快遞業與電子商務業發展關聯性與協同性分析

吳桐雨，唐斌湖

(福州大學 經濟與管理學院，福建 福州 350116)

?

快遞業與電子商務業發展關聯性與協同性分析

吳桐雨，唐斌湖

(福州大學 經濟與管理學院，福建 福州 350116)

摘要：基于協同學理論，針對中國2008～2014年間快遞業與電商發展的指標數據，分析了兩業發展的關聯性，創建了兩業聯動系統的協同度評價模型，據此分析了中國快遞業與電商業兩個子系統的有序度與兩業整體的協同程度。研究表明：近年來兩業迅速發展，快遞業的發展速度超過電商，但快遞業的發展階段明顯低于電商，兩業復合系統協同度較低，快遞業與電商的發展并不協調。

關鍵詞：快遞業； 電商業； 關聯性； VAR模型； 協同度

隨著國民消費水平的不斷提高、互聯網用戶規模的持續擴大和電商的相應優勢，使得電商成為快遞業發展新的增長點。國家郵政局數據顯示，2013年中國電商市場規模為1.85萬億元，其中近1萬億元的市場規模由快遞業支撐和保障；2013年全國規模以上快遞企業業務量為92億件，其中超過60%的業務量來自電商。由此可見，快遞是電商活動中的重要組成部分，是電商活動中的最后一個環節，同時是實現整個電商活動的重要保障[1]。但快遞也是阻礙電商發展的“瓶頸”，是不可以回避的[2]。

從快遞業與電商的關系來看，既有研究結果普遍表明，中國快遞業滯后于電商業的發展。Shi Chenghua認為電商對快遞物流產生了巨大的影響，從而使電商環境下的快遞物流需要采取新的發展戰略，因此，對電商環境下的快遞物流管理問題需要專門研究[3]。李志君的研究表明，快遞業與電商指標關聯度較高，但二者聯動發展水平不高[4]。張旭則認為電商發展的瓶頸在于快遞業的運行效率，建立信息化、產業化和現代化的高效率快遞體系是發展電商的當務之急[5]。以上是對電商環境下快遞業發展的分析,有部分學者對兩業發展的協同關系作出研究，其中，陳賓對兩業互動關系的研究發現，電商與快遞業之間的協同關系明顯，電商的發展是二者良性互動的基礎，并指出快遞業發展的相對滯后阻礙了兩業的協同發展[6]。孫學琴認為影響二者協同發展的因素主要在于總體矛盾和結構矛盾、二者較低的服務質量以及獲利水平[7]。對于協同度測度的研究，主要采用協同學理論和灰色系統理論等方法。鄭東應用協同學理論，對汽車制造商與供應商供需系統的協同和參數變化的規律性進行分析，測定了兩者的協同度[8]。王偉則以協同學理論為指導，構建了區域物流與區域經濟協同發展的指標體系及測度模型[9]。張快娟采用灰色關聯模型，得出兩業協同度在小幅度波動，但總體上處于協同狀態的結論[10]。通過文獻回顧可知，快遞業與電商關系的研究大多停留在定性的分析，認為二者可能存在相互促進的關系，鮮有文獻進行深入的分析，如指標的選取、關聯性的有效評價，缺乏相應的實證分析。在協同度的測度方面，應用灰色系統理論在進行協同度等級劃分時主觀性較強；對于協同發展機制的研究十分廣泛，但是機制種類繁多且相互之間沒有清晰的邏輯關系。鑒于此，本文擬采用向量自回歸模型(vector auto-regression, VAR)對快遞業與電商業發展的關聯性進行實證研究，分析二者是否存在關聯性以及二者的因果關系，在分析出二者存在因果關系的基礎上，運用協同學理論分析二者的協同度，以判斷二者發展的速度以及先后關系。

1　分析方法

1.1VAR分析的原理及模型

傳統的回歸模型大多基于一定的經濟理論，根據模型對經濟現象和變量間的線性關系作出系統性的描述，然后分析外生變量對內生變量的影響路徑和影響程度。但是這種回歸模型有一定的局限性，一方面由于一些變量之間互為因果關系，容易主觀地認為一個變量是內生的，而把另一個變量看成是外生的；另一方面為了使模型是可識別的，在建立聯立方程組時必須在某一個方程中去掉一些變量，這就會對實證的結果產生一定程度的影響。

向量自回歸模型是以數據的統計性質為基礎，研究不同變量之間的互動關系。其核心思想是直接考慮時間序列的各經濟變量的關系，而不考慮相關的經濟理論，這是VAR模型不同于其他回歸模型的典型特征。VAR的一般形式為：

其中，E(εt)=0,E(εt,Yt-i)=0，i=1,2,…,p；Yt是一個內生變量列向量，βi是(n×n)的等估系數矩陣，Yt-i是Yt向量i階滯后變量，εt是誤差向量，誤差向量內的誤差變量之間允許相關，但這些誤差變量不存在自相關，與Yt-i也不相關，每個方程的最佳估計為普通最小二乘估計。

1.2協同度測度模型的構建

1.2.1子系統有序度模型

有序度是系統結構、功能有規則和有秩序的程度。其內涵是各子系統間或要素間彼此關聯強度與獨立強度之比，比值高則有序度高。

定義1設S=(S1,S2)，其中，S表示快遞業與電商復合系統，S1表示電商子系統，S2表示快遞業子系統。

定義2設子系統Si(i=1,2)在發展演化過程中的序參量ui=(ui1,ui2,…,uin)(n≥2)；其中，uij(j=1,2,…,n)是序參量ui的第j個指標，αij和βij分別是在系統穩定臨界點上uij的上限和下限。序參量是決定系統狀態和結構的關鍵參量，能夠用來評價系統的有序程度。

定義3子系統Si(i=1,2)的序參量分量uij的系統有序度Wij的計算式為：

Wi就是子系統Si(i=1,2)的序參量ui的系統有序度。其中，yj為相應的序參量分量uij的權重。

1.2.2復合系統協同度模型

協同度，是系統內各子系統或要素之間在發展、演化過程中彼此和諧一致的程度。協同度與協同實踐效率呈正相關關系，其本質特征和內在機制可以用自組織有序度來表征。系統內部各要素、各子系統之間的協同度的高低與系統整體上的有序程度是直接相關的。

定義4在某個特定的初始時間段t0，設電商子系統和快遞業子系統的有序度分別為W01和W02；當系統演化到時間段t1時，電商子系統和快遞業子系統有序度分別為W11和W12；如果W11≥W01與W12≥W02從時間段t0到時間段t1都成立，那么就稱復合系統是協同發展的。復合系統協同度的定義式如下：

2　實證分析

2.1關聯性分析

2.1.1指標選取與數據來源

為研究快遞業與電商發展的關聯性，本文選取電商網購規模來代表電商發展狀況，以快遞業務量代表快遞業水平。數據來源于我國2001～2014年快遞業與電商的相關指標。在表1中，G表示電商的網購規模，K表示快遞業務量，為使數據更加平穩，分別對序列G和K取自然對數，用lnG和lnK表示。

表1　2001～2014年快遞業與電商的相關數據Tab.1　The data of express mail industry and E-commerce during 2001 and 2014

資料來源：網購規模數據來自艾瑞咨詢公司數據及中國電商研究中心公布的《中國電商市場數據監測報告》，快遞業務量 數據來自2002～2014年《中國統計年鑒》及國家統計局公告。

2.1.2數據檢驗以及模型的建立

首先對電商網購規模的對數值(lnG)進行單位根檢驗，采用ADF檢驗法對二者進行單位根檢驗。檢驗結果表明，lnG～I(1)，lnK～I(1)，即在10%的顯著性水平下一階平穩。以lnK為被解釋變量，lnG為解釋變量，用最小二乘法對回歸模型進行估計。得出估計的回歸模型為(括號內為系數的t統計值)：

lnK=1.584 535×lnG-11.650 80，R2=0.932 353

(12.860 43)(-8.140 308)

為檢驗回歸殘差的平穩性，將上述OLS回歸得到的殘差序列命名為新序列ECM，然后對ECM序列進行ADF單位根檢驗。檢驗結果顯示，在1%的顯著性水平下，ADF統計量的值為-2.97，小于臨界值-2.75，故拒絕ECM有一個單位根的原假設，即回歸殘差序列不存在單位根，是平穩序列，所以lnK和lnG之間存在(1，1)階協整關系，表明兩者之間有長期均衡關系。為了增強模型的精確度，建立變量lnK和lnG的向量自回歸模型(即VAR模型)。計算得出的數據顯示lnK對lnG有正關聯性，綜合彈性為9.63%。此外，lnG對lnK也有正關聯性，綜合彈性為37.62%。以上研究表明快遞業與電商之間存在長期的均衡關系，但這種均衡關系是否構成因果關系還需進一步檢驗，對二者進行格蘭杰因果關系檢驗，檢驗結果見表2。

表2　格蘭杰因果關系檢驗結果Tab.2　Causal result of Granger test

根據表2可知：在90%的置信水平下，滯后期為2、3 a時，電商是快遞業發展的格蘭杰原因，而快遞業不是電商發展的格蘭杰原因。表明電商的發展能夠帶動快遞業的增長，對快遞業的發展有較大的影響，而快遞業的發展也能促進電商發展，二者之間的作用是相互的，但后者影響力較前者小，說明快遞業是制約電商發展的瓶頸，影響程度并不高。

2.2協同度分析

2.2.1指標體系的構建與數據來源

國內學者劉丹運用工業生產總值、工業生產增加值、主營業務收入和勞動生產率等指標衡量制造業的發展規模和運營績效，運用貨物運輸量和貨物周轉量反映社會物流的規模[11]。鑒于此，本文在確定快遞業子系統與電商子系統的評價指標時著重考慮電商交易額、快遞業務量等指標，具體指標體系見表3。

表3　復合系統協同度測定的指標體系Tab.3　Index system for determining the correlation of complex system

快遞業子系統中，業務量、業務收入、營業網點和郵路總長度分別從不同的角度反映快遞業的總量情況，而網絡零售用戶人均包裹量和平均每一營業網點服務網絡零售用戶人口比例則是快遞業和網絡零售業的關聯指標，恰當地反映快遞業的平均情況。這兩組指標數據分別考慮網絡零售子系統和快遞業子系統的行業總量情況、相對情況以及平均情況。它既如實地反映兩業的發展現狀，又在結構和內涵上相互對應，因而可用于體現兩業協同發展的狀況。電商子系統中，市場交易規模、市場成交額占GDP比重、電商服務企業直接從業人員體現了中國電商行業總體情況；B2B市場規模、網絡零售規模、跨境電商交易規模，可以反映電商的細分領域的具體情況。

以上指標選取的數據均來源于《2014年中國統計年鑒》及《中國民營快遞市場格局調查與發展戰略研究報告(2015-2020)》，以及中國電商研究中心公布的《2015年(上)中國電商市場數據監測報告》。

2.2.2指標權重的確定

每個序參量分量對系統有序發展的貢獻程度是不同的，這在協同學中體現為權重差異，合理確定權重對于保證研究結果的可靠性和準確性具有至關重要的意義。因此，對數據進行無量綱處理的基礎上，最終確定各指標權重結果見表4。

表4　子系統序參量分量權重Tab.4　The component weight of subsystem

2.2.3復合系統協同度的計算

首先，據式(2)計算快遞業各評價指標有序度，即對各項評價指標進行正規化處理，分別計算2008～2014年快遞業系統的有序度及增長率。同理，計算電商系統的序參量分量的有序度(W2n)以及電商系統的有序度(W2)。可以得到2008～2014年度快遞業子系統與電商子系統的有序度折線圖如圖1。

圖1　2008～2014年度快遞業子系統與電商子系統的有序度Fig.1　The order of the subsystems of express mail and E-commerce during 2008 and 2014

最后，計算復合系統協同度W。根據式(4)，以子系統有序度為中間變量，以子系統初期2008年為基準年，計算中國“快遞業與電商”復合系統協同度。可以得到2009～2014年度快遞業與電商復合系統的協同度折線圖(見圖2)。

圖2　2009～2014年度快遞業與電商復合系統的協同度Fig.2　Collaborative degree of the complex system of express mail and E-commerce

2.2.4協同性實證結果分析

由圖1可知，2008～2014年度快遞業子系統的有序度一直呈快速上升趨勢，每年的增速均保持在48%以上，尤其是2010年的增速高達109.56%。快遞業子系統在2009年時的有序度為0.058 8，而在2014年時的有序度已經高達1，這表明快遞業子系統內部在不斷地從低級無序向高級有序發展。比較可知，快遞業子系統有序度在2008～2009年度的增速明顯低于2010～2014年度的增速，這表明快遞業正處于高速擴張的階段。另外，電商子系統有序度的發展趨勢和變化幅度與快遞業子系統的情況大致相似，在2008～2014年度同樣實現從0到1的跨越式發展。這表明電商子系統內部也是持續地從無序向有序發展的。比較可知，電商子系統在2008～2009年度時間段內有序度發展較快，而從2010～2014年發展較慢，這表明電商是從2010年起走上發展的正軌，并且進入穩定發展階段。

由圖1有序度可知，在2008～2009年，快遞發展快于電商，說明電商屬于新興產業，起步比較晚，但2009～2014年時間段內電商子系統的有序度一直高于快遞業子系統的有序度，說明電商發展速度快，呈快遞業追趕電商的狀況。這表明快遞業起點較低，隨著電商的發展，快遞業形成追趕的大發展；2008～2014年電商的增速趨于穩定，沒有太大波動，而2008～2009年快遞業的增長速度比較平緩，但2010年以后，其曲線斜率越來越陡，增速越來越快，這表明電商已經步入穩定增長的階段，而快遞業正處于快速成長的階段，快遞業的增長速度明顯高于電商。

由圖2協同度可知，2009～2014年度快遞業與電商復合系統的協同度始終是增長的，從2009年的0.041 5上升為2014年的0.306 7，因此復合系統的發展趨勢值得肯定。然而，不容忽視的是，2009～2014年復合系統的協同度一直低于0.4，這表明快遞業與電商的復合系統協同度較低，快遞業與電商的發展并不協調。結合圖1的分析結果可知，雖然近年來快遞業的發展速度超過電商，但快遞業的發展階段明顯低于電商。這表明電商已經步入穩定增長的階段，而快遞業正處于快速成長的階段，由于兩業發展階段的差異，導致協同度不高，所以只有促使快遞業加速轉型升級，并與電商建立行之有效的協同發展機制，兩業才能實現較高程度的協同。

3　兩業協同發展的建議

快遞業與電子商務是相輔相成的兩個行業，而兩業發展階段不一致，將導致快遞業與電子商務發展協同度低，快遞業成為電子商務發展的瓶頸。本文從企業層面提出促使快遞業加速轉型升級，并與電子商務建立行之有效的協同發展機制。

(1)快遞企業層面，應不斷推進技術創新，加大對科技的投入，改造生產作業系統；不斷提高其服務質量，制定自己的服務原則并創新服務內容；不斷提高快遞市場創新，加強市場開拓能力。

(2)電子商務企業層面，應加強產業鏈信息共享，盡可能消除不完全信息給市場帶來的負面影響；建立健全快遞企業信用評價體系，建立合理的利益分配機制。

電子商務業子系統和快遞業子系統應該是彼此開放的系統，如此才能實現快遞物流需求和供給信息的順暢流動，因此建立良好的溝通協調機制是必要的。電子商務企業與合作的快遞企業應搭建雙向溝通的渠道，實現信息系統的對接，最好做到專人負責、定期交流。快遞企業可以與電子商務企業構建合作發展平臺，簽訂戰略合作框架協議，建立戰略聯盟合作關系，實現合作共贏。此外，快遞企業也可以與電子商務企業開展聯合經營或者兼并重組，實現雙方資源優勢互補，促進產業鏈、供應鏈和服務鏈的一體化整合，形成利益共享的產業鏈。

4　結論

本文運用單位根檢驗、協整關系檢驗、誤差修正模型及格蘭杰因果關系檢驗，測度快遞業與電商發展的關聯性。最終分析的結果表明：快遞業與電商之間存在單向因果關系，電商是快遞業的格蘭杰原因，但快遞業不是電商的格蘭杰原因；建立向量誤差修正模型發現，電商對快遞業有正關聯性，快遞業對電商也有正關聯性。其次，構建了快遞業以及電商的有序度模型以及兩業復合系統的協同度模型，并建立兩業的指標體系。實證研究結果證明：快遞業與電商協同發展程度較低，快遞業發展階段落后于電商。快遞業與電商協同發展的成果顯著，但是存在協同動力不足、協同路徑不明朗、協同收益分配機制未建立三大難題。

參考文獻：

[1] 張鐸.電子商務與物流[M].北京:清華大學出版社,2000.

[2] 王晶.BtoC電商物流瓶頸的第三方物流解決方案[J].合作經濟與科技,2005(2):34-35.

[3] Shi Chenghua，Ruan Hujun.Research on the development of logistics based on E-commerce[J].Inst of Elec and Elec Eng Computer Society,2008(2):1563-1570.

[4] 李志君.基于灰色關聯模型的電商與快遞業產業關聯分析[J].特區經濟,2014(5):88-91.

[5] 張旭.中國電子商務與快遞業聯動發展[J].讀與寫:教育教學刊,2010,7(6):105-105.

[6] 陳賓.電商與快遞業的互動關系研究——基于VAR模型的動態實證分析[J].福建師范大學學報(哲學社會科學版),2016(1):63-69.

[7] 孫學琴,王寶義.中國電商與快遞協同發展的影響因素及未來趨勢[J].中國流通經濟,2015(7):17-24.

[8] 鄭東,李建華,張欣偉.汽車制造商與供應商供需系統的協同學分析[J].中國軟科學, 2010(3):152-160.

[9] 王偉,陳偉成,黃莉,等.基于協同學理論的區域物流與區域經濟協調度度量研究[J].中國市場,2010(15):6-8.

[10] 張快娟.制造業與物流業協調發展的計量分析[D].杭州：浙江工商大學,2011.

[11] 劉丹,盧偉偉.我國電子商務業與快遞業的協同發展路徑[J].技術經濟,2014,33(2):45-49.

(特約編輯：黃家瑜)

Correlation and collaborative analysis of express mail and E-commerce industries in China

Wu Tongyu, Tang Binhu

(College of Economics and Management, Fuzhou University, Fuzhou 350116, China)

Abstract：Based on the theory of collaborative science, a model of measuring the collaborative degree between express mail industry and E-commerce industry in China was constructed.The order degree of the subsystems of the two industries and their collaborative degree were analysed via available data during 2008 to 2014.The results show that the express mail industry and the E-commerce industry in China have developed rapidly in the recent years.The development speed of the former is faster than that of the later, while the development stage of the express mail industry is slower than that of the E-commerce industry, indicating a low degree of collaborative development of the two industries.

Key words：express mail industry; E-commerce industry; correlation analysis; vector auto-regression (VAR) model; collaborative degree

doi:10.3969/j.issn.1672-4348.2016.04.018

收稿日期:2016-08-13

第一作者簡介：吳桐雨(1992-)，女，福建福州人，碩士研究生，研究方向：物流管理。

中圖分類號：F259

文獻標志碼：A

文章編號：1672-4348(2016)04-0403-06