EN中文

Economic geography >

2020 , Vol. 40 >Issue 12: 109 - 118

DOI: https://doi.org/10.15957/j.cnki.jjdl.2020.12.013

Spatial Distribution and Location Strategy of the “New Retail” in China

  • LIN Yuexi , 1, 4 ,
  • WANG Mingfeng , 1, 2, 3, ※
Expand
  • 1. The Center for Modern Chinese City Studies，East China Normal University，Shanghai 200062，China
  • 2. Research Center for China Administrative Division，East China Normal University，Shanghai 200241，China
  • 3. School of Urban and Regional Science，East China Normal University，Shanghai 200241，China
  • 4. China Untied Engineering Corporation Limited，Hangzhou 310000，Zhejiang，China

Received date: 2020-01-12

  Revised date: 2020-05-27

  Online published: 2025-04-11

Fold

Abstract

With the increasing impact of Internet and Artificial Intelligence technologies,retail formats update and change constantly. As an emerging retail format,the "New Retail" has not only blended into nearly all aspects of social life at present,but also become a new growth point for China's physical retailing and enhanced the economic competitiveness of cities. From the perspective of evolutionary theory,this paper attempts to analyze the distribution pattern and location selection mechanism of the new retail in China. The findings are as follows. 1) The spatial distribution of the New Retail in China presents an overall uneven pattern,with a higher level in the eastern coast regions and a lower level in the middle and western inland regions. 2) Some cities have a relatively rapid development of the new retail under the good original retail base,while some of the backward areas also rely on the new retail to rise rapidly and achieve a leap in development. 3) Different categories of new retail,based on different operating characteristics,present heterogeneous spatial distribution and have their own layout preference. 4) The location selection of the new retail not only follows the evolutionary characteristics of path dependence,but also provides the window of locational opportunity for some regions,which is the joint action of the urban original development basis,technological innovation capability and the guiding actions of the government and enterprises.

Key words： new retail; spatial distribution; location selection; path dependence; window of opportunity; technological innovation

Cite this article

LIN Yuexi , WANG Mingfeng . Spatial Distribution and Location Strategy of the “New Retail” in China[J]. Economic geography, 2020 , 40(12) : 109 -118 . DOI: 10.15957/j.cnki.jjdl.2020.12.013

随着信息革命、智能革命的爆发，城市生产方式、消费者行为都发生了巨大变革。零售业逐步由卖方市场转向买方市场，具有国际视野、关注新颖事物的新一代中产阶级涌现[1]，消费者行为呈现出数字化、体验化、多元化趋势，消费过程中个性和娱乐性因素凸显[2]，实体零售所受到的冲击不断扩大[3]。为适应变化、提高实体零售抵御电子商务的弹性（E-resilience）[4]，零售商们开始重新审视信息技术渗透和消费升级影响下的零售业发展途径。通过不断探索与资源整合，“新零售”模式应运而生[5]。新零售是依托信息技术、以物流为支撑、融合线上线下全渠道、以需求数据指导供给的零售模式[6-7]。在新零售模式下，企业对于渠道的经营不仅是砖头+水泥（brick and mortar）到鼠标+砖头+移动（brick，click and mobile）的简单转变[8]，更是基于顾客消费的每一环节，将多渠道有机整合，以匹配消费者购物、娱乐、社交等综合体验需求，实现消费过程无缝衔接、消费需求精准响应的重要策略[9-10]。目前，基于新零售运作机制优势以及诸多促进零售业转型的政府意见和政策[11⇓-13]，新零售空间正呈现出强大的生命力与市场效益。例如阿里巴巴旗下的新零售品牌“盒马鲜生”，至2019年9月已开出门店170家，其首店年坪效（单坪年营业额）为5.6万元，远高于同业平均水平（1.5万元），多家店面在开业半年就实现了盈利[14]。因此，新零售正逐步成为中国商业发展的重要力量，加速影响人们的生活方式、地方经济发展以及城市空间的演进。
纵观地理学理论研究，零售业始终是其关注的重点，空间格局与区位选择更是其中的核心议题之一[15]。较多的商业地理研究聚焦于城市尺度，通过分析零售部门的空间形态，对城市内部零售空间结构进行抽象概括[16⇓-18]，其研究对象也涉及不同地区、不同规模等级的城市[19⇓⇓-22]。但就全国尺度而言，相关研究还较为缺乏，已有研究主要围绕零售空间的等级分布特征展开。部分学者基于中心地理论得出：零售空间大多集聚于中心城市和大都市圈[23]，并由大城市或高等级城市逐步向中等城市和小城市扩散[24]，零售企业总部支部的空间分布同样也与城市等级秩序相关[25]。但也有研究发现零售空间的分布存在更复杂的格局及机制，对外开放政策、地理根植性、产业集群协同效应等也对零售空间布局产生显著影响[26⇓-28]，部分O2O电商更是呈现出与传统经济发展水平相悖的“逆等级”空间格局[29-30]。因此，随着零售业态的不断创新和发展，其空间形态、分布也呈现出不同的结果，尤其是受信息技术深刻影响的新零售空间，其格局和机制亟待得到更多的讨论[31]。
演化理论在探讨技术变革和产业创新等议题中提供的诸多概念和理论也在地理学研究中得到了普遍关注[32]。研究发现，新兴产业形成和空间演化过程等问题都可以从演化理论中得到启示[33]。对零售业而言，新兴业态和企业大多首先分布在较为发达、同业基础良好的区域，从而获得原有的区域发展惯性和规模效应[34-35]。这意味着整体的零售发展是一个循序渐进的过程，其区位选择对区域原有的发展路径存在一定依赖性，是长期历史作用下的结果[36]。尽管路径依赖理论在一定程度上解释了经济空间的演化，但该理论比较忽视经济行为主体对事件的主观能动性以及区域内生创造性的作用[37-38]，这些因素可能会打破区域原有的发展锁定，使区域获得实力跃升的机会窗口。机会窗口的产生主要由于新产业出现时大量区域都具有符合其发展的条件，此时其选址就具有一定偶然性[39]，这就使得部分后发区域也能够获得发展机会[40]。已有研究表明，技术发展[41]、商业周期变动[42]、政策扶持补贴[43-44]或企业战略行为[26]等都可能为开启机会窗口创造条件，从而改变企业的区位选择。这些研究为我们理解新零售的空间进程提供了新的分析视角。
综上所述，目前国内地理学已对零售空间结构与区位选择展开了诸多研究，但与新零售业态的蓬勃发展相比，针对这一新兴业态所投注的研究与讨论尚且较少。新零售作为网络与实体相互作用催生的商业新形式和商业地理学未来延伸发展的方向[45]，需要给予更多的关注。因此，本文基于演化理论视角，选取新零售业态的标杆品牌，构建新零售发展指数，通过分析空间格局和等级规模、比较品类异质性以及探究区位影响因素，试图多维度地验证和理解新零售空间的分布特征与区位选择机制。

1 数据与方法

1.1 样本选取

新零售空间的蓬勃发展受到社会各界关注，不少研究机构发布了有关新零售的品牌榜单。为选取具有代表性的新零售品牌样本，本研究综合考虑了中科院《互联网周刊》、eNET硅谷动力、品途研究院等多家研究机构分别发布的《2018年中国零售新物种五十强》《2018年新零售榜单TOP10》《2018新零售潜力排行TOP100》等榜单，并利用分层抽样方法选取榜单中出现频次最高且门店规模最大的6个品类、25个品牌作为本研究样本（表1）。
表1 新零售空间的研究样本

Tab.1 Research sample of the new retail

品类 品牌 融资状况
科技体验类 小米之家 小米
奇客巴士 pre-A轮
brookstone 三胞集团
黑口袋 A+轮
生鲜商超类 超级物种 战略投资
盒马鲜生 A轮
7fresh 京东
小象生鲜 美团
社区便利类 苏宁小店 苏宁
便利蜂 A轮
天猫小店 阿里巴巴
百果园 B轮
妙生活 A轮
新式饮品类 连咖啡 B+轮
瑞幸咖啡 B轮
喜茶 B轮
休闲娱乐类 言几又 B+轮
乐刻 D轮
九木杂物社 晨光文具
光猪圈 A+轮
家居生活类 孩子王 C轮
美乐乐 B轮
尚品宅配 A轮
野兽派 B轮
全屋优品 B轮

注：融资状况据网络调查整理，调查截至2019年1月。

1.2 数据来源

基于样本品牌，于2018年12月通过品牌官网和高德地图API反查得到品牌的门店信息，共获得14 772条门店POI数据。各品牌最小开店面积的数据通过赢商网招商平台获取。由于本文所涉及数据种类繁多，为尽可能保证数据的科学性与完整性，以《中国城市统计年鉴》数据为主要统计来源，部分缺失数据通过《中国区域经济统计年鉴》以及各省市统计年鉴和政府统计公报数据加以补充。此外，常住人口数据来源于《中国2010年人口普查数据分县资料》和2016年各省市统计年鉴。需要说明的是，考虑到地级市所辖县（县级市）的新零售市场同样不容忽视，故以地级市及以上的市域范围为基础研究单元，共281个，其中包括4个直辖市，15个副省级城市和262个地级市（含9个自治州）。

1.3 研究方法

1.3.1 指数评价方法

考察新零售空间的发展情况，需对当前新零售和原有零售的发展规模与水平加以比较分析。由于本研究的品牌样本最早在2010年开始转型新零售模式，故将2009年作为原有零售的基础年份。本研究构建两个指数来测度当年的零售发展状况：规模指数和发展水平指数。其中，新零售规模指数由全市新零售空间的经营总面积表征，原有零售基础规模指数由全市社会消费品零售总额表征；发展水平指数则由前述规模指数与全市常住人口数据的比值计算得出。需要说明的是，各地区的新零售面积数据由全市门店数量和门店招商最小面积的乘积计算所得。此外，在各指数计算中，所有原始数据均使用均值化方法进行了标准化。

1.3.2 多元线性回归方法

根据已有文献和发展实际情况可知，新零售空间的区位选择可能受到三个方面因素的影响：①基于路径依赖，新零售的选址与该地区原有零售发展基础有关；②由于新零售业态的发展依赖于新技术的普及与创新能力，因此新零售的选址与该地区的技术创新特质有关；③新零售的选址还和政府与企业有意识的推动有关。
本研究采用多元线性回归方法探讨新零售的区位机制。其中，由于发展水平指数排除了人口规模的影响，能够更好地反映区域新零售发展的实际水平，因此因变量选用新零售的发展水平指数，自变量则主要依据上述三个方面因素建立回归假设并设置模型变量（表2）。同时，为了更为准确地反映原有发展基础，原有发展基础部分变量采用2009年的数据，而技术创新因素和政府与企业行为因素则选用2016年数据以反映当前的发展状况。所有数值变量均使用均值化方法标准化处理后进入回归模型。
表2 回归模型指标

Tab.2 Regression model indicator

影响因素 对应假设 变量指标
原有发展基础 零售业基础（+） 人均社会消费品零售总额
批发零售从业人数占比
区域基础（+） 行政等级
技术创新因素 技术准备（+） 每万人互联网宽带接入用户数
创新能力（+） 每万人授权专利数
政府与企业
行为因素		 企业战略活动（+） 是否加入“新零售之城”计划
政府投入（+） 科学技术财政支出占比

2 新零售空间的分布格局

2.1 空间格局

根据零售指数计算结果，原有零售基础呈现出明显的空间差异（图1）。在市场发展规模方面，零售基础较好的地区主要分布在东部地区，而中西部地区则相对基础较弱。高值区主要分布在长三角、珠三角、京津冀、成渝，以及东北地区的哈长、辽中南等城市群，其中北京、上海、广州、深圳、重庆、武汉等地的零售基础位列前茅。从零售发展水平来看，地区不平衡状况更为显著。除北京、上海、广州等传统的发达地区以外，高值区还包括南京、济南、包头等市。
图1 零售基础的空间分布

Fig.1 Spatial distribution of the original retail base

与原有零售基础相比，新零售的空间分布更为不均衡（图2）。总体上，新零售的分布也呈现出东部沿海水平较高、中西部内陆水平较低的格局。在发展规模方面，全国的新零售空间呈现出整体较弱、少数极化的特征，北京、上海、杭州、重庆、成都、武汉、广州、深圳等市的规模明显高于其他地区。相对于零售基础，东北地区的新零售规模明显偏小。在发展水平方面，总体上形成了以高水平城市为核心、周边区域扩散发展的“集聚点—扩散区”格局，其中以长三角城市群区域最为典型，围绕一些核心城市，高值区已延绵成片。
图2 新零售的空间分布

Fig.2 Spatial distribution of the new retail

进一步绘制规模指数和发展水平指数的散点图、趋势线（图3）比较新零售与零售基础的相互关系发现，大部分市域的新零售规模和发展水平依赖于原有的基础，但也存在部分市域脱离了原有发展轨迹，呈现出明显的落后和赶超的两极分化态势。其中，大理、伊犁、湘西等少数民族聚居地区以及大庆、鞍山、抚顺等东北地区城市位于拟合曲线的下方，并存在较大脱节。这表明这类市域可能由于原生产业依赖性较强和创新能力弱，使得新零售发展水平远落后于原有零售基础。而成都、杭州、南京等则位于拟合曲线的右上方，基于城市原有的创新特质或是政企扶持，实现新零售发展水平的赶超。这表明，尽管大部分区域的新零售发展依赖于原有基础，但由于地方特质、发展机遇等因素的不同，区域新零售发展情况仍参差不齐。
图3 新零售与零售基础的对比分析

Fig.3 Comparative analysis of the new retail and original retail base

2.2 等级变动

综合规模指数和发展水平指数2项指标，采用Ward层次聚类法对各市域进行聚类分析，可以得到新零售在各地的分布等级（表3）。相对而言，在新零售发展的等级体系中，位于Ⅰ、Ⅱ级的市域数量仍然较少。比较新零售与零售基础的排名情况，大部分市域的位置变动不大，但也有部分地区抓住新机会使自身在新零售等级体系中的地位得到了明显的跃升（表4）。
表3 新零售空间的分布等级

Tab.3 City-regions ranked by the new retail development level

等级 市域
Ⅰ 上海、北京
Ⅱ 南京、杭州、成都、深圳、武汉、重庆、广州
Ⅲ 苏州、西安、天津、合肥、无锡、宁波、郑州、厦门、长沙、东莞、扬州、常州、佛山
Ⅳ 济南、南昌、镇江、青岛、太原、芜湖、福州、昆明、泰州、绍兴、海口、金华、中山、南通、马鞍山、徐州、南宁、沈阳、贵阳、珠海、嘉兴、盐城、烟台、淮安、温州、石家庄、襄阳、大连、洛阳
Ⅴ 三亚、银川、湘潭、包头、宿迁、惠州、连云港、阜阳、兰州、江门等224个市域
表4 前22位市域的零售排名变化

Tab.4 Ranking changes in the top 22 new retail at the prefectural level

市域 新零售排名 零售基础排名 排名变化
上海 1 2 ↑1
北京 2 1 ↓1
南京 3 7 ↑4
杭州 4 11 ↑7
成都 5 12 ↑7
深圳 6 4 ↓2
武汉 7 6 ↓1
重庆 8 9 ↑1
广州 9 3 ↓6
苏州 10 8 ↓2
西安 11 23 ↑12
天津 12 5 ↓7
合肥 13 31 ↑18
无锡 14 14 0
宁波 15 19 ↑4
郑州 16 20 ↑4
厦门 17 29 ↑12
长沙 18 16 ↓2
东莞 19 88 ↑69
扬州 20 32 ↑12
常州 21 81 ↑60
佛山 22 18 ↓4
上海和北京作为经济水平、消费能力最为强劲的两个直辖市位于第一梯队，其中上海超过北京成为规模指数和发展水平指数两项指标得分最高的市域。2017年，上海市居民人均可支配收入居全国首位，其中服务性消费占比超过50%，消费规模已然超过了香港、新加坡等城市，庞大的消费市场是新零售落址上海的核心因素；同时，上海“海纳百川，万商云集”的特点、强劲的文化创意和科技创新实力也吸引着新生事物来到这里扎根生长[46]。第二梯队共有7个市域，处于长三角地区的南京位置明显上升并位列第三，处于珠三角的广州则排名靠后，而杭州和成都则是其中排名提升最大的两市。在当前中国的互联网经济中，杭州所具备的活跃创新创业基因、较强的电子商务渗透水平、市民超前的新型商业交易体系认知，再加上新零售重点企业阿里巴巴的带动，使其成为了新零售试点、落地的重要城市[47]。而成都新零售的快速发展较大程度上得益于当地政府的大力推动。除了打造线上线下协同发展的智能街区外，当地还积极推动智慧商圈建设，为新零售运营定制场景，营造良好的生长环境[48]。第三梯队共有13个市域，其中有8个排名获得了提升。西安、厦门的排名均提升了12位，东莞、常州则由原先的第四梯队上升至第三梯队。
总体而言，在新零售的发展契机下，许多地方由于具备新业态所需的技术和创新特质，或者得到政府与企业的有意识扶持，实现了等级的跃迁和竞争力的提升。但值得注意的是，阿里巴巴作为新零售的领军企业，它与各地政府达成的新零售合作也为新零售落地提供了强大助力。当前阿里“新零售之城”计划已在上海、北京、西安、武汉、天津、福州等10个城市启动，项目不仅让大量新零售领军品牌嵌入城市肌理，也在快速塑造着城市新零售供应链、物流以及市民消费习惯[49]。

2.3 品类差异

进一步分析新零售各品类的空间分布可以发现，不同品类的地区分布范围具有较大的差异，其中最大的品类分布范围已达257个市域，而最小的仅涉及27个（图4）。基于各品类的分布格局特征，将6个品类分成以下3种类型（表5）：
图4 各品类新零售的空间分布

Fig.4 Spatial distribution of the new retails by different categories

表5 不同类型新零售空间的分布特征

Tab.5 Distribution characteristics of the new retail by different categories

分布特征 品类 分布市域数量（个） 门店总数（家） 副省级市及以上占比（%）
大面积落地，小规模深耕 家居生活类 257 1 438 7.39
社区便利类 247 9 707 7.69
重点布局大城市，初步形成集聚区 科技体验类 71 376 26.76
休闲娱乐类 63 622 20.63
散点布局，局域深耕 生鲜商超类 27 196 59.26
新式饮品类 28 2 432 60.71
①大面积落地，小规模深耕。这类分布特征主要表现在家居生活类和社区便利类品牌上。对于家居生活类而言，消费者往往采取网上选购产品、实体门店体验购买的形式消费，门店覆盖的市场范围比较大，一般能覆盖半小时左右车程的用户。因此，此类门店布局方式大多为“一城一店”的铺开式布局，以扩大消费市场。对于社区便利类而言，其门店面积小、布局成本低、消费需求大的特点都有利于其在全国范围内大面积落地。而且，天猫小店、苏宁小店分别为阿里、苏宁旗下品牌，百果园B轮融资获得了15亿元的投资额，强大的资本推动使得社区便利类新零售门店能够在短时间内实现快速扩张布局。因此，尽管上述两种品类的行销方式存在较大差别，但在空间特征上却表现出相似的结果。
②重点布局大城市，初步形成集聚区。这类分布特征主要表现在科技体验类和休闲娱乐类品牌上。这两类新零售空间对于消费水平、消费观念等都有一定要求，因而在空间布局上一般首先选择生活水平和生活品质要求较高的大城市，然后再扩散至邻近的次级大中城市，呈阶梯式地逐步布局。
③散点布局，局域深耕。这类分布特征主要表现在生鲜商超类和新式饮品类品牌上。生鲜商超类的新零售门店面积通常较大、初期投入成本较高，并且需要扎实的供应链以维持运营，因此无法实现短时间的大面积布局。在同一城市深耕有利于其在不扩大供应链的情况下进一步拓展品牌影响力、巩固市场、完成原始积累并快速实现盈利。从发展时间上看，生鲜商超类品牌总体发展时间较短，最早的盒马鲜生目前也仅仅发展了4年，因此目前主要呈点状布局。对于新式饮品类而言，高端咖啡和茶饮的发展主要依赖于强大的配送支持和消费者较高的接受度和购买力，这使得该类品牌在短时间内主要落址于高等级的城市。

3 新零售的区位选择机制

3.1 总体分析

由于因变量为数值变量，自变量为数值变量和分类变量且变量数大于2个，因此选用多元线性回归模型分析所有品类新零售选址布局的影响因素。通过SPSS 25.0软件分析，结果见表6。为保证多元线性方程有意义，首先对模型的随机误差 ε和多重共线性进行了检验。结果得出模型的残差基本都符合正态分布，且容差大于0.1、VIF值小于5，不存在多重共线性。除此之外，回归模型调整后的R2为0.710，F值为88.281，回归模型整体显著性均达到0.000，拟合优度较高，回归结果可信。
表6 所有品类新零售的模型回归结果

Tab.6 Regression results of new retail

未标准化系数 标准化系数 t 显著性 共线性统计
B 标准误 Beta 容差 VIF
（常量） -2.406*** 0.732 -3.286 0.001
人均社会消费品零售总额 0.718*** 0.221 0.171 3.239 0.001 0.418 2.393
批发零售从业人员占比 5.412 3.411 0.058 1.587 0.114 0.873 1.146
城市等级 0.784** 0.360 0.105 2.179 0.030 0.504 1.985
每万人互联网宽带接入用户数 0.648** 0.213 0.127 3.043 0.003 0.670 1.492
每万人授权专利数 0.494*** 0.114 0.263 4.314 0.000 0.313 3.199
是否加入阿里新零售之城计划 3.612*** 0.571 0.303 6.323 0.000 0.506 1.978
科学技术支出占比 0.257** 0.102 0.117 2.520 0.012 0.539 1.855

注：***对应 0.01的显著性水平；**对应 0.05的显著性水平；*对应0.1的显著性水平。

从模型回归结果可知，新零售空间分布格局的形成有赖于原有的发展基础，但政府与企业的战略活动、城市自身所具备的创新能力等也帮助其获得了发展的加速度。回归结果中共有六个显著影响因素。在原有发展基础方面，模型得出以下结果：①人均社会消费品零售总额因子的系数为正，对新零售布局具有显著推动作用。市域原有零售业发展水平越高，当前新零售的发展水平也越高。这说明零售业发展是一个持续的、渐进的过程，新的业态往往建立在原有的基础上，其发展明显受到路径依赖的影响。②行政等级的回归系数为0.784，同样作用显著，行政等级越高的地区新零售发展水平也越高。在中国，行政等级越高的地区其经济水平、基础建设条件、居民消费水平和对新事物的接受程度往往也相对更高，这都更有利于新零售的落地和成长。③批发零售从业人员占比因子尽管并未表现出显著的影响，但其系数亦为正值，这在一定程度上也表明新零售的发展依赖于原有批发零售业在全市经济中的地位。
关于创新因素的两个指标均表现出显著的正向影响：①互联网渗透水平越高的地区，新零售的发展水平越高。新零售出现的前提即是互联网等信息技术的普及，它利用互联网等技术预测消费习惯，并为消费者提供便捷的服务。②每万人专利授权数的正向影响也十分显著。新零售作为一个尚在成长中的新兴业态，往往需要更多新技术来支撑其创新服务。因此，创新能力是新零售选址的重要因素之一。
关于政府与企业行为因素的指标也表现出显著的正向影响：①是否加入阿里“新零售之城”计划这一因素是所有因素中对因变量影响最大的变量。阿里巴巴作为推动新零售业态发展的龙头企业自营或投资了大量诸如盒马鲜生、天猫小店等新零售品牌，这为加入计划地区的新零售发展提供了重要助力。同时，“新零售之城”计划还得到了各地政府的积极响应，除北上广深以外，逾半数的新一线城市也加入该计划中，并与阿里巴巴签订了多项合作协议，对新零售布局落户产生了明显的推动作用。②政府财政支出中科技支出占比也有显著正向作用。其体现了政府对当地创新能力提升的重视程度，也是新零售布局的积极因素。
总体而言，新零售空间格局的形成是原有发展基础、科技创新特质和政企引导行为共同作用的结果。经济系统的演化依赖于系统过去的发展路径[32]，因此零售基础较好的地区，其新零售发展水平也相对较高。但值得关注的是，城市内生的创新能力和政企有意识的战略活动为一些地方的发展提供了加速度，使其突破了原有路径，获得了区位发展的机会窗口。

3.2 品类比较分析

进一步基于新零售3种类型设置3个回归子模型，分别探讨不同品类新零售空间的形成机制，结果见表7。同样，为保证多元线性方程有意义，对模型的随机误差 ε和多重共线性进行检验。结果得出3个子模型的残差均符合正态分布，且容差大于0.1、VIF值小于5，不存在多重共线性。回归模型调整后的R2分别为0.603、0.592、0.810，F值分别为55.065、52.538、152.899，回归模型整体显著性均达到0.000，回归结果可信。
表7 不同品类新零售的子模型回归结果

Tab.7 Regression results of submodule for different categories of new retail

模型 子模型1 子模型2 子模型3
B 显著性 B 显著性 B 显著性
（常量） -0.707 0.233 -1.312 0.000 -0.388 0.000
人均社会消费品零售总额 0.635*** 0.000 0.062 0.433 0.021 0.334
批发零售从业人员占比 4.004 0.147 1.055 0.384 0.353 0.291
城市等级 0.055 0.851 0.569*** 0.000 0.160*** 0.000
每万人互联网宽带接入用户数 0.529*** 0.002 0.096 0.206 0.023 0.280
每万人授权专利数 0.340*** 0.000 0.122*** 0.003 0.031*** 0.006
是否加入阿里新零售之城计划 1.330*** 0.004 1.351*** 0.000 0.931*** 0.000
科学技术支出占比 0.267*** 0.001 -0.013 0.711 0.002 0.807

注：***对应0.01的显著性水平；**对应 0.05的显著性水平；*对应0.1的显著性水平。

在3个子模型中，政府与企业行为因素的影响均为显著。首先，是否加入新零售之城计划这一因素的影响最强。这表明政府与明星企业的战略合作作用十分明显，纳入计划的城市获得了更多发展机会，也吸引着更多新零售品牌的落地。其次，各个品类的新零售对区域的创新能力都有着较高的要求。由于新零售的核心在于数据驱动生产和技术优化体验，地方的创新氛围至关重要。
比较分析结果还可以发现，不同类型的新零售空间也具有各自的选址偏好。子模型1中，家居生活类和社区便利类新零售空间仍然偏向于选择历史基础较优的区域布局，因变量与人均社会消费品零售总额在0.01的显著性水平上呈正相关。同时互联网渗透率的影响也很显著，这与这两类新零售的行销方式有密切联系，其发展有赖于当地较高的网络普及水平。子模型2、3中，科技体验、休闲娱乐、生鲜商超和新式饮品四类新零售的发展水平与城市等级表现出显著正向作用。这主要是由于这几类新零售对于消费者支付能力、观念以及新技术接受度都有较高的要求，而且高等级城市对周边具有较强的辐射引导作用，新零售门店通过设置旗舰门店可以较为迅速地树立品牌形象。因此，这些品牌更倾向于布局总体发展水平高、辐射等级力度大的城市。
综上所述，各品类新零售布局依照其不同行销方式和商业模式，对落地城市有不同要求。生活类型的新零售往往在零售消费水平高的区域布局更多门店，更看重市场总体消费规模水平。而科技休闲类和商超饮品类门店则主要布局在高等级的城市，这类门店产品除了有较高的消费水平要求外，还依赖于消费者具有较为超前的消费理念和较高的新技术接受度。可以预见，未来这类门店的布局将进一步下沉。当然，基于先进信息技术的新零售对于城市创新水平同样具有较高的要求，政企战略行动因子对各类新零售布局的影响也极为重要。因此，从路径创造的内生因素方面考虑，创新能力可能是后进区域解锁自身路径锁定，获得区位机会窗口的重要因子，而政府与企业的战略行为则是区域获得机会窗口的主要外部因素。

4 结论与讨论

互联网技术的广泛普及和飞速发展，已经重构了零售业的运营模式和空间组织。本文以新零售25个代表性品牌为样本，分析了中国新零售空间的分布格局及区位选择机制，并得到以下结论：①中国新零售空间的分布整体呈现出不平衡发展格局，东部沿海水平较高，而中西部内陆水平较低。②部分市域在原有良好的城市零售基础下，新零售空间也得到了较为快速的发展，但也有部分市域借助新零售这一新经济要素迅速崛起，实现了排名等级的跃进。③不同新零售品类基于不同的营运特性，其空间分布具有异质性和不同偏好，分布特质主要呈现以下三种类型：大面积落地，小规模深耕；重点布局大城市，初步形成集聚区；散点布局，局域深耕。④新零售空间的区位选择既遵循了路径依赖的演化特征也为部分地区提供了区位窗口机会，是区域原有发展基础、科技创新特质和政企引导行为共同作用的结果。
本研究结论首先论证了地方发展在一定程度上是一个内生的过程，新零售发展具有典型的零售基础依赖特征，并且这种惯性仍会不断强化，最终呈现出差异化的区域发展格局[37,50]。但由于新经济要素的出现或新技术的产生，原有区域基础的影响会相应减弱，部分区位条件稍弱的区域也因此突破原有路径，从而打开发展的区位机会窗口。本研究还发现推动机会窗口打开的重要因素主要包括地方创新能力以及有意识的政企活动，这印证了地方经济增长并非均衡的而是首先在发生在具有创新能力区域的观点。同时，企业家和政府战略行动均有利于实现对现有路径的解锁并获得机会窗口[45]。因此对于区域发展而言，尤其是后发区域，地方政府不能过度依赖区域原有产业基础，应鼓励新兴产业或新兴市场的在区域中的尝试，从而降低原有产业壁垒所带来的影响，避免落入“比较优势陷阱”，将自身锁定于价值链的低端环节。同时，积极谋求与大型企业、优势地区的战略合作与资源互联，注重创新人才引进、创新资源汇聚以及创新体制构建，为追赶第二类机会窗口奠定基础。
目前，本文对新零售的空间分布与区位选择仅仅进行了静态的探究。未来的研究仍需要跟随新零售业态的不断完善，探讨其空间格局的演变以及对城市总体竞争力的动态作用过程。同时，当前新零售发展方兴未艾，相关的变化具有不确定性，最终这种新的零售模式能够对城市竞争力起到多大的提升作用，能否帮助部分城市实现新经济的增长，仍将是值得关注和深入讨论的问题。业态发展处于初级阶段也使得研究基础较为薄弱，尤其是数据难以获取。尽管本研究已尽可能全面、科学地选取新零售样本和采集数据，但分析结果仍相对粗略。未来需要进一步完善数据采集方法，并结合典型案例的深入调查，以期更全面细致地反映新零售发展的空间进程。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
Jennifer F, Carlos F. Challenges and opportunities of new retail horizons in emerging markets:The case of a rising coffee culture in China[J]. Business Horizons, 2018, 61:783-796.

[2]
傅晨昊, 周素红, 闫小培, 等. 广州市零售商业中心的居民消费时空行为及其机制[J]. 地理学报, 2017, 72(4):603-617.

[3]
Paul F, Eric C. Coping with change:the implications of e-commerce adoption for island consumers[J]. Regional Studies, 2016, 50(5):894-908.

[4]
Alex S, Les D, Dean R, et al. Measuring the spatial vulnerability of retail centres to online consumption through a framework of e-resilience[J]. Geoforum, 2016, 69:5-18.

[5]
李飞, 任莹, 衡量. 零售革命形成的动因——基于技术革命的视角[J]. 技术经济, 2018, 37(9):25-35.

[6]
杜睿云, 蒋侃. 新零售:内涵、发展动因与关键问题[J]. 价格理论与实践, 2017(2):139-141.

[7]
阿里研究院. c时代新零售——阿里研究院新零售研究报告[R]. 杭州: 阿里研究院, 2017.

[8]
Burdin T. Omni-channel retailing:the brick,click and mobile revolution[J]. IDC Retail Insights report, 2017, 53(1):12-15.

[9]
Saghiri S, Wilding R, Mena C. Toward a three-dimensional framework for omni-channel[J]. Journal of Business Research, 2017, 77(1):53-67.

[10]
Cao L, Li L. The impact of cross-channel integration on retailers’ sales growth[J]. Journal of Retailing, 2015, 91(2):198-216.

[11]
国务院办公厅. 关于推动实体零售创新转型的意见[EB/OL]. http://www.gov.cn/xinwen/2016-11/11/content_5131239.htm, 2016-11-11.

[12]
赵树梅, 徐晓红. “新零售”的含义、模式及发展路径[J]. 中国流通经济, 2017, 31(5):14-22.

[13]
鄢章华, 刘蕾. “新零售”的概念、研究框架与发展趋势[J]. 中国流通经济, 2017, 31(10):12-19.

[14]
宇内观察. 身为新零售的旗帜项目,盒马鲜生在阿里的地位有多重要?[N/OL]. https://baijiahao.baidu.com/s?id=1600163491848509087&wfr=spider&for=pc, 2018-05-14.

[15]
周春山, 罗彦, 尚嫣然. 中国商业地理学的研究进展[J]. 地理学报, 2004, 59(6):1028-1036.

[16]
浩飞龙, 王士君. 长春市零售商业空间分布特征及形成机理[J]. 地理科学, 2016, 36(6):855-862.

DOI

[17]
陈蔚珊, 柳林, 梁育填. 基于POI数据的广州零售商业中心热点识别与业态集聚特征分析[J]. 地理研究, 2016, 35(4):703-716.

DOI

[18]
何伟纯, 李二玲, 崔之珍, 等. 开封市主城区零售商业空间布局及其影响因素[J]. 经济地理, 2018, 38(9):1-16.

[19]
宁越敏, 黄胜利. 上海市区商业中心的等级体系及其变迁特征[J]. 地域研究与开发, 2005, 24(2):15-18.

[20]
周素红, 林耿, 闫小培. 广州市消费者行为与商业业态空间及居住空间分析[J]. 地理学报, 2008, 63(4):395-404.

[21]
王士君, 浩飞龙, 姜丽丽. 长春市大型商业网点的区位特征及其影响因素[J]. 地理学报, 2015, 70(6):893-905.

DOI

[22]
蔡爱玲, 王钧, 李婧贤, 等. 我国中部地区不同等级城市零售业空间布局特征研究[J]. 北京大学学报:自然科学版, 2018, 54(5):203-211.

[23]
何永达, 赵志田. 我国零售业空间分布特征及动力机制的实证分析[J]. 经济地理, 2012, 32(10):77-82.

[24]
汪明峰, 孙莹. 全球化与中国时尚消费城市的兴起[J]. 地理研究, 2013, 32(12):2334-2345.

DOI

[25]
张文忠. 大城市服务业区位理论及其实证研究[J]. 地理研究, 1999, 18(3):273-281.

DOI

[26]
贺灿飞, 李燕, 尹薇. 跨国零售企业在华区位研究——以沃尔玛和家乐福为例[J]. 世界地理研究, 2011, 20(1):12-26.

[27]
朱邦耀, 宋玉祥, 李国柱, 等. C2C电子商务模式下中国“淘宝村”的空间聚集格局与影响因素[J]. 经济地理, 2016, 36(4):92-98.

[28]
王贤文, 徐申萌. 中国C2C淘宝网络店铺的地理分布[J]. 地理科学进展, 2011, 30(12):1564-1569.

[29]
史坤博, 杨永春, 白硕, 等. 技术扩散还是效率优先——基于“美团网”的中国O2O电子商务空间渗透探讨[J]. 地理研究, 2018, 37(4):783-796.

DOI

[30]
路紫, 李晓楠, 杨丽花, 等. 基于邻域设施的中国大城市网络店铺的区位取向:以上海、深圳、天津、北京四城市为例[J]. 地理学报, 2011, 66(6):813-820.

[31]
史坤博, 杨永春, 杨欣傲, 等. 时间成本是否成为电子商务区位的核心机制:基于成都市O2O电子商务的实证分析[J]. 地理学报, 2016, 71(3):500-514.

DOI

[32]
Zhu S, Jin W, He C. On evolutionary economic geography:A literature review using bibliometric analysis[J]. European Planning Studies, 2019, 27(4):639-660.

[33]
Weltevreden J W J, Atzema O A L C, Frenken K, et al. The geography of Internet adoption by independent retailers in the Netherlands[J]. Environment and Planning B, 2008, 35(3):443-460.

[34]
曾国军, 陆汝瑞. 星巴克在中国大陆的空间扩散特征与影响因素研究[J]. 地理研究, 2017, 36(1):188-202.

DOI

[35]
朱邦耀, 宋玉祥, 李国柱. 中国本土零售连锁超市空间扩张特征与格局研究——以永辉超市为例[J]. 人文地理, 2016, 31(4):80-86.

[36]
汪明峰, 卢姗. B2C电子商务发展的路径依赖:跨国比较分析[J]. 经济地理, 2009, 29(11):1861-1866.

[37]
Martin R, Sunley P. Path dependence and regional economic evolution[J]. Journal of Economic Geography, 2006, 6(4):395-437.

[38]
Cho M, Hassink R. Limits to locking-out through restructuring:the textile industry in Daegu,South Korea[J]. Regional Studies, 2009, 43(9):1183-1198.

[39]
Boschma R A, Frenken K. Evolutionary economics and industry location[J]. Review of Regional Research, 2003, 23(2):183-200.

[40]
Daniele A, Carlo P. The globalization of technology and its implications for developing countries:Windows of opportunity or further burden[J]. Technological Forecasting and Social Change, 2003, 70(9):861-883.

[41]
周巍, 汪明峰. 基于“互联网+”经济的中国城市体系结构[J]. 城市发展研究, 2018, 25(9):9-15.

[42]
Lee K, Park T Y, Krishnan R T. Catching-up or leapfrogging in the Indian IT service sector:windows of opportunity,path-creating,and moving up the value chain[J]. Development Policy Review, 2014, 32(4):495-518.

[43]
汪明峰, 郗厚雪. 城市新兴技术产业的演化路径比较分析——以长三角物联网产业为例[J]. 地理研究, 2015, 34(9):1697-1707.

DOI

[44]
金璐璐, 贺灿飞, 周沂, 等. 中国区域产业结构演化的路径突破[J]. 地理科学进展, 2017, 36(8):974-985.

DOI

[45]
林耿, 宋佩瑾, 李锐文, 等. 消费社会下商业地理研究的新取向[J]. 人文地理, 2019, 34(1):80-89.

[46]
吴卫群. 上海凭什么能成为全国新零售的“试验田”和“竞技场”?[N/OL]. https://www.Shobserver.com/news/detail?id=80842, 2018-02-24.

[47]
杭州市发改委. 杭州市电子商务发展“十三五”规划[EB/OL]. http://drc.hangzhou.gov.cn/art/2017/3/16/art_1568668_26853300.html, 2017-03-16.

[48]
李艳玲, 孟浩, 刘金陈. 新零售必争之地:“新”欣向“蓉”,成都凭什么?[N/OL]. https://www.iyiou.com/p/65727.html, 2018-02-06.

[49]
朱银玲. 阿里巴巴欲打造“新零售之城”,一口气开出十家盒马[N/OL]. http://baijiahao.baidu.com/s?id=1598796330895414265&wfr=spider&for=pc, 2018-04-26.

[50]
贺灿飞. 区域产业发展演化:路径依赖还是路径创造?[J] 地理研究, 2018, 37(7):5-19.

Options
Outlines

/

〈 〉