基于多元回歸分析的區塊鏈技術對供應鏈金融的影響因素研究

崔春生 車利斌 高曉松 魏 盟

（河南財經政法大學計算機與信息工程學院，河南 鄭州 450046）

0 引言

區塊鏈技術作為一種新興的信息平臺，其去中心化、可追溯、防篡改等特點使其可以實現更高效的交易、更安全的數據管理和更精準的風險控制，應用潛力巨大，因而在物流和金融等領域得到了廣泛的關注和嘗試［1-3］。隨著區塊鏈技術的發展，人們對其在金融領域的研究也變得越來越深入。目前，研究已經逐漸向各種金融機制和應用場景拓展，例如數字貨幣、智能合約、證券交易等領域。同時，人們也開始探討區塊鏈技術對金融市場結構、風險管理、監管等方面的影響，這將有助于金融行業更好地應對挑戰并實現轉型升級。靳爽［4］在中小企業采用供應鏈金融模式中引入區塊鏈及其相關技術，并分析了區塊鏈作用于供應鏈金融的機理。謝欣［5］對順豐在供應鏈金融發展中面臨的風險、優化路徑及成效的研究，探討了區塊鏈技術在供應鏈金融發展中的作用。Yao 等［6］針對供應鏈金融管理存在操作信息不對稱、風險控制困難等問題提出了一種基于區塊鏈技術的供應鏈金融風險管理研究方法。已有相關文獻大多探討區塊鏈技術在供應鏈金融中的應用前景及局限性，但這些研究僅限于定性分析，缺乏具體的定量研究。

本研究基于樣本數據，以信息透明度、交易成本、融資效率、信任機制、技術成熟度等因素為自變量，探索區塊鏈技術在供應鏈金融中的影響因素［7］。本研究采用的方法是多元回歸法，該方法可以定量地分析不同變量對供應鏈金融發展水平的影響程度、方向及其重要性，另外通過回歸方程可以對各個自變量進行逐一排除，確定最有效的自變量，從而更精確地分析因果關系，能夠消除其他混淆因素的影響，以得出相對純粹的自變量與因變量之間的關系［8］。因此，在區塊鏈技術快速成長的市場背景下，需要從多個維度來探討其應用。研究發現，在推廣區塊鏈技術在供應鏈金融領域的應用時，需要在實際操作層面完善相關框架建設，否則可能存在一定問題。針對這些問題和挑戰，本研究提出了相應的建議，以期推動更多地區、企業參與到利用區塊鏈技術優化供應鏈金融中來。

1 研究背景

區塊鏈技術［9］是一種基于分布式賬本的去中心化數據庫技術，其最初在比特幣領域得到廣泛應用［10］。近年來，隨著供應鏈金融市場規模的擴大和數字化進程的加快，區塊鏈技術被逐漸引入供應鏈金融領域［11］。區塊鏈技術具有可信度高、信息透明、交易安全等特點，可以有效解決供應鏈中存在的信息不對稱、操作復雜、資金鏈斷裂等問題［12］。

供應鏈金融是一種通過向供應鏈中的企業提供融資來促進供應鏈發展的金融模式。它主要通過優化貨物流轉、資金流轉和信息流轉等方面，實現資金的高效利用和風險控制，滿足供應鏈各參與方的融資需求［13］。具體的供應鏈金融場景包括訂單融資、應收賬款融資、保兌倉融資、資金池融資等。這些場景都是根據供應鏈中各個環節的實際情況而設計的，以滿足不同企業的融資需求。

在具體的供應鏈金融場景中，供應鏈金融平臺可以根據各參與方的融資需求，通過數據分析、風控管理、資金管理等手段，實現供應鏈中融資環節的高效運轉。在供應鏈金融領域，區塊鏈技術通過提供創新的金融服務，可以幫助優化供應鏈金融流程、降低融資成本和風險，使得供應鏈各參與方之間的合作更加緊密，提高融資效率和透明度，進而增強整個供應鏈的競爭力。具體使用的區塊鏈環境包括公有鏈、聯盟鏈和私有鏈。公有鏈是一種完全去中心化的區塊鏈網絡，所有節點都可以參與區塊的生成、驗證和記錄。公有鏈具有高度的透明度和安全性，但其性能和可擴展性有限。聯盟鏈是一種私有的區塊鏈網絡，由多個參與方共同管理、共享數據，通過智能合約維護各方之間的信任。聯盟鏈相對于公有鏈，具有更高的性能、可擴展性和安全性，但其去中心化程度較低。私有鏈是一種完全私有的區塊鏈網絡，由一個實體或組織獨立管理和維護，只有授權的節點可以參與區塊的生成和記錄。私有鏈具有高度的性能和可擴展性，但其透明度和去中心化程度較低［14］。因此，將區塊鏈技術應用于供應鏈金融中具有重要意義。

供應鏈金融通過將核心企業與中小微企業捆綁在一起形成一個融資鏈條，其核心是鏈條上的中小企業利用核心企業的資信傳遞來提升自身的信用，并通過金融機構、物流企業等相關參與者達到融資目的，在緩解中小型企業資金不足、優化供應鏈結構、促進資金流動、提高資金利用率等方面都表現出了強勁作用。在區塊鏈技術應用于供應鏈金融過程中，“可信”“不可抵賴性”“去中心化”等因素是其得以在這個融資鏈條上發展壯大的基礎。但是區塊鏈進入供應鏈金融領域也會出現“水土不服”的情況，可以看到影響其在實際應用中取得良好運行效果的因素眾多，包括信息透明度、交易成本、融資效率、信任機制、技術成熟度等［15］。顯然，區塊鏈和供應鏈金融攜手已經成為業界不爭的事實，深入分析兩者之間的耦合關系，發現彼此的相關性及影響效應，進而揚長避短，有效地發揮兩者之間的互促效應，是推動供應鏈金融理論研究及區塊鏈技術應用研究的抓手。但是已有研究關注于定性因素的抓取，受囿于相關數據的獲取、供應鏈金融及區塊鏈相關技術標準的缺乏。一方面，各大金融機構制定了嚴格的數據保護機制；另一方面，從技術保護的角度來看，各個金融機構在這個新興領域的關注點也是千差萬別。因此，在本研究領域，數據的一致性問題很難保證，因素分析的過程中權重差異度較大，研究結果的針對性較強，但不具有普遍意義［16］。

2 多元回歸思想的引入

多元回歸是一種通過數學模型描述變量之間的線性關系，從而預測或解釋因變量變化的經典統計分析方法，目前被廣泛應用于社會科學、經濟學等領域［17-18］。在經濟學中，多元回歸分析被廣泛運用于影響因素的識別和排除可能的混淆［19-20］。相比其他數理方法，多元回歸適用范圍較廣，廣泛應用于自然試驗研究中，可得出穩定結果［21］。本研究將采用多元回歸方法解析供應鏈金融中區塊鏈技術的影響因素，以期提高研究可靠性和數據解釋能力。

多元回歸的基本思想是假設系統變量與各自變量之間存在統計線性相關關系，且可表示為式（1）。

多元回歸中相關系數的分析可以描述各個影響因素（自變量）對研究目標（因變量）的影響。描述這種關系的方法有兩種，一種是一元相關系數，另一種是偏相關系數。

2.1 相關系數

記回歸平方和為S回，剩余平方和為S剩，總平方和為S總=S回+S剩，則可得到式（2）至式（4）。

單相關系數（一元相關系數）：y對自變量xj的單相關系數不計其余自變量的影響，是y對xj進行一元回歸的相關系數。計算見式（5）。

偏相關系數Ry,j表示y與所有自變量x1,…,xk的整體線性相關程度，即各個自變量對因變量的影響程度。在計算某一自變量對因變量的偏相關系數時，將其他自變量作為常量處理。計算見式（6）。

2.2 回歸模型的統計檢驗

回歸模型的統計檢驗包括方程的顯著性檢驗和回歸系數的顯著性檢驗。

回歸方程的顯著性檢驗（F 檢驗）即在一定的顯著性水平下，檢驗假設ai= 0(i= 1,…,k) 是否成立［22］。

則當F＞Fα(k,n-k- 1)時否定假設，認為在顯著性水平α下，回歸模型有意義。

回歸系數的顯著性檢驗（t檢驗）即對每個自變量xi與y的相關關系單獨進行顯著性檢驗［23］。

假設H0:aj= 0,j∈{0,1,…,k}，有式（8）。

3 供應鏈影響因素的回歸分析

3.1 影響因素的提取

本研究參考供應鏈金融和區塊鏈技術這兩個領域的相關文獻、數據及業內專家的經驗進行分析和歸納，并結合多元回歸模型進行了量化分析。通過供應鏈金融中存在的問題及區塊鏈技術所能解決的問題，選取了信息透明度、交易成本、融資效率、信任機制、技術成熟度、數據安全性、信息互通性這七個主要因素作為評估標準，以此表示為X1、X2、X3、X4、X5、X6、X7，以更加全面地評估區塊鏈技術對供應鏈金融的影響。影響因素描述見表1。

表1 影響因素描述

本研究中所涉及的5 個相關公司的七項數據，大部分是以CSMAR（國泰安）數據庫為基礎通過Python 爬蟲等方法獲取，對于一些不易直接得到的數據則通過已有數據通過技術處理轉化為研究所需數據。

本研究提取5 個具有典型特征的科技公司作為研究對象，依次表示為A1、A2、A3、A4、A5，選取公司的標準見表2。

表2 典型科技公司選擇標準

對7 個主要指標及其他因素分析比較后得出的5 個公司進行數據搜集、處理，為方便計算，研究文章已對各影響因素單位進行了初步統一處理，整合之后得到表3。

表3 公司綜合得分統計

3.2 多元回歸分析

3.2.1 數據處理。首先對數據清洗，通過SPSS 軟件進行數據清理，檢測和糾正可能存在的異常值、無效數據、缺失值等。檢測自變量之間的共線性，由于不同自變量之間可能會互相影響，首先，必須確定它們之間是否存在共線關系。其次，針對提供的數據，使用SPSS軟件計算各個自變量的方差膨脹因子（VIF），并檢查其是否超過10，在這里移除其中重復或冗余變量，并保存剩余變量作為分析的輸入因素。最后，基本假定條件檢驗，在進行回歸分析之前，還需檢測所用數據集是否滿足基本假定條件，如果符合要求，則可以繼續進行多元回歸分析。

3.2.2 回歸分析。選擇合適的回歸方法后，在SPSS中設置回歸模型，將因變量Y和自變量X1到X7添加到模型中。模型估計時，需要指定一個方法來計算回歸系數，這里使用OLS（最小二乘法）。

3.2.3 求得回歸方程。在一系列統計方法和模型驗證之后，得到以下回歸方程，見式（9）。

式中：X1表示信息透明度，X3表示融資效率，X6表示數據安全性，而X2、X4、X5和X7（交易成本、信任機制、技術成熟度和信息互通性）因相關性不高而被篩除。

3.2.4 回歸方程精度檢驗。使用ANOVA法檢驗模型的顯著性，該方法通過比較從總體中抽取樣本所得到的差異大小與所期望的隨機誤差，來判斷模型在哪種程度上符合現實情況。借助SPSS軟件，計算得到F值為68.593。在此基礎上提出以下假設。

假設H0：所有自變量的回歸系數均為零（即自變量不顯著），對應的備擇假設是至少一個自變量的系數不為零；使用SPSS軟件計算顯著小于0.05。

因此，拒絕了原假設，并得出結論：自變量對Y的回歸系數存在顯著性影響。

3.2.5 計算回歸系數。回歸系數是指自變量與因變量之間的關系系數。這里使用OLS 方法計算回歸系數，并進行t檢驗，以確定回歸系數是否顯著。具體步驟如下：

查看SPSS 生成的回歸系數表格，可以看到X1、X3和X6的系數為正，且在一個很高的置信水平下達到統計顯著水平。

以X1為例，其回歸系數為735.129，對應的t值為9.536，而且t值顯著大于2，意味著該系數對應的自變量信息透明度確實與因變量供應鏈金融發展程度存在相關性。

4 總結與展望

根據這些影響因素，提出以下幾點改善方案。

4.1 提高信息透明度

采用區塊鏈技術可以實現供應鏈中所有參與方之間信息的共享和可追溯，從而提高信息透明度。同時，監管機構應加強對區塊鏈技術應用的政策支持和激勵，促進區塊鏈技術在供應鏈金融領域的廣泛應用。

4.2 提升融資效率

采用區塊鏈技術可以實現供應鏈信息共享的真正價值，包括基于智能合同的快速支付、資產債權的交易和流轉等，從而提高整個供應鏈金融的融資效率并降低成本。此外，金融機構和供應商應密切合作推動基于區塊鏈金融服務的開發和推廣。

4.3 增強數據安全性

利用區塊鏈技術可以實現數據防篡改、抗攻擊、不可篡改等特性，從而保證數據的安全性。同時，也需要加強對區塊鏈技術本身的安全性防范，包括密鑰管理、身份驗證和網絡安全等。

總之，通過采用區塊鏈技術來實現供應鏈金融的信息透明度提高、融資效率提升及數據安全性增強等方面的改進措施，可以促進整個供應鏈金融生態的發展，為金融機構和供應商帶來更多的機會和收益。

同時，多元回歸模型假設各變量之間存在線性關系，而實際上有變量之間并不存在線性關系，這會使結果產生偏差。采用多元回歸分析方法要求大量的樣本數據量和可靠的數據來源，如果樣本數目較少或數據的質量較差，分析結果就可能有誤。改進研究方法及提供更可靠的數據仍然是今后研究的重點。