重慶市主城區零售企業空間分布與區位選擇影響因素研究

劉冠伸,張彥,曹欣

(1.重慶數字城市科技有限公司,重慶 401121; 2.重慶市移動測量工程技術研究中心,重慶 401121;3.城市全息空間數據應用重慶市工程研究中心,重慶 401121; 4.移動型智能測量裝備重慶市工程實驗室,重慶 401121)

0 引 言

城市的發展無法離開商業與經濟活動,而商業與經濟活動的運行中,零售業作為連接生產端與消費端的紐帶與橋梁,它與人民的物質生活密不可分,是重要的組成部分。零售企業作為零售業的微觀主體,其空間分布與區位選擇不僅影響地區的經濟發展和居民的衣食住行,同時還影響著整個城市與相關區域的空間結構,且在預測運營收益方面將發揮重要的作用,一直以來都備受相關學者關注。

零售企業的商業行為是城市商業活動的“毛細血管”,關于其空間上的布局研究,廣泛受到學者的關注。在研究尺度問題上,從國家、城市到社區不同層次都有所涉及。Dawson建立了“地理屬性的零售業制度框架”,認為零售企業的商業空間分布同時受到區位、社會制度、公共政策等因素的共同影響[1]。Murdie認為消費者的文化差異同樣影響其零售行為,在此基礎上展開現代商業空間格局研究[2]。陳蔚珊、柳林和梁育填將POI數據使用到廣州商業中心空間分析中,認為廣州市雙核心商業空間發展格局已經形成[3]。冉釗,周國華和吳佳敏等人基于長沙市六區POI數據,運用核密度分析、熵指數、頻數密度分析及空間聚類等方法研究長沙市生活性服務業的空間格局特征,發現整體布局呈“一核四軸多極”且空間分布與人口集中度聯系緊密[4]。

零售企業的區位選擇具有地理學上的空間異質性,又受到經濟學上“經濟人”思想的限制,還跟管理學中的決策策略息息相關,影響因素也非常復雜,引發了國內外學者的許多討論。王士君等人收集長春大型商場數據,利用多分類logit模型開展實證檢驗,回歸結果表明,其區位選擇對地租不敏感,人口密度、是否位于政府規劃商圈都會顯著影響商場區位選擇[5]。Kickert等以底特律和海牙兩個城市為樣本開展研究,發現兩個城市相似度很高,集聚因素對區位選擇有著顯著的正向作用[6]。楊秋彬等人采用空間計量法研究上海商業網點的區位選擇問題,認為市場需求、交通條件等因素會顯著影響上商業中心的區位選擇,空間區域間的相互影響可以提高地方商業集聚水平[7]。

總結歸納發現,關于零售企業的空間分布與區位選擇影響因素都存在一些問題沒有得到充分研究。首先,以往關于零售企業空間分布、區位選擇影響因素的研究大多都采用面板數據、統計公報數據等,但是實際上零售企業是具有動態生命力的,短時間內各種影響因素的小變化就可以產生總體上的大變化,時間跨度過大會導致數據失去其時效性,進一步影響研究的結論。

其次,部分學者采用計量學的方法考察各類因素對零售企業區位選擇的影響,增強了結論的說服力,但一些量化上存在困難的因素各自的影響因素不得而知,如政策、文化、集聚等。還缺乏對不同規模的企業區位因素影響差異性的類比分析,種種因素都限制了其結論的科學性,提出的意見與建議也缺乏推廣的可能性。

重慶市是中國具有代表性的大型城市,零售企業發展起步早,現存數量多、零售業態完善、種類齊全,作為樣本開展研究具有獨特優勢。同時重慶也是山地型城市的代表,已有的圍繞平原發達城市的案例研究結果不具有普適性,很大程度上影響了零售企業主及政府相關部門對開展零售企業建設的系統認知。在這樣的背景下,探討零售企業的空間分布格局進而解析零售企業區位選擇的影響因素能夠有效了解企業區位選擇與城市空間之間的相互作用關系,對重慶市城市功能疏解的方向與政策提供相應的理論依據,從而更好地指導零售企業的選址問題。

1 數據與方法

1.1 數據來源及處理

重慶市位于中國西南地區、地處長江上游,本文所指的重慶市主城區位于市域西部,面積 5 473 km2,包括渝中區、渝北區、南岸區、江北區、北碚區、大渡口區、九龍坡區、巴南區、沙坪壩區,地理范圍為東經106°22′～106°37′,北緯29°26′～29°27′。

本文選擇了基于2020年1月高德地圖提供的零售企業POI大數據。在對基礎信息建立數據庫后進行統計,所抓取的POI數據共計 118 593條,接著以行政區劃圖為底圖,對POI數據做空間校正。處理后的POI數據分布圖如圖1所示:

在此基礎上進一步對POI數據進行處理,根據我國現行的最新業態分類標準《零售業態分類》(GB/T 18106—2004),同時兼顧區域數據的全面性與完整性,保證可以采用準確度最高的數據對零售企業空間布局與區位選擇的影響因素進行分析,本文最終確定以高德地圖POI分類下的購物服務大類為基礎,選取其14個子類進行不同業態的分析。(即家居建材市場、商場、特色商業街、特殊買賣場所、體育用品店、文化用品店、專賣店、綜合市場、服裝鞋帽皮具店、個人用品/化妝品店、便民商店便利店、花鳥蟲魚市場、家電電子賣場等),如表1所示。

表1 重慶市主城區零售企業POI數量及比例

經過空間地理編碼與逆編碼匹配、刪除重復數據以及電話抽查詢問刪除低識別度點等處理后,得到有效數據 89 222條。按照每種子類POI存在的數量及所占比例,人為地將其歸為大型零售業態(占比7%以上)、中型零售業態(占比1%～7%)和小型零售業態(占比1%以下)三類。以這些數據為基礎建立本文研究的地理空間信息數據庫。

1.2 研究方法

(1)冷熱點分析法

將視角聚焦化可以采用冷熱點分析,其過程是輸入一組加權后的要素,經過統計處理后得到的輸出結果為z得分與p值,通過z值與p值的相關組合,可以得到“高高”“高低”“低高”和“低低”四種聚類的地理位置組合。這些聚類是存在共生包圍性的,同時也滿足統計學意義上的顯著性。本文采用冷熱點分析,聚焦研究零售企業在重慶市主城區是否有聚類現象,找到高聚類點并詳細挖掘,展現其空間上的分布規律。計算方式如公式(1)、(2)和(3)。

(1)

(2)

(3)

(2)條件Logit模型與Tobit模型

零售企業區位選擇的問題,可以從需求者與供給者兩個不同的視角來討論。從需求者角度(單個零售企業自身)來看,在選擇開展零售活動時面臨一系列可供選擇的的區位(在本文中即為不同街道),對于某個零售企業i而言,當Uij>Uik時,則企業傾向在j地選址而不是k地。區位選擇問題變成了不同街道被選取的可能性大小問題,每個街道都存在備選的可能。因此,可表達為如下形式:

(4)

式中,chosenij為被解釋變量,則chosenj的值為1意味著企業選擇在j地開展建設,否則其值就為0(即一個企業每次只能選擇落入一個街道)。在本研究中,每個零售企業都存在158種區位選擇的可能性,總實際觀測樣本量應該有零售企業數乘以街道個數,即N×158個。

在這種0與1的二值選擇離散事件中,本文選擇使用McFadden提出的條件Logit模型(Conditional Logit)進行解釋,同時對各種區位因素的影響系數進行參數估計,觀察區位因素的各種變化對于區域能否被選中概率的影響。

本文選取2020年重慶市主城區新產生的 2 378個零售企業作為觀測樣本值(即N=2 378)?！皩τ趩未螀^位選擇問題而言,只有一個街道會被零售企業選中,其他157個被拒絕,拒絕的街道相對較多。因此,本文參考Ben-Akiva的做法[8],隨機選擇5個拒絕的街道進入單次區位選擇的分組,這樣的隨機選擇并不會影響最終的估計結果。故最后進入模型的觀察樣本為N×6=14 268個。

從供給者角度(重慶市主城區158個街道)來看,若以重慶市主城區158個街道為空間因素,以落入街道的零售企業個數為被解釋變量(即一個街道可以有多家零售企業),使用同一套指標考察不同區位特征對街道已經落入的零售企業的影響,回歸結果就可以用來驗證所選取因素對零售企業區位選擇影響程度的穩健性。由于“被解釋變量為0值截尾數據,忽略數據的截尾情況將導致有偏的結果”的原因,選取王俊松等人的做法[9],使用Tobit模型進行穩健性檢驗,構建模型如下為:

(5)

與式(4)模型類似的,各解釋變量含義相同,采用極大似然法進行估計。

2 重慶市主城區零售企業空間分布特征

為進一步研究各行業空間分布聚集熱點,縮小范圍方便描述,選取 1 200 m蜂窩網格為研究單元,對產生的POI核密度值,采用公式(3)進行熱點處理,得到其分布圖(圖2)。

圖2 重慶市主城區零售企業空間分布熱點圖

總的來看,重慶市主城區范圍內的零售企業分布核心仍然是解放碑地區,并且由中心向外擴散成多個次級中心,次級中心又各自銜接呈現出集聚發展的態勢。出現這樣的分布是多因素導致的,其中具有代表性的是政策、人口、交通因素。起初,分布密集區域具有人口、政策的獨特優勢,提供了良好的消費市場與基礎設施,零售企業競相入駐產生規模經濟。但隨著城市化進程的加快,這些區域逐漸飽和,產生了有限市場的企業競爭,在競爭過程中,土地成本與服務成本隨之上升,產生了一定的負外部性,部分企業選擇外遷,外遷的距離視可接受的相關成本而定,這樣逐漸在遠城區形成新的集聚中心。在企業外遷的過程中,也會帶走一部分相關人才與技術,以前的外部地區綜合水平得以提高,人口遷移也分攤了相關勞動力競爭壓力,新的居住區重新產生對零售企業的需求,激發出新的市場潛能。這樣的循環往復的過程可以理解為向心力與離心力相互間大小作用關系,當向心力在某個時期大于離心力時,就會在外圍地區產生新的次級中心,離心力大于向心力時,又會產生距離疏遠,削弱相關市場潛能,在動態平衡中,形成了點狀集聚與向外擴散的零售企業空間布局特征。

3 重慶市主城區零售企業區位選擇影響因素研究

3.1 相關變量選取

(1)市場潛能

Harris認為,“市場潛能是關于收入水平和地區空間距離的函數[10]?！睂嶋H上,“人們大部分的日?；顒佣荚谒幼〗值婪秶鷥乳_展,可以說人口基數越大,存在的消費市場也就越大,市場潛能也就越大[11]?！痹诮值肋@個行政區劃級別,居民平均收入水平的數據獲取難度較大,因此選擇街道人口作為代替變量。但是各個街道行政面積不同,人口數量也存在差別,采用人口總數指標又忽略了人口因素給零售企業帶來的規模經濟效益。因此,本文選取人口密度(Potent)(即街道常住人口與行政面積的比值)來避免這個問題。

(2)生產成本

生產成本基本可以確定為兩部分,即土地成本(地租成本)與人力成本(勞動力成本)。實際上,土地成本在街道層面的研究中基本上是動態變化的,短時間內很有可能產生加大波動,基本無法得到一個街道長期的地租成本數據。本文選取各個街道的道路密度(Cost1)代替本街道的土地成本[12]。原因是道路密度這一指標基本上可以體現這一街道的基建水平,“道路密度越高的地區,基礎設施越完備,反映出當地的土地成本也就越高[13]?！?/p>

另一方面,關于街道的人力成本,實際上一個街道的勞動力數量與平均工資都是其影響因素。本文視各個街道的平均工資為固定值,擬選取各個街道15～64歲就業適齡人口數(Cost2)來代替本區域內的勞動力成本[14],這部分人口的數量越多,人力成本也就越低,零售企業越容易獲得人才與勞動力。

(3)生產效率

集聚經濟理論認為,不論是相同性質的產業還是不同性質的產業,其發生集聚效應后都可以使新的零售企業取得規模經濟效益。事實上,在空間允許的范圍內,服務消費環境多樣化,勞動人才共享、信息與知識分享都會引起區域范圍內企業的生產效率提高。但“隨著空間范圍的擴大,聚集密度會產生擠出效應和競爭效應?！耙l的負面屬性超過了正面屬性,又可能降低整體生產效率。

所以,新建設的零售企業在進入已有零售企業分布的街道時,總會受到他們的影響(不論是正向影響或是負向影響)。在本文的研究中,考慮到數據的易獲取性,在計量回歸分析中,以2020年的每個街道已有的零售企業數量作為指標[15],尋找集聚效應(Cluster)這一因素具體的影響效應。

(4)交通可達性

交通可達性可以比喻為零售物品與服務與消費者間的聯系紐帶。上乘的交通水平可以為消費者到達零售企業提供便捷,也能降低零售物品與服務的配送成本。零售企業的區位選擇與投入建設是立足于人們的消費需求的,而實際上,這種消費需求可以分為兩部分來看,即當地居民的購物需求與外來旅游者的購物需求。為了更好地體現兩者的區別,本文采用內部交通和外部交通的指標進行交通可達性的識別。

(5)政策規劃

區位選擇并不是只由市場機制來決定的,多數情況下,還受到當地政府出臺的相關政策和總體規劃的影響,這種情況在我國體現尤為突出。本文參考前人的研究,選取市級公共活動中心(Zone)與中央商務商貿區(Cbd)等指標來體現政策的影響。

在總體規劃影響方面,“中心城區總是享有相關公共配套設施與基礎設施建設的優先權與優待權”[16]。因此,街道距離市中心的遠近也是零售企業區位選擇的關鍵因素。本文選擇街道中心到朝天門碼頭(重慶市地理原點)的距離(Center)作為考察,用數值的大小體現距離中心的遠近。

3.2 區位因素影響結果分析

選取因素對零售企業區位選擇的影響報告如下表,其中模型1至模型3選取條件Logit模型對參數進行估計。為更好地體現經濟地理學理論框架中的影響因素是一個一步步豐富的過程,按照漸進決策理論的思想,模型1只選取市場潛能與生產成本,隨后在模型2、3中開始增加變量,一步步探究影響結果。

模型1中只考慮了市場潛能與兩種生產成本的影響因素,從結果上來看,街道人口密度(potent)存在顯著的正向促進作用。在模型1的基礎上,加入內外部的交通可達性以及三個政策制度等變量因素,可以看出土地成本(Cost1)、人力成本(Cost2)開始產生正向的效應,且變得顯著。同時,區域內地鐵站數目(in-traffic)、市級公共活動中心(Zone)、中央商務商貿區(Cbd)、距離朝天門碼頭距離(Center)對零售企業區位選擇都具有顯著的正效應。在模型2的基礎上再加入了反映集聚效應(Cluster)的變量,得到的顯著影響因素有土地成本(Cost1)、街道人口密度(Potent)、勞動力成本(Cost2)、內部交通(In-traffic)、是否處于市級公共活動中心(Zone)以及企業集聚效應(Cluster)。

將三個模型同期比較來看(表3),代表區域潛能的街道人口密度變量在模型1、模型2、模型3中皆顯著為正,說明了零售企業的區位選擇總會受到區域潛能影響。一個區域內越高的人口密度就會帶來越多的消費需求,零售企業的區位選擇在一開始就會追逐市場潛能大的區域,這會給他們帶來穩定的投資回報。此外,高人口密度意味著多樣的市場需求,這會誘導零售企業內部升級,增強其競爭能力。

表3 重慶市主城區零售企業區位選擇影響因素整體回歸結果

代表生產成本的街道道路密度與就業適齡人口數指標在模型1中不顯著,但在2、3中正向顯著并具有穩健性。這可能是因為零售企業需要緊密貼合消費者需求,他們需要擁有絕對的區位優勢,因此,零售企業對勞動力成本并不敏感,具有較大的支付成本能力。

與預期設想不同的是,到火車站、機場等交通樞紐的距離體現的外部交通可達性并沒有對零售企業區位選擇產生顯著影響,甚至也不一定是正向影響。這也許是因為重慶市主城區的零售企業的服務對象并沒有瞄準國內外的旅游型消費者,而是更多地服務本地消費者。相反,以街道的地鐵站(In-traffic)數量為指標的內部交通可達性越好,對吸引零售企業區位選擇的吸引力也就越大,這一指標充分說明了城市軌道交通在重慶市主城區零售企業的經營問題上扮演重要角色,也與重慶市大力發展的“立體軌道交通+線下零售”模式相契合,成為大中型城市新式零售企業開發的“潮流”。

政策規劃對零售企業的區位選擇是多方面的。在模型2與模型3中市級公共活動中心區的影響顯著為正,這表明零售企業更愿意在市級公共中心活動區進行商業活動?，F代零售企業業態輻射范圍很廣,旅游、購物、科技、文化、娛樂、教育等產業都需要市級公共活動中心區提供吸引,政府在這些區域開展招商活動和保證土地供給可使零售企業穩步發展,是影響零售企業區位選擇的重要因素。

中央商務區(Cbd)的影響在模型2中顯著為正,但在加入集聚因素變量后便不再顯著,甚至影響方向都發生了改變。這說明在沒有集聚因素的影響下,零售企業原本是會追逐中央商務區的城市規劃而進行區位選擇的,與周邊類似企業“抱團取暖”,共同形成商務商業的集聚區,提高自身抵御外部風險的能力。而在產生了集聚因素之后,已有的中央商務區規劃就失去了吸引力,這也許是因為與其他產業多樣化的集聚發展帶來的利好相比,零售企業這一產業更方便從專業化的集聚發展中獲得優勢。特別是在街道這一層面,各個零售企業地理上的相近可以有效降低人才資源成本,還能共享已建成的基礎服務設施和分攤行業發展的風險,從而獲得規模報酬遞增優勢。

類似的,在模型2中距市中心距離(Center)的影響顯著為正,加入集聚因素變量后也同樣變得不顯著。這說明在集聚因素產生前,零售企業總會有區位布局郊區化的意愿。長期的競爭-合作關系塑造了這些零售企業間的價值觀默契,在任何一個街道都可以和諧發展,不再敏感于是否遠離市中心。

4 結論與討論

首先,重慶市主城區的零售企業具有典型的“整體分散”與“局部集聚”并空間分布特征。體現為區域內零售企業在空間分布上呈現趨向南北兩端的擴散模式。各類零售企業空間都形成了自己的集聚中心,布局重心點也都匯聚于城市的地理原點,但各自分布的廣域與聚集程度都各不相同,平均距離和標準距離也出現差異?？傮w上,“解放碑—觀音橋”片區已是零售企業的聚集熱點,諸如“南坪—楊家坪”“九宮廟—覃家崗”等次級熱點集聚區也相繼產生。

其次,重慶市零售企業的區位選址受到政府宏觀規劃與市場微觀調整共同影響,市場潛能、生產成本、交通可達性、政策規劃、產業集聚等因素對零售企業區位選擇問題都存在顯著的影響。零售企業對生產成本并不敏感,具有較大承租能力;服務對象并沒有瞄準國內外的旅游型消費者,而是更多地服務本地消費者,并且依賴于城市軌道交通的發展;緊跟政府的區域規劃獲得市場的先入優勢;出現產業集聚現象后,集聚效應會覆蓋政策規劃成為吸引力更強的影響因素。當零售企業規模不同時,市場潛能、政策規劃等因素對零售企業區位選擇的影響存在差異。小型業態零售企業具有供給主導權,并不會過多考慮本街道或區域的市場消費能力能否給他們帶來過多的收入;中、小型業態零售企業進行區位選擇時也有遠離市區逐漸郊區化的趨勢,追求低廉的地租與溫和的競爭環境的同時,也可滿足城市人口郊區遷移產生的消費需求。