數字內容產品消費擴散與模仿的空間模式
——基于空間面板模型的計量研究

劉 霞，董曉松，2，姜旭平

（1.清華大學經濟管理學院，北京100084；2.四川行政學院，四川成都610072）

數字內容產品消費擴散與模仿的空間模式
——基于空間面板模型的計量研究

劉 霞1，董曉松1，2，姜旭平1

（1.清華大學經濟管理學院，北京100084；2.四川行政學院，四川成都610072）

數字內容產品具有非實物特征，其網絡生產與交易幾乎不包含地理距離成本，因而企業需要認識其擴散模式，重新制定與傳統方式不同的全域營銷策略。此研究借助空間面板數據模型，對某類數字內容產品的省級銷售數據進行分析，從消費擴散角度檢驗了其在網絡銷售過程中存在的空間相關性與空間固定效應。本文的主要實證發現包括，數字內容產品的網絡銷售并沒有因為物理距離的消失而失去其空間相關性，消費者之間的模仿行為是驅動區域內產品擴散的直接動力，此外，相鄰區域間的消費存在著同步增長。

空間相關性；數字內容產品；模仿；網絡營銷；

1 引言

自2001年以來，全球數字內容（Digit Content）產業增長速度保持在40%以上，截止2008年，其總規模已經超過4萬億美元［1］。近年來，隨著平板電腦、智能手機、電子圖書等信息移動終端的日益普及，數字內容產業的市場邊界與應用空間得到進一步的拓展。數字內容產業已經成為全球經濟增長的朝陽產業。

數字內容產品是指將圖像、文字、影像、語音等資料運用多媒體信息技術加以數字化并整合應用的產品或服務［2］。數字內容產品的生產、傳輸和銷售多是利用數字信息終端設備在數字網絡（主要是互聯網）中完成的，是數字內容產業的主要成果，具有非實物性的特點［3］。并且，由于互聯網交易的便利性與信息傳遞的實時性，數字內容產品可以實現全天候銷售，交易后消費者也無需等待，產品可以即時送達，不會增加物流成本。與傳統實物產品相比，數字內容產品在生產、交易和運輸環節的邊際成本幾乎為零，不受傳統時空與市場的約束。這些特性使數字內容產品的網絡銷售潛力遠遠超出其它類型的產品［4］。但是，這并不意味著數字內容產品在線銷售的格局不具有空間相關性。恰恰性反，在當代網絡環境下，市場的邊界和人們的時空觀念都會發生變化，這就為營銷發展提供了新的空間維度。

部分學者已經意識到消費者在線消費的模式中，空間相關性發揮著重要的作用［5-8］。雖然現有文獻已經就數字內容產品擴散的空間性進行了初步的探索，但多是從經濟學與社會學視角出發，廣義地探討其產業發展模式以及社會傳播特性［8-9］，缺乏從營銷學的微觀角度出發，探析數字內容產品的銷售擴散過程，尤其是這一過程中存在的各類空間關系的研究。

本文著眼于數字內容產品網絡銷售的擴散模式，利用電子商務市場中彩鈴銷售的省域數據，探索性的分析了空間依賴性、外溢性和空間固定效應對新產品擴散的影響，識別空間模式的決定因素，度量空間變動的規律，尤其是消費模仿過程中的學習和教育互動行為對銷售的影響。本文的一大特點是使用空間面板固定效應模型（Spatial Panel Fixed Effect Model），綜合地探索空間固定效應，空間誤差，空間滯后等空間關系對于彩鈴銷售的影響。研究發現物理距離的消失并沒有導致數字內容產品網絡銷售的空間無序化，恰恰相反，其銷售存在著顯著的空間相關性。忽視這類空間相關性將會導致模型估算出現偏差，從而失去對實踐的指導意義。

2 研究的理論基礎

電子商務近年來的迅猛發展引得學者們將目光投向了虛擬網絡環境下營銷的空間性問題。互聯網使企業可以在更為廣闊的空間范圍里吸引客戶群，但是網絡中地理距離的消失并不意味著空間關聯性的消失，相反，現有文獻發現，不但網絡商店（Online Shop）的選址、銷售受到各類空間關聯性的影響，而且網絡消費者的購買、消費行為也存在空間上的依賴關系。

首先，網絡消費在不同的區域間存在關聯性。Barrot等［10］研究了網絡消費人群在地理空間上的鄰近是否影響其購買行為，發現如果未購買者周圍的已購買人群數量越多，那么他們購買該產品的可能性越大。Sylvie與Chyi［11］的研究亦指出，由于網絡信息傳播的便利性，新聞類產品在本地市場的普及率與在外地市場的滲透率均有所提升，但市場占有率由近及遠逐漸遞減。Spencer［12］的研究發現網絡銷售的ERP（Enterprise Resource Planning）軟件產品在不同區域間存在著空間集聚與擴散現象，并隨時間出現動態變化。Choi等［7］從市場競爭角度分析網絡銷售問題，發現一個地區的新增市場份額不僅受到本地區市場占有率的影響，而且也受到地理鄰近地區的市場占有率的影響。Forman等［13］在研究亞馬遜（Amazon）的網絡銷售時發現，網絡評論的勸說作用有著明顯的地域性，例如，若網頁中顯示產品評論者的居住地信息，則往往能夠增加該產品在同一地區的銷量。這些研究的結論強調了地理空間對網絡消費的重要影響。

其次，數字內容產品是新興產品，而新產品的擴散過程與消費者之間的模仿行為密切相關［7，14-15］。很大程度上，消費者交流的強度是有地理距離的差異的［16］。或者更形象的講，遠親不如近鄰。地理上鄰近性能夠方便消費者之間進行社會交往，這不僅有利于搭建口碑傳播的渠道，也能為消費模仿行為提供更為直接的目標。Bell與Song［17］在研究一個網絡零售商的客戶群數據時發現，新顧客的增加與其周邊已有老顧客的數量直接相關，說明鄰近消費者間的社會交往可以推動產品的嘗新性購買。Masso［18］在跨地域的研究中解釋了消費空間相關性的內在機理，他認為這種地理鄰近性特征是消費者基于家庭、社區關系的社會網絡學習行為的結果，這種學習行為受到顯著的地域性影響。此外，Meisel［5］發現數字內容產品的在線銷量在地理空間中表現出驚人的差異，這種現象可能與區域內消費者間社會網絡關系的緊密程度有關。Goolsbee與Klenow［19］的研究也有類似的結論，他發現鄰居和親朋好友擁有電腦的比例正向影響消費者購買其第一臺家用電腦的可能性，因而認為消費者的購買行為受到周邊人群的消費影響。上述內容說明模仿行為可能是數字內容產品消費過程中存在空間相關性的一個重要原因。

但是，目前對于數字內容產品網絡消費的空間關聯性研究往往以發達國家的企業與區域為研究對象，其結果能否適用于發展中國家，尤其是中國市場是值得商榷的。同時，國內營銷學界尚未考慮過中國各區域市場的結構性差異與空間關聯性對數字內容產品網絡消費的影響。因而，本文著眼于消費者的模仿行為對新產品擴散的影響，闡釋數字內容產品網絡銷售的空間擴散模式。

3 空間計量方法與實證模型構造

空間經濟計量學是計量經濟學的一個子集，主要應用于截面數據（Crossing Data）和面板數據（Panel Data），解決回歸模型中復雜的空間相互作用與空間依存性結構問題［20］。

傳統的面板數據模型通常更多地強調差異性的刻畫，即通過截距項的差異設置來描述空間個體的特性，卻忽略了個體在空間上的相關性。同時，空間面板數據常常是觀測數據而不是抽樣數據，因此使用一般統計方法時需要作特殊處理［21-22］。空間面板數據模型將傳統面板數據模型的優點和空間計量經濟學方法相結合，不僅同時考慮時空特征，而且將空間效應納入研究體系，使得模型估計更加有效，這在一定程度上彌補了傳統面板數據模型對現實經濟行為刻畫的不足。在近年的發展過程中，空間面板數據模型更進一步解決了截面模型所忽略的時間尺度之間的相關性以及空間單元之間的個體特殊性問題，增加估計的有效性，同時減少變量之間的共線性問題，所以被廣泛采用［23］。

3.1 空間面板數據模型

空間面板數據模型是一系列空間面板數據分析方法和技術的集合，包括空間滯后模型（Spatial Lag Model，SLM），空間誤差模型（Spatial Error Model，SEM），以及空間杜賓模型（Spatial Durbin Model，SDM）等等。

（1）空間滯后模型。空間滯后模型是區域空間自相關性（依賴性）的一種模型表現。空間滯后模型被用來解釋空間相關性的存在，因為空間相關性直接與空間擴散、空間交換和轉移、空間的外部性以及空間知識溢出效應相聯系［20］。空間滯后模型的特點是將因變量的空間滯后項加入到方程的右邊，假定空間滯后變量控制了所有的空間依賴效應。因此，空間滯后變量被視為內生變量。相應的空間滯后面板模型可以表達為

（2）空間誤差模型。空間誤差模型反映了驅動消費者購買行為的重要潛在因素，可以從消費者在地圖上的相鄰性推斷出來。當研究對象之間的相互作用因所處的相對位置不同而存在差異時，適用空間誤差模型。空間誤差模型多用于解決存在無法忽視的測量誤差或者存在非關鍵變量的情況，它反映出空間中被“忽略的”或“未知的”變量在觀測空間的影響［23］。

（3）空間杜賓面板模型。空間滯后模型和空間誤差模型的一個共同缺點是，模型數據的空間分布形式不僅受到內生性的互動效應影響，而且還通過內生性互動效應，外生性互動效應影響相關的空間誤差。因此，最好的方式是在空間滯后自變量與空間自相關的誤差項中包括空間滯后因變量。由此，學者發展出更具現實解釋力的空間杜賓模型。空間杜賓模型的特點是把空間誤差模型融合至空間滯后模型中，這樣就可以測度空間滯后解釋變量，即考察鄰居區域解釋變量對因變量的影響。空間杜賓模型允許來自相鄰區域的自變量對因變量產生影響，因而在營銷模型中有相當大的應用［24］。

3.2 地理空間權重矩陣

在空間分析中，根據地理學第一原則［25］，一般認為距離觀察點較近的觀測值對該店的參數估計影響較大，而遠離觀察點的觀測值的影響就較小。可供選擇的“地理”空間權重矩陣有多種形式［26］，我們使用基于距離標準之上的，即使用各省的行政中心的經緯度來定義相鄰兩省的直線距離。這種連續的權重矩陣允許所有區域之間互相作用，采用的方法是使用距離的倒數函數。形式如下：

這里dij是區域i和區域j中心的距離，λ是技術等因素所帶來的權重值改變。有上式可見，Wij是關于dij的連續單調遞減函數，隨dij的增大而減小。借鑒Choi等［7］的研究，我們進一步假設λ等于1。這種以距離為基礎的權重矩陣有助于更客觀的描述區域臨近性在地理面積與相鄰數量上的差異。采用這種方法，研究建立了空間地理權重矩陣，將我國大陸地區直轄市、省級行政區域之間的成對關系概括為一個31x31的權重矩陣。權重矩陣是對稱的，同時經過標準化處理，即用每個元素同時除以所在行元素之和，使得每行元素之和為1。此外，我們還假設鄰里之間的地理距離關系不隨時間的變化而改變。空間權重矩陣所需的經緯度數據來自于國家基礎地理信息系統。

3.3 參數估計

本文研究的樣本是中國大陸范圍內的所有直轄市、省級行政區域，所以研究假定空間（區域異質性）和時間（周期性沖擊）的影響都是通過固定效應進入等式的［27］，并使用極大似然法（Maximum Likelihood，ML）來估計空間固定效應面板數據模型［21］。使用極大似然法來估算模型時，第一步就是使用將因變量和自變量去平均的方法，將空間固定效應和時間固定效應從模型中消除，可以用以下等式表示：

Elhorst［22］給出了空間面板模型的極大似然估計（MLE）函數為：

對于β和σ2ML給出的估算方法分布是β=（x*Tx*）-1x*Ty*和σ2=（y*-x*β）T（y*-x*β）/NT。而參數的漸近方差矩陣［27］可以表示為

最后，我們可以根據下列式子得到空間固定效應和時間固定效應：

3.4 空間相關性檢驗及模型選擇

空間相關性檢驗是空間計量經濟分析的一個重要內容。為了檢驗在面板數據的設定下，是否空間滯后模型或者空間誤差模型是否比其他非空間模型更為合適，Anselin等［28］提出了用兩個拉格朗日乘數（Lagrange Multiplier）統計量來檢驗是否相應的空間相關性存在。同時，他還提出了這兩個LM指數相對應的穩健形式（Robust）。應當指出的是，這兩個LM以及他們對應的穩健形式檢驗，不僅可以用來檢驗空間相關性，還可以為模型設定提供線索。這些檢驗方式都是建立在非空間模型（OLS）的殘差項基礎之上，并呈現自由度為1的卡方（x2）分布。在模型選擇問題上，目前通行做法是先用OLS方法估計不考慮空間相關性的受約束模型，然后進行空間相關性檢驗。在此檢驗基礎上，我們再來確定最為合適的模型。

此外，為了檢驗模型中是否應當控制空間固定效應和時間固定效應，我們可以利用似然比檢驗（Likelihood Ratio Test，LR）。為了檢驗空間固定效應是否共同顯著，我們可以利用LR檢驗來檢測假設Ho：u1=...=un=a，其中a代表在不考慮空間固定效應情況下的平均截距。似然比檢驗的實質是在比較有約束條件下的似然函數最大值與無約束條件下似然函數最大值。這兩個最大值的比例就構成了似然比檢驗。以似然比為基礎可以構造一個服從卡方分布統計量，其自由度具體在此，為N-1。同理，為了檢驗時間固定效應是否共同顯著，我們可以利用LR檢驗來檢測假設Ho：λ1=...=λn=b，其中b代表在不考慮時間固定效應情況下平均截距。這里的檢驗函數卡方分布統計量的自由度為T-1。

3.5 研究的實證模型

數字內容產品的消費者存在模仿行為，這種模仿行為既有區域內的差異，也有區域之間的影響［7］。互聯網消費模仿行為既有基于地理鄰近性的社會網絡影響，又有區域內消費者社會網絡緊密程度的差異［6，18］。所以，我們的研究既要考察我國省域空間單元內區域差異帶來的影響，也需要考察空間單元之間的溢出作用。因此，研究選用空間杜賓模型用以解釋數字內容產品消費擴散的空間規律與機理。據此，研究建立的實證模型如下：

需要指出的是，上式中yit代表區域i在t時段新增的消費者數量，即本地該時段增加的消費者數量；yjt代表鄰近區域j在t時段新增的消費者數量；Nit表示本地有購買意愿，但尚未購買該彩鈴的消費者數量，即本地潛在的消費者數量；Zit與Zjt分別代表在t時段之前，本地和鄰近區域累積的購買者數量，這部分消費者是潛在消費者學習的對象，即模仿源wij是基于地理距離的空間權重矩陣，用來描述各個行政區域之間的空間關系；α是截距項；相關系數β捕捉了本地潛在消費者數量（即市場潛力）對銷售量的作用；相關系數κ衡量的是區域內的模仿行為，也就是說本地已購買者對未購買者的影響作用。另一方面相關系數γ與φ分別捕捉了異地當期購買者與異地已有的購買者對本地當期銷售量的作用，或者換句話說，γ衡量了流行趨勢對于本地當期銷售量的影響，而φ則測量了區域間的模仿行為，即鄰近區域已購買者對本地當期銷售量的影響。ui用來表示空間固定效應，也就是說不可觀察的空間區域異質性；相應地，λt表示時間固定效應，用來控制隨著時間變化可能會發生的系統變遷。此外，這個模型還考慮了空間誤差所帶來的影響：空間個體i的誤差項εit是由它鄰近空間單位的誤差項與空間權重矩陣的乘積和一個隨意項eit所決定的。δ是空間相關誤差的系數，而eit則表示獨立同分布（iid）的誤差項，這些誤差項的均值為0，同時方差為σ2。

4 實證分析

4.1 樣本來源

為了檢驗數字內容產品在中國網絡市場中銷售的空間關系，本研究采用了一個獨特的數據樣本：一首手機彩鈴在中國大陸市場31個直轄市與省級行政區域的完整銷售數據。彩鈴是移動網絡運營商提供的一種數字內容產品，采用這項服務的消費者可將特定的樂曲或個性化錄音設置為移動電話的回叫鈴音。同音樂一樣，彩鈴的銷售也采用版稅運作機制。通常狀況下，版權所有者，即內容提供商（包括藝術家和唱片工作室），向服務提供商（各類彩鈴下載網站，包括手機公司的網站）提供音樂（歌曲）的版權，再由服務提供商根據音樂創建各類彩鈴，放到自己網站上銷售。消費者最終通過服務提供商網站購買，并下載到自己的移動網絡運營商服務器上。

選擇彩鈴作為研究對象主要有四個原因：（1）該產品在中國市場的普及率高，有代表性。彩鈴在東亞，尤其是在中國，韓國等國家應用廣泛。據2006年中國互聯網絡信息中心（CNNIC）的調查，約有19.4%使用移動設備上網沖浪的用戶使用移動設備下載彩鈴，彩信，游戲或影片等服務［29］。并且，隨著近年來智能手機在中國的日漸普及，這個比例也在不斷增加。（2）產品消費者的地理位置易于確定。與一般的手機鈴音不同，回叫鈴音的彩鈴服務只能通過移動網絡運營商的服務器獲得，而中國電信行業采取的是區域性壟斷經營模式，中國大陸各省電信運營商均為獨立的分（子）公司［30］，所以我們能夠根據移動網絡運營商所在的市場區域判斷出彩鈴消費者的地理位置。（3）因為音樂潮流變換迅速，彩鈴的銷售周期相對短小。這使得我們在較短的時期內能夠觀察到一個比較完整的產品銷售生命周期。（4）避免重復購買給研究帶來的數據干擾。彩鈴屬于一次性消費品，通常情況下，對同一首彩鈴消費者只會購買一次，不存在重復購買的情況。

研究使用的彩鈴銷售數據來源于一家內容提供商（音樂工作室），該公司向我們提供了改編自該公司版權所有的一首歌曲的彩鈴的完整購買下載數據記錄。樣本在地理上涵蓋中國大陸31個行政區域，在時間上跨越從2009年4月至2010年12月期間連續的85周。

4.2 樣本的描述性分析

首先我們通過列表的形式描述性分析了這首彩鈴銷售的時空變化趨勢。表一列出了這首彩鈴在全國范圍內以及31個行政區域里總的購買人數。我們可以看到，全國范圍內，該彩鈴被下載了300620次。其中，廣東是購買這首彩鈴最多的區域，浙江和江蘇緊隨其后。而這首彩鈴在青海、西藏和海南等邊疆地區賣得最少。在全國范圍內，這首彩鈴的平均銷售量是9688，標準方差為12506。

從表一中我們觀察到一些現象，彩鈴的網絡銷售量似與區域同質性或地理鄰近性有關。比如銷售量較大的廣東、浙江、江蘇同屬于沿海經濟發達地區，銷售量不佳的青海、西藏、寧夏、甘肅等地則同屬于西部經濟欠發展地區；而比鄰的陜西與四川，廣西與云南，雖人口總量或經濟發達程度差異顯著，但銷售量卻差別不大。此外，我們在表二中列出了這首彩鈴在31個行政區域里不同時間段的銷售量以及已經購買該產品的總人數。受篇幅所限，我們僅僅羅列了第15，30，55和第80周的數據。初步觀察可以得到與表一類似的結論：各地當期銷售量有一定同步性，而且這種同步性似乎與地域鄰近性、同質性有一定關聯。因此非常有必要通過計量方法詳細檢驗彩鈴銷售過程中是否存在空間相關性以及其類型。

表1 全國各行政區域總購買人數信息

4.3 模型的經驗估計

（1）模型選擇

因為跨區域的模仿行為是本次研究關注的重點，所以用于解釋跨域模仿行為的主要自變量（異地累計消費量）是模型中必須包含的的部分，在此基礎上我們需要考察其它各種空間關系以及時間、空間固定效應的顯著性。表三是模型結果。研究檢驗了4個模型，分別是在不考慮時間和空間固定效應下的混合最小二乘估計（Pooled OLS），加入空間固定效應的OLS，加入時間固定效應的OLS和加入時間與空間效應的OLS。研究將通過比較檢驗結果，選定最佳模型。

通過表三中的模型一，我們首先看到，在混合最小二乘模型的假設下，拉格朗日乘數對于空間滯后（LM Spatial Lag）和空間誤差（LM Spatial Error）的檢驗統計值均顯著，而穩健拉格朗日乘數對于空間滯后和空間誤差的檢驗結果也是顯著的。這說明，在不考慮時間和空間固定效應的前提下，我們必須同時考慮空間滯后和空間誤差所帶來的影響。空間滯后與空間誤差模型有著不同的管理學意義。空間滯后模型是探討研究所考查的變量在地區間存在的溢出效應，而空間誤差模型反映出研究未考慮的外生變量所產生的溢出效應。表三的結果表明兩種空間關系存在情況對本文的問題都具備顯著的解釋能力，不能厚此薄彼。模型二將空間固定效應加入混合最小二乘模型，在此基礎上檢驗空間滯后與空間誤差效應。與模型一相類似，我們觀察到兩個拉格朗日乘數（LM）和兩個穩健拉格朗日乘數（Robust LM）的檢驗結果都是顯著的。說明在考慮空間固定效應的前提下，還必須同時考慮空間滯后和空間誤差對模型帶來的影響。模型三將時間固定效應加入模型一，在此基礎上檢驗空間滯后和空間誤差所帶來的影響。模型三的檢驗結果出現分歧：雖然兩個拉格朗日乘數的檢驗結果是顯著的，但兩個穩健拉格朗日乘數的檢驗結果卻不顯著，說明時間固定效應的加入沖淡了空間關系帶來的影響。模型四在模型一的基礎上同時加入了時間和空間固定效應。模型四最重要的作用之一即為運用似然比檢驗（LR Test）檢驗模型中是否應當同時控制空間固定效應和時間固定效應。應當看到的是，似然比檢驗肯定了控制空間固定效應的必然性，但是否定了時間固定效應。所以我們又回到了模型二。由此可見，最優的模型應當是僅采納空間固定效應，同時兼顧空間滯后和空間誤差的模型。

表3 空間數據檢驗結果

表4 模型的估計結果

（2）模型結果與分析

研究在前文已經確定模型應采用固定效應估計，我們在表四中同時列出了空間滯后、空間誤差以及一般模型（同時考慮空間滯后與空間誤差）與空間固定效應聯合的混合模型，目的是直觀的比較三個模型的實際差異，并分析差異產生的原因。

首先，空間計量模型的檢驗值中擬合優度R2越大、對數似然值（log-likelihood）越大，則說明模型解釋能力越好。從表四的模型擬合數據中可以看出，固定效應一般混合模型的擬合優度與對數釋然比值都優于固定效應空間滯后混合模型與固定效應空間誤差混合模型，說明一般模型有效的提升了研究的解釋力。

其次，從解釋變量的角度來看，可以從表四中發現固定效應空間誤差混合模型完全忽視空間自相關變量的解釋能力，將剩余的空間影響全部納入空間誤差項wijεit中，造成空間誤差項對自變量的影響較大（系數為0.3610）。這提示我們，可能忽略了重要的空間解釋變量。固定效應空間滯后混合模型的估計結果應證了這一點。在去除空間誤差自相關項，添加空間自回歸變量后，固定效應空間滯后混合模型顯示新增消費量的異地自相關性是顯著存在的，且與本地新增消費量有積極的正向相關性（系數為0.2589）。同時我們發現，與固定效應空間誤差混合模型比較，本地市場潛力（系數為0.5901）與本地市場教育（系數為0.1974）對本地新增消費的促進作用大幅縮小。這提醒我們，可能是由于對其它空間解釋變量的考慮不足，而導致對這些變量的估計不準確。因而，模型中仍然需要添加空間誤差項，以吸收其它未考慮的空間變量對本地新增消費量的影響。再對表四中的估計結果進行比較，可以發現空間固定效應一般混合模型中空間誤差項的補充，使得消費自回歸的貢獻下降，而本地消費潛力與本地教育的影響都有所回升，并且，模型的解釋能力也提升了。可見除本地市場潛力、本地消費積累、異地消費積累外，不能忽視異地新增消費及其它空間因素對本地新增消費的影響，所以我們所設定的一般模型是有現實意義的。

最后，需要重點解釋一下表四中空間固定效應一般混合模型的估計結果：變量log（Nit）是經過對數處理的本地潛在消費者數量，代表本地的市場潛能。其回歸系數為0.6327，并且在1%的水平上顯著，說明本地當期的市場潛能對銷售量有積極的正向促進作用；變量log（Zit）是經過對數處理的本地已購消費者的累積數量，它的回歸系數代表著區域是經過對數處理的鄰近區域已購買者同空間權重矩陣的乘積，其回歸系數測量區域間的模仿行為，即鄰近區域已購買者對本地當期消費的影響，其回歸系數為-0.0366，在1%的水平上顯著，這一結果與我們的預期不一致，不支持異地間存在消費的模仿溢出作用；變量內的“模仿”行為。這個變量的回歸系數是0.2267，在1%的水平上顯著，說明區域內部消費者之間存在著模仿，學習行為；變量是經過對數處理的鄰近區域當期消費同空間權重矩陣的乘積，其回歸系數反應的是該產品在異地的流行趨勢對于本地消費的影響，其系數為0.174，并且在1%的水平上顯著；變量是反映空間誤差項的影響程度，其系數為0.171，在1%的水平上顯著，說明研究未觀察到的一些空間潛在因素對本地當期新增的消費仍有影響。

5 結語

本文提出了網絡消費者行為的地理視野與空間觀念，側重于網絡消費行為的動態性與區域性，并通過實證闡釋了網絡消費空間相關性產生的原因。實證結果顯示，在彩鈴這種特殊的數字內容產品的網絡銷售過程中，各個區域不僅存在著空間固定效應，區域之間還存在著空間滯后和空間誤差作用。這一貢獻有別于傳統的電子商務與網絡營銷研究，提醒互聯網零售商在展開營銷活動時不能忽視空間因素，并應當采取有針對性的營銷策略。具體而言，研究有如下發現：

（1）區域內模仿行為有效促進消費。本地市場的潛在消費者是是模仿行為的主要受眾，是學習者。而本地已購買者是當地消費者模仿學習的直接對象，對本地其他消費者起到了直接的教育作用，引導潛在消費者實施購買行為。這也是本地市場規模產生的循環累積效用。

（2）區域間的模仿行為未呈現鄰近性。相反，鄰近地區的已有消費者數量同本地當期消費量是負相關的。這說明，在彩鈴的擴散過程中，省域間并不存在相近地區的外溢強度大的現象，相反，較遠地區的消費者間的影響要顯著略強于鄰近地區。對此，我們有幾種解釋。一是我們的數據是以行政區域為單位，涵蓋面上大于早期國外以郵政編碼為空間單位的研究。二是中國電信行業的區域壟斷阻隔了相鄰省域之間的模仿行為。再次，我們認為，作為一種潮流產品，彩鈴的銷售更多的受到幾個潮流中心，如北上廣地區的影響。因為彩鈴產品高度標準化、同質化，同一款產品不存在品質差異，所以消費者模仿的意見領袖的往往是時尚引領者而非鄰近人群，而這些時尚引領者多在經濟、政治與文化中心。換句話說，本地的消費者更愿意去模仿這幾個中心區域消費者的選擇，而不是鄰近省域消費者的選擇，這造成了相鄰省域模仿行為的負相關。

（3）雖然相鄰省域之間的模仿行為呈現出負的相關性，但他們當期的銷售量之間卻存在顯著的正相關。這說明產品在相鄰省域的流行趨勢直接影響到本地銷售額。這也從側面反映了彩鈴作為時尚產品的特點。

（4）本文的模型主要考察本地與異地市場規模等對銷售量的影響，而未考慮廣告，促銷等營銷手段的直接作用。但是，模型中的空間誤差項告訴我們這些因素同樣是彩鈴銷售中不可忽視的一種空間影響因素。

（5）模仿是網絡消費行為空間相關性的重要前因。消費模仿這一互動過程主要由兩種力量構成：學習與教育。學習指的是本地潛在消費者的從眾消費行為。本地潛在消費者是社會學習行為的主要受眾，受眾數量越大，則本地消費模仿行為發生的概率越高，后期的銷售量就會越大。培養指的是本地與異地的已購買者對本地消費的引導、示范作用。已購買者的規模越大，號召力越強，則教育能力越強，進而對本地銷售量的提升作用越大。當然，網絡消費行為的培養來自于本地與異地兩個方面。上述學習與教育這兩種力量對網絡消費起到了推動與拉動作用，互為補充，缺一不可。

根據這些主要結論，本文提出以下政策建議：一是網絡產品的銷售需要重點關注本地市場的開發，關注區域內消費者的共同偏好，重視引導消費者關注產品，重視培養網絡消費習慣，這樣既有利于營造良好的本地消費市場潛力，也有利于本地區的自我消費模仿與學習的開展，這是一個良性循環。二是在數字內容產品的銷售中，為了實現長期利益的最大化，應當識別最具潛力的種子市場和種子消費者，有計劃的分市場引入產品。三是需要在意見領袖聚集的地區大力開展促銷活動，這樣就可以利用意見領袖地區的示范、教育作用帶動全域的銷售。

本研究還存在許多不足之處，這也是未來研究

需要拓展的方向。首先，受數據所限，本研究僅僅探索了一類數字內容產品，即彩鈴的空間銷售模式。彩鈴屬于數字內容產品中價值低，受眾廣的一類產品。未來研究可以探索數字內容產品中高價值產品的擴散模式，通過比較得出更為普遍的數字內容產品銷售規律。其次，同樣的，受數據所限，我們的研究是以行政區域（省）為單位。未來的研究可以采用較小空間單位——如城市或者郵編——的數據，研究消費者模范行為在小范圍內的有何不同。再次，再者，未來研究還可以應用經濟發展階段、科技水平［31］、網絡應用程度等非地理空間矩陣與聯合矩陣（Joint Matrix）來測度網絡消費的空間相關性，得出更多用于提升營銷效率的研究結論。最后，未來研究可以考慮廣告、促銷以及在線搜索等營銷手段對網絡銷售的影響。

［1］閆世剛.數字內容產業國際發展模式比較及借鑒［J］.技術經濟與管理研究，2011，174（1）：98-99.

［2］Kannan P K，Pope B K，Jain S.Pricing digital content product lines：A model and application for the national academies press［J］.Marketing Science，2009，28（4）：620-636.

［3］Subramani M，Walden E.The impact of e-commerce announcements on the market value of firms［J］.Information Systems Research，2001，12（2）：135-154.

［4］Koukova N T，Kannan P K，Ratchford B T.Product form bundling：Implications for marketing digital products［J］.Journal of Retailing，2008，84（2）：181-194.

［5］Bradlow E.Spatial models in marketing［J］.Marketing Letters，2005，16（3/4）：267-278.

［6］Meisel J.The emergence of the internet to deliver video programming：Economic and regulatory issues［J］.Information，2007，9（1）：52-64.

［7］Choi J，Hui S K，Bell D R.Spatiotempotal analysis of imitation behavior across new buyers at an online grocery retailer［J］.Journal of Marketing Rasearch，2010，47（2）：1-15.

［8］Fabienne A，Friedewald M，Weber K M.Adaptive foresight in the creative content industries：Anticipating value chain transformations and need for policy action［J］. Science and Public Policy，2010，37（1）：19-30.

［9］韓潔平，畢強.數字內容產業研究與發展［J］.情報科學.2009（11）：P1741-1746.

［10］Barrot C，Rangaswamy A，Albers S，et al.The role of spatial proximity in the adoption of a digital product［C］.The 2008 Informs Marketing Science Conference，vancouver，BC，Canada，June 12-14，2008.

［11］Sylvie G，Chyi H I.One product，two markets：How geography differentiates online newspaper audiences［J］.Journalism&Mass Communication Quarterly，2007，84（3）：562-581.

［12］Spencer K M，Dien J，Donchin E.Spatiotemporal analysis of the late ERP responses to deviant stimuli［J］. Psychophysiology，2001，38（2）：343-358.

［13］Forman C，Ghose A，Wiesenfeld B.Examining the relationship between reviews and sales：The role of reviewer identity disclosure in electronic markets［J］.Information Systems Research，2008，19（3）：291-313.

［14］Bass F M.A new product growth for model consumer durables［J］.Management Science，1969，15（5）：215 -227.

［15］Hauser J，Tellis G J，Abbie G.Research on innovation：A review and agenda for marketing science［J］. Marketing Science，2006，25（6）：687-717.

［16］馮娟，吳建偉.基于消費者搜尋成本的商圈形成機理研究［J］.中國管理科學，2012，（05）：185-192.

［17］Bell D R，Song S.Neighborhood effects and trial on the internet：Evidence from online grocery retailing［J］. Quantitative Marketing and Economics，2007，5（4）：361-400.

［18］Masso A，Tender T.About the linguistic constitution of social space：The case of estonia［J］.Journal of the Humanities&Social Sciences，2008，12（2）：151-182.

［19］Goolsbee A，Klenow P J.Evidence on learning and network externalities in the diffusion of home computer［J］.Journal of Law&Economics，2002，45（2）：317 -343.

［20］Anselin L.Spatial econometrics：Methods and models［M］.North-Hollands Kluwer Dordrecht，1988.

［21］Mur L，Angulo A.The spatial durbin model and the common factor tests［J］.Spatial Economic Analysis，2006（2）：207-226.

［22］Beer C，Riedl A.Modelling spatial externalities in panel data：The spatial durbin model revisited［J］.Papers in Regional Science，2012，91（2）：299-318.

［23］Anselin L.Spatial econometrics：Methods and models［M］.North-Holland：Kluwer，1998.

［24］Kelley Pace R，LeSage J P.A sampling approach to estimate the log determinant used in spatial likelihood problems［J］.Journal of Geographical Systems，2009，11（3）：209-225.

［25］Tobler W R.Smooth pycnophylactic interpolation for geographical regions［J］.Journal of the American Statistical Association，1979，74（367）：519-530.

［26］張宗益，唐先明，劉胤.基于國家自然科學基金視角的我國省域基礎研究空間相關性分析［J］.中國管理科學，2011，（04）：184-192.

［27］Hsiao C.Analysis of panel data［M］.Cambridge：Cambridge University Press，2003.

［28］Anselin L.Spatial econometrics［M］//Miller T C，Patterson K.Palgrave Handbook of Econometrics. Palgrave Macmillan：Basingstoke，2006.

［29］CNNIS.Statistical survey report on the internet development in China［EB/OL］.http：//www.cnnic.net. cn/download/2007/cnnic19threport.pdf.

［30］呂昌春，康飛.我國電信行業市場競爭、區域差異與生產效率［J］.數量經濟技術經濟研究，2010，（2）：78-91.

［31］李美娟，陳國宏，肖細鳳.基于一致性組合評價的區域技術創新能力評價與比較分析［J］.中國管理科學，2009，（02）：131-139.

The Spatial Patterns on the Diffusion and Imitation of Digital Content Product：An Empirical Analysis based on Spatial Panel Model

LIU Xia1DONG Xiao-song1，2JIANG xu-ping1
（1.School of Economics and Management，Tsinghua University，Beijing 100045，China；2.School of Sichuan Administration，Chendu 610072，China）

The advances of new technology have dramatically changed our lives and given rise to a unique kind of products-digital goods-that gain more and more popularities across industry boundaries.Different from traditional types of goods，the digital goods are non-physical，thus their production and transaction enclose almost no cost caused by geographic distance.Firms need to study their diffusion pattern to make better marketing strategy.With the aim to contribute to knowledge about the mechanisms underlying the diffusion of digital goods，about how the adoption pattern differs between different regions in China，and about the role that imitation behavior among consumers play in generating demand for digital goods，using a spatial panel data model，the weekly sales data on one type of digital goods—ring-back tone—at provincial level are analyzed，and the spatial correlations and spatial fixed effect are examined inits Internet sale process.Empirically，a spatial fixed-effect panel model is established，in which the impacts on the diffusion of digital goods come from：previous adopters of the digital goods in the same region，previous adopters from the neighborhood regions，potential consumers in the same region，and new adopters in the neighborhood regions at the same time.The results show that for the diffusion of digital goods，the spatial correlations do not disappear in the cyberspace.The imitation behaviours among the consumers is the direct driving force behind the its sales within a provincial region，and the consumption growths among nearby regions synchronize with each other，which is in accordance with the fashion products nature of ring-back-tone.

spatial correlations；digital goods；imitation；internet marketing

F224

：A

1003-207(2014)01-0139-10

2011-11-28；

2012-12-12

國家自然科學基金資助項目（71102007）；教育部人文社會科學基金項目（11YJC630038）

劉霞（1977-），女（漢族），四川樂山人，清華大學經濟管理學院，助理教授，研究方向：營銷學.