我国网络零售市场交易规模实证研究

李小锋+蒋勇

内容摘要：随着电子商务的发展，我国电子商务交易额逐年增长，电子商务在促进经济增长中的作用更加显现；电商网络零售市场规模的逐年增长使得电商主体在经济社会中的地位不断提升。本文利用回归分析法分别建立了我国年网络零售交易规模和B2C企业网络购物交易市场占有率的预测模型，使网络零售市场相关经济关系得以量化，为政府和电商企业进行精准市场预测提供了模型支持，对政府和电商企业的科学合理决策具有一定的指导意义。

关键词：网民规模 网络零售市场交易额 网民覆盖人数比例 市场占有率 回归分析

引言

随着电子商务的发展，我国电子商务交易额逐年增长，电子商务在促进经济增长中的作用更加显现；电商网络零售市场规模的逐年增长使得电商主体在经济社会中的地位不断提升。由此“十二五”规划把发展电子商务列为我国经济发展的重点。作为政府，如何在既有经济技术条件下促进消费，提升国家经济发展水平是经济问题研究的重点，也是政府决策的核心问题；电商企业是我国网络零售市场中的主力军，提升电商企业的网络零售交易规模就是提升整个国家的网络零售交易规模。作为电商企业，如何科学预测电商网络零售市场容量，分析自身市场地位，制定市场发展的合理决策也是一个值得研究的问题。根据电子商务和市场营销学科相关理论知识，我们知道网民规模的增长有助于促进网络零售交易额的增长，企业网站点击率的提升有助于企业销售额和市场占有率的提升，但具体量化关系缺乏解释。本文针对以上问题从网络零售交易规模和电商企业市场占有率两个角度分析并提出相应的预测和决策模型，明确了各经济指标之间的量化关系，对政府和电商企业的科学合理决策具有一定的指导意义。

文献综述

目前国内学者任丽丽、陆秋君（2013）在基于模糊线性回归的电子商务交易额预测中基于Coppi等的研究，对电子商务交易额数据为因变量进行预测，选取对电子商务交易额影响较显著的网民数、CN域名数、网站数、国际出口带宽四个指标为自变量建立回归方程，从清晰输入、模糊输出角度出发，讨论回归模型的结构，考察对电子商务交易额的拟合预测。李荣霞（2006）在网络环境对我国电子商务影响的定量分析中用一元线性回归分析法对网民数和电子商务交易额之间建立了统计模型。纵观国内外相关研究，关于网民规模与网络购物用户规模之间关系的实证研究较少，对电商企业网络零售市场占有率与电商平台网民覆盖的比例的研究也仅仅停留在理论研究的范畴，并没有对其进行量化实证研究，本文利用回归分析对以上两种关系做了实证分析。通过实证分析量化和考证了各个经济指标之间的关系，同时也印证了经济理论的科学性。

网络零售概述

（一）网络零售的定义

网上零售是企业或个体指借助B2C网站或C2C平台向个人或家庭提供产品或服务的销售行为。网络零售包括所有针对终端顾客的电子商务活动，这里的顾客主要指普通的个人或普通的家庭，并不包括生产性顾客（谢人强、田娴，2010），所以可以认为网络零售就是指借助互联网向个人消费者零售商品或服务（李永发，2013）。

（二）网络零售市场相关理论基础

基于电子商务和市场营销学的理论，可以知道，网络零售市场规模受网民规模以及购物网民规模的影响，同时也与企业的市场规模有关。网络规模增大，购物网民规模也会增大，网络零售市场的规模就会变大；同时在电商企业数量不变的情况下，各个电商企业的网络零售规模增大，整个社会的网络零售规模也会随之增大，网络零售交易额占社会消费品的零售总额也会变大。为了进一步明确这些理论描述的经济变量之间的相互关系，本文利用回归分析法对上述经济变量进行进一步分析。

我国网络零售交易规模发展现状

（一）网络零售规模逐年增加

根据表1数据，2012年我国网络零售市场交易规模达1.3万亿元，2013年达1.9万亿元，同比增长46.2%。我国网络零售市场交易额逐年增长。剔除掉2007年以前的不平稳数据，以2007年作为基年即自变量时间x=1，用Excel做简单回归分析得到我国网络零售交易额随时间变化的二次方程为：y=0.0525x2- 0.1281x+0.1502，R2=0.997，拟合度较好，根据方程推测2014年我国网络零售交易额约为2.48万亿。

（二）网络购物规模占社会消费品零售总额比例逐年增加

网络零售市场交易规模占社会消费品零售总额的比例是衡量电商企业对消费促进作用的重要指标。根据表1数据显示，2005-2014年我国网络零售市场交易额即网络购物规模占社会消费品零售总额比例随时间逐年增长，用Excel软件进行简单线性回归分析得出增长关系方程：y=0.0013x2- 0.003x+0.0038，拟合度R2= 0.9973，拟合较好，y代表网络购物规模占社会消费品零售总额比例，x代表时间年，以2005年为基年即第一年，后续年份按照自然数顺序逐次类推。可见电商对社会消费的促进作用逐年增强。

（三）网络零售交易额与购物网民规模相关分析

通过Excel软件对表1中2005-2013年购物网民规模与网络零售交易额数据绘制直方图。从图1可以看出，购物网民规模与网络零售交易额之间存在线性相关性。

分别建立它们的变量，令y=网络零售交易额（万亿），x=购物网民规模（亿人），用Spss20.0首先进行相关性分析，发现两变量之间的Pearson Correlation为0.972，sig为0.000，显然相关。进行曲线回归分析：通过幂函数回归分析，发现其R2为 0.995，非常接近于1，拟合度较好，方差sig为0.000。各估计参数显著性如表2所示，各项分析指标满足回归分析要求。

根据表2，网络零售交易规模与网民规模之间的关系可用方程：lny= ln0.21+ 2.006 lnx，其方程曲线如图2所示，根据图2可发现网络交易规模的增长要远快于网民规模，网民规模的增长对促进网络零售交易规模有着非常大的推动作用。endprint

我国互联网发展现状

（一）网民人数和网络购物人数逐年增长

1.我国网民规模持续增长。根据表1数据，2005-2013年间，随着我国城镇化建设举措的推进和城市信息化建设步伐的加快，互联网普及率（网民人数占总人口的比例）逐年上升，网民规模也逐年增长。 2013年我国网民规模61758万人，互联网普及率提升到了45.4%。

因为表1中2009年以前的网民发展趋势不平稳，所以剔除掉，用Excel对2009-2013年的数据进行简单回归分析，得出网民规模的预测方程：y = -316.71x2 + 7638.9x + 31287，拟合度R2 = 0.9988，拟合较好，y代表网民规模，x代表时间年，以2009年为基年即第一年，后续年份按照自然数顺序逐次类推预计2014年我国网民人数约65719万人。

2.网络购物用户规模逐年攀升。随着我国互联网的普及和电子商务应用的发展，电子商务的快捷方便、不受地域限制，选择范围广，方便快捷的特点深入人心，加之支付、物流等网络购物环境日趋完善与成熟和电子商务企业众多的促销活动的吸引，网络购物已深入千家万户，成为万千消费者购买产品的首选消费方式，网购不再是年轻人的专属，越来越多的大龄网民也加入到了网络购物这个大群体中。

根据表1数据显示，我国网络使用率（网络购物的人数占总网民人数的比率）逐年上升，2013年达到了48.9%，相比2012年增长6个百分点。购物网民数量达到了30189万人，这表明我国电子商务发展动力基础网络购物用户规模正在不断壮大。

（二）网民规模与网络购物人数的相关性分析

用Excel软件对表1中网络购物用户人数和网民规模数据绘制直方图，如图3所示。可看出网络购物用户人数和网民规模之间存在相关性。设变量Y代表网络年购物人数（万人），变量X代表年网民人数（万人），用spss20.0进行相关性分析，两者之间的Pearson Correlation为0.967，sig为0.000，相关性较为显著。通过二次曲线回归分析发现其R2为0.998，非常接近于1，sig为0.000，拟合度比较高。所以选择了该分析结果，如表3所示。

根据分析结果，其方程为：

Y=4091.497-0.197X+ 0.000009906X2

用spss20.0绘制的该模型方程图，如图4所示。从图4可看出，该方程的拟合情况较好。证明该模型方程可大致反映网络购物用户和网民规模之间的关系，可见随着网民规模的增加，网络购物用户的规模将得到进一步扩展。

B2C企业网络零售市场占有率与电商平台相关性分析

根据艾瑞咨询数据显示，2013年中国网络购物市场中B2C交易规模达6500亿元，在整体网络购物市场交易规模的比重达到35.1%，较2012年的29.6%增长了5.5个百分点。从增速来看，B2C市场增长迅猛，2013年中国网络购物B2C市场增长68.4%，远高于C2C市场30.9%的增速。随着竞争的加剧，个人网商在质量、服务、信誉方面的缺陷，将会使其市场份额逐渐降低，甚至淘汰出局，加之越来越多的传统企业将会加入B2C电商群体的行列，B2C市场将继续成为网络购物行业的主要推动力。预计到2017年，B2C在整体网络购物市场交易规模中的比重将超过C2C，达到52.4%（张向丽，2014）。

可见电商企业市场零售额是整个网络零售市场交易额的主力，研究B2C电商企业市场零售额对研究整个电商市场具有指导意义，根据中国互联网数据平台和中国电子商务研究中心监测数据获得表4 的数据。用Excel绘制相关数据折线图，如图5所示。

从图5发现B2C购物网站网络购物交易市场份额占比分别与总覆盖人数比例和日均覆盖人数比例呈线性相关状态，建立它们对应的变量，根据spss20.0进行Pearson Correlation分析，B2C企业网络购物交易市场份额占比与总覆盖人数比例以及日均覆盖人数比例的相关性数据分别为：0.978、0.971.显著性均为0.000，可见变量之间明显相关，结合一元线性回归分析，网络购物交易市场份额占比与总覆盖人数比例之间的关系如表5所示。

根据回归分析结果，sig值都小于0.05，所以满足模型方程：

B2C企业网络购物交易市场份额占比= 0.779*网站总覆盖人数比例-0.133

另外网络购物交易市场份额占比与日均覆盖人数比例之间的关系因常数项T值显著性检验sig=0.451，大于0.05，不能通过而被放弃，这点与前面的相关性分析结果相对应。

根据以上分析结果，网络购物交易市场份额占比与总覆盖人数比例之间呈正相关关系，B2C电商要尽可能通过各种方法提高购物网站总覆盖人数比例才能提高网络购物交易市场份额占比。B2C电商的用户占有率决定了其市场占有率。

预测模型总结及相关建议

（一）预测模型总结

根据以上实证分析得出如下三个主要经济模型：

模型一：lny= ln0.21+2.006 lnx

{y=网络零售交易额（万亿），x=购物网民规模（亿人）}

模型二：Y=4091.497-0.197X+ 0.000009906X2

{Y=购物网民规模（万人），X=网民规模（万人）}

模型三：B2C企业网络购物交易市场份额占比=0.779*网站总覆盖人数比例-0.133

根据“我国网民规模持续增长”部分Excel简单预测2014年我国网民人数约为65719万人，代入模型二，得出2014年购物网民规模约为33929万人，约3.4亿人，代入模型一，得网络零售交易额约为2.45万亿。与根据网络零售交易额数据直接回归预测的结果2.48万亿相差不大，证明了前述模型符合电商市场相关经济理论，其推断结果具有一定科学合理性。endprint

（二）提升网络零售交易额的建议

根据电商市场管理理论结合以上模型分析，电商企业可以根据自身平台的点击情况来预测自身的网络零售市场占有率，政府要不断推进互联网的建设和发展，提高我国互联网的普及率，才可以提高购物网民的比例，进而促进我国网络零售市场交易额的增长和社会经济水平的提升，电商企业要在激烈的市场竞争中赢得一席之地，必须大力推广自己的网站平台，提高市场占有率。

参考文献：

1.Coppi C，D'Urso P，Giordani P，Santoro A.Least Squares Estimation of a linear Regression Model with LR Fuzzy Response[J].Computational Statistics and Data Analysis，2006，51

2.任丽丽，陆秋君.基于模糊线性回归的电子商务交易额预测[J].统计与决策，2013（3）

3.李荣霞.网络环境对我国电子商务影响的定量分析[J].辽宁行政学院学报，2006（6）

4.谢人强，田娴.网络零售的影响因素分析及其发展策略研究[J].上海商学院学报，2010（6）

5.李永发.中国网络零售生态系统的扩容[J].贵阳学院学报（自然科学版），2013（4）

6.CNNIC.第30-31次中国互联网络发展状况统计报告&2009-2012中国网络购物调查研究报告[OL].2010-2013. http：//www.cnnic.cn/hlwfzyj/hlwxzbg/hlwtjbg/

7.中国电子商务研究中心.2013年（上）中国电子商务市场数据监测报告 [OL].http：//www.100ec.cn/zt/2010bgdz/，2013

8.张向丽.艾瑞咨询[OL].http：//ec.iresearch.cn/shopping/20140114/224908.shtml，2014

作者简介：

李小锋（1979年-），男，陕西富平人，塔里木大学讲师，主要研究企业信息管理与产业信息化。

蒋勇（1972年-），男，湖北武汉人，博士，华中农业大学经济管理学院副教授，主要研究信息经济与产业发展。endprint

（二）提升网络零售交易额的建议

根据电商市场管理理论结合以上模型分析，电商企业可以根据自身平台的点击情况来预测自身的网络零售市场占有率，政府要不断推进互联网的建设和发展，提高我国互联网的普及率，才可以提高购物网民的比例，进而促进我国网络零售市场交易额的增长和社会经济水平的提升，电商企业要在激烈的市场竞争中赢得一席之地，必须大力推广自己的网站平台，提高市场占有率。

参考文献：

1.Coppi C，D'Urso P，Giordani P，Santoro A.Least Squares Estimation of a linear Regression Model with LR Fuzzy Response[J].Computational Statistics and Data Analysis，2006，51

2.任丽丽，陆秋君.基于模糊线性回归的电子商务交易额预测[J].统计与决策，2013（3）

3.李荣霞.网络环境对我国电子商务影响的定量分析[J].辽宁行政学院学报，2006（6）

4.谢人强，田娴.网络零售的影响因素分析及其发展策略研究[J].上海商学院学报，2010（6）

5.李永发.中国网络零售生态系统的扩容[J].贵阳学院学报（自然科学版），2013（4）

6.CNNIC.第30-31次中国互联网络发展状况统计报告&2009-2012中国网络购物调查研究报告[OL].2010-2013. http：//www.cnnic.cn/hlwfzyj/hlwxzbg/hlwtjbg/

7.中国电子商务研究中心.2013年（上）中国电子商务市场数据监测报告 [OL].http：//www.100ec.cn/zt/2010bgdz/，2013

8.张向丽.艾瑞咨询[OL].http：//ec.iresearch.cn/shopping/20140114/224908.shtml，2014

作者简介：

李小锋（1979年-），男，陕西富平人，塔里木大学讲师，主要研究企业信息管理与产业信息化。

蒋勇（1972年-），男，湖北武汉人，博士，华中农业大学经济管理学院副教授，主要研究信息经济与产业发展。endprint

（二）提升网络零售交易额的建议

根据电商市场管理理论结合以上模型分析，电商企业可以根据自身平台的点击情况来预测自身的网络零售市场占有率，政府要不断推进互联网的建设和发展，提高我国互联网的普及率，才可以提高购物网民的比例，进而促进我国网络零售市场交易额的增长和社会经济水平的提升，电商企业要在激烈的市场竞争中赢得一席之地，必须大力推广自己的网站平台，提高市场占有率。

参考文献：

1.Coppi C，D'Urso P，Giordani P，Santoro A.Least Squares Estimation of a linear Regression Model with LR Fuzzy Response[J].Computational Statistics and Data Analysis，2006，51

2.任丽丽，陆秋君.基于模糊线性回归的电子商务交易额预测[J].统计与决策，2013（3）

3.李荣霞.网络环境对我国电子商务影响的定量分析[J].辽宁行政学院学报，2006（6）

4.谢人强，田娴.网络零售的影响因素分析及其发展策略研究[J].上海商学院学报，2010（6）

5.李永发.中国网络零售生态系统的扩容[J].贵阳学院学报（自然科学版），2013（4）

6.CNNIC.第30-31次中国互联网络发展状况统计报告&2009-2012中国网络购物调查研究报告[OL].2010-2013. http：//www.cnnic.cn/hlwfzyj/hlwxzbg/hlwtjbg/

7.中国电子商务研究中心.2013年（上）中国电子商务市场数据监测报告 [OL].http：//www.100ec.cn/zt/2010bgdz/，2013

8.张向丽.艾瑞咨询[OL].http：//ec.iresearch.cn/shopping/20140114/224908.shtml，2014

作者简介：

李小锋（1979年-），男，陕西富平人，塔里木大学讲师，主要研究企业信息管理与产业信息化。

蒋勇（1972年-），男，湖北武汉人，博士，华中农业大学经济管理学院副教授，主要研究信息经济与产业发展。endprint