上海市內貿流通領域商務信用有效性分析
——基于極限學習機的實證研究

江海濤 劉 欣

（上海交通大學 安泰經濟與管理學院，上海 200030）

1 文獻綜述

1.1 流通效率內涵的界定

流通效率內涵的界定一直在學術界存在重大爭議，Rauser指出一個系統的流通效率即該系統的流通成本，Shepherd認為流通效率應為流通產品總價值與流通總成本的比重，而這種理解過于單一、模糊，部分學者提倡從企業和社會公眾兩個層面來定義流通效率。馬克思在研究流通理論時將流通效率按流通時間和流通費用兩方面進行拆分，后人在其基礎上結合現代企業理論進行了細化，將流通時間闡述為商品周轉率，流通費用闡述為資金利用率、渠道成本等，并且流通效率能否提高取決于企業的內在流通力。從以上研究來看，國內大多數學者主要是從微觀層面的流通環節來解讀流通效率，難免有失偏頗。本文認為，企業只是流通產業的組成部分，單個企業的運營狀況無法反映流通業在國民經濟中的總體運行情況，而提高流通效率的本質在于“減少耽擱或停頓”“優化經濟結構”，在于實現商品等要素的合理配置，應當從流通產業的整體視角來界定流通效率。因此，本文認為流通效率衡量的是整個宏觀流通產業的運行質量，是單位運行時間內流通業所實現的總價值與總費用的差額。

1.2 流通效率的測度指標

流通效率測度的指標體系實際上是對流通效率內涵的細化和量化。根據以上學者對于流通效率內涵的界定，可將目前測度指標的研究分為兩類：

第一類從企業層面進行研究，以流通業相關企業的經營績效來表征流通行業績效，相關指標包括營業利潤率、凈資產收益率、總資產周轉率、人均銷售額等。部分學者運用DEA方法測度流通企業的績效，提出管理優化的建議，但現有研究對DEA的運用還存在較大的不足，在投入產出指標的計算方法上存在分歧。也有學者以凈資產收益率來衡量藥品流通企業的流通效率，并發現流通縱向競爭關系的長渠道制約流通績效的提升，而流通橫向競爭關系的競爭性促進流通績效的提升。不過，從企業層面對流通業進行研究的方法也受到了部分學者的質疑。王曉東認為，流通企業的高利潤可能來源于企業對生產商和消費者的擠壓，其產出指標不一定能夠有效衡量商品流通過程中的產出效率，并且當某些指標之間出現內部一致性矛盾時，如凈資產收益率上升但資產周轉率下降時，便無法準確判斷流通效率的升降。

第二類從宏觀層面，選取對流通業有基礎性影響作用的因素來進行研究。現有的研究較多從產業效率、規模效率、組織效率等方面來研究流通效率，涉及的指標包括批發、零售及餐飲業的生產總值，限額以上批發和零售業利潤增長率，流通從業人員以及社會消費品零售總額等。然而，批發、零售及餐飲業的生產總值還包括中間產出的批發行業銷售額，高估了流通環節的產出，故大多學者采用社會消費品零售總額來代替批發、零售及餐飲業的生產總值衡量流通績效。

盡管研究的角度和維度不同，前人對流通效率測度指標體系的研究始終圍繞在規模指標、周轉率指標和成本費用指標這三類指標上。

1.3 商務信用的影響機制

1.3.1 新制度經濟學視角

新制度經濟學認為市場交易活動中存在著交易成本，而交易成本是為了準確獲得市場信息所需要承擔的費用，包括因失信造成的違約成本。交易成本理論指出商品的特殊性以及交易的不確定性均會造成交易過程中費用的提高，張五常在此基礎上提出交易成本存在于一定的社會活動當中，包括在商品流通過程中不直接發生的成本，而市場經濟從另一個角度說也是一種信用經濟，良好的信用環境能夠規范人們的交易行為，促進商貿流通業持續健康發展。

1.3.2 信息經濟學視角

流通意味著生產和消費的分離，這必然會造成產品質量信息的不對稱和潛在的信用缺失風險，從而在流通領域形成“劣幣驅逐良幣”的格雷欣現象。并且，根據破窗理論，若缺乏商務信用的監管，單個企業的失信行為會帶來更多企業的違約，由此形成的連鎖反應會對流通業造成巨大傷害。傳統市場往往通過產品價格判斷質量來減少這種逆向選擇的發生，然而在電子商務市場中，市場可能趨于低價格均衡，多重帕累托最優解難以出現。因此，需要采用價格手段以外的其他方法，如聲譽機制來抵消逆向選擇的負效應。另一方面，企業聲譽會影響買方信任，進而促進買方的購買意愿和賣方收到的溢價，最終影響買方的決策行為和流通績效。

1.3.3 新興古典經濟學視角

新興古典經濟學則將流通產業作為“職業中間商”分析，部分學者試圖從產業分工的角度來探討商務信用對流通業降本增效的作用機制。Teece從流通渠道視角出發，提出生產商與供應商之間的長期合作關系可以降低渠道成本進而提高流通效率，零售商對制造商的信任程度能夠影響到他們資源分配的動機，進而影響到流通渠道的效率。除此之外，市場信用的缺失會形成高額的交易成本和混亂的市場秩序，它導致商貿流通渠道不暢，致使城鄉市場對接的目標最終難以實現，而流通產業作為“職業中間商”，對其進行信用治理能夠增強市場的流通績效。

綜合現有文獻，本文認為商務信用在一定程度上能夠促進流通績效的提高。

2 研究思路與方法

2.1 變量選擇與數據來源

關鍵詞是對一篇文獻核心內容的精煉，最能夠體現出某個領域的研究基礎和演化路徑。本文基于CiteSpace對流通效率測度指標體系和影響因素的研究前沿進行可視化分析，首次檢索中關鍵詞為“流通效率”“指標體系”或“影響因素”，數據庫來源設置為CNKI，發表時間選擇2000—2016年，選擇關鍵路徑算法（Pathfinder）、網絡節點為作者（Author）。結果如圖1所示，371篇文獻的關鍵詞可視化結果圖中一共產生了315個節點和198條連線，模板值（Q值）為0.986 7，平均輪廓值（S值）為0.505 7，說明網絡聚類結果比較合理；網絡整體密度為0.004，相對較低，說明流通效率測度指標體系的研究比較分散，學者之間未形成良好的合作關系。

圖1 作者共現網絡

表1 變量設定總表

其中，宋則（8篇）、任保平（5篇）、徐洪波（3篇）、張弘（3篇）等學者發表的文章中心性最高，故本文參考這些學者對于流通效率測度指標及影響因素的研究，選取社會消費品零售總額、流通從業人員、流通業總資產周轉率、流通企業存貨周轉率作為被解釋變量。另外，由于表征流通費用率的指標單位物流費用為反向指標，故選取其倒數作為被解釋變量，人均可支配收入、公共財政支持、對外開放程度、居民消費水平等指標為控制變量。

為了不失一般性，本文選取上海市作為樣本城市，數據來源于2000—2015年上海市統計年鑒。2012年，上海市政府明確了社會信用體系建設的指導思想、推進原則、發展目標、主要任務和保障措施；2013年6月3日上海市公共信用信息服務平臺一期工程面向行政機關開通試運行；同年12月31日，公共信用信息平臺面向上海全市的信用主體開通試運行，共歸集上海全市54個機構的信用信息。因此，2013年成為了上海市商務信用體系建設的分水嶺。為了合理地驗證商務信用對于流通效率的作用，采用2012年前未構建完善的商務信用體系的數據集進行神經網絡訓練，在此基礎上對2013—2016年上海市商貿流通效率進行預測，得到的輸出結果為屏蔽商務信用體系影響的流通效率。所有數據均完成均值歸一化處理。為了方便極限學習機模型進行處理，本文定義流通效率=（社會消費品零售總額+流通從業人員+流通業總資產周轉率+流通企業存貨周轉率+單位物流費用的倒數）／5。

2.2 研究假設與模型設計

2.2.1 研究假設

通過對文獻的回顧與整理，本文做出如下假設：

商務信用體系的建設與完善能夠促進內貿流通產業效率的提升。

已有關于商貿流通行業的研究存在兩大缺陷，一是缺乏商務信用對流通效率影響的定量研究，二是商貿流通行業并非單向度的經濟體，而是多輸入多輸出的復雜非線性系統，傳統的線性回歸模型難以進行計量處理。故本文采用極限學習機對商貿流通的非線性網絡進行模擬，并分離出商務信用的影響作用。

2.2.2 模型設計

人工神經網絡是基于對人腦神經系統的模仿而形成的一種非線性計算模型，包括輸入層、隱含層和輸出層，具有并行處理、自學習和自適應的特征，被廣泛應用于控制和預測等方面。考慮到本文所選取的樣本數據只有16組，故采用泛化能力更強的極限學習機算法來構造單隱含層人工神經網絡。建立如下的非線性模型（見圖2）：

圖2 人工神經網絡拓撲結構圖

（1）輸入層：

xj=｛xj1，xj2，xj3，xj4｝T為神經網絡的輸入變量，其中xj1，xj2，xj3，xj4分別表示人均可支配收入、公共財政支持、對外開放程度和居民消費水平，因此輸入層節點數為4。

（2）隱含層：

ωi=｛ωi1，ωi2，ωi3，ωi4｝T是第i個隱含層單元的輸入權重，bi為第i個隱含層單元的偏置，βi是第i個隱含層單元的輸出權重，g（x）為隱含層激活函數，本文取sigmoid函數。

（3）輸出層：

將流通效率作為輸出變量Oj，輸出層節點數為1，且流通效率的數值為歸一化處理后的社會消費品零售總額、流通從業人員、流通業總資產周轉率、流通企業存貨周轉率和單位物流費用的均值。

（4）極限學習機算法：

極限學習機算法是由黃廣斌等于2006年提出的一種人工神經網絡算法，相比于傳統的人工神經網絡，特別是單隱含層前饋神經網絡，具有更快的學習速度，并且當隱含層節點個數與訓練樣本個數相等時，能夠實現零誤差學習。

3 數據結果分析

3.1 相關性分析

本文對均值歸一化處理后的流通效率以及控制變量之間進行相關性分析，見表2。從表2中可知，流通效率與人均可支配收入、公共財政支持、對外開放程度以及居民消費水平之間相關系數分別為0.97、0.958、0.576、0.979，均在5%置信水平上顯著相關，說明本文所選取的控制變量的確對流通效率有影響。另外，控制變量之間均存在顯著相關性，這對于傳統線性回歸方法來說需要解決變量多重共線性的問題，而本文采用的極限學習機方法則能夠很好地規避這一問題。

3.2 神經網絡分析

為了更為合理地驗證以及評價商務信用對于流通效率的影響作用，本文基于極限學習機對上海市商務信用的作用進行屏蔽，利用2012年之前未構建起完備商務信用體系的數據進行訓練，形成自變量、控制變量與因變量間的非線性網絡，并預測在未建立起完備商務信用體系情況下2013—2015年的流通效率值，與真實的流通效率值對比見圖3。

其中，紅點代表真實的上海市流通效率值，藍點表示屏蔽了商務信用體系影響后的上海市流通效率值，以2012年為臨界點。預測結果表明：建立了完備的商務信用體系后，上海市的流通效率有了大幅的提升，其增速遠高于屏蔽影響后的預測增速，從表3中可以看出，商務信用的貢獻度分別達到了1.83%、14.23%、6.13%。因此，本文認為，商務信用體系對商貿流通業的效率有顯著的提升作用。

表2 變量間相關性分析

圖3 上海市屏蔽商務信用影響前后流通效率的真實值和預測值

表3 2013—2015年上海市商貿流通效率真實值和預測值

4 結論與建議

本文以上海市為例，采用2000—2015年數據驗證商務信用對商貿流通業效率的影響。在指標選取方面，本文通過CiteSpace對流通效率指標體系及影響因素研究前沿進行可視化分析，并選取中心性較高的學者的研究成果作為本文所構建的指標體系；在統計方法運用方面，由于流通業屬于多輸入多輸出的復雜經濟體，故選擇處理非線性網絡更為有效的極限學習機來進行驗證商務信用對流通效率的提升作用。研究結果表明，在上海市構建完備的商務信用體系后，流通效率得到了有效的提升，這也為上海市持續完善信用信息平臺建設，積極引導企業參與商務信用建設提供了理論上的支撐。此外，本文也存在以下不足：第一是由于上海市商務信用體系的建設剛剛起步，能夠獲取數據的年份較少，導致了模型的精度有所欠缺；第二是流通業屬于復雜的綜合體，影響因素眾多，在測度指標選取方面學界仍未有統一的量表，這也導致了本文所構建的指標體系存在以偏概全的缺陷。