《Economies》：The Impact of Digital Technology on E-Commerce and Sustainable Performance in the EU
编辑推荐：
本文基于技术-组织-环境（TOE）框架，运用多层感知器（MLP）神经网络与层次聚类分析（HCA），实证检验了人工智能（AI）、大数据（BD）、物联网（IoT）及云计算（CC）对欧盟27国电子商务（E-commerce）及可持续经济绩效（GDP）的非线性影响。研究发现，数字技术采纳是电子商务发展的显著非线性预测因子，且欧盟成员国在将技术转化为宏观经济绩效方面存在显著的地区异质性，揭示了数字鸿沟对区域经济可持续发展的深刻影响。
1. 引言
在欧盟（EU）国家，电子商务已成为商业版图中不可或缺的一部分。数字技术的发展催化了一场关于企业如何与客户互动、如何交付产品与服务的革命。人工智能（AI）、物联网（IoT）、大数据（BD）和云计算（CC）等数字技术，在过去几十年里一直是欧盟电子商务创新与发展的强大驱动力。这些技术不仅深刻改变了企业的运营方式，也重塑了消费者与企业的互动模式，对经济和社会产生了深远影响。
人工智能通过个性化体验（如基于高级行为数据分析的产品推荐、聊天机器人和语音助手）和供应链优化，显著革新了电子商务。物联网则扩展了互联框架，使产品与设备之间、设备与用户之间能够通信，在电子商务中体现为智能冰箱或汽车等智能对象，它们可以自动下达补货订单或提供产品状态的实时数据。大数据已成为电子商务的重要工具，企业通过收集和分析客户数据、购买行为及市场趋势，能够实现个性化、细分化的产品供应，并预测需求。云计算则为电子商务带来了更大的灵活性和可扩展性，企业可以在云端托管网站和管理数据，从而更容易适应不断变化的在线流量需求，并降低基础设施成本。
尽管现有文献（如Lutfi et al., 2022; Ali et al., 2022; Tsou & Chen, 2023）证实了数字技术、电子商务与可持续性之间的相互作用，但当前研究仍存在三个关键空白，限制了人们的理解，也为本研究奠定了基础。首先，研究较为零散，缺乏能够评估技术组合（AI、BD、IoT、CC）综合及非线性效应的集成预测模型。其次，存在方法论上的局限性，大多数研究依赖于线性回归，因此在应用机器学习技术（如神经网络）来精确量化这些复杂关系方面存在空白。最后，缺乏区域差异化分析，很少有研究利用聚类分析将欧盟成员国划分为不同的绩效组别，并据此制定有针对性的政策建议。
本研究旨在深入调查和分析数字技术对欧盟国家电子商务部门的影响。通过运用多层感知器（MLP）神经网络和层次聚类分析（HCA），本研究旨在揭示数字采纳与电子商务之间的非线性预测关系，并通过对欧盟特定背景的关注，为电子商务和数字技术的研究与实践揭示创新趋势和深刻见解。
2. 文献综述与假设发展
2.1. 数字技术与电子商务
数字技术包括使用和处理一系列数据的技术设备或平台，这些设备或平台连接到互联网或其他设备或应用程序。数字化转型对于现代社会而言是不可或缺的，这一进程在COVID-19大流行后得到了极大的加速。数字化转型的概念旨在发展数字技术，以创建高效的商业模式。数字化转型植根于大数据、人工智能和云计算等数字技术，旨在产生新技术并创造新产品，使企业能够从确保可持续绩效的高效数字支持中受益。
在电子商务领域，人工智能通过实现用户个性化和提高营销效率，被视为电子商务成功的催化剂。通过实施基于机器学习的推荐系统，可以向客户提供符合其个人偏好的相关产品建议，从而提高客户满意度和销售额。大数据为电子商务提供了关于用户行为和偏好的宝贵见解，使在线零售商能够更好地理解客户需求并相应地调整营销策略。物联网通过将智能设备连接到网络，为电子商务提供了广泛的机会，这种互联性允许实时收集关于产品和用户的数据，从而提供相关且个性化的信息。云计算则为电子商务带来了更大的灵活性和可扩展性，使企业能够轻松适应不断变化的在线流量需求，并降低基础设施成本。
2.2. 研究假设与理论框架
本研究基于技术-组织-环境（TOE）理论框架，该框架将影响分为三个主要背景，为三个研究假设提供了必要的三元结构。技术背景通过数字转型的四个关键支柱（AI、BD、IoT、CC）进行分析，使我们能够评估电子商务部门所必需的技术创新利用强度。组织背景直接由电子商务变量本身识别，反映了企业调整流程并成功进行在线交易的能力和准备度。环境背景则由国内生产总值（GDP）变量突出显示，使我们能够评估技术背景和组织背景中的成功互动和进步如何转化为整个商业环境和国家经济层面的更广泛、积极的经济效应。
基于上述考虑，本文提出了以下三个研究假设：
- •
假设H1： 数字技术对欧盟成员国的电子商务产生积极影响。
- •
假设H2： 数字技术、电子商务与GDP之间存在强大、直接且积极的关系。
- •
假设H3： 根据表征数字技术（CC、IoT、AI、BD）、电子商务和经济增长的变量，欧盟成员国可以被划分为同质集群。
3. 设计与研究方法
3.1. 数据与变量
本研究采用了一个包含27个欧盟成员国的平衡面板数据集。数据主要来源于欧盟统计局（Eurostat）和经合组织（OECD）统计数据库。分析变量包括云计算（CC）、人工智能（AI）、物联网（IoT）、大数据分析（DA）、电子商务（E-commerce）和国内生产总值（GDP）。
描述性统计结果显示，各变量在欧盟成员国之间存在显著差异。人工智能（AI）指标的平均值为12.03，标准差为6.40，表明样本国家在人工智能采用水平上存在中等程度的变异性。电子商务（E-commerce）变量的平均值为23.66，标准差为8.08，表明其变异性高于人工智能。物联网（IoT）的平均值为6.08，标准差为6.03，标准差接近平均值，表明数据分布广泛且变异性高。云计算（CC）的平均值为43.11，标准差为16.47，是分析变量中平均值最高、标准差最大的指标，表明云计算服务是分析中最受采纳的服务，同时也是国家间采纳水平差异最大的指标。
3.2. 预测建模（多层感知器—MLP）
分析的第一阶段涉及应用多层感知器（MLP）模型，该模型属于人工神经网络（ANN）类别，因其能够模拟数字因素与可持续绩效之间的非线性关系而被选用。MLP架构是前馈式的，包含一个输入层（AI、BD、IoT、CC）、一个隐藏层和一个用于连续变量的输出层。该模型的性能通过两个关键指标进行评估：平方误差和（SSE），用于衡量模型的总误差；以及均方根误差（RMSE），用于提供平均预测误差的度量。
3.3. 层次聚类程序（HCA）
在初步的MLP建模之后，应用了层次聚类分析（HCA）来对欧盟27国进行细分。聚类采用平方欧氏距离进行，以最小化组内方差。最佳聚类数量通过分析树状图和凝聚系数来确定。
4. 结果
4.1. 相关性分析
为了突出本研究提出的变量之间建立的联系，我们使用SPSS程序进行了相关性分析，以确定分析指标之间的关系类型。分析结果显示，变量之间存在统计上显著的关系。
- •
强且显著的关系（p < 0.01）： 人工智能与云计算（r = 0.559）、人工智能与GDP（r = 0.545）、电子商务与大数据分析（r = 0.550）、电子商务与云计算（r = 0.521）之间存在强正相关关系。
- •
显著但中等的关系（p < 0.05）： 人工智能与电子商务之间存在显著但中等程度的正相关关系。
- •
缺乏显著关系： 物联网变量与任何其他变量之间均无显著相关性（所有情况下p > 0.05）。物联网的非显著负相关表明，其使用中的障碍可能阻碍了其他工具的吸收。
4.2. 假设H1检验：数字技术对电子商务的影响
为了检验假设H1，我们使用人工神经网络方法进行了分析。本文使用MLP模型来识别输入层（CC、AI、DA、IoT）与输出变量（电子商务）之间建立的影响。分析结果显示，相对训练误差为0.631，表明结果非常好。相对测试误差值为0.096，这是一个很小的测试误差，表明模型在新的、未知数据上几乎完美地进行了泛化，证明模型没有出现过拟合。因此，可以得出结论，该模型比基本预测好90%以上，被认为是一个用于进行预测的最终且稳健的模型。
参数估计揭示了数字技术对电子商务的影响。分析发现，存在两条主要的“路径”通过输入变量影响输出变量电子商务，但其中一条是主导路径。主要路径由H(1:2)神经元代表，该神经元在很大程度上依赖于大数据分析和云计算变量，对预测做出积极贡献。因此，尽管大数据分析在两种情况下都是最具影响力的预测因子，但其通过H(1:2)神经元介导的积极贡献在很大程度上决定了最终结果。假设H1得到验证，数字技术对欧盟成员国的电子商务产生积极影响。
4.3. 假设H2检验：数字技术、电子商务与GDP的关系
为了检验假设H2，我们分析了人工神经网络，在模型中，电子商务被包含在输入变量中，人均GDP被定义为衡量经济增长的输出变量。分析结果显示，相对训练误差值为0.640，表明模型与训练数据拟合良好。同时，相对测试误差值为0.071，非常低，表明模型在新的、未知数据上几乎完美地进行了泛化，避免了过拟合。该模型比基于因变量平均值的预测好90%以上。
参数估计揭示了数字技术和电子商务对经济绩效的影响。分析发现，人工智能和云计算是GDP预测中最重要的积极因素，而物联网是最重要的消极因素。该模型表明，对于GDP预测，人工智能和云计算是最重要的积极因素，而物联网是最重要的消极因素。假设H2得到验证，数字技术、电子商务与GDP之间存在强大、直接且稳健的关系。
4.4. 假设H3检验：欧盟成员国的聚类分析
为了检验假设H3，使用了聚类分析，旨在根据研究变量将欧盟国家划分为同质组。通过分析树状图，可以确定三个主要集群以及其中的几个子集群。
- •
集群1： 由具有高度相似性的元素组成，在短距离内连接。该集群汇集了具有不同经济概况但有许多共同点的国家，例如它们都处于数字经济发展的阶段，是负责任地承担采纳数字技术需求的国家。
- •
集群2： 由比集群1发展水平更高的国家组成。该组内的国家显示出一定程度的数字成熟度，更密集地使用数字技术。
- •
集群3： 主要由西欧和北欧国家组成，是一个真正的数字领导者群体，其特点是广泛使用技术。该集群内的国家拥有高数字技能的人口，数字服务占主导地位的经济体，电子商务是这些经济的支柱之一。
树状图证实，欧洲存在具有相似数字发展水平的不同国家群体。假设H3得到验证。
5. 讨论
5.1. 主要发现与理论贡献
本研究的主要发现证实了核心数字技术（AI、BD、IoT、CC）对电子商务发展的显著积极影响。然而，有效的采纳受到非技术因素的显著调节。例如，组织障碍（如抵制变革的组织文化或员工对新数字技术的准备度低）经常阻止企业从这些技术中获益，即使在该领域进行了大量投资。
在理论贡献方面，本研究通过实证证明，重要的不仅仅是技术的普遍采纳，而是每种特定技术的影响程度。物联网在优化电子商务供应链中的重要作用得到确认，这表明在电子商务领域，优化物理操作的技术（IoT）至少与优化客户互动的技术（AI）同等重要。此外，层次聚类分析为技术-组织-环境（TOE）框架的环境背景引入了一个新的理论维度。区域分组表明，在将技术采纳转化为宏观经济绩效的能力方面存在显著的异质性。这一发现提供了一个具体的理论机制，解释了环境背景如何调节技术实施在宏观经济层面的成功。
5.2. 实践启示与政策建议
本研究的实践启示是复杂而广泛的，对欧盟成员国的社会、经济和商业环境的各个方面产生了深远影响。本研究强调组织需要投资于数字技术，以在不断变化的商业环境中保持竞争力。这涉及在劳动力中发展数字能力，并采纳创新战略以最大化数字技术的潜力。
另一个可以产生快速且隐含行动及显著效果的方面，是从国家集群的角度分析数字技术的实施程度。这些通常在地理上相邻的国家群体，拥有相似的组织和政府政策。同时，人口共享相同的价值观，在创新方面表现出一致的倾向。因此，“模范”国家可以在增加数字技术投资方面提供实用的解决方案，分享旨在实现数字转型战略的政策。此外，这些国家可以为尽快熟悉此类技术提供咨询，并可以传递有关这些技术应用领域的宝贵信息。因此，欠发达国家将从现代国家的经验中受益，进行有利可图的投资。
为了充分释放欧盟数字转型的潜力，我们的政策启示侧重于明确、可操作的支柱，例如投资于数字技能或投资于物联网基础设施。
- •
有针对性的数字技能投资： 这将确保培训计划与“数字罗盘2030”目标保持一致。在这方面，复苏与韧性基金（PNRR）和欧洲社会基金+（ESF+）的资金可以分配给针对数据分析和人工智能工程的项目。
- •
物联网基础设施： 欧盟委员会必须为电子商务中使用的设备制定强制性的技术互操作性标准，特别是针对通过聚类分析确定的落后地区。
5.3. 研究局限性与未来展望
本研究的主要局限性涉及因果建模问题。虽然数字技术的采纳与经济绩效之间存在很强的相关性，但本研究并未最终证明因果关系。因此，未来的研究必须超越单纯的相关性，正式建立因果关系。
未来的研究可以延长分析周期，以评估长期趋势以及数字技术对电子商务和经济增长的长期影响。研究区域差异化至关重要，需要关注数字技术在不同欧盟地区的具体影响的研究。未来的研究可以从整合经济、技术和社会方面的跨学科方法中受益，以更好地理解这一现象。
考虑到本研究中分析的时间范围——具体而言，数据分析仅涵盖了后COVID-19时期——我们建议在未来分析数字化现象演变的研究中，参考更大的时间范围，这将确保分析从COVID-19大流行爆发时刻到后COVID-19时期的时间段。另一个局限性在于，本研究使用了与技术水平相关的指标，仿佛它们代表了一组同质的企业，但没有突出它们之间的差异，例如企业规模、活动部门或数字成熟度水平。这种宏观层面的聚合方法有意忽略了单个企业层面可能存在的异质性。因此，未来的研究应通过执行分段分析来解决这一局限性。
6. 结论
本研究证实，数字技术对欧盟国家的电子商务和可持续经济增长具有显著影响。它们正在重塑商业的运作方式，并带来巨大的经济效益。继续研究和分析以更好地理解这种数字转型的复杂性，对于制定合适的未来战略至关重要。
