基于面板數(shù)據(jù)供應鏈彈性評估
——以制造業(yè)為例

1 研究背景

制造業(yè)一直是我國重要的經(jīng)濟支柱。改革開放后，我國工業(yè)實現(xiàn)了跨越式發(fā)展，產(chǎn)業(yè)范圍迅速擴大，整體實力穩(wěn)步提升。我國已成為世界上門類齊全、規(guī)模較大的制造業(yè)國家。不可置否的是，隱藏在“中國增長奇跡”背后的重要驅(qū)動力正是來源于以制造業(yè)為核心的工業(yè)體系。然而，2019年底爆發(fā)的新冠疫情影響了諸多制造行業(yè)的發(fā)展，對生產(chǎn)制造中的供給端、需求端與供應鏈造成顯著影響，引起制造行業(yè)的“適度恐慌”[1]。

因此，企業(yè)應對中斷、干擾事件的能力不僅是必要的，還是一種非常有價值的戰(zhàn)略競爭優(yōu)勢。在這種背景下，制造行業(yè)需要構建一種應對中斷、干擾事件的風險規(guī)避或快速恢復能力的新型供應鏈，即彈性供應鏈，以支持企業(yè)的可持續(xù)發(fā)展。

續(xù) 表

2 研究現(xiàn)狀

國內(nèi)學者對供應鏈彈性的研究相對較晚。趙林度認為供應鏈彈性是供應鏈適應性和自我實現(xiàn)能力，會影響整個供應鏈的基本效益與競爭力[2]。王宇奇等認為供應鏈彈性應具備以下特征：一是面對特定環(huán)境，只有受到突發(fā)事件的沖擊，供應鏈受到擾動時，彈性才能夠發(fā)揮作用；二是反應能力[3]，即面對擾動供應鏈能夠感知并迅速做出回應的能力。如今，越來越多在彈性供應鏈設計領域的論文不斷發(fā)表，該主題已被學術界公認為熱門和新興的研究領域。

3 彈性評價指標體系及模型構建

基于以上背景，本文構建了表1所示的評估制造業(yè)供應鏈彈性的指標體系。

表1 制造業(yè)供應鏈彈性評價指標體系

數(shù)據(jù)來源于《中國工業(yè)經(jīng)濟統(tǒng)計年鑒》及國家統(tǒng)計局官網(wǎng)。因子分析法用于分析年度橫截面數(shù)據(jù)，以獲得各省的綜合得分和因子得分，利用Topsis綜合評價法計算各省份的總因子得分和理想解的接近度，評估各省供應鏈的彈性水平[4]。

3.1 建立指標體系

設研究對象為Pti（i=1，2，...，n），指標為Xij（j=1，2，...，m）其中t∈[t1，t2]為評價對象的個數(shù)，若評價區(qū)間為L年[5]，則t2-t1=L。

3.2 因素分析評估

首先，對指標進行進一步處理和標準化，并對斷面數(shù)據(jù)進行因子分析，得到對象集Pti每年的綜合因子得分，形成綜合因子得分矩陣（Yti）n×L（i=1，2，...，n），其中i為研究對象，t∈[t1，t2]為評價對象的個數(shù)。評價對象集Pti（i=1，2，...，n）的綜合因子得分為Yti。設置指標體系的年度因子得分，即L個變量、n個研究對象，然后對其進行歸一化處理，Qti=Yti/ Σnt=1Yti2，其中i為研究對象，t∈[t1，t2]為年份，Yti是綜合因子得分，Qti是歸一化處理后的綜合因子得分[6]。

設t1-t2年Qti的最大值為最優(yōu)向量Q+，Qti的最小值為最劣向量Q-，Q+=（Qmax，1，Qmax，2...，Qmax，L），Q-=（Qmin，1，Qmin，2...，Qmin，L），

設第i個評價對象Qti與最優(yōu)解的接近程度為

設第i個評價對象Qti與最劣解的接近程度為

設第i個評價對象Qti的最優(yōu)解貼進度為Ci，則如果C越大則說明該對象制造業(yè)供應鏈彈性越好。i

4 因子分析

本文借助Matlab軟件對我國各地區(qū)的制造業(yè)供應鏈彈性評估指標體系的截面數(shù)據(jù)分別進行因子分析。

4.1 數(shù)據(jù)KMO檢驗和Bartlett檢驗

在使用因子分析之前，需要進行KMO檢驗，檢測變量間的偏相關系數(shù)，本文的檢驗結果如表2所示，說明因子分析是可行的。

4.2 截面數(shù)據(jù)公共因子的提取及綜合得分的計算

表3顯示了樣本數(shù)據(jù)的結果，使用因子分析獲得了特征值大于1的前4個因子數(shù)據(jù)，即因子累積方差的百分比大于80%，說明通過該方法提取的前4個因子可以解釋制造業(yè)供應鏈的彈性水平，而其他因子可以忽略不計。

表3 累計方差值

本文對因子載荷矩陣進行方差最大化旋轉(zhuǎn)。雖然每個指數(shù)的具體因子載荷量每年都有所不同，但是對公因子的具體解釋不受不同載荷量的影響。

本文僅對2020年數(shù)據(jù)進行解釋。從表4可以看出，計算得出的第一個公因子在產(chǎn)成品庫存指數(shù)、生產(chǎn)指數(shù)、購進價格指數(shù)上具有較大的載荷，可以定義為生產(chǎn)水平因子；第二個公因子在人均固定資產(chǎn)投資額、進出口額、研發(fā)投入上具有較大的載荷，可以定義為融資水平因子；第三個公因子在規(guī)模以上港口吞吐量、供應商配送時間指數(shù)上具有較大的載荷，可以定義為物流水平因子；第四個公因子在勞動力素質(zhì)、存貸比上具有較大的載荷，可以定義為冗余資源水平因子[7]。

表4 旋轉(zhuǎn)后因子載荷系數(shù)表

表5的結果顯示，2016—2020年31個?。ㄗ灾螀^(qū)、直轄市）的最高和最低分數(shù)之間存在較大差異， 24個省份的得分為負，這表明制造業(yè)整體供應鏈的彈性較低，各地區(qū)的差異性明顯，表現(xiàn)為東部發(fā)達省份處于領先地位，而西部經(jīng)濟薄弱地區(qū)較為落后。落后地區(qū)的總體因素得分較低，表明這些地區(qū)應重點發(fā)展本地供應鏈的基礎設施，以促進該地區(qū)整個供應鏈的發(fā)展，而發(fā)達地區(qū)的因子得分較高，表明制造業(yè)供應鏈彈性水平的高低與當?shù)氐慕?jīng)濟發(fā)展水平息息相關，制造業(yè)的發(fā)展需要完善的金融市場支撐。同時從表5中可以看出，2016—2020年，31個省（自治區(qū)、直轄市）每年供應鏈的彈性結果不同，采樣期間的結果排名也不同。這是因為截面數(shù)據(jù)是獨立的，所以不可能簡單相加得出總年度綜合因子得分，否則會影響數(shù)據(jù)的客觀性。因此，根據(jù)上述因素分析的結果，本文采用Topsis綜合評價方法，以彌補無法在面板數(shù)據(jù)中進行因子分析加和以反映供應鏈彈性水平的缺陷。

表5 制造業(yè)供應鏈彈性水平綜合因子得分

5 基于因子分析法的Topsis綜合評價法

基于前文Topsis方法的描述，可以得到2016—2020年各省供應鏈彈性水平的總體評估和排名結果。如表6所示，可以看出，我國城市化水平相對較高的地區(qū)Ci+相對較高，相關評估結果領先，經(jīng)濟水平較差的地區(qū)供應鏈彈性也較差。結論與因子分析法的結果相似。該結果反映了整個樣本數(shù)據(jù)期內(nèi)各地區(qū)供應鏈彈性的總體排名。

表6 各地區(qū)供應鏈彈性的總體排名

6 結論及建議

本文以制造業(yè)供應鏈彈性為研究對象，運用基于Topsis 改進的因子分析模型對其彈性進行綜合評價；研究發(fā)現(xiàn)，2016—2020年，制造業(yè)的彈性水平每年的最高和最低結果之間存在較大差異，而且最優(yōu)解貼近度最大值與最小值存在較大差距，我國31個省份制造業(yè)供應鏈彈性綜合因子得分與最優(yōu)解貼近度分布在0.2～0.5，且沒有省份超過0.5，這說明供應鏈彈性的地區(qū)異質(zhì)性是顯著存在的，且行業(yè)的彈性水平有待加強。

為了構建彈性供應鏈。應當堅持市場調(diào)節(jié)和政府引導相結合，增加對工業(yè)發(fā)展的政策支持，重視企業(yè)的科技創(chuàng)新，促進傳統(tǒng)工業(yè)向高新技術制造業(yè)的轉(zhuǎn)變，優(yōu)化制造業(yè)的產(chǎn)業(yè)結構。同時，需要選擇適當?shù)呢攧辗椒?，科學使用融資杠桿，鼓勵中小企業(yè)利用數(shù)字普惠金融解決融資難題，走科技含量高、經(jīng)濟效益好、資源消耗低的道路。