農(nóng)村電商生態(tài)系統(tǒng)發(fā)展中的金融支持研究

馬璇 閆建

內(nèi)容摘要：農(nóng)村電商的快速發(fā)展開辟了農(nóng)村經(jīng)濟的增長點，為解決“三農(nóng)”問題提供了新的思路，但發(fā)展基礎(chǔ)薄弱的客觀事實決定了資金是重要的發(fā)展限制因素。文章基于灰色關(guān)聯(lián)度理論，對影響農(nóng)村電商生態(tài)系統(tǒng)發(fā)展的金融支持變量和其他經(jīng)濟變量進行關(guān)聯(lián)度分析，并在此基礎(chǔ)上構(gòu)建金融支持的VAR模型，實證分析不同金融變量對農(nóng)村電商生態(tài)系統(tǒng)發(fā)展的影響程度，為促進農(nóng)村電商生態(tài)系統(tǒng)的健康發(fā)展提供金融支持層面的客觀依據(jù)。

關(guān)鍵詞：金融支持 農(nóng)村電商生態(tài)系統(tǒng) 灰色關(guān)聯(lián)度 VAR模型

農(nóng)村電商生態(tài)系統(tǒng)的金融支持作用機制

（一）金融供給層面

首先是農(nóng)村存量資金的提升，我國農(nóng)村電商的發(fā)展目前處于快速發(fā)展階段，技術(shù)、物流等關(guān)鍵要素的發(fā)展都對金融支持提出了強烈的需求，金融機構(gòu)對農(nóng)村存量資金的積累保障了電商生態(tài)建設的資金來源。其次是資金的有效傳導和配置，金融機構(gòu)對農(nóng)村電商信貸需求項目的審批把關(guān)可以促進優(yōu)質(zhì)農(nóng)村電商企業(yè)的發(fā)展，提升資金的使用效率，并在電商系統(tǒng)與金融機構(gòu)的融合發(fā)展中對電商信息和產(chǎn)業(yè)信息進行數(shù)據(jù)化處理，為制定金融決策提供依據(jù)。最后是緩解風險，金融保險機構(gòu)在農(nóng)村電商生態(tài)系統(tǒng)發(fā)展中可以對產(chǎn)業(yè)鏈的不同環(huán)節(jié)進行風險分擔。

（二）物流建設層面

首先，金融支持解決了農(nóng)村物流發(fā)展中的支付結(jié)算問題。隨著農(nóng)村道路交通等基礎(chǔ)設施建設的不斷完善，農(nóng)村物流發(fā)展存在著多種運輸配送方式，并覆蓋了倉儲、配送、包裝等眾多附加服務，在支付結(jié)算方式上也存在資金流通快、流量大等問題。金融支持在支付結(jié)算上為農(nóng)村物流提供了委托收款、信用貸款及便捷支付等渠道，保障了農(nóng)村物流發(fā)展資金的安全性和流動性需求。其次，金融支持為農(nóng)村物流提供了多元化融資渠道。農(nóng)村電商發(fā)展中的物流需求一般依賴自建物流和三方物流實現(xiàn)，金融支持提供了有效的信貸擔保作用。金融機構(gòu)通過農(nóng)村聯(lián)保、實物抵押等方式為農(nóng)村電商的物流發(fā)展提供了有效的融資途徑，相比民間借貸大大降低了融資成本，促進了農(nóng)村物流的良性健康發(fā)展。最后，金融支持緩解了農(nóng)村物流的經(jīng)營風險。物流發(fā)展中的倉儲和配送面臨交通事故、裝卸搬運甚至自然災害等眾多不可預判風險，突發(fā)的高損失風險可能導致物流企業(yè)直接倒閉，金融支持中的各類保險業(yè)務有效的規(guī)避了農(nóng)村物流發(fā)展中的風險，為農(nóng)村物流健康發(fā)展提供保障，同時也促進了農(nóng)村地區(qū)金融保險行業(yè)的發(fā)展。

（三）電商平臺和信息化建設層面

電商平臺和信息化建設是農(nóng)村電商生態(tài)系統(tǒng)建設的核心環(huán)節(jié)，直接關(guān)系到網(wǎng)購顧客在電商平臺交易中的消費便捷性與滿意度，而整合農(nóng)村電商線上線下交易和管理平臺需要大量的資金支持。首先，農(nóng)村電商線上交易平臺需要不斷提升信息化水平，目前交易成功較高的電商平臺基本為自主平臺模式，相對合作交易平臺模式而言，自主平臺模式的投資成本更高，因此對資金的需求更大。其次，農(nóng)村電商線下交易平臺管理對資金需求也十分高，平臺管理中的人力成本、技術(shù)購買和信息系統(tǒng)維護升級等都需要高效的金融支付實現(xiàn)。綜上，金融支持對農(nóng)村電商生態(tài)系統(tǒng)發(fā)展中的電商平臺和信息化建設具有重要的推動作用。

農(nóng)村電商生態(tài)系統(tǒng)發(fā)展中的金融支持實證分析

（一）指標選取與數(shù)據(jù)來源

農(nóng)村電商生態(tài)系統(tǒng)發(fā)展建立在農(nóng)村電商的基礎(chǔ)上，本文通過梳理眾多文獻（胡愈（2007）、陳治國（2014）、王紅柳（2016）等），鑒于樣本處理在數(shù)據(jù)可得性和時間有效性的分析需求，選取農(nóng)村電商用戶數(shù)量作為農(nóng)村電商發(fā)展的變量指標，同時也是農(nóng)村電商生態(tài)系統(tǒng)發(fā)展的替代變量指標，選取農(nóng)村財政補貼、農(nóng)村固定資產(chǎn)投資、金融機構(gòu)的農(nóng)業(yè)貸款余額和農(nóng)村貸款余額作為金融支持的變量指標，選取農(nóng)村居民收入增速、農(nóng)村居民消費支出增速、農(nóng)村貨物周轉(zhuǎn)量增速、農(nóng)村人均GDP增速和農(nóng)業(yè)類服務網(wǎng)站增速作為其他經(jīng)濟意義上的影響變量。所有數(shù)據(jù)來自歷年的《中國統(tǒng)計年鑒》、《中國金融年鑒》、《中國電子商務年鑒》和《中國交通年鑒》，時間樣本選取2000-2015年數(shù)據(jù)。

（二）數(shù)據(jù)處理與關(guān)聯(lián)度計算

數(shù)據(jù)處理。鑒于指標體系在影響農(nóng)村電商生態(tài)系統(tǒng)發(fā)展上存在影響程度差異和不同變量間可能存在的重復計算等原因，本文采取灰色關(guān)聯(lián)度分析方法對農(nóng)村電商生態(tài)系統(tǒng)的影響變量進行無量綱化處理。原始指標處理后的時間序列具體如下：

上式中的 xi（j）表示在j時間節(jié)點上的i指標數(shù)值，經(jīng)過初值化處理過的新序列用 yi表示。根據(jù)（1）式定義的指標參考序列與比較序列，{y0} 與{yi} 在時間 t上的關(guān)聯(lián)系數(shù)可以推導為式（2）：

其中分辨系數(shù)用 σ=0.5表示；整體序列第 t時刻的差值表示為 |y0（t）-yi（t）|。

指標的關(guān)聯(lián)度計算。對式（1）原始指標序列初值化處理后代入式（2），通過灰色關(guān)聯(lián)度對影響農(nóng)村電商生態(tài)系統(tǒng)發(fā)展的金融支持及其他經(jīng)濟變量因子的相關(guān)度和排序如表1所示。

從表1可以看出，本文選取的各指標體系與農(nóng)村電商生態(tài)系統(tǒng)的發(fā)展存在差異化的關(guān)聯(lián)性，從高到低關(guān)聯(lián)度排序依次是農(nóng)村固定資產(chǎn)投資、農(nóng)業(yè)貸款余額、農(nóng)村居民消費支出增速、農(nóng)村人均GDP增速、農(nóng)村財政補貼、農(nóng)村貸款余額、農(nóng)村貨物周轉(zhuǎn)率增速、農(nóng)村居民收入增速和農(nóng)業(yè)類服務網(wǎng)站增速。

（三）金融支持因子的VAR分析

模型構(gòu)建與指標選擇。農(nóng)村電商生態(tài)系統(tǒng)發(fā)展中的農(nóng)村財政補貼、農(nóng)村固定資產(chǎn)投資等變量作為VAR模型的內(nèi)生變量滯后值，在此函數(shù)基礎(chǔ)上構(gòu)建的模型如式（3）。

公式（3）中： yt是m維內(nèi)生變量列變量； xt是d維外生變量列變量；A1…Ap和 B1…Br是待估計的參數(shù)矩陣；p和r分別為內(nèi)生變量和外生變量的滯后階期，εr是m維隨機擾動項；隨機擾動項與生變量列變量和外生變量列變量同期相關(guān)，但不能與自身滯后值和模型右邊的變量相關(guān)。對表1各指標進行一階差分處理消除多重共線性后選取的金融支持VAR模型指標如下：農(nóng)村電商用戶數(shù)量（REC）、農(nóng)村財政補貼（RFS）、農(nóng)村固定資產(chǎn)投資（RFI）、農(nóng)業(yè)貸款余額（ATB）、農(nóng)村貸款余額（RIB）。

ADF單位根檢驗。為避免“偽回歸”現(xiàn)象，Johansen協(xié)整檢驗系統(tǒng)條件下的ADF單位根檢驗結(jié)果如表2所示。

根據(jù)表2ADF單位根檢驗結(jié)果，原始序列REC、RFS、RFI、ATB、RIB的臨界值為3.9302、2.9657、3.7329、3.0682和4.2104，均大于1%水平下的臨界值，表示原始變量數(shù)據(jù)的不穩(wěn)定特征。一階差分序列的ADF單位根檢驗結(jié)果是-2.2118、-1.0824、-1.4025、-0.8703和-2.2044，均小于1%水平下的臨界值拒絕存在單位根假設，說明一階差分后的序列表現(xiàn)為平穩(wěn)，因此變量序列REC、RFS、RFI、ATB和RIB服從I（1），同理可以證明REC、RFS、RFI、ATB和RIB服從I（1）；WGDP、CZSR、HWZZ和GDZC服從I（1）。

協(xié)整檢驗和因果檢驗。ADF單位根檢驗結(jié)果證明農(nóng)村電商生態(tài)系統(tǒng)發(fā)展中的REC、RFS、RFI、ATB和RIB序列均服從I（1），各一階變量的Johansen極大似然估計結(jié)果如表3所示。

根據(jù)表3 的Trace統(tǒng)計量，不存在協(xié)整向量的統(tǒng)計值和最多存在1個協(xié)整向量的統(tǒng)計值均大于臨界值，在5%顯著水平下的臨界值拒絕原假設，最多存在2個協(xié)整向量的統(tǒng)計量小于臨界值，證明接受原假設。在此基礎(chǔ)上運用χ2分布方法對各變量序列進行Granger因果檢驗，來判定其他變量的滯后影響，檢驗結(jié)果如表4所示。

通過表4可以看出，農(nóng)村電商生態(tài)系統(tǒng)的因變量REC拒絕農(nóng)村財政補貼、農(nóng)村固定資產(chǎn)投資、金融機構(gòu)的農(nóng)業(yè)貸款余額和農(nóng)村貸款余額的原假設，說明農(nóng)村財政補貼、農(nóng)村固定資產(chǎn)投資等自變量是影響農(nóng)村電商生態(tài)系統(tǒng)發(fā)展的金融支持Granger原因；而自變量農(nóng)村財政補貼、農(nóng)村固定資產(chǎn)投資、金融機構(gòu)的農(nóng)業(yè)貸款余額和農(nóng)村貸款余額之間的F統(tǒng)計值接受原假設，反應出變量相互之間不存在Granger因果關(guān)系。

VAR估計結(jié)果。根據(jù)前文對指標選取和協(xié)整檢驗后，農(nóng)村電商生態(tài)系統(tǒng)金融支持的VAR模型估計結(jié)果如表5所示。

農(nóng)村電商生態(tài)系統(tǒng)的金融支持VAR模型用方程形式表述分別如下：

REC=0.2055×REC（-1）+0.3603×RFI+0.2766×RFS+ 0.2582×ATB+0.1768×RIB

上式可以看出農(nóng)村固定資產(chǎn)投資、農(nóng)村財政補貼、農(nóng)業(yè)貸款余額和農(nóng)村貸款余額均對農(nóng)村電商生態(tài)系統(tǒng)的發(fā)展產(chǎn)生正向的金融支持效果。其中，農(nóng)村固定資產(chǎn)投資的促進效果最好，影響因子為0.3603，反應農(nóng)村固定資產(chǎn)投資每增加1個單位，為農(nóng)村電商用戶數(shù)量帶來0.3603個單位的增加，同理農(nóng)村財政補貼、農(nóng)業(yè)貸款余額和農(nóng)村貸款余額的金融支持效應分別為0.2766、0.2582和0.1768。金融支持對農(nóng)村電商生態(tài)系統(tǒng)發(fā)展的作用從高自低依次是農(nóng)村固定資產(chǎn)投資、農(nóng)業(yè)貸款余額、農(nóng)村財政補貼和農(nóng)村貸款余額，充分反映了農(nóng)村電商生態(tài)系統(tǒng)建設尚處于初期階段，政府的投資在生態(tài)系統(tǒng)發(fā)展中占據(jù)了主導地位，因此體現(xiàn)在固定資產(chǎn)投資和農(nóng)村財政補貼的影響因子較大，尤其是農(nóng)業(yè)經(jīng)濟發(fā)展相對緩慢的農(nóng)村地區(qū)在進行農(nóng)村電商發(fā)展中對政府的財政扶持依賴程度更大，金融機構(gòu)對農(nóng)村電商的信貸支持并沒有通過市場經(jīng)濟體制充分發(fā)揮出金融支持功能，這也從側(cè)面反映了農(nóng)村發(fā)展中的市場經(jīng)濟體制改革還有待于進一步的深化，以促進金融資源的有效流通和配置。

結(jié)論

本文通過分析金融支持對農(nóng)村電商生態(tài)系統(tǒng)的作用機制發(fā)現(xiàn)，金融供給、物流建設和電商平臺與信息化建設是金融支持的三個層面，其中金融供給層面的作用機制是農(nóng)村存量資金的提升、資金的傳導與配置和緩解風險；物流建設層面的作用機制體現(xiàn)在金融支持解決了農(nóng)村物流的支付結(jié)算、為農(nóng)村物流提供融資渠道和緩解農(nóng)村物流經(jīng)營風險上；在電商平臺與信息化建設方面，金融支持為農(nóng)村電商線上線下交易和管理平臺的資源整合提供了資金扶持。實證分析發(fā)現(xiàn)，金融支持要素中的固定資產(chǎn)投資、農(nóng)村財政補貼和農(nóng)業(yè)貸款余額與農(nóng)村電商生態(tài)系統(tǒng)發(fā)展的關(guān)聯(lián)度最高，進一步的VAR檢驗發(fā)現(xiàn)農(nóng)村固定資產(chǎn)投資、農(nóng)村財政補貼、農(nóng)業(yè)貸款余額和農(nóng)村貸款余額均對農(nóng)村電商生態(tài)系統(tǒng)的發(fā)展產(chǎn)生正向的金融支持效果，尤其是農(nóng)業(yè)經(jīng)濟發(fā)展相對緩慢的農(nóng)村地區(qū)對政府的投資依賴程度更大，金融機構(gòu)對農(nóng)村電商的信貸支持需要通過農(nóng)村市場經(jīng)濟體制的深化進一步發(fā)揮金融支持功能。

參考文獻：

1.洪勇.我國農(nóng)村電商發(fā)展的制約因素與促進政策[J].商業(yè)經(jīng)濟研究，2016（2）

2.劉雯.關(guān)于電子商務推動我國農(nóng)村消費市場發(fā)展研究[J].農(nóng)業(yè)經(jīng)濟，2015（11）

3.王勝，丁忠兵.農(nóng)村電商生態(tài)系統(tǒng)—一個理論分析框架[J].中國農(nóng)村觀察，2015（4）

4.朱品文.農(nóng)村電商發(fā)展困境及對策分析[J].商業(yè)經(jīng)濟研究，2016（5）

5.劉思峰，蔡華楊，英杰，曹穎.灰色關(guān)聯(lián)分析模型研究進展[J].系統(tǒng)工程理論與實踐，2013（8）

6.王軍，鄒廣平，石先進.制度變遷對中國經(jīng)濟增長的影響—基于VAR模型的實證研究[J].中國工業(yè)經(jīng)濟，2013（6）

7.尹燕，張宇青，周應恒.我國對外貿(mào)易依存度與農(nóng)業(yè)經(jīng)濟增長—基于面板誤差修正模型和面板VAR的實證分析[J].宏觀經(jīng)濟研究，2013（11）