———灰色关联分析方法

韩煦¹  达博文²

（1.徐州工业职业技术学院，江苏 徐州 221000；2.中国矿业大学徐海学院，江苏 徐州 221000）

基金项目：徐州工业职业技术学院师生共研专项 项目名称：“基于TF－POPBL理论的跨境电商专业产教融合策略研究”立项号XGY2021L002；“2023年中国矿业大学徐海学院博士项目基金”。

摘要：如今，集群是一个地区竞争力的关键驱动力。研究区域内特定产业集群的影响因素，有助于区域的可持续发展。随着贸易日益全球化，跨境电商在世界各地蓬勃发展。近十年来，中国跨境电商交易规模持续扩大。徐州作为淮海经济区的中心城市，高度重视跨境电商产业的发展。徐州的跨境电商刚刚形成集群，但与其他城市相比，其特点并不明显。本文的主要目的是运用区位熵和灰色关联分析法对经济区域中心城市跨境电商产业集群的影响因素进行分析。本文结合相关研究数据进行深入的实证分析，得出研究结论。分析表明，跨境电商产业呈现集群化趋势。电子商务发展、技术研发支持和外部资金支持是影响经济区域中心城市跨境电商产业集群可持续发展的前三大重要因素。最后，根据实证研究结果提出政策建议。

关键词：跨境电商；产业集群；灰色关联分析

一、文献综述及理论背景

1.跨境电商

由于数字技术的发展，人们因更有吸引力的产品和更实惠的价格而选择在网上进行商业活动。[6]跨境电商（CBEC）是通过专有网站，或通过在线零售商或市场等数字中介，向外国消费者在线销售商品的过程[4]。近年来，中国传统的对外贸易发展放缓，而跨境电子商务发展迅速，前景广阔。全球冠状病毒（COVID-19）疫情的爆发引起了全球各地的担忧。一方面，新冠肺炎疫情对全球经济产生了负面影响，导致全球贸易水平下降，降低了人们对未来的预期。在疫情爆发期间，中国的线下传统贸易直到第三季度才开始出现正增长。另一方面，国际消费者被迫学习如何跨境网上购物，这刺激了跨境电子商务的扩张。在疫情爆发期间，跨境电子商务都经历了强劲的增长，是保持国际贸易积极发展的关键支持机制。中国已经宣布了一系列政策，以支持国际电子商务行业的发展。江苏省2022年和2025年跨境电子商务发展目标确立的“观点”，明确了载体平台建设、市场参与者培育、产业模式整合、增强贸易促进化、发展环境优化等“五个项目”，共20项举措。跨境电子商务将是提升产业集群的有效途径，产业集群也将为跨境电子商务的可持续发展提供产业支持。本文的主要目的是分析支持经济区域中心城市跨境电子商务产业集群可持续发展的因素。Sahbaz 在 2017 年指出，跨境电商为中小企业带来了更高的生产率、更好的收入和创新等好处，因为它们可以接触到竞争、最佳商业实践和先进技术[7]。本研究的重点是淮海中心城市徐州的以中小企业为主的跨境电商产业。

淮海经济区位于沿海地区的中心地带，占全国人口的近10%。根据相关统计年鉴，截至2018年，淮海经济区拥有绝对土地面积251945平方公里，常住人口14674.46万人，具有较高的生产消费潜力。淮海经济区的公路、水、航空、铁路、地铁等交通交通更加便利，有利于商家开展跨境电子商务业务。徐州作为淮海经济区的中心城市，高度重视跨境电子商务产业的发展。在政策方面，徐州政府积极推动传统企业向电子商务产业转型。在平台方面，淮海国际陆港系统由东西南北全面开放。城市和工业的发展与交通运输密切相关。在跨境电子商务领域的大多数研究都只关注了立法或客户行为的各种影响。跨境电子商务产业集群的影响因素得到的实证研究较少。在上海和义乌等典型城市中，已经进行了大量关于跨境电子商务的研究。经验数据将从徐州市收集，这是一个快速增长的经济区域中心城市。与市政当局或一线城市的数据相比，这些数据将更普遍，使研究更有信息。本研究将测量近几年徐州的跨境电子商务行业集聚情况，以验证产业集聚的存在，并通过区位熵法分析其变化趋势。然后，结合区域特征，明确影响产业集群的因素，为以后的模型构建提供理论基础，然后进行实证研究，建立影响因素指标体系，构建模型并进行实证分析。

2.区位熵（LQ）

Turkina 认为，集群是一个国家竞争力的关键驱动力[11]。学者们开发了区位熵（LQ）来识别集群的存在。当 LQ 与跨境电商产业相结合时，可以得出更合理的经济直觉，也更符合当今的经济发展趋势[2]。LQ 表示一个地区产业的专业化程度，可以衡量地区产业集聚程度。那么，i 产业在 j 地区的 LQ 定义为：

其中eij为j区与行业i相关的指标，ej为所有地区与行业i相关的总指标数，Ei为该国与i行业相关的指标，E为该国所有行业的相关指标。如果LQ高于1，则称产业i集中在j区。

综上所述，计算跨境电商行业区位熵的指标为徐州出口跨境电商交易量、徐州GDP、全国出口跨境电商交易量、全国GDP。数据源来自于《徐州统计年鉴》及《中国统计年鉴》，全国出口跨境电商交易数据来自中国网络经济学会（电子商务研究中心）发布的中国跨境电商市场数据监测报告。

通过计算(见表1：Y值)，徐州城市跨境电商行业区位熵指数在后期值超过1，说明徐州地区存在跨境电商行业集聚，但在2020年产业集聚程度的下降，反映出徐州跨境电商产业后期缺乏发展动力，集聚区的产业结构需要升级和优化。

3.灰色关联分析（GRA）

Deng首先提出的灰色关联分析，他指出决策者或研究人员在环境信息可能部分未知、不确定或不完整的情况下，对影响因素进行排序的分析[3]。在 GRA 中，应给出参考序列和比较序列集，以确定参考序列与给定序列集中各要素之间的关系等级。然后，通过进一步分析得出的关系等级，可以找到最佳的比较序列[4]。Stanujkic在研究中提到，灰色关系分析已被证明适用于解决电子商务问题[8]。因此，本文将采用灰色关联分析对可能促成跨境电商产业集群的影响因素进行分析和排序。

二、研究设计

本研究的主要目的是利用灰色关联分析的方法，分析经济区域中心城市跨境电商产业集群的影响因素。结合相关研究数据进行深入的实证分析，以支持徐州跨境电商产业的可持续发展。通过灰色关联分析方法，首先测量了15个二级指标与产业集群跨境电商之间的相关系数。在此基础上，计算了徐州市5个主要影响因素与跨境电商产业集群之间的相关系数，并采用定量和定性相结合的方法分析了各影响因素的作用方式及其影响。[12]

1.研究变量

首先，二级指标从一级指标中展开，在逻辑上相互关联，从不同的角度反映各影响因素的影响。其次，选择具有跨境电商产业代表性和相关性的指标，准确地反映了跨境电商产业集群和发展的过程。第三，鉴于现实生活中的限制因素，这些指标要既明确又可量化，以满足研究的需要。第四，指标的选择应科学合理，借鉴国内外文献中成熟的指标体系，确保所选指标现实、客观。以下是变量代码的定义：

（1）出口行业基础相关指标：小商品制造规模以上企业数（X1）、小商品制造规模以上资产（X2）、小商品制造规模以上企业从业人数（X3）；

（2）物流服务水平：邮电业务收入（X4）、邮电业务总量（X5）；交通运输从业人员（X6）、商贸货运量（X7）；

（3）电子商务发展指标：网络交易额（X8）、网络零售额（X9）；

（4）外部财政支持：政府商业服务业占一般预算支出的比重（X10）、金融机构项贷款余额境外贷款（X11）、实际利用外资数（X12）；

（5）技术研发支持：高新技术企业数（X13）、各类专业技术人员（X14）；专利授权量（X15）；

（6）跨境电商产业集群程度：跨境电商行业LQ值(Y)。

2.数据来源及说明

（1）出口行业基础相关指标

由于徐州跨境电子商务行业的特点，本研究的重点是中小型跨境电子商务企业。小型产品制造业更依赖于中小企业。因此，小商品制造规模以上企业数、小商品制造规模以上资产、小商品制造规模以上企业从业人数将被认定为出口行业基础相关指标。为保证数据的可用性和可靠性，本研究查阅了《徐州统计年鉴》中一定规模以上工业企业的主要经济指标，选择整理了小型商品行业（包括纺织、服装、皮革、毛皮、羽毛、鞋类；木材加工及木材、竹、藤、棕榈、草制品；纸制品；印刷和记录媒体复制；文化、教育、工业、美学、体育和娱乐用品）。汇总了企业和资产的数量，以及根据上述分类雇用的人数。

（2）物流服务水平

考虑到本文探讨了物流服务水平对跨境电子商务行业的影响，物流服务水平：邮电业务收入、邮电业务总量；交通运输从业人员、商贸货运量是更合理的选择。[5]该数据来自于徐州统计局发布的《徐州统计年鉴》。

（3）电子商务发展

本文直接采用程晓宇的方法，选择网络交易额和网络零售额作为衡量电子商务发展水平的次要指标之一。[1]这些数据来自于徐州商业局。

（4）外部财务支持

政府、金融机构和外国投资者将是需要考虑的三个观点。在政府方面，将选择政府商业服务业占一般预算支出的比重来衡量政府财政支持的水平。就金融机构而言，金融机构项贷款余额境外贷款是合理的选择。对于外国投资者，以实际利用外资数作为指标。这些数据来源于《徐州统计年鉴》。

（5）技术研发支持

对技术研发支持影响的指标选择有多种方法。高新技术企业数量、各种专业技术人员数量、作为次要指标授予的专利数量共同表明了技术发展水平。这些数据来源于《徐州统计年鉴》。

表1 GRA研究变量的原始数据

3.研究方法

（1）序列无量纲分析

由于初始数据使用不同的单位，所以这些值的大小存在显著差异。同时，每个序列都有不同的起点，变异性大，数据计算分析困难。因此，第一步是进行无量纲处理。一般来说，处理方法多种多样，包括平均值法、初值法、大差法。本文选择了无量纲处理的平均值方法，即将该序列的数据除以平均值。由于具有较大数量级的序列的平均值较大，因此可以在除法后归一化到接近1的阶数。最后，首先将所有单独的平均数据加起来，然后再除以平均值，例如，

（2）相关系数的计算

对于相关系数的计算方法为：

其中，区分系数P范围为0～1，通常p=为0.5。计算结果见表5和图2

相关系数表示子序列X1、X2、X3、X4、X5、X6、X7、X8、X9、X10、X11、X12、X13、X14、X15对与父序列对应维数的相关度（数字越大表示相关性越强）。

表2　　相关系数

（3）二级指标分析

. 模型构建后，二级影响因素的相关性计算和列出，排名如表3所示的相关系数代表的相关程度的子序列和相应的母序列（数量越大，相关性越强）。分辨率因子ρ∈（0，∞），ρ越小，分辨率越大，通常ρ在（0,1）范围内，取决于情况。当ρ≤0.5463时，分辨率最好，通常取为ρ = 0.5。15个次要影响因素大多在0.5以上，有些略低于0.5，说明这些次要影响因素与跨境电商行业所在区域的区位熵存在中等或较高的相关性，验证了以上的理论分析结果。[9]

排名第一的指标是商贸货运量（X7），其相关系数为0.893，说明它与徐州的跨境电商产业集群的相关性极强。同时，网络零售额（X9）、实际利用外资数（X12）、各类专业技术人员（X14）也超过0.8，具有很强的相关性。其余次要影响因素中，有4个相关性在0.7～0.8之间，表明这些因素与徐州跨境电商行业区位熵存在中强相关性。有4个因素的相关性在0.6和0.7之间，说明它们与徐州跨境电商行业的区位熵的相关性稍强。

表3　　二级指标排名

（4）一级指标分析

一级影响因素将按二级指标的平均值进行排序。结果表明，所有影响因素均超过0.5，说明它们对徐州的跨境电商产业集群均有一定的影响。其中，相关性最大的是电子商务发展水平，为0.8370，排名第二的相关性的是技术研发支持和外部财政支持，分别为0.7807和0.7170。结果表明，这些因素与徐州的跨境电商产业集群之间存在很强的相关性。物流服务水平和出口行业基础相关指标排名第4和5位，与徐州跨境电商产业集群相关性较强。

表4  一级指标排名

三、结论和政策建议

综上所述，各因素与跨境电子商务产业集群之间的高度相关性，清楚地显示了电子商务发展、技术研发支持和外部资金支持的密切相关性。例如跨境电子商务产业集群与商业货运量（X7）、互联网零售销售（X9）和外国投资的实际利用（X12）密切相关。商业货运量的显著增加和促进对跨境电商集群的发展是非常重要的。基于研究数据结果给出以下建议：首先，政府应该出台力度较大的支持经济区域中心城市货运升级和增加的政策。具体支持城市物流发展，物流园区建设，增加物流人才的培训和吸收。其次，在资金、税收、工作人员培训等方面提供支持。大力支持电子商务的发展，鼓励中小企业将电子商务转型为跨境电商企，涉及跨境业务。可以说，电子商务运营是跨境电商运营的基础。该政策可以加大培养和支持中小企业的力度，并帮助传统企业转型为在线运营。第三，大力支持科技、创新相关工作。政府提高企业的专利保护，传播专利和知识产权意识。最后，政府应该优先考虑跨境电商服务的协同发展。部分跨境电商服务相关的监管部门协调不佳，这可能会危及跨境电商监管框架的长期生存能力。中国政府必须定期审查和监督服务政策，以满足跨境电商的需要，并确保这些规则的有效性得到监控。[10]

本研究结合区域经济的发展，探索经济中心城市的发展链，聚集自身的发展优势和基础，促进跨境电子商务节点、平台和业务的发展。徐州的跨境电子商务行业起步较晚，业务规模相对较小，整体业务量相对较小，面临着发展上的困难。本研究为政府工作人员的决策提供支持，为相关学者的研究提供参考。今后，研究可以细化为一个具体的指标，该框架也可用于其他区域研究。

参考文献：

[1]程晓煜.基于VAR模型的贸易增长与跨境电子商务关系实证研究[J].商业经济研究,2016(12):25-26.

[2]Chiang, S. (2009). Location quotient and trade. Annals of Regional Science, 43(2), 399–414.

[3]Deng, J.L. (1982): ‘Control problems of grey systems’, Systems & Control Letters, 5(1), 284–294.

[4]Giuffrida, M., Mangiaracina, R., Perego, A. & Tumino, A. (2017). Cross-border B2C e-commerce to Greater China and the role of logistics: a literature review. International Journal of Physical Distribution & Logistics Management. 47(9), 772–795.

[5]刘晓阳,丁志伟,黄晓东,王敏,王发曾.中国电子商务发展水平空间分布特征及其影响因素——基于1915个县(市)的电子商务发展指数[J].经济地理,2018,38(11):11-21+38.

[6]PayPal Cross-Border Consumer Research. (2018). Available online: https://www.paypalobjects.com/digitalassets/c/website/marketing/global/shared/global/media-resources/documents/PayPal_Insights_2018_Global_Report.pdf(accessed on 14 May 2019).

[7]Sahbaz, U. (2017). China G20/B20: Moving Full Speed on SME Development Agenda. World SME Forum.  Retrieved  from  http://www.worldsmeforum.org/blog/china-g20b20-moving-full-speed-on-sme-developmentagenda/

[8]Stanujkic, D., Karabasevic, D., Maksimovic, M., Popovic, G. & Brzakovic, M.(2019) Evaluation Of The E-Commerce Development Strategies.

[9]Scientific Platform Serving for Statistics Professional.(2021). SPSSPRO. Retrieved from https://www.spsspro.com.

 [10]Su, W., Wang, Y., Qian, L., Zeng, S., Baležentis, T., Streimikiene, D., 2019. Creating a Sustainable Policy Framework for Cross-Border E-Commerce in China. Sustainability 11, 943. https://doi.org/10.3390/su11040943

[11]Turkina, E. & Van Assche, A. (2018) Global connectedness and local innovation in industrial clusters. Journal of International Business Studies, 49(6), 706–728.

[12]徐奕舟.义乌市跨境电商产业集聚影响因素研究[D].广西民族大学,2021.