农产品物流影响因素研究

认为农产品物流发展实质上就是农产品物流制度的完善过程，其必然受宏观制度环境的影响。路征等（2015）则通过调研我国五市生鲜农产品物流参与主体，从微观数据中发现，基础设施、地理区位、物流主体等因素对生鲜农产品物流发展具有重要影响。王树祥（2009）等则将关注点转向农产品本身，其根据不同农产品生产特征探究季节性产出、地域差异、生产组织方式等对农产品物流的影响。王俣含（2018）从动态视角探究新型城镇化对我国农产品物流发展的作用机制，他认为城镇化进程引致新的社会空间结构、新的农业生产经营方式和一体化物流技术，这三种因素分阶段对我国农产品物流发展起到主导作用。结合已有研究不难发现，虽然学者们探索出的影响因素不尽相同，但农产品物流发展受到多种条件的综合作用已经成为共识。

研究方法与内容

（一）研究方法。本文使用定性比较分析方法中的模糊集分析（Fuzzy-setsAnalyse）探究农产品物流的影响因素。CharlesC.Ragin在1987年提出定性比较分析方法，他将布尔代数和集理论结合起来，发展出二分变量的QCA技术，这种分析方法适用于中小数量样本的跨案例分析。近年来，定性比较分析方法逐渐进入管理学领域，为宏微观管理研究提供了新的思路。QCA方法的优势在于，其采取整体的案例分析视角，其中每个案例被视为条件变量的组态，在进行定性比较分析时，各条件变量已经被视为互相影响的状态，这种设定更符合农产品物流影响因素的实际情况。此外，定性比较分析方法结合了定性分析和定量分析的优点，既具备定性分析的深度，又具备定量分析的科学性和外部推广性。目前定性比较分析方法有清晰集分析、模糊集分析和多值比较分析三类。（二）案例选择与变量度量。本文案例省份的选取遵循以下原则：选取具有代表性的农业大省；综合选取东、中、西部省份；考虑数据易获取性。根据以上原则，挑选广东、江苏、山东、黑龙江、河北、河南、湖北、湖南、陕西、四川、广西、新疆共12个省份作为研究案例。结合已有研究，本文选择物流基础设施、物流主体数量、物流技术条件、品牌优势、人力资本作为条件变量。其中物流基础设施通过各省物流园区数量、运输路线长度、载货汽车拥有量等综合衡量，数据来源于《2018中国统计年鉴》；各省物流主体数量数据来源于物流产业大数据平台；物流技术条件通过2018年各省公开物流产业专利数来衡量，数据来源于国家知识产权局重点产业专利信息服务平台；品牌优势通过2018年全国物流企业50强排名入选数衡量，数据来源于中国物流与采购联合会的2018中国年度物流企业50强排名；人力资本通过2017年底各省交通运输、仓储、邮政业就业人员数衡量，数据来源于《2018中国统计年鉴》。结果变量即农产品物流发展水平，借鉴已有研究，以农产品生产和消费能力、物流信息化水平、运输能力作为一级指标，使用主成分聚类分析方法测算12省农产品物流发展水平。条件变量和结果变量均根据各省实际情况，按照“0，0.33，0.67，1”四级赋值，各变量赋值结果见表1。其中I代表物流基础设施，E代表物流主体数量，T代表物流技术条件，P代表品牌优势，R代表人力资本，AL代表高农产品物流发展水平，LowAL代表高农产品物流发展水平的反向变量。（三）条件变量必要性检测。模糊集分析的第一个步骤即对各条件变量进行必要性检测，其目的是检验各条件变量是否构成结果变量的必要条件，若一致性结果（Consistency）大于0.9，则条件变量的必要性成立，覆盖度（Coverage）则是判断各条件变量解释力度的标志。使用fs/QCA3.0软件分别将AL和LowAL作为输出结果，得到各变量的一致性数值及覆盖度，见表2。表2显示，变量E对于AL的一致性结果高于0.9，表明高物流主体数量是农产品物流发展水平的重要影响因素。变量~E、~T、~P、~R对于LowAL的一致性结果均大于0.9，表明低物流主体数量、低物流技术条件、低品牌优势和低人力资本是制约农产品物流发展水平的重要因素，其中低物流主体数量（Coverage=0.936330）的负面影响最大。（四）真值表构建。构建真值表的目的在于确定不同因果条件组合下案例的归属情况。在表3中，大于0.5的条件变量被赋值为1，小于0.5的条件变量被赋值为0。以组合“1，1，1，0，1”为例，共有3个省份归属于该条件变量组合。（五）条件组合分析。条件组合分析是指对于不构成必要条件的单个条件变量，测量其不同组合方式对结果变量的影响。在必要性分析步骤中，高物流主体数量对于高农产品物流发展水平的必要性已经得到验证，因此不纳入条件组合分析。在表3的基础上，运用fs/QCA3.0软件的标准分析，将AL作为输出结果，可得到三种组合方案，包括复合方案（ComplexSolution）、吝啬方案（ParsimoniousSolution）、中间方案（IntermediateSolution），其中复合方案将所有条件变量纳入分析，而吝啬方案则是变量精简化的结果，因此一般将中间方案作为分析依据。本案例中，复合方案在剔除符合必要性条件的变量E之后，同中间方案具备一致性。表4中，中间方案中两种组合的一致性指标均大于0.9，组合T*R*I可以表述为：高物流技术条件、高人力资本和强物流基础设施条件能够产生较高农产品物流发展水平。组合T*P*R可以表述为：高物流技术条件、高品牌优势、高人力资本能够产生较高农产品物流发展水平。由于第一种组合的覆盖度（Coverage）更高，因此组合T*R*I的解释力大于组合T*P*R。根据分析结果，归纳如下结论：高物流主体数量是区域农产品物流发展水平发展的重要助推因素；在物流主体数量水平相当的情况下，拥有高技术条件、高人力资本和较强物流基础设施的地区和拥有高物流技术条件、高人力资本、高品牌优势的地区均能够获得较高的农产品物流发展水平。其中，组合T*R*I可以归纳为农产品物流发展的“山东模式”，组合T*P*R可以归纳为农产品物流发展的“江苏模式”。组合T*R*I的解释力大于T*P*R的原因在于，案例中更多省份依托劳动力规模发展农产品物流行业，而非品牌优势或技术创新；低物流主体数量、低物流技术条件、低品牌优势和低人力资本都是制约农产品物流发展水平的重要因素，其中低物流主体数量是首要影响因素。

对策建议

第一，农产品物流发展水平较弱的区域应首先推进物流企业扶持政策，壮大物流主体规模。物流主体数量和规模一定程度上反映了区域物流行业的生命力和物流市场的活跃程度。对于如新疆、黑龙江、广西等农产品物流发展水平相对较弱的地区，应将扶持本地物流企业、吸引外地物流企业入驻、壮大物流主体规模作为优先举措；对于国家认定的5A、4A、3A物流企业和省级重点物流企业给予相应扶持和奖励；稳步推进物流园区规划工作，完善农产品物流金融服务；在为本地初创物流主体提供一系列优惠扶持政策的同时，鼓励全国大型和知名物流企业在当地建立物流中心，为本地农产品物流发展注入竞争活力。第二，具备高物流主体数量的地区可根据实际情况应用“山东模式”或“江苏模式”。“山东模式”和“江苏模式”是具备高物流主体数量的区域可以选择的两种农产品物流发展模式。其中“山东模式”是指借助较强基础设施水平和庞大的人力资本，实现农产品物流规模化发展的模式，以山东、河南、四川等省份为代表，这些省份具备庞大的消费需求和就业潜力优势；“江苏模式”则是指借助物流主体的品牌优势和技术创新优势，助推农产品物流集约化发展的模式，这种模式以较强的教育水平和行业竞争力较强的物流主体为基础，以江苏省为代表，其优势为雄厚的教育资源和良好的技术研发环境。对于物流主体数量相对较高的省份而言，应根据实际情况明确发展目标，选择适合自身的农产品物流发展方式。第三，创新物流运输设施设备，提高产业技术水平。较低的物流技术水平阻碍区域农产品物流的发展。现代化物流技术对于农产品物流主体经营管理水平和农产品物流作业效率的提升都具有重要意义。对于物流技术水平较低的区域，需发展物流信息化技术、物流跟踪与控制技术、自动化设备等一系列现代物流技术。政府部门要为技术创新提供良好的政策环境，鼓励物流主体和科研机构参与农产品物流技术创新活动。第四，强化物流从业资格认证，加强复合型物流专业人才培养。对于现代农产品物流产业而言，以人才带发展、以人才促进产业结构调整和优化升级已经成为大势所趋。现代农产品物流业具备较强的综合性和操作性特征，从业人员素养也需要与时俱进。具体举措如引进国际先进物流人才培养系统，根据农产品物流发展实际水平进行调整；推进企业与高校全方位交流合作，实现在校大学生实习、毕业与就业的直接对接；完善农产品物流从业资格认证制度，积极开展相关从业人员再培训工作；出台大学生落户优惠政策，吸引外地物流专业人才就业。

作者:秦立公 朱可可 单位:桂林理工大学商学院