基于VAR模型的区域物流与经济增长的关系研究

2012-09-26刘鹏

物流技术 2012年13期

刘鹏

（武汉理工大学,湖北武汉 430070）

1 引言

区域物流作为一个地区经济发展的基础性产业，是区域经济发展到一定阶段的产物。区域物流是经济增长的催化剂，不仅可以提高经济增长速率，还可以促进经济一体化的发展。而经济增长是区域物流发展的前提和必要条件，没有经济的发展就不存在区域物流的发展，经济增长是拉动物流企业发展的重要外力。区域物流与经济增长是如何相互影响，相互制约又相互促进，是一个值得深入研究的重点课题。因此，利用向量自回归模型研究区域物流与经济增长的关系，具有重要的现实价值和实践意义。

2 区域物流与经济增长的关系研究

2.1 区域物流对经济增长的促进机制

首先，区域物流的发展可以促进物流企业内部经济效益的增加，进而促进国内生产总值的增加。区域物流是区域经济增长的加速器，它能有效促进地区经济的增长，通过促进货物周转量的增加来提高经济活动中的商品交易，同时也提高了商品交易的效率，从而加快了资金的周转，间接地提高了企业的核心竞争力，进而促进了区域经济增长。

其次，区域物流的发展可以促进经济结构的转型升级。随着第三产业，尤其是生产性服务业的飞速发展，物流产业开始崛起。现代物流的发展促进了我国经济结构的转型升级，从劳动密集型逐渐向技术密集型和资金密集型转变，促进了各大产业附加值的增加，从而促进了我国国民经济的转型升级[1]。

此外，区域物流发展促进了网络经济与信息技术的发展，从而带动了我国高技术经济的发展。区域物流的发展需要强大的网络数据库与信息系统的支撑，物流产业的发展促进了运输服务方式的改进与创新，加快了网络知识经济与计算机网络技术的发展，促进了我国高端产业的发展，从而加快了我国经济增长的速度。

2.2 经济增长对物流企业的影响

区域经济发展水平对物流企业有着举足轻重的影响。区域物流是区域经济发展到一定阶段的产物，区域物流发展水平与区域经济发展水平基本相一致，经济的发展程度决定了区域物流的现代化水平。一般而言，东部沿海区域的物流发展水平较快，中部地区相对较为缓慢，而西部区域物流水平相对较为落后。经济的高速发展必将导致商品的大幅度流动，为物流企业提供了广阔的市场需求和发展空间，从而促进了物流企业的发展。从供给角度来看，经济的大幅度增长必将增加对于区域物流的需求，而庞大的市场需求就要求物流企业提供高质量的物流服务，从而促进物流企业的发展[2]。总而言之，经济增长对物流企业发展有着正向的促进作用，也就是说经济增长促进了物流企业的发展。

2.3 区域物流与经济增长的互动关系研究

根据前面的分析可知，区域物流与经济增长之间并不是单向的影响关系，而是相互影响、相互促进的。下面以浙江省为例，分析物流业的发展与经济增长的互动趋势，以浙江省生产总值代表浙江省的经济增长，以货物周转量代表浙江省区域物流的发展情况。

由图1可知浙江省GDP和物流货物周转量呈稳定增长的态势，即区域物流与经济都呈现稳定增长的态势，但是区域物流的增长速度明显高于经济增长的趋势，因此也可以得出区域物流的增长对经济增长具有一定的贡献作用。尤其是2003年以后，货物周转量的增长率迅速提高，呈指数型增长的态势，在2009年度的增长变缓，2010年货物周转量又开始高速的增加。相对而言，浙江省GDP的增长较物流增长更为稳定，自我国加入世贸组织后，浙江省GDP出现快速的增长，而在2006年左右，受全球金融危机的影响，浙江省经济增长的速度有所下降，但是仍呈现稳定增长的态势，2010年浙江GDP总值已达27 722亿元，至此国民经济又开始稳定的快速增长。可见，区域物流与经济增长的发展速度存在很多相似之处，说明区域物流与经济增长之间可能存在双向的促进关系。根据图1，只能从表面看出两者的变化情况及发展走势，不能表现出两者具体的关系，下面运用向量自回归模型进行量化具体分析。

3 基于VAR模型的区域物流与经济增长关系的实证分析

3.1 VAR模型说明

经济学中普遍采用一般的线性回归模型对变量之间的关系进行估计，但一般计量模型都假设自变量序列之间是不相关的，即cov（Ei，Ej）=0。而经济学理论又往往不能对变量之间的某种动态关系进行严谨表述，甚至出现变量的内生性，这都可能影响模型估计的可靠性。为消除这种影响，可采用向量自回归模型（VAR模型）进行改进。

VAR模型一般用于时间序列的相关性预测以及随机扰动项对变量的扰动影响分析，普通的线性回归模型需要对内生变量进行滞后函数的设定，但VAR模型就巧妙地避开了这一点。为进一步了解VAR模型的形式，设定基本的VAR模型如下：

其中，Yt为内生性变量序列，设为m维；Xt是外生性变量序列；a1，a2，…，ap是内生性 Y序列的带估计参数，b1，b2，…，br是X序列的待估计参数，这里内生变量Y与外生变量X分别有p阶和r阶滞后期。模型（1）也可称为VAR（p）模型，VAR模型的一个任务就是找到变化的滞后期和自由度构成的一种均衡，常用的方法就是计算模型（1）的AIC值和SC值，以它们取值最小时的p作为最佳滞后期。其中AIC和SC的计算公式分别为：

其中m是待估计的参数个数，即（p+r），k是样本观测值的个数，d的计算式为：

3.2 指标的选取与变量说明

本文采取定量分析方法量化研究区域物流水平与区域经济增长水平之间的关系，因此要选取合理的指标来量化区域物流与区域经济。从图1我们可以直观地看出，浙江省区域经济发展水平的增长走势与货物周转量的增长走势大致相当，因此可以初步地认为它们之间存在某种相关性。但为了使研究更为可信，首先对指标进行说明：

（1）区域物流发展水平指标。实际上，对区域物流发展水平的衡量一直是学术界争议不休的话题，部分学者认为与我国物流业这一特殊服务业密切相关的服务业应是交通运输及仓储邮电业，因此他们选取交通运输、仓储、邮电业总产值作为物流业发展水平的代理变量。但这种表示法存在一定的不足：我国物流业的发展是由多种因素的共同影响而形成的，它应是一个极为复杂的系统，而不是交通运输、仓储和邮电业产值的简单加总。也有部分学者如张建升（2011）则从物流需求的角度对物流发展水平进行计量，他认为物流过程中最重要的环节是交通运输，因此用社会运输量反映物流需求量，而货物周转量可以代替社会物流需求量[3]。笔者再三考虑，决定采取张建升的方法，以全社会货物周转量来代替物流发展水平指标，用tf表示。

（2）区域经济发展水平指标。区域经济发展水平指一个地区经济的综合质量，一般，经济学中对于经济的发展可以用经济增长来衡量，而衡量经济增长的莫过于产量或产值的增加，因此本文选取地区生产总值来表示区域经发展水平，用gdp表示。考虑到地区生产总值的计量受到价格水平的影响，因此必须在原值基础上剔除价格因素。

3.3 模型的建立及检验

本文选取浙江省作为区域研究对象，以浙江省货物周转量tf和浙江省地区生产总值gdp作为变量进行实证研究，其中时间序列为1990年至2010年，本文数据均来自《浙江省统计年鉴2011》。从图1可以看出，浙江省物流货运周转量与GDP之间的差值随时间变得越来越大，导致进行关系估计时可能出现异方差。因此将两个变量均取自然对数（ln tf，ln gdp）进行建模，以消除异方差。

为检验时间序列的平稳性，首先对其进行单位根检验。用eviews软件对lntf和lngdp进行ADF检验，并以显著性值来确定向量自回归模型的滞后阶数，其中单位根检验结果见表1。

从表1可以看出，ln tf与ln gdp及其的一阶差分ADF值都大于10%显著性水平下的临界值，表明都存在单位根，因此两个变量在水平和一阶差分下都是不平稳序列。而从ln tf和ln gdp的二阶差分ADF值可以看到，它们都小于1%显著性水平下的临界值，因此可认为两个变量在二阶是平稳的。因此有ln tf～I（2），ln gdp～I（2）。

根据单位根检验结果，建立VAR模型为：

由eviews对VAR模型（4）和（5）进行估计，得到的 VAR估计结果见表3。

从模型（4）和（5）的回归结果可知，两个模型的一阶内生变量和一阶外生变量对被解释变量都是显著的，但是二阶内生变量和二阶外生变量对被解释变量却都不显著。原因之一可能在于浙江省区域物流增长与区域经济增长之间的互动关系在短期内是非常明显的，但2年之前的浙江物流发展水平对当年的经济发展水平影响却不显著，而且2年之前的浙江经济发展水平对当年的物流发展水平影响也不显著。这一点从模型回归结果中也可说明：一阶滞后项的系数普遍大于二阶滞后项的系数。这从侧面表明浙江省的经济和物流服务业的发展是迅猛的，达到了快速更新换代的状态。原因之二可能是模型（4）和（5）的相同变量从第二个滞后项起就存在多重共线性，因此影响变量的显著性。但总体而言，模型（4）和（5）共同验证了浙江省区域物流发展与区域经济发展之间的关系是及其密切的。