基于Logistic-AHP混合模型的 長三角物流企業技術創新影響因素探究

薛若禹 廖吉林

摘? 要：文章以長三角物流企業技術創新意愿為因變量，選取企業內部因素、供應鏈合作因素和外部環境因素3個一級指標，構建了基于Logistic多元回歸和AHP的混合因子模型。結果顯示外部環境因素影響最顯著，且競爭激烈程度和企業所在城市兩個二級指標影響較大;其次是企業內部因素，以企業經營規模和員工整體水平影響較大;最后是供應鏈合作因素，以供應鏈穩定性影響最顯著。綜合研究結果，結合長三角實際從政府、企業和供應鏈層面提出了相關政策建議。

關鍵詞：物流企業;技術創新;影響因素;Logistic-AHP混合模型

中圖分類號：F253.9? ? 文獻標識碼：A

Abstract： Taking the technological innovation willingness of logistics enterprises in the Yangtze River Delta as the dependent variable， this paper selects three first level indicators of internal factors， supply chain cooperation factors and external environmental factors， and constructs a mixed factor model based on logistic multiple regression and AHP. The results show that the external environmental factors have the most significant impact， and the two secondary indicators of fierce competition and the city where the enterprise is located have a greater impact; the second is the internal factors of the enterprise， with the enterprise business scale and the overall level of employees having a greater impact; the last is the supply chain cooperation factors， with the supply chain stability having the most significant impact. Finally， based on the research results and the reality of the Yangtze River Delta， the paper puts forward relevant policy suggestions from the government， enterprises and supply chain level.

Key words： logistics enterprises; technological innovation; influencing factors; logistic-AHP mixed model

0? 引? 言

伴隨著長三角一體化和信息化進程的加快，諸多物流企業生存壓力驟增。一方面，長三角外向型經濟發展迅速，吸引了眾多跨國物流企業入駐，同時也加劇了區域內物流企業同質化競爭;另一方面，新冠肺炎疫情長期存在催生了顧客對物流響應性、安全性、精準溯源追蹤等方面的新需求，給長三角物流企業帶來機遇的同時也帶來了更多挑戰與不確定性[1]。為迅速建立新競爭優勢，順應各大物流商對物聯網、大數據、AI等前沿技術布局，快速調整發展戰略進行技術創新對多數物流企業來說已迫在眉睫。但需要注意的是，受多方因素制約，很多時候企業無法直接感知當前的技術創新需求，或者說其有意愿卻迫于環境無法進行創新活動，因此研究長三角地區物流供應鏈節點企業技術創新影響因素，對相關部門有針對性合理引導物流企業自主創新，幫助其破解生存困局，促進物流供應鏈穩定健康發展具有重要意義。

1? 長三角物流供應鏈技術創新影響因素分析

1.1? 因變量選取

長三角地區現有物流供應鏈具備一定穩定性，打破這種平衡需要充分考慮供應鏈節點企業意愿，研究顯示不同生命周期中企業自主創新意愿明顯不同，處于成熟期的企業更有能力、資源和動力實施技術創新項目[2]。因此本文以長三角不同規模、處于不同發展階段的多家第三方物流企業作為研究對象，選取“貴企業是否有意愿實施技術創新？”為因變量問項，設置“是，我覺得實施技術創新十分迫切A”，“是，但我目前沒有余力實施技術創新A”，“否，我覺得沒有必要實施技術創新A”三種答案情形以供備選，結果顯示三種答案分別占比23.3%，57.8%，18.9%。

1.2? 自變量選取

探究長三角地區物流供應鏈技術創新影響因素，關鍵在于回答為什么供應鏈節點企業會傾向于創新或者采取創新行為，針對該類問題陳心媛等[3]指出應當從內、外部兩方面因素來進行分析，本文則依據研究對象特點進一步細化至物流企業自身因素、物流供應鏈合作因素和外部環境因素三方面內容。

（1）物流企業內部因素

物流企業自身因素一般從內部出發，首先是企業家背景，即企業家決策能力的度量指標，具體量化為總經理（或董事長）是否有過國內一流大學就讀經歷（或大廠工作、留學經歷等）;其次是企業經營規模，按公司法規定的交通運輸及郵政業經營規模劃分方式如表1所示，通常較大的企業規模、較快的發展速度及較高的盈利水平等會使得企業更有余力實施技術創新活動;最后在對企業創新能力進行研究時使用“員工學歷水平”，即通過計算企業本科以上學歷員工占企業員工總數比例這一指標來表示企業員工整體水平，超過40%設為高水平，10%～40%為中等水平，低于10%為低水平[4]。

（2）物流供應鏈合作因素

考慮供應鏈合作因素對物流企業技術創新意愿的影響，是因為供應鏈上諸多企業一般基于信任和長期關系的維持展開合作，這種環境下知識擴散和轉移更加迅速，并且中上游核心物流企業有更多渠道了解客戶具體需求，為滿足客戶對提高現有產品性能和新產品研發需要，其自然會投入更多資金、人力等進行研發活動，也就促進了企業創新[5]。據此，設置合作投入度、穩定性和透明度三個二元指標變量來分析合作因素對物流供應鏈創新的影響，其中投入度指合作企業人、財、物投入情況，穩定性則是指雙方或多方是否存在長期合作關系，而透明度是指合作信息的公開與對稱。

（3）外部環境因素

企業技術創新除了受到自身因素和供應鏈關系影響外，還受到企業所處市場環境及政府政策導向等外部環境因素影響[6]。考慮到不同發展戰略的企業對競爭對手感知不同，選用競爭激烈程度來描述企業所處的市場環境，并且物流企業受規模、所在城市等因素影響，其對政府政策導向的感知同樣存在差異，因此選取政府支持力度作為第二個外部環境因素測量指標。最后，長三角作為中國物流產業示范區域，雖總體水平遠高于全國平均水平，但其內部發展卻存在顯著的城市差異，基于既往研究結果[7]，將企業所在城市也作為影響創新的外部因素之一，為該變量設置對應變量值，即上海=1，合肥，南京，杭州，蘇州=2，其它=3。

綜合上述研究分析并結合現有資料查閱，初步確定物流供應鏈創新意愿的影響因素如表2所示：

2? 模型選擇與數據準備

2.1? 模型選取

本研究實證過程中選取的因變量和自變量指標多難以量化，或使用連續型變量值時無顯著變化，因此最終數據收集時均處理成二元或多元選擇變量，該特點符合Logistic回歸模型的使用場景，所以選用該模型來對數據進行初步分析[8]。Logistic模型的常用形式為：

ln=fx=α+∑βx+ε，i=1，2，…，n

其中：a為物流企業愿意進行技術創新的概率;1-a為不愿意進行技術創新的概率，x是模型的解釋變量;α和ε分別為常數項和誤差項;β則對應模型中各解釋變量的系數。

2.2? 數據收集

研究中采用問卷調查方式收集一手數據，以長三角地區物流企業管理層人員作為調查對象，通過線下紙質版和在線電子版相結合的形式向物流企業發放了150份問卷，其中直接發放紙質問卷30份，通過網絡形式發放問卷120份，剔除無效和問題問卷后共計回收有效問卷90份。樣本企業中上海市占比13.3%，南京、蘇州、杭州、合肥四市占比56.7%，其他城市占比30%;且有效樣本廣泛涉及不同規模企業，其中小微型企業占比43.3%，中型企業占比45.6%，大型企業占比11.1%，其余二級指標在樣本數據中的具體占比分布如表2的“樣本邊際百分比”一列所示。

3? Logistic-AHP混合模型的建立與求解

3.1? Logistic模型的建立與求解

本文使用SPSS22軟件對物流供應鏈節點企業技術創新影響因素下的9個二級指標數據進行建模求解，采用主效應模型，不經過逐步回歸直接指定進入模型的自變量，并勾選偽R方、模型擬合信息、擬合優度、分類表等統計量參數用于說明模型質量，最終得到多元Logistic模型回歸結果如表3、表4所示。

讀取模型擬合信息表中似然比檢驗指標，顯著性值遠小于0.05，說明基本模型有統計意義，通過檢驗。偽R方一列中依次計算出了考克斯—斯奈爾、內戈爾科和麥克法登這3個偽R方值，其中最低值為0.850，三個值均偏高，說明模型對原始變量變異的解釋程度良好，擬合程度優秀。此外，如表4所示的模型似然比檢驗表計算結果顯示，除x2外其余二級指標顯著性均小于0.05，同時考慮到原始數據中大中小型企業樣本數量嚴重失衡情況下該指標顯著性仍達0.081，故在誤差范圍內依舊保留物流企業規模這一指標作為物流供應技術創新的內部影響因素之一。

3.2? 改進AHP模型的建立與求解

Logistic多元回歸會對顯著性指標生成最終的參數列表，從而對目標值進行解釋和預測，但由于樣本數據造成的偏差常常使得部分指標值在回歸過程中被篩除。因此，本研究將傳統多元Logistic模型與層次分析法相結合，依據前者的變量系數調整專家判斷矩陣從而確定最終權重，即得到各個因素對物流供應鏈節點企業技術創新意愿影響程度。該方法既盡可能多地保留了可用的原始指標，也通過參考客觀模型系數值在一定程度上降低了層次分析法的主觀性。

首先以物流供應鏈節點企業技術創新A作為決策層，構建如表2所示的三層結構模型，利用Yaahp軟件生成專家評分表，以Logistic參數列表顯示的指標系數相對大小為依據，多次填寫1～9標度評分表格，最后采用加權算術平均法處理表格數據，得到最終的各層級判斷矩陣如表5所示。

選用和法計算判斷矩陣特征向量和特征根λ，歸一化后得出具體的指標權重如表2所示，再依次計算得各指標層A、B、B、B的一致性比率CR均小于0.1，表示通過總體一致性檢驗，可認為模型各指標權重安排合理，不需要重復修正。

3.3? 模型結果分析

Logistic-AHP混合模型最終計算結果顯示，二級指標中競爭激烈程度C、企業所在城市C、企業經營規模C、員工整體水平C、政府支持力度C、供應鏈合作穩定性C、企業家背景C7個因素權重從大到小的和為0.9516，表明以上7個因素較顯著地影響了調研范圍內物流供應鏈節點企業實施技術創新意愿，且3個一級指標中外部因素影響最大，企業內部因素影響次之，供應鏈合作因素對創新意愿影響最小。

（1）外部環境因素：行業競爭激烈程度和企業所在城市是長三角物流供應鏈節點企業技術創新外部環境因素中影響最大的兩個，且對競爭感知越明顯及所處城市經濟發展水平越高的物流企業，往往更愿意并有實施技術創新活動的迫切需要。樣本數據中有近70%的物流企業來自于滬、合、寧、蘇、杭五市，這也使得C與C的交互作用更加明顯，即一、二線城市物流企業確實能感知到更激烈的競爭環境。

此外，我國物流業與發達國家相比起步較晚，即使是長三角地區的中大型物流企業也有相當比例仍處于成長期，因此我國現行的大多數稅收激勵政策對這些盈利不穩定、具有一定經營風險并且信貸資金額度較低的物流企業來說，很難享受到實質的稅收優惠。而相對來說環境更為寬松的小微型物流企業，由于數量眾多、盈利能力弱、很長時期內尚處于“求生存”階段，也很難直接感知政府扶持和政策紅利[9]。所以，政府支持力度對物流企業技術創新雖影響顯著，但相較于以上兩個因素影響力稍弱。

（2）物流企業內部因素：樣本數據中小微物流企業占比88.9%，而大型企業僅占11.1%，極端數據呈偏態分布，使得單獨Logistic回歸結果中企業經營規模這一因素的影響不顯著，因此在混合模型中增加了C的得分，修正后將其權重調整為0.1278，處于顯著區間內。

單獨Logistic回歸還表明企業員工整體水平和管理層學歷背景對其創新活動有著顯著影響，這與混合模型結果一致。不難理解，樣本物流企業人才結構中54.4%處于中、高水平，超半數物流企業管理人員有過國內外高水平教育經歷，還有相當數量由高尖端人才團隊發起的技術型物流初創企業，這也是長三角經濟發達和區位優勢下獨特的人才現象，且隨著其物流網絡進一步升級和擴張，未來人才對技術創新的作用會更加突顯。

（3）物流供應鏈合作因素：供應鏈合作因素對物流企業技術創新的影響，按權重從大到小排序依次是穩定性、投入度和透明度。得益于長三角整體健康的物流環境，樣本數據中投入度和透明度水平均高于50%，較小的總體偏差使得區域內物流企業技術創新受二者影響也較小。而受2020年疫情影響，長三角原有物流供應鏈穩定性受到沖擊，樣本數據中近三分之二的企業表示當前供應鏈伙伴合作穩定性較差，其與上下游合作響應性、物流配送效率及運營成本等直接關聯，給物流企業實施技術創新帶來了更大風險，成為影響其創新活動較為顯著的因素之一。

4? 政策建議

首先，要鼓勵滬、合、寧、蘇、杭五市的物流企業展開創新合作，加強對附近城市的輻射和帶動作用，進一步保持長三角地區公平透明的物流行業環境，降低和清除行業競爭性技術的市場準入條件和障礙，努力建成以上海為核心、多個城市為副中心的創新型物流網絡。其次，要縮小與發達國家物流企業員工學歷水平的差距，繼續加大長三角物流人才引進和培育力度，尤其是高尖端智慧物流技術和管理人才[10]。同時引導各類創新要素向中心內頭部物流企業聚集，將市場競爭作為優化行業資源配置的首要手段，從而帶動中小企業進行技術創新。最后依托長三角的產業協同優勢，結合政府的統籌作用適當進行資源補充，加快建設開發完備的供應鏈共享信息平臺保障供應鏈運行穩定，為物流企業實施技術創新保駕護航。

參考文獻：

[1] 王祚宇. 基于大數據的電商平臺生鮮食品供應鏈優化研究[J]. 物流工程與管理，2021，43（1）：98-101.

[2] 丁景. 電子商務平臺企業發展戰略研究——以淘寶為例[J]. 物流工程與管理，2020，42（12）：104-106.

[3] 陳心媛，等. 新零售背景下盒馬鮮生運營策略研究[J]. 物流工程與管理，2020，42（11）：21-23，28.

[4] 閆晗. 精準扶貧視角下農產品農校對接問題研究[J]. 物流工程與管理，2020，42（11）：112-114.

[5] 趙巍. 競爭新形勢下互聯網企業品牌延伸策略研究[J]. 物流工程與管理，2020，42（9）：151-153.

[6] 王思賢. 貿易戰背景下我國木質家具出口對策研究[J]. 中國林業經濟，2020（5）：47-50.

[7] 高麗. 基于PCA-MLRM的大學生網絡信貸風險認知實證研究[J]. 中國林業經濟，2020（6）：138-141.

[8] 葉飛. 綠色供應鏈管理驅動因素、綠色設計與績效關系[J]. 科學學研究，2010，28（8）：1230-1239.

[9] 張然. 新形勢下國有糧食企業糧食物流管理對策研究[J]. 物流科技，2020，43（2）：36-38.

[10] 陳心媛. 基于AHP的菜鳥驛站末端物流服務質量提升研究[J]. 物流工程與管理，2021，43（1）：21-23，26.