集聚与裂变*——淘宝村、镇空间分布特征与演化趋势研究

单建树 罗震东

集聚与裂变*
——淘宝村、镇空间分布特征与演化趋势研究

单建树 罗震东

单建树

南京大学建筑与城市规划学院

硕士研究生

罗震东

南京大学建筑与城市规划学院 副教授

南京大学区域规划研究中心 副主任

中国城市规划学会乡村规划与建设学术委员会委员

阿里新乡村研究中心客座研究员

0 引言

随着全球化和信息化进程的持续深入，电子商务作为一种新兴的交易方式在中国迅速崛起，深刻地影响着商品的流通方式和城乡居民的日常生活。中国电子商务研究中心发布的数据显示，2015年中国电子商务交易额达18.3万亿元，网购用户规模达到4.6亿人①引自中国电子商务研究中心《2015年度中国电子商务市场数据监测报告》。，电子商务已成为推动经济增长和改善民生服务的重要平台。作为电子商务体系的重要组成部分，乡村电子商务亦步入成长的快车道，2015年中国农村网购市场规模达3 530亿元，环比增速高出城市4个百分点以上②引自中国国际电子商务中心研究院《中国农村电子商务发展报告（2015—2016）》。。在电子商务消费快速增长的同时，乡村生产活动也通过电子商务接入广阔的外部市场，快速涌现出大量的淘宝村③阿里研究院对淘宝村的认定标准：1.交易场所：经营场所在农村地区，以行政村为计量单元；2.交易规模：电子商务年销售额达到1 000万元以上；3.网商规模：本村注册网店数量达到100家以上，或注册网店数量达到当地家庭户数的10%以上。、淘宝镇④阿里研究院对淘宝镇的认定标准：一个镇、乡或街道出现的淘宝村大于或等于3个，即为淘宝镇。，成为信息时代乡村发展最具代表性的现象⑤据阿里研究院统计，2016年淘宝村的活跃网店数量超过30万个，年销售额达到百万元的电子商铺突破11 000个，一年有超过7亿个包裹发往全国各地。。乡村生产和消费活动的同步提速不仅为农民增收和城乡要素流动提供了新途径，也悄然改变着乡村的发展模式和城乡关系，甚至让式微已久的乡村城镇化重现活力，仿佛20世纪80年代兴起的自下而上城镇化的再现[1]。由于电子商务驱动的乡村发展很好地回应了四化同步、乡村复兴，以及城乡统筹等时代议题，开始受到越来越多的关注⑥2016年发布的《国务院关于深入推进新型城镇化建设的若干意见》中明确提出，将农村电子商务发展作为加快新型城镇化、辐射带动新农村建设的重要抓手。。作为科学制定新型城镇化公共政策的基础，电子商务驱动的乡村发展特征、机制，以及趋势和规律的研究变得日益迫切。

作为一种颠覆性(Disruptive) 技术，电子商务缩短了生产网络和消费网络之间的时空距离，在产业链和价值链环节体系中扮演了去中介(Disintermediation)和再中介的(Reintermediation)角色[2-3]，对传统地理格局产生了巨大影响。电子商务世界（Worlds of E-Commerce）的空间特征作为一个前沿领域早已引起国内外学者的关注[4-5]。随着中国电子商务的蓬勃发展，近年来关于电子商务空间分布的研究迅速增多，主要有3个方面。一是通过各地的电子商务发展指数，建立电子商务发展水平空间分布的测度方法，如电子商务发展水平的省际差异[6]，城市间、县域电子商务发展水平的空间分布特征及其影响因素等[7-8]。二是依据各地电子商铺的数量对其空间特征及影响因素进行研究，如全国层面电子商铺数量的空间分布特征[9]、影响因子[10]，C2C淘宝店的地理分布[11]及其演化机制等[12]。三是从细分行业的角度研究不同产品类型电子商铺的分布特征[13-14]。上述研究以定量研究为主，聚焦电子商务发展的整体特征和区域比较，一定程度上反映了中国电子商务发展的空间特征，然而对于农村电子商务及其推动的乡村城镇化关注不足。目前，关于乡村地区电子商务的研究主要以案例描述和定性分析为主，围绕电子商务驱动下的乡村城镇化模式[15-16]、单个淘宝村的空间变迁与重构[17-18]、乡村电商产业集群[19- 20]，以及乡村电商发展对于城乡格局的影响[21]等方面展开，虽然从不同侧面呈现了乡村电子商务和城镇化的部分特征，但整体仍处于起步阶段，缺乏较为全面的定量分析，以及趋势和规律的探索。基于此，本文试图在相关研究[22]基础上，更新研究数据、改进分析方法，通过对淘宝村、镇的深入分析揭示中国当前农村电子商务发展的空间特征与演变趋势，探索可能存在的规律，为制定更加有针对性的公共政策以促进新型城镇化的多元健康发展提供参考。

1 数据来源与研究方法

1.1 数据来源

研究数据主要来自定量采集和实地调研两大途径。阿里研究院以大数据平台识别的2014、2015、2016连续3年的全国淘宝村和淘宝镇名单⑦2014年是淘宝村首次在全国范围内大规模出现的时期，尽管阿里研究院在2013年也发布过淘宝村报告，但当时尚未明确淘宝村以行政村为基本单元，造成在对象选取方面尺度不一，故本次研究没有采用。（不包括港澳台三地）作为本研究的基础定量数据。由于当前中国尚无统一的精细化电子商务平台统计数据库，阿里研究院所提供的淘宝村、镇数据是当前最为准确、能有效地反映农村电子商务发展的数据之一。作为中国最大的电子商务平台企业，阿里巴巴集团2015年在中国电子商务交易市场占比超过一半，在移动网络交易的市场份额更是超过了80%⑧引自艾瑞咨询《2015年电子商务数据报告》。，淘宝村、镇均以阿里巴巴平台的交易金额和店铺注册数目作为主要衡量指标，能够较为客观地反映乡村电子商务的应用和发展情况。研究团队从2015年至今先后对浙江、江苏、山东、广东等省多地淘宝村、镇的实地调研，所获取的大量辅助性数据，如相关规划成果、政策文件和政府报告，以及非常重要的访谈和感性认识，为空间演化特征与趋势的研判提供了非常重要的参考。

1.2 研究方法

1.2.1 平均最近邻分析法

点要素在研究区域内的分布有集聚分布、随机分布和离散分布3种类型，通过平均最近邻（Average Nearest Neighbor）分析方法可以分析研究范围内点数据的分布类型及趋势程度，计算方法为：

其中：DE为研究区域内点数据随机分布的平均距离；DO为经过测算后的点数据平均值；n为点数据个数；S为研究区域面积；di为每个点数据与它最近的要素之间的距离[23]。平均最近邻比率为DO/DE，若该指数＜1，则表示数据分布趋向于聚集，若该数据＞1，则表示该数据分布趋向于离散，指数越接近于1表示数据的分布随机性越大。

1.2.2 空间自相关分析法

空间自相关分析可以测度空间变量的区域结构形态，是检验某一要素是否与其相邻空间相关联的重要指标。空间自相关分析可以分为全局空间自相关分析和局部空间自相关分析，全局空间自相关是对面要素内的属性值（本次分析以县域

为基本单元，以淘宝村的数量为属性值）在整个区域空间特征的描述，用于分析区域总体的空间关联和空间差异程度，主要采用Moran's I指数测度[24]，其计算公式为：

其中：xi为县域单元i的淘宝村个数；Wij为空间权重矩阵；为属性平均值Moran's I指数位于-1到1之间，若值接近于1则表示属性相似的空间单元聚集在一体，若接近于-1则表示属性相异的空间单元集聚在一起，若值接近于0则为随机分布，不存在空间自相关性。但全局空间自相关分析会掩盖小范围内局部不稳定性，在此基础上还需进行局部空间自相关分析[25]，测度每个局部单元服从全局总趋势的程度，并揭示其空间异质，亦称空间关联局域指标(Local Indicators of Spatial Association, LISA)，在LISA图中集聚分为4种情况，其中High-High表示高水平区域被其他高水平区域所包围，Low-High表示低水平区域被其他高水平的区域所包围，Low-Low表示低水平区域被其他低水平区域所包围，High-Low表示高水平区域被其他低水平的区域所包围[26]。

1.2.3 核密度分析法

图1 2016年淘宝村和淘宝镇分布散点图资料来源：作者自绘。

表1 2016年淘宝村、镇空间分布的平均最近邻计算结果

核密度分析（Kernel Density Estimation）作为一种非参数测度方法被普遍应用于空间分析中，该方法以特定的点要素地理坐标位置为圆心，将该点要素的属性分布在半径为h的圆的范围内，在点要素中心位置处密度最大，并随距离衰减，到极限距离处密度为0[27]，选用Rorenblatt-Parzen核函数进行测度[28]，计算方法为：

其中：K为核函数；h为带宽；xi-xj为测算点xi到样本点xj处的距离。

1.2.4 多距离空间聚类分析方法

多距离空间聚类（Multi-distance Spatial Clustering）分析方法用于分析点数据的空间集聚范围，可表示点数据的空间聚集或空间扩散在邻域大小发生变化时是如何变化的，其工作原理为：

其中：S表示研究区域面积；n表示点数据个数；d表示距离而k（i,j）表示权重。当i和j之间的距离≤d时权重为1，当i和j之间的距离＞d时权重为0[29]。该方法可计算与每个要素关联的相邻要素（即小于计算距离的要素）的平均数量，如果一个点的相邻要素数量比期望值高，那么该点及其周围的邻居则呈现集聚分布[30]。

2 淘宝村、镇的空间分布特征

淘宝村、淘宝镇的井喷式成长虽然和1980年代乡镇企业推动下的镇村发展有着相似的自下而上特征，但时代背景和发展机制的不同使其空间分布也呈现出新的特征。

2.1 三大区域的空间集聚

基于2016年淘宝村、镇的空间分布可以发现，空间分布极不均衡，具有明显的区域性集聚特征。全国绝大部分淘宝村和淘宝镇均聚集于东部地区（图1），沿海6省（河北省、山东省、江苏省、浙江省、福建省和广东省，下同）的淘宝村数量占全国的97.25%，其他省份的淘宝村均在15个以内，有13个省（市、区）尚未出现淘宝村。沿海6省淘宝镇数量占全国的98.52%，其他省份中仅有辽宁、四川两省各出现1个淘宝镇。计算2016年淘宝村和淘宝镇的平均最近邻比率，结果显示比率＜1，并且z得分＜-2.58（呈现明显的聚类特征），显著性水平p值小于0.001（99.9%的置信度），具有统计学上的显著性（表1），表明淘宝村和淘宝镇的分布具有较强的集聚特性，淘宝镇在空间上的集聚程度比淘宝村更为强烈。

在集聚程度最高的沿海6省中，淘宝村和淘宝镇的分布呈现出较为明显的北、中、南3大区域。集聚程度最高的是中部区域，主要包括浙江全省和江苏省南部地区，超过40%的淘宝村和淘宝镇聚集于此。这一区域一方面是中国乡镇企业、个私经济最为发达的地区，同时也是中国电子商务的发源地，具有最为坚实的产业基础。区域处于长三角核心的区位条件非常优越，密集的交通网络和居中的地理位置使得产品在运输效率和运输成本上最具优势，可以便捷地辐射全国最主要的人口密集地区⑨依据国家邮政局统计数据，2015年“双11”期间，快递出货量排名前10的城市中有5座城市位于浙江和苏南地区（金华、杭州、苏州、温州、宁波）。。南部区域由珠三角、潮汕和闽东南3个相对独立的团块状集聚区构成。这一区域毗邻港澳台，是改革开放的前沿，通过发展“三来一补”的外向型经济，逐渐形成服装、电子、食品、玩具等优势产业，为电子商务的发展奠定了坚实的基础。这一区域淘宝村的主营产品基本源于上述产业，乡村工业化在淘宝村形成之前就已基本完成，电子商务的发展更多起到的是拓宽销售渠道、重新整合产业链提升运行效率的作用。北部区域是集中程度最低的区域，主要包括苏北、鲁南，以及冀中南地区。这一区域属于华北平原农业经济区，经济发展水平和产业基础远远落后于中部和南部区域，大多数淘宝村、镇形成之前的产业基础很薄弱，人口、资金等生产要素长期处于外流状态，一定程度上属于乡村衰败地区。电子商务的全球链接特性与乡村低成本创业环境的结合，开启并加速了当地的乡村产业化进程，超越了传统的乡村线性发展模式，步入信息化带动工业化和城镇化的新路径，催生出一批信息时代的明星乡镇，如睢宁县沙集镇、曹县大集镇等。

图2 2016年县域尺度淘宝村LISA聚类图资料来源：作者自绘。

表2 2016年淘宝村空间分布的全局Moran's I指数

淘宝村空间分布在县域尺度上具有正自相关特征，淘宝村的集聚区域具有邻接特点。采用Moran's I指数对县域“淘宝村”空间分布进行全局自相关分析，结果Moran's I指数为0.22＞0，并且z得分＞2.58（呈现明显的聚类特征），显著性水平p值小于0.001（99.9%的置信度），具有统计学上的显著性（表2）。进一步对其进行局部空间自相关性分析，LISA聚类图（图2）上High-High区域与上文所述的3大集中分布区基本一致，这些地区内县域单元和附近县域单元的淘宝村数量均较多。其中冀中南地区识别出的High-High区域相对较少，表明这一地区的淘宝村集聚程度和邻接特性相对弱于其他集中分布地区；Low-High区域主要位于浙江东北部的磐安、新昌、宁海等地，这些县域单元周边地区的淘宝村数量普遍较多，自身的淘宝村数量相对较少，属于潜力型地区；High-Low呈现零星分布情况，位于山东博兴县和四川郫县，这两个县域内部淘宝村数量较多，但周边县域内淘宝村数量均较少，呈现一定的孤岛特征。

2.2 与区域中心的局部错位

图3 2014年—2016年淘宝村分布散点图资料来源：作者自绘。

图4 2014年—2016年淘宝镇分布散点图资料来源：作者自制。

表3 2016年一线城市和沿海六省会的淘宝村、镇数量

淘宝村和淘宝镇的3大集中分布区与中国东部主要的经济区⑩长三角、珠三角、京津冀、闽东南等。存在整体一致和局部错位现象。尤其东部地区的一、二线发达城市并非淘宝村、镇密集分布的地区，有些甚至是集聚度洼地。比较东部地区的一线城市和主要省会城市可以看到，除广州和杭州外，其他城市中淘宝村、镇数量均较少，上海、南京、深圳等城市甚至尚未出现淘宝村（表3）。这一方面与这些城市的产业结构和产品结构有关。目前C2C电子商务的畅销品多为家庭作坊或小型企业制造的服装、家具、箱包、食品等技术含量不高的产品，上述区域中心城市尽管电商产业发达，但其产品主要来源于城镇或开发区的企业，乡村电商所代表的小型制造业在其产业结构中所占比例较小。另一方面，由于中心城市人口众多，产业类型多样，能够为乡村居民提供较为丰富的、多样的就业岗位，从而使得乡村居民更倾向于到城区中就业，放弃不确定性较高的电商创业。同时这些中心城市周边的乡村地区往往是城市资本向外扩张的首要投放地，大量的乡村旅游和地产开发活动为村民提供了更多的发展选择，在一定程度上挤压了乡村电商的成长空间。反观一些淘宝村密集出现的地区，由于当地就业机会少，没有外出打工的村民拥有大量的闲暇时间尝试创业，恰恰吻合电子商务对于时间投入较多的要求。同时乡村地区的低生活成本和基于血缘、亲缘的熟人社会网络，使得其在产品成本、技术扩散与资源整合方面具有巨大的优势。于是，不仅苏州、温州、泉州等制造业基础雄厚的地区产生了大量的淘宝村，原本产业基础薄弱的鲁南、苏北地区也涌现出大量淘宝产业集群。

3 淘宝村、镇的空间增长趋势

3.1 快速的裂变式增长

淘宝村、镇虽然在数量上快速增长，但在空间分布上并未呈现显著的扩张性，更多地呈现为一定范围内（县域）的“裂变式”增长状态，即新增淘宝村、镇多数出现在原本就较为集中的地方（图3-图4），仿佛细胞的裂变增殖。数据显示，虽然2014—2016年淘宝村的分布省份从10个增加到18个，但新增的8个省份淘宝村的总量仅为14个，只占新增数量的1.27%，淘宝镇的数量仅增加1个，淘宝村、镇在新增地区远未形成集聚发展的态势（表4）。根据核密度分析结果（图5），2014年全国淘宝村已呈现多中心分布状态，珠三角、潮汕、闽东南地区呈现为相对独立的核心区；浙江境内呈现带状分布趋势，除杭州外，甬台温和金丽地区构成了两条明显的淘宝集聚带；而山东、河北的淘宝村则是小规模的点状集聚。至2016年，珠三角至闽东南地区已经出现连绵发展态势，浙江全省与苏南地区则构成淘宝村最大的连绵集聚区，苏北、鲁南与冀中南地区的淘宝核心区也呈现不同程度的加密和扩展。相比于东部地区，淘宝村在中西部和东北地区一直呈现孤岛状分布，河南的许昌、洛阳等地是为数不多的增长相对较快地区。

图5 2014年—2016年淘宝村分布核密度图资料来源：作者自绘。

图6 2015年、2016年新增淘宝村分布散点图资料来源：作者自绘。

表4 2014年—2016年全国淘宝村和淘宝镇的分布情况

计算2015年和2016年新增淘宝村数量的平均最近邻比率，结果显示比率为＜1，并且z得分＜-2.58（呈现明显的聚类特征），显著性水平p值小于0.001（99.9%的置信度），具有统计学上的显著性（表5），表明新增淘宝村在空间上具有很强的集聚性，绝大部分新增的淘宝村位于原本分布就较为集中的沿海6省（图6），占到新增数量的97.18%。

除全国尺度上的空间集聚性外，淘宝村的集聚范围发生了明显变化，通过对2014—2016年淘宝村进行多距离空间聚类分析，淘宝村在一定距离内的集聚程度均高于随机分布的最大值，并全部通过检验。2015年和2016年淘宝村集聚峰值出现的距离明显比2014年延后，淘宝村的空间集聚范围由2014年的8.5 km扩展到2015年的17 km，至2016年进一步扩展为17.4 km（图7），表明淘宝村向外扩张的距离迅速扩大后趋于稳定。2015年至2016年淘宝村数量由778个增加至1 311个，增幅达68.51%，但是淘宝村的集聚距离范围增幅仅为2.35%，进一步印证了前文关于淘宝村在空间分布上呈现裂变式增长的论述。

3.2 空间分布的可能趋势

基于对淘宝村、镇空间分布的演化过程分析，结合对大量淘宝村、镇的实地调研，可以预测未来淘宝村、镇将会在东部地区尤其是3大集中分布区域进一步集聚，形成明显的淘宝集群效应。互联网、电子商务虽然能够在一定程度上压缩时空距离、降低交易成本，但更为综合的区域差异并不会因为时空压缩而立即消除。不同地区的生产技术水平、人才聚集程度、信息技术应用能力，以及思想文化观念等多方面差距，甚至会在信息时代进一步放大，形成难以逆转的“马太效应”。尤其随着电子商务的进一步发展，产品竞争将更加激烈，诸多品类会不可避免地进行行业洗牌和优胜劣汰，电商创业的门槛必将进一步提高，完全没有产业基础的淘宝村产生的几率将大大降低。结合既有产业基础，围绕既有淘宝村、镇空间形成淘宝村将成为更为主要的产生模式，而由此带来的空间集聚范围也将趋于稳定。

图7 2014年—2016年淘宝村多距离空间聚类分析图资料来源：作者自绘。

表5 2015年、2016年新增淘宝村空间分布的平均最近邻计算结果

根据中国经济发展的区域梯度格局，河南、安徽、江西等中部省份的部分地区可能在未来率先迎来淘宝村、镇的快速成长期。乡村电子商务本质上是乡村实体产业的一种链接渠道和扩散媒介，当电商产业和人才开始在更大区域内进行分工与协作时，电子商务也会随之扩散，从而为后发地区带来乡村电商发展的契机。例如表演服饰产业聚集的山东省曹县大集镇，由于本地生产能力有限，部分网商会在“五一”、“六一”等销售旺季就近联系河南省商丘、许昌等地的服装企业为其生产表演服饰，产业链的延伸有可能带动这些地区产生新的淘宝村。这一趋势在近年的变化中已有所体现，目前河南省已发现13个淘宝村，成为东部沿海6省外拥有淘宝村数量最多的省份，江西省淘宝村发展速度也相对较快（目前已发现4个淘宝村），而安徽省更是2016年唯一实现淘宝村数量零的突破的省份。在广大的西部地区，由于技术水平、运输效率等因素的制约，当前还很难与东部地区建立有效的分工与协作机制，少数乡村可能因独特的产品⑪⑪如云南鹤庆县新华村的手工银器、宁夏贺兰县德胜村的枸杞产品。而成长为淘宝村，但淘宝村大量出现的可能性不高。

4 结论与讨论

改革开放30多年中国经济的持续快速增长推动了消费需求的全面升级，众多个性化、小众型产品成为人们青睐的对象，而互联网长尾（Long Tail）效应[31]的存在则为众多特色产品、小微制造的发展提供了机遇。与此同时，信息时代的开放性和生产要素的高速流动，使得包括乡村地区在内的各种聚落都能够融入更大范围的生产和消费体系。地方的增长潜力不再单纯地依赖自身的人口规模和资源禀赋，更多地取决于其链接区域的能力。互联网所重塑的经济、社会，以及时空特征为中国乡村电子商务的兴起奠定了坚实的基础。通过对淘宝村、镇的空间分布特征与演化趋势的研究，可以看到中国当前农村电子商务的发展呈现显著的集聚特征。3大淘宝村、镇集聚区域与中国东部主要的经济区存在整体一致和局部错位的特征，区域中心城市因其特定的经济、社会特征使得其通常并非淘宝村、镇集聚程度最高的地区。在演化方面，淘宝村、镇的空间增长开始呈现出在一定范围内快速裂变式增殖的态势，分布范围的扩张速度开始降低，但分布密度持续提高。这一趋势虽然还有待进一步的观察，但值得区域城镇化公共政策的制定者关注。

淘宝村、镇的出现是中国乡村地区借助互联网的强大链接能力，积极融入区域生产和消费体系、重塑城乡要素流动关系、重构传统城乡格局的积极尝试，一定程度上突破了乡村产业内卷化的长期困境[32]，改变了乡村地区长期作为城市附庸的尴尬地位。淘宝村、镇的成功所彰显的乡村电子商务的巨大潜力已经引起政府的高度关注，2016年12月底，由商务部、中央网信办、发展改革委联合发布的《电子商务“十三五”发展规划》明确指出，电商在促进经济增长、创业创新、脱贫攻坚等方面发挥了重要作用。可以预见，随着各级政府的高度重视，未来一段时期内淘宝村、镇仍将持续快速发展，成为影响中国乡村城镇化的一股重要力量。显然，这样一场电子商务推动下的乡村城镇化进程将既不同于西方发达国家经历的城镇化模式，也明显区别于中国过去几十年的城镇化道路，为中国城镇化的“下半程”提供新的发展可能，也为信息时代的乡村规划与建设提出了新的挑战。

References

[1]罗震东.淘宝村为中国城镇化的“下半程”提供了新的可能[EB/OL].（2016-12-06）[2017-02-17]. http://www.aliresearch.com/blog/article/detail/ id/21175.html. LUO Zhendong. Taobao village offers new possibilities for the second half of urbanization in China[EB/OL]. (2016-12-06) [2017-02-17]. http:// www.aliresearch.com/blog/article/detail/id/21175. html.

[2]Wrigley N, Lowe M, Currah A. Retailing and E-tailing[J].Urban Geography, 2002, 23(2): 180-197.

[3]Christensen C M, Tedlow R S. Patterns of disruption in retailing[J]. Harvard Business Review, 2000, 78(1): 42-45.

[4]Leinbach T R, Brunn S T. Worlds of E-commerce: economic, geographical and social dimensions[M]. John Wiley and Sons Ltd, 2001.

[5]刘卫东. 论我国互联网的发展及其潜在空间影响[J]. 地理研究，2002，21（3）：347-356. LIU Weidong. Development of the internet in China: spatial characteristics and implications[J].Geographical Research, 2002, 21(3): 347-356.

[6]汤英汉.中国电子商务发展水平及空间分异[J].经济地理，2015，25（5）：9-14. TANG Yinghan. A spatial difference study on China's E-commerce development Level[J]. Economic Geography, 2015, 25(5): 9-14.

[7]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）：1-10. HAO Feilong, GUAN Haoming, WANG Shijun. Study on the influencing factors and spatial distribution of electronic commerce development level in China’s Cities[J]. Economic Geography, 2016, 36 (2): 1-10.

[8]浩飞龙，王彬燕，王士君.东北地区县域电子商务发展水平的空间差异及影响因素[J].地域研究与开发，2016，35（4）：16-21. HAO Feilong, WANG Binyan, WANG Shijun. Influencing factors and spatial difference of E-commerce development level at county scale in northeast China[J].Areal Research And Development, 2016, 35(4): 16-21.

[9]俞金国，王丽华，李娜.电子商铺空间分布特征分析——来自淘宝网的实证[J].经济地理，2010，30（8）：1248-1253. YU Jinguo, WANG Lihua, LI Na. E-shops spatial distribution rule: a case study of Taobao net[J]. Economic Geography, 2010, 30(8): 1248-1253.

[10]俞金国，王丽华，连显淼.电子商铺空间分布规律及其影响因素探究——来自淘宝网的实证[J].地域研究与开发，2010，29（6）：34-39. YU Jinguo, WANG Lihua, LIAN Xianmiao. E-Shops spatial distribution law and its influencing factors: a case study of Taobao net[J]. Areal Research and Development, 2010, 29(6): 34-39.

[11]王贤文，徐申萌.中国C2C淘宝网络店铺的地理分布[J].地理科学进展，2011，30（12）：1564-1569. WANG Xianwen, XU Shenmeng. Geographical distribution of C2C Taobao online stores in China[J]. Progress in Geography, 2011, 30(12): 1564-1569.

[12]王贤文，徐申萌.我国C2C电子商务的地理格局及其演化机制[J].经济地理，2011，31（7）：1064-1069，1106. WANG Xianwen,XU Shenmeng. Spatial autocorrelation analysis of C2C E-business in China[J]. Economic Geography, 2011, 31(7): 1064-1069, 1106.

[13]周章伟，张虹鸥，陈伟莲. C2C电子商务模式下的网络店铺区域分布特征[J].热带地理，2011，31 （1）：65-70，76. ZHOU Zhangwei, ZHANG Hong’ou, CHEN Weilian. Characteristics of regional distribution of online shops under C2C E-business models[J]. Tropical Geography, 2011, 31(1): 65-70, 76.

[14]郭鸿鹏，于延良，赵杨.电商平台农产品经营主体空间分布格局及影响因素研究——基于阿里巴巴电商平台数据[J].南京农业大学学报（社会科学版），2016，16（1）：42-48，163. GUO Hongpeng, YU Yanliang, ZHAO Yang. Pattern and influencing factors of agricultural operators spatial distribution on Agri-E-commerce platform: based on data from Alibaba E-commerce platform[J]. Journal of Nanjing Agricultural University (Social Sciences Edition), 2016,16(1): 42-48, 163.

[15]许婵，吕斌，文天祚.基于电子商务的县域就地城镇化与农村发展新模式研究[J].国际城市规划，2015，30（1）：14-21. XU Chan，LV Bin，WEN Tianzuo. New patterns of county in-situ urbanization and rural development based on E-commerce[J]. Urban Planning International, 2015, 30(1): 14-21.

[16]LIU Changyu, LI Jiale, LIU Jing. Rural E-commerce and new model of rural development in China: a comparative study of 'Taobao Village' in Jiangsu province[J]. Asian Agricultural Research 2015, 7(11): 35-37, 46.

[17]杨思，李郇，魏宗财，等.“互联网+”时代淘宝村的空间变迁与重构[J].规划师，2016，32（5）：117-123. YANG Si, LI Xun, WEI Zongcai, et al. Spatial transition and restructuring of Taobao Villages in Internet+ era[J]. Planners, 2016, 32(5): 117-123.

[18]张嘉欣，千庆兰，陈颖彪，等.信息时代下“淘宝村”的空间转型研究[J].城市发展研究，2016，22（10）：81-84，101. ZHANG Jiaxin, QIAN Qinglan, CHEN Yingbiao, et al. Research of the spatial transformation of 'Taobao Village' in information age[J]. Urban Development Studies, 2016, 22(10): 81-84, 101.

[19]钱俭，郑志锋.基于“淘宝产业链”形成的电子商务集聚区研究——以义乌市青岩刘村为例[J].城市规划，2013，37（11）：79-83. QIAN Jian，ZHENG Zhifeng. E-commerce clusters based on Taobao industrial chain: a case study on Qingyanliu village in Yiwu city[J]. City Planning Review, 2013, 37(11): 79-83.

[20]曾亿武，邱东茂，沈逸婷，等.淘宝村形成过程研究：以东风村和军埔村为例[J].经济地理，2015，35（12）：90-97. ZENG Yiwu，QIU Dongmao，SHEN Yiting，et al. Study on the formation of Taobao village: taking Dongfeng village and Junpu village as examples[J]. Economic Geography, 2015,35(12): 90-97.

[21]曹璐.从淘宝村到“互联网+”，是否将改变中国乡村空间格局[J].小城镇建设，2016（6）：74-77，86. CAO Lu. From 'Taobao Village' to 'Internet +'concept, will change the spatial structure of rural area[J]. Development of Small Cities & Towns, 2016(6): 74-77, 86.

[22]朱邦耀，宋玉祥，李国柱，等. C2C电子商务模式下中国“淘宝村”的空间聚集格局与影响因素[J].经济地理，2016，36（4）：93-98. ZHU Bangyao, SONG Yuxiang, LI Guozhu, et al. Spatial aggregation pattern and influencing factors of Taobao Village in China under the C2C E-commerce mode[J].Economic Geography, 2016,36(4): 93-98.

[23]韦玉春，陈锁忠.地理建模原理与方法[M].北京：科学出版社，2007. WEI Yuchun，CHEN Suozhong. Principles and methods of geographic modeling[M]. Beijing: Science Press，2007.

[24]Cliff A D, Ord J K. Spatial Autocorrelation[M]. Pion London, 1973.

[25]Anseln L. Local indicators of spatial association—LISA[J]. Geographical Analysis, 1995, 27(2): 93-115.

[26]Anselin L. Spatial econometrics: methods and models[M]. Dordrecht: Kluwer Academic Publishers, 1988.

[27]Silverman B W. Density estimation for statistics and data analysis[M]. New York: Chapman & Hall, 1986.

[28]董丞妍，谭亚玲，罗明良，等.中国“癌症村”的聚集格局[J].地理研究，2014，33（11）：2115-2124. DONG Chengyan, TAN Yaling, LUO Mingliang, et al. Spatial aggregation pattern of Cancer Village in China[J]. Geographical Research, 2014, 33(11): 2115-2124.

[29]张景秋，陈叶龙.北京城市办公空间的行业分布及集聚特征[J].地理学报，2011，66（10）：1299-1308. ZHANG Jingqiu, CHEN Yelong. Industrial distribution and clusters of urban office space in Beijing[J]. Acta Geographica Sinica, 2011, 66(10): 1299-1308.

[30]张珣，钟耳顺，张小虎，等. 2004—2008年北京城区商业网点空间分布与集聚特征[J].地理科学进展，2013，32（8）：1207-1215. ZHANG Xun，ZHONG Ershun，ZHANG Xiaohu，et al. Spatial distribution and clustering of commercial network in Beijing during 2004—2008[J]. Progress in Geography, 2013, 32(8): 1207-1215.

[31]克里斯·安德森著，乔江涛译.长尾理论[M].北京：中信出版社，2006. Chris Andersen, QIAO Jiangtao translated. The long tail[M]. Beijing: China Citic Press，2006.

[32]房冠辛.中国“淘宝村”：走出乡村城镇化困境的可能性尝试与思考——一种城市社会学的研究视角[J].农村经济观察，2016（3）：71-81. FANG Guanxin. Taobao village and its possibility in breaking through the dilemma of urbanization in rural China：from the perspective of urban sociology[J]. Rural Economic Observation, 2016(3): 71-81.

Agglomeration and Fission: Spatial Distribution Characteristics and Evolution Trends of Taobao Villages and Towns

淘宝村、镇是电子商务驱动下乡村城镇化的典型空间单元。基于2014—2016年淘宝村、镇的相关数据，通过空间定量分析方法探讨淘宝村、镇的空间分布特征与演化趋势。发现淘宝村、镇在全国范围内呈现显著的集聚分布特征，3大集聚区域从北至南分别为北部的苏北、鲁南与冀中南地区，中部的浙江全省和江苏省南部地区，以及南部的珠三角、潮汕与闽东南地区。3大集聚区域与中国东部主要经济区存在整体一致、局部错位现象，区域中心城市并非淘宝村、镇集聚程度最高的地区。在演化趋势方面，淘宝村、镇呈现出在一定地域范围内快速裂变式增殖的态势，分布范围的扩张速度开始降低，但分布密度持续提高。

Taobao villages and towns are representative space units of rural urbanization driven by electronic commerce. Based on the data of 2014—2016 Taobao villages and towns, by means of space quantitative analysis method, we discuss spatial distribution characteristics and evolution trends of Taobao villages and towns. It is found that Taobao villages and towns show a significant agglomeration distribution in the whole country. There are three agglomeration areas from north to south, including northern agglomeration areas which are northern Jiangsu Province, southern Shandong Province and middle-southern Hebei Province; central agglomeration areas which are the whole Zhejiang Province and southern Jiangsu Province; southern agglomeration areas which are Pearl River Delta, Chaoshan area and southeastern Fujian Province. The three agglomeration areas have overall consistency and partial dislocation phenomenon with the main economic zones in eastern China; regional central cities are not the most concentrated areas of Taobao villages and towns. In terms of evolutionary trends, Taobao villages and towns present a rapid proliferation of fission in a certain geographical situation, and the expansion rate of distribution range begins to decrease, but the distribution density continues to increase.

淘宝村 | 空间分布 | 集聚 | 裂变 | 乡村城镇化

Taobao village | Spatial distribution | Agglomeration | Fission | Rural urbanization

1673-8985（2017）02-0098-07

TU981

A

国家自然科学基金“基于流空间的城镇发展战略分析方法与规划理论研究”（项目编号：51478216），江苏省“青蓝工程”资助。