原创《电子商务视角下的农产品流通效率》
该文是电子商务方面毕业论文模板范文与电子商务视角和流通和农产品方面自考毕业论文范文。
何小洲,刘丹
（重庆大学 经济与工商管理学院,重庆 400044）
摘 要：农产品流通效率与人民生活息息相关,电子商务应当成为农产品流通效率测量的新指标.运用DEA- BC2 模型和Malmquist指数对我国31个省的面板数据进行分析,得到了与以往不同的指标测量结果：西部地区全要素生产率最高,东部次之,中部最差；西部地区在投入电子商务环境、完成基础设施建设的前提下,获得了更大的效率增长率.在此基础上,建议改善全国农产品流通效率需要,制定全国性战略规划,着力发展现代网络科技,用科技创新缩短东中西部的差距.
关键词：农产品流通；指标体系；DEA Malmquist；电子商务；农产品流通效率
中图分类号：F321.42文献标识码：A 文章编号：1009－9107（2018）01－0058－08
收稿日期：20170514DOI:10.13968/j.cnki.1009－9107.2018.01.08
基金项目:国家自然科学基金项目（1010200320140086）
作者简介：何小洲（1962-）,女,重庆大学经济与工商管理学院副教授,博士,主要研究方向为循环经济与可持续发展.
“三农”问题历来是社会各界关注的重点问题.农民增收、农村发展以及城镇居民生活水平提高对农产品流通效率提出了新的要求.但是,基建落后、运输损耗、流通耗时等问题一直是阻碍农产品流通效率提高的障碍.随着物流系统的改善和网络科技的发展,电子商务逐渐在农产品流通过程中发挥重要促进作用.电商平台的加入为农产品流通拓展了一条新渠道,也为提高农产品流通效率提供了新的思路.尽管如此,我国东中西部农产品流通仍然呈现发展不均衡的现状.基于现实情况,搭建农产品流通衡量体系、准确测量各地区流通效率是诊断当前我国农产品流通问题的重要环节,也是为提高农产品流通效率提供解决办法的基础和前提.本文从投入和产出角度出发,通过DEA Malmquist系数对我国31个省的数据进行分析,系统客观地评价我国东中西部地区从2010—2015年农产品流通效率变化趋势,分析其规律并给出相关建议.
一 、文献综述
在对农产品流通效率定义的认识上,国外学者普遍认同Shepherd G. S.的说法,即流通效率等于流通产品的总价值与流通总成本比值［1］.在上述类似定义下, Semrmadevir R.Subramanian用生产者所得占零售的比重以及技术效率、 物理效率和效率3个指标来评价生鲜农产品流通效率［2］.Kumar R. 和 Husain N.从北方邦哈密尔普尔地区鹰嘴豆入手,通过调查各流通环节的差价,从不同流通渠道证明运输设备、存储设施、市场管制等因素与流通成本呈负相关,与流通效率呈正相关关系［3］.Seiichi Fukui采用“结构-行为-绩效”分析框架发现,随着流通成本和流通价差的增加,流通效率呈下降趋势［4］.
我国目前对农产品流通的研究集中在指标建立、模式对比以及供应链的效率提升这几方面.农产品流通效率无法用单一指标进行衡量.寇荣等从社会关注的、流通者关注的、生产者关注的、消费者关注的流通指标提出了关于农产品流通速率提高的分析框架［5］;张磊等用市场整合度、市场集中度、技术效率、消费者满意度、流通差价、交易费用、流通时间7项指标来综合评价流通效率的高低［6］;孙剑从宏观层面,将农产品流通速度、流通效益和流通规模3类12 项指标分层纳入我国农产品流通效率测度的指标体系［7］;陈耀庭等利用流通成本、流通费用率、利润率、生产者分得比率4个指标对4种流通模式的流通效率进行了测试［8］.
在农产品流通效率对比与影响因素研究中,杨宜苗等围绕农户、经纪人、批发市场、合作社和超市等主体,分别对比了3种合作模式下的流通成本、效率以及利润分配情况,以选择优势互补的最佳组合［9］；龚梦等从供应链参与主体的角度出发,在比较以龙头企业、连锁超市、产销一体化企业、农民合作组织、批发市场为核心的农产品流通渠道之后,认为我国现阶段应优先发展以批发市场为核心的农产品供应链［10］；郭鸿鹏等通过实证研究经营主体空间分布格局,对我国农产品电商提出发展物流、深化农业现代化程度而非规模等建议［11］；赵晓飞等研究了美、日农产品流通渠道变革过程和特征并与我国情况进行对比,运用结构方程模型(SEM)对农产品流通渠道变革的影响因素进行实证分析并得到“渠道权力变迁是推动农产品流通渠道变革的主要内因”等结论［12］；徐良培、欧阳小迅、孙金秀等利用DEA相关方法,测量农产品流通效率及其影响因素,但都未提及或强调电子商务的主导作用［1315］.
以互联网为基础的信息交流技术(ICT),如电子邮件、传真、电子数据和综合电子商务等的加入和使用给农产品流通效率带来极大的正面效应.Anna Nagurney 指出,电子商务在供应链管理中的应用能够有效降低供给侧与需求侧的风险,从而获得多层级决策者的青睐［16］;电子商务中由于加入IT技术的应用,对供应链集成与绩效均有正向影响［17］;在消费者喜好调查方面,电子商务能进行大数据的收集、存储、计算和分析,从而为企业带来新的竞争优势［18］;电商直面消费者的“去中介化”效应,使得商品不再经手经销商和零售商,从本质上使供应链协作结构产生巨变,从而使得产品流通效率飞速提升［19］.向敏等利用遗传算法模型,针对电子商务环境下农产品配送设计了一种支持根据购买意向大小排序的移动电子商务智能系统,从而实现配送路径优化［20］.然而目前文献多聚集在电子商务渠道的模式分析,对效率问题极少涉及.
从国内外学者的研究视角和研究方法可以看出,国外学者对农产品流通研究较少,主要集中在定性范围,电子技术的运用也多集中在供应链研究;国内学者对传统渠道下的农产品流通效率指标研究较多,但缺乏电子商务视角下的农产品流通效率指标设计,对电子商务促进流通效率的结论多由定性研究得出,亦缺乏电商针对各省农产品效率的比较研究.因此本文将电子商务纳入评价体系框架,设计电商环境下的农产品流通新指标体系,并利用DEA Malmquist模型针对我国各省农产品流通效率进行对比分析.
二、 指标选取与体系检验
(一)体系构建
根据经典的柯布道格拉斯生产函数,指标体系的设定从劳动力、资金、技术三方面分别着手.本文参考孙剑［7］与孙金秀［15］等人构建的指标体系,并加入相关的电子商务类指标,共提炼出8个构成明显的“投入”与“产出”共两组指标,然后选择农产品电子商务产值和电商信息化投入水平作为电子商务对农产品流通效率具有明显影响的指标,构成农产品投入产出指标体系,见表1.
表1农产品流通投入产出指标体系
指标
类型选取标准指标名称
投入
指标资本类指标农产品流通业固定资产投资额
劳动类指标农产品流通业从业人员
传统技术类指标信息化投入水平
电子商务类指标农产品电商企业规模
农产品快递业务规模
产出
指标
反映农产品流通业水平农产品流通业产值
反映农产品流通业技术化、信息化物流配送化程度
反映农产品电子商务业绩水平农产品电子商务产值
在数据选取中,由于《中国统计年鉴》和地方年鉴缺乏农产品电子商务省际间统计数据,故采用该省农业生产总值占GDP的比值作为农产品生产流通贡献率,再分别与各省电子商务类指标相乘,视为农产品流通电子商务类数据.其中传统技术类指标用信息传输、软件和信息、技术服务业固定资产投资额表示;农产品电商企业规模采用阿里研究院公布的电子商务服务企业数量表示;农产品快递业务规模用该省快递业务量乘以该省农业生产总值占总GDP比值来表示;物流配送化程度用连锁零售企业和连锁餐饮企业统一配送商品购进额占社会消费品零售总额的比重乘以该省农产品生产流通贡献率来表示;农产品电子商务产值采用中国电子商务研究中心公布的农产品网络零售交易额表示.
(二)指标体系效果检验
构建指标体系需遵循结构合理与结果有效的标准,本文通过冗余度和灰度2个角度分别检验该指标体系的合理性和有效性.
1.冗余度.冗余度考察指标体系中是否存在高度相关的、多余的指标,以保证体系中的各指标彼此独立.一般使用RD(redundancy degree)来表示,其计算形式用公式表示如下:
RD等于Σi等于1nΣj等于1n｜rij｜-nn2-n
其中,n表示该体系中的指标个数,r表示指标间的相关系数.RD值越小表明指标体系的冗余度越小,一般情况下,只要RD值在0.5以内,则认为该指标冗余度在可接受范围内,指标间是低相关的;反之,如RD值大于0.5,则证明该体系冗余度过大,不能用于进一步研究.
通过SPSS测算出2010-2015年每年指标间的相关性,得到Σi等于1nΣj等于1n｜rij｜,再分别代入上述公式,得到的RD值分别为0.40,0.39,0.41,0.37,均在0.5范围内,故认为该指标体系冗余度是可接受的.
2.灰度.灰色关联度用于分析系统中各个子系统变化的态势,如果两个子系统之间的同步变化较一致,则可以认为该系统有效性较高.因此,灰色关联度能够提供系统发展变化的量化关联数据,适合多年数据的动态历程分析.其计算原理如下:
ξoi等于Δ(min)+ρΔ(max)Δoi(k)+ρΔ(max)
ri等于1NΣnk等于1ξi(k)
其中,ξoi表示关联系数,ρ为分辨系数,通常取0.5.Δmin是两级最小差,Δmax是两级最大差.Δoi(k)为各比较系统数列曲线上的每一个点与参考系统数列曲线上的每一个点的绝对差值.
ri为关联系数的平均值,即为灰色关联度.一般当关联度越接近于1,说明灰色关联度越强.当关联度大于0.6时,关联性较为显著;当关联度大于0.85时,关联较为密切.
利用Matlab计算出的投入指标与产出指标间的灰色关联度均超过了0.7,由此可证明该套指标体系有效性较强,能够为农产品流通研究提供较好的数据支撑.
(三)分析方法
1.DEA-BC2模型.数据包络模型(DEA)由美国运筹学家Charnes最早提出,是一种测算客观效率的数学规划模型,它通过“输入”和“输出”同类的决策单元来评价相对有效性,其优势在于避免评价中的主观因素,并简化算法、减少误差.BC2模型的优势在于可以评价不同决策单元(DMU)之间的相对技术有效性.
假设存在n个可比的DMU,每个DMU都有m种输入,并获得s种输出,
xj等于（x1j,x1j,…,xmj）T表示第j个DMU的输入指标值,yj等于（y1j,y2j,…,ysj）T表示第j个DMU的产出指标值.
对第jo个DMU进行效率评价的具有非阿基米德无穷小的BC2模型表示为:
DBC2minθ-ε(TS-+eTS）+,
s.t.Σnj等于1xjλj+S-等于θxjo,
Σnj等于1yjλj+S+等于yjo,
Σnj等于1λj等于1,
S-≥0,S+≥0,λj≥0,j等于1,2,…,n
其中,ε为阿基米德无穷小量,S-和S+分别表示投入冗余或产出不足,且T等于(1,1,…,1)∈EM,eT等于等于(1,1,…,1)∈EM.θ为综合效率(TE),可分解为技术效率和规模效率.当θ等于1时,决策单元DEA表现为有效;θ＜1时,则DEA无效.
2.Malmquist指数模型.DEA的研究方法取得了大量进展,其中,Malmquist指数侧重于观察多期指标的相对变化,因此有助于分析从2010-2015年间我国31个省市（区）农产品流通效率的动态变化情况.
Malmquist指数的构造基础是距离函数,即DEA理论中C2R模型和BC2模型效率值的倒数.它衡量的是全要素生产率从t期到t+1期的动态变化指数.
假设存在n个决策单元,每个决策单元在t时期使用m种输入获得s种输出.
xtj等于(xt1j,xt2j,…,xtmj)T表示第j个决策单元在t期的输入指标值,ytj等于(yt1j,yt2j,…,ytsj）T表示第j个决策单元在t期的输出指标值.
令(xy,yt)在t期的距离函数为DtC(xt,yt),在t+1期的距离函数为Dt+1C(xt,yt);在t期的xt+1,yt+1距离函数为DtC(xt+1,yt+1),在t+1期的距离函数为Dt+1C(xt+1,yt+1).
在t期的技术条件下,从t期到t+1期的技术效率变化为Mt等于DtC(xt+1,yt+1)DtC(xt,yt)；在t+1期的技术条件下,从t期到t+1期的技术效率变化为
Mt+1等于Dt+1C(xt+1,yt+1)Dt+1C(xt,yt).2个Malmquist生产率指数的几何平均值即为t期到t+1期生产率的变化.
M(xt,yt,xt+1,yt+1)等于(Mt*Mt+1)12等于［ DtC(xt+1,yt+1)DtC(xt,yt)×Dt+1C(xt+1,yt+1)Dt+1C(xt,yt)］12
当Malmquist指数大于1时,表明从t期到t+1期的全要素生产率呈上升趋势,效率有所提高;当Malmquist指数等于1时,表明从t期到t+1期的全要素生产率不变,效率未发生变化;当Malmquist指数小于1时,表明从t期到t+1期的全要素生产率呈下降趋势,效率有所降低.
3.Malmquist指数分解模型.将Malmquist系数进一步可分解为技术进步指数(TC)和综合技术效率变化指数(TEC),TC表示企业从t期到t+1期生产前沿面的移动,代表技术变化的程度,一般在生产活动中反映技术进步或创新的程度.若TC>1,则表示生产边界外移,整体产业技术进步;若TC<1,则反之.TEC表示从一期到二期每个观察对象相对于生产前沿的追赶程度.若TEC>1,表明技术效率完善;若TEC<1,表明技术效率恶化.其中,综合技术变化指数又可分解为纯技术效率变化指数(PTEC)和规模效率变化指数(SEC).
即:TFP等于TC×TEC等于TC×PTEC×SEC
三 、实证分析
为保证DEA2.1软件的计算准确性,本文对原始数据进行了标准化处理.运用BC2模型测算出2010—2015年我国31个省、直辖市、自治区农产品流通综合效率等数据平均值,计算结果见表2.从静态角度看,6年间全国共有6个城市达到平均DEA有效状态,分别是东部地区的北京、上海、浙江、广东,中部地区的安徽和西部地区的宁夏,其综合效率、纯技术效率和规模效率都达到最优;此外,福建、新疆达到纯技术效率有效,江苏、内蒙古、西藏、青海达到规模有效.3个地区的农产品流通综合效率、纯技术效率和规模效率都未达到最优水平,各省、直辖市、自治区还需进一步完善要素投入与产出的统筹水平.
表22010-2015年我国农产品流通综合效率平均值
DMUcrstevrstescaleDMUcrstevrstescaleDMUcrstevrstescale
北京1.0001.0001.000山西0.6610.7440.888重庆0.4360.5100.854
天津0.7180.8200.876内蒙古0.9480.9481.000四川0.8710.9100.957
河北0.8870.9450.938吉林0.3470.6010.577贵州0.8740.8890.983
辽宁0.6020.9790.615黑龙江0.6770.7060.958云南0.8620.8830.976
上海1.0001.0001.000安徽1.0001.0001.000西藏0.9230.9231.000
江苏0.9670.9671.000江西0.9290.9820.946陕西0.6030.6360.947
浙江1.0001.0001.000河南0.9790.9880.991甘肃0.9540.9920.961
福建0.9991.0000.999湖北0.9300.9790.950青海0.9580.9581.000
山东0.9340.9780.955湖南0.7570.8380.904宁夏1.0001.0001.000
广东1.0001.0001.000新疆0.9761.0000.976
广西0.8290.8920.928
海南0.7680.8790.874
东部平均0.8920.9550.934中部平均0.8030.8650.832西部平均0.8460.8700.972
全国平均0.8470.8970.944
注:crsle为综合效率;vrste为纯技术效率,scale为规模效率
为进一步分析农产品流通效率变化特征,利用DEA2.1软件,采用Malmquist指数分解模型对2010-2015年数据进行动态解析,得到6年间的全要素生产率指数及其分解结果(见表3、图1～图5).
表32010-2015年我国农产品流通效率分析
DMU2010-2011年2011-2012年2012-2013年2013-2014年2014-2015年
TFPPTECSECTFPPTECSECTFPPTECSECTFPPTECSECTFPPTECSEC
北京1.061.331.001.071.371.681.300.870.621.091.661.511.361.671.56
天津1.001.641.210.973.441.221.390.550.820.841.371.090.880.751.38
河北0.730.971.010.751.001.040.910.851.000.720.970.970.781.871.00
辽宁0.811.071.000.841.161.000.951.110.920.821.141.070.961.301.08
上海0.751.361.120.732.351.020.530.790.780.711.261.290.811.551.33
江苏0.980.981.000.881.001.001.251.000.550.920.901.481.300.941.47
浙江1.581.440.891.581.750.961.220.361.040.991.431.000.880.941.91
福建1.381.110.941.361.001.001.350.610.991.041.070.990.981.191.01
山东0.960.931.021.341.001.061.361.000.910.921.001.091.010.931.26
广东1.251.011.121.601.181.031.321.000.391.361.002.440.860.832.45
广西0.801.030.970.880.951.010.990.881.060.871.020.980.980.741.34
海南1.021.011.001.011.001.001.241.001.000.871.001.000.910.931.08
东部平均1.031.161.021.081.431.091.150.840.840.931.151.241.031.101.40
山西0.691.240.750.691.000.950.611.000.670.770.941.230.790.811.31
内蒙古0.581.020.890.600.940.980.921.061.020.740.990.940.821.031.08
吉林0.751.070.850.850.950.971.021.090.980.741.000.880.791.001.00
黑龙江0.801.001.000.801.001.000.831.001.000.771.001.000.900.881.14
安徽0.881.010.990.881.001.001.290.860.960.921.140.991.011.271.00
江西0.981.480.690.981.130.961.241.001.000.741.020.950.971.250.98
河南1.071.001.001.071.001.001.471.001.000.881.001.000.971.301.10
湖北1.041.071.001.131.001.121.180.871.000.991.151.001.241.021.35
湖南1.090.971.001.091.001.001.260.891.000.890.991.000.960.591.67
中部平均0.881.080.910.901.001.001.090.980.960.831.031.000.940.981.18
重庆0.891.331.000.861.401.021.260.740.861.211.381.311.441.281.55
四川0.911.001.000.930.981.020.950.951.001.021.081.001.160.921.22
贵州1.781.001.002.281.001.001.191.001.000.971.001.001.011.101.00
云南1.151.141.011.191.191.011.490.820.990.991.221.011.161.021.27
西藏1.290.861.151.191.001.171.191.000.900.901.001.000.740.711.56
陕西0.991.221.000.961.001.000.930.831.031.001.051.271.111.111.33
甘肃0.971.001.001.031.001.001.091.001.000.811.001.000.971.001.00
青海0.540.991.010.461.001.001.001.001.000.781.001.001.000.981.02
宁夏0.201.290.670.201.000.626.051.001.620.471.001.000.990.681.33
新疆0.521.001.000.531.001.003.131.001.000.561.001.000.700.571.77
西部平均0.911.070.980.961.060.981.830.931.040.871.071.061.050.921.30
全国平均0.951.120.980.991.191.031.340.910.940.881.091.110.981.041.31
将表3中的东、中、西部及全国平均数据对比,做成折线图进行分析.
(一)区域差异分析
从图表数据来看(见图1~图5）,全要素生产率表现为西部最优、东部次之、中部最差.这与近10年来西部地区受到国家发展规划重视、大力发展基础设施建设有极大关系.与前人文献中多数得出东部地区效率最高的结论不同,本文中西部地区全要素生产率位居全国首位,可能是由于互联网和电子商务等技术的发展,以及配套流通设施的建设,使得西部地区农产品流通效率极大加快.而东部地区历来处于改革发展的前沿,基础设施完善,尤其是北京地区已成为我国互联网产业最集中的区域,长三角地区是电子商务发展最快的区域,网络技术作用已经累积到一定程度,因此变化趋势并没有西部地区明显.同理,中部地区相对于西部有更大的发展基数,因此在相同变量例如相同增幅的投入刺激下,变化也没有西部地区明显.这反映出网络技术对农产品流通效率提升的关键性作用.
图1全要素生产率(TFP)变化
图2技术(TC)变动
图3技术效率(TEC)变化
图4规模效率(SEC)变化
图5纯技术效率(PTEC)变化
从全要素生产率分解角度看,全国大多数省份在2011-2015年都呈现出先升后降的趋势,其原因在于技术变动呈现出先升后降,且变化趋势大于技术效率的变化,说明大多数省份对于技术创新和变动非常敏感.浙江、福建、贵州、西藏4个省(自治区)全要素生产率呈递减趋势,推测其原因在于浙江、福建电子商务发展较早,“淘宝村”数量位居全国前列,在2011年以前就具备较高的电子商务渗透率,因此在2011年以后对电子商务等新技术的敏感性较低,数量增长率变小,规模效率变化程度也降低;贵州、西藏地处西南偏远地区,缺少基础设施、物流设施和人力资本等投入,电子商务等新模式的普及率远不及北上广地区,导致全要素生产率每年相较于其他省份处于较低状态.
(二)年度动态分析
通过年度间比较可看出,除全要素生产率中西部地区变化幅度最大之外,东部地区的纯技术效率、规模变化率、技术变动以及技术效率变化幅度均为最大.其中,2013年的变化幅度最明显,3个地区的技术变动与全要素生产率在2013年达到峰值,但是纯技术效率、技术效率和规模效率都呈现急剧下跌,并在2014年有所回升.
而从动态表现可看出,仅有北京和广东两地在4年中都保持了全要素生产效率大于1的局面,且同时表现为技术有效和规模有效,这与北京和广州均处于全国技术领先城市,将最新技术应用于农产品流通环节的效率节奏、规模程度密不可分,也证明两省市在不存在投入冗余和产出不足,且规模报酬处于最优状态.同时,在全要素生产率出现递减的浙江、福建、贵州、西藏4个省份(自治区)中,由于其技术效率下降或规模下降,最终引发了3年间全要素生产率的持续下降.同理,在先降后升的22个地区中,必然改进了投入和产出的比例或是规模效率,使其在2014-2015年的农产品流通效率提升.
四 、结论与建议
(一)研究结论
1.通过分析现代农产品流通特点,在传统的资本类、劳动类、传统技术类投入指标基础上加上了电子商务类指标,形成了以农产品流通业固定资产投资额、农产品流通业从业人员、信息化投入水平、农产品电商企业规模、农产品快递业务规模为投入指标,以农产品流通业产值、物流配送化程度、农产品电子商务产值为产出指标的互联网时代农产品流通效率指标新体系,并通过了指标间的冗余度和关联度检验,证实了该套指标的理论价值与实用意义.
2.2010-2015年间,全国仅有北京、上海、浙江、广东,安徽、宁夏6个省市（区）达到平均DEA有效状态,证明这6个省市(区）农产品流通效率较高;其他省市（区）需要统筹搭配技术效率和规模效率的投入,争取达到流通效率前沿面.
3.电子商务类指标所代表的互联网技术极大刺激了地区流通业的发展.在完成基础设施建设的前提下,快递业务、农村电商等商业模式的渗透使得西部地区获得了更大的全要素增长率,也使得本文得到了不同以往的结论:西部地区全要素生产率最高、东部次之、中部最差.形成不同结论的原因正是来自于选取指标的差异,在除去投入和产出3个电子商务类指标的情况下,往往会得出全要素生产率呈现出东中西部由高到低的排列次序.
4.具体到省际变化,浙江、福建、贵州、西藏4个省、自治区的全要素生产率在4年间呈递减趋势,表现为投入冗余或是产出不足,浙江、福建需要提升技术效率,贵州、西藏则应首先在规模效率上进行提升.此外,仅有四川呈现出3年递增趋势,表现出四川在互联网时代农产品流通的投入与产出控制较好,接近最优状态.通过年度纵向分析,全国三大地区均在2013年达到全要素生产率峰值,在2014年则大幅下降,全国有22个省市、自治区呈现出先升后降的趋势,表明这些地区在当年均有投入和产出未达到最有效果的配置,应当总结原因,科学统筹、规划农产品流通资源.
(二)建议
1.加强理论研究.传统的农产品流通效率研究涉及农业、运输业、交通业等行业.随着时代进步,电子商务等行业的迅猛发展为农产品流通勾画出新的模式,消费方式的变化激发流通业剧变,从而使衡量农产品流通效率有了新的思路和方向.作为现实应用的理论指导,不该囿于原有的指标体系和框架,而应在效率研究中大胆假设、细致论证,得到符合现实发展的结论.
2.倡导科技创新.互联网技术的运用改变了人们对传统农产品流通的认知,基础设施的发展使东中西部的农产品流通具备新的格局.电商科技不仅改变了人们的生活模式,而且为产业结构的调整和物流效率的提升带来新的发展机会.农产品流通所涉及的各行各业应尽力拥抱科技改革,用最新技术提升效率,避免突入冗余和产出不足,提高产值.
3.制定配套战略.提高农产品流通效率在我国是一个综合性大工程,从宏观层面看,它关乎国民经济的发展以及地区规划产业布局,与调配各方资源、工农业统筹规划、资金投入等密切相关;同时,它又与普通民众的日常生活密不可分.因此,要处理好农产品流通问题,提高流通效率,在国家层面上需要建立合理机制,联系“互联网+”制定配套战略,兼顾东中西部的地区差异,实现全国农产品流通和谐快速发展.
农产品流通效率的全要素生产率年度变化幅度较大,这与特定地区特定年份发生的事件密切相关,例如某政策的执行、某新技术的推广,都能使当地的技术变动以及规模效率大幅提升,从而影响总体效率.从投入因素的实际发生事件倒推全要素生产率变化状况,可以有效验证本研究的结果,同时能更直观地得到提升农产品流通效率的方法.另外,沿着评价体系,将分析扩展到电子商务模式中农产品流通的上下游,包括生产、制造、分销、零售等领域,能够更加全面地囊括流通链上的环节,从而得到更有广度和深度的结论,这也是未来研究的方向.
参考文献：
［1］ Shepherd G S.Agricultural Price Analysis［M］.Ames：University of Iowa Press,1963：45.
［2］Semrmadevir R Subramanian, Mubarik. All Dynamics of Vegetable Production Distribution and Consumption in Asia ［M］.Taiwan:Asian Vegetable Research and Development Center,2000:115119.
［3］Kumar R, Hussian N. Marketing Efficiency and Price Spread in Marketing of Grain： A Study of Hamirpur District［J］.India Journal of Agricultural Economics,2002（6）： 390.
［4］Seiichi Fukui.Research on Fruits and Vegetables Circulation and Customer Relations in Philippines［J］.Agroforestry Issues Research,1995,118： 6569.
［5］寇荣,谭向勇.论农产品流通效率的分析框架［J］.中国流通经济,2008(5):1215.
［6］张磊,王娜,谭向勇.农产品流通效率的概念界定及评价指标设计［J］.华东经济管理,2011(4):1821.
［7］孙剑.我国农产品流通效率测评与演进趋势——基于1998-2009年面板数据的实证分析［J］.中国流通经济,2011(5):2125.
［8］陈耀庭,戴俊玉,管曦.不同流通模式下农产品流通效率比较研究［J］. 农业经济问题,2015(3):6874.
［9］杨宜苗,肖庆功.不同流通渠道下农产品流通成本和效率比较研究——基于锦州市葡萄流通的案例分析［J］. 农业经济问题,2011(2):7988.
［10］龚梦,祁春节.我国农产品流通效率的制约因素及突破点——基于供应链理论的视角［J］.中国流通经济,2012（11）:4348.
［11］郭鸿鹏,于延良,赵杨.电商平台农产品经营主体空间分布格局及影响因素研究——基于阿里巴巴电商平台数据［J］. 南京农业大学学报（社会科学版）,2016,16(1):4248.
［12］赵晓飞,李崇光.农产品流通渠道变革:演进规律、动力机制与发展趋势［J］. 管理世界,2012(3):8195.
［13］徐良培,李淑华.农产品物流效率及其影响因素研究——基于中国2000-2011年省际面板数据的实证分析［J］. 华中农业大学学报（社会科学版）,2013（6）:7179.
［14］欧阳小迅,黄福华.我国农产品流通效率的度量及其决定因素:2000—2009［J］.农业技术经济,2011（2）:7684.
［15］孙金秀. 现代流通业效率指标体系的构建与评价——基于中国30个省际数据的比较分析［J］. 商业经济与管理,2014（6）:1421.
［16］Anna Nagurney, Jose Cruz,June Dong. Supply Chain Networks, Electronic Commerce, and Supply Side and Demand Side Risk ［J］. European Journal of Operational Research, 2005(7):120142.
［17］Qihui Lua, Nan Liub.Effects of Ecommerce Channel Entry in A Twoechelon Supply Chain: A Comparative Analysis of Single and Dualchannel Distribution Systems ［J］.International Journal of Production Economics,2015, 165(7):100111.
［18］Ramanathan R, Ramanathan U, Hsiao H L.The Impact of Ecommerce on Taiwanese Es:Marketing and Operations Effect ［J］. International Journal of Production Economics, 2012,140(3):934943.
［19］Graham G,Burnes B,Lewis G J.The Tranormation of the Music Industry Supply Chain: A Major Label Perspective ［J］.International Journal of Operations & Production Management,2004, 24(11):1 0871 103.
［20］向敏,袁嘉彬,于洁.电子商务环境下鲜活农产品物流配送路径优化研究［J］. 科技管理研究,2015（18）:166171.
Research on Efficiency of Agricultural Product Circulation From
Perspective of Ecommerce
HE Xiaozhou, LIU Dan
(College of Economics and Business Administration, Chongqing University, Chongqing 400044, China)
Abstract： The efficiency of agricultural product circulation is closely related to people´s life, and ecommerce should become a new indicator of agricultural product circulation efficiency measurement. This paper uses the DEABC2 model and Malmquist coefficient to analyse the panel data of 31 provinces in China and gets the result that is different from other papers’: the total factor productivity in the western region is the highest, the second in the east and the middle is the lowest, and under the premise of the ecommerce environment as well as the completion of infrastructure construction, the western region has got a greater efficiency growth rate. On this basis, to improve the efficiency of the national agricultural products and to shorten the gap between the eastern and central and western regions, China needs to develop a national strategic plan, focusing on the development of modern network technology and encouraging the application of scientific and technological measures.
Key words：circulation of agricultural products; index system; DEA Malmquist; ecommerce; efficiency of agricultural product circulation
（责任编辑：张洁）
电子商务论文参考资料：
上文总结，此文是关于电子商务视角和流通和农产品方面的电子商务论文题目、论文提纲、电子商务论文开题报告、文献综述、参考文献的相关大学硕士和本科毕业论文。
