恩施州金融支持农村电商发展的绩效评价及其影响因素探究

2023-12-20 02:27陈文凤
中国集体经济 2023年36期
关键词:Tobit模型农村电子商务金融支持

陈文凤

摘要:文章基于恩施州724位农村电商的数据,采用DEA-Tobit模型,对恩施州金融支持农村电商发展的经济绩效及影响因素进行了探究。研究发现,金融支持农村电商发展的综合效率和规模效率较低,而纯技术效率较高,规模效应是阻碍经济绩效提高的主要原因;对研究区域金融支持农村电商发展绩效显著性影响因素为年龄、文化程度、对相关政策的了解程度等8项,其中对金融支持农村电商政策的了解程度为极显著因素。基于上述研究结论,文章提出若干对策建议,为有关部门进一步完善相关政策措施提供一定的理论依据。

关键词:金融支持;經济绩效;农村电子商务;DEA-Tobit模型

一、引言

作为数字经济的重要组成部分,电子商务近年来在农村发展迅猛,为乡村振兴注入了新动能。恩施州发展农村电商条件优越,农产品种类丰富且绿色环保、土壤富含硒元素、当地政府支持、企业发展势头良好,一大批依靠农村电商脱贫致富的新农人涌现。2021年恩施市芭蕉侗族乡电商销售额达1.2亿元,农村电商数量达4100多家,“幺妹木木”“土家艳子”等农村电商个体户依托电商平台将农产品销往全国各地,带领一大批新农民在农村电商发展中增收致富,效果十分突出,在农村电商发展中具有一定代表性。但其发展效果与政策期望始终存在一定差距,通过初步了解,恩施州农村电商的发展仍然存在个体农户资金短缺、银行借贷款门槛高、资金来源渠道狭窄等诸多问题,极大程度上制约了恩施州农村电商的发展,解决金融支持问题刻不容缓。因此,本文以恩施州农村电商个体经营户为调查对象,通过724份有效数据分析,探究恩施州金融支持农村电商的经济绩效及影响因素,并基于研究结论,提出优化建议,为有关部门进一步完善相关政策提供理论依据,同时为其他地方金融支持农村电商发展提供普适性意见。

二、文献综述

(一)绩效研究现状

彭小珈(2022)认为宏观层面上,我国农村电商发展仍处于爬坡期,金融政策支持整体效率偏低,存在较大的省域空间差异,微观层面上,农村电商农产品上行的总体发展效率不高。叶慧(2022)指出在推进农村电商扶贫工作中,多数地方只关注对电商扶贫资金的大量投入,忽视了电商扶贫整体效率,河南省等7个省份在规模投入和技术运用上存在资源浪费。王凌宇(2022)为了改善全国农村电子商务发展过程中遇见的现实问题,研究农村电商绩效提升策略,运用三阶段DEA模型对我国农村电子商务绩效进行评价。结果发现,不同省份的农村电子商务效率相差较大,纯技术效率和规模效率有很大的提升空间。综上所述,现有文献研究表明,农村电商发展绩效整体偏低。

(二)农村电商发展的影响因素研究现状

张风山(2021)基于潜山市实地调研数据发现,潜山市农村地区“农业+金融+电商”扶贫效果受到农民个人特征、政策特征等多种因素的共同影响,其中以传统观念和受教育程度为代表的农民个人特征因素的影响最大。郭礼英(2018)通过研究近期权威机构发布的有关农村电商数据发现,农村金融对农村电商发展影响较大。周冬(2019)以四川省为基础,采用模糊集定性比较方法分析农村电子商务发展的影响因素。结果表明,资源禀赋、政府支持、人才资源、基础设施、市场环境对农村电子商务发展有明显影响。

综上所述,现有文献对金融支持农村电商发展现状及存在的问题展开了深入研究,多侧重于单方面对农村电子商务效率和影响因素的研究,缺乏对金融支持农村电商的绩效测量与影响因素的探究。本文特选取恩施州这一具有代表性的研究区域,基于724位农村电商的微观调查数据,采用DEA-Tobit模型,客观地构建了绩效测量体系,对恩施州金融支持农村电商发展的经济绩效及其影响因素进行探究,进而提出若干对策建议,为有关部门进一步完善相关政策措施提供一定的理论依据。

三、数据来源与模型构建

(一)数据来源

本文所用数据来源于对湖北省恩施州农村电商的调查结果。恩施州下辖恩施、利川2个县级市;建始、巴东、宣恩、咸丰、来凤、鹤峰6个县。全州共有46个乡,37个镇,2627个村。本文通过线上采访和实地考察结合的方式,采取随机抽样法,先随机选择6个县(区),再从所选县(区)中随机抽取5~10个乡镇,每个乡镇随机抽取10~20名电商从业者进行调查。合计发放问卷762份,收回有效问卷724份,问卷有效率为95.04%。

(二)DEA模型建立

数据包络分析(简写为“DEA”)作为绩效评价中最常用的方法之一,它是在“相对效率”的基础上发展起来的,它是运筹学,数理经济学和管理科学相互交叉的一个新领域。它是一种根据若干投入指标和若干产出指标,采用线性规划的方法,对同类型单位进行可比性比较效果评价的数量分析方法。在DEA中目前常见的两种模型为CCR模型(规模报酬不变)和BBC模型(规模报酬递减),二者均使用综合效率值作为衡量标准。根据金融支持农村电商发展过程中投入与产出并非成比例变化,本文选取投入导向的BBC模型。其模型构建如下:

式(1)中θ为金融支持农村电商发展的经济绩效值,x表示决策单元(农村电商)的投入值;y表示决策单元(农村电商)的投入与产出值;i和r分别表示投入项和产出项的个数;λ表示j=1,2,…,n的权重。

(三)指标选取

基于对恩施州农村电商的调查数据,将724份有效问卷作为样本单位。鉴于科学性和系统性原则及数据真实性和可获取性,通过前期大量阅读相关资料和文献,本文构建了恩施州金融支持农村电商发展绩效的评价指标体系,该指标体系由投入和产出两个维度构成,包括4个投入指标和2个产出指标,如表1所示。

(四)Tobit模型构建

Tobit模型(Tobit model)又称样本选择模型、受限因变量模型,是被解释变量满足某种约束条件下取值的模型。本文由DEA模型所得的金融支持农村电商发展的绩效值介于0~1之间,满足因变量取值两端取值受限制,故选取Tobit模型。并构建模型如下:

式(2)中符号说明如表2所示。

为有效避免普通最小二乘法所造成的参数估计偏差问题,本文采用极大似然法对Tobit模型进行估计。使用DEAP2.1软件基于DEA模型对金融支持农村电商发展的经济绩效进行测量,得出综合效率(OE)、纯技术效率(TE)和规模效率(SE)。考虑综合效率在反映经济绩效上具有较强的全面性,故本文选取综合效率(OE)作为Tobit模型的因变量。通过大量相关文献的阅读,本文将影响因素(自变量)分为以下五个维度:个人属性、个人认知、地理交通、政府政策和金融机构,具体变量说明如表3所示。

四、实证分析

(一)金融支持农村电商发展的绩效评价

基于724份有效问卷数据,本文使用DEAP2.1软件对恩施州金融支持农村电商发展的经济绩效进行测量,得到恩施州金融支持农村电商发展的综合效率、纯技术效率和规模效率,如表4所示。本文以综合效率(OE)反映恩施州金融支持农村电商发展的经济绩效,纯技术效率(TE)表示受技术与管理水平影响的经济绩效,规模效率(SE)表示实际规模与最优规模的差距。由表4可得,平均综合效率值为0.43,恩施州金融支持农村电商发展的整体经济绩效较低。同时,平均规模效率值为0.47,由此说明仍然需要大力促进规模优化。平均纯技术效率值为0.91,远大于综合效率均值和规模效率均值,即与规模效应相比,农村电商的技术管理水平对综合效率具有更大的贡献,而规模效应是制约经济绩效提升的主要因素,提高综合效率应该主要从提高规模效率着手。

(二)基于Tobit模型的影响因素分析

首先,本文进行模型似然比检验,假设是否放入解释变量对模型质量无影响,检验结果如表5所示。由表5可得,此时p<0.05,拒绝原假设,即说明该模型构建有意义,可进行后续分析。

本文使用Stata16.0,以金融支持农村电商发展的综合效率为因变量,对Tobit模型进行估计,所得结果如表6所示。

1. 在个人属性层面中,年龄在5%的水平呈现显著性,且对经济绩效呈现正向影响,这可能与年龄大的农村电商经验丰富、更加熟悉各类相关政策及流程有关。文化程度在10%的水平对经济绩效呈现显著正向影响,文化程度越高的样本个体有更丰富的相关理论知识,并且容易掌握新的技术和经营方式。其余变量均未呈现显著性影响。

2. 在地理交通方面,当地交通便利程度在5%的水平呈现显著性且对经济绩效呈现正向影响,当地金融机构普遍远近程度在10%的水平对经济绩效呈现显著反向影响。这表明,交通越便利、当地金融机构普遍距离越近,金融支持农村电商发展的经济绩效越好。

3. 在个人认知层面,对金融支持农村电商政策的了解程度在1%的水平对经济绩效呈现显著正向影响,农村电商对相关政策越了解,越能有效运用相关政策以提高经营收益,从而提高金融支持农村电商发展的经济绩效。其余变量未呈现显著性影响。

4. 在政府政策层面,农村电商的税收优惠政策在10%的水平对经济绩效呈现显著反向影响,政府对农村电商的税收优惠政策能够在一定程度上缓解电商经营资金困难,提高其经营积极性,进而有效提高金融支持农村电商发展的经济绩效。

5. 在金融机构层面,相关金融产品种类在5%的水平呈现显著性且对经济绩效呈现正向影响,与电商经营相关的金融产品种类越多,越能够促进电商的借贷意愿,从而提高金融支持农村电商发展的经济绩效。贷款门槛在10%的水平呈现显著性且对经济绩效呈现反向影响,贷款门槛越高,电商获取资金的难度则越大,从而反向影响经济绩效。

五、结论建议

(一)研究结论

本文基于724份有效数据,通过构建DEA-Tobit模型对恩施州金融支持农村电商发展的经济绩效及其影响因素进行探究,得出以下结论:

1. 金融支持农村电商发展的经济绩效水平较低。其中,综合效率均值和规模效率均值较低,二者仍然存在巨大的优化空间。纯技术效率均值为0.91,远高于综合效率均值和规模效率均值,说明与规模效应相比,农村电商的技术管理对综合效率具有更大的贡献,而规模效应是制约经济绩效提高的主要因素。因此,要提高综合绩效,应该主要从提高规模效率着手。

2. 对研究区域金融支持农村电商发展绩效存在显著性影响的因素有以下八项:年龄、文化程度、当地交通便利程度、金融机构普遍远近程度、对金融支持农村电商政策的了解程度、农村电商的税收优惠政策、相关金融产品种类及贷款门槛。

3. 上述因素中,贷款门槛与金融机构普遍远近程度对研究区金融支持农村电商发展的经济绩效存在显著的反向影响,即贷款门槛越高、金融机构普遍较远,经济绩效越低。其余因素均为显著性正向影响,对金融支持农村电商政策的了解程度为极显著因素,在1%的水平对经济绩效呈现显著正向影响。

(二)对策建议

基于上述研究结论,为提高研究区域金融支持农村电商发展的经济绩效,本文提出以下建议:

1. 相关部门应该加强宣传教育,有效组织农村电商进行培训。一方面,增强其对有关领域的了解程度,使其能够对金融支持农村电商所涉及的各类政策深度了解,同时对获取金融支持过程中的各类相关流程规则能够熟练掌握,有利于提高农村电商的从业素养。另一方面,通过普及相关知识,使电商从业人员了解借贷过程中的信用规则,促进构建金融支持电商发展的良好信用环境。

2. 电商从业者应该利用纯技术效率较高的优势,将技术优势应用于电商经营活动。同时,应及时接受有关知识培训以提高自身科学管理水平,减少电商非必要投入冗余,从而达到规模报酬有效,进而提高综合經济绩效。

3. 创新金融产品,有效降低借贷门槛。目前金融机构中适合于电商的特色金融产品种类较少,贷款流程繁杂,从一定程度上提高了农村电商的贷款门槛,增大了其获取贷款的难度。相关金融机构应该以数字金融为背景,充分利用现有数据材料,探索特色金融产品、创新贷款品种,从而在一定程度上降低农村电商的借贷门槛,打通普惠金融服务“最后一公里”,进一步推动金融支持农村电子商务发展。

参考文献:

[1]彭小珈.农村电商发展效率及影响因素研究[D].长沙:湖南农业大学,2020.

[2]叶慧.我国农村电商扶贫效率研究[D].呼和浩特:内蒙古大学,2022.

[3]王凌宇,吴丽丽.基于三阶段DEA方法的我国农村电商绩效评价研究[J].南方农村,2022,38(02):20-24.

[4]张风山.乡村振兴战略下农村“农业+金融+电商”扶贫效果影响因素研究——以潜山市为例[J].湖北农业科学,2021,60(21):211-216.

[5]郭礼英.从大数据看农村电商发展的影响因素与改善路径[J].农村经济与科技,2018,29(01):154-155+179.

[6]周冬,叶睿.农村电子商务发展的影响因素与政府的支持——基于模糊集定性比较分析的实证研究[J].农村经济,2019(02):110-116.

[7]李辉婕,柯今朝,朱玲娟,谢学勤.江西省种粮大户应对气象灾害适应性行为经济绩效研究——基于DEA-Tobit模型[J].生物灾害科学,2022,45(01):95-102.

*基金项目:2022年国家级湖北省大学生创新创业训练项目“数字经济视角下金融支持农村电商发展困境及其突破路径探究——以恩施州为例”(项目编号:202210524020)。

(作者单位:中南民族大学经济学院)

猜你喜欢
Tobit模型农村电子商务金融支持
中国乳制品行业国际竞争力分析
农村电子商务下电商企业物流运作模式思考
城乡一体化背景下的农村电子商务发展研究
发展农村电子商务的几点建议
朔州市煤炭产业发展现状分析
农业现代化及其金融支持的国际经验
金融支持养老服务业发展
金融支持对我国城镇化建设的重要影响
演进视觉下的Logistic模型、Probit模型、Tobit模型研究进展
我国基础设施投资结构性失衡问题研究