基于面板數據供應鏈彈性評估
——以制造業為例

1 研究背景

制造業一直是我國重要的經濟支柱。改革開放后，我國工業實現了跨越式發展，產業范圍迅速擴大，整體實力穩步提升。我國已成為世界上門類齊全、規模較大的制造業國家。不可置否的是，隱藏在“中國增長奇跡”背后的重要驅動力正是來源于以制造業為核心的工業體系。然而，2019年底爆發的新冠疫情影響了諸多制造行業的發展，對生產制造中的供給端、需求端與供應鏈造成顯著影響，引起制造行業的“適度恐慌”[1]。

因此，企業應對中斷、干擾事件的能力不僅是必要的，還是一種非常有價值的戰略競爭優勢。在這種背景下，制造行業需要構建一種應對中斷、干擾事件的風險規避或快速恢復能力的新型供應鏈，即彈性供應鏈，以支持企業的可持續發展。

續 表

2 研究現狀

國內學者對供應鏈彈性的研究相對較晚。趙林度認為供應鏈彈性是供應鏈適應性和自我實現能力，會影響整個供應鏈的基本效益與競爭力[2]。王宇奇等認為供應鏈彈性應具備以下特征：一是面對特定環境，只有受到突發事件的沖擊，供應鏈受到擾動時，彈性才能夠發揮作用；二是反應能力[3]，即面對擾動供應鏈能夠感知并迅速做出回應的能力。如今，越來越多在彈性供應鏈設計領域的論文不斷發表，該主題已被學術界公認為熱門和新興的研究領域。

3 彈性評價指標體系及模型構建

基于以上背景，本文構建了表1所示的評估制造業供應鏈彈性的指標體系。

表1 制造業供應鏈彈性評價指標體系

數據來源于《中國工業經濟統計年鑒》及國家統計局官網。因子分析法用于分析年度橫截面數據，以獲得各省的綜合得分和因子得分，利用Topsis綜合評價法計算各省份的總因子得分和理想解的接近度，評估各省供應鏈的彈性水平[4]。

3.1 建立指標體系

設研究對象為Pti（i=1，2，...，n），指標為Xij（j=1，2，...，m）其中t∈[t1，t2]為評價對象的個數，若評價區間為L年[5]，則t2-t1=L。

3.2 因素分析評估

首先，對指標進行進一步處理和標準化，并對斷面數據進行因子分析，得到對象集Pti每年的綜合因子得分，形成綜合因子得分矩陣（Yti）n×L（i=1，2，...，n），其中i為研究對象，t∈[t1，t2]為評價對象的個數。評價對象集Pti（i=1，2，...，n）的綜合因子得分為Yti。設置指標體系的年度因子得分，即L個變量、n個研究對象，然后對其進行歸一化處理，Qti=Yti/ Σnt=1Yti2，其中i為研究對象，t∈[t1，t2]為年份，Yti是綜合因子得分，Qti是歸一化處理后的綜合因子得分[6]。

設t1-t2年Qti的最大值為最優向量Q+，Qti的最小值為最劣向量Q-，Q+=（Qmax，1，Qmax，2...，Qmax，L），Q-=（Qmin，1，Qmin，2...，Qmin，L），

設第i個評價對象Qti與最優解的接近程度為

設第i個評價對象Qti與最劣解的接近程度為

設第i個評價對象Qti的最優解貼進度為Ci，則如果C越大則說明該對象制造業供應鏈彈性越好。i

4 因子分析

本文借助Matlab軟件對我國各地區的制造業供應鏈彈性評估指標體系的截面數據分別進行因子分析。

4.1 數據KMO檢驗和Bartlett檢驗

在使用因子分析之前，需要進行KMO檢驗，檢測變量間的偏相關系數，本文的檢驗結果如表2所示，說明因子分析是可行的。

4.2 截面數據公共因子的提取及綜合得分的計算

表3顯示了樣本數據的結果，使用因子分析獲得了特征值大于1的前4個因子數據，即因子累積方差的百分比大于80%，說明通過該方法提取的前4個因子可以解釋制造業供應鏈的彈性水平，而其他因子可以忽略不計。

表3 累計方差值

本文對因子載荷矩陣進行方差最大化旋轉。雖然每個指數的具體因子載荷量每年都有所不同，但是對公因子的具體解釋不受不同載荷量的影響。

本文僅對2020年數據進行解釋。從表4可以看出，計算得出的第一個公因子在產成品庫存指數、生產指數、購進價格指數上具有較大的載荷，可以定義為生產水平因子；第二個公因子在人均固定資產投資額、進出口額、研發投入上具有較大的載荷，可以定義為融資水平因子；第三個公因子在規模以上港口吞吐量、供應商配送時間指數上具有較大的載荷，可以定義為物流水平因子；第四個公因子在勞動力素質、存貸比上具有較大的載荷，可以定義為冗余資源水平因子[7]。

表4 旋轉后因子載荷系數表

表5的結果顯示，2016—2020年31個省（自治區、直轄市）的最高和最低分數之間存在較大差異， 24個省份的得分為負，這表明制造業整體供應鏈的彈性較低，各地區的差異性明顯，表現為東部發達省份處于領先地位，而西部經濟薄弱地區較為落后。落后地區的總體因素得分較低，表明這些地區應重點發展本地供應鏈的基礎設施，以促進該地區整個供應鏈的發展，而發達地區的因子得分較高，表明制造業供應鏈彈性水平的高低與當地的經濟發展水平息息相關，制造業的發展需要完善的金融市場支撐。同時從表5中可以看出，2016—2020年，31個省（自治區、直轄市）每年供應鏈的彈性結果不同，采樣期間的結果排名也不同。這是因為截面數據是獨立的，所以不可能簡單相加得出總年度綜合因子得分，否則會影響數據的客觀性。因此，根據上述因素分析的結果，本文采用Topsis綜合評價方法，以彌補無法在面板數據中進行因子分析加和以反映供應鏈彈性水平的缺陷。

表5 制造業供應鏈彈性水平綜合因子得分

5 基于因子分析法的Topsis綜合評價法

基于前文Topsis方法的描述，可以得到2016—2020年各省供應鏈彈性水平的總體評估和排名結果。如表6所示，可以看出，我國城市化水平相對較高的地區Ci+相對較高，相關評估結果領先，經濟水平較差的地區供應鏈彈性也較差。結論與因子分析法的結果相似。該結果反映了整個樣本數據期內各地區供應鏈彈性的總體排名。

表6 各地區供應鏈彈性的總體排名

6 結論及建議

本文以制造業供應鏈彈性為研究對象，運用基于Topsis 改進的因子分析模型對其彈性進行綜合評價；研究發現，2016—2020年，制造業的彈性水平每年的最高和最低結果之間存在較大差異，而且最優解貼近度最大值與最小值存在較大差距，我國31個省份制造業供應鏈彈性綜合因子得分與最優解貼近度分布在0.2～0.5，且沒有省份超過0.5，這說明供應鏈彈性的地區異質性是顯著存在的，且行業的彈性水平有待加強。

為了構建彈性供應鏈。應當堅持市場調節和政府引導相結合，增加對工業發展的政策支持，重視企業的科技創新，促進傳統工業向高新技術制造業的轉變，優化制造業的產業結構。同時，需要選擇適當的財務方法，科學使用融資杠桿，鼓勵中小企業利用數字普惠金融解決融資難題，走科技含量高、經濟效益好、資源消耗低的道路。