重庆市主城区零售企业空间分布与区位选择影响因素研究

刘冠伸,张彦,曹欣

(1.重庆数字城市科技有限公司,重庆 401121; 2.重庆市移动测量工程技术研究中心,重庆 401121;3.城市全息空间数据应用重庆市工程研究中心,重庆 401121; 4.移动型智能测量装备重庆市工程实验室,重庆 401121)

0 引 言

城市的发展无法离开商业与经济活动,而商业与经济活动的运行中,零售业作为连接生产端与消费端的纽带与桥梁,它与人民的物质生活密不可分,是重要的组成部分。零售企业作为零售业的微观主体,其空间分布与区位选择不仅影响地区的经济发展和居民的衣食住行,同时还影响着整个城市与相关区域的空间结构,且在预测运营收益方面将发挥重要的作用,一直以来都备受相关学者关注。

零售企业的商业行为是城市商业活动的“毛细血管”,关于其空间上的布局研究,广泛受到学者的关注。在研究尺度问题上,从国家、城市到社区不同层次都有所涉及。Dawson建立了“地理属性的零售业制度框架”,认为零售企业的商业空间分布同时受到区位、社会制度、公共政策等因素的共同影响[1]。Murdie认为消费者的文化差异同样影响其零售行为,在此基础上展开现代商业空间格局研究[2]。陈蔚珊、柳林和梁育填将POI数据使用到广州商业中心空间分析中,认为广州市双核心商业空间发展格局已经形成[3]。冉钊,周国华和吴佳敏等人基于长沙市六区POI数据,运用核密度分析、熵指数、频数密度分析及空间聚类等方法研究长沙市生活性服务业的空间格局特征,发现整体布局呈“一核四轴多极”且空间分布与人口集中度联系紧密[4]。

零售企业的区位选择具有地理学上的空间异质性,又受到经济学上“经济人”思想的限制,还跟管理学中的决策策略息息相关,影响因素也非常复杂,引发了国内外学者的许多讨论。王士君等人收集长春大型商场数据,利用多分类logit模型开展实证检验,回归结果表明,其区位选择对地租不敏感,人口密度、是否位于政府规划商圈都会显著影响商场区位选择[5]。Kickert等以底特律和海牙两个城市为样本开展研究,发现两个城市相似度很高,集聚因素对区位选择有着显著的正向作用[6]。杨秋彬等人采用空间计量法研究上海商业网点的区位选择问题,认为市场需求、交通条件等因素会显著影响上商业中心的区位选择,空间区域间的相互影响可以提高地方商业集聚水平[7]。

总结归纳发现,关于零售企业的空间分布与区位选择影响因素都存在一些问题没有得到充分研究。首先,以往关于零售企业空间分布、区位选择影响因素的研究大多都采用面板数据、统计公报数据等,但是实际上零售企业是具有动态生命力的,短时间内各种影响因素的小变化就可以产生总体上的大变化,时间跨度过大会导致数据失去其时效性,进一步影响研究的结论。

其次,部分学者采用计量学的方法考察各类因素对零售企业区位选择的影响,增强了结论的说服力,但一些量化上存在困难的因素各自的影响因素不得而知,如政策、文化、集聚等。还缺乏对不同规模的企业区位因素影响差异性的类比分析,种种因素都限制了其结论的科学性,提出的意见与建议也缺乏推广的可能性。

重庆市是中国具有代表性的大型城市,零售企业发展起步早,现存数量多、零售业态完善、种类齐全,作为样本开展研究具有独特优势。同时重庆也是山地型城市的代表,已有的围绕平原发达城市的案例研究结果不具有普适性,很大程度上影响了零售企业主及政府相关部门对开展零售企业建设的系统认知。在这样的背景下,探讨零售企业的空间分布格局进而解析零售企业区位选择的影响因素能够有效了解企业区位选择与城市空间之间的相互作用关系,对重庆市城市功能疏解的方向与政策提供相应的理论依据,从而更好地指导零售企业的选址问题。

1 数据与方法

1.1 数据来源及处理

重庆市位于中国西南地区、地处长江上游,本文所指的重庆市主城区位于市域西部,面积 5 473 km2,包括渝中区、渝北区、南岸区、江北区、北碚区、大渡口区、九龙坡区、巴南区、沙坪坝区,地理范围为东经106°22′～106°37′,北纬29°26′～29°27′。

本文选择了基于2020年1月高德地图提供的零售企业POI大数据。在对基础信息建立数据库后进行统计,所抓取的POI数据共计 118 593条,接着以行政区划图为底图,对POI数据做空间校正。处理后的POI数据分布图如图1所示:

在此基础上进一步对POI数据进行处理,根据我国现行的最新业态分类标准《零售业态分类》(GB/T 18106—2004),同时兼顾区域数据的全面性与完整性,保证可以采用准确度最高的数据对零售企业空间布局与区位选择的影响因素进行分析,本文最终确定以高德地图POI分类下的购物服务大类为基础,选取其14个子类进行不同业态的分析。(即家居建材市场、商场、特色商业街、特殊买卖场所、体育用品店、文化用品店、专卖店、综合市场、服装鞋帽皮具店、个人用品/化妆品店、便民商店便利店、花鸟虫鱼市场、家电电子卖场等),如表1所示。

表1 重庆市主城区零售企业POI数量及比例

经过空间地理编码与逆编码匹配、删除重复数据以及电话抽查询问删除低识别度点等处理后,得到有效数据 89 222条。按照每种子类POI存在的数量及所占比例,人为地将其归为大型零售业态(占比7%以上)、中型零售业态(占比1%～7%)和小型零售业态(占比1%以下)三类。以这些数据为基础建立本文研究的地理空间信息数据库。

1.2 研究方法

(1)冷热点分析法

将视角聚焦化可以采用冷热点分析,其过程是输入一组加权后的要素,经过统计处理后得到的输出结果为z得分与p值,通过z值与p值的相关组合,可以得到“高高”“高低”“低高”和“低低”四种聚类的地理位置组合。这些聚类是存在共生包围性的,同时也满足统计学意义上的显著性。本文采用冷热点分析,聚焦研究零售企业在重庆市主城区是否有聚类现象,找到高聚类点并详细挖掘,展现其空间上的分布规律。计算方式如公式(1)、(2)和(3)。

(1)

(2)

(3)

(2)条件Logit模型与Tobit模型

零售企业区位选择的问题,可以从需求者与供给者两个不同的视角来讨论。从需求者角度(单个零售企业自身)来看,在选择开展零售活动时面临一系列可供选择的的区位(在本文中即为不同街道),对于某个零售企业i而言,当Uij>Uik时,则企业倾向在j地选址而不是k地。区位选择问题变成了不同街道被选取的可能性大小问题,每个街道都存在备选的可能。因此,可表达为如下形式:

(4)

式中,chosenij为被解释变量,则chosenj的值为1意味着企业选择在j地开展建设,否则其值就为0(即一个企业每次只能选择落入一个街道)。在本研究中,每个零售企业都存在158种区位选择的可能性,总实际观测样本量应该有零售企业数乘以街道个数,即N×158个。

在这种0与1的二值选择离散事件中,本文选择使用McFadden提出的条件Logit模型(Conditional Logit)进行解释,同时对各种区位因素的影响系数进行参数估计,观察区位因素的各种变化对于区域能否被选中概率的影响。

本文选取2020年重庆市主城区新产生的 2 378个零售企业作为观测样本值(即N=2 378)。“对于单次区位选择问题而言,只有一个街道会被零售企业选中,其他157个被拒绝,拒绝的街道相对较多。因此,本文参考Ben-Akiva的做法[8],随机选择5个拒绝的街道进入单次区位选择的分组,这样的随机选择并不会影响最终的估计结果。故最后进入模型的观察样本为N×6=14 268个。

从供给者角度(重庆市主城区158个街道)来看,若以重庆市主城区158个街道为空间因素,以落入街道的零售企业个数为被解释变量(即一个街道可以有多家零售企业),使用同一套指标考察不同区位特征对街道已经落入的零售企业的影响,回归结果就可以用来验证所选取因素对零售企业区位选择影响程度的稳健性。由于“被解释变量为0值截尾数据,忽略数据的截尾情况将导致有偏的结果”的原因,选取王俊松等人的做法[9],使用Tobit模型进行稳健性检验,构建模型如下为:

(5)

与式(4)模型类似的,各解释变量含义相同,采用极大似然法进行估计。

2 重庆市主城区零售企业空间分布特征

为进一步研究各行业空间分布聚集热点,缩小范围方便描述,选取 1 200 m蜂窝网格为研究单元,对产生的POI核密度值,采用公式(3)进行热点处理,得到其分布图(图2)。

图2 重庆市主城区零售企业空间分布热点图

总的来看,重庆市主城区范围内的零售企业分布核心仍然是解放碑地区,并且由中心向外扩散成多个次级中心,次级中心又各自衔接呈现出集聚发展的态势。出现这样的分布是多因素导致的,其中具有代表性的是政策、人口、交通因素。起初,分布密集区域具有人口、政策的独特优势,提供了良好的消费市场与基础设施,零售企业竞相入驻产生规模经济。但随着城市化进程的加快,这些区域逐渐饱和,产生了有限市场的企业竞争,在竞争过程中,土地成本与服务成本随之上升,产生了一定的负外部性,部分企业选择外迁,外迁的距离视可接受的相关成本而定,这样逐渐在远城区形成新的集聚中心。在企业外迁的过程中,也会带走一部分相关人才与技术,以前的外部地区综合水平得以提高,人口迁移也分摊了相关劳动力竞争压力,新的居住区重新产生对零售企业的需求,激发出新的市场潜能。这样的循环往复的过程可以理解为向心力与离心力相互间大小作用关系,当向心力在某个时期大于离心力时,就会在外围地区产生新的次级中心,离心力大于向心力时,又会产生距离疏远,削弱相关市场潜能,在动态平衡中,形成了点状集聚与向外扩散的零售企业空间布局特征。

3 重庆市主城区零售企业区位选择影响因素研究

3.1 相关变量选取

(1)市场潜能

Harris认为,“市场潜能是关于收入水平和地区空间距离的函数[10]。”实际上,“人们大部分的日常活动都在所居住街道范围内开展,可以说人口基数越大,存在的消费市场也就越大,市场潜能也就越大[11]。”在街道这个行政区划级别,居民平均收入水平的数据获取难度较大,因此选择街道人口作为代替变量。但是各个街道行政面积不同,人口数量也存在差别,采用人口总数指标又忽略了人口因素给零售企业带来的规模经济效益。因此,本文选取人口密度(Potent)(即街道常住人口与行政面积的比值)来避免这个问题。

(2)生产成本

生产成本基本可以确定为两部分,即土地成本(地租成本)与人力成本(劳动力成本)。实际上,土地成本在街道层面的研究中基本上是动态变化的,短时间内很有可能产生加大波动,基本无法得到一个街道长期的地租成本数据。本文选取各个街道的道路密度(Cost1)代替本街道的土地成本[12]。原因是道路密度这一指标基本上可以体现这一街道的基建水平,“道路密度越高的地区,基础设施越完备,反映出当地的土地成本也就越高[13]。”

另一方面,关于街道的人力成本,实际上一个街道的劳动力数量与平均工资都是其影响因素。本文视各个街道的平均工资为固定值,拟选取各个街道15～64岁就业适龄人口数(Cost2)来代替本区域内的劳动力成本[14],这部分人口的数量越多,人力成本也就越低,零售企业越容易获得人才与劳动力。

(3)生产效率

集聚经济理论认为,不论是相同性质的产业还是不同性质的产业,其发生集聚效应后都可以使新的零售企业取得规模经济效益。事实上,在空间允许的范围内,服务消费环境多样化,劳动人才共享、信息与知识分享都会引起区域范围内企业的生产效率提高。但“随着空间范围的扩大,聚集密度会产生挤出效应和竞争效应。“引发的负面属性超过了正面属性,又可能降低整体生产效率。

所以,新建设的零售企业在进入已有零售企业分布的街道时,总会受到他们的影响(不论是正向影响或是负向影响)。在本文的研究中,考虑到数据的易获取性,在计量回归分析中,以2020年的每个街道已有的零售企业数量作为指标[15],寻找集聚效应(Cluster)这一因素具体的影响效应。

(4)交通可达性

交通可达性可以比喻为零售物品与服务与消费者间的联系纽带。上乘的交通水平可以为消费者到达零售企业提供便捷,也能降低零售物品与服务的配送成本。零售企业的区位选择与投入建设是立足于人们的消费需求的,而实际上,这种消费需求可以分为两部分来看,即当地居民的购物需求与外来旅游者的购物需求。为了更好地体现两者的区别,本文采用内部交通和外部交通的指标进行交通可达性的识别。

(5)政策规划

区位选择并不是只由市场机制来决定的,多数情况下,还受到当地政府出台的相关政策和总体规划的影响,这种情况在我国体现尤为突出。本文参考前人的研究,选取市级公共活动中心(Zone)与中央商务商贸区(Cbd)等指标来体现政策的影响。

在总体规划影响方面,“中心城区总是享有相关公共配套设施与基础设施建设的优先权与优待权”[16]。因此,街道距离市中心的远近也是零售企业区位选择的关键因素。本文选择街道中心到朝天门码头(重庆市地理原点)的距离(Center)作为考察,用数值的大小体现距离中心的远近。

3.2 区位因素影响结果分析

选取因素对零售企业区位选择的影响报告如下表,其中模型1至模型3选取条件Logit模型对参数进行估计。为更好地体现经济地理学理论框架中的影响因素是一个一步步丰富的过程,按照渐进决策理论的思想,模型1只选取市场潜能与生产成本,随后在模型2、3中开始增加变量,一步步探究影响结果。

模型1中只考虑了市场潜能与两种生产成本的影响因素,从结果上来看,街道人口密度(potent)存在显著的正向促进作用。在模型1的基础上,加入内外部的交通可达性以及三个政策制度等变量因素,可以看出土地成本(Cost1)、人力成本(Cost2)开始产生正向的效应,且变得显著。同时,区域内地铁站数目(in-traffic)、市级公共活动中心(Zone)、中央商务商贸区(Cbd)、距离朝天门码头距离(Center)对零售企业区位选择都具有显著的正效应。在模型2的基础上再加入了反映集聚效应(Cluster)的变量,得到的显著影响因素有土地成本(Cost1)、街道人口密度(Potent)、劳动力成本(Cost2)、内部交通(In-traffic)、是否处于市级公共活动中心(Zone)以及企业集聚效应(Cluster)。

将三个模型同期比较来看(表3),代表区域潜能的街道人口密度变量在模型1、模型2、模型3中皆显著为正,说明了零售企业的区位选择总会受到区域潜能影响。一个区域内越高的人口密度就会带来越多的消费需求,零售企业的区位选择在一开始就会追逐市场潜能大的区域,这会给他们带来稳定的投资回报。此外,高人口密度意味着多样的市场需求,这会诱导零售企业内部升级,增强其竞争能力。

表3 重庆市主城区零售企业区位选择影响因素整体回归结果

代表生产成本的街道道路密度与就业适龄人口数指标在模型1中不显著,但在2、3中正向显著并具有稳健性。这可能是因为零售企业需要紧密贴合消费者需求,他们需要拥有绝对的区位优势,因此,零售企业对劳动力成本并不敏感,具有较大的支付成本能力。

与预期设想不同的是,到火车站、机场等交通枢纽的距离体现的外部交通可达性并没有对零售企业区位选择产生显著影响,甚至也不一定是正向影响。这也许是因为重庆市主城区的零售企业的服务对象并没有瞄准国内外的旅游型消费者,而是更多地服务本地消费者。相反,以街道的地铁站(In-traffic)数量为指标的内部交通可达性越好,对吸引零售企业区位选择的吸引力也就越大,这一指标充分说明了城市轨道交通在重庆市主城区零售企业的经营问题上扮演重要角色,也与重庆市大力发展的“立体轨道交通+线下零售”模式相契合,成为大中型城市新式零售企业开发的“潮流”。

政策规划对零售企业的区位选择是多方面的。在模型2与模型3中市级公共活动中心区的影响显著为正,这表明零售企业更愿意在市级公共中心活动区进行商业活动。现代零售企业业态辐射范围很广,旅游、购物、科技、文化、娱乐、教育等产业都需要市级公共活动中心区提供吸引,政府在这些区域开展招商活动和保证土地供给可使零售企业稳步发展,是影响零售企业区位选择的重要因素。

中央商务区(Cbd)的影响在模型2中显著为正,但在加入集聚因素变量后便不再显著,甚至影响方向都发生了改变。这说明在没有集聚因素的影响下,零售企业原本是会追逐中央商务区的城市规划而进行区位选择的,与周边类似企业“抱团取暖”,共同形成商务商业的集聚区,提高自身抵御外部风险的能力。而在产生了集聚因素之后,已有的中央商务区规划就失去了吸引力,这也许是因为与其他产业多样化的集聚发展带来的利好相比,零售企业这一产业更方便从专业化的集聚发展中获得优势。特别是在街道这一层面,各个零售企业地理上的相近可以有效降低人才资源成本,还能共享已建成的基础服务设施和分摊行业发展的风险,从而获得规模报酬递增优势。

类似的,在模型2中距市中心距离(Center)的影响显著为正,加入集聚因素变量后也同样变得不显著。这说明在集聚因素产生前,零售企业总会有区位布局郊区化的意愿。长期的竞争-合作关系塑造了这些零售企业间的价值观默契,在任何一个街道都可以和谐发展,不再敏感于是否远离市中心。

4 结论与讨论

首先,重庆市主城区的零售企业具有典型的“整体分散”与“局部集聚”并空间分布特征。体现为区域内零售企业在空间分布上呈现趋向南北两端的扩散模式。各类零售企业空间都形成了自己的集聚中心,布局重心点也都汇聚于城市的地理原点,但各自分布的广域与聚集程度都各不相同,平均距离和标准距离也出现差异。总体上,“解放碑—观音桥”片区已是零售企业的聚集热点,诸如“南坪—杨家坪”“九宫庙—覃家岗”等次级热点集聚区也相继产生。

其次,重庆市零售企业的区位选址受到政府宏观规划与市场微观调整共同影响,市场潜能、生产成本、交通可达性、政策规划、产业集聚等因素对零售企业区位选择问题都存在显著的影响。零售企业对生产成本并不敏感,具有较大承租能力;服务对象并没有瞄准国内外的旅游型消费者,而是更多地服务本地消费者,并且依赖于城市轨道交通的发展;紧跟政府的区域规划获得市场的先入优势;出现产业集聚现象后,集聚效应会覆盖政策规划成为吸引力更强的影响因素。当零售企业规模不同时,市场潜能、政策规划等因素对零售企业区位选择的影响存在差异。小型业态零售企业具有供给主导权,并不会过多考虑本街道或区域的市场消费能力能否给他们带来过多的收入;中、小型业态零售企业进行区位选择时也有远离市区逐渐郊区化的趋势,追求低廉的地租与温和的竞争环境的同时,也可满足城市人口郊区迁移产生的消费需求。