电商门户 互联网+智库
当前位置:100EC>B2C研究>论文:网络购物对社会消费品零售总额的动态影响
论文:网络购物对社会消费品零售总额的动态影响
发布时间:2017年03月08日 14:12:59

(电子商务研究中心讯)  一、引言及文献回顾

  投资、消费、出口是拉动GDP增长的“三驾马车”,相对其他需求而言,消费是投资和生产的最终目的和最终需求,是推动经济长期稳定增长的根本动力。从2009年“十二五”规划后,国家更加着力扩大内需力求以增加消费拉动GDP增长。国家统计局最新发布的数据显示,按可比价格计算,2015年GDP比上年增长6.9%。从2015年国民经济全局看,固定资产投资的增速回落,进出口同比下降,而市场销售呈现较快增长的态势。社会消费品零售总额一直是消费方面强有力的指标,受到大家的持续关注。2015年全年社会消费品零售总额比上年增长10.7%(扣除价格因素实际增长10.6%)。值得注意的是,网上零售消费额强势增长,2015年全年网上零售额的实物商品网上零售额比上年增长31.6%,占社会消费品零售总额的10.8%。

  社会消费品零售总额是指企业(单位)通过买卖出售给个人和社会集团用于非生产、非经营情况下的实物商品交易金额,以及提供餐饮服务所取得的收入金额。国家统计局对社会消费品零售总额的调查对象为从事商品零售活动或提供餐饮服务的法人企业、产业活动单位和个体户。社会消费品零售总额主要从实物消费的角度,反映我国消费品市场的发展规模和增速,并用于分析判断国内消费品市场运行总体状况及结构变化,为国家进行市场调控,制定相关政策措施提供依据。

  网上零售额是指通过包括自行构建的网站和第三方平台的公共网络交易平台完成的商品和服务零售额的总额,商品和服务包括实物商品和非实物商品(如虚拟商品、服务类商品等)。而在数据统计时,社会消费品零售总额包括实物商品网上零售额,但不包括非实物商品网上零售额。从2014年开始,网上零售额在社会消费品零售总额中的占比就超过了10%。可以看到,随着网络的高速发展,网络购物已经日渐成为广大民众消费的不可或缺模式。2015年除了沿袭往年的打折、送优惠券等促销手段外,在商品品质及服务上进行新一轮的升级,品牌商品及海外进口商品的加入提升了整体的格调,进一步推动了整体市场交易规模的增长。在2015年“双十一”大型购物促销狂欢日,仅一天的交易额就达到了912.17亿元,网络购物对消费的推动作用不容小觑。可以预见,网上零售未来将对社会消费品零售总额本身产生重大的影响。本文与以往的对社会消费品零售总额影响因素的探讨视角有所不同,将着力于分析网上零售对社会消费品零售总额的影响,并据以为我国网络购物发展以及国民经济提升提出策略建议。

  国外学者早期不乏对与网络购物关联性比较强的电子商务研究,并多集中于如何购建电子商务交易模型以及电子商务对经济的影响。美国学者Choi、Whinston和Stahl从经济学的角度,界定了电子商务的概念、自身定位,并进而阐述了其在经济发展中发挥的重要作用[1]。进入21世纪之后,对电子商务的研究趋于体系化和模型化。比较有代表性的有Nagi和Wat模型、Kaufman和Walden模型、Urbaczewski、Jessup和Wheeler模型、Turban、Lee和Viehland模型等,从技术、应用、保障、组织、经济、战略等多个层面探讨如何构建电子商务发展的多层次模型。

  国内学者侧重于对社会消费零售总额影响因素的探讨。由于选取样本区间和实证分析方法不同,分析结果也有不同程度的差异。徐明威吸取普通最小二乘法和因素模型的优点进行拟合,在影响社会消费品零售总额自变量中选取货币净投放为唯一的影响因素,验证货币净投放与社会消费品零售总额的增量具有高度的正相关关系[2]。方湖柳构建VAR模型研究CPI、税收、国家财政支出等13个覆盖了各个方面的指标对社会消费品零售总额的影响,发现国家财政支出和汇率对社会消费品零售总额月度波动具有单向引导关系,而城乡居民储蓄存款、固定投资和税收与社会消费品零售总额之间则具有相互引导关系[3]。郑小玲着眼于人口相关因素,分析得出常住人口、人均可支配收入和人均社会消费品零售总额呈正相关[4]。高迪运用VAR模型实证了居民储蓄存款、国民总收入、固定资产投资等变量与社会消费品零售总额之间的因果关系,对消费品总额最主要的正面影响因素为国民总收入,最主要的负面影响因素为固定资产投资[5]。这些学者大多从居民收入、国家财政等方面对社会消费品零售总额进行分析,直接对网络购物影响因素的研究相对较少。

  随着近年网络购物和“线上+线下”购物模式的迅猛发展,国内学者开始涉及这一因素对社会消费品零售总额的影响。从理论上看,网络购物促进社会消费品零售总额增加,网络购物发展提供更多岗位提高国民购买力,提倡完善网络购物从而达到提高社会消费品总额[6]。赵东明建立幂函数模型,对网上零售市场交易额和社会消费品零售总额进行分析,网上零售市场交易规模扩大对社会消费品零售总额的增量是递减效应,该效应是因为零售价格变化实现的,而非消费规模的变化实现的[7]。吕晓峰将我国电子商务行业细分为四大市场:中小型企业B2B、较大规模企业B2B、网络购物、在线旅游,运用协整分析和误差修正模型,实证分析我国电子商务这四大细分市场的交易额与我国社会消费品零售总额之间的关系。电子商务与网上购物发展相辅相承,因此这种实证分析方法也为本文的研究提供了有力支撑[8]。

  本文结合前人研究社会消费零售总额影响因素和电子商务的理论与实证分析方法,通过对社会消费品零售总额和网络购物市场交易额的时间序列运用EG两步法和误差修正模型,深入分析网络购物对社会消费品零售总额的具体影响。

  二、数据选择、处理与平稳性检验

  (一)数据选择与处理

  根据分析需要,从艾瑞咨询集团发布的历年中国网络监测数据中获取2008年第一季度至2015年第二季度共30个网络购物市场交易额(记为OS)的季度数据,该网络购物市场交易额为网上B2C(企业直接面向消费者销售产品和服务的商业零售模式,例如天猫京东等)与C2C(消费者与消费者之间的电子商务模式,例如淘宝)的总和,是综合企业财报及专家访谈,根据艾瑞统计模型核算而得,数据具有连贯性和统一性。

  国家统计局发布的社会消费品零售总额(记为RS)只有月度和年度数据,为了与网上销售额季度数据进行分析,在此将2008年至2015年6月的月度数据进行累加转换成季度数据以进行实证分析。

  由图1和图2可以看出时间序列OS与RS都有趋势变动和季节因子的影响,并且从2012年开始,随着网络发展增速变大,网络市场交易额的变动趋势和社会消费品零售总额的变动趋势越来越相似。为了消除两个序列的季节因子的影响,使用Census X12方法对这两个序列进行季节调整,同时为了消除可能存在的异方差问题,对季节调整后的序列采取对数化处理,得到LOS_SA和LRS_SA两个序列,如图3和图4。

 

  图1:网络市场交易额OS序列图

  图2:社会消费品零售总额RS序列图

  图3:LOS_SA序列图

  图4:LRS_SA序列图

  (二)单位根检验

  可以由图3和图4看出,原序列的季节因素已经被排除,但这两个序列有较为明显的随时间向某一方向移动的趋势,故判断应含有截距项和时间项。本文采用含常数和时间趋势选项的ADF单位根检验法来判断LOS_SA和LRS_SA序列的稳定性,从而能够避免发生“伪回归”的现象,最佳滞后阶数按照AIC信息准则确定,AIC值越小则滞后阶数越好,经检验得到表1。

  表1:序列的单位根检验结果

  注:c,t,n分别表示时间序列的常数项、趋势项、滞后期。

  由表1可知,变量LOS_SA和LRS_SA的ADF统计量在1%和5%的显著水平下都大于临界值,不能拒绝原假设,表明序列是非平稳的,存在单位根;而它们的一阶差分序列DLOS_SA和DLRS_SA的ADF统计量都小于1%临界值,表明序列是平稳的。我们可以得出结论:LOS_SA和LRS_SA经过一阶差分平稳,均是一阶单整变量,即I(1)。

  三、网络购物发展对社会消费品总额影响的实证分析

  (一)EG两步法协整检验

  经单位根检验LOS_SA和LRS_SA虽然自身非平稳,但它们都存在着基本相似的增长和变化趋势,表示了两者之间可能存在着长期稳定的比例关系,并且二者都是一阶单整序列,可以做协整检验。

  下面,我们用EG两步法建立LOS_SA和LRS_SA之间的协整方程。

  第一步,对序列LRS_SA和序列LOS_SA进行OLS回归,得到的回归方程为:

  LRS_SAt=8.4732+0.2963*LOS_SAt+εt(1)

  (285.7201)(76.28991)

  R2=0.9952调整后R2=0.9950 F=5820.150

  AIC=-4.6486 SC=-4.5552 D. W=1.1035

  其中,εt为残差项。从回归结果来看,R2和调整后的R2都高达0.995,说明方程的拟合优度令人满意,各项检验参数的t值都很显著。

  第二步,根据(1)式生成残差序列一个E,检验序列E的平稳性。

  表2:残差序列E单位根检验

  按照表2可得残差序列E在1%显著性水平下拒绝原假设,是平稳的。

  但是EG两步法使用OLS法采用的是残差最小平方和原理,生成的残差序列估计值是向下偏倚的,这样将导致做单位根检验平稳性时拒绝零假设的机会比实际情形大,于是对残差序列E平稳性检验的ADF临界值应比正常的要小[9-10]。

  表3:EG两步法残差平稳性检验临界值表

 

  综上所述可得LRS_SA与LOS_SA之间的长期协整关系为:

  LRS_SAt=8.473215+0.296335LOS_SA(2)

  从(2)式可知,网络市场交易额LOS_SA对社会消费品零售总额LRS_SA具有正向影响:网络市场交易额每变动1%,社会消费品零售总额会相应变动0.3%。

  (二)误差修正模型(ECM)的建立

  变量的协整关系表示变量之间存在着一种长期的均衡关系,这些变量间仿佛受到一种“引力约束”,使它们呈现协调一致的均衡状态。就短期而言,这些变量之间常会受到某些随机扰动项的冲击而变得不协调并存在偏差,但是这种偏差会在以后的时期得到调整,使其向长期均衡关系靠拢[11-12]。

  为了更明确地分析LRS_SA与LOS_SA之间短期的关系,通过它们之间长期协整关系(2)式可建立非均衡误差项记做ECM,有:

  ECM=LRS_SAt-8.473215-0.296335*LOS_SAt

  根据非均衡误差项ECM建立误差修正模型得到:

  ?LRS_SAt=-0.3036*ECMt-1+0.0469*?LOS_SAt+0.0303(3)

  (-3.2017)(1.6688)(7.5328)

  R2=0.2877调整后R2=0.2329 F=5.2514

  AIC=-6.2230 SC=-6.0815 D. W=1.6176

  由(3)式可看到,估计出的误差项ECM的修正系数为-0.3036,表现了对长期均衡状态偏离的调整力度,即当短期波动偏离长期均衡时,误差修正项将以-0.3036的力度将非均衡状态拉回恢复到均衡状态。

  四、结论与建议

  (一)网络市场交易额与社会消费品零售总额之间具备长期均衡的协整关系

  根据协整检验,网络市场交易额与社会消费品零售总额数据同阶非平稳,二者之间存在长期均衡的协整关系。就长期均衡关系而言,网络市场交易额每变动1%,社会消费品零售总额会相应变动0.3%。

  从误差修正模型来看,短期内网络市场交易额与社会消费品零售总额之间存在显著的短期动态调整机制,由于有误差修正项的存在,实现了它们之间的长期均衡关系当短期波动偏离长期均衡时,误差修正项将以-0.3036的力度将非均衡状态拉回恢复到均衡状态。

  (二)网络销售与社会传统零售消费的融合发展将大力推动经济发展

  传统的线下零售业与线上网络购物(O2O)融合发展模式,被越来越多的企业运用,以国美、苏宁为典范,这促使“O2O”模式成为“互联网+”浪潮下的一种大趋势。与传统零售业相比,网络购物体验更快捷方便,价格更为低廉,但安全和品质问题需要关注。在传统零售业实体店销售模式下,客户能够亲睹商品实物,品质更有保证,但选择范围不及网络购物。线上线下融合发展能解决单一模式的不足,更符合现在消费者的购物习惯。线上与线下两种模式相互促进、相互补充、协调发展,将有效促进社会消费品零售业务的快速发展,并大力推进国家整体经济健康发展。

  (三)做好网络环境监督以及网上企业的监管

  网络购物日愈普遍,但同时鉴于网络购物环境的虚拟性,网络诈骗风险不可忽视。国家相应监管部门需要致力研究并加强网络环境的监督和管理,并且坚持推行网上企业和个人实名登记与监管,以保证网络交易的安全性。网络环境安全性得到保障,才能有效解决消费者网络消费的安全隐忧,加大消费和商品的流通速度,从而促使社会消费品零售额持续性增长。

  综上所述,网络购物发展对社会消费品零售额的影响潜力巨大并且持续扩大,随着未来对网络的监管趋于完善,网络监控数据的易得性和准确性增强,可以对社会消费品零售额做出更加精准的分析和预测。同时不能忽略网络购物存在的隐患,这更需要国家及有关部门采取切实措施促使网络购物快速健康发展,并以此促进我国零售业取得长足发展。(来源:199IT互联网数据中心 文/宋晓玲 邓谞婵 编选:中国电子商务研究中心)

5月21日,国内知名电商智库-电子商务研究中心发布《2017年度中国出口跨境电商发展报告》,该报告对2017年中国出口跨境电商进行详细的梳理,对行业发展现状、商业模式、投融资概况、发展趋势进行研究。涉及的出口跨境电商平台及服务商主要有:1)出口跨境B2B平台:TOOCLE3.0(生意宝)、阿里巴巴国际站、环球资源、焦点科技、聚贸、外贸公社、敦煌网、大龙网等;2)出口跨境B2C平台:全球速卖通、亚马逊、eBay、wish、兰亭集势、米兰网、DX、跨境通、环球易购、有棵树、傲基电商、小笨鸟、海翼股份、新华锦、百事泰、执御、通拓科技、价之链、跨境翼、赛维电商、爱淘城、前海帕拓逊等;3)第三方服务商平台:一达通、易单网、世贸通、paypal、四海商舟、飞书互动、卓志供应链、递四方、出口易、PingPong金融、汇通天下、飞鸟国际、Moneybooker、MoneyGram、中国银行、中国平安、中国邮政、UPS、TNT、顺丰、DHL、FedEx、大麦电商、外运发展、俄速通、海欢网等。

【相关阅读】
股票名称/代码
昨日收盘
涨跌幅
¥/现价
  • 002095.SZ
  • 002315.SZ
  • 300226.SZ
  • 002711.SZ
  • 002024.SZ
  • 002127.SZ
  • 002127.SZ
  • 002640.SZ
  • 300209.SZ