網(wǎng)絡(luò)零售額影響因素模型研究

胡靜波，朱麗麗,2

1.合肥通用職業(yè)技術(shù)學(xué)院基礎(chǔ)部，合肥，230031;2.中國科學(xué)技術(shù)大學(xué)管理學(xué)院，合肥，230026

1 相關(guān)研究與問題提出

隨著社會信息化和網(wǎng)絡(luò)化步伐的加快，網(wǎng)絡(luò)銷售在帶給消費(fèi)者極大便利和實(shí)惠的同時(shí)，也帶來了相當(dāng)可觀的經(jīng)濟(jì)效益和社會效益。根據(jù)商務(wù)部、國家統(tǒng)計(jì)局、中國電子商務(wù)研究中心等機(jī)構(gòu)公布的數(shù)據(jù)，我國網(wǎng)絡(luò)零售額呈逐年快速上升趨勢，從2005年的150億元增長到2017年的71 751億元，年均增長率高達(dá)67.23%。因此，在“互聯(lián)網(wǎng)+”的時(shí)代背景下，網(wǎng)絡(luò)銷售業(yè)既面臨著新的挑戰(zhàn)，也面臨著無限的市場機(jī)遇。國內(nèi)學(xué)者對網(wǎng)絡(luò)零售發(fā)展現(xiàn)狀[1]、網(wǎng)絡(luò)零售的影響因素及發(fā)展策略[2]進(jìn)行理論研究。

R語言是一種功能強(qiáng)大的、為統(tǒng)計(jì)計(jì)算和圖形顯示服務(wù)的語言環(huán)境，具有比其他統(tǒng)計(jì)學(xué)或數(shù)學(xué)專用的編程語言更為強(qiáng)大的面向?qū)ο蟮墓δ?，使用者只需輸入?shù)據(jù)和參數(shù)即可進(jìn)行統(tǒng)計(jì)分析[3]。近年來，統(tǒng)計(jì)學(xué)應(yīng)用的新興研究領(lǐng)域之一就是運(yùn)用R語言等機(jī)器語言針對現(xiàn)實(shí)問題構(gòu)建數(shù)學(xué)模型。陳將浩利用R語言實(shí)現(xiàn)了對房價(jià)影響因素的分析[4]；欒汝朋等人運(yùn)用R語言構(gòu)建了一種適用于Web日志挖掘的關(guān)聯(lián)規(guī)則算法模型[5]；王懷亮討論了數(shù)據(jù)挖掘中的線性回歸技術(shù)及R語言實(shí)現(xiàn)[6]。

本文借助多元線性回歸分析法，運(yùn)用R語言對網(wǎng)絡(luò)零售額影響因素進(jìn)行探討，從理論研究和實(shí)證研究兩方面科學(xué)選擇最合適的自變量，嘗試建立網(wǎng)絡(luò)零售額影響因素的數(shù)學(xué)模型。

2 網(wǎng)絡(luò)零售額影響因素

在我國社會主義市場經(jīng)濟(jì)體制下，網(wǎng)絡(luò)零售業(yè)的發(fā)展受到國內(nèi)生產(chǎn)總值、社會消費(fèi)品零售總額、經(jīng)濟(jì)指數(shù)、人口數(shù)量等宏觀經(jīng)濟(jì)因素和社會因素的影響。為了便于分析，筆者將網(wǎng)絡(luò)零售額的影響因素劃分為經(jīng)濟(jì)因素、經(jīng)濟(jì)指數(shù)、人口因素三個(gè)方面。

本文選取的數(shù)據(jù)從2005年1月開始，到2018年6月結(jié)束(多項(xiàng)可供公開查詢的相關(guān)數(shù)據(jù)起始時(shí)間為2005年)。數(shù)據(jù)來源如下：全國網(wǎng)絡(luò)零售額、快遞業(yè)務(wù)量主要來自商務(wù)部、國家統(tǒng)計(jì)局、中國電子商務(wù)研究中心、國家郵政局等機(jī)構(gòu)公布的數(shù)據(jù)；國內(nèi)生產(chǎn)總值、社會消費(fèi)品零售總額、全國城鎮(zhèn)居民人均可支配收入、居民消費(fèi)價(jià)格指數(shù)、商品零售價(jià)格指數(shù)、工業(yè)品出廠價(jià)格指數(shù)來自國家統(tǒng)計(jì)局發(fā)布的《中國統(tǒng)計(jì)年鑒》《中國國民經(jīng)濟(jì)和社會發(fā)展統(tǒng)計(jì)公報(bào)》；物流費(fèi)用率來自國家發(fā)展改革委經(jīng)濟(jì)運(yùn)行調(diào)節(jié)局等部門公布的《全國重點(diǎn)企業(yè)物流統(tǒng)計(jì)調(diào)查報(bào)告》；網(wǎng)絡(luò)購物用戶規(guī)模、手機(jī)網(wǎng)民比例、農(nóng)村網(wǎng)民比例、女性網(wǎng)民比例來自中國互聯(lián)網(wǎng)絡(luò)信息中心發(fā)布的《中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告》《中國網(wǎng)絡(luò)購物市場研究報(bào)告》；消費(fèi)者信心指數(shù)來自于中國金融在線旗下的證券之星財(cái)經(jīng)網(wǎng)站。因篇幅有限，本文未貼出R語言代碼、部分圖表及數(shù)據(jù)。

2.1 經(jīng)濟(jì)因素

由于影響網(wǎng)絡(luò)零售額的經(jīng)濟(jì)因素眾多，本文選取與之關(guān)系密切且具有代表性的國內(nèi)生產(chǎn)總值、社會消費(fèi)品零售總額、城鎮(zhèn)居民人均可支配收入、快遞業(yè)務(wù)量、物流費(fèi)用率等5項(xiàng)指標(biāo)進(jìn)行影響因素分析，并采用了2005—2017年共13組相關(guān)因素的年度數(shù)據(jù)，如表1所示。

表1 2005—2017年全國網(wǎng)絡(luò)零售額與經(jīng)濟(jì)因素?cái)?shù)據(jù)

首先對全國網(wǎng)絡(luò)零售額和5個(gè)經(jīng)濟(jì)因素的均值、最值、中位數(shù)、標(biāo)準(zhǔn)差進(jìn)行描述性統(tǒng)計(jì)分析，輸出結(jié)果如表2所示。

表2 2005—2017年全國網(wǎng)絡(luò)零售額與5個(gè)經(jīng)濟(jì)因素的描述性統(tǒng)計(jì)

由表2可知，網(wǎng)絡(luò)零售額與4個(gè)經(jīng)濟(jì)因素(國內(nèi)生產(chǎn)總值除外)的中位數(shù)小于均值。這說明這幾個(gè)變量的增長隨著時(shí)間逐步加快。再利用cor.test函數(shù)中的Pearson檢驗(yàn)分析變量之間的相關(guān)系數(shù)，輸出結(jié)果如表3所示。

表3 2005—2017年全國網(wǎng)絡(luò)零售額與5個(gè)經(jīng)濟(jì)因素的相關(guān)系數(shù)

由表3可知,國內(nèi)生產(chǎn)總值、社會消費(fèi)品零售總額、城鎮(zhèn)居民人均可支配收入、快遞業(yè)務(wù)量與網(wǎng)絡(luò)零售額不僅正相關(guān)，而且相關(guān)性極強(qiáng)；物流費(fèi)用率則與網(wǎng)絡(luò)零售額負(fù)相關(guān)，且僅為中等強(qiáng)度相關(guān)。國內(nèi)生產(chǎn)總值、社會消費(fèi)品零售總額、城鎮(zhèn)居民人均可支配收入等數(shù)據(jù)的上升，反映國內(nèi)經(jīng)濟(jì)大環(huán)境向好的方向發(fā)展，居民可用于消費(fèi)的收入增多了，全國網(wǎng)絡(luò)零售額自然會隨之上升?？爝f業(yè)務(wù)量與網(wǎng)絡(luò)零售額的共同提升也驗(yàn)證了這二者間水漲船高的特點(diǎn)。物流費(fèi)用的下降，在一定程度上減少了網(wǎng)絡(luò)零售商的成本，網(wǎng)絡(luò)商品價(jià)格的降低，進(jìn)一步刺激了網(wǎng)絡(luò)消費(fèi)的提升。因此，將經(jīng)濟(jì)因素中的國內(nèi)生產(chǎn)總值、社會消費(fèi)品零售總額、城鎮(zhèn)居民人均可支配收入、快遞業(yè)務(wù)量納入全國網(wǎng)絡(luò)零售額影響因素的數(shù)學(xué)模型中。

2.2 經(jīng)濟(jì)指數(shù)

首先繪制居民消費(fèi)價(jià)格指數(shù)、商品零售價(jià)格指數(shù)、消費(fèi)者信心指數(shù)、工業(yè)品出廠價(jià)格指數(shù)等4項(xiàng)經(jīng)濟(jì)指數(shù)自2005年1月至2017年12月的月度數(shù)據(jù)變化曲線。發(fā)現(xiàn)4項(xiàng)經(jīng)濟(jì)指數(shù)隨著時(shí)間的推移，有著大致一致的走勢，而與全國網(wǎng)絡(luò)零售額逐漸上升的曲線圖對比則差別很大，進(jìn)一步探討4項(xiàng)經(jīng)濟(jì)指數(shù)與全國網(wǎng)絡(luò)零售額的相關(guān)性。

筆者采用2005—2017年的4項(xiàng)經(jīng)濟(jì)指數(shù)的年度數(shù)據(jù)進(jìn)行分析，見表4。

表4 2005—2017年全國網(wǎng)絡(luò)零售額與經(jīng)濟(jì)指數(shù)數(shù)據(jù)

用Pearson檢驗(yàn)分析網(wǎng)絡(luò)零售額與4項(xiàng)經(jīng)濟(jì)指數(shù)定基數(shù)據(jù)的相關(guān)系數(shù)，結(jié)果如表5所示。

表5 2005—2017年全國網(wǎng)絡(luò)零售額與經(jīng)濟(jì)指數(shù)的相關(guān)系數(shù)

由表5可知，4項(xiàng)經(jīng)濟(jì)指數(shù)取絕對值后均與全國網(wǎng)絡(luò)零售額呈現(xiàn)弱相關(guān)或極弱相關(guān)。由于近年來工業(yè)品出廠價(jià)格指數(shù)的一路走低導(dǎo)致終端消費(fèi)品價(jià)格的下降，在某種程度上刺激了商品網(wǎng)絡(luò)銷售量的增加，提升了網(wǎng)絡(luò)零售額。因此，經(jīng)濟(jì)指數(shù)中沒有任何一項(xiàng)列入全國網(wǎng)絡(luò)零售額的影響因素。

2.3 人口因素

在考量人口因素時(shí)選擇了2005—2017年網(wǎng)民規(guī)模、網(wǎng)絡(luò)購物用戶規(guī)模、手機(jī)網(wǎng)民比例、農(nóng)村網(wǎng)民比例、女性網(wǎng)民比例共5類13組年終數(shù)據(jù)，如表6所示。

表6 2005—2017年網(wǎng)絡(luò)零售額與人口因素?cái)?shù)據(jù)

通過繪制人口因素變化曲線圖發(fā)現(xiàn)，網(wǎng)民規(guī)模、網(wǎng)絡(luò)購物用戶規(guī)模、手機(jī)網(wǎng)民比例等3項(xiàng)人口因素的變化曲線與全國網(wǎng)絡(luò)零售額的變化曲線有著大致相同的上升趨勢，而農(nóng)村網(wǎng)民比例的曲線在2008—2017年間震蕩幅度較小且無上升趨勢，女性網(wǎng)民比例的曲線在2007—2017年間震蕩幅度較大,這兩項(xiàng)都與網(wǎng)絡(luò)零售額的曲線有明顯不同。

用Pearson檢驗(yàn)分析網(wǎng)絡(luò)零售額與5項(xiàng)人口因素年度數(shù)據(jù)的相關(guān)系數(shù)，輸出結(jié)果如表7所示。

表7 2005—2017年全國網(wǎng)絡(luò)零售額與人口因素的相關(guān)系數(shù)

由表7可知，5項(xiàng)人口因素均與網(wǎng)絡(luò)零售額呈現(xiàn)正相關(guān)。其中，網(wǎng)民規(guī)模、網(wǎng)絡(luò)購物用戶規(guī)模、手機(jī)網(wǎng)民比例、女性網(wǎng)民比例的相關(guān)系數(shù)>0.5，即與網(wǎng)絡(luò)零售額強(qiáng)相關(guān)。農(nóng)村網(wǎng)民比例與網(wǎng)絡(luò)零售額相關(guān)性中等。同時(shí)，網(wǎng)民規(guī)模、網(wǎng)絡(luò)購物用戶規(guī)模的增大，手機(jī)網(wǎng)民和女性網(wǎng)民的增多，在很大程度上促進(jìn)了網(wǎng)絡(luò)零售額的提高。農(nóng)村網(wǎng)民比例及數(shù)量雖有了一定程度的提升，但尚沒有轉(zhuǎn)化成網(wǎng)絡(luò)零售的購買力。因此，將網(wǎng)民規(guī)模、網(wǎng)絡(luò)購物用戶規(guī)模、手機(jī)網(wǎng)民比例、女性網(wǎng)民比例納入全國網(wǎng)絡(luò)零售額的影響因素?cái)?shù)學(xué)模型。

3 模型優(yōu)化

3.1 模型Ⅰ

通過前面的分析可知，全國網(wǎng)絡(luò)零售額與國內(nèi)生產(chǎn)總值、社會消費(fèi)品零售總額、城鎮(zhèn)居民人均可支配收入、快遞業(yè)務(wù)量、網(wǎng)民規(guī)模、網(wǎng)絡(luò)購物用戶規(guī)模、手機(jī)網(wǎng)民比例、女性網(wǎng)民比例這8個(gè)變量具有較強(qiáng)的相關(guān)性。

為進(jìn)行函數(shù)構(gòu)建，假設(shè)yi:全國網(wǎng)絡(luò)零售額；x1:國內(nèi)生產(chǎn)總值；x2:社會消費(fèi)品零售總額；x3:城鎮(zhèn)居民人均可支配收入；x4:快遞業(yè)務(wù)量；x5:網(wǎng)民規(guī)模；x6:網(wǎng)絡(luò)購物用戶規(guī)模；x7:手機(jī)網(wǎng)民比例；x8:女性網(wǎng)民比例。

筆者將全國網(wǎng)絡(luò)零售額與8個(gè)可能的影響因素進(jìn)行函數(shù)構(gòu)建：

yi=β0+β1·x1+β2·x2+β3·x3+β4·x4+β5·x5+β6·x6+β7·x7+β8·x8+εi

其中，β0是模型的截距項(xiàng)，β1,β2,…,β8是各個(gè)影響因素的回歸系數(shù)，εi是隨機(jī)誤差項(xiàng)[7]。

在不考慮變量系數(shù)的前提下，先建立第一個(gè)回歸模型Ⅰ：y～x1+x2+x3+x4+x5+x6+x7+x8。

運(yùn)用從大量數(shù)據(jù)中壓縮提取信息的最常用R語言工具——summary命令分析模型Ⅰ。結(jié)果顯示，模型Ⅰ調(diào)整后的R2高達(dá)0.994 6，說明其擬合質(zhì)量非常好，F(xiàn)統(tǒng)計(jì)量的p值只有3.229e-5，說明模型是顯著的。但是，模型Ⅰ中除了x4以外的自變量都不顯著。由于宏觀經(jīng)濟(jì)數(shù)據(jù)經(jīng)常出現(xiàn)嚴(yán)重的共線性問題，推測模型Ⅰ的多個(gè)變量之間可能存在多重共線性。

用kappa檢驗(yàn)多重共線性，輸出結(jié)果為12 723.77。顯然模型Ⅰ沒有通過多重共線性檢驗(yàn)。

3.2 模型Ⅱ

在多元線性回歸分析中，常用逐步回歸分析的方法，以AIC統(tǒng)計(jì)量作為衡量的準(zhǔn)則,即選擇最小的AIC統(tǒng)計(jì)量,用刪除變量或者增加變量的方法來優(yōu)化模型。本文基于AIC統(tǒng)計(jì)量，通過step函數(shù)逐步回歸的方式對模型Ⅰ進(jìn)行優(yōu)化，篩選出4個(gè)合適的自變量。

以這4個(gè)為自變量搭建模型Ⅱ：y～x1+x2+x4+x6。通過summary命令分析模型Ⅱ，結(jié)果顯示，調(diào)整后的R2為0.996 7,擬合質(zhì)量好。F統(tǒng)計(jì)量的p值為1.144e-10。模型Ⅱ是顯著的。此外，模型Ⅱ各項(xiàng)的p值都較模型Ⅰ有明顯降低。再用kappa命令檢驗(yàn)?zāi)Ｐ廷虻亩嘀毓簿€性，輸出結(jié)果為8 517.821。顯然，模型Ⅱ仍具有嚴(yán)重的多重共線性。

為了進(jìn)一步降低多重共線性，考慮使用drop1函數(shù)計(jì)算AIC值，結(jié)果如表8所示。

表8 模型Ⅱdrop1命令分析結(jié)果

由表8可知，如果去掉變量x1，AIC值的增加量是最少的。此外，擬合越好的方程，其殘差平方和應(yīng)盡量小。如果去掉x1，殘差的平方和的增加量也是最少的。因此綜合考慮，應(yīng)該去掉變量x1。

3.3 模型Ⅲ

基于社會消費(fèi)品零售總額、快遞業(yè)務(wù)量、網(wǎng)絡(luò)購物用戶規(guī)模這3個(gè)自變量搭建模型Ⅲ：y～x2+x4+x6。

用kappa檢驗(yàn)其多重共線性，輸出結(jié)果為6 850.557。模型Ⅲ的多重共線性數(shù)值雖然得到降低，但是仍然高于1 000。為了進(jìn)一步降低數(shù)值，嘗試對3個(gè)自變量進(jìn)行對數(shù)變換或指數(shù)變換。經(jīng)過測試，發(fā)現(xiàn)對x6進(jìn)行指數(shù)變換時(shí)，多重共線性數(shù)值較低且各個(gè)自變量的系數(shù)具有顯著性。

3.4 模型Ⅳ

模型Ⅳ：y～x2+x4+ex6。用kappa檢驗(yàn)其多重共線性，輸出結(jié)果為593.697 8，這個(gè)數(shù)值<1 000,且相較于前幾個(gè)模型的多重共線性數(shù)值已大大降低。用summary命令分析模型Ⅳ的回歸統(tǒng)計(jì)量，結(jié)果顯示調(diào)整后的R2為0.996 5,擬合質(zhì)量好。F統(tǒng)計(jì)量的p值為6.29e-12。由于模型Ⅳ的截距項(xiàng)和各自變量的系數(shù)都具有顯著性，因此模型Ⅳ是顯著的。由于多重共線性普遍存在于經(jīng)濟(jì)數(shù)據(jù)研究中，并且多重共線性對于擬合程度好的模型在進(jìn)行預(yù)測時(shí)往往并不影響預(yù)測結(jié)果?？紤]到本模型主要用來預(yù)測網(wǎng)絡(luò)零售額，模型Ⅳ的擬合程度很好，多重共線性降為中等，因此認(rèn)為模型Ⅳ通過多重共線性檢驗(yàn)。

4 模型Ⅳ殘差分析

在對模型Ⅳ進(jìn)行顯著性檢驗(yàn)和多重共線性檢驗(yàn)后，還需要通過殘差分析，確保模型Ⅳ的殘差通過正態(tài)分布檢驗(yàn)、同方差性檢驗(yàn)以及獨(dú)立性檢驗(yàn)。

4.1 正態(tài)分布檢驗(yàn)

從模型Ⅳ的回歸統(tǒng)計(jì)量結(jié)果來看，殘差的最大值為1 710.40，最小值為-1 717.19，中值為-41.13，殘差具有正態(tài)分布的特征。下面通過W檢驗(yàn)和Anderson-Darling檢驗(yàn)加以驗(yàn)證。

首先利用W檢驗(yàn)驗(yàn)證模型Ⅳ是否符合正態(tài)分布，使用shapiro命令對模型Ⅳ進(jìn)行檢驗(yàn)，從輸出結(jié)果來看，模型Ⅳ的p值0.413 4>0.05，所以通過正態(tài)性假設(shè)。

再檢測是否能通過Anderson-Darling正態(tài)性檢驗(yàn)，使用ad命令對模型Ⅳ進(jìn)行檢驗(yàn)，從輸出結(jié)果來看，模型Ⅳ的p值0.465 1>0.05，順利通過正態(tài)性檢驗(yàn)。

4.2 同方差性檢驗(yàn)

同方差性即總體回歸函數(shù)中的隨機(jī)誤差項(xiàng)具有相同的方差。若殘差同方差性比較好，則其殘差不會隨著因變量的變化而變化。這也是為了保證回歸參數(shù)估計(jì)量具有良好的統(tǒng)計(jì)性質(zhì)。加載car程序包，使用ncvTest函數(shù)對模型Ⅳ進(jìn)行同方差性檢驗(yàn)。從輸出結(jié)果來看，由于p值0.821 930 3>0.05，擬合值具有同方差性，因此通過了同方差性檢驗(yàn)。

4.3 獨(dú)立性檢驗(yàn)

獨(dú)立性檢驗(yàn)是為了檢測殘差序列是否自相關(guān)。通過car程序包中的durbinWatsonTest函數(shù)對模型Ⅳ進(jìn)行durbin-watson檢驗(yàn)。從輸出結(jié)果來看，由于p值0.052>0.05 ,說明無自相關(guān)性，即通過獨(dú)立性檢驗(yàn)。

5 模型建立與預(yù)測

模型Ⅳ通過了顯著性檢驗(yàn)、多重共線性檢驗(yàn)、正態(tài)分布檢驗(yàn)、同方差性檢驗(yàn)和獨(dú)立性檢驗(yàn)。根據(jù)回歸分析的結(jié)果，可以確定最終的回歸方程：

y=-5 366.30+521.51x2+108.30x4+69.82ex6

國家統(tǒng)計(jì)局和國家郵政局的數(shù)據(jù)顯示，我國2017年社會消費(fèi)品零售總額和快遞業(yè)務(wù)量分別達(dá)到36.626 2萬億元和400.56億件。根據(jù)第42次中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告，截至2018年6月，我國網(wǎng)絡(luò)購物用戶達(dá)5.689 2億人，半年增長率6.7%[8]。假定社會消費(fèi)品零售總額、快遞業(yè)務(wù)量、網(wǎng)絡(luò)購物用戶規(guī)模這3個(gè)指標(biāo)在2018年的增速與上一年保持一致，則到2018年年底，社會消費(fèi)品零售總額預(yù)計(jì)為40.365 7萬億元，快遞業(yè)務(wù)量預(yù)計(jì)為512.877 0億件，網(wǎng)絡(luò)購物用戶規(guī)模預(yù)計(jì)達(dá)6.070 4億人。

針對模型Ⅳ運(yùn)用Predict命令預(yù)測2018年全國網(wǎng)絡(luò)零售額數(shù)據(jù)。預(yù)測結(jié)果：最低值為87 591.46億元，最高值為 115 319.3億元，合適值為101 455.4億元。

根據(jù)國家統(tǒng)計(jì)局公布的2017年國民經(jīng)濟(jì)數(shù)據(jù)，全國網(wǎng)絡(luò)零售額達(dá)71 751億元。假定近3年年均增長37.01%的速率保持不變，則2018年我國網(wǎng)絡(luò)零售額預(yù)計(jì)達(dá)98 306億元。將模型Ⅳ預(yù)計(jì)的101 455.4億元與根據(jù)年均增長速率預(yù)測的98 306億元相比較，誤差在3.20%。

6 結(jié) 語

本文采用理論研究和實(shí)證研究相結(jié)合的方法，對14個(gè)可能影響全國網(wǎng)絡(luò)零售額的因素進(jìn)行定性分析與定量分析。借助R語言的數(shù)據(jù)分析，最終選擇了社會消費(fèi)品零售總額、快遞業(yè)務(wù)量、網(wǎng)絡(luò)購物用戶規(guī)模這3個(gè)因素作為自變量構(gòu)建數(shù)學(xué)模型。然后在比較算法結(jié)果優(yōu)劣的基礎(chǔ)上進(jìn)行模型的優(yōu)化，建立了全國網(wǎng)絡(luò)購物零售額影響因素模型，最后據(jù)此模型預(yù)測2018年全國網(wǎng)絡(luò)零售額達(dá)101 455.4億元。從數(shù)學(xué)模型上看，社會消費(fèi)品零售總額、快遞業(yè)務(wù)量、網(wǎng)絡(luò)購物用戶規(guī)模這3個(gè)自變量與全國網(wǎng)絡(luò)零售額息息相關(guān)。本文通過驗(yàn)證網(wǎng)絡(luò)零售額影響因素模型且順利通過多項(xiàng)檢驗(yàn)，證明了其科學(xué)性、合理性。