電子商務發展的空間分布及其對實體經濟的影響

王 迎

（1.大連財經學院商學院，遼寧 大連 116600；2.大連自貿區協同創新研究中心，遼寧 大連 116600）

引言

隨著信息技術的發展，傳統的經濟模式發生了重大變化，經濟全球化和網絡化的發展，導致了電子商務的出現，并在世界范圍內掀起了電子商務的熱潮。電子商務的迅速發展，無疑給我國廣大的中小企業帶來了極其難得的機遇。電子商務這種新型的業務交易方式，正以其低成本、高效率的特點吸引著越來越多的企業參與。同時，它作為一種新型的商業銷售模式，使得消費者的消費習慣得到了轉變。也充分帶動了社會經濟的發展，為人們的生活帶來了便利，很好地順應了當前社會經濟的發展趨勢。[1]與傳統產業發展不同的是，電子商務的發展基于互聯網的特性，對傳統產業的集聚機制起到了一定的限制作用。其不僅會影響電子商務自身的發展，還會對實體經濟造成負面影響。同時，電子商務在發展過程中存在發展分布不均等問題，主要體現在發達城市以及東部沿海區域的發展較為迅速，而在西部偏遠地區的發展較為落后。此外，在理論層面，電子商務與實體經濟之間的關系沒有得到確證，因此對兩者之間的關系進行數據實證是至關重要的[2-3]。研究首先對電子商務的空間分布特征進行分析，并利用回歸分析方法對電子商務發展的影響作用進行分析，從而對電子商務發展態勢進行相關測度并對實體經濟的影響機制進行實證分析。以期更好地解決電子商務經濟與實體經濟之間的發展問題。

一、電子商務的空間分布及其對實體經濟的影響

（一）我國電子商務空間分布特征

在基于省域的電子商務空間分布演化特征中，我國的電商早期主要分布在相對發達以及沿海城市，包括上海、廣州、浙江、江蘇以及北京。這些城市的經濟水平在國內屬于頂尖，是國內經濟的領頭羊。而位于較為落后的西部城市幾乎沒有電商商家，因此可以說，電子商務的起源為經濟水平較為發達的城市。電子商務發展到近幾年，我國的西部、東北以及西南地區也已經有了電子商鋪的入駐。但長三角、珠三角以及中心發達城市仍然是電商的聚集地。各個城市的電子商務發展與其經濟發展水平相匹配，電商的分布表現為東密西疏、南密北疏的特征。因此可以說我國電子商務的發展具有空間相關性，其空間分布具體表現為區域集中。[4]

由于各個省內部存在經濟發展不均的問題，因此研究進一步從城市層面分析電子商務的空間分布演化特征。電子商務自2004年開始興起，到2015年，我國的電商集中分布在經濟水平較高的省會城市、直轄市以及制造業基地城市。同時，電商的空間分布演化具有兩種發展路徑，第一種是像北上廣深這類中國最為發達的城市發展。這類城市具有人口密度高、人力資本高、交通便利等優勢，因此能夠很好地推動電子商務的發展。第二種為工業以及制造業較為發達的城市，如蘇州、臺州、溫州、金華等，這類城市是電銷產品的巨大制造基地，能夠有助于電子商務的生長壯大。此外，在電子商務發展初期，電商廠家大量聚集在一線城市，隨著電子商務的進一步發展，制造業較為發達的城市后來居上。比如在早期，廣州的電子商務發展水平相較于北京相對落后，但其制造業水平比北京更高。到2015年，廣州的電子商務水平已經趕超了北京。金華的小商品制造業在國內處于頂尖水平，然而其人口以及交通并不及占有優勢的省會城市，但其電商數量遠遠超出了一些較為發達的省會城市。說明電子商務的發展不僅與人口密集度以及交通發達程度相關，還與制造業的發達水平有著緊密的聯系。[5]

（二）電子商務空間分布的自相關測度

在對電子商務進行空間分布自相關分析時，首先定義對象之間的空間關系以建立空間權重矩陣。然后通過全局自相關分析判斷是否存在空間自相關現象。最后利用局部空間分布自相關分析以搜尋出具有自相關關系的局部區域，并判斷其與附近的區域屬于正相關還是負相關，并判斷出其是屬于空間孤立還是空間集聚。[6-7]搜索構建的空間權重矩陣表示如式（1）所示。

式（1）中，wij代表局部區域i與局部區域j的距離。w11與wnn均為0，即代表同一區域的距離為0。wij的值主要由幾種方法來確定，包括邊界、臨界距離、經濟距離與地理距離、區域間距離的倒數或距離平方的倒數。其中，若區域i與區域j的邊界相同，則有wij=1，若不同，則有wij=0。若區域i與區域j之間的地理距離dij大于臨界距離d，則有wij=1，否則wij=0。全局區域的空間自相關測度一般采用全局莫蘭指數進行檢驗，其計算如式（2）所示。

式（2）中，Wij表示空間權重矩陣，s2代表樣本方差，x代表區域單元屬性值，xˉ表示觀測值的平均值。全局莫蘭指數一般取值在-1~1范圍內。若I=0，代表空間不相關。若I>0，代表空間分布為正相關，空間分布特征為空間集聚，且I越大，代表集聚程度越大。若I＜0，代表空間分布為負相關，空間分布特征為空間孤立，且I值越小，表示孤立程度越高。[8]通過全局空間自相關性表征空間對象的分布趨勢。局部莫蘭指數主要檢驗局部區域及其相鄰區域的空間分布情況，其計算如式（3）所示。

式（3）中，若Ii大于0，代表區域i的高值被相鄰區域的高值包圍。若Ii小于0，代表區域i的高值被相鄰區域的低值包圍。

（三）電子商務對實體零售業的影響

電子商務的高速發展給實體零售業帶來了不容忽視的沖擊，統計數據顯示，2021年我國的網絡購物交易規模高達13.09萬億元，同比增長14.1%，網絡購物用戶的規模高達8.41億，這極大程度地影響了城市之間的功能分布。由于研究缺少實體零售業分布的數據，而電子商務對實體行業的影響主要是集聚形態，這將會對商業地產的相對價值造成一定影響，故研究主要通過電子商務對商用房價格的影響作用來進行分析。由于受到政策、年份、物價等多種因素的影響，并且我國當前的房價持續增長，商用房的價格也隨之增加。若不控制其他因素對商用房價格的影響作用，會發現兩者之間的關系為“偽正相關”。因此需要排除相關因素對商用房價的影響，才能夠識別出電子商務的發展對其造成的影響。考慮到電子商務對住宅房的影響較弱，因此可通過根據商用房相對于住宅房的價格變化來識別出電子商務對其產生的影響作用。研究將商用房與住宅房的價格比值作為因變量，并采用城市級的面板數據對電子商務產生的影響進行檢驗。[9-10]回歸模型的計算如（4）所示。

式（4）中，i代表城市，t表示年份，priceratioit代表因變量，即商用房與住宅房的價格比，λt代表時間固定效應，ui表示不同個體的固定效應，εit代表隨機誤差項。β為不同變量的參數，分別代表了商/住新開工面積比、電子商務水平、商/住房投資比、城市交通狀況、全社會零售總額以及城鎮化率。為降低回歸模型中的異方差性，模型均采用各項指標的對數進行計算。各個變量的統計數據描述如表1所示。

表1 不同變量的統計描述

二、電子商務空間分布的自相關測度分析及對實體商業分布的回歸分析

研究采用全局莫蘭指數方法，以相鄰兩城市之間的距離倒數作為權重，并采用293個城市的電商數量作為依據，計算我國電子商務從2011-2020年間的全局空間分布自相關系數，具體變化趨勢如圖1所示。由圖1可知，2011-2020年間的全局莫蘭指數值均為正值，表明我國的電子商務空間分布呈正相關。代表電商數量較多的地區聚集在一起，而電商數量較少的地區聚集在一起。同時可以看到，全局空間分布自相關系數隨著年份的增加而隨之變大，代表各個區域間的正相關性逐漸增大，城市間的電子商務聚集度逐步增大。但該系數最大值為0.036，說明我國電子商務的全局空間分布的相關性仍然不是很高。

圖1 2011-2020年間全局自相關變動趨勢

為了分析各個城市間的是屬于高-高區域集聚，還是屬于低-低區域集聚，研究繼續計算城市之間的局部空間分布自相關系數，并進行Moran散點圖的繪制，如圖2所示。由圖2可知，具有較強空間分布相關性的城市相對較少，且基本分布在第一象限，其屬于高-高區域集聚。說明我國電子商務的空間分布的正相關性基本為高-高區域集聚。同時可以看到，具有較強空間分布相關性的城市為我國東部的沿海以及發達城市，比如廣州、上海、杭州、深圳?？臻g分布呈現負相關性的城市有成都、北京等，這類城市屬于高-低區域集聚。與實體經濟的發展態勢作對比，能夠發現高-高區域集聚的城市發展較為均衡。而具有高-低區域集聚空間分布特征的這類城市發展不均，具體表現為邊緣落后，中部發達，其經濟發展與鄰近區域的發展呈現負相關。表明電子商務的發展態勢與實體經濟的發展態勢具有較高的相似度。

圖2 電子商務局部莫蘭指數散點圖

研究進一步探究電子商務對實體商業的影響作用，電子商務與商用房價以及商/住房價比的散點圖如圖3所示。由圖3可知，若不考慮其他變量，直接考慮電子商務與商用房價格之間的關系，則兩者呈正向相關。而電子商務的發展與商/住房價比呈負相關。這就表明采用商/住房價比代替商用房價是有必要的。此外，還需綜合考慮人口、交通等因素，并將其應用于回歸分析中。

圖3 電子商務與商用房價以及商/住房價比的散點圖

為檢驗電子商務對實體商業分布的影響作用，實驗首先對變量采取單位根檢驗，分別選取PP-Fisher、ADF-Fisher、IPS、LLC四種方法進行平穩性檢驗。同時采用中國的35個大、中城市作為研究對象，驗證結果如表2所示。其中，P值小于0.05表示解釋變量對因變量具有顯著影響關系。由表2可知，商/住房價格比、商/住新開工面積比、電子商務水平、商/住房投資比、城市交通狀況以及全社會零售總額這幾個變量的4種檢驗值均達標，因此其均屬于平穩序列，可直接進行面板回歸。而城鎮化率的ADF-Fisher 以及IPS 檢驗均未通過。但其解釋變量的回歸系數變化較小，可以忽略不計，因此，可直接采用原始序列進行后續的回歸計算。

表2 不同變量的平穩性檢驗

35 個大、中城市的商/住房價格比與各個變量之間的隨機效應模型（Random Effect，RE）、固定效應模型（Fixed Effect，FE）、最小二乘回歸（Ordinary Least Squares，OLS）三種回歸結果如表3 所示。由表3 可知，在第（1）-（3）回歸模型中，可以看到商/住房價格比與電子商務水平均為負相關關系，其系數分別為-0.0657、-0.1543、-0.0820，說明電子商務的發展會降低商用房的價格。在第（4）-（6）回歸模型中，研究在電子商務水平的基礎上增加了商/住房新開工面積比、商/住房投資比、城市交通狀況、全社會零售總額、城鎮化率五個變量，并進行回歸分析。從三種回歸結果可知，在其余變量的約束下，電子商務水平依然與商/住房價格比呈負相關。同時可以發現，在FE回歸結果中，增加了控制變量后的電子商務水平系數變化基本一致，僅相差0.0008，說明研究選取的商/住房價之比指標基本能消除其余影響因素。

表3 電子商務對商用房價的影響回歸結果

三、結論

電子商務的發展對實體經濟的某些部門造成了一定的負面影響。研究對我國電子商務的空間分布特征進行自相關分析，并分析了電子商務對商用房價的影響。結果顯示，具有較強空間分布相關性的城市相對較少，且基本分布在第一象限，且屬于高-高區域集聚。同時可以發現具有較強空間分布相關性的城市為我國東部的沿海以及發達城市。商/住房價格比與電子商務水平均為負相關關系，其系數分別為-0.0657、-0.1543、-0.0820，說明電子商務的發展會降低商用房的價格。同時可以發現，在FE回歸結果中，增加了控制變量后的電子商務水平系數變化基本一致，僅相差0.0008，說明研究選取的商/住房價之比指標基本能消除其余影響因素。說明電子商務的發展對實體零售業的發展起到抑制作用。但研究采用的實證方法在數據的獲取方面存在一定限制，且采用電商數量來表示電子商務的發展水平不夠精確，因此有待進一步改進。