广义城市商圈竞争力评价指标体系构建与实证研究

摘要：按照竞争力来源，将影响广义城市商圈竞争力的因素，分为区位要素、规模要素、品牌要素、业态要素，运用取层次分析法对广义城市商圈竞争力进行了分析。进一步运用因子分析法，提出了广义城市商圈资产因子和人口因子，算出了全国31个省会城市的城市商圈竞争力的单项得分和综合得分，并进行了排名和聚类。按竞争力分为四类，第一大类是北京、上海具有最强竞争力的广义城市商圈，第二大类是天津、广州、重庆、成都的广义城市商圈，第三大类主要是中东部地区城市的广义城市商圈，第四大类主要是西部地区城市的广义城市商圈。最后指出广义城市商圈资产因子和人口因子是提升广义城市商圈竞争力的关键。

关键词：广义城市商圈;竞争力;评价指标;实证研完

中图分类号：F290 文献标识码：A 文章编号：1674-9448（2018） 04-0073-09

一、广义城市商圈的内涵

城市商圈是城市经济最为活跃的因素，较早引起了经济学界和地理学界的关注。商圈理论从思想源泉上可以追溯到英国近代经济学家阿尔弗雷德·马歇尔（Marshall，Alfred，1890），他从经济外部性角度对企业在同一区域集中的现象进行了解释，提出产业集群是外部性导致的观点[1]。商圈理论基础主要是中心地理论和零售引力法则，前者由德国城市地理学家克里斯塔勒（W Christaller，1933）正式提出商圈和开设点的概念[2]，被后续研究者‘广泛借鉴应用。从今天的角度来看，克里斯塔勒意义上的商圈属于狭义的商圈范畴，其界定的中心地是向居住在它周围地域的居民提供各种货物和服务的地方，商圈和开设点属于单个企业的微观范畴，因此可视为狭义的商圈。

本文从单个企业向企业集聚进行拓展，从广义城市商圈的角度出发进行界定，把城市商业企业集聚在一定区域内提供商品和服务的范围称为广义城市商圈，相对于单个企业的商圈概念来说，属于宏观视角的广义城市商圈。这为广义城市商圈竞争力指标选择提供了理论基础和便利。

二、广义城市商圈竞争力来源

广义城市商圈及竞争力的研究成果，近年实际上还是取得了一定进展，只不过现有研究成果并没有明确界定是广义的城市商圈，但其实质是广义的城市商圈，因为大部分城市商圈定量研究的指标大多选择了城市的社会消费品零售额，批发和零售业的企业数量、年末从业人数、商品销售额、资产总额和利润等指标，而这些指标不是严格意义上的微观或者狭义的城市商圈指标。李勇（2007）以重庆解放碑商圈为例，分析了CBD品牌结构升级与高端集群模式构建[3]，涉及到了广义城市商圈竞争力的品牌问题。崔敬（2012）论述了区位因子从微观向宏观的演化，并对商业区位因子进行了分析[4]，涉及到了广义城市商圈竞争力的区位问题。曾艳（2014）在研究重庆五大城市商圈竞争力时，运用的十个指标体中就有商品销售总额、社会消费品零售总额数据两类数据[5]。关秋燕，颜波（2017）运用了地区GDP、社会消费品零售总额、货运总量、交通运输仓储和邮政业固定资产投资增长率、第一产业增加值、第二产业增加值、批发零售业产值、铁路里程、公路里程、港口吞吐量等偏宏观的数据来进行广佛肇商圈物流产业竞争力综合评价[6]。吴忠才，柳思维（2018）运用多源时空POI大数据基于核密度和空间面板模型，指出常住人口、人均可支配收入、全社会固定资产投资额、住宿和餐饮业这四个指标对北京城市商圈具有显著影响[7]。吴忠才，唐红涛（2018）运用高德导航路径规划API，使用交通等时线方法，构建了小汽车、公共交通、自行车和步行四种不同交通方式等时线商圈，指出不同交通方式的等时线商圈具有不同的空间形态和空间结构特征，提出加强快慢综合立体交通规划、优化城市商圈布局，提高城市商圈竞争力[8]。何建武（2018）使用产品自身、购物环境、体验因素、配套因素四个一级指标对电商冲击下大型购物中心聚客力大小进行了分析[9]。李丹，刘春红等（2018），通过构建解释结构模型，指出时尚产业发展和布局要着重考虑区位因素及要素集聚程度[10]。通过对现有文献的梳理，可以将城市商圈竞争力来源进行分类，将影响城市商圈竞争力的因素，提炼为商圈区位、商圈规模、商圈业态、商圈品牌四大来源，即广义城市商圈竞争力的四要素。

三、基于要素构成的广义城市商圈竞争力分析

继续探讨城市商圈的区位要素、规模要素、品牌要素、业态要素对广义城市商圈竞争力的影响。从研究方法和数据获取角度考虑，因为城市商圈的区位要素、品牌要素、业态要素等三个指标难以量化，所以选取层次分析法中的标度法，对城市商圈的四要素进行两两比较，从而运用AHP法（Analytic Hierarchy Process，簡称AHP），进行广义城市商圈竞争力分析。AHP法的研究步骤一般是先构建递阶层次结构，再构造两两判断矩阵，并计算单一指标下元素的相对权重，然后再计算各层元素的组合权重。

首先，构建广义城市商圈要素竞争力递阶层次结构，具体来说把拟解决的目标广义城市商圈竞争力作为目标层T（target），以城市商圈竞争力的四要素，即分别以商圈区位、商圈规模、商圈品牌、商圈业态作为中间的准则层（criterionC₁，C₂，C₃，C₄，以P₁，P₂，P₃作为方案层（project）。

其次，构造广义城市商圈要素竞争力两两比较判断矩阵。以中间准则层为基础，把影响广义城市商圈竞争力的要素，进行两两相互比较，计算广义城市商圈单一指标下各要素的相对权重（表1.A），并运用一致性指标CI、随机一致性指标RI，计算一致性比率CR，进行判断矩阵的一致性检验。

在广义城市商圈竞争力两两比较判断矩阵的一致性检验中，λ_max=4.021，CI=0.007，RI=0.900，CR=0.008。CR<0.1，一致性检验通过。接下来用广义城市商圈竞争力C₁、C₂、C₃、C₄分别与P₁、P₂、P₃构造判断矩阵并分别进行一致性检验，经计算CR指标依次为0.009、0.003、0.033、0.016，均通过一致性检验。广义城市商圈竞争力两两比较判断矩阵结果显示，C1即广义城市商圈区位要素的权重占到了51.5%，权重占比超过50%，说明区位要素在城市商圈竞争力中是最重要和最关键的要素，而区位要素的基础又是企业选址，因此企业选址就直接决定了城市商圈竞争力的强弱。城市商圈竞争力权重并列排在第二位的是城市商圈业态要素和城市商圈规模要素，权重值都是19%，比城市商圈品牌要素10.5%权重的两倍略小。

最后，计算广义城市商圈要素竞争力组合权重，如表1.B所示。上述两两判断矩阵实际为层次单排序，利用所有层次单排序的结果，计算针对上一层次C而言，本层次P所有因素重要性的权值，即层次总排序，就可以得到广义城市商圈要素竞争力组合权重（表1.B）。方案层P1、P2、P3的总排序权重依次为0.587，0.213，0.2，再进行一致性检验，CI=0.007，RI=0.580，CR=0.012。CR<0.1，层次总排序一致性检验通过，方案P1优于其他两个方案，是经过层次分析法确定的可供选址的方案。

四、广义城市商圈竞争力评价实证分析

（一）广义城市商圈竞争力评价模型指标体系及数据采集

根据广义城市商圈的内涵，可以推导影响城市商圈竞争力的主要基础指标体系有：社会消费品零售总额（X1，单位万元）、年末总人口（X2，单位万人）、固定资产投资（X3，单位万元）、在岗职工工资总额（X4，单位万元）、公路客运总量（X5，单位万人）、公路货运总量（X6，单位万吨）、居民人民币储蓄存款余额（X7，单位万元）、建成区面积（X8，单位平方公里）、年末实有城市道路面积（X9，单位万平方米）、年末实有公共汽（电）车营运车辆数（X10，单位辆）、年末实有出租汽车数（X11，单位辆）等，本文选择这11个指标作为观测变量，样本是全国31个省自治区直辖市的首府，数据来源于《中国城市统计年鉴2017》，指标体系及原始数据如表2所示，各指标描述性统计如表3所示。

从上表3可以看出，广义城市商圈竞争力11个指标的最大值和最小值之间相差都很悬殊，各指标的最小值都是拉萨市的，最大值基本都是北上广和沿海省份城市。平均值是描述广义城市商圈竞争力数据集中趋势的重要指标，而标准差则是衡量样本数据离散程度的重要指标。

（二）广义城市商圈竞争力指标标准化及相关检验

广义城市商圈竞争力的11个指标，其经济意义和单位都不尽相同，需要对各指标进行标准化的无量纲处理，从而消除量纲的影响，然后计算各变量的相关关系。运用SPSS23.0计算得到如表4所示的城市商圈竞争力指标相关系数矩阵表和单侧统计检验值。

表4显示广义城市商圈大部分相关系数都大于0.3，且各系数的相关性检验几乎都在1%的显著性水平上通过检验，说明这些变量两两之间是显著相关的，初步证明这11个变量可以作广义城市商圈竞争力因子分析。

（三）广义城市商圈竞争力指标KMO统计检验

尽管广义城市商圈竞争力指标两两之间显著相关，但是否适合做因子分析，还需要进一步进行KMO（Kaiser-Meyer-Olkin）统计检验，确定是否适合做因子分析。依据是当KMO值越大，则变量间共同因子越多，就越适合做因子分析。Kaiser认为如果KMO值小于0.5，则不适宜做因子分析。

巴特利特球度检验表明：Bartlett值=538.47，P=0.00，说明广义城市商圈竞争力指标的相关矩阵不是一个单位矩阵，是可以进行因子分析的。而且KMO取样适切性量数值，是用来比较观测变量的相关系数值与偏相关系数值的指标，其值越接近1，则对这些变量进行因子分析的效果就越好。如表5所示，广义城市商圈竞争力指标的KMO值等于0.82，大于0.5，进一步表明上述广义城市商圈竞争力指标是适合做因子分析的。

（四）计算相关系数矩阵的特征值及特征向最，并提取因子

表4已经计算得到了广义城市商圈竞争力指标的相关系数矩阵，还需要求矩阵的特征根，因为此矩阵是非负定阵，解得的特征值都是非负数，一般将非零特征值按从大到小进行排序，再按研究实际需要预先所设定的公因子个数n，使得其累计方差贡献率超过85%的n，就是所要取的公因子数。对确定的前n个特征值求相应的单位特征向量，再写出因子荷载阵。本文采用主成分分析法提取因子，得到总方差解释表6，依据广义城市商圈竞争力指标相关系数矩阵的特征值和累计方差贡献率，提取广义城市商圈竞争力因子。

上表6第二大列为广义城市商圈竞争力指标的初始特征值，分别计算得到了特征值、方差百分比、占方差累计百分比三项指标。第三大列是根据预先设定的按累计方差贡献率超过85%的原则，提取出来的2个因子的特征值、占方差百分比及其累计百分比。第四大列是经旋转载荷平方和，提取出来的这2个因子所解释的方差占整个方差的85.95%，表示提取出来的广义城市商圈竞争力这2个因子能够对总方差的解释力高达85.95%，能够比较全面的反映整体信息。下面绘制碎石图1对因子提取进行展示。

圖1的碎石图本质上就是按表6计算得到的特征根大小排列的因子散点图，坐标轴的含义分别为：横坐标表示衡量城市商圈竞争力指标的11个因子，纵坐标表示各因子所对应的特征值大小。显然，图1的碎石图很清晰的呈现出，从第三因子开始其后每个因子的特征根都很低，因此只需要提取前2个因子即可基本反应整体信息。

（五）广义城市商圈竞争力因子荷载

在总方差解释中，已经得出前2个因子累计方差贡献率达到了85.95%，可以运用主成分分析法提取2个主因子，表7为使用凯撒正态化最大方差法旋转前后的因子荷载。

表7第二大列是正交旋转前的因子荷载，第三大列是使用凯撒正态化最大方差法旋转后的结果。旋转在3次替代后已收敛，从而得到旋转后的因子荷载表。旋转后的荷载已经明显向F1与F2两个主因子的两端集中，也就是说11个指标中一部分指标的荷载主要集中在F1上，而另外一部分指标的荷载主要集中在F2这个主因子上，而在旋转前各个因子的荷载都比较分散，而且出现了负系数，模型解释力不强。经过旋转后系数都为正数，而且向两端集中明显，可以更好的解释主因子，由此得到广义城市商圈竞争力2个主因子的因子模型如下。

经过旋转后，广义城市商圈竞争力的11指标，在2个提取出来的主因子上的荷载出现了明显的集中现象，其中社会消费品零售总额（X1）、固定资产投资（X3）、在岗职工工资总额（X4）、居民人民币储蓄存款余额（X7）、建成区面积（X8）、年末实有公共汽（电）车营运车辆数（X10）、年末实有出租汽车数（X11）共7个指标的荷载明显主要集中在第1个主因子F1上。年末总人口（X2）、公路客运量（X5）、公路货运总量（X6）共3个指标的荷载主要集中在第2个主因子F2上。只有年末实有城市道路面积（X9）在两个主因子上的荷载相当。根据广义城市商圈竞争力11个指标在两个主因子上荷载的差异，把集聚于同一主因子的指标放在一起找出其共同属性，并重新整体命名。根据上述分析，可以发现第一组变量7个指标的共同属性都涉及资产问题，因此可以把第一主因子F1命名为城市商圈资产因子。第二组变量3个指标的共同属性主要都涉及到人口问题，因此可以把第二个主因子F2命名为城市商圈人口因子。

（六）广义城市商圈竞争力基础的因子单项得分与综合得分

进一步使用回归法计算因子得分，得到表8因子得分系数矩阵。

根据上表广义城市商圈竞爭力因子得分系数矩阵，将经过旋转后提取的2个主因子F1和F2表达为包含广义城市商圈竞争力11指标的表达式，将表8各指标因子系数得分作为相应指标的系数，从而得到2个提取的主因子F1和F2得分函数：

利用（2）、（3）式主因子F1和F2的得分函数，计算全国31个省会城市的城市商圈竞争力的资产因子F1和人口因子F2两个主因子的得分及排名，再进一步运用各因子的方差贡献率占两个因子总方差贡献率（85_95%）的比重作为权重进行加权汇总，计算公式为：，最后得到各城市商圈竞争力综合得分（表9）。

F综合得分排名前五位是北京、上海、重庆、广州、天津，后五位是呼和浩特市、银川、海口、西宁、拉萨。聚类分析采用的是系统聚类法，基本原理是依据样本间的松散与紧密程度合并为若干类。本文采用欧式距离平方和的方法，确定距离与相似系数，并选定聚类解的范围最小聚类数为2类，最大聚类数为4类，聚类结果如上表9右侧所示，表中2类、3类、4类下面各列中数字相同的，表示是该分类法下的同一类，得到如下结论。

广义城市商圈竞争力，如果按照2类进行聚类，则可以把31个省会城市分为2大类，其中只有北京和上海是一类，其他所有城市则分为另一类。显然把29个城市分为一大类是不合理的，不能区分其中的差异，因此需要进一步细分。

广义城市商圈竞争力，如果按照3类进行聚类，则可以把31个省会城市分为3大类，其中北京、上海是第1类，天津、广州、重庆、成都属于第2类，剩下的25个城市属于第3类。同样道理，把剩下的25个城市分为一大类也不合理，不能区分这25个城市内部的差异，因此也需要进一步细分。

广义城市商圈竞争力，如果按照4类进行聚类，则可以把31个省会城市分为4大类，其中北京、上海是第1类，天津、广州、重庆、成都属于第2类，石家庄、沈阳、长春、哈尔滨、南京、杭州、合肥、福州、济南、郑州、武汉、长沙、西安这13个城市属于第3类，太原、呼和浩特、南昌、南宁、海口、贵阳、昆明、兰州、西宁、银川、乌鲁木齐、拉萨这12个城市属于第4类。至此，采用4分类法得到的结果比较符合实际情况，第一大类北京、上海的城市，商圈具有最强的竞争力，符合现实情况。排在第二集团里面的城市，除了天津和重庆两个直辖市外，还有广州和成都。第三集团里面的城市主要是中东部地区的城市，第四集团的城市主要是西部地区的城市。这种聚类法得到的结果，符合预期研究目标，能够很好的反应现实情况。

五、研究结论

（一）广义城市商圈竞争力分为四要素是可行的

按照城市商圈竞争力来源分类，将影响城市商圈竞争力的因素，分为商圈区位、商圈规模、商圈业态、商圈品牌四大要素，即广义城市商圈竞争力的四要素是可行的。因为城市商圈的区位要素、品牌要素、业态要素这三个要素难以量化，选取层次分析法中的标度法，对城市商圈的四要素进行两两比较，运用ABP法，能够进行广义城市商圈竞争力分析。

（二）广义城市商圈竞争力实证分析结果符合现实情况

运用社会消费品零售总额、年末总人口、固定资产投资、在岗职工工资总额、公路客运总量、公路货运总量、居民人民币储蓄存款余额、建成区面积、年末实有城市道路面积、年末实有公共汽（电）车营运车辆数、年末实有出租汽车数等11个指标，作为城市商圈竞争力指标体系观测变量，样本是全国31个省自治区直辖市的首府。运用因子分析法经3次凯撒正态化最大方差法旋转后，提出2个主因子，分别命名为城市商圈竞争力资产因子和城市商圈竞争力人口因子。运用因子得分系数，算出全国31个省会城市的城市商圈竞争力的单项得分和综合得分，并根据综合得分进行排名和聚类。综合得分排名前五是北京、上海、重庆、广州、天津，后五位是呼和浩特市、银川、海口、西宁、拉萨。采用系统聚类法，按照竞争力强弱分为4类，第一大类是北京、上海具有最强竞争力的城市商圈，排在第二大类的是天津、广州、重庆、成都，第三大类主要是中东部地区城市，第四大类主要是西部地区城市，聚类法的实证结果符合现实情况。

（三）广义城市商圈资产和人口因素是提升竞争力的关键

因子分析法之前，选取了11个指标作为广义城市商圈竞争力的测度指标，根据因子分析法的结论，提出的两个主因子分别是广义城市商圈资产因子和广义城市商圈人口因子，其政策含义非常明显，即需要从资产因子和人口因子两个维度提升广义城市商圈竞争力。广义城市商圈资产因子维度，具体可以从加大广义城市商圈固定资产投资、增加在岗职工工资总额、增加居民人民币储蓄存款余额、适当扩大建成区面积、增加公共汽（电）车营运车辆数量、增加出租汽车数量等方面这些方面考虑，从而增加社会消费品零售总额，提高广义城市商圈资产因子的竞争力。广义城市商圈人口因子维度，具体可以从增加入口总量、提升公路客货运量等相关方面考虑，提高广义城市商圈人口因子的竞争力。

致谢：本文得到广义虚拟经济研究和相关专家的大力支持，在此一并致谢。

参考文献：

[1]马歇尔，陈良璧译.经济学原理[M].北京：商务印书馆，1965.

[2]克里斯塔勒，常正文，王中兴等译.德国南部中心地原理[M].北京：商务印书馆，2010.

[3]李勇.CBD品牌结构升级与高端集群模式构建一一以重庆解放碑商圈为例[J].重庆工商大学学报（西部论坛），2007（04）：60-62.

[4]崔敬.宏观区位研究[D].东北财经大学，2012.

[5]曾艳.城市商圈竞争力提升实证分析——以重庆五大商圈为例[J].商业时代，2014（24）：10-12.

[6]关秋燕，颜波.基于AHP-FCE模型的广佛肇商圈物流产业竞争力综合评价[J].辽宁工程技术大学学报（社会科学版），2017（01）：65-72.

[7]吴忠才，柳思维.多源时空大数据视角的城市商圈空间结构及影响因素研究——基于核密度与空间面板模型的实证[J].经济问题，2018（09）：113-119.

[8]吴忠才，唐红涛.基于交通等时线的城市商圈识别及交通要素研究一一以长沙五一广场商圈为例[J].商学研究，2018（03）：62-70.

[9]何建武.电商冲击下大型购物中心聚客力分析——基于上海徐家汇商圈的调查[J].商业经济研究，2018（14）：33-35.

[10]李丹，刘春红，曹如中，等.基于解释结构模型的时尚产业区位选择决定因素[J].经济地理，2018，38（4）：132-138.