发展水平不仅依靠基础设施、品牌、政府等因素，也要具备丰富的农产品资源，发挥内生动力与外部动因的协同作用。

第三，在农产品电商发展的影响因素中，信息化水平与物流设施水平存在替代关系（对比组态3和组态4），这对各地依据自身条件有针对性地改善软硬件环境、合理配置资源，从而提升农产品电商发展水平有重要益处。例如，在农产品资源丰富、劳动力资源充足及品牌优势较强时，各地可结合自身发展情况，通过完善互联网基础设施建设达到农产品电商高水平发展，也可通过增强物流设施水平达到农产品电商高水平发展。

（二）启示

本文研究结论对各区域结合资源要素及创新综合条件等提升农产品电商发展水平具有如下实践启示：

第一，充分挖掘和发挥区域资源禀赋，增强农产品标准化和品牌建设。农产品电商发展水平的提升在很大程度上受资源禀赋和品牌优势的影响，各地应合理开发利用当地资源禀赋，打造具有差异化和竞争优势的特色农产品优势区，推动农产品资源优势向物联网、大数据等驱动的电商产业集聚。同时，应重视网销农产品品牌培育，借助可追溯技术（如RFID）等严格把控产品质量，建立数字农产品产业基地，延长和优化产业链。此外，利用直播、“名人效应”等推广本地农产品电商品牌，提升农产品溢价能力。

第二，切实加强政府政策资金支持力度。政府支持是影响农产品电商发展的重要因素，经济社会发展相对薄弱的地区更依赖于政府的积极投入和支持，它能有效降低不利因素，实现农产品电商高发展水平。因而，各地特别是广大中西部地区政府，应瞄准农产品电商发展中的瓶颈问题，加强各部门政策资金支持力度，做好营商环境建设。科学规划农产品物流与供应链体系建设，着力推进大数据、人工智能、区块链等数字技术与农产品生产经营的深度融合，以提高产品流通效率，实现产销精准对接，促进农产品电商高质量发展。

第三，积极推动涉农电商产业间劳动力资源整合，强化协同合作。农产品电商产业依赖分拣包装、运输配送、初加工等方面的人力支持，这是促进其发展水平提升的关键抓手。充足的涉农电商产业劳动力要素投入不仅能推动农产品电商智能化、数字化管理和完善运营服务体系，还有助于提高农产品附加值，降低流通成本，延长农产品电商产业价值链。因而应扩大信息技术、物流业及制造业等人员的吸引和培养力度，增强产业间劳动力资源整合和协同合作，为农产品电商高水平发展注入充足人力。

（三）不足及展望

本文研究仍存在如下不足，需进一步完善：首先，受数据可得性限制，只选取了2019年的数据，所选前因条件可能尚不全面。未来研究可考虑纳入其他可能影响因素，并对不同年份进行比较，更深入地揭示驱动农产品电商发展的组态路径及内在机理。其次，选取变量的衡量均采用单一指标，虽能增强研究结论的客观性，但相关变量的复杂内涵可能较难体现。未来可考虑运用多维度衡量指标，并结合扎根理论、问卷调查等做更细化和深入的研究。