互联网渗透、物流效率与中国网络零售发展

全文总计 10333 字,阅读时间 26 分钟,快速浏览仅需 6 分钟。

副标题:——基于VAR模型的脉冲分析与方差分解

英文标题:Internet Penetration,Logistics Efficiency and Online Retail Development in China:Impulse Response and Variance Decomposi

内容摘要:近年来,随着国内贸易流通体制改革的逐步深化、网络强国战略和“互联网+”行动计划付诸实施,我国网络零售逐渐呈现蓬勃发展势头,并将对零售业结构优化和传统零售企业转型升级产生深远影响。根据发达国家流通产业发展经验,网络零售的可持续发展主要受制于互联网渗透水平和物流效率。在网络零售交易成本最优化、扩展的二级CES生产函数理论逻辑基础上,利用我国网络零售业相关时间序列数据构建VAR模型,就互联网渗透水平、物流效率对网络零售发展的影响进行脉冲响应分析和方差分解发现,我国网络零售发展与互联网渗透水平、物流效率之间存在较为稳定的均衡关系;互联网渗透水平和物流效率均会将其受到的外部冲击传递到网络零售系统并产生积极促进作用,但网络零售对互联网渗透水平的脉冲响应较之物流效率更加敏感和显著;互联网渗透水平的贡献率远远超过了物流效率的贡献率,互联网渗透水平是影响网络零售发展最主要的因素。因此,为推动我国网络零售可持续发展,必须进一步加强零售业网络基础设施建设,提高网络传输效率,提升网络服务水平,降低交易成本,提高交易效率,增强零售服务国际竞争力;进一步提高互联网渗透率和网络零售技术研发水平,优化网络零售消费结构,提升网络零售消费质量;加快完善电子商务物流和配送体系,逐步提高网络零售绩效,构建网络化、数字化、智慧化、智能化的网络零售物流体系;逐步优化网络零售规制体系与相关制度安排,规范网络零售商及利益相关者行为,占据跨境电子商务规则制高点,为我国网络零售商嵌入全球价值链和全球供应网络夯实基础并提供保障。

关键词:网络零售,互联网渗透,物流效率,二级CES生产函数,VAR模型

GB/T 7714-2015 格式引文:[1].互联网渗透、物流效率与中国网络零售发展.[J]或者报纸[N].中国流通经济,(20188):23-33

正文内容

  现代零售业对国民经济和社会发展具有较强的先导性,其发展水平和现代化程度对一国参与国际分工的广度和深度影响越来越大。长期以来,发展较为迟缓的零售体系一直制约着我国由贸易大国向贸易强国转型。近年来,随着国内贸易流通体制改革的逐步深化、网络强国战略和“互联网+”行动计划付诸实施,我国网络零售①逐渐呈现蓬勃发展势头,并将对零售业结构优化和传统零售企业转型升级产生深远影响。2017年,我国网络零售交易额达到71751亿元,较2016年同比增长39.17%,占社会消费品零售总额的19.6%。[1]从世界主要发达国家流通产业发展的经验来看,网络零售的可持续发展往往受制于互联网渗透水平②和物流系统功能发挥程度。从这个方面来看,我国网络零售发展正面临严峻挑战,一方面,现有互联网渗透水平制约网络零售纵深发展,网络零售信息技术和零售管理水平亟待提升;另一方面,我国物流效率较低,物流成本占GDP比重远远超过欧洲、美国、日本等发达经济体乃至世界平均水平(5%)。

  事实上,自20世纪90年代中后期以来,企业对消费者(B2C)、消费者对消费者(C2C)等网络零售业态的兴起和发展就受到了经济学界的广泛关注。对相关文献进行梳理可以发现,国内外有关网络零售的学术观点主要集中在以下三个方面:

  一是互联网所拥有的低搜寻成本、便利化、缩短地理距离等优势促进了网络零售的兴起和发展。哈德斯蒂(Hardesty M)等[2]研究发现,对相同的货物而言,消费者选择网络购物的原因是网上花费更低;斯蒂里欧(Stylianou A)等[3]对医药品线上线下的交易价格进行了实证比较分析,其结论显示,消费者偏爱网络购物的主要原因在于它的便利性;法希(Fahy C)[4]分析了传统零售与网络零售的差距,认为互联网的嵌入推动了网络零售的发展;雷萨巴赫什(Rezabakhsh B)等[5]认为,互联网有助于打破信息不对称的障碍,进而使消费者能够快捷地与企业建立贸易联系;霍尔塔苏(Hortasu A)等[6]利用易趣网交易数据探讨了网络交易的地理格局,其结果显示,地理距离影响交易,而网络缩短了双方之间的距离;尚卡尔(Shankar V)等[7]认为,移动通信设备和网络技术与消费者联系紧密,有利于消费者与零售商建立联系;闫星宇[8]提出,信息网络技术的消费自主性拉动了网络零售商的出现;曹(Cao X)等[9]通过对互联网用户进行调查发现,在线搜索频率的提高对网上购物有推动作用;万琴[10]对影响中国网络零售市场交易规模的十个因素进行了灰色关联度分析,认为互联网宽带接入用户数量是影响网络零售发展的关键因子;杜丹清[11]的研究表明,互联网背景下的电商企业可以凭借数据优势实现快速扩张。

  二是消费者偏好及企业行为选择是影响网络零售不可忽视的因素。科莱萨(Kolesar M)等[12]研究发现,消费者非常关注网络零售服务是否及时、可靠和具有保障性,并重视通过相关服务体验来评估服务质量;沃尔芬巴格(Wolfinbarger M)等[13]认为,网络零售商服务质量影响消费者网络购物情绪,进而导致交易额变化;李凯亮(Lee K)等[14]认为,消费者感知产品或服务风险的能力、网络零售商运营环境是影响消费者网络购物的主要因素;恽泽孙(Yun Z)等[15]的研究显示,网络零售企业改进网店布局及网站设计有利于收集网络消费者信息,提高购物愉悦程度;廖子奇(Liao Z)等[16]基于对我国香港地区民众的调查发现,有用性和便捷性对消费者选择网络购物具有积极影响;潘煜等[17]认为,消费者由于在网络环境中不能获得产品完全信息,加之担心资金安全问题,进而对网络零售商心存疑虑,故网络零售商必须在提供服务的同时努力提高消费者网络购物安全感;赵卫宏[18]认为,网络零售中的顾客价值影响网络零售商的店铺构建;钱德拉什卡兰(Chandrashekaran R)[19]分析了消费者如何评估线上线下价格及其选择网络购物的原因,其研究结果显示,是否选择网络购物受到性别差异的影响;王国顺等[20]认为,零售企业可以通过消费者信任来实现实体和网络零售的协同发展。

  三是网络零售业发展亟待转型升级、优化市场结构。张庆亮等[21]分析了网络零售面临的设施、技术、信用等问题,提出了推动网络零售发展的相应解决策略;格雷瓦尔(Grewal D)等[22]为,尽管网络零售发展迅速,但仍然存在诸多薄弱环节,应从结构和功能上加以改善;张赞等[23]将网络零售服务质量、诚信水平及网民规模引入霍特林(Hotelling)线性城市模型,其研究结论显示,网络零售商的进入增加了零售行业市场绩效;张赞等[24]在对我国网络零售产业组织进行SCP范式分析的基础上指出,B2C交易规模较大,但市场绩效不够显著;王国顺等[25]提出,应提高传统零售和网络零售的资源共享率以促进二者协同发展;刘文纲等[26]提出,传统零售企业向网络零售转型是大势所趋,并建议传统零售企业根据业态、所拥有资源及市场需求变动选择协同发展模式;郭馨梅等[27]认为,应加速线上线下零售融合以打造便捷的网络购物平台;谢莉娟[28]认为,面对互联网时代“脱媒”的冲击,企业有必要对供应链进行逆向整合,通过流通环节分工调整与协同机制创新实现转型升级。

  综上所述,学术界较多从互联网优势、消费者偏好、零售商行为等维度入手探讨网络零售相关业态的兴起和变迁,相关研究成果对把握网络零售发展动因具有重要参考价值,但较少关注互联网渗透水平和物流效率对网络零售的影响。此外,现有研究较多局限于对网络购物现象的描述性或规范性分析,在深入研究网络零售发展影响因素及相关机理方面仍然面临诸多挑战,如互联网渗透、物流效率与网络零售是否存在均衡关系,网络零售对互联网渗透水平和物流效率变动的响应哪个更敏感,互联网渗透水平和物流效率变动对网络零售发展的贡献哪个更大?鉴于此,本文尝试从理论和实证角度着手分析互联网渗透水平、物流效率对网络零售发展的影响和作用。

  二、网络零售企业交易成本生成机理及决定因素的理论分析

  (一)基本假设

  假设1:互联网信息承载量有限,网络零售企业在运营过程中会形成引致网络拥堵的商业垃圾信息及违约服务等非期望产出。

  假设2:网络零售企业行为选择与电子商务税率和商业垃圾信息供给权交易价格③相关,而且电子商务税率和商业垃圾信息供给权价格越高,网络零售企业遵从互联网产业规制的意愿越低。

  假设3:网络零售企业接受互联网产业规制的意愿与政府监管力度正相关,且不存在固定罚款。

  假设4:网络零售企业治理商业垃圾信息及服务技术水平不变,不存在商业技术进步。

  假设5:征收电子商务税的信息是完全的,互联网交易市场是完全竞争的。

  (二)网络零售企业交易成本生成机理

  

  如果互联网产业规制较为严格,网络零售企业i严格遵照网络交易规则产生的垃圾信息量就会小于或等于其商业垃圾信息供给权的拥有量④,即。否则,就意味着网络零售企业i可能会选择采取销售假冒伪劣商品等机会主义行为,设违规经营所导致的商业垃圾信息量为,则。政府或规制者一旦发现网络零售企业i有机会主义或败德行为倾向,就会对企业进行相应的惩罚或没收相关财产,由于我们假定不存在固定罚款,则其罚款函数为,与正相关,即。引入外生变量,即政府监管水平λ,此时网络零售企业面临的惩罚函数为。因此,当网络零售企业倾向于接受互联网产业规制时,网络零售企业的交易成本主要包括商业垃圾信息治理成本、违约成本、购买商业垃圾信息供给权(网络内容)的成本和受政府罚款的成本。

  (三)网络零售企业交易成本最优化及其决定因素

  基于前文所述以及网络零售企业交易成本结构,互联网产业规制下网络零售企业i需要进行决策的变量主要是商业垃圾信息量及其所拥有的商业垃圾信息供给权数量。考虑到网络零售企业i交易成本的最优化问题,首先建立成本最小化函数:

  

  运用以拉格朗日法求极值的方法构建如下拉格朗日函数:

  

  其中,α≥0,β≥0。

  假设式(1)中的目标函数是严格凸的,而且不等式的约束条件是线性的,其库恩—塔克一阶条件为:

  

  这就意味着,网络零售企业的行为决策仅与商业垃圾信息供给权交易价格有关,而与政府监管水平和策略无关。考虑到β=0,由式(5)可知,。该等式暗含的经济学逻辑为,网络零售企业遵照互联网产业规制的临界点是商业垃圾信息供给权的价格等于边际罚款的金额。同时,不难发现,政府监管水平。如果将违规经营造成的垃圾信息量为零视为企业违规的临界点,那么网络零售企业接受互联网产业规制的均衡条件为。进而,可以看出,当时,接受互联网产业规制是网络零售企业最优的行为选择;当时,网络零售企业倾向于选择违规经营,且其最优的商业垃圾信息产生量

  基于上述逻辑,不难发现,如果不考虑政府监管和零售策略的差异,影响网络零售发展的根本动因在于网络内容服务(ICP)许可证交易价格,而该许可证市场价格的高低通常取决于平台经济发展阶段、信息技术(IT)产业发达程度、互联网渗透水平、物流效率、需求水平、消费者偏好等多重因素,其中互联网渗透水平和物流效率至关重要。

  三、模型、变量与数据

  (一)常数替代弹性(CES)生产函数的一般形式

  阿罗(Arrow K J)等[29]提出的CES生产函数的基本形式为:

  

  其中,Y表示总产出,A(A>0)为效率系数,K、L分别表示资本和劳动力投入,λ为资本K的份额参数,且满足λ∈(0,1),ρ为要素替代弹性参数。

  对式(9)两边取对数并进行泰勒级数展开,整理后得到式(10):

  

  由此可见,转换后的CES生产函数会根据ρ值的不同而表现出不同的性质,与CD函数相比,其拟合能力更强且更符合实际情况。

  (二)二级四要素CES生产函数的构建

  克莱因(Klein L)等[30]曾在CES生产函数的基础上将人力要素分为白领和蓝领工人两个部分来研究IT投入对美国企业规模报酬的作用。这启示我们,在研究网络零售影响因素时,可将资本投入中促进互联网渗透的技术资本和人力投入中改进物流效率的那一部分人力投入分离出来。由于本文侧重研究互联网渗透水平和物流效率对网络零售的作用,同时鉴于王贻志等[31]在采用二级四要素模型和两个二级三要素模型分析研发(R&D)投入产出效应时的作用差异,本文拟构建如下二级四要素模型:

  

  其中,Y为被解释变量,表示网络零售总额;为解释变量,表示促进互联网渗透的技术资本投入和其他资本投入;为解释变量,表示改进物流效率的人力投入及其他人力投入;a、b分别是的份额参数;m为规模报酬参数,当m>1、m=1、m<1时,分别表示所研究对象为规模报酬递增、不变、递减。

  模型的第一层次为:

  

  模型的第二层次分别为:

  

  参考李子奈[32]的估计方法,将第二层次的模型式(13)和式(14)分别在处进行泰勒展开,并代入第一层次的模型,即式(12)在ρ=0处的二级泰勒展开式,得到下式:

  

  鉴于本文主要分析互联网渗透水平和物流效率对网络零售的影响,加之上式计算的复杂性以及多重共线性的影响,省略方程中与有关的项以及交互项和高阶项。初步得到如下方程:

  

  式(16)中,ε为随机扰动项。通过变量替换,式(16)可表示为:

  

  (三)数据与变量说明

  在数据选择方面,实证研究涉及网络零售总额、互联网渗透指数、物流强度⑤三个时间序列变量,分别记为ORS、IPI、LOD,其中ORS为被解释变量,IPI、LOD为解释变量。鉴于直接衡量我国互联网渗透水平和物流效率的统计指标十分缺乏,本文选取网络零售交易额(亿元)来表征网络零售发展规模(ORS),基于互联网普及率(%)、光缆线路长度(千米)、IPv4地址数(万个)、人均国民收入(元)、普通高校在校学生数(万人)进行因子分析,进而根据因子得分提取一个主成分,构建互联网渗透指数(IPI),用人均国民收入(元)与货物周转量(吨公里)之比的倒数表征物流强度(LOD)。

  需要说明的是,研究样本仅限于2001-2016年中国网络零售交易额,该数据来自历年《中国电子商务市场数据监测报告》⑥,其他数据均来自历年《中国统计年鉴》。除此之外,在构建模型时,为消除时间序列剧烈波动和异方差的影响,本文分别对三个变量取对数,并记为lnORS、lnIPI、lnLOD。

  四、实证分析

  (一)VAR模型构建与检验

  向量自回归(Vector Autoregression,VAR)模型⑦与以经济理论为基础的结构化模型相比,不仅可以有力揭示变量间变化规律,而且便于研究随机扰动项对多变量自回归系统的动态影响,因此可以预测和考察经济指标间的互动关系。

  1.变量平稳性检验

  通常情况下,确保每一个变量的平稳性是进行VAR模型估计的基础,加之脉冲函数的检验结果要求在误差向量为白噪声序列向量的前提下进行,故首先对本文各时间序列变量进行平稳性检验。一般而言,通常用单位根来检验序列的平稳性,故选用较为常用的ADF检验对变量lnORS、lnlPI、lnLOD的平稳性进行考察。结果参见表1。不难发现,三个原序列变量在1%和5%的水平上均不平稳,因而有必要对其进行一阶差分后再进行ADF检验。结果表明,在1%的显著性水平上,一阶差分变量lnORS、lnIPl、lnLOD均通过了平稳性检验,故所有变量均为一阶单整,即I(1)。

  2.因果关系检验

  单位根检验验证了变量的平稳性,但具体方向上的因果关系尚不明确。为进一步了解变量间相互影响机制,需要在建立模型之前对变量进行格兰杰因果检验。结果参见表2。

  

  由表2可以发现,在5%的显著性水平下,lnIPI是lnORS的格兰杰原因,表明互联网渗透水平对网络零售发展具有促进作用;在相同的显著性水平下,lnORS是lnLOD的格兰杰原因,说明网络零售的发展带动了物流效率的提升,但lnLOD不是lnORS的格兰杰原因,这与我们的预期相反。究其原因,主要有三点:一是格兰杰因果检验重在考察一个变量是否对另外一个变量具有预测能力;二是相关数据的可得性可能弱化了检验结果;三是我国电子商务物流发展相对滞缓,导致其格兰杰因果关系尚未显现。

  3.VAR模型最优滞后期确定

  为保持滞后期与自由度间均衡,使模型具有良好解释能力,本文应用Stata14.0软件,在考虑五种常用信息准则、VAR模型拟合度(R2=0.9933)、扰动项是否为白噪声、残差是否服从正态分布等因素的基础上,将VAR模型的最优滞后期确定为1。具体参见表3。

  

  

  4.VAR模型的建立和稳定性检验

  基于上述变量单位根检验、因果关系检验以及模型滞后期的确定,同时考虑到对式(17)进行变量置换,建立VAR模型如下:

  lnY=αlnIPI+βlnLOD+ε (18)

  式(18)中,Y表示网络零售总额,α、β分别表示互联网渗透水平和物流强度对网络零售总额的影响程度,ε为误差项。

  根据Stata14.0软件对VAR模型的参数估计值,可以得到以下三个方程式:

  lnORS=0.5125lnORS(-1)+1.8146lnIPI(-1)+0.6041lnLOD(-1)-15.5984 (19)

  lnORS=0.0524lnORS(-1)+0.7125lnIPI(-1)+0.1095lnLOD(-1)+2.8814 (20)

  lnORS=0.0996lnORS(-1)+0.3704lnlPI(-1)+0.6270lnLOD(-1)+3.4856 (21)

  需要说明的是,该VAR模型全部根的倒数的模均小于1,即所有根的倒数均落在单位圆内(如图1所示)。很显然,滞后一阶的模型拟合度较高且比较稳定。

  

  (二)协整检验分析

  多数情况下,一般采用差分方法使非平稳时间序列平稳,但差分后的序列有时会降低模型的解释力,使之失去原有的经济意义。对此通常采用恩格尔(Engle R F)和格兰杰(Granger C J)提出的协整理论方法予以解决,本文亦采用该方法进行协整分析。检验结果参见表4。

  

  协整检验结果表明,在5%的显著性水平上,约翰森(Johansen)检验拒绝了r≤0的原假设(r表示协整关系的个数),却接受了协整个数至多为1的假设,说明LnORS、LnIPI、LnLOD三个变量之间存在长期稳定的均衡关系。具体标准化协整方程系数参见表5。

  由表5可以得到协整方程:

  

  lnORS=3.913706lnIPIt-2.145852lnLODt+ecm③ (22)

  由式(22)可以看出,长期来讲,互联网渗透指数每上升一个百分点,网络零售总额就会扩大3.913706%;物流强度每降低一个百分点,即物流效率每提高一个百分点,网络零售总额就会扩大2.145852%。

  (三)脉冲响应与方差分解

  1.脉冲响应函数分析

  为更好地研究lnORS、lnIPI、lnLOD之间的动态关系,需要在原有的VAR模型基础之上利用脉冲响应函数来解释变量之间的相互影响和受冲击程度。图2、图3清晰地反映出了lnIPI、lnLOD所受到的一个正的标准差新息冲击给lnORS带来的脉冲响应路径。其中,图2表明,无论是短期内还是长期内,互联网渗透指数对网络零售总额都有正向影响,且短期内冲击更为明显。在第1期时,互联网渗透指数受到外部条件冲击后,网络零售总额没有反应,第2期则明显提升0.1004%,且前4期内均有缓慢提高,直至达到最大值0.1190%,之后各期呈缓慢下降趋势。图3显示,当物流强度受到外部条件冲击后,网络零售总额第1期尚无反应,第2期显著提升0.0214%,后期势头不断增强达到最高,而后逐期弱化。

  

  

  进一步比较我国网络零售总额对互联网渗透指数和物流强度的脉冲响应路径可以发现,一方面,无论是互联网渗透指数还是物流效率都会将之受到的冲击传递至网络零售发展总额,且产生较为正面的促进作用;另一方面,网络零售总额对互联网渗透指数的脉冲响应更加敏感。

  2.方差分解

  方差分解是根据分解系统中不同内生变量贡献的差异,对各变量的重要程度进行评价。本文构建的VAR模型方差分解结果(具体参见表6)显示,我国网络零售发展规模除受来自自身的冲击外,互联网渗透指数变动的贡献率在第2期达到了16.3787%,即我国网络零售发展水平预测方差的16.3787%可由互联网渗透水平变动解释,且第2期之后各期的贡献率有逐渐上升趋势,第9期之后增幅开始下降;物流强度变动的贡献率在第2期仅为0.7437%,即我国网络零售发展水平预测方差的0.7437%可由物流强度水平变动解释,之后几期均保持较为稳定的增长,但自第4期开始呈现出微弱下降趋势,这也进一步验证了上文提到的物流效率滞后于网络零售发展的猜想。相比较而言,互联网渗透水平变动的贡献率远远超过物流效率变动的贡献率,即前者对我国网络零售发展水平的影响远远大于后者。

  

  五、结论与政策启示

  (一)研究结论

  其一,从长期来看,我国网络零售发展与互联网渗透水平、物流效率之间存在较为稳定的均衡关系。互联网渗透水平的提高显著促进了网络零售的增长,而物流效率对网络零售发展的积极影响尚未充分显现。因此,为推动我国网络零售可持续发展,不仅需要提高互联网渗透水平,提高物流效率也是非常有必要的。

  其二,从动态影响角度看,无论是互联网渗透水平还是物流效率,都会将之所受到的外部冲击传递到网络零售系统,进而产生积极的促进作用。但是,网络零售的发展对互联网渗透水平的脉冲响应较之物流效率更加敏感。

  其三,互联网渗透水平的贡献率远远超过物流效率的贡献率,前者对网络零售发展的影响较之后者更为显著。从目前来看,互联网渗透水平是推动网络零售发展的重要因素,电子商务物流的发展仍有巨大空间。

  (二)政策启示

  一要进一步加强零售网络基础设施建设。电子商务的可持续发展必须以优越的网络条件为基础,伴随着网络通信技术的进步,我国电子商务交易规模不断扩大,第三方支付比重大幅提升,网络零售呈现出良好发展势头,但与流通强国相比,我国网络基础设施条件仍然存在较大差距。比如,2004年我国互联网宽带服务商达到2.3个/千万人,相当于当年高收入国家的0.08%,2015年该指标上升到101个/千万人,与2004年自身规模相比增加了42.91倍,但仍然仅仅相当于高收入国家的0.85%。不难看出,尽管我国互联网基础设施发展水平已经显著提高,但在国际上依然处于劣势地位。从长期来看,一方面,我国有必要继续加大互联网基础设施建设投入,提高网络传输效率,提升网络服务水平;另一方面,要继续加强对信息技术产业的支持,努力健全与网络零售相关的互联网基础设施开发体系,大力降低交易成本,改善交易效率,提高零售服务国际竞争力。

  二要进一步提高互联网渗透率和网络零售技术研发水平。一般而言,网络渗透率越高,网络零售发展前景越广阔。2004-2015年,我国互联网用户数量年均增长率达到20.06%,高于世界平均水平和中高收入国家水平。目前,我国互联网用户绝对规模已经位居世界前列,但相对规模水平不高,与高收入国家相比仍然存在一定差距。2004年,我国互联网用户相对规模为72.53个/千人,相当于同年高收入国家水平的13.21%;2015年,这一指标扩大到了503个/千人,与2004年自身的规模相比增加了5.94倍,相当于高收入国家水平的62.08%。上述数据显示,我国互联网普及率正在大幅提高,但网络零售优势的充分发挥并不仅仅取决于网络普及水平,更取决于互联网渗透水平。当务之急,我国必须努力挖掘互联网潜力,提升互联网渗透水平,优化网络零售消费结构,提高网络零售消费质量。此外,政府部门还应从安全认证、数据监测、电子支付、物流追踪等多个层面入手引导并鼓励企业以市场需求为导向加强网络零售技术自主创新,促进网络零售可持续发展。

  三要加快完善电子商务物流与配送体系,逐步提高网络零售绩效。相关经验表明,网络零售的健康发展必须基于较为发达的交通运输体系和高效的物流配送系统。1997-2015年,我国公路、高速公路、铁路、电气化铁路及铁路无缝线路里程逐年大幅攀升,特别是高速公路超速发展。1997年,我国高速公路里程仅为0.48万千米,2015年达到12.35万千米,相当于1997年的25.73倍。毋庸置疑,公路和铁路运输基础环境的改善为物流配送注入了巨大活力。近年来,我国网络零售交易规模的扩大不仅源于网络信息技术的风口效应,而且受益于逐步改进的交通运输条件。此外,现代电子商务和网络零售的持续发展也离不开高效的物流配送系统。目前,我国电子商务物流成本相对较高,物流效率呈缓慢提升态势,其年均增长率仅为1.48%。总体而言,我国网络零售发展的支撑环境日益改善,庞大的消费需求蕴涵着巨大的网络零售发展潜力,但物流效率在一定程度上制约着网络零售的可持续发展。因此,各级政府和物流管理部门有必要强化网络零售规制,优化网络零售营商环境,提高网络零售供应链集成水平,合理应用区块链技术深入挖掘互联网和物联网潜能,推动网络零售物流体系向网络化、数字化、智慧化、智能化方向健康发展。

  四要逐步优化网络零售规制体系及相关制度安排。互联网交易的虚拟性、交互性可能会衍生信用风险、网络风险、道德风险,从而扰乱商品流通市场秩序,恶化市场竞争结构,导致交易成本大幅增加,给监管部门带来一定的困扰。因此,政府部门和相关机构必须结合国情尽快完善网络零售规制体系,营造良好网络交易环境。首先,要构建一套适应网络零售发展,涵盖网络信息安全、金融监管、税收监管、电子支付、知识产权保护、贸易争端等内容的法制体系,规范网络零售商及利益相关者行为;其次,要在加强国内网络零售规制的同时,积极鼓励开展国际间互联网交易机制磋商与合作,占据跨境电子商务规则制高点,谋求数字贸易话语权,力争为我国网络零售商嵌入全球价值链和全球供应网络奠定坚实基础,提供有力保障。

  ①网络零售是以信息技术为基础、以互联网为媒介的商品或服务的零星交易活动或分销模式,目前主要涵盖B2C和C2C两种形式。

  ②笔者构建了互联网渗透指数(IPI),用以表征互联网渗透水平,指互联网渗透于社会经济生活的广度和深度。该指标有别于互联网渗透率(Internet Population Penetration)。有文献将互联网渗透率称为互联网普及率或互联网覆盖率,一般用互联网网民数量与总人口数量之比来表示,此概念较早出现于20世纪90年代中后期拥有“互联网女皇”之称的玛丽·米克尔(Mary Meeker)主持发布的互联网趋势报告。

  ③商业垃圾信息供给权交易实质上是网络内容服务(ICP)许可证(牌照)交易。

  ④一般情况下,为规避处罚,电子商务企业总是力求使自身商业垃圾信息数量小于或者等于自身所拥有的商业垃圾信息供给权数量。

  ⑤物流强度亦称物流密集度,是衡量物流效率的重要经济指标,物流强度越大,物流效率越低。该指标由笔者构建,以货物周转量和交通运输仓储及邮电业增加值的商来表示。

  ⑥此报告由中国电子商务研究中心发布。中国电子商务研究中心重点跟踪、研究并服务于泛电商行业,其目标在于进一步深化和扩展电子商务研究。

  

  ⑧式(22)中的ecm代表均衡误差。

参考文献

[1]中国电子商务研究中心.2017年度中国网络零售市场数据监测报告[EB/OL].(2018-06-13)[2018-06-18].http://www.100ec.cn/zt/17wlls/.

[2]HARDESTY M,SUTER T.E-tail and retail reference price effects[J].Journal of product and brand management,2005,14(2):129-136.

[3]STYLIANOU A,KUMAR R,ROBBINS S.Pricing on the internet and in conventional retail channels:A study of over-the counter pharmaceutical products[J].International journal of electronic commerce,2005,10(1):135-148.

[4]FAHY C.Internet versus traditional retailing:An address model approach[J].Journal of economics and business,2005,58(3):240-255.

[5]REZABAKHSH B,BORNEMANN D,HANSEN U,et al.Consumer power:A comparison of the old economy and the internet economy[J].Journal of consumer policy,2006,29(1):3-36.

[6]HORTASU A,MARTNEZ-JEREZ F,DOUGLAS J.The geography of trade in online transactions:Evidence from eBay and Mercado Libre[J].American economic journal microeconomics,2009,1(1):53-74.

[7]SHANKAR V,VENKATESH A,HOFACKER C,et al.Mobile marketing in the retailing environment:Current insights and future research avenues[J].Journal of interactive marketing,2010,24(2):111-120.

[8]闫星宇.零售制造商的模块化供应链网络[J].中国工业经济,2011(11):139-147.

[9]CAO X,XU Z,DOUMA F.The interactions between e-shopping and traditional in-store shopping:An application of structural equations model[J].Transportation,2012,39(5):957-974.

[10]万琴.中国网络零售市场影响因素的灰色关联度评价[J].中国管理科学,2014,22(S1):143-147.

[11]杜丹清.大数据时代的零售市场结构变迁——基于电商企业规模扩张的思考[J].商业经济与管理,2015(2):12-17.

[12]KOLESAR M,GALBRAITH R.A services-marketing perspective on e-retailing:Implications for e-retailers and directions for further research[J].Internet research:Electronic networking applications and policy,2000,10(5):424-438.

[13]WOLFINBARGER M,GILLY M.eTaiIQ:Dimensionalizing,measuring and predicting etail quality[J].Journal of retailing,2003,79(3):183-198.

[14]LEE K,TAN S.E-retailing versus physical retailing:A the-oretical model and empirical test of consumer choice[J].Journal of business research,2003,56(11):877-885.

[15]YUN Z,LINDA K.Developing customer loyalty from e-tail store image attributes[J].Managing service quality,2007,17(1):4-22.

[16]LIAO Z,SHI X.Consumer perceptions of internet-based e-retailing:An empirical research in Hong Kong[J].Journal of services marketing,2009,23(1):24-30.

[17]潘煜,张星,高丽.网络零售中影响消费者购买意愿因素研究——基于信任与感知风险的分析[J].中国工业经济,2010(7):115-124.

[18]赵卫宏.网络零售中的顾客价值及其对店铺忠诚的影响[J].经济管理,2010,32(5):74-87.

[19]CHANDRASHEKARAN R.Consumers' utilization of reference prices:The moderating role of involvement[J].Journal of product and brand management,2012,21(1):53-60.

[20]王国顺,杨晨.实体和网络零售下消费者的信任转移与渠道迁徙[J].中南大学学报(社会科学版),2014,20(4):9-16.

[21]张庆亮,何文君.我国网上零售发展面临的问题及对策探讨[J].财贸研究,2000(6):42-45.

[22]GREWAL D,IYER G,LEVY M.Internet retailing:Enablers,limiters and market consequences[J].Journal of business research,2004,57(7):703-713.

[23]张赞,凌超.网络零售商与实体零售商的价格竞争及其对市场绩效的影响研究[J].产业经济研究,2011(6):63-70.

[24]张赞,凌超.基于SCP范式的中国网络零售产业组织现状分析[J].经济问题探索,2012(2):42-48.

[25]王国顺,何芳菲.实体零售与网络零售的协同形态及演进[J].北京工商大学学报(社会科学版),2013,28(6):27-33.

[26]刘文纲,郭立海.传统零售商实体零售和网络零售业务协同发展模式研究[J].北京工商大学学报(社会科学版),2013,28(4):38-43.

[27]郭馨梅,张健丽.我国零售业线上线下融合发展的主要模式及对策分析[J].北京工商大学学报(社会科学版),2014,29(5):44-48.

[28]谢莉娟.互联网时代的流通组织重构——供应链逆向整合视角[J].中国工业经济,2015(4):44-56.

[29]ARROW K J,CHENERY H B,MINHAS B S,et al.Capital-labor substitution and economic efficiency[J].Review of economics and statistic,1961,43(3):225-250.

[30]KLEIN L,KUMASAKA Y.IT revolution and increasing returns to scale in the U.S.economy[R].United nations project LINK,2000(Spring):1-22.

[31]王贻志,孙阳,阮大成.应用二级CES生产函数对中国制造业R&D投入产出效应的实证研究[J].数量经济技术经济研究,2006(8):56-67.

推荐10篇