后疫情时代广东省乘用车销售网点布局研究

侯凌霞 郑苏峰

摘  要：每个汽车品牌在各城市4S店的数量从一定程度上表达了该品牌对该城市汽车销量的期待，而这二者之间的差距势必会对该品牌乘用车的销量产生影响。广东省21个地级市发展成果不一，居民收入和消费水平也存在差距，所以对乘用车的需求也各不相同。加之疫情对这些城市的冲击也存在明显的不对称性，也会对乘用车的需求产生相应的影响。作者从广东省汽車行业发展角度出发，结合疫情的因素建立影响乘用车需求的评价指标体系，利用SPSS软件的两个聚类功能进行分类，对比目前东风日产已有网点布局规划，提出合理的意见和建议。

关键词：SPSS聚类分析;汽车产业;东风日产;网点布局

中图分类号：F253    文献标识码：A

Abstract： The number of 4S stores of each automobile brand in each city expresses the expectation of the brand on the sales volume of the city， and the gap will certainly have an impact on the sales volume of the brand's passenger cars. The 21 prefecture-level cities in Guangdong province are different in terms of development achievements， residents' income and consumption level， so the demand for passenger cars is also different. And these cities will be affected to varying degrees by the outbreak. Based on the epidemic situation， the author established a passenger car demand index system and classified it by SPSS software. Then compare the current 4S shop layout of Dongfeng Nissan， and then give them some opinions and suggestions.

Key words： SPSS cluster analysis; automotive industry; Dongfeng Nissan; network layout

0  引  言

2020年初，一场突如其来的疫情，使我国汽车销量锐减，特别是在2020年2月全国汽车销量不足22万辆，这无疑是汽车市场的严冬。但是随着国内复工复产潮的来临，全国新车销量逐渐回温。2020年7月，全国汽车总销售额达166.5万辆，汽车总销售能力恢复到疫情发生前的75%，其中东风日产旗下车型轩逸单月销量达到55 684辆，位居车型销量排行榜榜首（数据来源于“车主之家”网站）。这无论是对于受疫情影响严重的汽车产业还是对东风日产公司而言，无疑都是一剂强心针。

东风日产乘用车公司成立于2003年6月16日，是东风汽车有限公司旗下重要的乘用车板块，一直以来在我国汽车品牌销售排行榜上都稳居前五。广东省作为全国汽车销量长期排名第一的省份，同时也素有“日系大本营”的称号。因此其一直是东风日产的重点关注城市，而目前东风日产在广东省共计有4S店75间，各地市4S店数量如表1所示。从表1中可以看出21个市中超过半数只有一间4S店，而单是广州就有18个，加上排名前四的深圳、佛山和东莞，合计45间4S店，占据了全省总量的60%。这样严重不平衡的布局是否合理？文章将利用SPSS的聚类分析来证实这一问题。

1  文献综述

疫情对广东地区各行各业的影响可以说是巨大的，国内短时间也生产了大量相关的论文分析这些影响。魏建漳、任颋（2021）在文章《新冠肺炎疫情对粤港澳大湾区城市群创新网络的冲击路径及应对策略》中针对新冠疫情对粤港澳大湾区城市群创新网络的冲击进行了分析，研究发现新冠肺炎对各城市的冲击具有明显的不对称性[1]。这说明广东省下属21个地市在疫情的冲击下经济环境和消费能力会有不同程度的变化，这也导致各地居民的购车需求发生改变，针对后疫情时代的车辆需求预测对于汽车生产企业而言显得尤为重要。

网点布局研究方面的论文无论国内外都有很多，相对而言方法和手段都日趋成熟。包振山、陈康路（2020）在论文《城市零售网点空间集聚特征与区域差异研究——以江苏省为例》中利用最近邻分析法对江苏省各城市零售网点的空间集聚特征进行分析，并进行回归计量论证。分析结果显示江苏省具备城市零售网点集聚于城市中心，并逐步向外分散的共性特征;同时又得出江苏省各地市零售网点空间集聚差异明显;区域经济差异是导致江苏省南北零售网点集聚特征和差异形成的主要原因[2]。孙阳（2019）在论文《基于市场空间分布的农村电商物流网点竞争合作仿真与优化》中提出了利用时间延迟、形式延迟、地点延迟三种策略将沿途的电子商务消费市场分为靠近乡镇（通常是农村物流网点所在地）和远离中心乡镇的市场，并在此基础上进行配送作业的组织方案[3]。吴晓、王凌瑾、宁昱西等（2019）在论文《南京市快递企业网点布局及其影响因素解析——基于民营企业（顺丰速递）和国营企业（EMS）的比较》中收集了南京市所有顺丰和EMS的网点数据，从定量和定性两个方面对两家企业的网点分布的特征和影响因素进行分析。对比二者发现，两家公司的网点布局都受商业中心体系的影响，而相较于对方顺丰更看重交通可达程度和居民生活水平，而EMS则依赖经济发展水平[4]。以上3篇文章都是国内关于网点布局研究相对比较优秀的论文，目前关于粤港澳大湾区、珠三角或者是广东省的网点布局的文章尚且没有。尤其是在乘用车网点布局方面国内没有相关的文章。

聚类分析是将对象按照其特征的相似性或者亲疏程度进行分类的活动，这里的对象既可以是抽象的概念也可以是实物。SPSS是一种常见的聚类分析的软件，在利用SPSS软件进行聚类分析方面我国学术研究界也有众多优秀的论文和学术成果。以中国知网为例，以“SPSS聚类分析”作为关键词进行主题搜索，一共有学术论文528篇，学位论文153篇，其中硕士论文146篇，博士论文7篇，可见利用SPSS进行聚类分析已经比较成熟。莫艳恺（2012）在其论文《县域旅游经济发展差异的综合评价——以丽水市为例》中利用运用SPSS的主成分分析法和聚类分析法等方法，对丽水市各县（市、区）的旅游经济发展水平进行排序、归类和评价分析，并探讨了县域旅游经济差异产生的原因，最后提出了协调区域旅游发展的对策[5]。石敏（2020）在论文基于主成分分析和聚类分析的山东省粮食可持续发展评价中利用SPSS聚类分析功能将山东17个地级市的粮食可持续发展性划分为四个等级，并提出了相应的意见和建议[6]。同样通过论文检索可以发现SPSS的聚类分析功能用在网点布局方面目前尚没有先例。

综合以上研究可以发现，利用SPSS软件的模糊聚类功能对后疫情时代的广东省乘用车网点布局进行研究是一个比较新的研究项目。

2  评价指标体系的构建与聚类分析

2.1  选取评价指标

各个地区汽车产业的发展和居民乘用车需求受本地经济发展水平、居民消费能力等多方面因素的影响，而这些因素每一个又由多个指标联合产生作用。所以在进行聚类分析之前最重要的是指标的选择，指标选择的正确与否直接影响了后续结论的正确性。为了最大范围的覆盖汽车产业发展的影响因素，作者共选取了13个具体的指标，主要涵盖了经济发展、消费能力、交通运输、宏观环境四个方面[7]。具体指标体系如表2所示。

（1）经济发展指标体系综合反映了各个市的宏观经济情况，主要从法人单位数、人均GDP、就业比例、进出口总额这四个具体方面定义。这些值与车辆需求之间都是正相关性，其值越大反映该地区经济越发达，车辆需求越大。

（2）消费能力指标，从居民的可支配收入和消费支出意愿等方面进行描述，主要包含全体常住居民人均可支配收入、全体常住居民人均消费支出、规模以上服务业企业、消费品零售总额4个指标。所谓需求是指市场中愿意购买并且能够支付的部分，全体常住居民人均可支配收入说明了该地区居民的支付能力，而另外3个指标则代表该地区居民的购买意愿。其值越大，说明该地区居民的消费观念越活跃，消费能力越强，对车辆的需求也就越旺盛。

（3）交通运输指标，从各市民用车辆拥有量、客运量以及运输线路密度3个方面来衡量各市交通现状。运输线路密度和客运量越大，居民购买车辆的需求也会越大，而民用汽车拥有量则可以反映出该市居民以往多年对车辆的总体需求。

（4）宏观环境，包含人口总数、发展氛围与政策导向以及疫情影响3个指标。在经济发展相对一致的情况下，人口总数与车辆需求大致呈正比。而一个城市的发展氛围包含政策、投入、文化等多方面因素，氛围越好经济形势也会在未来的时间里越蓬勃，例如粤港澳大湾区的建立对21个市的影响均有差别，这也从一定程度决定了城市的发展氛围会不一致，这一指标也一定会对居民汽车需求产生后续的影响。政策导向这里主要指车辆购买政策的导向，例如广州、深圳率先推行限行限购，这也将会对车辆的需求产生不同程度影响。由于发展氛围和政策导向在相关资料中没有具体的数值，在这里将二者合为一个指标值并采用专家打分法进行评分，所有数值为0～10之间的常量。数值越大则表示该地区的发展氛围和政策导向越能够促进车辆的需求。

疫情影响是一个综合因素，而目前所获得的指标值均为疫情发生前的数据，不能反映疫情的影响。笔者利用搜集到的2020年第一季度广东省增速排名作为具体数值[1]，如表3所示：

2.2  指标数据收集

参照《广东省统计年鉴》2019年以及广东省人民政府官网，查得各具体指标X1～X12数值如表4所示，X13、X14两组数据来自表3（注：由于2019部分数值缺失，为了获得同一年数值，所有数据均选取了2018年数值。）由于下一步将会对数据进行标准化处理，所以表格中并没有列出各指标数据的具体单位，但是每个指标的单位是一致的。

2.3  数据标准化处理

由于不同变量之间存在不同量纲，不同数量级，为使各个变量更具有可比性，有必要对数据进行转换。为了使最终结果更接近事实，笔者研究了多种数据标准化处理方法，最后选定了利用EXCEL软件进行数据极差法标准化计算，这样得到的所有数据都是介于0～1之间的正数。

其具体计算公式如下：标准化后的值x=，x为原值，x为最大值，x为最小值。处理后的数据如表5所示（所有数据均为0～1之间，保留小数点后4位）。

2.4  主成分分析

由于以上14个指标相互之间可能存在某种线性或非线性的关系，直接进行聚类处理可能会影响结果的精确度。为了更准确地理解数据，读取数据信息，需要对标准化后的数据进行降维处理，通过加权的方法，使重要指标的影响力增加的同时弱化个别不必要的指标值。对数据进行降维处理的方法有很多，经过对比，笔者最终选用了SPSS的主成分分析法来进行处理。同时，考虑到指标X和X指标的特殊性，容易影响主成分分析的精确度，所以将其单独列出，只针对前面12个指标进行主成分分析，如表6、表7所示。

KMO和巴特利特檢验结果得到KMO的值为0.792，Bartlett球体检验的P值为0.000，表示该数值比较合适做因子分析。成分矩阵如表7，从表中可以看出，一共提取了3个主因子，第一个与X，X，X，X（即人均GDP，就业比例、全体常住居民人均收入和消费支出）几个指标相关性较强，记为F。第二个主因子与X，X，X，X（即客运量、规模以上服务业企业、消费品零售总额和人口总数）几个指标相关性较强，记为F。第三个主因子与X和X（即进出口总额和运输线路密度）两个指标相关性较强，记为F[8]。

从表7成分矩阵可以得到3个主成分F，F，F的线性组合方程如下所示：

F=0.987*X+0.892*X+0.909*X+0.798*X+0.933*X+0.624*X+0.575*X+0.918*X+0.924*X+0.92*X+0.913*X+0.859*X

F=0.029*X-0.208*X-0.237*X-0.46*X-0.071*X-0.285*X+0.755*X-0.232*X-0.223*X+0.292*X+0.389*X+0.4*X

F=0.119*X+0.319*X-0.287*X-0.328*X+0.106*X+0.697*X-0.256*X-0.287*X-0.283*X+0.054*X-0.006*X+0.25*X

结合表6总方差解释中的方差百分比值，综合得分函数为：

F=0.7448*F+0.12238*F+0.9135*F

根据以上4个公式，结合表5标准化处理以后的数据计算，最终可以得到表8综合得分表。

2.5  K-均值聚类与结果

根据表8得到的数据，结合主成分分析之前单独列出的X和X指标的数值，可以得到一个有6组指标的新数值。利用SPSS软件聚类分析功能中的K-均值聚类，选取F～X的所有变量为变量，个案标注依据选第一列地级市，聚类数输入4，代表把21个个案分为4大类。最大迭代次数选10，收敛准则为0，保存聚类成员和与聚类中心的距离，运行可得到聚类成员表格如表9所示。从表中可以看出，佛山和东莞为一类，广州和深圳为一类，珠海、惠州和中山3个地级市分为一类，其他14个地级市分为一类，共計4大类。

2.6  利用系统聚类进行检验

从上节结果中，可以看出广东省21个地级市的车辆需求呈现比较显著的差异，21个地级市中14个市划分一类，相对于其他7个市车辆需求明显不足。而其他7市中，广州和深圳的车辆需求最高，佛山、东莞次之。其余3市置于中位。这样的结果是否受到K-均值聚类的影响而变得不合理，为了验证该结果的合理性，选取SPSS软件聚类分析功能中的系统聚类进行检验。同样选取F1～X13的所有变量为变量，个案标注依据选第一列地级市，聚类方法选择组间联接，测量区间选择欧氏距离，生成谱系图如图1所示。

从图1可以看出，当标尺选择6，所有个体可以划分为4个大类，而且划分结果与K-均值聚类结果基本一致。检验结果证明，K-均值聚类结果是合理的。

3  销售网点布局建议

通过图1的聚类谱系图可以看出21个地级市聚类组数划分可以多也可以少，主要取决于标尺的选择。为了使结果进一步明确，可以选择标尺5，将所有个体划分为5个大类。也可以为了提高效率选择标尺10将所有个体划分为3类。综合多方面因素比较，一般认为标尺10比较合理，考虑到第三大类15个地级市太多，不能体现其差异性，进一步将第三大类按照标尺3进行了第二次划分，划分结果如表10所示。

根据车主之家网站统计数据显示，2020年8月东风日产全国总销量为103 136辆，约为丰田总销量的87%，根据近5年的统计数据，日产全国年销量在丰田年销量的85%～94%之间。同样与本田相比近5年日产全国年销量为本田年销量的76%～85%之间，受疫情影响2020年8月东风日产全国总销量为本田的70.7%。

而根据汽车百度上的数据显示目前丰田公司在广东省共计有4S店107间，而本田公司共计110间。由此可见日产的门店数量75间无论是和丰田还是和本田相比都略显不足。根据以上表7划分结果再结合日产门店总数不足这一特点，可以规划各地4S店数量范围如表10所示，同时对照表1广东省各市东风日产4S店数量，可以看出目前广东省21个地级市的东风日产4S店分布基本合理，有个别市需要作出适当调整，建议如下：（1）目前湛江和茂名两地的均只有4S店一间，而根据分析结果可以看出两市属于三类地区，门店数量应该在2-4间的范围内，所以增加湛江和茂名两个地级市的4S店各两间。汕头和江门同样作为三类地区各增加一间。（2）珠海和中山作为二类地区相比于佛山、东莞以及惠州而言数量都偏少，可增加至5间，佛山目前9间的4S店数量可相应减少。（3）深圳车辆需求量超过广州，但是考虑到深圳消费水平较高，而日产大部分的车型定位为经济适用层，同时由于深圳土地面积限制，可适当增加1～2间，不必与广州持平。

根据调整后的4S店数量表11的数据求和可以得到，全省建议4S店总数为81间，在原有基础上增加了6间。广东省21个地级市的东风日产4S店分布建议图如图2所示。

4  结束语

从图2中可以看出，一二类地区主要集中在粤港澳大湾区附近，由于车辆的需求与地区经济发展水平存在比较强的相关性，可见广东省各市的发展存在比较严重的不平衡，这也造成了各市4S店数量的差距比较明显，这一点也证明了东风日产目前的4S店分布相对比较合理。在这样的大环境下，东风日产也可以根据以上四类地区的划分结果，在不同的地区主推不同的车型。例如深圳广州可以主推高端系列，比如楼兰，而其他地区则可以他主推经济型，比如逍客、轩逸、骐达等。

参考文献：

[1] 魏建漳，任颋. 新冠肺炎疫情对粤港澳大湾区城市群创新网络的冲击路径及应对策略[J]. 企业经济，2021（1）：110-120.

[2] 包振山，陈康路. 城市零售网点空间集聚特征与区域差异研究——以江苏省为例[J]. 商业经济研究，2020（8）：151-153.

[3] 孙阳. 基于市场空间分布的农村电商物流网点竞争合作仿真与优化[J]. 商业经济研究，2019（18）：104-107.

[4] 吴晓，王凌瑾，宁昱西，等. 南京市快递企业网点布局及其影响因素解析——基于民营企业（顺丰速递）和国营企业（EMS）的比较[J]. 地域研究与开发，2019，38（4）：52-59.

[5] 莫艳恺. 县域旅游经济发展差异的综合评价——以丽水市为例[J]. 企业经济，2012（3）：133-136.

[6] 石敏. 基于主成分分析和聚类分析的山东省粮食可持续发展评价[J]. 南方农业，2020（4）：124-126.

[7] 侯凌霞，杨扬，李坤颖. 基于模糊聚类的云南省物流发展评价分析[J]. 物流工程与管理，2009，31（4）：19-21.

[8] 詹荣富，吴军，黄立军. 交通资源禀赋优势对粤港澳大湾区产业链的协整影响分析——基于2012、2017年广东省域投入产出表的面板数据[J]. 企业经济，2020（5）：62-68.