信息技术、所有制结构与电子商务产业集聚

奥鹏网院作业

信息技术、所有制结构与电子商务产业集聚
——产业集聚力影响因素的实证检验

摘 要： 以“淘宝村”为代表的电商产业集聚逐渐成为具有中国特色经济发展的典型特征事实，本文利用2013-2016年中国省际面板数据构建计量经济模型，对我国电商产业集聚的影响因素与路径进行实证研究。研究结果表明，电商产业集聚主要沿着销售集聚和采购集聚两条路径展开，信息技术与交通运输条件是电商产业集聚的基本影响因素，而且其作用呈现出非线性的“U”型特征；所有制和市场规模也是影响电商产业集聚的重要力量，国有企业比重的提高主要通过销售路径“挤出”电商产业集聚，而在采购路径中其作用不明显；市场规模和失业率则主要通过采购路径发挥作用。本文的研究深化了对新经济新业态中具有典型代表性的电子商务产业集聚的理解，并对新常态下中国更好地促进电商产业集聚式发展具有一定的政策启示。
关键词： 信息技术； 所有制结构； 电商产业； 集聚； 时空异步性
一、引言
近年来，随着我国信息化进程的加快与网络经济的发展，以“淘宝村”“电子商务产业园”等形式存在的电商产业集聚区呈现出爆发式增长态势，成为具有中国特色经济增长的典型特征事实。根据阿里研究院的最新报告数据显示，截至2017年，中国“淘宝村”和“淘宝镇”的数量已经分别达到2 118个和242个，直接创造就业机会超过130万个，销售额超过1 200亿元[1]。那么电商产业集聚式发展背后的驱动力量是什么？区域内是否存在“挤出”电商产业集聚的因素？这是学术界亟待回答的问题。
从电商产业的发展基础来看，电子商务是在第三次工业革命中伴随信息技术的发展而兴起的一种新兴产业，是生产性服务业的重要组成部分，同时也是信息技术能够贡献经济增长的最常见方式之一。但是现有研究表明，信息技术对生产性服务业的空间集聚具有双重影响，部分学者认为信息技术显著促进了生产性服务业的空间集聚[2-3]；而另一部分学者则认为，信息技术对生产性服务业集聚的驱动作用较弱[4]，甚至削弱了服务业在州际层面集聚的需求[5]，或导致生产性服务业的郊区化[6]。那么信息技术作为电商产业发展的技术基础，在其集聚发展过程中是起到促进还是抑制作用，是否也存在双重影响？从电商集聚的空间布局来看，目前“淘宝村”等电商产业集聚区的空间分布并不均匀，而是集中分布在浙江、广东、江苏等民营经济高度发达的地区，在东北三省等国有经济所占比重较高的地区集聚程度则相对较低。电商产业集聚空间布局的这种非均衡现象是否与区域所有制结构之间存在着某种内在联系？区域所有制结构中国有企业所占比重的提高是否对电商产业集聚存在“挤出效应”？概而言之，信息技术对电商产业集聚是否存在双重作用？国有企业比重提高是否“挤出”了电商产业集聚？这两个问题是本文研究的重点。
自马歇尔首次提出“产业集聚”概念后，经济学界便对产业集聚进行了一系列的研究，其中最具代表性的两个流派就是以马歇尔为代表的新古典经济学派和以克鲁格曼为代表的新经济地理学派。根据马歇尔的观点，他认为产业集聚主要是由外部规模经济所导致的，具体而言包括劳动力池共享、中间产品投入和技术溢出三种力量推动了产业集聚。在此之后，胡佛又将集聚经济分为内部规模经济、地方化经济和城市化经济，并指出外部经济和专业化是产业集聚的主要原因，将对产业集聚的研究进一步深化。20世纪90年代，克鲁格曼等人又在迪克西特-斯蒂格利茨垄断竞争模型的基础上，认为产业集聚是由企业规模报酬递增、运输成本和市场需求的相互作用而产生的。对中国制造业集聚的研究证实，运输成本、要素流动、技术溢出、自然禀赋、市场容量、区位因素与外商直接投资等是影响制造业集聚的主要因素[7-10]；同时，对生产性服务业集聚的研究也表明，其集聚程度主要受到市场规模、知识密集度、交易成本、专业化程度、制度环境、人力资源与信息技术水平等因素的影响[2-3,11-12]。梳理相关文献可以发现，对产业集聚的研究是沿着制造业→服务业→生产性服务业的脉络进行的，但是随着新经济新业态的迅速发展，对其中具有典型代表性的电子商务产业集聚的研究仍较为欠缺。
当前，学术界对电商产业集聚的形成机制与影响因素等方面进行了一定程度的研究。在电商产业集聚的形成机制方面，电商产业集群的形成与发展有赖于内源动力、外源动力以及两者之间的协调融合。其中内源动力包括产业价值链、外部经济、领军企业家、社会资本和技术创新等，外源动力则包括政府支持与制度环境、市场需求和外部竞争等[13]。不同的动力因素在电商产业集群生命周期的不同阶段发挥作用的方式与大小也有相应的差异。具体而言，萌芽期的动力因素主要来自区位优势、领军企业和企业自身条件，成长期的动力则来自区位优势、企业自身条件、规模经济、政府行为和社会网络的协同作用，在成熟期创新因子推动了产业集群向更高形态发展，而规模不经济则导致衰退期的出现[14-15]。徐智邦等[16]、马海涛等[17]、武荣伟等[18]和浩飞龙等[19]分别从“淘宝村”“淘宝镇”、县域和城市的视角对电商产业集聚的空间格局及其影响因素进行了研究，发现中国的电商产业发展水平呈现出从沿海向内陆递减的空间分布格局，存在着显著的空间异质性与空间集聚特征，集聚区主要分布在“长三角”和“珠三角”等地区；其中，在村镇层面上，徐智邦等[16]和马海涛等[17]指出，影响电商产业集聚的因素主要包括互联网市场发展、产业基础、交通与物流基础设施、政府政策支持以及商业文化发展等；在县域与城市层面上，武荣伟等[18]和浩飞龙等[19]指出，电商产业集聚的主要影响因素则包括原有零售业基础、经济发展、城镇化、人口规模、受教育程度与信息化程度等。
综上可知，第一，当前学术界关于产业集聚的研究主要集中在制造业和传统服务业领域，而对新经济新业态[20-21]和生产性服务业中具有典型代表性的电子商务产业集聚的研究仍然较为欠缺。第二，从行业异质性角度来看，电商产业集聚的影响因素与制造业也存在着明显差异，传统上用于解释制造业集聚的典型因素，如R&D、专利和自然资源禀赋等，并不能很好地解释具有高附加值和知识密集型特征的电商产业集聚。第三，在研究电商产业集聚时，不仅忽视了对电子商务的时空异步性的考察，从而导致对采购方或消费者空间集聚的研究相对缺乏，从而难以明确电商产业集聚的形成路径及其影响因素；而且在考察信息技术在电商产业集聚中的作用时，忽略了信息技术的非线性作用，从而未能清晰地解释信息技术在生产性服务业集聚中的双重效应；除此之外，还未能将电商产业集聚与区域所有制结构特征联系起来进行考察，对电商产业集聚影响因素的研究有待深入推进。
鉴于此，与以往的研究不同，本文选取信息技术与所有制结构作为解释电商产业集聚的核心变量，利用2013-2016年中国省际面板数据构建计量经济模型，对近年来我国电商产业集聚的影响因素与集聚路径进行实证研究。与现有研究相比，本文的边际贡献在于：第一，从电商产业的时空异步性特征出发，创新性地将电商产业集聚路径分为销售集聚和采购集聚两条路径，丰富了对电商产业集聚路径的相关研究。第二，构建信息技术对电商产业集聚的非线性模型，从非线性的视角研究信息技术对电商产业集聚的作用，对于明确信息技术在以电子商务为代表的新经济新业态和生产性服务业集聚中的作用，是一项有益的尝试与补充。第三，将所有制结构纳入到对电商产业集聚的研究中来，实证检验所有制结构差异对电商产业集聚可能存在的“挤出效应”，一方面拓展了对中国所有制结构对产业集聚影响作用的相关经验研究，另一方面也为中国促进电子商务等新经济新业态发展和进一步深化国有企业改革提供了理论依据。
二、理论分析与研究假设
与传统产业相比，电子商务产业的本质特征之一就是时空异步性，信息技术的深度应用导致交易时空的彻底重构，交易过程被离散为不同的间断性的时点与地点，即时间的离散性与空间的可分性[22]。其中，前者表现为原本相对固化和连续的交易时间域被分解成具有高度弹性和离散的时间点集，消费者与供给商之间的交易时间域不再需要一致，甚至可以时间完全异步；后者表现为网络为消费者和供给商提供了交易平台，双方无需现实空间到场即可完成所有交易，交易空间域也可以完全异步。电商产业的这种时空异步特征使得消费者和供给商可以在地理空间上相对独立地存在，从而电商产业集聚既可以表现为消费者的空间集聚，也可以表现为供给商的空间集聚，或者二者的同时集聚。从统计上也支持这一观点，在统计中一个地区的电子商务的销售与采购是分开统计的，因此，电子商务交易额包括销售额与采购额，即交易额是销售额与采购额二者之和。由此可知，电商产业集聚主要是通过消费者集聚和厂商集聚两条基本路径展开，前者主要通过网络采购实现，后者则主要通过网络销售实现，于是可将电商产业集聚的两条路径概括为采购集聚路径和销售集聚路径。
虽然电商产业集聚的影响因素有别于制造业或传统服务业，但是电子商务不可避免地涉及商品运输过程，因此，运输成本是影响电商产业集聚的基本因素，这一点与经典理论相一致。对于消费者而言，要获得多样性商品，产品多样性信息与产品的可获得性很大程度上取决于信息技术与交通运输的条件。当市场因信息技术和交通运输条件相对落后而被分割成独立市场时，消费者被局限在狭小市场内，跨地区进行网络购物面临高昂的信息成本与运输费用，只能在当地市场进行交易，此时电商产业在空间上的相对集聚有利于提高交易效率。当区域内信息技术和交通运输条件得到初步改善时，消费者能够接触周边市场并形成一定的联系，周边市场对当地市场形成激烈的竞争，从而引起消费者向周边市场的扩散与分流，此时当地市场初始形成的电商产业集聚受到冲击，集聚程度将会降低。随着信息技术与交通运输条件的进一步改善，高效的信息技术与交通运输条件有利于降低高昂的产品信息搜寻成本和运输成本，从而提高消费者效用水平，越有利于促进消费者采用电商消费模式，进而再次引起电商产业集聚程度的提高。对于厂商而言，是否采用电商模式同样取决于信息技术与交通运输条件。当区域内信息技术发展程度较低且交通运输条件较差时，企业采用电商模式的技术成本与运输成本都相对较高，因此企业被局限在狭窄的当地市场之内，但是在空间上的相对集中仍然可以利用外部规模经济并提高交易效率，此时厂商集聚程度相对较高。随着信息技术的发展与交通运输条件在一定程度上的改善，降低厂商的运输费用使企业面临的市场在周边范围内得到扩大，但仍然无法与更远的市场建立广泛的联系，此时传统的分销商或代理商模式更有利于企业发展，地区之间高昂的运输费用使企业往往倾向于分散布局，从而降低产业集聚程度。当信息技术和交通运输条件进一步发展，信息技术的扩散与广泛应用使产品信息更加顺畅、精确地传递给消费者，大大降低了信息传递成本，改善厂商的营销方式与商业模式，激励企业大规模采用电商模式，分销商或代理商模式被电商模式或网商模式所取代；良好的交通运输条件也有利于降低运输费用，促进企业集中布局，在更广泛的区域内进行协调分工，从而再次引起电商产业集聚。由此可得以下假设1。
假设1 信息技术与交通运输条件是电商产业集聚的基本影响因素，通过销售路径和采购路径对电商产业集聚发挥作用，而且其作用呈现出非线性的“U”型特征。
除了信息技术与交通运输条件外，所有制结构也是影响区域电商产业集聚的重要因素，但是通常而言，所有制结构只对企业行为产生作用而不影响消费者行为，因此可以初步认为所有制结构只通过销售路径影响电商产业集聚。从微观视角来看，一方面，企业应用电子商务，需要企业在技术设备、营销模式、组织结构等方面做出相应的调整与创新，但现实中国有企业的经营者或企业家，由于受到体制性因素的约束，特别是大量存在的“体制优先权”，使国有企业轻易获得市场竞争优势与垄断地位。这就使在相同的技术条件下，国有企业经营者一般并不热衷于通过使用电子商务和主动进行商业模式创新获取竞争优势，而是希冀于利用资本运作和投资经营来提高产业绩效以获得相应的政治回报[23]。另一方面，电子商务产业具有明显的创新创业型经济特征，从这个角度来看，电商产业集群的形成实质上就是群体企业家模仿创业的过程，主要通过社会网络创新及羊群效应中的创业示范、社交示范、模仿创业等途径引起电商产业集聚[24-25]。但是，这种示范与模仿的羊群效应主要在创业企业中发挥作用，而国有企业由于受到体制性因素约束以及自身的金字塔式科层结构原因，羊群效应的效果受到削弱。从宏观视角来看，一方面，电子商务在本质上是基于个人而非基于地理的，而国有企业则是依靠对地理市场的高度了解形成竞争优势，因此电子商务的发展将会对国有企业的竞争优势形成取代[26]，两种模式之间存在竞争关系。另一方面，对制造业和高技术产业的研究表明，产业集聚效应显著地受到所有制的影响[27]，一个地区的国有企业比重越高，对新投资的吸引能力就越弱[28]。国有企业的低效率、对于人才资金和市场的竞争、僵化的管理制度以及某些保护国有企业的政策法规，可能恶化了区域内的营商环境，降低了电商产业发展的专业化劳动力可得性、中间投入可得性和技术溢出的作用，从而对电商产业的集聚式发展产生“挤出效应”。由此可得以下假设2。
假设2 所有制结构中国有企业比重的提高将会对电商产业集聚产生“挤出效应”；由于所有制结构主要对企业的集聚行为产生影响而不影响消费者的集聚行为，因此可以假设该“挤出效应”主要通过销售路径发挥作用。
三、计量模型与变量选取
(一)计量模型
本文将电商产业集聚定义为一个区域内电商产业较为集中的现象。根据以上对电商产业集聚路径的分析可知，电商产业集聚包括消费者集聚与厂商集聚，或网络采购集聚与网络销售集聚。根据假设1，信息技术与交通运输条件对电商产业集聚的作用呈“U”型特征，通过画出信息技术与交通运输条件对电商产业集聚的散点图以及初步的拟合优度检验，也可证明非线性模型对现实经济的解释力更高，因此将其二次项作为解释变量引入模型，设定以下实证分析模型
eciai,t=α+β1infori,t+β2infori,t2+β3owneri,t+β4controlsi,t+μi,t
(1)
其中，ecia表示电商产业集聚程度(electronic commerce industry agglomeration)，是模型中的被解释变量；infor和owner分别表示信息技术(information technology)和所有制结构(pattern of ownership)，是模型的两个主要解释变量，其估计系数分别为β1、β2和β3；α和μ分别表示截距项与残差项，i表示区域，t表示时间。
为保证模型的稳健性，模型中加入了控制变量，以controls表示，其估计系数为β3。根据理论分析与我国现实区域电商发展实际，这里选择以下三个变量作为控制变量：(1)交通运输条件(transport)。交通运输条件的改善将降低运输成本，在越过一定的拐点后有利于促进电商产业集聚。(2)区域发展程度(develop)。经济发展程度越高的区域，市场交易越频繁，且产业分工程度也也越高，从而有利于促进电商产业集聚。(3)人口规模(population)。区域人口规模越大，包括网上消费在内的消费需求越高，市场规模越大，且越能为区域电商产业发展提供足够的劳动力，从而有利于促进电商产业的集聚。
(二)基本变量选取与描述
1. 电商产业集聚
以区域内电商产业的区位熵表示，即地区电商产业产值占地区生产总值的比重与全国电商产业产值占国内生产总值的比重之比，表示为

(2)
其中，i表示第i个区域，ai表示区域i的电商产业集聚程度；ecomi和GDPi分别表示地区电商产业产值和地区生产总值；ecom和GDP则分别表示全国电商产业产值和国内生产总值。销售集聚程度(sell)和采购集聚程度(purc)也以该公式计算，具体而言，计算区域电商销售集聚时，用电商销售额替换上式中的电商产业产值即可得到，是以一个地区内从事电子商务的企业产品销售额占地区GDP的比重与全国电子商务销售额占全国GDP比重之比衡量的厂商的集聚程度；同理，计算区域电商采购集聚时，用电商采购额替换上式中的电商产业产值即可得到，是以一个地区内的消费者通过电子商务进行商品购买的采购支出额占地区GDP的比重与全国电子商务采购额占全国GDP比重之比衡量的消费者的集聚程度。
2. 信息技术(infor)
以每百家企业所拥有的计算机数表示，与以往文献中所采用的电信业务总量后从业人员数、邮政业务收入等指标不同，本文认为计算机的使用更能代表一个企业和地区信息技术的发展程度，并且是支撑电商产业发展的基本技术条件。Tan等[29]的研究也表明，企业中使用计算机的限制是制约电商采纳的重要因素。
3. 所有制结构(owner)
这里沿用学术界常用的国有企业就业人员数与全社会就业总量之比表示，该比值越高说明所有制结构中国有企业所占比重越大。
4. 交通运输条件(transport)
以交通运输线路密度来表示，用区域内交通运输线路长度与区域面积之比表示，计算公式为

(3)
其中，length、area分别表示区域i的交通运输线路长度和行政单位面积。现有文献中通常使用交通运输、仓储和邮政业从业人员数，以及货运量、客运量、货物周转量与旅客周转量等流量指标来表征交通运输基础设施条件的发展程度，借鉴Demurger[30]和Fleisher等[31]的方法，采用交通密度这一存量指标来衡量交通运输基础设施条件。一方面，从因果关系上看，前述各流量指标是交通运输线路长度增加的结果，而不是其原因；另一方面，从实证需求上讲，前述各流量指标与电商产业集聚之间存在明显的双向因果关系，会导致模型中出现严重的内生性问题，而交通运输线路长度则受电商产业集聚的影响较小，有利于克服模型中的内生性。
5. 区域发展程度(develop)
以其反向指标即该地区所统计的城镇失业率表示。本文之所以选取该指标，主要是出于以下两方面的考虑：一方面，学术界通常使用的国内生产总值(GDP)或人均国内生产总值(人均GDP)等正向指标与本文的被解释变量、主要解释变量和其他控制变量之间都存在一定的因果关系，从而易产生较严重的多重共线性和内生性问题；另一方面，根据奥肯定律，失业率与经济增长之间即便不存在一个稳定的函数形式，至少也存在较密切的相关性，当失业率较低时区域经济繁荣或发展水平较高，反之则经济萧条或发展水平较低，因此，以失业率衡量区域发展程度具有一定的合理性。
6. 人口规模(population)
以区域内年末人口总量表示，以此作为市场规模的代理变量。
以上主要变量的基本统计描述见表1所示。
表1 变量的描述性统计

本文中除国有企业就业人员数的数据来自《中国人口和就业统计年鉴》(2014-2017)外，其他数据均来自于《中国统计年鉴》(2014-2017)。
包含中国大陆31个省、直辖市、自治区的面板数据，除特殊声明外所有数据均经过取对数处理以消除截面数据中的异方差性；并且为了防止极端值的影响，对所有连续变量按照1%～99%进行winsorize缩尾处理。
四、计量结果及其分析
(一)区域电商产业集聚的主要影响因素
以上分析表明，信息技术与交通运输条件是我国现阶段电商产业集聚的主要影响因素，为此在实证分析中，将单独以信息技术和交通运输条件作为解释变量建立比较的基准模型。运用STATA 14.0计量软件进行回归分析。结果见表2所示。
在表2中，模型(1)和模型(3)采用混合效应，模型(2)和模型(4)根据Hausman检定结果采用随机效应，模型(1)和模型(2)为实证比较的基准模型。在四个模型中，所有解释变量的系数都是显著的，其中信息技术的二次项系数符号为正，且在1%的显著性水平显著；一次项系数符号为负，且绝大多数至少在5%的显著性水平上显著，表明信息技术对区域电商产业集聚的影响呈现出“U”型特征，在越过拐点后电商产业集聚程度会随信息技术的发展逐步提高。交通运输条件的二次项系数为正且在1%的显著性水平上显著，一次项系数为负且在5%的显著性水平上显著，表明交通运输条件的作用与信息技术相似，对区域电商产业集聚的影响呈“U”型特征，这意味着交通运输条件的改善在越过拐点后会促进电商产业集聚程度的提高[注]虽然这一结果与我们的常识和预期相符，但却与浩飞龙等(2016)对电商产业发展水平的分析结果相反，浩飞龙等(2016)认为交通物流环境对电商产业的发展具有显著的负向作用，这可能与其选择地区货运总量和交通运输、仓储和邮政业从业人员数等流量指标作为交通运输条件的代理变量有关。见浩飞龙等：《中国城市电子商务发展水平空间分布特征及影响因素》，载《经济地理》，2016年第36卷第2期。。国有企业比重变量的系数均为负，且在1%的显著性水平上显著，表明区域国有企业比重提高对电商产业集聚具有“挤出效应”。由此，前文提出的假设1、假设2得到初步验证。
表2 电商产业集聚的基本影响因素

注：(1)本表数据由Stata14计算得到，其中括号内为聚类稳健t统计量，***、**和*分别表示在1%、5%和10%水平上显著；(2)混合效应模型中报告的是F统计量的值，随机效应模型中报告的是Wald统计量的值；(3)Hausman统计量为非聚类稳健条件下固定效应和随机效应的p值的计算结果。
再分析控制变量的影响。计量结果表明，失业率的系数为负且在10%的显著性水平上显著，表明失业率上升时区域的经济萧条或发展水平较低，对电商产业集聚具有负向作用，即失业率的增加将会降低电商产业的集聚程度；人口总量的系数为正且在10%的显著性水平上显著，表明以其衡量的市场规模对电商产业集聚具有正向促进作用。
(二)影响因素作用路径的实证分析
通过上述理论分析可知，电商产业集聚包括销售集聚和采购集聚两条路径，即使相同的影响因素在这两种不同的运作机制和路径下的作用方向和程度将会表现出一定的差异。为此，还需对不同影响因素的传导路径及机制作进一步实证分析和检验。由于在统计上，电商交易包括销售与采购两种行为，销售额与采购额之和即是电商交易额，因此电商产业集聚要么是由销售集聚或采购集聚其中之一引致的，要么是两者同时引致的。所以，本文在对电商产业集聚路径进行实证分析时，并未设定学术界通常采用的中介效应模型，而是直接对销售集聚路径和采购集聚路径进行实证分析。
1.销售集聚路径影响因素
这里重点考察信息技术和所有制结构两个因素对电商销售集聚路径的影响，两者都是本文关注的核心解释变量，如果前者的二次项系数显著为正，而后者的系数显著为负，那么前述两个假设就得到进一步验证。实证结果见表3所示。
表3 销售集聚路径的影响因素

注：(1)本表数据由Stata14计算得到，其中括号内为聚类稳健t统计量，***、**和*分别表示在1%、5%和10%水平上显著；(2)混合效应模型中报告的是F统计量的值，随机效应模型中报告的是Wald统计量的值；(3)Hausman统计量为非聚类稳健条件下固定效应和随机效应的p值的计算结果；(4)本表中使用了失业率的对数形式。
表3中，模型(1)和模型(2)的实证结果表明，信息技术的一次项系数为负二次项系数为正，且均在1%的显著水平上通过显著性检验，表明信息技术发展对电商产业集聚的销售路径的影响呈“U”型特征。国企比重的系数为负且在1%的水平上通过显著性检验，表明国有企业比重的上升会对电商销售集聚产生一定的“挤出效应”。国有企业与地方政府之间存在密切关系，国企高管兼具企业家和官员的双重身份，国有企业在获得金融、技术、劳动支持等方面具有比非国有企业更明显的优势，企业组织结构相对僵化，对电子商务等新兴商业模式的冲击反应相对滞后，从而限制了自身电商模式的发展并“挤出”了区域内的电商产业集聚。模型(3)和模型(4)也得出相同的结论，由此，假设1、假设2得到进一步验证，且验证了假设2提出的所有制结构将主要通过销售路径“挤出”电商产业的集聚。
由表3还可看出，交通运输条件的一次项系数为负二次项系数为正，且至少在5%的水平上通过显著性检验，表明交通运输条件对电商销售集聚的影响具有“U”型特征，即电商销售集聚程度随区域交通运输条件的改善呈现出先下降后上升的趋势。这是因为当交通运输条件初步改善时，企业的运输费用下降不明显，但却能够将企业从初始的狭小市场中释放出来，使得企业能够在更大的市场中参与竞争，因此，企业倾向于采用在多个地区设立分支机构的分散化经营模式；随着交通运输条件的进一步改善，运输费用出现大幅下降，其下降幅度超过企业的重置成本，此时企业倾向于在区域内集中发展，即表现为产业集聚水平的提升。另外，虽然失业率对电商销售集聚具有一定的阻碍，而市场规模的扩大则对其起到促进作用，只是从目前的实证结果看，这种作用还不明显。
2.采购集聚路径影响因素
消费者在采购过程中，通常都会考虑信息成本、运输条件、预算约束等因素，且人口规模大致能代表一个地区的消费市场规模，从而也会对电商集聚产生一定的影响。计量结果见表4所示。
表4 采购集聚路径的影响因素

注：(1)本表数据由Stata14计算得到，其中括号内为聚类稳健t统计量，***、**和*分别表示在1%、5%和10%水平上显著；(2)混合效应模型中报告的是F统计量的值，随机效应模型中报告的是Wald统计量的值；(3)Hausman统计量为非聚类稳健条件下固定效应和随机效应的p值的计算结果。
在表4中，模型(1)和模型(2)的计量结果表明，信息技术和交通运输条件一次项系数为负二次项系数为正，且大多数在5%的显著性水平上显著，表明信息技术发展和交通运输条件改善对电商产业集聚的采购路径的影响都具有“U”型特征。模型(3)和模型(4)的计量结果也得到相同的结论。由此，假设1得到进一步验证。由模型(3)和模型(4)的计量结果可知，国企比重的系数为负，且未通过显著性检验，这表明地区所有制结构中国企比重的上升并不会对电商采购集聚产生显著的“挤出效应”，这与表3的实证结果表现出一定的差异。这表明，所有制结构的“挤出效应”只在电商销售集聚中具有显著作用，而在电商采购集聚中的作用不显著。主要原因是，企业与消费者遵循不同的决策过程，企业在作出改变营销模式的决策时，并不只是追求利润最大化，而是要兼顾公平与效率，而这又明显受到企业所有制性质的影响。具体而言，一方面，传统营销模式改变为电商营销，会导致裁撤传统的营销部门、建立新的营销队伍、变更现行财务制度等，需要多个部门之间协调进行并兼顾营销模式变更导致的公平问题，而且国有企业的“政治人”特征也会促使其相对更加关注公平；另一方面，国有企业通过“挤出”对电商企业的新投资和降低创新创业的羊群效应，从而抑制了电商产业的发展。消费者依据效用最大化原则作出消费行为决策，一般不会受到个人所在企业性质的影响。从而假设2得到进一步验证。
由表4还可看到，失业率的系数为负且至少在10%的显著性水平上显著，表明失业率上升时区域的经济萧条或发展水平较低，对电商采购集聚具有显著的抑制作用。这主要是因为失业率较高的地区，经济社会发展相对落后，消费者收入水平相对较低且结构单一，从而限制了电商采购水平的提升和产业集聚。人口规模的系数为正且在5%的水平上通过显著性检验，表明人口规模的扩大则对电商采购集聚具有显著促进作用。这主要是由于人口规模大，直接扩大了电商采购量，扩大了电商交易规模。从我国电商产业发展实际看，据专家测算，中国电子商务在2013年左右进入到在消费者中全面普及的“经济体阶段”[32]，人口因素对电商采购集聚的拉动作用表现得越来越明显。
(三)稳健性检验
为避免由于模型设定偏误、变量选取不恰当等问题造成的实证结果的不稳健性，这里重新选取适当的核心解释变量和控制变量对模型进行稳健性检验。其中，选取互联网使用者密度(userdens)作为信息技术的代理变量，以每万人中互联网上网人数衡量，该数值越大说明信息技术发展水平越高。考虑到中国的交通运输主要依靠公里和铁路进行，因此，这里选取以公路和铁路通车里程之和测量的道路密度(roaddens)作为交通运输条件的代理变量，其计算方法与公式(3)相同，该数值越大说明交通运输条件越好。集体所有制企业在现实中国城镇经济中占有较大比重，且具有与国有企业相似的性质，由此选取以国有和集体企业就业比重(sce)作为所有制结构的代理变量，以国有企业和集体企业中从业人员数之和占全体就业人数之比衡量，该数值越大说明所有制结构中国企和集体企业所占比重越高。考虑人口规模受区域面积的影响，这里选取人口密度(popudens)作为人口规模的代理变量。以上变量的稳健性检验结果如表5所示。
在表5中，模型(1)和模型(2)的被解释变量为电商产业集聚，模型(3)和模型(4)的被解释变量为电商销售集聚，模型(5)和模型(6)的被解释变量为电商采购集聚。所得实证结论与表2-表4中的结果虽然在系数绝对值大小上有一定差别，但在系数符号与显著性水平等方面基本保持一致，这一结果表明以上实证分析结果具有稳健性。
五、主要结论与政策建议
本文基于电子商务的时空异步性特征，将电商产业集聚路径分为销售集聚和采购集聚两条路径，利用中国2013-2016年的省际面板数据实证检验信息技术和所有制结构对电商产业集聚的影响。研究发现：(1)与传统产业中的销售和采购同时集聚不同，电子商务由于存在时空异步特征，使得交易行为可以分时域跨地域进行，从而将交易过程的销售行为和采购行为在时间和地理上分隔开，因此电商产业集聚也分为两条路径，包括销售集聚路径和采购集聚路径，深化了对产业集聚路径的研究。(2)从宏观角度而言，信息技术与交通运输条件是电商产业集聚的基本影响因素，而且其作用呈现出“U”型特征，即电商产业集聚程度将随信息技术与交通运输条件的发展呈现出先下降后上升的趋势，这一发现有助于解释信息技术对生产性服务业集聚影响的双重影响问题。(3)所有制结构中国有企业比重将通过销售集聚路径对区域内电商产业集聚产生“挤出效应”，在采购集聚路径中的作用则不明显；人口规模和失业率则主要通过采购集聚路径影响电商产业集聚；表明体制和人口因素仍然是制约电商产业发展的重要因素，但其作用方式和途径存在差异；研究结果对现实具有一定的指导意义。
表5 电商产业集聚的稳健性检验结果

注：(1)本表数据由Stata14计算得到，其中括号内为聚类稳健t统计量，***、**和*分别表示在1%、5%和10%水平上显著；(2)混合效应模型中报告的是F统计量的值，随机效应模型中报告的是Wald统计量的值；(3)Hausman统计量为非聚类稳健条件下固定效应和随机效应的p值的计算结果。
本文的理论贡献主要体现为：第一，现有研究通常集中在对制造业集聚、传统服务业集聚和生产性服务业的整体性集聚方面，将对产业集聚的研究领域拓展到以电子商务为代表的新经济新业态领域，进一步深化了对新经济新业态集聚及其影响因素的认识和理解，丰富了与产业集聚相关的研究文献。第二，根据电商产业的时空异步性特征将电商产业集聚路径分为销售集聚和采购集聚两条路径，突破了现有研究中将供给和需求、销售与消费集聚合二为一的研究框架的约束。第三，将信息技术和所有制结构纳入到对电商产业集聚的研究中来，证实了信息技术对电商产业集聚的双重作用或“U”型特征，并验证了国有企业比重提高将会通过销售路径“挤出”区域内电商产业集聚，为中国进一步推进信息化进程和国有企业改革提供了理论依据。
同样，本文的研究对于促进我国电商产业集聚式发展提供了相应的理论指导与启示。首先，进一步强化信息化建设。信息技术作为电商产业发展的基础设施，具有一定的公共品性质，需要政府从多方面进行产业政策支持。一方面，通过税收优惠、财政补贴、低息贷款、共同投入以及风险共担等一系列政策措施，引导企业优先把有限资源配置在信息技术提升方面，包括增加计算机使用量，建立信息要素发展市场，培育信息化人才，开展信息化业务等，推动信息技术对传统产业的改造升级；调整上网资费制度，加快5G网络建设，通过政府引导提高居民的互联网使用率和普及率。另一方面，抓住新产业革命的爆发期，大力发展移动互联网、大数据、云计算、物联网、人工智能等新一代信息技术，着力解决新一代信息技术发展过程中的计算能力、关键芯片、数据存储与分析等核心问题。
其次，进一步推进国有企业改革。上述研究结果表明，区域内国有企业所占比重越高，对电商产业集聚发展的阻力也就越大，因此，现阶段为促进电商产业集聚，需进一步推进国有企业改革。一方面，在国企所占比重较高的区域发展电商产业时，应优先考虑发展电商采购而非电商销售，以避免由于国企比重过高对电商销售带来的抑制作用，而且需要防止国有企业在金融资本、劳动资源等方面对电商产业的“挤出效应”。另一方面，在商业类国有企业中加快推进经营模式改革，尤其是在主业处于充分竞争行业和领域的商业类国有企业中，加速引入电子商务经营模式，通过股份改革引入非国有资本、对在职员工进行电商服务方面的培训、建立以电商服务为主的组织机构等，提高国有企业中电商销售模式的应用程度。
最后，改善交通运输条件，改变销售模式并扩大内需。在改善交通运输条件方面，需要建立更加便捷发达的交通网络，采用更加先进的物流技术，降低铁路与公路的运输成本；在改变销售模式方面，需进一步普及电商理念，鼓励因地制宜地建设“淘宝村”形式的电商集聚区；在扩大内需方面，要充分发挥人口规模对电商产业集聚发展的促进作用。具体而言，在人口规模较大的地区或城市，如京津冀、长三角和珠三角地区，人口吸纳能力强、人口密度高，鼓励电商采购与消费行为；在人口规模较小的地区或城市，需要提升公共服务能力，吸引农业人口等非熟练劳动力向城市的转移，扩大区域内的人口规模，提高人口密度，作为承接信息化建设的人力资源储备。
参考文献
[1]阿里研究院．中国淘宝村研究报告(2017年)[R]．2017，12．
[2]陈建军，陈国亮，黄洁．新经济地理学视角下的生产性服务业集聚及其影响因素研究——来自中国222个城市的经验证据[J]．管理世界，2009(4)：83-95．
[3]盛龙，陆根尧．中国生产性服务业集聚及其影响因素研究——基于行业和地区层面的分析[J]．南开经济研究，2013(5)：115-129．
[4]吴福象，曹璐．生产性服务业集聚机制与耦合悖论分析——来自长三角16个核心城市的经验证据[J]．产业经济研究，2014(4)：13-21．
[5]Kolko J.Agglomeration and Co-Agglomeration of Services Industries[R].Mpra Paper,2007．
[6]Boiteux-Orain C,Guillain R.Changes in the Intrametropolitan Location of Producer Services in Ile-De-France(1978-1997):Do Information Technologies Promote a more Dispersed Spatial Pattern？[J]．Urban Geography，2004，(25)6：550-578．
[7]林理升，王晔倩．运输成本、劳动力流动与制造业区域分布[J]．经济研究，2006(3)：115-125．
[8]路江涌，陶志刚．我国制造业区域集聚程度决定因素的研究[J]．经济学(季刊)，2007，6(3)：801-816．
[9]金煜，陈钊，陆铭．中国的地区工业集聚：经济地理、新经济地理与经济政策[J]．经济研究，2006(4)：79-89．
[10]文东伟，冼国明．中国制造业产业集聚的程度及其演变趋势：1998-2009年[J]．世界经济，2014(3)：3-31．
[11]邱灵，方创琳．生产性服务业空间集聚与城市发展研究[J]．经济地理，2012，32(11)：76-80．
[12]宣烨．本地市场规模、交易成本与生产性服务业集聚[J]．财贸经济，2013(8)：117-128．
[13]王栋．农村电子商务产业集群发展的动力机制透析[J]．重庆社会科学，2017(9)：61-67．
[14]张灿．论电子商务产业集群的形成机制——基于“淘宝第一村”的案例研究[J]．区域经济评论，2015(6)：97-104．
[15]凌守兴．我国农村电子商务产业集群形成及演进机理研究[J]．商业研究，2015(1)：104-109．
[16]徐智邦，王中辉，周亮，等．中国“淘宝村”的空间分布特征及驱动因素分析[J]．经济地理，2017，31(1)：107-114．
[17]马海涛，李强，刘静玉，等．中国淘宝镇的空间格局特征及其影响因素[J]．经济地理，2017，37(9)：118-124．
[18]武荣伟，周亮，康江江，等．中国县域电子商务发展空间格局及其影响因素[J]．干旱区资源与环境，2018，32(2)：65-69．
[19]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[J]．经济地理，2016，36(2)：1-10．
[20]Rusu M, Stanciu A,Rusu M,er al. The 2010 State New Economy Index:Benchmarking Economic Transformation in the States[M].Social Science Electronic Publishing,2017,12(48):97-111．
[21]国家商务部．电子商务“十三五”发展规划[EB/OL]．2016年12月，http://images.mofcom.gov.cn/dzsws/201612/20161229191628547.pdf．
[22]陈亚琦．互联网时代电子商务发展规律及其路径探析——基于时空分析视角[J]．河北学刊，2015，35(5)：219-222．
[23]Megginson W L.The Financial Economics of Privatization[M].Oxford:Oxford University Press,2005．
[24]崔丽丽，王骊静，王井泉．社会创新因素促进“淘宝村”电子商务发展的实证分析——以浙江丽水为例[J]．中国农村经济，2014(12)：50-60．
[25]雷兵，刘蒙蒙．农村电子商务产业集群的形成机制[J]．科技管理研究，2017(11)：177-184．
[26]Anderson W P，Chatterjee L，Lakshmanan T R.E-commerce，Transportation and Economic Geography[J].Growth and Change,2010,34(4)：415-432．
[27]Vakhitov V，Bollinger C．Effects of Ownership on Agglomeration Economies：Evidence from Ukrainian Firm Level Data[R].Kyiv School of Economics Series Discussion Papers,2010．
[28]张俊妮，陈玉宇．产业集聚、所有制结构与外商投资企业的区位选择[J]．经济学(季刊)，2006，5(4)：1091-1108．
[29]Tan J， Tyler K， Manica A．Business-to-business Adoption of Ecommerce in China[J]．Information & Management，2007,44(3):332-351．
[30]Demurger S.Infrastructure Development and Economic Growth：An Explanation for Regional Disparities in China?[J]．Journal of Comparative Economics，2001,29(1):95-117．
[31]Fleisher B，Li H ，Zhao M Q．Human Capital，Economic Growth and Regional Inequality in China[J]．Journal of Development Economics，2009,92(2):215-231．
[32]郝建彬．二十年：中国电子商务史话[J]．互联网经济，2015(5)：90-97．
Information Technology, Ownership Structure and Electronic Commerce Industry Agglomeration——Empirical Test of Factors Affecting Industrial Agglomeration
DU Chuan-zhong1, CHEN Wei-xuan2, HU Jun2
(1.College of Economic and Social Development, Nankai University, Tianjin 300071, China；2. School of Economics, Nankai University, Tianjin 300071, China)
Abstract：The agglomeration of e-commerce industry represented by “Taobao Village” has gradually become a typical feature of economic development with Chinese characteristics. This paper analyzes the path and the influencing factors of the industrial agglomeration of the electricity business by using the econometric model of China’s provincial panel data from 2013 to 2016. The results show that the agglomeration has been divided into two paths of selling and purchasing; information technology and transportation conditions are the basic influencing factors of the agglomeration of e-commerce industry, and their functions exhibit a non-linear “U” type feature. Ownership and market scale factors are also important forces that affect the agglomeration of e-commerce industry. The increase in the proportion of state-owned enterprises mainly crowds out the e-commerce industry agglomeration through the selling path, but its role in the purchasing path is not obvious; market scale and unemployment rate mainly play a role through the purchasing path. The research in this paper has deepened the understanding of the typical representative e-commerce industry agglomeration in the new economic new business mode, and has certain policy implications for China to better promote the e-commerce industry agglomeration development under the new normal.
Key words：information technology; ownership structure; electronic commerce industry; aggregation; space-time asynchronism