我国零售业空间分布特征及动力机制与实证分析.docVIP

我国零售业空间分布特征及动力机制的实证分析( 何永达（丽水学院 商学院，中国浙江 丽水 323000） 摘要：文章运用31个省份2005-2009年的零售业相关数据，采用Moran’ I指数、不均衡指数方法零售企业与人均商品销售额、人口、人均GDP、城市化率和市场化指数的关系研究发现，我国零售业省域空间分布为明显梯度分布，即东部网点密度最高，其次是中部，最低是西部，但各地区零售基本处于状态研究还发现，市场需求量大消费者购买能力强，能够吸引更多的零售企业进入本地市场，产业集聚将更加明显关键词：零售业；空间分布；；中图分类号：F724 文献标识码：A近年来，由于国际金融危机持续发酵，欧美经济持续低迷，中国正在面临前所未有的挑战。对这些问题全面、系统地回答，的背景下显得尤为紧迫。 近年来，关于服务业空间分布研究逐渐兴起，服务业集中于少数城市城市的服务业地位越来越高[1]。服务业依赖于本地市场的容量的空间聚集效应造成服务业发展在空间上更为集中[]。北欧服务业的研究表明，其空间分布特征趋于地理集中，绝大部分的服务业集中在各国首都 []。城市服务业之间存在很大的相互依赖性，因此在空间分布上往往集聚在一起，具有较高的空间集中度，受城市化因素的影响比较大[-8]。一般认为，经济活动的区域分布由要素禀赋和地理因素同时决定并且取决于地区和行业特征的相互作用[]。零售业布局的合理化对经济的发展、流通资源的合理配置、居民消费需求的满足发挥着重要作用。零售业空间分布的，一般最临近指数、不均衡指数地理联系率、空间自回归方法等方法零售业空间分布呈现不均衡特征而零售商业网点分布与人口的基本协调[]。影响布局的因素包括比较优势、新经济地理、知识外溢以及地方保护主义等[]。业发展水平和聚集效益受城市化相关因素的影响很大这些因素主要包括城市化水平、城市人口密度、城市人口规模、人均GDP[]。休斯顿零售业的研究发现，空间距离和位置对于零售业分布影响非常显著[1]。经济体制、经济发展水平、市场需求、商业竞争等因素直接影响了零售业的发展与空间分布情况[]。本文的贡献体现在：（）合理运用Moran’s I指数等空间统计分析方法，多角度分析我国零售业在省域空间分布特征；（）在前人研究基础上，完善解释变量，试图建立一个较为合理的中国零售业空间分布的影响因素模型；（3）本文得出新结论，化水平在短期和长期上呈现不同的效果 1 研究方法与数据 .1研究方法 不均衡指数地理联系率不均衡指数和地理联系率可以反映零售商业网点分布与人口分布之间的均衡、配合程度宏观上衡量零售商业网点集聚程度的合理性。假设国n省份常住人口数分别设为P1,P2,…,Pn相对应当年各省份零售商业网点的个数为N1,N2,…,Nn。将人口数和商业网点数进行如下运算：根据不均衡指数的计算公式：不均衡指数介于0到2之间不均衡指数越大表示零售商业单位的不均衡性越大与各区人口在地域上分布的配合程度越低。地理联系率的计算公式为：地理联系率介于0-100之间它与不均衡指数相反越大则均衡度越高。 Moran’s I指数Moran’s I指数是度量区域经济变量空间相关性存在与否的全局指标，用于反映空间临接或空间临近的区域单位属性值的相似程度，以此判定某种经济现象在空间上是否存在集聚。Moran’s I指数的计算公式为： W为基于邻接标准的二进制的空间权重矩阵，Wij表示第i个区域和第j个区域的空间邻接关系：若区域i与区域j相邻，Wij取1；若区域i与区域j不相邻，Wij取0。Moran’s I指数取值范围为[-1,1]，I＞0表示所考察的经济变量空间正相关，其相关程度随数值的变大而变强；I＜0表示空间负相关；I＝0表示空间不相关，此时经济变量之间的空间属性分布独立。 计量经济模型本文拟采用31个省份2009年的数据建立计量经济模型，零售业空间分布与影响因素之间的数量关系，模型方程为： 其中，为模型常数项，为个体效应，为模型误差项，i=1,2…n, t=1,2…k。.2研究区域与数据来源 本文以31个省份作为零售业空间分布分析的基本研究单位，其中包括海南省和四个直辖市北京、天津、上海和重庆市，研究的时间序列为200-2009年。所有数据来源于《中国统计年鉴》、各省统计年鉴、《中国市场化指数———各地区市场化相对进程报告》等。本文涉及到的零售企业数、零售业从业人员数和零售业商品销售额变量指标，限额以上零售企业。 零售业的空间分布特征 .1零售业空间分布改革开放以来，零售业得到快速发展，零售业规模不断扩大，从业人员不断增加，到2009年末，限额以上零售业法人企业数为42615个，商品零售额达到43331.6亿元，从业人员为436.7万元，零售营业面