城市空间与电子商务空间流通的互动分析

商婷婷 尤雪薇

内容摘要：任何对于流通行为的考察都离不开对空间的考察，空间性既是流通行为的条件又是流通行为的结果。流通天然的与空间有着千丝万缕的关系，在空间中的流通这一思维下，商品的真实流通是使用价值空间位置的转移。在电子商务发达的今天，商品流通也出现了诸多变革，城乡二元结构、市场分割等都对电子商务背景下的商品流通产生了诸多影响。基于此，本文对电子商务空间中的流通和城市空间中的流通问题进行研究。利用城市电子商务发展指数数据，使用加权引力模型建立了网商指数和网购指数的空间结构矩阵，考察了其空间流通状况，对电子商务空间的流通和城市空间中的流通进行分析，并通过联立方程组模型探讨城市空间流通与电子商务空间流通之间的互动发展关系。

关键词：城市空间   电子商务空间   互动关系

引言

任何对于流通行为的考察都离不开对空间的考察，本质而言，空间性既是流通行为的条件又是流通行为的结果。当前，越来越多的学者开始关注空间问题，形成了众多引入空间维度的处理思路。本文将地域空间和流动空间的空间尺度定义在城市空间和电子商务空间层面，原因在于：第一，城市是人类社会经济活动的主要连结节点和聚集地，见证了经济、政治、宗教、文化等各种人类活动的发展与变迁，而电子商务空间完全符合卡斯特在分析流动空间时所确立的所有标准;第二，为了避免空间的泛流动空间化。因为流动空间的另一重要特征—围绕人流、物流、资金流、技术流和信息流等要素流动而建立起来的空间—使得目前网络社交空间、网络政务空间以及平台式空间等也被流动空间所容纳，而这些离我们理解的狭义流通概念似乎相去甚远。因此，不管是城市空间还是电子商务空间，有没有使空间中的流通和空间流通发生本质上的变化？流通产业与空间互动发展的内在逻辑是什么？这种内在逻辑怎样影响到中国的城市空间和电子商务空间演化进程分析？深入研究这些问题对国家空间政策的制定和流通产业发展策略的选择，具有重大现实和理论意义。

实证分析方法与数据来源

（一）实证分析方法

中心性的衡量。以往有关社会网络分析的文献中对于行动者中心性的衡量有着不同的考虑。第一种，最简单的思路就是依照Proctor和Loomis（1951）、Freeman（1978）和林聚任（2009）等学者的建议，行动者i的度以d（i）作为基础来表示行动者i的中心性，称为行动者度的中心度。对于无向图而言，行动者i的度d（i）定义如下：

度的直观描述是与行动者i建立直接关系的行动者个数。对于有向图而言，還需区分出度（记为d（i）0）和入度（记为d（i）l），出度、入度与无向图中度的区别仅在于示性函数的构造差别。对于出度而言，当行动者i存在一条指向行动者j的直接有向关系，则为l;入度则相反。对行动者中心性的指标构造，考虑到空间大小对其进行了标准化。对于一个单一无向关系图，行动者度的最大可能是行动者集合元素个数n再减去1，因此定义无向图中行动者度中心性为Cd（i），则：

Cd（i）的指标范围是[0，1]，取值为1时，表示行动者度中心性最高：取零，则行动者度中心性最低，这些行动者也被称为孤立行动者。对于有向关系图，由于中心性代表的是行动者“主动”参与到关系建立中的程度，所以选用出度作为其指标构建基础，相应地，定义无向图中行动者度中心性为Cd（i），则：

声望的衡量。和行动者度中心性类似，最简单的声望衡量方式便是以入度为基础，因此也被称为行动者度声望。定义行动者度声望为Pij（i），则：

以入度为基础的行动者度声望计算的是与行动者i邻近的行动者数录，而以距离为基础的行动者声望则衡量行动者与其影响域内的其他行动者的接近程度，称之为行动者接近声望，记为Pn（i），则：

X1i是空间关系矩阵中的基本元素，表示是否存在一条由行动者1到行动者i的直接关系，存在则取值为1，不存在则取值为零。因此，取i从1到n可以得到n个方程。利用矩阵知识易知，这一方程组可以表示为：

结构洞的衡量。本文为增加对空间衡量的丰富性和准确性，采用Burt的结构洞衡量指标体系，指标构建过程如下：

第一，有效规模。从概念上指行动者（一般称为自我点）的度减去自我点的冗余度。而冗余度是自我点所在空间的其他行动者在不包含自我点之后的平均度数。计算公式如下：

式（8）中，n表示行动者i的度，j表示行动者i的邻接行动者，而q表示行动者i和行动者j的共同邻接行动者。

第二，效率。效率是对有效规模的相对性表达和衡量，是行动者有效规模与实际规模的比值。计算公式为：

第三，限制度。行动者感受到的限制度指行动者对其他行动者的依赖程度，数值越大，限制度越强，相应地，跨越结构洞的可能性就越小。计算公式为：

考虑到城市（省域）之间流通关系可能存在不对等性，因此本文提出修正的引力模型来构造有向空间关系矩阵。公式如下：

核心—边缘结构的衡量。社会网络分析中，对核心—边缘这一结构的量化一般基于两类模型：一种被称为离散型模型，是从整体上对空间中核心—边缘这一结构的存在性证明;另一种被称为连续型模型，是从细节上把握空间各个行动者的核心程度，从一个更为精确的层面，度量行动者在空间中所处位置的核心程度。为此，本文首先根据离散型模型进行核心—边缘结构的整体判定;随后根据连续型模型，计算得到行动者层面的核心度指标，进而更为准确地衡量行动者在空间中所处位置的核心程度。

（二）数据来源

本文所用到的重要数据来源于阿里研究院2015年6月公布的2014年中国主要地级市及直辖市的城市电子商务发展指数（aEDI）。该指数依托其平台，利用其自身的海量数据构建电子商务发展指数，该指数包括了网商指数和网购指数两个一级指标以及四个二级指标。作为全球最大的电子商务平台，根据2016年6月份CNNIC发布的《2015年中国网络购物市场研究报告》来看，截至2015年12月，天猫在中国B2C市场上，占比高达65.2%，排名第一。阿里研究院利用阿里巴巴的海量数据得出的数据，使得人们可以较为及时和准确地衡量中国电子商务空间的基本特征和发展状况。

实证结果分析

（一）电子商务空间结构分析

整体而言，省域空间和市域空间在各个指标均存在明显差异，表现为省域空间的各个指标的各项均值都比市域空间中的对应指标均值要高，说明空间尺度的放大对于关系建立成本降低的影响机制，加大了各个空间之间的紧密程度。而对于网商指数和网购指数而言，大多数指标均较为接近，但是行动者接近中心性指标存在较大差异，表现为城市空间下，网商指数的行动者接近中心性指标比网购指数的行动者接近中心性指标要高得多，省域空间下则相反，这提示我们注意空间尺度效应问题。城市电子商务空间网商指数空间结构描述性统计如表1所示。

（二）电子商务空间的状态依存效应

指标体系。根据前文电子商务空间结构分析时得到的空间位置变量，将其和2014年的空间属性变量综合起来，构建三大空间效应检验的指标体系，如表2所示。

机器学习建模。利用上述指標分别对网商指数和网购指数进行机器学习建模，得出其十折交叉验证的平均NMSE结果，结果显示除了网购指数的线性模型，其他模型均显示空间变量的引入对于空间中的流通而言是十分必要的，并且如果选用合适的机器学习方法，网购指数的NMSE也会急剧变小，进一步证明空间状态依存效应的存在。

（三）电子商务空间的尺度依赖效应

参照城市空间中相应章节的处理思路，对因变量为网商指数的两水平模型进行构建，剔除部分变量后，本文保留了f6和f9最终模型方程如下：

通过模型得到估计结果（由于篇幅所限，包括截距斜率的完整模型分析结果未列出）。对于网商指数而言，同一尺度下的空间属性变量对其的影响更明显，六个变量中的四个对其均有显著影响。同时，根据水平2截距项方程中的系数，省份空间属性变量中，快递规模（f9）对其有显著促进作用，而人口密度（f7）则对其有显著抑制作用，说明对于快递业发达的地区和人口稀疏的地区，网商的强度更大。另外，从随机斜率的方程来看，省份层面的金融发展与城市层面的产业结构指标的交互系数显著为负，而省份层面的快递规模与城市层面的产业结构指标的交互系数则显著为正，说明在第三产业发展对网商规模的促进过程中，金融发展存在一定的抑制作用，快递规模则存在一定的促进作用。

基于相同的原理，对因变量网购指数的两水平模型进行处理，在选择以均值为结果的两水平模型时，保留了x6_d和f9域终模型方程如下：

通过模型得到估计结果（由于篇幅所限，既包含截距效应又包含斜率效应的完整模型分析结果未列出），从模型构建过程来看，网购指数的空间尺度依赖效应十分明显，水平2的空间属性变量和空间位置变量均对其有影响。具体而言，在水平1下，空间位置变量对网购指数的影响十分显著，反映行动者主动建立关系的行动者中心性指标前的系数皆为正数，而反映行动者被动建立关系的行动者声望指标前的系数则大多为负，只有等级声望指标前的系数显著为正，说明网购的发展依赖于其主动建立关系的能力，而核心度指标（x7_c）前的系数显著为负，说明边缘城市的网购倾向反而越强，相比较而言，空间属性变量中，仅有金融发展变量e6对其有显著正向影响。对于网购指数而言，省域层面的变量仅有快递规模（f9）前的系数显著为正，说明省份的快递发展对其中的城市网购指数具有促进作用，而等级声望指标显著为负，说明省份层面其被动建立关系的能力越强，对其隶属的城市网购指数抑制作用反而越强，表现出省域尺度和城市尺度的背离。

（四）电子商务空间与城市空间流通的互动分析

为了分析电子商务空间与城市空间流通之间存在怎样的关系，分别以网商指数、网购指数、流通效率和流通规模作为因变量建立方程组，由于篇幅所限，联立方程回归结果表格未列出。对于流通效率而言，网商指数前的系数显著为正;对于网商指数而言，流通效率前的系数也显著为正，另外，网商指数前的系数也显著为正，同样地，网商指数方程中也是显著为正，说明网商指数和流通效率以及流通规模之间均存在显著的正向反馈效应;而对于网购指数而言，只有流通规模在10%水平上显著为正，流通效率对其的作用不明显，从一个侧面反应了网购规模的扩大与实体零售效率的低下有着千丝万缕的关系，同时，流通规模方程中网购指数对其作用并不明显，说明流通规模与网购指数之间也并未形成良好的反馈机制。

综上分析，空间尺度的放大对于关系建立成本降低的影响机制加大了各个空间之间的紧密程度;在分析电子商务空间的状态依存效应时，单纯的线性关系不足以解释空间结构对于空间中流通的影响，需要引入合适的机器学习方法。从机器学习模型结果来看，空间变量的引入对于空间中的流通而言十分必要，因此，电子空间中也存在状态依存效应;不管是网商指数还是网购指数，其空间尺度依赖效应均十分明显，同时，对于网商指数而言，同一尺度下的空间属性变量对其影响更明显，而空间位置变量对其影响则稍显淡化，而对于网购指数而言，则刚好相反;网商指数和流通效率以及流通规模之间均存在显著的正向反馈效应，而流通规模以及流通效率与网购指数之间并未形成良好的反馈机制。

参考文献：

1.刘晓英.网络零售对流通供应链的重组效应及空间影响[J].商业经济研究，2017（5）

2.楼东.现代化进程中的要素流动、空间集聚与地区互动发展—基于浙江省的实证分析[C].中国空间经济学年会，2012

3.王水平.基于城镇化视角的中国流通产业发展空间研究[J].财贸研究，2012，23（6）

4.冀芳，张夏恒.电子商务模式划分新视角—基于交易主体空间位置[J].中国流通经济，2016，30（4）

5.浩飞龙，关皓明，王士君.中国城市电子商务发展水平空间分布特征及影响因素[J].经济地理，2016，36（2）