薛若禹 廖吉林

摘  要：文章以长三角物流企业技术创新意愿为因变量，选取企业内部因素、供应链合作因素和外部环境因素3个一级指标，构建了基于Logistic多元回归和AHP的混合因子模型。结果显示外部环境因素影响最显著，且竞争激烈程度和企业所在城市两个二级指标影响较大;其次是企业内部因素，以企业经营规模和员工整体水平影响较大;最后是供应链合作因素，以供应链稳定性影响最显著。综合研究结果，结合长三角实际从政府、企业和供应链层面提出了相关政策建议。

关键词：物流企业;技术创新;影响因素;Logistic-AHP混合模型

中图分类号：F253.9    文献标识码：A

Abstract： Taking the technological innovation willingness of logistics enterprises in the Yangtze River Delta as the dependent variable， this paper selects three first level indicators of internal factors， supply chain cooperation factors and external environmental factors， and constructs a mixed factor model based on logistic multiple regression and AHP. The results show that the external environmental factors have the most significant impact， and the two secondary indicators of fierce competition and the city where the enterprise is located have a greater impact; the second is the internal factors of the enterprise， with the enterprise business scale and the overall level of employees having a greater impact; the last is the supply chain cooperation factors， with the supply chain stability having the most significant impact. Finally， based on the research results and the reality of the Yangtze River Delta， the paper puts forward relevant policy suggestions from the government， enterprises and supply chain level.

Key words： logistics enterprises; technological innovation; influencing factors; logistic-AHP mixed model

0  引  言

伴隨着长三角一体化和信息化进程的加快，诸多物流企业生存压力骤增。一方面，长三角外向型经济发展迅速，吸引了众多跨国物流企业入驻，同时也加剧了区域内物流企业同质化竞争;另一方面，新冠肺炎疫情长期存在催生了顾客对物流响应性、安全性、精准溯源追踪等方面的新需求，给长三角物流企业带来机遇的同时也带来了更多挑战与不确定性[1]。为迅速建立新竞争优势，顺应各大物流商对物联网、大数据、AI等前沿技术布局，快速调整发展战略进行技术创新对多数物流企业来说已迫在眉睫。但需要注意的是，受多方因素制约，很多时候企业无法直接感知当前的技术创新需求，或者说其有意愿却迫于环境无法进行创新活动，因此研究长三角地区物流供应链节点企业技术创新影响因素，对相关部门有针对性合理引导物流企业自主创新，帮助其破解生存困局，促进物流供应链稳定健康发展具有重要意义。

1  长三角物流供应链技术创新影响因素分析

1.1  因变量选取

长三角地区现有物流供应链具备一定稳定性，打破这种平衡需要充分考虑供应链节点企业意愿，研究显示不同生命周期中企业自主创新意愿明显不同，处于成熟期的企业更有能力、资源和动力实施技术创新项目[2]。因此本文以长三角不同规模、处于不同发展阶段的多家第三方物流企业作为研究对象，选取“贵企业是否有意愿实施技术创新？”为因变量问项，设置“是，我觉得实施技术创新十分迫切A”，“是，但我目前没有余力实施技术创新A”，“否，我觉得没有必要实施技术创新A”三种答案情形以供备选，结果显示三种答案分别占比23.3%，57.8%，18.9%。

1.2  自变量选取

探究长三角地区物流供应链技术创新影响因素，关键在于回答为什么供应链节点企业会倾向于创新或者采取创新行为，针对该类问题陈心媛等[3]指出应当从内、外部两方面因素来进行分析，本文则依据研究对象特点进一步细化至物流企业自身因素、物流供应链合作因素和外部环境因素三方面内容。

（1）物流企业内部因素

物流企业自身因素一般从内部出发，首先是企业家背景，即企业家决策能力的度量指标，具体量化为总经理（或董事长）是否有过国内一流大学就读经历（或大厂工作、留学经历等）;其次是企业经营规模，按公司法规定的交通运输及邮政业经营规模划分方式如表1所示，通常较大的企业规模、较快的发展速度及较高的盈利水平等会使得企业更有余力实施技术创新活动;最后在对企业创新能力进行研究时使用“员工学历水平”，即通过计算企业本科以上学历员工占企业员工总数比例这一指标来表示企业员工整体水平，超过40%设为高水平，10%～40%为中等水平，低于10%为低水平[4]。

（2）物流供应链合作因素

考虑供应链合作因素对物流企业技術创新意愿的影响，是因为供应链上诸多企业一般基于信任和长期关系的维持展开合作，这种环境下知识扩散和转移更加迅速，并且中上游核心物流企业有更多渠道了解客户具体需求，为满足客户对提高现有产品性能和新产品研发需要，其自然会投入更多资金、人力等进行研发活动，也就促进了企业创新[5]。据此，设置合作投入度、稳定性和透明度三个二元指标变量来分析合作因素对物流供应链创新的影响，其中投入度指合作企业人、财、物投入情况，稳定性则是指双方或多方是否存在长期合作关系，而透明度是指合作信息的公开与对称。

（3）外部环境因素

企业技术创新除了受到自身因素和供应链关系影响外，还受到企业所处市场环境及政府政策导向等外部环境因素影响[6]。考虑到不同发展战略的企业对竞争对手感知不同，选用竞争激烈程度来描述企业所处的市场环境，并且物流企业受规模、所在城市等因素影响，其对政府政策导向的感知同样存在差异，因此选取政府支持力度作为第二个外部环境因素测量指标。最后，长三角作为中国物流产业示范区域，虽总体水平远高于全国平均水平，但其内部发展却存在显著的城市差异，基于既往研究结果[7]，将企业所在城市也作为影响创新的外部因素之一，为该变量设置对应变量值，即上海=1，合肥，南京，杭州，苏州=2，其它=3。

综合上述研究分析并结合现有资料查阅，初步确定物流供应链创新意愿的影响因素如表2所示：

2  模型选择与数据准备

2.1  模型选取

本研究实证过程中选取的因变量和自变量指标多难以量化，或使用连续型变量值时无显著变化，因此最终数据收集时均处理成二元或多元选择变量，该特点符合Logistic回归模型的使用场景，所以选用该模型来对数据进行初步分析[8]。Logistic模型的常用形式为：

ln=fx=α+∑βx+ε，i=1，2，…，n

其中：a为物流企业愿意进行技术创新的概率;1-a为不愿意进行技术创新的概率，x是模型的解释变量;α和ε分别为常数项和误差项;β则对应模型中各解释变量的系数。

2.2  数据收集

研究中采用问卷调查方式收集一手数据，以长三角地区物流企业管理层人员作为调查对象，通过线下纸质版和在线电子版相结合的形式向物流企业发放了150份问卷，其中直接发放纸质问卷30份，通过网络形式发放问卷120份，剔除无效和问题问卷后共计回收有效问卷90份。样本企业中上海市占比13.3%，南京、苏州、杭州、合肥四市占比56.7%，其他城市占比30%;且有效样本广泛涉及不同规模企业，其中小微型企业占比43.3%，中型企业占比45.6%，大型企业占比11.1%，其余二级指标在样本数据中的具体占比分布如表2的“样本边际百分比”一列所示。

3  Logistic-AHP混合模型的建立与求解

3.1  Logistic模型的建立与求解

本文使用SPSS22软件对物流供应链节点企业技术创新影响因素下的9个二级指标数据进行建模求解，采用主效应模型，不经过逐步回归直接指定进入模型的自变量，并勾选伪R方、模型拟合信息、拟合优度、分类表等统计量参数用于说明模型质量，最终得到多元Logistic模型回归结果如表3、表4所示。

读取模型拟合信息表中似然比检验指标，显著性值远小于0.05，说明基本模型有统计意义，通过检验。伪R方一列中依次计算出了考克斯—斯奈尔、内戈尔科和麦克法登这3个伪R方值，其中最低值为0.850，三个值均偏高，说明模型对原始变量变异的解释程度良好，拟合程度优秀。此外，如表4所示的模型似然比检验表计算结果显示，除x2外其余二级指标显著性均小于0.05，同时考虑到原始数据中大中小型企业样本数量严重失衡情况下该指标显著性仍达0.081，故在误差范围内依旧保留物流企业规模这一指标作为物流供应技术创新的内部影响因素之一。

3.2  改进AHP模型的建立与求解

Logistic多元回归会对显著性指标生成最终的参数列表，从而对目标值进行解释和预测，但由于样本数据造成的偏差常常使得部分指标值在回归过程中被筛除。因此，本研究将传统多元Logistic模型与层次分析法相结合，依据前者的变量系数调整专家判断矩阵从而确定最终权重，即得到各个因素对物流供应链节点企业技术创新意愿影响程度。该方法既尽可能多地保留了可用的原始指标，也通过参考客观模型系数值在一定程度上降低了层次分析法的主观性。

首先以物流供应链节点企业技术创新A作为决策层，构建如表2所示的三层结构模型，利用Yaahp软件生成专家评分表，以Logistic参数列表显示的指标系数相对大小为依据，多次填写1～9标度评分表格，最后采用加权算术平均法处理表格数据，得到最终的各层级判断矩阵如表5所示。

选用和法计算判断矩阵特征向量和特征根λ，归一化后得出具体的指标权重如表2所示，再依次计算得各指标层A、B、B、B的一致性比率CR均小于0.1，表示通过总体一致性检验，可认为模型各指标权重安排合理，不需要重复修正。

3.3  模型结果分析

Logistic-AHP混合模型最终计算结果显示，二级指标中竞争激烈程度C、企业所在城市C、企业经营规模C、员工整体水平C、政府支持力度C、供应链合作稳定性C、企业家背景C7个因素权重从大到小的和为0.9516，表明以上7个因素较显著地影响了调研范围内物流供应链节点企业实施技术创新意愿，且3个一级指标中外部因素影响最大，企业内部因素影响次之，供应链合作因素对创新意愿影响最小。

（1）外部环境因素：行业竞争激烈程度和企业所在城市是长三角物流供应链节点企业技术创新外部环境因素中影响最大的两个，且对竞争感知越明显及所处城市经济发展水平越高的物流企业，往往更愿意并有实施技术创新活动的迫切需要。样本数据中有近70%的物流企业来自于沪、合、宁、苏、杭五市，这也使得C与C的交互作用更加明显，即一、二线城市物流企业确实能感知到更激烈的竞争环境。

此外，我国物流业与发达国家相比起步较晚，即使是长三角地区的中大型物流企业也有相当比例仍处于成长期，因此我国现行的大多数税收激励政策对这些盈利不稳定、具有一定经营风险并且信贷资金额度较低的物流企业来说，很难享受到实质的税收优惠。而相对来说环境更为宽松的小微型物流企业，由于数量众多、盈利能力弱、很长时期内尚处于“求生存”阶段，也很难直接感知政府扶持和政策红利[9]。所以，政府支持力度對物流企业技术创新虽影响显著，但相较于以上两个因素影响力稍弱。

（2）物流企业内部因素：样本数据中小微物流企业占比88.9%，而大型企业仅占11.1%，极端数据呈偏态分布，使得单独Logistic回归结果中企业经营规模这一因素的影响不显著，因此在混合模型中增加了C的得分，修正后将其权重调整为0.1278，处于显著区间内。

单独Logistic回归还表明企业员工整体水平和管理层学历背景对其创新活动有着显著影响，这与混合模型结果一致。不难理解，样本物流企业人才结构中54.4%处于中、高水平，超半数物流企业管理人员有过国内外高水平教育经历，还有相当数量由高尖端人才团队发起的技术型物流初创企业，这也是长三角经济发达和区位优势下独特的人才现象，且随着其物流网络进一步升级和扩张，未来人才对技术创新的作用会更加突显。

（3）物流供应链合作因素：供应链合作因素对物流企业技术创新的影响，按权重从大到小排序依次是稳定性、投入度和透明度。得益于长三角整体健康的物流环境，样本数据中投入度和透明度水平均高于50%，较小的总体偏差使得区域内物流企业技术创新受二者影响也较小。而受2020年疫情影响，长三角原有物流供应链稳定性受到冲击，样本数据中近三分之二的企业表示当前供应链伙伴合作稳定性较差，其与上下游合作响应性、物流配送效率及运营成本等直接关联，给物流企业实施技术创新带来了更大风险，成为影响其创新活动较为显著的因素之一。

4  政策建议

首先，要鼓励沪、合、宁、苏、杭五市的物流企业展开创新合作，加强对附近城市的辐射和带动作用，进一步保持长三角地区公平透明的物流行业环境，降低和清除行业竞争性技术的市场准入条件和障碍，努力建成以上海为核心、多个城市为副中心的创新型物流网络。其次，要缩小与发达国家物流企业员工学历水平的差距，继续加大长三角物流人才引进和培育力度，尤其是高尖端智慧物流技术和管理人才[10]。同时引导各类创新要素向中心内头部物流企业聚集，将市场竞争作为优化行业资源配置的首要手段，从而带动中小企业进行技术创新。最后依托长三角的产业协同优势，结合政府的统筹作用适当进行资源补充，加快建设开发完备的供应链共享信息平台保障供应链运行稳定，为物流企业实施技术创新保驾护航。

参考文献：

[1] 王祚宇. 基于大数据的电商平台生鲜食品供应链优化研究[J]. 物流工程与管理，2021，43（1）：98-101.

[2] 丁景. 电子商务平台企业发展战略研究——以淘宝为例[J]. 物流工程与管理，2020，42（12）：104-106.

[3] 陈心媛，等. 新零售背景下盒马鲜生运营策略研究[J]. 物流工程与管理，2020，42（11）：21-23，28.

[4] 闫晗. 精准扶贫视角下农产品农校对接问题研究[J]. 物流工程与管理，2020，42（11）：112-114.

[5] 赵巍. 竞争新形势下互联网企业品牌延伸策略研究[J]. 物流工程与管理，2020，42（9）：151-153.

[6] 王思贤. 贸易战背景下我国木质家具出口对策研究[J]. 中国林业经济，2020（5）：47-50.

[7] 高丽. 基于PCA-MLRM的大学生网络信贷风险认知实证研究[J]. 中国林业经济，2020（6）：138-141.

[8] 叶飞. 绿色供应链管理驱动因素、绿色设计与绩效关系[J]. 科学学研究，2010，28（8）：1230-1239.

[9] 张然. 新形势下国有粮食企业粮食物流管理对策研究[J]. 物流科技，2020，43（2）：36-38.

[10] 陈心媛. 基于AHP的菜鸟驿站末端物流服务质量提升研究[J]. 物流工程与管理，2021，43（1）：21-23，26.