邹旭鑫 佟娜 闵佳迪

摘 要：当前，中国流通业正面临转型升级的重要需求与多重挑战，数字经济时代，流通业实现数字化转型是必然趋势，因此，本文认为抓住数字经济发展机遇是中国流通业实现转型升级、提高质量和效率、保障高质量发展的关键。本文选取我国2013—2019年30个省（自治区、直辖市）的面板数据，分别运用DEA-Malmquist指数和熵值法测算流通业效率和数字经济发展水平。本文通过构建固定效应模型，实证分析数字经济发展水平对流通效率的影响。结果表明：第一，中国流通效率整体水平不高，地区间发展存在明显差异；第二，我国数字经济发展势头迅猛，但地区间发展水平存在差距；第三，数字经济可以显著促进流通效率的提高，且经过稳健性检验后结论仍成立。因此，本文提出以下政策启示：完善数字信息基础设施，加大数字经济相关技术的研发力度；加速促进流通产业链数字化改革；助力数字经济赋能流通领域等，以供参考。

关键词：数字经济；流通业效率；DEA-Malmquist指数；熵值法；数字化转型

本文索引：邹旭鑫，佟娜，闵佳迪.<变量 2>[J].中国商论，2024（10）：-006.

中图分类号：F124.3 文献标识码：A 文章编号：2096-0298（2024）05（b）--06

1 引言

我国数字经济发展体系建设成效显著，实体经济融合推进、经济高质量发展势头强劲。随着新一轮技术发展和产业革命的不断深入，数字化时代已经到来。《中国互联网发展报告2023》显示，2012—2022年，中国数字经济规模从11万亿元增长到50.2万亿元，在互联网应用、网民数量、人工智能发展等方面领跑全球。近年来，全球经济复苏动力虽不足，但数字经济仍保持强劲的发展势头，尤其是中国的数字经济发展，成为推动经济高质量发展的重要力量[1]。数字经济具有颠覆性创新、超高速增长等新特征（李晓华，2019）[2]，发展以数据要素资源为核心的数字经济逐渐成为企业提高竞争力的不二选择。通过数字化变革企业制度、技术及管理等多维要素，释放创新动能，引领新质生产力发展，从而获得产业内竞争的比较优势。流通业连通生产与消费两端，衔接经济社会运行过程的各个环节，贯通商流、物流、资金流和信息流，是反映一个国家（地区）市场繁荣程度和经济运行状况的基础性产业（赵娴，2023）[3]。流通效率是反映生产到消费流通实现能力的综合指标（王春豪和袁菊，2019）[4]。商务部于2015年5月15日发布了《互联网+流通》行动计划，旨在加速信息技术在流通行业的应用。习近平总书记在党的二十大报告中提出建设现代化产业体系，需要“加快发展物联网，建设高效顺畅的流通体系”。由此可见，流通业已成为建设现代化产业体系的关键性产业，建设现代流通体系，推进流通数字化，提高流通效率，对建设全国统一大市场，推进经济高质量发展起到了至关重要的作用。目前，中国的流通产业已进入成熟期，正处于关键转型、提质、增效阶段。然而，各省市在流通领域的基础设施建设水平差距较大，发展政策大相径庭，相关投资的发展力度也不均匀，数字技术与流通领域之间的融合度和深度有待加强。丁俊发（2012）[5]指出，中国物流水平低，对于生产性消费来说，库存量大、周转慢，必然会导致抬高物流费用，提高流通成本。王心良和郑书莉（2013）[6]认为，中国流通业进入和退出的门槛低，竞争激烈，有时甚至出现了无序竞争，为零售企业创造了不良的增长环境，导致企业寿命短、规模小等后果。因此，数字经济发展能否助力流通效率的提高，是值得深入探讨的问题。基于此，本文在测度数字经济和流通效率发展水平的基础上，实证探究数字经济发展对流通效率提高产生何种影响。本文可能的贡献在于：对现有流通数字化理论研究进行有益补充，并为在数字经济发展背景下畅通“双循环”、建设全国统一大市场经济实践提供一定的借鉴。

2 文献综述

随着数字经济的发展，数字经济与流通业发展关系的研究受到各界学者的广泛关注，已有研究发现数字经济与流通业之间存在着紧密的联系。颛孙丰勤和张敏（2022）[7]指出，在信息技术的赋能下，数字经济迅速发展并逐渐成为推动商贸流通业创新发展的新动力。樊玲和刘凯（2022）[8]认为，随着“互联网 +”时代的到来，数字移动技术的普及有力地支持了中国电子商务产业的快速发展，特别是线上线下渠道的有效融合，为降低流通企业的营销交易成本和流通成本、提高整体流通效率奠定了坚实的基础。王超亚（2022）[9]研究发现，数字化、网络化、集约化和智能化将成为现代流通体系的核心竞争力，应加快现代流通体系的数字化转型，为国内大循环提供强大的创新动力。余祖鹏和王孝行（2023）[10]认为，流通数字化对流通产业的碳减排效应主要通过促进绿色技术创新、降低交易成本、提高劳动生产率实现。此外，杨仁发和徐晓夏（2023）[11]指出，在数字经济发展背景下，数字化赋能发展成为实现流通业现代化的关键，且数字经济对流通业现代化具有显著的正向驱动作用，但在我国不同区域存在异质性影响。闫华（2022）[12]研究发现，数字基建有助于提高流通产业效率，数字基建对流通产业效率的优化效应具有地区异质性，其表现为对经济发达的东部地区影响最强，中部次之，西部最弱。然而，Abdullaevich（2022）[13]指出，数字经济的出现导致商业环境产生变化。同一时间，小微企业在市场发展中越来越困难，尤其是发展中国家在实施数字经济方面存在问题，企业战略决策的风险等级和风险程度不断提高。例如，电商的出现给批发商和线下实体零售店带来了巨大冲击，市场主体之间的相互经济关系将发生很大变化，对市场上一些活跃的、创新能力高的企业主体是有利的，另一些企业因为无法适应新兴数字技术带来的经营环境的变化，导致经营困难甚至退出市场。

文章通过梳理现有文献发现，对数字经济内涵的界定尚未统一，更没有一致认可的测度工具，亟须创新出更科学、更精确、更适配的测度方法来评估数字经济发展水平的真实状况。已有研究大部分聚焦在大数据、云计算、物联网等数字技术对流通模式的影响，因此本文在前人研究的基础上，構建合适的评价指标，衡量数字经济发展水平对我国各省市流通效率的影响，并探索各区域的异质性，从而为数字经济背景下中国流通效率的提高提供数据支撑。

3 流通效率与数字经济的测算

3.1 基于DEA-Malmquist指数分析法的流通效率测算

3.1.1 测算方法和模型设定

借鉴刘秉镰和李清彬（2009）[14]的研究，本文采用DEA-Malmquist指数分析法测算流通业全要素生产率，不仅可以解决在传统生产函数中的转移函数不一定连续等问题，还可以基于时间序列，测算流通业全要素生产率，同时可以得出其技术效率、规模效率等变化情况，从而对流通业效率进行深度研究。

DEA-Malmquist指数分析法通过测算t+1时期相对t时期的投入产出变化程度来测算全要素生产效率的变动，其计算公式为：

其中，x、y分别表示投入和产出矩阵，i表示决策单元；t表示时期；D表示距离函数，是指实际投入产出状况相对有效生产前沿面投入产出水平的距离。根据上式得出的全要素生产率可以进一步分解为技术效率（TECH）和技术进步变化指数（TPCH）相乘，具體分解公式如下：

其中，技术效率（TECH）可以再次进一步分解为规模效率（SECH）和纯技术效率（PTECH），公式具体如下：

若TECH大于1，代表决策单元管理能力较强，生产向前沿边界靠近，技术效率有所提高；反之，说明决策单元管理能力较弱，技术效率有所退步。若TPCH大于1，表明生产技术在进步；反之，则表明生产技术在退步。

3.1.2 指标选取和数据来源

本文选取2013—2019年我国30个省、直辖市、自治区（不包括西藏和港澳台地区）的面板数据作为样本，运用DEA-Malmquist指数分析法衡量我国流通业的效率。本文使用投入产出指标体系，以流通业增加值（批发零售业、住宿餐饮业、交通运输、仓储及邮电通信业）为产出指标；选择与流通业相关的固定投资（批发零售业、住宿餐饮业、交通运输、仓储及邮电通信业）和劳动投入（批发零售业、住宿餐饮业、交通运输、仓储及邮电通信业年末从业人数总和）作为投入指标。文章相关数据均来源于《中国统计年鉴》。

3.1.3 流通业Malmquist指数分析

在上述理论模型的基础上，本文运用DEAP 2.1软件分析了中国流通业的全要素生产率及其分解后的技术效率（TECH）、技术变化指数（TPCH）、规模效率（SECH）和纯技术效率（PTECH）。

从表1来看，我国流通业效率整体属于稳步上升状态，山西与江苏等地流通业效率一直保持较高水平，2018年流通业效率分别达到1.163和1.185。西部地区的大部分省市流通业效率经历小范围波动后逐渐趋于平稳有效的状态，例如贵州、云南、青海等地，2018年的流通业效率分别达到1.085、1.085和1.102。

文章进一步将全要素生产率进行分解，从表2来看，我国2014—2019年的流通业效率整体处于稳步增长态势，在2017年和2018年达到最高。2016年，国务院办公厅发布《关于深入实施“互联网+流通”行动计划的意见》，强调推动互联网和流通业的相互融合，促进流通业创新发展。但总体来看，我国的技术效率指数不高，全要素生产率的提高主要依靠技术进步来实现。

文章通过对中国不同区域全要素生产率的对比分析发现，各区域的全要素生产率大体呈现递增趋势。中部和西部地区在2014—2015年流通业效率低，由于经济发展，两地区基础设施建设不够完备，同时西部地区流通业发展也受到地理环境因素的影响，造成全要素生产率较低，但是在2016—2019年的差距逐渐缩小。各区域年度全要素生产率统计如表3所示。

3.2 数字经济水平的测算和分析

3.2.1 指标选取

目前，对于数字经济水平的测算并没有一个统一的标准，考虑到各省市数据统计的不一致性和数据的可获得性，本文借鉴唐红涛等（2021）[15]的研究结果，结合我国数字经济的现实发展状况，选取移动电话年末用户数、电信业务总量、互联网接入宽带用户数和信息传输、软件业和信息技术服务业从业人员数四个指标，运用熵值法进行测算，最终得到数字经济发展水平指数。本文选取2013—2019年我国30个省、直辖市、自治区（不包括西藏和港澳台地区）作为数据样本。

3.2.2 测算方法介绍

数字经济发展水平的测算方法，大致可总结为两种方法：第一，直接测算法，即直接采用统计公式进行计算；第二，间接测算法，即建立多指标评价体系，以主观或客观的思维方式，对各个指标赋权并计算得分。本文采用熵值法计算数字经济发展水平，该方法可以对评估对象进行客观、准确的评估。熵值法具体评价模型如下：

（1）指标说明：假设年份跨度为d，省份个数为n，指标数量为m。

（2）数据的标准化处理

正向指标标准化：

负向指标标准化：

其中，θ为时间；i为地区；j为指标；xθij表示第θ年省份i的第j个指标。

（3）确定指标权重：

（4）指标的熵值：

（5）指标的信息冗余度：

（6）确定指标j的权重：

（7）各省市数字经济发展水平：

3.2.3 各省市数字经济发展现状分析

本文依据上述公式估算出中国各省市的数字经济发展水平，2013—2019年各个省市和地区的数字经济发展指数如表4所示。

从各省市来看，2019年，广东、江苏、浙江、山东、北京分别位列全国前五名，其中广东省的指数为0.9202，在30个省市中排名首位。相对来看，海南、宁夏、青海的数字经济发展水平最为落后，究其缘由是各省市的资源禀赋差异会造成数字经济发展基础不同，排名在前五位的省市在数字基础设施、数字业务规模等方面建设完备，发展速度迅猛，有关数字经济的实体产业也大规模建立在上述省市，有益于推动相关地区数字经济产业的发展，加快实现生产技术创新、替换旧生产方式，推动数字经济发展。

从时间维度来看，2013—2019年各省市的数字经济发展水平处于逐年递增的状态，说明我国数字经济发展势头良好，但仍有部分省市增幅相对较小。广东在2013—2019年数字经济发展指数增加约0.5，排在首位；江苏指数增加约0.3，排名第二；浙江和河南增值近乎相同，约为0.28，并列第三，与总值排名几乎相同。

从区域数字经济发展水平来看，东部、中部和西部地区的数字经济发展水平逐年递增，2013年东、中、西部地区的数字经济发展水平平均分别为0.4546、0.0006、0.0337，2019年分别增长到1、0.2363、0.3090，东部地区的数字经济发展水平和增幅都高于中部和西部地区，西部地区高于中部地区，反映了我国数字经济区域发展不平衡问题较为严重。

4 实证分析

4.1 计量模型设定

本文构建基准回归模型，检验数字经济对流通效率的影响，表达式如下：

其中，i表示地区；t表示时间；Yi，t表示流通效率（TFP）；Digii，t表示數字经济发展水平；Zi，t表示一系列的控制变量，包括政府干预度（Gov）、经济发展水平（pgdp）和受教育程度（edu）；μi表示个体固定效应；δt表示时间固定效应；εi，t表示随机扰动项。

4.2 变量选取与构建

基于数据的可得性和精确性，本文选择我国30个省市2013—2019年的相关数据作为样本，流通效率（TFP）作为被解释变量，数字经济（Digi）作为核心解释变量，构建固定效应模型进行实证分析。为了避免数字经济对流通效率的总体影响，同时加入控制变量。借鉴已有研究的做法，本文选取政府干预度（Gov）、经济发展水平（pgdp）、受教育程度（edu）3个控制变量，各个变量的具体设定如下。

4.2.1 被解释变量

流通效率（TFP）。本文采用DEA-Malmquist指数分析法衡量我国30个省市2013—2019年流通业的全要素生产率，代表流通效率。

4.2.2 核心解释变量

数字经济（Digi）。本文运用熵值法对数字经济发展水平进行测算。

4.2.3 控制变量

（1）政府干预度（Gov），用地方政府财政支出与GDP比值表示。政府可以对市场进行干预和监管，从而影响该行业的发展。

（2）经济发展水平（pgdp），以人均GDP数值表征。

（3）受教育程度，采用各省市当年本专在校生人数来衡量。

本文选用的各项指标含义及来源说明如表5所示。

表6是主要变量的描述性统计结果。其中，流通业效率的最大值与最小值相差较大，标准差为0.111，说明我国各地区的流通业发展水平不均衡，数字经济发展水平与流通业存在相似的情况，不同省市的政府干预度（Gov）、经济发展水平（pgdp）和受教育程度（edu）也都存在一定的差异。

4.3 实证结果分析

4.3.1 基准回归分析

为了研究数字经济发展水平对流通效率的影响，本文使用Hausman 检验法判断是采用固定效应还是随机效应。Hausman检验的统计值为29.09，相应的p值（0.000）小于0.01，表明采用固定效应更合适。

数字经济对流通效率影响研究的基准模型回归结果如表7所示。其中，模型（1）中未加入控制变量，模型（2）则加入了控制变量。

模型（1）的结果表明，数字经济的估计系数显著为正，意味着数字经济整体上可以显著促进流通效率的提高，也表明在流通业中，应用数字经济可以将流通产业链和数字技术相融合，实现数字化运营，提升流通业的数字化、信息化和智能化水平。

在控制变量方面，经济发展水平（pgdp）和政府干预度（Gov）对流通效率影响均显著。其中，经济发展水平并未对流通业效率产生正向促进作用，同时政府的过多干预不利于流通产业的发展和活跃度的提高，导致供求失衡等问题，进一步阻碍流通效率的提高。受教育程度（edu）的影响并不显著，表明我国流通业人才不足，对流通效率的提高作用尚未发挥出来。

4.3.2 稳健性检验

本文采用改变样本区间的方法进行稳健性检验。2015年以来，“互联网+” 等多项相关政策大幅增长。此外，2015年党的十八届五中全会上提出了新发展理念。因此，本文选取2015—2019年我国30个省市的面板数据进行回归分析，以验证实证结果的稳健性，如表8所示。

表8显示，在未加入控制变量的模型（1）中，数字经济对流通效率的影响系数为0.117，在加入控制变量的模型（2）中，影响系数为0.089，均在5%的水平上显著。这说明，在改变样本区间后，数字经济的发展水平对流通效率有显著的正向提升作用，即证明了本文的实证结果是稳健的。

5 结语

5.1 研究结论

本文通过测算数字经济与流通效率指标，并使用2013—2019年的省级面板数据进行实证检验。研究结果表明：第一，中国流通效率整体水平不高，地区间发展存在明显差异。从省级层面来看，各省的流通业效率都处于上升趋势，2018年各省市流通业效率基本达到最高状态，之后部分城市有所回落。在区域对比分析中，东部地区整体流通业效率最高。从全国层面来看，2013—2019年，全国流通业效率发展水平总体呈现出“M”型演进的特征，表明流通业效率在早期快速上升，在中期出现了瓶颈，此后再次迎来了快速上升的发展阶段。整体而言，流通业效率还有较大的提升空间。

第二，我国数字经济发展势头迅猛，但地区间发展水平存在差距。从时间维度来看，2013—2019年，各省市的数字经济发展水平呈逐年递增的状态，说明我国数字经济发展势头良好，但仍有部分省市增幅相对较小。从空间维度来看，排名前五的省份都在东部地区，而海南、宁夏、青海的数字经济发展水平最为落后。另外，东部、中部和西部地区的数字经济发展水平逐年上升，其中东部地区的数字经济发展水平一直高于中部和西部地区，而西部地区的数字经济发展水平高于中部地区。总体而言，我国数字经济未来具有巨大的发展空间。

第三，数字经济可以显著促进流通效率的提高。从全国层面的回归分析可知，无论是否加入控制变量，数字经济对流通效率都具有显著的正向影响，表明数字经济能够促进流通效率的提高。通过稳健性检验，改变样本区间缩短时间，结果仍然成立，说明结论可靠。

5.2 对策建议

综上所述，本文得出以下政策启示：第一，完善数字信息基础设施，加大数字经济相关技术的研发力度。整体来说，我国数字经济基础设施与发达国家还有较大的发展差距，亟须加大对数字经济基础设施的人力和财力投入力度，以扩大数字经济的覆盖面。地方政府应特别重视落后地区数字基础设施的建设和部署，以尽可能缩小数字鸿沟，促进数字经济的整体发展。

第二，加速促进流通产业链数字化改革。发挥链主企业的榜样作用，打造一批相关配套设施完备的流通示范企业，完成全面数字化革新，产生示范效应，再把这些龙头企业作为榜样，将数字化交易延伸到流通产业链的上下游，推动循环产业链的整体数字化改革和现代化建设。

第三，助力数字经济赋能流通领域。相关部门应重视数字经济对流通效率提高的积极作用，完善与数字经济相关的政策和监管，促进区块链、大数据、云计算等技术与流通业的融合发展，完善流通领域的数字基础设施建设，将数字经济赋能流通业各领域，促使流通业收益和效率的提高，助推流通业高质量发展。

参考文献

赵熠如.50.2万亿！我国数字经济发展势头强劲[N].中国商报，2023-11-10（1）.

李晓华.数字经济新特征与数字经济新动能的形成机制[J].改革，2019（11）：40-51.

赵娴， 张志英. 流通业变革：数字化驱动、商业逻辑重构与产业融合创新[J].海南大学学报（人文社会科学版）， 2023，41（1）：184-193.

王春豪，袁菊.西部地区现代流通业效率测度及空间差异分析： 基于非径向超效率三阶段DEA模型[J].工业技术经济，2019，38（12）：102-110.

丁俊发.流通成本高、效率低问题的冷思考[J].中國流通经济，2012，26（12）：18-20.

王心良，郑书莉.交易方式变革视角下流通业现代化发展问题探讨[J].商业时代，2013（16）：28-29.

颛孙丰勤，张敏.数字经济发展对流通业绿色全要素生产率的影响研究： 基于空间溢出视角的分析[J].价格理论与实践，2022（5）：74-77+205.

樊玲，刘凯.数字化发展对我国流通效率提升的影响： 基于区域异质性的比较分析[J].商业经济研究，2022（21）：28-32.

王超亚.双循环新发展格局下的现代流通体系建设[J].中共山西省委党校学报，2022，45（5）：64-70.

余祖鹏，王孝行.流通数字化对流通产业碳排放的影响与作用机制[J].中国流通经济，2023，37（12）：26-35.

杨仁发，徐晓夏.数字经济对商贸流通业高质量发展的影响[J].中国流通经济，2023，37（5）：28-40.

闫华.数字基建对流通产业效率的优化效应分析[J].商业经济研究，2022（24）：40-43.

Abdullaevich AO. Improving the business environment based on the digital economy[J]. Journal of Pharmaceutical Negative Results， 2022（13）：368-371.

刘秉镰，李清彬.中国城市全要素生产率的动态实证分析：1990—2006： 基于DEA模型的Malmquist指数方法[J].南开经济研究，2009 （3）：139-152.

唐红涛，陈欣如，张俊英.数字经济、流通效率与产业结构升级[J].商业经济与管理，2021（11）：5-20.