首页 >
论文范文 >
自然科学论文 >
数学论文 >
数学分析论文 >
基于空间分布角度采用锡尔系数与赫芬达尔指数进行B2C网络零售市场集中度研究
摘要：为了探究B2C网络零售市场的变化状况和空间分布情况，基于赫芬达尔指数和锡尔系数的方法，以天猫平台百货食品、服装鞋包、手机数码和特殊类目商品为例，对网络零售市场集中度进行时空分析。从时间维度来看，百货食品、服装鞋包和手机数码行业整体变化情况趋于稳定，而特殊类目行业变化幅度较大；从空间分布角度来看，网络零售市场主要分布在东南沿海城市，区域分布相对集中化。
加入收藏
一、引言
随着互联网的快速发展和应用普及，网络经济已成为我国经济的重要组成部分。据统计，2018年1—10月，全国网络零售额70539亿元，同比增长25.5%[1]。蓬勃的网络零售市场，有力地推动了消费升级和产业转型。关于零售市场的研究一直是学者们的重点课题，国内外学者对于零售市场的研究非常广泛，主要集中在市场结构和影响因素等角度。
Hovhannisyan等（2016）对美国百货商品零售业集中度和乳制品价格的关系进行实证分析，发现百货商品零售业集中度的提高会促进乳制品价格的上涨。[2]
Einarsson(2008）通过对比欧洲多个国家的食品杂货零售市场集中度，研究发现北欧地区的食品杂货零售市场寡占趋势非常显著。[3]
陈阿兴等（2004）对实体零售市场进行了研究，分别提出区域市场集中度和业态集中度的概念。[4]
罗建华等（2009）将实体产业集中度的算法和区域加权平均算法进行对比。[5]
赵秀丽等（2016）从B2B服务商市场集中度入手，并首次将产业划分为区域性产业和全国性产业结构进行研究，通过分析其市场集中度的主要影响因素，发现市场规模和经济发展程度等因素都与市场集中度呈现正相关。[6]
虽然这些学者们对零售市场的研究涉及诸多方面，但是还有一些可以补充的内容：一是现有研究主要集中在线下实体领域，线上研究相对较少；二是常规的分析研究是直接从销售额的角度，探究市场变化情况；三是较少文献为网络零售域经济发展和市场集中度之间提供的区相关分析。
本研究基于市场集中度指数，构建了市场集中度指数和行业销售量的联系，为投资者和研究者提供了一个新的思考方向：选取天猫平台，利用赫芬达尔-赫希曼指数（简称HHI、赫芬达尔指数）和锡尔系数（TheilIndex），从时间维度和空间维度对B2C网络零售市场进行分析。
二、数据集建立
本研究采用的数据，来源于通过抓取天猫平台公开页面采集的300多万条商品信息，包括店铺ID、类目ID、品牌ID、商品的多级类目、类目中所有类型商品的平均价格、类目所包含的商品种类、每月的销售数目、店铺的每个类目所对应的总销售额等。因为爬取的数据存在部分异常现象，如个别商品销售额出现极值、某些商品的特征呈现空值等情形，所以使用了iForest算法去除异常值[7]，数据预处理结束后，保留了约250万份有效数据。
三、B2C市场集中度测量指标
选用以下两种计算B2C市场集中度的指标：
（一）赫芬达尔指数
赫芬达尔指数可以说是研究者使用次数最多的市场集中度评价指数之一，因其兼顾绝对集中度和相对集中度的优点，不受企业的数目和规模分布的影响，并且能较好地计算行业的集中度变化情况而备受青睐。结合网络零售市场不同行业的情况，计算公式中：HHI表示网络零售市场的某行业领域中子行业的集中度指数，X表示网络零售市场某子行业的总销售额，Xi表示所处子行业的i店铺的总销售额，N表示某子行业的总店铺数目。HHI值越大，市场就越集中。沿用美国司法部和联邦贸易委员会的划分标准，基于HHI对市场结构进行分类，如表1所示：
表1基于HHI的市场结构划分
（二）锡尔系数
产业地理集中度分析的常见测量指标有胡佛系数、基尼系数、锡尔系数[8]。根据所获取的数据信息，本研究选用了锡尔系数。计算公式如下：
公式中：Ti表示行业i的值，Xij表示行业i在区域j中的销售额，Xi表示行业i的总销售额，J为总区域数。其中：Ti越大，越集中；Ti越小，越分散。
四、B2C市场集中度分析
（一）市场集中度分析
根据所获取的数据，分析天猫网络零售市场的百货食品、服装鞋包、手机数码和特殊类目这4个具有代表性的行业领域的集中度情况，如图1所示：
图14个行业的市场集中度分布情况
图1表示百货食品、服装鞋包、手机数码和特殊类目这4个市场集中度的分布情况，其中每个行业市场都有诸多的子行业。图1的横坐标表示子行业的赫芬达尔指数，纵坐标表示概率密度，曲线表示子行业的赫芬达尔指数的分布情况。
根据表1的划分发现：百货食品中竞争子行业有46.87%，低寡占型的子行业占据21.97%，高寡占型的子行业占据31.16%。服装鞋包的集中度指数小于0.1的占据82.86%，大于0.1的子行业占据17.14%，所以服装鞋包是以竞争型子行业为主导力量的行业领域。虽然行业种类比较少，但是子行业内店铺数量众多，这也造成了子行业内部竞争非常激烈。手机数码市场呈二分行业空间的态势，其中竞争型子行业占比36.46%，低寡占型子行业占比20.13%,而高寡占型子行业占比43.41%。手机数码市场的主要子行业由规模较大的数家店铺所主导，寡占趋势比较明显。特殊类目指关于手机充值、药物买卖等特殊化的行业领域。特殊类目市场呈高寡占的趋势，其中竞争型的子行业占比6.81%，低寡占型子行业占比6.31%，高寡占型的子行业占比86.88%。
以上4个主要行业的子行业内部的店铺数目非常少，市场空间由少数几家店铺所占据，有的子行业甚至一家独大，高寡占形式非常明显。
（二）市场集中度的变化情况和销量的联系分析
根据获取的数据，基于时间序列对市场集中度的变化情况和子行业的商品销量进行了分析，研究了2017年1—12月全年的市场集中度变化和销量间的联系（见表2、图2、图3）。因为每个行业领域中有多个子行业，本研究只展示了部分子行业市场集中度和销量的变化情况。
表2部分子行业市场集中度和销量的相关性系数
表2表示子行业市场集中度和销量间的相关性。图2表示百货食品7个子行业在1～12月市场集中度的变化情况和销量信息。结合表2和图2，发现新鲜蛋糕和防雨布这两个子行业的市场集中度指数整体呈现下降趋势，其对应月份的销量呈现上升态势，子行业的市场集中度指数和销量间的相关性系数分别为-0.74和-0.69，即市场集中度指数与销量间呈现较强的负相关性。防雨布子行业在5月份有个明显的销量下跌，但是其市场集中度指数相比于4月份有了微量的提升，到了6月份防雨布销量快速增长，其对应的市场集中度指数却仍旧有些提升，这可能是因为5月份子行业内竞争较少，到了6月份后，子行业内竞争态势没有明显变化，但是部分商家的销量却大幅度提高，从而提高了整个子行业的销量。眼罩子行业的市场集中度指数小于0.1，该子行业市场机构属于竞争I型，竞争较为激烈，它的相关性系数为-0.12，即市场集中度指数呈弱相关性。
图2百货食品部分子行业市场集中度和销量变化情况
图3服装鞋包部分子行业市场集中度和销量变化情况
图3表示服装鞋包部分子行业的1～12月份市场集中度变化情况。选取的子行业市场集中度指数都小于0.1，说明它们属于竞争型行业。结合表2和图3，发现凉鞋、羽绒服、毛呢大衣和毛线这4个子行业的市场集中度指数与销量一样，都有着很明显的季节性特征。例如，羽绒服的销量在2～9月份相对较低，而其市场集中度指数较高；羽绒服的销量在9～12月份很高，但是其市场集中度指数很低，子行业内竞争非常激烈。通过计算羽绒服市场集中度指数和销量间的皮尔逊相关性系数求得结果为-0.78，说明子行业的市场集中度指数与销量间呈现较强的负相关性。皮带扣子行业的市场集中度指数小于0.05，属于竞争II型，皮带扣市场集中度指数和销量间的相关性系数为-0.06，说明两者间几乎没有关系。而领结行业的情况比较特殊，区别于其他子行业的负相关性，领结的市场集中度指数和子销量间呈较弱的正相关性，相关系数为0.27，且领结行业销量起伏不定。
研究整个市场的稳定性状况，以多个月份市场集中度指数的标准差作为衡量市场集中度稳定性的测量指标，如图4所示：
图4市场集中度稳定性情况
图4表示4个行业中子行业市场集中度指数的标准差分布，其中小提琴形状图的白点表示中位数，旁边的黑色粗线条表示四分位数范围，外面延伸的细线条表示95%的置信区间，图宽表示子行业集中度指数标准差的频率。百货食品、服装鞋包和手机数码市场集中度指数的标准差的四分位数范围主要集中在0.1以下，而且它们的市场集中度指数标准差的95%置信区间几乎覆盖了大部分范围，可以认为百货食品、服装鞋包和手机数码中的大部分子行业的集中度变化不显著，说明其具有较高的稳定性。特殊类目子行业市场集中度指数的标准差的四分位数范围主要介于0.2～0.4之间，与百货食品、服装鞋包和手机数码市场相比市场集中度稳定性较弱，子行业市场变化比较多。
（三）市场的空间集中度分析
基于获取的2017年1—12月天猫平台公开的数据，采用锡尔系数，以省、区、市作为区域计算的单位，计算整个市场的空间集中程度变化情况。如表3所示：
表32017年1—12月4个行业锡尔系数情况
锡尔系数反映了市场空间集中的程度，其数值越小，市场的空间集中度越低，分散程度越高；反之数值越大，市场空间集中度越高，分散程度就越低。从表3得知，百货食品和特殊类目的锡尔系数都是小于1.0，市场空间分布相对较为分散。而服装鞋包和手机数码的锡尔系数都超过1.0，市场相对比较集中，而且从4个行业计算的锡尔系数标准差来看，数值都非常的小，说明行业空间集中度没有明显变化。
4个行业的地理空间分布情况，如图5所示：
图54个行业市场的空间分布
图5显示4个行业市场的区域分布和全年的销售情况，图中的颜色越深说明销售额越高。根据计算结果，百货食品行业的锡尔系数为0.7224，服装鞋包的锡尔系数为1.2266，手机数码的锡尔系数为1.4196，而特殊类目的锡尔系数最小为0.6471。4个行业市场的空间集中程度从大到小依次为：手机数码>服装鞋包>百货食品>特殊类目。4个行业市场的空间分布主要集中在东南沿海地区，优越的地理位置和蓬勃的经济发展状况吸引了大量的商家投入，而且可以预见商业集群化，将会成为未来发展的趋势，这也间接造成了东南沿海地区和西北地区网络零售市场差距越发的明显。进一步研究东部、中部和西部地区部分省份的行业市场情况，以各区县作为行业空间集中度计算的部分，以省份作为一个整体。如表4所示：
表44个行业不同区域的锡尔系数情况
表4可知，东部地区的海南省在4个行业的锡尔系数都是最高的，说明其行业空间分布集中化程度最高。中部地区各省份的4个行业的锡尔系数相较于其他区域都偏低，表明行业的空间分布较为分散。在西部地区，青海省在百货食品领域、服装鞋包领域和特殊类目领域的锡尔系数最高分别为6.5198、8.1160和7.0042，而手机数码领域锡尔系数最高的省份是内蒙古自治区，表明青海省和内蒙古自治区在西部地区所对应行业领域空间分布较为集中化。研究发现，百货食品、服装鞋包和手机数码这三个行业市场的稳定性较高，特殊类目市场的稳定性较差，更易于发生改变，从特殊类目的不同省份的锡尔系数来看，青海省和海南省差距较小，所以大有可为之处。可以将青海省的特殊类目市场作为发展网络零售市场的重要突破口，推动西部地区网络经济发展。
五、结论
本研究通过对B2C网络零售市场集中度趋势的分析，验证了王珂（2014）分析B2C电子商务的市场结构得到的结果，即我国B2C行业逐渐趋向于高寡占型的市场结构[9]。基于市场集中度指数，构建了市场集中度指数和行业销售量的联系，分析了不同的子行业内的环境对于行业销售量的相关性，但是存在一定的局限性，只是单层面的关联性分析，未来要从多因素出发，探究经济收益和市场环境等的多目标的优化，实现收益最大化。
基于天猫平台，以百货食品、服装鞋包、手机数码和特殊类目4个行业为例，通过集中度指数从时间和空间角度分别对网络零售市场进行了分析，结果发现：从时间维度看，百货食品、服装鞋包和手机数码的行业集中度稳定性相对较好，而特殊类目集中度稳定性相对较差。从空间维度来看，海南省在4个行业的集中化程度最高，青海省集中化程度与海南省差异较小，可以作为西部网络零售市场的重要突破口，推动西部网络经济的发展。
参考文献:
[1]电子商务研究中心.2018年(上)中国网络零售市场数据监测报告[EB/OL].(2018-09-27)[2020-03-12].
[4]陈阿兴,陈捷.我国零售产业集中度的实证研究[J].产业经济研究,2004(6):8-13.
[5]罗建华,谭海彦,李铁宁.区域性产业市场结构分类方法体系研究[J].商业研究,2009(4):132-135.
[6]赵秀丽,牛登云.B2B服务商市场的结构优化与发展趋势[J].企业经济,2016(7):60-65.
[8]贺灿飞,潘峰华.产业地理集中､产业集聚与产业集群:测量与辨识[J].地理科学进展,2007(2):1-13.
[9]王珂.我国B2C电子商务行业发展的市场结构分析[J].商业时代,2014(35):73-74.
黄伟.B2C网络零售市场集中度的时空分析——基于赫芬达尔指数和锡尔系数[J].经营与管理,2020(06):28-36.
分享：
Scratch趣味编程要求学生具备程序设计、逻辑思维、实践分析、创作作品的能力。在教学实践过程中我认为“基于问题式的学习”(简称PBL)是在课堂教学中，教师引导学生研究探索，以问题为引入点，结合实际的环境，运用多种信息技术解决问题，从而达到教学目标的一种模式。
2021-09-07
初中的数学知识相对而言比较复杂,知识点之间的联系性也并不是很紧密,因此针对以上问题就需要教会学生,如何有效掌握良好的学习方法,并且要让学生能够重视到错题本的重要性,从自身的学习情况与接受能力出发,从根本上提升学生的最终学习效率,也能同时起到事半功倍的效果。对于错题本的整理能够培养学生具备归纳与整理知识点的能力,也能同时促进初中生的全方位发展。本文主要通过对错题本的重要性进行深入分析,探讨出如何让学生有效提升学习成绩的最终方案。
2021-09-07
在新课程教育改革浪潮的推进下,沪科版数学教材经历了多次修订,新教材的普及和应用为当下教学注入了新的活力,也给教师教学带来了新的挑战。那么如何设计教学环节,做到收与放,让学生在活动中可以发挥出更大的主动性,各项能力在其中得到锻炼,值得我们在教学实践中探索。本文笔者将分享在初中数学课堂教学实践中的一些心得和经验积累,希望可促进教学效果更佳。
2021-08-31
这些年来,我国的素质教育不断推进,对于学生的综合素养有了更高的要求。在高中数学教学的过程之中,强调培养高中生的创造性思维能力,发挥他们的想象力,提升他们的自主学习性。带领高中生掌握数学学习技巧,取得更加优异的数学成绩。笔者在本文之中,就如何在高中数学教学过程之中,培养高中生的创造性思维能力,展开了详细的探讨。旨在全面提升高中课堂教学效率,促进学生全面发展。
2021-08-31
课程标准2020修订版提出重视考察学生在比较真实的情境中解决问题的能力，就是彰显数学文化，提高学生的核心素养。在知识的生成过程中融入数学文化,在章引言中体验数学的文化价值,在定义和标准方程的推导中体验数学的科学价值,在性质中体验数学的审美价值,在生活中体验应用价值,培养学生用数学知识方法解决问题的创新意识,活用数学思想方法攻坚克难,彰显数学文化的魅力。
2021-08-31
在快节奏的生活中，人们对于餐饮便捷性的追求，使得外卖行业不断壮大。外卖配送作为外卖行业的重要环节，受到了各大外卖平台以及顾客的广泛关注。在配送过程中，如果只依据配送员的经验进行配送，很容易出现配送超时以及配送路径不合理的现象，以此带来不必要的损失。因此，在外卖配送方面进行各种优化，对于提高外卖配送水平具有重要意义。
2020-12-02
随着中国城市经济的快速发展、人口数量的不断增长、出行量的不断增大，因此，飞机、出租车成为出行方式中不可或缺的一部分。由于飞机的起飞和降落对周边环境要求较高，而且飞机起降时噪音很大容易对周边居民产生影响，所以机场大部分情况都会建在离市区较远的地方。
2020-11-27
针对1948年1月到2019年12月美国失业率的时间序列数据，利用ARIMA和SARIMA模型分别进行分析，我们得到的最优模型为ARI-MA(2,2,0）。因此ARIMA(2,2,0）模型或许能较好的拟合美国失业率的时间序列模型，但由于失业率会受到宏观因素条件的影响，以及模型本身的限制因素，只能进行短期的预测。
2020-10-23
2010年Magal等[5]5]研究了年龄依赖模型,通过线性化和构造Lyapunov函数等证明平衡点的全局稳定性,至此以后开启了年龄结构模型的建立分析.由于考虑到染病者的潜伏期与疾病的复发都会与年龄有关,这些关系都会影响疾病的整个流行趋势,故建立年龄结构模型研究分析已经是很多学者都在考虑的问题.
2020-09-09
黄金价格的动态演变过程也反映了金融市场中经济行为主体的投资决策，黄金价格的动态演变过程也是一种数据生成的过程。国内外学者对黄金价格趋势研究所使用的方法很多但具有一定的局限性，如供需法、美元法、成本法、回归模型法等。本文将利用时间序列相关理论对伦敦黄金交易市场的黄金价格建立ARMA-GARCH模型，并进行实证分析。
2020-07-09
人气：4772
人气：3095
人气：2961
人气：2783
人气：2446
我要评论
期刊名称：大学数学
期刊人气：2138
主管单位：中华人民共和国教育部
主办单位：大学数学课程教学指导委员会(原数学与统计学教学指导委员会),合肥工业大学
出版地方：安徽
专业分类：科学
国际刊号：1672-1454
国内刊号：34-1221/O1
创刊时间：1984年
发行周期：双月刊
期刊开本：大16开
见刊时间：7-9个月
影响因子：0.553
影响因子：0.322
影响因子：0.352
影响因子：0.000
影响因子：0.000
科普杂志阅读、期刊信息查询、论文下载、文献查询、原创文章检测等多项服务。
服务热线
您的论文已提交，我们会尽快联系您，请耐心等待！
你的密码已发送到您的邮箱，请查看！
2020-06-01
646
上传者：管理员
