中国县域电子商务发展的空间特征及影响因素研究 | 上海城市规划

通过挖掘阿里研究院的电子商务数据和县域经济数据，构建空间计量分析模型，从网络消费水平和网络销售水平两个方面，对中国县域电子商务发展的空间特征与影响因素进行研究。发现中国县域网络消费水平和网络销售水平呈现差异的空间分布特征和较强的空间依赖性。县域网络消费水平与县域经济发展水平、居民收入情况、信息化水平呈正相关；县域网络销售水平与县域劳动密集型产业发育情况、县域金融服务能力和信息化水平呈正相关，与产值规模较高的规模以上企业发展状况呈负相关。

县域电子商务是电子商务体系的重要组成，从2003年开始发展，目前已经进入了规模化扩散阶段，每年新增电商数量达到百万级。县域已经成为近年来电子商务产业扩张的主要阵地。本次研究利用阿里研究院公布的县域电子商务指数，从网络消费和网络销售两个角度探究中国县域电子商务发展水平的分布特征，并且试图通过空间自相关分析和空间回归分析方法进一步探讨其形成的影响因素与机制，为引导县域电子商务的健康发展提供参考。

1数据来源与分析方法

1.1 数据来源

通过网络挖掘阿里研究院公布的全国1 966个县（市）2013年电子商务发展指数（aEDI）作为本研究的基础数据。aEDI指数基于阿里巴巴平台的海量数据和全国人口普查数据，包括网商指数、网购指数2个一级指标和4个二级指标，取值介乎0—100之间。数值越大，表明当地电子商务服务水平越高。本研究运用网商指数来测度县域电子商务销售水平，运用网购指数来衡量县域居民网络消费的水平。在电子商务发展指数以外，本研究涉及的数据还包括中国地图数据库和2013年全国各县主要经济指标，数据来源于《2014中国县域统计年鉴》。

电子商务发展指数指标构成

1.2 研究方法

在研究电子商务产业空间格局的过程中，引入空间自相关研究方法，检验县域单元与其相邻空间点上的电商指数是否显著关联，空间自相关包含全局自相关和局部自相关。在研究县域电商影响因素与机制的过程中，引入空间回归分析方法，探索县域电商发展的相关影响因素。

1.2.1 全局空间自相关分析

全局空间自相关是对属性值在整个区域空间特征的描述，用于分析区域总体的空间关联和空间差异程度，主要采用Moran'sI指数测度，这是最早应用于全局相关分析的方法。

1.2.2 局部空间自相关分析

全局空间自相关分析会掩盖小范围内局部不稳定性，局域空间自相关更能准确地揭示空间要素的异质性特征。局部Moran'sI常用于表征局域空间自相关，将Moran's I 分解到各区域单元，亦称空间关联局域指标。

1.2.3 空间回归分析

在研究影响因素时，如果研究的变量不存在空间自相关，即变量在空间上相互独立，可以使用最小二乘（OLS）线性回归；如果变量存在着空间自相关，则需要使用空间回归模型。

2县域电商空间格局分析

2.1 空间分布分析

从省域单元和县域单元两个尺度分别进行县域电商的空间发展特征研究，县域层面的数据直接来源于县域电子商务指数，省域单元层面的数据通过将各省县域电商指数取均值的方法获得。考虑到不同县域之间电商指数差异较大，为了保证分类“类间差异最大、类内差异最小”，因此采用Jenks分级方法进行分类。主要空间特征如下：

（1）网购水平：东南沿海地区水平最高，其他地区以极核发展为主。从省域单元看，中国县域电子商务网购水平呈现东部沿海、沿边分布的特征。从县域单元看，东南沿海地区呈现高水平扩散特征，其余地区主要表现为极核分布的特征。

省域单元网购格局图

县域单元网购格局图

（2）网商水平：以浙江省为中心，由沿海向内陆梯度扩散。从省域单元看，中国县域电子商务网商水平呈现出显著的以浙江省为中心、从沿海向内陆梯度扩散的特征。从县域单元看，除了东南沿海地区呈现出的高水平扩散特征外，中西部地区基本呈现低水平离散分布的特征。

省域单元网商格局图

县域单元网商格局图

2.2 空间自相关分析

（1）全局空间自相关分析。根据相关的公式，利用ArcGIS软件计算中国县域电子商务网购与网商的全局空间自相关系数（GMI），结果显示，网购与网商的全局空间自相关系数均为正值，数值达到了0.5以上，并且z得分大于2.58（呈现明显的聚类特征），显著性水平p值小于0.001（99.9%的置信度)，具有统计学上的显著性。表明中国县域电子商务存在着显著的正空间自相关特性。

全局空间自相关系数

（2）局部空间自相关分析。运用局部空间自相关工具对县域网购、网商情况进行分析。由于县域网商本身具有较强的邻近扩散效应，因此对于网商的局部空间自相关结果识别出了县域网商产业集聚区。

网购指数局部自相关分析

网商指数局部自相关分析

3县域电子商务影响因素分析

3.1 影响因素选择

本次研究在选取影响因素时，先后使用相关性分析、探索性回归等方法对可获得的县域经济数据进行筛选，并通过多次模拟试验的方式选取显著性最高的因子。最终选取的影响因素涵盖了经济发展水平、信息技术水平、产业结构特征等多个方面。此外，由于电子商务指数本身是个近似人均的数值，因此本次计算中各个因素均采用每万人数值。

回归模型中各变量与解释

3.2 空间依赖性检验

采用GeoDa软件，分别运用最小二乘（OLS）回归模型、空间滞后模型（SLM）和空间误差模型（SEM）拟合中国县域电子商务发展驱动因素。首先运用空间依赖性检验，找出最适合本次研究的回归方程。对于网商指数，LM（lag）、R-LM（lag）、LM（err）在0.01%的显著性水平上通过了检验，R-LM（err）没有通过检验。对于网购，LM（lag）、R-LM（lag）、LM（err）和R-LM（err）均在0.01%的显著水平上通过了检验。此外，结合表中未列出的LogL（自然对数似然函数值）、AIC（赤池信息准则）、SC（施瓦茨准则）等检验标准，空间滞后模型（SLM）适用网商指数，空间误差模型（SEM）更加适合网购指数。

空间依赖性检验结果

3.3 网购水平回归结果与分析

网购指数的3个回归方程拟合结果如下表所示。结果显示：（1）空间模型的R2提升显著，说明在考虑空间依赖特征后，模型拟合效果更好；（2）空间误差模型（SEM）的R2达到了0.73，可以解释73%的县域网购发展状况；（3）最终回归结果为，万人地区生产总值(GDP)、万人固定电话用户数（FTS）、万人居民储蓄存款余额（RSD）呈现显著正相关的结果。

网购水平各模型模拟结果

3.4 网商水平回归结果与分析

3个模型对网商指数的最终拟合结果如下表所示。结果显示：（1）空间滞后模型（SLM）的拟合度R2最高，达到了0.54，可以解释54%县域网商的发展状况；（2）大多数因子通过了0.001水平的显著性检验，除规模以上工业企业平均产值（GIO）之外，所有因子均通过了0.01水平的显著性检验，这说明因变量与各解释变量的关系密切；（3）3个回归方程产生了较为类似的结果，这提高了回归模型的可信赖程度；（4）回归模拟的计算结果表明，呈现显著正相关的因子包括万人第二产业从业人员数（SEC）、万人固定电话用户数（FTS）、万人年末金融机构各项贷款余额（FIA）、万人规模以上工业单位数（NOI），而呈现显著负相关的因子包括万人地区生产总值（GDP）和规模以上工业企业平均产值（GIO）。

网商水平各模型模拟结果

4结论与讨论

研究挖掘了阿里研究院公布的阿里巴巴县域电子商务发展指数，从网络消费水平和网络销售水平两个方面，对中国县域电子商务发展的空间特征与影响因素进行了研究。

第一，中国县域电子商务网购、网商水平的空间分布呈现出不同的特征。网购水平方面，东南沿海地区呈现高水平扩散特征，其他地区以极核发展为主，部分偏远县域电商网购水平较高，达到中国县域网购水平的第1层级；网商水平则呈现出以浙江省为中心，由沿海向内陆梯度扩散的特征，中西部地区网商发展整体水平较差，并且分布较为零散。

第二，空间自相关分析结果表明，中国县域电子商务空间集聚特征显著，两极化趋势明显。高水平县域电子商务主要集聚在以浙江为核心的东南沿海地区电子商务的发展对金融业的影响，浙江、江苏、福建、山东、河北、广东等省份已经呈现出县域电子商务产业的区域化发展态势。中西部地区的县域电子商务发展较差，集聚性较弱。

第三，空间回归分析结果表明，网购水平受万人居民储蓄存款余额影响最为显著；影响网商水平的因素较多，其中劳动密集型产业发展水平的作用最为突出，说明县域电子商务产业与实体产业的关联度较高。这也是县域网商区别于城市网商的最主要特点。

详情请关注《上海城市规划》2017年第2期《中国县域电子商务发展的空间特征及影响因素研究》，作者：徐杰、罗震东、何鹤鸣、周洋岑，南京大学建筑与城市规划学院。

中国科技核心期刊、中国学术期刊网络出版总库全文收录、《中国学术期刊影响因子年报》统计源期刊、万方数据——数字化期刊群全文收录、中国核心期刊（遴选）数据库全文收录、美国《乌利希期刊指南》（Ulrich's Periodicals Directory）收录期刊、中国人文社会科学引文数据库来源期刊

官方网站（在线投稿）：

Email：shcsgh@supdri.com

邮发代号：4-803

电话：021-62473288-2305/2303

传真：021-62470283

（编辑：温州站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!