电子商务影响因素的实证研究.docx

摘 要电子商务交易额是衡量电子商务发展的一个重要因素。本文在收集有关数据的基础上，参考国内相关研究报告，利用2004-2013年度上网用户数量、第三方支付市场规模、物流成本等时间序列，通过计量方法进行了最小二乘的线性回归，最终得到电子商务交易额关于这三个变量的回归模型，并对这个模型进行了必要的检验和改进。最后，通过此模型分析了影响电子商务发展的重要因素，同时提出相应的发展对策与建议。目录摘 要II第一章 引言11.1研究背景及意义11.2国内学者研究情况1第二章 电子商务交易额影响因素分析22.1影响电子商务交易额的变量选择22.1.1 变量选择22.1.2 变量说明22.2 数据收集与整理32.3 电子商务交易额的计量模型设定3第三章 模型的回归与检验43.1 模型的回归43.2 模型的检验43.2.1 经济检验43.2.2 统计检验5第四章 多重共线性的检验与修正64.1 多重共线性的检验64.2 多重共线性的修正6第五章 异方差的检验与修正105.1异方差检验105.1.1 E2对X1、X2、X3的散点图105.1.2 Breusch-Pagan-Godfrey检验105.1.3 White检验115.2 异方差的修正12第六章 自相关的检验与修正156.1 自相关的检验156.1.1 德宾-沃森d检验156.1.2残差图分析156.1.3 Breusch-Godfrey LM检验156.2 自相关修正18第七章 结论与对策207.1 结论207.2 对策20参考文献21第一章 引言1.1研究背景及意义近十年间，我国电子商务的发展异常迅猛，电子商务的市场也越来越大。它已经成为人们生活中不可缺少的一部分，正在日益改变着人们的生活方式。而且可以预见，电子商务的发展不会停止，它会逐渐纵深，从数量和结构上发生变化。国内电子商务十年间的爆发式增长引人侧目，但是如今也遇到了发展瓶颈，步伐明显变慢。因此，分析十年间电子商务爆发式发展所依靠的因素和各自的影响比重尤显重要，同时也能通过这种分析找出制约其发展的瓶颈，预测今后的变化并提供相应的建议。1.2国内学者研究情况由于电子商务是20世纪90年代才被推广开来的，所以其发展因素的相关研究还不够系统，统计数据的收集明显不完善，国内涉及电子商务实证研究的更寥寥无几。在这种情况下，对电子商务发展的实证研究显得格外必要。国内外对影响电子商务发展的因素的说法是相对一致的，大致可以归为如下几个方面：物流因素、企业信息化水平、网络安全与交易安全、网上支付因素、商家信誉因素、网络基础设施建设、相关法律环境、人才因素。有学者通过解释结构模型法（ISM）对以上因素进行阶梯分析，得出:物流因素、支付因素、安全问题、企业信息化水平、信誉因素为最重要的制约因素，而其他的是基础环境要求。国内关于电子商务的实证研究相对较少。任丽丽（2012）在她研究中，运用模糊线性回归的方法对电子商务交易额进行了预测，认为在19982010年间，影响电子商务交易额最重要的因素是网民数、网站数和国际出口宽带，其中网民数与出口宽带对交易额呈正相关，网站数呈负相关。谌楠（2014）在她的研究中，使用突变级数的方法把电子商务发展的评价指标归纳为基础设施指数、应用指数、使用效果指数三方面，并借鉴柯布-道格拉斯生产函数进行了回归，认为20002012年间，应用指数对电子商务发展贡献最大，其次是基础设施，最后是使用效果，并因此呼吁电商发展不应该强调速度和数量，应该注重模式应用与创新。第二章 电子商务交易额影响因素分析2.1影响电子商务交易额的变量选择2.1.1 变量选择由相关研究文献可知，影响电子商务交易额的因素众多，且重要性并不一致。根据相关学者的研究，综合数据的可获得性和因素的重要性，本文选用第三方支付市场规模、上网用户数、物流成本指数、电子商务企业数、国内域名数作为解释变量。由实际的经济情况可以得知，第三方支付市场规模、上网用户数、电商企业数、国内域名数对电子商务发展起促进作用，而物流成本越小，电商发展越好。2.1.2 变量说明1）第三方支付市场规模：所谓第三方支付，就是一些和产品所在国家以及国内外各大银行签约、并具备一定实力和信誉保障的第三方独立机构提供的交易支持平台。在通过第三方支付平台的交易中，买方选购商品后，使用第三方平台提供的账户进行货款支付，由第三方通知卖家货款到达、进行发货；买方检验物品后，就可以通知付款给卖家，第三方再将款项转至卖家账户。而这个市场规模指的就是通过第三方支付平台发生的支付款项。2）上网用户数：指国内经统计的在网达到一定时限的用户数量。3）物流成本指数：指社会物流总费用与社会物流总额的比值。社会物流总费用指报告期内国民经济各方面用于社会物流活动的各项费用支出的总和。包括支付给运输、储存、装卸搬运、包装、流通加工、配送、信息处理等各个物流环节的费用；应承担的物品在物流期间发生的损耗费用；社会物流活动中因资金占用而应承担的利息支出；社会物流活动中发生的管理费用等。而社会物流总额指第一次进入国内需求领域，产生从供应地向接受地实体流动的物品的价值总额，简称社会物流总额。这两个数据的比值可以体现单位价值的产品所消耗的物流费用。4）电子商务企业数：指经相关部门认证的经营电子商务相关产业的企业数量。5）国内域名数：域名是由一串用点分隔的名字组成的Internet上某一台计算机或计算机组的名称，用于在数据传输时标识计算机的电子方位（有时也指地理位置，地理上的域名，指代有行政自主权的一个地方区域）。域名数指在指定注册公司注册的域名数量，包括.com .cn .net .org。域名的数量可以粗略显示社会信息化水平以及网络基础设施建设水平。2.2 数据收集与整理本文收集了20042013年的相关数据，来源于中国统计年鉴（2014）、中国互联网信息中心中国互联网发展状况分析报告、中国B2B研究中心中国电子商务调查报告以及艾瑞网、易观国际等。年份电子商务交易额（亿元）第三方支付市场规模（亿元）上网用户（万）社会物流费用（亿元）社会物流总额（亿元）物流成本系数电商企业数（万）域名数20044800609400291143838290.07585121251512005740016311100338604805830.070456300225920061299245113700384145959760.064456383541120071549493521000454067522830.06035848501193200829000257829800545428989530.06067354601683200936000505138400608269665380.0629329962168220104800010105457307100012541300.0566131580086620116400022038513108400015840000.0530302075077520128100036814564009400017730000.0530172487513412013100000541056180010200019780000.0515672930318442.3 电子商务交易额的计量模型设定以电子商务交易额为被解释变量，以第三方支付市场规模、上网用户数、社会物流成本系数、电子商务企业数、国内域名数作为解释变量建立线性回归模型：Yt=0+1X1t+2X2t +3X3t+4X4t+5X5t+ut其中，Yt 电子商务交易额 X1t 第三方支付市场规模 X2t国内上网人数 X3t社会物流成本系数X4t电子商务企业数 X5t 国内域名数0、1、2、3、4、5表示待定系数 ut 表示随机误差项根据实际的经济意义，可以预测除了3 以外，其他的解释变量系数都应该为正。19中级计量经济学 第三章 模型的回归与检验第三章 模型的回归与检验3.1 模型的回归利用Eviews软件，用OLS法回归可得如下结果Dependent Variable: YMethod: Least SquaresDate: 12/26/14 Time: 14:40Sample: 2004 2013Included observations: 10VariableCoefficientStd. Errort-StatisticProb.X11.4187290.3375964.2024420.0137X21.6272530.4486443.6270470.0222X3-320563.4176872.5-1.8123980.1441X4-2.3325511.364090-1.7099680.1624X5-6.8755663.935969-1.7468550.1556C20512.5813015.081.5760630.1901R-squared0.999080Mean dependent var39868.60Adjusted R-squared0.997929S.D. dependent var32811.93S.E. of regression1493.136Akaike info criterion17.73885Sum squared resid8917824.Schwarz criterion17.92041Log likelihood-82.69427Hannan-Quinn criter.17.53969F-statistic868.4347Durbin-Watson stat2.835317Prob(F-statistic)0.000004Y=20512.58+1.418729X1+1.627253 X2-320563.4 X3-2.332551 X4 -6.875566 X5t=（1.576063）（4.202442）（3.627047）（-1.812398）（-1.709968）（-1.746855）R2=0.999080 R2=0.997929 F=868.4347 DW=2.8353173.2 模型的检验3.2.1 经济检验模型估计结果说明，在假定其他变量不变的情况下，第三方市场市场规模每增加1亿元，电子商务交易总额平均增加1.42亿元；国内上网用户每增加1万人，电商交易额平均增加1.63亿元；物流成本系数每降低1%，电商交易额就会平均增加3205亿元；而电商企业数每增加1单位，电商交易额平均减少2.3亿元；域名数每增加1万个，电商交易额就会减少6.87亿元。前三项与经济意义相符合，但后两项与经济意义不符，符号相反。3.2.2 统计检验1）拟合优度检验由表中数据可以得到R2=0.999080，修正的可决系数R2=0.997929，这说明模型对样本的拟合很好。2）变量的显著性检验( t检验)分别针对H0：j=0（j=1，2，3，4，5），给定显著性水平=0.05，查t分布表得自由度为n-k=4的临界值t/2（n-k）=2.776。由上表数据可知，其中1 、2的t统计量绝对值大于2.776，都应当拒绝原假设，3 、4 、5的t统计量绝对值小于2.571，应该拒绝备择假设。 3）方程的显著性检验( F检验)针对H0：j=0（j=1，2，3，4，5），给定显著性水平=0.05，在F分布表中查出自由度k-1=5和n-k=4的临界值F（5，4）=6.26.由上表中得到F=868.4347，由于F F（5，4），应拒绝原假设H0：j=0（j=1，2，3，4，5），说明回归方程显著。 中级计量经济学 第四章 多重共线性的检验与修正第四章 多重共线性的检验与修正4.1 多重共线性的检验从回归结果的系数以及t值我们可以看出模型极有可能存在多重共线性，下面我们计算出解释变量的相关系数。解释变量的相关系数矩阵如下： 变量X1X2X3X4X5X11.0000000.857348-0.7500300.9514710.516944X20.8573481.000000-0.9072120.9590610.666346X3-0.750030-0.9072121.000000-0.857763-0.655295X40.9514710.959061-0.8577631.0000000.520991X50.5169440.666346-0.6552950.5209911.000000由各相关系数值可知, 解释变量之间都高度相关，模型存在严重的多重共线性。4.2 多重共线性的修正采用逐步回归法，来检验并解决多重共线性问题。分别作y对x1、x2、x3、x4的一元回归。一元回归结果变量X1X2X3X4X5参数估计值1.6781331.619806-36196113.25034232.52815t统计量9.36872410.88200-5.02299420.099332.213670R20.9164690.9805820.7592570.9367180.379861R20.9060280.9781540.7291640.9288080.302344可见加入X2的修正可决系数最大，应该以X2为基础，顺次加入其他变量逐步回归。加入新变量的回归结果（一）变量X1X2X3X4X5R2X2,X10.843851（15.11168）0.929067（17.42622）0.997580X2,X31.677151（4.442588）156890.0（0.167437）0.918962X2,X40.378500（1.369219）2.538406（4.682087）0.980308X2,X51.677151（7.951634）-2.713829（-0.40801）0.920527比较可得，当加入X1时方程的R2改进最大，而且个参数的t检验显著，因此选择保留X1，再继续加入其他新变量逐步回归。加入新变量的回归结果（二）变量X1X2X3X4X5R2X1,X2,X30.850903（15.05480）0.865003（10.19532）-159479.6（-0.97310）0.997662X1,X2,X40.852948（6.548109）0.938701（6.946102）-0.034927（-0.07878）0.997180X1,X2,X50.842249（13.86332）0.935346（14.04607）-0.235095（-0.18618）0.997193在加入X1、X2的基础上加入X3后方程的R2有所改善，但X3系数的t检验不显著，截距项也不显著，故考虑舍去截距项，此时有Dependent Variable: YMethod: Least SquaresDate: 12/26/14 Time: 16:38Sample: 2004 2013Included observations: 10VariableCoefficientStd. Errort-StatisticProb.X10.8427980.05363615.713370.0000X20.9173170.04550820.157210.0000X3-38781.1117413.96-2.2270120.0612R-squared0.998226Mean dependent var39868.60Adjusted R-squared0.997719S.D. dependent var32811.93S.E. of regression1567.170Akaike info criterion17.79526Sum squared resid17192155Schwarz criterion17.88603Log likelihood-85.97628Hannan-Quinn criter.17.69568Durbin-Watson stat3.311026X3系数对应的t统计量为-2.227012，较为显著R2=0.997719，有所改进，故保留X3，舍去截距项。加入新变量的回归结果（三）变量X1X2X3X4X5R2X1,X2,X3,X40.854622（6.76382）0.929616（7.335185）-39264.20（-2.02978）-0.045307（-0.10527）0.99734X1,X2,X3,X50.840884(14.39048)0.924626(15.39907)-38136.02(-2.008277)-0.256975(-0.210388)0.99735当加入X4、X5时，都没有提高，其参数的t检验不显著。因此去除X4,X5，终选用X1、X2、X3。然后用病态数考察X1、X2、X3的共线性问题，先求得本征值Principal Components AnalysisDate: 12/27/14 Time: 01:28Sample: 2004 2013Included observations: 10Computed using: Ordinary correlationsExtracting 3 of 3 possible componentsEigenvalues: (Sum = 3, Average = 1)CumulativeCumulativeNumberValueDifferenceProportionValueProportion12.6780682.4238830.89272.6780680.892720.2541850.1864370.08472.9322520.977430.067748-0.02263.0000001.0000Eigenvectors (loadings):VariablePC 1PC 2PC 3X10.5612260.768360-0.307650X20.596778-0.1181180.793665X3-0.5734810.6290240.524831Ordinary correlations:X1X2X3X11.000000X20.8573481.000000X3-0.750030-0.9072121.000000 可见最大本征值为2.678068，最小本征值为0.067748。病态数k=2.678068/0.067748=39.53，说明不存在严重的多重共线性。最后修正严重多重共线性影响后的回归结果为：Y=0.842798X1+0.917317X2-38781.11X3t=（15.71337）（20.15721）（-2.227012）R2=0.998226 R2=0.997719 DW=3.311026中级计量经济学 第五章 异方差的检验与修正第五章 异方差的检验与修正5.1异方差检验5.1.1 E2对X1、X2、X3的散点图如图从图上看，散点随着解释变量变化有一定的变化趋势，模型可能存在异方差。下面我们运用其他方法进一步检验模型的异方差是否存在。5.1.2 Breusch-Pagan-Godfrey检验使用Eviews进行BPG检验得到以下结果：Heteroskedasticity Test: Breusch-Pagan-GodfreyF-statistic5.064495Prob. F(3,6)0.0440Obs*R-squared7.168941Prob. Chi-Square(3)0.0667Scaled explained SS2.974311Prob. Chi-Square(3)0.3956Test Equation:Dependent Variable: RESID2Method: Least SquaresDate: 12/26/14 Time: 21:19Sample: 2004 2013Included observations: 10VariableCoefficientStd. Errort-StatisticProb.C38639004115595673.3426000.0156X11.66754053.609270.0311050.9762X2-237.435680.47325-2.9504900.0256X3-4.75E+081.55E+08-3.0531900.0224R-squared0.716894Mean dependent var1719216.Adjusted R-squared0.575341S.D. dependent var2358260.S.E. of regression1536780.Akaike info criterion31.61745Sum squared resid1.42E+13Schwarz criterion31.73849Log likelihood-154.0873Hannan-Quinn criter.31.48468F-statistic5.064495Durbin-Watson stat2.661978Prob(F-statistic)0.044026看出nR2=7.168941,在=0.05，查2分布表得到临界值2（3）=7.81473，因为nR2 2（3），所以接受原假设，表明模型不存在异方差。5.1.3 White检验使用EViews得到以下结果：Heteroskedasticity Test: WhiteF-statistic2.301213Prob. F(6,3)0.2638Obs*R-squared8.215059Prob. Chi-Square(6)0.2228Scaled explained SS3.408334Prob. Chi-Square(6)0.7561Test Equation:Dependent Variable: RESID2Method: Least SquaresDate: 12/26/14 Time: 21:52Sample: 2004 2013Included observations: 10VariableCoefficientStd. Errort-StatisticProb.C22992398139756971.6451700.1985X120.0241390.0434930.5549980.6176X1*X2-0.0697670.125833-0.5544400.6179X1*X360880.94103093.70.5905400.5964X22-0.0004720.013743-0.0343180.9748X2*X3-6174.16216042.85-0.3848540.7260X32-3.30E+091.27E+09-2.5937050.0808R-squared0.821506Mean dependent var1719216.Adjusted R-squared0.464518S.D. dependent var2358260.S.E. of regression1725696.Akaike info criterion31.75619Sum squared resid8.93E+12Schwarz criterion31.96800Log likelihood-151.7809Hannan-Quinn criter.31.52383F-statistic2.301213Durbin-Watson stat3.289361Prob(F-statistic)0.263762从表可看出nR2 =8.215059，而在5%的显著性水平下，查表得临界值2（6）=12.5916。因为nR2 2（1）=3.84146，故拒绝原假设，存在一阶自相关。继续选取滞后期为2，得出的检验结果为：Breusch-Godfrey Serial Correlation LM Test:F-statistic4.259226Prob. F(2,5)0.0832Obs*R-squared6.301068Prob. Chi-Square(2)0.0428Test Equation:Dependent Variable: RESIDMethod: Least SquaresDate: 12/26/14 Time: 23:52Sample: 2004 2013Included observations: 10Presample missing value lagged residuals set to zero.Weight series: W1VariableCoefficientStd. Errort-StatisticProb.X10.0106370.0355310.2993720.7767X2-0.0053150.032526-0.1634200.8766X3909.808313638.100.0667110.9494RESID(-1)-1.0198780.363551-2.8053250.0378RESID(-2)-0.4659020.356819-1.3057080.2485Weighted StatisticsR-squared0.630107Mean dependent var-1.15E-12Adjusted R-squared0.334192S.D. dependent var1327.977S.E. of regression1083.548Akaike info criterion17.12072Sum squared resid5870383.Schwarz criterion17.27201Log likelihood-80.60361Hannan-Quinn criter.16.95475Durbin-Watson stat2.066491Unweighted StatisticsR