中国农村电商研究数据集分析

doi:10.19788/j.issn.2096-6369.230412

Abstract

Abstract:

This study reviewed the data used in the studies on rural e-commerce in China. The rural e-commerce data are divided into two types of datasets based on the characteristics of targeted e-commerce interventions and agricultural product trading locations. The first dataset includes databases on comprehensive demonstration of e-commerce in rural counties, and Taobao Villages and e-commerce index. The second dataset involves databases on e-commerce of agricultural products, and cross-border e-commerce agrarian products. We presented the data sources, the definition of related indicators, and the time span of each dataset, and analyze the pros and cons of each data in answering the related research topics. This systematic review can be a benchmark for researchers interested in rural e-commerce to understand the data and assess the related studies using these datasets.

Key words: rural e-commerce in China, dataset, sample, indicators

JIA Cheng, YI HongMei. Analysis of China's Rural E-commerce Research Dataset[J].Journal of Agricultural Big Data, 2023, 5(4): 95-102.

Figures/Tables 3

Table 1

Table 2

Table 3

Basic information on different datasets of rural e-commerce"

信息	农村电商数据集Ⅰ		农村电商数据集Ⅱ
信息	淘宝村与电商指数数据库	电子商务进农村综合示范县数据库	农产品电商数据库	农产品跨境电商数据库
研究主题	（1）“淘宝村”的形成机理及内在动力（2）“淘宝村”演化的时空规律及其影响因素（3）“淘宝村”现象的经济社会效应	（1）中国电商政策内容分析（2）电商政策对农村电商发展、降低贫困发生率、生态环境效益等方面的经济效应	（1）农产品电商发展模式的内生机理及路径优化（2）农产品电商发展的区域特征、影响因素以及对经济社会的影响（3）农户农产品电商采纳行为及影响效应分析	（1）国家或地区之间农产品跨境电商模式对比、政策评估以及对经济社会的影响效应（2）农产品跨境电商（企业）发展的影响因素
指标测度	（1）、（2）、（3）均可为①是否为淘宝村 ②淘宝村数量 ③电子商务发展指数	（1）政策文本内容（2）是否为电子商务进农村综合示范县	（1）案例分析内容（2）农产品电商发展水平（3）农户农产品电商采纳行为或意愿	（1）①农产品跨境电商进出口额②是否加入跨境电商平台 ③农村所在城市是否为跨境电商综试区（2）微观企业农产品跨境电商发展水平
指标内容	①、②各级行政区划名称、辖区内淘宝村的名称及数量等 ③网商指数（OBI）与网购指数（OSI）	（1）政策内容包括文件标题、文件号、发文单位、发布内容、发布信息等（2）机构健全与政策配套、物流支持、电商培育、电商扶贫、示范情况及开展综合示范工作基础等内容	（1）案例分析数据（2）农产品销售额（真实值、近似值、调查值）（3）①是否采纳电商销售农产品②采纳电商的意愿程度	（1）①海关电子商务模式与海关保税电商模式进出口额加总②通过农产品相关企业是否成为“阿里巴巴”中国站付费会员衡量③获批时间、获批数量与获批批次（2）跨境农产品电商对其自身发展的评价标准（农业综合竞争力和农产品电商发展竞争力）
数据来源	①、②、③阿里平台交易数据、阿里研究院	（1）政策内容来自中共中央、国务院及其组成部分和直属机构、全国性社会团体正式发展的公开文件（2）中华人民共和国商务部流通发展司	（1）理论模型的仿真数据（2）①县级农产品电商销售额真实值来源阿里巴巴平台等 ②省市县农产品电商销售额近似值来自不同指标数量关系的计算（3）CRRS数据库、全国农村固定观察点数据、不同科研结构的连续调查数据	（1）①中国海关总署数据库 ②阿里巴巴中国网站③国务院发布文件和网经社跨境电商综试区数据库（2）科研机构或高校科研团队调查
时间跨度	①和②2009－2022年 ③2013－2021年	（1）2001－2022年（2）2014－2021年	（1）理论数据以理论推导的模型需求为准; （2）①2018－2020年 ②2013－2022年（3）CRRS数据库2020与2022年两轮;其余数据跨度多为某一年的月度区间	（1）①2018－2022年 ②2003－2022年 ③2015－2022年（2）截面数据
覆盖范围	中国内地各个省级行政区、城市、区县、村镇等层面	中国内地各个区县层面	中国内地各个省级行政区、城市、区县及农户（家庭农场等）个体等层面	（1）①国家或地区层面 ②、③覆盖中国内地31个省市（2）覆盖中国局部省市地区
优势	数据公开、连续可得。适合国内外对中国农村电商经济效应的研究	数据精准县域层次，公开易得。适合于中国电商政策评估效应研究	指标测度较为简单，涵盖中国内地省市县层面与微观个体层面，研究问题更为深入，对计量模型要求一般	适合案例分析;部分数据通过爬虫技术获取，且能够体现数据时效性
劣势	评估指标单一，且淘宝村评选存在非随机性	示范县评选标准在时间上的变化为政策评估提出挑战，同时县域评选也存在非随机性，对计量模型要求较高	部分数据涉及商业机密，无法共享;数据搜集成本较高，实证结果存在区域局限性	数据难以获取，且多为非平衡面板数据，无法解决自选择问题，而且无法有效共享

Table 3

References 32

[1]	曾亿武, 蔡谨静, 郭红东. 中国“淘宝村”研究: 一个文献综述[J]. 农业经济问题, 2020(3):102-111.
[2]	洪勇. 我国农村电商发展的制约因素与促进政策[J]. 商业经济研究, 2016(4):169-171.
[3]	World Bank, Alibaba Group. E-commerce Development: Experience from China[R]. 2019. http://documents.worldbank.org/curated/en/552791574361533437/E-commerce-Development-Experience-from-China.
[4]	王瑞峰. 农村电商多维度动态特征构念与量表开发[J]. 中国流通经济, 2021, 35(10): 55-64.
[5]	LEONG C, PAN S L, NEWELL S, et al. The emergence of self-organizing e-commerce ecosystems in remote villages of China: A tale of digital empowerment for rural development[J]. MIS Quarterly, 2016, 40(2): 475-84. doi: 10.25300/MISQ
[6]	LIN Y. E-urbanism: E-commerce, migration, and the transformation of Taobao villages in urban China[J]. Cities, 2019, 91: 202-212. doi: 10.1016/j.cities.2018.11.020
[7]	LI X, GUO H, JIN S, et al. Do farmers gain Internet dividends from e-commerce adoption? Evidence from China[J]. Food Policy, 2021(3): 102024.
[8]	COUTURE V, FABER B, GU Y, et al. Connecting the countryside via e-commerce: Evidence from China[J]. American Economic Review: Insights, 2021, 3(1): 35-50. doi: 10.1257/aeri.20190382
[9]	梁强, 邹立凯, 杨学儒, 等. 政府支持对包容性创业的影响机制研究——基于揭阳军埔农村电商创业集群的案例分析[J]. 南方经济, 2016(1):42-56.
[10]	刘鹏, 王中一. 政策能力: 理论综述及其对中国公共政策研究的启示[J]. 公共管理与政策评论, 2018, 7(2):80-88.
[11]	肖开红, 雷兵, 钟镇. 中国涉农电子商务政策的演进——基于2001-2018年国家层面政策文本的计量分析[J]. 电子政务, 2019(11):91-103.
[12]	王明杰, 颜梓晗, 余斌, 等. 电子商务专业村空间格局演化及影响因素研究——基于2015—2020年中国淘宝村数据[J]. 地理科学进展, 2022, 41(5):838-853. doi: 10.18306/dlkxjz.2022.05.008
[13]	张宸, 周耿. 淘宝村产业集聚的形成和发展机制研究[J]. 农业经济问题, 2019(4): 108-117.
[14]	曾亿武, 郭红东. 农产品淘宝村形成机理: 一个多案例研究[J]. 农业经济问题, 2016, 37(4):39-48+111.
[15]	范轶琳, 吴东, 黎日荣. 包容性创新模式演化——基于淘宝村的纵向案例研究[J]. 南开管理评论, 2021, 24(2):195-205.
[16]	易法敏, 孙煜程, 蔡轶. 政府促进农村电商发展的政策效应评估——来自“电子商务进农村综合示范”的经验研究[J]. 南开经济研究, 2021(3):177-192.
[17]	QIN Q, GUO H, SHI X, et al. Rural e-commerce and county economic development in China[J]. China & World Economy, 2023, 31(5): 26-60.
[18]	崔鑫, 李春发, 周驰, 等. 随机需求下生鲜电商供应链物流合作与运营决策[J/OL]. 中国管理科学: 1-15[2023-10-25]. DOI:10.16381/j. cnki.issn1003-207x.2021.1751.
[19]	贾铖, 杨建辉, 张家平. 农产品电商发展是否存在要素错配——以东部地区为例[J]. 南京农业大学学报(社会科学版), 2023, 23(4): 165-177.
[20]	马淑琴, 陈红, 俞春晓. 电子商务发展对出口贸易规模扩张的U型调节——来自中国的经验实证[J]. 财经论丛, 2018(7):9-18.
[21]	戴盼倩, 姚冠新, 徐静. 农产品电商发展对农业转型升级的倒逼效应——基于省际静态与动态面板数据的实证分析[J]. 农林经济管理学报, 2019, 18(3):302-312.
[22]	朱红根, 宋成校. 家庭农场采纳电商行为及其绩效分析[J]. 华南农业大学学报(社会科学版), 2020, 19(6):56-69.
[23]	马彪, 彭超, 薛岩, 等. 农产品电商会影响我国家庭农场的收入吗?[J]. 统计研究, 2021, 38(9):101-113.
[24]	唐立强, 周静. 社会资本、信息获取与农户电商行为[J]. 华南农业大学学报(社会科学版), 2018, 17(3):73-82.
[25]	曾亿武, 陈永富, 郭红东. 先前经验、社会资本与农户电商采纳行为[J]. 农业技术经济, 2019(3): 38-48.
[26]	罗千峰, 胡雯, 赵奇锋. 电商经营如何促进农户增收——基于中国乡村振兴综合调查(CRRS)数据[J]. 经济与管理, 2023, 37(5):1-8.
[27]	刘会政, 肖音, 张鹏杨. 数字贸易、出口多样化与企业产出波动——以加入跨境电商平台为准自然实验[J]. 国际贸易问题, 2022(12):54-69.
[28]	黄先海, 虞柳明, 崔雪. 长三角共同富裕新实践:跨境电商综试区建设对城乡收入差距的影响[J]. 浙江社会科学, 2022(11): 20-31+155-156.
[29]	鲁钊阳. 跨境农产品电商发展影响因素的实证研究[J]. 国际贸易问题, 2018(4):117-127.
[30]	LELE U, GOSWAMI S. The fourth industrial revolution, agricultural and rural innovation, and implications for public policy and investments: A case of India[J]. Agricultural Economics, 2017, 48(S1): 87-100. doi: 10.1111/agec.2017.48.issue-S1
[31]	MA W, ZHOU X. LIU M. What drives farmers’ willingness to adopt e-commerce in rural China? The role of Internet use[J]. Agribusiness, 2020, 36(1): 159-163. doi: 10.1002/agr.v36.1
[32]	WEI Y D, LIN J, ZHANG L. E-commerce, Taobao villages and regional development in China[J]. Geographical Review, 2019, 110(3): 380-405. doi: 10.1111/gere.12367

[1]	. [J]. Bulletin of Agricultural Science and Technology, 2018, 0(5): 97 -101 .
[2]	. [J]. Bulletin of Agricultural Science and Technology, 2018, 0(5): 84 -86 .
[3]	. [J]. Bulletin of Agricultural Science and Technology, 2018, 0(5): 82 -83 .
[4]	. [J]. Bulletin of Agricultural Science and Technology, 2018, 0(5): 67 -72 .
[5]	. [J]. Bulletin of Agricultural Science and Technology, 2018, 0(5): 55 -56 .
[6]	. [J]. Bulletin of Agricultural Science and Technology, 2018, 0(5): 310 -312 .
[7]	. [J]. Bulletin of Agricultural Science and Technology, 2018, 0(5): 308 -309 .
[8]	. [J]. Bulletin of Agricultural Science and Technology, 2018, 0(5): 299 -300 .
[9]	. [J]. Bulletin of Agricultural Science and Technology, 2018, 0(5): 276 -278 .
[10]	. [J]. Bulletin of Agricultural Science and Technology, 2018, 0(5): 270 -271 .

按政府机构和私营部门定向干预划分
农村电商数据集 Ⅰ	政府：电子商务进农村综合示范县数据库	企业（阿里巴巴）：淘宝村与电商指数数据库
按农产品销售地划分
农村电商数据集 Ⅱ	境内：农产品电商数据库	境外：农产品跨境电商数据库
注：国家政府机构包括中国商务部、人力资源和社会保障部、国家统计局和国家邮政局等机构;私营部门主要以阿里巴巴电商企业、阿里研究院为主。主要因为阿里巴巴平台交易约占中国电子商务零售市场的60%，可以较为全面描述中国农村电商发展情况。

区域划分	农产品电商销售额测度指标与计算公式	数据来源
省级层面	阿里巴巴公司在全国农产品电商交易中的平均占比对阿里巴巴的农产品电商交易额进行放大得到全国的农产品电商交易额近似值	2013－2022年《农产品电子商务白皮书》
	电子商务销售额×最终消费率（按支出法）× 居民消费率（居民消费占最终消费的比例）× 恩格尔系数	2013－2022年《中国统计年鉴》
	中国快递网点农村覆盖率	2013－2022年《中国统计年鉴》
	农村人均可支配收入、农村消费品零售额占全社会消费品零售额的比重、第一产业生产总值、第一产业增加值占地区生产总值的比重、平均每百户拥有固定电话数量、平均每百户拥有计算机数量、农村互联网普及率、农村投递业务总长度、固定资产投资中第一产业所占比重、固定资产投资中交通运输、仓储和邮电所占比重、农村第一产业从业人员比率以及农产品区域公共品牌价值等指标权重加总	2013－2022年《中国统计年鉴》
市级层面	城市互联网普及率	2013－2022年《中国城市统计年鉴》
市级层面	城市单位土地面积上销售农产品的网络店铺数量	以阿里巴巴电商平台（淘宝、天猫等）的卖家地理位置信息为数据基础，采用小型爬虫软件获取在线店铺的店铺名称、商店量、月销量及开店时间等信息，通常以截面数据为主

Analysis of China's Rural E-commerce Research Dataset

RichHTML

PDF (PC)

Like

Knowledge

Abstract

Cite this article

share this article

Figures/Tables 3

References 32

Related Articles 13

Metrics

Comments

Recommended 10

[1]	QI ShuShu, LIU XiaoChen. Toxic Effects and Cumulative Characteristics of Dibutyl Phthalate and Monobutyl Phthalate on Spinach Datasets [J]. Journal of Agricultural Big Data, 2025, 7(1): 132-140.
[2]	QIN JiaLe, YUAN JiangHao, SONG GuoZhu, YAO HongXun, GUO LeiFeng, WANG XiaoLi. Image Dataset of Wheat, Corn, and Rice Seedlings in Heilongjiang Province in 2022 [J]. Journal of Agricultural Big Data, 2024, 6(4): 558-563.
[3]	DING DaWei, YONG BeiBei, REN Wen, XIE Kun, ZHAO YongJian, WANG GuangShuai, CHEN JinPing, WANG MingHui. The Dataset for Crop Phenology of Winter Wheat and Summer Maize in The Alluvium Plain of the Old Yellow River From 2008 to 2022 [J]. Journal of Agricultural Big Data, 2024, 6(4): 552-557.
[4]	LI JiaLe, ZHANG JianHua, WANG Jian, ZHOU GuoMin. Metrological Analysis of Data-driven Deep Learning Methods for Agriculture [J]. Journal of Agricultural Big Data, 2024, 6(3): 400-411.
[5]	CHEN Lei, ZHOU Na, ZHU PengXuan, YUAN Yuan. A Dataset for Constructing Agricultural Knowledge Graph [J]. Journal of Agricultural Big Data, 2024, 6(1): 1-8.
[6]	ZHAO YaQin, SHEN SiLi, ZHANG Jing, CHEN Lin. Dataset of Survey on Cultivation Production in Otog Front Banner, Inner Mongolia Autonomous Region, 2022 [J]. Journal of Agricultural Big Data, 2023, 5(4): 144-151.
[7]	ZHEN ShiHang, LIU Qi, LUO Rui, TIAN SiYu, SHEN Shuang, REN YanJun. Food Consumption Behavior Analysis Dataset Based on Eye Tracking: A Case Study on the Functional Foods [J]. Journal of Agricultural Big Data, 2023, 5(4): 103-109.
[8]	WEI TongYang, XU Ke, XU Lei. Dataset for Analyzing the Horizontal Transmission Mechanism of Domestic Financial Markets to Agricultural Commodity Prices, 2017-2021 [J]. Journal of Agricultural Big Data, 2023, 5(3): 19-25.
[9]	WANG Kexiao, ZHOU Rui, LI Bo. Biochemistry Indexes and Reflectance Spectra Datasets of Rape Pod Pericarp at Different Maturities [J]. Journal of Agricultural Big Data, 2023, 5(1): 29-33.
[10]	Ziwei Song, Yuan Zheng, Baoxin Zhang. A Dataset on Species and Population Dynamics of Phytoseiid Mites on Citrus in Guangdong Province from 2019 to 2021 [J]. Journal of Agricultural Big Data, 2022, 4(4): 74-79.
[11]	Lixue Kuang, Guofeng Xu, Zhijun Chen, Yinping Li, Yang Cheng, Youming Shen. Quality Datasets of ‘Fuji’ Apples Cultivated in China in 2017 [J]. Journal of Agricultural Big Data, 2022, 4(3): 49-53.
[12]	Kai Xu, Shaoyu Zhang. TPA Test Parameter Setting and Dataset Acquisition of Zaosu Pear in Xingcheng，Liaoning in 2020 [J]. Journal of Agricultural Big Data, 2022, 4(3): 41-48.
[13]	Miao He, Xin Li, Zhiqiang Zhu, Jianying Feng. Modeling Table Grapes: Physicochemical Indexes and Sensory Quality Based on PCA-GA-SVR during Transportation Process [J]. Journal of Agricultural Big Data, 2022, 4(1): 98-108.