消费驱动背景下流通产业的影响因素与发展趋势

吕云彤 朱雅魁 耿泉峰 安亚刚 陈永权 副教授

（1、国网河北省电力有限公司电力科学研究院 石家庄 050000；2、华北电力大学经济与管理学院 北京 102206）

引言及文献综述

囿于历史经验，投资导向已成为流通产业的发展定式。这一观点“似乎”源于凯恩斯投资理论，并被国内部分学者视为推动社会主义市场经济的必要条件。但凯恩斯投资理论应被视为应对产能过剩与恶性通缩的“应急处方”，而消费函数理论则是反映凯恩斯观察流通经济的常态视角。该观点将消费驱动视为推动流通产业发展的关键要素，马克思经济危机理论也可通过该模式获得解决方案。当前产能过剩加剧，消费函数理论再一次得到学界关注。吴炳新（2012）在《消费通论》中提出，投资导向必然导致报酬递减，因此流通产业应由消费主导，进而形成以内需市场为基础的商业流通体系。汪海林（2016）在总结新消费理论后提出，影响流通产业的因素并非消费本身，而是由消费行为引发的市场变化。其中包括比较偏好带来的需求扩张，需求偏好带来的技术升级，兴趣偏好带来的种类繁衍等。王晓东（2016）认为，流通产业必然受到消费影响，但学界研究过于关注理论推导，而非实证分析。因此其利用主成分分析法，将包含制度因素在内的影响因子作出权重排列。

秉承以上研究，本文将以消费驱动对流通产业的影响为轴线，串联消费环境、终端市场、上游流通环节及关联领域的影响因素，并运用主成分分析法评估各项因素影响效应。实证显示突出的因素，将得到重点分析并被提炼为研究结论。反之则反是。结合发展环境对结论作进一步研究，可呈现我国流通产业的发展趋势。

表1 KMO与Barlett球形检验结果

表2 解释的总方差

指标选取

流通产业深受消费市场影响，但消费驱动是内生变量，难以解释流通产业变化。依据文献与实践观察可发现，消费驱动将在消费环境、终端市场、上游流通环节及关联领域，影响流通产业发展。有鉴于此，本文选取消费驱动对于流通产业的影响指标，可从以上四个方面着手。本文将依据《中国统计年鉴》《中经网》《中国新品消费指数报告》2018年数据，设流通产业发展（lt）为被解释变量，并在消费驱动所示影响中，提取以下解释变量：

居民收入（asr）。提升居民收入，是实现消费驱动的前置条件。消费驱动的本质是利用终端消费，带动上游环节实现增长。而居民收入是终端消费的资金池，对于消费驱动力具有决定性影响。有鉴于此，本文将居民收入纳为解释变量，以呈现消费驱动对于消费环境的影响。数据来源于各省统计年鉴。

城镇化率（ach）。提升城镇化率，已被视为促进居民消费的重要手段。李华香（2011）利用“二元结构模型”推导出，我国城乡劳动力生产率已扩大至4.47倍。由此得出结论，通过提升城市化率，乡村地区消费潜能将得到释放。本次研究将参考既往研究成果，将城镇化率设为解释变量，进而体现消费驱动背景下消费环境的变化趋势。

居民需求（axq）。需求是消费的驱动力，借助该项数据，可基本还原居民消费所产生的动能，进而推导出流通产业的基数与增量。本次研究将居民需求视为消费驱动带来的消费环境变化，并设置为解释变量。数据提取自城镇与乡村居民的消费性支出均值，计量单位为万元/人。

终端网点（bzd）。终端网点数量可被视为流通产业的“晴雨表”。消费驱动必然提升终端消费额，终端网点净利润将相应提升。由此网点数量将对应增加，反之则反是。将终端网点数量作为解释变量，可展现消费驱动对于流通产业终端市场的直观影响。该项数据的统计对象，包含连锁门店总数、单体店面法人数、大型卖场总面积/100平米。

劳动力投入（bl）。劳动力投入会为流通产业带来重要影响，在科布-道格拉斯生产函数中，劳动力投入被视为决定产出的关键指标。由于流通产业上游环节的劳动力增长率难以统计，其间接影响更为复杂，因此本文将劳动力投入作为消费驱动对终端市场的直接影响。同时在数据统计中，第三产业就业人数的增长变化将作为主要依据。

资本投入（ck）。资本投入同样是科布-道格拉斯生产函数的重要指标。在推进消费驱动的过程中，流通产业必将获得增长。而利润率的提升将吸引更多投资，该产业将因此获得发展。资本投入的统计方式，被设定为每万人占有零售业固定资产的增长率。借助这一数据，可呈现消费驱动对于流通产业上游环节的影响。

物流成本（dwl）。物流行业是流通产业的关联领域。消费驱动会增加商品流通，若物流载荷不变将引发成本上升。受此影响，商品流通成本也将上升。若提升物流载荷，将带动更多投资，流通产业将持续走强。总之，物流成本可直观反映商品流通密度。该项数据的计算方式，设定为货物运输周转量/GDP。

信息技术（dxi）。信息技术是电子商务的底层技术。该技术可在流通效率与市场需求两个方面反映流通业变化。当信息技术投入增加，商品流通效率将相应提升，运输成本可对应下降。同时，信息技术具有去人工化倾向，因此信息技术投入与劳动力投入具有负相关性。该项数据将以各省份的电子商务发展指数及均值为统计依据。

新品供给（dxp）。新品供给增加是消费驱动的必然结果。消费驱动将以需要为导向，而新产品是带动需求的驱动力，这一逻辑也是供给侧改革的内核。通过分析新品发布密度，可预测流通业的未来发展。由于《中国统计年鉴》缺乏相关统计，该项数据会在天猫发布的《中国新品消费指数报告》中获取。

快递网点（dkd）。伴随电子商务的发展，快递业已成为商品流通的重要渠道。快递网点数量对流通产业的影响与终端门店近似，是商品物流载荷变化的直观体现。将这一数据纳入解释变量，可呈现新零售业的成长幅度。该项数据将包含邮政、顺丰、京东、“三通一达”等主要快递平台的网点变化。

表3 变量成分矩阵

表4 成分得分系数矩阵

实证分析

（一）提取主成分

2008年，我国扩大基础建设投资，货币政策大幅调整。在投资拉动下，居民收入不断增加，城市地区居民消费在2010年后出现快速增长。有鉴于此，本文将收集29省市区（不含新疆、西藏及港澳台地区）2010-2017年间各项指标数据，制作各年份截面数据。本次研究将使用2017年数据作研究范式，进而获得当年度评估数据。其中指标数据分别来源于《中国统计年鉴》《中经网》《中国新品消费指数报告》。数据处理借助SPSS21.0软件完成。

首先，由于各项数据计量单位不同，本次研究将首先对各项指标做无量钢化处理。之后将利用KMO与Barlett球形检验，判断统计量是否适合作因子分析。KMO是最为常用的主成分检验工具，主要目的是检测变量间的偏向相关系数及简单相关系数。KMO＜0.6表示统计量不适合作因子分析，KMO＞0.7表示适合。Barlett球形检验的主要目标是检验各变量相关性。当检测值拒绝零假设，则证明被检测变量具有相关性，可进行因子分析。本次研究的KMO与Barlett球形检验结果见表1所示。通过表1数据可观察到，KMO=0.78＞0.6。Barlett球形检验的卡方值=42.796（P＜0.001），拒绝原假设。基于这一检测结果，可得出结论：相关矩阵适合作因子分析。主成分分析法可将多项原始变量转换为综合指标（F），利用该方法提取影响因子，见表2所示。通过观察表2数据可发现，主成分因子F1与F2的特征值均大于1。同时二者的累积数值超过80%。由此可判断，F1与F2可代表大多数变量。

（二）主成分分析

为了提升主成分的解释性，本次研究利用最大方差法作正交旋转，进而获得各项指标的成分矩阵，详情见表3所示。

通过观察表3可发现，主成分F1包含居民收入（asr）、城镇化率（ach）、居民需求（axq）、劳动力投入（bl）、资本投入（ck）、物流成本（dwl）、新品供给（dxp）。各项指标均受到资本投入影响。同时，依据方差结果分析，主成分F1对于因子的解释面更大。由此，F1可被定义为总投资规模，是各类资源聚集流通产业的抽象表现形式。主成分F2主要包含城镇化率（ach）、资本投入（ck）、信息技术（dxi）、快递网点（dkd），同时居民需求（axq）、物流成本（dwl）、新品供给（dxp）也体现于F2。这部分指标的共同指向是效率与技术，由此F2可被定以为流通产业技术效率。运用SPSS21.0软件中的回归法，可获得主成分的得分系数矩阵。见表4所示。

设主成分得分方程：

其中F代表主成分，i代表主成分数量，β代表变量得分，X代表变量取值为1，n代表变量数。将表4带入公式（1）可获得：

依据方差贡献率，计算主成分F1与F2的综合权重可得到计算方程：

进一步计算可得出权重方程：

流通产业影响因素与发展趋势

（一）影响因素

将公式（5）带入表4可得到表5。通过观察表5可获得研究结果：

居民需求（axq）＞城镇化率（ach）＞居民收入（asr）＞资本投入（ck）＞新品供给（dxp）＞劳动力投入（bl）＞物流成本（dwl）＞信息技术（dxi）＞快递网点（dkd）＞终端网点（bzd）。研究结果表明，消费驱动带来的直接投资及其改变的消费环境，对于流通产业的影响最大，而技术进步对于流通产业的影响也较为明显。综合分析，可得出三项结论：

结论一：居民需求、城镇化率、居民收入这三项由消费环境中提取而来的解释变量，占据影响因素的前三位。而影响力排名第四位的资本投入也与消费环境呈正相关关系，且二者因果关联极为显著。分析这一研究结果可发现，消费环境可被视为流通产业的载体，产业发展与居民购买力具有紧密关联。这一结论揭示了消费驱动的内在逻辑，即通过增加居民收入——拉动终端市场——由终端需求带动上游流通——依托上游增量提升流通效率——进而降低商品成本，并在消费者受益后形成产业闭环。这样的发展逻辑符合当下的技术环境与产业结构。

结论二：信息技术与快递网点的影响分别排在第8与第9，所得分数相对较低。深入分析可发现，这两项变量仅对F2产生重要影响，而对F1的贡献率极低。囿于F2权重过低，这两项变量的总得分排名靠后。这一结果与电子商务在我国零售业的占比相符。虽然电子商务发展迅猛，但在我国零售市场的占比仍不足20%。其发展瓶颈，源于多数商品的单件流通成本，仍远高于批量流通成本。在不具备成本优势的领域内，电子商务模式难以获得优势。但技术发展永不止步，随着人工智能、大数据等技术的逐步完善，电子商务的成本优势将进一步凸显，行业发展值得期待。

结论三：通过观察表5可发现，终端店面的影响为负值。而劳动力与资本投入的影响均高于0.1。这一结论说明，资本与劳动力投入并未进入终端店面，流通产业的终端形态正发生改变。近年来，阿里巴巴先后注资苏宁、银泰、百联、大润发等零售巨头，并推出盒马鲜生、易果生鲜、阿里超市等专营品牌。而获得阿里注资的苏宁，大幅扩张终端店面，以“阿里系”为核心的新型零售平台初具雏形。在此背景下，线上线下资源高度整合，资本与劳动力逐渐转向配送、仓储等环节。而终端销售场景将与线上场景深度整合，“三公里配送圈”、“分散仓储”等新概念将塑造出全新的终端业态。

表5 变量影响分析

（二）流通业发展趋势

首先，产业闭环的形成，将使各环节的关联性将更加紧密，并逐步进化出以共生关系为内核的商业生态系统。传统流通产业的发展动力来源于投资，由于投资范围相对分散，因此各环节、区域之间的联系并不紧密。在消费驱动逐步成熟的环境下，投资驱动的影响效应将逐步衰减，各环节均将在终端消费增量的传导过程中受益。与此同时，网络技术将使信息流通更加通畅，各区域将逐渐形成统一市场。在此背景下，消费者、零售商、配送商、生产企业的信息、收益、服务均将对接，消费市场中的企业将更加依赖于消费者，低质商品与品牌将被淘汰出该领域。

其次，流通产业的集中度，将大幅提升。在生态系统内，与系统相容的个体将快速繁殖，并进一步挤占劣势物种的生存空间。同时，生态系统更加关注友好度，与该系统相冲突的个体也将遭到淘汰。这一变化或在短时间内出现，流通产业的集中度将进一步提升。2014年后，流通产业获得金融部门关注，各流通环节均出现巨头企业。上市后，阿里巴巴、顺丰快递等大型企业的发展资金更加充裕，小微企业的生存环境更加恶劣。在此背景下，各类企业将进一步整合，类似于淘宝的超级平台将在实体零售、仓储物流等领域出现。

最后，流通产业的发展，将以创新为导向。消费驱动以消费者需求为核心动力，当消费需求增加，便会带动上游生产。同时需求增加后，消费者进入劳动市场的意愿也将提升，劳动力与资本投入也将增加。流通市场将从多个层面获得补强。但消费者具有创新偏好，新产品更利于激发消费意愿，否则消费市场将进入衰退。基于这一认知，本文在此提出，在消费驱动背景下，消费市场的中长期发展，将以创新为导向。当下我国的消费驱动仍以“补短板”为着力点。扶贫、棚改、补偿消费是支撑消费市场的主要因素。这一发展模式仅能在短期内见效，中长期发展仍应立足于创新驱动。

结论

消费市场对于流通产业的影响极为复杂。本次研究将驱动力定为产业发展的内核，并依据消费环境、终端市场、上游流通环节及关联领域，将消费驱动拆解为十项解释变量，借助主成分分析法可获得三项发现：一是直接投资仍然是提升流通产业的关键因素。但与投资驱动不同的是，消费驱动的投资来源居民消费，消费领域投资会使居民受益并引发良性循环，流通产业将得到长期持续发展。二是信息技术虽已对流通产业带来影响，但影响效应远低于预期。由此可推断出，在短期内传统物流模式仍会在流通产业中占据主导地位。三是流通产业的终端形态将发生巨变，终端店面的作用将逐渐衰减，而仓储、配送环节将成为流通产业的发展关键。

对以上发现进一步分析可得出，在坚持消费驱动不变的条件下，流通产业的集中度与友好度均将提升，而创新将成为支撑该领域中长期发展的关键因素。以创新为标的，消费需求、流通渠道、生产环节将紧密对接，供需两端均将获得平稳发展。