张璞 首都经济贸易大学

摘要：新冠疫情的爆发使得电子商务迎来了快速发展时期,网上购物已成为了人们广泛关心的热门话题,但有关网购的计量经济学模型资料却相对较少。通过以“上网人次”“城镇居民家庭的人均可支配入”“传统零售业的销售额”“居民消费价格指数”为解释变量，建立计量经济学模型，提出要想提高中国网购交易额，政府要稳定物价，加强经济建设，促进就业，同时兼顾传统零售业和网络购物相互制衡均衡发展的建议。

关键词：中国网购交易额；计量模型

一、背景

人类从20世纪90年代进入网络时代以来，互联网的相关技术就一直在不断的完善与发展，伴随着技术的革新，一些新兴产业也在应运而生。电子商务在这一时期走进了大众的生活并日益完善。随着电子商务的逐渐遍及，网络购物这一生活方式被越来越多的人接受使用。尤其是自2019年新冠疫情爆发后，实体经营模式受到了强烈的冲击，电子商务在这一时期迎来了快速发展上升期。随着居民对线上购物这种生活方式的依赖性越来越强烈，关于网购的研究就显得十分重要。

需求的增加带来了行业的新一轮“内卷”，在如今竞争如此激烈的商业环境下，网购商家为获得更高的收益正在不断寻求新的突破，传统零售业要想在这一浪潮中寻求生机，与网络购物的融合也己然成为未来必不可少的发展趋势。

本文在“居民消费价格指数”“上网人数”“城镇居民的家庭人均可支配收入”对“中国网购交易额”影响的基础上，新增变量“传统零售业的销售额”，建立计量经济学模型分析这些变量对中国网购交易额的影响。同时验证传统零售业与网购是否存在此消彼长相互制约的相关关系。

二、文献综述

邱艳，屠国柱借助计量经济模型，通过EViews软件，从物流规模、互联网的用户规模、城镇居民的人均可支配收入规模这三个方面对海外购物兴起的影响进行实证研究。提出结论：国货应该重点思考在未来如何将我国的产品向着多元化、高质量、创新型的方向改革发展，同时思考如何通过拉动国内的消费需求来刺激经济的增长。

伍舒莹在《基于计量经济学的中国网购交易金额影响因素分析》一文中建立并分析了以上网人数、城镇居民家庭人均可支配收入、社会物流总费用、居民消费价格指数作为解释变量与中国网购交易金额这一被解释变量的计量经济学模型。

彭卓通过对比国内专家有关电商领域用户行为调查的资料,提出专家学者在这一领域的研究需要扩大调研范围。

李鲤采用了层次分析法，总结了影响消费者市场购买力的主要原因有个人资产、产品售后、个人隐私保护、商品时代感、以及商品物流的便捷性等五个方面。作者置身于消费者角度，帮助企业深入了解居民网络购物的影响因素，为企业的发展改革提供了理论依据。

本文将侧重于在伍舒莹文章的背景下进行修改和延展。首先，伍舒莹认为社会物流总费用会对网购交易金额产生影响。但是我认为，社会物流总费用的增加是以网购规模的增加为基础的，所以不应该作为解释变量。其次，本文将结合其它学者的研究，在分析中国网络购物交易金额的影响因素问题时，从营销者的角度和客观的经济环境建立计量经济学模型，并新增传统零售业作为解释变量，研究是否与网购规模存在着此消彼长相互影响的关系。

三、模型的建立

（一）变量选择

经过大量文献的阅读及分析，总结出能够影响中国网购交易金额规模的主要因素有“上网人数”、“城镇居民的家庭人均可支配收入”以及“居民的消费价格指数”这三个变量，所以将这三个变量作为解释变量，除此之外，又考虑到传统零售业可能会对因变量有间接影响，所以在模型中加入“零售业销售额”，将其也作为解释变量。将上述四个解释变量与被解释变量“中国网购交易金额”共同建立多元线性回归模型，以国家统计局获取2005-2020年度数据为依据，进行分析。

Y为因变量，代表中国网购交易金额（亿元）；X1作为自变量，代表上网人数（万人）；X2作为自变量，代表城镇居民的家庭人均可支配收入（元）；X3作为自变量，代表零售业销售额（亿元）；X4作为自变量，代表居民消费价格指数；μ为随机扰动项。基于此，设定以下线性模型：

Y=β₀+β₁X₁+β₂X₂+β₃X₃+β₄X₄+μ

表1   全部数据展示

数据来源：中国统计局

（二）参数估计

首先利用EViews 8 软件对2005-2020年度相关数据进行OLS回归估计，得到参数估计结果表：

表2  参数估计结果表

参数估计结果分析：首先分析回归系数的经济学含义，参数估计的结果显示“上网人数”与“中国网购交易金额”呈现负相关关系，这一估计结果违背了经济学常识，所以推测变量之间可能存在着多重共线性。然后，从模型拟合优度的角度来看，通过上述普通最小二乘回归估计的结果，可以看到调整后的多重判定系数为99.21%，表明在用样本量和模型的自变量个数进行调整后，在因变量的变差中，有99.21%可以被自变量所解释。该值接近于1，拟合度很高，解释变量能够很好地解释被解释变量；接下来对自变量和因变量的线性关系进行检验，可以看到F检验的p值为0.0000，小于0.05，拒绝原假设，说明因变量和4个自变量之间有显著线性关系；最后对各回归系数进行显著性检验，从估计结果还可以看到，各解释变量中常数项和CPI未通过t检验，t检验不通过有可能是该自变量对因变量的影响不显著，但是也有可能是因为变量之间的多重共线性因素导致的。所以我们接下来先初步处理一下上述参数估计结果，这里采用逐步回归方法，并结合逐步回归分析的结果对模型进行调整。

表3  逐步回归分析结果

如上表所示，逐步回归将常数项筛选出模型，正好解决了上述常数项未通过t检验的问题，由于常数项对模型的经济学含义无影响，并且当常数项被剔除后，其余变量均通过了t检验，所以决定采用逐步回归的结果进行接下来的模型处理。

四、模型检验与修正

（一）多重共线性

1.多重共线性检验

对于上述逐步回归的结果，我们可以看到，“上网人数”这一解释变量的正负号经济学含义不正确的问题还是没有被解决，推测仍旧存在多重共线性问题，所以接下来将通过变量之间的相关系数表，更加直观具体地检验该模型是否存在着多重共线性问题。

表4  相关系数表

如上图表所示，“上网人数”与“城镇居民人均可支配收入”，“零售业销售额”这两个解释变量的相关性都很高，再次证明模型存在多重共线性问题。

2.多重共线性修正

综合经济学含义这一因素的考虑，决定通过删除“上网人数”这一解释变量来解决模型中存在的多重共线性问题。删除该变量后，对剩余变量再次进行普通最小二乘估计，回归估计结果如下表所示：

表5 多重共线性修正后参数估计结果表 

由上表，所有自变量均通过t检验，表明每个自变量对因变量都存在着显著影响。虽然删除了部分变量，但是模型的多重判定系数为98.05%，并没有明显的减少，该模型仍旧具有很高的拟合度。所以综上所述，模型将被初步修正为：deal=7.45*inc-1.07*sold-680.28*cpi。

（二）异方差性

1.异方差性检验

异方差性检验的目的是为了保证模型关于随机误差项方差相等假设的正确性。当回归模型存在异方差性时，如果使用最小二乘估计未知参数，将会破坏最小二乘估计的有效性。所以，对回归模型进行异方差检验是很重要的。

检验模型是否存在异方差性的方法有很多种，本文将采用White检验，White检验的结果如下表所示：

表6  White检验结果表

从上表检验结果可以看到：Prob. Chi-Square(6)为0.0846，大于α=0.05，不拒绝原假设。故通过White检验可以判断，该模型不存在异方差，因此不用进行异方差处理。

（三）序列相关性

1.序列相关性检验

在构建回归模型时，我们总是假定其随机误差性之间是不相关的，即随机误差项之间不存在自相关现象，所以在构建回归模型后，必须要通过序列相关性检验去印证模型的前提假设无误，才可使用该回归模型。

首先采用D-W检验，虽然D-W检验只能用于检验小样本下随机扰动项具有一阶自回归形式的序列相关问题，但是这种检验方式具有简单、易于计算的特点，所以在实际操作中应用广泛。D-W检验结果如下表所示：

表7  D-W检验结果表

由上表所示的检验结果可以看到，DW统计量的值为0.64，又因为样本量n为16，解释变量的数目k为3，通过查询《DW检验上下界表》可以得到临界值d_L=0.98,d_U=1.54。很显然DW<d_L，所以该模型存在着一阶正序列相关性。

2.序列相关性修正

在证明了模型具有序列相关性后，接下来要对该模型进行序列相关性的修正，这里采用科克伦—奥科特迭代法，将模型进行修正，修正结果如下表所示:

表8  序列相关性修正后参数估计结果

由上表的修正结果可以看到，所有变量均通过t检验，故模型修正结果为：deal=6.66*inc-0.71*sold-812.46*cpi+0.7*AR (1)。

为了进一步验证是否已经完全消除了模型的序列相关性。于是对该修正结果再次进行序列相关检验，这里采用LM检验，LM一阶序列相关性检验结果如下表所示：

表9  LM一阶序列相关性检验结果表

由上表的一阶序列相关性检验结果可以看到：Prob. Chi-Square(1)值为0.3579，大于0.1，不拒绝原假设，故证明不存在一阶序列相关性。为了进一步确定，我们再进行LM二阶序列相关性的检验。

表10  LM二阶序列相关性检验结果表

由上表二阶序列相关性的检验结果可以看到：Prob. Chi-Square(2)值为0.4290，大于0.1，不拒绝原假设，故也不存在二阶序列相关。序列相关性已经完全消除。

五、模型解释

通过上述对模型进行的一系列检验和修正，最终确定模型为：deal=6.66*inc-0.71*sold-812.46*cpi+0.7*AR(1)。

模型最终确定为三个解释变量，分别为：“城镇居民的家庭人均可支配收入(inc)”、“零售业的销售额(sold)”以及“居民消费价格指数(cpi)”。

由回归模型可知，“城镇居民的家庭人均可支配收入”与“中国网购交易额”呈同方向的变动；“传统零售业销售额”与“中国网购交易额”呈反向变动；“居民消费价格指数”与“中国网购交易额”呈同向变动。

从定量关系上可以看到：在假定其它自变量不变的情形下，“城镇居民的家庭人均可支配收入”每增加1元，“中国网购交易金额”平均增加6.66亿元；在假定其它自变量不变的情形下，“传统零售业的销售额”每增加1亿元，“中国网购交易金额”平均减少0.71亿元；在假定其它自变量不变的情形下，“居民消费价格指数”每增加1，“中国网购交易金额”平均减少812.46亿元。

六、结论与建议

（一）增加居民人均可支配收入

首要任务是要促进就业，减少失业率。为居民提供就近就地就业机会，搭建就业平台；扶持新兴产业创造更多的就业岗位；完善政策制度，为就业困难人员以及自主创业人员提供补贴；加强业务培训以及技能学习，提高自身能力去追求更好的生活目标。

（二）稳定合理物价水平

物价水平的增加会大大降低居民的购买力，所以稳定物价水平是提高网购交易金额很重要的政策方向。对于违反市场价格，哄抬物价的行为应当严厉处理以维护良好的消费环境；对于购买力较低的商品应当采用合理的促销手段以刺激经济，从而推动购买力。

（三）传统零售业和网络购物相互制衡均衡发展

从模型结果可以看到，传统零售业和网络购物存在此消彼长的竞争关系。但是这并不意味着我们应该“一刀切”地为了发展电子商务制约传统零售业的发展，而是应该尽力使它们相互交融，共同发展。只有二者相互制约，才能激励双方不断发展进步。传统零售业要在网络购物不断发展的今天寻求自身突破；网络购物也应该不断完善和发展，不可独占市场。

参考文献：

[1]伍舒莹.基于计量经济学的中国网购交易金额影响因素分析[J].山西农经,2020（16）：14-15.

[2]彭卓.电子商务消费者行为分析文献综述与展望[J].南方论坛,2018(2):36-37

[3]李广伟.大学生参与淘宝网购的影响因素实证研究[D].重庆工商大学,2014.

[4]赵燕.我国传统零售业与网购关系的实证研究[D].昆明理工大学,2014.

[5]王凌峰.网络购物给中国零售业带来的前景与困惑[J].信息与电脑,2010(3):71-73.

[6]程华.宝由敏.网上购物意愿决定因素的实证研究[J].数量经济技术经济研究,2003(11): 150-153.

[7]邱艳,屠国柱.基于计量经济学对海淘影响因素的实证分析[J].赤峰学院学报(自然科学版),2017(6):90-92.

[8]李洪德.中国房地产价格的影响因素研究[D].黑龙江大学,2011.

[9]赵欣.浅谈消费者网络购物行为的影响因素[J].电子商务,2011(11):103.

[10]Chechen Liao· Prashant Palvia· Hong-Nan Lin，Stage antecedents of consumer online buying behavior，Electron Markets（2010）20:53-65.