EN中文

地理研究 >

2021 , Vol. 40 >Issue 5: 1338 - 1353

DOI: https://doi.org/10.11821/dlyj020200801

论文

中国外卖O2O电子商务的空间扩散与渗透——兼论技术扩散假说与效率假说的适用性

  • 施响 , 1 ,
  • 王士君 , 2 ,
  • 浩飞龙 2 ,
  • 王冬艳 1
展开
  • 1.吉林大学地球科学学院,长春 130061
  • 2.东北师范大学地理科学学院,长春 130024
王士君（1963-）,男,黑龙江延寿人,教授,博士生导师,主要从事城市与区域规划研究。E-mail:

施响（1993-）,女,辽宁沈阳人,博士研究生,主要研究方向为大数据与国土空间优化研究。E-mail:

收稿日期: 2020-08-17

  录用日期: 2021-03-02

  网络出版日期: 2021-07-10

基金资助

国家自然科学基金项目(41630749)

国家自然科学基金青年项目(41801153)

中央高校基本科研业务费项目(2412020FZ001)

版权

版权所有，未经授权，不得转载、摘编本刊文章，不得使用本刊的版式设计。
收起

Spatial diffusion and penetration about the takeaway O2O e-commerce in China: Feasibility of innovation diffusion hypothesis and efficiency hypothesis

  • SHI Xiang , 1 ,
  • WANG Shijun , 2 ,
  • HAO Feilong 2 ,
  • WANG Dongyan 1
Expand
  • 1. College of Earth Sciences, Jilin University, Changchun 130061, China
  • 2. School of Geographical Sciences,Northeast Normal University, Changchun 130024, China

Received date: 2020-08-17

  Accepted date: 2021-03-02

  Online published: 2021-07-10

Copyright

Copyright reserved © 2021
Fold

摘要

基于“饿了么”网站获取中国287个地级市的外卖O2O（online to offline）数据,通过构建外卖O2O扩散指数和渗透指数来表征中国地级市外卖O2O电子商务发展水平和发育程度,从宏观尺度探究外卖O2O电子商务的空间发展逻辑,并对技术扩散假说和效率假说的适用性进行验证。结果表明：① 整体上中国外卖O2O电子商务扩散与渗透过程表现出东部→中部→西部区域梯度递减规律,大部分地区扩散指数处于中等水平,少数城市的扩散指数处于低等或高等水平,空间分布相对均衡;渗透指数空间单极化现象明显,大部分地区渗透指数处于中低等水平,仅有少数城市处于高等水平。② 外卖O2O扩散和渗透过程区域分异特征明显,扩散指数热点区范围较广,主要分布于东、中部地区,表现为从平原热点区到高原冷点区逐渐过渡的空间格局;渗透指数热点区范围较小,主要分布于东南沿海城市,未在全国尺度形成大范围集聚。③ 外卖O2O高扩散-高渗透区主要集中于上海、北京、深圳等经济发达城市,低扩散-低渗透区覆盖范围相对较广,主要分布在西北和西南地区,高扩散-低渗透区较为分散,其外卖O2O电子商务在实体商业的普及度和覆盖率虽然较高,但外卖O2O业态发育尚不成熟,未来市场潜力巨大。④ 中国外卖O2O电子商务空间扩散与渗透过程更契合技术扩散假说,高收入、高学历以及年轻化成为推动电子商务空间扩散和渗透的重要因素,而实体商业的低可达性在一定程度上并未促进电子商务发展。

关键词： 空间扩散; 空间渗透; 技术扩散假说; 效率假说; 外卖O2O电子商务; 中国

本文引用格式

施响 , 王士君 , 浩飞龙 , 王冬艳 . 中国外卖O2O电子商务的空间扩散与渗透——兼论技术扩散假说与效率假说的适用性[J]. 地理研究, 2021 , 40(5) : 1338 -1353 . DOI: 10.11821/dlyj020200801

Abstract

On the basis of " Eleme" website to obtain the takeaway O2O (online to offline) data of 287 prefecture-level cities in China, we construct the takeaway O2O diffusion index and penetration index to characterize the development level and development degree of the O2O e-commerce for takeaway in prefecture-level cities of China, explore the spatial development logic of takeaway O2O e-commerce from macro scale, and verify the applicability of technology diffusion hypothesis and efficiency hypothesis. The results indicate that: (1) On the whole, the diffusion and penetration process of Chinese takeaway O2O e-commerce shows a regional gradient decline from the eastern to central and western regions, the diffusion index of most regions is at the middle level, and the diffusion index of a few cities is at the low or high level. The spatial distribution is relatively balanced. (2) The regional differentiation of takeaway O2O diffusion and infiltration process is obvious, and hot spot areas of the diffusion index are widely distributed, mainly in the eastern and central regions, which shows the spatial pattern of gradual transition from plain hot spot area to plateau cold spot area; the penetration index hotspots are relatively small, mainly distributed in the southeast coastal cities, and high-value areas have not yet formed a large-scale cluster on a national scale. (3) The high diffusion-high permeability areas of takeaway O2O are mainly concentrated in Shanghai, Beijing, Shenzhen and other economically developed cities, while the low diffusion-low permeability areas cover a relatively wide range, mainly in the northwest and southwest regions, and high diffusion-low permeability areas are more dispersed. The popularity and coverage of takeaway O2O e-commerce in physical commerce is high, but the development of takeaway O2O is not mature, and the market potential is huge. (4) Chinese takeaway O2O e-commerce space diffusion and penetration process is more in line with the technology diffusion hypothesis, high income, high education and youth become an important factor that promotes the spread and penetration of e-commerce space, and the low accessibility of physical commerce generates less effect on the development of e-commerce to some extent.

Key words： spatial diffusion; spatial penetration; technology diffusion hypothesis; efficiency hypothesis; takeaway O2O e-commerce; China

1 引言

O2O（online to offline）电子商务即线上（Online）网店线下（Offline）消费,主要包含团购、旅游、餐饮、外卖和打车等便捷生活服务。外卖O2O是指通过网络平台连接用户与实体零售商家,用户在线上订购商品并享受配送服务,是O2O电子商务的一种重要表现形式[1]。2018年中国电子商务市场交易总额突破32万亿元,其中外卖行业交易额持续扩大[2],现已成为中国居民生活中不可或缺的餐饮方式。快速发展的电子商务市场给传统实体商业带来巨大压力的同时对实体商业空间也产生着深刻的影响[3,4,5,6,7,8,9,10,11,12]。目前已有部分实证研究探讨了空间属性与电子商务之间的关联。一般来说,空间属性可分为两种：地理区域类型和购物可达性。关于空间属性对电子商务的影响,美国学者Andeson最先提出了技术扩散假说（Innovation Diffusion Hypothesis）和效率假说（Efficiency Hypothesis）的空间对立关系[13],荷兰学者Oort在此基础上,对两假说的概念及内涵给出了明确定义[14]。其中,技术扩散假说认为,发达地区具有创造性思维和创新能力,比不发达地区居民更容易接受新技术和新思想。因此,随着电子商务成为一种创新的交易渠道,技术扩散假说指出,城市居民（受教育程度更高、更富裕、更精通互联网）更有可能成为在线买家。相比之下,电子商务的好处之一是它消除了低购物可达性的位置障碍和空间限制。因此,效率假说则认为,在相对落后的城市区域或郊区,实体商业密度低,公共交通设施落后、城市道路稀少等导致购物可达性较差,居民进行实体购物的意愿受到基础设施和公共服务设施的影响,加大了距离摩擦和时间成本,因此更倾向进行网络购物。那么,空间属性对电子商务产生了怎样的影响?技术扩散假说和效率假说哪一种更符合电子商务的空间发展规律?这些都是我们需要迫切解决的问题。
已有研究成果虽然在一定程度上回答了上述问题,但仍存在一些不足。首先,从理论的角度来看,技术扩散假说和创新假说使得电子商务发展规律解释有迹可寻的同时,也变得复杂纷呈。Krizek等学者以美国三个城市的740名成年人为研究对象,构建了基于电子购物频率的多元logistic模型,证实了在大都市圈内,远离城市中心的郊区居民网购意愿更强[15]。Farag等学者在荷兰的研究则发现了不同的结果：他们利用2190名互联网用户数据,构建了基于电子购物选择和频率的二元logistic模型和线性回归模型,研究发现“高度城市化地区的居民在网上购物的可能性更高,同时高购物可达性地区的居民在网上购物频率也更高”[16]。同时,Cao等学者以美国圣保罗市为研究区域,对两种假说进行检验,并发现了技术扩散假说的支持性证据,研究表明生活在城市购物便利程度较高的地区更倾向于线上购物[17]。因此,就目前学术界关于电子商务空间发展规律的探讨结果可知,两种假说均有其适用性。假说的提出者Oort[14]也认为,两假说并非绝对对立关系,高度城市化地区更倾向电子购物,而低位城市化地区电子购物意愿也在逐步加强。
同时,国内学者关于两假说的适用性研究也存有争议。Zhen等学者以中国南京市为研究区域,探究购物过程中空间属性与电子购物之间的关联,验证了地理位置对电子购物的影响指向了技术扩散假说,同时低购物可达性对电子购物具有显著影响,并随着购买阶段和产品类型的不同而变化[18]。Shi等学者根据对北京居民的大量面对面访谈数据,验证了无形服务的电子购物会减弱空间属性对出行距离和时间的影响[19]。汪明峰等、席广亮等学者研究了中国城市内部网络消费的空间特征,认为居民网上购物比例具有明显的由内城向郊区递减特征[20,21]。
其次,在研究视角上,现有文献更多关注网购频率的空间差异及消费者的空间属性特征对电子商务行为的影响。如Roya等学者通过对伊朗设拉子市的居民个体调查解释了关键变量对网络和实体购物频率的直接和间接影响,研究发现受访者的居住地距离常去的购物中心越远,网上购物的频率越高[22]。Huh等学者针对韩国首尔城区与郊区的网络消费差异进行探讨,证实了网上消费的地理分布取决于该地区的城市化程度[23]。同时,技术扩散假说和效率假说也是基于消费者视角提出的两种假设,但是,对于商家采用网络销售意愿的空间分异现象同样值得瞩目,基于商家视角的技术扩散和效率假说也存在一定适用性。根据供需平衡理论[24]和消费者行为理论[25],消费者和商家的技术推广与应用是彼此不断促进、相互作用的过程,即某一地区居民倾向于网络消费,商家也更倾向于接受网络模式推广;另一方面,某区域商家网络销售水平较高,则该区域居民也更倾向于进行线上消费。根据区位论可知,商家的区位选择是根据产品的需求联立起来的,居住的市民越多,所产生的需求量就会越大,对于商家来说,就可以得到更好的发展[26]。将商家看做具有同样属性特征的城市居民的一种类型,因其受教育程度更高、更富裕、更精通互联网、更有可能接受新技术和新思想而符合技术扩散假说;而在相对落后的城市区域,实体商业密度低,公共交通设施落后、城市道路交通不便利等导致购物可达性较差,商家的实体销售受到基础设施和公共服务设施的影响,加大了距离摩擦和时间成本,因此更倾向进行网络销售,而符合效率假说的假设。基于以上论述,本文分别以商家视角和消费者视角构建反映电子商务市场扩散水平和渗透程度的外卖O2O扩散指数和渗透指数,而基于商家视角测度外卖O2O发展水平的扩散指数既可以在一定程度上反映消费者的倾向性,也是为两种假说验证提供一种新的观察视角。
第三,现有文献的研究对象主要以C2C(Consumer to Consumer)、B2C(business to customer)和团购O2O为主[27,28,29,30],史坤博等学者以C2C和团购O2O为研究对象,分别证实了技术扩散假说和效率假说在中国宏观尺度的适用性[29,30]。而外卖O2O电子商务因其独特的运作模式,具有特殊的研究视角和空间特征。区别于C2C和B2C,外卖O2O的商家和消费者均位于同城内部,且外卖O2O商家普遍存在于各个城市,商家与消费者间具有较强的规模相关,那么网商规模与网购频率间将呈现怎样的空间分异特征?同时,区别于团购O2O,线下配送是外卖O2O的重要组成,消费者不需要付出距离成本,同时也在很大程度上节约了时间成本,导致其对空间依赖性相对较弱,对时间依赖性相对较强,那么空间属性对电子商务影响是否仍然有效?由此可见,探究外卖O2O类型的电子商务与空间属性间的关联作用是两假说适用性探讨的重要组成。
总的来说,虽然先前的研究已经在了解电子商务地理分布暨假说实证方面取得了进展,但仍有不足：第一,区域类型以及购物可达性等空间属性对电子商务发展产生的影响（积极或消极）尚未形成共识性结论。第二,不同类型电子商务因其营销方式差异,具有不同的空间发展逻辑,目前国内外学者主要以C2C电子商务或体验式O2O电子商务为研究对象,外卖O2O区别于常见的C2C电子商务,商家和消费者均处于同一微观区域（主要指市区或县级尺度）;同时区别于体验式O2O电子商务,因消费者不需要付出出行成本,在服务范围内受距离约束相对较小。因此,空间属性对外卖O2O类型电子商务的作用值得进一步探讨。第三,实证区域的代表性有局限,多数研究针对发达国家城市化水平较高地区,代表性单一阻碍了研究成果的推广。因此,不同类型的电子商务在不同区域、不同尺度对两种假说的适用性差异成为探寻电子商务空间发展规律的关键。
本文以全国287个地级市为空间单元,利用外卖O2O数据来描述电子商务的地理分布特征,并通过构建基于外卖O2O扩散指数与渗透指数的多元线性回归方程,检验空间属性对电子商务的影响,验证技术扩散假说和效率假说的适用性,尝试从宏观尺度回答：中国外卖O2O电子商务扩散和渗透过程是否存在空间分异?空间属性与电子商务之间存在怎样的关联效应?技术扩散假说和效率假说哪一种更符合中国外卖O2O电子商务的发展规律?这对于理解电子商务的空间发展逻辑,以及城市虚拟商业空间的发展脉络具有一定理论意义。

2 研究区域、数据来源与方法

2.1 研究区域

本文从宏观尺度探讨中国地级及以上城市间外卖O2O电子商务的空间扩散与渗透过程,进而比较验证技术扩散和效率假说的适用性。这里的“城市”包括了其整个所辖行政范围,即市域。因为随着外卖O2O愈加活跃于大众生活,除地级市的市区外,其所辖县（市）的电子商务市场贡献同样重要[29]。

2.2 数据来源

“饿了么（https://www.ele.me/）”是中国具有代表性的外卖O2O电子商务发布平台,通过线上订餐线下配送的形式,扩大了餐饮商家的销售范围,也逐渐成为城镇居民生活中不可或缺的餐饮途径。2018年第一季度中国饿了么市场份额达到35%,从2014年开始一直保持外卖O2O市场的主导地位[31],因此基于饿了么平台获取的外卖O2O数据较为全面、有一定的代表性。
本文通过饿了么平台爬取了中国287个地级市的2019年外卖O2O数据,共计1458085条;同时,因指标评价需要实体餐饮信息,在大众点评网爬取了实体餐饮商家数据,共计7001370条。另外,文中涉及的其他数据来源于《2018年中国城市统计年鉴》《中国2010年人口普查分县资料》和各地级市2019年国民经济和社会发展统计公报。

2.3 研究方法

已有研究中测度O2O电子商务的指标多为单一维度[27],其中以表征电子商务发展水平的网商指数或网购指数为主,缺少对市场发育程度和发展潜力的考量。基于此,为全面深入探究电子商务空间发展逻辑,本文分别构建能够反映其发展水平和发展潜力的扩散指数和渗透指数,以期从商家和消费者两个视角对电子商务空间扩散度与市场渗透率两个方面加以完善。
2.3.1 外卖O2O扩散指数评价方法 外卖O2O扩散指数基于“饿了么”平台数据测定,它表示的是外卖O2O电子商务卖家市场自身发展水平。参考阿里研究院关于OBI网商指数的构建[32],根据外卖O2O发展的特点,定义外卖商家规模和线上交易量为外卖O2O扩散指数的指标构成,确定密度指数权重为0.6,规模指数权重为0.4。外卖O2O扩散指数取值范围为0至100,数值越大,外卖O2O扩散水平越高。本文根据中国外卖整体销售水平定义规模以上外卖商家指月均销量超过300单的外卖商家。
外卖O2O扩散指数的构建包括两个步骤：
步骤一,将密度指数和规模指数加权平均得到O2O扩散指数：
外卖O2O扩散指数=0.6密度指数+0.4规模指数=0.6（外卖网商数量/人口）+0.4（月均销量超过300单的 外卖网商数量/外卖网商数量）
其中规模指数表示规模以上外卖餐饮商家的覆盖范围,通过外卖餐饮商家的月销售量超过300单的外卖商家占全部外卖商家的比重来测度;密度指数表示外卖O2O市场的覆盖范围,用人均外卖餐饮商家数量来测度。
步骤二,将其标准化：标准化数值=外卖O2O扩散指数/标准值×100
其中,标准值是最大目标期望值。每一因子的最大目标期望值参考阿里研究院[32]设置（表1）。
表1 外卖O2O扩散指数标准化后的最大期望值

Tab. 1 The maximum expected value of takeaway O2O diffusion index after standardization

最大期望 标准值取值
密度指数 中国80%的餐饮商家通过饿了么网站进行销售 1.02%×80%=0.82%
（据大众点评网爬取到的实体商家数据,中国共有1421.2392万个餐饮实体店,换算到总人口中,每百人平均1.02家餐饮商家）
规模指数 100% 100%

注：密度指数指外卖商家占区域常住人口比重;规模指数指规模以上外卖商家占比。

2.3.2 外卖O2O渗透指数评价方法 外卖O2O渗透指数是对外卖O2O电商市场当前需求和潜在市场需求的一种比较,用于反映电子商务对居民经济活动的影响程度[33],该项值越高,表明该地区的居民经济活动中电子商务渗透程度越高,电子商务对传统实体餐饮业的影响越大。具体通过外卖O2O现有市场需求量占外卖O2O市场潜在需求量的比重进行测度。
外卖O2O渗透指数基于饿了么网站数据测定,采用日均销售单数代表外卖O2O现有市场的需求量,采用城市总人口量代表外卖O2O市场的潜在需求量,构建外卖O2O渗透指数如下：
外卖O2O渗透指数=外卖O2O现有市场需求量/外卖O2O市场潜在需求量 =外卖O2O日均销售单数/城市人口总量
2.3.3 空间可视化与热点区分析 本文利用ArcGIS软件对外卖O2O电子商务的空间扩散和渗透过程进行可视化表达,采用核密度估计和热点分析方法来描述电子商务的空间特征。通过核密度估计识别外卖O2O电子商务空间扩散与渗透指数的核心集聚区[34],通过局域Getis-Ord G指数法[35]模拟并甄别外卖O2O扩散指数和渗透指数的冷热点集聚区,以此探究外卖O2O电子商务的空间集散规律。
2.3.4 空间计量模型 空间计量模型存在多种形式,本文结合研究数据特点,使用空间滞后模型（Spatial Lag Model, SLM）与空间误差模型（Spatial Error Model, SEM）分析因变量与驱动因子间相关关系。
空间滞后模型,也称空间自回归模型,通常当因变量在空间上具有明显的相关性,即需要考虑因变量的空间滞后因子[36]时使用。其公式如下：
Y = ρ W Y + Xβ + ε
式中：Y是因变量;X是自变量;W是空间权重矩阵;WY为空间滞后项;ρ是空间滞后项系数,表征因变量在空间上相互作用程度;β是X的回归系数,反映了自变量对因变量的影响;ε为误差项。
空间误差模型,也称空间自相关模型,描述的是空间扰动相关和空间总体相关,即模型设定过程中可能因部分变量存在未知性、隐蔽性、难以量化而遗漏一些与因变量有关的变量,这些变量存在空间自相关性[36]。模型表达式如下：
Y = Xβ + ε
ε = λ W ε + μ
式中：W为空间权重矩阵;β为回归残差系数;λ是空间误差项系数;μ为正态分布的随机误差向量。
本文利用Stata软件分别进行普通最小二乘回归（OLS）、空间滞后模型（SLM）以及空间误差模型（SEM）分析。

3 中国外卖O2O电子商务空间扩散与渗透特征

3.1 梯度特征

采用自然间断点分级法将外卖O2O扩散指数和渗透指数划分为5个等级（图1）,通过空间可视化将外卖O2O的数量特征转换为空间梯度特征。结果表明：中国外卖O2O电子商务扩散与渗透过程整体呈现出东部→中部→西部梯度递减的等级式空间格局。
图1 外卖O2O扩散指数和渗透指数的空间梯度特征

注:此图基于自然资源部地图技术审查中心标准地图服务网站下载的标准地图（审图号GS(2020)4632号）绘制,底图无修改。

Fig. 1 Spatial gradient characteristics of takeaway O2O diffusion index and permeability index

中国东部、中部地区外卖O2O电子商务扩散水平整体较高,西部地区相对较低,大部分城市扩散指数处于中等水平,少数城市的扩散指数处于低等或高等水平,空间分布相对均衡。其中北京、福州、上海、杭州、厦门等东部发达城市外卖O2O扩散水平明显高于其他区域。中国东南沿海地区的外卖O2O渗透程度相对较高,渗透指数的空间单极化现象明显,大部分地区渗透指数处于中低等水平,仅有少数城市（北京、上海、深圳、厦门、杭州）渗透指数达到高等水平。

3.2 集聚特征

基于核密度函数进一步识别中国外卖O2O电子商务扩散和渗透的核心区（图2）,结果表明：外卖O2O扩散指数在长三角和珠三角分别形成了2个核心集聚区,在京津冀、辽中、长株潭、武汉城市群以及成渝双城经济区形成了5个次级集聚区。渗透指数与扩散指数的空间集聚特征大体一致,相较于扩散指数,外卖O2O渗透指数在空间上形成的集聚区核心辐射范围较小,同时在长三角和珠三角形成了2个核心集聚区,在海西经济区形成了1个次级核心区。由此可见,外卖O2O电子商务扩散和渗透过程在全国尺度表现为多核心模式的空间集聚与区域分异特征,空间属性对电子商务发展作用明显。
图2 外卖O2O扩散指数与渗透指数的核密度分析

注:此图基于自然资源部地图技术审查中心标准地图服务网站下载的标准地图（审图号GS(2020)4632号 ）绘制,底图无修改。

Fig. 2 Diffusion index and permeability index of takeaway O2O based on kernel density analysis

为进一步探究外卖O2O电子商务空间集散规律,通过热点分析识别外卖O2O扩散指数与渗透指数的高低值聚类特征（图3）。结果表明：整体上,中国外卖O2O电子商务扩散过程呈现出界限分明、梯度明显的东、中、西三大地理分区,其中东部地区如江苏、浙江、福建、广东、辽宁等省份的外卖O2O电子商务扩散水平普遍较高,形成了热点集聚区;西部地区如宁夏、甘肃、四川、云南、陕西等省份外卖O2O电子商务扩散水平普遍较低,形成了冷点集聚区。外卖O2O电子商务扩散指数集聚特征表现为从平原热点区到高原冷点区逐渐过渡的空间格局。
图3 外卖O2O扩散和渗透指数热点分析

注:此图基于自然资源部地图技术审查中心标准地图服务网站下载的标准地图（审图号GS(2020)4632号）绘制,底图无修改。

Fig. 3 Spatial distribution of hot areas of diffusion index and permeability index of takeaway O2O

渗透指数热点分析结果表明：相较于扩散指数,渗透指数热点主要分布于东南沿海城市,冷点区范围与扩散指数相似,西部地区外卖O2O电子商务渗透普遍较低。整体上,中国外卖O2O电子商务渗透指数高值集聚区范围更小,表明中国大部分地区外卖O2O电子商务尚未到达成熟阶段,行业发展存在较大市场潜力。同时,中东部地区更大范围表现为非显著集聚区域现象更加突出。

3.3 空间类型特征

综合外卖O2O扩散指数和渗透指数的空间分布特征,通过自然断裂法将扩散指数和渗透指数划分为高、较高、中、较低和低5个等级,结合两个指数的等级特征划分四大类型区（图4）,分别是高扩散-高渗透区,高扩散-低渗透区,低扩散-低渗透区以及无显著分异区。当扩散指数和渗透指数均为高值或低值,将该区域定义为高扩散-高渗透区或低扩散-低渗透区;当扩散指数为高值或较高值,渗透指数为低值或较低值时,将该区域定义为高扩散-低渗透区;当渗透指数为高值或较高值,扩散指数为低值或较低值时,将该区域为高渗透-低扩散区。当扩散指数或渗透指数中有中等值时,等级间差距较小,为无显著分异区。
图4 外卖O2O电子商务空间类型特征

注:此图基于自然资源部地图技术审查中心标准地图服务网站下载的标准地图（审图号GS(2020)4632号）绘制,底图无修改。

Fig. 4 The spatial type characteristics of takeaway O2O

如图4所示,高扩散-高渗透区主要集中于上海、北京、深圳、厦门和杭州,这些城市的外卖O2O扩散和渗透水平均呈现高值,是中国外卖O2O电子商务最发达的地区。低扩散-低渗透区覆盖范围相对较广,主要分布在西北和西南地区,这些地区的外卖O2O扩散和渗透指数均呈现低值,是中国外卖O2O电子商务发展落后地区。高扩散-低渗透主要分布在黑龙江、吉林、安徽、浙江、福建、广东、重庆等地区,外卖O2O电子商务扩散水平较高,但渗透程度不足,说明外卖O2O电子商务在实体商业的普及度和覆盖率虽然较高,但外卖O2O业态发育尚不成熟,未来市场潜力巨大。此外,没有呈现低扩散-高渗透特征的地区,其他地区扩散水平和渗透程度等级差距相对较小,未出现明显空间分异。

4 空间属性与外卖O2O电子商务之间的假说检验

4.1 假说前提的合理性检验

技术扩散与效率优先作为探讨空间属性与电子商务发展间关联效应的两种路径假设,前提为城市化率较高地区有利于创新和新技术的传播,互联网普及率更高,居民趋向年轻化、高学历和高收入;城市化滞后地区的交通设施发展落后、实体商业水平低导致实体购物可达性较差。上述假说条件的前提是基于西方城市发展背景下提出的。根据城市化相关理论可知[37],当前,西方国家已经进入城市化稳定阶段,城市形态基本平稳,而中国正处于城市化快速发展阶段[38]。因此,技术扩散与效率优先假说条件在中国城市发展情境下的合理性有待验证,需要对中国城市化水平进行评价以检验假说前提是否成立。参考相关文献,从人口城市化、土地城市化、经济城市化和社会城市化4个维度进行测度,包含11个二级指标（表2）,并选用熵值法确定各二级指标权重[39,40]。之后,在对各二级指标对应数据进行均值标准化的基础上,根据现有研究数据,计算287个地级市的城市化指数,并与假说支撑指标进行线性拟合（表2）。
表2 中国城市化水平测度指标

Tab. 2 The index measurement of urbanization level in China

一级指标 二级指标 指标编号 权重
人口城市化 非农业人口占比（%） PU1 0.0107
第二产业从业人员占比（%） PU2 0.2640
第三产业从业人员占比（%） PU3 0.3826
土地城市化 每万人建成区面积（km2） LU1 0.0025
建成区占市区面积比例（%） LU2 0.0033
经济城市化 人均地区生产总值（元/人） EU1 0.0111
第二产业占地区生产总值比重（%） EU2 0.2467
第三产业占地区生产总值比重（%） EU3 0.0689
社会城市化 人均社会零售额（元） SU1 0.0021
每百人公共图书馆藏书量（册） SU2 0.0009
万人医院床位数（个） SU3 0.0072

注：不含西藏自治区、新疆维吾尔自治区的克拉玛依市、吐鲁番市、哈密市、港澳台数据。

结果表明,各指标与城市化水平之间均为正向线性关系,拟合优度R2的范围为0.326~0.693,拟合效果较好。这说明,高度城市化地区,创新水平和新技术接受能力也更突出,低位城市化地区,实体商业发展缓慢,购物可达性也相对较低。由此来看,技术扩散和效率假说的前提条件在中国同样适用。

4.2 假说条件的适用性检验

为探究中国外卖O2O电子商务的空间发展规律与技术扩散和效率假说的适用条件,基于史坤博等学者的相关研究[29,30]基础上,分别构建支撑两假说内涵的指标体系（表3）。世界卫生组织认定青年年龄为18周岁至44周岁[41]。同时,已有研究表明年龄较低的群体网络频率较高[42]。因此,结合统计数据的可获得性,本文界定年轻化群体的年龄范围为20~40岁。通过构建外卖O2O扩散和渗透指数与两假说支撑指标体系之间的多元线性回归模型,识别对外卖O2O电子商务扩散水平（广度）和渗透程度（深度）具有显著影响的指标,以归纳外卖O2O电子商务的空间逻辑。
表3 技术扩散与效率假说的指标体系[29,30]

Tab. 3 Support index system of innovation diffusion hypothesis and efficiency hypothesis

假说名称 指标（单位） 指标编号 对应的前提条件
技术扩散假说（I）
 平均受教育年限（年） I1
高学历
中高等学校在校学生密度 I2
城镇居民可支配收入（元） I3 高收入
20~40岁人口占常住人口比例（%） I4 年轻化
人均移动电话年末用户数（户） I5
能够熟练使用互联网工具
人均互联网宽带接入用户数（户） I6
效率假说（E）
 实体餐饮商家密度 E1 实体餐饮市场不发达
人均公共汽（电）车客运量（人次） E2

商业可达性较差
年末每万人实有出租汽车数（辆） E3
每万人拥有公共汽车（辆） E4
城市道路面积（m2） E5
4.2.1 基于外卖O2O扩散指数的假说验证 基于Stata软件平台构建了外卖O2O扩散指数与两假说之间的多元线性回归模型（表4）。结果表明,残差的Moran's I指数为0.227,其概率值为0.005,表明了在1%的显著水平下拒绝了“无空间自相关”的原假设,即残差存在显著的空间自相关现象。因此,需要处理OLS模型残差存在的空间自相关问题。
表4 O2O扩散指数的拉格朗日乘子检验结果

Tab. 4 Lagrange multiplier test results of diffusion index

外卖O2O扩散指数 Coef. Std. Err. P>t
I2 26.673470 14.422650 0.047
I3 0.000190 0.000023 0
I6 7.834252 2.512842 0.003
E1 0.029396 0.011723 0.003
E4 0.893404 0.482268 0
cons -2.820928 1.207886 0.018
R2 0.468600
Log Likelihood -175.580000
AIC 338.760000
SC 348.930000
LM-LAG 10.566000 0.000
ROBUST LM-LAG 9.832000 0.000
LM-Error 8.244000 0.014
ROBUST LM-Error 0.049000 0.743
尽管Moran's I检验显示残差存在显著的空间自相关,但是该检验并不能判断是否应该选择空间滞后模型还是空间误差模型。因此,需要通过拉格朗日乘子检验来判断,检验结果见表4。LM-Lag和LM-Error两个统计量均在5%水平下显著,需要通过稳健性的拉格朗日乘子检验来进一步判断：即Robust LM-Lag和Robust LM-Error统计量来判断。由表5可知,Robust LM-Lag在1%的水平下拒绝了原假设,因此,应该选择空间滞后模型。接下来对空间滞后模型进行极大似然估计,通过逐步回归分析剔除了I1、I4、I5、E2、E3和E5共6个结果不显著的无关自变量,最终回归结果如表5所示。
表5 O2O扩散指数的空间滞后模型估计结果

Tab. 5 Estimation results of spatial lag model for diffusion index

外卖O2O扩散指数 空间滞后模型
Coef. Std. Err. P>t
I2 22.643480 16.467260 0.016
I3 0.000120 0.000048 0
I6 7.836347 2.597937 0.001
E1 0.768366 0.488268 0
E4 0.056935 0.063323 0.002
cons -1.632454 1.205785 0.018
W×O2O扩散指数 0.562872 0.286674 0
λ
R2 0.592200
Log Likelihood -172.450000
AIC 328.690000
SC 339.530000

注：不含西藏自治区、新疆维吾尔自治区的克拉玛依市、吐鲁番市、哈密市、港澳台数据。

技术扩散假说中的I2、I3和I6三个变量与外卖O2O扩散水平呈显著正相关,显著水平达到Sig.<0.05,以上3项指标的拟合结果为技术扩散假说中“高度城市化区域居民高收入、高学历、高互联网普及度”的部分内涵给予了实证支持。效率假说中,E1和E4两个自变量对因变量呈显著正相关,显著水平达到Sig.<0.05。说明城市实体商业水平和交通便利程度对外卖O2O电子商务起到积极的促进作用。这一结论与效率假说认为的“实体商业和交通设施落后导致的低购物可达性会推动线上消费”的观点不符。首先,因为外卖O2O电子商务需要依托实体商业发展,实体商业越发达的区域,衍生出的外卖O2O新兴业态也随之发展,实体商业通过扩展外卖O2O服务在一定程度上摆脱距离约束、扩大销售范围,外卖O2O电子商务以实体商业作为线下经营场所,逐渐发展线上服务,依赖实体商业空间形成其特有的虚拟商务空间。其次,空间距离一定程度上会影响居民消费行为,外卖O2O区别于C2C、B2C等其他形式的电子商务,它在跳脱于实体空间约束的同时,也会受到距离摩擦的影响。外卖O2O电子商务所形成的并不是完全脱离实体空间独立存在的虚拟商业空间,而是基于实体商业空间衍生而来的范围更广、错综复杂的虚拟空间。因此,商业可达性会影响居民对外卖O2O电子商务的选择,同时也在一定程度上抑制着外卖O2O电子商务的空间扩散。4.2.2 基于O2O电子商务渗透指数的假说验证 基于Stata软件平台分别构建了外卖O2O渗透指数与两假说之间的多元线性回归模型（表6）。结果表明,残差的Moran′s I指数为0.241,其概率值为0.005,因此,同样需要处理OLS模型残差存在的空间自相关问题。通过稳健性的拉格朗日乘子检验,结果可知Robust LM-Lag在1%的水平下拒绝了原假设,因此,选择空间滞后模型。接下来对空间滞后模型进行极大似然估计,通过逐步回归分析剔除了I1、I2、I5、E1、E3和E5共6个结果不显著的无关自变量,最终回归结果如表7所示。
表6 O2O渗透指数的拉格朗日乘子检验结果

Tab. 6 Lagrange multiplier test results of permeability index

外卖O2O渗透指数 Coef. Std. Err. P>t
E2 0.099348 0.025388 0
E4 0.025669 0.005888 0
I3 0.000035 450.00E-08 0
I4 3.750550 1.032139 0
I6 -0.003472 0.001206 0.004
_cons -1.988753 0.324061 0
R2 0.552500
Log Likelihood -185.520000
AIC 343.630000
SC 354.820000
LM-LAG 10.633000 0.000
ROBUST LM-LAG 9.663000 0.000
LM-Error 7.772000 0.026
ROBUST LM-Error 0.043000 0.855
表7 O2O渗透指数的空间滞后模型估计结果

Tab. 7 Estimation results of spatial lag model for permeability index

外卖O2O渗透指数 空间滞后模型
Coef. Std. Err. P>t
I3 0.000024 0.000032 0
I4 3.346478 1.032139 0
I6 -0.002252 0.001533 0.005
E2 0.077475 0.028844 0
E4 0.023777 0.005632 0
_cons -1.226474 0.236464 0
W×O2O渗透指数 0.501254 0.135364 0
λ
R2 0.652300
Log Likelihood -181.630000
AIC 340.520000
SC 348.820000

注：不含西藏自治区、新疆维吾尔自治区的克拉玛依市、吐鲁番市、哈密市、港澳台数据。

技术扩散假说中I3、I4和I6对因变量具有显著影响,显著水平达到Sig.<0.05,且I3和I4与外卖O2O电子商务渗透程度呈正相关。说明高学历和年轻化对O2O电子商务渗透起到显著的促进作用。I6变量的标准化系数为负数,说明人均互联网宽带接入用户数与中国外卖O2O电子商务渗透水平呈负相关。互联网宽带接入用户数一定程度上代表了一个地区O2O电子商务市场未来需求量,外卖O2O电子商务尚未发展成熟,一个地区的未来需求量越大,意味着市场发展潜力越大,外卖O2O市场渗透速度不及网络普及度,导致现阶段外卖O2O市场渗透程度相对较低。即在外卖O2O发展阶段,市场需求量的增加并没有带来外卖O2O电子商务市场渗透率的显著提升。如果外卖O2O电子商务发展进入稳定成熟阶段,市场需求量与供给量达到相对平衡,外卖O2O电子商务市场相对饱和,那么人均互联网宽带接入用户数对中国外卖O2O电子商务渗透水平可能呈现正相关作用,即在外卖O2O成熟阶段随着市场需求量的增加,外卖O2O电子商务渗透程度逐渐加深。总体来看,以上结果可说明中国外卖O2O电子商务空间渗透过程大体上遵循技术扩散假说的逻辑内涵。
效率假说中,E2和E4与因变量呈正相关,显著水平达到Sig.<0.05。说明交通便利程度对外卖O2O的空间渗透具有积极的促进作用,与效率假说认为的“低购物可达性促使居民线上消费意愿更强”观点相悖。因此,空间渗透过程不符合效率假说的逻辑内涵。由此可见,实体商业的距离摩擦仍然是影响外卖O2O渗透程度和扩散水平的重要因素。
综合外卖O2O电子商务扩散和渗透的梯度特征、集聚特征和类型特征可知,外卖O2O电子商务扩散和渗透过程在部分地区呈现出明显空间差异。具体原因为外卖O2O电子商务发展初期,在中国的东、中部地区扩散速度更快、扩散范围更广,相较于其他地区,东、中部地区对于新的电子信息技术接纳度更高,外卖O2O电子商务得以快速进入实体商业市场,并开始大范围蔓延扩散,因此相较于渗透指数,外卖O2O电子商务扩散指数是虚拟商业空间快速扩张的一种表现形式,扩散指数高值区在东中部城市空间集聚特征明显。而外卖O2O渗透指数则是在外卖O2O技术被全国大范围普遍应用,外卖O2O电子商务达到一定覆盖比例的前提下,逐渐向电商行业市场深度渗透的体现。因此外卖O2O渗透指数表现为空间集聚的核心区辐射范围有限,城市外卖O2O渗透指数普遍较低,高值集聚区覆盖范围较小,东部沿海地区表现为外卖O2O电子商务渗透特征更为明显。基于外卖O2O扩散和渗透指数的回归分析结果表明,收入水平对扩散和渗透指数均呈现显著正相关,说明高收入的发达地区更有利于电子商务发展,技术扩散假说在中国现阶段较为适用;公交普及率对扩散和渗透指数均呈现显著正相关,进而说明实体商业的低可达性并未成为促进电子商务的重要因素,效率假说并不适用。

5 结论与讨论

5.1 结论

（1）中国外卖O2O电子商务扩散与渗透空间过程均呈现梯度递减规律,且与中国经济发展的空间格局大体一致;外卖O2O扩散指数空间分布相对均衡,相比之下渗透指数的空间单极化现象明显。
（2）中国外卖O2O电子商务扩散过程呈现出界限分明、梯度明显的东、中、西三大地理分区,扩散指数集聚特征表现为从平原热点区到高原冷点区逐渐过渡的空间格局;中国外卖O2O电子商务渗透指数热点区集聚范围相对较小,尚未在全国尺度形成大范围集聚。
（3）中国城市外卖O2O扩散与渗透水平主要呈现为低扩散-低渗透和无显著分异类型。高扩散-高渗透区主要集中于上海、北京、深圳、厦门和杭州,是中国外卖O2O电子商务最发达的地区。高扩散-低渗透主要分布在黑龙江、吉林、安徽、浙江、福建、广东、重庆等地区的部分城市,其外卖O2O电子商务在实体商业的普及度和覆盖率虽然较高,但外卖O2O业态发育尚不成熟,未来市场潜力巨大。
（4）高收入、高学历以及年轻化成为推动电子商务空间扩散和渗透的重要因素,而实体商业的低可达性在一定程度上并未促进电子商务发展,中国外卖O2O电子商务的空间扩散和渗透过程倾向遵循技术扩散假说的逻辑内涵。

5.2 讨论

本文探讨了中国外卖O2O电子商务与空间属性之间的关联,通过构建外卖O2O扩散和渗透指数与两假说之间的线性回归,证明现阶段中国外卖O2O电子商务空间发展更符合技术扩散假说的内涵,这与Farag等、Cao等、汪明峰等、浩飞龙等学者的研究发现具有较好的一致性[16,17,20,27]。同时,与史坤博等学者的观点“实体商业发展对O2O电子商务具有抑制作用,因此中国O2O电子商务的空间发展更符合效率假说内涵”[30]存在较大出入,可能的原因是用于理论假设验证的网络购物业态差异。通常团购O2O相较到实体购物存在价格优势,实体商业水平较为落后地区相比发达地区“降价”效果明显,团购O2O发挥作用。低水平的商业化可以为O2O提供充足的发展空间,进而推动电子商务快速发展。而外卖O2O与到店消费之间不存在价格优势,因方便快捷省时而流行推广,且外卖O2O对实体零售店高度依赖,通常实体商业越发达地区,外卖O2O发展水平越高[43],因此在本研究中实体商业可达性与外卖O2O呈正相关。本文从宏观尺度以外卖O2O电子商务为研究对象,确定了空间属性对电子商务发展产生的积极影响,以期拓展不同类型电子商务的空间逻辑,为两种假说适用性探讨补充中国案例。
当然,论文还有些未尽之处和引发的衍生问题值得关注：① 当前中国外卖O2O电子商务正处于快速扩张阶段,市场渗透率较低,发展潜力巨大,其未来的空间演化不能仅用外卖O2O电子商务静态数据刻画;而且,随着电子商务市场趋向成熟,两假说间的关系可能由对立逐渐转变为互补共存,空间属性影响下的电子商务发展规律短期内难以预测。所以,从长时间尺度观测外卖O2O电子商务空间格局的演化十分必要。② 有学者认为不同的商品类型以及电子商务形式具有不同的空间发展规律[44]。本文仅从外卖O2O视角探讨中国电子商务的空间扩散和渗透过程,今后还可对诸如团购、线上打车和酒店预订等其他类型的O2O电子商务做进一步探讨。诸如B2C、C2C等也是电子商务的重要表现形式,其空间发展规律也是后续值得深入探讨的方向。③ 目前,由于国内外各大城市受到不同程度的疫情影响,为外卖O2O创造了庞大的需求市场,在此期间外卖O2O又经历了一次跨越式发展,向餐饮、零售、生活服务等各个领域持续渗透,并快速占领了一定的市场份额,已经成为居民日常生活、学习工作中不可或缺的重要消费渠道。因此,对于典型城市外卖O2O发展历程的系统梳理、对城市内部外卖O2O空间格局的机理探究显得尤为重要,特别是2020年前后外卖O2O发展模式的转变与对实体电子商务、对城市实体商业空间的影响均需要重新审视和深入研究。

真诚感谢二位匿名评审专家在论文评审中所付出的时间和精力,评审专家对本文研究思路、研究方法选择、评价指标选取、结果分析及结论梳理方面的修改意见,使本文获益匪浅。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
艾瑞咨询. 2015年中国外卖O2O行业发展报告. http://report.iresearch.cn/report/201504/2370.shtml, 2019-12-16.

[ Iresearch, Development report of China's takeaway O2O industry in 2015. http://report.iresearch.cn/report/201504/2370.shtml, 2019-12-16. ]

[2]
中国互联网经济研究院. 电子商务发展二十年. http://www.199it.com/archives/892447.html, 2019-06-17.

[ China Internet Economic Research Institute. Twenty years of e-commerce development in China. http://www.199it.com/archives/892447.html, 2019-06-17. ]

[3]
刘卫东, 甄峰. 信息化对社会经济空间组织的影响研究. 地理学报, 2004,(S1):67-76.

[ Liu Weidong, Zhen Fen. Spatial implications of new information and communication technologies. Acta Geographica Sinica, 2004,(S1):67-76.] DOI: 10.3321/j.issn:0375-5444.2004.z1.010.

[4]
甄峰, 翟青, 陈刚, 等. 信息时代移动社会理论构建与城市地理空间. 地理研究, 2012,31(2):197-206.

[ Zhen Feng, Zhai Qing, Chen Cang, et al. Mobile social theory construction and urban geo-graphic research in the information era. Geographical Research, 2012,31(2):197-206.]

[5]
Weltevreden J. Substitution or complementarity? How the Internet changes city centre shopping. Journal of Retailing and Consumer Services, 2007,14(3):192-207. DOI: 10.1016/j.jretconser.2006.09.001.

[6]
Cao X. The relationships between e-shopping and store shopping in the shopping process of search goods. Transportation Research Part A: Policy and Practice, 2012,46(7):993-1002. DOI: 10.1016/j. tra.2012.04.007.

[7]
Cao X J, Xu Z, Douma F. The interactions between e-shopping and traditional in-store shopping: An application of structural equations model. Transportation, 2012,39(5):957-974. DOI: 10.1007/s11116-011-9376-3.

[8]
Hsiao M H. Shopping mode choice: Physical store shopping versus e-shopping. Transportation Research Part E: Logistics and Transportation Review, 2009,45(1):86-95. DOI: 10.1007/s11116-011-9376-3.

[9]
Zhai Q, Cao X, Mokhtarian P L, et al. The interactions between e-shopping and store shopping in the shopping process for search goods and experience goods. Transportation, 2017,44(5):886-904. DOI: 10.1007/s11116-016-9 683-9.

[10]
Gibbs J, Kraemer K, Dedrick I. Environment and policy factors shaping global E-commerce diffusion: A cross-country comparison. Information Society, 2003,19(1):5-18. DOI: 10.1080/01972240309472.

[11]
Weltevreden J, Atzema O, Boschma R. The adoption of the internet by retailers: A new typology of strategies. Journal of Urban Technology, 2006,12(3):59-87. DOI: 10.1080/10630730500417281.

[12]
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因子: 基于成都市O2O电子商务的实证分析. 地理学报, 2016,71(3):500-514.

[ Shi Kunbo, Yang Yongchun, Yang Xin'ao, et al. Does time dictate the location of ecommerce business? A study of O2O businesses in Chengdu, China. Acta Geographica Sinica, 2016,71(3):500-514.] DOI: 10.11821/dlxb201603012.

[13]
Anderson W P, Chatterjee L, Lakshmanan T R. E-commerce, transportation, and economic geography. Growth & Change, 2003,34(4):415-432. DOI: 10.1046/j.0017-4815.2003.00228.x.

[14]
Oort F V, Weltevreden J W J, Farag S, et al. E-shopping in the Netherlands: Does geography matter? Environment and Planning B: Planning and Design, 2006,33(1):59-74. DOI: 10.1068/b31083.

[15]
Krizek K, Li Y, Handy S. Spatial attributes and patterns of use in household-related information and communications technology activity. Transportation Research Record: Journal of the Transportation Research Board, 2005,1926(1):252-259. DOI: 10.314/1926-29.

[16]
Farag S, Weltevreden J, Van R T, et al. E-shopping in the Netherlands: Does geography matter?. Environment and Planning B: Planning and Design, 2006,33(1). 59-74. DOI: 10.1068/b31083.

[17]
Cao X, Chen Q, Choo S. Geographic distribution of e-shopping. Transportation Research Record: Journal of the Transportation Research Board, 2013,2383(1):18-26. DOI: 10.3141/2383-03.

[18]
Zhen F, Du X, Cao J, et al. The association between spatial attributes and e-shopping in the shopping process for search goods and experience goods: Evidence from Nanjing. Journal of Transport Geography, 2018,66:291-299. DOI: 10.1016/j.jtrangeo.2017.11.007.

[19]
Shi K, De Vos J, Yang Y, et al. Does e-shopping for intangible services attenuate the effect of spatial attributes on travel distance and duration?. Transportation Research Part A: Policy and Practice, 2020,141:86-97. DOI: 10.1016/j.tra.2020.004.

[20]
汪明峰, 卢姗, 袁贺. 网上购物对不同区位消费者行为的影响: 市区和郊区的比较. 城市规划, 2013,37(11):84-88.

[ Wang Mingfeng, Lu Shan, Yuan He. Influence of online shopping on consumer behaviors at different shopping locations: A comparative study on city center and suburban. City Planning Review, 2013,37(11):84-88.]

[21]
席广亮, 甄峰, 汪侠, 等. 南京市居民网络消费的影响因素及空间特征. 地理研究, 2014,33(2):284-295.

[ Xi Guangliang, Zhen Feng, Wang Xia, et al. Study on the influencing factors and spatial characteristics of residents' online consumption in Nanjing. Geographical Research, 2014,33(2):284-295.] DOI: 10.11821/dlyj201402008.

[22]
Etminani-Ghasrodashti R, Hamidi S. Online shopping as a substitute or complement to in-store shopping trips in Iran?. Cities, 2020,103. DOI: 10.1016/j.cities.2020.102768.

[23]
Huh W K, Song Y. E-shopping and off-line delivery systems in Korea: Real space still matters. Networks and Communication Studies, 2006,20(3):219-235. DOI: 10.3406/netco.2006.1657.

[24]
王喆学, 魏佳丽, 李浩, 等. 基于服务供需平衡理论的龙子湖高校餐饮服务优化. 中国商论, 2019,21(1):199-200.

[ Wang Zhexue, Wei Jiali, Li Hao, et al. Optimization of catering service in Longzihu university based on the theory of service supply and demand balance. China Journal of Commerce, 2019,21(1):199-200.] DOI: 10.19699/j.cnki.issn2096-0298.2019.21.199.

[25]
Higuchi A, Maehara R. A factor-cluster analysis profile of consumers. Journal of Business Research, 2020,123, 70-78. DOI: 10.1016/j.jbusres.2020.09.030.

[26]
Gabszewicz J. Location Theory. New York: Taylor and Francis, 2013: 146-147. DOI: 10.4324/9781315015224.

[27]
浩飞龙, 关皓明, 王士君. 中国城市电子商务发展水平空间分布特征及影响因素. 经济地理, 2016,36(2):1-10.

[ Hao Feilong, Guan Haoming, Wang Shijun. Study on the influencing factors and spatial distribution of electronic commerce development level in China's cities. Economic Geography, 2016,36(2):1-10.] DOI: 10.15957/j.cnki.jjdl.2016.02.001.

[28]
席广亮, 甄峰, 张敏, 等. 网络消费时空演变及区域联系特征研究: 以京东商城为例. 地理科学, 2015,35(11):1372-1380.

[ Xi Guangliang, Zhen Feng, Zhang Min, et al. Spatio-temporal evolution and regional connection spatio-temporal evolution and regional connection of online consumption: A case study on Jingdong Mall. Scientia Geographica Sinica, 2015,35(11):1372-1380.] DOI: 10.13249/j.cnki.sgs.2015.11.004.

[29]
史坤博, 杨永春, 邵蕊, 等. 中国城市居民C2C网络消费的空间特征分析: 兼论技术扩散与效率假说的适用性. 地理科学, 2019,39(1):107-115.

[ Shi Kunbo, Yang Yongchun, Shao Rui, et al. Spatial pattern of urban resident's C2C online consumption in China: Feasibility of innovation diffusion hypothesis and efficiency hypothesis. Scientia Geographica Sinica, 2019,39(1):107-115.] DOI: 10.13249/j.cnki.sgs.2019.01.012.

[30]
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. 地理研究, 2018,37(4):783-796.

[ Shi Kunbo, Yang Yongchu, Bai Shuo, et al. Innovation diffusion hypothesis or efficiency hypothesis: Spatial penetration of online-to-offline e-commerce in China based on Meituan.com. Geographical Research, 2018,37(4):783-796.] DOI: 10.11821/dlyj201804012.

[31]
Trustdata. 2018年Q1中国外卖O2O行业发展分析报告. http://www.itrustdata.cn/, 2019-11-30.

[ Trustdata. China take out O2O industry development analysis report in Q1 of 2018. http://www.itrustdata.cn/, 2019-11-30. ]

[32]
阿里数据. 电子商务发展: 来自中国的经验 https://dt.alibaba.com/, 2020-01-12.

[ AliDT. E-Commerce Development: Experience from China. https://dt.alibaba.com/, 2020-01-12. ]

[33]
金融知识百科. 渗透率指的是什么?. https://zhuanlan.zhihu.com/p/21833170?utm_source=wechat_session&utm_medium=social&utm_oi=750845225655631872, 2020-01-24.

[ Encyclopedia of financial knowledge. What is permeability?. https://zhuanlan.zhihu.com/p/21833170?utm_source=wechat_session&utm_medium=social&utm_oi=750845225655631872, 2020-01-24. ]

[34]
杨海军, 邵全琴. GIS空间分析技术在地理数据处理中的应用研究. 地球信息科学学报, 2007,9(5):70-75.

[ Yang Haijun, Shao Quanqin. Consideration on GIS spatial analysis in geospatial data processing. Journal of Geo-information Science, 2007,9(5):70-75.] DOI: 10.3969/j.issn.1560-8999.2007.05.012.

[35]
姜磊. 空间回归模型的反思. 统计与信息论坛, 2016,31(10):10-16.

[ Jiang Lei. Reflection on the choice of spatial regression model. Journal of Statistics and Information, 2016,31(10):10-16.] DOI: 10.3969/j.issn.1007-3116.2016.10.002.

[36]
程叶青, 王哲野, 张守志, 等. 中国能源消费碳排放强度及其影响因素的空间计量. 地理学报, 2013,68(10):1418-1431.

[ Cheng Yeqing, Wang Zeye, Zhang Shouzhi, et al. Spatial econometric analysis of carbon emission intensity and its driving factors from energy consumption in China. Acta Geographica Sinica, 2013,68(10):1418-1431.] DOI: 10.11821/dlxb201310011.

[37]
许学强, 周一星, 宁越敏. 城市地理学. 北京: 高等教育出版社, 2009: 76-80.

[ Xu Xueqiang, Zhou Yixing, Ning Yuemin. Urban Geography. Beijing: Higher Education Press, 2009: 76-80.]

[38]
张庭伟. 全球化2.0时期的城市发展战略:2008年后西方城市的转型及对中国城市的影响. 城市规划学刊, 2012,(4):5-11.

[ Zhang Tingwei. Urban development in the age of globalization 2.0: The transformation of west cities and impacts on Chinese cities. Urban Planning Forum, 2012,(4):5-11.] DOI: 10.3969/j.issn.1000-3363.2012.04.002.

[39]
陈明星, 陆大道, 张华. 中国城市化水平的综合测度及其动力因子分析. 地理学报, 2009,64(4):387-398.

[ Chen Mingxing, Lu Dadao, Zhang Hua. Comprehensive evaluation and the driving factors of China's urbanization. Acta Geographica Sinica, 2009,64(4):387-398.] DOI: 10.3321/j.issn: 0375-5444.2009.04.001.

[40]
方创琳, 王德利. 中国城市化发展质量的综合测度与提升路径. 地理研究, 2011,30(11):1931-1946.

[ Fang Chuanglin, Wang Deli. Comprehensive mearsure and improvement of Chinese urbanization development quality. Geographical Research, 2011,30(11):1931-1946.]

[41]
邓清华, 薛德升, 龚建周. 广州市居民网络购物频率的影响因素及其空间差异. 地理科学, 2020,40(6):928-938.

[ Deng Qinghua, Xue Desheng, Gong Jianzhou. Influencing factors of online shopping frequency of residents and spatial differences of these factors in Guangzhou city. Scientia Geographica Sinica, 2020,40(6):928-938.] DOI: 10.13249/j.cnki.sgs.2020.06.008.

[42]
Rohm A J, Swaminathan V. A typology of online shoppers based on shopping motivations. Journal of Business Research, 2004,57(7):748-757. DOI: 10.1016/S0148-2963(02)00351-X.

[43]
施响, 王士君, 浩飞龙, 等. 基于实体店比较的长春市外卖O2O餐饮业空间特征及成因. 人文地理, 2019,34(2):80-89.

[ Shi Xiang, Wang Shijun, Hao Feilong, et al. The spatial distribution and formation of takeway O2O catering industry based on entity restaurants comparision in Chang Chun. Human Geography, 2019,34(2):80-89.] DOI: 10.13959/j.issn.1003-2398.2019.02.011.

[44]
Suel E, Vine S L, Polak J. Empirical application of expenditure diary instrument to quantify relationships between in-store and online grocery shopping. Transportation Research Record Journal of the Transportation Research Board, 2015,2496(1):45-54. DOI: 10.3141/2496-06.

Options
文章导航

/

〈 〉