农村电商集群效应的影响因素分析——以“淘宝村”电商集群为例

彭小珈

(湖南农业大学,湖南 长沙 410128)

一、引言

随着数字经济时代的到来,电子商务在我国农村地区蓬勃发展,并催生了新的农村电子商务产业集群,逐步成为乡村振兴的新引擎。在国家提出实施“数商兴农”战略工程背景下,农村电商集群发展已经成为一种趋势[1],农村电子商务集群效应逐渐开始适应消费者的需求,从简单生产制造,到自主设计制造,提升了消费者的消费体验,促进了农村电子商务产业链延伸[2]。

淘宝村作为由农村电商衍生出来的新的空间集群现象,开始进入大众视野。淘宝村是“互联网+村域经济”的典型产物[3],随着互联网包容性经济的发展[4],作为农村电商产业集群中组成单元最小的淘宝村,已成为农村电商产业发展模式快速推进、技术创新蔓延的产物[5]。淘宝村的出现,对电子商务在农村地区的发展产生了强烈的示范和带动作用,并引发了城乡产业分工和乡村地域功能的深刻变革[6]。部分地区的淘宝村集聚区域呈现出连片化特征[7],“多个淘宝村连片发展,网店、商会、物流、供货、政府等电商主体密切联系、相互合作,共同实现电子商务生产效率提升”,由此所形成的群落现象称之为“淘宝村集群”,对当地经济、农民就业和收入的影响效应相较于淘宝村更大,这对于电子商务在农村地区纵深推进,为政府制定乡村地区产业发展战略、丰富商业地理理论以及促进区域经济繁荣具有重要意义[8]。

在国家大力推进乡村振兴战略的背景下,要积极探索具有科学性、前瞻性的农村电商产业集群发展道路,推动农村电商集群化新旧动能有序转换,促进农村电商提质增效。探索过程中的一个重要研究方向是农村电子商务集群效应的影响机制[9]。学术界对农村电子商务集群效应的影响因素研究比较少,其研究视角主要集中在电子商务发展引起的城乡空间形态演变、农产品供应链调整、公平的就业机会、消除乡村地区贫困等方面。淘宝村是一个极具中国特色的电子商务专业村,它突破了传统专业村的时空限制,区别于传统专业村其他产业的形成机制。政府行为、资源禀赋、企业家精神、传统文化、地理位置等因素是传统专业村形成的影响因素。相比而言,电商平台、基础设施(网络、物流)、行业组织等是淘宝村区别于传统专业村的新影响因素。部分学者在对淘宝村空间聚集的影响因子进行分析时,发现淘宝村的产业基础、社会经济状况、邻里效应等对淘宝树空间聚集有明显的影响[10]。国内外专家学者,就农村电商集群出现的原因展开了分析,并从不同的角度对影响农村电商集群效应的不确定性因素进行了归纳,并在此基础上,结合以往的研究成果,以农村电商集群形成和发展的影响因素和条件为基础,选取了部分影响因素进行了具体的分析。并创建农村电子商务集群形成和发展的影响因素分析框架[6]。农村电商集群本质上是产业集群的一种,而产业集群的形成是多种因素共同作用的结果。产业集群的形成离不开政府、社会经济、相关基础设施等因素的协同作用。政府为产业集群的形成提供了驱动力,创造了较好的经营环境,促进技术扩散。社会经济水平反映了地区发展的总体状况,是产业集群化的基础。在基础设施方面,产业集群一般都是以公路、铁路等为前提条件,而要形成淘宝村集群,不仅需要有基本的交通条件,还需要一些其他因素,比如物流、网络等基础设施为当地电商的创业提供强有力的支撑,农村基础设施的完善对城乡之间要素的持续有序流动起到了重要作用。政府、社会经济、基础设施等是影响电商企业能否成功的关键因素,同时也决定了电商产业集群化发展的程度。

农村电子商务集群发展对乡村地区产生了显著的经济社会效益,通过对农村电商集群效应影响因素的研究能够厘清农村电商集群发展的形成机理,对进一步推进农村电商发展具有重要意义。信息化时代背景下,较为陈旧的研究数据不足以准确反映农村电商集群的最新动态。国内外学者对其影响因素的探讨多以定性分析为主,而进行定量研究相对较少,据此,本文以 2016 年至 2021 年间淘宝村、淘宝村集群最新面板数据为研究样本,采用灰色关联度分析与回归模型相结合的方式,对其影响因素进行了深入的研究。结合 2016—2021 年农村人口占比、地域因素、各省(自治区、直辖市)第一产业生产总值、税收优惠政策、农村网络普及范围、农村投递路线、技术支撑、环境要素、资源消费等数据,分析各因素对农村电商集群效应的影响,期望为电子商务专业村的繁荣发展提供科学依据。并结合相关因素研究农村电子商务集群的形成机制,以深化农村电子商务集群发展理论,拓展农村电商地理研究视野。

二、理论机理分析

在研究农村电商集群效应关键性影响因素之前,需要对农村电商集群效应及其理论机制进行系统分析。在研究农村电商集群效应时,需要清晰认识到农村电商集群效应的形成与发展均离不开政府的调控政策,地区政策激励将成为农村电商集群效应发展的主要驱动因素。同时,需要充分理解技术资源对农村电商集群效应形成和发展起到的支持促进作用,以及环境要素对农村电商集群效应的倒逼性影响,见图1。

图1 农村电商集群形成与影响因素的作用机理

(一)地区政策激励机制

农村电商集群的形成离不开政府的调控政策和电商平台企业的运作,政府政策是农村电商集群效应发展的主要驱动因素,通过政策执行、基础设施建设、资金支持等方式,促进农村地区系统内各种因素的流通和交流[11]。近年来,国家对农村电子商务越来越重视,各级政府为了引导和支持农村电子商务的快速发展,先后出台了一系列相关的政策文件。一是政府培育和吸引淘宝商户时在税收、土地、人才等方面进行了科学引导和政策倾斜[12];二是地方政府加大农村基础设施建设力度,推动农村电子商务集群发展,以此来促进农村资源优化配置,协调各方资源;三是政府促进商户合理有序竞争,以土地规划、战略制定、行业监管等方式推动技术优化升级,为农村电商集群持续发展提供机遇[13]。

政府为促进农村电商集群效应快速增长,颁布了专门针对农产品的相关税收优惠政策与法律法规。农产品税收优惠政策对促进农村经济繁荣、深化农业产业改革、推动农村电商集群发展有重要作用。因本文选取样本为2016—2021年度数据,为便于本文后续研究,特选取2019年4月1日起实施的一项税收优惠政策。纳税人购买农产品,准予将进项税额按照农产品购进发票或销售发票上注明的农产品购进价格扣减9%;其中,农产品购进适用13%税率货物用于生产、委托加工的,进项税额按照农产品购进发票或销售发票注明的购进价格,按照10%的抵扣比例抵扣。政府部门可以在农村人口占比、地域因素、各省份第一产业生产总值、农村网络普及范围、农村投递路线等方面采取鼓励支持政策,以促进农村电商集群效应的形成和提升,促进农村电商快速发展。

(二)技术资源支持机制

技术资源可以在许多方面支持促进农村电商集群效应的形成和提升。技术资源可以帮助农村地区建立起电子商务平台,使农民能够将自己的产品直接销售给消费者,而不需要经过繁琐的中间环节。通过大数据和人工智能技术,可以对消费者的购买行为、喜好趋势进行深入分析,帮助农民更好地理解市场需求,精准定位产品,提升销售效率。通过地图导航、物流跟踪等技术,可以实现产品的快速配送,极大地提升了农村电商的物流效率[14]。互联网可以提供丰富的线上培训资源,帮助农民提升电商经营能力和技术水平。社交媒体、搜索引擎优化等互联网营销手段可以有效提升农产品的知名度和销售量。技术资源可以推动农村电商业务模式的创新,如通过区块链技术实现产品的全程追溯,提高消费者的购买信心。通过技术资源的支持,可以帮助农村地区建立电商生态链,夯实集群效应,促进农村电商的发展[15]。

(三)环境要素倒逼机制

农村电商行业在发展过程中面对环境要素的束缚,为了达到降低排放、减少消耗的目标,在农村电商发展前期对农村电商实行分散化运营,减少农村电商集聚现象,短期内对农村电商发展聚集有一定负面影响。但从长远观察,环境要素的倒逼影响似乎对农村电商发展也起着重要的推动作用。环境要素倒逼农村电商企业建设良好的通讯和物流设施,可以大大提高农村电商的运营效率,同时也能吸引更多的电商进驻农村地区[16]。为了农村电商长远发展,环境要素倒逼电商提高农村地区的网络覆盖率和网络速度,形成农村电商发展的基础。只有网络环境良好,才能保证电商平台的正常运行和消费者的良好购物体验,同时良好的营商环境能吸引更多的电商企业进入农村市场,形成电商集群,进一步推动农村电商的发展。政府的鼓励政策和扶持政策也是推动农村电商发展的重要力量。政府应该制定一系列优惠政策,如税收减免、专项扶持基金等,以激励电商企业在农村地区发展。农村地区的教育环境也是决定电商发展的重要因素[17]。提高农民的电商知识和技能,可以帮助农民更好地利用电商平台进行销售,从而推动电商集群效应的形成。环境要素通过倒逼方式,在前期会抑制农村电商集群效应的提升,但从长期来看,环境要素倒逼却是在推动着农村电商不断改进和发展[18]。

三、研究方法及数据来源

(一)灰色关联度分析

灰色关联度分析是一种用于研究不同因素之间联动性和影响程度的定量分析方法。优点是可以处理不完全、不确定的数据,因此在许多领域都有广泛的应用,例如经济、环境、工程等领域。但是,这种方法也有一些局限性,例如对数据的要求较高,需要有足够的数据支持,分析结果可能受到标准化方法和参考序列选择的影响等。本文运用灰色关联度分析我国农村电商集聚度及其特征。

1.原始数据的初始化。由于每个指标值在含义、内容、取值标准等方面存在着差别,所以造成了数据的量纲往往都是不一样的,很难统一进行比较。因此,在使用灰色关联方法的时候,一般都要对数据进行无量纲化,将每一种数据的不同的有效因子消除,将其转化成在统一度量尺度下的标准化无量纲数据,以便于对每一种相关指标进行对比分析。因此,对相关影响因素及数据进行无量纲处理,才能对其进行进一步的深入研究。本文利用初值化处理对数据进行归一化。

(1)

2.数列绝对差值与参考数列的计算比较。

(|xij-x0j|≜Δ0i(j))n×pi=1,2,…,nj=1,2,…,p

(2)

比较数列是根据每一个被评估目标所对应的评估数目来构建的,是一种对各因子的排序运算。

3.指标体系灰色系数。灰色关联系数是灰色理论中关联性的相关表现,而关联性本质上是曲线间几何差异的程度, 因此关联度(compactdevelopment)可以用曲线间差值的大小来衡量。在灰色关联度法中,关联度是指参考数列与对比数列之间的几种关系,相关系数越大,表示两组指标的数列之间关联度越高,所谓“关联度”与“对比度”其计算公式如下:

(3)

其中ρ为常数,通常情况下,ρ取0.5,本文中ρ等于0.5。

4.计算灰色关联度。由于关联性系数是指参考数列与比较数列之间的关联度,又是在不同时间点上的关联度,关联性系数不止一项,且呈离散性分布状态,不能进行统一的比较,因此,关联性系数与比较数列之间存在一定的关联度。灰色关联度是将这些关联系数综合起来,采取某种方式得到的数值,一般情况下可以反应出一个参考序列与其他指标的关联度,灰色关联度的数值越大,说明参考序列与指数的关联度越高,关联度越强。

综合灰色关联度的计算公式为:

(4)

(二)面板回归模型

本文旨在研究影响中国农村电商行业集聚效应的关键性因子,要解决这个问题需要考虑到我国电商行业现阶段的生产过程、市场环境、技术条件以及政策支持等多方面因素,在个体、时间和地区等固定因素背景下各影响因素的变化。因此,在农村电商行业集聚效应实证分析过程中,选取区域内地域因素、农村互联网覆盖范围、税收优惠政策、农村投递路线、第一产业GDP、农村人口占比、技术支持、环境要素、资源消耗等变量数据,构建以下回归模型:

degree=β0+β1area+β2pop+β3gdp+β4web+β5policy+β6milage+ε

(5)

在公式(5)中,degree为被解释变量,用农村电商行业集聚度来衡量,area 、pop、gdp、web、policy、milage为解释变量,分别衡量区域内地域因素、农村互联网覆盖范围、税收优惠政策、农村投递路线、第一产业gdp、农村人口占比。β0为回归模型的截距项,β1、β2、β3、β4、β5、β6为回归模型的待估参数,待估参数若为正,则表示模型中的解释变量对模型中被解释变量存在某种正向的影响关系,待估参数若为负,表明模型中的解释变量对被解释变量存在某种负向的影响关系。

degree=β0+β1tech+βXit+γ+η+εit

(6)

degree=β0+β1ecology+βXit+γ+η+εit

(7)

degree=β0+β1resource+βXit+γ+η+εit

(8)

在研究影响中国农村电商行业集聚效应的关键性因子问题的时候,回归结果容易受到地区效应、时间效应等方面的干扰影响,为了排除干扰因素,估算分离出来的农村电商行业集聚效应的净效应,公式(6)、(7)、(8)构建时间、个体固定效应回归模型,tech、ecology、resource为技术支持、环境要素、资源消耗,Xit为控制变量,γ为时间固定效应,η为地区固定效应,εit为随机误差项。

(三)数据来源

实证研究数据来源于《中国统计年鉴》、《中国农村统计年鉴》,由国家统计部门公开发布,国家统计局、阿里研究院发布,以 31 个省(自治区、直辖市)(不含港澳台地区)为观测样本。分别将 2016-2021年淘宝村数、农村人口占比、地域因素、第一产业 GDP、税收优惠政策、乡村网络普及范围、乡村分销路线等指标数据进行汇总,整理成符合数据统计的格式。

四、农村电商集群效应地区特征及关联度分析

(一)电商集群地区分布特征

淘宝村从2009年起集群化特征日益凸显,农村电商集群效应不断提升,并且其在中国农村地区的空间布局存在明显差异。2016—2021年,中国淘宝村、淘宝村集群、淘宝村集聚度重心基本位于浙江、广东、江苏、福建等东部沿海城市,三者之间的空间分布规律是一致的。总体来看,农村电商集群呈现多中心的集聚格局,以珠三角、长三角、闽东南、潮汕、鲁西南为主要聚集区,也反映农村电商集群的规模在自东向西的空间分布上极其不平衡,中国东部地区农村电商发展优势十分明显,分布格局特征受地理区位、资源禀赋等因素的主要影响。

从省域尺度看,淘宝村集群主要分布在广东、江苏、浙江三个省份。由图2可知,2016年东部6个省份存在淘宝村集群,2020 年空间集聚程度持续加强,空间集聚范围扩大,北京、上海、天津、河南、四川五个省份开始出现淘宝村集群。截止到2021年,淘宝村在13个省的分布情况中,浙江省以42个排名首位。高强度集聚区愈来愈增强,表明农村电商集聚现象仍然处于高速发展的阶段,淘宝村的规模迅速扩大,已经进入由点到面的集聚阶段,且淘宝村集群数量快速增长。

图2 2016-2021年中国淘宝村集群数量变化

从梯度分布层面看,从东南沿海向西北内陆递减,淘宝村集群在地理分布上呈现明显的梯级特征。由图3可知,东部地区2016年至2021年淘宝集群由38个迅速增长至145个,中部地区2019年出现第一个淘宝村集群,到2021年的扩张为6个集群,而西部地区截至2021年仅1个淘宝村集群。这一地理分布的形成,与经济发展水平的东中西部空间格局相吻合,具有较强的地理区位优势和区位优势。东部地区拥有相对雄厚的经济基础、成熟的消费市场、发达的交通运输条件、完善的配套服务产业以及更多的人口,因此,东部地区的淘宝村集群数量最多。反观中西部地区,农村电子商务发展相较于东部地区相对滞后,受制于经济基础、市场环境、运输条件、配套产业和人口基数等因素,发展速度相对较慢。

图3 淘宝集群梯度分布格局

(二)灰色关联度分析

1.截面关联数据分析

参考相关文献,运用灰色关联分析模型,以淘宝村集聚度为衡量指标,从农村人口占比、第一产业 GDP、农村发货路线、农村网络覆盖面、数据数字化处理等方面,将农村电子商务集群效应的绩效指标剔除各自在各数据中的有效因素,进行数据标准化处理。将其转化为在统一的计量尺度下的标准化无量纲数据,便于各指标间的对比分析。

为更好识别各影响因素对特定省份的综合影响,本文根据截面灰色关联度计算公式,计算了农村人口占比、第一产业生产总值、农村投递路线、农村网络覆盖范围四个因素与淘宝村集聚度的截面灰色关联度。截面灰色关联度反映的是在同一研究对象与其关联指标灰色关联系数的平均值,表1反映了2021年上述四个因素与淘宝村集聚度各省份的关联程度。但从具体指标来看,影响各省份淘宝村集聚度的因素仍然存在一定差异。

表1 淘宝村集聚度影响因素的截面关联系数表

鉴于淘宝村聚集程度的关联度分析,见表1。各影响因素与淘宝村集聚程度的灰色关联度结果为:R1=0.920,R2=0.869,R3=0.807,R4=0.468,关联度排序结果为:R1>R2>R3>R4。可见,农村网络覆盖范围与农村发货路线的灰色关联度最强,农村人口占比紧随淘宝村集聚发展,而与 GDP 灰色关联度最弱的是第一产业,对淘宝村的集聚发展影响最大。

2.时序数据分析

为兼顾截面数据以及时序数据两者的长处,本文对其影响因子展开更加全面的分析,并在此基础上,对其进行灰色综合关联度分析,见表2。根据淘宝村集聚时间顺序的灰色关联度,2016-2021年度各影响因素与淘宝村集聚时间的关联度系数结果为:R1=0.693、R2=0.518、R3=0.486、R4=0.465,关联度排序结果为:R1>R2>R3>R4,可见,农村网络覆盖范围与农村发货路线的灰色关联度最强,农村人口占比紧随淘宝村集聚发展,而与 GDP 灰色关联度最弱的是第一产业,对淘宝村的集聚发展影响依然最大。

表2 淘宝村集聚度影响因素的时序关联系数表

综合上述各关联度分析模型的计算结果,2021年截面数据灰色关联度分析结果与时序关联度分析得出的关联度排序结果一致,网络覆盖范围、农村投递线路、乡村人口占比、第一产业生产总值占比四个因素的关联系数依次降低,对淘宝村集聚度产生不同程度的影响。

五、农村电商集群效应影响因素实证分析

(一)变量定义与描述性统计

根据回归模型收集中国内地2016年至2021年6年间31个省份电商生产的相关数据,并进行对数化处理,被解释变量为农村电商集群效应。主要解释变量为省市内地域因素、农村互联网覆盖范围、税收优惠政策、农村投递路线、第一产业gdp、农村人口占比、技术支持、环境要素、资源消耗对数来表示,见表3。Degree表示淘宝村集聚度,Policy为虚拟变量,若选取的样本年份在2019年(前文选取的税收优惠政策执行年份)后为1,在2019年前为0。为提升回归结果可靠性,考虑到税收优惠政策影响至淘宝村集群需要一定时滞,选取的优惠政策为2019年4月1日执行,因此,本文将2019年所有样本定量为0,这不仅可以兼顾到实际操作中,变量之间的传递所耗费的时间,还可以在技术上尽可能地缓解反向因果的内生性干扰问题。Pop为各省份农村人数占比,Gdp为各省份第一产业国内生产总值,Area即样本省份在国内梯度分布,东部省份为1,中部省份为0.5,西部省份为0,Milage为各省份公路里程,Web为各省农村网线接入数与各省农村人口数比值。Tech为技术支持,用各区域内电商企业R&D研发投入额表示,Ecology为环境要素,用地区出台环境文件次数表示,Resource为资源消费,用农村电商行业耗电量表示。

表3 农村电商集群效应的变量定义与描述性统计

(三)回归结果与分析

根据集聚度影响因素的回归模型,本文选取31个省份数据,用Stata软件对农村电商集聚效应影响因素进行面板回归,由于部分数据不完整,因此剔除了相关样本,进行标准化处理后回归结果如下:

在表4中,逐步加入变量指标后,R2由0.369上升到0.789,说明在微观小样本的回归模型中拟合度较好。在模型(4)中,运用OLS回归检验地域因素、农村互联网覆盖范围、税收优惠政策、农村投递路线、第一产业gdp、农村人口占比各变量影响因素对农村电商集聚效应的影响。结果显示,各影响因素回归统计值均在0.05、0.01水平上显著,第一产业gdp、农村人口占比对农村电商集聚效应影响效果显著为负,说明在现阶段农村电商行业发展模式下,曾经为农村电商生产发展带来活力的第一产业gdp、农村人口占比等因素却起到了阻碍的作用。这说明第一产业gdp、农村人口占比等因素在促进农村电商集聚生产时的边际效果实际在不断减弱,这两大因素在推动农村电商集聚效应增加的过程中作用却显得越来越小,反而导致了电商资源投入方面的浪费,以致于出现负向的影响作用效果,因此应严格控制这两类因素的投入。而相反的,地域因素、农村互联网覆盖范围、税收优惠政策、农村投递路线对农村电商集聚效应的影响效果显著为正,说明现阶段农村电商地域向东倾向性与网络信息条件、税收优惠条件、农村邮政交通条件等因素的优势,一方面能进一步提升农村电商集聚效应的增加,另一方面还能控制一定的农村电商资源投入的浪费,对提升农村电商集聚效果、推动农村电商发展有较好的促进作用。在模型(3)中,运用线性回归估计地域因素、农村互联网覆盖范围、税收优惠政策、农村投递路线、第一产业gdp、农村人口占比各变量影响因素对农村电商集聚效应的影响,除了税收优惠政策对农村电商集聚效应的影响效果不显著外,其他的影响因子对农村电商集聚效应的影响效果均显著,且影响方向与模型(4)中的相同。模型(5)和模型(6)分别运用固定效应回归和随机效应回归,回归模型在1%统计量上通过Hausman检验,确定倾向于固定效应模型回归结果,在时间区域双向固定效应模型(5)中,各变量对农村电商集聚效应的影响效果显示,第一产业gdp、农村人口占比对电商集聚效应影响效果显著为负,地域因素、农村互联网覆盖范围、税收优惠政策、农村投递路线对农村电商集聚效应的影响效果显著为正,与模型(3)、模型(4)的估计结果相同,说明回归结果具有良好的稳健性。

表4 基准回归结果

(四)进一步研究分析

在表5中,回归模型在1%的统计量上通过Hausman测试,确定了在时间区域的双向固定效应模型中,倾向于固定效应模型的回归结果,卡方值为0.672,表明在微观小样本的回归模型中有更好的模型拟合度。回归结果表明,各解释变量对被解释变量均有显著性影响,其中,第一产业gdp、农村人口占比对农村电商集聚效应影响效果显著为负,说明现阶段单纯通过经济效应和人口红利驱动的农村电商集聚现象已出现变化,第一产业gdp、农村人口占比不再成为促进农村电商集聚效应提升的主要因素,二者在促进农村电商集聚过程中产生的边际作用正在不断减小,以致于造成了电商行业资源投入的浪费,应注意把控第一产业gdp和农村人口占比,配合有利因素,抑制第一产业gdp、农村人口占比对农村电商集聚效应的负向作用影响。而相反的,地域因素、农村互联网覆盖范围、税收优惠政策、农村投递路线对农村电商集聚效应的影响效果却是显著为正,说明目前电商集聚发展具有向东倾向性,东部资金、人力、资源、技术等方面的空间集聚更加有利于农村电商集聚效应的提升,同时,网络条件、交通条件等基础设施建设的完善也将促进农村电商集聚效应的增加,税收等优惠性政策也将更好的促进农村电商集聚效应的提升。加入新的变量技术因素后,双向固定效应模型回归结果显示,技术因素对农村电商集聚效应影响效果显著为正,其余变量影响结果不变,说明区域内对农村电商的技术投入将驱动要素因子在空间时间内的集聚,农村电商要素的时空集聚能够提高农村电商运营生产效率,推动电商行业的发展。

表5 考虑到技术因素的农村电商集聚效应影响因素回归结果

在表6中,加入新的变量环境和资源消费后,运用OLS、时间个体双向固定效应回归、随机效应回归对基准回归结果进行了检验。通过Hausman检验,确定倾向于固定效应模型回归结果,在时间区域双向固定效应模型中,R2为0.668、0.686,拟合度较好,回归结果显示,各影响因素回归统计值均在0.05、0.01水平上显著,第一产业gdp、农村人口占比对农村电商集聚效应影响效果显著为负,地域因素、农村互联网覆盖范围、税收优惠政策、农村投递路线对农村电商集聚效应的影响效果显著为正。环境因素对农村电商集聚效应的影响效果显著为负,说明农村电商行业面对环境要素的束缚,为了达到降低排放、减少消耗的目标,对农村电商实行分散化运营,减少农村电商集聚现象,短期内对农村电商发展有一定影响。资源消费对农村电商集聚效应的影响效果显著为正,说明资源集聚消费将会促进农村电商集聚效应的增加,为了减少资源消耗的浪费和环境污染,在保证生产效率的前提下,需要配合环境政策的束缚,从而实现农村电商行业的可持续发展。

表6 考虑到环境和资源消耗的农村电商集聚效应影响因素回归结果

在表7中,将样本量中的省(自治区、直辖市)分为东部、中部、西部三类区域,控制其地区效应和时间效应,对影响农村电商行业生产效率和环境政策束缚的第一产业gdp和税收优惠政策重要的解释变量进行固定效应回归,卡方值分别为0.316、0.286、0.312,说明在小样本微观计量模型中统计值拟合度较好。回归结果显示,东部、中部、西部区域第一产业gdp对农村电商集聚效应的影响均显著为负,区域第一产业gdp在促进东部、中部、西部地区电商企业增加产量、扩大市场销售的同时,均造成不同程度的资源投入浪费。而税收优惠政策因素对农村电商集聚效应因素影响效果依然显著为正,税收优惠政策束缚对东部、中部、西部地区农村电商集聚效应提升均具有促进作用,在控制规模、防止资源浪费的基础上,应重视电商环境政策的重要调节作用。

表7 分区域异质性回归结果

六、结论及政策建议

本研究运用灰色关联度分析和面板回归分析方法对农村电商集群效应影响因素进行分析,结论如下:①中国自然地理格局与淘宝村集群空间分布高度契合,淘宝村集群空间分布呈现从东南沿海向西北内陆递减态势,东南沿海由于经济较为发达,有利于资源和要素的时空聚集,对周围资源要素具有较强的吸引力,地域因素对农村电商集群效应有重要影响;②农村投递路线、农村互联网覆盖范围等农村基础设施建设方面越完善,淘宝村集聚度越高,农村电商集群效应越显著;③在现阶段农村电商行业发展模式下,曾经为农村电商生产发展带来活力的第一产业gdp、农村人口占比等因素,对农村电商集聚效应的提升起到了阻碍作用,说明第一产业gdp、农村人口占比等因素在促进农村电商集聚生产时的边际效果在不断减弱,这两大因素在推动农村电商集聚效应增加的过程中作用越来越小,反而造成了资源投入方面的浪费,以致于出现负向的作用效果,因此应控制这两类因素的投入;④随着乡村振兴战略的布局与实施,政府执行的相关环境政策、技术支持为农村电子商务快速推进提供了良好的机遇,充分利用好相关税收政策、技术支持能够促进农村电商集群效应。

基于研究结论,本文提出以下政策建议:

第一,提高农村基础设施建设。农村电子商务的发展需要农村基础设施的不断完善,基础设施影响着农村电子商务与外界的直接沟通与交流。各级政府应加大对农村基础设施建设的财政投入,特别是涉及到投递线路的建设与维护,以及中国农村网络的普及与完善。积极提升快递、物流行业的运输效率,提高运输时效。

第二,培养高素质的专业人才。政府应建立电子商务培训机构,全方位、无死角对从业人员进行培训,根据具体的训练内容,开展专项的专业训练,全方位地提升从业人员的职业素养和服务意识,并建立与之相适应的后续考核和持续教育体系,逐步提高村民的计算机使用水平和互联网使用水平。

第三,政府助推农村电商发展。专门针对改善当地资产基础的政府政策能有效地克服产业集群发展的障碍,因此要加强政府政策对农村电商的支持,例如税率的优惠政策,惠农的财政政策支持等。设立农村电子商务发展基金,实施人才下乡计划,对农村居民进行电商及网络应用技术培训,引领产业结构升级及产品优化,促进电商发展模式多元化,逐渐消除农村信息差鸿沟效应,推动农村电商发展。

第四,加大技术支持力度。通过大数据分析、优化配送路线、降低物流成本、提升配送速度,让农产品更快更好地到达消费者手中,利用电子商务技术完善农村物流配送体系。同时,利用大数据技术,可以分析消费者的购买行为,并以此为依据,调整农产品的种植和销售策略,以适应市场需求。通过物联网技术,提高农业生产效率,降低生产成本,从而实现农田管理智能化。电商技术为农村电商发展提供了强大的技术支持,可以有效提升农村电商的运营效率和市场竞争力,因此,要进一步加大对农村电商的技术支持力度,用数字技术赋能农村电商,加快推进农村电商集群发展。