新型城镇化背景下体育用品企业区域网点布局研究*——基于企业区域面板数据的分析

赵世伟

(广东惠州学院，广东惠州 516007)

体育用品制造行业，是体育产业链中的重要组成部分。近年来，随着行业规模的持续膨胀，我国体育用品行业增速有所放缓。行业环境变化，传导至终端消费市场，则是部分体育品牌试图通过调整与优化零售网点布局，以提升企业的经营效率和品牌竞争力。体育地理学研究表明，体育用品销售网点的空间分布与特定区域城市化水平密切相关。［1］城市化率越高的地区，往往也是各体育用品企业竞争较为激烈的市场区域。［2］2014年3月，我国颁布《国家新型城镇化规划(2014年－2020年)》，提出要优化城镇规模结构，加快发展中小城市，有重点地发展小城镇。［3］这对正处于为优化网点布局寻求突破的体育用品企业来说，无疑是一个良好的外部机遇。因此，分析影响我国体育用品企业网点布局的宏观环境因素，以及这些因素的作用方向和重要程度，这对体育用品企业抓住国家新型城镇化机遇，优化企业零售网点在国内不同区域(城市)的布局，从而提高企业经营绩效，促进体育产业可持续发展具有重要现实意义。

目前，国内有关体育用品企业网点布局的研究还相对滞后，且主要是从城市商业空间布局视角入手，分析网点布局所需要考虑的相关因素。例如，刘庆新(2010)［4］、赵兰革(2010)［5］等研究认为，体育用品企业在城市的网点布局主要受城市商业中心、地标建筑、城市规划、交通状况、人口分布等因素影响。现有文献中，大都是从单个城市视角分析影响体育用品企业网点布局的微观因素，较少有从宏观环境视角出发，研究影响企业网点布局的宏观因素。基于此，本文以我国代表上市体育用品企业为研究样本，通过建立面板数据模型，实证分析影响企业网点布局的宏观环境因素。

1 数据样本与变量选择

1.1 数据样本

本文以我国代表体育用品上市公司为研究样本，即李宁、安踏、特步、匹克和361度，共五家上市公司。研究样本区间为2008年－2013年，选取的数据样本为年度数据。之所以选择这个样本区间，主要考虑以下两个因素:一是2008年奥运会后，我国体育用品制造业进入一个快速增长期，企业数量、市场规模、从业人员等均有明显增长;选择这一时期，可以更完整地反映影响国内体育用品制造企业扩张或收缩网点的相关因素。二是2008年后国内体育用品制造企业纷纷上市，样本企业的门店布局数据逐步公开。

本文建模数据主要分两个类型，一是样本企业在不同区域的门店数量数据，该部分数据主要来源于上市公司年报;二是各个区域的宏观经济、人口数量、城市化率等数据，该部分数据则主要来源于各个省份(直辖市、自治区)统计年鉴。

1.2 变量选择

1.2.1 因变量

衡量企业在特定区域的网点布局状况，一般是采用零售网点数量指标。本文结合我国上市体育用品制造企业的年报，采用门店数量作为因变量，以反映企业在不同区域的零售网点分布情况。表1给出了五家样本上市公司2008年－2013年门店数量分布状况。

1.2.2 自变量

在自变量选择上，综合现有研究，本文选择人均国内生产总值、第三产业增加值、城镇家庭人均可支配收入、普通本/专科在校学生数量、城市化率这五个指标作为自变量。具体解释如下:

随着互联网的出现和广泛使用，越来越多传统行业都在与互联网技术结合，形成“互联网+”模式。传统金融行业的借款和贷款业务也在与互联网技术的基础上，形成了互联网金融理财业务和互联网贷款业务。

表1 2008年－2013年国内五家样本上市公司三大区域门店数量变化 单位:间

①人均国内生产总值。一般地，衡量一个区域的经济发展水平，主要有国内生产总值和人均国内生产总值这两个指标。为了更好地消除同一区域内，不同省份(直辖市/自治区)的数据统计差异，本文选择人均国内生产总值作为衡量地区经济发展水平的指标。经济发展水平越高，人们的体育消费能力就越高;另外，经济越发达的地区，相关的体育设施配套也更为齐全，人们对体育用品的需求就越大，企业在该区域内的布局数量就会越多。

②第三产业增加值。该指标主要是衡量地区第三产业的发展状况，指标数值越高，说明地区第三产业越发达。当前，按照我国的产业划分标准，体育事业、体育赛事、体育活动、体育服务等均属于第三产业的内容。因此，第三产业兴旺发展的区域，其相关的体育产业、体育事业等也更为活跃，从而刺激体育用品消费需求。

③城镇家庭人均可支配收入。企业的零售网点布局，与地区城镇居民的消费水平紧密相关。居民的收入越高，其体育用品消费能力就越高;因此，企业在该区域的网点数量则可能会有所增加。

④普通本/专科在校学生数量。在校大学生，是体育运动、体育锻炼的最主要群体，也是体育用品需求最为强烈的群体。因此，区域在校大学生的数量，也是体育用品企业进行网点布局时考虑的因素之一。

⑤城市化率。一般地，城市化率=地区城镇人口数量/地区总人口数量。它是衡量地区城市发展水平的主要指标。城市化率愈高的地区，其城市建设、基础道路、体育设施等就愈完善;同时，城市化率越高的地区，一般其体育文化氛围也更加浓厚，人们参与体育锻炼的积极性也会更高。

表2给出了我国体育用品企业网点布局影响因素实证模型中所采用的变量;表3则是给出了各个变量的描述性统计特征。

表2 实证模型变量一览

表3 实证模型变量一览

从表3的描述性统计结果中可以发现:一是2008年－2013年间，我国体育用品企业在北部、东部和南部这三大区域的门店数量在7390家至13935家之间;同时，从最小值(最大值)与均值的比较中可以发现，均值更加接近最大值一方，表明我国近五年来体育用品企业在三大区域的门店数量有较明显增长。二是从自变量的描述性统计特征中可以发现，人均国内生产总值、第三产业增加值、人均收入以及在校学生数量这四个指标的差异较大;从标准差中可以看出，人均国内生产总值和在校学生数在三大区域中的差异较为明显。

2 计量模型与实证结果分析

2.1 平稳性检验

为考察面板数据的平稳性，本文采用LLC(Levin－Lin－Chu)、Fisher－ ADF和Fisher－PP、Hadri方法对各变量序列进行单位根检验，结果参见表4。由于采用对数形式能有效消除不同变量之间的数量级差异，故本文对模型变量进行对数处理。从表4可知，变量LnMDSL、LnDSCY和LnZXXS为零阶单整序列，而LnRJGDP、LnRJSR和 LnCSHL则为一阶单整序列。由于变量个数大于两个，且因变量的单整阶数低于自变量的单整阶数，因此可以进行协整检验，以考察变量间的长期关系。

表4 各变量序列单位根检验结果一览

表5 模型因变量与自变量协整关系检验结果一览

2.2 模型形式选择

在进行面板数据模型的参数进行估计之前，必须先确定模型的形式，才能避免估计结果出现较大偏差，从而确保模型参数估计的有效性和无偏性。一般地，面板数据模型主要有混合模型、固定效应模型和随机效应模型。通常是采用F检验来确定是选择混合模型，或者是固定效应模型;其次，运用Hausman检验来判断是建立随机效应模型，还是固定效应模型。

表6的F检验结果表明，面板数据模型的P值小于0.01，拒绝构建混合模型的原假设，应建立个体固定效应模型。此外，由于研究截面个数少于模型变量个数，因此将运用个体固定效应模型对体育用品企业网点布局影响因素进行分析。

表6 F检验结果一览

2.3 实证结果与分析

2.3.1 体育用品企业网点布局影响因素的固定效应模型

为考察我国体育用品制造企业网点布局影响因素的固定效应，建立如下计量模型，具体如式(1)所示。

其中，因变量MDSL表示门店数量，自变量RJGDP、DSCY、RJSR、ZXXS和CSHL分别表示人均国内生产总值、第三产业增加值、人均可支配收入、本/专科在校大学生数和城市化率;下标i=1，2，3，分别代表北部、东部和南部三大区域;下标t则表示序列的观测期;为随机扰动项。

2.3.2 实证结果分析

运用Eviews6.0对计量模型进行回归，结果如表7所示。在回归过程中，为考察城市化率对体育用品企业网点布局的影响，本文将CSHL作为控制变量进入回归模型。在表7中，模型(1)是未加入CSHL变量的回归结果，而模型(2)则是加入CSHL变量的结果。

表7 面板数据模型回归结果

根据表7的结果，尽管自变量的系数符号保持一致，但是从显著性、调整R2，以及D.W值来看，加入CSHL变量模型(2)的回归结果要优于模型(1)。由此可以看出，城市化率水平是解释我国体育用品制造企业网点布局数量变化的一个重要因素。下面主要针对模型(2)的输入结果进行分析。

(1)人均国内生产总值(RJGDP)变量。由表7可知，人均国内生产总值的回归系数为正，且在1%的显著水平下通过检验。这说明，我国人均国内生产总值的增加将会对体育用品企业的网点数量产生正向影响。从模型(2)的回归系数来看，当人均国内生产总值每提高一个百分点，那么我国体育用品企业的零售网点数量将增加0.98个百分点。

(2)第三产业增加值(DSCY)变量。从表7可以看到，第三产业增加值的系数显著为正。这表明，国内各个区域第三产业的发展程度越高，那将会对体育用品制造企业的布局将产生更大的正向促进作用。具体来看，模型(2)的输出结果说明，第三产业增加值每增加一个百分点，那将促使体育用品企业的门店数量增加2.71个百分点。

(3)城镇居民家庭人均可支配收入(RJSR)变量。由表7的输出结果可知，无论是模型(1)，或是模型(2)，RJSR变量的系数符号都为负号，而且都在1%的显著水平下通过检验。实证分析结果显示，当区域人均收入增加一个百分点时，体育用品制造企业所布局的门店数量将下降3.46个百分点，这与基本假设不符合。一般认为，人均收入水平越高，可用于体育消费的资金越充足，从而增加体育消费的有效需求，刺激体育用品企业增加零售网点数量。实证结果系数为负，本文认为，其中原因可能在于:一是近年来国际知名体育品牌(如耐克、阿迪达斯等)，加快了在国内一线及主要二线城市的布局，这些城市的居民收入水平往往较高。国际知名品牌凭借其强大的影响力，迅速抢占高端体育用品市场，挤压了国内体育用品企业的生存空间，迫使本土品牌减少在部分城市的门店数量。二是2008年－2010年间，国内体育用品企业无论是在前端产能规模，还是在终端消费的渠道布局方面，均呈现爆发式增长。这种增长的后果，则是体育用品企业在部分区域城市的竞争趋于白热化，甚至大打价格战。2011年后，部分企业逐步减少部分竞争过于激烈城市的门店数量，以谋求战略转型。企业的这种主动退出，则主要是从人居收入较高的一线(或二线)城市开始进行调整。

(4)在校学生数量(ZXXS)变量。根据模型(2)的输出结果可知，区域的在校本/专科大学生数量与体育用品企业的网点布局密切相关。具体来看，一个地区的在校大学生数量每增加一个百分点，而体育用品企业在该地区的门店数量则会增加2.1个百分点。一直以来，在校大学生都是体育用品消费的主要群体，区域大学生人数越多，其对体育用品消费需求越旺盛，从而体育用品企业在该区域的门店数量布局则越多。本文研究结论与姜卫德(2003)［6］、赵兰革(2010)［7］等研究成果保持一致。

(5)城市化率(CSHL)变量。从表7可以看到，增加CSHL变量之后，模型的调整R2从模型(1)的0.8977，提高到模型(2)的0.9665;同时，模型中通过显著性检验的变量数量由2个变成5个;另外，D.W统计量值也更为合理。从模型构建角度上看，城市化率水平是影响我国体育用品企业网点布局的一个关键因素。从模型(2)的输出结果上看，城市化率对因变量的影响程度也最大，即区域城市化率每提升一个百分点，将刺激体育用品企业在区域内的门店数量增加6.7个百分点。人口在向城镇迁移的过程中，不仅为城市带来了大量的消费人口，而且还对政府完善城市基础设施建设、举办体育活动(赛事)等提出了间接要求。而这，将不断增加城镇居民的体育消费需求，刺激体育用品企业增加零售网点布局。

3 结论

体育用品企业的零售网点，是体育用品企业实现销售的主要渠道之一。它不仅为消费者的购买和体验提供便利，而且还是企业进行品牌宣传，打造品牌形象的重要窗口。体育用品企业的网点布局策略，将会直接影响到企业的经营绩效和品牌竞争力。本文利用国内代表上市公司2008年－2013年的面板数据，实证分析了影响体育用品企业网点布局的宏观因素，得出以下结论:

(1)在现有研究成果基础上，构建了影响体育产业网点布局的面板数据计量模型，回归结果显示所选取的五个自变量均在1%的水平下通过显著性检验，而且调整R2值达到0.9665，实证模型可以较好地解释了因变量的变化情况。

(2)从各自变量对因变量的影响来看，城市化率、第三产业增加值、在校大学生数和人均GDP对体育用品企业的网点布局产生正向影响。其中，城市化率对企业网点布局的影响程度最为明显。未来，随着国家新型城镇化的深入推进，国内正处于城市化加快发展阶段的中小城市，将给体育用品企业带来新的市场机遇。国内体育用品制造企业应密切关注不同区域(或城市)的城镇化进程，并制定与之相适应的网点布局策略，才能更好地把握新型城镇化带来的战略机遇。此外，对于城镇化水平已经处于较高水平的区域(或城市)，体育用品制造企业也要灵活调整网点布局策略，该撤则撤，以维护经销商利润，避免恶性竞争。

(3)实证分析结果表明，人均收入变量与体育用品企业的网点布局数量呈负相关。本文认为，这可能与国际知名体育品牌在人均收入较高城市的扩张，致使本土品牌被动减少门店数量有关;此外，还可能与本土品牌出于战略转型考虑，主动收缩部分一线或二线人均收入较高、竞争较激烈城市的网点布局有关。

［1］史兵.关于体育地理学研究内容的讨论［J］.西安体育学院学报，2006(1):1－5

［2］王静.体育产业与城市化关联性分析［J］.沈阳体育学院学报，2005(3):25－26

［3］中华人民共和国中央人民政府.国家新型城镇化规划(2014－2020年)［EB/OL］.2014－03－16.http://www.gov.cn/zhengce/2014－03/16/content_2640075.htm

［4］刘庆新，史兵，雷欢欢，等.城市体育用品销售中心空间分布研究——以西安市为例［J］.西安体育学院学报，2010，27(2):129 －132

［5］赵兰革.体育用品销售行业地理空间分布研究——以烟台市为例［J］.北京体育大学学报，2010(10):17－20

［6］姜德卫.烟台市城镇居民体育消费水平与体育产业发展的现状分析［J］.山东体育科技，2003，25(2):76－77