网购对传统零售业影响分析

网购对传统零售业的影响分析
摘要：本文分别探讨了网络购物成交额是否会对传统零售成交额产生影响以及影响程度的大小。

首先，本文采用了计量经济学中的协整分析法和格兰杰因果分析法，得出了网络购物成交额极有可能(概率为0.917)对传统零售成交额产生了影响。

从定量角度，本文创新性的提出了最佳折点距离法，并据此得出网络购物对零售业增长速度贡献了1.53个百分点的结论。

关键词：网络购物；传统零售业；协整与误差修正模型；格兰杰因果检验；最佳折点距离
中图分类号：f713.36 文献标识码：a 文章编号：1001-828x（2012）08-0-04
随着互联网的发展，网络购物人数也有着巨大的发展。

据统计，2011年中国网络购物人数为1.87亿人，交易规模高达7735.6亿元，增长速度为67.8%，并达到41.6%的渗透率。

网络购物在我国商品销售中已经到了不可忽略的地步，并且，随着网络的普及、消费者受教育程度的提高以及观念的转变，越来越多的人们倾向于采用网络购物方式购买食品、服装、电器、日用品等，直观上讲，这可能会对传统零售业产生一定的影响。

面对如此庞大的网络购物市场带来的商机，众多企业都寻求转变，已适应市场的发展，而巨大的消费市场也给企业提供了巨大的发展机遇和挑战。

一、网络购物对传统零售业影响的定性分析
1.筛选零售业的影响因素
可能对传统零售业产生影响的因素十分丰富，如网上零售市场交易规模，城镇居民恩格尔系数，居民消费价格，快递量，平均每人可支配收入，gdp，商品零售价格指数，社会消费品零售总额，网民规模，消费者信心指数，等等。

由于这些影响因素之间可能存在着重叠、对立、补充等联系，所以本文采用相关性分析法，以一定的标准选取前n个高度相关的变量进入模型，使得高维问题得以简化。

表1 选取变量的相关程度
得到相关性较高的变量为：网购成交额，人均可支配收入，gdp。

将以上3个变量就被选为影响零售业发展的主要因素，在接下来的模型中这3个变量将作为分析的主要目标，而其余变量则作为扰动项处理。

2.协整分析
图1展示了这3个指标和零售业额在2005至2011各个季度的变化情况。

图1 2005年至2011年人均可支配收入、gdp和网络购物成交额由图1可见，从2005q1到2011q4全国经济有着巨大的发展。

gdp 和网络购物都有着明显的增长趋势，特别在2008年以来增长速度越来越快，而人均可支配收入和传统零售业的增长则比较平缓。

首先采用对数化对原始数据进行处理。

消除了异方差影响；然后为避
免“伪回归”问题的出现，对序列进了行稳定性检验。

表2 4个变量的对数序列和差分序列的平稳性检验
由表2得出，各变量均为二阶单整序列，可以进行协整检验。

采用johenson检验法得到零售业与人均可支配收入，gdp，网络购物成交额之间仅具有一个协整关系(检验结果见表3)。

表3 johenson检验结果如下
并得到协整关系式：
lntraditional=0.87lnpcdi+0.15lnnetsale-0.14lngdp+3.64(
滞后阶为4)
从上述误差修正模型中，可看出：
(1)人均可支配收入是影响零售业的主要原因，其增长的速度将很大程度上决定了零售业的发展速度。

这与经济学上的解释相吻合，虽然其他因素也会影响零售业的发展，但消费者可支配的收入直接影响了其购买力，从而无疑是最重要的影响因素。

(2)网络购物业的增长也能促进零售业的发展。

网络购物作为传统零售业发展的产物，是传统零售业的继承和发展，它的发展趋势也与传统零售业息息相关，它的增长也能够影射出当时经济发展的迅速和零售业的繁荣。

(3)我们得到gdp的影响为负值，这是由于随着社会经济的发展，gdp的增长将趋于缓慢，这并不会对零售业产生不利影响。

相反，当经济水平发展到一定水平后，提高人们的文化娱乐需求将成为影
响经济发展的重要方面，经济的稳定将有助于人们消费。

进入21世纪以来，美国等发达国家在gdp增速上明显放缓，但由于科学文化等方面的发展，使得零售业仍然持续着增长趋势。

虽然以上实证结果表明模型变量存在着长期稳定的关系，但这种关系是否是存在一种因果关系，这还需要进行格兰杰因果检验，检验结果如表4所示。

表4 格兰杰因果检验结果
检验结果为lnnetsale极有可能(概率值为0.9170)是lntraditionalsale变动的原因，即网购成交额是对传统零售业成交金额造成影响的原因。

二、网络购物对传统零售业影响的定量分析模型
前文分别从协整关系和因果关系两个角度了网络购物对零售业影响的定性分析。

而着两种方法只能判断是否有影响，影响程度多大等定性结果，不能得到网络购物对零售业的定量影响是多少。

为此本文创新性的提出了一种定量分析网络购物对零售业的影响模型，最佳折点距离法。

1.模型相关名词定义
折点：任取一个实验数据点(为了更准确的反应真实趋势，保证其前后至少有四个数据)，用一条直线最佳逼近此数据点之前的所有数据点，用另一条直线最佳逼近选取数据点之后的所有数据点。

则定义这两条直线的交点为折点。

最佳折点：在所有折点中使全局残差平方和最小的点定义为最佳折点。

本文认为最佳折点可以近似认为，在全局上，是这组数据发生显著变化的第一个数据。

最佳折点所对应的横坐标(时间)为折点发生时刻。

最佳折点对应的横坐标为研究对象发展趋势(斜率)发生显著变化的开始时刻。

最佳折点距离：考察两个对象，采集的数据是运用前文提到的方法，分别得到对应的最佳折点。

两个考察对象的折点发生时间差的绝对值定义为折点距离。

则本文定义最佳折点距离是两个最佳折点在时间横轴的距离差的绝对值。

2.模型基本假设
根据经典经济理论，在宏观经济稳定发展下，某种产业如果没有受到特殊的刺激因素，如新科技，则会呈线性增长。

a为某一个传统行业，b为某种新兴行业，b的发展影响a的发展，影响的方式，抑制还是促进，影响程度有多大有待研究，但首先要保证b的发展会影响a的发展，并且b与a有较明显的关联，否则研究无意义。

传统行业a在受到新兴行业b的影响后可能会保持线性增长一段时间，但是会在某一个时间点开始，斜率发生明显的变化。

如果一发展趋势为线性的行业c与a有较明显的关联，无论c 是传统行业还是新兴行业，则假设a斜率的变化都与c无关。

新兴行业从经济学角度上看存在萌芽-发展-成熟三个阶段，且构成一个指数增长的趋势，但在发展阶段会有一个时间点新兴行业开
始产生规模效应，对与它相关联的行业开始产生影响。

在研究新兴行业b对传统行业a的影响的阶段内，a行业本身没有自我促进的动力或者自我促进的动力不足以改变a行业的增长斜率明显变化，如a行业内部的管理革新，技术创新带来的自我促进动力。

有理由认为，一个事物在所考察时间段内经历某种来源于内部(或外界)的激发(或抑制)，则事物发展会经历一个转折，即存在一个折点。

3.最佳折点
(1)传统零售业的最佳折点
表5 2005年到2011年传统零售业数据单位：亿元此处一个关键点是如何通过已知数据得到折点和最佳折点。

为此本文设计如下的算法。

选取一个数据，以其为分界点，前后分别利用最小二乘法做最佳逼近直线，前后两条折线的交点就是折点，并计算出全局残差平方和r。

由于当数据较少时不能真实反应真实趋势，故前后两端数据至少保证有四个数据来得到最佳逼近直线。

以这样的方法，依次以第四个数据到倒数第五个数据为分界点，共得到21个折点，每个折点都对应一个全局残差平方和。

在21个全局残差平方和中比存在一个最小的全局残差平方和，即为全局最小残差平方和。

全局最小残差平方和对应的折点为最佳折点。

由定义，最佳折点对应的横坐标时间则是传统零售业发展发生显著变化(斜率)的开始时刻。

不同分界点得到的全局残差平方和与折点发生时
间。

表6 各组试验全局残差平方和单位：107 图2 2005年至2011年零售业成交额最佳折点图
由图可知传统零售业在最佳折点之后的斜率大于最佳折点之前
的斜率。

说明传统零售业受到促进作用。

表7 零售业各组试验折点发生时间
注：此处将年份连续化看，且规定一年365天。

则7.0000表示2007年的第一天，8.4472表示2008年的第163天。

由表可知，第16组实验的全局残差平方和最小，对应的折点发生时间为9.0148为2009年的第5天。

即网络购物发展趋势发生显著变化的时间2009年1月5日。

(2)网络购物的最佳折点
表8 2005年到2011年网络购物成交额数据单位：亿元
通过表8列举的网络购物成交额数据，采用与传统零售业同样的方法得到来实验得到对应的折点和全局残差平方和，分别如表5-5和5-6所示。

由全局残差平方和最小确定的最佳折点，并据此画出了最佳折点图4。

表9 各组试验全局残差平方和单位：106
表10 网络购物各组试验折点发生时间
由表可知，第18组实验的全局残差平方和最小，对应的折点发生时间(即网络购物发展趋势发生显著变化的时间)为10.0692，即2010年1月25日左右。

图3 2005年至2011年网络购物成交额最佳折点图
4.基于最佳折点距离的影响定量分析
(1)最佳折点距离
本文之所以要分别针对网购和传统零售业做多次实验来得到最佳折点图，是因为最佳折点的差值大小不是没有实际意义的。

不难想象，两个关系紧密程度越大的个体，则一方的变化引起另一方变化所需要的时间也就越少。

简单起见，本文定义这种引起另一种变化所需要的时间为最佳折点距离。

称之为“距离”，是当作时间横轴上的距离，计算公式如下。

则得到网络购物和传统零售业的最佳折点距离为385天。

(2)网络购物对零售业的改变贡献
在传统零售业等效增长率增加的这11.6个百分点中有多少是由网络购物的直接与间接贡献的将是网络购物对传统零售业的定量影响。

为此，定义影响程度的计算公式：
(1)
无影响距离指在两个事物之间无任何相互影响的情况下，两者发展趋势发生变化的平均时间跨度。

由于网络购物和传统零售业都发展于中国经济的大背景下，都受到经济周期的影响，故无影响距离
不会超过一个经济周期的跨度。

基于朱格拉经济周期理论(10年左右为一个完整的经济周期)以及我国国情，这个经济周期理论也较为符合。

改革开放后的三个经济周期分别为1979-1990、1991-1999和2000-2012年(分析来源于中国国际金融有限公司的分析)。

由于2005年为网络购物真正起步的一年，这点有所采集的网络购物的成交额数据就可以得出，在2005年之前网络购物成交额在相对值上几乎可以忽略。

所以我们得到网络购物和传统零售业的无影响距离为8年(2005-2012)。

由公式(1)得到影响程度为0.1318，即传统零售业的发展改变值中，有13.18%是由网络购物带来的，并且影响是促进的。

三、结论
根据研究结果，网络购物在本身迅猛发展的同时还在一定程度上促进了传统零售业的发展。

所以对于产品生产企业来说，网络购物市场的作用越来越重要。

对于中小企业，网络购物的方式大大地减小了成本，这对于资金周转不快以及利润率不高的企业来说无意是非常重要的。

对于出口企业，在全球经济衰退的大背景下，通过网络购物的方式顺利地将产品转向国内市场无疑是一举两得的事情，既减少了商品库存，也增加了国内消费，拉动经济增长。

另外，政府应该出台相关政策鼓励电子商务的发展。

在全球经济衰退的大背景下，结合我国经济增长过于倚重基础建设的国情，网络购物的蓬勃发展对于我国经济可持续发展以及经济结构的转型
十分重要。

网络购物的发展可以促进与网店相关的就业，可以增加居民的消费，可以改善中小企业的存活率，可以改善经济结构。

参考文献：
[1]cao xinyu jason, xu zhiyi, douma frank. the interactions between e-shopping and traditional in-store shopping: an application of structural equations
model[j].transportation,2012,39 (05):957-974.
[2]p.y.k. chau, g. au, k.y. tam, impact of information presentation modes on online shopping: an empirical evaluation of a broadband interactive shopping service. journal of organisational computing and electronic commerce, 2000,10(01):1-22.
[3]s.l.jarvenpaa, n.tractinsky, m.vitale. consumer trust in an internet store, information technology and management,2000,1(01):45-71.
[4]hans van der heijden. online store image : conceptual foundations and empirical rmation and management.2004,41(10):609-617.
[5]m.themistocleous,a.poulymenakou.developing electronic stores:some critical considerations for practice. proceedings of the 9th international workshop,1998:667.
[6]spyridon mamalis,mitchell ness,michael
bourlakis.tangible and intangible factors of store image.proceedings of the 5th wseas international conference [7]谢银芳.关于大学生网上购物情况的调查[m].北京:人民邮电出版社,2009:52-62.
[8]安潇潇.arma相关模型及其应用[d].秦皇岛:燕山大
学,2008:18-39.
[9]陈晓娟.时间序列分析在广东省gdp预测中的应用研究[d].广州:中山大学,2010:195-200.
[10]卢姗.电子商业对中国城市零售业空间的影响[m].北京:电
子工业出版社,2010:70-105.
作者简介：陈绍刚，教授，单位：电子科技大学数学科学学院。

朱柳，单位：电子科技大学数学科学学院。

潘浚，单位：电子科技大学数学科学学院。

基金项目：本文系2012年度全国大学生创新基金项目的研究成果。