中等城市居民购物行为时空决策过程及影响因素_以安徽省芜湖市为

第68卷第6期2013年6月

地理学报

ACTAGEOGRAPHICASINICA

Vol.68,No.6June,2013

中等城市居民购物行为时空决策过程及影响因素

——以安徽省芜湖市为例

焦华富,韩会然(安徽师范大学国土资源与旅游学院,芜湖241003)

摘要：购物决策过程是居民根据自身需求进行购物信息搜寻、购物目的地选择等方面的完整过程，是居民购物行为发生与实施的前提和基础，已经成为城市地理学研究的热点之一。本文利用2011年芜湖市居民购物行为调查问卷数据，通过构建居民购物出行的嵌套Logit模型，从购物出行模式决策、购物初始时间决策、购物目的地决策、购物出行交通方式决策等四个层面对芜湖市居民购物行为的决策过程及影响因素进行了探讨。结果表明：①居民属性特征对购物出行模式决策具有显著影响，男性居民选择单纯购物出行的概率较大，而女性居民、有家人陪伴的居民更倾向多目的出行；在中心城区居住及出行距离远的居民偏好中午进行多目的购物概率较大,出行距离集中在1~2km的范围内，而近郊区居民则避开下班高峰期进行购物，倾向选择2~5km的购物空间范围；②具有私家车的男性居民在晚上进行购物的概率比较大，其出行概率是上午的2.94倍，更加偏好远距离出行；居民上下班途中购物大多发生在下班时间，偏好5~8km范围的远距离；有朋友陪伴的居民更倾向上午依赖公共交通进行远距离出行；③以家为购物出发地点的居民的购物更倾向19:00之后并且偏好远距离出行，公交车依然是芜湖市居民购物出行的主要载体。

关键字：购物行为；时空决策过程；嵌套Logit模型；芜湖市

1引言

居民购物行为具有较强的空间属性，并且与城市商业空间、居民日常活动空间具有较强的互动关系，一直以来都是地理学研究的重要内容之一[1]。购物行为的决策过程是指在一定的区域背景和消费环境下，为满足购物主体对商品的需求，购物者便开始了相关信息获取、购物目的地选择、购物模式抉择等方面的时空决策过程[2]，也就是居民受到内、外部因素刺激，产生购物需求，形成购买动机，抉择和实施购物出行方案，购后评价又会反馈回去影响再一次的居民购买决策，从而形成一个完整的循环过程[3]。

国外购物行为研究起步较早，早期较为注重消费空间类型、过程，将消费者作为研究对象成为研究的热点，形成了一套完整的消费者购物行为理论体系，如概率模型、引力模型等[4]；而后对购物行为过程的系统性明显加强，侧重于个人行为研究，更加注重新技术的应用，偏重于定量研究和模型的构建，强调居民购物行为决策的影响因素研究，主要集中于购物行为时空特征[5-9]、购物行为决策模型[10-11]等方面。Marjanen利用时间截面的数据，从交通方式、购物喜好等方面分析了消费者到城镇边缘地区购物出行行为的时空特征，发现边缘城镇的购物中心并没有与市中心购物区成为竞争对手[12]；Bell通过消费者购物模式来研究消费者对零售商定价行为的反应，发现不同的营销方式致使消费者购物行为具有较大的差异，并运用估计购买率和商店购买选择模型对购物目的地选择与购买决策进

收稿日期：2012-09-02;修订日期：2013-04-19

基金项目：教育部人文社会科学研究规划基金项目(10YJA790083)[Foundation:MOE(MinistryofEducationin

China)ProjectofHumanitiesandSocialSciencesNo.10YJA790083]

作者简介：焦华富(1962-),男,安徽黄山市人,教授,博士生导师,主要从事城市地理与城市经济的教学和研究工作。

E-mail:jiaohuafu@263.net

750-761页

6期焦华富等：中等城市居民购物行为时空决策过程及影响因素751

行估计[13-15]；Schenk基于此设计了日常商品、时尚商品两种购物模型，模拟区级杂货店消

费者购物行为及空间决策，预测其消费者行为及营业额[16]；Mark通过研究不同群体间居民购物行为和购物态度，认为社交媒体对居民购物行为影响非常大[17]。随着研究区域的不断延伸，还有学者考察了欧洲5个国家的中小型城镇为当地用户提供零售服务的功能，应用多项分对数模型分析了城区、城市腹地居民的空间购物行为[18]，创新的考虑了城市居民就业地对购物行为的影响。总体而言，国外学者对购物行为的研究尺度较宽，以模型构建、数量统计分析为典型特色。在整个研究过程中，经历了从偏重经济法则支配下的商业空间结构的形成和发展转向关注消费者行为和社会经济属性、文化差异等对居民购物行为的影响，研究对象逐渐接近真实消费者，研究方法也从计量与建模模型走向多元化；近年来受网络购物等多种新因素的影响，国外购物行为研究开创性的成果减少，现有居民购物行为研究趋于多视角，如种族人群购物行为决策的差异性[9]、社交媒体对购物决策的影响[17]

以及跨界购物行为等方面。

国内学者也从不同层面对居民购物行为开展了研究，但相对起步较晚，主要是借鉴国外研究的实践与理论成果，结合我国实际情况进行的创新性研究，促进了对个体行为与决策的深入理解，居民购物出行时空特征、空间结构、购物决策及影响因素成为当前的研究热点。随着居民收入水平的提高以及卖方市场向买方市场的转移，居民购物行为更加趋于个性化和多元化，出现了符号消费和体验消费[19]，购物行为特征的研究逐渐增多，主要集中四个方面：特定人群的购物行为特征[20-21]；商业新业态下的居民购物行为特征[22-23]；居民购物出行时空特征及影响因素[24-25]；居民购物行为动态研究等。购物决策历来是消费者行为研究的热点，尽管居民能够在城市里自由选择购物目的地，但是购物行为还会受到来自外界环境和内在属性等多种因素的影响和制约，个人行为决策和商业设施物质空间结构[2]

、城市商业环境设施与空间分布[25]等更多决定了居民购物行为的方式与集中程度。张文忠等认为居民个人属性以及对商品价格、服务质量等商业环境满意度的评价水平显著影响着居民消费区位的偏好与决策[26]；朱玮等探讨了商业街区微观地块特征对购物决策的影响，而后创建了一个模拟商业街消费者行为的多代理人模拟平台[27,28]；马静等分析了北京市居民购物行为时空间决策的影响机制，对休息日与工作日居民购物行为的时空间决策差异进行比较[1,29]；张文佳等将家庭因素纳入研究范围，发现家庭内部相互作用和决策层面要素对购物时空间决策的影响比较显著，影响购物目的地选择的因素更多是购物地距离而非商业密度[30-33]。

由上可知，居民购物决策的研究日渐深入，研究内容经历了由侧重供给层面的城市商业结构研究转向需求层面的消费者购物行为研究，由时空特征研究逐渐趋向购物行为决策过程研究，定量模型化研究成为主流。现有研究主要涉及居民购物决策的客观影响因素，对商业空间设施的布局与等级结构等因子对购物行为影响进行探讨，较少涉及居民购物行为的决策过程，而决策过程是居民购物出行的主要决定因素。由于购物行为包含了诸多难以预测与研究的心理过程，比如购物动机、感受、态度等，不同收入层次、不同家庭属性的居民购物决策会呈现出较大差异性，而购后评价也能对居民再次购物决策产生影响，因此可以通过居民已发生的购物活动对居民决策过程进行推理与研究。随着我国零售业的快速发展，新型零售业态的不断引进与完善，居民的消费心理也在发生变化，多样化、个性化需求增强。中等城市在人口密度、居民消费能力、消费习惯、地理环境和商业结构等方面与大城市具有较大差异性。本文通过对国内外相关文献的综述，归纳出居民购物决策的相关影响变量，利用2011年居民购物行为调查问卷及访谈相关数据，通过构建居民购物出行的嵌套Logit模型，从购物出行模式决策、购物初始时间决策、购物目的地决策、购物出行交通方式决策等四个层面对中等城市居民购物出行的时空决策过程进行探讨，以期为相关的政策或规划制定提供相应依据。

752地理学报68卷

2研究区概况与数据来源

2.1研究区概况

本文以芜湖为案例城市，选择这一区域主要是基于：①经济发展上，芜湖是安徽省的经济、文化、交通、政治次中心，皖江城市带承接产业转移示范区核心城市以及南京都市圈成员，被评为为2012年中国十佳宜居城市，位列2012年中国中部商业城市排行榜第五位，因此具有研究的普适性；②空间形态上，芜湖市南北带状的空间形态使其基础设施和公共设施的布局面临着诸多问题，其空间扩张又受到长江、铁路线以及其他市域边界线的限制，而这对居民的出行行为形成了一定制约。另外，芜湖城市郊区化程度还不高，配套设施的不匹配使得郊区居民仍然面临较远距离的购物出行，故具有出行研究的典型性；③商业空间布局上，芜湖市具有1处市级商业中心、6处副市级商业中心、7处区级商业中心和50处社区商业中心的商业网点等级体系结构，逐步形成了“一主六副”的商业空间格局，但从实际的供求关系上来看，芜湖市的商业空间布局呈现出“单核心”结构，中山路商业步行街仍然是居民流动性最强、最主要的购物目的地，可知具有购物行为研究的代表性；④地理区位上，芜湖市是以商贸繁荣而闻名中外的沿江港口城市，位于经济发达的长江三角洲上缘，水陆交通便利，商业网点集聚、类型多样，历来是安徽沿江和皖南地区的交通中心和物资集散地，也是国内外零售企业投资的重点区域，因而具有研究的可行性。

芜湖市位于安徽省东南部，市区坐落在长江与青弋江交汇处(图1)，市区包括镜湖、弋江、鸠江3山4区。2011年末，市区建成区面积为145.5km2，市区总人口145万，全市实现社会消费品零售总额421.01亿元。改革开放以来，安徽省实行“东向发展战略”，主动融入长三角，南京新百、商之都等大型百货商场的出现，联华、华联、沃尔玛等大型超市的入驻等均体现了芜湖商业发展的良好势头，20世纪末建成的中山路商业步行街成为芜湖市商业发展的一个重要里程碑，特别是皖江城市带承接产业转移示范区规划的实施强化了芜湖“门户位置”的地位。商贸活

图1研究区范围动的日益活跃、交通条件的大力改善、政府

Fig.1Mapshowingthestudyarea

政策的不断引导共同驱动着芜湖市商业空间

不断扩张及演变，对居民的购物行为决策产生了重要影响。因此，本文选取芜湖作为案例城市，探寻居民购物出行决策的一般规律。2.2数据来源

由于现有的统计资料中缺乏对居民购物时间、购物出行交通方式、购物目的地选择等方面的微观数据，故本文的相关数据主要来自居民调查问卷，结合现有商业网点规划、城市规划的相关资料，获取芜湖市居民购物出行的原始数据，分析芜湖市居民购物出行的决策过程。

问卷发放时间为2011年8月份，主要是由调查组成员通过在芜湖市镜湖、鸠江、弋江、三山区的居住小区公共场所，对随机选定的居民以面对面调查的形式进行，当场回收；其二是由芜湖市辖区学校发放，让学生带回家中由家长填写，统一回收。共发放问卷1000份，回收960份，通过严格筛选，有效问卷为814份，问卷有效率为84.8%。对居民

6期焦华富等：中等城市居民购物行为时空决策过程及影响因素

表1被调查者的人口学及出行特征

Tab.1Thedemographiccharacteristicsandproportionofsamples

分类样本数男412

性别

女402政府、事业单位人员92专业技术人员159企事业管理人员205普通职员162教师55

职业

学生26农民14个体工商户33离退休人员28其他40有121

私家车

无693有452

陪伴状态

无362单纯购物303

购物目的工作购物100

多目的购物411步行66自行车33

75出行交通电动车

公交车513

方式单位车23

出租车65私家车39

资料来源：根据调查问卷数据整理得出。项目

百分比50.649.411.319.525.219.96.83.21.74.13.44.914.985.155.644.437.212.350.58.14.19.263.02.88.04.8

项目

分类

18岁以下18-25岁26-44岁45-59岁60岁以上初中及以下高中及中专大专本科

研究生及以上2000元以下2000-2999元3000-3999元4000-4999元5000-5999元6000元以上镜湖区鸠江区弋江区三山区距离1距离2距离3距离4距离5距离6

样本数182643461454146172303219741772022431104933308200191115179220275754619

百分比2.232.442.517.25.05.721.137.226.99.121.724.829.913.56.04.137.824.623.514.222.127.033.89.25.72.3

753

年龄

受教育程度

平均月收入

居住区

购物出行距离

调查问卷数据采用社会统计软件进行分析，对访谈信息则通过细致整理，进行相关内容补充，受访居民的基本情况如表1所示。

3居民购物行为决策理论框架及时空决策模型

3.1购物决策分析的理论框架及研究假设3.1.1理论框架居民购物决策过程中，商业空间与居住空间都是固定的，但居民的感知确会受到不同时间、空间以及居民购物偏好的影响，引导居民购物决策的仍然是居民的购物“感受”[34]。居民选择某一特定的购物出行模式、出行交通方式或者购物目的地，可以获得一种心理上的满足感，这种满足感被定义为居民做出购物决策而获得的相应的效用。居民个体的收入水平、消费习惯及消费能力可以转换为效用的资源是有限的，而其购物出行的选择也是有限的，故个体必须在有限的资源选择中获得购物的最大满足，也就是获得最大效用，由于居民购物行为的诸多属性特征都是离散的，难以直接用效用函数来进行描述或确定。近年来，基于随机效用的离散选择理论为解释个人决策行为提供了强有力的理论支撑，即在一组有限的方案之间进行选择。该理论认为在有限变量构成的不同方案中，居民从该方案集合中选择某种方案的概率取决于个体本身选择该方案获得的效用要大于其他方案所获得效用的概率[35]。具体到购物行为中来说，可以根据离散选择理论推断选择不同购物出行模式、不同出行时间以及不同购物目的地的居民比重，这样居民的购物决策选择问题就变成了概率问题。在离散选择理论基础上提出的离散选择模型是在决策者效

754地理学报68卷

用最大化行为的假设下推导??购物需求产生??性别??出来的，被广泛应用于城市居住区位??旅游需求、交通需求预测等年龄??购物信息搜寻??商业空间??研究领域中，能够很好的解

受教育程度??其释决策者(个体、家庭、企居购物出行模式选择??他民购物出发地点??业、政府等)在不同可供选属收入水平??属性??性??择选项之间所做的选择。购物初始时间??家庭构成??交通可达性??居民购物决策过程并不

购物出行方式与是相互独立的，不同因素之私家车情况??陪伴状态??购物目的地选择??间也存在着相互联系、相互制约(时间制约、空间制图2居民购物决策过程研究框架

约、制度制约等)，比如选择Fig.2Theframeworkofdecision-makingprocessofresidentsshoppingbehavior不同的出行方式使得购物出

行时间并不相同，居民选择不同的购物模式使得其在购物初始时间与购物距离上也存在显著差异[32]。本文主要考虑居民购物出行模式决策、购物初始时间决策、购物出行交通方式决策与购物目的地决策(图2)，在时空间背景下探讨居民购物出行的活动模式，通过居民购物偏好解释其购物初始时间、目的地选择、出行方式等决策过程。研究的框架如图2。3.1.2自变量选择通过对国内外相关文献的梳理，在分析影响居民购物行为决策的主要因素时不仅考虑其个人属性特征对其购物出行模式决策、购物初始时间决策、购物目的地决策的影响，同时也考虑居民出行距离以及空间属性等因素的影响，结合前人的研究结果[1,31-33]，本文选择的解释变量选择如表2所示。由表2可以看出，社会经济属性特征中包含了居民的性别、收入、年龄以及私家车情况；空间属性特征中包含了居民的居住区位、就业区位特征，用来解释家庭与工作地点对居民购物出行的影响；其他属性特征中包括了购物出行距离、出行交通方式选择、初始时间选择以及家人陪伴状态等决策层面属性特征，其中购物出行距离表示居住空间与购物目的地之间的可达性，从另一层面上也决定了出行交通方式的选择，居民会在通勤成本上进行权衡；购物初始时间表示居民对自身购物时间以及通勤时间的衡量得出的出行时刻，代表不同个体的购物偏好；陪伴状态属于其他社会经济属性变量，由成员内部相互作用决定的，而这会对居民的购物决策产生较大影响，比如有家人或朋友陪伴的居民购物出行时间、出行距离都会比独自购物更长；交通出行方式的选择只划分了公共交通出行与非公共交通出行，主要是基于获得数据考虑，公交出行的居民比例占据多半，而步行的比例相对较小。虽然步行购物在决策研究中较为重要，但在郊区化程度不断推进进程中，配套设施的完善仍然滞后于住宅郊区化的扩张。3.1.3研究假设根据上述自变量选择过程及分析，结合居民购物出行的实际情况，提出以下假设。由于女性居民多目的出行的概率比男性居民大，购物所需时间更长，提出假设1：性别等属性特征对居民的购物出行模式决策具有显著影响。有家人或朋友陪伴的居民倾向多目的出行，需要更多的购物时间与休闲时间，提出假设2：有家人或朋友陪伴对居民的购物初始时间、购物目的地及出行交通方式决策具有显著影响。居民的居住地与就业地的交通可达性会对购物目的地选择、出行交通方式等产生影响，提出假设3：居住区位对居民购物目的地、出行交通方式决策具有显著影响；假设4：就业区位对居民购物初始时间、出行交通方式决策具有显著影响。购物活动的出发地点能够影响居民的购物目的地以及交通方式的选择，提出假设5：购物出发地对购物目的地、购物出行交通方式决策具有显著影响。不同决策间互有作用，具有交叉决策的影响，因此提出假设6：购物出行模式对购物初始时间、购物目的地及出行交通方式决策具有显著影响；假设7：购物初始时间对购物目的地决策具有显著影响。

6期焦华富等：中等城市居民购物行为时空决策过程及影响因素

表2解释变量属性特征

Tab.2Thecharacteristicsofexplanatoryvariables

755

解释变量

性别年龄

1.社会经济属性

平均月收入私家车情况中心城区居住近郊区居住远郊区居住中心城区上班近郊区上班远郊区上班居住年份单纯购物工作购物多目的购物购物初始时间

3.其他层面属性特征

出行距离陪伴状态购物出发地出行交通方式购物目的地

变量类型虚拟变量等级变量等级变量虚拟变量虚拟变量虚拟变量虚拟变量虚拟变量虚拟变量虚拟变量连续变量虚拟变量虚拟变量虚拟变量等级变量

2.空间属性特征

描述1：男；0：女1：18岁以下；2：18-25岁；3：26-44岁；4：45-59岁；5：60岁以上1：2000元以下；2：2000-2999元；3：3000-3999元；4：4000-4999元；5：5000-5999元；6：6000元以上1：有；0：没有1：是；0：否1：是；0：否1：是；0：否1：是；0：否1：是；0：否1：是；0：否1：是；0：否1：是；0：否1：是；0：否

将其分为：时间1：7:30之前；时间2：7:30-9:30；时间3：9:30-11:30；时间4：11:30-14:30；时间5：14:30-17:00；时间6：17:00-19:00；时间7：19:00之后，以时间3为基础将其分为：距离1(0-1km)、距离2(1-2km)、距离3(2-5km)、距离4(5-8km)、距离5(8-12km)、距离6(12km以上)，以距离1为基础1：有；0：没有1：从家出发；其余为01：公交车出行；其余为01：市区大商场；其余为0

虚拟变量虚拟变量

虚拟变量虚拟变量虚拟变量

3.2居民购物时空决策模型的构建

由离散选择理论可知，居民购物决策都以效用最大化为前提，故购物选择问题就变成了概率问题，居民如何进行购物抉择取决于获得的效用大小的概率比较。由于集合方案中存在多种选择，因此采用嵌套Logit模型进行分析解释。根据嵌套分对数模型分层的思想，把选择域分成若干个不同层次子集的同时，也就相当于把居民的决策过程分成了若干阶段。故本文以休息日居民购物出行为例，假设居民的购物出行模式决策为第一层级，依次为购物初始时间决策、购物目的地决策、购物出行方式决策，采用嵌套Logit模型对居民的购物决策过程进行研究，构建居民购物出行的时空决策模型。

嵌套Logit模型的概率形式可以表示为[36]：

Pijkl=Plijk×Pkij×Pji×Pi

式中：i={单纯购物，工作购物，多目的购物}指购物模式；j={时间1，时间2……时间7}指的是购物初始时间选择；k={距离1，距离2……距离6}指购物出行距离；l={公交出行，非公交出行}指购物出行方式；Pijkl是居民选择i,j,k之后再选择l的条件概率；Pk/ij是居民选择i和j之后再选择的条件概率，Pj/i是选择i后选择j的条件概率，Pi则是选择i的边际概率，假设不同的选择集符合IIN分布，参数估计方法为极大似然估计法。

4芜湖市居民购物行为的时空决策过程及因素分析

4.1购物出行模式决策

考虑到不同层级之间的相互联系[31]，采用极大似然法对模型进行估计，得到对数似然

756地理学报68卷

表3居民购物出行模式决策模型估计结果函数最大值为-726.590，似然比

Tab.3Theestimatedresultsofresidents'shoppingtravelmode检验的卡方统计量为126.77

decision-makingmodel

(p=0.000)，说明模型拟合较

系数Z值P值概率比好，模型估计结果如下表所示。解释变量(以工作购物为基底)

性别(单纯购物)-0.298*-1.190.0620.742

由表3可以看出，性别、平

平均月收入(多目的购物)0.197**2.000.0461.217

均月收入、家人陪伴状态等居民陪伴状态(单纯购物)

-1.216***-3.540.0003.374

属性特征对居民购物出行模式决陪伴状态(多目的购物)1.287***3.890.0003.621

-1.595***-2.860.0040.203策产生了显著影响，男性居民选中心城区居住(多目的购物)

-1.416**-2.500.0130.243择单纯购物出行的概率较大，而近郊区居住(单纯购物)

-1.448***-2.650.0080.235

女性居民、平均月收入越高、有近郊区居住(多目的购物)

出行距离(多目的购物)0.309***2.910.0041.362

家人或者朋友陪伴出行的居民更

购物初始时间(单纯购物)-0.338***-3.340.0010.713

加倾向于多目的购物出行，由此购物出发地(单纯购物)1.205***4.660.0003.337验证了假设1和假设2。同时，购物目的地(多目的购物)0.347***-2.660.0080.707

Loglikelihood=-726.590；Obs=814；在控制居民属性特征变量后，发

LRchi2(24)=126.77(p=0.0000)；现空间属性特征对居民购物出行模型拟合参数

PseudoR=0.1802

模式决策也具有较大影响，在中

心城区居住的居民进行多目的购注：*代表10%显著性水平上显著，**代表5%显著性水平上显著，***代

表1%显著性水平上显著。

物出行的概率较大，但居住在近

郊区的居民购物出行模式并没有显著差异；由出行距离变量来看，随着购物地离家距离越远，居民购物更喜好于进行多目的出行。另外，居民购物初始时间也对购物出行模式具有显著影响，购物出发地从家出发主要以单纯购物为主，而选择到市区购物设施齐全的购物目的地进行购物的居民出行模式主要以多目的购物为主。4.2购物初始时间决策

居民进行购物出行模式决策之后，将会对购物的初始时间进行决策，相对于工作而言，休闲、购物等非必须性活动的初始时间具有可控性。因此，探求不同属性人群的购物初始时间决策差异性，分析其决策过程的影响因素显得尤为重要，在此仅选择对居民购物初始时间决策影响显著的变量进行解释(如表4所示)，拟合参数显示模型拟合较好。

从表4中可以看出，具有私家车的男性居民在晚上进行购物概率比较大，其出行概率是上午出行的2.94倍，这主要归因于这一群体的特殊性，他们多属于高收入阶层，白天大多进行固定的商务活动，晚上进行休闲、购物出行的可能性比较大，这也与采用非公共交通方式的出行时间偏好相一致；有家人、朋友陪伴的居民购物出行更倾向选择上午7:30-9:30出行，因此大大增加了购物目的地的选择性，能够更大程度的延长购物时间，由此也可以验证假设2。购物出行模式对购物初始时间决策也具有影响，如上下班途中的居民购物大多发生在下班时间即17:00-19:00之间，虽然属于出行高峰期，但依然体现出顺便购物的便利性，其购物出行概率是9:30-11:30之间出行概率的6.51倍，故可以验证假设6。由空间属性特征可以看出，居住在中心城区的居民偏好选择中午进行购物；出行距离较远的居民购物初始时间大多选择在17:00-19:00，这也侧面验证了居民偏好下班途中购物的可能性。另外，在中心城区与近郊区上班居民都倾向于上午购物。控制个人属性特征及其他空间变量，发现以家为购物出发点的居民晚上购物出行概率是上午出行概率的2.91倍，倾向于19:00之后出行，可以验证假设4。4.3购物目的地决策

居民完成购物出行模式与购物初始时间决策后，需要进行购物目的地决策，即通过个人经验与其它途径获取信息，选择自己满意的购物地进行购物，模型估计结果如表5所示，仅列出了10%显著水平以上的显著变量(距离主要是指居民认知距离)。可以看出，相

2

6期焦华富等：中等城市居民购物行为时空决策过程及影响因素757

表4居民购物初始时间决策模型估计结果对于距离1，居民购物出行距

Tab.4Theestimatedresultsofresidents'shoppingstarttimedecision-离较远，主要集中在5km范

makingmodel

围内，而其他范围被选择的

解释变量(时间3为基底)系数Z值P值概率比

概率较小。

性别(时间7)-0.637*-1.880.0610.529

性别、平均月收入等个私家车情况(时间5)0.661*1.930.0531.937人属性特征对居民购物目的私家车情况(时间7)1.078**2.320.0202.941

-5.153**-1.960.0500.006地决策具有显著影响，其中家人陪伴状态(时间2)

1.095**2.080.0372.989男性居民购物目的地选择在工作购物(时间4)

工作购物(时间5)0.962**2.420.0152.618

8km范围内的预期概率较工作购物(时间6)

1.873***4.010.0006.509

大，平均月收入越高的居民多目的购物(时间5)0.448**2.120.0341.566

0.561*1.840.0661.753倾向在2~5km的范围内购多目的购物(时间6)

-3.761**-1.950.0520.023物，拥有私家车的居民则更中心城区居住(时间1)

中心城区居住(时间4)-1.319***-2.780.0050.268

加偏好5~8km进行购物出

中心城区居住(时间5)-0.555*-1.720.0850.574

行，比一般居民的购物出行近郊区居住(时间7)-1.102*-1.810.0700.332距离更远。另外，具有家人出行距离(时间1)-1.962*-1.650.1000.141

-0.303*-1.840.0660.739或者朋友陪伴的居民购物出出行距离(时间2)

-0.551***-4.300.0000.576

行比个人单独购物出行倾向出行距离(时间6)

出行距离(时间7)0.296**2.210.0271.344

更远的距离，选择5-8km进购物出发地(时间6)1.507***4.850.0004.514行购物的概率是选择1km之购物出发地(时间7)1.068***2.950.0032.910

-0.573*-1.820.0690.564内进行购物概率的2.72倍，出行交通方式(时间4)

出行交通方式(时间6)-0.486*-1.670.0940.615可以再次验证假设2。

出行交通方式(时间7)-1.435***-4.010.0000.238

居住区位与就业区位对中心城区上班(时间2)

-1.581***-2.680.0070.206

居民购物目的地决策的影响近郊区上班(时间2)-1.231**-2.140.0330.292

Loglikelihood=-1088.818；Obs=814；LRchi2也十分显著。首先，居住在模型拟合参数

(90)=285.39(p=0.0000)；PseudoR=0.1159中心城区的居民购物出行距

离主要集中在1~2km的范围注：*代表10%显著性水平上显著，**代表5%显著性水平上显著，***代表1%

显著性水平上显著。

内，偏好于近距离购物；其

次近郊区居民的购物出行距离更远，倾向于选择2~5km的购物空间范围。另外，由估算结果可知，在中心城区上班的居民也偏好于选择2~5km的空间范围内进行购物，由此可以验证假设3。此外，其他层面的属性特征对居民购物目的地决策也具有显著影响。第一，购物出行模式决策中，偏好上下班途中进行购物的居民在2~5km范围内选择购物的概率较大，其次倾向1km范围内的购物出行，再就是偏好5~8km范围的远距离出行，以便更接近上班地点；第二，以自家为购物出发地点的居民具有较大自主选择性，但更倾向远距离出行，可以验证假设5；第三，在5~8km的出行空间范围内，购物初始时间对购物目的地决策的影响较为显著，可以验证假设7；最后，采用公交车为出行方式的居民进行远距离购物的概率较大。4.4购物出行交通方式决策

由表6可以看出，居民的性别、年龄等属性特征对出行方式决策的选择影响并不显著，但平均月收入越高的居民选择公交车出行的概率越低，而拥有私家车的居民购买高等级商品还是倾向于私家车出行，有家人、朋友陪伴的居民购物出行多选择公交车出行是选择其他出行交通方式概率的1.611倍。居住在中心城区居民的购物出行方式主要以其他方式为主，如步行、自行车、电动车等而较少选择公共交通工具，这主要是因为中心城区商业设施较为其全，购物地分布较广，居民不用进行远距离出行就可到达购物目的地，故中心城区居民的购物出行方式并不以公交车为主，另外，出行距离越远，居民选择公交车出

2

758地理学报68卷

行的概率逐渐变大。

购物出行模式决策对购物出行交通方式也具有显著影响，尤其以单纯购物为主。居民选择单纯购物出行模式时一般更加偏好其他出行方式，对公交车的选择概率较小，而进行多目的购物出行的居民对公交车的依赖程度比较大，由此可以验证假设6。另外，可以看出公交车出行依然是居民购物出行的主要载体，这也在一定程度上有助于减少居民出行的碳排放量，倡导公共交通，使之成为一种新的低碳生活方式。

表5居民购物目的地决策模型估计结果

Tab.5Theestimatedresultsofresidents'shoppingdestination

decision-makingmodel

解释变量(以距离1为基底)性别(距离4)

平均月收入(距离3)家人陪伴状态(距离4)私家车情况(距离4)工作购物(距离2)工作购物(距离3)工作购物(距离4)中心城区居住(距离2)中心城区居住(距离3)中心城区居住(距离4)近郊区居住(距离3)近郊区居住(距离2)购物出发地(距离3)购物出发地(距离5)出行交通方式(距离4)出行交通方式(距离5)购物初始时间(距离4)中心城区上班(距离3)

系数

Z值

P值

概率比

5结论与讨论

5.1主要结论

本文以芜湖市为案例城市，通过构建居民购物出行的嵌套Logit模型，从购物出行模式决模型拟合参数策、购物初始时间决策、购物目

的地决策、购物出行交通方式决注：*代表10%显著性水平上显著，**代表5%显著性水平上显著，***代策等4个层面对居民购物出行的表1%显著性水平上显著。决策过程进行探讨，发现模型均

表6居民购物出行交通方式决策因素估计结果拟合较好，并验证了相关假设，

Tab.6Theestimatedresultsofresidents'shoppingtravelmode主要得出以下结论：

decision-makingmodel

(1)性别、平均月收入、家

解释变量

人陪伴状态等居民属性特征对居系数Z值P值概率比

(以公交车出行为基底)

民的购物出行模式决策产生了显平均月收入-0.147**-2.370.0180.863著影响，男性居民选择单纯购物私家车情况-1.130***-5.100.0000.323

0.471*1.790.0741.611出行的概率较大，而女性居民、家人伴随状态

-0.534**-2.080.0380.586平均月收入越高、具有家人或者中心城区居住

0.115*-1.780.0740.891

朋友陪伴出行的居民更加倾向于出行距离

单纯购物-0.393**-2.300.0210.675

多目的购物出行；在中心城区居多目的购物

0.159**1.990.0471.173

住、出行距离远的居民进行多目Loglikelihood=-494.823；Obs=814；LRchi2

模型拟合参数的购物出行的概率较大，但居住(16)=82.02(p=0.0000)；PseudoR=0.0765

在近郊区居民购物出行模式并无注：*代表10%显著性水平上显著，**代表5%显著性水平上显著，***代显著差异。表1%显著性水平上显著。

(2)具有私家车的男性居民

在晚上进行购物概率比较大，其出行概率是上午出行的2.94倍；有家人、朋友陪伴的购物出行更倾向于上午出行，居住在中心城区的居民偏好于选择中午进行购物，而近郊区居民则避开下午下班高峰期而选择晚上购物；出行距离较远的居民购物大多选择在17:00-19:00，这也表明居民偏好下班途中购物的可能性较大。

(3)居民购买高等级商品的出行距离较远，主要集中在5km的范围内，而其他范围被

2

-0.638*-1.760.0790.5290.453***3.800.0001.5731.001*1.530.0632.721-0.969*-1.760.0780.379-0.937***-2.750.0060.392-0.748**-2.520.0120.473-0.856*-1.720.0860.4251.825***-4.510.0000.161-0.827**-2.010.0440.437-1.343**-2.370.0180.2611.495***3.780.0000.224-0.683*-1.680.0920.505-0.467**-2.160.0310.627-1.433***-3.750.0000.238-0.518*-1.710.0880.595-0.993***-2.730.0060.370-0.247**-2.170.0300.781-0.861*-1.830.0670.423Loglikelihood=-1135.176；Obs=814；LRchi2(86)=207.02(p=0.0000)；PseudoR2=0.0836

6期焦华富等：中等城市居民购物行为时空决策过程及影响因素759

选择的概率较小；具有家人或者朋友陪伴与私家车的居民则更加偏好于5~8km进行购物

出行，是选择1km之内进行购物概率的2.72倍，比一般居民的购物出行距离更远，而居住在中心城区的居民购物出行距离主要集中在1~2km的范围内，近郊区倾向选择2~5km的购物空间范围；以家为购物出发地点的居民晚上购物出行的概率是上午的2.91倍，倾向于远距离出行；公交车出行依然是居民购物出行的主要载体，远距离购物的概率较大。5.2讨论

(1)文章选择芜湖市来研究中等城市居民购物行为的决策过程并分析了其影响因素，其他城市是否具有类似的出行决策有待于进一步研究，对于中等城市居民购买不同类型商品的出行空间圈层结构与大城市居民出行圈层的一致性也值得进一步探讨。大城市商业空间结构呈现出多核心、扁平化格局，各级商业网点分布较为均衡，使得居民出行较短距离即可到达集购物、餐饮、娱乐功能为一体的高级购物中心。从相关研究来看，家庭内部相互作用对大城市居民购物目的地决策具有显著影响，有家人陪同以及居住在近郊区的居民购物更倾向于选择晚上出行，有驾照的人群更倾向于4~6km的购物出行，比一般居民选择的出行距离更远，近郊居民愿意选择离家4~6km和8~12km的距离进行购物[30-34]。与大城市相比，中等城市经济发展水平、消费能力与消费观念未能形成强大的需求动力，使得商业布局呈现出单核式结构，空间分布不均衡，高等级商业中心大多集中于一点，而这也增加了居民购物出行的平均距离，如芜湖市拥有私家车的居民偏好5~8km范围内的购物出行等，但从远距离出行来看，中等城市居民的出行距离要比大城市短，主要是因为中等城市空间规模有限造成的。

(2)购物行为包含着许多难以预测与研究的心理过程，只能由已发生的行为来进行反向推理。文章仅利用了休息日的数据，通过嵌套分对数模型对居民购物行为决策过程进行了估计，把出行模式决策、初始时间决策、购物目的地决策、出行方式决策等划分开来，对其进行单独分析，但实质上这是一个连续的过程，其中各个决策层面也是相互作用的，具有交叉决策与交叉项的影响，对其他时间居民购物行为决策是否适合有待进一步分析。

(3)本文的相关数据主要来源于居民调查问卷以及访谈，认知距离可能比实际距离要长，故数据精度有待提升，而这对决策的建模过程具有较大影响，下一步将对居民购物出行的决策机理进行深度挖掘。参考文献(References)

[1]MaJing,ChaiYanwei.Spatio-temporalchoiceofindividuals'shoppingbehaviorandtheirdifferencesbetweenweekday

andweekend.ScientiaGeographicaSinica,2011,31(1):29-35.[马静,柴彦威.休息日与工作日居民购物时空间决策因素及差异比较.地理科学,2011,31(1):29-35.]

[2]LiuAiwen,ZhaoXueyan,ZhangWenting.FactorsaffectingshoppingbehaviorsoftheresidentsinLanzhoucity.

ProgressinGeography,2011,30(2):171-178.[刘爱文,赵雪雁,张文婷.兰州市居民购物行为的决策因素.地理科学进展,2011,30(2):171-178.]

[3]LiuFangyu,ZhangShaolong.Theoreticalanalysisonconsumerspurchasingdecision-makingbehavior.Consumption

Economy,1991,(5):43-49.[刘方域,张少龙.对消费者决策行为的理论分析.消费经济,1991,(5):43-49.][4]HuffDL.Aprobabilisticanalysisofshoppingcentertradingarea.LandEconomics,1963,39(1):81-90.

[5]DaviesRL.Structuralmodelsofretaildistribution:analogieswithsettlementandland-usetheories.Transactionsofthe

InstituteofBritishGeographers,1972,57(11):59-82.

[6]AntonioMJ.Interurbanshopping,newtownplanningandlocaldevelopmentinMadridmetropolitanarea.Journalof

RetailingandConsumeServices,2001,8(5):291-298.

[7]SchroderH,ZahariaS.Linkingmulti-channelcustomerbehaviorwithshoppingmotives:Anempiricalinvestigationof

aGermanretailer.JournalofRetailingandConsumerServices,2008,15(6):452-468.

[8]SusiG.Exploringnight-timegroceryshoppingbehavior.JournalofRetailingandConsumerServices,2007,14(1):24-34.

[9]HercheJ,BalsubramanianS.Ethnicityandshoppingbehavior.JournalofShoppingCenterResearch,1994,1(1):65-80.[10]TalukdarD,GauriDK,GrewalD.Anempiricalanalysisoftheextremecherrypickingbehaviorofconsumersinthe

frequentlypurchasedgoodsmarket.JournalofRetailing,2010,86(4):336-354.

[11]BellDR,BucklinRE,SismeiroC.Consumershoppingbehaviorsandin-storeexpendituredecisions.WorkingPaper,

AndersonSchoolatUCLA,110WestwoodPlaza,LosAngeles,2000.

760地理学报68卷

[12]MarjanenH.Longitudinalstudyonconsumerspatialshoppingbehaviorwithspecialreferencetoout-of-townshopping

ExperiencesfromTurku,Finland.JournalofRetailingandconsumerServices,1995,2(3):163-174.

[13]BellDR,LattinJMLattin.ShoppingbehaviorandConsumerpreferenceforretailpriceformat:Why\Basket\

shopperspreferEDLP.MarketingScience,1998,17(1):66-88.

[14]HoTH,TangCS,BellDR.Rationalshoppingbehaviorandtheoptionvalueofvariablepricing.Management

Science,1998,44(12):145-160.

[15]TangCS,BellDR,HoTH.Storechoiceandshoppingbehavior:Howpriceformatworks.CaliforniaManagement

Review,2001,43(29):56-74.

[16]SchenkTA,LofflerG,RauhJ.Agent-basedsimulationofconsumerbehavioringroceryshoppingonaregionallevel.

JournalofBusinessResearch,2007,60(8):894-903.

[17]MarkJ,ArnoldKE,Reynolds.Affectandretailshoppingbehavior:Understandingtheroleofmoodregulationand

regulatoryfocus.JournalofRetailing,2009,85(3):308-320.

[18]EvelineS,LeeuwenV,RietveldP.Spatialconsumerbehaviorinsmallandmediumsizedtowns.RegionalStudies,

2010,27(6):1-13.

[19]LinGeng.Characteristicandtransformationofconsumerspaceinacontextofresidentialsuburbanization:Acase

studyforGuangzhou.ScientiaGeographicaSinica,2009,29(3):353-359.[林耿.居住郊区化背景下消费空间的特征及其演化:以广州市为例.地理科学,2009,29(3):353-359.]

[20]SunYing,ChenTian,HanYing.AstudyonleisurebehavioroftheagedinBeijing.GeographicalResearch,2001,20

(5):537-546.[孙樱,陈田,韩英.北京市区老年人口休闲行为的时空特征初探.地理研究,2001,20(5):537-546.]

[21]ChaiYanwei,LiChangxia.ThespatialcharacteristicsofshoppingbehavioroftheChineseurbanelderly:Acasestudy

ofBeijing,ShenzhenandShanghai.ActaGeographicaSinica,2005,60(3):401-408.[柴彦威,李昌霞.中国城市老年人日常购物行为的空间特征:以北京、深圳和上海为例.地理学报,2005,60(3):401-408.]

[22]ChenLingji,ChaiYanwei.ThestudyonshoppingbehaviorofhypermarketshoppersinShanghaicity.Human

Geography,2006,21(5):124-128.[陈零极,柴彦威.上海市民大型超市购物行为特征研究.人文地理,2006,21(5):124-128.]

[23]WangDe,ZhangZhao,CaiJialuetal.Approachonconsumers'spatialbehavioronWangfujingStreetinBeijing.

HumanGeography,2009,24(3):27-31.[王德,张照,蔡嘉璐等.北京王府井大街消费行为的空间特征分析.人文地理,2009,24(3):27-31.]

[24]ZhenFeng,WeiZongcai,YangShanetal.Theimpactofinformationtechnologyonthecharacteristicsofurban

residenttravel:CaseofNanjing.GeographicalResearch,2009,28(5):1307-1317.[甄峰,魏宗财,杨山等.信息技术对城市居民出行特征的影响:以南京为例.地理研究,2009,28(5):1307-1317.]

[25]ZhouSuhong,LinGeng,YanXiaopei.Therelationshipamongconsumer'stravelbehavior,urbancommercialand

residentialspatialstructureinGuangzhou,China.ActaGeographicaSinica,2008,63(4):395-404.[周素红,林耿,闫小培.广州市消费者行为与商业业态空间及居住空间分析.地理学报,2008,63(4):395-404.]

[26]ZhangWenzhong,LiYejin.Studyonresidents'shoppinglocationpreferenceandshoppinglocationchoice:Acaseon

XichengandHaidiandistrictsofBeijing.ActaGeographicaSinica,2006,61(10):1037-1045.[张文忠,李业锦.北京城市居民消费区位偏好与决策行为分析:以西城区和海淀中心地区为例.地理学报,2006,61(10):1037-1045.]

[27]ZhuWei,WangDe,TimmermansH.Applyingmulti-agentsystemsinthesimulationofconsumerbehaviorin

shoppingstreets:TheShanghaiEastNanjingRoadcase.ActaGeographicaSinica,2009,64(4):445-455.[朱玮,王德,TimmermansH.多代理人系统在商业街消费者行为模拟中的应用:以上海南京东路为例.地理学报,2009,64(4):445-455.]

[28]ZhuWei,WangDe.Multi-agentbasedsimulationofretailspatialstructure.ActaGeographicaSinica,2011,66(6):

796-804.[朱玮,王德.基于多代理人的零售业空间结构模拟.地理学报,2011,66(6):796-804.]

[29]MaJing,ChaiYanwei,ZhangWenjia.AstudyonshoppingbehaviorofBeijingresidents:Thespatialdifferentiationof

influencingfactors.EconomicGeography,2009,29(12):2006-2011.[马静,柴彦威,张文佳.北京市居民购物出行影响因素的空间分异.经济地理,2009,29(12):2006-2011.]

[30]ZhangWenjia,ChaiYanwei.Theoriesandconfirmedmodelofurbanresident'straveldemand:consideringintra-householdinteraction.ActaGeographicaSinica,2008,63(12):1246-1256.[张文佳,柴彦威.基于家庭的城市居民出行需求理论与验证模型.地理学报,2008,63(12):1246-1256.]

[31]ZhangWenjia,ChaiYanwei.Theinfluenceofresidentialspaceonhouseholdshoppingtourdecision-making

behaviors.ProgressinGeography,2009,28(3):362-369.[张文佳,柴彦威.居住空间对家庭购物出行决策的影响.地理科学进展,2009,28(3):362-369.]

[32]ZhangWenjia,ChaiYanwei.Ahousehold-basedmodelofshoppingdecision-makingbehaviorintimingand

destinationchoice:Formulationandapplicationtospatialpolicyevaluation.GeographicalResearch,2010,29(2):338-350.[张文佳,柴彦威.基于家庭的购物行为时、空间决策模型及其应用.地理研究,2010,29(2):338-350.]

[33]ChaiYanwei,MaJing,ZhangWenjia.Theresidentialdifferentiationoftour-basedspatio-temporaldecision-makingof

travelbehaviorinBeijingCity.GeographicalResearch,2010,29(10):1725-1734.[柴彦威,马静,张文佳.基于巡回的北京市居民出行时空间决策的社区分异.地理研究,2010,29(10):1725-1734.]

[34]ZhuWei,WangDe,SaitoSaburo.MultistopshoppingbehaviorofconsumersoneastNanjingroad.UrbanPlanning,

6期焦华富等：中等城市居民购物行为时空决策过程及影响因素761

2006,50(2):9-17.[朱玮,王德,齐藤参郎.南京东路消费者的回游消费行为研究.城市规划,2006,50(2):9-17.]

[35]NieChong,JiaShenghua.Researchonthetheoreticalbasisandevolutionofdiscretechoicemodels.TheJournalof

QuantitativeandTechnicalEconomics,2005,(11):151-159.[聂冲,贾生华.离散选择模型的基本原理及其发展演进评价.数量经济技术经济研究,2005,(11):151-159.]

[36]BaiRui.ThenestedLogitmodelanditsapplicationintheanalysisofhealthserviceutility[D].Nanjing:Southeast

University,2006:3-35.[白瑞.嵌套Logit模型及其在卫生服务利用分析中的应用[D].南京:东南大学,2006:3-35.]

Researchontemporalandspatialdecision-makingprocessand

influencingfactorsofresidents'shoppingbehavior

inmedium-sizedcities:

AcasestudyofWuhuCityinAnhuiProvince

JIAOHuafu,HANHuiran

(CollegeofTerritorialResourcesandTourism,AnhuiNormalUniversity,Wuhu241000,Anhui,China)

Abstract:Ashumangeographershavepaidmoreandmoreattentiontopracticalproblemsofhumanandsociety,thefocusesofurbangeographyhavetransformedfrommacroscopiclevelsuchasresearchesoncitysystemtomicroscopiclevelsuchasstudiesonshoppingspace,livingspaceandcommercialspace.Atpresent,Chinaisinatransitionalperiodinwhichcities'mainfunctionsarechangingfromproductiontoconsumption.Withthedevelopmentofshoppingbehaviors,thecomplexityandthetransformationofshoppingpatternsaswellastheirdeepinfluencesonsociety,economy,institution,cultureandsoon,residents'shoppingbehaviorshavebecomeafocusofcertainfieldssuchasurbangeography,urbansociologyandurbaneconomics.Basedontheresidents'shoppingdecision-makingtheory,thedatafromtheinterviewandquestionnairesurveyonWuhuresidents'shoppingbehaviorin2011,andthenestedLogitmodelonresidents'shoppingtourbehavior,thepaperanalyzestheresidents'decision-makingprocessanditsfactorsinfluencingthedecision-makinginthefollowingfouraspects:shoppingtravelmode,shoppingstartingtime,shoppingdestination,andshoppingtransportationmode.Theresultsareshownasfollows.(1)Thecharacteristicsofresidents'attributessuchasthegender,monthlyincomeandfamilycompanionshaveasignificanteffectonresidents'decision-makingofshoppingtravelmode.Theresidentswholiveinthecentralcityandthosewholiverelativelyfarawayaremorelikelytohaveamulti-purposeshoppingtour.Theresidentslivinginthecentralcityprefershoppingatnoon,andtheirtraveldistancemainlyextendsfrom1-2km,whilethesuburbanitesgoshoppingmainlyafter19:00p.m.toavoidtherushhourandtendtochoosetheshoppingspaceintherangeof2-5km.(2)Themaleresidentswhohaveprivatecarsaremoreinclinedtogoshoppingintheevening,2.94timesasmanyasinthemorning.Theyaremorelikelytohavealong-distanceshopping.Residentsonandoffdutyprefertogoshoppingontheirwaybackhome.Theirshoppingspaceismainlyconfinedintherangeof5-8km.Theresidentsshoppingwithcompanionsaremorelikelytohavealong-distancetravelbythepublictransportfacilitiesinthemorning,whichmainlyfocusesontherangeof5-8km.(3)Theresidentswhosetoutfromtheirhousestendtogoshoppingintheeveningratherthaninthemorningandaremoreinclinedtogoshoppingafter19:00.Busisstillthemainvehiclefortheresidents'shoppingtravel.

Keywords:shoppingbehavior;temporalandspatialdecision-makingprocess;nestedLogitmodel;WuhuCity

百度搜索“70edu”或“70教育网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读，70教育网，提供经典综合文库中等城市居民购物行为时空决策过程及影响因素_以安徽省芜湖市为在线全文阅读。