電子商務(wù)對(duì)居民信息消費(fèi)結(jié)構(gòu)的影響

《電子商務(wù)對(duì)居民信息消費(fèi)結(jié)構(gòu)的影響》由會(huì)員分享，可在線閱讀，更多相關(guān)《電子商務(wù)對(duì)居民信息消費(fèi)結(jié)構(gòu)的影響（6頁(yè)珍藏版）》請(qǐng)?jiān)谘b配圖網(wǎng)上搜索。

1、電子商務(wù)對(duì)居民信息消費(fèi)結(jié)構(gòu)的影響 電子商務(wù)對(duì)居民信息消費(fèi)結(jié)構(gòu)的影響 2019/03/26 摘要：我國(guó)電子商務(wù)發(fā)展迅猛，信息消費(fèi)也逐漸成為拉動(dòng)經(jīng)濟(jì)增長(zhǎng)的新引擎，為了更好地研究在電子商務(wù)下居民信息消費(fèi)的變動(dòng)情況，需要進(jìn)一步研究電子商務(wù)發(fā)展對(duì)居民信息消費(fèi)結(jié)構(gòu)的影響。從網(wǎng)絡(luò)消費(fèi)的角度，運(yùn)用動(dòng)態(tài)面板數(shù)據(jù)模型，實(shí)證分析電子商務(wù)發(fā)展對(duì)我國(guó)居民信息消費(fèi)結(jié)構(gòu)的影響。結(jié)果顯示，電子商務(wù)發(fā)展對(duì)我國(guó)醫(yī)療保健消費(fèi)和文教娛樂(lè)消費(fèi)具有顯著的促進(jìn)作用，而對(duì)交通通訊消費(fèi)具有一定的抑制作用。

2、 關(guān)鍵詞：電子商務(wù)；居民信息消費(fèi)結(jié)構(gòu)；廣義矩估計(jì) 引言 2018年工信部、國(guó)家發(fā)改委印發(fā)《擴(kuò)大和升級(jí)信息消費(fèi)三年行動(dòng)計(jì)劃（2018—2022年）》的通知，其中指出到2020年，我國(guó)信息消費(fèi)規(guī)模要達(dá)到6萬(wàn)億元，實(shí)現(xiàn)98%的行政村光纖通達(dá)和4G網(wǎng)絡(luò)的全覆蓋。據(jù)中國(guó)工業(yè)和信息化部統(tǒng)計(jì)，2020年，我國(guó)要實(shí)現(xiàn)固定寬帶普及率占70%，移動(dòng)寬帶普及率達(dá)到85%。在居民信息消費(fèi)水平不斷提高的同時(shí)，居民信息消費(fèi)結(jié)構(gòu)也在不斷升級(jí)。未來(lái)經(jīng)濟(jì)的增長(zhǎng)點(diǎn)主要來(lái)自于創(chuàng)新型消費(fèi)與服務(wù)型消費(fèi)，供給側(cè)結(jié)構(gòu)性改革使得供給的結(jié)構(gòu)與消費(fèi)更加匹配。這說(shuō)明，“培育信息消費(fèi)需求”“拓寬電子商務(wù)發(fā)展空間

3、”，將會(huì)擴(kuò)大消費(fèi)增長(zhǎng)空間，而這都離不開(kāi)電子商務(wù)的發(fā)展。除了基礎(chǔ)性物質(zhì)消費(fèi)，享受型消費(fèi)如休閑、教育等會(huì)成為信息消費(fèi)的新亮點(diǎn)。因此，研究電子商務(wù)發(fā)展對(duì)我國(guó)居民信息消費(fèi)結(jié)構(gòu)的影響具有重要的現(xiàn)實(shí)意義。 一、文獻(xiàn)回顧 國(guó)內(nèi)對(duì)信息消費(fèi)研究最早開(kāi)始于鄭英?。?994）對(duì)信息消費(fèi)概念的系統(tǒng)定義[1]，何猛和閆強(qiáng)（2014）對(duì)信息消費(fèi)進(jìn)行了重新界定，并研究了信息消費(fèi)在大數(shù)據(jù)時(shí)代下的內(nèi)涵和新特點(diǎn)[2]。劉雪艷等（2016）重新認(rèn)識(shí)了新興信息消費(fèi)的內(nèi)涵，應(yīng)該將新興信息技術(shù)與信息消費(fèi)行為相結(jié)合[3]。從信息消費(fèi)結(jié)構(gòu)的角度來(lái)研究，樊茂清（2006）研究認(rèn)為，我國(guó)城鎮(zhèn)居民信息消費(fèi)結(jié)構(gòu)具有地

4、區(qū)差異[4]。汪衛(wèi)霞和汪雷（2012）運(yùn)用ELES模型，對(duì)我國(guó)城鎮(zhèn)居民信息消費(fèi)結(jié)構(gòu)區(qū)域差異進(jìn)行了實(shí)證分析[5]。陳立梅（2013）運(yùn)用擴(kuò)展線性系統(tǒng)支出模型，分析了農(nóng)村信息消費(fèi)現(xiàn)狀和消費(fèi)結(jié)構(gòu)[6]。張慧芳和艾天霞（2016）認(rèn)為，城鎮(zhèn)居民收入增長(zhǎng)對(duì)信息消費(fèi)結(jié)構(gòu)演變的影響顯著且具有明顯的區(qū)域差異性[7]。對(duì)于研究電子商務(wù)與居民消費(fèi)的關(guān)系，鄭英隆和潘偉杰（2015）分析了農(nóng)村電子商務(wù)成長(zhǎng)對(duì)村民的信息消費(fèi)效應(yīng)，指出農(nóng)村電子商務(wù)發(fā)展推動(dòng)村民信息消費(fèi)成長(zhǎng)[8]。方福前和邢煒（2015）分析認(rèn)為，居民消費(fèi)與電子商務(wù)呈“U”型關(guān)系[9]。國(guó)內(nèi)外學(xué)者對(duì)信息消費(fèi)的研究文獻(xiàn)很多，但對(duì)于信息消費(fèi)結(jié)構(gòu)定量分析的文獻(xiàn)卻很

5、少。對(duì)其度量也沒(méi)有明確的方法，學(xué)者們主要集中在信息消費(fèi)水平的研究上。因此，本文在梳理并借鑒相關(guān)文獻(xiàn)的基礎(chǔ)上在國(guó)家要擴(kuò)大和升級(jí)信息消費(fèi)的大背景下，將居民消費(fèi)慣性納入模型，并運(yùn)用動(dòng)態(tài)面板數(shù)據(jù)模型來(lái)研究電子商務(wù)發(fā)展對(duì)信息消費(fèi)結(jié)構(gòu)的影響。 二、模型的設(shè)定 本文對(duì)于信息消費(fèi)結(jié)構(gòu)的研究采用動(dòng)態(tài)面板數(shù)據(jù)模型，其能夠揭示被解釋變量的動(dòng)態(tài)變化特征，在模型中解釋變量包含了被解釋變量的滯后項(xiàng)。根據(jù)習(xí)慣形成理論，當(dāng)期消費(fèi)產(chǎn)生的效用不僅取決于當(dāng)期的消費(fèi)，而且取決于過(guò)去的消費(fèi)習(xí)慣。因此，在模型中引入滯后一期信息消費(fèi)支出，以反映居民信息消費(fèi)的慣性。設(shè)其一般形式為：δ是一個(gè)常數(shù)，β是k1向量，

6、Xit和yit是解釋變量和被解釋變量，μi為非觀測(cè)截面?zhèn)€體效應(yīng)，νit為隨機(jī)擾動(dòng)項(xiàng)。對(duì)于動(dòng)態(tài)面板數(shù)據(jù)模型的估計(jì)一般采用廣義矩方法（GMM），因模型中包含因變量的滯后項(xiàng)，考慮到內(nèi)生性問(wèn)題，若運(yùn)用OLS估計(jì)時(shí)必將產(chǎn)生參數(shù)估計(jì)量的有偏性和非一致性，而GMM方法允許隨機(jī)誤差項(xiàng)存在異方差和序列相關(guān)，因而所得到的參數(shù)估計(jì)量比其他參數(shù)估計(jì)方法更有效，工具變量的有效性也會(huì)更強(qiáng)。本文使用廣義矩估計(jì)（GMM）方法來(lái)估計(jì)模型，其方法主要有差分廣義矩估計(jì)（DIF-GMM）和系統(tǒng)廣義矩估計(jì)（SYS-GMM）。 三、變量選擇和模型估計(jì) （一）變量選擇與數(shù)據(jù)說(shuō)明1.被解釋變量。目前學(xué)術(shù)界對(duì)信

7、息消費(fèi)范圍的界定還沒(méi)有達(dá)成一致，本文在計(jì)算人均信息消費(fèi)時(shí)，采用蔣序懷（2000）[10]提出對(duì)于信息消費(fèi)統(tǒng)計(jì)的方法，在研究信息消費(fèi)結(jié)構(gòu)時(shí)選擇人均醫(yī)療保健消費(fèi)支出（HC）、人均交通通訊消費(fèi)支出（TCC）、人均娛樂(lè)文化教育消費(fèi)支出（CEC），其數(shù)據(jù)均以居民消費(fèi)價(jià)格分類(lèi)指數(shù)（2010年=100）為定基價(jià)格指數(shù)進(jìn)行了平減。2.解釋變量。選取人均居民收入（PI）作為基本的自變量，將“城鎮(zhèn)居民人均可支配收入”和“農(nóng)村居民人均純收入”按人口比例加權(quán)計(jì)算得到，并以2010年為基期將各省按照不同省份的居民消費(fèi)價(jià)格指數(shù)（CPI）進(jìn)行平減。各省電子商務(wù)發(fā)展指數(shù)（EC）是“阿里巴巴電子商務(wù)發(fā)展指數(shù)”，它基于阿里巴巴平

8、臺(tái)的海量數(shù)據(jù)，包括網(wǎng)商指數(shù)、網(wǎng)購(gòu)指數(shù)兩個(gè)一級(jí)指標(biāo)和四個(gè)二級(jí)指標(biāo)（網(wǎng)商密度指數(shù)、店均網(wǎng)絡(luò)交易指數(shù)、網(wǎng)購(gòu)消費(fèi)者密度指數(shù)、人均網(wǎng)絡(luò)消費(fèi)指數(shù)）。阿里巴巴電子商務(wù)發(fā)展指數(shù)取值介于0—100之間，數(shù)值越大，反映該省電子商務(wù)發(fā)展水平越高。3.控制變量。本文借鑒鄭麗等[11]（2016）選取中國(guó)各省市居民的受教育程度（EDU）、勞動(dòng)人口占比（LP）兩個(gè)變量作為控制變量。居民受教育程度，是將高中及以上人口加總并除以各省人口數(shù)得到高中及以上人口占比；勞動(dòng)人口占比，是各省市14~64歲人口占總?cè)丝诘谋壤?。本文基于?shù)據(jù)的可獲得性和可比性，選取中國(guó)31個(gè)省（市、自治區(qū)）2010—2015年的相關(guān)樣本數(shù)據(jù)。數(shù)據(jù)來(lái)源于《中

9、國(guó)統(tǒng)計(jì)年鑒（2011—2016）》《中國(guó)城市（鎮(zhèn)）生活與價(jià)格年鑒（2011—2012）》《中國(guó)價(jià)格統(tǒng)計(jì)年鑒（2013—2016）》和阿里研究院。 （二）估計(jì)結(jié)果及分析本文基于模型（1）和影響信息消費(fèi)結(jié)構(gòu)變化的變量來(lái)建立如下模型：其中，i表示省份，t表示年份，yLit代表各省人均醫(yī)療保?。℉Cit）、交通通訊（TCCit）、文教娛樂(lè)消費(fèi)支出（CECit），μi和νit分別為不可觀察的各個(gè)省份的個(gè)體差異和隨機(jī)擾動(dòng)項(xiàng)。本文對(duì)面板數(shù)據(jù)采用LLC（Levin-Lin-Chu）和Fisher-ADF法來(lái)檢驗(yàn)數(shù)據(jù)列的平穩(wěn)性。由檢驗(yàn)結(jié)果可知，原序列存在單位根，對(duì)該序列進(jìn)行一階差分后再次檢驗(yàn)，P

10、值顯著，說(shuō)明該序列平穩(wěn)，即存在一階單整。通過(guò)Kao檢驗(yàn)和Pedroni檢驗(yàn)方法進(jìn)行協(xié)整檢驗(yàn)，可知ADF統(tǒng)計(jì)量的值和P值拒絕原假設(shè)，即該31個(gè)省市面板數(shù)據(jù)之間存在協(xié)整關(guān)系。本文主要考察電子商務(wù)發(fā)展與居民信息消費(fèi)結(jié)構(gòu)之間的關(guān)系，不考慮各省份個(gè)體的變化，因此不考慮變系數(shù)模型。通過(guò)Hausman檢驗(yàn)的統(tǒng)計(jì)量和F值可知檢驗(yàn)結(jié)果拒絕了隨機(jī)效應(yīng)模型原假設(shè)，應(yīng)建立個(gè)體固定效應(yīng)回歸模型。本文使用系統(tǒng)GMM一步估計(jì)法和兩步估計(jì)法進(jìn)行估計(jì)，結(jié)果（見(jiàn)下表）。由表中的統(tǒng)計(jì)檢驗(yàn)來(lái)看，SYS-GMM的兩步估計(jì)法的Sargan檢驗(yàn)的P值均大于0.05，且都顯著大于SYS-GMM兩步估計(jì)法中的P值，說(shuō)明兩步估計(jì)法中選擇的工具變

11、量整體有效，且兩步估計(jì)法采用的權(quán)重矩陣要比一步法更有效解決樣本異質(zhì)性。從表中可知，滯后一期消費(fèi)支出系數(shù)都顯著為正，說(shuō)明居民信息消費(fèi)易受消費(fèi)習(xí)慣的影響，具有顯著“荊輪效應(yīng)”。居民人均收入PI顯著性較差，系數(shù)較小，可見(jiàn)居民人均收入在信息消費(fèi)結(jié)構(gòu)中影響并不顯著。對(duì)于電子商務(wù)發(fā)展EC，在醫(yī)療保健消費(fèi)、文教娛樂(lè)消費(fèi)中，系數(shù)顯著為正，其對(duì)醫(yī)療保健消費(fèi)影響最大，這與目前醫(yī)藥行業(yè)電子商務(wù)飛速發(fā)展有很大關(guān)系。而在交通通訊消費(fèi)中，電子商務(wù)發(fā)展指數(shù)系數(shù)為負(fù)，這是因?yàn)榫W(wǎng)上購(gòu)物、網(wǎng)上交易等互聯(lián)網(wǎng)金融模式的多樣化使得居民線上消費(fèi)增加，從而減少了居民外出和購(gòu)物的交通量。從控制變量的參數(shù)估計(jì)值可知，受教育程度EDU對(duì)于信息消

12、費(fèi)結(jié)構(gòu)具有顯著正相關(guān)，尤其對(duì)醫(yī)療保健消費(fèi)的促進(jìn)作用更顯著，可見(jiàn)大部分受教育程度較高的居民能夠接受新型醫(yī)療電子商務(wù)發(fā)展模式。勞動(dòng)力LP在文教娛樂(lè)消費(fèi)模型中系數(shù)較大，說(shuō)明青少年仍是文教娛樂(lè)消費(fèi)的主力軍。 四、研究結(jié)論及啟示 本文基于2010—2015年我國(guó)31個(gè)?。ㄊ?、自治區(qū)）的省際面板數(shù)據(jù)，利用系統(tǒng)GMM估計(jì)兩步法分析了電子商務(wù)對(duì)我國(guó)居民信息消費(fèi)結(jié)構(gòu)的影響。研究發(fā)現(xiàn)，電子商務(wù)發(fā)展對(duì)于我國(guó)居民醫(yī)療保健消費(fèi)和文教娛樂(lè)消費(fèi)支出有積極作用，而對(duì)于交通通訊消費(fèi)具有一定的抑制作用?？梢?jiàn)，電子商務(wù)的發(fā)展在一定程度上便利了居民的日常生活，節(jié)約了時(shí)間成本，豐富了居民的精神文化生活。

13、電子商務(wù)的發(fā)展對(duì)于居民的信息消費(fèi)具有正向作用，同時(shí)也優(yōu)化了居民的信息消費(fèi)結(jié)構(gòu)，隨著信息化的不斷深化，電子商務(wù)會(huì)進(jìn)一步推動(dòng)居民信息消費(fèi)結(jié)構(gòu)不斷優(yōu)化升級(jí)。 參考文獻(xiàn)： [1]鄭英隆.信息消費(fèi)論綱[J].上海社會(huì)科學(xué)院學(xué)術(shù)季刊，1994，(2)：51-59. [2]何猛，閆強(qiáng).大數(shù)據(jù)時(shí)代的信息消費(fèi)內(nèi)涵分析[J].北京郵電大學(xué)學(xué)報(bào)，2014，(4)：40-45. [3]劉雪艷，齊捷，王在寧.新興信息消費(fèi)內(nèi)涵界定及特征分析[J].情報(bào)理論與實(shí)踐，2016，(11)：62-67. [4]樊茂清，任若恩.我國(guó)城鎮(zhèn)居民消費(fèi)結(jié)構(gòu)的實(shí)

14、證研究[J].統(tǒng)計(jì)研究，2006，(12)：23-26. [5]汪衛(wèi)霞，汪雷.我國(guó)城鎮(zhèn)居民信息消費(fèi)結(jié)構(gòu)區(qū)域差異性分析[J].情報(bào)理論與實(shí)踐，2012，(11)：104-108. [6]陳立梅.基于擴(kuò)展線性支出系統(tǒng)模型的我國(guó)農(nóng)村居民信息消費(fèi)結(jié)構(gòu)分析———來(lái)自1993—2009年的經(jīng)驗(yàn)數(shù)據(jù)[J].管理世界，2013，(9)：180-181. [7]張慧芳，艾天霞.城鎮(zhèn)居民收入增長(zhǎng)與信息消費(fèi)結(jié)構(gòu)演變———基于省級(jí)面板數(shù)據(jù)的實(shí)證研究[J].經(jīng)濟(jì)問(wèn)題探索，2016，(12)：82-89. [8]鄭英隆，潘偉杰.農(nóng)村電子商務(wù)發(fā)展與村民信息消費(fèi)成長(zhǎng)效應(yīng)[J].福建論壇：人文社會(huì)科學(xué)版，2015，(11)：25-30. [9]方福前，邢煒.居民消費(fèi)與電商市場(chǎng)規(guī)模的U型關(guān)系研究[J].財(cái)貿(mào)經(jīng)濟(jì)，2015，(11)：131-147. [10]蔣序懷.略論我國(guó)居民信息消費(fèi)的現(xiàn)狀及存在的問(wèn)題[J].消費(fèi)經(jīng)濟(jì)，2000，(5)：33-37. [11]鄭麗，趙嚴(yán)冬，唐守廉.信息產(chǎn)業(yè)發(fā)展水平對(duì)居民信息消費(fèi)的門(mén)限效應(yīng)———基于面板數(shù)據(jù)的實(shí)證研究[J].情報(bào)科學(xué)，2016，(3)：79-84.