我国茶销售市场的空间布局与影响因素研究

宋 娜，何亚丽，毛娅琪

燕山大学 经济管理学院，河北 秦皇岛 066004

我国是世界上茶生产和消费大国，茶叶的种植、生产与消费文化历史悠久。随着现代经济和休闲产业的发展，人们对茶产品的需求已经成为生活惯常，其需求偏好和消费行为不断呈现出新的变化和趋势。从地理空间范围研究我国各省和主要城市的茶销售的分布格局及影响因素，有助于全面了解国内茶市场特征，有效衔接我国茶产业的供给与需求市场，促进茶产业的健康发展。

我国茶产业是涵盖种植、生产、销售的完整产业链条[1]，学者们分别从产业发展水平[2]、产业竞争力[3]、产业融合[4]、茶产业的空间分布格局[5]等不同角度对茶产业展开了研究。马永强 等认为生产者、消费需求、产业金融平台服务等构成茶产业生态圈，通过三者的协同促进茶产业生态圈的发展[6]。可见，茶产业的健康发展需要整个产业链的协同互促。从当前的研究成果来看，学者们多侧重于对茶产业链前端的研究，尤其是在空间布局的相关研究方面几乎全部集中于茶产业资源种植和茶产业的生产空间分布格局。如赵芳利用GIS 软件对铜陵市白茶的种植区域进行评级和规划[7]；张莉等以贵州中部地区茶园为研究范围研究了茶棍蓟马的空间分布[8]；杜广祖等以滇西南的高山茶园为例分析了茶黄蓟马的空间格局[9]；黄修杰等总结了25 年来广东省茶叶的生产格局特征与集聚效应[10]。此外，吴芹瑶等对近70 年的茉莉花茶的生产空间进行了梳理，并分析了驱动因素[11]；罗富民证明了18 个产茶省的茶产业生产空间集聚有助于农民增收[12]。关于茶销售市场的研究，一部分学者关注于出口市场，如张成凤以亲茶度和竞争态两个指标将茶叶出口市场分为四种类型[13]；王雨认为可以把跨境电商作为出口平台提高茶产品出口率。国内消费市场的研究侧重关注于消费者的个体行为[14]，石琳用调查问卷的形式对新式茶饮的消费者进行了人群画 像[15]，张晓琳等对都匀毛尖茶的消费群体特征进行了深入研究[16]，张月莉对安吉白茶区域品牌的消费认知结构进行了研究分析[17]；另外王东辉等认识到电商市场的重要性，分析了电商市场中茶叶消费特征，提出影响茶叶消费的因素有可支配收入、礼品与社交、茶文化以及饮食习惯等[18]。

综上可见，我国目前对茶产业的研究主要侧重于产业链的种植和生产环节，与消费需求市场衔接的销售环节的研究相对较弱。而对销售市场的研究一般以人员访谈、市场问卷调查及官方统计数据等为主，以地理空间属性的大数据为基础的研究还较为少见。本文以全国茶销售市场作为对象，从宏观视角把握当前茶销售的空间分布类型、分布均衡性和分布密度等，并对其空间特征形成的影响因素进行深入分析，从作用机制的视角进行市场调控，有助于我国茶产业的供需平衡发展。

1 数据来源及研究方法

1.1 数据来源

茶销售市场非常庞大，由于电子商务平台的兴起，人们购茶的途径也逐渐多样化，但是目前线下实体消费仍然是茶销售市场的主体。为了数据统计的规范性和科学性，采用爬虫技术在高德地图餐饮服务类和购物服务类POI 数据中获取了除港澳台外全国31 个省份346 个城市的茶类经营点信息，涵盖茶馆、茶庄、茶楼、茶店等不同称呼的经营店铺。31 个省份的茶类经营点分布如图1 所示。

以全国346 个地级市为单位进行茶类经营点统计，并将结果按自然间断点分析法进行5级分类，在地图中标出，如图2 所示。

对获取的数据进行选择和整理，生成表格，再利用Arc GIS 10.2 软件对所得茶类经营点数 据进行数字化处理，得到茶类经营点的空间分布图，并通过最邻近点指数、地理集中指数和核密度分析方法，从空间分布类型、均衡性和分布密度3 个方面来分析茶销售市场空间分布特征。

1.2 研究方法

1.2.1 空间特征分析

1.2.1.1 茶类经营点分布类型分析

最邻近指数是能够体现点状要素在空间中的相互邻近程度的地理指标，测算集聚情况，呈现研究对象随机、均匀或聚集分布状态。其中点状要素最邻近指数最大的为均匀分布，随机分布次之，聚集分布最小。计算公式为：

图1 茶类经营点省份空间分布图Figure 1 Spatial distribution map of tea business sites in provinces

图2 茶类经营点城市空间分布图Figure 2 Urban spatial distribution map of tea business sites

R 为最邻近指数，r1是任意一点与其最邻近点之间的欧式距离，为距离的平均值， 是理论最邻近距离，n 是茶类经营点数量，A 是所在区域的面积，D 为点密度。

1.2.1.2 茶类经营点分布均衡性分析

首位度、赫芬达尔系数和地理集中指数这3 个指标可以反映全国茶类经营点空间分布的集中程度和均衡性。首位度的公式为：

P1、P2分别代表指数最大省份和第二大省份的茶类经营点数量。P 值越大，茶类经营点数量就越集中，不同省份之间的研究对象就越不均衡。

赫芬达尔系数的公式为：

赫芬达尔系数H 可以反映研究对象在区域上的集聚程度，P1表示某个省份的茶类经营点数量占总量的比值。赫芬达尔系数在1/n～1 之间变动。如果茶类经营点数量集中于某个省份，则指数值等于1；如果所有省份的数量均匀分布，指数值等于1/n。

地理集中指数的公式为：

其中，G 为全国茶类经营点的地理集中指数，Xi为第i 个省份茶类经营点的数量，T 为全国茶类经营点总数，n 为全国省份总数。G 取值范围为0 ～ 100，G 值越大，表明茶类经营点在各地分布越集中；反之，越小则越分散。假设G0为茶类经营点平均分布在各省份情况下的地理集中指数，若G ＞ G0，则表示茶类经营点分布较为集中。

1.2.1.3 茶类经营点分布密度分析

利用Arc GIS 10.2 软件对全国茶类经营点进行核密度分析，直观反映离散对象在连续区域的空间分布状况。核密度分析使用的公式为：

其中，f(x)是第x 个茶类经营点的核密度，h 为宽带(h ＞0)，(x-Xi)表示估值点x 到事件Xi处的距离，n 为所有茶类经营点数量，K 为核函数。f(x)越大表示该区域内茶类经营点分布越密集。

1.2.2 影响因素分析

1.2.2.1 研究方法——地理探测器

王劲峰等学者开发研究的地理探测器空间统计学方法，可以很好地反映同一区域的相似性以及不同区域间的差异性，进而得出研究对象的空间异质性，主要用于探测空间分异性以及地理要素对研究对象空间分布的影响因素[19]。

（1）因子探测：探测影响因子X 对茶销售市场Y 的解释力，其表达式为：

（2）交互作用探测：交互探测可以识别茶销售市场不同的影响因子两两共同作用的结果，是否会增加或减弱对茶销售市场的解释力，或对茶销售市场的影响是否相互独立。主要会产生五种结果类型（表1）。

1.2.2.2 影响因素与代表指标的选择

茶类经营点的空间分布特征是由多种因素影响形成的，通过茶产业的自身特点以及对其他零售业空间分布影响因素的借鉴，选取以下影响因素作为研究内容（表2）。

气候：气候主要对茶种植有直接的影响，同样对人们饮茶习惯的养成也具有一定的作用。因此从中国气象数据网中获取各地年平均气温值作为气候代表指标。

茶供给：茶销售作为茶产业链的重要节点，茶种植与茶生产能力作为产业链前端必然会影响茶销售区域范围与销售能力，分别选取各地的茶播种面积和茶产量作为代表指标。

表1 交互作用的五种类型Table 1 Five result types of factor interaction

表2 茶类经营点空间分布影响因素Table 2 Influencing factors of spatial distribution of tea business sites

人口：人口作为零售市场的主要影响因素在指标体系中必不可少，选取各地区总人口作为固定居住性人口的代表指标，旅客周转量作为流动性人口的代表指标。

经济水平：一个地区的经济发展水平最常见的表征指标是地区GDP，考虑到茶叶消费属于非生活必需品，在礼品交往、休闲社交等方面作用较大，如果一个地区国内贸易比较活跃，相对能够带动茶消费水平，因此把社会消费品零售总额作为代表指标进行分析。

居民生活水平：国内茶消费市场的主体是居民，居民购买能力的大小会受到居民生活水平的限制，用居民人均可支配收入、居民最终消费支出、城乡居民养老保险基本参保人数三个指标分别代表居民的收入水平、消费水平和生活保障水平。

2 结果与分析

2.1 茶销售市场空间分布特征

2.1.1 茶类经营点分布类型

运用Arc GIS 10.2 软件中的平均最邻近分析方法测算得出：茶销售市场空间分布的最邻近比率R = 0.829854 ＜ 1，标准差Z = -5.921981，概率P = 0，通过了1%显著性水平检验，茶销售市场各茶类经营点平均观测距离为90.44 km，预期平均距离为108.99 km。整体呈集聚分布，但集聚性稍弱。

2.1.2 茶类经营点分布均衡性

四川省茶类经营点数量最大P1= 150 40，广东省茶类经营点数量第二P2= 8580，通过式（2）计算得出首位度P = 1.7529 ＜ 2，表明茶类经营点数量最大的省份和数量第二的省份不存在很大差距，结合图1 可以看出茶类经营点并未聚集在某一省份，在全国各省份都有分布，差距虽有但跨度不大，集中程度适当。

根据式（3），全国茶类经营点的赫芬达尔系数H 变动范围处于0.0323 ～ 1 之间，计算得出H = 0.2920，表明各省份茶类经营点在全国分布有一定的集中性，但集聚程度不是很强。

从地理集中指数来看，全国茶类经营点总数量T = 91112，全国省份n = 31，通过式（4）计算得出G = 25.5562288。假设全国91112 个茶类经营点平均分布在31 个省份，即每个省份平均茶类经营点数量为91112/31 个，通过公式得出G0= 17.96055302。可发现G ＞G0，茶类经营点在全国分布相对集中。

综合3 个指数值来看，全国各省份间茶类经营点呈现一定程度的集中分布，但程度不突出，结构较为正常。

2.1.3 茶类经营点分布密度

通过Arc GIS 10.2 软件对全国各茶类经营点分布核密度实现了可视化表达，绘制得出核密度分布图，直观展现茶类经营点散布状况。按照核密度值将茶类经营点分布划分为五个等级层次。如图可以发现大部分省份大多是以省会为主形成高密度核心并向外扩散，全国范围内最高密度核心地区包括以广东广州、江苏南京和河南郑州为核心的周边部分城市；次一级密度核心地区如上海市、四川成都、重庆、湖南长沙、湖北武汉、辽宁沈阳等及其周边区域，主要涵盖了3 个高密度核心的周边地区以及部分省会城市；另外，我国中、东部其他大部分地区以及西部部分地区如广西、云南、贵阳、四川、陕西、甘肃、宁夏、新疆乌鲁木齐周边等形成再次一级密度核心；西部大部分地区、中部内蒙古和东部黑龙江等大多未形成相对规模密集区。

图3 茶类经营点核密度分布图Figure 3 Core density distribution map of tea business sites

以胡焕庸线为界，茶类经营点在我国版图上“东密西疏”的特征非常明显，东南半壁茶类经营点分布核密度值较高，反之西北半壁的分布较为稀疏，说明大部分茶类经营点分布聚集状况与我国整体经济发展水平与人口分布状况密切相关，与茶种植和生产的空间布局并未完全重合。

2.2 茶销售市场影响因素

2.2.1 茶销售市场的单因子探测

利用地理探测器中的因子探测器，对10 个代表指标探测对茶销售市场空间分布的影响。结果（表3）显示：9 个变量基本上通过5%的显著性水平检验，上述影响因素对茶销售市场空间分布具有较为显著的影响。

表3 茶销售市场影响因子探测结果Table 3 Detection results of influencing factors of tea sales market

由表3 结果可知，固定人口中的指标因子总人口（X4）和国内贸易水平中的指标因子社会消费品零售总额（X7）的q 值分别为0.6081 和0.5295，对我国茶消费市场的空间分布解释力最强，为主导因子。经济水平中的指标因子地区生产总值（X6）、居民生活保障中的指标因子城乡居民基本参保人数（X10）、居民消费水平中的居民最终消费支出（X9）、茶生产规模中的茶产量（X3）、茶种植规模中的茶种植面积（X2）以及流动人口中的旅客周转量（X5）也对我国茶消费市场有较大影响，地理探测器的q 值均大于35%，对应的q 值分别为0.4767、0.4206、0.3990、0.3727、0.3684 和0.3532。此外，气候中的指标因子平均气温（X1）通过了5%的p 值检验，q 值为0.1549，居民收入水平中的居民人均可支配收入（X8）没有通过p 值检验，而且驱动力相对较小，q 值为0.1055，表明平均气温和居民人均可支配收入对我国茶销售市场的作用偏弱。

2.2.2 茶销售市场影响因素的交互探测

由表4 可见，我国茶销售市场的10 个探测因子在交互后得到的55 个双因子探测q 值，交互作用有两种结果：双因子增强和非线性增强，不存在独立作用或作用减弱的因子。即任何两个因子的交互作用对茶销售市场的影响都高于单因子作用。

与单因子作用相比，任意双因子交互探测q 值对茶销售市场的解释力增强，表明各个驱动因子之间并非相互独立，而是具有协同增强的作用。如气候中的指标因子平均气温（X1）和居民收入水平中的居民人均可支配收入（X8）在所有驱动因子中的单个影响力是最弱的，但二者交互后产生的影响力不仅加强，还大于二者的q值之和，产生了明显的非线性增强的效果。此外，总人口（X4）、社会消费品零售总额（X7）、地区生产总值（X6）是对茶销售市场的解释作用最强的单因子，两两交互后结果为q（X4∩X7）= 0.9244，q （X4∩X6） = 0.6762，q （X7∩X6） = 0.5531， 三组交互因子的结果中X4∩X7的q 值最大。进一步分析表4 的交互结果可知，对我国茶销售市场解释作用最强的两个交互因子为X3∩X4，对应的q 值为0.9423，大于X4∩X7交互得出的q 值，可见对我国茶销售市场驱动力最强的单因子再与其他影响因子交互之后解释力不一定最强，而部分影响因子如平均气温（X1）在单独发挥作用时产生的驱动力弱一些，但是同其他影响因子通过动态交互得出的效果却非常突出，因此不能轻易忽视影响因素之间的关系。我国茶销售市场的空间分布是多种因素非线性耦合的结果，需要用综合系统的眼光来协调看待所有影响因子对我国茶销售市场空间分布的作用。

表4 茶销售市场空间分异的交互探测结果Table 4 Interactive detection results of spatial differentiation of tea sales market

3 结论

通过以高德地图POI 数据获取的除港澳台外全国31 个省份346 个城市的茶类经营点信息作为研究数据，在不考虑茶类经营点的销售能力和经营水平的前提下，以空间结构特征的视角进行销售市场的布局分析，并探析了影响因素的作用机制，得出以下结论：

我国茶销售市场在各省份城市间的分布呈现一定程度的聚集特征，但程度不突出，结构较为均衡。通过核密度分析，茶类经营点在我国版图上“东密西疏”的特征明显，广州、南京、郑州、上海、成都、重庆、长沙、武汉、沈阳等城市及周边是核密度较集中的区域。

通过地理探测器对茶销售市场影响因素的空间异质性探测，得出影响因素作用从大到小的排序依次是：总人口、社会消费品零售总额、地区生产总值、城乡居民基本参保人数、居民最终消费支出、茶叶产量、茶种植面积、旅客周转量、平均气温、居民人均可支配收入。人口基数和经济发达程度是茶销售市场空间格局的主导因素，居民生活的保障与消费水平的高度是重要影响因素，茶产业的种植与生产空间虽然也会产生影响，但是作用程度较弱，气候与居民收入的作用力最低，以上影响因素在两两交互后作用能力全部增强，构成一个复杂化非线性的茶销售市场影响系统。