南京市居民购物行为的影响因素和空间效应——基于四种商品的对比研究

地理研究GEOGRAPHICAL RESEARCH第36卷第5期2017年5月V ol.36,No.5May,2017南京市居民购物行为的影响因素和空间效应——基于四种商品的对比研究杜晓娟1，甄峰2,3，CAO Jason 4（1.南京大学地理与海洋科学学院，南京210093；2.南京大学建筑与城市规划学院，南京210093；3.南京大学人文地理研究中心，南京210093；4.美国明尼苏达大学公共事务学院，双子城55455，美国）摘要：信息技术的发展和使用不断改变着居民的购物方式和行为，并对城市交通和城市商业空间布局等产生了一系列影响。

采用2015年南京市居民购物行为问卷调查数据，通过联合有序probit 模型，探讨南京市居民购物行为影响因素和空间效应，并对四种商品进行对比研究。

研究表明：①家庭生命周期、城市建成环境、居民购物态度、机动车保有状况和社会经济人口因素均对居民购物行为有显著影响，且存在产品类型差异；②不同类型人群对城市交通出行和商业布局的影响不同，且特征人群分布存在空间分异；③居民对不同产品类型购物的空间偏好存在差异，且这种偏好受居民主观决策和客观环境共同影响。

基于以上发现，对城市交通和商业布局提出相关建议。

关键词：居民购物行为；网络购物；影响因素；空间效应；南京DOI:10.11821/dlyj2017050121引言随着ICT 技术和互联网技术的飞速发展，网络购物快速崛起。

根据《2015年度电子商务市场数据监测报告》，2015年中国网络零售市场交易规模达到3.83万亿元，同比增长35.7%；占社会消费品零售总额的12.7%，同比增长2.1%。

网络购物的发展带来了居民购物行为的改变，在一些特定的商品交换领域改变较明显[1]。

同时，网络购物对实体购物的冲击和影响，带来一系列城市商业空间、交通出行等方面的变化[2-4]。

因此，居民购物行为特征、影响因素、网购与实体购物的关系及其对交通出行和土地利用等方面的影响，成为城市规划、交通规划者和城市、交通领域的学者关注的主要议题。

国外学者对居民购物行为的研究相对较早和成熟。

实体购物行为研究主要集中在影响因素[5,6]和决策机制[7]等方面。

影响因素的探讨涵盖客观购物环境（商业中心的面积、距离等）[8]、消费者属性[7]、主观态度（冲动购买、时间压力等）[9]等方面。

网络购物行为影响因素方面，早期主要从移动交易平台建设[10]、互联网设备使用[11]、网络购物的优劣势以及性别、收入、年龄、网络使用经验[12]等角度进行探讨。

随着行为视角的增强，学者们开始关注消费者主观态度的影响[13]。

同时，空间因素作为城市和地理领域关注的重点，其影响作用逐渐成为研究热点。

Anderson 等[14]基于新技术起源和扩散规律，互联网收稿日期：2016-11-23;修订日期：2017-03-10基金项目：国家自然科学基金项目（41571146，41371149）；国家科技支撑计划课题（2015BAJ08B01）作者简介：杜晓娟（1989-），女，重庆丰都人，硕士，研究方向为城市地理与区域规划。

E-mail:mg1427024@通讯作者：甄峰（1973-），男，陕西汉中人，教授，博士生导师，研究方向为城市地理与区域规划、智慧城市。

E-mail:zhenfeng@957-971页地理研究36卷958技术对时间和空间障碍的消减等前提条件，提出了两种假设：创新扩散假设和效率假设。

基于两种假设，已有成果通过网购消费者居住地城市化水平、购物可达性等变量对这两种假设进行了实证研究，两种假设均得到验证[13,15-18]。

国内对居民购物行为影响因素探讨主要集中在经济、市场营销等领域，地理视角的研究相对较少，仅有少量研究对主观决策与客观物质空间[19]、消费者居住地类型、交通方式、网络使用情况[3,20]等因素进行了探讨。

规划、交通和地理领域对购物行为的研究最终均会落到时空间特征或者对规划、土地利用和交通出行的影响层面。

国外研究主要通过探讨实体购物与网络购物的关系，进而提出对规划和交通的启示。

已有研究成果将实体购买与网购的关系概括为四种：替代、补充、修正和中立[21-24]。

其中，替代作用是规划和交通研究中关注的焦点。

网络购物替代传统购物，即网络购物具有减少实体购物出行的潜力，对缓解交通拥堵等问题有显著意义，同时也带来实体商业空间布局的变化。

但由于研究单位（家庭或个人）和商品种类不同，研究结果存在一定差异[25-27]。

国内研究主要包括对时空间特征[19]以及空间等级结构[28,29]的描述，或者通过问卷设计得出对交通出行的影响[3]。

综合来看，国内外均未探讨家庭生命周期（family life cycle）对居民购物行为的影响。

但是，这是影响居民购物行为的重要因素[30]，居民购物频率以及购买商品的类型与居民所处的家庭生命周期息息相关。

家庭生命周期是反映一个家庭从形成到解体的过程。

美国学者Glick[31]最早从人口学角度进行了比较完整的家庭生命周期阶段的划分，之后家庭生命周期在人口学、社会学、消费者行为学等领域被广泛应用，但是较少被用于地理学领域。

其次，国内从家庭生命周期、客观建成环境、主观购物态度、机动车拥有情况以及社会经济人口等方面进行全面研究的成果相对不足，且缺少多种产品类型的对比研究。

第三，居民购物行为的空间特征、空间效应、以及对土地利用和交通出行的影响方面，研究成果仍然较少。

第四，本文采用的联合有序probit模型（joint ordered pro-bit model），相较于单个模型，考虑了多个因变量同时被未观察到因素影响的情形，估计结果更准确[32]。

因此，本文采用联合有序probit模型，全面探讨包括家庭生命周期、客观建成环境、主观购物态度等在内的南京居民购物行为影响因素和空间效应，并进行四种类型产品对比，以期从地理视角进一步完善居民购物行为方面的研究。

2研究方法与数据来源2.1数据来源本文基于2015年4-6月开展的南京市居民购物行为问卷调查，调查内容主要包括购物过程、网络使用经验、购物态度、购物行为习惯、社会经济人口信息五部分。

根据南京市人口分布现状，综合考虑交通便利性和购物可达性，通过多阶段抽样，调研组选择南京的8个区（鼓楼、玄武、秦淮、建邺、栖霞、浦口、江宁、雨花台），从每个区抽取两个街道，再从每个街道抽取2~3个小区，共抽取42个小区进行随机入户调查（图1）。

最终1032位受访者完成问卷，有效问卷963份，有效率为93.3%。

调研样本基本情况统计如表1所示。

不同类型商品购物频率分布情况如表2所示。

2.2研究方法2.2.1联合有序probit模型本文采用联合有序probit模型对南京市居民购物频率进行探讨。

Roodman[32]提出用Stata12.0软件中的“cmp”模块联合多个有序probit模型，用以修5期杜晓娟等：南京市居民购物行为的影响因素和空间效应正多个因变量同时被未测度到的因素影响的情形。

单个有序probit 模型不能对这些共同的影响因素进行有效估计，因此需要进行模型联合。

Zhen 等构建了一个包含4个变量的有序probit 模型（quadruple-variate ordered pro-bit model ），用于探讨衣服、书籍、日用百货和电子产品四种商品网购与实体购物之间的关系，从实证层面证明了此方法的科学性[30]。

本文借鉴Zhen 等的研究[30,32]，采用Stata 14.0软件中的“cmp ”模块，针对衣服、书籍、日用百货和电子产品的网络购买频率和实体店购买频率，分别构建二变量有序probit 模型。

模型检测结果显示，4个模型的网络购买频率和实体店购买频率的残差项显著相关。

即网络购买频率和实体店购买频率以及各类商品购买频率之间存在未测度到的共同影响因素，联合模型估计结果优于单个模型。

模型计算公式为：Y *i =β′i X i +εi （1）图1南京市调研地分布图Fig.1Map of samples in Nanjing表1南京市调研样本基本情况统计Tab.1Descriptive statistics of samples in Nanjing年龄性别学历家庭平均月收入(元)居住地样本属性年龄男女小学及以下初中高中/中专大专本科研究生及以上<10001000~19992000~29993000~49995000~69997000~999910000~1499915000~19999>200000市区郊区样本量923404555543104226448135427752042061681356862534429均值或比例31.48（均值）42.1%57.9%0.5%4.5%10.8%23.5%46.6%14.1%0.4%2.8%7.9%21.5%21.8%17.7%14.2%7.2%6.5%55.5%44.5%959地理研究36卷式中：X i 为解释变量；β′i 为估计参数值；εi 为残差；Y i *是潜在变量，无法观测到具体值。

但是Y i 为可观测变量，表示在(0,1,…,m )上取值的有序响应，假设Y 有J 个取值O 1,O 2,…,O J ，用一个升序序列α0,α1,…,αJ 定义Y *会落入的区间，其中α0=-∞，αJ =+∞：Y i =ìíîïïïïïïïïO 1,α0<Y *i ≤α1⋮O j ,αj -1<Y *i ≤αj⋮O J,αj -1<Y *i ≤αJ （2）本文联合网络购物频率和实体购物频率，针对四种商品类型，模型构建如下：ìíîïïY *网购ij=β′ij X ij +εij Y *实体ij=β′j X ij +εij （3）表2居民网络购物和实体店购物频率Tab.2Frequency of online and store shopping购物频率很少二个月一次一个月一次一个月两次一个月三次及以上样本量衣服网络25.92%19.94%19.41%14.06%20.67%953实体29.04%25.37%24.00%12.37%9.23%954书籍网络55.39%21.56%13.42%9.62%946实体70.66%14.30%8.73%6.31%951日用百货网络30.58%13.97%26.03%13.97%15.45%945实体16.21%12.92%21.29%21.29%28.29%944电子产品网络79.68%12.06%8.26%945实体83.12%11.01%5.87%954注：书籍购物频率分类包括很少、二个月一次、一个月一次、一个月二次及以上；电子产品购物频率分类包括很少、二个月一次、一个月一次及以上。