C2C电子商务模式下的网络店铺区域分布特征_周章伟
第31卷 第1期
热 带 地 理
Vol.31，No.1
2011年1月
TROPICAL GEOGRAPHY
Jan.，2011
收稿日期：2010-07-30；修订日期：2010-10-08
作者简介：周章伟（1986―），福建宁德人，硕士研究生，主要研究方向为区域发展与城市规划，（E-mail）zhouzhangwei1986@https://www.wendangku.net/doc/7013946448.html,。 ① 国际商会于1997年11月在巴黎举行的世界电子商务会议（The World Business Agenda for Electronic Commerce）上给出的定义。
C2C 电子商务模式下的网络店铺区域分布特征
周章伟1,2,3，张虹鸥2，陈伟莲2
（1．中国科学院南海海洋研究所，广州 510301；2．广州地理研究所，广州 510070；3．中国科学院研究生院，北京 100049）
摘 要：通过对淘宝网C2C 模式下网络店铺所在地的相关数据分析，以网民最常购买的八大商品行业为例，通过行业优势系数、基尼系数、集中度指数分别分析不同区域内的行业分布模式和不同行业下的网络店铺集聚模式，揭示网络店铺区域分布特征。研究发现：① 不同省区的网络店铺数量基本呈现由沿海向内陆递减，并集中于三大沿海地区，北京、上海、广州等特大城市是网络卖家的主要集聚地；② 八大行业在各区域的网络店铺数量差距明显，各大区域均有各自对应的倾向性网络店铺类别；③ 八大行业网络卖家的总体集聚程度非常高，仅上海、广东、浙江、北京4省市就占据了65.2%的份额，IT 产品行业、快速消费品行业的集聚程度较高，而可数字化“软”产品行业的集聚程度较低。
关键词：C2C 电子商务；淘宝网；网络店铺；区域分布
中图分类号：F713.36；K902 文献标识码：A 文章编号：1001-5221（2011）01-0065-07
近年来，信息技术的惊人进步和广泛应用对社
会经济发展产生了深刻的影响[1]
，特别是互联网的应用使世界各地的信息能畅通无阻地被传送，地理界线已不再成为障碍。“地理的死亡”或者“地理的
终结”[2]
这样武断的观点显然存在夸张成份，电子商务无法摆脱地理空间而独立存在，信息化不但不会抹去地理（空间）的存在意义，而且增强了空间结构和空间组织的复杂性。
电子商务在地理学方面的研究起步相对较晚,大致在上个世纪90年代初期才有学者提出互联网与地理学的关系。目前,关于电子商务在地理学领域的研究主要包括：（1）信息技术引起的企业区位因素的改变。阎小培等指出，信息技术的应用增加了企
业区位的弹性，特别是销售部门区位的选择弹性[3]
；刘卫东等以诺基亚北京星网工业园为例，研究了信息技术对企业空间组织的影响，认为信息技术在经
济空间变化中起着越来越重要的作用[4]
。
（2）电子商务模式对企业空间组织的集聚与扩散。刘卫东认为，从不同产品的角度看，生产传统产品的企业，由于其产品严重依赖物资配送，它的区位选择趋向于集聚，对于生产数字化产品和服务的“软产业”
企业，则可以依赖远程通信，具有分散化的趋势[2]
；李俊锋指出第四方物流的出现使企业产品的配送效率极大地提高，使大部分企业能满足电子商务时代即时供应（JIT）的要求，在一定程度上削弱了市场
区位对企业布局的限制[5]
。
（3）电子商务发展的区域差异。Michalak等对加拿大各城市的调查都表明，城市互联网的渗透速度不同导致各个城市电子商务的发展存在着很大差距，加拿大15个最大的大都市
区集中了56.3%的互联网用户[6]
；中国学者对辽宁等地进行研究，认为辽宁省互联网发展具有极强的地域集中性和显著的城乡差异性，区域差异的影响因素主要是区域对外开放程度、信息基础、人口素质、
经济发展水平等[7]
。
本文从地理学角度出发，以中国C2C （customer to customer）电子商务模式下的不同行业网络卖家个体店铺所在地为研究对象，揭示网络店铺的区位分布特征、各种类型店铺的倾向性布局，以及不同区域、不同行业内的网络店铺的集聚效应等，以期为电子商务模式下的网络行业的发展方向与发展趋势研究提供有益参考。
1 C2C 电子商务发展模式
1.1 电子商务
电子商务是对整个贸易活动实现电子化，交易各方以电子交易方式而不是通过当面交换或直接面
谈方式进行任何形式的商业交易①
。目前我国的电子商务商业模式按照交易双方的性质不同，大致可以按照交易对象分为4类典型模式：企业对企业的电子商务B2B（business to business），企业对消费者的
66热 带 地 理 31卷
电子商务B2C（business to customer）,企业对政府管理部门的电子商务B2G（business to government）,以及消费者对消费者的电子商务C2C（customer to customer）。
1.2 C2C电子商务
C2C电子商务就是借助网络实现商品或服务从商家/卖家转移到个人用户（消费者）的过程，在整个过程中，购物网站、第三方支付平台及物流公司分别实现信息流、资金流与物流的传递（图1）。
随着电子商务的发展，网络购物日益兴旺。据艾瑞咨询发布的《中国网络购物行业发展报告2009―2010》，2009年中国网络购物交易额规模达到2 630.0亿元，较2008年增长105.2%，网购用户人数达到8 000万人，从用户首选的购物网站看，C2C类购物网站占首选用户市场份额的85%②。我国目前的C2C类型的网站主要有淘宝网、易趣网、拍拍网。淘宝网的C2C市场份额达到83.9%，拍拍网和易趣网的市场份额合计约为16%。淘宝网在中国C2C电子商务中占据重要地位。本文以淘宝网为例，分析C2C 电子商务模式下的网络店铺的区域分布特征。
2 数据来源与研究方法
2.1 数据来源
本文主要从C2C网络店铺的地理分布模式以及不同行业、不同地区下的空间集聚效应来分析C2C 电子商务模式下网络店铺的区域分布特征。采用的数据均是通过淘宝网的高级搜索功能，以所在地、店铺类别、掌柜等级③等为条件，筛选出中国大陆31个省（区、市）的各类店铺总数。本文以掌柜等级在“三钻”以上④的网络店铺作为基本统计单元，因为这种网络店铺已达到一定规模，具有稳定的交
易量及客户群体，具有较强的研究意义。由于网络店铺数量变化明显，以下分析所采用的数据均是在2010年3月采集完成的。
根据iReseach的咨询调研数据⑤，服装鞋帽类商品自2007年开始，超过手机、笔记本等数码类产品，成为交易量最大的商品品类。2009年中国网络购物用户最常购买的商品品类中，服装服饰类商品排名第一，用户达到35.0%；其后依次是图书音像类（15.2%）、虚拟卡（10.5%）、化妆品及护理类（8%）、IT产品类（6.1%）、家居百货类（5.3%）、食品保健类（4.1%）、通讯产品类（3.4%）。从网络购物用户最常购买的商品品类出发，选择淘宝网对应的8种代表类别分析C2C网络店铺的空间集聚效应，分别是：女装/女士精品、书籍/报纸/杂志、网络游戏虚拟商品、彩妆/香水/护肤/美体、电脑硬件/台式机/网络设备、居家日用、零食/坚果/茶叶/特产、手机。
2.2 研究方法
本文采用行业优势系数（Advantage Degree Index，简称ADI指数）、基尼系数（Gini coefficient）、集中度（CR n）指数来分别分析不同区域内的行业分布模式和不同行业下的网络店铺集聚模式。
ADI指数可反映在特定研究范围（地理区域、人口统计领域、产品消费者领域）内目标行业所处的强势或弱势地位[8]。其计算公式为：
ADI=[目标区域内某一行业群体所占比重]/[总体中该行业群体所占比重]×100。
它反映的是目标行业在测量指标上与总体的对比情况，通常认为＞115或＜85的指数具有显著性特征。
基尼系数是意大利经济学家基尼(Gini)根据洛伦兹(Lorenz)曲线提出的定量测定收入差异程度的指标。Krugman运用洛伦兹曲线和基尼系数测定行业在区域间分配均衡程度时提出区位基尼系数[9]，其取值范围为0~1，洛伦兹曲线下凸程度越小，基尼系数越接近于0，说明产业空间分布与整个产业空间分布相匹配；反之，洛伦兹曲线下凸程度越大，基尼系数值就越接近于1，说明产业的空间分布与整个产业空间分布不一致，产业可能分布在一个或几个地区，而其它地区分布很少（图2）。因此，产业的基尼系数越大，说明该产业的集聚水平越高。本
图1 C2C网络购物的产业链
Fig.1 Industrial chain of C2C online shopping
来源：iReseach《中国网络购物行业发展报告2008―2009》。
② 该数据来源于中国互联网信息中心的《2009年中国网络购物市场研究报告》。
③ 掌柜等级为淘宝网对网络卖家设置的一种信用评价体系。会员在淘宝网每进行一次成功购物，就可对网络卖家进行一次信用评价。评价分为“好评”、“中评”、“差评”三类，每种评价对应一个信用积分。
④ “三钻”以上店铺是指信用积分超过1000分的网络店铺。以下所指的网络店铺均为“三钻”以上网络店铺。
⑤ 该数据来源于iReseach 《中国网络购物行业发展报告2008-2009》。
1期 周章伟等：C2C 电子商务模式下的网络店铺区域分布特征 67
文采用洛伦兹曲线直观地揭示网络店铺的集聚特征
并以此计算基尼系数[10]
进行定量化分析。基尼系数的计算方式采用图2中A、B区域阴影图形的面积，其计算公式为：
B A A S S S G +=
集中度（CR n ）指数是指某一行业中最大的几个评价单元的有关数值的比重。一般来说，这一指标数值越高，该行业集聚程度也越高。其计算公式为：
∑∑===N
j j n
i i n X X CR 1
1
/
式中，n 为某一行业网店数量最多的前几个评价单元，i 表示某一行业第i 个评价单元，j 表示该行业31个省（直辖市）的第j 个评价单元，X 表示网店数量，N 表示中国大陆31个省（直辖市）；∑=n
i i
X 1表
示某一行业中最大的几个评价单元的网店数量，
∑=n
j i
X 1
表示某一行业所有评价单元的网店数量。通常选择n =1或n =4，此时集中度指数（CR 1、CR 4）表
示某一行业最大的前1位或前4位评价单元的网店数量与该行业全国网店总量的比值。本文选取CR 1、CR 4这2个集中度指标进行分析。
3 结果分析
3.1 C2C 网络店铺的地理分布
根据淘宝网站自带的搜索店铺功能统计各省区三钻以上店铺总数，并对其进行归类汇总（表1），发现我国C2C网络店铺在空间分布上具有明显的地理特征。
3.1.1 由沿海向内陆递减 网络卖家分布地基本上由沿海向内陆递减，且省区间差异非常显著（图3）。
图2 洛伦兹曲线
Fig.2 Lorenz
Curve
图3 网络店铺区域分布图
Fig.3 Regional distribution of online shops
表1 淘宝网C2C 网络店铺的区域分布
Tab.1 The regional distribution of online shops in Taobao C2C network 区域 省（直辖市）
三钻以上店铺 总数/家 占比/% 位次
分区
占比/%
广东32 870 17.61 2福建 7 296 3.91 7南部沿海
地区 海南 266 0.14 2621.66
上海37 962 20.34 1浙江 29 906 16.02 3东部沿海地区
江苏 17 404 9.32 545.68
北京20 900 11.20 4山东 7 448 3.99 6河北 2 812 1.51 11北部沿海
地区
天津 2 432 1.30 1318.00
辽宁 3 078 1.65 10黑龙江 1 026 0.55 19东北 地区
吉林 798 0.43 22 2.63
湖北 4 560 2.44 8湖南 2 242 1.20 14安徽 1 558 0.83 15长江中游地区
江西 1 520 0.81 16 5.29
河南 2 584 1.38 12内蒙古 418 0.22 23黄河中游地区
山西 380 0.20 24 1.81
四川 3 572 1.91 9广西 1 406 0.75 17重庆 1 368 0.73 18云南 912 0.49 21贵州 228 0.12 27西南 地区
西藏 46 0.02 31 4.04
陕西 1 026 0.55 19新疆 380 0.20 24甘肃 114 0.06 28宁夏 76 0.04 29西北
地区
青海
65 0.03 30
0.89
合计186 653
100
100
68热 带 地 理 31卷 网店数量上海市最多（37 962家），占全国总量的
20.34%；广东省次之（32 870家），占全国总量的
17.61%。最低的为西藏自治区（46家），仅占全国
总量的0.02%。网络卖家集聚程度最高的省（区、
市）是最低省（区、市）的825倍，差异非常悬殊。
3.1.2 网络卖家主要集中于沿海地区，并以三大都
市圈为主导 依据淘宝C2C网络店铺所在地的分布
状况（见表1），网络卖家在中国地域范围内成集聚
分布模式。从整体分布来看，沿海地区拥有3钻以上网络店铺159 296家，占全国总量的85.34%，其中东部沿海地区（85 272家）占45.68%，南部沿海地区（40 432家）占21.66%，北部沿海地区（33 592家）占18.0%。位于长江中游地区的湖北省、西南地区的四川省、东北地区的辽宁省也是网络卖家的主要分布地带。与之相比，经济边缘区及交通物流可达性较差的区域网络卖家数量较少，如海南、内蒙古、山西、贵州、新疆、甘肃、宁夏、青海、西藏等地网络卖家数量明显偏少，这既与所在区域对外交通物流联系的便捷程度相关，也是地区经济发育水平的反映。
3.1.3 北京、上海、广州等特大城市是网络卖家的集聚地 从各大城市从事淘宝网络C2C业务的网络店铺数量来看，特大城市占绝对优势地位。北京、上海、广州、杭州、深圳等城市的网络店铺数量均超过10 000家，在各自区域占比明显领先（表2）。
上海作为中国大陆最国际化的大都市，是中国大陆经济、商业、金融和航运中心，具有地域广阔的商业网络、优越的信息化设施及高效的物流配送体系，市场信息灵通，对市场动态能做出快速响应。
杭州作为淘宝网及其所属公司阿里巴巴的总部所在地，也是网络卖家的主要集聚城市之一。在上海的“引领”下，其与温州、义乌、宁波、昆山、苏州等建立了非常紧密的联系。整个长三角已形成产品研发与生产、供应与销售、物流配送等产业链式的一体化网络服务。
北京作为中国经济、政治中心也是网络卖家最为集聚的城市之一。因其人口众多，居民消费水平高，首都“中心”影响力巨大，教育和生活水平高，物流配送网络发达，互联网的广泛普及使民众对网上购物更易于接受，网络店铺具有广阔的发展空间。
珠三角制造业产品的价格、种类、款式、数量、技术在全国都有比较优势，相对中西部省区更具竞争力。广州市作为省会城市，交通方便，配送网络非常发达，物流费用低廉，在整合珠三角地区的劳动密集型和技术密集型产品上具有较强的比较优势。深圳市是中国最大的IT产品集散地和制造研发中心，是从事电子商品的网络卖家的首选城市。 3.2 C2C网络店铺的空间集聚效应分析
3.2.1 不同区域内C2C网络店铺的行业分布模式
由不同区域的八大行业网络卖家的ADI指数（表3）
可知，八大行业在各区域的网络店铺数量差距明显，且各大区域以各自的产业结构为基础（基于网络店铺卖家进货遵循就近原则），在C2C电子商务模式下均有各自对应的倾向性的网络店铺类别。南部沿海地区主要倾向于布局手机、电脑硬件/台式机/网络设备类店铺；东部沿海地区主要倾向于布局居家日用、女装/女士精品类店铺；北部沿海地区主要倾向于布局书籍/报纸/杂志、彩妆/香水/护肤/美体类店铺；东北地区主要倾向于布局网络游戏虚拟商品、彩妆/香水/护肤/美体类店铺；长江中游地区主要倾表2 五大城市网络店铺统计
Tab.2 The statistics of online shops in the top 5 cities 区域 城市
三钻以上店铺
总量/家
占所在区域
比重/%
全国
占比/%
北部沿海地区北京20900 62.22 11.20
东部沿海地区上海37962 44.52 20.34
东部沿海地区杭州14098 16.53 7.55
南部沿海地区广州15466 38.25 8.29
南部沿海地区深圳11286 27.91 6.05
表3 不同区域内的八大行业网络卖家ADI指数 Tab.3 ADI index of 8 largest online merchandise industry in different regions
区域 女装/女士精品 彩妆/香水/
护肤/美体 网络游戏
虚拟商品
电脑硬件/台式机/
网络设备
手机零食/坚果/
茶叶/特产
居家日用 书籍/报纸/杂志
南部沿海地区 97.94 74.28 70.90127.57186.06102.08 47.45 50.95东部沿海地区 137.86 113.01 80.47 85.31 52.4089.10 176.73 94.58 北部沿海地区 91.14 122.61 82.30 102.27 83.7273.12 72.39 169.85 东北地区 61.36 136.86 152.28 77.61 77.46111.99 73.25 104.87 长江中游地区 62.84 96.25 197.11 111.28 99.4191.76 77.80 103.95 黄河中游地区 39.96 71.21 163.93 86.50 85.02165.33 59.37 120.42 西南地区 53.89 64.98 161.62 86.35 102.05170.50 51.47 85.97 西北地区 44.02 86.69 159.31 77.95 108.05155.33 49.05 105.33
1期 周章伟等：C2C 电子商务模式下的网络店铺区域分布特征 69
向于布局网络游戏虚拟商品店铺；黄河中游地区、西南地区、西北地区均倾向于布局网络游戏虚拟商品、零食/坚果/茶叶/特产类店铺。
C2C网络店铺的区域分布与其所属的行业类型具有较大的相关性。刘卫东曾将信息时代的产业划分为“软部门”（可数字化产品）和“硬部门”（物质产品），并提出“对市场变化得更快的响应”和“高效的产品配送”是决定“硬部门”企业空间重组的
两个重要力量[4]
。
“软部门”行业与“硬部门”行业在不同区域的行业分布特点主要表现在：
（1）“软部门”行业商品的交易过程只发生信息流和资金流，不发生物流。网络店铺布局对交通、经济等条件要求不高，进货价格地域差别不大，如网络游戏虚拟商品不需要物流，只需通过网络信息的传递（卡号、账号、密码等），买家就能收到货物。中西部地区、东北地区的网络游戏虚拟商品店铺均有倾向性布局。在信息化背景下，生产和经营可以数字化的产品和服务（如软件、虚拟点卡、数字音像制品等）的“软”行业在电子商务模式下将不再受地理条件的约束。
（2）“硬部门”行业网店的区域分布从整体来看仍表现出韦伯区位论
[11-12]
所遵循的最小成本原则向及市场地指向等,同时受沿海发达地区和特大城市区位优势的影响。影响淘宝网卖方交易的因素主要包括货物价格、运费、货物种类、售后服务及好评等,其中最重要的是货物价格因素。“硬部门”行业卖家在区位选择时倾向于向制造商、供应商、分销商以及物流企业集中，以便于提高商品流转速度，缩短进货时间,减少库存。东南沿海地区在布局技术密集型产品和劳动力密集型产品店铺上具有相对的比较优势，如深圳市华强北是中国大陆最具影响力的电脑硬件、电子元件市场，是大陆地区交易额最大的商业街，网络卖家集聚华强北商圈，电脑耗材、手机等货源出处接近制造商一端，价格优势明显。中西部地区在零食/坚果/茶叶/特产等行业的店铺具有倾向性布局。中西部地区当地物产种类多样，地域特色显著，当地的食品、坚果、特产等与国内其它地区同类商品在价格、品质上相比具有极大优势。 3.2.2 不同行业细分下C2C网络店铺的集聚效应分析 根据八大行业网络店铺所在省区的统计数据绘制洛伦兹曲线（图4）。其所对应的基尼系数以及 集中度指数见表4。与洛伦兹曲线（向外凸的曲线）
相对特征，如劳动力指向、原料产地指向、交通枢
纽指应的基尼系数被联合国有关组织以＞0.6作为
划分区域均衡程度“高度不平均”的标准[13]
。参照该标准，八大行业网络卖家的基尼系数除网络游戏虚拟商品、零食/坚果/茶叶/特产两大行业外均处于“高度不平均”等级，其中以女装/女士精品的基尼系数最高，居家日用品次之。八大行业网络卖家整体集中度CR 4高达65.2%，行业的集聚程度相当高（见表4）。前四名的省市分别为上海、广东、浙江、北京，4省市占据了中国大陆八大行业C2C网络卖家总数的大部分份额。女装/女士精品、居家日用品等快速消费品行业店铺的基尼系数和集中度指数均较
图4 八大行业网络店铺地区分布集中程度（洛伦兹曲线）
Fig.4 The Lorenz curve for 8 largest online merchandise industry
省份累计个数占比/﹪
行业网络店铺累计百分比/﹪
高，主要集聚于上海、广东、浙江、北京、江苏等省市。就服装、化妆品、居家日用品等产品在款式、种类、价格、技术上而言，东部沿海城市具有比较优势，同时这些行业的产品更新周期较短，销售此类商品的网络卖家集聚布局于东部经济发达省份有利于及时了解新产品性能、消费者偏好并做出及时反馈，引导消费。手机行业的基尼系数为0.69，而CR 1集聚程度在八大行业中最高，但手机行业店铺分布排前四位的省市除广东省以外所占的比例仅为19.3%，说明手机行业在除广东省（主要位于深圳市华强北）以外的其他省份集聚程度不高。基尼系
数、
CR 1、CR 4集中度最低的均为网络游戏虚拟商品，该行业属可数字化“软”产品，对物流行业的依赖程度低，仅通过网络信息传递就可实现买卖双方交易，对交通、货源所在地、经济条件等要求不高，故其空间集聚程度最低。书籍/报纸/杂志属于标准化的“硬”产品，买家在购买前不需亲身感受就能获取商品的主要特性及信息，其区域集聚程度相对较低。零食/坚果/茶叶/特产等属地域特色显著的商品，不同省区均有各自的风俗习惯、地方特产等，故该行业网络店铺的集中程度不高。
4 结语
通过对淘宝网C2C 模式下网络店铺进行分析，发现中国网络卖家的分布地基本呈现由沿海向内地递减规律，且省区间差异显著，以北京、上海、广州为中心的三大都市圈为主导，特大城市在网络贸易方面具有优势地位。网购用户最常购买的八大行业在各区域的网络店铺数量差距明显，各大区域均有各自对应的倾向性网络店铺类别。东南沿海地区倾向于布局技术密集型及劳动力密集型产品店铺，中西部地区在特色食品等行业的网店具有倾向性布局。
由于本文主要倾向于宏观层面探究网络零售企业区域空间分布特征，研究视角可能不够全面，电子商务影响下城市层级的网络店铺区域特征及电子商务的广泛应用带来的网络零售企业内部空间组织的变化将是未来进一步研究的方向。
参考文献:
[1] Steve Graham，Simon Marvin．Telecommunications and the City：Electronic Spaces，Urban Places [M]．London：Routledge，1996． [2] 刘卫东．论我国互联网的发展及其潜在空间影响[J]．地理研究，2002，21（3）：347-356．
[3] 阎小培．信息网络对企业空间组织的影响[J]．经济地理，1996，16（3）：1-5．
[4]
刘卫东，Peterdicken，杨伟聪．信息技术对企业空间组织的影响——以诺基亚北京星网工业园为例[J]．地理研究，2004，23（6）：833-844． [5] 李俊锋，王代敬．信息化对企业空间结构的影响[J]．中国西部科技，2004（11）：56．
[6]
Michalak W，Calder L．Integration of e-commerce as a retail channel：impact of youth：on e-commerce trends in Canada[J]．Progress in Planning，2003，60（60）：111-126． [7] 张平宇，刘文新，马延吉．辽宁省互联网发展空间差异及其变化[J]．经济地理，2006，26（3）：447-450．
[8] 王蕾．C2C电子商务店铺区域分布的实证研究[D]．石家庄：河北师范大学，2008．
[9]
李平，佟连军，邓丽君，等．环渤海地区制造业地理集聚研究[J]．人文地理，2010，112（2）：99-104．
[10] 高技．EXCEL下基尼系数的计算研究[J]．浙江统计，2008（6）：
41-43．
[11] 武前波，宁越敏．中国制造业企业500强总部区位特征分析[J]．地
理学报，2010，65（2）：139-152． [12]
李小建．经济地理学[M]．北京：高等教育出版社，1999：59-69． [13] 崔红艳．白城市居民贫富差距分析与对策[J]．沈阳师范大学学报：
自然科学版，2006，24（2）：154-157．
（英文摘要下转第76页）
表4 网购用户最常购买的八大行业商品网络卖家的
区域集聚效应
Tab.4 The regional concentration of 8 largest merchandise industry
patronaged most frequently by internet users
行业范围 基尼系 数（G） 集中度/%
包含省份
CR 1 20.3 上海
八大行业 0.72 CR 4 65.2 上海、广东、浙江、北京CR 1 21.8 上海
女装/女士精品 0.75 CR 4 72.4 上海、广东、浙江、北京CR 1 19.9 上海
彩妆/香水/ 护肤/美体 0.66 CR 4 57.3 上海、广东、浙江、北京CR 1 11.7 广东
网络游戏 虚拟商品 0.48 CR 4 39.1 广东、浙江、江苏、上海CR 1 27.5 广东
电脑硬件/台式 机/网络设备
0.68 CR 4 60.1 广东、上海、北京、江苏CR 1 40.8 广东
手机 0.69 CR 4 61.9 广东、北京、上海、浙江CR 1 14.4 福建
零食/坚果/ 茶叶/特产 0.56 CR 4 45.9 福建、浙江、上海、广东CR 1 27.5 浙江
居家日用 0.73 CR 4 69.1 浙江、上海、江苏、广东CR 1 20.9 北京
书籍/报纸/ 杂志
0.63
CR 4 55.2
北京、上海、广东、江苏
Evaluation of Agricultural Land Intensive Use in Hunan Based on
Principal Component Analysis Method
DENG Chuxiong，XIE Binggeng，LI Xiaoqing，YANG Li，ZHU Dongguo，ZHANG Fan
（College of Resources and Environment Science，Hunan Normal University，Changsha 410081，China）
Abstract: In order to understand the situation and spatial layout of agricultural land intensive use in Hunan Province, the authors built a set of evaluation index system of agricultural land intensive use, tried to use principal component analysis method to make a quantitative and comprehensive evaluation on agricultural land intensive use from city (prefecture) level in the province, and conducted cluster analysis with the evaluation results. The results show that in 2008 the agricultural land use in the province could be classified into three grades such as intensive utilization level, moderate intensive utilization level, low intensive utilization level, and could be inducted into six types. Agricultural land of the seven cities in the Dongting Lake rim area and the Xiangjiang River Basin such as Yueyang, Changde, Yiyang, Changsha, Xiangtan, Hengyang, Yongzhou was in intensive utilization situation, in which Changsha and Xiangtan were of the same type, Yueyang, Yiyang and Hengyang another type, and Changde and Yongzhou the third type. Agricultural land of Loudi, Shaoyang, Zhuzhou in central and eastern Hunan was in moderate intensive utilization situation, and could be merged into the same type. That of Huaihua, Xiangxi, Zhangjiajie and Chenzhou in western and southern Hunan was in low intensive utilization situation, in which Chenzhou and Huaihua the same type, Zhangjiajie and Xiangxi another type. The research results were in accordance with the actual conditions in Hunan Province.
Key words: agricultural land intensive use；principal component analysis method；cluster analysis；Hunan Province
（上接第70页）
Abstract ID：1001―5221（2011）01―0065―EA
Characteristics of Regional Distribution of Online Shops under C2C E-business Models
ZHOU Zhangwei1,2,3，ZHANG Hong’ou2，CHEN Weilian2
（1．South China Sea Institute of Oceanlogy，CAS，Guangzhou 510301，China；2．Guangzhou Institute of Geography，Guangzhou 510070，China；
3．Graduate School of Chinese Academy of Sciences，Beijing 100049，China）
Abstracts: According to the analysis of the data of online shop regional distribution under Taobao customer to customer e-business models, eight largest merchandise industries which are patronaged most frequently by Internet users are taken as examples, the distribution models for different industries in different regions and assemblage models of online shops in different industries are studied by using Advantage Degree Index, Concentration Ratio Index and Gini coefficient. It is found that: 1) The number of online shops in different provinces decreases from the coastal to inland areas, and the three coastal areas are the major gathering places. Beijing, Shanghai, Guangzhou and some other megacities attract the largest number of online vendors. 2) The number of online shops in the eight merchandise industries has an apparent disparity, each area owns its characteristic category of online shops. 3) The online vendors in the eight largest industries are quite concentrated, those in the four provinces or municipalities, namely, Shanghai, Guangdong, Zhejiang, and Beijing, account for 65.2% of the total. IT and fast consumer good industry have a higher gathering degree, while the gathering degree of digital “Soft" product industry presents a little lower.
Key words: C2C E-business model；Taobao；online shops；regional distribution