農業企業線上市場進入時機的決策機制
——來自中小型茶葉企業的經驗證據

李 松 趙冬梅

(中國農業大學 經濟管理學院，北京 100083)

隨著我國互聯網技術和電子商務的快速發展，愈來愈多的農業企業通過線上進入搶占電商市場獲取競爭優勢，在線上市場進入過程中，企業時機決策對其后續生存發展起到重要作用[1-2]。國內外豐富的產業經驗數據和實證研究也表明不同特征的企業進入同一市場的時機選擇差異往往會導致迥異的命運[3-5]。中國是世界最大的茶葉產銷國，茶葉電子商務的健康發展對農業增效、農民增收和鄉村振興具有積極意義，中央一號文件也多次提及茶葉，強調要做大茶葉優勢，積極引入現代要素改造傳統茶業，促進茶葉產業“電商化”成為加快我國農村電商發展的重要戰略。近年來，線上市場逐漸成為茶葉流通的新興市場，大量茶葉企業進駐電商平臺或自建網絡商城，茶葉電子商務發展勢頭迅猛，為了擁有更好的生存發展機會，茶葉企業需要對新興產業、技術和產品市場做出快速回應。

線上市場進入選擇是農業企業必須面對并適應的一種市場競爭行為。根據艾媒咨詢數據顯示，茶葉線上市場規模增長迅猛，茶葉電子商務銷售額從2013年的54億元增長到2019年的235億元，年均增幅高達27.77%，預計2021年將增至298億元(1)數據來源于艾媒產業研究院網上公布的2019年中國茶葉市場現狀及發展趨勢解讀內容，https:∥www.sohu.com/a/327490542_533924。。跟傳統茶業相比，茶業電子商務存在諸多優勢，越來越多的茶葉企業進入線上市場，開始嘗試這種全新的銷售方式。在觀察其線上市場進入行為時發現一個有趣現象：不同茶葉企業的線上市場進入時機選擇呈現較大差異。如圖1所示，在2003—2019年期間，37.95%的茶葉企業選擇在成立1年內快速進入電商市場，31.50% 的茶葉企業選擇在成立1～3年內進入電商市場，但與之形成對比的是，也有30.55%的茶葉企業會選擇等待3年以上，再緩慢進入電商市場進行銷售。

數據來源：筆者對阿里巴巴天貓會員數據庫與國家企業信用信息公示系統數據庫進行數據匹配而得。Data source:The author matched the data between the Alibaba Tmall member database and the national enterprise credit information publicity system database.圖1 茶葉企業線上市場進入時機選擇Fig.1 Timing selection of tea companies’online market entry

線上市場進入行為決策作為互聯網時代的熱點話題，正在受到學者們廣泛關注和研究。目前學術界主要圍繞是否進入(whether)、為何進入(why)以及怎樣進入(how)等方面展開討論，對何時進入電商市場的研究相對較少。關于是否應該進入線上市場問題，主流觀點認為傳統企業進入線上市場利大于弊，企業通過使用電子商務進入線上交易能夠顯著提高自身競爭力、促進創業就業和收入增長[6-7]。針對線上市場進入的影響因素研究，王翠翠等發現社會信任有利于農戶進入線上市場參與電商經營[8]；Bhatnagar等[9]從企業模仿角度出發，指出效率性和合法性是企業模仿進入線上市場的主要因素；Kim等[10]從市場預期利潤和企業間競爭兩個維度來對企業進入新市場進行解釋。關于“怎樣進入”這一問題，已有研究主要從企業應該自建電商網站還是加入到第三方電子商務平臺進行考慮，并認為大部分企業不具備自建電商平臺的能力，借助第三方平臺進入為更優策略[11]。此外，易法敏[12]從潛在收益、行業競爭、信息服務獲取便利性和交易安全性等方面探討了影響農業企業采用電商進入線上市場行為的重要因素。

針對企業不同的市場進入時機選擇這一重要議題，已有研究主要從兩方面展開討論。第一方面關注的是企業進入時機對其績效有何影響，學術界主要有兩種觀點。一種觀點認為企業選擇早進入能獲取先發優勢，并從技術優勢、進入壁壘構建和轉移成本等影響機制闡述了早進入者相對于晚進入者的競爭優勢[13-16]，另一種觀點認為企業選擇晚進入能夠獲得后發優勢，并對其產生機制進行較為系統的分析[17-19]。此外，也有學者認為進入時機對企業績效影響具有U型效應[1]，遞減效應[20-21]，以及無明顯效應[22]。第二方面研究主要從企業微觀異質性和市場宏觀環境兩個維度探究企業進入時機選擇的決策動因。針對企業特征的代表性研究主要從企業規模[23]、企業生產率[24]、類似經驗[25]等因素考察其對企業進入時機決策的影響，發現大規模企業比小規模企業擁有更多的資源，高生產率企業的后發優勢相對低生產率企業更小，企業以往的類似經驗越多，在新市場中面臨風險時的抵抗力越強，因而這些企業在進入新市場時更愿意充當早進入者。同時，Robinson等[26]指出不同產品能力企業的市場進入時機決策不一樣，產品研發能力較強的企業傾向于早進入新市場，而產品營銷能力較強的企業傾向于晚進入。宏觀環境層面又主要分為政策和市場因素影響，政府政策對企業選擇何時進入具有重要影響，政策法規變動越劇烈，企業越傾向于早進入，從而優先撈取政策好處[27-28]；市場發展潛力、不確定性和預期利潤等市場特征也會顯著影響企業的進入時機選擇[29-31]。此外，企業的進入市場時機還會受到其他競爭者的影響，正如Rose等[32]所強調的，后進入者會產生“跟風效應”，模仿早進入者的市場進入行為。

從以上研究及其進展來看，分析企業微觀特征和宏觀環境對進入時機決策影響問題具有重要的理論價值與實踐意義。但以往研究主要將傳統企業預設成短視的，這與實際情況不相符合，因為現實中企業在做出進入時機選擇時，也將其視為一種投資決策，不僅關注當前收益，還會考慮未來收益。部分研究采用凈現值法來處理這類問題，認為投資項目產生的預期收益現值大于投資支出現值時，企業可以放棄等待而投資進入。但是，該方法忽略了投資的不可逆性和推遲投資的期權價值。因此，本研究嘗試借鑒Dixit等[33]提出的實物期權理論，構建農業企業進入時機決策模型，將企業進入線上市場的時機選擇視為企業如何在不確定性環境下進行戰略投資決策。企業從成立到進入線上市場的時間差可被視為企業“電商化”的準備階段，在此階段企業通過提高生產水平和管理能力，以及學習電子商務知識和積累網上經驗，來提升企業進入線上市場的生存發展能力。這種進入延遲雖然使企業暫時失去了線上銷售收益，但也給其帶來了實物期權價值，利用實物期權理論探尋企業最佳進入時機，實現企業線上市場進入時機選擇的定量研究。本研究旨在深入剖析農業企業進入線上市場時機選擇的決策機制，明確影響時機決策的關鍵動因，以期為政府電商政策制定、平臺運營規則完善和農業企業運用現代元素轉型升級提供重要的參考依據，促進我國農業數字化高質量發展。

本研究在以下三方面進行了嘗試性探索：1)圍繞農業企業線上市場進入時機選擇的關鍵動因問題進行深入研究，分析了農業企業進入線上市場的時機決策機制，并進一步討論了影響農業企業進入時機的關鍵因素是否存在交互效應，以及對于不同規模和經營模式的農業企業進入時機決策中關鍵動因對其影響是否存在異質性，構成本研究的核心內容。2)首次嘗試結合實物期權理論，對農業企業進入線上市場的時機選擇進行理論模型構建，將農業企業線上市場進入選擇視作不確定性下的投資決策，通過理論推導探討了線上市場不確定性和外部效應對農業企業進入時機決策的影響機制。3)研究方法上采用了比例風險模型進行參數估計，以往研究較多采用線性回歸方法，但該方法僅是基于企業剛進入線上市場的狀態分析，無法納入“企業已經存在一段時間”這一信息，事實上我們更關注給定農業企業已經存在一定時間的條件下，下個時刻進入線上市場的概率，因此本研究采用比例風險模型來科學檢驗企業進入線上市場的時機決策動因。

1 理論模型與研究假設

農業企業選擇何時進入線上市場，可以看作為不確定性下的企業投資決策。同時，該投資具有兩個關鍵特征：一是投資支出不可逆，即沉沒成本無法收回；二是投資選擇可延遲，即投資前等待更好市場信息的期權價值。由于技術進步、市場環境變化等因素影響，農企投資進入線上市場的時機選擇也會更加審慎，因此，在不確定條件下，農企的關鍵目標是找尋最佳投資進入時機，以實現農業企業線上市場進入的最大化收益。

1.1 農業企業進入線上市場時機決策的基本模型

本研究在Dixit等[33]的投資決策分析基礎上，將農業企業進入線上市場的時機選擇問題納入到企業投資決策的理論框架進行模型擴展，考察在什么時點上，農業企業投資進入線上市場能夠獲得最高回報。在該投資進入模型中，相應的狀態變量為投資進入的價值(V)，并假定其遵循外生隨機過程，即服從以下幾何布朗運動：

dV=αVdt+σVdz

(1)

式中：α為投資價值的漂移參數，σ為投資價值的方差參數(即投資不確定性)，dt為時間間隔，dz為維納過程的增量。根據維納過程性質，有期望E[dz]=0和方差D[dz]=dt。

農業企業投資進入機會相當于持有看漲期權，因此投資進入決策可以視作決定何時執行期權。在每個時期，農業企業都面臨兩種選擇：一是立即執行，放棄持有的看漲期權；二是延遲執行，等待下一時期投資進入。用F(V)表示投資機會的價值，利用動態規劃求解其最大化收益，即：

F(V)=maxE[(VT-I)e-ρT]

(2)

式中：Ε為期望，T為投資進入的時間，I為投資成本，ρ為折現率。投資價值V的最大值取決于式(1)，因此必須假設α<ρ，否則式(1)中V會隨時間t的推移而無限增大，導致農企選擇等待更長時間再進行投資總是更好的策略，從而不存在最優解。用δ表示ρ-α，則δ>0。

由于投資機會F(V)在農企投資進入(t=T時)之前不會產生任何收益，擁有它的惟一回報是其價值增值，因此用貝爾曼方程表示為：

ρFdt=E[dF]

(3)

利用伊藤引理將dF進行展開，則：

(4)

將式(1)代入式(4)中，得：

(5)

因此，將其代入式(3)中，整理得到：

(6)

式(6)是一個二階齊次微分方程，它對因變量F(V)及其導數是線性的，因此它的通解可以用兩個獨立解的線性組合表示：

F(V)=A1Vβ1+A2Vβ2

(7)

式(7)中β1和β2是以下二次方程的根：

(8)

求解兩個根分別為：

(9)

(10)

此外，F(V)必須滿足以下3個邊界條件：

F(0)=0

(11)

F(V*)=V*-I

(12)

F′(V*)=1

(13)

其中：式(11)是投資價值V作為隨機過程的自然結果，即如果V趨于零，投資期權將沒有價值。式(12)和(13)則出于對最優投資的考慮，V*是最優投資的臨界值，式(12)為價值匹配條件，它指企業在投資進入時，獲得的凈收益為V*-I。式(13)為平滑粘合(Smooth-Pasting)條件，即F(V)在臨界值V*處的斜率為1。

為了滿足邊界條件F(0)=0，以及從現實情況考慮，將負根β2舍去，即A2=0，式(7)變為：

F(V)=A1Vβ1

(14)

將式(14)代入到邊界條件式(12)和(13)中，整理可得V*和A1：

(15)

A1=(β1-1)β1-1/(β1β1Iβ1-1)

(16)

由于β1>1，因而在式(15)中，農企最優投資臨界值V*與β1負相關，而與I正相關。同時，由于投資價值V是時間t的增函數，因此，當β1增大時，企業投資進入的時間T縮短；當I增大時，企業投資進入的時間T延長。換言之，線上市場進入成本越高，農企越傾向于延遲進入。

同時，對式(8)進行全導數求解，可得：

(17)

式中：所有導數都在β1處取值，且α,σ>0，所以：

(18)

因此，β1是σ的減函數，即當σ減小時，β1將增大，V*減小，企業投資進入的等待時間T縮短。上述分析指明了，農企線上市場投資所面臨的不確定性越小，則其擁有的期權價值就越小，因此促使農企提前執行期權，及早進入市場。基于上述分析，提出假說H1。

H1：線上市場進入不確定性越低，農企越傾向于提早進入。

1.2 考慮其他競爭者進入的一般均衡

在前述基本模型分析之上，本部分進一步探究了其他競爭者投資進入線上市場的情況對某一企業進入時機決策的影響。隨著電商市場的逐漸發展，進入市場中的參與者數量也在不斷增長，企業投資價值(V)會受到其他競爭者線上市場進入的影響，因而V不在遵循隨機過程，即放松V為外生變量這一基本假設。

企業在時間t上的投資價值可以表示為受到此時線上市場進入者數量(Q)影響的價值函數，即：

V(Q)=Π(Q)dt+Ε[V(Q+dQ)e-ρdt]

(19)

式中：等號右邊第一項表示企業在(t，t+dt)區間上的投資利潤，第二項表示其在t+dt之后的延續值，并且假定Q服從幾何布朗運動，即dQ=αQdt+σQdz。

網絡外部性理論是雙邊市場的重要理論基礎之一，線上市場屬于雙邊市場，因而其也存在網絡效應，表現為其中一側用戶從加入平臺市場獲得的價值增值取決于另一側用戶的規模[34-35]。當賣方數量增長時會吸引買方的加入，買方市場規模的增加促使線上市場交易量進一步增大，因此企業進入會受到網絡效應影響產生收益的增加。本研究用函數P(Q)來表示網絡效應。

但與此同時，擁擠效應在雙邊市場中也普遍存在，即一側用戶數量超過一定界限，而另一側資源或能力有限時，會導致交易機會減少或交易行為延遲[36]。隨著賣家數量增長到一定程度，線上賣方市場也逐漸顯現擁擠，競爭變得愈來愈激烈，進而導致企業進入會受到擁擠效應影響產生成本的上升。本研究用函數C(Q)來表示擁擠效應。

因而利潤函數Π(Q)可以寫成如下形式：

Π(Q)=P(Q)-C(Q)

(20)

式中：P(Q)反映網絡效應引起企業進入的收益增長，C(Q)反映擁擠效應引起企業進入的成本上升。

利用伊藤引理將式(19)展開，計算整理得：

(21)

式(21)是一個非齊次微分方程，因而其通解等于齊次微分方程通解加上特征解，同時由于其邊界條件V(0)=0，因此僅保留正根β1，分析過程與前文類似，可得到：

(22)

已知企業投資價值V是Q的函數，利用伊藤引理得出了從Q的擴散過程到V的擴散過程，再利用上述V(Q)的方程解作為其保持在最優行權閾值的邊界條件，可以得出投資期權價值F作為Q的函數，即F(Q)。類似式(6)和(7)的分析步驟，計算出F(Q)的方程解為：

F(Q)=A1Qβ1

(23)

類似于前述企業投資期權價值必須滿足的邊界條件，有F(Q*)=V(Q*)-I，F′(Q*)=V′(Q*)。此外，為分析方便，設P(Q)=PQ，C(Q)=CQ，其中P反映網絡效應的作用，C反映擁擠效應的作用。將式(22)和(23)代入邊界條件方程，可求出最優投資時的臨界值Q*為：

(24)

將上式對P進行求導，得：

(25)

因此，Q*是P的減函數，即當P增大時，Q*將減小，意味著網絡效應增大會降低企業投資進入時的臨界值，促使其選擇更早進入。

同理，將式(24)對C求導，得到：

(26)

因此，Q*是C的增函數，即當C增大時，Q*將增大，意味著擁擠效應增大會提高企業投資進入時的臨界值，致使其選擇延遲進入。

上述分析表明，線上市場網絡效應能夠促進農企進入，而擁擠效應會延遲農企進入，兩者關系強弱與線上市場發展階段緊密相關。在線上市場發展前期，網絡效應占主導地位，農企加速進入；隨著時間推移到線上市場后期，擁擠效應強于網絡效應時，農企則延遲進入。綜合上述分析，提出假說H2。

H2：隨著線上市場發展，當其網絡效應越強于擁擠效應時，企業越傾向于提早進入。

2 實證研究設計

2.1 數據來源與樣本選取

本研究數據來源于“阿里巴巴天貓會員數據庫”和“國家企業信用信息公示系統數據庫”，時間跨度為2003—2019年。前者涵蓋了茶葉樣本企業的店鋪名稱、開店時間、企業資質、所在地區和商品銷售詳情等信息，后者提供了企業的營業執照信息、變更信息、年度報告、經營狀態等信息。茶葉行業主要有以下特點：一是與工業品相比，茶葉易受自然環境影響，季節性和時鮮性明顯，茶葉企業進入線上市場的時機決策因素在內容、方向和程度方面與工業企業市場進入存在顯著差異；二是與其他農產品相比，茶葉具備高附加值耐儲運的優點，適合網上銷售，還是線上市場中較早進入和相對暢銷的農產品之一，具有較高的代表性。

以天貓平臺市場來指代本研究的線上市場，主要原因有：第一，茶葉企業進入線上市場主要采取自建平臺和加入第三方平臺的兩種方式，由于絕大部分茶葉企業尚不具備自建電商平臺的能力，主要借助第三方電子商務平臺進入。第二，國內主流電商平臺包括天貓商城、淘寶網、京東商城和拼多多等，其中，淘寶網雖成立很早但入駐門檻很低，商家以個體戶群體為主，其經營穩定性較差，存在反復進入和退出問題；京東商城雖成立較早但其以京東自營和電子產品為主，近些年才陸續允許第三方商家入駐；拼多多成立較晚，不利于從整個線上市場發展階段來觀察農業企業進入線上市場的時機決策。第三，天貓商城(https:∥www.tmall.com)是中國最大的B2C電子商務平臺，具有規模大、知名度高、客流量豐富以及線上生態體系建設成熟等優勢，天貓平臺對進駐商家具有一定的門檻要求，因而入駐天貓平臺的商家主要是具備一定規模的企業，其線上生存能力較強，經營也相對持久穩定，較少出現頻繁進入和退出問題，其市場進入決策更為嚴謹，同時天貓平臺成立較早，能夠觀察不同市場發展階段茶葉企業的進入特征，因此選取天貓平臺具有較強的代表性。

本研究于2019年6月使用Python軟件對天貓平臺上的茶葉銷售信息進行的連續采樣。具體步驟為：第一，以“茶葉”為關鍵詞，利用Python關鍵詞匹配模塊對天貓平臺中的茶葉產品進行數據采集，共檢索到2 537條茶葉產品信息，內容囊括店鋪名稱、開店時間、所在地區、企業資質及銷售狀況等線上信息。第二，進行數據清洗，首先剔除僅僅銷售茶具、茶工藝品和含茶類食品等與茶葉相關但非基本茶葉的產品信息，然后將同一店鋪不同產品進行歸并，共包含529家茶葉店鋪。第三，將同一茶葉企業開設的多家茶葉店鋪進行開店時間排序，以開店時間最早的店鋪為準。第四，根據企業名稱和所在地區等信息，將阿里巴巴天貓會員名錄數據與國家企業信用信息數據進行匹配，按照國家中小企業劃分標準剔除樣本企業中的非中小型茶葉企業，最終獲得419家中小型茶葉企業的線上店鋪和線下實體經營狀況的合并數據。

2.2 變量測度與描述統計

2.2.1被解釋變量

本研究將茶葉企業從成立到進入線上市場的時間差作為進入時機(Timing)觀測變量，并以此產生實證模型的被解釋變量λ(ti)，用以表示茶葉企業i選擇在時間t進入線上市場的風險率。

2.2.2解釋變量

1)不確定性

針對不確定性對茶葉企業線上市場進入時機的影響檢驗，本研究從企業和產品兩個維度來選取不確定性的測度指標，企業層面使用線上經驗(Experience)來衡量，產品層面使用多元化程度(Diversity)來度量。線上經驗指茶葉企業進入電商市場銷售之前在互聯網中開通過獨立網站，用于企業介紹、宣傳和合作等事項。茶葉企業線上經驗越豐富，意味著其對電商市場的不熟悉程度和不確定性越低，延遲執行投資進入期權的機會成本越大，因此茶葉企業會縮短等待時間，選擇更早進入。多元化程度是指茶葉企業通過提供多類別產品來最大化滿足不同偏好的消費者需求，從而能夠更好地應對市場需求變化，降低單類別產品需求不確定性風險。產品多元化程度越高，則茶葉企業投資進入線上市場時面對的需求不確定性越低，持有期權的機會成本越高，因此茶葉企業會傾向于更早進入。

2)線上市場發展階段

針對線上市場網絡效應與擁擠效應相對強弱對茶葉企業進入時機的影響檢驗，本研究采取線上市場發展階段(Period)判別方法進行測度，變量包括市場萌芽期(Emerge)、成長前期(Early growth)和成長后期(Late growth)。市場不同發展階段中的網絡效應和擁擠效應強弱存在差異，因而茶葉企業的進入時機選擇也明顯不同。具體判別方法為，采用定性分析中的計算判斷法和定量分析中的Gompertz擬合曲線法相結合的方式，判定茶葉線上市場的發展階段。計算判斷法通過計算交易規模增長率，按其大小來判斷市場所處階段。依據以往經驗，設定10%的增長率為判斷邊界，萌芽期時市場發展緩慢，交易規模增長率r<10%；當市場發展進入到成長期以后增速加快，r≥10%，其中，成長前期，r>30%，成長后期，10%≤r≤30%；市場過渡到成熟期以后增速又趨于平緩，0

表1 中國茶葉線上市場交易規模及增長率Table 1 transaction scale and growth rate of Chinese tea online market

Gompertz擬合曲線模型可以表示為：

yt=Kabt(K>0)

(27)

式中：yt為第t年茶葉線上市場銷售額，K、a、b為待估參數。通過對式(27)兩邊分別取對數，可以得到修正指數模型：

lnyt=lnK+btlna

(28)

接著，對式(28)求一階導和二階導，然后利用三和值法求出各參數的初值，最后運用Stata 15.0軟件采用非線性最小二乘法對參數進行迭代計算，得出各參數的精確估計值，估計結果如表2所示。

表2 非線性最小二乘估計結果Table 2 Results of nonlinear least square estimation

根據Gompertz模型參數與市場發展階段關系對照表，當0

隨著茶葉線上市場的發展，其網絡效應與擁擠效應都呈現指數式增強，到成熟時期達到頂峰，但擁擠效應的增加要比網絡效應“慢半拍”，即市場中的網絡效應經過一段時期的增強后，才逐漸顯露擁擠效應。具體到茶葉線上市場不同發展階段，則表現為成長時期的網絡效應與擁擠效應差值要大于萌芽時期，成長后期的網絡效應與擁擠效應差值要大于成長前期。因此，與線上市場發展中的萌芽時期相比，茶葉企業在成長后期階段進入更早，延遲時間更短，成長前期階段的進入時機選擇次之。在實證中，本研究以萌芽時期作為基準組。

2.2.3控制變量

根據既有理論和相關經驗研究，本研究將以下變量作為控制變量引入模型：1)企業資本，茶葉企業進入線上市場前的注冊資本額度，并取對數。2)所有權性質，將茶葉企業分為民營企業、農民專業合作社和三資企業虛擬變量，將民營企業作為基準組。3)經營模式，將茶葉企業分為生產加工銷售型、加工銷售型和純銷售型企業，將生產加工銷售型企業設為基準組。4)茶葉價格，指茶葉企業進入線上市場的前一年，我國傳統市場中茶葉的年均價格，計算方式為茶葉年產值除以年產量；數據源于中國茶葉流通協會。5)互聯網普及增長率，指企業進入線上市場的前一年，我國互聯網普及的增長率狀況；數據源于CNNIC。6)茶葉產區，包括西南、華南、江南和江北4個茶區，以西南茶區為基準組。變量具體描述、賦值與基本統計結果見表3。

表3 變量說明及描述性統計Table 3 Variables description and descriptive statistics

2.3 實證模型構建

在比例風險模型中，風險率被定義為給定個體在某一狀態中已經持續時間t的條件下，下個時刻Δt轉換到另一狀態的概率，在本研究中指已經成立一段時間的茶葉企業下一刻進入線上市場的概率，表達式為：

(29)

在比例風險模型的框架下，Cox[41]提出更為有效的半參數回歸方法。本研究采用Cox模型進行分析，模型如下：

(30)

式中：i表示不同的茶葉企業，λ(ti)表示茶葉企業i選擇在時間t進入線上市場的風險率，λ0(ti)表示基準風險，Experience是線上經驗變量，Diversity是多元化程度變量，Period是線上市場發展階段變量(包括線上市場萌芽期、成長前期和成長后期)，Controlj為一系列控制變量，ε是隨機誤差項。作為對照，本研究在使用Cox模型估計的同時，還將采用參數分析方法中的Weibull模型與Gompertz模型進行實證檢驗。

3 實證結果分析

3.1 基準回歸結果

為了避免變量的異方差性對結果產生影響，本研究采用穩健標準誤進行回歸處理，結果如表4所示。其中，方程(1)和(2)對應的是Cox模型，方程(3)對應的是Weibull模型，方程(4)對應的是Gompertz模型。方程(1)僅引入線上經驗、多元化程度和線上市場發展階段3個核心解釋變量，沒有考慮其他控制變量，方程(2)、(3)和(4)在方程(1)的基礎上增加企業資本等控制變量。從表4可以看到，線上經驗、多元化程度均對茶葉企業線上市場進入時機選擇產生顯著的正向影響，線上市場成長時期對茶葉企業的吸引作用要強于萌芽時期，表明不確定性越小和線上市場中網絡效應越大于擁擠效應的情況下，茶葉企業越傾向于更早進入線上市場。

表4 比例風險模型回歸結果Table 4 Regression results of proportional risk model

首先，茶葉企業線上經驗的回歸系數顯著為正，則風險比率大于1，這意味著擁有線上經驗能夠降低企業延遲進入線上市場的概率，使茶葉企業選擇更早進入線上市場。方程(2)估計結果顯示，擁有線上經驗比沒有線上經驗的茶葉企業選擇更早進入線上市場的概率高50.5%(e0.409-1=0.505)，Weibull模型和Gompertz模型的估計結果也基本相同，實證結果與理論分析預期相符，假設1得到驗證。這正因為，茶葉企業線上經驗越豐富，其對線上市場的需求、規則等信息了解越充分，在此情況下，茶葉企業通過等待策略降低進入風險的收益在下降，所以茶葉企業會放棄觀望，轉而進入線上市場獲取利益。

其次，茶葉企業多元化程度的回歸系數也顯著為正，通過指數換算，Cox模型風險比率為1.33，表明產品種類每增加1單位，茶葉企業選擇更早進入線上市場的概率將提升33%，即產品多元化程度越高的企業越傾向于盡早進入線上市場，Weibull模型和Gompertz模型的風險比率為1.37和1.35，估計結果基本一致，與假設1預期相符。這是因為，多元化程度高的茶葉企業能夠向市場提供不同種類的茶產品和服務，能同時滿足不同類型的消費者需求，保障茶葉企業在進入線上市場后能獲取到基本的客流量，降低企業進入線上市場的生存風險，因而茶葉企業選擇快速進入線上市場。

再次，與線上市場萌芽期相比，茶葉企業在成長時期進入的回歸系數同樣顯著大于0，并且成長后期的回歸系數要明顯大于成長前期，這表明茶葉企業在線上市場成長時期的進入傾向要早于萌芽時期，且成長后期的進入選擇又要早于成長前期。這正是因為，線上市場成長時期的網絡效應較大而擁擠效應較小，與萌芽時期的網絡效應和擁擠效應均小相比，成長時期的正向效應更為明顯，因此茶葉企業在線上市場成長階段進入傾向更早。同時，由于線上市場成長時期的網絡效應與擁擠效應都呈現指數式增長，但擁擠效應晚出現于網絡效應，因而兩者在成長后期的差距拉大，具體表現在茶葉企業進入時機決策上，則為成長后期的進入速度快于成長前期，假設2得到驗證。

最后，在控制變量方面，企業資本、所有權性質、企業經營模式、傳統市場茶葉價格、互聯網普及增長率以及茶葉產區對茶葉企業進入線上市場時機的選擇均有一定影響。具體來說，企業資本的回歸系數顯著為負，意味著規模越大的茶葉企業越傾向于延遲進入線上市場。可能的原因是，雖然企業資本能在一定程度上代表其線上市場進入能力，但對于大規模企業來說，其擁有穩定、較大的傳統市場份額，再通過不確定性下的線上進入來搶占線上市場份額的動力嚴重不足，此外資本雄厚的茶葉企業較多成立時間更早，面對的線上市場不確定性更大，所以也更傾向于推遲進入。從所有權性質來看，農民專業合作社系數為正，而三資茶葉企業系數為負，說明相較于民營企業，農民專業合作社近期進入線上的概率較高，而三資茶葉企業傾向于延遲進入線上市場，這是因為，通常三資企業在傳統市場占據較大市場份額，而農民專業合作社規模相對較小，因此更加迫切尋求新渠道來增加銷量和提高利潤。從企業經營模式來看，加工銷售型茶葉企業的系數顯著為負，表明相較于生產加工銷售一體化茶葉企業，加工銷售型茶葉企業更傾向于延遲進入線上市場，而純銷售型茶葉企業系數雖為正，但不顯著，無法證明純銷售型茶葉企業更傾向于快速進入線上市場。從傳統市場茶葉價格來看，其系數顯著為負，表明線下市場茶葉價格越高，對茶葉企業進入線上市場決策的抑制作用就越明顯，茶葉企業越傾向于延遲進入。從互聯網普及增長率來看，其回歸系數為正，表明茶葉企業進入線上市場前的互聯網普及率增長越快，茶葉企業越傾向于更早進入。從企業所處茶區來看，西南茶區的企業進入線上市場速度最快，隨即是華南茶區企業和江南茶區，江北茶區系數不顯著，表明江北茶區與西南茶區的茶葉企業類似，也傾向于更早進入。

3.2 交互效應分析

考慮到線上市場的不確定性和市場發展階段對茶葉企業進入時機選擇的影響較大，為進一步檢驗兩者之間是否存在交互作用，本研究在基準回歸模型的基礎上，加入線上經驗、多元化程度與線上市場發展階段的交互項。同時，為了使加入交互項前后主變量的系數具有可比性，本研究采用中心化處理方式進行模型回歸，結果如表5所示。

從表5可以看出，加入交互項后的核心變量系數與基準回歸模型中的系數相比具有明顯差異，多元化程度與線上市場發展階段的交互項系數顯著為負，這意味著線上市場的外部效應負向調節不確定性對茶葉企業進入延遲的影響。方程(5)結果顯示，茶葉企業線上經驗與市場成長時期的交互項系數為負，但不顯著；方程(6)中多元化程度與線上市場成長時期的交互項系數顯著為負，多元化程度與市場成長后期的交互項系數要明顯小于其與市場成長前期的交互項系數，表明與線上市場發展中的萌芽期相比，茶葉企業在成長時期的市場進入選擇受到多元化程度的影響作用要弱，在成長后期的進入傾向受多元化程度的影響更小。也就是說，線上市場發展中網絡效應越強于擁擠效應，多元化程度對茶葉企業進入時機選擇的影響作用就越弱。這是因為，隨著茶葉線上市場從萌芽期發展到成長后期，其交易規模和交易人數都呈現迅猛增長，市場中網絡效應大于擁擠效應產生的正向效應仍在增強，茶葉企業預期投資進入的收益增效不斷加大，并逐漸抵消不確定效應帶來的收益減損，使得線上市場的正效應能夠減弱不確定性對茶葉企業進入時機選擇的負面作用。

表5 交互效應分析結果Table 5 Analysis results of interaction effects

3.3 基于企業規模與經營模式的異質性分析

上述基準回歸結果說明了線上經驗、產品多元化與市場發展階段會對茶葉企業線上市場進入時機決策產生顯著影響，為了進一步探討這種影響的異質性，本研究以茶葉企業規模(2)根據企業資本大小，采取三等分劃分方法將茶葉企業分成低中高3組。和企業經營模式為依據進行分組檢驗，結果如表所示。

茶葉企業規模的分組檢驗顯示，不同規模下各變量系數符號雖保持一致，但系數大小和顯著性水平仍存在較大差異。首先，根據方程(8)～(10)可知，三類規模茶葉企業的線上經驗系數分別顯著為0.598、0.475和0.333，表明線上經驗對小規模企業線上市場進入時機選擇的影響效應最大，而對中高組企業影響逐級遞減，說明線上經驗能有效減小企業提前進入市場的不確定性，對于信息獲取渠道相對較少的小規模企業最為重要，降低其早進入線上市場的風險。其次，多元化系數與線上經驗系數影響效果恰恰相反，多元化變量對高規模組企業的影響作用最大，如方程(10)所示，其系數顯著為 0.329，說明相對于小規模企業，產品多元化程度有利于大規模企業選擇更早進入網上市場，這主要是多元化程度高的企業能滿足更多不同的市場需求，其選擇進入市場的產品范圍較廣，能在多個時間點選擇不同類型的產品進入市場，促使企業抓住最有利時機及早進入線上市場。最后，與線上市場發展萌芽階段相比，中高規模組企業更傾向于在市場成長階段快速進入，這可能是大規模農企在傳統市場上的市場地位更高、市場份額更大，因而沒有足夠動力在線上市場發展初期冒險快速開拓市場。

農業企業經營模式的分組檢驗顯示，部分變量對不同經營模式企業市場進入時機選擇的影響顯著性和作用大小發生明顯變化。一方面，在加工銷售型茶葉企業中，線上經驗、多元化程度雖為正值但并不顯著，但在產加銷一體化和純銷售型茶葉企業中，則顯著為正。這意味著擁有線上經驗和提高產品多元化程度并不能顯著提早加工銷售型茶葉企業的進入時間，但能明顯縮短另外兩類企業的延遲時間。另一方面，在系數大小上，方程(11)和(13)的結果顯示，純銷售型茶葉企業的線上經驗系數顯著為0.445、多元化系數顯著為0.298，高于生產加工銷售型茶葉企業的影響系數，表明線上經驗和多元化程度更能促使純銷售型茶葉企業加快進入線上市場，這源于生產加工銷售型茶葉企業的一體化戰略能夠加強其信息搜集和處理能力，及時準確的判斷市場風險，進而對線上經驗和產品多元化戰略影響的依賴性小于純銷售型茶葉企業。與線上市場萌芽期相比，市場成長期更能促使加工銷售型茶葉企業縮短延遲進入新市場時間，說明線上市場網絡效應對其影響作用最為突出。

3.4 穩健性檢驗

為了保證回歸結果的穩健性，本研究進一步對茶葉企業進入線上市場的時機選擇進行劃分，將成立后一年內進入線上市場的茶葉企業定義為快速進入者(賦值為1)，成立一年后才選擇進入線上市場的茶葉企業定義為延遲進入者(賦值為0)，再利用Probit模型和Logit模型進行實證檢驗，結果如表7所示。

表6 基于企業規模與經營模式的異質性分析Table 6 Heterogeneity analysis based on enterprise size and business model

從表7可以發現，茶葉企業線上經驗、多元化程度的回歸系數為正，線上市場成長時期較之萌芽時期的回歸系數也大于0，表明擁有線上經驗、多元化程度越高的茶葉企業越傾向于快速進入，以及與線上市場萌芽期相比，茶葉企業在市場成長時期將選擇更早進入。方程(15)估計結果顯示，擁有線上經驗比缺乏線上經驗的茶葉企業成為快速進入者的概率要高6.6%；多元化程度每增加1個單位，茶葉企業選擇成為快速進入者的概率提高5.6%；茶葉企業在線上市場成長前期階段選擇成為快速進入者的概率要比在萌芽時期階段高71.4%，在成長后期選擇成為快速進入者要比萌芽時期高74.4%。因此，該分析結果同樣驗證了不確定性越小和線上市場中網絡效應越大于擁擠效應的情況下，茶葉企業越傾向于更早進入線上市場，與比例風險模型回歸結果保持一致，研究結論穩健。

表7 穩健性檢驗結果Table 7 Robustness test results

4 結論與建議

本研究基于實物期權理論的分析框架，構建了農業企業進入線上市場時機決策的理論模型，利用Python采集農業企業數據的方式，使用比例風險模型和離散選擇模型的實證方法，實證檢驗了農業企業進入線上市場時機選擇的決策機制。主要研究結論有：

1)線上市場進入的不確定性對農業企業市場進入具有阻礙作用。當線上市場進入不確定性越低時，農企則傾向于提早進入。具體到企業微觀特征，表現為擁有線上經驗和多元化程度越高，農企選擇更快進入網上銷售。說明不確定性會提高農企最佳投資進入的臨界值，減小不確定性能促進企業選擇更早進入線上市場。

2)線上市場的正外部效應對農業企業市場進入有促進作用。當線上市場中的網絡效應強于擁擠效應時，農企進入傾向越早。具體到宏觀市場環境特征，表現為與線上市場萌芽期相比，企業在其成長期的進入選擇更早，延遲時間更短，在成長后期的進入傾向更早于成長前期，主要是網絡效應與擁擠效應差值在線上市場成長階段表現為擴大趨勢所致。

3)線上市場正效應會顯著削弱不確定性對農業企業市場進入的阻礙作用。當線上市場發展中的網絡效應越強于擁擠效應時，不確定性對企業進入時機選擇的影響效果就越小，具體表現為農企在線上市場成長期的市場進入選擇受到多元化程度的影響作用要比線上市場萌芽期更弱，在成長后期進入時機選擇受到多元化程度的影響要比成長前期更小。

4)線上經驗、產品多元化和市場發展階段對不同規模與經營模式的農企線上市場進入時機的影響效應是異質的。這種異質性影響表現在，線上經驗對小規模和純銷售型農企影響更為顯著且作用效果更強；產品多元化對中高規模農企影響更為明顯，但對產加銷一體化農企的作用效果要弱于純銷售型農企；中高規模與加工銷售型農企更傾向于在線上市場成長階段快速進入。這反映了小規模農企信息獲取能力較弱，更依靠線上經驗來降低進入風險；產加銷一體化戰略有利于農企更好地應對市場風險，因而對線上經驗和多元化戰略的依賴性小于純銷售型農企；大規模農企由于在傳統市場中地位高、份額大，因而不愿意在線上發展初期冒險快速開拓市場。

研究結論可為政府相關政策制定、電商平臺運營和農業企業進入決策提供重要啟示。從政府層面來看，要促進農業企業運用現代元素進行轉型升級，加快農業企業“電商化”高質量發展，應該加大互聯網提速降費力度，加強物流交通基礎建設，從而增加網絡市場用戶基數和促進農企有效快捷地獲取網絡資訊，這有利于增強線上市場網絡效應和降低網絡銷售不確定感，促進農企更早更及時地進入線上市場。從電商平臺來看，吸引農業企業快速進入線上市場，有利于提高平臺整體收益，攤薄其網絡運營成本，要降低農企進入門檻，給予新進入企業補貼優惠，經常性發布市場研究報告和經典企業案例來降低企業感知不確定性，幫助企業更早進入線上市場。從農業企業層面來看，線上經驗和多元化程度有助于降低線上市場不確定性感知，農業企業可采取多途徑獲取線上知識經驗和積極豐富產品種類，降低市場進入的不確定性，農業企業既要內省自身特性，更要外察環境動態，提高對線上市場中網絡效應和擁擠效應的敏感性，抓住最佳時機進入線上市場。

受限于數據的獲取，本研究也存在一定不足之處，在理論模型推導中發現進入成本對農企線上市場進入具有不利影響，但由于無法獲取農業企業線上市場進入成本的微觀數據，因而無法驗證進入成本對農企進入線上市場時機選擇的影響效應，這有待后續研究予以完善。