【《跨境电商与消费升级的实证分析》19000字】

跨境电商与消费升级的实证分析目录TOC\o"1-3"\h\u29161跨境电商与消费升级的实证分析 1153381.1消费升级的综合测度 1292911.2跨境电商对消费升级的截面数据分析 7192711.3跨境电商对消费升级的面板数据分析 182020年中国消费支出对国内生产总值的贡献率为54.3%，已连续七年成为拉动经济增长的“第一引擎”。而受疫情影响，大部分消费这无法走出国门，使得跨境购物需求激增，线下消费的停摆进一步催生消费需求的线上化转移。天猫国际公布数据显示，截止2020年10月16日，全球84个国家和地区的26000多个海外品牌入驻天猫国际，覆盖5300多个品类，其中8成以上品牌首次进入中国市场。庞大数量背后反映海外卖家进入中国市场的渠道转变、中国消费者消费的消费方式转变以及中国消费者对品质消费的追求。海外购市场扩容的同时，伴随用户下沉、消费需求呈现多元化及消费体验升级等新趋势。在出口方面，无论发达国家，或是新兴市场国家，网络购物覆盖面更广，加之，较于传统外贸，跨境电商更为简易广泛，更有助于为品牌“走出去”赋能，为中国制造出口赋能。跨境电商是连通国内市场和国际市场的重要形式，尤其直接连接消费市场。1.1消费升级的综合测度无论从经济学或管理学角度看，个人消费结构具有差异化，且消费者的升级表现具有个性化，在微观层面针对个人建立统一的消费升级结构标准难以实现（GuoandZhang，2019）。因此，国内外学者通常用消费结构的变化描述和衡量消费升级，且主要描述宏观层面的消费升级，主要包含：使用食品支出比重（恩格尔系数）作为消费升级的逆向指标（祝仲坤，2020；刑天才和张夕，2019）；或将八大类消费根据石奇等（2009）划分的三个层次进一步分为生存型消费、发展型消费和享受型消费，再用发展与享受型消费比重作为消费升级的指标（王平和王琴梅，2018；李旭洋等，2019；祝仲坤，2020；孙成昊和谢太峰，2020）；或以需求弹性为依据将消费商品分为一般商品和高层次商品，以高层次商品和服务型消费支出占比的变动情况作为居民消费升级的度量指标（魏勇、杨孟禹，2017；黄隽等，2018；刘子兰和姚健，2018；刘悦等，2019）。现实看，恩格尔系数的持续下降，是我国居民生活水平不断提高、生活品质显著改善的最好证明，也是全面建成小康社会、消费不断升级的“信号灯”。然而恩格尔系数仅能说明食品消费支出占支出总额的比重，无法全面反映其消费升级的层次。基于此，本文采用扩展线性支出系统（ELES模型）对消费函数进行参数估计，再计算消费需求的收入弹性，根据收入弹性系数的大小界定消费升级的支出。一、消费升级综合指标本文在使用ELES模型对收入弹性进行估计前，先从宏观层面把握消费升级的基本特征及趋势。苏宁金融研究院综合官方宏观和行业数据，构建中国居民消费升级综合指数，指标包含6个一级指标，31个二级指标和49个三级指标，其中一级指标主要是：反映经济增长与产业结构调整影响居民消费升级的经济发展与结构升级指标，反映居民在消费支出、城乡消费等宏观层面消费升级状况的宏观层面居民消费升级指标，反映居民在食品衣物与耐用品等实实物相关领域的实物类消费升级指标，反映居民在信息通信、交通运输、文化旅游等方面消费状况的服务类消费升级指标，反映在网购、快递、实体门店等方面的消费升级业态指标，以及依托苏宁体系特有的数据资源反映居民消费升级状况的苏宁消费升级指标。该综合指标真实有效反映全国整体及省市级层面的消费升级态势。图4-12013-2019年中国居民消费升级综合指数趋势图来源：苏宁金融研究院，《中国居民消费升级报告（2019）》。整体看，2013年以来消费升级指数逐年递增，从2013年的0.341稳步提升至2019年的0.378，居民消费升级呈现向好态势。2018年前以物质升级为主，如中国游客购买日本马桶盖类似事件。70后是中国消费市场的首要贡献人群，占比接近整体的交易规模的一半。随着80后和90后逐步成为消费主力，两大人群的消费贡献率不断上升，对移动互联消费具有显著偏好，同步注重个人体验和品牌消费，追求精神消费升级。在不同时代，消费主体对消费升级的追求具有差异。中国家庭消费升级经历路径鲜明，从“自行车、手表、缝纫机”到“电视机、洗衣机和冰箱”，再到“电脑、汽车、房子”。居民消费观念由此产生变化，从物质到精神，从经济实惠到品牌品质，从实用耐用到健康时尚，无一不体现消费的升级，同时也反映消费升级具有时代性。中国区域经济发展的梯度同时影响消费升级的梯度，呈现三梯队态势。就2019年数据看，整体上东部地区消费升级水平较高，大部分省市处在0.5以上的第一梯队，中部地区的消费升级中等且较均衡，基本处在0.3-0.5区间的第二梯队，而西部地区的消费升级指数较小，多数处于0.3以下的第三梯队，尤其西藏自治区消费升级的综合水平较低，与其他省份区分度显著。图4-22019年中国各省市居民消费升级综合指数来源：苏宁金融研究院，《中国居民消费升级报告（2019）》，2019.11。纵观地区层面，由于区域经济发展水平差异等原因使得居民消费升级也呈现梯队分布。根据凯恩斯的绝对收入假说和弗里德曼的持续收入假说等收入假说理论，居民收入是影响消费支出的决定性因素，从另一角度即收入的高低决定消费能力和消费水平。因此进一步，同一省市的居民消费升级也具有异质性。随着收入差距的扩大，不同消费阶层出现，会因为收入、职业、教育程度等原因影响需求。表4-12014-2019年全国居民各层次收入户可支配收入（单位：元）低收入户（20%）中等偏下户（20%）中等收入户（20%）中等偏上户（20%）高收入户（20%）20197380.3815776.9625034.7239230.4976400.7220186440.4814360.5223188.9036471.3670639.5120175958.4313842.7822495.3234546.8464933.9620165528.7012898.9220924.3531990.4059259.4620155221.1711894.0219320.1129437.6454543.5420144747.3010887.4017631.0026937.4050968.00一般地，消费人群层次分为高收入人群、中等偏上收入人群、中等收入人群、中等偏下人群和低收入人群。从全国居民不同群体的可支配收入水平看，其差距明显，2019年低收入户的每年可支配收入为7380.38元，而高收入户的可支配收入为76400.72元，整整高出9倍之多。在收入差距背后需求层次具有强烈差异，高收入人群具有高端消费能力，中等收入群体追求商品房、汽车等方面的消费，而低收入群体更注重衣食等方面的消费升级。表4-2各收入层次差距中等偏下户/低收入户中等收入户/中等偏下户中等偏上户/中等收入户高收入户/中等偏上户高收入户/低收入户20192.1376893871.5867898511.567043291.94748319510.3518680620182.2297282191.6147674321.572793881.93684880410.9680505220172.3232277011.6250575651.5357348021.87959188510.8978371720162.3330837271.6221784461.5288599171.85241384910.7185161120152.2780372981.6243549281.5236786951.85285029610.4466125420142.293387821.6193948971.5278430041.89209055110.73620795数据来源：中国国家统计局二、ELES模型测度（一）模型设定经济学家Luich（1973）对Stone（1954）提出的LES模型作出修改提出ELES模型，用消费者的收入水平Y代替预算总支出V，更好解决总预算的内生性问题，并用边际消费倾向βi代替边际预算份额bpiqi=pir其中，pi表示第i类商品的价格，qi表示消费者对第i种商品的实际需求量，ri表示消费者对第i种商品的基本需求量，bi为边际消费倾向，Y为收入，在一定收入和价格下，消费者对某种商品或劳务的基本需求为piri，在满足各类商品的基本需求后，剩余收入Y−i=1npi对（4-1）式处理得到：piqi=（pi当模型对截面数据样本进行估计时，上式中的piriai=piri−b则（4-2）式简化为：Ci=ai+biY+μ其中，Ci=piqi表示居民对第i种商品的实际消费额。ai和bi=1nai=（1−i=1n将（4-5）式代入（4-3）得到：piri=ai+b根据参数ai、bi和（4-6）式可以估计得到居民对第i种商品的基本需求δi=∂Ci∂Y∙YC（二）数据来源及说明本文选取2018年包含北京市、天津市、上海市在内的162个市级北京市、天津市、上海市、河北省唐山市、河北省保定市、河北省沧州市、河北省承德市、山西省太原市、山西省大同市、山西省阳泉市、山西省长治市、山西省晋城市、山西省朔州市、山西省忻州市、山西省晋中市、山西省临汾市、山西省运城市、内蒙古呼伦贝尔市、内蒙古兴安盟、内蒙古通辽市、内蒙古锡林郭勒盟、内蒙古乌兰察布市（2003年前为乌兰察布盟）、内蒙古鄂尔多斯市、内蒙古巴彦淖尔市、内蒙古阿拉善盟、内蒙古呼和浩特市、内蒙古包头市、内蒙古乌海市、内蒙古赤峰市、辽宁省沈阳市、辽宁省大连市、辽宁省鞍山市、辽宁省抚顺市、辽宁省本溪市、辽宁省丹东市、辽宁省锦州市、辽宁省营口市、辽宁省阜新市、辽宁省铁岭市、辽宁省朝阳市、辽宁省盘锦市、辽宁省葫芦岛市、吉林省长春市、黑龙江哈尔滨市、黑龙江齐齐哈尔市、江苏省南京市、江苏省无锡市、江苏省徐州市、江苏省常州市、江苏省苏州市、江苏省南通市、江苏省连云港市、江苏省淮安市、江苏省盐城市、江苏省扬州市、江苏省镇江市、江苏省泰州市、江苏省宿迁市、浙江省杭州市、浙江省宁波市、浙江省温州市、浙江省嘉兴市、浙江省湖州市、浙江省绍兴市、浙江省金华市、浙江省台州市、浙江省丽水市、安徽省宿州市、安徽省六安市、安徽省合肥市、安徽省蚌埠市、安徽省淮南市、安徽省淮北市、安徽省安庆市、安徽省亳州市、福建省福州市、福建省三明市、福建省南平市、福建省宁德市、福建省莆田市、福建省泉州市、福建省漳州市、福建省龙岩市、福建省厦门市、江西省南昌市、江西省景德镇市、江西省九江市、江西省赣州市、江西省上饶市、山东省青岛市、山东省济南市、山东省淄博市、山东省枣庄市、山东省烟台市、山东省潍坊市、山东省济宁市、山东省临沂市、山东省泰安市、山东省聊城市、山东省菏泽市、山东省德州市、山东省滨州市、山东省东营市、山东省威海市、山东省日照市、山东省莱芜市、河南省郑州市、河南省开封市、河南省洛阳市、河南省平顶山市、河南省安阳市、河南省濮阳市、河南省新乡市、河南省焦作市、河南省鹤壁市、河南省许昌市、河南省漯河市、河南省三门峡市、河南省南阳市、河南省商丘市、河南省信阳市、河南省周口市、河南省驻马店市、湖北省黄石市、湖北省十堰市、湖北省荆州市、湖北省襄阳市（2010年前为襄樊市）、湖北省鄂州市、湖北省荆门市、湖北省孝感市、湖北省黄冈市、湖北省咸宁市、湖北省随州市、湖北省恩施土家族苗族自治州、湖北省省辖市（仙桃市）、湖北省省辖市（潜江市）、湖北省省辖市（神农架林区）、湖南省长沙市、湖南省岳阳市、湖南省郴州市、广东省广州市、广东省深圳市、广东省珠海市、广东省汕头市、广东省佛山市、广东省韶关市、广东省河源市、广东省梅州市、广东省惠州市、广东省汕尾市、广东省东莞市、广东省中山市、广东省阳江市、广东省茂名市、广东省肇庆市、广东省清远市、广东省潮州市、广东省揭阳市、广西省南宁市、广西省柳州市、广西省桂林市、广西省贵港市。北京市、天津市、上海市、河北省唐山市、河北省保定市、河北省沧州市、河北省承德市、山西省太原市、山西省大同市、山西省阳泉市、山西省长治市、山西省晋城市、山西省朔州市、山西省忻州市、山西省晋中市、山西省临汾市、山西省运城市、内蒙古呼伦贝尔市、内蒙古兴安盟、内蒙古通辽市、内蒙古锡林郭勒盟、内蒙古乌兰察布市（2003年前为乌兰察布盟）、内蒙古鄂尔多斯市、内蒙古巴彦淖尔市、内蒙古阿拉善盟、内蒙古呼和浩特市、内蒙古包头市、内蒙古乌海市、内蒙古赤峰市、辽宁省沈阳市、辽宁省大连市、辽宁省鞍山市、辽宁省抚顺市、辽宁省本溪市、辽宁省丹东市、辽宁省锦州市、辽宁省营口市、辽宁省阜新市、辽宁省铁岭市、辽宁省朝阳市、辽宁省盘锦市、辽宁省葫芦岛市、吉林省长春市、黑龙江哈尔滨市、黑龙江齐齐哈尔市、江苏省南京市、江苏省无锡市、江苏省徐州市、江苏省常州市、江苏省苏州市、江苏省南通市、江苏省连云港市、江苏省淮安市、江苏省盐城市、江苏省扬州市、江苏省镇江市、江苏省泰州市、江苏省宿迁市、浙江省杭州市、浙江省宁波市、浙江省温州市、浙江省嘉兴市、浙江省湖州市、浙江省绍兴市、浙江省金华市、浙江省台州市、浙江省丽水市、安徽省宿州市、安徽省六安市、安徽省合肥市、安徽省蚌埠市、安徽省淮南市、安徽省淮北市、安徽省安庆市、安徽省亳州市、福建省福州市、福建省三明市、福建省南平市、福建省宁德市、福建省莆田市、福建省泉州市、福建省漳州市、福建省龙岩市、福建省厦门市、江西省南昌市、江西省景德镇市、江西省九江市、江西省赣州市、江西省上饶市、山东省青岛市、山东省济南市、山东省淄博市、山东省枣庄市、山东省烟台市、山东省潍坊市、山东省济宁市、山东省临沂市、山东省泰安市、山东省聊城市、山东省菏泽市、山东省德州市、山东省滨州市、山东省东营市、山东省威海市、山东省日照市、山东省莱芜市、河南省郑州市、河南省开封市、河南省洛阳市、河南省平顶山市、河南省安阳市、河南省濮阳市、河南省新乡市、河南省焦作市、河南省鹤壁市、河南省许昌市、河南省漯河市、河南省三门峡市、河南省南阳市、河南省商丘市、河南省信阳市、河南省周口市、河南省驻马店市、湖北省黄石市、湖北省十堰市、湖北省荆州市、湖北省襄阳市（2010年前为襄樊市）、湖北省鄂州市、湖北省荆门市、湖北省孝感市、湖北省黄冈市、湖北省咸宁市、湖北省随州市、湖北省恩施土家族苗族自治州、湖北省省辖市（仙桃市）、湖北省省辖市（潜江市）、湖北省省辖市（神农架林区）、湖南省长沙市、湖南省岳阳市、湖南省郴州市、广东省广州市、广东省深圳市、广东省珠海市、广东省汕头市、广东省佛山市、广东省韶关市、广东省河源市、广东省梅州市、广东省惠州市、广东省汕尾市、广东省东莞市、广东省中山市、广东省阳江市、广东省茂名市、广东省肇庆市、广东省清远市、广东省潮州市、广东省揭阳市、广西省南宁市、广西省柳州市、广西省桂林市、广西省贵港市。首先，根据（4-4）式得到城镇居民对各类商品消费支出的边际消费倾向，由表4-3知，2018年城镇居民的边际消费倾向为0.6372，说明城镇居民平均将新增收入的63.72%用于生活消费支出。城镇居民对食品、居住和交通通讯三者的消费倾向仍然最高，达46.1%，表明居民收入每增加100元，其中有46.1元用于增加食住行方面。而农村居民对各类商品消费支出的边际倾向为0.6449，说明选取样本中的农村居民平均将新增收入的64.49%用于生活消费，同样农村居民对食品、居住和交通通讯三者的消费倾向非常高，达47.7%。此外，城镇居民对居住、文教娱乐和其他类型的其他类型消费支出的倾向较农村居民更高，对其余类型的消费倾向均较农村更低。则说明居民对不同类型的消费倾向存在差异性。总体看，农村与城镇居民的消费倾向及对细分品类的消费倾向相差较小，则表明选取样本的城镇和农村层次差别不大。表4-3ELES模型参数估计结果与各项消费需求收入弹性（城镇）类别食品衣着居住家庭设备交通通讯文教娱乐医疗保健其他b0.144***0.0283***0.209***0.0267***0.108***0.0794***0.0231***0.0187***(0.0106)(0.0040)(0.0098)(0.0028)(0.0057)(0.0045)(0.0042)(0.0016)a1526***828.7***-2,740***544.0***-766.4***-195.5871.2***-61.6(408.8000)(155.7000)(378.6000)(107.1000)(220.9000)(173.6000)(161.5000)(60.7200)R20.5360.2350.7390.3650.6880.6610.1590.468δ0.80210.59121.71580.66971.33671.11710.53391.2175注：*、**、***分别表示p<0.1、p<0.05、p<0.01，括号内表示标准误。2018年中国消费者的消费倾向为70.3%，农村居民消费倾向为82.9%。而本文选取的样本估计参数远低于全国水平，其原因可能是本文主要选取东部和中部地区市级层面进行估计，中国欠发达和不发达地区收入水平低，用于消费的部分更高，因此本估计对消费水平较高地区的消费倾向测度具有更高的代表性。此外，选择中、东部城市作为研究样本的原因是：该部分省份的城市消费升级程度更显著、跨境电商发展程度更高、宏观数据相对具有完整性、研究更具前沿和代表性。进一步，得到各项消费的需求收入弹性。对于高层次商品的弹性系数界定有两种：第一种是以1为分界点，将需求收入弹性系数小于1的商品视为一般商品，将需求收入弹性系数大于1的商品视为高层次商品（黄隽和李冀恺，2018；刘悦等，2019）；第二种是以0.8为分界点，将需求收入弹性系数小于0.8的商品视为一般商品，将需求收入弹性系数大于0.8的商品视为高档商品（魏勇和杨孟禹，2017）。本文参照恩格尔系数的含义，不大于食品收入需求弹性的支出属于必需品，视为低层次消费支出，因此本文以0.8021为分界点。城镇居民对食品、衣着、家庭设备、医疗保健类消费的需求收入弹性小于临界点，而对居住、交通通讯、文教娱乐和其他类消费的需求弹性大于临界点。则就城镇居民而言，本文将居民对居住、交通通讯、文教娱乐和其他类商品的消费定义为高层次商品的消费支出。与众多学者研究不同（祝仲坤，2020；王平和王琴梅，2018；黄隽和李冀恺，2018），本文并未将医疗保健视为高层次消费，而将住房消费纳入高层次消费，视为消费升级的的支出。原因有：一是居住消费不仅满足居民住房需求，往往伴有投资意向和对经济收益的需求，居民对资产投资的追求从另一角度说明居民对闲置资产具有或稳健或风险性配置方式的需求，因而也能体现居民的消费升级；二是在21世纪初，居民住房消费持续增长，反映当时居民改善居住条件的需求，而现在居民仍然对高质量的住房有刚性需求。比如农村居民对城市住房的高层次需求，由平房转为对别墅的需求，城镇居民由小楼盘转为大楼盘的住房追求等。此外，本文根据弹性估计所定义的高层次支出不包含医疗保健消费，其原因可能是是国家发展城乡居民医疗保险，对医疗费用的报销政策，一定程度减轻居民医疗负担。且目前居民的医疗保健消费主要在药品方面，不完全反映居民的医疗保健意识。表4-4ELES模型参数估计结果与各项消费需求收入弹性（农村）类别食品衣着居住家庭设备交通通讯文教娱乐医疗保健其他b0.194***0.0323***0.150***0.0326***0.133***0.0610***0.0270***0.0150***(0.0129)(0.0028)(0.0085)(0.0026)(0.0075)(0.0054)(0.0046)(0.0016)a756.0***200.8***136.3207.2***-567.5***268.9***626.8***-0.606(240.7000)(52.8100)(159.4000)(47.6500)(139.7000)(101.7000)(86.8800)(30.2800)R20.6110.4760.6840.5320.6880.4670.190.375δ0.84740.78571.04470.76371.46690.84440.46031.1507注：*、**、***分别表示p<0.1、p<0.05、p<0.01，括号内表示标准误。1.2跨境电商对消费升级的截面数据分析方娴和金刚（2020）认为消费升级有扩容或提质两层含义，而跨境电商对居民消费升级的影响既体现为居民消费容量的扩充，也体现为消费结构上的升级。因此本文该部分将从结构与规模两个维度对跨境电商与消费升级的关系进行分析。本文考虑跨境电商进口与出口对消费升级影响存在差异，一、模型与数据说明（一）样本选取与数据说明近年我国居民消费收入逐步提高，消费升级现象凸显，学术界对消费升级或消费降级的定论存在争议，且对其界定及测度仍存在争议，但大部分观点认为消费升级是现阶段的趋势。并且官方宏观数据通常以恩格尔系数作为衡量消费升级的逆向指标，将消费升级视为消费结构升级。苏宁金融研究院构建的综合消费升级指标体系在测度方面具有综合性和较强优势，但在实证研究过程容易产生内生性。因而，本文的消费指标仍以八大类消费为基础，用消费弹性系数大于1的商品衡量。由于2019年各地级市的八大类消费数据尚未公布，具有较大不完整性，则选取2018年消费数据和其他宏观数据数据，均来源于2019年《中国统计年鉴》、各省市及地级市统计年鉴、社会统计公报等。而跨境电商水平选择跨境电商企业数进行衡量，具有动态实时性。鉴于企业的发展主要与城镇情况关联更高，尤其跨境电商企业的发展主要聚焦城镇，因此选取城镇消费数据与之匹配。本文涉及的相关变量及描述性统计如表4-5所示。表4-5描述性统计变量名称单位样本均值标准差最小值最大值y可支配收入元16237276.769873.79724170.1768033.62c消费支出元16223789.666683.9112808.346015food食品支出元1626902.9931944.695273213549cloth衣着支出元1621884.02576.79997374366live居住支出元1625061.6742403.01398715391appliance家庭设备用品及服务支出元1621537.643435.47637712690trans交通和通讯支出元1623241.9251280.414859.76743entertain教育文化娱乐服务支出元1622765.954965ealth医疗保健支出元1621731.062570.541678.93932other其他商品和服务支出元162634.4204269.59291331602payment职工平均工资元16271008.8715819.8338899145766pgdp人均地区生产总值元16273153.8549628.0323517470164.6student普通中学在校学生数万人16224.6916315.166280.245576traffic公路客运量万人1624653.2895135.58540.115744577.2phone移动电话年末用户数万户162622.7317619.39717.854009.22cbecenterprise跨境电商企业数个162145.5434.464303982从表4-5可以看出，本文选取的162个地级市各指标具有显著差异，从跨境电商水平至消费水平均具有差距。（二）模型设定为检验跨境电商与消费升级的关系，根据样本选取，主要建立两者基本关系的检验模型和中介效应检验模型，具体模型如下：1.基础模型upgradeconstrui=α被解释变量：upgradeconstrui表核心解释变量：lncbecenterprisei控制变量：X表示控制变量，居民消费通常包含个人消费能力、消费环境、消费观念等内容，消费能力从集体层面而言就是国家经济发展水平、基础设施状况；从个体层面而言就是居民受教育、年龄、性别等特征。为确保数据的可得性和完整性，本文使用人均GDP衡量经济发展水平；使用公路客运量衡量基础设施水平；使用普通中学在校学生数衡量人力资本水平。由于货运量样本存在缺失，采用客运量衡量基础设施水平，而通过样本中的客流量和货流量的数据进一步表明两者存在负向相关。数据均来源于国家统计局及各市统计年鉴。本文不仅从消费结构层面衡量升级，更从消费规模层面衡量消费升级，因此建立跨境电商与消费规模升级的模型，估计跨境电商对消费规模升级的参数。其中upgradescalei表示规模层面的消费升级，使用lnupgradescalei=α22.中介效应模型跨境电商深刻影响供需关系、就业结构、基础建设、人力资本、资金流动等社会要素，通过中介效应和调节效应作用于居民消费规模与消费结构，引起消费升级。为测算跨境电商对消费升级的作用路径，进一步建立跨境电商与消费升级的中介效应模型。互联网平台交易不受时间和空间限制，扩大市场边际，平台参与者增加协同发展，加快服务和信息共享；此外互联网融合大数据及电商直播形式，创新消费方式刺激需求，深度创新提升消费层次。从收入视角看，一方面跨境电商的兴起会引起劳动力结构的调整，通过技能溢价实现增收，且互联网经济扩散会缩小地区差异，实现全面增收；另一方面跨境电商具有“去中介化”效应，降低单位商品的交易成本，部分环节被放大产生费用，但有利于分工专业化，疏通各环节问题而形成高效规模经济，长期看交易成本会缩减。考虑跨境电商的发展对网络生产深刻的影响，以及跨境电商发展带来更深入的专业化分工后，可能参与者的收入产生影响，而居民既作为跨境电商的工作者又是最本质的消费者，则选择考虑收入和互联网中介效应。参照温忠麟等（2004）和其他学者提出的中介效应检验模型，由于本文所考察的被解释变量、核心解释变量和控制变量均为连续数据，因此采用层次回归方法建立模型如下：（1）收入中介效应upgradei=α3lnpaymenti=α4upgradei（2）互联网中介upgradei=αlnphonei=αupgradei中介变量：引入收入payment中介变量，使用职员平均工资来衡量，以此测算跨境电商影响消费升级的收入中介效应；引入互联网phone中介变量，使用移动电话用户数来衡量，以此测算跨境电商影响消费升级的互联网中介效应。当跨境电商发展对消费升级的回归系数通过了显著性水平检验，则满足中介效应检验的前提条件，进一步检验中介效应的显著性。检验程序先进行以跨境电商发展为自变量、中介变量（收入水平、网络发展水平等）为因变量的回归分析，然后进行以跨境电商发展、中介变量为自变量，消费升级为因变量的回归分析。根据温忠麟等（2014）的中介效应检验流程，具体步骤如下：第一步，依次检验模型（4-10）的系数c3第二步，依次检验模型（4-11）的系数a4和模型（4-12）的系数b第三步，用Bootsrap检验法直接检验H0：a4第四步，检验模型（4-12）的系数c5第五步，比较a4b5和c5‘图4-3中介效应检验流程同理，互联网中介效应依次检验模型（4-10）的系数c3、（4-13）的系数a6和（4-14）的系数b二、实证分析（一）基准回归分析就跨境电商与消费升级的样本数据进行基础相关性分析，从跨境电商发展水平与消费规模升级或跨境电商发展水平与消费结构升级的散点图看出：两者间呈现非线性关系，表现为前期积累后期缓慢增长的趋势，类似对数函数曲线。其中，存在部分散点处于第一象限右上方突出位置，主要在于中国跨境电商企业主要其中于长三角和珠三角地区，尤其是广东、浙江、江苏等区域最为集中。该部分地区作为传统贸易最为发达区域的聚集地，为跨境电商的良好发展奠定基础，同时地处发达沿海地带，经济发展的同时居民处于较高水平。为减少异方差及数据级的差异，本文再对数据做对数处理由于跨境电商企业数存在为零的情况，取对数后无意义，因此将原始数据均增加1单位，再去对数，不影响原始数据的变化趋势。，得到两者呈现较分散的线性关系，且明显为正向相关。由于跨境电商企业数存在为零的情况，取对数后无意义，因此将原始数据均增加1单位，再去对数，不影响原始数据的变化趋势。图4-4跨境电商与消费升级的散点图进一步对变量进行多重共线性检验，估计得到平均膨胀系数为2.45，均小于4，明显不超过10，因此不存在多重共显线，再对截面数据进行异方差检验，通过White检验得到P=0.0817，接受同方差的原假设。表4-6基本检验变量VIF1/VIFlncbecenterprise3.230.309822lnstudent2.350.425974lnpgdp2.240.447426lntraffic1.970.506597MeanVIF2.45基于以上的检验，本文进行逐步回归分析跨境电商与消费升级的基本关系，从表4-7的第（1）列结果明显看出，跨境电商显著促进居民消费升级，跨境电商发展水平提高1单位，居民消费升级平均提高0.0178单位。经济发展水平与人力资本等的提高均有利于促进居民消费升级，这显然与现实情况相符，而通过客运量衡量的基础设施建设水平一定程度上阻碍跨境消费升级，其深层原因可能是基础设施的健全，有助于货物流通，当货流加快时，会减少人员流动的速度，因此通过客运量反映人员的流动降低，是基础建设水平利好的表征，进而促进居民消费升级。逐步回归模型的各变量系数基本相同，仅在大小存在细微差异，模型的拟合度在40%左右，再通过加权线性回归（加权最小二乘法回归WLS）和异方差—稳健标准误（HCSE）回归得到一致估计。表4-7跨境电商与消费升级的逐项回归结果（1）（2）（3）（4）OLS（5）WLS（6）HCSElncbecenterprise0.0178***0.0132***0.0144***0.0101***0.0120***0.0101***(0.0017)(0.0021)(0.0026)(0.0028)(0.0028)(0.0028)lnpgdp0.0243***0.0223***0.0319***0.0241***0.0319***(0.0069)(0.0075)(0.0079)(0.0065)(0.0085)lntraffic-0.0026-0.00864**-0.00988**-0.00864**(0.0036)(0.0040)(0.0050)(0.0040)lnstudent0.0182***0.0178**0.0182***(0.0056)(0.0069)(0.0051)Constant0.426***0.172**0.212**0.11300.206***0.1130(0.0062)(0.0727)(0.0914)(0.0939)(0.0782)(0.0991)Observations162162162162162162R-squared0.4160.4580.460.4940.3960.494注：*、**、***分别表示p<0.1、p<0.05、p<0.01，括号内表示标准误。跨境电商发展水平的提高促进消费结构升级，更深入考虑其对消费规模的影响，从表4-8第（1）列知，跨境电商发展有助于高层次消费规模的扩大，跨境电商发展水平每提高1个单位，居民的高层次消费规模平均增加0.0874单位，且模型的解释变量基本能解释高层次消费规模72%的变动。城镇居民高层次消费中的交通通讯支出影响最大，其次是其他类消费支出和文娱教育类，对居住消费支出最小。从非高层次商品的消费支出看，跨境电商对于医疗保健的影响最大，对食品、衣着、家庭设备的消费支出影响基本无异。表4-8跨境电商与消费规模的回归分析（1）（2）（3）（4）（5）（6）（7）（8）（9）变量upgradescalelnfoodlnclothlnlivelnappliancelntranslnentertainlnhealthlnotherlncbecenterprise0.0874***0.0445**0.0446**0.146***0.0499***0.0548***0.0339**0.0810***0.0517**(0.0139)(0.0173)(0.0211)(0.0221)(0.0183)(0.0205)(0.0165)(0.0227)(0.0256)lnpgdp0.295***0.198***0.171***0.193***0.169***0.391***0.361***0.05560.350***(0.0390)(0.0485)(0.0590)(0.0619)(0.0512)(0.0575)(0.0463)(0.0636)(0.0715)lntraffic-0.007890.0597**-0.0104-0.0198-0.0101-0.03830.031-0.004310.0145(0.0196)(0.0245)(0.0298)(0.0312)(0.0258)(0.0290)(0.0233)(0.0321)(0.0360)lnstudent-0.00857-0.0991***-0.108**-0.027-0.009980.03070.00721-0.122***-0.0349(0.0277)(0.0345)(0.0420)(0.0441)(0.0364)(0.0409)(0.0329)(0.0453)(0.0509)Constant5.860***6.291***5.864***6.078***5.388***3.734***3.509***6.928***2.326***(0.4650)(0.5790)(0.7050)(0.7390)(0.6110)(0.6860)(0.5520)(0.7590)(0.8540)N162162162162162162162162162R-squared0.720.3920.2590.5730.3210.540.5810.2130.387注：*、**、***分别表示p<0.1、p<0.05、p<0.01，括号内表示标准误。（二）中介效应分析以上讨论跨境电商发展与居民消费结构和消费规模升级均呈现正向相关，进一步引入收入中介变量和互联网中介变量，探讨跨境电商影响消费升级的路径。首先，讨论收入中介效应。跨境电商影响消费结构升级的系数显著为正，且跨境电商对收入水平的影响显著为正，引入中介变量后，跨境电商发展水平与收入中介变量的系数依然显著为正，因此跨境电商通过收入中介变量进一步影响居民消费升级。同时，基础设施建设与人力资本的影响依然保持不变，模型拟合度有0.494增加至0.560。然后讨论互联网中介效应。跨境电商显著正向影响消费结构升级，跨境电商正向影响互联网发展，引入中介变量后，跨境电商与互联网均显著正向影响消费升级，跨境电商系数变小，而模型的拟合度由0.496增加至0.504。为保证结果准确，使用Soble检验，得到收入中介效应和互联网中介效应均为部分中介，且分别占总效应的比重为30.50%和22.27%，该结论与逐项回归的结果基本一致。此结果表明，通过跨境电商出口，能有效增加居民收入，提升居民消费能力，从而改善居民消费结构，促进居民消费升级；通过跨境电商出口，有利于带动互联网水平发展，改变消费方式并提升消费体验，进而促进居民消费升级。表4-9跨境电商与城镇居民消费结构升级的回归分析变量upgradeconstru收入中介互联网中介lnpaymentupgradeconstrulnphoneupgradeconstrulncbecenterprise0.0101***0.0363***0.00703**0.136***0.00786**(0.0028)(0.0120)(0.0027)(0.0238)(0.0031)lnpayment0.0851***（0.0175）lnphone0.0166*-0.00938lnpgdp0.0319***0.155***0.0187**0.247***0.0278***(0.0079)(0.0335)(0.0078)(0.0665)(0.0081)lntraffic-0.00864**-0.0205-0.00689*0.0236-0.00903**(0.0040)(0.0169)(0.0037)(0.0335)(0.0039)lnstudent0.0182***0.03390.0153***0.712***0.00642(0.0056)(0.0238)(0.0053)(0.0473)(0.0087)Constant0.1139.383***-0.685***0.6350.103(0.0939)(0.3990)(0.1860)(0.7940)(0.0934)Observations162162162162162R-squared0.4940.4520.5600.8680.504中介效应性质部分中介部分中介中介效应占比0.30500.2227注：*、**、***分别表示p<0.1、p<0.05、p<0.01，括号内表示标准误。从消费规模角度，进一步讨论其中介效应。首先，通过截面数据回归估计得到跨境电商发展水平对高层次消费支出规模的影响为正，从上文已得出跨境电商发展水平对收入影响显著为正，再引入收入中介变量后的估计得到跨境电商发展水平与收入的系数依然显著为正，因此得到跨境电商通过收入对居民消费升级产生部分影响；再次引入互联网中介变量，结果表明存在互联网中介效应，且显著为正。最后再进行Sobel检验，结果表明存在均存在部分中介效应，即跨境电商会通过影响居民收入和互联网发展水平来影响居民消费升级，且收入中介效应占总效应比重为21.3%，互联网中介效应占总效应的30.4%。对比中介变量在跨境电商影响居民消费结构升级的作用，收入中介在跨境电商影响居民影响高层次消费结构中产生的作用更大，互联网中介在跨境电商影响高层次消费支出规模中产生作用更大。表4-10跨境电商与居民消费规模升级的回归分析变量lnupgradescalelnpaymentlnupgradescalelnphonelnupgradescalelncbecenterprise0.0874***0.0363***0.0688***0.136***0.0612***(0.0139)(0.0120)(0.0129)(0.0238)(0.0145)lnpayment0.513***(0.0837)lnphone0.192***(0.0443)lnpgdp0.295***0.155***0.215***0.247***0.247***(0.0390)(0.0335)(0.0374)(0.0665)(0.0385)lntraffic-0.00789-0.02050.002620.0236-0.0124(0.0196)(0.0169)(0.0178)(0.0335)(0.0186)lnstudent-0.008570.0339-0.0260.712***-0.145***(0.0277)(0.0238)(0.0251)(0.0473)(0.0411)Constant5.860***9.383***1.0420.6355.738***(0.4650)(0.3990)(0.8900)(0.7940)(0.4420)Observations162162162162162R-squared0.720.4520.7740.8680.75中介效应性质部分中介部分中介中介效应占比0.21300.3040注：*、**、***分别表示p<0.1、p<0.05、p<0.01，括号内表示标准误。为确保估计结果具有可信性，本文使用被解释变量替代变量法进行稳健性检验，即借鉴（孙成昊和谢太峰，2020；焦帅涛和孙秋碧，2020）的做法，使用消费升级率（upgraderate，下文解释）代替上文通过收入弹性计算的高层次消费衡量的消费升级指标。结果表明跨境电商对消费升级仍然存在显著正向相关性，中介效应且显著为正，且系数大小存在差异。因此，以上结论均表明跨境电商有助于居民消费升级，存在部分收入中介效应和互联网中介效应，且显著为正。表4-11稳健性检验回归分析变量（1）基本效应（2）收入中介（3）互联网中介upgraderatelnpaymentupgraderatelnphoneupgraderatelncbecenterp0.00303***0.0363***0.001730.136***0.00245*(0.0012)(0.0120)(0.0011)(0.0238)(0.0013)lnpayment0.0358***(0.0072)lnphone0.00427(0.0039)lnpgdp0.00707**0.155***0.001520.247***0.00602*(0.0032)(0.0335)(0.0032)(0.0665)(0.0034)lntraffic-0.00280*-0.0205-0.002070.0236-0.00291*(0.0016)(0.0169)(0.0015)(0.0335)(0.0016)lnstudent0.00426*0.03390.003050.712***0.00123(0.0023)(0.0238)(0.0022)(0.0473)(0.0036)Constant0.107***9.383***-0.229***0.6350.104***(0.0387)(0.3990)(0.0767)(0.7940)(0.0388)Observations162162162162162R-squared0.270.4520.370.8680.276注：*、**、***分别表示p<0.1、p<0.05、p<0.01，括号内表示标准误。（三）进一步分析为深入研究跨境电商发展水平对消费升级的影响，本文将进一步讨论不同跨境电商企业的发展对消费升级的影响程度，即探讨跨境电商不同环节的发展影响居民消费升级的异质性。lncbeccompany、lncbecplatform、lncbeclogplat、lncbecpayplat、lncbecsupervisor分别表示跨境电商经营企业数、跨境电商平台、跨境电商物流企业、跨境电商支付企业和跨境电商场所监管人等变量，且为保证取对数有意义，均在原始数据后加1再取对数。不同的跨境电商其他代表不同环节跨境电商的发展程度，根据实践预期，跨境电商经营企业和平台主要负责买卖双方的资源展示和信息交流功能，跨境电商平台和经营企业对消费者的应该最为直接有效；跨境支付和物流企业主要是保证贸易畅通、资金安全、信息流通等支撑功能，受支付和物流与电商经济的协同影响，跨境电商物流企业或跨境电商支付企业对消费升级的影响居其次；监管场所更多负责规范设置、保证政策有效实施，促进跨境电商健康快速发展。则监管场所人对消费升级的影响更委婉，但实际并非如此。从表4-12知，不同跨境电商企业的系数均显著为正，其中，跨境电商物流和跨境电商支付的系数在5%的检验水平下显著，其余在1%的检验水平下显著。尤其跨境电商场所监管对消费升级的影响最大，系数为0.0114，表明跨境电商场所监管数量每增加1单位，则消费升级水平平均增加0.0114单位；其次是跨境电商企业、跨境电商平台，分别为0.011和0.0105，即跨境电商经营企业数每增加1单位，则消费升级水平平均提高0.011单位，跨境电商平台每增加1单位，消费升级水平平均提高0.0105单位；影响最小的是跨境电商物流企业和跨境电商支付企业，分别为0.00685和0.0957，表明跨境电商物流企业每增加1单位，消费升级水平平均提升0.00685单位，或跨境电商支付企业每增加1单位，消费升级水平平均提升0.0957单位。表4-12跨境电商均衡发展与消费升级关系的进一步分析（1）（2）（3）（4）（5）lncbeccompany0.0110***(0.0027)lncbecplatform0.0105***(0.0028)lncbeclogplat0.00685**(0.0033)lncbecpayplat0.00957**(0.0047)lncbecsupervisor0.0114***(0.0040)lnpgdp0.0297***0.0323***0.0454***0.0465***0.0375***(0.0078)(0.0076)(0.0065)(0.0063)(0.0076)lntraffic-0.00842**-0.00845**-0.00670*-0.00641-0.00854**(0.0039)(0.0039)(0.0040)(0.0040)(0.0041)lnstudent0.0169***0.0200***0.0251***0.0261***0.0241***(0.0056)(0.0053)(0.0052)(0.0051)(0.0052)Constant0.1390.113-0.0451-0.06010.055(0.0926)(0.0909)(0.0787)(0.0750)(0.0926)Observations162162162162162R-squared0.5030.4980.4670.4660.48注：*、**、***分别表示p<0.1、p<0.05、p<0.01，括号内表示标准误。上述结果证明，跨境电商各环节企业数增加，有利于提升居民消费升级水平。其中，监管场所人的落地有效促进企业出售货物流水线般放行，有助于监督相关经营企业及时报备，实时传送交易、支付、仓储和物流等数据，提升消费者良好体验。相对而言，依靠政府组织力量进行监管的工作进展更快，体系更易健全。因此在上述估计中得出，跨境电商场所监管人所表示的跨境电商环节对居民消费升级的影响最为显著。而跨境电商经营企业和平台非未发挥最大的优势，其可能原因是，我国跨境电商平台在国外的影响力不够，主要以Amazon、eBay、Wish等国外平台为首，中国像阿里巴巴国际站、Kilimall跨境电商平台较有限。跨境电商物流和支付企业的系数相比更小且显著性更低，潜在原因可能是统一的支付系统和高效低成本的物流系统涉及众多环节，需要多方投入，则物流与支付企业是跨境电商发展的两大重要难题，在短时间无法形成消费端与供给端的良性互动，因此跨境电商多环节与居民消费升级之间良好生态系统的构建需要多方协商与努力。1.3跨境电商对消费升级的面板数据分析中国是拥有全世界最具有成长性的内需市场，增加进口优质产品，能让更多国家分享中国超大规模的红利。尤其对中国居民而言，收入水平提升使得消费升级现象凸显，则积极发展跨境电商零售进口，可以带动扩大优质商品进口规模，提高人民生活水平，即消费者利用跨境电商零售进口进行消费，具有更多机会基础国外优质产品，进而激发潜在消费。进口跨境电商火爆的背后，折射出中国消费升级大趋势下，消费观念和消费需求的变化。作为连接全球市场与中国超大规模市场的直接纽带，跨境电商既是中国消费升级的受益者，亦是参与者，在重塑消费格局中具有愈发不可替代的优势。一、模型与数据说明（一）样本选取与数据说明本文选取2014-2019年31省级面板数据分析跨境电商进口对消费升级的作用效果，其中考虑到省份地区消费水平、收入水平等具有明显差异，通过收入需求弹性来衡量各省的高层次支出具有不妥之处，因此本文使用八大类消费支出的比重计算消费升级率（upgraderate）。而跨境电商的进口模式主要以通过跨境电商第三方平台经营者自境外购买商品，并通过“网购保税进口”，此数据获取难度系数高，本文即借鉴张锡宝（2020）的做法使用跨境电商快递来替代跨境电商进口交易规模，下文将详细说明。表4-13描述性统计变量名称单位样本均值标准差最小值最大值cbecscale跨境电商规模万美元15512727973662789421.701524607000.00y可支配收入元15523978.6310163.7210730.2264182.65c消费支出元15517200.346720.647316.9543351.30food食品支出元1555085.681641.712940.5010728.15cloth衣着支出元1551231.29390.69460.502432.98live居住支出元1553875.902463.771311.5014208.54appliance家庭设备用品及服务支出元1551026.08370.07394.872492.39trans交通和通讯支出元1552292.85904.79796.005033.98entertain教育文化娱乐服务支出元1551892.84750.29266.705049.40health医疗保健支出元1551370.37527.88197.603274.54other其他商品和服务支出元155425.32216.21154.401281.49payment职工平均工资元15569546.4619860.8242670.00149843.00pgdp人均地区生产总值元15557340.4125895.5226165.26140211.20student普通中学在校学生数万人155767189.50512437.1055669.002140193.00traffic公路客运量万人15550929.0837170.11871.00157233.90phone移动电话年末用户数万户155100.8123.0764.69189.46由上表看出，在时间和地区的两个维度的作用下，跨境电商规模、居民消费收入和各类支出存在明显差异，居民可支配收入和支出的极差达最小值的5倍，均值更接近最小值，说明居民消费水平分级严重，且低水平的居民占比更大。（二）模型设定为检验进口跨境电商与消费升级的关系，根据样本选取，主要建立两者基本关系的检验模型和中介效应检验模型，具体模型如下：1.基础模型upgraderate其中，上标i、下标t分别表示省份和时间。μt为地区固定效应，γt为时间固定效应，ɛt为随机扰动项。为降低异方差的影响及样本数据差距大的问题，对跨境电商和其他控制变量均取对数形式。被解释变量：upgradrateitupgraderate=1×shengcun%+2×fazhan%+3×xiangshou% 核心解释变量：跨境电商发展程度（lncbecscaleit）。参考方福前和刑炜[40]、张锡宝等[29]控制变量：lnControlit2.中介效应模型为测算跨境电商对消费升级的作用路径，进一步建立跨境电商与消费升级的中介效应模型。考虑跨境电商的发展对网络生产深刻的影响，以及跨境电商发展带来更深入的专业化分工后，可能参与者的收入产生影响，而居民既作为跨境电商的工作者又是最本质的消费者，则选择考虑收入在中间的作用。本文所考察的被解释变量、核心解释变量和控制变量均为连续数据，则采用层次回归方法建立模型。参照温忠麟等（2004）和其他学者提出的中介效应检验模型，建立模型如下：（1）收入中介效应upgraderateitlnyit=upgraderate（2）互联网中介upgraderatelnphoneitupgraderate该部分的中介效应检验同样引入收入中介变量和互联网中介变量，其中收入中介变量y使用居民可支配收入衡量；引入互联网中介变量phone，同样使用使用移动电话用户数来衡量。当跨境电商发展对消费升级的回归系数通过了显著性水平检验，则满足中介效应检验的前提条件，进一步检验中介效应的显著性。检验程序先进行以跨境电商发展为自变量、中介变量（收入水平、网络发展水平等）为因变量的回归分析，然后进行以跨境电商发展、中介变量为自变量，消费升级为因变量的回归分析。在此中介效应检验程序中分别涉及三个检验步骤为模型（4-15）、模型（4-17）、模型（4-18）和（4-15）、模型（4-19）、模型（4-20）。具体步骤根据图4-3流程进行。二、实证分析（一）基准回归分析首先，以2014年至2019年数据样本就跨境电商与消费升级两者的相关关系作散点图4-5，从左图看出，消费升级率分布在坐标轴的1.3至1.6区间，跨境电商规模主要集中在0至50区间，极少数分散在100至250区间，查得该部分是广东省和上海市两个地区的样本。其图4-4表现广东和上海在跨境电商上明显的优势，处于绝对领先地位。图4-5跨境电商与消费升级相关性进而，进行Hausman检验进行模型选择，通过stata软件估计得到P=0.0000，显著拒绝原假设，因此选择固定效应模型。从固定效应和随机效应的估计结果看，跨境电商均会显著促进消费升级，且系数基本相等。为确保估计结果的稳健和一致性，分别采用随机效应GLS回归、固定效应回归、随机效应回归、LSDV方法估计和双向固定模型进行估计，得到结果存在细微差异。由第（1）列至第（4）列看出，跨境电商会显著促进消费升级，而第（5）列双向固定回归结果显示跨境电商与消费升级呈现不显著的负相关，可能原因个体差异明显，既存在正向也存在负向影响，而大部分省份处于平均以下水平从而使得估计结果具有不确定性。表4-14跨境电商与消费升级的基础回归变量（1）（2）（3）（4）（5）GLS估计固定效应随机效应LSDV估计双向固定lncbecscale0.001640.0168***0.001640.0168**-0.00909(0.0051)(0.0031)(0.0025)(0.0074)(0.0102)lnpgdp0.03890.0309***0.0389***0.0309-0.0409**(0.0240)(0.0104)(0.0107)(0.0273)(0.0172)lntraffic0.0247***-0.0002630.0247***-0.0002630.00539(0.0037)(0.0094)(0.0044)(0.0099)(0.0139)lnstudent-0.007030.0643***-0.007030.0643*0.0669**(0.0108)(0.0233)(0.0077)(0.0386)(0.0318)Constant0.951***0.3060.951***0.3010.979**(0.3560)(0.3130)(0.1670)(0.6600)(0.4250)Obs186186186186186R20.4120.9050.595N31313131注：*、**、***分别表示p<0.1、p<0.05、p<0.01，括号内表示标准误。（二）中介效应分析进一步使用固定效应回归进行中介效应检验。首先，第（1）列由跨境电商与消费升级回归得到：跨境电商显著促进居民消费升级，再估计跨境电商与中介变量收入水平的关系，结果由第（2）列知跨境电商明显有利于居民收入增加，再根据逐步回归法，在基础模型中进入中介变量，检验得到间接效应与直接效应均显著，而跨境电商的系数显著为负，收入中介变量的系数显著为正，其结果表明跨境电商会显著促进消费升级。根据（温忠麟等，2014）的检验程序，跨境电商影响消费升级过程中存在收入效应，且表现为遮掩效应，此处报告间接效应与直接效应比值的绝对值，即abc‘表4-15中介效应检验变量（1）（2）（3）（4）（5）upgraderatelnyupgraderatelnphoneupgraderatelncbecscale0.0168***0.156***-0.00696*0.116***0.00356(0.0031)(0.0117)(0.0038)(0.0099)(0.0041)lnpayment0.152***(0.0179)lnphone0.114***(0.0242)lnpgdp0.0309***0.604***-0.0609***0.332***-0.00702(0.0104)(0.0389)(0.0138)(0.0327)(0.0126)lntraffic-0.0002630.0000605-0.0002730.0910***-0.0106(0.0094)(0.0350)(0.0077)(0.0295)(0.0090)lnstudent0.0643***0.07710.0526***0.211***0.0402*(0.0233)(0.0875)(0.0193)(0.0736)(0.0224)Constant0.3062.412**-0.06060.9150.201(0.3130)(1.1720)(0.2610)(0.9850)(0.2930)Obs186186186186186R20.4120.8830.6030.8310.488N3131313131注：*、**、***分别表示p<0.1、p<0.05、p<0.01，括号内表示标准误。同理，由第（4）列得到跨境电商能显著促进互联网水平的发展，且引入互联网中介变量后，得到第（5）列的结果，引入中介变量后，直接效应不显著，因此跨境电商促进消费升级过程中存在完全中介效应，且互联网中介效应显著为正。上述结果表明跨境电商会显著促进居民消费升级，且存在部分收入中介效应，表现为遮掩效应，存在互联网完全中介效应。本文认为这一结果不代表跨境电商对消费升级只存在间接效应，且只存在互联网完全中介效应，其表明跨境电商的发展与互联网发展高度相关，跨境电商的发展以互联网水平作为支撑，良好的网络基建水平，是保证跨境电商优质发展的基础，也有助于以此实现消费升级。尤其，新冠疫情当前，许多消费者受制于线下消费，更多地诉诸于互联网，由此潜移默地重塑着居民的消费习惯。目前正值传统外贸企业向跨境电商转型的迅速发展阶段，互联网对传统外贸产业链存量的赋能空间容量处于不饱和状态。在经济双循环发展格局下，持续扩大进口跨境电商规模，有利于吸引境外消费回流，对国内消费市场起到补充作用。经济双循环发展格局的一个重要落脚点是扩大国内需求，实现消费回流，则跨境电商进口是推动经济双循环发展的重要动力。（三）空间效应分析1.空间相关性分析本文选取2014-2019年我国30省份（不含西藏）作为空间研究样本。在进行空间计量面板模型前，先测量消费升级和跨境电商是否存在空间自相关。本文首先以全局Moran’sI指数来测量消费升级和跨境电商的总体空间相关性，以此反映空间邻接或空间邻近的区域单元属性值的相似程度。Moran’sI的取值一般在[-1，1]之间，小于0表示负相关，等于0表示不相关，大于0表示正相关。Moran’sI越接近-1，表示区域差异越大或分布越不集中；越接近1，则表示区域相关越密切，性质越集中；接近0，则表示单元间不相关。其中经济地理权重矩阵是利用人均GDP的经济指标生成的，报告Moran’sI如下示：表4-162014-2019年我国跨境电商和消费升级的全局Moran’sI年份地理距离权重经济地理权重cbecscaleupgraderatecbecscaleupgraderateMoran’sIp值Moran’sIp值Moran’sIp值Moran’sIp值2014-0.00260.37570.09220.00040.01360.66580.08600.27882015-0.00320.38570.13040.00000.01610.64930.07440.32762016-0.00870.47400.15130.00000.00700.70950.07240.33662017-0.00440.40360.15440.00000.00940.6936-0.01800.88242018-0.00270.37750.11140.00010.01140.6801-0.07100.74292019-0.00440.40330.10260.00010.01090.68310.00640.7130从表4-16可以看出，2014年至2019年消费升级在地理距离权重下通过1%的显著性检验，Moran’sI均显著为正，且表现为“倒U”型，其中在2017年前呈现上升趋势，2017年之后呈现下降趋势。这意味着2014年-2019年期间，各省份的消费升级存在显著的空间正相关性，即各省份消费升级在空间上呈现地区性聚集。各省份跨境电商的Maran’sI指数均不显著且为负，跨境电商呈现空间的负相关性，即表明跨境电商的发展尚未充分考虑地理因素，没有产生聚集效应。图4-62014年-2019年我国消费升级的局部Moran’sI散点图从上图可以看出，各省份的消费升级在空间上呈现高-高型、低-低型、高-低型和低-高型四种状态，表明居民消费升级在区域间存在相关性，同时也存在空间异质性。大部分省份处在第一、三象限，少部分省份处于第二、四象限。且从2014年局部散点图明显看出，尽管大部分省份处于第一、三象限，但分布较分散，而后各省分布逐渐集中至趋势线附近，呈现相似性聚集。2.空间面板估计结果空间计量模型能反映研究对象在空间权重矩阵下的相关程度，全国各省份的跨境电商水平、人力资本发展水平、经济发展水平、货运流量等的改变，不仅对本地区消费升级产品直接影响，称之为直接效应，同时会对周边相邻区域产品影响，即空间溢出效应。简而言之，总效应包含直接效应和溢出效应，且为两者之和。本文考虑地理距离权重、经理地理权重和邻近距离权重，引入空间权重矩阵，并设定空间杜宾模型如下：lnupgrade=ρWlnupgrade+c13lncbec+βkControl其中，ρ为被解释变量的空间滞后项回归系数，W表示n×n阶的空间权重矩阵，W·为各解释变量的空间滞后项。通过Hausman检验，可以看出在地理权重矩阵下和经济地理权重矩阵下，估计结果分别以1%和5%显著性水平下拒绝随机效应的原假设，在临近距离地理权重矩阵下，估计结果选择随机效应模型。为更好的比较结果及其稳健性，本文同时报告固定效应和随机效应的结果。估计结果显示，被解释变量消费升级的空间效应占23