中國縣域電子商務(wù)發(fā)展的空間特征及影響因素研究*

徐 杰 羅震東 何鶴鳴 周洋岑

中國縣域電子商務(wù)發(fā)展的空間特征及影響因素研究*

徐 杰 羅震東 何鶴鳴 周洋岑

徐 杰

南京大學(xué)建筑與城市規(guī)劃學(xué)院

碩士研究生

羅震東

南京大學(xué)建筑與城市規(guī)劃學(xué)院 副教授

南京大學(xué)區(qū)域規(guī)劃研究中心 副主任

中國城市規(guī)劃學(xué)會鄉(xiāng)村規(guī)劃與建設(shè)學(xué)術(shù)委員會委員阿里新鄉(xiāng)村研究中心 客座研究員

何鶴鳴

南京大學(xué)建筑與城市規(guī)劃學(xué)院 博士研究生

南京大學(xué)城市規(guī)劃設(shè)計研究院戰(zhàn)略研究室

副主任

周洋岑

南京大學(xué)建筑與城市規(guī)劃學(xué)院

碩士研究生

0 引言

隨著中國信息化進程的加速，電子商務(wù)作為一種新興的交易方式蓬勃發(fā)展，逐步改變著傳統(tǒng)的生產(chǎn)和生活模式，重構(gòu)產(chǎn)業(yè)發(fā)展格局。從2005年國務(wù)院辦公廳發(fā)布《關(guān)于加快電子商務(wù)發(fā)展的若干意見》開始，電子商務(wù)就已經(jīng)作為經(jīng)濟發(fā)展的新動力進入國家話語體系。縣域電子商務(wù)是電子商務(wù)體系的重要組成，從2003年開始發(fā)展目前已經(jīng)進入了規(guī)模化擴散階段，每年新增電商數(shù)量達到百萬級①阿里研究院《縣域電子商務(wù)發(fā)展微報告》。，縣域已經(jīng)成為近年來電子商務(wù)產(chǎn)業(yè)擴張的主要陣地。縣域電子商務(wù)在推動實體經(jīng)濟轉(zhuǎn)型、農(nóng)村農(nóng)業(yè)發(fā)展、城鎮(zhèn)化提升、增收扶貧等工作上的作用愈發(fā)凸顯，是推進工業(yè)化、信息化、城鎮(zhèn)化、農(nóng)業(yè)現(xiàn)代化同步發(fā)展的重要環(huán)節(jié)[1]，對于中國未來5—10年經(jīng)濟持續(xù)、健康的發(fā)展具有戰(zhàn)略價值[2-3]。

國內(nèi)對于縣域電子商務(wù)的研究主要集中在縣域電子商務(wù)與城鎮(zhèn)化的互動機制[4-7]、農(nóng)村電子商務(wù)的發(fā)展模式[7-8]、電子商務(wù)產(chǎn)業(yè)集群[9-10]等方面，從空間視角探究縣域電子商務(wù)發(fā)展的研究較少，既有研究尚停留在省域和城市層面，主要運用相關(guān)指數(shù)分析、回歸分析等方法，研究中國電子商務(wù)的分布格局及影響因素[11-18]。已有研究對于網(wǎng)絡(luò)銷售水平和網(wǎng)絡(luò)消費水平的差異關(guān)注不足，并且在影響因素的分析過程中，缺乏系統(tǒng)的空間分析方法。雖然縣域?qū)用骐娮由虅?wù)發(fā)展水平的研究具有一定基礎(chǔ)，但仍需進一步拓展研究視角、改進研究數(shù)據(jù)、更新分析方法。基于此，本次研究利用阿里研究院公布的縣域電子商務(wù)指數(shù)，從網(wǎng)絡(luò)消費（網(wǎng)購）和網(wǎng)絡(luò)銷售（網(wǎng)商）兩個角度探究中國縣域電子商務(wù)發(fā)展水平的分布特征，并且試圖通過空間自相關(guān)分析和空間回歸分析方法進一步探討其形成的影響因素與機制，以彌補已有研究的不足，為引導(dǎo)縣域電子商務(wù)的健康發(fā)展提供參考。

表1 電子商務(wù)發(fā)展指數(shù)指標構(gòu)成[2]

1 數(shù)據(jù)來源與分析方法

1.1 數(shù)據(jù)來源

通過網(wǎng)絡(luò)挖掘阿里研究院公布的全國1966個縣（市）2013年電子商務(wù)發(fā)展指數(shù)（aEDI）作為本研究的基礎(chǔ)數(shù)據(jù)②由于臺灣、香港、澳門三地數(shù)據(jù)存在一定偏差，本研究不納入計算。。aEDI指數(shù)基于阿里巴巴平臺的海量數(shù)據(jù)和全國人口普查數(shù)據(jù)，包括網(wǎng)商指數(shù)、網(wǎng)購指數(shù)2個一級指標和4個二級指標（表1），取值介乎0—100之間，數(shù)值越大，表明當?shù)仉娮由虅?wù)服務(wù)水平越高。由于阿里巴巴集團是全球最大的電子商務(wù)公司③阿里巴巴集團2016財年電商交易額（GMV）突破3萬億元人民幣，超過了世界第一零售平臺沃爾瑪。，根據(jù)中國電子商務(wù)研究中心的數(shù)據(jù)顯示，2015年上半年阿里巴巴集團旗下的天貓在中國B2C網(wǎng)絡(luò)零售市場占比中排名第一，占總份額的57.7%，因此其公布的數(shù)據(jù)能夠相對客觀地反映全國電子商務(wù)的應(yīng)用和發(fā)展情況。本研究運用網(wǎng)商指數(shù)來測度縣域電子商務(wù)銷售水平，運用網(wǎng)購指數(shù)來衡量縣域居民網(wǎng)絡(luò)消費的水平。在電子商務(wù)發(fā)展指數(shù)以外，本研究涉及的數(shù)據(jù)還包括中國地圖數(shù)據(jù)庫（全國縣市層面、省級層面行政區(qū)劃圖）和2013年全國各縣主要經(jīng)濟指標，數(shù)據(jù)源于《2014中國縣域統(tǒng)計年鑒》。

1.2 研究方法

在研究電子商務(wù)產(chǎn)業(yè)空間格局的過程中，引入空間自相關(guān)研究方法，檢驗縣域單元與其相鄰空間點上的電商指數(shù)是否顯著相關(guān)聯(lián)，空間自相關(guān)包含全局自相關(guān)和局部自相關(guān)[19]。在研究縣域電商影響因素與機制的過程中，引入空間回歸分析方法，探索縣域電商發(fā)展的相關(guān)影響因素。

1.2.1 全局空間自相關(guān)分析

全局空間自相關(guān)是對屬性值（電商指數(shù)）在整個區(qū)域空間特征的描述，用于分析區(qū)域總體的空間關(guān)聯(lián)和空間差異程度，主要采用Moran's I指數(shù)測度，這是最早應(yīng)用于全局相關(guān)分析的方法，計算公式如下[20]：

其中，Xi為縣域單元i的電商指數(shù)；Wij為空間權(quán)重矩陣為屬性的平均值/n。Moran's I指數(shù)位于-1到1之間，若值接近于1表明具有相似的屬性聚集在一起（即高值與高值相鄰，低值與低值相鄰）；若值接近于-1表示具有相異的屬性聚集在一起。如果值接近于0，則表示屬性是隨機分布的，不存在空間自相關(guān)性。本文采用一階Queen原則即擁有公共邊界或公共頂點為相鄰的原則建立各縣域單元的空間關(guān)系。

1.2.2 局部空間自相關(guān)分析

全局空間自相關(guān)分析會掩蓋小范圍內(nèi)局部不穩(wěn)定性，局域空間自相關(guān)更能準確地揭示空間要素的異質(zhì)性特征[21]。局部Moran's I常用于表征局域空間自相關(guān)，將Moran's I 分解到各區(qū)域單元，亦稱空間關(guān)聯(lián)局域指標(Local Indicators of Spatial Association, LISA)，LISA 的計算公式如下[22]：

其中，Zi是區(qū)域i觀測值標準化；Wij是空間權(quán)重，其中∑inWij=1，i≠j。若Ii為正，則表示一個高值被高值所包圍（Zi為正）（高—高），或者是一個低值被低值所包圍（Zi為負）（低—低）；若Ii為負，則表示一個低值被高值所包圍（Zi為負）（低—高），或者是一個高值被低值所包圍（Zi為正）（高—低）。

1.2.3 空間回歸分析

在研究影響因素時，如果研究的變量不存在空間自相關(guān)，即變量在空間上相互獨立，可以使用最小二乘（OLS）線性回歸；如果變量存在著空間自相關(guān)，則需要使用空間回歸模型。

最小二乘（OLS）線性回歸方程為：

式中，y是因變量（電商指數(shù)）；X是自變量參數(shù)構(gòu)成的矩陣；β表示回歸系數(shù)；ε表示殘差，要求殘差相互獨立且中值為0。

當變量存在空間自相關(guān)時，殘差不再相互獨立，所以最小二乘（OLS）回歸模型不再適用，需要使用空間回歸模型。空間回歸模型考慮了周邊臨近單元對模型本身的影響，包括空間滯后模型（SLM）和空間誤差模型(SEM)[23-24]。

空間滯后模型方程為：

式中，ρ表示y的空間滯后值的回歸系數(shù)，其他變量與最小二乘（OLS）線性回歸方程的變量相同。

空間誤差模型方程為：

其中，殘差μ又可用它的空間滯后來表示，也就是：

式中，λ是空間誤差自回歸系數(shù)，剩余的第二個殘差項ε是相互獨立的隨機誤差。

實際操作中，可以通過對LogL(自然對數(shù)似然函數(shù)值)、AIC(赤池信息準則)、SC(施瓦茨準則)等指標進行判斷或者通過空間依賴性檢驗的方式對不同模型進行選擇，判斷哪一種模型更加符合需要[25-26]。

圖1 省域單元網(wǎng)購格局圖資料來源：作者自繪。

圖2 縣域單元網(wǎng)購格局圖資料來源：作者自繪。

圖3 省域單元網(wǎng)商格局圖資料來源：作者自繪。

圖4 縣域單元網(wǎng)商格局圖資料來源：作者自繪。

2 縣域電商空間格局分析

2.1 空間分布分析

從省域單元和縣域單元兩個尺度分別進行縣域電商的空間發(fā)展特征研究，縣域?qū)用娴臄?shù)據(jù)直接來源于縣域電子商務(wù)指數(shù)，省域單元層面的數(shù)據(jù)通過將各省縣域電商指數(shù)取均值的方法獲得。考慮到不同縣域之間電商指數(shù)差異較大，為了保證分類“類間差異最大、類內(nèi)差異最小”，因此采用Jenks（自然斷裂點)分級方法進行分類，將數(shù)據(jù)分為4類（圖1-圖4）。主要空間特征如下。

2.1.1 網(wǎng)購水平：東南沿海地區(qū)水平最高，其他地區(qū)以極核發(fā)展為主

從省域單元看，中國縣域電子商務(wù)網(wǎng)購水平呈現(xiàn)東部沿海、沿邊分布的特征（圖1）。位于第1層級的省級單元是浙江、江蘇、福建、上海、天津和北京，均位于中國東部沿海地區(qū)。第2層級的省級單元是山東、江西、廣東、山西，以及東北沿邊的吉林、黑龍江、內(nèi)蒙古等省。第3層級的省份主要分布在中西部地區(qū)，包括遼寧、河北、安徽、湖北、湖南、廣西、山西、重慶、貴州、四川、云南，以及位于西北邊陲的新疆。第4層級的省份除了西部的西藏、青海、甘肅外，還包括中部地區(qū)的河南。從縣域單元看，東南沿海地區(qū)呈現(xiàn)高水平擴散特征，其余地區(qū)主要表現(xiàn)為極核分布的特征（圖2）。中西部地區(qū)許多省會城市周邊的縣域電商網(wǎng)購發(fā)展水平較高，并不遜色于東部地區(qū)的縣域。典型如成都周邊的雙流縣、郫縣，長沙周邊的長沙縣，電子商務(wù)網(wǎng)購水平均位于第1層級。

圖5 網(wǎng)購指數(shù)局部自相關(guān)分析資料來源：作者自繪。

圖6 網(wǎng)商指數(shù)局部自相關(guān)分析資料來源：作者自繪。

2.1.2 網(wǎng)商水平：以浙江省為中心，由沿海向內(nèi)陸梯度擴散

從省域單元看，中國縣域電子商務(wù)網(wǎng)商水平呈現(xiàn)出顯著的以浙江省為中心、從沿海向內(nèi)陸梯度擴散的特征（圖3）。第1層次的省級單元只有浙江，第2層級的省級單元為緊鄰浙江的江蘇、福建和上海。第3層級的省級單元為東部沿海的北京、天津、河北、山東、廣東，以及毗鄰浙江的中部省份安徽和江西。第4層級為剩余的所有中西部地區(qū)。從縣域單元看，除了東南沿海地區(qū)呈現(xiàn)出的高水平擴散特征外，中西部地區(qū)基本呈現(xiàn)低水平離散分布的特征（圖4）。中西部地區(qū)縣域網(wǎng)商水平整體較低，除了成都周邊、長沙周邊等零星縣城的網(wǎng)商水平達到第2層級以上，大部分縣域的網(wǎng)商水平基本處于第3、第4層級。

2.2 空間自相關(guān)分析

2.2.1 全局空間自相關(guān)分析：顯著空間正自相關(guān)根據(jù)相關(guān)的公式，利用ArcGIS軟件計算中國縣域電子商務(wù)網(wǎng)購與網(wǎng)商的全局空間自相關(guān)系數(shù)（GMI），結(jié)果顯示，網(wǎng)購與網(wǎng)商的全局空間自相關(guān)系數(shù)均為正值，數(shù)值達到了0.5以上，并且z得分大于2.58（呈現(xiàn)明顯的聚類特征），顯著性水平p值小于0.001（99.9%的置信度)，具有統(tǒng)計學(xué)上的顯著性（表2）。表明中國縣域電子商務(wù)存在著顯著的正空間自相關(guān)特性，即存在著顯著的空間集聚狀態(tài)，也即電子商務(wù)發(fā)展水平較高的縣域趨于相鄰，電子商務(wù)發(fā)展水平較低的縣域也趨于相鄰。因此在研究電子商務(wù)驅(qū)動因素的時候，需要考慮空間集聚帶來的影響。

表2 全局空間自相關(guān)系數(shù)

2.2.2 局部空間自相關(guān)分析

運用局部空間自相關(guān)工具對縣域網(wǎng)購、網(wǎng)商情況進行分析。由于縣域網(wǎng)商本身具有較強的鄰近擴散效應(yīng)，因此對于網(wǎng)商的局部空間自相關(guān)結(jié)果識別出了縣域網(wǎng)商產(chǎn)業(yè)集聚區(qū)（圖5-圖6）。

從結(jié)果可以清晰地看出，網(wǎng)購呈現(xiàn)高度集聚特征的縣域主要分布在浙江、江蘇、福建3省，范圍從浙江全境向南北沿海擴散（圖5）。向北擴散到江蘇省北部的洪澤、寶應(yīng)、射陽等縣，向南擴散到福建省的安溪縣、南安市、晉江市一帶。內(nèi)蒙古西部、珠三角地區(qū)，以及四川成都周邊也出現(xiàn)了網(wǎng)購指數(shù)“高—高”聚集的區(qū)域。西藏、青海、甘肅、河南等省級單元存在一定數(shù)量的“低—低”聚集區(qū)域，基本為縣域網(wǎng)購水平最不發(fā)達的區(qū)域，集聚性較弱。

高—高聚集區(qū)域主要為縣域電子商務(wù)產(chǎn)業(yè)發(fā)展狀況較好，呈現(xiàn)出連片發(fā)展態(tài)勢的產(chǎn)業(yè)集聚區(qū)（圖6，表3），范圍涉及浙江、江蘇、安徽、福建、廣東、山東、河北、西藏等多個省級單元。其中面積最大、發(fā)育程度最高的高—高聚集區(qū)域為浙江全境、江蘇省的蘇南、蘇中大部分地區(qū)，以及安徽、福建相鄰縣市的80個縣市。此外江蘇省的徐州、宿遷部分縣市，福建省莆田、泉州周邊縣市，河北省衡水、邢臺、保定周邊縣市，山東省青島周邊縣市，以及廣東省珠三角地區(qū)部分縣市也呈現(xiàn)出電子商務(wù)產(chǎn)業(yè)區(qū)域化發(fā)展態(tài)勢，是縣域電商尤其是農(nóng)村電商發(fā)展十分活躍的地區(qū)，形成了一定規(guī)模的電子商務(wù)產(chǎn)業(yè)集群。與此同時在山西、陜西、四川、云南等省分布著一些“高—低”聚集區(qū)，這些縣市數(shù)量較少、分布零散，未來有可能成為網(wǎng)商集聚區(qū)的核心。

表3 網(wǎng)商高—高與高—低類型縣域

3 縣域電子商務(wù)影響因素分析

3.1 影響因素選擇

一般認為，影響城市電子商務(wù)發(fā)展水平空間分布的因素主要包括人口規(guī)模、人口素質(zhì)、經(jīng)濟發(fā)展水平、居民收入水平、信息化程度、社會氛圍、交通物流等方面[11-12, 14-15]。相關(guān)研究指出，縣域電子商務(wù)是縣域?qū)嶓w經(jīng)濟與虛擬經(jīng)濟高度融合形成的產(chǎn)業(yè)集群[9]，與城市電子商務(wù)產(chǎn)業(yè)相比，縣域電子商務(wù)產(chǎn)業(yè)與實體產(chǎn)業(yè)的關(guān)聯(lián)度更高，因此相關(guān)的產(chǎn)業(yè)發(fā)展因素需要考慮在內(nèi)。本次研究在選取影響因素時，先后使用相關(guān)性分析、探索性回歸（Exploratory Regression）等方法對可獲得的縣域經(jīng)濟數(shù)據(jù)進行篩選，并通過多次模擬試驗的方式選取顯著性最高的因子。最終選取的影響因素涵蓋了經(jīng)濟發(fā)展水平、信息技術(shù)水平、金融服務(wù)業(yè)發(fā)展水平、產(chǎn)業(yè)結(jié)構(gòu)特征等多個方面。此外，由于電子商務(wù)指數(shù)本身是個近似人均的數(shù)值，因此本次計算中各個因素均采用每萬人數(shù)值（規(guī)上企業(yè)平均產(chǎn)值除外）。針對網(wǎng)商水平，選取的因素包括：萬人第二產(chǎn)業(yè)從業(yè)人員數(shù)（SEC）、萬人固定電話用戶數(shù)（FTS）、萬人地區(qū)生產(chǎn)總值（GDP）、萬人年末金融機構(gòu)各項貸款余額（FIA)、萬人規(guī)模以上工業(yè)單位數(shù)（NOI）、規(guī)模以上工業(yè)企業(yè)平均產(chǎn)值（GIO）；針對網(wǎng)購水平，選取的因素包括：萬人地區(qū)生產(chǎn)總值（GDP）、萬人固定電話用戶數(shù)（FTS）、萬人居民儲蓄存款余額（RSD）。各因素均通過了多重共線性檢驗，不具有多重共線性（表4）。

3.2 空間依賴性檢驗

采用GeoDa軟件，分別運用最小二乘（OLS）回歸模型、空間滯后模型（SLM）和空間誤差模型（SEM）擬合中國縣域電子商務(wù)發(fā)展驅(qū)動因素。首先運用空間依賴性檢驗，找出最適合本次研究的回歸方程，檢驗結(jié)果如表5所示。從表5中可以看出，對于網(wǎng)商指數(shù)，LM（lag）、R-LM（lag）、LM（err）在0.01%的顯著性水平上通過了檢驗，R-LM（err）沒有通過檢驗。對于網(wǎng)購，LM（lag）、R-LM（lag）、LM（err）和R-LM（err）均在0.01%的顯著水平上通過了檢驗。此外，結(jié)合表中未列出的LogL（自然對數(shù)似然函數(shù)值）、AIC（赤池信息準則）、SC（施瓦茨準則）等檢驗標準，空間滯后模型（SLM）適用網(wǎng)商指數(shù)，空間誤差模型（SEM）更加適合網(wǎng)購指數(shù)。本文在分析過程中將3個方程結(jié)果一起列出，作為參照。

3.3 網(wǎng)購水平回歸結(jié)果與分析

網(wǎng)購指數(shù)的3個回歸方程擬合結(jié)果如表6所示。結(jié)果顯示：（1）空間模型的R2提升顯著，說明在考慮空間依賴特征后，模型擬合效果更好；（2）空間誤差模型（SEM）的R2達到了0.73，可以解釋73%的縣域網(wǎng)購發(fā)展狀況；（3）最終回歸結(jié)果為，萬人地區(qū)生產(chǎn)總值(GDP)、萬人固定電話用戶數(shù)（FTS）、萬人居民儲蓄存款余額（RSD）呈現(xiàn)顯著正相關(guān)的結(jié)果。

網(wǎng)購指數(shù)回歸方程中的因子較為簡單，擬合結(jié)果較好，影響居民網(wǎng)購的因素相對單一，主要是經(jīng)濟因素與信息化水平因素。其中，萬人地區(qū)生產(chǎn)總值（GDP）反映的是縣域經(jīng)濟發(fā)展狀況，萬人居民儲蓄存款余額（RSD）反映的是當?shù)鼐用竦慕?jīng)濟狀況，這兩個因素顯著正相關(guān)說明縣域經(jīng)濟較好、居民收入狀況佳的縣域網(wǎng)購行為比較活躍。萬人固定電話用戶數(shù)（FTS）顯著正相關(guān)，說明網(wǎng)購對于信息化水平的依賴性較大。

3.4 網(wǎng)商水平回歸結(jié)果與分析

3個模型對網(wǎng)商指數(shù)的最終擬合結(jié)果如表7所示。結(jié)果顯示：（1）空間滯后模型（SLM）的擬合度R2最高，達到了0.54，可以解釋54%縣域網(wǎng)商的發(fā)展狀況；（2）大多數(shù)因子通過了0.001水平的顯著性檢驗，除規(guī)模以上工業(yè)企業(yè)平均產(chǎn)值（GIO）之外，所有因子均通過了0.01水平的顯著性檢驗，這說明因變量與各解釋變量的關(guān)系密切；（3）3個回歸方程產(chǎn)生了較為類似結(jié)果，這提高了回歸模型的可信賴程度；（4）回歸模擬的計算結(jié)果表明，呈現(xiàn)顯著正相關(guān)的因子包括了萬人第二產(chǎn)業(yè)從業(yè)人員數(shù)（SEC）、萬人固定電話用戶數(shù)（FTS）、萬人年末金融機構(gòu)各項貸款余額（FIA）、萬人規(guī)模以上工業(yè)單位數(shù)（NOI），而呈現(xiàn)顯著負相關(guān)的因子包括萬人地區(qū)生產(chǎn)總值（GDP）和規(guī)模以上工業(yè)企業(yè)平均產(chǎn)值（GIO）。

表5 空間依賴性檢驗結(jié)果

表6 網(wǎng)購水平各模型模擬結(jié)果

表7 網(wǎng)商水平各模型模擬結(jié)果

在空間滯后模型的模擬結(jié)果中，顯著性較高的因子為萬人第二產(chǎn)業(yè)從業(yè)人員數(shù)（SEC）、萬人地區(qū)生產(chǎn)總值（GDP）、萬人年末金融機構(gòu)各項貸款余額（FIA）、萬人規(guī)模以上工業(yè)單位數(shù)（NOI）。其中，萬人第二產(chǎn)業(yè)從業(yè)人員數(shù)（SEC）和萬人規(guī)模以上工業(yè)單位數(shù)（NOI）與網(wǎng)商水平正相關(guān)性最為突出。兩者數(shù)據(jù)相對較大的地區(qū)往往是勞動密集型產(chǎn)業(yè)發(fā)育較好的地區(qū)，說明勞動密集型的產(chǎn)業(yè)基礎(chǔ)對于縣域電子商務(wù)發(fā)展具有十分重要的意義。勞動密集型企業(yè)一方面為電子商務(wù)發(fā)展提供主要的銷售產(chǎn)品（縣域淘寶村銷售額最高的3種貨物是服裝、家具和鞋），另一方面企業(yè)本身也存在著通過電商擴大自身銷售渠道的需求，從而進一步促進電子商務(wù)的發(fā)展。萬人年末金融機構(gòu)各項貸款余額（FIA）呈現(xiàn)正相關(guān)。這一指標較高的地區(qū)往往創(chuàng)業(yè)氛圍較為活躍，且金融服務(wù)水平相對較高。萬人地區(qū)生產(chǎn)總值（GDP）負相關(guān)，說明電子商務(wù)的發(fā)展不依賴于居民收入狀態(tài)，而對縣域金融服務(wù)能力有較高的依賴性。可能的原因是中國當前的縣域電子商務(wù)發(fā)展還處于初級階段，基本屬于一種門檻較低的創(chuàng)業(yè)行為，那些生活水平較低的縣域居民往往有著更高的意愿參與電商創(chuàng)業(yè)。在其他顯著性因子中，與網(wǎng)購情況一樣，萬人固定電話用戶數(shù)（FTS）正相關(guān)，再次說明信息化水平對電子商務(wù)具有重要作用。規(guī)模以上工業(yè)企業(yè)平均產(chǎn)值（GIO）負相關(guān)，說明高產(chǎn)值的規(guī)上企業(yè)往往不利于縣域網(wǎng)商的發(fā)展。可能原因在于資本密集型的大型企業(yè)大多數(shù)形成了較為完善的貨物銷售渠道，且容易形成產(chǎn)業(yè)發(fā)展模式的路徑依賴，電子商務(wù)在這些地區(qū)的發(fā)展空間容易受到擠壓，發(fā)展機會相對較少。

4 結(jié)論與討論

研究挖掘了阿里研究院公布的阿里巴巴縣域電子商務(wù)發(fā)展指數(shù)，在此基礎(chǔ)上利用空間自相關(guān)分析、空間回歸模型等方法，從網(wǎng)絡(luò)消費水平和網(wǎng)絡(luò)銷售水平兩個方面，對中國縣域電子商務(wù)發(fā)展的空間特征與影響因素進行研究，結(jié)果如下：

第一，中國縣域電子商務(wù)網(wǎng)購、網(wǎng)商水平的空間分布呈現(xiàn)出不同的特征。網(wǎng)購水平方面，東南沿海地區(qū)呈現(xiàn)高水平擴散特征，其他地區(qū)以極核發(fā)展為主，部分偏遠縣域電商網(wǎng)購水平較高，達到中國縣域網(wǎng)購水平的第1層級；網(wǎng)商水平則呈現(xiàn)出以浙江省為中心，由沿海向內(nèi)陸梯度擴散的特征，中西部地區(qū)網(wǎng)商發(fā)展整體水平較差，并且分布較為零散。

第二，空間自相關(guān)分析結(jié)果表明，中國縣域電子商務(wù)空間集聚特征顯著，兩極化趨勢明顯。高水平縣域電子商務(wù)主要集聚在以浙江為核心的東南沿海地區(qū)，浙江、江蘇、福建、山東、河北、廣東等省份已經(jīng)呈現(xiàn)出縣域電子商務(wù)產(chǎn)業(yè)的區(qū)域化發(fā)展態(tài)勢。中西部的一些省級單元則存在著“低—低”聚集區(qū)域，這些地區(qū)縣域電子商務(wù)發(fā)展較差，集聚性較弱。

第三，空間回歸分析結(jié)果表明，網(wǎng)購水平受萬人地區(qū)生產(chǎn)總值、萬人居民儲蓄存款余額、萬人固定電話用戶數(shù)等因素影響，其中萬人居民儲蓄存款余額影響最為顯著，這說明經(jīng)濟與居民收入狀況是影響縣域網(wǎng)購的最主要因素；影響網(wǎng)商水平的因素較多，包括縣域勞動密集型產(chǎn)業(yè)發(fā)展水平、經(jīng)濟發(fā)展水平、金融服務(wù)能力和信息化程度，其中勞動密集型產(chǎn)業(yè)發(fā)展水平的作用最為突出，說明縣域電子商務(wù)產(chǎn)業(yè)與實體產(chǎn)業(yè)的關(guān)聯(lián)度較高，這也是縣域網(wǎng)商區(qū)別于城市網(wǎng)商的最主要特點。

基于阿里研究院公布的電子商務(wù)發(fā)展指數(shù)所進行的縣域電子商務(wù)空間格局與影響因素研究，雖然具有較高的客觀性和一定的創(chuàng)新性，但依然受到較多主觀、客觀條件的影響，使得研究存在諸多不足和改進之處。一方面，影響電商發(fā)展的要素太多，縣域數(shù)據(jù)獲取難度較高，只能選取其中的部分因素作為研究對象，典型如由于缺乏縣域?qū)拵У臄?shù)據(jù)，信息化水平只能通過電話用戶數(shù)進行衡量，一定程度上降低了模型的解釋力度；另一方面，電子商務(wù)是一個復(fù)雜的產(chǎn)業(yè)發(fā)展現(xiàn)象，很難通過單一的數(shù)理模型完全解釋清楚，因此在進一步的研究中，需要針對特定區(qū)域和類型的電子商務(wù)產(chǎn)業(yè)，展開更有針對性的實證研究，以驗證、矯正當前的研究成果。

References

[1]聶林海.“互聯(lián)網(wǎng)+”時代的電子商務(wù)[J]. 中國流通經(jīng)濟，2015（6）：53-57. NIE Linhai. E-commerce in the time of Internet Plus[J]. China Business and Market, 2015(6):53-57.

[2]盛振中，陳亮，張瑞東. 2013年中國縣域電子商務(wù)發(fā)展指數(shù)報告[R]. 阿里研究院，2014. SHENG Zhenzhong, CHEN Liang, ZHANG Ruidong. Report on China's E-commerce development Index of 2013[R]. Ali Research, 2014.

[3]羅震東. 淘寶村為中國城鎮(zhèn)化的“下半程”提供了新的可能[EB/OL].（2016-12-06）[2017-2-22].http://www.aliresearch.com/blog/article/ detail/id/21175.html. LUO Zhendong. Taobao Village offers new possibilities for the second half of urbanization in China[EB/OL]. (2016-12-06)[2017-2-22] http://www.aliresearch.com/blog/article/detail/ id/21175.html.

[4]崔桓，王楠，李全喜. 電子商務(wù)助推我國城鎮(zhèn)化發(fā)展的路徑探析[J]. 經(jīng)濟視角，2014（7）：3-6. CUI Huan, WANG Nan, LI Quanxi. An analysis of the path of electronic commerce to drive the development of urbanization in China[J]. Economic Vision, 2014(7):3-6.

[5]葛殊. 電子商務(wù)助推城鎮(zhèn)化進程:基于農(nóng)村消費能力提升的視角[J]. 特區(qū)經(jīng)濟，2013（8）：112-113. GE Shu. E-commerce to boost the process of urbanization: based on the perspective of rural consumption[J]. Special Zone Economy, 2013(8): 112-113.

[6]虞昌亮. 就地城鎮(zhèn)化過程中農(nóng)村電子商務(wù)發(fā)展研究[J]. 金融理論與教學(xué)，2014（1）：65-70. YU Changliang. Research on the development of rural E-commerce in the process of urbanization[J]. Journal of Harbin Finance University, 2014(1): 65-70.

[7]許嬋，呂斌，文天祚. 基于電子商務(wù)的縣域就地城鎮(zhèn)化與農(nóng)村發(fā)展新模式研究[J]. 國際城市規(guī)劃，2015，30（1）：14-21. XU Chan, LV Bin, WEN Tianzuo. New patterns of county in-situ urbanization and rural development based on E-commerce[J]. Urban Planning International, 2015, 30(1): 14-21.

[8]錢儉，鄭志鋒. 基于“淘寶產(chǎn)業(yè)鏈”形成的電子商務(wù)集聚區(qū)研究——以義烏市青巖劉村為例[J]. 城市規(guī)劃，2013（11）：79-83. QIAN Jian，ZHENG Zhifeng. E-commerce clusters based on Taobao Industrial Chain: a case study on Qingyanliu village in Yiwu city[J]. City Planning Review, 2013(11): 79-83.

[9]凌守興. 我國農(nóng)村電子商務(wù)產(chǎn)業(yè)集群形成及演進機理研究[J]. 商業(yè)研究，2015（1）：104-109. LING Shouxing. Research on forming and evolving mechanism of E-commerce industrialcluster in China's rural area[J]. Commercial Research, 2013(11): 79-83.

[10]張作為. 淘寶村電子商務(wù)產(chǎn)業(yè)集群競爭力研究[J]. 寧波大學(xué)學(xué)報：人文科學(xué)版，2015（3）：96-101. ZHANG Zuowei. The competitiveness of E-commerce industrial cluster of Taobao Villages[J].Journal of Ningbo University (Liberal Arts Edition), 2015(3): 96-101.

[11]徐申萌. 我國C2C電子商務(wù)地理格局研究[D].大連：大連理工大學(xué)碩士學(xué)位論文，2013. XU Shenmeng. Research on geographic pattern of China’s C2C E-commerce[D]. Dalian: The Dissertation for Master Degree of Dalian University of Technology, 2013.

[12]王賢文，徐申萌. 我國C2C電子商務(wù)的地理格局及其演化機制[J]. 經(jīng)濟地理，2011（7）：1064-1069. WANG Xianwen, XU Shenmeng. Spatial autocorrelation analysis of C2C E-business in China[J]. Economic Geography, 2011, 31(7): 1064-1069.

[13]鐘海東，張少中，華靈玲，等. 中國C2C電子商務(wù)賣家空間分布模式[J]. 經(jīng)濟地理，2014（4）：91-96. ZHONG Haidong, ZHANG Shaozhong, HUA Lingling, et al. Spatial pattern of C2C E-commerce online shops in China[J]. Economic Geography, 2014(4): 91-96.

[14]湯英漢. 中國電子商務(wù)發(fā)展水平及空間分異[J].經(jīng)濟地理, 2015,35(5):9-14. TANG Yinghan. A spatial difference study on China's E-Commerce development level[J]. Economic Geography, 2015,25（5）：9-14.

[15]浩飛龍，關(guān)皓明，王士君. 中國城市電子商務(wù)發(fā)展水平空間分布特征及影響因素[J]. 經(jīng)濟地理，2016（2）：1-10. HAO Feilong, GUAN Haoming, WANG Shijun. Study on the influencing factors and spatial distribution of electronic commerce development level in China’s cities[J]. Economic Geography, 2016, 36(2): 1-10.

[16]俞金國，王麗華，連顯淼. 電子商鋪空間分布規(guī)律及其影響因素探究——來自淘寶網(wǎng)的實證[J]. 地域研究與開發(fā)，2010（6）：34-39. YU Jinguo, WANG Lihua, LIAN Xianmiao. E-shops spatial distribution law and its influencing factors: a case study of Taobao net[J]. Areal Research and Development, 2010, 29(6): 34-39.

[17]羅谷松，李雪琪. 廣東省淘寶網(wǎng)電子商鋪空間分布特征研究[J]. 商業(yè)研究，2013（7）：117-121. LUO Gusong, LI Xueqi. Research on spatial distribution features of Taobao E-commerce shops in Guangdong province[J]. Commercial Research, 2013(7): 117-121.

[18]王引弟，趙榮，任艷. 淘寶網(wǎng)特產(chǎn)電子商鋪實證分布研究[J]. 現(xiàn)代經(jīng)濟信息，2013（9）：241-242. WANG Yindi, ZHAO Rong, REN Yan. Empirical study on the distribution of Taobao specialty electronic shops[J]. Modern Economic Information, 2013(9): 241-242.

[19]周揚，李寧，吳文祥，等. 1982—2010年中國縣域經(jīng)濟發(fā)展時空格局演變[J]. 地理科學(xué)進展，2014（1）：102-113. ZHOU Yang, LI Ning, WU Wenxiang, et al. Evolution of spatial-temporal pattern of county economic development in China during 1982-2010[J]. Progress in Geography, 2014(1): 102-113.

[20]CLIFF A D, ORD J K. Spatial autocorrelation[M]. Pion London, 1973.

[21]CLIFF A D, ORD K. Spatial autocorrelation: a review of existing and new measures with applications[J]. Economic Geography, 1970(46): 269-292.

[22]ANSELIN L. Local indicators of spatial association-LISA[J]. Geographical Analysis, 1995, 27(2): 93-115.

[23]BALLER R D, ANSELIN L, MESSNER S F, et al. Structural covariates of us county homicide rates: incorporating spatial effects[J]. Criminology, 2001, 39(3): 561-588.

[24]Fotheringham A S, Brunsdon C, Charlton M. Quantitative geography: perspectives on spatial data analysis[M]. Sage, 2000.

[25]陳培陽，朱喜鋼. 福建省區(qū)域經(jīng)濟差異演化及其動力機制的空間分析[J]. 經(jīng)濟地理，2011（8）：1252-1257. CHEN Peiyang, ZHU Xigang. Spatial analysis on Fujian’s regional inequalities and mechanisms[J]. Economic Geography, 2011(8): 1252-1257.

[26]ANSELIN L, REY S. Properties of tests for spatial dependence in linear regression models[J]. Geographical Analysis, 1991, 23(2): 112-131.

Research on the Spatial Characteristics and Influence Factors of County E-Commerce Development in China

通過挖掘阿里研究院的電子商務(wù)數(shù)據(jù)和縣域經(jīng)濟數(shù)據(jù)，構(gòu)建空間計量分析模型，從網(wǎng)絡(luò)消費水平和網(wǎng)絡(luò)銷售水平兩個方面，對中國縣域電子商務(wù)發(fā)展的空間特征與影響因素進行研究。發(fā)現(xiàn)中國縣域網(wǎng)絡(luò)消費水平和網(wǎng)絡(luò)銷售水平呈現(xiàn)差異的空間分布特征和較強的空間依賴性。縣域網(wǎng)絡(luò)消費水平與縣域經(jīng)濟發(fā)展水平、居民收入情況、信息化水平正相關(guān)；縣域網(wǎng)絡(luò)銷售水平與縣域勞動密集型產(chǎn)業(yè)發(fā)育情況、縣域金融服務(wù)能力和信息化水平正相關(guān)，與產(chǎn)值規(guī)模較高的規(guī)模以上企業(yè)發(fā)展狀況負相關(guān)。

Mining the data of e-commerce and county economy from Ali research, this essay has built a spatial econometric analysis model by which the spatial characteristics and influence factors of county e-commerce in China are studied from two perspectives of online sales level and online shopping level. It is found that the county online shopping level and online sales level in China both show different spatial distribution characteristics and a strong spatial reliance. The county online shopping level has a positive correlation with the county economic development level, residents’ income and the informatization level; the county online sales level has a positive correlation with the local development level of the labor intensive industry, financial service level and informatization level; while having a negative correlation with the development level of enterprises above designated size.

電子商務(wù) | 縣域 | 空間自相關(guān) | 空間回歸

E-commerce | County | Spatial autocorrelation | Spatial regression

1673-8985（2017）02-0090-08

TU981

A

國家自然科學(xué)基金“基于流空間的城鎮(zhèn)發(fā)展戰(zhàn)略分析方法與規(guī)劃理論研究”（項目編號：51478216），江蘇省“青藍工程”資助。