彭小珈

(湖南農業(yè)大學 商學院,湖南 長沙 410128)

一、引言

黨的二十大報告明確指出,中國要“著力發(fā)展跨境電商,推動經濟高質量發(fā)展”。近年來,電商生產發(fā)展促進了相關產業(yè)鏈的發(fā)展,包括物流、倉儲、客服等,創(chuàng)造了大量就業(yè)和創(chuàng)業(yè)機會[1]。同時,電商打破了地域限制,讓農村、中小城市的產品能夠通過電商平臺進入全國乃至全球市場。這促進了農村經濟和地方經濟的發(fā)展,提升了居民的收入水平和生活品質。電商行業(yè)的發(fā)展推動了傳統(tǒng)產業(yè)與互聯(lián)網的融合,促進了傳統(tǒng)企業(yè)的轉型升級[2]。傳統(tǒng)商家通過電商平臺進行線上銷售,拓展了銷售渠道,提升了效益。電商生產效率影響電商企業(yè)的投入產出,電商生產效率的高低直接決定了電商行業(yè)生產發(fā)展的可持續(xù)性[3]。隨著互聯(lián)網技術和數(shù)字經濟的不斷發(fā)展,電商生產效率提升將推動中國社會經濟可持續(xù)發(fā)展。同時,電商生產效率問題逐漸成為研究熱點,吸引國內外學者紛紛關注電商生產效率方面的研究,電商生產效率研究的深度和廣度不斷加強。

目前,國內外學者關于電商生產效率方面的研究,主要集中在三個方面:一是關于電商生產效率理論方面的研究,主要集中在如何通過電子商務的應用和管理來提高生產效率,以大數(shù)據、數(shù)字技術、云計算、區(qū)塊鏈等作為管理應用方法的現(xiàn)代電子商務,通過增加電商企業(yè)生產產量、減少資源投入、節(jié)約成本費用來提高企業(yè)生產效率[4]。二是關于電商生產效率測算評價方面的研究,聚焦于電商生產效率高低。學界通過建立一系列指標體系來評價和測算電商的生產效率,比較常見的評價方法主要包括企業(yè)產出與投入比值評價法[5]、參數(shù)分析法、AHP層次分析法和因子分析法[6]。三是關于電商生產效率影響因素方面的研究,可以分為兩個方面:第一,內部約束影響,側重于強調電商企業(yè)內部的約束因子,包括數(shù)字技術創(chuàng)新、企業(yè)人力資本、數(shù)字信息平臺、電商資金支持、電商物流條件、公共服務體系建設等[7-11]。第二,外部沖擊影響,更加強調政府政策、外部環(huán)境,主要包括電商政策規(guī)制、經濟發(fā)展、對外貿易等[12-13]。眾多學者普遍認為,數(shù)字技術創(chuàng)新、數(shù)字信息平臺、電商資金支持對電商生產效率均具有正向影響,在一定條件下,電商政策規(guī)制對電商生產的影響具有門檻效應,靈活得當?shù)碾娚陶咭?guī)制對電商生產效率的支持力度很大,但是嚴格的電商政策規(guī)制采用罰款、限制等方式阻礙了電商企業(yè)市場競爭力提升,影響電商生產效率的提高。另外,電商技術創(chuàng)新、電商物流條件以及電商人才方面也存在問題[14]。電商技術創(chuàng)新促進電商生產效率提升仍面臨著困境,技術瓶頸和數(shù)據安全問題成為阻礙電商生產效率提高的重要壁壘。物流配送在一些偏遠地區(qū)仍然存在困難,這無疑增加了電商運營的成本,影響其生產效率。電商行業(yè)是一個高度依賴互聯(lián)網和信息技術的行業(yè),需要大量的高技能人才。然而,目前人才供應不足或人才流失可能阻礙電商生產效率的提高[15]。

綜上可知,國內外學者對電商生產效率的研究在學理和實證上都取得了較為豐碩的理論成果,為本文研究提供了有力支撐,但仍存在一些不足之處:在效率測算方法上,SFA隨機前沿參數(shù)模型、產出與投入比值法、AHP層次分析法以及因子分析法在測算前都要構建數(shù)學模型,選取指標,設置指標權重。這些評價方法主觀性強、數(shù)據敏感性不足、準確性較低。在影響因素方面,變量遺漏、內生性等問題容易發(fā)生,易忽視影響因素與電商生產效率之間可能存在的動態(tài)交互影響和長短期波動效應。本文以我國電商行業(yè)生產效率為切入點,收集和整理2016—2021年31省區(qū)市電商行業(yè)生產數(shù)據,建立偏向性技術進步前沿面的DEA模型,科學準確測算電商行業(yè)的生產效率,找到電商行業(yè)生產效率提升的關鍵性影響因素,克服電商行業(yè)生產效率提升的困境,增強電商行業(yè)發(fā)展可持續(xù)性,更好地推動區(qū)域經濟高質量發(fā)展,助力中國式現(xiàn)代化建設。

二、理論分析

在測算電商行業(yè)的生產效率,研究電商行業(yè)生產效率提升的關鍵性影響因素之前,需要對電商行業(yè)生產效率提升機制進行分析。優(yōu)勢經濟資源的時空集聚會促進區(qū)域內經濟的長期增長,經濟增長通常會帶來更多的投資,包括對電商平臺的技術升級、物流設施的建設和人員培訓等方面的投入[16]。經濟增長意味著人們的購買力提升,電商市場的規(guī)?？赡軙S之擴大。更大的市場規(guī)模可以讓電商行業(yè)通過規(guī)模經濟效應提高其生產效率。經濟增長往往伴隨著技術進步,人工智能、大數(shù)據分析等新興技術可幫助電商企業(yè)更好地理解消費者需求,優(yōu)化商品推薦和庫存管理,從而提高生產效率。經濟增長通常會引發(fā)消費升級,消費者對商品和服務的需求可能會變得更加多元和個性化。對于電商企業(yè)來說,這就需要他們更加精細地進行市場分析和運營管理,以提高服務質量和效率。經濟增長可以帶動電商企業(yè)對高級專業(yè)人才的需求,尤其是善于運用數(shù)字技術的人才。有了這些專業(yè)人才,電商行業(yè)的生產效率可以得到顯著提升。經濟增長通常受政策環(huán)境的影響,良好的政策環(huán)境對電商行業(yè)生產效率的提升也是有利的。比如政府可能會出臺更加有利于電商發(fā)展的政策,或者提供更好的基礎設施和服務,以幫助電商行業(yè)提高生產效率[17]。

三、電商行業(yè)生產效率測算

(一)方法選擇

數(shù)據包絡分析法簡稱DEA,是一種用于估計和測算相對投入與產出效率的非參數(shù)評價方法。DEA分析法是通過構建一個虛擬的“效率前沿面”來衡量單位的相對效率。效率前沿面是由所有最有效的單位形成的邊界,表示在給定輸入和輸出條件下可以達到的最高效率水平。其他單位的相對效率則可以通過與效率前沿面的距離來衡量,距離越近表示單位越接近最高效率。在DEA模型中,輸入和輸出指標是評估單位效率的關鍵因素。輸入指標可以是資源投入,如勞動力、資本或原材料,而輸出指標可以是產品產量、銷售額或其他衡量單位績效的指標。根據具體問題的要求,可以選擇不同的指標來評估單位效率[18]。DEA分析的優(yōu)點在于它不需要提前設定權重或假設函數(shù)形式,因此可以避免測算估計的主觀性和模型偏差。同時,它適用于評估多個輸入和輸出指標之間的復雜關系,并能夠識別出相對有效的單位。然而,由于DEA分析法對數(shù)據具有一定的敏感度,因此也存在一些限制。一方面,它對數(shù)據的準確性和完整性要求較高,因為它對每個單位的實際觀測數(shù)據進行評估。另一方面,DEA只能提供相對效率的評估結果,無法給出絕對的效率值[19]。

(二)模型設計

結合前文的理論分析,筆者收集和整理了2016—2021年中國31省區(qū)市電商行業(yè)和社會經濟發(fā)展的相關數(shù)據,將環(huán)境變量等非期望產出因素納入偏向性技術效率模型的DEA測算,用徑向測度下的方向性距離函數(shù)模型進行測度。首先是建立DEA模型,假設m為電商投入,n為電商產出,電商生產銷售集合T可以看作電商投入與產出差額的向量集合,t時期所有電商生產銷售的向量集合Tt={(m,n},m,n均為正實數(shù),向量集滿足凸集合、閉集合的要求。道格拉斯生產率指標用于衡量生產效率的變化水平,則方向性距離函數(shù)Dt定義約束為:Dt(m,n;o,p)=sup{λ:(m-λo,n+λp)∈Tt},Dt(m,n;o,p)≥0,λ∈R。方向向量g=(o,p)被固定。因此,道格拉斯生產率函數(shù)表達式為:

L(mt,nt,mt+1,nt+1,g)=Dt(mt,nt,g)-

nt+1,g)-Dt(mt+1,nt+1,g)+

Dt+1(mt,nt,g)-Dt(mt,nt,g)]。

(1)

道格拉斯生產函數(shù)指標結果為正,表示生產率處于增長狀態(tài),為負則表明處于減少狀態(tài)。其中由t期到t+1期的電商生產技術效率值變化為:

TECHEFF=Dt(mt,nt,g)-

Dt+1(mt+1,nt+1,g)。

(2)

因為隨機前沿面的電商生產技術進步指數(shù)是由第t期到第t+1期的技術前沿面變動大小決定,且偏向性技術效率是生產技術效率值與生產技術進步指數(shù)之和,則隨機前沿面的電商生產技術進步指數(shù)為:

nt+1,g)-Dt(mt+1,nt+1,g))+

(Dt+1(mt,nt,g)-Dt(mt,nt,g))]

(3)

電商生產的技術進步前沿面變化可以分為產出側技術進步率、規(guī)模技術進步率以及投入側技術進步率:

TECH=OETECH+METECH+

IETECH。

(4)

其中,產出側技術進步率定義為:

nt+1,g))+(Dt+1(mt+1,nt,g)-

Dt(mt+1,nt,g))]。

(5)

規(guī)模技術進步率定義為:

METECH=Dt+1(mt+1,nt+1,g)-

Dt(mt+1,nt+1,g)。

(6)

相應地,投入側技術進步率指數(shù)定義為:

nt,g))+(Dt(mt+1,nt,g)-

Dt+1(mt+1,nt,g))]。

(7)

結合對道格拉斯方向性距離函數(shù)的分解,本文用DEA估計電商的生產效率,需要測算電商生產的技術效率、規(guī)模效率以及綜合效率,測度電商生產的綜合效率、規(guī)模效率和技術效率的DEA模型如下:

Dt+1(mt+1,nt;o,p)=maxθ

(8)

(三)指標體系構建

根據隨機前沿面偏向性技術進步DEA模型選取電商投入與產出指標,投入類指標主要包括資源消耗方面和環(huán)境污染方面。資源消耗選取了電商人力消耗、電商資本消耗、電商能源消耗、電商網絡消耗四個指標。電商人力消耗以電商企業(yè)從業(yè)人員人數(shù)(萬人)來表示,電商資本消耗用電商企業(yè)資金投入總量(億元)來表示,電商能源消耗以電商企業(yè)電力資源消耗量(億千瓦時)表示,電商網絡消耗用電商企業(yè)電信業(yè)務總量(億元)來表示。環(huán)境污染方面選取了電商企業(yè)水污染和電商企業(yè)空氣污染兩類指標,電商企業(yè)水污染用電商企業(yè)年污水排放量(萬噸)來表示,電商企業(yè)空氣污染用電商企業(yè)年碳排放量(萬噸)來表示。非期望產出變量與投入變量冗余投影改善的標準一致,國內外學者通常將非期望產出作為投入進行效率測算。產出指標由電商總產出一項組成,電商總產出以電子商務銷售額(億元)來表示。文中電商指我國的整個電商行業(yè),一些指標具體用電商行業(yè)中企業(yè)的數(shù)據表示。指標和數(shù)據來源于國家統(tǒng)計局2016—2021年的《中國統(tǒng)計年鑒》《中國城市統(tǒng)計年鑒》,以及《農村電商行業(yè)研究分析報告》《中國跨境電商行業(yè)發(fā)展分析報告》等。

表1 電商生產投入產出指標體系

(四)DEA測算與結果分析

根據收集的投入產出指標,測算出2016—2021年中國31省區(qū)市電商生產的綜合效率、純技術效率、規(guī)模效率。根據VRS測算出每年投入產出規(guī)模效率的報酬增減,形成電商生產投入產出效率的投影結果,測算結果如表2所示。

表2 2016—2021年中國31省區(qū)市電商生產的綜合效率值

如表2結果所示,我國2016—2021年31省區(qū)市電商生產的綜合效率等于電商純技術效率與電商規(guī)模效率之間的乘積,能綜合反映區(qū)域內的生產效率情況。在此期間,我國電商生產的綜合效率較低,平均值除2017年為0.618外,其余年份綜合效率均低于0.6,處于較低水平,說明近年來我國電商行業(yè)生產出現(xiàn)較大的投入冗余,以及產出嚴重不足的問題。2019—2020年綜合效率值出現(xiàn)較大幅度的下滑,是由于新冠疫情所導致,2020年初暴發(fā)新冠疫情,對我國電商行業(yè)沖擊較為嚴重,主要表現(xiàn)在快遞和包裹的物流通暢性下降,市場受疫情影響后消費需求量不足,電商生產端產能出現(xiàn)不同程度的浪費,導致2020—2021年電商生產綜合效率出現(xiàn)較大程度的下滑。從31個省份區(qū)域來看,北京、上海的電商生產綜合效率基本為1,處于效率有效的狀態(tài),這主要是由于北京、上海作為中國最大的兩座城市,具有強大的要素資源吸納能力,活躍的經濟、強烈的市場需求以及強大的資源配置能力使北京、上海電商生產綜合效率常年處于領先和有效的地位。海南在2020年前綜合效率為1,主要是由于海南作為國際旅游島吸引了大量的游客和優(yōu)質環(huán)保的消費,投入和產出比例相對較為均衡。而西藏由于相對數(shù)據總量較少,導致投入冗余浪費較少,產出也能夠滿足當?shù)剌^少的市場需求量,因此,電商綜合效率顯示有效。總體來說,江蘇、浙江、福建、廣東等沿海省份的電商生產綜合效率要高于青海、寧夏、新疆等西北內陸省份,我國電商生產綜合效率呈現(xiàn)出東高西低,由沿海省份向西北內陸地區(qū)遞減的規(guī)律。

如表3結果所示,我國2016—2021年31省區(qū)市電商生產的純技術效率等于電商生產綜合效率與電商規(guī)模效率之間的比值,能綜合反映出區(qū)域內電商行業(yè)技術前沿面生產效率情況。在此期間,我國電商生產的純技術效率整體水平較低,各區(qū)域的純技術效率值大范圍影響到綜合效率值,平均值處于0.6附近,2020年、2021年由于新冠疫情的影響純技術效率低于0.6,說明近年來我國電商行業(yè)生產在技術前沿面出現(xiàn)較大的投入冗余,而產出卻相對不足的問題。北京、上海、廣東三地依靠強大的經濟支持、相對豐富的超前技術投入和要素資源優(yōu)勢,在純技術效率方面領先于其他地區(qū),北京、上海、廣東的電商行業(yè)純技術效率為1。海南和西藏則依靠較少且相對均衡的投入和產出總量,實現(xiàn)電商行業(yè)純技術效率的有效性?？傮w而言,東部地區(qū)依靠相對發(fā)達的經濟和技術優(yōu)勢,電商行業(yè)純技術效率超過中部地區(qū),中部地區(qū)由于交通、人口等強項,純技術效率優(yōu)于西部的寧夏、新疆地區(qū)。

表3 2016—2021年中國31省區(qū)市電商生產的純技術效率值

如表4結果所示,我國2016—2021年31省區(qū)市電商生產的規(guī)模效率等于電商綜合效率與電商純技術效率之間的比值,能綜合反映出區(qū)域內電商行業(yè)生產的規(guī)模效率以及規(guī)模報酬增減趨勢的情況。上海等地的電商生產綜合效率值和純技術效率值均為有效,因此其規(guī)模效率值也是相對有效的。綜合來看,在此期間,我國電商生產的規(guī)模效率整體水平均較高,各區(qū)域的規(guī)模效率值對綜合效率值的影響不如純技術效率值,但平均值處于0.9以上的高水平,2020年、2021年盡管處于新冠疫情時期,各區(qū)域電商行業(yè)生產的規(guī)模效率依然繼續(xù)處于高位,說明近年來我國電商企業(yè)在控制規(guī)?；矫媸窍鄬Ρ容^合理的,現(xiàn)階段電商企業(yè)規(guī)?；a,可以滿足電商企業(yè)對利潤的追求。除了河北、山西、內蒙古、吉林、黑龍江、寧夏的電商生產規(guī)模效率依然處于規(guī)模報酬遞增階段外,其余大部分省份地區(qū)已進入規(guī)模報酬遞減階段了。這說明河北、山西、內蒙古、吉林、黑龍江、寧夏的電商生產規(guī)模還跟不上區(qū)域內的消費需求,可以適度擴大電商企業(yè)的生產規(guī)模。而其余進入到規(guī)模報酬遞減階段的省份地區(qū)說明電商生產規(guī)模已滿足區(qū)域內的需求度,并造成了一定程度的浪費,需要在下一階段的生產過程中控制企業(yè)的生產規(guī)模。

表4 2016—2021年中國31省區(qū)市電商生產的規(guī)模效率值

四、實證分析

(一)模型設計

本文旨在研究影響中國電商行業(yè)生產效率的關鍵性因子,要解決這個問題,需要考慮到我國電商行業(yè)現(xiàn)階段的生產過程、市場環(huán)境、技術條件以及政策支持等多方面因素。因此,在電商生產影響因素實證分析過程中,選取電商規(guī)模、電商銷售、快遞包裹、物流條件、信息條件、從業(yè)人員、市場環(huán)境、市場需求、地區(qū)經濟增長等變量數(shù)據,構建以下回歸模型:

E=β0+β1lnScale+β2lnSell+β3lnParcel+

β4lnFlow+β5lnMessage+β6lnLabour+

β7lnMarket+β8lnRequire+

β9lnEconomy+ε。

(9)

在公式(9)中,E為被解釋變量,衡量DEA測算電商生產的綜合效率值、純技術效率值、規(guī)模效率值,lnScale、lnSell、lnParcel、lnFlow、lnMessage、lnLabour、lnMarket、lnRequire、lnEconomy分別為解釋變量,衡量電商規(guī)模、電商銷售、快遞包裹、物流條件、信息條件、從業(yè)人員、市場環(huán)境、市場需求、地區(qū)經濟增長指標。β0為回歸模型的截距項,β1、β2、β3、β4、β5、β6、β7、β8、β9為模型的待估參數(shù)項,若為正,則表示解釋變量對被解釋變量存在正向影響;若為負,表明解釋變量對被解釋變量存在負向影響。

(二)變量定義與描述性統(tǒng)計

根據回歸模型,收集中國2016—2021年31省區(qū)市電商生產的相關數(shù)據,并進行對數(shù)化處理,被解釋變量為綜合效率、純技術效率、規(guī)模效率,分別用DEA測算電商綜合效率值、電商純技術效率值、電商規(guī)模效率值來衡量。主要解釋變量為電商規(guī)模、電商銷售,分別用地區(qū)電商企業(yè)個數(shù)對數(shù)、電商企業(yè)網上零售額對數(shù)來表示?？刂谱兞繛榭爝f包裹、物流條件、信息條件、從業(yè)人員、市場環(huán)境、市場需求、地區(qū)經濟增長,分別用快遞和包裹投送數(shù)量對數(shù)、地區(qū)公路里程對數(shù)、電商企業(yè)計算機數(shù)量對數(shù)、電商企業(yè)從業(yè)人數(shù)對數(shù)、電商市場銷售額度對數(shù)、電商市場采購額度對數(shù)、地區(qū)全社會生產總值對數(shù)來表示。文中電商生產效率為電商行業(yè)生產效率的簡稱,電商行業(yè)生產效率即為電商生產效率。具體的變量定義與描述性統(tǒng)計如表5所示。

(三)回歸結果分析

根據構建的回歸模型,對中國2016—2021年31省區(qū)市電商生產的相關數(shù)據進行對數(shù)化處理后,回歸結果如表6所示。

表6 基準回歸結果

在表6中,逐步加入變量指標后,R2由0.263上升到0.689,說明在微觀小樣本的回歸模型中擬合度較好。在模型(4)中,各變量對電商生產的綜合效率值的影響效果顯示,電商規(guī)模、快遞包裹、物流條件、市場需求、地區(qū)經濟增長對電商生產綜合效率影響效果顯著為負,說明在現(xiàn)階段電商行業(yè)發(fā)展模式下,為電商生產發(fā)展帶來活力的電商規(guī)模、快遞包裹、物流條件、市場需求、地區(qū)經濟增長等因素,對電商生產綜合效率的提升,卻起到了阻礙的作用,說明電商規(guī)模、快遞包裹、物流條件、市場需求、地區(qū)經濟增長等因素在促進電商生產時的邊際效果不斷減弱,這些因素在推動電商產量增加的過程中作用越來越小,反而造成了資源投入方面的浪費,應控制這些因素的投入。相反,電商銷售、信息條件、從業(yè)人員因素對電商生產綜合效率影響效果顯著為正,說明現(xiàn)階段電商銷售、信息條件、從業(yè)人員等因素,一方面能進一步提升電商產量增加,另一方面能控制一定的資源投入浪費,對提升電商企業(yè)生產的綜合效率有較好的促進作用。市場環(huán)境對電商生產綜合效率影響效果為正,但是并不顯著。在模型(5)中,各變量對電商生產純技術效率值的影響效果顯示,各變量對電商生產的純技術效率影響與模型(4)中對綜合效率影響的方向和顯著性基本一致,唯獨物流條件一項相反。模型(5)中,物流條件對電商生產純技術效率影響效果顯著為正,說明物流條件對推進電商生產的偏向性技術前沿面具有較好的效果,其余變量對推進電商生產偏向性技術前沿面的方向及效果,與對綜合效率的影響一致。在模型(6)中,各變量對電商生產的規(guī)模效率的影響效果顯示,各變量對電商生產規(guī)模效率影響與模型(4)中對綜合效率影響的方向和顯著性也是基本一致,其中特別要注意的是地區(qū)經濟增長對電商生產的規(guī)模效率影響效果顯著為正,說明地區(qū)經濟增長為電商生產發(fā)展帶來更多的邊際收益,并不斷刺激電商行業(yè)擴大規(guī)模,以實現(xiàn)規(guī)模報酬最大化。

五、結論與啟示

黨的二十大報告明確指出,中國要“著力提升電商生產效率,推動經濟高質量發(fā)展”。提升電商生產效率水平,促進經濟社會可持續(xù)發(fā)展,是今后一個時期以高質量發(fā)展推動中國式現(xiàn)代化的重要著力點。本文研究偏向性技術進步的電商生產效率,可以在觀測電商生產過程中電商企業(yè)資源投入冗余和產量不足問題的同時,看到技術前沿面的變化情況,分析技術給電商行業(yè)帶來的效益,以及技術促進電商企業(yè)追求生產效應。本文運用我國2016—2021年31省區(qū)市電商生產的數(shù)據,構建包含非期望產出的方向性距離函數(shù)DEA模型,測算電商行業(yè)生產的綜合效率、純技術效率、規(guī)模效率,選取關鍵性影響因素,構建回歸模型,進行回歸估算,分析各影響因素對電商行業(yè)生產效率的影響,得到以下結論:

第一,我國2016—2021年31省區(qū)市電商生產的綜合效率和純技術效率均較低,平均值處于0.6附近,處于較低水平,說明近年來我國電商行業(yè)生產出現(xiàn)較大的投入冗余浪費以及產出嚴重不足的問題。我國電商生產綜合效率呈現(xiàn)出東高西低,由沿海省份向西北內陸地區(qū)遞減的規(guī)律。經濟發(fā)達的省份擁有相對豐富的超前技術投入和要素資源優(yōu)勢,在純技術效率方面領先于其他地區(qū)。

第二,我國電商生產的規(guī)模效率整體水平均較高,各區(qū)域的規(guī)模效率值對綜合效率值的影響不如純技術效率值,但平均值處于0.9以上的高水平,說明近年來我國電商企業(yè)在控制規(guī)?；矫媸窍鄬Ρ容^合理的,現(xiàn)階段電商企業(yè)規(guī)?；a,可以滿足電商企業(yè)對利潤的追求。除了河北、山西、內蒙古、吉林、黑龍江、寧夏的電商生產規(guī)模效率依然處于規(guī)模報酬遞增階段外,其余大部分省份地區(qū)已進入規(guī)模報酬遞減階段了,說明我國大部分區(qū)域電商生產規(guī)模已能滿足區(qū)域內的需求度,并造成了一定程度的浪費,需要在下一階段的生產過程中控制企業(yè)的生產規(guī)模。

第三,電商規(guī)模、快遞包裹、物流條件、市場需求、地區(qū)經濟增長對電商生產的綜合效率影響效果顯著為負,電商銷售、信息條件、從業(yè)人員因素對電商生產的綜合效率因素效果顯著為正。論文以偏向性技術進步為效率測算核心,建立起完善電商投入產出體系理論,使電商效率測算更加全面科學,加入電商生產的關鍵性指標,研究電商生產影響因素,關注優(yōu)勢經濟資源促進電商生產的長期影響,在理論和實證上完善了我國電商生產效率及其影響因素的研究,也為更加深入開展電商行業(yè)研究提供了理論依據。

基于以上研究結論,為了穩(wěn)步提升電商生產效率,推動電商經濟高質量發(fā)展,首先要加強政府政策的支持力度。政府要出臺一系列支持電商生產發(fā)展的政策,包括減稅降費、扶持創(chuàng)新等,進一步強化電商平臺的競爭和整合,不斷提升電商用戶體驗和服務質量,促進電商行業(yè)的發(fā)展。其次,要強化創(chuàng)新驅動。在電商技術、營銷模式和服務方面持續(xù)創(chuàng)新,減少由于技術投入損失浪費而出現(xiàn)的資源消耗過度現(xiàn)象。電商企業(yè)應廣泛利用數(shù)據分析和人工智能技術,通過對用戶行為和需求的深入了解,提供個性化的推薦和服務,提高銷售效率。最后,要推動供應鏈和物流倉儲的優(yōu)化。電商企業(yè)不斷優(yōu)化電商供應鏈和電商物流網絡,提高配送速度和準確性。提升物流配送的效率,擴大快遞服務的覆蓋范圍。通過優(yōu)化倉儲和物流流程,提高電商存貨周轉率和交貨速度。使用電商倉庫管理系統(tǒng)進行存貨跟蹤和庫存管理,采用智能物流解決方案來優(yōu)化物流路徑和配送安排。通過合理科學地調配資源,減少電商生產資源投入的浪費,提高電商生產的收益額,實現(xiàn)電商生產效率的全面提升。