中國縣域電子商務發展的空間特征及影響因素研究*

徐 杰 羅震東 何鶴鳴 周洋岑

中國縣域電子商務發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

南京大學建筑與城市規劃學院

碩士研究生

羅震東

南京大學建筑與城市規劃學院 副教授

南京大學區域規劃研究中心 副主任

中國城市規劃學會鄉村規劃與建設學術委員會委員阿里新鄉村研究中心 客座研究員

何鶴鳴

南京大學建筑與城市規劃學院 博士研究生

南京大學城市規劃設計研究院戰略研究室

副主任

周洋岑

南京大學建筑與城市規劃學院

碩士研究生

0 引言

隨著中國信息化進程的加速，電子商務作為一種新興的交易方式蓬勃發展，逐步改變著傳統的生產和生活模式，重構產業發展格局。從2005年國務院辦公廳發布《關于加快電子商務發展的若干意見》開始，電子商務就已經作為經濟發展的新動力進入國家話語體系。縣域電子商務是電子商務體系的重要組成，從2003年開始發展目前已經進入了規模化擴散階段，每年新增電商數量達到百萬級①阿里研究院《縣域電子商務發展微報告》。，縣域已經成為近年來電子商務產業擴張的主要陣地。縣域電子商務在推動實體經濟轉型、農村農業發展、城鎮化提升、增收扶貧等工作上的作用愈發凸顯，是推進工業化、信息化、城鎮化、農業現代化同步發展的重要環節[1]，對于中國未來5—10年經濟持續、健康的發展具有戰略價值[2-3]。

國內對于縣域電子商務的研究主要集中在縣域電子商務與城鎮化的互動機制[4-7]、農村電子商務的發展模式[7-8]、電子商務產業集群[9-10]等方面，從空間視角探究縣域電子商務發展的研究較少，既有研究尚停留在省域和城市層面，主要運用相關指數分析、回歸分析等方法，研究中國電子商務的分布格局及影響因素[11-18]。已有研究對于網絡銷售水平和網絡消費水平的差異關注不足，并且在影響因素的分析過程中，缺乏系統的空間分析方法。雖然縣域層面電子商務發展水平的研究具有一定基礎，但仍需進一步拓展研究視角、改進研究數據、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指數，從網絡消費（網購）和網絡銷售（網商）兩個角度探究中國縣域電子商務發展水平的分布特征，并且試圖通過空間自相關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，為引導縣域電子商務的健康發展提供參考。

表1 電子商務發展指數指標構成[2]

1 數據來源與分析方法

1.1 數據來源

通過網絡挖掘阿里研究院公布的全國1966個縣（市）2013年電子商務發展指數（aEDI）作為本研究的基礎數據②由于臺灣、香港、澳門三地數據存在一定偏差，本研究不納入計算。。aEDI指數基于阿里巴巴平臺的海量數據和全國人口普查數據，包括網商指數、網購指數2個一級指標和4個二級指標（表1），取值介乎0—100之間，數值越大，表明當地電子商務服務水平越高。由于阿里巴巴集團是全球最大的電子商務公司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。，根據中國電子商務研究中心的數據顯示，2015年上半年阿里巴巴集團旗下的天貓在中國B2C網絡零售市場占比中排名第一，占總份額的57.7%，因此其公布的數據能夠相對客觀地反映全國電子商務的應用和發展情況。本研究運用網商指數來測度縣域電子商務銷售水平，運用網購指數來衡量縣域居民網絡消費的水平。在電子商務發展指數以外，本研究涉及的數據還包括中國地圖數據庫（全國縣市層面、省級層面行政區劃圖）和2013年全國各縣主要經濟指標，數據源于《2014中國縣域統計年鑒》。

1.2 研究方法

在研究電子商務產業空間格局的過程中，引入空間自相關研究方法，檢驗縣域單元與其相鄰空間點上的電商指數是否顯著相關聯，空間自相關包含全局自相關和局部自相關[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，探索縣域電商發展的相關影響因素。

1.2.1 全局空間自相關分析

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

其中，Xi為縣域單元i的電商指數；Wij為空間權重矩陣為屬性的平均值/n。Moran's I指數位于-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系。

1.2.2 局部空間自相關分析

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

其中，Zi是區域i觀測值標準化；Wij是空間權重，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，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，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）；X是自變量參數構成的矩陣；β表示回歸系數；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，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，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(自然對數似然函數值)、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 省域單元網購格局圖資料來源：作者自繪。

圖2 縣域單元網購格局圖資料來源：作者自繪。

圖3 省域單元網商格局圖資料來源：作者自繪。

圖4 縣域單元網商格局圖資料來源：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展特征研究，縣域層面的數據直接來源于縣域電子商務指數，省域單元層面的數據通過將各省縣域電商指數取均值的方法獲得。考慮到不同縣域之間電商指數差異較大，為了保證分類“類間差異最大、類內差異最小”，因此采用Jenks（自然斷裂點)分級方法進行分類，將數據分為4類（圖1-圖4）。主要空間特征如下。

2.1.1 網購水平：東南沿海地區水平最高，其他地區以極核發展為主

從省域單元看，中國縣域電子商務網購水平呈現東部沿海、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。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、內蒙古等省。第3層級的省份主要分布在中西部地區，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，還包括中部地區的河南。從縣域單元看，東南沿海地區呈現高水平擴散特征，其余地區主要表現為極核分布的特征（圖2）。中西部地區許多省會城市周邊的縣域電商網購發展水平較高，并不遜色于東部地區的縣域。典型如成都周邊的雙流縣、郫縣，長沙周邊的長沙縣，電子商務網購水平均位于第1層級。

圖5 網購指數局部自相關分析資料來源：作者自繪。

圖6 網商指數局部自相關分析資料來源：作者自繪。

2.1.2 網商水平：以浙江省為中心，由沿海向內陸梯度擴散

從省域單元看，中國縣域電子商務網商水平呈現出顯著的以浙江省為中心、從沿海向內陸梯度擴散的特征（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。從縣域單元看，除了東南沿海地區呈現出的高水平擴散特征外，中西部地區基本呈現低水平離散分布的特征（圖4）。中西部地區縣域網商水平整體較低，除了成都周邊、長沙周邊等零星縣城的網商水平達到第2層級以上，大部分縣域的網商水平基本處于第3、第4層級。

2.2 空間自相關分析

2.2.1 全局空間自相關分析：顯著空間正自相關根據相關的公式，利用ArcGIS軟件計算中國縣域電子商務網購與網商的全局空間自相關系數（GMI），結果顯示，網購與網商的全局空間自相關系數均為正值，數值達到了0.5以上，并且z得分大于2.58（呈現明顯的聚類特征），顯著性水平p值小于0.001（99.9%的置信度)，具有統計學上的顯著性（表2）。表明中國縣域電子商務存在著顯著的正空間自相關特性，即存在著顯著的空間集聚狀態，也即電子商務發展水平較高的縣域趨于相鄰，電子商務發展水平較低的縣域也趨于相鄰。因此在研究電子商務驅動因素的時候，需要考慮空間集聚帶來的影響。

表2 全局空間自相關系數

2.2.2 局部空間自相關分析

運用局部空間自相關工具對縣域網購、網商情況進行分析。由于縣域網商本身具有較強的鄰近擴散效應，因此對于網商的局部空間自相關結果識別出了縣域網商產業集聚區（圖5-圖6）。

從結果可以清晰地看出，網購呈現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、射陽等縣，向南擴散到福建省的安溪縣、南安市、晉江市一帶。內蒙古西部、珠三角地區，以及四川成都周邊也出現了網購指數“高—高”聚集的區域。西藏、青海、甘肅、河南等省級單元存在一定數量的“低—低”聚集區域，基本為縣域網購水平最不發達的區域，集聚性較弱。

高—高聚集區域主要為縣域電子商務產業發展狀況較好，呈現出連片發展態勢的產業集聚區（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、發育程度最高的高—高聚集區域為浙江全境、江蘇省的蘇南、蘇中大部分地區，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部分縣市也呈現出電子商務產業區域化發展態勢，是縣域電商尤其是農村電商發展十分活躍的地區，形成了一定規模的電子商務產業集群。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，這些縣市數量較少、分布零散，未來有可能成為網商集聚區的核心。

表3 網商高—高與高—低類型縣域

3 縣域電子商務影響因素分析

3.1 影響因素選擇

一般認為，影響城市電子商務發展水平空間分布的因素主要包括人口規模、人口素質、經濟發展水平、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]。相關研究指出，縣域電子商務是縣域實體經濟與虛擬經濟高度融合形成的產業集群[9]，與城市電子商務產業相比，縣域電子商務產業與實體產業的關聯度更高，因此相關的產業發展因素需要考慮在內。本次研究在選取影響因素時，先后使用相關性分析、探索性回歸（Exploratory Regression）等方法對可獲得的縣域經濟數據進行篩選，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濟發展水平、信息技術水平、金融服務業發展水平、產業結構特征等多個方面。此外，由于電子商務指數本身是個近似人均的數值，因此本次計算中各個因素均采用每萬人數值（規上企業平均產值除外）。針對網商水平，選取的因素包括：萬人第二產業從業人員數（SEC）、萬人固定電話用戶數（FTS）、萬人地區生產總值（GDP）、萬人年末金融機構各項貸款余額（FIA)、萬人規模以上工業單位數（NOI）、規模以上工業企業平均產值（GIO）；針對網購水平，選取的因素包括：萬人地區生產總值（GDP）、萬人固定電話用戶數（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發展驅動因素。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，檢驗結果如表5所示。從表5中可以看出，對于網商指數，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，結合表中未列出的LogL（自然對數似然函數值）、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）適用網商指數，空間誤差模型（SEM）更加適合網購指數。本文在分析過程中將3個方程結果一起列出，作為參照。

3.3 網購水平回歸結果與分析

網購指數的3個回歸方程擬合結果如表6所示。結果顯示：（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%的縣域網購發展狀況；（3）最終回歸結果為，萬人地區生產總值(GDP)、萬人固定電話用戶數（FTS）、萬人居民儲蓄存款余額（RSD）呈現顯著正相關的結果。

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

3.4 網商水平回歸結果與分析

3個模型對網商指數的最終擬合結果如表7所示。結果顯示：（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%縣域網商的發展狀況；（2）大多數因子通過了0.001水平的顯著性檢驗，除規模以上工業企業平均產值（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系密切；（3）3個回歸方程產生了較為類似結果，這提高了回歸模型的可信賴程度；（4）回歸模擬的計算結果表明，呈現顯著正相關的因子包括了萬人第二產業從業人員數（SEC）、萬人固定電話用戶數（FTS）、萬人年末金融機構各項貸款余額（FIA）、萬人規模以上工業單位數（NOI），而呈現顯著負相關的因子包括萬人地區生產總值（GDP）和規模以上工業企業平均產值（GIO）。

表5 空間依賴性檢驗結果

表6 網購水平各模型模擬結果

表7 網商水平各模型模擬結果

在空間滯后模型的模擬結果中，顯著性較高的因子為萬人第二產業從業人員數（SEC）、萬人地區生產總值（GDP）、萬人年末金融機構各項貸款余額（FIA）、萬人規模以上工業單位數（NOI）。其中，萬人第二產業從業人員數（SEC）和萬人規模以上工業單位數（NOI）與網商水平正相關性最為突出。兩者數據相對較大的地區往往是勞動密集型產業發育較好的地區，說明勞動密集型的產業基礎對于縣域電子商務發展具有十分重要的意義。勞動密集型企業一方面為電子商務發展提供主要的銷售產品（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的發展。萬人年末金融機構各項貸款余額（FIA）呈現正相關。這一指標較高的地區往往創業氛圍較為活躍，且金融服務水平相對較高。萬人地區生產總值（GDP）負相關，說明電子商務的發展不依賴于居民收入狀態，而對縣域金融服務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發展還處于初級階段，基本屬于一種門檻較低的創業行為，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業。在其他顯著性因子中，與網購情況一樣，萬人固定電話用戶數（FTS）正相關，再次說明信息化水平對電子商務具有重要作用。規模以上工業企業平均產值（GIO）負相關，說明高產值的規上企業往往不利于縣域網商的發展。可能原因在于資本密集型的大型企業大多數形成了較為完善的貨物銷售渠道，且容易形成產業發展模式的路徑依賴，電子商務在這些地區的發展空間容易受到擠壓，發展機會相對較少。

4 結論與討論

研究挖掘了阿里研究院公布的阿里巴巴縣域電子商務發展指數，在此基礎上利用空間自相關分析、空間回歸模型等方法，從網絡消費水平和網絡銷售水平兩個方面，對中國縣域電子商務發展的空間特征與影響因素進行研究，結果如下：

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

第二，空間自相關分析結果表明，中國縣域電子商務空間集聚特征顯著，兩極化趨勢明顯。高水平縣域電子商務主要集聚在以浙江為核心的東南沿海地區，浙江、江蘇、福建、山東、河北、廣東等省份已經呈現出縣域電子商務產業的區域化發展態勢。中西部的一些省級單元則存在著“低—低”聚集區域，這些地區縣域電子商務發展較差，集聚性較弱。

第三，空間回歸分析結果表明，網購水平受萬人地區生產總值、萬人居民儲蓄存款余額、萬人固定電話用戶數等因素影響，其中萬人居民儲蓄存款余額影響最為顯著，這說明經濟與居民收入狀況是影響縣域網購的最主要因素；影響網商水平的因素較多，包括縣域勞動密集型產業發展水平、經濟發展水平、金融服務能力和信息化程度，其中勞動密集型產業發展水平的作用最為突出，說明縣域電子商務產業與實體產業的關聯度較高，這也是縣域網商區別于城市網商的最主要特點。

基于阿里研究院公布的電子商務發展指數所進行的縣域電子商務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，影響電商發展的要素太多，縣域數據獲取難度較高，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寬帶的數據，信息化水平只能通過電話用戶數進行衡量，一定程度上降低了模型的解釋力度；另一方面，電子商務是一個復雜的產業發展現象，很難通過單一的數理模型完全解釋清楚，因此在進一步的研究中，需要針對特定區域和類型的電子商務產業，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.“互聯網+”時代的電子商務[J]. 中國流通經濟，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發展指數報告[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. 電子商務助推我國城鎮化發展的路徑探析[J]. 經濟視角，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. 電子商務助推城鎮化進程:基于農村消費能力提升的視角[J]. 特區經濟，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. 就地城鎮化過程中農村電子商務發展研究[J]. 金融理論與教學，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. 基于電子商務的縣域就地城鎮化與農村發展新模式研究[J]. 國際城市規劃，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“淘寶產業鏈”形成的電子商務集聚區研究——以義烏市青巖劉村為例[J]. 城市規劃，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. 我國農村電子商務產業集群形成及演進機理研究[J]. 商業研究，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. 淘寶村電子商務產業集群競爭力研究[J]. 寧波大學學報：人文科學版，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電子商務地理格局研究[D].大連：大連理工大學碩士學位論文，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電子商務的地理格局及其演化機制[J]. 經濟地理，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電子商務賣家空間分布模式[J]. 經濟地理，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. 中國電子商務發展水平及空間分異[J].經濟地理, 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，關皓明，王士君. 中國城市電子商務發展水平空間分布特征及影響因素[J]. 經濟地理，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律及其影響因素探究——來自淘寶網的實證[J]. 地域研究與開發，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. 廣東省淘寶網電子商鋪空間分布特征研究[J]. 商業研究，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. 淘寶網特產電子商鋪實證分布研究[J]. 現代經濟信息，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年中國縣域經濟發展時空格局演變[J]. 地理科學進展，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. 福建省區域經濟差異演化及其動力機制的空間分析[J]. 經濟地理，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數據和縣域經濟數據，構建空間計量分析模型，從網絡消費水平和網絡銷售水平兩個方面，對中國縣域電子商務發展的空間特征與影響因素進行研究。發現中國縣域網絡消費水平和網絡銷售水平呈現差異的空間分布特征和較強的空間依賴性。縣域網絡消費水平與縣域經濟發展水平、居民收入情況、信息化水平正相關；縣域網絡銷售水平與縣域勞動密集型產業發育情況、縣域金融服務能力和信息化水平正相關，與產值規模較高的規模以上企業發展狀況負相關。

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 | 縣域 | 空間自相關 | 空間回歸

E-commerce | County | Spatial autocorrelation | Spatial regression

1673-8985（2017）02-0090-08

TU981

A

國家自然科學基金“基于流空間的城鎮發展戰略分析方法與規劃理論研究”（項目編號：51478216），江蘇省“青藍工程”資助。