网络零售业的天花板效应及空间溢出效应研究

王 丽

(安徽财经大学 工商管理学院，安徽 蚌埠 233000)

我国网络零售业的发展主要分为两个阶段：第一阶段在2010年之前，其发展处于起步阶段，主要是学习国外网络零售业的先进技术和经验；第二阶段在2010年之后，其发展进一步赶超发达国家，交易规模及网络用户等指标均处于世界领先地位。截至2016年底，我国网络零售业总交易量占全球近40%的份额[1]。目前，我国网络零售业正经历着复杂的技术革新和业态调整，线上线下的零售业不断进行兼并与融合。因此，我国网络零售业都需要面对一个重新塑造零售价值的机遇和挑战，这也表明我国网络零售业的发展已经进入了另一个崭新的创新转型时期。在这个创新转型时期中，网络零售业的天花板效应及空间溢出效应格外引人关注。天花板效应是一种高限效应，对于网络零售业而言，特指在其发展过程中，在没有遇到很大的困难的情况下便可以取得很好的业绩，这种业绩持续走高就会对其他行业产生不利影响，形成空间溢出效应。由此可见，天花板效应和空间溢出效应是在网络零售业发展过程中出现的主要障碍[2]。

一、我国网络零售业发展的天花板效应分析

(一)我国网络零售业发展现状

2010年以来，我国网络零售业发展迅猛。2013—2019年，行业销售额年均增速达到了45%，仅2019年的销售额就达到了5万亿元，占全国社会消费零售业销售额的17%以上[3]。目前，我国网络零售业发展更加成熟，阿里巴巴、京东等电商企业不仅积极扩充零售类别，改善售后服务，提高物流配送效率，还在推进跨境网购和农村电商产业的发展。2019年，我国网络零售行业移动端销售额达到68483亿元，占该行业销售额的91%，2013—2019年间，移动端网络零售业销售额年平均增速为249%[4]。相关数据变化趋势如图1所示。

就农村地区网络零售业而言，2018—2019年农村地区网络零售业销售额年平均增速超过了城市地区，网络零售业逐渐成为农村地区经济发展的新动力。2019年，农村地区网络零售业销售额为6494亿元，较2018年增长了42%。农村地区网络零售业销售额占全国网络零售业总额的15%左右[5]。

在2013—2019这7年里，我国网络零售业销售总额不断扩大，且年平均增速均大于全国社会消费零售业销售额的年平均增速。相关数据如图2所示。

图1 2013—2019年我国网络零售业发展情况

图2 2013—2019年网络零售业增长变化趋势

从图2可以看出，我国网络零售业的增长势头已经出现了明显的收敛趋势，年平均增速逐年下降，符合天花板效应出现的前期征兆。从阿里巴巴、京东等网络零售企业的经营规模来看，网络零售业基本形成了稳定的零售市场格局，近7年内网络零售企业排名顺序没有发生显著变化。2019年，天猫依然是我国网络零售业市场销售的冠军，销售份额占市场的比例达到了49%；其次是京东，市场销售份额为29%；再其次是苏宁，市场销售份额为6%。这3家企业占网络零售业市场份额的84%。

(二)我国网络零售业发展模型设计及变量说明

网络零售业发展受到天花板效应的影响，这种影响在短期内确实刺激了社会消费需求，推动了经济社会发展，但实际上并不符合网络零售业长远发展的要求。因此，网络零售业天花板效应的存在，很难采用单一的结构方程将这两种效用进行综合体现。为此，本文采用状态空间模型 (State Space Model，SSM)[6]来动态评估天花板效应的影响作用，并运用该模型研究网络零售业销售额增量(NRS)对社会消费零售业销售额增量(TRS)、国内生产总值增量(GDP)、经济效率增长率(EE)的影响情况。变量的信号方程和状态方程如下：

ΔTRSt=c(1)+SV1×ΔNRSt+ut(c(4))

(式1)

ΔGDPt=c(2)+SV2×ΔNRSt+ut(c(5))

(式2)

ΔEEt=c(3)+SV3×ΔNRSt+ut(c(6))

(式3)

SV1=SV1(-1);SV2=SV2(-1);SV3=SV3(-1)

(式4)

其中，ΔNRS是输入变量，ΔTRS、ΔGDP、ΔEE为输出变量；ΔNRSt、ΔTRSt、ΔGDPt、ΔEEt均为可观测向量；SV1、SV2和SV3分别输出变量ΔTRSt、ΔGDPt、ΔEEt相对应的状态向量；SV1为社会消费弹性系数，SV2为经济发展弹性系数，SV3为经济效率弹性系数；c(1)、c(2)和c(3)是常数；c(4)、c(5)和c(6)为不相关扰动项；ut(c(4))、ut(c(5))和ut(c(6))是均值为0、方差未知的常数项。

此外，ΔTRSt=TRSt-TRSt-1，ΔGDPt=GDPt-GDPt-1，ΔEEt=EEt÷EEt-1。在式1和式2中，有ΔNRSt=NRSt-NRSt-1； 在式3中，有ΔNRSt=NRSt÷NRSt-1。

(三)我国网络零售业发展的天花板效应

网络零售业是新型的零售业，由于存在天花板效应，行业所处的市场以及潜在的市场总有一项会接近饱和，市场竞争格局也会逐步稳定，仅仅依靠上一代信息技术的驱动并不能满足远期网络零售业的需求。同时，网络零售业也受到内外部因素的限制。例如，网络零售业发展所面临的外部限制条件主要源自“供给侧”和“需求侧”两个方面。供给侧端主要受到生产要素市场、生产环境条件、管理经验水平等因素的限制，需求侧端主要受到消费者的购买潜力、消费偏好、消费结构等因素的影响。按照天花板效应基本理论，我国网络零售业在技术和政策上基本不存在阻碍，生产要素市场健全，生产管理水平成熟。因此，我国网络零售业已经跨过成长阶段，进入成熟发展阶段。按照这样的速度发展，网络零售业即将或者已经接触到了发展的极限，也就是所谓的“天花板”。

社会消费零售业销售额可以量化社会购买能力，互联网上网人口比重可以量化电信业发展水平，单位GDP货物周转量可以量化物流业发展水平。以上三个变量属于自变量，网络零售业销售额为因变量。基于式1—式4所示的信号方程和状态方程，对自变量和因变量取自然对数，以消除变量的数量级差异，建立的个体固定效应面板数据模型如式5所示。

(式5)

其中，t为年份，选取2018年和2019年的统计数据进行分析，因此t=1，2；i为省市、自治区、直辖市(西藏、新疆、海南、香港、澳门、台湾除外)，因此i=1，…，28，并将这28个省市、自治区、直辖市按照东北、西部、中部、东部区域进行划分。表1为个体固定效应的面板数据模型的参数估计结果。

表1 个体固定效应的面板数据模型的参数估计结果

从表1可以看出，自变量TRS、PPA、FV的系数保持了良好的显著性。分析自变量系数的绝对值可知，当前影响我国网络零售业发展的主要因素为潜在的网络零售市场空间以及信息技术实力，而物流配送能力经过近些年来的发展加上交通运输状况的改善已经得到大幅提升，但实际上，对网络零售业发展的促进作用并不显著，地区以及城乡之间的物流行业发展差距依然较大。

具体来说，对于潜在的网络零售市场空间，全国整体情况好于东北、东部、西部和中部地区，潜在的网络零售市场空间巨大。就TRS变量的系数而言，全国平均数为0.9734，大于东北地区的0.3105、东部地区的0.9274、西部地区的0.4364和中部地区的0.5825。从各个区域来看，东部地区的TRS变量系数最大，网络零售业市场更加趋于饱和，相当接近“天花板”。相比之下，东北地区的TRS变量系数最大，网络零售业市场发展空间巨大。就信息技术实力而言，东部地区的PPA变量系数最大，说明该地区信息技术实力最强，对网络零售业的发展贡献率也最大；西部地区的PPA变量系数小于0，表明西部地区缺乏高水平的信息技术实力，且已经限制其网络零售业的发展，出现了负增长效应。就物流配送能力而言，中部地区和东部地区的FV变量系数较大，可以为当地网络零售业的发展提供良好的物流基础条件。西部地区和东北地区因气候条件较差，交通运输不便利，其FV变量系数较小，物流业已经限制了当地网络零售业的发展。

(四)空间自相关分析

从网络零售业的天花板效应的分析结果可以发现，我国东部地区网络零售业的天花板效应十分明显，而西部地区和东北地区的还未出现明显的天花板效应，网络零售业还存在较大的发展空间。基于此，本文继续研究我国东北、西部、中部和东部地区以及全国整体的网络零售业空间溢出效应。基于柯布-道格拉斯生产函数模型[7]，以TRS、PPA、FV为投入要素，以NRS为产出要素，计算相邻地区网络零售业经济效率。表2为对网络零售业经济效率进行空间自相关分析的结果。

表2 网络零售业经济效率空间自相关分析结果

从表2可以看出，按照“阈值相邻”原则[8]，计算我国东北、西部、中部和东部地区的空间权重，运用GeoDa软件对2018年和2019年的4个经济区域的NRS单变量、NRS-TRS、NRS-PPA和NRS-FV双变量进行Moran'sI指数全域自相关分析，其结果显示，我国东北、西部、中部和东部各地区之间的网络零售业发展具有显著的替代效应。三对双变量Moran'sI指数表明，相邻地区潜在的网络零售市场空间和物流配送能力对网络零售业发展影响显著，而相邻地区的信息技术实力对网络零售业发展的影响甚微。就相邻地区潜在的网络零售市场空间而言，相邻地区潜在的网络零售市场空间与网络零售业的发展呈现正相关关系，因此，相邻地区网络零售消费市场潜力越大、购买能力越强，对网络零售业的发展促进作用越明显。就相邻地区物流配送能力而言，相邻地区物流配送能力与网络零售业的发展呈现正相关关系，因此，相邻地区交通运输能力越强、物流配送效率越高，对网络零售业的发展促进作用也越明显。

(五)空间面板数据模型分析

通过对相邻地区网络零售业经济效率的空间自相关关系进行分析，建立的空间效应面板数据模型如式6所示。

(式6)

其中，i=1，…，4，t=1，2。W为空间权重矩阵，WLnNRSit为空间滞后项，含义为相邻地区网络零售业发展对本地区网络零售业发展的影响。ρ为空间滞后系数，其值表示对网络零售业的作用方向及程度，其对应的面板数据模型空间溢出效应分析结果如表3所示。

表3 基于面板数据模型的网络零售业空间溢出效应分析结果

对比表2所示的空间自相关分析，表3中增加了面板数据空间滞后系数，相关参数的显著性较好。从总体来分析，我国东北、西部、中部、东部地区之间的网络零售业发展存在明显的反向溢出效应，也就是说，不同地区的网络零售业之间具有一定的市场竞争关系，暂未发现互补关系。表3空间滞后模型中的自变量系数均大于表2空间自相关分析中的自变量系数。因此，虽然我国各地区的网络零售业发展具有反向溢出效应，但对于不同的地区，潜在的网络零售市场空间、信息技术实力、物流配送能力可以正向刺激网络零售业的发展。其中，潜在的网络零售市场空间和物流配送能力的效应相较于信息技术实力更加显著，这也充分证明了相邻地区潜在的网络零售市场空间对本地区的网络零售业发展可以起到促进作用。

二、网络零售业转型升级发展的趋势建议

(一)网络零售与实体零售的关系实现由竞争关系向引导关系的转变

当前，“网购”不再是年轻人特有的消费方式，网络零售的发展使得网购逐渐渗透到社会各个年龄段以及不同的收入阶层中。网购带来的价格优势使得实体零售完全失去了对产品销售的控制能力和消费者的价格转移能力，实体店的销售方式遭受到巨大的冲击。实体零售与网络零售之间的互补关系已然不在，而更多的是一种竞争状态。这种竞争状态如果不加以控制，势必会产生恶性竞争，导致出现天花板效应和空间溢出效应，不利于网络零售业的长远发展。因此，如何处理实体零售与网络零售的关系至关重要。实体零售与网络零售之间应是一种引导关系，而非竞争关系，只有两者相互整合、相互协调，才能更好地促进网络零售业的发展。

(二)网络零售业逐渐由以销售渠道为核心向以技术创新为核心转变

全面了解并满足消费者的需求，是网络零售业各个电商企业一直追求的目标。随着大数据、物联网、云计算技术的广泛应用，消费者需求问题已经不再是网络零售发展的阻碍。消费者的购买意愿和消费行为将被深度数字化，因此获得更多的消费者个人数据就可以更加高效和精准地为消费者提供销售服务，这样的要求必须要借助一定的技术创新能力才能实现。传统零售以销售渠道为核心的观念将被打破，网络零售需要依赖大数据分析等技术创新来解析消费者的真正商品偏好，这也使得网络零售商之间的竞争转变为技术创新能力的竞争。实体零售没有搜集和处理用户数据的能力，而未来在零售行业以技术创新为核心的时代，网络零售业必将掌握行业的主动权和话语权。可以说，一家优秀的电商企业不仅仅是一流的营销企业，更是一流的技术创新企业。

(三)实体零售与网络零售共建全渠道零售时代的繁荣

目前，越来越多的消费者已经从商品本身的销售方式的约束中解脱出来。消费者在积极地摆脱零售的时空限制，不论何时何地选择实体购买还是网络购买，也无论何种零售业务形态或终端媒介，都可以充分满足他们的购买需求，实体零售与网络零售的全渠道销售模式正在建立。传统的实体零售方式和业务形态并不会就此消失，而是和网络零售方式共同融入新的技术手段，在彼此的时空范围内服务消费者。在未来，实体零售与网络零售的全渠道销售模式是一种相互补充的方式，同时，对不同时空下的消费群体偏好选择和定位会更加准确。