论文部分内容阅读
摘要：移动智能设备的普及，重塑了居民的购物模式和形态，进而重构了城市商业空间。本文根据2017年南通市居民购物行为问卷调查数据，以居民购物行为为切入点，通过多项式逻辑回归模型，重点从空间规模和空间分布两个方面探讨移动智能设备使用下南通市居民购物行为的空间效应，得出如下结论：第一，使用移动端购物较多的南通居民购物出行更频繁，这会促进城市实体商业空间的扩张;第二，使用移动端较多的南通居民可选择的购物场所数量更多，这会促进城市商业空间分布的均质化。
关键词：移动智能设备;居民购物行为;城市商业空间;空间效应;南通
中图分类号：F724 文献标识码：A 文章编号：1004-9436（2021）04-000-03
随着移动智能设备的广泛普及，居民可以随时随地连接互联网，这促进了移动购物的普及与应用。移动智能设备的广泛使用重塑了居民消费行为，进而对城市商业空间产生影响。因此，移动智能设备使用下居民购物行为的变化以及这些变化引起的城市商业空间效应，成为政府和学者关注的主要议题[1]。
地理学领域对传统信息设备影响下城市商业空间的研究仅从传统信息设备使用对传统购物行为替代还是补充的角度[1-4]，预测未来城市商业空间规模和商业空间布局的变化。一方面，由于移动智能设备发展时间较短，对移动智能设备影响下居民购物行为的研究缺乏，而基于移动智能设备获取信息的便捷性，未来其会对居民购物行为产生持续影响，使城市商业空间重构更加复杂;另一方面，缺乏从购物行为视角对移动智能设备使用的城市商业空间重构的实证研究。因此，亟须对移动智能设备使用下的城市商业空间重构这一议题进行理论建构与实证研究，为移动智能设备使用背景下的基于居民需求的城市商业空间规划建设提供决策依据。
1 研究假设
本文以居民的购物行为为切入点，以信息设备的使用弱化了居民购物行为的时空制约为基础，从空间规模与空间分布两方面提出城市商业空间重构的研究假设。第一，研究假设I：空间规模效应。本文认为居民对信息设备的日常使用，大大激发了居民的购物欲望，从而增加了购物出行次数。因此，信息设备尤其是可随时随地使用的移动智能设备的使用，补充居民购物出行，从整体上加剧了城市商业空间规模的扩张。第二，研究假设II：空间分布效应。信息技术驱动下，居民购物出行搜寻空间范围扩大，意味着居民购物出行范围发生变化，从而增加了居民购物出行距离。因此，在信息设备尤其是移动智能设备的使用下，城市商业空间呈现出空间分布均质化的重构特征。
2 研究区域、数据及方法
2.1 研究区域与数据来源
南通市地处江苏省东南部，东抵黄海、南望长江，与上海、苏州隔江相望，作为上海大都市圈北翼的门户城市，是长江经济带的重要组成部分。近20年来，南通城市化和工业化进程呈跳跃式发展，南通居民的生活水准和品质得到了较大的提升。2014年以来，南通信息基础设施建设和互联网经济发展迅速。本文研究区域为南通市市区，总面积418.03平方公里，常住人口120.45万[5]。
2017年11月—2018年3月，课题组通过面对面发放纸质调查表的方式，对移动信息時代的居民购物行为活动进行调研。选择南通市区范围内5个人流汇集的地区，随机发放问卷，从而使问卷的样本更具代表性。调查共发放调查问卷1100份，有效回收率为94.9%。
2.2 研究方法
多项式逻辑回归模型主要用于验证在控制变量的前提下，移动端购物频率、电脑端购物频率，以及移动端购物频率和电脑端购物频率，分别对不同实体购物频率影响的可能性或趋势;移动端使用频率、电脑端使用频率，以及移动端使用频率和电脑端使用频率，对不同可选择的购物场所数量影响的可能性或趋势。
3 移动智能设备使用的城市商业空间效应
3.1 移动智能设备使用对城市商业空间规模的影响
3.1.1 传统信息设备使用补充购物出行
（1）变量选择。选取影响居民实体店购买衣服鞋帽这一类体验型商品频率的3个一级变量，分别为社会经济属性变量、虚拟购物行为属性变量和空间属性变量。其中，社会经济属性变量包括性别、年龄、文化程度和家庭月收入4个二级变量;虚拟购物行为属性变量指居民使用信息设备购物的频率;空间属性变量主要区分被调查样本的居住空间环境，分为中心圈层和外围圈层两个二级变量。选择实体店购买衣服鞋帽类商品频率作为因变量。
（2）模型结果分析。模型结果表明（见表1），在控制社会经济属性变量和空间属性变量的情况下，居民电脑端购物频率与实体店购物频率之间呈现正相关关系，即居民在电脑端购物越频繁，相应地在实体店购物就越频繁。
3.1.2 移动智能设备使用补充购物出行
模型结果表明（见表2），在控制社会经济属性变量和空间属性变量的情况下，居民移动端购物频率与实体店购物频率之间呈正相关关系，即居民移动端购物的频率越高，相应地在实体店购物的频率也越高。
3.1.3 两种信息设备使用对购物出行补充效应的对比
（1）移动智能设备使用对购物出行的补充效应更强。本文进一步控制社会经济属性变量和空间属性变量，将移动端购物和电脑端购物行为同时作为解释变量，构建新的多项式逻辑回归模型。模型结果表明（见表3），在控制社会经济属性变量和空间属性变量的情况下，居民移动端购物频率与电脑端购物频率对实体店购物频率具有显著影响，居民电脑端购物频率与实体购物频率以及移动端购物频率与实体店购物频率之间都呈正相关关系。比较模型中移动端和电脑端购物频率的回归系数，R移动端>R电脑端，因此，居民在移动端购买衣服鞋帽类商品的频率对在实体店购买衣服鞋帽类商品的频率的补充效应程度大于电脑端。
（2）移动智能设备使用加剧商业空间规模扩张。居民使用信息设备购物与实体店购物出行之间是相互补充的关系，即信息设备的使用生成了新的实体店购物出行。且与使用电脑端购物较多的南通居民相比，使用移动端购物较多的南通居民实体店购物出行更频繁，进而可以认为移动智能设备使用会在整体上加剧城市实体商业空间规模的扩张（空间效应I）。综上所述，移动智能设备的普及并不会对城市实体商业空间规模带来较大冲击，打破了移动智能设备使用导致城市实体商业空间整体规模萎缩，甚至实体店消亡的担忧[6]。 3.2 移动智能设备使用对城市商业空间分布的影响
3.2.1 传统信息设备使用增加购物场所数量
（1）变量选择。选取影响居民可选择购物场所数量的3个一级变量，分别为社会经济属性变量、互联网行为属性变量和空间属性变量。其中，社会经济属性变量包括性别、年龄、文化程度及家庭月收入4个二级变量;互联网行为属性变量指居民使用信息设备上网频率;空间属性变量主要区分被调查样本的居住空间环境，分为中心圈层和外围圈层两个二级变量。选取居民经常去的购买衣服鞋帽类商品的购物场所数量作为因变量。
（2）模型结果分析。模型结果表明（见表4），在控制社会经济属性变量和空间属性变量的情况下，居民电脑端使用频率与居民可选择的购物场所数量之间呈正相关关系，即居民电脑端使用越频繁，相应地可选择的购物场所的数量也越多。
3.2.2 移动智能设备使用增加购物场所数量
模型结果表明（见表5），在控制社会经济属性变量和空间属性变量的情况下，居民移动端使用频率与居民可选择的购物场所数量之间呈正相关关系，即居民移动端使用越频繁，相应地可选择的购物场所的数量就越多。
3.2.3 两种信息设备使用对购物出行补充效应的对比
（1）移动智能设备使用显著增加购物场所数量。模型结果表明（见表6），在控制社会经济属性变量和空间属性变量的情况下，居民移动端购买频率与可选择购物场所数量、电脑端购买频率与可选择购物场所数量之间呈正相关关系;居民移动端使用越频繁，相应地可选择的购物场所的数量就越多。比较模型中移动端和电脑端使用频率的回归系数，R移动端>R电脑端，因此，相比于传统信息设备使用频繁的居民，移动智能设备使用频繁的居民日常出行可选择的购物场所数量更多。
（2）移动智能设备的使用加剧了商业空间分布均质化。相比于传统信息设备使用较少的南通居民，传统信息设备使用较多的南通居民可选择的购物场所数量更多;相比于移动智能设备使用较少的南通居民，移动智能设备使用较多的南通居民可选择的购物场所数量更多;相比于传统信息设备使用较多的南通居民，移动智能设备使用较多的南通居民可选择的购物场所数量更多。因此，移动智能设备的应用弱化了空间距离对购物出行的影响，使居民在空间上更加自由地“流动”，从而促使城市商业要素和活动向城市郊区扩散，在郊区形成新的集聚区，导致未来城市商业空间的空间分布更加均质化（空间效应II）。综上所述，由于城市的扩展和移动智能设备使用下居民消费习惯的改变，未来城市商业空间布局将突破现有的圈层式结构演化成均等化、网络化和扁平化的分散布局。
4 结语
本文以移动智能设备的普及为背景，以居民购物行为为切入点，引入多项式逻辑回归模型，探讨了南通居民购物行为的空间效应，得出了两点结论。第一，相比于使用电脑端购物频率较低的南通居民，使用电脑端购物频率较高的南通居民购物出行更频繁;相比于使用移动端购物频率较低的南通居民，使用移动端购物频率较高的南通居民购物出行更频繁;相比于使用电脑端购物较多的南通居民，使用移动端购物较多的南通居民购物出行更频繁，这会促进城市实体商业空间规模的扩张，进而论证了空间效应I。第二，相比于电脑端使用较少的南通居民，电脑端使用较多的南通居民可选择的购物场所数量更多;相比于移动端使用较少的南通居民，移动端使用较多的南通居民可选择的购物场所数量更多;相比于电脑端使用较多的南通居民，移动端使用较多的南通居民可选择的购物场所数量更多，这会促进城市商业空间分布的均质化，进而论证了空间效应II。
参考文献：
[1] 杜晓娟，甄峰，等.南京市居民购物行为的影响因素和空间效应——基于四种商品的对比研究[J].地理研究，2017，36（5）：957-971.
[2] 刘学，甄峰，王波，等.时空制约对南京城市居民网上购物频率的影响研究[J].世界地理研究，2016，25（05）：92-100.
[3] 张永明，甄峰.城市居民网络与实体购物互动模式及空间分异——以南京为例[J].经济地理，2017，37（1）：15-22.
[4] 刘学，甄峰，张敏，等.网上购物对个人出行与城市零售空间影响的研究进展及启示[J].地理科学进展，2015，34（1）：48-54.
[5] 南通市统计局. 2017年南通市统计年鉴[M].北京：中国统计出版社， 2017：95-97.
[6] 秦艳艳.網络社会背景下的城市商业空间研究[D].大连：大连理工大学，2014.
作者简介：刘学（1983—），女，江苏连云港人，博士，副教授，系本文通讯作者，研究方向：信息技术对城市空间影响。
关键词：移动智能设备;居民购物行为;城市商业空间;空间效应;南通
中图分类号：F724 文献标识码：A 文章编号：1004-9436（2021）04-000-03
随着移动智能设备的广泛普及，居民可以随时随地连接互联网，这促进了移动购物的普及与应用。移动智能设备的广泛使用重塑了居民消费行为，进而对城市商业空间产生影响。因此，移动智能设备使用下居民购物行为的变化以及这些变化引起的城市商业空间效应，成为政府和学者关注的主要议题[1]。
地理学领域对传统信息设备影响下城市商业空间的研究仅从传统信息设备使用对传统购物行为替代还是补充的角度[1-4]，预测未来城市商业空间规模和商业空间布局的变化。一方面，由于移动智能设备发展时间较短，对移动智能设备影响下居民购物行为的研究缺乏，而基于移动智能设备获取信息的便捷性，未来其会对居民购物行为产生持续影响，使城市商业空间重构更加复杂;另一方面，缺乏从购物行为视角对移动智能设备使用的城市商业空间重构的实证研究。因此，亟须对移动智能设备使用下的城市商业空间重构这一议题进行理论建构与实证研究，为移动智能设备使用背景下的基于居民需求的城市商业空间规划建设提供决策依据。
1 研究假设
本文以居民的购物行为为切入点，以信息设备的使用弱化了居民购物行为的时空制约为基础，从空间规模与空间分布两方面提出城市商业空间重构的研究假设。第一，研究假设I：空间规模效应。本文认为居民对信息设备的日常使用，大大激发了居民的购物欲望，从而增加了购物出行次数。因此，信息设备尤其是可随时随地使用的移动智能设备的使用，补充居民购物出行，从整体上加剧了城市商业空间规模的扩张。第二，研究假设II：空间分布效应。信息技术驱动下，居民购物出行搜寻空间范围扩大，意味着居民购物出行范围发生变化，从而增加了居民购物出行距离。因此，在信息设备尤其是移动智能设备的使用下，城市商业空间呈现出空间分布均质化的重构特征。
2 研究区域、数据及方法
2.1 研究区域与数据来源
南通市地处江苏省东南部，东抵黄海、南望长江，与上海、苏州隔江相望，作为上海大都市圈北翼的门户城市，是长江经济带的重要组成部分。近20年来，南通城市化和工业化进程呈跳跃式发展，南通居民的生活水准和品质得到了较大的提升。2014年以来，南通信息基础设施建设和互联网经济发展迅速。本文研究区域为南通市市区，总面积418.03平方公里，常住人口120.45万[5]。
2017年11月—2018年3月，课题组通过面对面发放纸质调查表的方式，对移动信息時代的居民购物行为活动进行调研。选择南通市区范围内5个人流汇集的地区，随机发放问卷，从而使问卷的样本更具代表性。调查共发放调查问卷1100份，有效回收率为94.9%。
2.2 研究方法
多项式逻辑回归模型主要用于验证在控制变量的前提下，移动端购物频率、电脑端购物频率，以及移动端购物频率和电脑端购物频率，分别对不同实体购物频率影响的可能性或趋势;移动端使用频率、电脑端使用频率，以及移动端使用频率和电脑端使用频率，对不同可选择的购物场所数量影响的可能性或趋势。
3 移动智能设备使用的城市商业空间效应
3.1 移动智能设备使用对城市商业空间规模的影响
3.1.1 传统信息设备使用补充购物出行
（1）变量选择。选取影响居民实体店购买衣服鞋帽这一类体验型商品频率的3个一级变量，分别为社会经济属性变量、虚拟购物行为属性变量和空间属性变量。其中，社会经济属性变量包括性别、年龄、文化程度和家庭月收入4个二级变量;虚拟购物行为属性变量指居民使用信息设备购物的频率;空间属性变量主要区分被调查样本的居住空间环境，分为中心圈层和外围圈层两个二级变量。选择实体店购买衣服鞋帽类商品频率作为因变量。
（2）模型结果分析。模型结果表明（见表1），在控制社会经济属性变量和空间属性变量的情况下，居民电脑端购物频率与实体店购物频率之间呈现正相关关系，即居民在电脑端购物越频繁，相应地在实体店购物就越频繁。
3.1.2 移动智能设备使用补充购物出行
模型结果表明（见表2），在控制社会经济属性变量和空间属性变量的情况下，居民移动端购物频率与实体店购物频率之间呈正相关关系，即居民移动端购物的频率越高，相应地在实体店购物的频率也越高。
3.1.3 两种信息设备使用对购物出行补充效应的对比
（1）移动智能设备使用对购物出行的补充效应更强。本文进一步控制社会经济属性变量和空间属性变量，将移动端购物和电脑端购物行为同时作为解释变量，构建新的多项式逻辑回归模型。模型结果表明（见表3），在控制社会经济属性变量和空间属性变量的情况下，居民移动端购物频率与电脑端购物频率对实体店购物频率具有显著影响，居民电脑端购物频率与实体购物频率以及移动端购物频率与实体店购物频率之间都呈正相关关系。比较模型中移动端和电脑端购物频率的回归系数，R移动端>R电脑端，因此，居民在移动端购买衣服鞋帽类商品的频率对在实体店购买衣服鞋帽类商品的频率的补充效应程度大于电脑端。
（2）移动智能设备使用加剧商业空间规模扩张。居民使用信息设备购物与实体店购物出行之间是相互补充的关系，即信息设备的使用生成了新的实体店购物出行。且与使用电脑端购物较多的南通居民相比，使用移动端购物较多的南通居民实体店购物出行更频繁，进而可以认为移动智能设备使用会在整体上加剧城市实体商业空间规模的扩张（空间效应I）。综上所述，移动智能设备的普及并不会对城市实体商业空间规模带来较大冲击，打破了移动智能设备使用导致城市实体商业空间整体规模萎缩，甚至实体店消亡的担忧[6]。 3.2 移动智能设备使用对城市商业空间分布的影响
3.2.1 传统信息设备使用增加购物场所数量
（1）变量选择。选取影响居民可选择购物场所数量的3个一级变量，分别为社会经济属性变量、互联网行为属性变量和空间属性变量。其中，社会经济属性变量包括性别、年龄、文化程度及家庭月收入4个二级变量;互联网行为属性变量指居民使用信息设备上网频率;空间属性变量主要区分被调查样本的居住空间环境，分为中心圈层和外围圈层两个二级变量。选取居民经常去的购买衣服鞋帽类商品的购物场所数量作为因变量。
（2）模型结果分析。模型结果表明（见表4），在控制社会经济属性变量和空间属性变量的情况下，居民电脑端使用频率与居民可选择的购物场所数量之间呈正相关关系，即居民电脑端使用越频繁，相应地可选择的购物场所的数量也越多。
3.2.2 移动智能设备使用增加购物场所数量
模型结果表明（见表5），在控制社会经济属性变量和空间属性变量的情况下，居民移动端使用频率与居民可选择的购物场所数量之间呈正相关关系，即居民移动端使用越频繁，相应地可选择的购物场所的数量就越多。
3.2.3 两种信息设备使用对购物出行补充效应的对比
（1）移动智能设备使用显著增加购物场所数量。模型结果表明（见表6），在控制社会经济属性变量和空间属性变量的情况下，居民移动端购买频率与可选择购物场所数量、电脑端购买频率与可选择购物场所数量之间呈正相关关系;居民移动端使用越频繁，相应地可选择的购物场所的数量就越多。比较模型中移动端和电脑端使用频率的回归系数，R移动端>R电脑端，因此，相比于传统信息设备使用频繁的居民，移动智能设备使用频繁的居民日常出行可选择的购物场所数量更多。
（2）移动智能设备的使用加剧了商业空间分布均质化。相比于传统信息设备使用较少的南通居民，传统信息设备使用较多的南通居民可选择的购物场所数量更多;相比于移动智能设备使用较少的南通居民，移动智能设备使用较多的南通居民可选择的购物场所数量更多;相比于传统信息设备使用较多的南通居民，移动智能设备使用较多的南通居民可选择的购物场所数量更多。因此，移动智能设备的应用弱化了空间距离对购物出行的影响，使居民在空间上更加自由地“流动”，从而促使城市商业要素和活动向城市郊区扩散，在郊区形成新的集聚区，导致未来城市商业空间的空间分布更加均质化（空间效应II）。综上所述，由于城市的扩展和移动智能设备使用下居民消费习惯的改变，未来城市商业空间布局将突破现有的圈层式结构演化成均等化、网络化和扁平化的分散布局。
4 结语
本文以移动智能设备的普及为背景，以居民购物行为为切入点，引入多项式逻辑回归模型，探讨了南通居民购物行为的空间效应，得出了两点结论。第一，相比于使用电脑端购物频率较低的南通居民，使用电脑端购物频率较高的南通居民购物出行更频繁;相比于使用移动端购物频率较低的南通居民，使用移动端购物频率较高的南通居民购物出行更频繁;相比于使用电脑端购物较多的南通居民，使用移动端购物较多的南通居民购物出行更频繁，这会促进城市实体商业空间规模的扩张，进而论证了空间效应I。第二，相比于电脑端使用较少的南通居民，电脑端使用较多的南通居民可选择的购物场所数量更多;相比于移动端使用较少的南通居民，移动端使用较多的南通居民可选择的购物场所数量更多;相比于电脑端使用较多的南通居民，移动端使用较多的南通居民可选择的购物场所数量更多，这会促进城市商业空间分布的均质化，进而论证了空间效应II。
参考文献：
[1] 杜晓娟，甄峰，等.南京市居民购物行为的影响因素和空间效应——基于四种商品的对比研究[J].地理研究，2017，36（5）：957-971.
[2] 刘学，甄峰，王波，等.时空制约对南京城市居民网上购物频率的影响研究[J].世界地理研究，2016，25（05）：92-100.
[3] 张永明，甄峰.城市居民网络与实体购物互动模式及空间分异——以南京为例[J].经济地理，2017，37（1）：15-22.
[4] 刘学，甄峰，张敏，等.网上购物对个人出行与城市零售空间影响的研究进展及启示[J].地理科学进展，2015，34（1）：48-54.
[5] 南通市统计局. 2017年南通市统计年鉴[M].北京：中国统计出版社， 2017：95-97.
[6] 秦艳艳.網络社会背景下的城市商业空间研究[D].大连：大连理工大学，2014.
作者简介：刘学（1983—），女，江苏连云港人，博士，副教授，系本文通讯作者，研究方向：信息技术对城市空间影响。