EN中文

Journal of Geo-information Science >

2023 , Vol. 25 >Issue 4: 823 - 837

DOI: https://doi.org/10.12082/dqxxkx.2023.220804

Distribution Characteristics and Influencing Factors of Milk-tea Consumption Space from the Perspective of Scene-Symbol and Physical-Information

  • ZHANG Yuzheng , 1 ,
  • LU Yan 1 ,
  • CHEN Xiaojian , 1, 2, *
Expand
  • 1. College of Architecture, Xi’an University of Architecture and Technology, Xi'an 710055, China
  • 2. State Key Laboratory of Green Building in Western China, Xi'an 710055, China
*CHEN Xiaojian, E-mail:

Received date: 2022-10-19

  Revised date: 2023-01-16

  Online published: 2023-04-19

Fold

Abstract

In the era of digital economy, the influence of new retail consumption space which combines scene consumption and symbol consumption, and physical space and information space, on the development of urban space is constantly expanding. Taking the consumption space of milk-tea in Xi 'an as the research object, space syntax is used to analyze the distribution characteristics of milk-tea consumption space. Threshold regression and multi-scale geographical weighted regression are constructed to analyze the influencing factors of the distribution of milk-tea consumption space. The results show that: (1) Location selection for new retail milk-tea is highly sensitive to market information and can respond to space regulatory decisions. The factors involved in the traditional retail location theory, such as consumer market, spatial proximity, land price, and industrial development, have a significant impact on the spatial distribution of new retail milk-tea consumption. However, there is a game between physical and information entities in new retail milk-tea consumption space, with the role of information growing significantly with the expansion of scale; (2) The spatial distribution of new retail milk-tea consumption reflects the characteristics of organizational behaviors displayed by brand community. The consumption subjectivity of consumer community is enhanced. The new retail milk-tea consumption space of different brands promotes the growth of consumer communities in various ways; (3) Social culture perception has price threshold effect in both physical and information consumption space. Information flow and material flow are mutually exclusive in the action mechanism of low-priced consumption space scene and symbol value, and cultural dissemination depends on the density, propagation rate, and frequency of scene and symbol. In the action mechanism of high-priced consumption space scene and symbol value, information flow and material flow promote each other, and cultural dissemination depends on the influence and propagation distance of scene and symbol; (4) Spatial syntactic model simulates the extension of information in the consumption space. Threshold regression and multi-scale geographical weighted regression reveal the production and reproduction mechanism of new retail consumption space. This study expands the research on new retail consumption space in consumer geography.

Key words： milk-tea consumption space; new retail; scene consumption; symbol consumption; physical space; information space; spatial distribution; influencing factors; Xi 'an City

Cite this article

ZHANG Yuzheng , LU Yan , CHEN Xiaojian . Distribution Characteristics and Influencing Factors of Milk-tea Consumption Space from the Perspective of Scene-Symbol and Physical-Information[J]. Journal of Geo-information Science, 2023 , 25(4) : 823 -837 . DOI: 10.12082/dqxxkx.2023.220804

1 引言

近些年，奶茶店在城市大街小巷如雨后春笋般涌现， “秋天的第一杯奶茶”、“一杯奶茶钱”、“奶茶自由”等流行语在年轻人中快速传播，奶茶社交正悄然兴起，奶茶消费从实体空间走向了信息空间。标志化、个性化的铺面装修、产品包装赋予奶茶消费空间更强的场景价值与符号价值，年轻人对奶茶的喜爱更是对奶茶场景与奶茶符号的追逐[1⇓⇓-4]。
随着消费主义快速扩张，消费场景和消费符号正成为消费过程意义和身份建构的重要组成部分[5-6]。在消费空间中，场景由消费行为相关的典型生活文化设施组合而成，场景消费中承载的文化价值通过抽象符号与信息传递给特定人群，形成消费空间形象与文化内涵[7]。符号由能被感知的物质形式和赋予情感价值的精神外化之间统一关系构成，差异化的关系将符号消费由经济行为转化为文化行为[8]。奶茶消费空间塑造了独特的消费场景，消费者在奶茶消费空间所营造的场景中品茶、交流，接受着奶茶符号对其消费情感与消费文化认同潜移默化的影响，奶茶消费空间中场景与符号承载着相同的奶茶文化。除与使用价值相关的有用性外，奶茶场景与符号中也都包含着与消费体验相关的享受需求、与身份地位相关的社会需求和与个体相关的自我表达需求等[9]。消费主义快速发展中涌现出来的场景消费与符号消费影响下的消费者多重感官实践如何作用于消费空间生产仍有待研究，消费场景与消费符号背后消费与空间、社会的关系需要在新的视角中予以回应。
消费空间是消费实践的载体，消费空间早期研究以区位论为理论基础探讨消费空间分布及消费者空间行为[10-11]。随着社会经济的发展和城市空间的演变，消费空间研究由最初的住房、商场，推广到流动的、非正式的消费空间[12⇓⇓-15]，研究的重点也由消费景观逐渐转向考察消费空间所承载的过程意义和社会关系[16⇓⇓⇓⇓-21]。近些年，线上线下服务和体验深度融合、数据化驱动的新零售模式改变了传统零售业以实体店为中心的线上线下割裂的价值创造模式[22]。新零售消费空间与产业发展[23]、新零售消费空间土地利用[24]、新零售消费空间活力与消费者行为[25]等内容成为研究热点。信息空间的产生需要依赖现实背景，包含特定文化的场景与符号成为实体消费空间与信息消费空间生产的媒介，丰富了消费空间的内涵。物联网、人工智能等新技术压缩了新零售奶茶消费空间与消费者的时空距离、价格距离、信息距离，增强了奶茶品牌文化与城市的互动。消费者通过公众号、朋友圈、短视频、小红书等社交媒体分享、打卡与评价，将真实的奶茶消费场景与符号转化为虚拟社交场景与符号，对社交媒体中的接收人进行社会动员，扮演着意见领袖的角色[26⇓⇓⇓-30]。消费者的个体自发消费行为通过数字媒介放大后对群体性消费行为的形成起到加速和催化作用，在场景和符号的感应中形成奶茶消费空间再生产的动力。实体空间与信息空间融合叠加、场景消费与符号消费共同作用的奶茶消费空间改变了消费空间传统时空形态，延伸了空间的维度（图1）。在这种新的空间生产机理中，奶茶消费空间分布表现出哪些特征仍有待探索。传统实体消费空间到信息空间的维度变化、价值消费到场景与符号消费的行为转变对新零售奶茶消费空间分布的影响机制仍不清晰，各影响因素对奶茶消费空间分布的差异化影响中暗含着的情感文化力量也需要进一步挖掘。
图1 场景-符号与实体-信息作用下的新零售奶茶消费空间

Fig. 1 New retail milk-tea consumption space under the action of scene-symbol and physical-information

传统消费空间研究中把空间看作城市经济社会发展的容器，认为空间只是人类活动的背景，此后城市规划研究中虽然引入了消费微观经济学、考虑竞争的静态平衡模型以及考虑突变、浑沌的动态复杂模型等，但“空间”仍然是空间的经济属性[31]。空间句法作为一种通过对空间结构量化描述来研究空间组织与人类社会之间关系的理论和方法，更加关注空间的本体，认为空间是人的行为的内在属性，人在对空间的感知过程中创造了人居环境[32-33]。相关学者将空间句法应用于消费空间研究，对消费空间组织与布局[34-35]、消费空间承载力与社区活力[36-37]、消费空间结构与消费者行为[38]等问题进行探讨，证明了消费空间在影响人的活动时是通过空间中的组构关系来实现。新零售模式以场景消费与符号消费为纽带，突破了原有真实地理空间的局限，消费空间成为在信息空间内，以实体空间为核心服务消费者多层次消费需求的场所。空间句法同样适用于网络虚拟空间与真实地理空间的链接机制分析[39]，应用空间句法对奶茶消费空间结构进行分析能够更好地揭示奶茶消费空间背后的经济社会与文化意义。因此，基于西安市奶茶店铺POI数据，以空间句法为主要空间分析方法来研究奶茶消费空间分布特征，构建门槛回归和多尺度地理加权回归模型对奶茶消费空间分布影响因素进行解析，以揭示实体空间与信息空间融合叠加、场景消费与符号消费共同作用的奶茶消费空间所蕴含的经济社会逻辑。

2 研究思路与研究方法

2.1 研究思路

首先，应用空间句法线段模型计算奶茶店铺多尺度下的整合度，通过设置不同的搜索半径将奶茶店铺由点延伸至奶茶消费空间，对以奶茶店铺为核心的奶茶消费空间总体特征、中心性特征和集聚特征进行分析。其次，根据零售业区位选择、消费者行为、新零售等相关理论和已有研究，确定奶茶消费空间影响因素模型中各个变量，构建回归模型探究奶茶消费空间分布的影响因素。最后，对影响因素的非线性影响和空间异质性进行拓展性分析。研究的技术路线如图2所示。
图2 奶茶消费空间分布及影响因素研究的技术路线

Fig. 2 Technical route of research on the distribution characteristics and influencing factors of milk-tea consumption space

2.2 研究方法

2.2.1 空间句法

搜索半径、整合度是空间句法表征空间形态与结构的重要参数：
（1）搜索半径（R）。表示计算奶茶消费空间中心性时所考虑的空间范围大小，当 R = X时，则仅距离奶茶店铺 X范围内的节点参与计算，即局部尺度。当 R = N时，则所有空间节点均参与计算，即全局尺度。消费行为在不同的空间尺度上呈现明显的差异，通过扩大搜索半径，以奶茶店铺为核心的奶茶消费空间向城市空间辐射扩散，进而反映出各尺度下奶茶消费空间的分布特征与分布逻辑。
（2）整合度（Integration）。整合度反映空间集聚或离散程度，奶茶消费空间整合度越高，其拓扑中心性越强[40]。其计算公式为：
I n t e g r a t i o n = n 2 ∑ i = 1 n d θ ( x , i )
式中： I n t e g r a t i o n在本研究中表示奶茶消费空间整合度； n表示搜索半径内的线段总数； d θ ( x , i )表示空间 x与空间 i之间的角度深度值。通过计算不同尺度下整合度值来表征奶茶消费空间中心性，对奶茶消费空间中心性特征和中心性的集聚特征进行分析。
空间句法在实践中不断拓展，Cardiff大学研究团队延续了基于街道进行建模的传统，提出的空间网络分析（spatial Design Network Analysis, sDNA），采用接近度（NQPDA）表征空间基于目的地的空间中心性[41]。其计算公式为：
N Q P D A x = ∑ p ( y ) d ( x , y )
式中： N Q P D A x表示奶茶消费空间 x的接近度； p ( y )为节点权重； d ( x , y )为 x节点到 y节点的最短拓扑距离。通过引入sDNA模型的接近度来对奶茶消费空间分布影响因素模型进行稳健性检验。

2.2.2 回归分析

（1）变量选择
通过多尺度下奶茶消费空间中心性优势表征奶茶消费空间分布，将其作为被解释变量。在中心性变量的描述中，选取全局分析尺度及300、500、1000、2000、3000、5000 m共6个局部分析尺度。考虑到不同尺度的整合度参数存在较强的相关性，不宜直接进行回归分析，采用主成分分析求得奶茶消费空间全局及不同尺度的局部整合度的主成分，以每个主成分所对应的特征值占所提取主成分总的特征值之和的比例作为权重，将不同尺度奶茶消费空间整合度进行加权得到空间中心性优势：
F = α 1 R 300 + α 2 R 500 + α 3 R 1000 + α 4 R 2000 + α 5 R 3000 + α 6 R 5000 + α 7 R
式中： F为奶茶消费空间中心性优势； R X为局部尺度 X下奶茶消费空间整合度值； R为全局尺度下奶茶消费空间整合度值； α 1 , α 2 , … , α 7为权重。
影响奶茶消费空间分布的因素作为解释变量。零售业区位论认为消费市场、购物空间接近性、地价、同行业发展水平等是影响零售业区位选择的重要因素[42]。而新零售模式下，消费者线上与线下满意度会影响消费行为并作用于消费空间区位选择[43-44]。因此，综合零售业区位选择、消费者行为和新零售相关理论选取消费评分、人均消费、商铺楼层、土地价格、周围居住人口密度、周围餐饮聚集程度作为解释变量。考虑数据的可获得性，餐饮聚集程度采用餐饮POI数据的核密度值表达。土地价格采用商品房价格的空间插值数据间接表达，居住人口密度采用居住小区人口的核密度值表达。
（2）模型构建
首先采用OLS回归方法建立基准回归模型：
y a = β 0 + β 1 x 1 a + β 2 x 2 a + … + β n x n a + ε a
式中： y a在本研究中表示奶茶消费空间中心性优势； x 1 a , x 2 a , … , x n a为影响奶茶消费空间分布的因素； β 0 , β 1 , … , β n为待定参数； ε a为误差项。
多重因素对奶茶消费空间分布的影响可能随着其价格定位的变化而发生“突变”现象，即影响因素函数可能存在分段现象，故进一步构建门槛回归模型对奶茶消费空间分布与影响因素之间的非线性关系进行检验：
Y = β 0 + β 1 X I c ≤ γ 1 + β 2 X I γ 1 < c ≤ γ 2 + ⋯ + β n X I γ n < c + θ X + ε
式中： Y在本研究中表示奶茶消费空间中心性优势； X为影响奶茶消费空间分布的因素； β 0 , β 1 , … , β n为待定参数； c为门槛变量，用奶茶店铺人均消费表示； γ为待估价格门槛值； I为示性函数； ε为误差项。
不同因素对奶茶消费空间分布的影响存在空间差异，因此采用多尺度地理加权回归（Multi-Scale Geographically Weighted Regression，MGWR）对影响因素空间异质性进行检验。多尺度地理加权回归能够捕捉到不同变量的影响尺度差异从而避免了捕获太多的噪声和偏误，令分析结果展现不同影响因素空间异质性的尺度差异[45-46]。
y i = ∑ j = 1 k β b w j ( u i , v i ) x i j + ε i
式中： y i在本研究中表示奶茶消费空间 i的中心性优势； x i j为第 j个影响因素变量在奶茶消费空间 i的值； ( u i , v i )为第 i个奶茶消费空间的地理位置； b w j为第 j个影响因素变量回归系数使用的带宽，由最小AICc方法确定；回归系数 β b w j基于局部回归得到； ε i为误差项。

3 研究区概况与数据来源

3.1 研究区概况

研究区域为西安市中心城区，在行政区划上主要包括碑林区、莲湖区、新城区、未央区、雁塔区、灞桥区和长安区的部分区域，大致北起渭河，南到关中环线，西到沣河，东至秦东陵（图3）。西安市作为国家历史文化名城，茶文化历史悠久，同时是热门旅游城市，旅游消费市场潜力较大。近些年西安市奶茶店铺数量显著增加，目前拥有超过1000家奶茶店铺和200余奶茶品牌，厚重古都文化与奶茶创意文化相融合，催生了“茶话弄”等本土奶茶品牌，为奶茶消费空间研究提供了试验样本。
图3 西安市研究区概况

Fig. 3 Description of Xi'an

3.2 数据来源

研究中涉及的奶茶店铺数据、餐饮场所数据来源于高德地图POI，进行数据清洗后共得到58 284条餐饮场所数据，1093条奶茶店铺数据。土地价格及居住人口数据来源于链家网，清洗后共得到3445条有效数据。路网数据来源于地理空间数据云网站，通过下载西安市中心城区区域遥感卫星影像，沿道路中心线对路网进行矢量化。相关数据来源与说明如表1所示，在ArcGIS中通过空间连接将其他数据统一至奶茶店铺点数据。
表1 研究数据来源与数据说明

Tab. 1 Research data source and explanation

数据名称 数据来源 数据时间 数据说明
奶茶店铺与餐饮场所数据 高德地图
https://lbs.amap.com		 2022年5月 主要包含餐饮场所的名称、类别、地理位置、消费评分、人均消费
居住人口与土地价格数据 链家网
https://lianjia.com		 2022年5月 主要包含小区位置、户数、交易价格
路网数据 地理空间数据云
https://www.gscloud.cn		 2021年11月 沿道路中心线对路网数据进行矢量化

4 结果及分析

4.1 空间分布特征分析

4.1.1 总体分布特征

奶茶店铺在研究范围内分布广泛，整体表现为城市中心密集、外围分散的特征，沿城市中轴线自南向北在小寨、钟楼和行政中心形成3个主要核心（图4）。小寨是西安市最具经济活力的商圈，是潮流消费的前沿，奶茶场景和符号年轻化的消费社群决定了追随时尚与活力是新零售奶茶店铺最核心的选址逻辑。位于市中心的钟楼是西安的标志性建筑和重要旅游景点，以钟楼为核心的奶茶消费场景与消费符号分布体现出新零售对文化和旅游市场的高度敏感性。以文旅市场为依托，新零售文化场景与符号将城市空间变成创意高地，孵化创意想法、创意产品、消费活动。行政中心是西安市政府所在地，自2011年市政府迁入，周边基础设施不断完善，成为城市新的商务中心。奶茶店铺在行政中心形成核心表明新零售能够积极回应城市空间发展决策，有力推动城市空间活力的增强。同时，西安市作为历史文化名城，城市中轴线承载着古都的空间文脉，沿中轴线分布增强了新零售场景与符号的创意文化与古都传统文化的融合。
图4 2022年西安市奶茶店铺核密度

Fig. 4 Kernel density of milk-tea shops in Xi 'an in 2022

4.1.2 中心性特征

根据2.2.1中的式（1）计算不同尺度下奶茶消费空间整合度，在300 m、500 m的局部尺度上整合度高的奶茶消费空间主要集中分布于东南方向城市外围区域。在1000 m、2000 m尺度上，整合度高的奶茶消费空间在古城内部和南北中轴线两侧集中分布，这与奶茶店铺的实体空间分布特征最为相似，场景与符号将消费空间扩展步行15~30 min可达的距离。在3000 m、5000 m局部尺度上，整合度高的奶茶消费空间主要分布在古城内及古城外南部区域，城市外围的奶茶消费空间整合度普遍较低。当空间尺度增大到全局尺度时，整合度高的奶茶消费空间主要分布在古城外围，并向城郊方向呈放射状扩散。可见，新零售模式下实体与信息消费空间中存在尺度博弈，随着尺度的扩大，实体店铺的影响逐渐减小，信息空间的重要性逐渐增强，消费空间分布呈现出类似于信息传播的中心向外扩散特征。
选取了“喜茶”、“蜜雪冰城”和“茶话弄” 3个品牌作为高端品牌、平价品牌和地域特色品牌的代表。由表2可知，“喜茶”消费空间在局部和全局尺度上的空间整合度均高于“蜜雪冰城”和“茶话弄”。作为高端定位奶茶的代表，“喜茶”实体店铺多选址于城市综合体、商业中心等区域，提升实体消费场景的可达性。当尺度超过2000 m，信息空间令高端品牌新零售消费空间的高中心性优势更加明显，在网络社交平台中高频率的精准传播能够培养消费者新场景行为方式和习惯，在场景与符号的感知中消费社群审美体验、社会地位象征、价值认同得到更强烈的回应，以增强其在信息消费空间的中心性。在300 m和500 m的局部尺度上，平价品牌“蜜雪冰城”的消费空间整合度相对较高。可见，实体店铺是平价新零售品牌场景与符号的主要依托，消费空间更加紧密地围绕店铺。平价品牌通过增加店铺数量来提高品牌场景与符号的可获得性，但同时消费者对其情感方面的期待也有所降低。地域特色品牌“茶话弄”消费空间在1000~3000 m表现出较强的中心性，但在更大的尺度上与高端品牌仍有较大差距。在以古城文化为核心的地域特色品牌消费空间形成与发展过程中，网络关注度不断提升，信息价值有所显现。与成熟的高端品牌相比，地域特色品牌的成长中需要充分挖掘场景与符号的品牌价值，进一步发挥信息空间对品牌社群建设的积极影响。
表2 不同品牌的奶茶消费空间平均整合度比较

Tab. 2 Average integration of milk-tea consumption space under different brands

整合度 R300 R500 R1000 R2000 R3000 R5000 R全局
喜茶 43.104 27.126 68.960 191.368 373.994 902.403 8484.742
蜜雪冰城 37.244 25.323 49.021 152.499 300.671 713.562 8209.701
茶话弄 19.551 23.128 56.554 172.645 337.786 792.430 8219.203

4.1.3 集聚特征

以全局与局部尺度下西安市奶茶消费空间整合度为测量指标，计算Moran's I，并计算其检验的标准化统计量Z（I），计算结果如表3所示。西安市奶茶消费空间整合度的Moran's I均为正值。300、1000、2000、3000、5000 m局部尺度和全局尺度的Moran's I在0.01置信水平下空间统计显著。表明在这些尺度上消费空间显示出显著的正向空间自相关特性，即中心性强的消费空间相对地趋于和中心性强的消费空间相邻，呈现出明显的趋同集聚。在局部尺度上，当半径超过1 km时，随着尺度的扩大，奶茶消费空间中心性聚集程度随着研究尺度的扩大而增强。500 m局部尺度的Moran's I未通过假设检验，表明在500 m尺度上奶茶消费空间整合度的空间自相关不明显，呈现出较强的空间随机分布格局。
表3 Moran's I计算结果

Tab. 3 Results of Moran's I

整合度 R300 R500 R1000 R2000 R3000 R5000 R全局
Moran's I 0.044 0.004 0.359 0.483 0.536 0.602 0.365
Z得分 6.798 0.628 38.556 51.705 57.402 64.468 39.240
P值 0.000 0.530 0.000 0.000 0.000 0.000 0.000
根据标准差椭圆以一个标准差大小分析“喜茶”、“蜜雪冰城”、“茶话弄” 3个品牌的消费空间的集聚特征，如图5所示。由图5可知，平价品牌的空间聚集性最弱，高端品牌的空间聚集性最强，地域特色品牌也表现出较强的空间聚集性。店铺是新零售文化消费的物质空间，由其场景设计与符号表达中蕴含的社会文化所建构。地域特色品牌在消费空间扩张上较为保守，避免盲目扩张带来的地方特色缺失,相对收紧和集聚的消费空间分布更有利于在其特殊的消费场景中唤起消费者城市与地方的情感回忆。在紧密围绕文化标志分布的消费空间中，场景作为产业文化与产业技术的传承更好地嵌入了历史积淀之中，同时也作为一种独特的地方文化符号融入现代城市建成环境之中，借助地域稀缺性打造城市品牌与标签，有利于在本地建立起更加忠实的消费社群，增强消费社群的文化认同，凝练出更加具有标志性的品牌文化符号。
图5 不同品牌奶茶消费空间标准差椭圆结果

Fig. 5 Standard deviation ellipse results of different brand milk-tea consumption space

4.2 影响因素分析

通过主成分赋权法计算不同尺度下奶茶消费空间整合度权重（表4），按照2.2.2中式（3）计算奶茶消费空间中心性优势。各影响因素变量VIF方差膨胀因子远小于10（表5），表明变量间不存在严重的多重共线性。基准模型结果如表6中模型I所示，人均消费对奶茶消费空间的分布影响不显著，消费评分、商铺楼层、土地价格、周围餐饮聚集程度对奶茶消费空间中心性产生正向影响。消费评分越高，消费者对于新零售产品使用价值、消费空间场景、符号的满意度越强，消费评分高的新零售消费空间倾向分布于空间中心性强的位置来提升场景和符号中的感染力。商铺楼层越高，区域的空间使用强度越大，新零售消费空间的场景与符号会受到其他可替代商品消费空间场景与符号的干扰，影响到消费者对新零售消费空间符号与场景的识别与感知，新零售消费空间倾向分布于空间中心性强的位置来抵消劣势，凸显品牌场景与符号。土地价格对应着新零售空间使用成本，在空间使用成本高的区域，新零售消费空间倾向分布于空间中心性强的位置来增强可达性，提高区位给场景和符号带来的经济价值。周围居住人口密度对奶茶消费空间中心性产生负向影响，当周围居住人口较少时，仅依靠居住人口对新零售产品的需求不能维持店铺经营，新零售消费空间倾向分布于空间中心性强的位置来提高场景和符号的可辨识度，以求吸引更多潜在顾客。当周围居住人口消费占营业收入的比例较高时，新零售消费空间则会选择空间中心性弱的位置以节约店铺租金。
表4 不同尺度整合度权重

Tab. 4 Integration weight of different scales

整合度 R300 R500 R1000 R2000 R3000 R5000 R全局
权重 0.067 0.133 0.189 0.191 0.181 0.154 0.085
表5 各变量VIF方差膨胀因子

Tab. 5 Variance inflation factor of each variable

变量 VIF
平均消费 1.017
消费评分 1.017
商铺楼层 1.036
土地价格 1.037
周围居住人口密度 1.098
周围餐饮聚集程度 1.116
表6 多元线性回归与门槛回归结果

Tab. 6 Results of multiple linear regression and threshold regression

变量 模型I（OLS）β 模型Ⅱ（OLS）β 模型Ⅲ（门槛回归）β
（标准误） （标准误） （标准误）
人均消费 0.005 0.005 —
（0.003） （0.003） —
消费评分 0.145** 0.197*** —
（0.066） （0.064） —
商铺楼层 0.008*** 0.008*** 0.008***
（0.003） 0.003 （0.002）
土地价格 0.166*** 0.150*** 0.156***
（0.041） 0.040 （0.041）
周围居住人口密度 -0.042** -0.046** -0.041*
（0.021） （0.021） （0.021）
周围餐饮聚集程度 0.383*** 0.564*** 0.379***
（0.022） （0.021） （0.022）
消费评分（人均消费≤14） — — 0.115*
— — （0.066）
消费评分（人均消费>14） — — 0.143**
— — （0.065）

注：表中***、**、*分别表示P<0.01、P<0.05、P<0.1。

为检验模型设定可靠性，采用替换因变量的方法对基准模型进行稳健性检验。根据式（2）计算sDNA模型接近度来表征奶茶消费空间中心性优势，替换原来的因变量，回归结果如表6中模型Ⅱ所示，与基准模型结论基本一致，基准模型整体稳健。
消费评分是消费者通过奶茶价值消费、符号消费与场景消费后满意度的综合反映，而产品的价格直接影响消费者的消费选择与消费满意度。随着产品价格的提高，消费者对于商品使用价值、消费场景与消费符号的要求也随之提高，希望获得更丰富更具有象征意义的场景与符号体验。因此设定人均消费为门槛变量，检验消费者满意度在不同人均消费水平下对奶茶消费空间分布的影响是否存在门槛差异。以人均消费为门槛变量，运用门槛模型依次进行单一门槛、双重门槛和三重门槛进行估计，门槛效应检验结果如表7所示，存在单一门槛且在1%显著性水平下显著。对单门槛模型门槛值进行估计和检验，如表8所示，门槛估计值为14，门槛值95%的置信区间为[10,23]，门槛估计值在置信区间内，门槛估计值可以接受。表6中模型Ⅲ给出了受门槛变量人均消费影响的消费评分以及其他解释变量的参数估计结果。
表7 门槛效应检验结果

Tab.7 Results of threshold test

模型 F值 P值 BS次数 显著性水平（1%） 显著性水平（5%） 显著性水平（10%）
单一门槛 9.009*** 0.000 300 7.262 4.555 2.902
双重门槛 2.639 0.130 300 7.529 4.189 2.949
三重门槛 4.163* 0.073 300 9.702 4.770 3.264

注：表中***、*分别表示P<0.01、P<0.1。

表8 门槛估计值及置信区间

Tab. 8 Threshold estimates and confidence interval

模型名称 门槛值 95% 置信区间
单一门槛模型 14 [10, 23]
奶茶消费空间存在价格门槛，从价格层面将奶茶消费空间分成2个部分。高价位品牌奶茶消费空间分布受消费满意度的正向影响更强，当消费者希望在奶茶消费空间中获得更高的满意度，则需要到中心性更强的消费空间消费。低价位奶茶消费空间分布受消费满意度的正向影响稍弱。场景与符号消费在新零售实体与信息消费空间中均存在门槛效应。在人均消费超过14元的实体店铺中布置就餐桌椅与娱乐设施的概率明显高于低价位品牌店铺，其出现排队购买的可能性也更大。消费者排队购买的行为同样是新零售符号消费与场景消费的表现形式，在同样的价值消费前提下，排队行为在某一店铺这一特定的消费空间场景中产生，强化了这一特殊品牌或店铺的文化标识符号，等待的过程也是一种特殊的消费仪式，令场景价值与符号价值增值，人为赋予的符号与场景附加值提升了高价位产品的溢价空间。在社交媒体上，带有消费空间特殊场景与符号的照片、视频分享令高价位新零售消费空间的社交属性更加明显。
采用人均消费门槛值将奶茶消费空间分为两组，分别建立多尺度地理加权回归模型，回归结果如表9所示。
表9 多尺度地理加权回归结果

Tab. 9 Results of MGWR model

变量 模型IV（低价位） 模型V（高价位）
系数 系数
均值 最小值 最大值 标准差 均值 最小值 最大值 标准差
常数 0.282 -0.844 1.745 0.710 0.302 -0.569 1.501 0.569
消费评分 0.024 -0.347 0.427 0.117 0.091 0.043 0.111 0.018
商铺楼层 -0.015 -0.028 -0.007 0.006 -0.027 -0.133 0.152 0.088
土地价格 0.089 -0.558 1.007 0.246 0.158 -0.089 0.478 0.142
周围居住人口密度 -0.025 -1.829 1.064 0.438 -0.022 -0.258 0.390 0.162
周围餐饮聚集程度 0.001 -1.023 1.449 0.447 0.159 -0.984 1.071 0.397
R2 0.718 0.599
调整后R2 0.661 0.548
在考虑影响因素空间异质性的情况下，各影响因素对高价位和低价位的影响表现出一定的差异（表9、图6）。对于低价位奶茶消费空间，商铺楼层的影响整体上不显著。各因素的正负向影响存在明显空间差异，消费评分在古城及其北部区域对奶茶消费空间中心性产生正向影响，在古城南部产生负向影响。土地价格在纺织城区域产生负向影响，在其他区域均为正向影响。周围居住人口密度在城郊区域、大雁塔与大唐不夜城商圈产生正向影响，其余区域产生负向影响。周围餐饮聚集程度在城市北部环城北路周围、东部公园路周围、东南部曲江新城、南郊大学城区域产生正向影响，在二环南路以南区域和纺织城区域产生负向影响。在平均意义上，空间使用成本对低价位新零售消费空间分布的影响最强，压缩空间利用成本能迅速占领市场，也使其特殊的品牌场景与符号能够尽快融入城市文化之中。同行业聚集程度对低价位新零售消费空间分布的影响最弱，低价位消费空间的场景、符号的建立对周围商业活力和人群聚集的依赖性并不强，与消费者生活融为一体的区位选择逻辑更注重消费者日常生活惯性。
图6 低价位与高价位奶茶消费空间分布影响因素系数

Fig. 6 Coefficient of influencing factors on spatial distribution of low price and high price milk-tea consumption

对于高价位奶茶消费空间，消费评分、土地价格对奶茶消费空间中心性产生显著正向影响，其余因素正负向影响存在明显空间差异。商铺楼层在西北部区域产生正向影响，在曲江新区产生负向影响。居住人口密度在南部大学城周围产生正向影响，在北部城郊产生负向影响。周围餐饮聚集程度在城市北部环城北路周围、东部公园路周围、曲江新区等区域产生正向影响，在二环南路以南区域产生负向影响。与低价位奶茶消费空间相反，周围餐饮聚集程度对高价位奶茶消费空间分布的影响最强。高价位新零售消费空间更倾向分布于热门商圈、城市综合体、旅游景区等商业繁华、人流量大的地段，这些城市活力空间也是信息流的重要来源，搭建更加精致的消费场景和具有仪式感的品牌符号，将较强的客流与信息流涌入作为消费场景与消费符号转化的基础。场景与符号能够投射消费者自身形象，高档的场所及其周围环境令消费者的消费场景实践具备更高的社会身份象征，而消费者基于位置签到和带有品牌符号打卡的社交分享也更容易引发产品营销的蜂鸣效应。周围居住人口密度对高价位新零售消费空间分布的影响最弱，新零售消费空间中的场景与符号消费作为一种带有价值判断的消费行为同样以消费能力为基础，仅依靠附近居民的消费显然难以维持高价位新零售的运营，通过场景和符号培养新客户的行为方式和习惯，吸引新客户进入品牌社群之中才是高价位新零售社群生态圈建设的关键。总体而言，低价位新零售消费空间分布中信息流与物质流之间相互排斥，以物质空间利用成本为主导，避免较强信息流带来的成本上升。而高价位新零售消费空间分布中信息流与物质流叠加作用，在消费场景与符号中较强的信息流与物质流相互促进，激发消费动力，凝聚消费社群。
在多尺度地理加权回归中，数据带宽表达影响因素对奶茶消费空间分布产生的影响在带宽范围内基本相同，当数据作用尺度超过该尺度，其对奶茶消费空间分布影响会出现剧烈变化。低价位与高价位奶茶消费空间分布影响因素的数据带宽有明显差异，如表10所示，能够反映出实体与信息空间在奶茶文化扩散中的作用强弱。消费评分、土地价格、周围居住人口密度、周围餐饮聚集程度对低价位奶茶消费空间作用尺度均小于高价位奶茶。
表10 奶茶消费空间分布影响因素的作用尺度

Tab. 10 Bandwidth of influencing factors on spatial distribution of milk-tea consumption

模型IV（低价位） 模型V（高价位）
带宽 样本量/个 折算尺度/km 带宽 样本量/个 折算尺度/km
常数 43 728 3.705 43 365 4.994
消费评分 90 728 5.360 350 365 14.247
商铺楼层 727 728 15.233 193 365 10.580
土地价格 73 728 4.827 165 365 9.782
周围居住人口密度 47 728 3.873 160 365 9.633
周围餐饮聚集程度 43 728 3.705 77 365 6.683
对于低价位新零售消费空间，日常出行尺度下的经济活力与人气足以保证所需的客流门槛，实体空间的场景与文化符号辐射范围有限，因此连锁品牌在文化扩散中选择通过在城市中增加实体空间密度，依托场景与符号的空间叠加来强化品牌文化价值认同。低价位产品在线上销售中更倾向于邻近配送，消费者能够更加快速取得商品同时也增加了品牌文化信息传播速度和频次。对于高价位新零售消费空间，实体消费空间需要更大尺度的经济活力支撑，以此增加场景与奶茶符号的文化扩散过程中被受众群体接纳的可能性。实体空间使用成本所受周围土地价格影响的范围更大，不同空间使用成本已经嵌入了不同品牌定位中，反映在其所塑造的场景与符号上，映射于信息空间中的社会地位象征上。消费空间在文化扩散过程中则更加关注在大尺度上加强每个场景与符号的影响力，通过信息空间使其独特文化创意能够与整个城市互动。在外卖平台上高价位产品更大概率支持全城配送，顾客愿意付出更高的时间成本来获取与之对应的价值，符号与场景所搭载的品牌文化也在信息的移动中传播得更远。总体而言，在信息消费空间中，不同价位新零售品牌文化扩散路径与实体消费空间基本一致，对于低价位新零售消费空间，品牌文化在实体与信息消费空间中扩散均依靠场景与符号密度、传播速度与频次。对于高价位新零售消费空间，场景与符号影响力、传播距离是品牌文化在实体与信息空间中扩散的关键。

5 讨论

5.1 新零售消费空间的价值再认知

消费空间性、社会性以及主体性是消费地理研究的主要维度[16]，消费空间既有研究中研究对象仍以传统零售空间为主，在研究范式上3个维度相对独立，融合性不足。而在新零售消费空间中，信息引发了时空压缩，大数据、云计算、人工智能等技术有力推动了消费空间精准布局，但地理空间的影响并未消除。实体与信息的博弈使空间与社会的边界变得模糊，空间句法通过消费者的认知将这种实体与信息融合的空间秩序同其背后的场景与符号文化基因联系起来。在场景与符号消费的过程意义与身份建构作用下，消费的空间性与社会性在新零售消费社群中集结，在消费社群与生产者之间形成价值认同与价值反哺的内循环。相较于个体，社群拥有更大的话语权，消费社群组织行为作用于在消费空间生产与文化扩散，进而影响消费与空间的关系、消费与人的关系。新零售场景与符号对消费空间分布的影响存在价格门槛和空间异质性，消费空间生产与文化扩散路径变得更加复杂。在城市未来空间发展中，消费实践将依托文化与社会关系建立空间映射，消费空间通过消费社群文化认同的改变而被再生产，重新定义了消费空间生产的逻辑，推动城市消费空间的变革（图7）。对新零售消费空间的价值再认知有助于建构新零售消费空间与城市空间协同发展关系，助力城市空间实现价值共享与价值共创。
图7 场景-符号与实体-信息作用下的新零售消费空间生产

Fig. 7 New retail consumption space production under the action of scene-symbol and physical-information

5.2 方法与精度探讨

研究借助空间句法线段模型整合度表征奶茶消费空间分布，研究尺度的选择和空间中心性优势的计算方法一定程度上影响着研究精度。采用门槛回归模型分析影响因素对奶茶消费空间分布的非线性影响，尽管多数连锁品牌产品在全国范围内定价相同，但城市间消费水平的差异可能使门槛模型的门槛值发生一定的变化。受数据获取的限制，模型纳入的影响因素有限，影响因子的表示方法也会在一定程度上影响模型精度。

5.3 研究的不足与展望

在研究数据方面，研究基于截面数据探讨消费空间的分布特征与影响因素。在未来的研究中，可以通过引入时间序列数据，从时空演变的视角对新零售消费空间中场景消费与符号消费作用、实体空间与信息空间交互转化机制进行探讨。在研究范围与对象选择方面，研究以西安市为研究区域，将奶茶消费空间作为新零售的代表，中国不同城市经济发展水平差异较大，不同类别的新零售产品也存在差异，在今后的研究中进一步增加其他城市、行业相关数据，将提高研究结果的准确性。在研究的内容方面，研究侧重于新零售消费空间分布逻辑及其影响机制的理论探讨，如何将其应用于规划实践仍有待进一步讨论以深化新零售消费空间研究。

6 结论

新零售模式下以场景消费和符号消费为特征的消费文化已经形成，实体空间与信息空间深度融合改变了原有消费空间分布逻辑。然而，消费空间既有研究中研究对象仍以传统零售空间为主，较少探讨新零售消费空间，且简单线性模型难以全面反映本质。研究使用空间句法模型模拟实体消费的信息空间延展，对场景消费与符号消费共同作用、实体空间与信息空间融合叠加的新零售奶茶消费空间分布特征进行分析；并运用门槛回归、多尺度地理加权回归模型分析影响因素的非线性影响和空间异质性，进一步拓展了消费地理学中的消费空间研究。主要研究结论如下：
（1）新零售奶茶消费空间区位选择追随时尚与活力、对文旅市场有高度敏感性、能够积极回应城市空间发展决策。传统零售业区位论中涉及的消费市场、空间接近性、地价、同行业发展等因素仍对新零售消费空间分布产生显著影响，但实体与信息消费空间在新零售中存在尺度博弈，信息作用随着尺度的扩大而更加明显。
（2）奶茶消费空间分布中蕴含着品牌社群组织行为特征，消费社群的消费主体性增强。高端品牌消费空间依托信息培育消费社群行为方式和习惯，平价品牌紧密围绕实体店铺降低消费社群的获取成本，地域特色品牌依靠地域文化标志，发挥信息在消费社群价值认同中的作用。
（3）社会文化感知在实体与信息消费空间中均存在价格门槛效应。在场景价值与符号价值作用机制上，低价位消费空间中信息流与物质流之间相互排斥，而高价位消费空间中信息流与物质流相互促进。在消费文化扩散路径上，低价位品牌文化扩散依靠场景与符号密度、传播速度与频次，而高价位品牌文化扩散依靠场景与符号影响力和传播距离。
（4）空间句法模型模拟了实体消费的信息空间延展，将新的空间秩序同场景与符号的社会文化基因联系起来，门槛回归与多尺度地理加权回归揭示了新零售空间生产与文化扩散路径。研究为新零售消费空间由单一产品走向文化空间再生产、实现城市消费空间价值共享与价值共创提供支撑。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
黄耿志, 吴康, 戴俊骋, 等. 奶茶经济的地理学批判与研究议题[J]. 经济地理, 2021, 41(12):1-11.

[Huang G Z, Wu K, Dai J C, et al. Geographical critiques and research implications of the booming milk-tea economy in China[J]. Economic Geography, 2021, 41(12):1-11.] DOI:10.15957/j.cnki.jjdl.2021.12.001

DOI

[2]
黄钦, 杨波, 徐新创, 等. 基于多源空间数据和随机森林模型的长沙市茶颜悦色门店选址与预测研究[J]. 地球信息科学学报, 2022, 24(4):723-737.

DOI

[Huang Q, Yang B, Xu X C, et al. Location selection and prediction of SexyTea store in Changsha City based on multi-source spatial data and random forest model[J]. Journal of Geo-information Science, 2022, 24(4):723-737.] DOI:10.12082/dqxxkx.2022.210478

DOI

[3]
申峻霞, 张敏, 甄峰. 符号化的空间与空间的符号化——网络实体消费空间的建构与扩散[J]. 人文地理, 2012, 27(1):29-33.2012.01.007.

[Shen J X, Zhang M, Zhen F. Symbolized space and spatial symbolization——The construction and diffusion of network-reality shopping space[J]. Human Geography, 2012, 27(1):29-33.2012.01.007.] DOI:10.13959/j.issn.1003-2398.2012.01.007

DOI

[4]
吴军, 叶裕民. 消费场景:一种城市发展的新动能[J]. 城市发展研究, 2020, 27(11):24-30.

[Wu J, Ye Y M. Consumption scenes: A new dynamic for urban development[J]. Urban Development Studies, 2020, 27(11):24-30.] DOI:10.3969/j.issn.1006-3862.2020.11.005

DOI

[5]
林耿, 王炼军. 全球化背景下酒吧的地方性与空间性——以广州为例[J]. 地理科学, 2011, 31(7):794-801.

DOI

[Lin G, Wang L J. Placeness and spaciality of bar under globalization: Case of Guangzhou City[J]. Scientia Geographica Sinica, 2011, 31(7):794-801.] DOI:10.13249/j.cnki.sgs.2011.07.005

DOI

[6]
周详, 成玉宁. 基于场景理论的历史性城市景观消费空间感知研究[J]. 中国园林, 2021, 37(3):56-61.

[Zhou X, Cheng Y N. Research on consumption space’s perception of the historic urban landscape based on the theory of scene[J]. Chinese Landscape Architecture, 2021, 37(3):56-61.] DOI:10.19775/j.cla.2021.03.0056

DOI

[7]
Silver D, Nichols Clark T. The power of scenes: Quantities of amenities and qualities of places[J]. Cultural Studies, 2015, 29(3):425-449. DOI:10.1080/09502386.2014.937946

DOI

[8]
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[J]. 地理科学, 2009, 29(3):353-359.

DOI

[Lin G. Characteristic and transformation of consumer space in a context of residential suburbanization——A case study for Guangzhou[J]. Scientia Geographica Sinica, 2009, 29(3):353-359.] DOI:10.3969/j.issn.1000-0690.2009.03.008

DOI

[9]
Millan E, Wright L T. Gender effects on consumers’ symbolic and hedonic preferences and actual clothing consumption in the Czech Republic[J]. International Journal of Consumer Studies, 2018, 42(5):478-488. DOI:10.1111/ijcs.12447

DOI

[10]
赵弋徵, 陈品宇, 孔翔. 新物质主义视角下的消费地理研究进展与反思[J]. 地理科学进展, 2021, 40(8):1419-1429.

DOI

[Zhao Y Z, Chen P Y, Kong X. Progress and reflection of geographies of consumption from the perspective of new materialism[J]. Progress in Geography, 2021, 40(8):1419-1429.] DOI:10.18306/dlkxjz.2021.08.014

DOI

[11]
梁璐, 李九全, 胡文婷, 等. 新文化地理学视野下的消费空间研究进展[J]. 人文地理, 2017, 32(1):55-61.

[Liang L, Li J Q, Hu W T, et al. The progress of study on consumer space from new cultural geography perspective[J]. Human Geography, 2017, 32(1):55-61.] DOI:10.13959/j.issn.1003-2398.2017.01.008

DOI

[12]
Fine B. From political economy to consumption[M]. London: Blackwell, 1995.

[13]
徐晓宇, 李梅. 基于开源大数据的北京地区餐饮业空间分布格局[J]. 地球信息科学学报, 2019, 21(2):215-225.

DOI

[Xu X Y, Li M. Analysis on spatial distribution pattern of Beijing restaurants based on open source big data[J]. Journal of Geo-information Science, 2019, 21(2):215-225.] DOI:10.12082/dqxxkx.2019.180437

DOI

[14]
Shaker R, Rath J. The coffee scene in Glasgow’s West End: On the class practices of the new urban middle classes[J]. City, Culture and Society, 2019, 17:1-7. DOI:10.1016/j.ccs.2018.08.001

DOI

[15]
孙世界, 王锦忆. 隐形消费空间的分布特征及影响因素研究——以南京老城为例[J]. 城市规划学刊, 2021(1):97-103.

[Sun S J, Wang J Y. Distributional characteristics and influencing factors of invisible consumption space: A case study of Nanjing old city[J]. Urban Planning Forum, 2021(1):97-103.] DOI:10.16361/j.upf.202100012

DOI

[16]
Mansvelt J. Geographies of consumption[M]. London: Sage, 2005.

[17]
Mort F. Paths to mass consumption: Britain and the USA since 1945[M]. London: Routledge, 2001.

[18]
陈丽晖. 消费空间研究关注点的转变及其意义——兼论西方消费地理研究动态[J]. 世界地理研究, 2010, 19(1):86-93.

[Chen L H. Changing and its meaning of the issues on the consumption space discussing the trends on geographies of consumption in the west[J]. World Regional Studies, 2010, 19(1):86-93.] DOI:10.3969/j.issn.1004-9479.2010.01.013

DOI

[19]
车冰清, 简晓彬, 陆玉麒. 江苏省商业网点的空间分布特征及其区域差异因素[J]. 地球信息科学学报, 2017, 19(8):1060-1068.

DOI

[Che B Q, Jian X B, Lu Y Q. Study on the distribution characteristics and regional difference of commercial network in Jiangsu Province[J]. Journal of Geo-information Science, 2017, 19(8):1060-1068.] DOI:10.3724/SP.J.1047.2017.01060

DOI

[20]
Carpio-Pinedo J, Gutiérrez J. Consumption and symbolic capital in the metropolitan space: Integrating ‘old’ retail data sources with social big data[J]. Cities, 2020, 106:102859. DOI:10.1016/j.cities.2020.102859

DOI

[21]
初晨, 张恒才, 陆锋. 大型商场顾客消费行为轨迹推断[J]. 地球信息科学学报, 2022, 24(6):1034-1046.

DOI

[Chu C, Zhang H C, Lu F. Inferring consumption behavior of customers in shopping malls from indoor trajectories[J]. Journal of Geo-information Science, 2022, 24(6):1034-1046.] DOI:10.12082/dqxxkx.2022.210690

DOI

[22]
胡祥培, 王明征, 王子卓, 等. 线上线下融合的新零售模式运营管理研究现状与展望[J]. 系统工程理论与实践, 2020, 40(8):2023-2036.

DOI

[Hu X P, Wang M Z, Wang Z Z, et al. The overviews on operation management for the new retail mode of online and offline integration[J]. Systems Engineering Theory & Practice, 2020, 40(8):2023-2036.] DOI:10.12011/1000-6788-2020-0022-14

DOI

[23]
Hutton T A. Spatiality, built form, and creative industry development in the inner city[J]. Environment and Planning A, 2006, 38(10):1819-1841. DOI:10.1068/a37285

DOI

[24]
Cachinho H. Urban Retail Dynamics: From shopping spaces to consumer places[M]. Lisbon: CEG, 2011.

[25]
Cachinho H. Consumerscapes and the resilience assessment of urban retail systems[J]. Cities, 2014, 36:131-144. DOI:10.1016/j.cities.2012.10.005

DOI

[26]
Wang Q, Liang M, Wang C. Scene marketing in digital era[J]. Economics and Management Science, 2021, 3(1):19-26. DOI:10.12346/ems.v3i1.4148

DOI

[27]
刘志明, 刘鲁. 微博网络舆情中的意见领袖识别及分析[J]. 系统工程, 2011, 29(6):8-16.

[Liu Z M, Liu L. Recognition and analysis of opinion leaders in microblog public opinions[J]. Systems Engineering, 2011, 29(6):8-16.] DOI:CN KI:SUN:GCXT.0.2011-06-003

DOI

[28]
周延风, 张婷, 陈少娜. 网红社交媒体传播及消费者情感倾向分析——以网红品牌“喜茶”为例[J]. 商业经济与管理, 2018(4):70-80.

[Zhou Y F, Zhang T, Chen S N. Social communication and sentiment analysis of web celebrities: A case study of web popular milk tea brand HEYTEA[J]. Journal of Business Economics, 2018(4):70-80.] DOI:10.14134/j.cnki.cn33-1336/f.2018.04.007.

DOI

[29]
Chen J V, Su B, Widjaja A E. Facebook C2C social commerce: A study of online impulse buying[J]. Decision Support Systems, 2016, 83:57-69. DOI:10.1016/j.dss.2015.12.008

DOI

[30]
Xiang L, Zheng X, Lee M K O, et al. Exploring consumers’ impulse buying behavior on social commerce platform: The role of parasocial interaction[J]. International Journal of Information Management, 2016, 36(3):333-347. DOI:10.1016/j.ijinfomgt.2015.11.002

DOI

[31]
张佶. 空间句法在规划实施空间评价中的运用初探——以杭州钱江新城核心区为例[J]. 城市规划, 2015, 39(1):64-74.

[Zhang J. A preliminary exploration of the space syntax application in the spatial evaluation of urban planning implementation: A case study of Qianjiang new CBD in Hangzhou[J]. City Planning Review, 2015, 39(01):64-74.] DOI:10.11819/cpr20150112a

DOI

[32]
Bafna S. Space syntax: A brief introduction to its logic and analytical techniques[J]. Environment and Behavior, 2003, 35(1):17-29. DOI:10.1177/0013916502238863

DOI

[33]
丁传标, 古恒宇, 陶伟. 空间句法在中国人文地理学研究中的应用进展评述[J]. 热带地理, 2015, 35(4):515-521,540.

DOI

[Ding C B, Gu H Y, Tao W. Progress in the application of space syntax in human geography research in China[J]. Tropical Geography, 2015, 35(4):515-521,540.] DOI:10.13284/j.cnki.rddl.002722

DOI

[34]
韩宇瑶, 焦利民, 许刚. 武汉市道路结构与商业集聚空间关联分析[J]. 地理科学进展, 2017, 36(11):1349-1358.

DOI

[Han Y Y, Jiao L M, Xu G. Correlation analysis of road structure and commercial agglomeration in Wuhan City[J]. Progress in Geography, 2017, 36(11):1349-1358.] DOI:10.18306/dlkxjz.2017.11.004

DOI

[35]
郭昊栩, 李颜, 邓孟仁, 等. 基于空间句法分析的商业体空间人流分布模拟[J]. 华南理工大学学报(自然科学版), 2014, 42(10):131-137.

[Guo H X, Li Y, Deng M R, et al. Simulation of people flow distribution in commercial space based on space syntax[J]. Journal of South China University of Technology (Natural Science Edition), 2014, 42(10):131-137.] DOI:10.3969/j.issn.1000-565X.2014.10.021

DOI

[36]
盛强, 杨滔, 刘星. 酒香不怕巷子深?——基于大众点评数据对王府井街区餐饮业分布的空间句法分析[J]. 新建筑, 2018(5):124-129.

[Sheng Q, Yang T, Liu X. If the wine is good, does it matter where the restaurant located? A space syntax analysis on the distribution of restaurants in Wangfujing area based on the reviewing data from Dazhongdianping[J]. New Architecture, 2018(5):124-129.] DOI:10.12069/j.na.201805027.

DOI

[37]
盛强. 社区级活力中心分布的空间逻辑——以北京三环内222个街区内小商业聚集为例[J]. 国际城市规划, 2012, 27(6):61-68.

[Sheng Q. Distribution logic of local public space: A spatial configuration analysis on the local shops inside 222 urban blocks in the third ring of Beijing[J]. Urban Planning International, 2012, 27(6):61-68.] DOI:CNKI:SUN:GWCG.0.2012-06-014

DOI

[38]
许尊, 王德. 商业空间消费者行为与规划——以上海新天地为例[J]. 规划师, 2012, 28(1):23-28.

[Xu Z, Wang D. Consumers' behavior and planning in commercial spaces: Shanghai Xintiandi example[J]. Planners, 2012, 28(1):23-28.] DOI:10.3969/j.issn.1006-0022.2012.01.005

DOI

[39]
盛强, 刘星. 虚拟网络与真实交通系统中的超链接机制——以重庆地铁站点周边餐饮功能的空间句法分析为例[J]. 西部人居环境学刊, 2017, 32(1):1-8.

[Sheng Q, Liu X. Mechanism of hyper-link in the virtual and real network: A space syntax analysis on catering functions around metro stations in Chongqing municipality[J]. Journal of Human Settlements in West China, 2017, 32(1):1-8.] DOI:10.13791/j.cnki.hsfwest.20170101

DOI

[40]
黄梦真, 古恒宇, 陈忠暖. 路网形态对城市内部公园系统空间分布的影响——以广州市南沙区为例[J]. 华南师范大学学报(自然科学版), 2018, 50(3):78-84.

[Huang M Z, Gu H Y, Chen Z N. The influence of road network form on the spatial distribution of urban park system: The case of Nansha District,Guangzhou[J]. Journal of South China Normal University (Natural Science Edition), 2018, 50(3):78-84.] DOI:10.6054/j.jscnun.2018007

DOI

[41]
古恒宇, 孟鑫, 沈体雁, 等. 基于sDNA模型的路网形态对广州市住宅价格的影响研究[J]. 现代城市研究, 2018, 33(6):2-8.

[Gu H Y, Meng X, Shen T Y, et al. A study on the influence of urban road network on the housing price in Guangzhou based on sDNA model[J]. Modern Urban Research, 2018, 33(6):2-8.] DOI:10.3969/j.issn.1009-6000.2018.06.001

DOI

[42]
李小建. 经济地理学[M]. 北京: 高等教育出版社, 2018.

[Li X J. Economic Geography[M]. Beijing: Higher Education Press, 2018.]

[43]
王勇, 李文静. 全渠道营销中消费者线下购买对线上购买的影响——基于消费者购买行为过程的实证研究[J]. 商业研究, 2016(4):118-124.

[Wang Y, Li W J. Influence of consumers' offline purchase on online purchase in the omni-channel marketing: The empirical analysis based on consumer purchase behavior process[J]. Commercial Research, 2016(4):118-124.] DOI:10.13902/j.cnki.syyj.2016.04.017

DOI

[44]
冯娟, 吴建伟. 基于消费者搜寻成本的商圈形成机理研究[J]. 中国管理科学, 2012, 20(5):185-192.

[Feng J, Wu J W. Research on formation mechanism of commercial circle based on consumer searching cost[J]. Chinese Journal of Management Science, 2012, 20(5):185-192.] DOI:10.16381/j.cnki.issn1003-207x.2012.05.022

DOI

[45]
Fotheringham A S, Yang W, Kang W. Multiscale Geographically Weighted Regression (MGWR)[J]. Annals of the American Association of Geographers, 2017, 107(6):1247-1265. DOI:10.1080/24694452.2017.1352480

DOI

[46]
沈体雁, 于瀚辰, 周麟, 等. 北京市二手住宅价格影响机制——基于多尺度地理加权回归模型(MGWR)的研究[J]. 经济地理, 2020, 40(3):75-83.

[Shen T Y, Yu H C, Zhou L, et al. On hedonic price of second-hand houses in Beijing based on multi-scale geographically weighted regression:Scale law of spatial heterogeneity[J]. Economic Geography, 2020, 40(3):75-83.] DOI:10.15957/j.cnki.jjdl.2020.03.009

DOI

Options
Outlines

/

〈 〉