電子商務(wù)對(duì)城鄉(xiāng)居民消費(fèi)差距的影響研究

［摘 要］ 運(yùn)用計(jì)量模型，選取了2012-2021年的面板數(shù)據(jù)，探討電子商務(wù)在不同自然地理區(qū)域?qū)Τ青l(xiāng)消費(fèi)差距的作用。結(jié)果顯示：2012-2021年我國(guó)電子商務(wù)的發(fā)展擴(kuò)大了城鄉(xiāng)居民消費(fèi)差距，但是長(zhǎng)期看來(lái)，比如東北、華東和華中地區(qū)，電子商務(wù)阻礙了城鄉(xiāng)消費(fèi)差距的擴(kuò)大。因此，政府要堅(jiān)持發(fā)展電子商務(wù)，且要因地制宜的發(fā)展特色電商，從而發(fā)揮好電子商務(wù)在城鄉(xiāng)居民消費(fèi)差距的積極作用。

［關(guān)鍵詞］ 電子商務(wù)； 城鄉(xiāng)消費(fèi)； 計(jì)量經(jīng)濟(jì)模型

［中圖分類(lèi)號(hào)］ F724.6" ［文獻(xiàn)標(biāo)識(shí)碼］ A

隨著網(wǎng)絡(luò)經(jīng)濟(jì)的發(fā)展，電子商務(wù)（后文均簡(jiǎn)稱(chēng)“電商”）通過(guò)突破時(shí)空的局限，減少了中間的繁瑣流程，提升了服務(wù)效率，實(shí)現(xiàn)了服務(wù)成本的下降?！吨袊?guó)電子商務(wù)報(bào)告》顯示：從2016年到2020年，全國(guó)電商交易額年均增長(zhǎng)率達(dá)到9.3%[1]，這表明我國(guó)電商作為一種新的消費(fèi)模式正處于從高速增長(zhǎng)邁向高質(zhì)量發(fā)展階段。同時(shí)《電子商務(wù)“十四五”發(fā)展規(guī)劃》中也指出：完善城鄉(xiāng)融合消費(fèi)網(wǎng)絡(luò)，電商將繼續(xù)在平衡城鄉(xiāng)居民消費(fèi)差距方面發(fā)揮著積極作用。因此研究?jī)烧叩年P(guān)系，對(duì)推動(dòng)我國(guó)城鄉(xiāng)經(jīng)濟(jì)協(xié)同發(fā)展有重要的意義。

早在20世紀(jì)80年代，電商對(duì)城鄉(xiāng)居民消費(fèi)差距的影響就引起了國(guó)內(nèi)外學(xué)者們的廣泛關(guān)注。Hall（1978）研究發(fā)現(xiàn)居民消費(fèi)函數(shù)和收入分配狀況有關(guān)，并且網(wǎng)絡(luò)經(jīng)濟(jì)在城鄉(xiāng)居民收入分配和消費(fèi)水平的測(cè)度中有重要的作用[2]。Jappelli和Pistaferri（2010）指出想要緩和城鄉(xiāng)居民消費(fèi)的不平等現(xiàn)狀，可以通過(guò)發(fā)展電商來(lái)實(shí)現(xiàn)[3]。Mangiaracina（2019）認(rèn)為電商是通過(guò)居民收入分配進(jìn)而影響了城鄉(xiāng)居民消費(fèi)差距[4]。Pantelimon和Posedaru（2020）對(duì)全球COVID-19大流行前后居民的電商消費(fèi)行為進(jìn)行了調(diào)查，認(rèn)為從實(shí)體店轉(zhuǎn)移到網(wǎng)上購(gòu)物的居民和新冠肺炎疫情持續(xù)的時(shí)間成正比[5]。韓雷等（2016）[6]和閆軍等（2019）[7]實(shí)證結(jié)果表明，中國(guó)電商的發(fā)展對(duì)城鄉(xiāng)居民消費(fèi)差距的影響有一定程度的區(qū)域差異。李連夢(mèng)（2020）采用理論與實(shí)證分析相結(jié)合的方法，在充分考慮內(nèi)生性穩(wěn)健的基礎(chǔ)上研究了電商對(duì)城鄉(xiāng)居民消費(fèi)差距的縮小作用[8]。

基于以上的背景和文獻(xiàn)，本文研究的重點(diǎn)是基于中國(guó)自然地理區(qū)域視角進(jìn)行實(shí)證測(cè)度，增加研究的多樣性，從而補(bǔ)充現(xiàn)有的研究。

1 模型設(shè)定與數(shù)據(jù)來(lái)源

1.1 模型設(shè)定

本文通過(guò)構(gòu)建以下計(jì)量經(jīng)濟(jì)學(xué)模型，實(shí)證研究電商發(fā)展水平對(duì)城鄉(xiāng)居民消費(fèi)差距的影響。

yit=C+αxit+βmit+γjzit+εit（1）

其中：i代表省份（i=1，2，…，31）；t代表年份（t=2012，2013，…，2020）；yit表示被解釋變量，xit表示解釋變量，mit表示中介變量，zit表示其他控制變量；α、β和γj為對(duì)應(yīng)變量的系數(shù)；C為常數(shù)項(xiàng)，εit為誤差項(xiàng)。

1.2 變量選取

1）被解釋變量：城鄉(xiāng)居民消費(fèi)差距（Y）用泰爾系數(shù)作為衡量標(biāo)準(zhǔn)，泰爾指數(shù)法相比較其他衡量Y的方法，它的優(yōu)勢(shì)是可以將區(qū)域間或區(qū)域內(nèi)的差異進(jìn)行細(xì)分。泰爾系數(shù)公式如下：

Dis_conit=C1tCtlnC1t/N1tCt/Nt+C2tCtlnC2t/N2tCt/Nt（2）

其中：Dis_conit代表i地區(qū)t年的城鄉(xiāng)居民消費(fèi)差距，i=1，2分別代表城鎮(zhèn)居民和農(nóng)村居民，Ct表示t年居民消費(fèi)總支出，Nt表示t年總?cè)丝凇?/p>

2）核心解釋變量：電商發(fā)展水平（X），鑒于電商發(fā)展水平的數(shù)據(jù)難以獲取，因此本文參考了張磊和韓雷（2017）[9]的研究結(jié)果，采用了人均快遞業(yè)務(wù)量作為衡量X的指標(biāo)。

3）中介變量：城鄉(xiāng)居民收入差距（M），由文獻(xiàn)綜述可知，電商會(huì)影響到城鄉(xiāng)居民的收入差距，進(jìn)而影響到城鄉(xiāng)居民的消費(fèi)差距，因此將M作為中介變量納入計(jì)量經(jīng)濟(jì)模型中進(jìn)行實(shí)證分析。

4）控制變量：城鎮(zhèn)化水平（Z1）是指城鎮(zhèn)人口與總?cè)丝诘谋壤?；?jīng)濟(jì)發(fā)展水平（Z2）是選取各省的人均GDP作為衡量指標(biāo)；財(cái)政支出水平（Z3）是政府的財(cái)政支出在GDP中的占比。

此外，為了變量數(shù)據(jù)的穩(wěn)定性，將對(duì)數(shù)化后的X和Z2運(yùn)用到模型估計(jì)過(guò)程中，使得實(shí)證結(jié)果更具有可信度。

1.3 數(shù)據(jù)來(lái)源

基于數(shù)據(jù)的準(zhǔn)確性和可獲得性，本文選取了2012年—2021年為研究時(shí)間段，收集了中國(guó)31個(gè)省級(jí)的面板數(shù)據(jù)，并將各省劃分為東北、華北、華東、華南、華中、西北和西南七個(gè)自然地理區(qū)域進(jìn)行實(shí)證分析。其中變量Y、X、M、Z1、Z2和Z3均來(lái)源于歷年的《中國(guó)統(tǒng)計(jì)年鑒》或基于此計(jì)算所得。

2 實(shí)證結(jié)果與分析

2.1 描述性統(tǒng)計(jì)

首先對(duì)我國(guó)自然地理區(qū)域進(jìn)行描述性統(tǒng)計(jì)分析，結(jié)果如表1所示。

在城鄉(xiāng)居民消費(fèi)差距方面，華中、西北和西南三個(gè)地區(qū)的Y均值均高于全國(guó)的Y均值，其中西南地區(qū)均值最高，說(shuō)明西南地區(qū)城鄉(xiāng)居民消費(fèi)差距最明顯，華北地區(qū)最小。在電商發(fā)展水平方面，華東地區(qū)發(fā)展水平遠(yuǎn)高于其他地區(qū)，且與其他地區(qū)相比，該地區(qū)的標(biāo)準(zhǔn)差也最大，說(shuō)明該地區(qū)的各省份之間存在較大的差異。同時(shí)，從全國(guó)的X標(biāo)準(zhǔn)差可以看出中國(guó)各省份的電子商務(wù)發(fā)展水平不均衡且存在較大差異。

2.2 相關(guān)性分析

從表2可以看出，在各指標(biāo)之間，都存在著一定的多重共線(xiàn)性，但是通過(guò)計(jì)算變量間的方差膨脹因子（表3），最大的VIF=8.02，小于10，說(shuō)明各解釋變量之間不存在嚴(yán)重的多重共線(xiàn)性。

2.3 中介效應(yīng)

本文參考Preacheramp;Hayes（2004）[10]的研究，采用bootstrap法驗(yàn)證電商通過(guò)影響城鄉(xiāng)居民收入差距進(jìn)而間接影響居民消費(fèi)差距。這個(gè)算法的基本原理就是在已有的研究樣本中有放回地進(jìn)行隨機(jī)重復(fù)抽樣，并構(gòu)造出某個(gè)估計(jì)的置信區(qū)間，結(jié)果如表4所示。

中介效應(yīng)的Bia-Corrected和Percentile的置信區(qū)間分別為（-0.0037，-0.0007）和（-0.0036，-0.0007），且這兩個(gè)置信區(qū)間都不包含0，表明存在顯著的中介效應(yīng)。

2.4 總樣本估計(jì)結(jié)果分析

當(dāng)時(shí)間T小于20時(shí)，由于該檢驗(yàn)是針對(duì)大樣本的，并不適用于小樣本，即可不做單位根檢驗(yàn)[11]，因此采用固定效應(yīng)模型進(jìn)行回歸檢驗(yàn)。從表5中的回歸結(jié)果可以看出，全國(guó)的電商回歸系數(shù)為0.011，說(shuō)明電商對(duì)農(nóng)村居民消費(fèi)水平的提升效果要比對(duì)城鎮(zhèn)居民消費(fèi)水平的提升效果差，這意味著全國(guó)電商增加一個(gè)單位，城鄉(xiāng)居民消費(fèi)差距擴(kuò)大0.011個(gè)單位，從全國(guó)的角度來(lái)看，電商的發(fā)展一定程度上擴(kuò)大了城鄉(xiāng)居民消費(fèi)差距。這是由于全國(guó)的城鄉(xiāng)居民發(fā)展不平衡，而制約農(nóng)村地區(qū)電子商務(wù)發(fā)展的一個(gè)重要因素是經(jīng)濟(jì)發(fā)展相對(duì)滯后，導(dǎo)致基礎(chǔ)設(shè)施不夠完善。相反，城鎮(zhèn)地區(qū)依靠良好的發(fā)展環(huán)境，電商發(fā)展較為完善，因此擴(kuò)大了城鄉(xiāng)居民消費(fèi)水平的差距。

城鄉(xiāng)居民收入差距的回歸系數(shù)為0.260，說(shuō)明當(dāng)城鄉(xiāng)收入差距得到有效控制，能有效地推動(dòng)城鄉(xiāng)消費(fèi)差距的縮小。

城鎮(zhèn)化水平、經(jīng)濟(jì)發(fā)展水平和財(cái)政支出水平三個(gè)指標(biāo)的回歸系數(shù)均為負(fù)數(shù)，說(shuō)明均對(duì)城鄉(xiāng)居民消費(fèi)差距存在負(fù)向影響。城鎮(zhèn)化水平的提高，改善了農(nóng)村基礎(chǔ)設(shè)施，有效改善了農(nóng)民的生活條件，不僅有助于農(nóng)民的收入增加，也使得城鄉(xiāng)居民收入差距得以縮小。此外，由于中介效應(yīng)的存在，城鄉(xiāng)居民消費(fèi)差距也進(jìn)一步縮小。隨著經(jīng)濟(jì)發(fā)展水平的提升，城鄉(xiāng)地區(qū)各項(xiàng)設(shè)施也將得到進(jìn)一步的改善，這將使城鄉(xiāng)之間的發(fā)展差異得到有效的縮小。財(cái)政支出水平越高，越有利于縮小城鄉(xiāng)居民消費(fèi)差距。

此外，R2的值為0.765，全國(guó)的固定效應(yīng)回歸模型擬合優(yōu)度良好，說(shuō)明自變量對(duì)解釋變量解釋得較多，可以很好地反映出電商發(fā)展對(duì)城鄉(xiāng)居民消費(fèi)差距的影響。對(duì)模型進(jìn)行了F檢驗(yàn)，檢驗(yàn)結(jié)果顯示，F(xiàn)值為554.93，P值為0.000，說(shuō)明在0.05顯著性水平下，有充足的理由認(rèn)為回歸模型整體線(xiàn)性關(guān)系顯著，擬合優(yōu)度較好。

2.5 分區(qū)樣本估計(jì)結(jié)果分析

由于中國(guó)存在明顯的區(qū)域發(fā)展不平衡現(xiàn)象，為了增加研究的多樣性和進(jìn)一步了解各個(gè)區(qū)域電商對(duì)城鄉(xiāng)居民消費(fèi)差距的影響，比較各區(qū)域之間的差異，這里將中國(guó)依據(jù)自然地理區(qū)域劃分為七個(gè)區(qū)域。具體劃分如下：東北區(qū)域由遼寧、吉林和黑龍江3個(gè)?。ㄊ小^(qū)）組成；華北區(qū)域由北京、天津、河北、山西和內(nèi)蒙古5個(gè)?。ㄊ?、區(qū)）組成；華東區(qū)域由上海、江蘇、浙江、安徽、福建、江西和山東7個(gè)?。ㄊ?、區(qū)）組成；華南區(qū)域由廣東、廣西和海南3個(gè)?。ㄊ?、區(qū)）組成；華中區(qū)域由河南、湖北和湖南3個(gè)?。ㄊ小^(qū)）組成；西北區(qū)域由陜西、甘肅、青海、寧夏和新疆5個(gè)?。ㄊ小^(qū)）組成；西南區(qū)域由重慶、四川、貴州、云南和西藏5個(gè)省（市、區(qū)）組成。如圖1所示。

在此基礎(chǔ)上，運(yùn)用Stata軟件對(duì)各區(qū)域的面板數(shù)據(jù)進(jìn)行回歸分析，結(jié)果如表6所示。

在表6中，R2越接近1，則該模型的擬合效果越好。七個(gè)區(qū)域的回歸模型R2分別為0.811、0.926、0.873、0.776、0.923、0.863和0.603，說(shuō)明中國(guó)的七個(gè)自然地理區(qū)域回歸模型的擬合效果均良好。同時(shí)為了檢驗(yàn)回歸模型整體的線(xiàn)性關(guān)系，采用了F檢驗(yàn)，從表中可以看出七個(gè)自然地理區(qū)域的F檢驗(yàn)統(tǒng)計(jì)量P值均為0.000，說(shuō)明在0.05顯著性水平下通過(guò)了F檢驗(yàn)，七個(gè)自然地理區(qū)域回歸模型整體線(xiàn)性關(guān)系顯著。

電商發(fā)展水平：東北地區(qū)、華東地區(qū)和華中地區(qū)隨著電商發(fā)展水平的提高從而縮小城鄉(xiāng)消費(fèi)差距，而華北地區(qū)、華南地區(qū)、西北地區(qū)和西南地區(qū)的電商發(fā)展水平與城鄉(xiāng)居民消費(fèi)差距存在正向關(guān)系，其中華中地區(qū)和西南地區(qū)的影響最大。

城鄉(xiāng)居民收入差距：東北地區(qū)、華北地區(qū)、華南地區(qū)、華中地區(qū)和西北地區(qū)的城鄉(xiāng)居民收入差距回歸系數(shù)分別為0.725、0.163、0.766、0.528和1.007，說(shuō)明該五個(gè)區(qū)域的城鄉(xiāng)居民收入差距越大，城鄉(xiāng)居民消費(fèi)差距會(huì)隨之越大。而華東地區(qū)和西南地區(qū)則相反。

城鎮(zhèn)化水平：表6顯示，城鎮(zhèn)化水平對(duì)城鄉(xiāng)居民消費(fèi)差距有著明顯的影響，其中除了東北地區(qū)均呈現(xiàn)負(fù)向影響，說(shuō)明對(duì)于其他區(qū)域，隨著城鎮(zhèn)化水平的提高，城鎮(zhèn)消費(fèi)差距會(huì)逐漸縮小，整體來(lái)看，各地區(qū)之間存在差異，城鎮(zhèn)化發(fā)展水平不均衡。

經(jīng)濟(jì)發(fā)展水平：西南地區(qū)、東北地區(qū)、華北地區(qū)和華南地區(qū)存在較多的經(jīng)濟(jì)落后貧困山區(qū)，因此互聯(lián)網(wǎng)大范圍的覆蓋和電商的發(fā)展會(huì)給這些區(qū)域帶來(lái)新的就業(yè)潛力和收入來(lái)源，從而使得城鄉(xiāng)居民的消費(fèi)水平得到較大的提升，因此當(dāng)經(jīng)濟(jì)發(fā)展到一定程度后，城市與農(nóng)村之間的消費(fèi)差距就會(huì)逐漸縮小。

財(cái)政支出水平：對(duì)于東北地區(qū)、華北地區(qū)、華南地區(qū)、西北地區(qū)和西南地區(qū)，隨著國(guó)家對(duì)鄉(xiāng)村建設(shè)的投入越來(lái)越多，使得這些地區(qū)的農(nóng)村基礎(chǔ)設(shè)施也在不斷地完善，并且電商在鄉(xiāng)村也取得了良好的發(fā)展，這就要求政府在促進(jìn)城鄉(xiāng)居民消費(fèi)差距縮小中發(fā)揮更大的作用。但是對(duì)于華東地區(qū)和華中地區(qū)，政府的行為對(duì)城鎮(zhèn)地區(qū)經(jīng)濟(jì)的拉動(dòng)作用大于農(nóng)村地區(qū)，使得城鎮(zhèn)居民消費(fèi)能力較強(qiáng)，而農(nóng)村居民消費(fèi)能力較弱，從而導(dǎo)致城鄉(xiāng)差距持續(xù)擴(kuò)大。

3 結(jié)論與建議

3.1 結(jié)論

本文通過(guò)建立計(jì)量經(jīng)濟(jì)模型，研究我國(guó)2012年—2021年的電商對(duì)城鄉(xiāng)居民消費(fèi)差距的影響，同時(shí)為了增加研究的多樣性，根據(jù)我國(guó)自然地理區(qū)域?qū)?1省份劃分為七個(gè)區(qū)域進(jìn)行研究。

中國(guó)電商發(fā)展水平與城鄉(xiāng)居民消費(fèi)差距呈正向關(guān)系，說(shuō)明電商發(fā)展對(duì)城鎮(zhèn)居民消費(fèi)差距的促進(jìn)作用要高于農(nóng)村居民。電子商務(wù)在31個(gè)省份的發(fā)展水平很不平衡，而且有很大的差異，其中華東地區(qū)的電商發(fā)展水平要遠(yuǎn)高于其他區(qū)域，但是該地區(qū)之間也存在較大差異。

從區(qū)域?qū)用嫜芯侩娚虒?duì)城鄉(xiāng)居民消費(fèi)差距的影響。從實(shí)證研究的結(jié)果可以看出，電商發(fā)展水平的提高會(huì)使東北、華東和華中地區(qū)的消費(fèi)差距縮小，同樣會(huì)使華北、華南、西北和西南地區(qū)的消費(fèi)差距進(jìn)一步加大。由此可以看出，因?yàn)閰^(qū)域之間和區(qū)域內(nèi)的城鄉(xiāng)電商發(fā)展程度的不同，從而對(duì)各區(qū)域的城鄉(xiāng)消費(fèi)差距的影響也存在差異。其中，城鎮(zhèn)化水平對(duì)區(qū)域內(nèi)的消費(fèi)差距有作用，除東北地區(qū)外，均可以顯著地縮小城鄉(xiāng)消費(fèi)差距。在各區(qū)域中，東北、華北、華南和西南四個(gè)地區(qū)在經(jīng)濟(jì)發(fā)展水平上對(duì)城鄉(xiāng)消費(fèi)差距有著顯著的縮小作用，但其他地區(qū)則呈現(xiàn)出擴(kuò)大作用。同時(shí)，在華東和華中地區(qū)，政府對(duì)城鄉(xiāng)居民消費(fèi)的拉動(dòng)效應(yīng)比農(nóng)村更強(qiáng)，因此這兩個(gè)地區(qū)的城鄉(xiāng)居民消費(fèi)差距也會(huì)隨著財(cái)政支出水平的提高而進(jìn)一步拉大。

3.2 建議

本文基于31省的2012年—2021年面板數(shù)據(jù)，分別以中國(guó)和七個(gè)自然地理區(qū)域?yàn)檠芯繉?duì)象進(jìn)行實(shí)證分析，結(jié)果可以看出電商對(duì)于農(nóng)村消費(fèi)的拉動(dòng)效應(yīng)要比城市更大，在一定程度上會(huì)加大城鄉(xiāng)之間的消費(fèi)差距，但從長(zhǎng)遠(yuǎn)來(lái)看，在東北，華東，華中等地區(qū)，電商對(duì)城鄉(xiāng)消費(fèi)差距的縮小作用顯著。因此提出以下建議：

1）推動(dòng)全國(guó)農(nóng)村電商發(fā)展

首先，完善農(nóng)村電商的基礎(chǔ)設(shè)施建設(shè)，為電商更好發(fā)展提供可能。從兩個(gè)方面入手：一是擴(kuò)大農(nóng)村網(wǎng)絡(luò)的覆蓋面；二是要加大對(duì)鄉(xiāng)村物流的效率，降低鄉(xiāng)村物流的成本。

其次，收入水平是影響消費(fèi)水平的決定因素，因此，提高農(nóng)民收入水平，才能更好地減少城鄉(xiāng)之間的消費(fèi)水平差異。

最后，為農(nóng)村電商發(fā)展提供良好的環(huán)境，吸引更多的人才來(lái)農(nóng)村創(chuàng)業(yè)，帶動(dòng)農(nóng)村發(fā)展。

2）大力發(fā)展電商，重視現(xiàn)階段電商發(fā)展水平較低的區(qū)域

電商發(fā)展水平存在嚴(yán)重的地區(qū)差異，為了讓電商對(duì)城鄉(xiāng)居民消費(fèi)差距的收斂作用更加顯著，要高度重視弱勢(shì)地區(qū)的電商發(fā)展，縮小地區(qū)間的經(jīng)濟(jì)水平差異。

首先，政府財(cái)政支出的比例要適當(dāng)傾斜欠發(fā)達(dá)地區(qū)，尤其是財(cái)政支農(nóng)的比例。然后，要因地制宜地發(fā)展特色電商，利用自然地理天然優(yōu)勢(shì)更好地發(fā)展電商；最后，要對(duì)不完善的電商制度進(jìn)行規(guī)范管理。

［ 參 考 文 獻(xiàn) ］

［1］ 中華人民共和國(guó)商務(wù)部.中國(guó)電子商務(wù)報(bào)告（2020）[M].北京：中國(guó)商務(wù)出版社，2021.

[2] HALLROBERT E. Stochastic implicationsof the life cycle-permanent income hypothesis： therory and evidence[J]. Journalof Political Economy， 1978， 86（06）： 971-987.

[3] JAPPELLI，PISTAFERRI. Does consumption Inequality track income inequality in Italy[J]. Review of Economic Dynamics， 2010， 13（01）： 133-153.

[4] MANGIARACINA R. Payment systems in the B2C e-commerce： Are they a barrier for the online customer[J]. The Journal of Internet Banking and Commerce， 1970， 14（03）： 1-16.

[5] PANTELIMON F V， GEORGESCU T M， POSEDARU B . The impact of mobile e-commerce on gdp： A comparative analysis between romania and germany and how covid-19 influences the e-commerce activity worldwide[J]. Informatica Economica， 2020， 24（02）： 27-41.

[6] 韓雷，張磊.電商經(jīng)濟(jì)是效率和公平的完美結(jié)合嗎[J].當(dāng)代經(jīng)濟(jì)科學(xué)，2016，38（03）：80-90.

[7] 閆軍，李巖，張建軍.電子商務(wù)對(duì)城鄉(xiāng)居民消費(fèi)差距的影響：基于區(qū)域視角的實(shí)證測(cè)度[J].商業(yè)經(jīng)濟(jì)研究，2019（21）：51-53.

[8] 李連夢(mèng)，吳青，聶秀華.電子商務(wù)能縮小城鄉(xiāng)居民消費(fèi)差距嗎[J].技術(shù)經(jīng)濟(jì)，2020，39（02）：125-133.

[9] 張磊，韓雷．電商經(jīng)濟(jì)發(fā)展擴(kuò)大了城鄉(xiāng)居民收入差距嗎[J].經(jīng)濟(jì)與管理研究，2017，38（05）：3-13.

[10] 賈冀南，孔祥學(xué)，王申玥.差錯(cuò)管理氛圍對(duì)新生代員工創(chuàng)新行為影響研究[J].科研管理，2020，41（09）：238-246.

[11] 陳強(qiáng).高級(jí)計(jì)量經(jīng)濟(jì)學(xué)及Stata應(yīng)用[M].第2版.北京：高等教育出版社， 2014.

Research on the Impact of E-commerce on the ConsumptionGap Between Urban and Rural Residents

-Empirical Measurement Based on the Perspective of Geographical Region

ZHENG Lie， FENG Yingying

（School of Science， Hubei Univ. of Tech.， Wuhan 430068， China）

Abstract： This paper constructs an econometric model by extracting panel data from 2012 to 2021 to study how e-commerce impacts the consumption disparity of rural-urban divide respectively in different natural geographical regions. The results show that the development of e-commerce in China from 2012 to 2021 has widened the consumption gap between urban and rural residents. However， in the long run， in Northeast China， East China and Central China， e-commerce has hindered the widening of the gap between urban and rural consumption. Therefore， the government should insist on the development of e-commerce， and develop characteristic e-commerce according to local conditions， so as to bring positive role of e-commerce into good play in the consumption gap between urban and rural residents.

Keywords： e-commerce; urban and rural consumption; econometric model

［責(zé)任編校： 閆 品］