商圈视角的网络购物对实体零售影响：替代抑或互补

李靖华，曾 锵，2

(1.浙江工商大学 工商管理学院，浙江 杭州 310018；2.浙江树人大学 管理学院，浙江 杭州 310015)

一、 引 言

近年来，网络空间对传统地理空间的影响一直受到地理学视角的关注[1-2]，网络购物对实体零售的影响是这一视角的焦点研究论题。国内外学者普遍接受了网络购物对实体零售存在潜在的替代、补充、修正和中立影响的分析框架，这一分析框架最早由Salomon(1985；1986)提出[3-4]，然后得到Mokhtarian(1990；2002；2004)的拓展延伸[5-7]。

早期，学者们认为网络购物对实体零售主要是替代的影响，因为网络购物可以节省消费者到实体商店购物的路程。Sim和Koi(2002)的实证研究表明175名新加坡的网络购物被调查者中，有12%的被调查者认为自己减少了实体零售购物出行，而剩下的被调查者没有感觉到网络购物对实体零售有什么影响[8]。Tonn和Hemrick(2004)对美国田纳西州诺克斯维尔城市的居民进行调查，发现大部分被调查者会因为网络消费而减少出行，只有一小部分因为网络消费而产生了新的出行活动[9]。Weltevreden和Van Rietbergen(2007)发现超过20%的荷兰网络购物消费者减少了去市中心实体店购物的出行活动[10]。随后这两位荷兰学者(2009)的研究发现在市中心网络购物对实体购物的替代影响非常明显，郊区次之，而非常奇怪的是相较于城市地区，乡村地区的这种替代影响非常微弱[11]。总体而言，这些研究主要依赖于调查数据的描述性统计分析，而分析的效度和结论的差异性主要决定于样本选择的代表性和差异性。

随着研究的深入，学者们日益发现网络购物对实体零售不仅仅是替代的影响，还存在着互补的影响。Farag等(2005)对乌特勒支(荷兰城市)市区和周边的3个郊区的826名被调查者进行调查，发现上网搜索的频率会正向影响去实体店的频率，虽然这种影响不是特别明显[12]。随后Farag等(2006)又对乌特勒支的634名被调查者进行调查，发现网络购物频率越高的消费者越有可能也去实体店购物，认为网络购物对实体零售不仅仅是替代的影响，还有互补的影响[13]。Cao等(2010)对美国明尼阿波利斯市和圣保罗市(双子城)的网络购物者进行调查，研究发现网上信息搜索和网络购物频率都会正向影响实体店购物的频率[14]，进一步地证实了这种互补效应的存在。之前的研究总是假设网络购物对实体零售的影响，但Farag等(2007)运用结构方程的方法再次进行研究，发现经常到实体店购物的消费者也会经常进行网络购物，而不是相反[15]，该研究进一步丰富了两者互补关系的内涵。类似的，Circella和Mokhtarian(2009)根据对南加州967个网络使用者的调查，同样运用结构方程的方法进行研究得到了相似的结论，即网络购物的频率和实体零售购物的频率存在双向的互补效应，虽然他们也发现针对某些特定群体，存在网络购物对实体零售的微弱的替代效应[16]。

随着研究的进一步深入，人们已经认识到网络零售和实体零售不仅仅是交易渠道，也是沟通渠道和配送渠道[17]，应当从消费者的购买决策过程来研究两者的替代和互补关系，进而形成不同的消费者决策行为策略[18]和购物模式[19]。或者根据购物过程的产品特征，将产品区分为搜寻类商品(search goods)和体验类商品(experience goods)，进而探究不同类别商品的网络零售和实体零售的替代和互补关系[20]。

整个研究的脉络基本遵循着先重视替代效应，后发现、认识和重视互补效应，到最后认识到两者同时存在，同时重视替代效应和互补效应及两者相互关系的基本顺序；在研究方法上，也遵循着由描述性统计到多元回归，再到结构方程的研究复杂问题要用复杂方法的基本过程。网络购物对实体零售的影响这一论题最初是源自网络空间对传统地理空间影响的思考，从发表的期刊来看，也比较体现了出行和交通行为的地理意义。但是，从地理学角度来讨论，网络空间对传统地理空间的影响不应当仅仅只是出行和交通行为的改变，也应当是对传统地理空间“分布”的改变。那么，网络购物对实体零售的影响从地理角度上来看，到底会改变哪些“分布”呢？首先，应当是有可能会改变消费者的地理分布；其次，从长期影响来看，也有可能会改变实体零售业态的地理分布。*本文主要是对前者即网络购物对消费者的地理分布改变影响进行研究，后者即对零售业态地理分布改变的影响不在本文考察范畴，可由另文撰述。另外，对一个具有地理意义的论题进行研究，也应当尽量运用具有地理意义的理论、方法和工具，才能够得出具有地理意义的结论[21]；如果单纯从消费者行为角度探讨这一论题虽然也有助于问题的厘清，但却有弱化了研究结论的地理意味的嫌疑。基于此，本文决定运用具有地理意义的商圈概念对网络购物对实体零售的影响展开研究。

商圈(trading area)也称零售交易区域，是指以零售商店为中心，沿着一定的方向和距离扩展，吸引顾客的辐射范围，简言之，商圈就是零售商吸引其顾客的地理区域[22]。虽然近几年随着互联网的快速发展，虚拟商圈的研究已成为一个热点问题[23-25]，但究其本源，商圈是一个欧几里得空间意义的具有距离依赖的传统地理概念。对于商圈概念的引入，还应当区分狭义商圈概念和广义商圈概念的差异[26]。曾锵(2010)认为商圈概念有微观层面、中观层面和宏观层面三个层面[27]：微观层面的商圈概念是以零售单店作为考察对象；中观层面的商圈概念是以若干个地理上靠近的零售单店组合形成的商业网点集聚体作为考察对象；宏观层面是以一个行政区划单位(一个县或一个市)的商业网点集聚体作为考察对象。本文对商圈的概念界定为微观层面的狭义商圈概念，即文中的定义。总之，本文的目的是试图引入有地理意义的商圈概念，探究商圈视角的网络购物对实体零售影响的替代效应和互补效应的内涵，网络购物会怎样改变消费者的商圈分布，并通过实证研究，验证网络购物对实体零售影响的替代效应或者互补效应的存在性。

二、 商圈视角的替代效应和互补效应理论分析

如图1所示，A代表的是完全没有网络购物影响时的商圈，圆心代表零售实体店，圆圈代表吸引顾客的辐射范围，圆圈内的点代表商圈内光顾零售店的消费者分布。由于地理的距离依赖，越靠近零售店，分布越密；越远离零售店，分布越疏。由圆心的零售店到商圈的边缘，就存在着一个密度不断衰减过程，我们把他称之为衰减度γ，是指单位距离的密度衰减数量。

图1 网络购物对实体零售影响的消费者商圈分布

当存在网络购物时，某些消费者对距离的感觉变得敏感。离零售店很近的顾客可能没有什么影响，但是离零售店越远的顾客就越可能转向网络购物而放弃实体店购物，这就使得由圆心到边缘，衰减的速度变快，即衰减度γ会明显增加，这就是图1的B情形的网络购物对实体零售的替代效应。

但是，也有可能会存在另外一种情形，消费者非但没有因为网络购物而变得对距离更加敏感，反而由于网络购物诱发了实体零售的出行行为，即Farag等(2006)所说的网络购物频率越高的消费者越有可能也去实体店购物[13]，消费者对距离的敏感性也反而变得更低。这就使得由圆心到边缘，相比较于A情形衰减的速度变慢，即衰减度γ会明显减少，这就是图1的C情形的网络购物对实体零售的互补效应。

总之，网络购物的存在，既有可能使得衰减度γ变大，即出现了替代效应，也有可能使得衰减度γ变小，即出现了互补效应。在本文的实证研究中，将把商圈的辐射距离按照等距分成若干段，根据这若干段的消费者分布数量来建立回归方程，通过回归方程的系数来测算γ的大小，由此来确定是出现了替代效应，还是互补效应。

三、 研究数据和方法

(一) 数据来源

在零售实体店的对象选择上，我们选择了杭州的欧尚超市大关店。*网络零售对实体零售的替代效应随商品类别的不同而存在差异，如对书籍、生鲜食品的影响是有较大差异的。但讨论不同商品类别的网络零售对实体零售的影响并非本文的主旨，所以为消除商品类别的影响，本文选择了囊括大多数商品类别的大型综合超市作为研究对象。在确立商圈视角的网络零售对实体零售的影响的研究方法可行以后，可由另文撰述基于商品类别差异的网络零售对实体零售影响，研究对象将可以主要选择不同商品类别的专业店。他是法国欧尚超市集团在中国的第五家连锁店，位于杭州市拱墅区大关路，建筑面积约20000平方米，营业面积接近10000平方米，商圈辐射范围广阔。在欧尚超市门口共发放问卷1800份，为保证问卷回收，每份问卷的调查都是由专人协助被调查者进行填写，问卷中有一道很重要的问题，就是要填写去欧尚的出发地址。撇除掉缺省未填写的、杭州市外的甚至省外地址的以及整个问卷字迹不清没有认真填写的无效问卷104份，实际获得有效问卷1696份，有效问卷率为94.2%。

表1 样本总体构成统计

问卷共13个题项，1～3题问及消费者年龄、性别和月收入；第4题问及消费者去欧尚的出发地址；5～6题问及消费者去欧尚的交通工具和所花时间；7～10题借鉴Farag等(2005，2006)的研究[12-13]问及消费者网络购物行为，包括网络使用时间(A.1年(含)以下；B.1～4年；C.4～6年；D.6～8年；E.8年(含)以上)、平均每天上网次数(A.少于1次；B.1～5次；C.6～10次；D.11～15次；E.15次以上)、网络购物经验(A.无；B.2年(含)以下；C.2～4年；D.4～6年；E.6年(含)以上)和平均每次网购金额(A.￥0～100；B.￥100～300；C.￥300～500；D.￥500～700；E.￥700以上)；11～13题同样借鉴Farag等(2005，2006)的研究[12-13]问及消费者的网络购物态度，包括“您觉得网络消费是生活中的一部分么?”“网络消费是否能给您带来便捷?”“您会因为网络消费的便捷减少实体店铺的消费数量么?”。网络购物态度采取由非常同意到非常不同意的李克特5分量表形式。

样本总体构成如表1所示。

那么如何获得欧尚店离消费者出发地址的距离这一重要数据呢？这里就需要借助到地理信息系统Mapinfo软件的使用。首先，把统一的杭州市地图导入到Mapinfo软件；其次，根据消费者在问卷当中填写的出发地址通过描点的方式在Mapinfo软件的杭州市地图当中标出，运用软件中的“Ruler”工具测量该点到欧尚的距离，*按道理消费者出发地址到欧尚超市的距离应该是消费者实际行走的距离，而不应该是两点连线的直线距离，但是如果所有的样本都是这样处理的话应该会减少这方面的误差，对结论不会产生影响。而且，从这个角度上讲，时间距离比空间距离更能够代表实际情况。得到一个数字(这个数字再乘以比例尺就是真实的距离，但在实际运算中，不这样做不会对研究过程和研究结论有任何影响)；最后，把这个数字标注到这个点的说明变量中，同时在样本的Excel数据库中也把这一距离数据录入。

借助Maoinfo软件得到的部分样本*如果是全部样本，尤其是在欧尚的核心商圈内，会显得特别模糊，所以就随机呈现了部分样本。的欧尚商圈描点图如图2所示。由图2可知，欧尚商圈辐射范围非常广阔，基本能辐射整个杭州市区，但核心商圈主要在拱墅区和下城区两个行政区范围内，而且越靠近欧尚，点的分布越密；越远离欧尚，点的分布越疏，体现了商圈分布的一般规律。

(二) 研究方法

如图2所示，每一个点代表一个样本，也代表一个消费者，但这个点是“透射”着网络购物影响的，影响的“标记”就是问卷当中的网络购物行为和网络购物态度，于是对反映网络购物行为的4道问题和反映网络购物态度的3道问题进行相关分析，如表2所示。

图2 部分样本的欧尚商圈描点图

表2 网络购物行为和网络购物态度的相关分析

由表2可知，所有的相关检验都非常显著，显著性P值都达到0.000。网络购物行为的变量之间是显著正相关，网络购物态度的变量之间也是显著正相关，而网络购物行为的变量与网络购物态度的变量都是显著的负相关，因为网络购物行为的问题回答选项是越来越多地呈递增顺序的，而网络购物态度的问题回答选项是由非常同意到非常不同意的递减顺序，两者方向相反。即，网络购物行为越多的消费者越是认为网络消费是生活中的一部分，越是认为网络消费能够给自己带来便捷，也越是倾向于认为网络购物的便捷会让自己减少实体店铺的消费数量。所以，我们在这里就认为两者是正相关关系。因此，可以下一个结论：网络购物行为和网络购物态度存在显著的正相关关系。

进一步的，为保障问卷的统计分析“质量”，对网络购物行为和网络购物态度分别进行效度和信度分析，如表3所示。

表3 网络购物行为和网络购物态度效度和信度分析

由表3可知，网络购物行为和网络购物态度的KMO值都接近0.7，效度尚可，Bartlett球形检验P值都在0.000水平，Cronbach’s α系数均接近0.8，表明网络购物行为和网络购物态度量表均具有较好的内部一致性。以F1代表网络购物行为，以F2代表网络购物态度，则有：

F1=0.825网络使用时间+0.728上网次数+0.853网购经验+0.640平均每次网购金额

F2=0.871生活中的一部分+0.863带来便捷+0.767因为网络消费减少实体店铺消费

按照网络购物行为，可以将整个样本由高到低进行排序，再平均分成两个部分，各848份样本，称之为重度网络购物行为消费者和轻度网络购物行为消费者。再考察比较他们商圈分布的衰减度γ，由此推断网络购物对实体零售的影响是替代效应，还是互补效应。

同样的，按照网络购物态度，可以将整个样本由低到高进行排序，也平均分成两个部分，称之为重度网络购物态度消费者和轻度网络购物态度消费者。考察比较他们商圈分布的衰减度γ，由此推断是替代效应，还是互补效应。

四、 商圈视角的替代效应和互补效应实证分析

(一) 以网络购物态度为区分变量的商圈分布分析

将整个1696样本按照网络购物态度的分值由低到高进行排序，再平均分成两个部分，各848份样本，称之为重度网络购物态度消费者和轻度网络购物态度消费者。再按离欧尚距离由近到远进行排序，整个样本最大距离为1.456，将这个距离等距分成10等份，考察每段距离有多少消费者落入其中，统计结果见表4。

表4 以网络购物态度为区分变量的空间距离分段统计

图3 基于空间距离分段的重度与轻度网络购物态度消费者商圈分布变化

为了更直观地展现商圈分布的变化，如图3所示。

由图3可知，消费者的分布主要集中在前面5段，第6～10段已经是非常边缘的商圈范围了，所以舍弃掉第6～10段(这样做不会影响最终结论)，以第1～5段的数据为依据进行线性回归，通过回归方程的系数来推断分析，统计结果如表5所示。

表5 以空间距离分段的重度与轻度网络购物态度消费者的商圈分布衰减回归统计

由表5可知，相较于轻度网络消费者态度消费者商圈分布衰减，重度的商圈分布衰减快一点点，这就说明在本实证研究中网络购物对实体零售的影响存在非常微弱的替代效应。为了更好地印证这一结论，我们再以时间距离分段进行同样的分析，如表6。

为更直观地展现商圈分布的变化，如图4所示。

表6 以网络购物态度为区分变量的时间距离分段统计

图4 基于时间距离分段的重度与轻度网络购物态度消费者商圈分布变化

由图4可知，商圈分布变化先递增，再完全递减，总体仍然呈现衰减趋势，回归方程的系数统计结果如表7所示。

表7 以时间距离分段的重度与轻度网络购物态度消费者的商圈分布衰减回归统计

由表7可知，和以空间距离分段的分析结果一致，相较于轻度网络消费者态度消费者商圈分布衰减，重度的商圈分布衰减快一点，由此我们可以更加坚信地下一个结论：基于商圈视角，从网络购物态度来看，网络购物对实体零售存在微弱的替代效应。

(二) 以网络购物行为为区分变量的商圈分布分析

那么从网络购物行为来看，网络购物对实体零售的影响是否也是替代效应呢？因为前面已经分析过，网络购物行为和网络购物态度存在显著的正相关关系，按照预期网络购物行为和网络购物态度角度的网络购物对实体零售影响的结论应当是一致的。

和前面的分析一样，将整个样本按照网络购物行为的分值由高到低进行排序，平均分成两个部分，各848份样本，称之为重度网络购物行为消费者和轻度网络购物行为消费者，再按离欧尚距离由近到远进行排序，统计结果见表8。

表8 以网络购物行为为区分变量的空间距离分段统计

为直观地展现商圈分布的变化，如图5所示。

图5 基于空间距离分段的重度与轻度网络购物行为消费者商圈分布变化

由图5可知，消费者的分布主要集中在前面5段，所以舍弃掉第6～10段，以第1～5段的数据为依据进行线性回归，统计结果如表9所示。

表9 以空间距离分段的重度与轻度网络购物行为消费者的商圈分布衰减回归统计

由表9可知，和我们的预想并不一致，并没有出现重度网络购物行为消费者的商圈分布衰减更快的现象，说明没有出现替代效应。而是相反，相较于轻度网络购物行为，重度网络购物行为消费者商圈分布衰减得更慢，这说明出现了互补效应。为了进一步佐证这一令人惊讶的发现，我们再以时间距离分段进行同样的分析，如表10。

为更直观地展现商圈分布的变化，如图6所示。

表10 以网络购物行为为区分变量的时间距离分段统计

图6 基于时间距离分段的重度与轻度网络购物行为消费者商圈分布变化

由图6可知，商圈分布变化先递增，再完全递减，总体仍然呈现衰减趋势，回归方程的系数统计结果如表11所示。

表11 以时间距离分段的重度与轻度网络购物行为消费者的商圈分布衰减回归统计

由表11可知，和以空间距离分段的分析结果一致，相较于轻度网络消费者行为的消费者商圈分布衰减，重度的商圈分布衰减更慢一点。而且不论是按照空间距离分段还是时间距离分段，相较于网络购物态度，网络购物行为的重度和轻度回归方程的系数差异都较大。由此，我们可以下一个坚实的结论：基于商圈视角，从网络购物行为来看，网络购物对实体零售存在比较明显的互补效应。

五、 结论与讨论

(一) 结 论

本文首先对商圈视角的网络购物对实体零售影响的替代效应和互补效应进行了理论分析，即可以通过网络购物影响下的实体零售消费者商圈分布的衰减度变化和对比来分析判断替代效应和互补效应。接着以此理论分析为指导，以欧尚大型超市为研究对象，进行了实证研究，发现消费者的网络购物行为和网络购物态度存在显著正相关关系。将调查样本按照两个因素分成均等数量的两组样本，重度网络购物行为消费者和轻度网络购物行为消费者，重度网络购物态度消费者和轻度网络购物态度消费者，对比考察两组样本的商圈分布衰减度的差异，通过统计分析，得到的结论是：从网络购物态度来看，网络购物对实体零售存在微弱的替代效应；而从网络购物行为来看，网络购物对实体零售存在比较明显的互补效应。

(二) 讨 论

得到的这个结论令人惊讶，几乎是一个矛盾的结论，因为从统计分析来看，网络购物行为和网络购物态度是存在显著的正相关关系，即网络购物行为越多的消费者越是会认为网络购物是生活的一部分，越是会认为能够给生活带来便捷，也越是会认为会因为网络购物减少实体零售购买的数量，两者的方向是一致的。那么按照预想对实体零售的影响也应该是一致的，而得到的结论却是从网络购物态度来看网络零售对实体零售存在替代效应，而从网络购物行为来看网络购物对实体零售存在互补效应，充分印证之前许多学者对这一研究问题的认识，即网络购物与实体零售购物的关系不是简单的替代或补充，而是要复杂得多[7,28-30]。

那么，为什么从网络购物行为来看，没有出现网络购物对实体零售影响的替代效应，而是互补效应呢？即重度网络购物行为消费者的商圈分布的衰减没有出现衰减更快的现象，而是更慢，而轻度网络购物行为消费者的商圈分布的衰减却出现了衰减更快的现象。Farag等(2005，2006)认为网络信息搜寻频率不但会影响网络购买行为，也会显著影响实体零售的购买行为[12-13]，因为这会诱发实体零售购买行为，这一观点似乎能够一定程度上解释本文的实证结论。但细究起来，却也存在不尽合理之处，原因在于本文的实证研究完全是以一家大型超市作为研究对象，而消费者的网络信息搜寻行为又不可能是完全针对这家大型超市而进行的，因而不可能出现因为网络搜寻行为而诱发专门针对这家超市的购物行为。一个更为合理的解释出现在Farag等(2007)的文献[15]，“那些经常在实体店购物的消费者也会经常在网上购物，喜欢购物的消费者会同时使用各种购物模式，无论是网络购物还是实体零售都只是一种方式或手段”。所以，在本文的实证研究中，重度网络购物行为消费者很有可能也同样是实体零售购物的活跃者，“重度”一词就成为同样标识网络购物和实体零售购物的活跃程度的“标签”。自然他们相较于“轻度”消费者就有更好地抵抗距离依赖的特性，因而会出现重度网络购物行为消费者的商圈分布的衰减度会更慢，而轻度网络购物行为消费者的商圈分布衰减度会更快的现象，也说明了网络购物对实体零售影响的互补效应存在性。

那么又如何来解释替代效应和互补效应同时出现这一看似矛盾的现象和结论呢？从主观消费者心理的网络购物态度来看，3个测量的题项都有较为明显的替代倾向。“您觉得网络消费是生活中的一部分么？”“网络消费是否给您生活带来便捷？”“您会因为网络消费的便捷减少实体店铺的消费数量么？”，实证结论的替代效应存在也证明了消费者主观认知上是有替代倾向的；但是如果从客观消费行为的网络购物行为来看，很有可能网络购物行为的活跃程度和实体零售购物行为的活跃程度存在较大的相关性，消费者会根据自身的实际生活需求自发调整网络零售和实体零售的选择，因而出现了互补效应。这是一种主观心理和客观行为表现并非一致的现象，从客观行为得出的网络购物对实体零售的互补效应存在也是一种消费者主观不自知但客观实际表现就是如此的情形。当然，虽然实证研究证实了替代效应和互补效应的同时存在，但两种效应并非对称出现，在本实证研究中，替代效应是比较微弱的，而互补效应是比较明显的，这也呼应了Choo等(2008)[28]的早期研究结论。

本文的主要贡献就在于通过引入有地理意义的商圈概念，对商圈视角的网络购物对实体零售影响的替代效应和互补效应进行了内涵界定和理论阐释，并通过以主观的网络购物态度和客观的网络购物行为的变量进行区分，在同一个实证研究中证实了替代效应和互补效应的同时存在性。这种同时存在获得了地理意义上的证实，也使网络购物对实体零售影响的替代效应和互补效应获得了地理意义上的直观呈现和深刻刻画。

本文的不足之处在于对网络购物行为和网络购物态度的测量还可以再具体和深化，如对于网络购物态度，主要从网络购物对实体零售替代的角度设计题项，没有从任务导向和休闲导向等角度进行设计。许多本主题的研究采用的是结构方程的研究方法，但本研究的样本数量巨大，必须要在调查广度和调查深度两个方面做出一定的权衡取舍，另外本问卷调查的其中一个很重要的目的就是要获得消费者的地理位置信息，并借助Mapinfo软件的使用获得距离的数据信息，这也是和一般的问卷统计分析有所区别的地方。未来的研究展望还可以从两个方面展开，一是用本文同样的方法借鉴Weltevreden等(2007)的研究[10]考察不同地理位置(如市区、郊区和农村)的替代效应和互补效应的对比变化；二是同样用本文的方法考察不同商品类别(如搜寻类商品和体验类商品)的网络零售对实体零售影响替代效应和互补效应的对比变化。本文的实证研究对象是大型超市，商品类别是生活必需品，属于搜寻类商品，可以对以销售体验类商品为主的实体零售(如百货店)为研究对象进行实证研究；或者进一步地根据商品的“互联网属性”差别同时考察不同商品类别的专业店的网络零售对实体零售的替代效应和互补效应的差异性，如书店、生鲜食品店、家具家居店、家用电器店，在这些不同商品类别的专业店之间作横向差异比较研究。

参考文献:

[1]GRAHAM M.Warped geographies of development:the Internet and theories of economic development[J].Geography Compass,2008,2(3):771-789.

[2]H·巴凯斯,路紫.从地理空间到地理网络空间的变化趋势——兼论西方学者关于电信对地区影响的研究[J].地理学报,2000(1):104-111.

[3]SALOMON I.Telecommunications and travel:substitution or modified mobility[J].Journal of Transport Economics and Policy,1985,19(3):219-235.

[4]SALOMON I.Telecommunications and travel relationships:a review[J].Transportation Research A,1986,20(3):223-238.

[5]MOKHTARIAN P L.A typology of relationships between telecommunications and transportation[J].Transportation Research A,1990,24(3):231-242.

[6]MOKHTARIAN P L.Telecommunication and travel:the case for complementarity[J].Journal of Industrial Ecology,2002,6(2):43-57.

[7]MOKHTARIAN P L.A conceptual analysis of the transportation impacts of B2C e-commerce[J].Transportation,2004,31(3):257- 284.

[8]SIM L L,KOI S M.Singapore’s internet shoppers and their impact on traditional shopping patterns[J].Journal of Retailing and Consumer Services,2002,9(2):115-124.

[9]TONN B E,HEMRICK A.Impacts of the use of e-mail and the Internet on personal trip-making behavior[J].Social Science Computer Review,2004,22(2):270-280.

[10]WELTEVREDEN J W J,VAN RIETBERGEN T.E-shopping versus city centre shopping:the role of perceived city centre attractiveness[J].Tijdschrift Voor Economische En Sociale Geografie,2007,98(1):68-85.

[11]WELTEVREDEN J W J,VAN RIETBERGEN T.The implications of e-shopping for in-store shopping at various shopping locations in the Netherlands[J].Environment and Planning B:Planning and Design,2009,36(2):279-299.

[12]FARAG S,SCHWANEN T,DI JST M.Empirical investigation of online searching and buying and their relationship to shopping trips[J].Transportation Research Record：Journal of the Transportation Research Board,2005(1926):242-251.

[13]FARAG S,KRIZEK K J,DI JST M.E-shopping and its relationship with in-store shopping:empirical evidence from the Netherlands and USA[J].Transport Reviews-Transnational Transdisciplinary Journal,2006,26(1):43-62.

[14]CAO X,DOUMA F,CLEAVEAND F.The influence of e-shopping on shopping travel:evidence from Twin Cities[J].Transportation Research Record：Journal of the Transportation Research Board,2010(2157):147-154.

[15]FARAG S,SCHWANEN T,DI JST M,et al.Shopping online and/or in-store? A structural equation model of the relationships between e-shopping and in-store shopping[J].Transportation Research Part A:Policy and Practice,2007,41(2):125-141.

[16]CIRCELLA G,MOKHTARIAN P L.Complementarity or substitution of online and in-store shopping:empirical analysis from Northern California[C].Washington:the 89th Transportation Research Board Annual Meeting,2009.

[17]CAO X.The relationships between e-shopping and store shopping in the shopping process of search goods[J].Transportation Research Part A:Policy and Practice,2012,46(7):993-1002.

[18]ESRA S,JOHN W P.Development of joint models for channel,store,and travel mode choice:Grocery shopping in London[J].Transportation Research Part A:Policy and Practice,2017(99):147-162.

[19]张永明,甄峰.城市居民网络与实体购物互动模式及空间分异——以南京为例[J].经济地理,2017(1):15-22.

[20]ZHAI Q,CAO X,MOKHTARIAN P L,et al.The interactions between e-shopping and store shopping in the shopping process for search goods and experience goods[J].Transportation,2017,44(5):885-904.

[21]刘凯,汤茂林,刘荣增,等.地理学本体论：内涵、性质与理论价值[J].地理学报，2017(4):577-588.

[22]肖怡.零售学[M].北京:高等教育出版社,2003:125-131.

[23]徐婧雯.电子商务虚拟商圈吸引力评价[J].情报科学,2011(11):1693-1696.

[24]余金艳,刘卫东,王亮.基于时间距离的C2C电子商务虚拟商圈分析——以位于北京的淘宝网化妆品零售为例[J].地理学报,2013(10):1380-1388.

[25]唐红涛,张俊英.虚拟商圈集聚:机理和效应分析[J].中国流通经济,2014(2):83-87.

[26]刘星原.贸易经济理论中商圈概念的探讨[J].商业经济与管理,2010(12):5-9.

[27]曾锵.零售商圈吸引力:基于雷利法则和赫夫模型的实证研究[J].财贸经济,2010(4):107-113.

[28]CHOO S,LEE T,MOKHTARIAN.Do transportation and communications tend to be substitutes,complements,or neither? US consumer expenditures perspective,1984-2002[J].Transportation Research Record：Journal of the Transportation Research Board,2007(2010):121-132.

[29]CAO X.E-shopping,spatial attributes,and personal travel:a review of empirical studies[J].Transportation Research Record:Journal of the Transportation Research Board,2009(2135):160-169.

[30]汪明峰,卢姗.替代抑或补充:网上购物与传统购物出行的关系研究[J].人文地理,2012(3):44-49.