测度中国网络直播发展：指数编制与时空特征

黄天鉴

（西南大学经济管理学院，重庆 400715）

一、引言

21世纪以来，伴随着移动互联网的普及与数智化技术的不断创新，一种新兴的高互动性社交娱乐方式——网络直播应运而生。网络直播是利用现代互联网技术将现场的音频和视频转换成特定的数字信号，形成完整的内容并上传到互联网上供网民观看的一种形式 （Fu，2022）［1］。网络直播通过其强互动性、强专业性和高转化率等优势迅速吸引了一大批网民参与其中。根据中国国家统计局数据，2021年中国直播电商相关企业注册量为21791家，同比增长228.1%；中国网络直播用户规模为63769万人，使用率为63.1%。在此背景下，研究世界网络直播发展位列前茅之一的中国具有强烈的现实意义。

作为新时代的一种新型社交娱乐方式，网络直播既是机遇也面临着挑战。一方面，以网络直播为基础催生了网红经济的迅速发展，进而对满足人们的精神文化需求、带动居民的文娱性消费、缓解社会就业压力、增强国家经济活力等具有积极影响。但另一方面，网络直播尚缺乏正确的价值引导和严格的监管约束，许多消费者权益无法得到有效保障，不良的社会风气蔓延并残害着部分青少年群体，例如一些主播为了吸引粉丝而采取猎奇求怪、直播社会禁忌等低俗方式，这对社会风尚带来消极影响 （韩磊等，2020）［2］。中国政府高度重视这一问题，于2021年7月12日已颁布 《网络表演经纪机构管理办法 （征求意见稿）》，加强了对网络直播的约束和监管，这对加强网络直播的管理，规范直播行业运行秩序，维护上网用户的合法权益都具有重要作用 （贺爱英，2020）［3］。但改革并非一日之功，建立规范网络直播的长效运行机制应是未来监管的方向和重点。

在此背景下，本文开创性地利用 “文本挖掘法”，基于百度指数平台，从网络直播、网络主播、网络产业和网络公司四个方面构造了包含20个关键词的网络直播综合评价体系，在此基础上运用Dagum基尼系数及分解、Kernel核密度估计、莫兰指数、beta收敛等方法，对中国及三大区域的网络直播发展状况进行测度并深入分析了其区域差异、动态演进及收敛性，旨在明晰中国网络直播的发展现状，以便于监管部门精准实施相关政策，促进我国网络经济持续健康发展。

二、文献述评

时间回到2016年，随着移动互联网的普及和人们生活水平的提高，仅仅一年时间，中国直播行业就诞生了超过千余家的直播平台，收割了超过3.5亿的用户，直播走进了千家万户，从娱乐变成了人们的一种生活方式，因此2016年被公认为中国网络直播元年。网络直播以其产品可视性、信息易获得性、价格低廉性以及高互动性广受公众欢迎，尤其在当前新型冠状病毒肆虐的时代下，网络直播既是零售业恢复运营的主要方式，也是满足人们社交需求的重要娱乐方式，相关文献主要集中在网络直播与电子商务、网络直播与观众打赏、网络直播参与的影响因素三个方面。

（一）网络直播与电子商务

网络直播极大地促进了电商经济的繁荣 （Lu和Chen，2021）［4］。传统的电商交易模式存在着严重的信息不对称现象（Dimoka 等，2012； Hong 和 Pavlou，2014）［5－6］，消费者无法确定商家所提供的信息是真实且有效的，这导致传统电商销售额低下 （Lu和Chen，2021）［4］。相比于线下传统电商的导购员，网络电商主播通过专业的讲解和带货使消费者对产品更加了解，节省了消费者筛选产品的精力和时间，让客户掌握了消费的主动权，这不仅消除了部分消费者在线下所面临的压抑感，从而增强他们的购买意愿，而且加强了用户粘性，为电商主播吸引了大批粉丝和关注 （Wang，2020； Zheng 等，2017）［7－8］。网络电商还具有绝对的价格优势，消费者在网上进行购物时可以直观地发现价格差异，这极大地缩减了商家利润，商家必须通过低价激励来吸引用户进行消费。此外，在电商直播模式下，顾客购买商品的关注点发生了变化，刺激消费者产生购物行为的不再是商品本身的信息和价值，更多的是主播自身的吸引力、才艺表现、直播点赞、弹幕互动、知名度等因素。因此，在直播的过程中，主播既是产品的代言人，也是消费者的意见领袖。好的带货主播可以使观众更加直观地感受到产品的魅力，让观众受到视觉冲击并加深对产品的印象。主播通过讲解将消费者带入产品使用当中，让消费者体验与主播同样的使用效果，并通过直播间热情互动等形式使消费者产生情感冲击，激发消费者的购买情绪。因此，主播作为电商直播中的重要一环，对消费者的购买意愿起着至关重要的作用 （魏剑锋等，2022； Ma，2021）［9－10］。

（二）网络直播与观众打赏

网络直播的发展催生了一种新型的财富支配方式——观众打赏。观众打赏是网红娱乐平台最重要的营收方式。公开资料统计显示：上市公司虎牙在2021年全年收入为101.86亿元人民币，上市公司斗鱼在2021年全年收入为91.65亿元人民币，它们的直播收入占比都超过了90%。而直播收入主要来自于观众打赏的分成，主播仅凭一台电脑或者一部手机即可开通直播间，用户进入直播间通过点赞、弹幕、聊天、送礼物等方式与主播和共同观看者进行互动，这种直播交互方式所营造出的弹幕氛围和独特主题更为丰富和生动，在给用户带来美好体验的同时，极大地使用户获得娱乐消遣、压力释放等享乐满足 （陈迎欣等，2022； Dobe，2020）［11－12］。Andreoni （1989）［13］和 Andreoni （1990）［14］认为打赏行为是一种 “Warm－glow giving”，而Bagwell和 Bernheim （1996）［15］认为打赏行为更像是一种“Conspicuous Consumption”，这两种界定都有一个共同特征，那就是打赏行为显示了打赏者的财富地位 （Corneo和Jeanne，1997）［16］，打赏者享受通过打赏行为来获得被关注感和心理满足感的过程 （Ribar和Wilhelm，2002）［17］。此外，打赏作为一种消费行为还可能受到 “羊群效应”的影响 （廖理等2021；Bikhchandani等，1992）［18－19］。主播通过直播平台展示自身的才艺、游戏技术对观众形成娱乐陪伴与互动，进而通过平台签约费和观众打赏费来获取直播收入。当然，主播之间也面临着激烈竞争，没有特色和风格的主播很容易在市场竞争中被淘汰（Zhang，2021）［20］。Hu 等 （2017）［21］认为用户的持续观看意图与主播的共情程度存在明显的正相关关系；Yu等（2018）［22］研究发现60%以上的用户曾在观看直播时对主播进行打赏；Zhou等 （2021）［23］研究发现弹幕数与打赏行为呈正相关关系。

（三）网络直播参与的影响因素

Khan（2017）［24］研究发现娱乐动机、社会交往动机等对用户使用社交媒体参与行为具有积极的影响；Scheibe等（2016）［25］研究发现感知易用性是使用直播的主要动机；Hilvert－Bruce等 （2018）［26］则认为实时参与、社交互动、社区意识和结识新朋友从是4种直播参与的动机所在；Shin（2018）［27］则更为关注直播与教学之间的联系，发现直播应用于教学可以提高学习效率，这也成为使用直播的动机之一；侯德林等 （2013）［28］则将用户参与直播进行细化，发现感知趣味性、感知有用性和社会身份认同等对视频用户内容生成上传行为意愿的影响显著；王晰巍等 （2020）［29］认为感知风险性对网络直播用户使用意愿产生负向影响，社会因素对使用意愿不产生影响。王嘉舟 （2022）［30］研究发现绩效期望、努力期望和社会影响对直播电商用户行为意愿产生显著正向作用，便利条件、行为意愿共同决定直播电商用户使用行为。陈迎欣等（2022）［11］认为物理、事理和人理因素能显著影响公众参与网络直播行为。

三、研究设计

（一）指标体系构建与测算

1、指标体系构建

要评估中国网络直播发展状况，首先要构造一套完整的评价指标体系。据笔者了解，目前国内外还未有学者对其进行构建，本文参考沈悦和郭品 （2015）［31］在构建互联网金融指数时所采用的 “文本挖掘法”，从网络直播、网络主播、网络产业和网络公司四个方面来构造包含20个关键词的网络直播综合评价指标体系，具体评价指标体系如表1所示。

表1：网络直播发展的评价指标体系

2、数据标准化及权重赋予

首先将整理好的数据进行标准化，参考已有研究，采用最大最小值法来处理，由于本文不涉及负向指标，因此标准化计算公式为：

其中，Sij为标准化值，其值越大表示该指标对综合指数的贡献度越大。Xij为各指标的实际值，i，j分别表示样本数和指标数。max(Xij)和min(Xij)分别表示i样本中第j个指标的最大值和最小值。

每个指标的权重采用熵值法赋予。熵权计算公式：

网络直播综合发展水平计算公式：

（二）研究模型与方法

1、Dagum基尼系数及分解

为了分析中国网络直播发展水平的区域内差异、区域间差异及其来源，采用Dagum基尼系数及其分解来对其进行测算，根据Dagum （1998）［32］所提出的理论，将总体基尼系数G分解成区域内差异贡献 （Gw）、区域间差异贡献 （Gnb）与超变密度贡献 （Gl）三部分，即G＝Gw＋Gnb＋Gl。首先是总体基尼系数 （G）的计算公式：

其中，yji（yhr）是j（h）地区内i（r）省份的网络直播发展情况；nj和nh是j地区和h地区内包含的省份数量；是各地区网络直播发展水平的均值。

第j个区域的基尼系数Gjj和区域内差异贡献Gw的计算公式为：

j、h区域间基尼系数Gjh和区域间差异贡献Gnb的计算公式为：

超变密度贡献Gl可表示为：

2、Kernel密度估计

采用Kernel密度估计来分析全国及三大区域网络直播发展水平的分布态势、分布延展性以及极化趋势。常用的核估计函数式为：

其中，n为观测值的数量，本文中表示观测的省份个数；xi为独立同分布的观测值，在本文中表示每个省份的网络直播发展水平；为观测值的均值，本文中表示30个省份网络直播发展水平的平均值；K(·)为高斯核密度函数；h为带宽。

3、β收敛

β收敛是指在落后地区的网络直播发展水平的增长率高于发达地区的增长率，随着时间的推移，会逐步赶上发达地区，从而达到以同样增长率收敛的状态。β收敛分为绝对β收敛和条件β收敛。绝对β收敛仅考虑网络直播发展本身的收敛状态，而条件β收敛则在绝对β收敛的基础上控制了一系列影响因素。传统绝对β收敛模型为：

同时，考虑到地区间存在显著的空间相关性，采用空间滞后模型 （SAR）、空间误差模型 （SEM）、空间杜宾模型（SDM）等空间计量模型分析β收敛问题，基于空间依赖的绝对β收敛模型分别为：

其中，ρ为空间滞后系数，λ为空间误差系数，θ为基期网络直播发展水平空间滞后值对被解释变量的影响，wij为空间权重矩阵第t行第j列元素。

传统条件β收敛模型和空间条件β收敛模型 （SAR模型、SEM模型和SDM模型）分别为：

其中，Xi，t＋1为控制变量集合，γ为系数项。后续将逐步通过LM检验、LR检验、豪斯曼检验来判断使用哪一模型。

（三）数据及来源

1、控制变量选择

此处只对条件β收敛模型中所涉及的控制变量进行说明，其他不再赘述，具体如下表2：

表2：变量说明

2、数据来源

本文使用2016～2021年中国30省的面板数据作为样本，网络直播发展相关数据来自百度指数平台，控制变量数据主要来源于 《中国统计年鉴》，控制变量的描述性统计见下表3：

表3：控制变量描述性统计

四、中国网络直播发展的区域差异、动态演进与收敛特征

（一）特征事实分析

2016～2021年中国30个省份网络直播发展水平测算结果见表4。首先，从历年各省份网络直播发展水平来看，中国的网络直播发展水平还处于起步阶段，且存在明显的省级差异和两极分化。具体来看，广东的网络直播发展水平最高，样本期内一直位于 0.06以上，最高达到 0.1232，历年平均值为0.0837。其次是江苏、浙江、北京，它们的历年平均值分别为0.0648、0.0622、0.0605。青海的网络直播发展水平最低，样本期内最小值仅为0.0039，历年平均值也仅为0.0051。排名第一的广东网络直播综合指数历年平均值 （0.1232）是排名最后的青海 （0.0051）的24.16倍。

表4：中国网络直播发展现状

西部四川 0.0331 0.0363 0.0336 0.0401 0.0555 0.0486 0.0412重庆 0.0194 0.0196 0.0178 0.0174 0.0357 0.0411 0.0252贵州 0.0130 0.0138 0.0157 0.0121 0.0243 0.0244 0.0172云南 0.0138 0.0157 0.0166 0.0153 0.0287 0.0225 0.0188广西壮族自治区 0.0160 0.0197 0.0168 0.0171 0.0342 0.0345 0.0231陕西 0.0190 0.0322 0.0228 0.0201 0.0343 0.0518 0.0300甘肃 0.0099 0.0135 0.0131 0.0100 0.0189 0.0148 0.0134青海 0.0039 0.0057 0.0049 0.0039 0.0076 0.0045 0.0051宁夏回族自治区 0.0059 0.0056 0.0063 0.0039 0.0099 0.0074 0.0065新疆维吾尔自治区 0.0101 0.0207 0.0103 0.0110 0.0190 0.0176 0.0148均值 0.0144 0.0183 0.0158 0.0151 0.0268 0.0267 －全国 均值 0.0227 0.0284 0.0240 0.0235 0.0400 0.0473 －

从全国及东中西三大区域来看，中国网络直播发展水平的均值由2016年的0.0227增长到2021年的0.0473，年均增长率为21.67%；东部地区网络直播发展水平高于全国平均水平，由2016年的0.0325增长到2021年0.0743，年均增长率为25.72%；中部地区网络直播发展水平均值略低于全国平均水平，由2016年的0.0201增长到2021年的0.0375，年均增长率为17.31%；西部地区网络直播发展水平均值远低于全国平均水平，由2016年的0.0144增长到2021年的0.0267，年均增长率为17.08%。可能的原因为：东部地区是中国数字经济发展先行区，这导致了东部地区发展网络直播的基础设施、应用渠道、机制和条件更为成熟，且网络直播中心省份北京、上海、广东、江苏和浙江都位于东部地区，因此受到政府的高度重视，存在一定的资源禀赋和 “虹吸效应”。而中西部地区相对东部而言，自身经济基础较为薄弱，资金、设备等软硬设施都比不上东部地区。

（二）区域差异及来源

1、总体差异

2016－2021年中国网络直播发展水平的总体差异呈波动性上升趋势，经历了2018年和2020年两次小下降后，2021年达到最大值0.4003，年均上涨幅度为4.93%，这表明中国网络直播发展存在严重的地区发展不均衡问题，缩小区域发展不均衡问题应成为未来相关政策的方向。

2、区域内差异

在样本考察期内，西部地区网络直播发展水平的区域内差异最大，东部地区网络直播发展水平的区域内差异次之，中部地区网络直播发展水平的区域内差异最小，且都呈现逐年增长的趋势。

3、区域间差异

在样本考察期内，东西部地区间网络直播发展水平差异最大、东中部地区间差异次之、中西部地区间差异最小。从纵向比较来看，三大区域间网络直播发展水平差异总体上都呈上升趋势，这表明中国各区域间网络直播发展水平的政策实施力度和效果不一致，需进一步加强区域间网络直播的协调发展。

4、区域差异的来源

在样本考察期内，地区间差异对总差异的年均贡献率为59.11%，远高于地区内差异贡献率和超变密度贡献率，这表明地区间差异是造成中国网络直播发展水平呈现非均衡特征的主要原因。地区内差异和超变密度对总差异的贡献率不高，这意味着中国降低地区内差异的相应政策得到了有效发挥，对重大战略区域的划分方式也较为合理，但仍需继续保持。

表5：总体基尼系数及三大区域分解结果

（三）动态趋势与演进

从分布位置来看，全国及三大地区的主峰分布在曲线的右侧，说明区域内部网络直播发展水平较高的省份居多，同时核密度曲线均表现出整体右移趋势，表明我国大部分省份网络直播的发展水平处于上行轨道，这与已有发展现状相符。

从分布形态和极化现象来看，全国层面核密度曲线表现为主峰高度上升，宽度经历 “收窄－拓宽”趋势，这说明全国各省市网络直播水平的绝对差异逐渐缩小，到2021年绝对差异开始增大。东部和西部地区核密度曲线在观测期内总体表现为主峰高度 “下降－上升－下降”态势，主峰宽度经历 “拓宽－收窄”趋势，表明东部和西部地区网络直播水平的绝对差异经历了先下降再上升的态势。中部地区主峰波动较大，但网络直播水平的绝对差异总体表现为波动上升趋势。

图1：全国

图2：东部

图3：中部

图4：西部

（四）空间收敛分析

1、空间相关性分析

利用莫兰指数 （Moran’s I）来对中国网络直播发展是否存在空间相关性进行检验。由表6可知：2016～2018年中国网络直播发展水平的Moran’s I指数均在0.05～0.08之间，且P值都大于0.1，2019～2021年中国网络直播发展水平的Moran’s I指数均大于0.1，且P值都介于0.01～0.1之间，即可以认为中国网络直播发展自2019年起存在显著的空间相关性。

表6：中国网络直播发展水平的Moran’s I指数

2、β收敛

表7展示了中国及东、中、西部地区网络直播发展的绝对β收敛结果。结果表明：第一，中国及三大区域网络直播发展均在1%的显著性水平下存在绝对收敛β收敛，结合前文协同发展度、区域差异和动态演进的分析结果，表明中国网络直播发展虽然存在严重的区域差异和两极分化现象，但最终将收敛于一个稳态水平。第二，全国及三大区域网络直播发展水平的收敛速度从快到慢依次为东部、中部、全国、西部，仅西部地区的收敛速度低于全国水平，可能的原因在于西部地区网络直播发展所需的基础设施较为落后。第三，全国及三大区域呈现不同的空间集聚效应。全国和西部地区的空间滞后系数在1%的水平下显著为正，表明全国及西部地区网络直播发展存在空间集聚效应，即当地网络直播发展水平受到周围地区网络直播发展水平及变化率的正向空间溢出影响。东部和中部地区适用传统收敛模型 （OLS），因此不存在空间效应，因此东中部地区应强化区域空间协同发展意识，加强与周边地区的交流与合作，充分发挥网络直播发展的空间溢出效应。

表7：绝对β收敛检验结果

表8展示了全国及东、中、西部地区网络直播发展的条件β收敛结果。结果表明，第一，中国及三大区域网络直播发展均在1%的显著性水平下存在条件收敛β收敛，即在加入了控制变量后，中国及三大区域网络直播发展仍在未来将收敛于一个稳态水平。第二，在加入了控制变量后，收敛速度从高到低依次为西部、全国、东部、中部，西部地区的收敛速度远高于绝对收敛时的速度，中部地区也出现了空间集聚效应，这表明控制变量对于中部和西部地区的影响十分重要，应引起重视；第三，在控制变量方面，结果表明经济发展水平、服务业发展水平、基础设施发展水平、城市化发展水平、科研发展水平对网络直播发展具有显著的正向效应，说明一定的经济发展水平是支撑网络直播发展的基础所在；服务业发展有利于为网络直播发展提供一个良好的发展环境；基础设施发展是网络直播发展的基础所在；城市化有利于为网络直播发展汇聚大量的资金、产业、人才与劳动力；科研发展水平能为网络直播发展提供关键的技术支撑。值得说明的是，经济发展水平、服务业发展水平、基础设施发展水平、城市化发展水平和科研发展水平对网络直播发展水平的影响具有显著的区域异质性，即在不同的区域内某些因素可能不显著。

表8：条件β收敛检验结果

四、结论与建议

本文通过百度平台，利用 “文本挖掘法”，从网络直播、网络主播、网络产业和网络公司四个方面构造了包含20个关键词的网络直播综合评价体系，在此基础上运用Dagum基尼系数及分解、Kernel核密度估计、莫兰指数、beta收敛等方法，对中国及三大区域的网络直播发展状况进行测度，并深入分析了其区域差异、动态演进及收敛特征。研究发现，整体上中国网络直播正处于加速发展阶段，各地区域差异明显，且近年来有加速扩大趋势，从长期来看，中国网络直播发展未来将趋于一个稳态水平。

基于上述研究结论，提出以下政策建议：

第一，关注全国各区域网络直播发展的平衡性，降低局部地区的两极分化现象。当前我国网络直播非平衡发展态势严重，东部与中西部网络直播发展水平的绝对差异和极化趋势都在不断扩大。一方面，政府应持续加大对中西部地区网络直播发展的政策扶持力度。同时，应强化区域空间协同发展意识，打破 “虹吸效应”，积极发挥发达省份对周边省份的协同带动作用，充分发挥两者协同发展的空间溢出效应，强化对周边地区的辐射，实现以点到线再到面的范围影响。

第二，依法整治行业发展乱象，建立多元主体共同参与的监管机制。法制部门首先应对各网络直播主体的责任义务范围进行清晰界定，做到有法可依。同时，对于网络直播的监管应坚持适度的原则，建立监管刚性与市场灵活性之间的动态平衡；政府应建立多元主体共同参与的监管机制，不仅要加强顶层设计，细化监管规则，而且要充分调动社会各主体的力量，逐步实现从 “政府主导型—政府引导型—全民自觉型”的转变。

第三，积极开展媒介素质教育，树立网民正确的价值观，净化与重构网络直播环境。网络直播在经历了初期的 “野蛮生长”后形成了许多不良的直播乱象，许多主播依靠打 “擦边球”的直播行为游走在 “灰色地带”，这给社会造成了不良影响。因此应积极宣传和普及媒介素质教育，在网络直播中奏响社会主义主旋律，引导网民在直播体验中形成积极正向的互动氛围，净化网络直播环境。