付巖巖

內(nèi)容摘要：本文基于空間集聚變化的相關(guān)理論，并結(jié)合ArcGIS和GeoDa等空間數(shù)據(jù)分析工具，對(duì)2017年我國(guó)“淘寶村”的分布情況進(jìn)行分析。研究結(jié)果表明：“淘寶村”整體呈現(xiàn)組團(tuán)狀集聚格局，區(qū)際間差異較大，空間分布具有沿南向北擴(kuò)散的趨勢(shì)；“淘寶村”集聚區(qū)域呈現(xiàn)地域梯度和連片化特征，如江蘇、浙江、廣東以及福建等東南沿海省份分布密度較高；縣域尺度“淘寶村”的空間分布具有正自相關(guān)性，并且呈現(xiàn)空間相鄰和蔓延的特征。

關(guān)鍵詞：淘寶村 空間集聚 變化趨勢(shì)

引言

2014年10月，阿里巴巴集團(tuán)推出了以“千縣萬(wàn)村”計(jì)劃為主體的農(nóng)村戰(zhàn)略。在阿里巴巴帶動(dòng)下，包括京東、蘇寧等在內(nèi)的電商平臺(tái)也推出了各自的農(nóng)村電子商務(wù)計(jì)劃。2017年，中央一號(hào)文件《中共中央、國(guó)務(wù)院關(guān)于深入推進(jìn)農(nóng)業(yè)供給側(cè)結(jié)構(gòu)性改革 加快培育農(nóng)業(yè)農(nóng)村發(fā)展新動(dòng)能的若干意見(jiàn)》首次提出了“鼓勵(lì)地方規(guī)范發(fā)展電商產(chǎn)業(yè)園”，要求電商產(chǎn)業(yè)園“聚集品牌推廣、物流集散、人才培養(yǎng)、技術(shù)支持、質(zhì)量安全等功能服務(wù)”、“推進(jìn)農(nóng)村電商”。此后“淘寶村”開(kāi)始不斷涌現(xiàn)并且呈現(xiàn)空間集聚變化趨勢(shì)，對(duì)區(qū)域經(jīng)濟(jì)的拉動(dòng)效應(yīng)也顯著增強(qiáng)，這種現(xiàn)象的存在與我國(guó)的城鄉(xiāng)二元體制分不開(kāi)。我國(guó)農(nóng)村市場(chǎng)龐大，政府在城鎮(zhèn)化進(jìn)程中表現(xiàn)出強(qiáng)大的執(zhí)行力，成就了如今異軍突起的“淘寶村”，這種借助于網(wǎng)絡(luò)平臺(tái)的集群模式也給我國(guó)城鎮(zhèn)化、現(xiàn)代化政策提供了新的思路。

國(guó)內(nèi)外研究現(xiàn)狀

國(guó)內(nèi)學(xué)者對(duì)于電子商務(wù)集聚趨勢(shì)方面的研究比較早，如閏明磊（2006）基于虛擬組織理論進(jìn)行分析后，得出的結(jié)論是：互聯(lián)網(wǎng)的出現(xiàn)讓原本發(fā)展落后的農(nóng)村地區(qū)找到了空間上的優(yōu)勢(shì)；池麗月（2010）指出了構(gòu)成電子商務(wù)產(chǎn)業(yè)集群離不開(kāi)三大主體部分，即網(wǎng)商、供應(yīng)商以及配套服務(wù)提供商。以往的學(xué)者在電子商務(wù)產(chǎn)業(yè)集群方面的研究主要集中在理論方面，但是研究“淘寶村”具體興起的原因很有必要。黃梅英（2014）對(duì)當(dāng)時(shí)比較典型的“淘寶村”——“軍埔村”做了關(guān)于電子商務(wù)發(fā)展的實(shí)證研究，通過(guò)對(duì)問(wèn)卷數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析之后發(fā)現(xiàn)，其興起的過(guò)程是建立在農(nóng)村“熟人社會(huì)”的巨大優(yōu)勢(shì)上，約有25%的電商賣(mài)家是通過(guò)親戚朋友的介紹而從事電子商務(wù)，人與人之間的信任讓這種新興的產(chǎn)業(yè)迅速發(fā)展，信息的擴(kuò)散對(duì)產(chǎn)業(yè)集群的形成符合之前傳統(tǒng)產(chǎn)業(yè)集群研究。

對(duì)于之前產(chǎn)業(yè)集群研究中被眾多學(xué)者看重的聚集效應(yīng)，在對(duì)電子商務(wù)產(chǎn)業(yè)集群的研究中也被作為重點(diǎn)。Guo Guihang（2014）同樣通過(guò)對(duì)當(dāng)時(shí)“軍埔村”的研究，討論了電子商務(wù)產(chǎn)業(yè)集群集聚帶來(lái)的競(jìng)爭(zhēng)優(yōu)勢(shì)以及經(jīng)濟(jì)效益。在廣為人知的Michael E.Porter鉆石模型等的理論基礎(chǔ)上，Guo Guihang研究發(fā)現(xiàn)“淘寶村”擁有顯著的集聚效應(yīng)。聚集之后知識(shí)溢出帶來(lái)的收益之余還有政府對(duì)集群的重視，而集群本身帶來(lái)的更加完善的信息極大降低了企業(yè)所需承擔(dān)的風(fēng)險(xiǎn)，即在中期面臨局部同質(zhì)化競(jìng)爭(zhēng)的同時(shí)，集群也能更好提供差異化戰(zhàn)略來(lái)降低沖突。

數(shù)據(jù)來(lái)源和研究方法

（一）數(shù)據(jù)來(lái)源

本文研究中涉及到的數(shù)據(jù)主要來(lái)源中國(guó)互聯(lián)網(wǎng)數(shù)據(jù)平臺(tái)和中國(guó)統(tǒng)計(jì)信息網(wǎng)，并從計(jì)量地理學(xué)的角度，利用ArcGIS、GeoDa等軟件對(duì)數(shù)據(jù)進(jìn)行可視化分析。用統(tǒng)計(jì)地圖來(lái)展現(xiàn)“淘寶村”的空間集聚現(xiàn)象，同時(shí)使用空間計(jì)量經(jīng)濟(jì)學(xué)的方法，如LISA集聚圖等，進(jìn)一步分析“淘寶村”的數(shù)量與地理區(qū)位之間的關(guān)系。

（二）研究方法

統(tǒng)計(jì)地圖。統(tǒng)計(jì)地圖是用統(tǒng)計(jì)數(shù)據(jù)以色彩、圖形的形式來(lái)表示制圖對(duì)象數(shù)量特征的地圖，包括分位圖、點(diǎn)密度圖、柱形圖、Cartogram圖等。具體介紹如下：第一，分位圖。分位圖是一種使用分級(jí)色彩表示的地圖，每個(gè)類(lèi)的層級(jí)可以很好地顯示，分位數(shù)是與每個(gè)類(lèi)相等的數(shù)據(jù)值，沒(méi)有空類(lèi)且類(lèi)的值不會(huì)超過(guò)也不會(huì)減少。第二，點(diǎn)密度圖。點(diǎn)密度圖是基于每個(gè)面的字段值將字段的定量值表示為一系列圖案填充，不對(duì)數(shù)據(jù)進(jìn)行分類(lèi)，而是會(huì)基于字段值用點(diǎn)來(lái)填充各個(gè)面。創(chuàng)建點(diǎn)密度圖時(shí)，可以指定每個(gè)點(diǎn)所表示的要素?cái)?shù)量以及點(diǎn)的大小。第三，柱形圖。柱形圖能夠以一種醒目的方式來(lái)顯示大量的定量字段。通常當(dāng)圖層中含有大量需要進(jìn)行比較的相關(guān)數(shù)值屬性時(shí)，可繪制柱形圖。

當(dāng)Morans I>0表示空間正相關(guān)性（高值與高值聚集，低值與低值聚集），值越大，空間相關(guān)性越強(qiáng)；Morans I<0表示空間負(fù)相關(guān)性（高值與低值聚集），值越小，空間差異越大；Morans I=0時(shí)空間呈隨機(jī)性。在計(jì)算莫蘭Ⅰ指數(shù)時(shí)，z分?jǐn)?shù)和p值是兩個(gè)非常重要的概念。p值表示概率，z分?jǐn)?shù)代表標(biāo)準(zhǔn)差的倍數(shù)。例如，如果z分?jǐn)?shù)是+2.5，那么結(jié)果是標(biāo)準(zhǔn)偏差的2.5倍。p值與z得分通常一起出現(xiàn)，用以表示結(jié)果的置信度，如表1所示。在正態(tài)分布的兩端出現(xiàn)非常高或非常低（負(fù)值）的z得分，這些分?jǐn)?shù)與非常小的P值相關(guān)。當(dāng)計(jì)算結(jié)果顯示很小的p值和非常高或非常低的z分?jǐn)?shù)時(shí)，表明所觀察到的空間模式不可能反映零假設(shè)表示的理論隨機(jī)模式。

第二，LISA。LISA衡量的是局部空間自相關(guān)的程度。以上所說(shuō)的Morans I常指全局空間自相關(guān)，它解釋了研究區(qū)域到底有無(wú)集聚現(xiàn)象，而局部空間自相關(guān)則解釋了其具體空間位置和集聚的顯著度。全局空間自相關(guān)假設(shè)空間區(qū)域內(nèi)研究對(duì)象的某一屬性只有一種整體趨勢(shì)，而實(shí)際上空間異質(zhì)性（Spatial Heterogeneity）也是普遍存在的。因此，LISA可以作為一種局部統(tǒng)計(jì)方法，來(lái)定量描述空間對(duì)象在局部的相關(guān)性質(zhì)。

“淘寶村”的空間聚集變化趨勢(shì)分析

（一）“淘寶村”地理分布現(xiàn)象及集聚情況

分位圖是將數(shù)據(jù)按照數(shù)量等分，其優(yōu)點(diǎn)是直觀、等級(jí)感強(qiáng)，但是有時(shí)會(huì)將屬性值差異不大的地區(qū)分開(kāi)，將屬性值差異較大的地區(qū)合并，具有一定的局限性。本文結(jié)合使用點(diǎn)密度圖根據(jù)每個(gè)省級(jí)行政區(qū)的面積與點(diǎn)的密度，來(lái)體現(xiàn)各個(gè)?。ㄊ校┑碾娮由虅?wù)發(fā)展水平。整體來(lái)看，“淘寶村”數(shù)量仍然是從東部沿海地區(qū)向內(nèi)陸遞減，點(diǎn)密度逐漸降低，村數(shù)量逐漸減少，在西北部地區(qū)點(diǎn)數(shù)甚至屈指可數(shù)，充分顯示了電子商務(wù)在我國(guó)發(fā)展的不平衡。

用Geoda繪制的Cartogram圖用圓圈大小描述了各市的“淘寶村”數(shù)量，圓心為城市的地理位置，半徑大小表示屬性值的高低。在市域?qū)哟紊?，由于城市?shù)量過(guò)多，有些城市雖然面積不大，但是屬性值很高，尤其是東部沿海地區(qū)一些密集的小城市，如金華、紹興，這在普通地圖上很容易被忽略。Cartogram圖可以彌補(bǔ)這一不足，使數(shù)據(jù)顯示更加直觀。圖1給出了我國(guó)各省“淘寶村”Cartogram分布。

如圖1所示，黑色代表離群值，白色代表空值，灰色代表正常值。從圖1可以看出，北京、上海、廣州、深圳、杭州是“淘寶村”數(shù)量最多的幾個(gè)城市，代表了我國(guó)的金融、政治、貿(mào)易、科技發(fā)展水平；一些沿海城市也呈現(xiàn)出很高的村數(shù)量值，如臺(tái)州、寧波、青島、大連、廈門(mén)、東莞；而西北部地區(qū)幾乎沒(méi)有離群值。

（二）“淘寶村”的空間聚集分析

經(jīng)過(guò)前文的地圖可視化展示可以看出，無(wú)論是省域?qū)哟芜€是市域?qū)哟?，“淘寶村”在各個(gè)區(qū)域的分布都有一定的聚集趨勢(shì)。接下來(lái)通過(guò)ArcGIS中的Morans I工具對(duì)以上現(xiàn)象進(jìn)行驗(yàn)證，對(duì)電子商務(wù)在我國(guó)各省市的發(fā)展做定量分析，“淘寶村”分布情況如表2所示。

空間自相關(guān)報(bào)表。本文使用的空間關(guān)系概念化方式是CONTIGUITY_EDGES_CORNERS，也就是所謂的Queen's Case，指共享邊界、結(jié)點(diǎn)或重疊的面要素會(huì)影響目標(biāo)面要素的計(jì)算?？臻g自相關(guān)分析報(bào)表如圖2所示。從圖2可以看出，“淘寶村”的數(shù)量確實(shí)存在空間正相關(guān)現(xiàn)象，即村數(shù)量多的省份彼此聚集，村數(shù)量少的省份也有類(lèi)似的變化趨勢(shì)。當(dāng)z得分大于+1.96且小于+2.58時(shí)，p值<0.05，則省域數(shù)據(jù)的空間分布有小于5%的概率是隨機(jī)分布的，即存在空間集聚現(xiàn)象的可能性為95%。

“淘寶村”分布格局研究

雖然各個(gè)省市經(jīng)濟(jì)發(fā)展水平各不相同，但是其都具有各自地域特色的產(chǎn)業(yè)結(jié)構(gòu)，因此本文選擇了淘寶網(wǎng)最熱門(mén)的十個(gè)關(guān)鍵字：服裝、鞋包、飾品、戶(hù)外、母嬰、數(shù)碼、虛擬、護(hù)膚、食品、家居，從不同行業(yè)統(tǒng)計(jì)“淘寶村”的數(shù)量，在這些行業(yè)中選擇具有代表性的關(guān)鍵詞，對(duì)各個(gè)地區(qū)的優(yōu)勢(shì)產(chǎn)業(yè)進(jìn)行分析。

（一）服飾類(lèi)“淘寶村”分布

由于沿海地區(qū)省市與內(nèi)陸省市之間的差異過(guò)大，筆者選擇繪制條形圖的方法對(duì)服飾類(lèi)“淘寶村”分布進(jìn)行分析，具體如圖3所示。

如圖3所示，排在第一位的是浙江省，其次是廣東和江蘇。浙江和江蘇作為面料出口大省，是許多國(guó)內(nèi)外知名服裝品牌的原材料供貨地。內(nèi)陸省市如河南也有較多的服裝類(lèi)“淘寶村”數(shù)量，而西北部的一些地區(qū)如寧夏、陜西、新疆等“淘寶村”數(shù)量則較少。由此可見(jiàn)，雖然東部沿海地區(qū)的電子商務(wù)發(fā)展迅猛，服裝業(yè)也位居前列，但是仍有明顯的差異，浙江省遠(yuǎn)超其余各省市。

（二）數(shù)碼類(lèi)“淘寶村”分布

如圖4所示，作為高新產(chǎn)業(yè)聚集區(qū)，廣東省的數(shù)碼類(lèi)“淘寶村”明顯高于其余各省，達(dá)到823家，浙江、江蘇等地也位居前列，但是均只占廣東省的1/2左右。另外北京、上海等地?cái)?shù)碼類(lèi)“淘寶村”的數(shù)量也明顯高于其他內(nèi)陸省份。

從圖4給出的數(shù)碼類(lèi)“淘寶村”在各省市的分布情況可以看出，廣東、浙江、河南、湖北、遼寧、北京數(shù)碼類(lèi)的“淘寶村”要多于其他地區(qū)；上海、山東兩者基本持平；寧夏、陜西、新疆等地的數(shù)碼類(lèi)“淘寶村”分布比較少。

結(jié)論與啟示

（一）研究結(jié)論

本文運(yùn)用空間分析和統(tǒng)計(jì)分析的方法，對(duì)我國(guó)各省市的“淘寶村”空間分布格局進(jìn)行分析，進(jìn)一步研究我國(guó)“淘寶村”的空間集聚變化趨勢(shì)。具體研究結(jié)論有以下幾點(diǎn)：第一，“淘寶村”的空間分布呈現(xiàn)出明顯的區(qū)域差異性，就整體的變化趨勢(shì)而言呈現(xiàn)組團(tuán)狀的分布格局，并且具有從東南沿海地區(qū)向內(nèi)陸擴(kuò)張的趨勢(shì)；第二，在省市域內(nèi)的分布尺度上，“淘寶村”的空間分布格局差異較大，主要的集聚區(qū)域變化趨勢(shì)是從廣東、浙江、江蘇等省份向河南、安徽以及河北等地蔓延；第三，從“淘寶村”經(jīng)營(yíng)類(lèi)別來(lái)看，服飾類(lèi)的“淘寶村”和數(shù)碼類(lèi)的“淘寶村”分布情況也呈現(xiàn)出空間集聚特征。浙江和江蘇作為面料出口大省，是許多國(guó)內(nèi)外知名服裝品牌的原材料供貨地，因此服飾類(lèi)的“淘寶村”比較多并且集中。廣東省在數(shù)碼產(chǎn)品行業(yè)具有傳統(tǒng)的優(yōu)勢(shì)，因此數(shù)碼類(lèi)“淘寶村”明顯高于其余各省。

（二）研究啟示

“淘寶村”是我國(guó)電子商務(wù)產(chǎn)業(yè)與農(nóng)村經(jīng)濟(jì)高度融合的產(chǎn)物，極大促進(jìn)了城鄉(xiāng)二元經(jīng)濟(jì)結(jié)構(gòu)的調(diào)整，在一定程度上解決了農(nóng)村大量剩余勞動(dòng)力的就業(yè)問(wèn)題。在改變城鄉(xiāng)傳統(tǒng)的經(jīng)濟(jì)模式和商業(yè)地域格局方面，“淘寶村”的空間集聚變化特征有一定借鑒意義。隨著電子商務(wù)的發(fā)展以及產(chǎn)業(yè)結(jié)構(gòu)的不斷升級(jí)和不斷細(xì)化，農(nóng)村地區(qū)的勞動(dòng)力分工加快了“淘寶村”的空間集聚變化趨勢(shì)，可以預(yù)見(jiàn)的是在接下來(lái)的3-5年內(nèi)，“淘寶村”空間集聚變化趨勢(shì)還將繼續(xù)?！疤詫毚濉痹谖覈?guó)分布地域?qū)?huì)更加廣泛，且對(duì)我國(guó)農(nóng)村經(jīng)濟(jì)的推動(dòng)也會(huì)進(jìn)一步增強(qiáng)。

參考文獻(xiàn)：

1.徐智邦，王中輝，周亮等.中國(guó)“淘寶村”的空間分布特征及驅(qū)動(dòng)因素分析[J].經(jīng)濟(jì)地理，2017，37（1）

2.董彥龍，王東輝.基于“淘寶村”、“電商產(chǎn)業(yè)園”的電商空間集聚現(xiàn)象研究—以浙江金華市“義烏商圈”為例[J].商業(yè)經(jīng)濟(jì)研究，2017（10）

3.祝君紅.我國(guó)淘寶村發(fā)展的現(xiàn)狀、成因與趨勢(shì)[J].商業(yè)經(jīng)濟(jì)研究，2017（22）

4.劉傳喜，唐代劍.浙江農(nóng)村流動(dòng)空間格局及其形成影響因素—基于“淘寶村”和旅游村的分析[J].浙江農(nóng)業(yè)學(xué)報(bào)，2016，28（8）

5.周娜.“淘寶村”與農(nóng)業(yè)集群融合發(fā)展模式探討[J].經(jīng)貿(mào)實(shí)踐，2016（20）

6.王林申，運(yùn)迎霞，倪劍波.“淘寶村”的空間透視—一個(gè)基于流空間視角的理論框架[J].城市規(guī)劃，2017，41（6）

7.馮潔.“淘寶村”：農(nóng)村電商大載體[J].浙江經(jīng)濟(jì)，2015（14）

8.梁曉音.“淘寶村”發(fā)展模式、問(wèn)題與對(duì)策—以廣西“淘寶村”為研究對(duì)象[J].商業(yè)經(jīng)濟(jì)研究，2016（14）