空间计量视角下互联网和物流对商贸业发展的动态影响

沈若怡

（浙江财经大学，浙江 杭州 310018）

空间计量视角下互联网和物流对商贸业发展的动态影响

沈若怡

（浙江财经大学，浙江 杭州 310018）

通过空间计量方法，实证检验了互联网和物流对我国商贸业的动态影响，发现互联网和物流发展对商贸业都有显著驱动力，且互联网发展的驱动作用普遍强于物流发展；但是从动态变化来看，互联网对商贸业的影响有增强的趋势，而物流发展带来的影响却有所降低。

空间计量；互联网；物流；商贸业；动态影响

1 引言

伴随着经济不断发展，我国商贸业得到快速发展，在国民经济中的地位不断攀升。尤其是自中国加入WTO以后，商贸业更是呈现出喷井式增长，而且在商贸业态模式、经营方式、管理模式等方面都取得了显著的成效。另一方面，21世纪以来，我国物流业也得到快速发展，这对我国以批发、零售等为代表的商贸业在渠道构建、降低经营成本、转变发展理念等方面产生了前所未有的冲击，在整体提升商贸业物流服务水平的同时，也迫使商贸业由传统商贸渠道不断转向以物流网络为基础的新兴商贸流通渠道，商贸服务的综合化水平也得以提高。但现阶段，科技革命迎来又一波浪潮，以现代化通信网络技术为基础的互联网不断深入人心，大数据、云计算、电子商务等不断深入商贸服务领域，我国商贸业面临着亟待推向网络化时代的环境。可以说，互联网的发展使我国商贸业的内涵得到重新定义，如果物流发展为我国商贸业渠道打下坚实的流通基础，那么互联网则是这种流通基础的进一步升华。国内虽然有较多学着对互联网、物流和商贸业之间的关系进行探讨，但大多局限在定性层面，而能采用定量方法的研究较少，因此在互联网、物流发展究竟对我国商贸业产生多大影响的问题上未能取得普遍性结论，对于这种影响的动态性则更是鲜有研究涉及。基于此，本文将对这些学术界较少涉及的问题进行研究。

2 空间计量模型及变量数据

2.1 空间计量模型介绍

我国地域宽广，地区民族众多，区域间商贸业发展水平、物流业水平、互联网技术应用能力、居民收入水平等都可能存在明显的差异性，而区域间商贸业发展之间也可能存在一定的空间关联性。而普通的OLS模型则是假定个体之间相互独立的，如果个体之间确实存在空间相关，那么普通OLS回归结果将存在偏差，影响分析结果。为此，本文将采用考虑空间相关性的空间计量模型进行实证分析。

普遍参考国内外学者研究成果，构建以商贸业产出水平为被解释变量，以互联网发展水平、物流发展水平、居民收入水平三个变量为解释变量的计量模型。同时，考虑到我国各地区城乡居民收入水平差距较大，为此在居民收入水平变量方面分出城镇居民收入水平和农村居民收入水平两个变量，分别构建两个模型：

其中，Tradeit表示i地区t期的商贸业产出水平，Internetit表示i地区t期的互联网发展水平，Logisticsit表示 i地区 t期的物流发展水平，Uincomeit、Rincomeit分为表示i地区t期的城镇、农民居民收入水平。W为空间相关性矩阵。ai（i=1，2，3）为系数，εit（或ε'it）为模型的空间误差项，λ为空间相关系数。μit为随机误差项，服从标准差为σ的正态分布。

2.2 变量指标说明

商贸业发展水平（Trade）：采用商贸业的增加值指标表示，具体采用各地区批发和零售业的增加值表示。

互联网发展水平（Internet）：由于我国互联网发展起步较晚，关于各地区互联网发展水平也没有直接的指标统计，本文采用各地区的局用交换机数量对互联网发展水平进行初步衡量。

物流发展水平（Logistics）：目前，我国在区域层面对物流经营总额或者物流增加值方面的统计数据仍然较少，因此本文采用各地区的货运量作为物流发展水平的代理指标。

居民收入水平（Uincome和Rincome）：城镇居民收入水平采用各地区城镇居民人均可支配收入衡量，农村居民收入水平采用各地区农村居民人均可支配收入衡量。

空间地理矩阵W：按照“0-1”原则，如果两个地区i、j在地理位置上拥有公共边界，那么设定wij=1，反之则设定wij=0。特别地，本文约定海南省与广东省拥有公共边界。

2.3 数据样本

本文选择我国大陆31个省、直辖市和自治区作为样本，时期选择为3年，分别为2001年、2008年和2015年。以上变量指标所对应的数据，主要来自国家统计局网站和各地区统计年鉴。考虑到价格因素，对商贸业增加值、城乡居民可支配收入通过相应年份的消费者价格指数进行调整。

3 互联网和物流对商贸业发展动态影响的实证分析

3.1 空间相关性分析

采用GeoDA软件，对我国各地区商贸业发展水平进行空间自相关分析。首先采用Moran指数进行全域自相关检验，得到2001、2008、2013年的Moran值分别为0.241、0.277和0.296，且相应的Z值均较高，这表明了我国各地区商贸业的发展在空间地域上呈现出明显的自相关性，而且这种空间相关程度呈现出逐年递增的趋势。

由于Moran指数仅仅是在整体上衡量商贸业是否存在空间相关性，无法具体考察我国商贸业的局部空间集聚特征，因此再通过LISA检验，分析我国商贸业发展的局部空间集聚特征。

根据LISA检验结果，2001年我国商贸业发展的局部空间集聚和分异特征明显，东部沿海的山东、江苏、上海、浙江、福建、安徽6个地区表现出高高集聚，而西部的新疆、青海、甘肃和四川则表现出低-低集聚。

2008年我国商贸业发展的局部空间集聚和分异特征发生变化，东部沿海的江苏、上海、浙江、北京、天津5个地区表现出高高集聚，而西部的新疆、青海、甘肃、四川和云南则表现出低-低集聚。

2015年我国商贸业发展的局部空间集聚和分异特征在2008年基础上发生微弱变化，东部沿海的江苏、上海、浙江、北京、天津和河北6个地区表现出高高集聚，而西部的新疆、青海、甘肃和云南则表现出低-低集聚。但总体上，商贸业呈现高-高集聚的区域集中在东部沿海一带，而呈现低-低集聚的区域集中在西部。

3.2 互联网和物流对商贸业影响的实证结果与分析

表1给出了2001、2008和2015年分城镇、农村居民收入水平的回归结果。从系数λ在所有回归结果中都显著，可以看出采用空间计量回归比普通OLS回归更加可靠。

表1 回归结果

（1）互联网发展水平对商贸业的动态影响。由表1以城镇居民收入水平为收入变量的结果可知，三年的回归结果中，互联网发展水平的系数都为正，且都通过1%的显著性检验，这从经验上表明了互联网的发展，对我国商贸业具有较为明显的正向促进作用，与本文的预期相符。当前，我国正处在互联网革命的盛期，各行各业都正加快与互联网技术衔接，促进自身行业向智能化、柔性化、服务化发展，我国商贸业也应积极抓住这个机遇，强化互联网技术在本行业内部的渗透，全面推动商贸业向现代化发展。

从纵向对比来看，互联网发展水平对商贸业产出的影响系数从2001年的0.601 2上升到2008年的0.670 1，又上升到2015年的0.732 6。由此充分显示，我国商贸业领域涉足互联网的程度正呈现逐年不断加深的良好状态，互联网技术在商贸业领域的应用面不断拓宽，应用程度不断提高，对商贸业的高层次发展带来重要支撑。

（2）物流发展水平对商贸业的动态影响。仍以城镇居民收入水平为收入变量的结果为例，三年的回归结果中，互联网发展水平的系数都为正，且都通过显著性检验，也从经验上支持了我国物流发展对商贸业具有明显的促进作用的论断。物流业作为我国国民经济的先导产业和基础产业，其产业关联面非常广，深入到其他行业各个领域，物流业的变化很可能引起其他关联行业的变化。商贸业作为与人民生活联系最紧密的行业之一，它的任何领域必然离不开物流的支撑，包括原料配送，以及产品仓储、加工、配送等，因此，物流业的不断发展必然会对商贸业发展带来较大的推动作用。

从纵向对比来看，物流发展水平对商贸业产出的影响系数从2001年的0.429 7降低到2008年的0.299 3，又降低到2015年的0.198 0。这个结果可以看出，物流发展对商贸业的贡献呈现出逐年降低的趋势，该结果也表明了物流发展对商贸业的作用有待加强。

（3）控制变量的结果分析。居民收入水平一直是我国商贸业发展的重要驱动力。回归结果显示，居民收入水平对商贸业的影响系数明显高于互联网和物流的影响系数。对比城镇居民收入水平、农村居民收入水平的系数可知，城镇居民收入对商贸业的影响系数高于农村居民收入，但农村居民收入的影响系数逐年提升较快。

4 结论与建议

4.1 简要结论

本文在空间计量视角下，实证检验了互联网和物流对我国商贸业发展的动态影响。研究发现，互联网和物流发展对我国商贸业都具有显著的推动作用，互联网的作用弹性呈不断提高的趋势，而物流发展的作用弹性却呈现不断下降的趋势；同时，互联网对商贸业的影响系数普遍要高于物流的影响系数。

4.2 对策建议

结合本文的实证分析，本文提出以下三点政策建议，为我国商贸业的发展提供更多政策层面的参考：

第一，国家及各地区应继续不遗余力地巩固物流业在我国商贸业中的地位，进一步强化物流基础设施建设，进一步优化物流网点布局，积极转变物流运输方式和管理理念，推动物流领域不断创新，为我国商贸业发展提供更多、更强的基础支撑。

第二，深化“互联网+”理念，加快互联网技术在商贸业领域应用，促进互联网技术与商贸业领域的产业融合和技术融合，打造互联网商贸服务综合体；同时积极拓展农村互联网，扩大农村商贸服务市场的互联网应用面。

第三，进一步健全我国城乡居民生活的公共服务保障体系，包括继续完善农村地区的医疗服务体系、养老服务体系，强化城乡生活服务设施建设，进一步释放居民的消费潜力，激活城乡商贸市场，使城乡商贸业不断向内涵式发展转型。

[1]Adelaar T,Bouwman H,Steinfield C.Enhancing customer value through click-and-mortar e-commerce：implications for geographical market reach and customer type[J].Telematics and Informatics,2004,21(2).

[2]Glenn Ellison,Edward L Glaeser,William R Kerr.What Causes Industry Agglomeration?Evidence from Coagglomeration Patterns[J].American Economic Review,2010,(100).

[3]李剑桥.我国零售业全面互联网化的战略对策研究[J].商业经济研究,2015,(13).

[4]郭馨梅,张健丽,刘艳.互联网时代我国零售业发展对策研究：基于网络零售与传统零售业融合发展视角分析[J].价格理论与实践,2014,(7).

[5]司增绰,苗建军.商贸流通业的产业特性和产业地位：苏、浙、鲁、粤的比较—基于投入产出模型的实证研究[J].产业经济评论,2011,(3).

[6]刘向东,张小军,石明明.中国流通产业增长方式的转型—基于流通增长方式转换模型的实证分析[J].管理世界,2009,(2).

[7]周杰.信息化水平对我国流通产业发展方式影响的实证研究[J].创新,2012,(6).

[8]章迪平.流通产业发展方式转变实证研究—以浙江省为例[M].杭州：浙江大学出版社,2011.

Dynamic Influence of Internet and Logistics on Development of Commerce and Trade Industries:A Spatial Econometrical Perspective

Shen Ruoyi
(Zhejiang University of Finance&Trade,Hangzhou 310018,China)

In this paper,using the methodology of spatial econometrics,we verified empirically the dynamic influence of the Internet and logistics on the commerce and trade industries in China,finding that both would significantly drive the development of the industries,and more so with Internet than with logistics;moreover,judging from dynamic change,the influence of Internet on the commerce and trade industries was increasing while that of logistics decreasing somewhat.

spatial econometrics;Internet;logistics;commerce and trade industries;dynamic influence

F224.0；F252

A

1005-152X(2017)06-0141-03

10.3969/j.issn.1005-152X.2017.06.033

2017-05-06

沈若怡，男，重庆人，浙江财经大学应用统计学专业学生。