论文部分内容阅读
摘要:结合我国电子商铺的分布特征及新地理经济学的相关理论,构造计量模型,并根据2003—2015年淘宝网的面板数据,实证分析我国不同区域电子商铺分布的主要影响因素。研究发现,人力资本是决定电子商铺分布的重要因素;政府对经济的参与度和工业集中度对东西部电子商务发展的影响比较显著,但因东西部处于不同的经济发展阶段,产生的作用也有所不同;本地市场需求规模对电子商铺的分布在电子商铺发展初期作用显著;交通物流环境对中西部省份来说仍是一个比较重要的影响因素。因此,必须综合考虑各种因素,一方面发展经济,改善外部环境,如提升人力资本,完善交通、物流基础设施等;另一方面尽可能地完善相关政策和制度,全面促进电子商务发展。
关键词:电子商务产业;电子商铺;淘宝网;空间分布
随着互联网技术的高速发展,网上购物逐渐被广大居民所接受,成为其日常生活的一部分。据统计,2015年中国网络购物交易规模达到3.8万亿元,同比增长35.7%,占社会消费品零售总额的12.7%;网络购物用户规模达到4.6亿人,占所有网民的67.4%。由此可见,以网购为代表的电子商务产业的社会经济影响力越来越大,并且已经成为国家重要的战略性新兴产业。为了探究电子商务产业的发展规律,我们需要对电子商务的载体——电子商铺的发展进行研究,电子商务主要是依托于发达的互联网技术平台进行交易,与传统产业大不相同,那么电子商务产业的分布发展是否也存在集聚现象,受哪些因素的影响,这是值得探讨的问题。本文根据收集的淘宝网数据实证分析我国电子商铺区位分布的影响因素,并进一步为我国电子商务产业发展提供对策。
目前对电子商务产业区位分布的研究多基于地理学视角。国外方面,如安德鲁(Andrew currah)对加拿大c2c电子商务的空间分布进行了研究;国内方面,王蕾从省域层面对淘宝的电子店铺分布情况进行了定量分析,并对影响区域布局的相关因素進行了归纳;俞金国等人利用基尼系数等从省域层面对淘宝网的店铺进行了测度,并对影响店铺分布的因素做了简单的回归分析;浩飞龙等以2015年6月阿里研究院提供的中国294个地级及以上城市的电子商务发展指数为基础,运用空间分析法和多元线性回归法,从省域和城市两个层级分析电子商务发展水平的空间分布特征,并探讨其影响因素。
关于电子商铺空间分布影响因素的研究,目前国内外的研究都相对较少。对于已有的相关研究,笔者认为主要有两点不足:一是数据不全面,仅仅基于C2C店铺进行分析,并没有对B2C模式的商铺进行分析;二是都采用截面数据进行实证研究,忽略了时间趋势这一重要特征。同时,在电子商务产业发展过程中政府也起着一定的积极作用,这在以往的研究中并没有引起重视。因此,本文主要以淘宝网C2C及B2C两种模式的电子商铺区位分布为研究对象,采用面板数据进行实证分析,并特别关注政府参与度对电子商铺分布的影响。
一、数据来源说明
中国电子商务研究中心监测数据显示,2014年阿里巴巴零售平台上约有700万家电子商铺,其中小微网商占大多数,一方面没必要对同类网店都进行研究,另一方面基于全部网店的有效数据也难以获取。而淘宝网是我国目前最大的B2C及C2C交易平台,2014年成交额达2.3万亿元,在网络购物整体市场中占比达到81.5%,因此,淘宝网店的发展在很大程度上代表了我国电子商务产业的发展,故本文对淘宝网上的电子商铺进行抽样研究。本文选取淘宝网12个最热门类目(女装、男装、童装、女鞋、男鞋、童鞋、运动、户外、箱包、数码、日用、食品)皇冠以上的店铺以及天猫店铺作为样本。皇冠以上店铺是经过残酷竞争留下的最具生命力的C2C店铺,而代表B2C的天猫店铺本身要求以企业性质进入,这两类店铺信誉度高、网络交易量更大,具有更好的商业行为,其生命周期更稳定,更能代表地区电子商务发展水平,因此选择这两类具有代表性的电子商铺进行研究。本文采用网络爬虫工具对淘宝网数据进行抓取,共抓取162597家店铺信息,店铺信息包含有店铺ID、店铺名称、店铺主营类别、店铺所属行业、店铺总销量、店铺当月销量、店铺好评率、物流服务、注册时间,所在地市等信息,这些店铺涉及31个省市区的344个城市,检索时间为2016年3月15日至2016年5月25日。
二、我国电子商铺的分布概况
根据已经获取的电子商铺数据,下面分省域和城市两个层面来分析我国电子商铺目前的分布概况。
(一)省域电子商铺的分布现状
表1统计了2015年淘宝网店铺在我国大陆31个省市区的区域分布情况。从中可以发现,我国电子商铺分布高度集中在东部沿海发达省份,沿海省份占全国份额的80.32%;东部、中部、西部三个区域所占份额分别为87.88%,7.91%,4.21%。在对2003-2015年各省份电子商铺的区域分布统计中发现,浙江、广东、上海、江苏、北京、福建、山东这七个省市虽然每年排名位次会发生改变,但一直牢牢占据前七位,2003年七省市电子商铺占全国份额高达90.11%,2004年下降到86.75%,之后一直处于下降趋势,但是下降的幅度小且平稳,从2006年的84.86%一直到2015的84.07%,很显然,中西部地区的电子商铺是相对增长的。
各省市区电商分布的变动趋势带给我们两点启示:一是我国东部沿海地区凭借其优越的综合条件,如宽松的经济发展政策、密集的工业集聚基地、高水平的人力资本以及发达的交通信息网络等,电子商务目前已经处于稳态发展的阶段;相比较而言,我国中、西部地区发展电子商铺的外部环境与东部存在较大差距,还需进一步改善,因此电子商铺的发展比较缓慢,并且基本处于较低的发展阶段。二是我国电商的发展分布经历了一个从集中到分散的过程,这是与东部地区良好的外部环境以及政府的扶持政策分不开的,首先在东部地区集中发展,中西部随着知识传播以及交通网络的逐步完善,才逐渐开始发展电子商务产业。 (二)城市层面电子商铺的分布现状
表2列出了淘宝网2015年两类店铺在全国344个城市分布排名前50的城市。仔细分析不难发现,在城市层面,我国电子商铺主要分布在经济发展水平高的直辖市、省会城市、区域发达城市及制造业基地城市。根据这些城市的特征,我们将其分为两类:第一类城市如北京、广州、上海、深圳、杭州、南京等,这些城市具有人口密集、经济发达、人力资本水平高、交通发达等特点,而这些也是影响电子商铺发展的外在条件,因此这样的城市网点集中分布率就高;第二类城市的主要特征是工业发达或者某一产业的制造基地,比如泉州、温州、莆田都是著名的制鞋业基地,汕头是玩具制造基地,东莞、宁波、中山是服饰制造基地,网店在这样的城市分布集中率也比较高。浙江、广东是制造业发达的省份,区域内集中了大量纺织、服饰、鞋业、电器等制造业,从表2中可以看出,有9个城市属于浙江省、8个城市属于广东省,可见电子商铺也往往会选择在产地附近集中分布。
三、计量模型构建
根据我国电子商铺分布的特点以及新地理经济学理论,我国电子商务的发展主要受政府参与度、人力资本、实体产业集中度、消费需求以及交通便利等因素的影响,因此本文选取以上几个变量作为解释变量构造计量模型,分析我国电子商铺的发展。很显然,电子商铺的发展也受这些因素滞后期的影响,但我们关注的重点是各种因素对电子商铺的影响,并不关注到底滞后多少期,因此基于分析的目的以及保留足够的样本数据两个方面考虑,在建立模型时仅用滞后一期来表示。另外,笔者分别做了滞后一期、二期的回归分析,结果也基本一致。故构造计量模型如下:
i:表示不同的省份。
t:表示不同的年份。
shopnum:表示电子商铺在各省的分布,用各年度各个省份电子商铺的数量计算。
gov:表示政府参与度,测度政府对经济的参与程度,其值为各省市区政府财政支出减去教育支出、科技支出、文体支出、卫生医疗支出、社保支出后占其GDP的份额。
tout:表示工业集中程度,其数据采用各省市区历年的工业产值,工业产值越大表明该地区工业发展规模越大,使用食品加工业,食品制造业,纺织业,纺织服装、服饰业,皮革、毛皮、羽毛及其制品和制鞋业,化学纤维制造业,非金属矿物制品业,金属制品业,计算机、通信和其他电子设备制造业这9个产值两位数行业的工业销售产值之和表示。
uedu:表示人力资本,用各地区大专以上人口数量表示。
agdp:表示消费者需求,其值越大代表地区市场需求越大,这里使用各地区人均GDP代理这一变量。
roadd和mei这两个变量表示公共基础设施。roadd:表示地区交通状况,用地区的公路路网密度来度量,其值为地区公路里程数/地区面积;mei表示各地区物流状况,用各省份邮政业务收入表示。
以上数据主要来自《中国工业经济统计年鉴》《中国城市年鉴》《中国统计年鉴》以及《新中国60年统计资料汇编》。四、实证结果与分析
根据第三部分构建的计量模型,利用2003-2015年各省市区的面板数据进行实证分析,在模型中对各变量数据取对数进行处理,这样可以减少变量的异方差。另外,由于同一个省份不同期之间的扰动项一般存在自相关,而默认的普通标准误差计算方法假设扰动项为独立协同分布,故普通标准误差的估计并不准确,因此对模型估计时采用聚类稳健标准误差的方法进行处理。
(一)变量的统计描述
表3列出了全国、东部、中部和西部等区域变量的数据统计描述。
从表3可以看出:第一,变量shopnum(电子商铺数量)均值,东部地区>全国>中部>西部,从各区域标准差来看,我国店铺主要集中分布在东部地区,全国各区域间店铺分布不均;区域间标准差均小于全国范围内标准差,说明各局域内店铺分布差异相对较小,全国范围内差异较大。第二,变量gov(政府参与度)均值,西部>全国>中部>东部地区,说明经济越落后的地区政府参与度越高,经济越发达的地区经济参与度越低。第三,变量tout(地区工业产值)均值,东部地区>中部>全国>西部,工业主要集中在东部,中部相对全国则较为均衡,西部比较落后;地区工业产值的标准差,全国>东部>西部>中部,这说明东部和西部工业集中度比较高,中部比较分散。第四,变量uedu(人力资本)均值,东部地区>中部>全国>西部,说明人力资本主要集中在东部地区;另外从标准差来看,西部人力资本的差异较大,高水平人力資本分布在省会或发达城市,大部分居民的知识水平与东部相比较低;东部地区的人力资本水平差异较小,都比较高;中部的人力资本水平差异也不大,但整体水平是较低的。第五,变量(市场需求)均值,东部地区>全国>中部>西部,差距主要来自东部与中西部区域之间,区域内部市场需求规模差异不大;第六,变量roadd(交通状况)和mei(物流状况)均值,东部地区交通状况远远好于全国水平,中部稍好于全国水平,西部则远远落后于全国水平。
(二)计量模型的计算与分析
表4列出了计量分析的结果。其中,列表示不同区域的模型,行表示每个变量的结果,共计算了8个模型。模型(1)至模型(4)是固定效应模型,模型(5)至模型(8)是随机效应模型,根据豪斯曼(Hausman)检验结果,在5%的检验水平下,我们判断全国和东部区域选择固定效用模型比较有效率,而中部和西部地区则选择随机效用模型比较有效率,故选择模型(1)、模型(2)、模型(7)、模型(8)进行分析。模型(1)计算了全国的情况,显示我们所选择的这几个指标政府参与度、工业集中度、人力资本、市场需求、交通物流等在5%的显著水平下都是非常显著的,说明这些变量对网店分布的影响都比较明显;模型(2)、模型(7)、模型(8)则计算了不同区域影响电子商铺分布的因素。下面根据计算结果进行分析:
首先,我们看全国的计算结果即模型(1),模型的拟合优度达到85.6%,说明拟合优度较好;政府参与度、工业集中度、人力资本、市场需求、交通和物流这几个指标都在5%的显著水平下显著,说明这些因素对电子商铺区位分布的影响是比较明显的;其中政府参与度的参数为负值(-3.708),说明与电子商铺分布呈负相关关系,也就是政府参与度越高,越不利于电子商铺的集聚;工业集中度、人力资本、市场需求、交通和物流状况的参数均为正值,说明这些因素的提高均对电子商铺的集聚产生正效应,其中市场需求和交通状况的参数比较大,分别为1.734 8和1.525,说明这两个因素是电子商铺选址布局需要考虑的比较重要的因素。 模型(2)是东部地区的计量结果,拟合优度为88%,说明拟合效果较好。政府参与度的参数为负值(-24.59),且在10%的显著水平下显著,即政府对经济参与度的提高会减少电子商铺的集聚分布,也就是说,在市场经济比较发达的地区电子商务发展得比较好;工业集中度和人力资本分别在5%和1%的显著水平下显著,说明这两个因素在东部地区对电子商铺的布局影响是非常明显的,尤其是工业集中度的参数比较大(1.782),说明工业集中度是东部地区电子商铺分布要考虑的一个非常重要的因素,主要是因为工业集中地区会产生外部经济效应,如公用公共设施、知识溢出效应明显等,有利于电子商铺的发展,东部沿海地区很多商铺都分布在工业集中的地区;另外,市场需求、交通和物流状况都不显著,表明这三个因素的影响不明显,分析原因是东部地区经济发展比较早,开放程度较高,电子商务起步也较早且发展快,市场需求目前已基本趋于饱和,因此市场需求对电子商铺的影响不显著。为了证明以上分析,对这一地区逐年进行回归分析,发现时间越早这一因素越显著,2010年之前在5%的水平下影响都很显著,这验证了我们的分析是正确的。另外这些地区的交通物流等外部设施也都比较发达,这些因素基本不会影响店铺的选址。
模型(7)是中部地区的计量结果。结果显示,政府参与度、工业集中度和物流状况这三个因素对电子商铺的分布都没有显著的影响。分析其原因,主要是中部地区经济相对于东部比较落后,政府对本地电子商铺分布发展的参与作用不明显,工业集中程度比较弱,另外,物流状况在中部地区还是比较好的,对店铺选址的影响不大,因此这三个指标都不显著;人力资本、市场需求和交通状况这三个指标均在1%的显著水平下显著,对电子商铺的集聚均起到正向促进作用,其中市场需求的参数最大(1.804),说明市场需求在中部地区是电子商铺分布要考虑的一个比较重要的指标,其他人力资本和交通状况当然也是需要考虑的重要影响因素。
模型(8)是西部地区的计量结果,其中政府参与度、工业集中度、人力资本和交通状况这4个指标均在10%的显著水平下显著,而市场需求和物流状况则在1%的显著水平下显著,说明这些因素对本地区电子商铺的分布都有着显著的影响,西部地区经济落后,工业集中度较低,人力资本水平不高,交通物流等外部环境状况也较差,人口密集度低,市场需求不大,因此电子商铺在本地区的分布需要综合考虑各方面的因素,其发展受限比较大,故西部地区的电子商务发展水平比较低,集中度也比较低。
五、结论与建议
本文分析了我国电子商铺的分布状况,构造了分析影响我国电子商铺分布的计量模型,并利用淘宝网2003-2015年电子商铺的面板数据,检验分析了这些因素对我国电子商铺地区分布的影响。研究发现:
第一,我国区域辽阔,各区域经济发展、外部环境各不相同,因此对电子商铺分布的影响因素也大不相同,但是有一些因素是各个区域发展电子商铺都必须要考虑的,比如人力资本,这个指标在每个模型中都是非常显著的,足以说明人力资本的重要性,此地区只有具备了大量掌握电子商务相关技术的高素质人力资本,才能促进电子商铺的集聚发展。
第二,政府参与度在东部与西部省份比较显著。很显然,东部与西部处于不同的经济发展水平,政府的作用也是不一样的,因此,如果想通过政府的政策来促进电子商铺发展,需要区别对待,东部省份需要降低参与度,而西部省份则需要加大政府的扶持力度。此指标在中部地区不显著,说明对当地发展电子商铺的影响不大,因此在发展电子商铺的过程中可适当考虑。
第三,要发展、集聚电子商铺,东部和西部地区的工业集中度较高,外部效应也较强,故工业集中度是其重点考虑的指标,对于目前工业集中度不高的中部地区,其外部效应较弱,可以不作为重点指标考虑。
第四,东部省份本地的市场需求已基本饱和,继续增加的店铺其产品也主要销往外地,所以市场需求这个指标可以不考虑;但是对于中部和西部地区市场需求量实际上还是比较大的,电子商务发展又比较落后,远远没有达到饱和的状态,这确实是影响电子商铺集聚的一个重要因素,需要重点考虑。
第五,交通物流等外部环境东部地区已经比较发达,基本满足电子商务发展的需要,可以不予考虑,但是对于经济比较落后、环境比较差的中部和西部省份而言,需要加大力度重点建设,是发展电子商铺重点要考虑的指标。
综上所述,我国各地区因不同的经济发展水平,导致这些因素在各地的作用也不一致,但是电子商铺的发展并不是某一两个个别因素可以促进的,而是各个方面综合作用的结果,如果只重视工业集聚地的建设或是吸引人才等,不符合经济发展的规律,肯定也达不到预期的效果。因此要想促进电子商务发展,必须综合考虑,一方面发展经济,改善电子商务产业发展的外部环境,如人力资本、交通、物流等因素;另一方面也要從制度也就是政府对经济的参与度上考虑,尽可能创造有利于电子商务产业发展的环境。当然,本文所讨论的影响电子商铺分布的因素只是其中的一部分,并不排除还有其他因素的影响,如地域文化、企业家精神及其他一些不确定的因素,这都是值得我们进一步深入探讨的问题。
关键词:电子商务产业;电子商铺;淘宝网;空间分布
随着互联网技术的高速发展,网上购物逐渐被广大居民所接受,成为其日常生活的一部分。据统计,2015年中国网络购物交易规模达到3.8万亿元,同比增长35.7%,占社会消费品零售总额的12.7%;网络购物用户规模达到4.6亿人,占所有网民的67.4%。由此可见,以网购为代表的电子商务产业的社会经济影响力越来越大,并且已经成为国家重要的战略性新兴产业。为了探究电子商务产业的发展规律,我们需要对电子商务的载体——电子商铺的发展进行研究,电子商务主要是依托于发达的互联网技术平台进行交易,与传统产业大不相同,那么电子商务产业的分布发展是否也存在集聚现象,受哪些因素的影响,这是值得探讨的问题。本文根据收集的淘宝网数据实证分析我国电子商铺区位分布的影响因素,并进一步为我国电子商务产业发展提供对策。
目前对电子商务产业区位分布的研究多基于地理学视角。国外方面,如安德鲁(Andrew currah)对加拿大c2c电子商务的空间分布进行了研究;国内方面,王蕾从省域层面对淘宝的电子店铺分布情况进行了定量分析,并对影响区域布局的相关因素進行了归纳;俞金国等人利用基尼系数等从省域层面对淘宝网的店铺进行了测度,并对影响店铺分布的因素做了简单的回归分析;浩飞龙等以2015年6月阿里研究院提供的中国294个地级及以上城市的电子商务发展指数为基础,运用空间分析法和多元线性回归法,从省域和城市两个层级分析电子商务发展水平的空间分布特征,并探讨其影响因素。
关于电子商铺空间分布影响因素的研究,目前国内外的研究都相对较少。对于已有的相关研究,笔者认为主要有两点不足:一是数据不全面,仅仅基于C2C店铺进行分析,并没有对B2C模式的商铺进行分析;二是都采用截面数据进行实证研究,忽略了时间趋势这一重要特征。同时,在电子商务产业发展过程中政府也起着一定的积极作用,这在以往的研究中并没有引起重视。因此,本文主要以淘宝网C2C及B2C两种模式的电子商铺区位分布为研究对象,采用面板数据进行实证分析,并特别关注政府参与度对电子商铺分布的影响。
一、数据来源说明
中国电子商务研究中心监测数据显示,2014年阿里巴巴零售平台上约有700万家电子商铺,其中小微网商占大多数,一方面没必要对同类网店都进行研究,另一方面基于全部网店的有效数据也难以获取。而淘宝网是我国目前最大的B2C及C2C交易平台,2014年成交额达2.3万亿元,在网络购物整体市场中占比达到81.5%,因此,淘宝网店的发展在很大程度上代表了我国电子商务产业的发展,故本文对淘宝网上的电子商铺进行抽样研究。本文选取淘宝网12个最热门类目(女装、男装、童装、女鞋、男鞋、童鞋、运动、户外、箱包、数码、日用、食品)皇冠以上的店铺以及天猫店铺作为样本。皇冠以上店铺是经过残酷竞争留下的最具生命力的C2C店铺,而代表B2C的天猫店铺本身要求以企业性质进入,这两类店铺信誉度高、网络交易量更大,具有更好的商业行为,其生命周期更稳定,更能代表地区电子商务发展水平,因此选择这两类具有代表性的电子商铺进行研究。本文采用网络爬虫工具对淘宝网数据进行抓取,共抓取162597家店铺信息,店铺信息包含有店铺ID、店铺名称、店铺主营类别、店铺所属行业、店铺总销量、店铺当月销量、店铺好评率、物流服务、注册时间,所在地市等信息,这些店铺涉及31个省市区的344个城市,检索时间为2016年3月15日至2016年5月25日。
二、我国电子商铺的分布概况
根据已经获取的电子商铺数据,下面分省域和城市两个层面来分析我国电子商铺目前的分布概况。
(一)省域电子商铺的分布现状
表1统计了2015年淘宝网店铺在我国大陆31个省市区的区域分布情况。从中可以发现,我国电子商铺分布高度集中在东部沿海发达省份,沿海省份占全国份额的80.32%;东部、中部、西部三个区域所占份额分别为87.88%,7.91%,4.21%。在对2003-2015年各省份电子商铺的区域分布统计中发现,浙江、广东、上海、江苏、北京、福建、山东这七个省市虽然每年排名位次会发生改变,但一直牢牢占据前七位,2003年七省市电子商铺占全国份额高达90.11%,2004年下降到86.75%,之后一直处于下降趋势,但是下降的幅度小且平稳,从2006年的84.86%一直到2015的84.07%,很显然,中西部地区的电子商铺是相对增长的。
各省市区电商分布的变动趋势带给我们两点启示:一是我国东部沿海地区凭借其优越的综合条件,如宽松的经济发展政策、密集的工业集聚基地、高水平的人力资本以及发达的交通信息网络等,电子商务目前已经处于稳态发展的阶段;相比较而言,我国中、西部地区发展电子商铺的外部环境与东部存在较大差距,还需进一步改善,因此电子商铺的发展比较缓慢,并且基本处于较低的发展阶段。二是我国电商的发展分布经历了一个从集中到分散的过程,这是与东部地区良好的外部环境以及政府的扶持政策分不开的,首先在东部地区集中发展,中西部随着知识传播以及交通网络的逐步完善,才逐渐开始发展电子商务产业。 (二)城市层面电子商铺的分布现状
表2列出了淘宝网2015年两类店铺在全国344个城市分布排名前50的城市。仔细分析不难发现,在城市层面,我国电子商铺主要分布在经济发展水平高的直辖市、省会城市、区域发达城市及制造业基地城市。根据这些城市的特征,我们将其分为两类:第一类城市如北京、广州、上海、深圳、杭州、南京等,这些城市具有人口密集、经济发达、人力资本水平高、交通发达等特点,而这些也是影响电子商铺发展的外在条件,因此这样的城市网点集中分布率就高;第二类城市的主要特征是工业发达或者某一产业的制造基地,比如泉州、温州、莆田都是著名的制鞋业基地,汕头是玩具制造基地,东莞、宁波、中山是服饰制造基地,网店在这样的城市分布集中率也比较高。浙江、广东是制造业发达的省份,区域内集中了大量纺织、服饰、鞋业、电器等制造业,从表2中可以看出,有9个城市属于浙江省、8个城市属于广东省,可见电子商铺也往往会选择在产地附近集中分布。
三、计量模型构建
根据我国电子商铺分布的特点以及新地理经济学理论,我国电子商务的发展主要受政府参与度、人力资本、实体产业集中度、消费需求以及交通便利等因素的影响,因此本文选取以上几个变量作为解释变量构造计量模型,分析我国电子商铺的发展。很显然,电子商铺的发展也受这些因素滞后期的影响,但我们关注的重点是各种因素对电子商铺的影响,并不关注到底滞后多少期,因此基于分析的目的以及保留足够的样本数据两个方面考虑,在建立模型时仅用滞后一期来表示。另外,笔者分别做了滞后一期、二期的回归分析,结果也基本一致。故构造计量模型如下:
i:表示不同的省份。
t:表示不同的年份。
shopnum:表示电子商铺在各省的分布,用各年度各个省份电子商铺的数量计算。
gov:表示政府参与度,测度政府对经济的参与程度,其值为各省市区政府财政支出减去教育支出、科技支出、文体支出、卫生医疗支出、社保支出后占其GDP的份额。
tout:表示工业集中程度,其数据采用各省市区历年的工业产值,工业产值越大表明该地区工业发展规模越大,使用食品加工业,食品制造业,纺织业,纺织服装、服饰业,皮革、毛皮、羽毛及其制品和制鞋业,化学纤维制造业,非金属矿物制品业,金属制品业,计算机、通信和其他电子设备制造业这9个产值两位数行业的工业销售产值之和表示。
uedu:表示人力资本,用各地区大专以上人口数量表示。
agdp:表示消费者需求,其值越大代表地区市场需求越大,这里使用各地区人均GDP代理这一变量。
roadd和mei这两个变量表示公共基础设施。roadd:表示地区交通状况,用地区的公路路网密度来度量,其值为地区公路里程数/地区面积;mei表示各地区物流状况,用各省份邮政业务收入表示。
以上数据主要来自《中国工业经济统计年鉴》《中国城市年鉴》《中国统计年鉴》以及《新中国60年统计资料汇编》。四、实证结果与分析
根据第三部分构建的计量模型,利用2003-2015年各省市区的面板数据进行实证分析,在模型中对各变量数据取对数进行处理,这样可以减少变量的异方差。另外,由于同一个省份不同期之间的扰动项一般存在自相关,而默认的普通标准误差计算方法假设扰动项为独立协同分布,故普通标准误差的估计并不准确,因此对模型估计时采用聚类稳健标准误差的方法进行处理。
(一)变量的统计描述
表3列出了全国、东部、中部和西部等区域变量的数据统计描述。
从表3可以看出:第一,变量shopnum(电子商铺数量)均值,东部地区>全国>中部>西部,从各区域标准差来看,我国店铺主要集中分布在东部地区,全国各区域间店铺分布不均;区域间标准差均小于全国范围内标准差,说明各局域内店铺分布差异相对较小,全国范围内差异较大。第二,变量gov(政府参与度)均值,西部>全国>中部>东部地区,说明经济越落后的地区政府参与度越高,经济越发达的地区经济参与度越低。第三,变量tout(地区工业产值)均值,东部地区>中部>全国>西部,工业主要集中在东部,中部相对全国则较为均衡,西部比较落后;地区工业产值的标准差,全国>东部>西部>中部,这说明东部和西部工业集中度比较高,中部比较分散。第四,变量uedu(人力资本)均值,东部地区>中部>全国>西部,说明人力资本主要集中在东部地区;另外从标准差来看,西部人力资本的差异较大,高水平人力資本分布在省会或发达城市,大部分居民的知识水平与东部相比较低;东部地区的人力资本水平差异较小,都比较高;中部的人力资本水平差异也不大,但整体水平是较低的。第五,变量(市场需求)均值,东部地区>全国>中部>西部,差距主要来自东部与中西部区域之间,区域内部市场需求规模差异不大;第六,变量roadd(交通状况)和mei(物流状况)均值,东部地区交通状况远远好于全国水平,中部稍好于全国水平,西部则远远落后于全国水平。
(二)计量模型的计算与分析
表4列出了计量分析的结果。其中,列表示不同区域的模型,行表示每个变量的结果,共计算了8个模型。模型(1)至模型(4)是固定效应模型,模型(5)至模型(8)是随机效应模型,根据豪斯曼(Hausman)检验结果,在5%的检验水平下,我们判断全国和东部区域选择固定效用模型比较有效率,而中部和西部地区则选择随机效用模型比较有效率,故选择模型(1)、模型(2)、模型(7)、模型(8)进行分析。模型(1)计算了全国的情况,显示我们所选择的这几个指标政府参与度、工业集中度、人力资本、市场需求、交通物流等在5%的显著水平下都是非常显著的,说明这些变量对网店分布的影响都比较明显;模型(2)、模型(7)、模型(8)则计算了不同区域影响电子商铺分布的因素。下面根据计算结果进行分析:
首先,我们看全国的计算结果即模型(1),模型的拟合优度达到85.6%,说明拟合优度较好;政府参与度、工业集中度、人力资本、市场需求、交通和物流这几个指标都在5%的显著水平下显著,说明这些因素对电子商铺区位分布的影响是比较明显的;其中政府参与度的参数为负值(-3.708),说明与电子商铺分布呈负相关关系,也就是政府参与度越高,越不利于电子商铺的集聚;工业集中度、人力资本、市场需求、交通和物流状况的参数均为正值,说明这些因素的提高均对电子商铺的集聚产生正效应,其中市场需求和交通状况的参数比较大,分别为1.734 8和1.525,说明这两个因素是电子商铺选址布局需要考虑的比较重要的因素。 模型(2)是东部地区的计量结果,拟合优度为88%,说明拟合效果较好。政府参与度的参数为负值(-24.59),且在10%的显著水平下显著,即政府对经济参与度的提高会减少电子商铺的集聚分布,也就是说,在市场经济比较发达的地区电子商务发展得比较好;工业集中度和人力资本分别在5%和1%的显著水平下显著,说明这两个因素在东部地区对电子商铺的布局影响是非常明显的,尤其是工业集中度的参数比较大(1.782),说明工业集中度是东部地区电子商铺分布要考虑的一个非常重要的因素,主要是因为工业集中地区会产生外部经济效应,如公用公共设施、知识溢出效应明显等,有利于电子商铺的发展,东部沿海地区很多商铺都分布在工业集中的地区;另外,市场需求、交通和物流状况都不显著,表明这三个因素的影响不明显,分析原因是东部地区经济发展比较早,开放程度较高,电子商务起步也较早且发展快,市场需求目前已基本趋于饱和,因此市场需求对电子商铺的影响不显著。为了证明以上分析,对这一地区逐年进行回归分析,发现时间越早这一因素越显著,2010年之前在5%的水平下影响都很显著,这验证了我们的分析是正确的。另外这些地区的交通物流等外部设施也都比较发达,这些因素基本不会影响店铺的选址。
模型(7)是中部地区的计量结果。结果显示,政府参与度、工业集中度和物流状况这三个因素对电子商铺的分布都没有显著的影响。分析其原因,主要是中部地区经济相对于东部比较落后,政府对本地电子商铺分布发展的参与作用不明显,工业集中程度比较弱,另外,物流状况在中部地区还是比较好的,对店铺选址的影响不大,因此这三个指标都不显著;人力资本、市场需求和交通状况这三个指标均在1%的显著水平下显著,对电子商铺的集聚均起到正向促进作用,其中市场需求的参数最大(1.804),说明市场需求在中部地区是电子商铺分布要考虑的一个比较重要的指标,其他人力资本和交通状况当然也是需要考虑的重要影响因素。
模型(8)是西部地区的计量结果,其中政府参与度、工业集中度、人力资本和交通状况这4个指标均在10%的显著水平下显著,而市场需求和物流状况则在1%的显著水平下显著,说明这些因素对本地区电子商铺的分布都有着显著的影响,西部地区经济落后,工业集中度较低,人力资本水平不高,交通物流等外部环境状况也较差,人口密集度低,市场需求不大,因此电子商铺在本地区的分布需要综合考虑各方面的因素,其发展受限比较大,故西部地区的电子商务发展水平比较低,集中度也比较低。
五、结论与建议
本文分析了我国电子商铺的分布状况,构造了分析影响我国电子商铺分布的计量模型,并利用淘宝网2003-2015年电子商铺的面板数据,检验分析了这些因素对我国电子商铺地区分布的影响。研究发现:
第一,我国区域辽阔,各区域经济发展、外部环境各不相同,因此对电子商铺分布的影响因素也大不相同,但是有一些因素是各个区域发展电子商铺都必须要考虑的,比如人力资本,这个指标在每个模型中都是非常显著的,足以说明人力资本的重要性,此地区只有具备了大量掌握电子商务相关技术的高素质人力资本,才能促进电子商铺的集聚发展。
第二,政府参与度在东部与西部省份比较显著。很显然,东部与西部处于不同的经济发展水平,政府的作用也是不一样的,因此,如果想通过政府的政策来促进电子商铺发展,需要区别对待,东部省份需要降低参与度,而西部省份则需要加大政府的扶持力度。此指标在中部地区不显著,说明对当地发展电子商铺的影响不大,因此在发展电子商铺的过程中可适当考虑。
第三,要发展、集聚电子商铺,东部和西部地区的工业集中度较高,外部效应也较强,故工业集中度是其重点考虑的指标,对于目前工业集中度不高的中部地区,其外部效应较弱,可以不作为重点指标考虑。
第四,东部省份本地的市场需求已基本饱和,继续增加的店铺其产品也主要销往外地,所以市场需求这个指标可以不考虑;但是对于中部和西部地区市场需求量实际上还是比较大的,电子商务发展又比较落后,远远没有达到饱和的状态,这确实是影响电子商铺集聚的一个重要因素,需要重点考虑。
第五,交通物流等外部环境东部地区已经比较发达,基本满足电子商务发展的需要,可以不予考虑,但是对于经济比较落后、环境比较差的中部和西部省份而言,需要加大力度重点建设,是发展电子商铺重点要考虑的指标。
综上所述,我国各地区因不同的经济发展水平,导致这些因素在各地的作用也不一致,但是电子商铺的发展并不是某一两个个别因素可以促进的,而是各个方面综合作用的结果,如果只重视工业集聚地的建设或是吸引人才等,不符合经济发展的规律,肯定也达不到预期的效果。因此要想促进电子商务发展,必须综合考虑,一方面发展经济,改善电子商务产业发展的外部环境,如人力资本、交通、物流等因素;另一方面也要從制度也就是政府对经济的参与度上考虑,尽可能创造有利于电子商务产业发展的环境。当然,本文所讨论的影响电子商铺分布的因素只是其中的一部分,并不排除还有其他因素的影响,如地域文化、企业家精神及其他一些不确定的因素,这都是值得我们进一步深入探讨的问题。