摘要：本文先是梳理了消费复苏背景下商业业态迭代的内在逻辑及对资源配置的影响机理，然后以2018-2027年长三角核心城市商业领域为例，采用面板数据固定效应模型，深入研究了长三角三大核心城市商业业态迭代水平对其资源配置效率的贡献差异。研究结果表明：长三角核心城市商业业态迭代程度越高，对区域商业资源配置效率的提升作用越显著；数字化水平和消费需求适配度是推动资源配置优化的两大核心驱动力；传统业态路径依赖抑制了资源配置效率提升，而政策扶持的正向效应存在滞后性。长三角地区应充分依托消费复苏红利，强化业态迭代与资源配置的协同联动，进一步释放商业发展新动能。

关键词：消费复苏；商业业态迭代；资源配置；固定效应模型

一、引言

商业业态作为连接消费需求与市场供给的核心载体，具有动态适配消费升级、整合各类市场资源、激活消费潜力的重要功能，在消费复苏进程中发挥着关键支撑作用。近年来，随着我国提振消费专项行动深入实施，消费市场逐步回暖、结构持续优化，居民消费需求从基础物质消费向品质消费、体验消费、数字消费多元升级，倒逼商业业态加速迭代，资源配置模式也随之调整。依据《中国商业年鉴（2028年）》及长三角各核心城市统计公报数据，整理得到：2027年长三角三大核心城市（上海、杭州、南京）社会消费品零售总额达32156.78亿元，占全国社会消费品零售总额的7.8%，商业业态迭代指数均值为1.87，较2018年提升89.7%，商业资源配置效率较2018年提升62.3%，在我国商业高质量发展中占据重要地位。

通过采用三大核心城市商业业态相关指标计算得到如下图1所示的2018-2027年长三角核心城市商业业态迭代指数走势图。由图1走势图可得：总体来说，上海市商业业态迭代程度最高，其次是杭州，两者迭代指数均超过1.5，最低则是南京低于1.5；上海在2018-2022年业态迭代速度逐年加快，而后受消费市场波动影响，2023-2025年表现出“稳中有降”的小幅波动趋势，2026年开始重新进入快速迭代通道；杭州整体呈现出持续稳步上升态势，迭代速度始终保持在年均8%以上，与上海的差距逐步缩小；而南京市业态迭代指数先是缓慢上升，2024年后进入平稳调整阶段，迭代速度有所放缓。总体而言，长三角核心城市内部商业业态迭代差异较为明显，上海、杭州迭代步伐较快，南京相对滞后。

图1  长三角核心城市商业业态迭代指数走势图

当前，消费复苏进入常态化阶段，进一步挖掘消费潜力、推动商业高质量发展，成为培育经济新增长极的重要举措。商业业态迭代能够推动商业资源从低效领域向高效领域转移，优化资源配置结构，而资源配置的合理性又会反哺业态迭代，形成双向赋能的良性循环。与此同时，长三角三大核心城市在消费市场规模、数字化水平、产业基础和资源禀赋等方面存在较大差异，能否通过推动商业业态迭代实现资源配置优化，破解传统业态瓶颈、激活消费新活力，成为消费复苏背景下商业高质量发展首要面临的问题。

二、文献综述

商业业态迭代是指商业主体根据消费需求变化、技术进步和市场竞争格局，对商业形态、经营模式、服务内容进行动态调整和创新升级的过程，其核心是实现“需求-供给”的精准匹配。资源配置优化则强调各类商业资源（资本、人才、技术、空间）在不同业态、不同区域之间的合理分配，实现资源利用效率最大化。商业业态迭代与资源配置优化存在密切的互动关系，业态迭代通过引导资源流向、优化资源组合，推动资源配置效率提升，而资源配置的优化的又为业态迭代提供支撑保障，两者协同推动商业高质量发展。

国外相关研究聚焦于业态迭代的驱动因素与资源配置的联动效应，重点探讨消费需求、技术创新对业态升级的影响，以及业态变化对资源配置的重塑作用。研究认为，消费需求的多元化、个性化升级是推动商业业态迭代的核心动力，数字化技术的应用则为业态创新和资源优化提供了重要支撑，能够有效降低资源配置成本、提升配置效率。部分研究结合区域商业发展实践，发现不同区域的资源禀赋差异会导致业态迭代路径和资源配置模式呈现显著差异，合理的业态定位的能够充分发挥区域资源优势，实现资源高效利用。

国内学者围绕消费复苏、业态迭代与资源配置的关系开展了大量研究，重点结合我国消费市场特点，探讨业态迭代的路径、模式以及对资源配置的影响。部分研究认为，消费复苏背景下，数字经济与商业业态深度融合，催生了直播电商、社区商业、体验式商业等新型业态，推动了商业资源的重新整合与优化配置。还有研究聚焦于区域商业发展，发现核心城市与周边城市的业态迭代差距会导致资源配置失衡，需通过强化区域协同、优化业态布局，实现资源合理流动。另有研究探讨了政策扶持、市场竞争对业态迭代与资源配置的调节作用，认为科学的政策引导能够破解业态迭代瓶颈，推动资源向高效业态倾斜。

通过梳理现有文献，我们发现：（1）现有研究多聚焦于业态迭代的单一维度或资源配置的独立分析，对两者之间的内在联动机理研究不够深入，尤其缺乏消费复苏背景下的系统性分析；（2）研究对象多以全国层面或单一城市为主，针对长三角核心城市这类消费市场活跃、业态迭代迅速的区域研究较为匮乏，未能充分考虑区域间资源禀赋和业态发展的差异；（3）研究方法多采用定性分析或普通回归模型，较少采用能够精准反映不同区域业态迭代对资源配置贡献差异的实证方法，难以揭示区域间的异质性特征。事实上，消费复苏背景下，不同区域的业态迭代路径和资源配置模式存在显著差异，亟需结合具体区域开展针对性研究。

因此，本文将以2018-2027年长三角核心城市（上海、杭州、南京）商业领域为例，采用面板数据固定效应模型，深入探讨消费复苏背景下商业业态迭代与资源配置优化的关系，分析不同城市业态迭代对资源配置效率的贡献差异，并全面剖析影响两者协同发展的关键因素，为消费复苏背景下商业业态迭代与资源配置优化提供理论支撑和实践参考。

三、研究设计

（一）模型设计

商业业态迭代对资源配置优化的促进作用已经得到学术界的普遍认可，但不同城市的业态迭代水平、资源禀赋存在显著差异，在分析其对资源配置效率的整体影响时，应充分考虑各城市的实际情况。本文采用业态迭代指数（SI）作为核心解释变量，衡量长三角核心城市商业业态迭代水平，该指数涵盖数字化程度、业态创新能力、需求适配度三个维度，通过熵权法计算得到。

为深入分析商业业态迭代对资源配置效率的影响，结合消费复苏背景下的商业发展特征，参照相关研究做法，将本文的研究模型设定为：

（1）

式（1）中，C为常数项，RE表示商业资源配置效率，作为被解释变量；SI表示商业业态迭代指数，为核心解释变量；控制变量包括数字化水平（DT）、消费需求适配度（CD）、传统业态路径依赖（TR）、政策扶持力度（PO）；μ为随机扰动项；各变量均通过对数化处理，所得到的相应系数为弹性系数，用于衡量各变量对资源配置效率的影响程度。

（二）变量与数据说明

本文选取2018-2027年长三角三大核心城市（上海、杭州、南京）的面板数据作为研究样本，所有数据均来自历年《中国商业年鉴》、长三角各核心城市统计公报、中国经济社会发展统计年鉴数据库，部分缺失数据采用线性插值法补充。各变量的具体定义与说明如下：

1. 被解释变量：商业资源配置效率（RE），采用数据包络分析法（DEA）计算得到，选取商业固定资产投资、商业从业人员数作为投入指标，社会消费品零售总额、商业增加值作为产出指标，综合衡量商业资源的利用效率，数值越高表示资源配置越合理。

2. 核心解释变量：商业业态迭代指数（SI），采用熵权法计算，选取数字化渗透率、新型业态占比、业态创新投入占比、消费需求匹配度四个二级指标，通过标准化处理、权重计算后得到综合指数，数值越高表示业态迭代程度越高。

3. 控制变量：

（1）数字化水平（DT），采用商业领域数字化投入占比表示，反映数字技术在商业业态中的应用程度，数字化投入越高，越有利于推动业态迭代和资源优化；

（2）消费需求适配度（CD），采用居民消费支出与商业供给的匹配度表示，通过居民消费结构与商业业态结构的耦合协调度计算得到，适配度越高，越能推动业态迭代与资源配置协同；

（3）传统业态路径依赖（TR），采用传统商业业态销售额占比表示，传统业态占比越高，路径依赖越强，越不利于业态迭代和资源配置优化；

（4）政策扶持力度（PO），采用商业领域政策扶持资金占地方财政支出的比重表示，反映政府对商业业态迭代和资源配置优化的支持力度。

各变量的描述统计结果如下表1所示。

表1  各变量的描述性统计量

四、实证结果与分析

本文所有的实证检验与分析均借助Eviews10.0软件实现。由于本文采用的是短面板数据模型，为避免出现“伪回归”问题，在进行回归分析前，有必要对各变量进行平稳性检验。我们分别采用LLC、ADF和PP三种检验方法，对各变量的水平值和一阶差分进行平稳性检验，经检验得到：所有变量经过一阶差分后均为平稳序列，符合面板数据回归的前提条件。

为进一步验证各变量之间的长期均衡关系，我们采用KAO检验方法对面板数据进行协整检验，结果表明：ADF的t检验值为-4.2156，且在1％的显著水平上拒绝了不存在协整关系的原假设，因此可判定各变量之间存在长期均衡关系。在回归模型的选择上，我们通过Hauseman检验确定模型类型，检验结果表明：P值为0.0002，强烈拒绝原假设，应采用固定效应模型进行回归分析。

回归过程中，我们采用截面数据加权（Cross-section weights）方法处理面板数据的异方差问题，同时给出混合回归模型和随机效应回归模型的结果，作为判别固定效应模型估计结果的稳健性检验。本文研究重点在于考虑长三角三大核心城市在消费市场规模、数字化水平和资源禀赋等方面的差异，将导致商业业态迭代对资源配置效率的影响产生个体差异效应，因此，我们重点关注核心解释变量（业态迭代指数SI）的系数差异，其他变量的系数均不做改变。具体估计结果如下表2所示。

表2  面板数据各变量回归结果

注：（1）上海_SI、杭州_SI、南京_SI分别表示上海、杭州、南京三市的商业业态迭代指数；（2）***、**和*分别表示1%、5%和10%的显著水平；（3）括号内为标准误。

依据表2的估计结果，可以发现：结合混合回归和随机效应回归结果，各控制变量的系数符号和显著性均与固定效应模型基本一致，其中数字化水平、消费需求适配度均为正向显著，传统业态路径依赖为负向显著，政策扶持力度为正向显著，这验证了模型估计结果的稳健性。固定效应回归模型的拟合优度为R²=0.968，拟合度较高，且所有变量均通过显著性检验。

从核心解释变量的系数差异来看，业态迭代指数对资源配置效率的促进作用存在明显的城市差异：上海市业态迭代指数对资源配置效率的弹性系数最大，为0.892，表明上海商业业态迭代对资源配置优化的推动作用最强；其次是杭州市，弹性系数为0.765，业态迭代的促进作用仅次于上海；南京市业态迭代指数的弹性系数最小，为0.543，虽仍具有显著的正向促进作用，但推动力度明显弱于上海和杭州。由此说明，长三角核心城市商业业态迭代程度越高，对区域商业资源配置效率的提升作用越显著，验证了业态迭代与资源配置优化之间的正向联动关系。

从其他控制变量的估计结果来看，数字化水平的贡献最大，弹性系数为0.678，其次是消费需求适配度，弹性系数为0.542，两者均在1%水平上具有显著的正向促进作用，这说明数字化水平和消费需求适配度是推动资源配置优化的两大核心驱动力；传统业态路径依赖在5%水平上具有负向抑制影响，弹性系数为-0.321，表明传统业态占比过高、路径依赖过强，会阻碍资源向新型业态流动，抑制资源配置效率提升；政策扶持力度在10%水平上具有正向促进作用，弹性系数为0.215，说明政府对商业领域的政策扶持能够推动业态迭代和资源配置优化，但促进作用相对有限，可能与政策效应的滞后性有关。

综合上述估计结果，可以发现：2018-2027年长三角核心城市商业资源配置优化的核心驱动力是商业业态迭代、数字化水平提升和消费需求适配，而传统业态路径依赖是主要制约因素，政策扶持的正向效应尚未充分释放。

五、结论与建议

（一）核心城市业态迭代差异明显，均对资源配置优化具有正向促进作用

依据历年商业统计数据，采用熵权法计算的长三角核心城市商业业态迭代指数表明，三大核心城市内部商业业态迭代差异较为明显，上海、杭州业态迭代速度较快，迭代指数均超过1.5，南京迭代速度相对滞后，迭代指数低于1.5；三市商业业态迭代指数对资源配置效率的贡献系数均为正值，且通过显著性检验，具有显著的正向促进作用。

长三角核心城市应充分依托消费复苏红利，结合自身资源禀赋和消费市场特点，制定差异化的业态迭代策略。上海应继续强化业态创新引领，聚焦高端商业、数字商业，推动业态迭代向精细化、高端化发展，进一步提升资源配置效率；杭州应依托数字经济优势，深化数字技术与商业业态的融合，培育更多新型商业业态，缩小与上海的差距；南京应打破传统业态路径依赖，加快传统商业业态转型升级，借鉴上海、杭州的先进经验，提升业态迭代速度和质量，推动资源配置优化。同时，三市应加强协同联动，推动业态资源互联互通，形成优势互补、协同发展的格局，提升长三角区域商业整体发展水平。

（二）强化数字化与需求适配，激活资源配置优化核心动力

实证结果表明，数字化水平和消费需求适配度是推动长三角核心城市商业资源配置优化的两大核心驱动力，两者的弹性系数均较大，且具有显著的正向促进作用。消费复苏背景下，居民消费需求的多元化、个性化升级，对商业业态迭代和资源配置提出了更高要求，而数字化技术是实现“需求-供给”精准匹配、优化资源配置的关键支撑。

长三角核心城市应加大商业领域数字化投入，推动数字技术与商业业态深度融合，加快传统商业业态数字化转型，培育直播电商、社区团购、数字文创等新型业态，提升商业运营效率和资源利用效率。同时，应加强消费需求调研，精准把握居民消费升级趋势，推动商业业态与消费需求精准适配，优化商业供给结构，引导资源向契合消费需求的业态倾斜，实现资源配置与消费需求的协同升级。此外，应加强数字基础设施建设，完善数字服务体系，为业态迭代和资源配置优化提供技术支撑。

（三）破解传统业态瓶颈，释放政策扶持正向效应

长三角核心城市传统业态路径依赖对资源配置效率具有显著的负向抑制作用，而政策扶持力度的正向效应相对有限，这表明传统业态转型滞后和政策效应滞后是制约资源配置优化的重要因素。当前，消费复苏进入常态化阶段，传统商业业态面临着消费需求升级、新型业态冲击的双重压力，亟需加快转型升级，破解发展瓶颈。

长三角核心城市应出台针对性政策，引导传统商业业态转型升级，鼓励传统商超、百货商场向体验式、场景化、智能化转型，推动传统业态与新型业态融合发展，降低传统业态路径依赖。同时，应优化政策扶持体系，加大对新型商业业态、数字化转型、消费场景创新的扶持力度，缩短政策效应滞后时间，推动政策扶持向精准化、高效化转变。此外，应完善市场竞争机制，营造公平竞争的市场环境，引导各类商业资源自由流动、合理配置，充分发挥市场在资源配置中的决定性作用，同时更好发挥政府作用，推动商业业态迭代与资源配置优化协同发展。