食用菌农产品上行关键影响因素及作用机理*

2020-11-09苗慧勇张帅兵

中国食用菌 2020年7期

苗慧勇，张帅兵

（巢湖学院，安徽巢湖 238000）

关于食用菌上行的研究文献基本空白，主要集中在农产品上行影响因素的研究。农产品电商物流成本高，配送效率低，冷链物流体系建设不完善；农产品电商人才短缺，运营人员技能水平较低[1]；农产品质量监管不到位，农产品质量安全溯源体系不完善[2]；农产品电商经营主体品牌意识薄弱，农产品区域公用品牌建设成效不明显，品牌效应低[3]。

从现有文献来看，对农产品上行影响因素的研究主要从宏观环境视角展开，基于从企业微观视角展开影响因素的研究较少。从研究方法来看，绝大多数开展定性研究，缺乏定量实证研究[4]。从研究对象来看，多数将农产品作为一个整体，无进一步的品类细分[5]。鉴于此，本研究以上述理论为基础，从统筹宏观和微观角度，以食用菌这一具体品类为例，对其上行影响因素进行研究。通过问卷调查收集数据，运用结构方程模型的研究方法，建构食用菌上行关键影响因素整合模型，尝试探寻食用菌上行过程中的关键影响因素及其作用机理，为食用菌上行的实践与可持续发展提供理论指导和行动依据。

1 食用菌上行关键影响因素整合模型建构

结构模型反映潜变量间关系。项目组通过对“环巢湖”区域食用菌上行成功案例的深入研究，结合农产品上行有关理论，将县级政府（CG）、食用菌生产（EFP）、上行基础设施（UI）、核心企业（CE）、食用菌上行（EFU）纳入模型，综合分析上述要素间可能存在的影响关系。

1）县级政府。县级政府在食用菌上行中具有不可或缺的重要作用。政府在物流、信息等基础设施建设方面的推动作用不可或缺，但是政府要退出竞争性领域，专注于公共政策制定和监督促进[6]。因此，政府在食用菌上行过程中的主要作用是引导与推动，不断优化整个上行系统所处的宏观环境。县级政府重点通过公共政策、财政资源、公共服务供给三个方面引导和推动食用菌上行。

2）食用菌生产。食用菌上行场景下的食用菌生产是“网货”化生产，就是对食用菌生产经营方式进行重新改造，使其能够进行网络销售。大量成功实践表明，较高的品牌知名度、优质品质、区域特色、标准化生产、供应稳定是好的食用菌“网货”标准。我国多数食用菌生产经营主体品牌意识薄弱，没有形成市场认可的有价值、可识别、可追溯的食用菌品牌。我国食用菌小规模、分散生产的特点，导致产量缺乏稳定性，生产标准化难度大，食用菌品质不稳定。食用菌同质化严重且缺乏质量标准认证，导致消费者难以判断食用菌质量好坏，从而降低消费者的消费意愿。

3）上行基础设施。农产品上行基础设施为整个上行系统提供有力支撑，是物流、资金流、信息流、商流有效流动的重要载体。主要包括物流基础设施、网络基础设施、农产品质量安全溯源体系。物流成本与配送效率对食用菌上行有重要影响，由于大多数食用菌易腐烂、易变质的特性，对冷链物流需求旺盛，因此冷链物流体系在整个农产品电商物流体系中具有重要地位。农产品质量安全溯源体系对保证食用菌质量具有重要作用，食用菌质量安全是影响消费者网购的重要因素，因此溯源体系对推动食用菌上行具有重要的保障作用。

4）核心企业。电子商务引致了农产品供应链的逆向管理趋势，出现了“再中间化”的组织重构过程，形成了新的中介组织，将其称为核心企业，农产品上行围绕着核心企业展开[7]。核心企业由本地农产品电商运营企业、农业产业化龙头企业组成。核心企业上游连接食用菌生产经营主体，下游连接消费市场，处于农产品电商供应链的核心，直接驱动食用菌上行。核心企业重点通过消费需求把控、货源挑选组织、营销运营、资源整合四个途径直接驱动食用菌上行。

5）食用菌上行。依据阿里巴巴集团于2014年在其“千县万村计划”中提出的“农产品上行”概念，“食用菌上行”就是借助电子商务这一最先进互联网技术在商务领域的应用模式，实现从食用菌产地到城镇消费市场的直接对接。扩大了食用菌流通半径，提高食用菌流通效率，增加农民销售收入[8]。通过对食用菌上行成效明显的县域调查发现，食用菌网销收入在整个销售收入中的占比较高。食用菌网销的利润率远大于传统销售的利润率，当地村民开展食用菌网销意识强烈，网商数量多[9]。

通过上述分析，对5个要素间的关系形成假设，依据对结构模型和测量模型分析，建构整合模型如图1所示。

由图1可知，H1为县级政府和食用菌生产正相关；H2为县级政府和上行基础设施正相关；H3为县级政府和核心企业正相关；H4为食用菌生产和核心企业正相关；H5为上行基础设施和食用菌生产正相关；H6为上行基础设施和核心企业正相关；H7为核心企业和食用菌上行正相关。

测量模型反映潜在变量和观测变量间关系，结合上述对5个潜在变量内涵分析和结构方程模型对潜在变量至少包含2个以上观测变量的要求，本研究设计了每个潜在变量的观测变量：县级政府（CG）的观测变量分别是公共政策（CG1）、财政资源（CG2）、公共服务供给（CG3）；食用菌生产（EFP）的观测变量分别是食用菌品牌（EFP1）、食用菌品质（EFP2）、生产规模化（EFP3）、生产标准化（EFP4）；上行基础设施（UI）的观测变量分别是物流体系（UI1）、网络设施（UI2）、农产品质量安全溯源体系（UI3）；核心企业（CE）的观测变量分别是消费需求把控（CE1）、货源挑选组织（CE2）、营销运营（CE3）、资源整合（CE4）；食用菌上行（EFU）的观测变量分别是食用菌网销收入（EFU1）、食用菌网销利润率（EFU2）。

2 研究设计

2.1 变量测量

研究中采用李克特5级量表开展变量测量。调查历时2月，全部采用纸质问卷形式进行，共发放350份。调查区域选择山东省食用菌生产较为集中的3个县域。被调研对象来自县级政府、企业、农户，分布较为合理。共回收有效问卷321份，有效问卷率达到91.7%，所收集样本数据满足接下来将要进行的模型实证分析要求。

2.2 因子分析

利用SPSS 22.0对收集的样本数据进行因子分析。依据KMO和Bartlett球形检验结果，KMO值为0.872，P为0，表明适合进行因子分析。将特征根大于1作为标准，共析出5个因子，累积解释74.605%的方差，远大于一般认为50%的数值，说明因子提取出的信息量较大。因子结构清晰，各观测指标在其对应因子上的载荷系数值均大于0.56，交叉因子载荷系数值均小于0.38。

2.3 信度与效度检验

信度与效度检验结果见表1。

表1 信度与效度检验结果Tab.1 Reliability and validity test results

由表1可知，每个潜变量的CR值均在0.8以上，克伦巴赫α系数均大于0.7，表明量表具有较高信度。潜在变量AVE值均大于0.6，表示解释了问项60%以上的方差；对角线上的AVE均值平方根大于该变量与其它变量的相关系数，表明量表具有较高效度。

3 数据分析

3.1 适配度检验

适配度检验结果为X2/df=2.06，CFI=0.93，GFI=0.88，NFI=0.89，NNFI=0.91，IFI=0.91，RFI=0.92，RMSEA=0.071。可见只有GFI和NFI略低于0.9外，其他指标数值都满足学术界普遍认为的判别标准，表示模型整体适配度较好，假设模型可被接受。

3.2 路径分析

通过AMOS软件得出的各标准化回归路径系数如图2所示，结构模型路径分析与假设检验结果如表2所示。

表2 结构模型路径分析与假设检验结果Tab.2 Path analysis and hypothesis test results of structural model

从图2可以看出，所选择观测变量均能很好地解释潜在变量，为推动食用菌上行提供切实可行的抓手。

由表2可知，仅有H5没有通过显著性检验，其他假设均通过，并与理论分析及设想一致。县级政府对食用菌生产有显著正向影响，H1得到支持。县级政府对食用菌区域公用品牌培育和价值提升、推动食用菌生产的规模化与标准化，具有重要的不可或缺的作用。县级政府对上行基础设施有显著正向影响，H2得到支持，进一步验证政府在基础设施建设领域发挥着不容忽视的重要作用。县级政府对核心企业有显著正向影响，H3得到支持。县级政府通过不断优化营商环境、加强政策激励、创新资金扶持方式、提高公共服务供给能力等措施，为核心企业经营提供优良外部环境。食用菌生产对核心企业有显著正向影响，H4得到支持。食用菌自身品质特色、公用品牌的知名度、包装、生产的标准化和供应的稳定性，都会直接影响企业的运营销售效果。

上行基础设施对核心企业有显著正向影响，H6得到支持。物流基础设施尤其是冷链物流对核心企业的运营有着显著影响；消费者对食用菌质量安全较为关注。因此不断健全完善质量安全溯源体系，将大幅拉动企业的销售量。

核心企业对食用菌上行有显著正向影响，H7得到支持。进一步验证开展食用菌上行应以核心企业为主导的论断，核心企业通过对农产品电商供应链的掌控、品牌的营销推广、线上与线下运营资源的整合直接驱动食用菌上行。