A Comparative Analysis of the Distributions of KFC and McDonalds Outlets in China
Abstract: Mainland China has become one of the most important markets for international fast-food chains over the past decade. To study the regional spread of KFC and McDonalds outlets in Chinese cities, the correlation of their distributions and degree of market expansion were explored and compared to analyze both the local and the global spatial autocorrelations. A geographically weighted Poisson regression model was also used to examine the influence of demographic, economic, and geographic factors on their spatial distributions. The findings of this comparative study reveal the site selection criteria at the city level by studying the differences and similarities in outlet distributions for KFC and McDonalds. The presented results can guide other chains to enhance business location planning and formulate regional development policy.
Keywords: fast-food chains; spatial distribution; spatial autocorrelation; geographically weighted Poisson regression
1. Introduction
Over the past thirty years, retail sales in Mainland China have risen at a steady double-digit
growth rate, far surpassing the countryrsquo;s GDP growth. The boom in the food industry, including
the rapid growth in fast-food chains, has also fueled domestic economic growth and expanded
employment channels [ 1 , 2 ]. The various favorable factors for investment in China, such as its large
population, remarkable socioeconomic development, huge potential market, and good investment
environment, have attracted many global fast-food chains, among which KFC and McDonaldrsquo;s are
the most successful in terms of the rate of market expansion. By the end of 2012, the number of KFC
outlets in Mainland China had surpassed 4000, and this number has continued to grow by as many as
500 new ones yearly in the past two years. Meanwhile, McDonaldrsquo;s has opened more than 1700 outlets
in Mainland China and is planning to open 600 more over the next two years.
The overseas expansion of the food industry necessitates a comprehensive consideration of
many factors such as investment risk, food quality, management strategy, eating habits, and cultural
differences [ 3 ], which means site selection is vital for success [ 4 , 5 ]. Studies of the distribution of existing
chain stores show that traffic network [ 6 ], proximity and ethnicity [ 7 , 8 ], household income [ 9 – 11 ], and
culinary culture [ 12 ] all play important roles in the spatial layout of food outlets. Methodologically,
multiple regression models are typically used to analyze the locational differences of food stores.
Moore et al. [ 13 ] used Poisson regression to investigate the relevance of restaurant locations oncustomers racial composition and income, pointing out the decisive impact of ethnic composition and socioeconomic structure on selecting the site of a food store. Powell ei al. [14] studied the relations among the racial, ethnic, and income characteristics of customers and the accessibility of fast-food restaurants in the United States using multi-factor regression analysis. They concluded that higher proportions of fast-food restaurants in predominantly black neighborhoods may contribute to racial differences in obesity rates. By adopting a snowball sampling strategy, Larson ei al. [15] also examined the relevance of the locational disparities of grocery stores and fast-food restaurants in the United States for low-income earners, ethnic minorities, and the rural communities. Black ei al. [16] used multivariate regression method to estimate the associations between the spatial distribution of food stores and the urban planning and socio-demographic variables in British Columbia. The results indicated that neighborhoods with higher household income had decreased access to food stores.
Despite these findings on the implications of the distribution of food stores, the analyses in previous studies have tended to focus on socioeconomic factors, somewhat overlooking the importance of spatiality. Technically, spatial autocorrelation examines the relationship between similarities and distance [17-19]. The phenomenon that near things are more related than distant things is universal. If the relationship is spatially non-stationary, geographically weighted Poisson regression (GWPR) can be used to investigate distributions that are not constant across space [20-23]. Further, most previous studies have focused on food store distribution within a specific city at the neighborhood level, and few researchers have attempted to investigate the locational differences in the spatial distribution of food stores (especially different international fast-food chains) at the national level, especially in Mainland China. As KFC and McDonalds, two of the most successful international fast-food chains, compete in all large Chinese cities, it is unclear how they are distributed nationwide and whether there are differences in their layout characteristics. The spatial autocorrelation and spatial non-stationarity of their outlet distributions is worth studying to find out their locational differences and similarities and to understand why they are distributed in this way. These results would benefit the commercial planning processes of other retail chains.
-
Study Area and Data Sources
- SiudyArea
The study area of the present research is restricted to Mainland China only, excluding Hong Kong, Macao, and Taiwan. At the level of prefecture administrative unit, it consists of 337 administrative units at the prefecture level and above.
剩余内容已隐藏，支付完成后下载完整资料
附录A 译文
肯德基和麦当劳在中国分布情况分析
- 引言
在过去的30年里，中国大陆的零售额以稳定的两位数增长。增速远远超过国内生产总值增速。包括食品工业的繁荣。快餐连锁店的快速增长，也带动了国内经济的增长和扩张、就业渠道。在中国投资的各种有利因素，如规模大、人口多，社会经济发展显著，市场潜力大，投资效益好，已经吸引了许多全球快餐连锁店，其中肯德基和麦当劳最成功的就在于市场的扩张速度。到2012年底，肯德基的数量中国大陆的门店已经超过4000家，而且这个数字还在继续增长。在过去的两年中，每年新增500个。与此同时，麦当劳已经开设了1700多家门店并计划在未来两年内再开设600家。食品工业的海外扩张需要全面考虑许多因素，如投资风险，食品质量，管理策略，饮食习惯和文化差异，这意味着选址对成功至关重要。现有分布研究连锁商店显示，交通网络，邻近性和种族，家庭收入，和餐饮文化在餐饮场所的空间布局中都扮演着重要的角色。
Moore等人运用泊松回归(Poisson regression)研究了餐厅位置对顾客种族构成和收入的相关性，指出种族构成和社会经济结构对食物店选址的决定性影响。Powell.采用多因素回归分析研究了美国顾客的种族、民族、收入特征与快餐店可达性之间的关系。他们的结论是，在以黑人为主的社区里，快餐店的比例越高，肥胖率的种族差异就越大。通过滚雪球抽样策略，Larson.还研究了美国杂货店和快餐店对低收入者、少数民族和农村社区的地理位置差异的相关性。Black.用多元回归方法估计了不列颠哥伦比亚省食品商店空间分布与城市规划和社会人口变量之间的关系。
尽管这些发现是关于粮食储存分布的影响，但以往研究的分析往往侧重于社会经济因素，在一定程度上忽略了空间性的重要性。技术上，空间自相关检验相似性与距离之间的关系。近处的事物比远处的事物联系更紧密这一现象是普遍存在的。如果这种关系在空间上是非平稳的，则可以使用地理加权泊松回归(GWPR)来研究空间上非恒定的分布。此外，以往的研究大多集中在某一特定城市的邻里层面的食品店分布上，很少有研究者尝试在国家层面上研究食品店(尤其是不同的国际快餐连锁店)空间分布的区位差异，尤其是在中国大陆。肯德基(KFC)和麦当劳(McDonaldrsquo;s)是全球最成功的两家国际快餐连锁店，它们在中国所有大城市都存在竞争，目前尚不清楚它们在全国的分布情况，以及它们的布局特征是否存在差异。其出口分布的空间自相关和空间非平稳性值得研究，以找出它们的区位异同，并了解它们为何以这种方式分布。
- 研究区域和数据来源
2.1 研究区域
本研究的研究范围仅限于中国大陆地区，不包括港澳台地区。县级以上行政单位由337个。中国大陆的肯德基和麦当劳门店大多位于城市。中国大陆传统上根据经济发展程度分为东部、中部和西部三大区域(图1)。东部地区由沿海发达省份组成，自然条件优越，交通便利，社会经济成就显著。中部地区包括人口众多、自然资源丰富的内陆欠发达省份。这是中国的经济腹地和重要市场。剩下的偏远欠发达省份包括西部地区，其特点是自然条件恶劣，贫困率高，市场狭窄。特别是社会经济资源高度集中在省会城市。
2.2 数据源
本研究的数据主要包括两类:地理空间数据和社会经济数据。前者包括研究区域内所有行政单位的地图(取自国家基础地理信息系统)，以及2011年肯德基和麦当劳门店的具体位置。这些店铺的位置是从这两家快餐连锁店的网站上收集的，而中国大陆主要城市的店铺详情则从互联网上相应的电子地图上获得。后者包括香港永久性居民的人。2011年主要城市人均国内生产总值、城镇居民人均可支配收入，数据来源于《中国统计年鉴(2012)》。
- 空间分布
3.1 一般分部
麦当劳和肯德基门店的分布从中国东部向西部递减，两者之间存在明显的差距，如图1所示。约74.1%的肯德基门店(2894家)位于中国大陆东部沿海12个省份。同样，80%的麦当劳门店(1376家)位于这12个东部沿海省份。大量的网点集中在珠江三角洲(以广州为中心)、长江三角洲(以上海为中心)和环渤海经济圈(以北京为中心)。肯德基和麦当劳在华中地区的门店比例分别为17.8%(684家)和14%(236家)。在西部地区很少有分店(肯德基）8.1%，314家;以及麦当劳(McDonalds) 6%的门店。事实上，麦当劳在中国西部省份省会以下的城市几乎没有门店。
在这两个链条的出口空间分布上，既有相似之处，也有不同之处。在这两种情况下，网点都倾向于集中在省会城市，而网点在省会城市的比例则从西向东递减。然而，肯德基更多的是在省会以外的市场，包括地级市和县级市;它在首都的门店数量比麦当劳在每个地区的门店数量少10%左右。
3.2.主要城市的相关性
该研究比较了肯德基和麦当劳在主要城市(省会和四个直辖市)的门店数量。肯德基和麦当劳门店的区域重叠很明显。北京、上海和广州的门店数量最多。R2 为0.8774，表示一个连锁网点多的城市，另一个连锁网点也多。斯皮尔曼的rho相关系数也达到0.907。具体来说，与肯德基相比，麦当劳在广州的门店数量远远高于平均水平，而麦当劳在上海、杭州和哈尔滨的门店数量与肯德基的门店数量并不相称。
3.3.市场的扩张
市场扩张的分析是基于城市等级的，通常是根据中国人口规模将城市分为特大城市、特大城市、大中城市和小城市。我们将337个地级以上城市划分为5级，每一级城市的政治地位、经济实力、城市规模、区域吸引力各不相同。从上到下，每一层的城市数量分别为5、14、21,107和190个。
肯德基和麦当劳在各一线城市的门店总数和平均每个城市的门店数量如表2所示。两家连锁店各层级门店平均数量的下降趋势表明，其门店的市场扩张程度与城市规模呈正相关。这种正相关在麦当劳的例子中尤其明显。在图3中，在x轴上将城市每一层的出口数量划分为若干个范围，然后在y轴上计算每个范围内包含出口数量的城市数量，得到频率分布直方图。
麦当劳在中国的市场扩张远远落后于肯德基。麦当劳门店的分布覆盖了大多数三线及以上城市。但在较低水平(占中国大陆城市88%)，其市场扩张从四分之三(四线)下降到四分之一(五线)。图3d,e显示的是大多数拥有0家或少数门店的城市，表明其在二线城市的市场扩张仍处于起步阶段。随着麦当劳在全球范围内的裁员，它已将重点转移到一线和二线城市，从而扩大了这些市场与三线至五线城市之间的差距。综上所述，肯德基和麦当劳对市场扩张的侧重点不同，导致他们在这方面的策略也不同。
- 空间自相关分析
空间自相关是指检测某一属性值或地理现象与该属性值或地理现象在地理区域表面相邻位置的对应属性值或地理现象之间的关联度。根据分析范围可分为全局空间自相关和局部空间自相关。
全局空间自相关估计某一属性值或地理现象在整个研究区域的空间分布情况，以检查其是否在空间上聚类。用来评估全球空间自相关的统计数据之一是Moranrsquo;s I index，它测量邻近空间位置的属性值之间的相关性。局部空间关联指标(LISA)评估局部空间单元内的属性值与相邻区域对应属性值之间的相关性。LISA可以通过使用本地的Morans I来测量。这可以为空间依赖的位置提供更详细的见解。此外，还绘制了一个Moran散点图来可视化研究区域内属性值的局部不稳定性。Moran散点图通过二维图像说明了空间滞后因素，并检测出局部空间分布中的四种空间相关类型:high-high (HH)、low-high (LH)、high-low (HL)和low-low (LL)。
4.1.全球空间自相关分析
该研究使用人均肯德基门店(在本例中为每百万人)来衡量全球空间自相关的莫兰I指数，即0.3530。p值为0.001，说明置信度内存在显著的全局空间自相关。同样，对人均麦当劳门店进行探索性空间数据分析和全球空间自相关，得到Moranrsquo;s I为0.2385,p值为0.001。因此，各城市中各链的分布密度均表现出显著的正空间自相关关系，说明空间分布不具有随机条件，而是倾向于接近分布密度较高或较低的城市。
4.2.局部空间自相关分析
全局空间自相关的缺点是它经常忽略不寻常的局部条件或小规模的局部不稳定性。因此，需要对肯德基和麦当劳门店的分布密度进行局部空间自相关分析，以揭示其地域特征(如空间依赖性和异质性)。同样，Moran散点图可以通过将二维变量转化为可视化形式来评估局部范围内的空间不稳定性。以肯德基和麦当劳门店分布的标准化平均密度为横坐标，以空间滞后因素为纵坐标，图4构建了中国大陆337个城市人均肯德基和麦当劳门店数量的Moran散点图。
337个城市中有256个位于象限1 (HH型)和象限3 (LL型)，说明KFC的空间分布不具有随机性和离散性，而是在地理空间上呈现出显著的正相关关系。这一结果与全局空间自相关分析的结果是一致的。象限3中众多且密集的点意味着:(1)与人均肯德基店相比，更多的城市人均肯德基店较低;和(ii)低值更接近。大城市的数量较少意味着象限数量较少且分布较广，有明显的离群点，说明城市之间高密度值的差异较大。点在象限2和象限4中的分布显示了城市与其周边城市之间的差异。在象限2 (LH型)中，50个非典型城市人均肯德基店数较低，但其周边城市人均肯德基店数较高。此外，象限4中的31个城市(HL型)的不同寻常之处在于，它们的人均肯德基门店数量较高，但其周边城市的人均肯德基门店数量较低。
麦当劳门店地理空间分布具有显著的全球空间相关性。与肯德基相比，麦当劳的莫兰散射图中象限1的点更少、更分散;相反，象限3有更多的点和更高的密度。HH区域点的分布证实了城市间人均麦当劳门店数量的差异是可以考虑的，因为这些城市的人均麦当劳门店数量很高。象限3的点数越多，说明麦当劳在中国大陆的市场扩张速度落后于肯德基。此外，在象限2(59分)和象限4(28分)中，得分分布不均衡的异常值较多，说明麦当劳市场扩张不足造成的区域差异。
然而，尽管这些散点图显示了局部的空间差异，但它们没有提供索引来表明它们的显著性水平。LISA的测量可以进一步揭示肯德基和麦当劳的配送差异。图5显示了LISA集群图和Moran散点图的组合，以突出它们在空间分布上的差异。
在5%的显著性水平下，139个城市及其邻近城市的肯德基分布具有显著的聚类性。从图5a可以看出，HH显著聚类的城市较少，主要分布在环渤海经济圈、长三角、珠三角以及闽东沿海地区。虽然北京人均肯德基店数较高，但由于周边城市人均肯德基店数较低，所以HH没有明显的集聚性。HL集群城市主要分布在我国中西部发达城市和省会城市。只有9个城市具有显著的HL聚集，而且这些城市都位于中国西部。LH聚类城市主要分布在HH聚类的周边区域，包括环渤海经济圈东北和西北、长三角西部、福建西部、广东西北部。其余城市均表现出LL聚类，西部城市聚类显著。
虽然麦当劳在中国大陆的门店数量远远落后于肯德基，但其在北京、上海和广东的市场扩张与肯德基相当。考虑到这两家连锁店在中国西部的人均数量较低，主要的差异在于东部省份和中部地区。图5b显示了麦当劳门店的不同集群类型。麦当劳的HH集聚区比肯德基覆盖的城市少(43个)，这种差异在环渤海经济圈和长三角地区尤为明显。此外，东部沿海地区麦当劳门店的HH集聚程度不如肯德基，部分城市甚至出现了HL集聚。相比之下，中部相邻城市没有显著的HL聚类，周边地区也出现LH聚类。西部地区以LL聚类最显著。
- GWPR分析
当需要确定独立变量和因变量之间的两个或多个相互依赖的定量关联时，通常会建立回归模型。地理加权回归(GWR)模型是普通线性回归模型的扩展，将数据位置嵌入回归参数中[20,27,28]。用于局部回归分析的某些空间单元的回归参数不再是由全局信息得到的任意常数;相反，它们来自相邻数据的测量数据，因此随空间位置而变化。GWR的主要优点是在局部线性回归分析中使用距离加权数据样本进行点对点评价。在计数响应建模的情况下，泊松回归模型是流行的。作为GWR的自然扩展，利用地理加权广义线性模型[29]的框架，从理论上推导了具有地理变化系数的地理加权泊松回归(GWPR)。
利用Moranrsquo;s I指数和Moran散点图进行空间统计分析，发现两家国际快餐连锁店的分布存在显著的空间自相关。在本节中，GWPR模型进一步探讨了这些分布差异背后的驱动因素。我们使用GWR4开发团队开发的GWR4软件，同时执行全局回归模型对[29]进行比较。核类型采用自适应高斯函数。选择黄金分割搜索方法确定最优带宽大小，并以AICc作为选择准则。AICc为泊松回归提供了较好的经验结果。肯德基或麦当劳门店的总数是吉尼斯世界纪录的模式设置为因变量,和GDP (G),城镇居民人均可支配收入(我),在每个城市和城市人口(P)都是独立的变量,因为这些是最典型和重要的因素在分析快餐连锁店的分布从宏观的角度来看。
在GWPR中，解释的局部偏差百分比度量局部的拟合优度。值越高，模型就越适合数据。肯德基GWPR模型中的范围为0.758到0.903。平均值是0.844。麦当劳GWPR模型中的范围从0.722到0.898。平均值是0.814。因此，两种GWPR模型的局部拟合优度普遍较好。
经济规模成为推动快餐连锁店开设新店的积极因素。图6a、b的分布有一个显著的差异，即麦当劳GWPR模型在东南地区也具有较高的价值，这与珠江三角洲经济发展随着麦当劳门店数量的增加而快速增长的事实相一致;(ii) I的系数由西向东递减(均为正相关)。西部地区表现出最大的价值，其中家庭收入通过代表消费能力在决定出口数量方面发挥着重要的作用。在华中地区，收入对肯德基的决策比麦当劳的决策更重要，如图6c,d所示;(iii) P对确定出口位置的影
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[609723]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
