电商冲击与传统零售产业发展变革研究——基于零售业上市公司实证

张 泉，杨 剑

(滁州职业技术学院 商学院，安徽 滁州 239000)

随着电子商务的快速发展，以“互联网+零售”为代表的新型电商平台对传统零售平台产生了巨大的冲击，电子商务凭借其更加高效和便捷的业态优势，实现了市场规模的持续扩张。2018年我国电子商务交易规模接近30万亿元，交易额同比增长12.1%；2019年前三个季度交易规模就达到2018年全年的规模。电子商务零售市场以其“快速、低价、广泛”的特征实现了快速的市场扩张，不仅打破了传统线下零售市场中比价难、信息不对称等显性问题，而且让消费者享受到真正的福利。这一系列发展态势，促使传统零售企业开始实行“互联网+”战略，积极触网，借助电子商务平台扩大业务规模。在2013—2018年这一关键转型期内，电子商务究竟对传统企业零售企业产生了何种程度的冲击，在电商冲击下传统零售企业是否顺利完成产业变革，都是有待考察的重要问题。

一、文献综述

对于电商冲击对传统零售企业的影响，赵莹认为，随着国内互联网技术的逐步发展及移动智能客户端的全方位普及，加之多数零售企业开始逐渐走上产业升级及创新之路，种种因素催生了O2O电子商务模式的迅猛发展，许多企业纷纷涉足这一领域，提高企业利润及业绩。[1]尹志洪和龙伟则通过对我国传统零售业现状的分析，利用SWOT模式得出了“互联网+”时代我国传统零售业的发展优势、劣势、机遇与威胁，认为我国传统零售业应该采用信息技术导向进行转型发展。[2]

而更多的研究是从电子商务和传统零售的问题出发，分析发展过程中模式选择情况。吴杰认为，在商业电子化背景下，传统零售业逐步显现出灵活度差、交易繁琐、经营管理体制不完善等劣势。同时，电子商务也并非十全十美，其欺骗行为已是该行业中的一大诟病，因此，厘清两种经营方式的优势与劣势，将二者有机结合起来，成为目前形式下最为迫切的问题。[3]覃龙飞认为，传统零售业的问题在于同质化较为严重，零售业应该发展自有品牌，从电子商务平台上建立起基础的口碑，他针对品牌必要性展开分析，通过比较电商零售企业与传统百货企业自有品牌运营方式的差异，分析两者自有品牌运营方式的优缺点，针对性地提出了电子商务与传统零售的品牌结合建议。[4]结合上述研究，本文将进一步从实证分析角度出发，利用大数据样本量化考察零售业上市公司在面对电商冲击时的真实表现。

二、实证方法与数据

文章采用面板回归模型分析零售业上市企业样本，考察电商冲击的动态效应，进而判定电商冲击在一个较长的窗口期内对传统零售企业的影响。由于我国传统零售企业应对措施和发展模式并不类似，部分企业可能采取“互联网+”融合发展策略应对电商冲击，因此，需要根据技术变革水平对传统零售企业电子商务进行分类，以观察在电商冲击下，究竟是坚定发展传统线下零售具备优势，还是以融合促发展，通过“互联网+”战略实现技术变革更具效率。

(一)面板回归模型

针对上市公司原始面板数据的平稳性，采用单位根方法进行检查；根据面板数据特征，将面板分为混合面板、变截距面板和变系数面板中的一种，采用豪斯曼检验分析面板适宜的模型种类，可能选取的面板模型包括固定效应模型和随机效应模型，基础模型的设置如下：

(1)

公式(1)中，被解释变量R是传统零售企业的绩效水平；解释变量ES为电子商务冲击系数。根据上述分析，将窗口期长度设置为五年，因此，构建5期的滞后系数。Xi,t是其他可能对传统零售企业发展产生影响的系数，包括经济情况(GDP)、市场情况(MARKET)、人力资本(RD)和劳动力(PEOPLE)。

(二)门槛回归模型

为了进一步探索不同技术变革水平的传统企业在应对电商发展时的表现，本文假定存在门槛值A，在门槛值之上的企业属于高技术投入企业样本，而低于门槛值的企业则属于低技术投入企业样本，门槛回归模型形式如下：

Ri,t=α0+α1ESi,t*T(T≤A1)+α2ESi,t-1*T(A1≤T≤A2)+α3ESi,t-2*T(T≥A2)+Xi,t+εi,t

(2)

公式(2)为门槛回归模型，解释变量与各滞后阶与门槛值进行交互，可以有效表现不同样本的技术溢出情况。在门槛值确定过程中，采用Bootstrap自相关回归，不断缩小非线性转折点，进而确定门槛值的位置。

(三)数据来源

样本数据来源于《中国统计年鉴》《中国科技统计年鉴》《中国电子商务发展报告》、WIND数据库和CIECC数据库，研究样本区间为2013—2018年，这是我国电子商务发展最快、对传统零售业影响幅度最大的一段时期，其次，针对因价格指数变动产生的量纲差距，本文以2013年为基期进行了对应平减。

三、实证结果

(一)单位根检测

采用ADF方法检测，结果见表1。由表1可知，变量的ADF-t均在1%水平上显著，各系数处于0阶滞后上，属于典型的同阶面板，数据结构符合实证研究要求，可以进行后续分析。

(二)面板回归结果

针对面板模型选择，进一步采用F检验与Hausman检验分析模型的适用性，从而避免回归过程中出现问题，结果见表2。由表2可知，面板估计的F检验结果拒绝“面板数据适用于广义二乘回归(GLS)”的原假设，故文章选择固定效应模型(FE)进行实证研究。豪斯曼检验结果拒绝“系数间的随机效应具备一致性”的原假设，进而检验其渐进系数，结果证明原始面板不服从渐进系数为2的卡方分布，需要在模型中进行多期渐进检验。

表2 F检验与Hausman检验结果

针对固定效应模型(FE)的检验，需要确定动态滞后阶数，采用渐进拟合方式，将ES的滞后阶延长至5期，从而观察电商冲击在5期窗口期的影响范围，回归结果见表3。

表3 固定效应模型回归结果

表3中，模型拟合优度为0.9032，模型的整体判决系数大于0.90，说明模型的统计解释力极强。从当期模型回归关联特征来看，电商冲击(ES)对零售企业的影响在1%的显著性下正相关，说明电商冲击有力刺激了传统零售企业的发展，并扩大了零售产业的市场规模。从滞后的5阶窗口期来看，电商冲击在3个滞后期均具备显著的正向影响，但影响效力逐步下降，这说明电商冲击引起了零售产业长时间的绩效改革，促进了行业整体活力。

从控制变量角度来看，经济基础(GDP)、市场规模(MARKET)和人力资本(RD)的影响具备显著性，这说明传统零售产业的发展也离不开经济基础与市场的同步作用，从人力资本的角度来看，人力市场的有效性也能够推动产业绩效的增长。而劳动力(PEOPLE)的变化所产生的影响并不显著，说明零售业已经逐步成为技术密集型产业，劳动力的作用并不显著。

(三)门槛回归结果

针对样本分类，采用Bootstrap自抽样方法(自抽样800次)分析门槛的存在性，通过对单一门槛、双重门槛和三重门槛渐进特征和伴随概率进行分析，选择最合适的门槛模型，结果见表4。

表4 门槛形式估计情况

由表4可知，单一门槛检验值在1%水平下显著，而双重门槛和三重门槛均不适用本文分析，因此，采用单一门槛进行估计。单一门槛估计值为0.4271。根据门槛值可将本文构造的传统零售产业样本分为高技术样本和低技术样本，进行分别回归，判断对应的回归系数情况。

表5中为基于技术投入不同的两个零售企业样本，回归结果具备如下情况：第一，以技术变革作为门槛值的不同企业样本中，电商冲击对门槛值之上的企业产生明显的正向推动效果(0.614，p=0.000)，对门槛值之下的企业产生明显的抑制效果(-0.522，p=0.013)。第二，从滞后阶回归情况来看，对门槛值以下的企业发展抑制效果不断走低，且在第二阶滞后就不再具备抑制效果。第三，对门槛值以上的企业而言，电商冲击对技术水平较高的零售企业有显著促进作用，且在3个滞后期内作用仍持续显著，大小逐步下降。

表5 门槛分样本回归结果

四、启示

第一，电商冲击并非实体零售企业发展的“末日”，相反，电商冲击强化了传统零售企业的发展效益。由于电子商务零售企业的低价格、高技术策略，传统零售企业优势不再明显，为了弥补市场份额的缺失，大量传统零售企业开始针对性的弥补其技术力量，加强客户忠诚度，电子商务企业实质上成为了零售市场中的“鲶鱼”，通过外部竞争促进了市场内部活力，为传统零售企业提供了极佳的技术借鉴，扩大了市场规模。第二，技术投入是促进零售额与变革的动力，对技术水平较低的传统零售企业而言，电商企业的介入严重冲击了企业的发展策略，由于本身较低的技术储备，低技术企业的市场份额被电商企业获得，加速了相关企业的离场。而对具备高技术的企业而言，其技术已经构成企业的“护城河”，电商的冲击反而引起技术水平较高企业的技术融合，通过逆向技术溢出实现了企业的技术进步，强化了企业的利润管理能力，加强了企业的效益。第三，电商冲击改变了传统零售市场高集中度的局面，显著提升了消费者福利，使得地区的消费经济获得有效推动。对企业而言，竞争产业中的发展丰富了企业的运营策略，同时削减了企业的单品利润，但对企业扩大规模利润产生了有效的作用。