基于Probit模型的物流投入、農(nóng)產(chǎn)品競爭力對農(nóng)戶電商銷售風險態(tài)度的影響分析
——以河南省X縣為例

文/岳亞娜 菊春燕

基于河南省X縣212份農(nóng)戶的調(diào)查數(shù)據(jù)，運用Probit模型，實證分析物流投入、農(nóng)產(chǎn)品競爭力對農(nóng)戶電商銷售風險態(tài)度的影響。結果表明:物流投入對農(nóng)戶的電商銷售風險態(tài)度具有負向影響，其中資金投入的影響程度最大；農(nóng)產(chǎn)品的競爭優(yōu)勢有助于提高農(nóng)戶對電商銷售的接受程度，其中顧客滿意度的影響程度最大。

0.引言

農(nóng)業(yè)生產(chǎn)的分散性和農(nóng)戶自身信息不對稱等因素導致農(nóng)產(chǎn)品在銷售上存在交易成本高、中間環(huán)節(jié)過多、價格不穩(wěn)定等諸多問題[1]，融合新經(jīng)濟與傳統(tǒng)農(nóng)業(yè)的電子商務是解決這些問題的最優(yōu)選擇。個體總是在不確定條件下進行決策，不確定性帶來風險，對待風險的態(tài)度是影響個體決策的重要因素。以往研究中，Wen和Dariusz強調(diào)電商交易中買、賣雙方互相的信任問題。Dariusz發(fā)現(xiàn)，電商使農(nóng)產(chǎn)品交易有效規(guī)避了地域局限性和市場價格波動等產(chǎn)生的風險[2]。國內(nèi)的研究有了新的角度，廖敏慧發(fā)現(xiàn)農(nóng)產(chǎn)品電商營銷中的質量安全、同質化、品牌意識不強等問題[3]。陳偉、楊帆提出增強農(nóng)產(chǎn)品電商主體的專業(yè)[4]。本文從農(nóng)戶的主觀視角切入，通過研究物流投入和農(nóng)產(chǎn)品競爭力對農(nóng)戶電商銷售風險態(tài)度的影響，期望改變不利于農(nóng)產(chǎn)品銷售良性發(fā)展的因素，改善農(nóng)戶對電商平臺的風險態(tài)度，從而推動電商平臺在農(nóng)產(chǎn)品銷售中的應用，促進農(nóng)戶增收，提升農(nóng)村經(jīng)濟效益。

1.研究設計

1.1 樣本選取與數(shù)據(jù)來源。河南省X縣擁有電商產(chǎn)業(yè)扶貧基地6個、園區(qū)基地4個，各類電商企業(yè)360余家，引進了阿里巴巴、京東、蘇寧等知名平臺10余個[5]。本研究通過線上線下相結合發(fā)放調(diào)查問卷的形式對河南省X縣的農(nóng)戶進行隨機抽樣調(diào)查，以X縣8個鄉(xiāng)鎮(zhèn)16個村的農(nóng)戶為調(diào)查對象展開調(diào)查。本次線上派發(fā)問卷共150份，回收123份，線下派發(fā)問卷共110份，回收100份。本次調(diào)研最終回收問卷223份，去除11份無效問卷，共獲得212份有效問卷,問卷有效率81.5%。

1.2 變量選取與賦值。本文的被解釋變量為農(nóng)戶的電商銷售風險態(tài)度，居民的風險態(tài)度有主客觀之分，本研究側重主觀風險態(tài)度。將農(nóng)戶的電商銷售風險態(tài)度量表進行分值加總，高于均值為高風險區(qū)，表示其持有風險拒絕態(tài)度，賦值為0，反之為低風險區(qū)，代表其持有風險接受態(tài)度，賦值為1。本文的核心解釋變量分為兩級，一級變量為物流投入和農(nóng)產(chǎn)品競爭力，基于相關文獻，結合研究區(qū)的經(jīng)濟地理條件和農(nóng)村物流初創(chuàng)階段，每個一級變量下分別設置4個二級變量。農(nóng)戶電商銷售風險態(tài)度還受到個體特征和家庭特征影響。借鑒相關研究[6，7]，設置控制變量。變量類型、名稱、選項及賦值如表1所示。

表1 變量類型、名稱、選項及賦值

1.3 模型構建

本研究反映各解釋變量的數(shù)據(jù)均為分類離散型數(shù)據(jù)，被解釋變量農(nóng)戶的電商銷售風險態(tài)度是一個0，1變量，因此選擇Probit模型進行物流投入、農(nóng)產(chǎn)品競爭力對農(nóng)戶電商銷售風險態(tài)度影響的回歸分析較為合適。本文參照張寧等[8]的做法，Probit模型的形式如下：

其中，Y表示被解釋變量，Xi表示第i個解釋變量的風險態(tài)度數(shù)值，β0代表常數(shù)項，βi表示相對應的樣本回歸系數(shù)，ε 表示隨機誤差項。為了得到不同風險因子對農(nóng)戶電商銷售風險態(tài)度的影響程度P與各個解釋變量的數(shù)值關系，又考慮到Probit模型是呈非線性的，故采用Probit概率函數(shù)對原始方程進行變換。設Φ（x）為標準正態(tài)分布函數(shù)，則

其中，P表示不同風險因子對農(nóng)戶電商銷售風險態(tài)度的影響程度。Xi表示自變量，β0代表常數(shù)項，βi表示相對應的樣本回歸系數(shù),ε 表示隨機誤差項。

1.4 描述性統(tǒng)計分析

（1）被解釋變量。根據(jù)統(tǒng)計結果，持風險拒絕態(tài)度的農(nóng)戶少于持風險接受態(tài)度的農(nóng)戶，但相差不大。108位受訪農(nóng)戶的量表得分在低風險區(qū)，占調(diào)查對象總數(shù)的50.94%。104位農(nóng)戶得分在高風險區(qū)，持風險拒絕態(tài)度，占比49.06%。

（2）解釋變量。表2結合表1，物流投入的4個變量得分均值都高于3分，農(nóng)戶整體態(tài)度偏向不滿意。其中“我認為物流費用比較合理”均值最大，為3.42分，說明相較于距離、便捷度和冷鏈物流能力，農(nóng)戶對物流費用的不滿意度更高。農(nóng)產(chǎn)品競爭力4個變量得分均值都低于3分，其中“我的農(nóng)產(chǎn)品能夠滿足電商客戶貨比多家的要求”均值最低，為2.53分，表示農(nóng)戶在電商銷售競爭對手增加的情況下依然對自家農(nóng)產(chǎn)品較有信心。

表2 核心解釋變量描述性統(tǒng)計

（3）控制變量。控制變量為賦值分類變量，根據(jù)統(tǒng)計結果可得，農(nóng)戶年齡呈現(xiàn)偏大趨勢，年輕農(nóng)戶少，存在失衡現(xiàn)象，46~60歲之間占比44.81%；男、女分別占比61.32%、38.68%；初中及以下文化程度的農(nóng)戶比例最高，達62.73%，大學本科及以上僅5.19%；農(nóng)產(chǎn)品生產(chǎn)企業(yè)化率低，僅占比7.55%，82.08%的農(nóng)戶以家庭為單位生產(chǎn)，種植面積也普遍較小，56.13%在1hm2以內(nèi)。

2.實證分析

2.1 模型檢驗與回歸分析。運用Stata 16.0統(tǒng)計軟件，根據(jù)樣本數(shù)據(jù)進行Probit模型回歸。由表3的回歸結果可得：“年齡”和A3、B3、B4對應的變量在1%統(tǒng)計檢驗水平下顯著，“受教育程度”和A1、A4、B1對應變量在5%統(tǒng)計檢驗水平下顯著。物流投入對電商銷售方式風險態(tài)度有負向影響。如表2所示，物流距離A1、物流費用A3、冷鏈運輸A4的回歸系數(shù)符號都為正。農(nóng)戶對快遞物流所投入的時間、資金和因冷鏈運輸無法保證農(nóng)產(chǎn)品質量產(chǎn)生的損失越多，越認為電商銷售風險高，對電商銷售持風險拒絕態(tài)度的概率增加。農(nóng)產(chǎn)品競爭力對電商銷售方式風險態(tài)度有正向影響。表2中，品牌B1、顧客要求B3、銷量B4的回歸系數(shù)為負。表示農(nóng)戶在量表中的分值越小，即對表述的認可程度越高，其持風險接受態(tài)度的概率越高，說明這些因素對農(nóng)戶的電商銷售風險態(tài)度起正向作用。農(nóng)戶對自家農(nóng)產(chǎn)品的競爭力越有信心，愿意通過電商進行銷售的概率就越大?？刂谱兞繉﹄娚啼N售方式風險態(tài)度的影響?！澳挲g”與電商銷售風險態(tài)度負相關，相對年輕的農(nóng)戶更能夠接受使用電商進行銷售帶來的風險，年紀越長的農(nóng)戶越容易對電商銷售持風險拒絕態(tài)度。農(nóng)戶的“受教育程度”對電商銷售風險態(tài)度起正向作用，隨著文化程度的提高，農(nóng)戶持風險接受態(tài)度的概率隨之增加。

表3 Probit模型基準回歸結果

2.2 邊際效應回歸分析。忽略表3中未通過顯著性檢驗的變量，進行Probit邊際效應回歸。結果如表4所示，估計值系數(shù)為負表明概率下降，絕對值大小表明增減速度。物流投入對電商銷售方式風險態(tài)度邊際效應回歸分析。由表5可得，物流距離A1每上升一個級別，農(nóng)戶對電商銷售持風險拒絕態(tài)度的概率增加9.1%；物流資金投入每上升一個等級，電商銷售風險態(tài)度偏向風險拒絕的概率增加11.0%；冷鏈物流無法保證農(nóng)產(chǎn)品質量給農(nóng)戶帶來的損失每提高一級，農(nóng)戶持風險拒絕態(tài)度的概率增加8.1%。三者比較，物流費用投入對農(nóng)戶的電商采納風險態(tài)度影響最大，農(nóng)戶計算物流成本，發(fā)現(xiàn)高于預算時可能會放棄使用電商銷售方式。農(nóng)產(chǎn)品競爭力對電商銷售方式風險態(tài)度邊際效應回歸分析表5中，農(nóng)戶對自家農(nóng)產(chǎn)品品牌效應B1的評價每提高一級，接受電商銷售風險的可能性增加9.1%；農(nóng)戶心理預期中電商平臺顧客對其所售農(nóng)產(chǎn)品的滿意度B3每上升一個等級，愿意采納電商銷售的概率增加12.3%；農(nóng)戶對農(nóng)產(chǎn)品電商銷量的估計每增加一個級別，持風險接受態(tài)度的可能性提高10.9%。3個變量里，農(nóng)產(chǎn)品滿足電商顧客要求更能夠促進農(nóng)戶在主觀態(tài)度上使用電商?？刂谱兞繉﹄娚啼N售方式風險態(tài)度邊際效應回歸分析結合變量定義，農(nóng)戶年齡每增加一個組別，主觀態(tài)度上對電商銷售表現(xiàn)出拒絕的可能性增加10.4%；農(nóng)戶受教育程度每上升一個組別，對電商銷售表現(xiàn)出風險接受態(tài)度的可能性增加1.4%，年齡對農(nóng)戶電商銷售風險態(tài)度的影響更為明顯。

表4 Probit模型的邊際效應

3.結論與對策建議

本文利用河南省X縣212份農(nóng)戶數(shù)據(jù)，采用Probit模型實證檢驗，證明物流投入對農(nóng)戶的電商銷售風險態(tài)度有負向作用，即物流投入越多，對電商銷售風險越拒絕，其中資金投入影響程度最大。農(nóng)產(chǎn)品競爭力對農(nóng)戶電商銷售風險態(tài)度有正向作用，即農(nóng)產(chǎn)品競爭力越大，對電商風險越接受，其中電商顧客對農(nóng)產(chǎn)品的滿意度影響作用較大。針對以上模型分析的結論，提出以下幾點建議：一是物流企業(yè)完善縣鄉(xiāng)村三級物流體系，將快遞末端網(wǎng)點從鄉(xiāng)鎮(zhèn)進一步下沉至村落，可以采取與其他商業(yè)組織合作提供快遞服務的模式；技術部門針對不同農(nóng)產(chǎn)品的保鮮要求提供相應的運輸方式，補齊冷鏈物流短板，保證農(nóng)產(chǎn)品質量不打折。二是建立農(nóng)產(chǎn)品質量安全追溯體系平臺，鼓勵農(nóng)產(chǎn)品納入追溯平臺，健全完善農(nóng)產(chǎn)品質量標準體系；政府加大財政投入，培育農(nóng)村知名電商品牌；農(nóng)戶以消費需求為導向，增加創(chuàng)意文化內(nèi)涵，打造有特色的農(nóng)產(chǎn)品。三是發(fā)揮電商中介的作用，解決中老年農(nóng)戶在電商銷售中的技術操作難題，增強其從事電商的能力和信心，讓中年甚至老年農(nóng)戶能夠和年輕人一樣在電商發(fā)展中獲利，提高經(jīng)濟效益。

引用出處

[1]胡璇.雙向流通背景下電子商務與農(nóng)村經(jīng)濟的融合度研究[J].商業(yè)經(jīng)濟研究，2020（2）:125-127.

[2]Dariusz Strzebicki,The Development of Electronic Commerce in Agribusiness-The Polish Example [J].Economics and Finance,2015(23):1314-1320.

[3]廖敏慧.我國農(nóng)產(chǎn)品電商營銷模式構建研究[J].農(nóng)業(yè)經(jīng)濟,2019,No.386(06):135-137.

[4]降雪輝.基于大數(shù)據(jù)的特色農(nóng)產(chǎn)品電子商務發(fā)展[J].核農(nóng)學報，2020，34（09）:212.

[5]武陟縣概況.武陟縣人民政府.2020-05-25.

[6]湯曦嫽，紀惠敏等.農(nóng)產(chǎn)品電商化的影響因素及其可行性研究[J].商場現(xiàn)代化，2021，19（016）:47-49.

[7]王寧.電子商務環(huán)境下農(nóng)村物流末端服務體系建設研究[J].農(nóng)業(yè)經(jīng)濟,2019(08):143-144.

[8]張寧，左麗等.基于Probit模型的干旱地區(qū)智慧水利建設與農(nóng)村多元主體參與意愿實證分析[J].新疆農(nóng)業(yè)科學，2020,57(12):2340-2350.