動態市場競爭環境下電子商務企業盈利能力的影響因素研究

楊卓凡，石 勇,3

(1.中國科學院大學管理學院，北京 100190;2.中國科學院虛擬經濟與數據科學研究中心，北京 100190;3.中國科學院大數據挖掘與知識管理重點實驗室，北京 100190)

?

動態市場競爭環境下電子商務企業盈利能力的影響因素研究

楊卓凡1,2，石 勇1,2,3

(1.中國科學院大學管理學院，北京 100190;2.中國科學院虛擬經濟與數據科學研究中心，北京 100190;3.中國科學院大數據挖掘與知識管理重點實驗室，北京 100190)

為找到電子商務企業高投入、低投資回報現象存在的原因，本文首先運用數據包絡分析(DEA)模型計算了電子商務企業投入對產出的過度效應，即投入擁擠，然后將之與行業內的市場競爭程度和移動電子商務的發展相結合，通過構建面板數據回歸模型，詳細探討了動態市場競爭環境下電子商務企業盈利能力的影響因素。研究結果證實了資產規模過大對傳統電子商務企業盈利能力具有削弱作用，而市場集中度和移動電子商務的發展則對傳統電子商務企業盈利能力具有推動作用。這些發現啟示企業經營管理者應聚焦于移動電子商務發展帶來的新機遇，消除投入擁擠，通過調適生產規模和新業務模式的創新，開辟新的營銷渠道和盈利模式。

電子商務；DEA；投入擁擠；盈利能力；市場集中度

1 引言

電子商務環境持續不斷地變化進一步推動了持續不斷的戰略演進及新產品、新流程、新技術的采用[1]。動態的環境變化使企業面臨三個關鍵性的風險：需求風險、創新風險和無效風險，而網絡因其能有效地觸及不同的市場和客戶，被視為是降低這些風險的一種驅動。電子商務創造了重塑產品、業務、流程甚至全球經濟的機會，帶來了上至宏觀經濟環境，下到企業生產運營和管理等不同層次的變革和創新。據易觀數據統計顯示，2014年B2C電子商務市場交易規模

達13.7萬億元人民幣，增長率高達78.69%。電子商務的快速發展，一方面促進了商業模式的創新，另一方面加劇了市場競爭，使得市場結構越來越趨向于高度集中的不完全競爭的市場。

市場結構是指特定行業內企業的整體和相對規模[2]，以及由此決定的競爭形勢。市場結構理論是微觀經濟學的重要理論基石之一，該理論根據市場集中度不同，將市場競爭分為完全競爭、壟斷競爭、寡頭競爭、完全壟斷四種形式，完全競爭的市場是最優的市場，而完全壟斷的市場由于價格完全由賣方決定，買方沒有議價能力，因而是效率最差的市場。

動態競爭戰略一般認為企業的戰略調整是基于競爭對手的行為、顧客需求變化、商業環境變化及可預期的競爭對手行為而做出的[3]。外部動態的市場結構及競爭態勢變化使企業需要不斷地創造能保持其競爭優勢的獨特的資源和能力[4]，動態戰略調整對企業績效具有適應性和破壞性效益[5]。戰略管理領域的大量研究表明，市場競爭有助于企業提升生產率水平和創新商業模式[6-8]。因此，考慮到外部環境的變化，在動態市場競爭環境下考察電子商務企業盈利能力的決定因素是必要的。

雖然以前的研究已經廣泛探討了影響企業盈利能力的主要因素，并將之歸結為生產率效應(運營效率和技術變化)、活動效應(規模效應、資源組合效應和生產組合效應)和價格效應[9-11]。但是這些研究主要集中于企業水平的視角，行業內的市場競爭程度及投入對產出的過度效應被忽略了。在經濟學上，投入對產出的過度效應被稱為“投入擁擠”，它反映了投入資源在各個價值鏈環節中的配置不合理狀態。從微觀經濟學規模收益的視角，當“投入擁擠”發生時，規模經濟下滑且市場份額收縮，投入擁擠是規模收益的一種特殊狀態。因此，運用相關的理論和模型測量電子商務企業各個生產要素“投入擁擠量”是找到資源浪費的根本。

電子商務領域的大量研究表明，為了贏得市場規模和市場地位，許多電子商務企業仍處于虧空運營狀態[12]。電子商務早期的進入者并沒有比其后進入者在市場份額、邊際利潤或營銷效率上具有更多的優勢[13]。被稱為“信息技術生產率悖論”，信息技術投資經常產生零利潤或負收益[14]。例如，亞馬遜創造了雷厲風行、事半功倍、卓有成效的在線零售營運效率，但自其成立20年來，至今仍未獲得大規模的可觀利潤。更令人費解的是，即使大多數電子商務企業處于虧損運營狀態，但電子商務廣闊的發展前景依然被投資人看好，這也使電子商務企業成為風險資本角逐的對象。因此，在大量風險投資資金的幫助下，電子商務企業實現了快速的技術創新和規模擴張。再加上網絡經濟“鎖定效應”的刺激，大多數電子商務企業采取了“以規模換效益、以低價占市場”的發展思路和發展策略。事實上，這種急功近利的規模擴張和發展模式與企業的內部管理及價值鏈各環節的協調發展并不匹配，并帶來了諸多隱患：如戰略定位不清晰、售后服務不完善、物流與供應鏈能力與日益增長的交易規模不匹配等。由于這些原因，一些電子商務企業猶如曇花一現，最終因資金鏈斷裂而倒閉了。

為什么電子商務企業投入了大量的資金卻未獲得預期的高額利潤？電子商務企業的規模擴張和企業盈利之間存在著怎樣的關系？

為了回答以上兩個問題，考慮到宏觀的市場結構和移動電子商務發展創新帶來的新機遇，結合生產要素投入的“擁擠量”，本文構建了反映電子商務盈利能力影響因素的面板回歸模型，旨在探討動態市場競爭環境下，電子商務企業的規模擴張和巨額投資是如何影響電子商務企業的盈利能力的。該研究有利于理解動態競爭市場下的電子商務企業“高投入、低收益”現象存在的背景和原因，同時也期望從企業資源配置和競爭創新的視角，給決策者提供保持企業可持續競爭優勢的策略和建議。

2 研究假設與概念框架

2.1 動態市場競爭與盈利能力

從中國B2C電子商務的市場格局來看，截止到2014年，天貓電商占據近6成的網絡購物市場份額，其次是京東(17.7%)和蘇寧易購(4.1%)，三家企業累計占據了76.4%的網絡購物市場。由此可以看出，中國的網絡購物市場已逐步形成了高度壟斷競爭的市場格局，天貓和京東占據了資金、資源和流量優勢，在產品品類擴充、業務創新、供應鏈和產業鏈整合方面處于領先地位。與美國電商重質量和均衡發展的市場格局相比，中國電商雖然數量和規模龐大，但市場集中度高，兩極分化嚴重。

從某種程度來說，一個市場集中度較高的行業更類似于不完全競爭的市場。Schumpeter[6]認為，不完全競爭的市場環境更有助于大型企業實現技術創新和進步。然而，20世紀70年代末，Kamien和Schwartz[7]關于市場結構和創新活動的一系列實證研究顯示，二者之間的關系是沒有定論的。不完全競爭的市場結構有助于刺激創新活動，也有可能是完全相反，削弱創新活動。網絡理論認為，在一個生產者較少而供應商和消費者較多且非組織化的市場環境下，生產者能獲取高額利潤。Raider[8]利用社會學中盛行的用于衡量市場競爭的網絡理論模型代替經濟學中用市場集中度衡量市場競爭的方法，重新探討了市場結構與創新的關系。研究發現，處于高度約束市場競爭環境下的市場比那些壓力較小的市場顯示出更大的研發密度和更快的創新速度。由此，我們可以提出假設1。

H1：市場集中度越高越有助于提升電子商務企業的盈利能力。

Porter[15]的五力分析模型認為，行業內競爭程度和規模主要受制于五種力量：內部競爭、潛在進入者的威脅、替代與互補品、供應商的力量和購買者的力量。其中，行業內部的競爭是核心。內部競爭指的是在一個市場內，企業為搶占市場份額而進行的競爭。易觀智庫的一份研究報告顯示，移動網購在2012到2014年間每季度呈現出快速增長趨勢，如圖1。

圖1 2012 Q1-2014 Q4中國網上零售/移動網購占比

在傳統電商還在爭奪網絡用戶、搶占市場份額、提升電子商務供應鏈能力上部署商業戰略的時候，移動互聯網的興起又擾亂了正在形成的傳統電商市場格局，拉開了新的用戶爭奪戰，并刺激了創新型商業模式的興起。從這個角度來說，移動電子商務的發展也可看作是對傳統電子商務的互補品。互補品可通過促進正在考慮的產品需求進而增加行業的獲利機會[16]，由此我們提出假設2：

H2：移動電子商務作為傳統電子商務的互補品能提升傳統電子商務的盈利能力

2.2 電子商務“投入擁擠”與盈利能力

微觀經濟學的生產理論認為，在技術不變的情況下，生產中廠商的行為決策取決于生產要素的短期變動和長期變動。在短期內，廠商的生產決策是建立在邊際收益遞減規律基礎上，確定勞動力合理的投入區間和最佳投入點。而在全部可變生產要素的條件下(長期)，決定廠商盈利能力最優的因素在于生產的適度規模。COASE[17]認為，企業的適度規模即企業規模擴張所能夠節約的交易費用與企業在現有邊界下在市場上交易所發生的費用是邊際相等的。因此，企業的規模和市場結構受成本結構的約束，不能無限的擴大和縮小，而存在一定的界限。如果企業擴大規模后所產生的企業內部交易費用低于現有規模條件下市場上所產生的交易費用，那么企業就應該擴大其規模，反之，則應該縮小規模。

電子商務的本質是零售業，是通過信息化的方式將傳統零售和虛擬零售相結合，來實現渠道和資源的整合。電子商務企業在發展的過程中，出現了三種競爭態勢：低價、規模、全品類。所謂低價競爭就是在初進入市場的時候，通過價格優勢來吸引客戶并力爭迅速打開市場，擴展市場規模，市場規模的擴充相應地要求電子商務企業在銷售商品的品類上足夠豐富，以便使得客戶進入網站后，可以隨意搜索和選取其心意的商品。因此，在競爭市場中，電子商務企業會不斷地變動橫向邊界，比較典型的方式是增加規模、自身擴張、收購或者兼并其他公司生產多種相關的產品和提供相關的配套服務，以便尋求規模與范圍經濟的來源，節約成本，提高利潤。

由于電子商務比傳統零售業有更多的價格優勢，因此被視為更容易吸引用戶和獲得快速的投資回報。然而，事實上，電子商務并沒有為投資者帶來預期的投資回報，一些電子商務企業隨著投入的日益增加甚至出現了負的收益。電子商務企業這種隨著投入增加而出現負的產出回報的現象，被稱為“投入擁擠”。

“擁擠”或“擁塞”常見于信息網路、交通運輸、煤礦等領域，主要指的是在既定的生產空間內，投入資源在各個生產部門或生產環節配置不合理的現象。F?re和Svensson[18]首次指出生產“擁擠”在經濟和管理領域普遍存在，并將“投入擁擠”定義為在特定的生產條件下，如果生產要素(投入)的子集保持不變，其他投入要素的增加會導致產出的減少。自“投入擁擠”被F?re和Svensson[18]第一次引入數據包絡分析(DEA)的理論和應用以來，投入擁擠現象已經被學者廣泛探討[19-26]。從規模收益的視角，當投入擁擠發生時，規模經濟下滑且市場份額收縮。因此運用相關的理論和模型測量和證實電子商務企業的“投入擁擠”是找到資源浪費的根本。

根據Porter[15]的一般競爭戰略，企業的盈利能力取決于產業條件及它能比競爭對手創造更多的價值。由于價值創造是由成本和收益驅動的，因此，獲得競爭優勢的方式有兩種：成本優勢和收益優勢。進一步來說，電子商務的盈利能力取決于成本結構的控制，包括勞動力成本、營業成本和資產規模等。由此我們可以推斷出假設3：

H3：資產規模投入“擁擠量”會削弱電子商務企業的盈利能力。

H4：勞動力投入“擁擠量”會削弱電子商務企業的盈利能力。

為驗證以上研究假設，本文首先運用DEA模型計算資產規模和勞動力投入擁擠的量，將之用于度量資產規模過度擴張程度和勞動力投入過剩程度的自變量之一，選取電子商務的四企業市場集中度、移動電子商務的季度市場份額分別作為另外兩個自變量，電子商務企業的營業利潤作為因變量，通過面板數據回歸模型的構建，分別考察資產規模過大、市場集中度和移動電子商務市場份額對傳統電子商務盈利能力的影響。研究的概念框架如圖2。

圖2 動態環境下的電子商務盈利能力影響因素概念模型

3 研究方法和模型構建

3.1 研究方法

3.1.1 市場集中度測算

市場結構衡量的方法主要有市場集中度(Concentration Ratio)、赫芬達爾指數(Herfindahl Index也稱 H 指數)、基尼系數(Gini Coefficient)等。結合電子商務發展的動蕩性，考慮到數據的可獲得性和計算的簡便性，本文采用四企業市場集中度來評判B2B和B2C電子商務模式的市場集中度。

四企業市場集中度指的是行業內規模最大的四家企業的交易規模占整體B2B或B2C電子商務市場交易規模的比率，計算公式如下：

(1)

其中，n=4;Xi為按照資源份額大小排列的第i位企業的銷售額，N為市場上賣方企業數目。

3.1.2 DEA投入“擁擠量”測度模型

假設有n個決策單元(DMUs)，他們用同樣的m個投入xij(i=1,…,m)去生產r個產出yrj(i=1,…,r)。 對于一個特定的DMU0，其最優效率值可以用如下投入導向的BCC模型求解：

(2)

為了找到投入和產出的冗余，以上模型(2)可以被轉換如下：

(3)

在求得以上模型的最優解和投入產出冗余值后，為了計算各個生產要素投入擁擠的量，Cooper等[29]構建了如下最優化模型：

(4)

(5)

3.1.3 DEA投入和產出指標說明

從電子商務投入的視角來說，一個運營有效的企業是那些能用較少的勞動力、資本和其他投入消耗盡可能生產更多產出的企業。因此，員工人數、運營成本和總資產被用作投入指標來度量。

而在電子商務的產出方面，主要運用財務產出如營業收入和市場份額來衡量電子商務企業的經濟收益和市場競爭力。具體來說，運營收入即是通過銷售產品和服務而獲得的營業收入，這是企業獲取利潤的重要保證。市場份額可以通過單個市場營收占據整個市場營收的比率來計算。總營業收入和市場份額相結合可以對整體市場的狀況和客戶需求進行評判。具體的投入和產出指標說明，如表1。

3.2 樣本和數據來源

為反映電子商務企業全要素生產率隨時間變化而發生的動態變化，該樣本選取了35家上市電子商務企業11個季度(2011年第一季度到2013年第三季度)的數據，這些數據來自于WIND數據庫，一家中國主要的金融數據、信息和軟件集成服務提供商。

表1 電子商務“投入擁擠”測量的投入產出指標說明

由于DEA模型對樣本的要求是必須對同行業或相似行業的生產單元進行效率和生產率測算，因此，本文按照盈利模式和運營方式的不同，將這些上市電子商務企業主要分為兩種電子商務模式，即B2B (Business to Business)和B2C (Business to Customer)，并根據兩種電子商務模式的不同，進行了分類計算。B2B是商家與商家之間的商業模式，其利潤主要來源于相對低廉的交易成本所帶來的各種費用的降低以及供應鏈、價值鏈整合的好處，包括垂直B2B(產業鏈的上下游形成的供銷關系)、水平B2B(按照交易過程的近似度進行集中)、自建B2B(龍頭企業利用自身優勢串聯整條產業鏈)和關聯行業B2B(綜合電子商務平臺)。與B2B行業大批量交易不同，B2C的電子商務模式是商家對客戶的模式，也成為電子零售模式，包括綜合平臺式B2C， 如天貓、 ebay、 蘇寧、 唯品會和亞馬遜等和在線旅游B2C平臺，如攜程、藝龍等。

由于平臺式B2C如天貓和ebay牽涉到諸多的“店中店”賣家，其投入和利潤難以統計，因此本文只統計平臺的投入和產出，而對于平臺模式下的諸多賣家未在本文研究范圍之內。

在此需要指出的是，對于從傳統零售向電子零售模式轉型的蘇寧云商(002024.SZ)來說，由于其財務報表數據仍包含傳統業務的數據，為得到蘇寧集團電子商務業務部分的投入和產出數據，我們做了以下數據處理：

首先，根據網上公開的數據和資料(主要來源于電子商務研究機構艾瑞咨詢、賽迪集團、中國電子商務研究中心和易觀研究)，搜集蘇寧集團電子商務業務的年度和季度營業收入數據，并根據季度和年度增長率對于缺失的季度數據進行估算。

其次，計算蘇寧2011Q1-2013Q3季度的電子商務營業收入與同期蘇寧集團整體營業收入的占比，將之與蘇寧集團整體投入如營業總成本、員工人數和總資產相乘，得到蘇寧集團電子商務業務的營業成本、員工人數和總資產投入數據。

3.3 電子商務盈利能力影響因素回歸模型

DEA模型首先被用來計算各個生產要素的“投入擁擠”量，然后結合電子商務的市場集中度和移動電子商務季度增長率，電子商務企業盈利能力影響因素的面板數據回歸模型被構建如下：

YPROFITit= β0+β1xassetcit+β2xlaborcit+β3xcr4it+β4xmerit+υit

(6)

模型(6)中，i(i = 1, …, N)指的是電子商務企業，t(t = 1, …, T)代表了時間。 YPROFITit表示第i個電子商務企業在第t個季度的營業利潤。xassetcit和xlaborcit分表代表了第i個電子商務企業在第t個季度的總資產和勞動力投入擁擠量。xcr4it和 xmerit分別表示第i個電子商務企業在第t個季度的市場集中度和移動電子商務的增長率。β0，β1，β2和 β3分別代表了預估參數。具體的變量描述如表2。

4 研究結果

4.1 電子商務生產要素投入擁擠分布狀況分析

在經濟學中，規模收益和規模經濟是緊密相關的兩個概念，但二者實質上有本質的差異。規模收益與生產功能相關，解釋了產出隨著投入的變化而成比例和即時變化的行為。當總產出成比例的變化超出所有投入的變化時，遞增的規模收益發生，相反，當總產出增加的幅度小于投入增加的幅度時，遞減的規模收益發生。

當投入價格不變時，遞減的規模收益會引起長期平均總成本的增加，進而導致規模不經濟。由于這個原因，企業組織可能會變得過于龐大如有太多的管理層和太多的部門層級等，結果，無效的生產管理和決策可能發生。圖3、圖4和圖5顯示在線旅游B2C、B2B和綜合B2C電子商務企業的生產要素“投入擁擠”主要表現為勞動力過剩和總資產規模過大。換句話說，電子商務企業勞動力和總資產的過度使用削弱了產出增加的能力。該發現對于理解為什么電子商務消耗了越來越多的投入卻有較弱的盈利能力是有幫助的。

表2 回歸變量描述

圖3 2011Q1-2013Q3出現勞動力、總資產和總成本“投入擁擠”的在線旅游電子商務企業數

圖4 2011Q1-2013Q3出現勞動力、總資產和總成本“投入擁擠”的B2B電子商務企業數

圖5 2011Q1-2013Q3出現勞動力、總資產和總成本“投入擁擠”的綜合B2C平臺電子商務企業數注：employee, cost和asset分別為勞動力投入擁擠企業數、營業成本投入擁擠企業數和資產規模投入擁擠企業數

具體來說，無論B2B、綜合式B2C還是在線旅游平臺式B2C模式，均在2012年下半年出現了資金“投入擁擠”劇增的現象，這與2012年電子商務投資過熱有關。伴隨著資金的“投入擁擠”，資產規模過大和勞動力投入過剩也出現了急劇的增長。為了考證，資產規模擴張和勞動力投入過剩是如何影響電子商務企業盈利能力的，面板數據回歸模型被構建，模型運行結果詳見4.2。

4.2 電子商務盈利能力影響因素模型結果分析

表3顯示了用Eviews軟件計算的面板單位根檢驗的結果，該結果駁回了具有共同單位根的原假設，這表明面板數據是穩定的且可直接用構建面板數據回歸模型。

為了確定使用固定面板數據回歸模型、隨機面板數據回歸模型還是混合面板回歸模型，F檢驗和似然值測試被執行。表4報告了測試結果，根據該結果，有共同斜率系數的零假設被駁回，因此應構建個體固定效應面板數據回歸模型。

表3 單位根檢驗

** Probabilities for Fisher tests are computed using an asymptotic Chi square distribution. All other tests assume asymptotic normality.

表4 F值和似然值檢驗

因此，方程(6)可以被重寫為：

YPROFITit=β0+β1xassetcit+β2xlaborcit+β3xcr4it+β4xmerit+μi+νit

(7)

方程(7)利用了一階誤差成分分布，在該方程中，μi指個體效應中任何未被觀測到的成分，如一個企業首席執行官的不可觀測的企業或管理技能，且這是一個不隨時間變化的值。νit是隨機干擾項，且隨著時間的變化而變化。

根據方程(7)的預估結果(如表5所示)，電子商務企業盈利能力的影響因素主要是資產規模、市場集中度和移動電子商務的季度增長率，研究假設1、2、3得到驗證，而勞動力投入過剩對盈利能力并沒有強相關關系，研究假設4被駁回。具體來說，資產規模過大會造成盈利能力減弱，且資產規模每增加1%，電子商務企業盈利能力將被削弱16.8%。而市場集中度和移動電子商務的增長則會促使電子商務企業盈利能力的增加，尤其是移動電子商務，作為新的電子商務渠道，它的增長會使傳統電子商務的盈利能力增加2.3倍。

R-squared為0.7577，說明樣本可決系數為75.6%，即資產規模過大、移動電子商務增長和市場集中度可解釋電子商務企業營業利潤變動的75.6%。具體到每個電子商務企業來說，B2C網站易貝(EBAY.O)和蘇寧易購(002024.SZ)受資產規模過大、移動電子商務增長和市場集中度影響最為明顯，而B2C網站當當網(DANG.N)和金融服務網站大智慧(601519.SH)的盈利能力受以上三種因素的聯合影響最小。

5 結語

即使電子商務的應用已幫助企業提高了運營效率，但實踐中多數電子商務企業還處于零利潤或負利潤運營的狀態，而且很少有研究關注于電子商務企業市場競爭和投入對產出的過度效應對電子商務企業盈利能力的影響。基于此，本文結合動態環境和電子商務內部生產要素資源的投入“擁擠量”，從宏觀和微觀兩個視角對電子商務企業盈利能力的決定因素進行了詳細探討。研究結果顯示，電子商務企業的勞動力投入“擁擠”對其盈利能力并沒有直接的影響，研究假設4被駁回，但資產規模過大卻可以將其營業利潤削弱16.8%， 研究假設3被驗證。資產規模過大表明電子商務企業的規模擴張出現了規模不經濟，是造成電子商務企業高投入低投資回報的主要因素，

表5 投入擁擠和市場競爭對盈利能力影響回歸模型結果

注：XASSETC?表示資產規模過大；XLABORC?表示勞動力投入擁擠量；XMER?表示移動電子商務的發展；XCR4?表示四企業市場集中度。Significant at * P < 0.05. ** P < 0.01. *** P < 0.001.

但從另一個方面來說，市場集中度和移動電子商務的發展與電子商務的盈利能力提升呈正相關關系。也即是說，高的市場集中度加劇了行業內的競爭，并有助于電子商務企業獲取壟斷利潤，而移動電子商務的發展由于為傳統電子商務開辟了新的營銷渠道，則對電子商務盈利能力產生了更大的驅動力。具體來說，市場集中度每加劇1%，電子商務的營業利潤能增加16.3%，這也是眾多電子商務企業放棄短期內的盈利，而采取不斷擴張規模、爭取壟斷競爭市場地位的主要因素之一。另外，移動電子商務由于具有方便性和即時性等特點，具備能夠自由移動，隨時隨地產生交易的優勢，與傳統電子商務相補充，通過創新營銷渠道和商務模式，大大促進了電子商務的營銷力度和在消費者中的認知度，因而移動電子商務的發展能使電子商務盈利能力產生2.3倍的增長。

從管理的角度，以上研究結果為廣大經營管理者提供了消除擁擠資源、提升商業利潤的新的視角，它建議電子商務企業的管理者應該聚焦于移動電子商務發展帶來的新機遇，消除生產要素投入配置不合理的狀態，通過調適生產規模和新業務模式的創新，開辟新的營銷渠道和盈利模式。從長遠來看，電子商務最終能依靠壟斷競爭和新渠道的開拓，取得可持續發展的競爭優勢。

[1] Bremser W G, Chung Q B. A framework for performance measurement in the e-business environment [J]. Electronic Commerce Research and Applications,2005,4(4):395-412.

[2] Ellickson P B， Market structure and performance [M]// Wright J D. International Encyclopedia of the Social & Behavioral Sciences (Second Edition), Oxford: Elsevier, 2015: 549-554.

[3] 王斌，田志龍, 動態競爭戰略中的企業環境分析 [J]. 研究與發展管理,2005,17(3):39-58.

[4] Penrose E T. The theory of the growth of the firm [M]. New York： Oxford university press，1995.

[5] 黎傳國，陳收，毛超，等, 資源配置視角下戰略調整測度及其對績效的影響 [J]. 中國管理科學,2014,22(11), 19-26.

[6] Schumpeter J A. Capitalism, socialism, and democracy [M]. New York： Harper Torchbooks, 1942,

[7] Kamien M I, Schwartz N L. Market structure and innovation [M]. Cambridge: Cambridge University Press，1982.

[8] Raider H J. Market structure and innovation [J]. Social Science Research,1998,27(1):1-21.

[9] Grifell-Tatjé E, Lovell C A K. Profits and productivity [J]. Management Science,1999,45(9):1177-1193.

[10] Garrigosa E G, Tatjé E G. Profits and total factor productivity: A comparative analysis [J]. Omega,1992,20(5-6):553-568.

[11] Gold B. Technology, productivity and economic analysis [J]. Omega,1973,1(1):5-24.

[12] Serrano-Cinca C， Fuertes-Callén Y, Mar-Molinero C. Measuring DEA efficiency in Internet companies [J]. Decision Support Systems,2005,38(4):557-573.

[13] Min S, Wolfinbarger M. Market share, profit margin, and marketing efficiency of early movers, bricks and clicks, and specialists in e-commerce [J]. Journal of Business Research,2005,58(8):1030-1039.

[14] Dehning B, Richardson V J. Returns on investments in information technology: A research synthesis [J]. Journal of Information Systems,2002,16(1):7-30.

[15] Porter M E. Competitive advantage: Creating and sustaining superior performance [M].Hong Kong:Free Press,1985.

[16] 戴維·貝贊可，戴維·德雷諾夫，馬克·尚利，等. 戰略經濟學 [M]. 詹正茂，馮梅紅等，譯.3版，北京：中國人民大學出版社， 2006:346-351.

[17] Coase R H. The nature of the firm [J]. Economica,1937,4(16):386-405.

[18] F?re R, Svensson L. Congestion of production factors [J]. Econometrica,1980,48(7):1745-1753.

[19] Odeck J. Congestion, ownership, region of operation, and scale: Their impact on bus operator performance in Norway [J]. Socio-Economic Planning Sciences,2006,40(1):52-69.

[20] Khodabakhshi M. A one-model approach based on relaxed combinations of inputs for evaluating input congestion in DEA [J]. Journal of Computational and Applied Mathematics,2009,23(0):443-450.

[21] Khodabakhshi M， Lotfi F H, Aryavash K. Review of input congestion estimating methods in DEA [J]. Journal of Applied Mathematics,2014:1-9.

[22] Marques R C, Sim?es P. Measuring the influence of congestion on efficiency in worldwide airports [J]. Journal of Air Transport Management,2010,16(6):334-336.

[23] Chen Y. Congestion in commodity trading advisors [J]. INFOR,2011,49(1), 63-74.

[24] Flegg A T, Allen D O. Congestion in the Chinese automobile and textile industries revisited [J]. Socio-Economic Planning Sciences,2009,43(3):177-191.

[25] Brockett P L， Cooper W W, Wang Yuying,et al. Inefficiency and congestion in Chinese production before and after the 1978 economic reforms [J]. Socio-Economic Planning Sciences,1998,32(1):1-20.

[26] Zarate J M, Boksa P, Baptista T, et al. Using DEA to identify and manage congestion [J]. Journal of Productivity Analysis,2004,22(3):207-226.

[27] Cooper W W， Thompson R G, Thrall R M.Chapter 1 Introduction: Extensions and new developments in DEA [J]. Annals of Operations Research,1996,66(1):1-45.

[28] Banker R D， Charnes A, Cooper W W. Some models for estimating technical and scale inefficiencies in data envelopment analysis [J]. Management science,1984,30(9):1078-1092.

[29] Cooper W W， Seiford L M, Zhu J. A unified additive model approach for evaluating inefficiency and congestion with associated measures in DEA [J]. Socio-Economic Planning Sciences,2000,34(1):1-25.

Study on E-commerce Profitability Determinant Under Dynamic Competitive Market Environment

YANG Zhuo-fan1,2, SHI Yong1,2,3

(1. Management of School, University of Chinese Academy Sciences, Beijing 100190, China;2. Research Center on Fictitious Economy & Data Science, Chinese Academy Sciences, Beijing 100190;3. Key Research Lab on Big Data Mining and Knowledge Management, Chinese Academy Sciences, Beijing 100190)

A major current focus in e-commerce study is to explore why there are high inputs but low profits in e-commerce. Focusing on the excessive effect of inputs on outputs, market competition rate and mobile e-commerce development, input congestion amount is firstly calculated using data envelopment analysis models, and then e-commerce firm profitability determinants are explored by constructing the panel data regression model. Thirty five pure e-commerce websites from the stock markets of Shanghai, Shenzhen, Hong Kong and NASDAQ are considered, all of which utilize at least one of the two e-business models, namely business-to-business (B2B) and business-to-customer (B2C). The results of DEA models identify that e-commerce suffers from congestion, and the regression shows that asset input congestion has a negative effect on e-commerce firm profitability while market concentration rate and the development of mobile e-commerce can strengthen e-commerce firm profitability. These findings indicate that it is input congestion that leads to low profits. It also enlightens decision makers to strengthen their profitability by eliminating congestion resources and adding new marketing channels such as mobile e-commerce.

e-commerce；DEA model；congestion；profitability；market concentration

2015-05-04；

2015-07-09

國家自然科學基金重點資助項目(71331005)；國際(地區)合作與交流項目(71110107026)

簡介：石勇(1956-)，男(苗族)，四川成都人，中國科學院大數據挖掘與知識管理重點實驗室主任，中國科學院大學經濟與管理學院副院長，教授，研究方向：大數據挖掘與知識管理、信用評分、決策分析，E-mail: yshi@ucas.ac.cn.

F224

A

1003-207(2016)08-0018-10

10.16381/j.cnki.issn1003-207x.2016.08.003