我國B2C電子商務(wù)零售額的影響因素研究

陸大偉，孫英雋

（上海理工大學(xué)，上海 200093）

改革實踐

我國B2C電子商務(wù)零售額的影響因素研究

陸大偉，孫英雋

（上海理工大學(xué)，上海 200093）

通過近幾年內(nèi)我國B2C零售額對多個同期的變量指標(biāo)進行多元線性回歸，用Eviews軟件對數(shù)據(jù)進行實證分析，得出在存在一個為正的時間趨勢，而在控制該時間趨勢對B 2 C零售額的偏效應(yīng)后，城鎮(zhèn)人均可支配收入和農(nóng)村人均可支配收入分別與我國B2C零售額存在顯著的正相關(guān)與負相關(guān)。

B2C零售額；多元線性回歸分析；ADF檢驗

近些年來，隨著信息技術(shù)的飛速發(fā)展，網(wǎng)絡(luò)已經(jīng)融入到人們的生活、工作的各個角落，成為了社會正常運轉(zhuǎn)的一個必不可少的部分，同時也催生了諸多與網(wǎng)絡(luò)相關(guān)的新興行業(yè)，而電子商務(wù)是其中的典型代表，并成為了人們?nèi)粘ＯM的一個熱門選擇。根據(jù)相關(guān)數(shù)據(jù)統(tǒng)計，2015年我國社會消費品零售總額預(yù)計將會超過30萬億元，位居世界第二。消費對經(jīng)濟增長的貢獻將近60%，成為了推動我國經(jīng)濟增長首要動力。今年我國網(wǎng)絡(luò)零售額預(yù)計達到4萬億元，位居世界第一，同時其占我國社會總零售額占比達到了12.74%。

在易觀智庫發(fā)布的《中國網(wǎng)絡(luò)零售B2C市場季度監(jiān)測報告2015年第4季度》一文中顯示，在2015年，我國B2C網(wǎng)絡(luò)零售總額達到了20 136.3億元，比2014全年上漲了近46.96%。同年，B2C以52.5%的份額首次超過了C2C，并在可預(yù)計的未來依然會達到更大的占比（B2C零售額及其增長率如圖1所示），B2C零售額的增長速率也遠遠超出了社會總體零售的增長速率（如圖2所示）。

在整體社會經(jīng)濟當(dāng)中，以B2C為代表的電子商務(wù)展現(xiàn)了驚人的活力，它的發(fā)展已成為推動國家經(jīng)濟發(fā)展的強有力動力之一，同時它本身存在的購買商品過程便利、商品售價相對低廉以及商品種類的多樣化等特點也為人們的日常生活帶來了諸多好處。對于中國B2C零售額影響因素的研究，旨在探討B(tài)2C行業(yè)發(fā)展的規(guī)律，使其能健康良好的發(fā)展，在國民經(jīng)濟中發(fā)揮更好的作用。

1　文獻綜述

隨著電子商務(wù)的飛速發(fā)展，它在國民消費這塊，乃至在整個國民經(jīng)濟中都發(fā)揮著越來越大的作用，同時也引起了越來越多社會的關(guān)注。

萬琴（2014）［1］運用灰色系統(tǒng)理論對影響我國電子商務(wù)交易規(guī)模的因素進行了研究，認為我國移動電子商務(wù)的用戶規(guī)模、互聯(lián)網(wǎng)寬帶接人用戶、我國B2C和C2C電子商務(wù)企業(yè)數(shù)量這三個關(guān)聯(lián)因子與我國電子商務(wù)交易規(guī)模關(guān)聯(lián)度最高。郝曉龍（2015）［2］對我國當(dāng)前B2C行業(yè)現(xiàn)狀進行深入分析，認為目前我國B2C行業(yè)中存在著買賣雙方信用問題、相關(guān)法律法規(guī)以及政策的不完善、支付的安全以及物流的問題等。林永綠（2016）［3］通過2013年我國31個省份的地區(qū)生產(chǎn)總值對各省的電子商務(wù)數(shù)據(jù)進行分析，認為互聯(lián)網(wǎng)上網(wǎng)人數(shù)與企業(yè)電子商務(wù)銷售額這兩個變量對經(jīng)濟發(fā)展有顯著影響。陳毅文、馬繼偉（2012）［4］以消費者的角度作為切入點，從消費者特征以及明網(wǎng)上購物認知特征兩方面對消費者購買行為的影響著手，探討了影響消費者購買決策的因素同時探討了各個變量之間的關(guān)系。倪紅耀（2013）［5］研究了消費者在B2C電子商務(wù)中的重購意愿的影響因素，得出網(wǎng)站的使用質(zhì)量、產(chǎn)品質(zhì)量和服務(wù)質(zhì)量三個因素是正向影響消費者購物意愿的主要原因。馬漢武、劉興祥（2013）［6］對B2C平臺制定雙邊用戶之間的價格結(jié)構(gòu)問題進行了研究，得出在處于靜態(tài)模型的均衡狀態(tài)，平臺企業(yè)對雙邊用戶的價格結(jié)構(gòu)不同時，平臺企業(yè)的收益表達式都是不相同的，收益也是不同的。

2　B2C零售額影響因素的實證分析

2.1變量的選取

本文旨在討論影響我國B2C零售額的各種因素，選取了2013年第一季度到2015年第四季度的我國B2C行業(yè)零售額作為因變量，并選取了同時期內(nèi)的其他7個變量作為自變量，通過計量軟件Eviews對因變量和自變量進行多元線性回歸分析，考察它們之間的系數(shù)和顯著性，尋找它們與B2C零售額之間的關(guān)系并給與經(jīng)濟解釋。

因變量（被解釋變量）

Y：2013年1月至2015年9月之間每月所在季度的B2C零售額（單位：億元）

自變量（解釋變量）

X1：互聯(lián)網(wǎng)寬帶接入用戶數(shù)（單位：萬戶），本文從國家統(tǒng)計局網(wǎng)站選取了2013年1月至2015年9月之間每月互聯(lián)網(wǎng)寬帶接入用戶數(shù)量作為自變量。

X2：我國手機上網(wǎng)用戶數(shù)（單位：萬戶），本文從國家統(tǒng)計局網(wǎng)站以及中國工信部《通信行業(yè)經(jīng)濟運行情況報告》中選取了2013年1月至2015年9月之間每月互聯(lián)網(wǎng)寬帶接入用戶數(shù)量作為自變量。

X3：美元對人民幣匯率，本文從新浪匯率板塊中中行鈔賣價（100美元/人民幣）為依準(zhǔn)，選取了2013年1月至2015年9月間每月14日、15日、16日三天中的匯率值的中位數(shù)作為自變量。

X4：居民消費價格指數(shù)（上年同月=100），本文從國家統(tǒng)計局網(wǎng)站中選取了2013年1月至2015年9月之間居民消費價格指數(shù)作為自變量。

X5：城鎮(zhèn)居民人均可支配收入（單位：元），本文從國家統(tǒng)計局網(wǎng)站中選取了2013年1月至2015 年9月之間每月在其所在季度城鎮(zhèn)居民人均可支配收入作為自變量。

X6：農(nóng)村居民人均可支配收入（單位：元），本文從國家統(tǒng)計局網(wǎng)站中選取了2013年1月至2015 年9月之間每月在其所在季度農(nóng)村居民人均可支配收入作為自變量。

X7：二值變量，在2014年3月以及之前的值為0，在2014年4月以及之后的值為1。

初步推測：

X1與X2主要考慮固定端以及移動端網(wǎng)絡(luò)用戶的變化是否會對B2C零售額產(chǎn)生影響，反映著能夠進行B2C網(wǎng)絡(luò)購物的潛在客戶的基數(shù)，現(xiàn)實中客戶基數(shù)的擴大會導(dǎo)致交易量的增加，認為存在正相關(guān)。

X3與X4主要考慮匯率以及價格指數(shù)變動帶來的商品相對價格變動對B2C零售額產(chǎn)生影響（或者說替代效應(yīng)）。其中美元對人民幣匯率提高反映著購買國外商品的成本提升使消費者傾向于購買國內(nèi)商品，從而認為存在正相關(guān)；居民消費價格指數(shù)的上升反映著人民幣購買力的下降，消費者傾向較少消費支出，所以認為是負相關(guān)的。

X5與X6主要考慮個人收入的變動對B2C零售額產(chǎn)生影響（或者說收入效應(yīng)）。一般認為人的邊際消費傾向衡正，個人的收入的增長會導(dǎo)致消費的增長，認為兩者都存在正相關(guān)。

X7考慮了在2014年3月15日后新消法正式在實施后，其中“七天無理由退貨政策”的實施是否對我國B2C零售額產(chǎn)生影響。認為“七天無理由退貨政策”是對消費者進行網(wǎng)絡(luò)消費的一種激勵，存在正相關(guān)。

2.2數(shù)據(jù)的處理：（具體數(shù)據(jù)如表1所示）

基于表1中的數(shù)據(jù)，對因變量與各自變量之間進行相關(guān)系數(shù)進行分析，得出關(guān)于因變量與自變量之間是否存在相關(guān)性以及是正相關(guān)還是負相關(guān)的初步結(jié)論（具體相關(guān)系數(shù)如表2所示）。

從表2中可以看出自變量月所在季度的B2C零售額與互聯(lián)網(wǎng)寬帶接入用戶數(shù)、我國手機上網(wǎng)用戶數(shù)、美元對人民幣匯率、城鎮(zhèn)居民人均可支配收入、農(nóng)村居民人均可支配收入、新消法的實施存在正相關(guān)，與居民消費價格指數(shù)存在負相關(guān)。與上述的初步推測相符。

在上述所有自變量中，互聯(lián)網(wǎng)寬帶接入用戶數(shù)、我國手機上網(wǎng)用戶數(shù)、新消法的實施三個自變量的相關(guān)系數(shù)都超過0.85，認為存在高度相關(guān)。

2.2.1多元線性回歸

在處理時間序列數(shù)據(jù)的時候，因變量對自變量進行OLS最小二成回歸時有以下假設(shè)：

①線性、平穩(wěn)性和弱相關(guān)

隨機過程｛（Xt1，Xt2，Xt3…Xtk，Yt）:t=1，t=2，…｝時平穩(wěn)的、弱相關(guān)的，并服從線性模型

②無完全共線性

在樣本中，沒一個自變量是常數(shù)或者是其他幾個自變量的線性組合。

③零條件均值

解釋變量是同期外生的，即

④同方差

誤差是同期同方差的，即

⑤無序列相關(guān)

對所有的t≠s，都有E（μtμs|Xt，Xs，）=0

2.2.1變量平穩(wěn)性測試

本文的數(shù)據(jù)是典型的時間序列數(shù)據(jù)，對平穩(wěn)性的檢測是必要的，否則將會伴隨偽回歸現(xiàn)象，使最終結(jié)果的有效性大打折扣。在本文中，將通過ADF檢驗來實現(xiàn)對變量的平穩(wěn)性檢測。

最終得到的結(jié)果為：Y、X4、X5、X6四個變量通過了ADF檢驗。余下的X1、X2、X3、X7四個變量則未通過檢測。同時，除了X7變量外，其余的變量都存在著確定性的趨勢。

處理辦法：對隨機的趨勢，則需要通過差分來解除。對確定的趨勢，可以通過增加趨勢變量來解除。

對X1，X2，X3，X7進行差分處理，得到dX1、dX2、dX3、dX7，對它們再次進行ADF檢驗，這次這些變量的差分全部通過了檢驗。

2.2.2變量多重共線性測試

7個自變量之間的相關(guān)系數(shù)如表3示：

其中，X1（互聯(lián)網(wǎng)寬帶接入用戶）與X2（我國手機上網(wǎng)用戶數(shù)）之間的相關(guān)系數(shù)達到了0.935，具有高度的相關(guān)性，這兩者之間必須刪去一個自變量，在這里我們舍去了自變量X1。

2.2.3進行OLS回歸

Y對X2、X3、X4、X5、X6、X7進行回歸分析，過程如下。

去除確定性趨勢影響，添加趨勢變量T：

去除隨機性趨勢影響，進行差分：

最終得到：

其中，dY、dX2、dX3、dX4、dX5、dX6、dX7都是平穩(wěn)的，可以進行OLS回歸。

得到多遠線性回歸模型：

從結(jié)果中可以看出，dX2、dX3、dX4的P值都小于0.05，甚至都小于0.1，說明在0.05的顯著性水平上無法拒絕原假設(shè)，即認為這些自變量對因變量的影響并不顯著。現(xiàn)在將dX2、dX3、dX4舍去，得到如下：

在該模型下，X5、X6通過了t檢驗，在0.05的顯著性水平上顯著，而X7則沒有通過t檢驗（P值為0.061 8＞0.05），故在此基礎(chǔ)上剔除去，同時Y、X5、X6不存在平穩(wěn)性問題，故可以直接進行OLS回歸（加入趨勢變量T以除去確定性趨勢）。

得到模型如下：

在此模型中所有的變量都極其顯著，R2=0.975 547，表明擬合值的波動可以解釋實際值波動的97.5%。

2.2.4序列相關(guān)性檢驗

首先檢驗DW值，從DW檢驗臨界值表中查的n=33，k=3的情況下，DL=1.258，DU=1.651。以上說明在樣本數(shù)量為33，自變量數(shù)量為3的情況下，0＜DW＜1.258時序列存在正相關(guān)，1.651＜DW＜2.349時誤差序列不存在序列相關(guān)，2.742＜DW＜4時序列存在負相關(guān)，1.258＜DW＜1.651或者 2.349＜DW＜2.742時序列相關(guān)性不確定。上述模型的DW值為1.346 14，屬于1.258至1.651，說明該模型的序列相關(guān)性存不確定，需要進行序列相關(guān)性檢驗。

對原模型進行廣義差分，消除變量的序列相關(guān)。由公式：

我們推得：

模型兩邊同時減去0.326 93倍的Yt-1得到如下：

在DW檢驗臨界值表中，n=32，k=3的情況下，DL=1.244，DU=1.650。說明0＜DW＜1.244時序列存在正相關(guān)，1.650＜DW＜2.350時誤差序列不存在序列相關(guān)，2.756＜DW＜4時序列存在負相關(guān)，1.244＜DW＜1.650或者2.350＜DW＜2.756時序列相關(guān)性不確定。上述模型的 DW值為 2.275 17，屬于 1.650至2.350，說明不存在序列相關(guān)性了。

2.2.5異方差性檢驗

提取模型中的殘差，用殘差的平方對上述廣義差分后的自變量進行OLS回歸得到如下結(jié)果：

其中所有的變量都不顯著，而F統(tǒng)計量的P值為0.853 513，所以可以看出并不存在異方差性。

2.2.6最終的多遠線性回歸模型為：

2.3計量模型的檢驗

2.3.1經(jīng)濟意義的檢驗

由上述得到的回歸結(jié)果中可以得知，在其他自變量不變的情況下，當(dāng)月所在的季度的城鎮(zhèn)居民人均可支配收入每增加一元，當(dāng)月所在季度的B2C零售額減少0.922 337億元；當(dāng)月所在的季度的農(nóng)村居民人均可支配收入每增加一元，當(dāng)月所在季度的B2C零售額增加1.764 05億元；同時B2C每季度的零售額存在一個正的趨勢，每經(jīng)過一個月當(dāng)月所在季度的B2C零售額增加139.956億元的期望值。

2.3.2統(tǒng)計意義的檢驗

①擬合優(yōu)度檢驗（R2檢驗）：本次多元線性回歸的可決系數(shù)R2=0.959 273，其修正可決系數(shù)也達到了0.954 91，從統(tǒng)計意義上講，被解釋變量的擬合值的波動占據(jù)了總波動的95.9%，或者說擬合值能解釋被解釋變量近96%的波動變化，即“城鎮(zhèn)居民人均可支配收入”（X5）、“農(nóng)村居民人均可支配收入”（X6）以及時間趨勢三個解釋變量可以解釋被解釋變量（我國B2C網(wǎng)絡(luò)零售額）絕大部分波動。

②F統(tǒng)計量檢驗：針對H0:β4=β5=β7=0，給定顯著性水平α=0.05，其中n1=k=3，n2=n-k-1=28，通過查詢F分布表得Fα（k，n-k-1）=F0.05（3，28）=2.95，而本多遠線性回歸模型的F統(tǒng)計量為219.837 5，遠遠大于2.95，從而拒絕原假設(shè)H0:β4=β5=β7=0，認為在顯著性水平為0.05的情況下，三個解釋變量在統(tǒng)計上是聯(lián)合顯著的。

③t統(tǒng)計量檢驗：針對H0:βi=0（i=4，5，7），給定顯著性水平α=0.05，以（n-k-1）=（32-3-1）=28為本多元線性回歸方程的自由度，通過查詢t分布表得tα/2（n-k-1）=t0.025（28）=2.048，在本多元線性回歸模型中，β4、β5、β7的擬合值的 t統(tǒng)計量分別為 -7.501 876、6.110 814、24.096 53，它們的絕對值都遠遠大于2.048。從而拒絕了H0:βi=0（i=4，5，7），也即是說在顯著性水平為0.05的情況下，三個解釋變量對被解釋變量在統(tǒng)計上都是顯著的。

3　結(jié)論

本文通過計量經(jīng)濟學(xué)的方法，用B2C零售額對互聯(lián)網(wǎng)寬帶接入用戶數(shù)、我國手機上網(wǎng)用戶數(shù)、美元對人民幣匯率、居民消費價格指數(shù)、城鎮(zhèn)居民人均可支配收入、農(nóng)村居民人均可支配收入以及新消法實施等因素進行了多元線性回歸分析。得出的結(jié)果與初步推測的結(jié)果大相徑庭：互聯(lián)網(wǎng)寬帶接入用戶數(shù)、我國手機上網(wǎng)用戶數(shù)、美元對人民幣匯率、居民消費價格指數(shù)對B2C的零售額不存在顯著的影響，新消法的實施（主要是七天無理由退貨的政策）對B2C的零售額存在積極影響但依然不夠充分顯著。

在本文中，我們得知存在著三個顯著的因素：城鎮(zhèn)居民人均可支配收入、農(nóng)村居民人均可支配收入以及時間趨勢。B2C零售額隨時間有著增長的趨勢，而城鎮(zhèn)居民人均可支配收入、農(nóng)村居民人均可支配收入與B2C零售額分別存在反向與正向的關(guān)系。這反映了在控制了時間趨勢性因素后，對于城鎮(zhèn)的居民或者說那些購買物品機會成本不大的人來說，B2C購物或者說網(wǎng)絡(luò)購物是一個劣等商品，其隨著收入的增加而減少；同時，對于農(nóng)村的居民或者說那些購買物品機會成本很大的人來說，B2C購物或者說網(wǎng)絡(luò)購物是一個正常商品，其隨著收入的增加而增加。

當(dāng)前我國的城鎮(zhèn)化率為55%，相較于西方發(fā)達國家70%-80%的城鎮(zhèn)化率依然有著巨大的發(fā)展空間，同時也意味著將來的數(shù)年內(nèi)依然會存在許多的非城鎮(zhèn)居民。對于這些購買物品并不方便的人來說B2C以及網(wǎng)絡(luò)零售有著巨大的發(fā)展空間。反過來講，B2C零售業(yè)或者電子商務(wù)零售業(yè)增長在我國推進城鎮(zhèn)化的背景下，預(yù)計將在未來城鎮(zhèn)化進展到一定程度時迎來其發(fā)展的瓶頸，但這依然改變不了其在當(dāng)前以及將來處于連續(xù)高度活躍的發(fā)展階段并且占據(jù)越來越大的國民經(jīng)濟比重。

我國是世界上網(wǎng)絡(luò)零售的第一大國，并且其網(wǎng)絡(luò)零售依然處于快速增長階段的階段中，成為推動中國經(jīng)濟發(fā)展的強大動力，而這高速發(fā)展是基于其較好滿足了人們在新興網(wǎng)絡(luò)時代的對消費的需求變化。我國政府應(yīng)該把握當(dāng)前的發(fā)展機會，出臺促進網(wǎng)絡(luò)零售的政策以及對行業(yè)進行適當(dāng)?shù)谋O(jiān)管，讓網(wǎng)絡(luò)零售給整個社會帶來更多的福利。

［1］萬琴.中國網(wǎng)絡(luò)零售市場影響因素的灰色關(guān)聯(lián)度評價［J］.中國管理科學(xué)，2014（S1）：143-147.

［2］郝曉龍.淺析我國B2C行業(yè)問題及對策研究［J］.現(xiàn)代商業(yè)，2015（24）：66-67.

［3］林永綠.電子商務(wù)對我國經(jīng)濟增長的影響因素分析［J］.商，2016 （2）：90.

［4］陳毅文，馬繼偉.電子商務(wù)中消費者購買決策及其影響因素［J］.心理科學(xué)進展2012（1）:27-34.

［5］倪紅耀.B2C電子商務(wù)消費者重復(fù)購買影響因素研究——基于結(jié)構(gòu)化方程模型的實證研究［J］.消費經(jīng)濟，2013（3）：60-64.

［6］馬漢武，劉興祥.B2C平臺的價格結(jié)構(gòu)及其收益的比較研究［J］.中國管理科學(xué)，2013（S2）：513-518.

［責(zé)任編輯：路實］

Research on the Influence Factorsof B2C E-commerce RetailSales in China

LUDa-wei，SUNYing-jun
（University ofShanghai for Scienceand Technology，Shanghai200093，China）

In this paper，wewilluse recentyears'China's B2C retail salesas dependent variable and other independentvariables tomakeamultivariate linear regression through Eviews to carry outempiricalanalysis and finally obtained the conclusion that there are a positive influence factor as time trend and ifwe control itspartialeffect，urban per capita disposable income and ruralper capita disposable income existsignificant positiveand negative correlationson B2C retailsales respectively.

B2C retailsales；multivariate linear regression；ADF test

改革實踐

F713.36

A

1673-5919（2016）03-0025-05

10.13691/j.cnki.cn23-1539/f.2016.03.008

2016-04-11

陸大偉（1991-），男，上海人，碩士研究生。