区域经济与区域物流定量研究方法探讨

2013-09-03田慧丽湖北大学商学院湖北武汉430060

物流科技 2013年11期

田慧丽（湖北大学商学院，湖北武汉 430060）

TIAN Hui-li (School of Business,Hubei University,Wuhan 430060,China)

区域经济是指在一定的区域空间内进行的各种经济活动的总和，是按自然地域、经济联系以及社会发展需要形成的经济联合体，是社会经济活动专业化分工与协作在空间上的反映。区域物流是指区域内和区域间的物资流动，是区域经济的重要组成部分，在优化区域资源配置、促进区域产业结构升级和促进经济的可持续发展方面具有重要的作用。

1 指标的选取和基础数据

1.1 区域经济与区域物流衡量指标

根据研究惯例，在研究区域经济与区域物流时，通常选取国内或地区生产总值（GDP）作为衡量经济发展水平的指标。国内生产总值（Gross Domestic Product，GDP）是指在一定时间内（一个季度或一年），一个国家或地区的经济中所生产出的全部最终产品和劳务的价值，常被公认为衡量国家经济状况的最佳指标。某些研究考虑了数据的真实性和可靠性，选取研究起始年为基数，采用历年居民消费价格字数对各年度GDP和物流产值进行价格剔除，得到不变价格的GDP和物流产值。但是对GDP和物流产值等数据剔除物价因素后可能会扭曲相关信息，同时目前没有一个综合物价指数可供参考，大多数研究中只考虑GDP账面数字，而不考虑通货膨胀的因素。

物流产值是代表区域物流水平的主要指标，物流产值包括交通运输、仓储和邮政业年产值等衡量指标，目前国内对于仓储、邮政等产值缺乏统一的统计标准和真实的统计数据，研究中很少直接用区域物流产值作为衡量区域物流发展水平的指标。区域物流发展水平的衡量一般用货运量或货物周转量代替。货运量是指运输企业在一定的时期内实际运送的货物数量，反应运输的生产成果，体现运输业为国民经济服务的数量。货运周转量指标不仅包括了输运对象的数量，还包括了运输距离的因素，能够全面地反应运输生产成果。一般学术研究中用货物周转量作为衡量区域物流发展水平的指标。

1.2 综合评价指标

崔国辉等（2010）认为，选择GDP、物流产值、区域货物周转量作为衡量经济与物流发展的指标比较片面，研究中可能出现以偏概全的错误，提出建立区域经济与区域物流的综合评价模型，利用层次分析法计算出区域经济和区域物流发展实力综合得分，对区域物流与区域经济发展相关性和协调性进行深入广泛研究。区域经济发展水平评价体系包括经济总量规模、经济增长速度、经济效益水平、经济结构、经济发展潜力和经济发展协调度等6个方面。区域物流发展实力评价指标反应在区域物流需求服务规模、物流供给物质基础、物流从业人员保障、物流信息网络建设和物流产出成效水平等5个评价子体系。

2 区域物流与区域经济定量研究方法

2.1 格兰杰（Granger）因果关系检验

1978年，诺贝尔经济学奖得主恩格尔和格兰杰提出了协整理论，用于分析经济变量之间的因果关系。在时间序列情形下，两个经济变量X,Y之间的格兰杰因果关系定义为：若在包含了变量X,Y的过去信息的条件下，对变量Y的预测效果要优于只单独由Y的过去信息对Y进行的预测效果，即变量X有助于解释变量Y的将来变化，则认为变量X是引致变量Y的格兰杰原因。检验步骤为：

（1）时间序列平稳性检验

经济序列有平稳与非平稳之分，从经济意义上讲，平稳时间序列是短记忆的，它的当前值不受以前值的影响，只受近期值的影响。平稳序列就好比有一条无形的引力线使其不断地向引力线回归，有明显的上下波动，形成一条围绕均值不断波动的曲线（曾嘉，2007）。非平稳序列则受以前值的影响较大，很久以前的一次冲击会对变量的当前值产生重要的影响。非平稳序列有明显趋势，一般不会返回某个固定值。

（2）协整检验

如果一些经济指标被某些经济系统联系在一起，那么从长远看来这些变量应该具有均衡关系。协整检验证明时间序列之间是否存在长期均衡关系，是避免假性回归的有效方法。一般的检验协整关系的方法分为两种：一是Engeland Granger的二阶段分析法（即E-G两步法）；二是Johansen和Juselius提出的多变量协整检验方法。Johansen检验是在VAR系统下用极大似然估计来检验多变量之间协整关系的方法，在样本容量有限且多变量的条件下，运用更为广泛。

（3）格兰杰（Granger）因果检验

格兰杰因果关系检验假定有关Y和X每一变量的预测信息全部包含在这些变量的时间序列之中，检验要求估计以下回归：

白噪声u1t和u2t假定为不相关，（1）式中假定y与y自身以及x的过去值有关，（2）式中假定当前x与x自身以及y的过去值有关。

（1）的零假设 H0：α1=α2=……=αq=0

（2）的零假设 H0：δ1=δ2=……=δs=0

格兰杰因果检验的结果可分4种情况讨论：x到y单项因果性；y到x单项因果性；x和y双向因果性；x和y不存在格兰杰因果性。

2.2 一般回归模型检验

2.2.1 Logistic 模型

Logistic模型常用于研究区域物流业对区域经济增长的促进作用。y代表区域经济发展水平，通常以GDP代表，为因变量；x代表区域物流业发展水平，通常以货运量或货物周转量代替，为自变量。在统计分析过程中，为方便使用线性模型参数估计法，对Logistic模型做如下变换：

则转换为：y'=a'+b'x，可用线性模型最小二乘法来估计模型中的参数a'和b'。

边际作用分析。经济学中边际是描述一个经济变量变化1%对另一个经济变量所带来的变化额。边际点的自变量是经济决策的最佳点。根据Logistic模型，物流业对经济发展的边际作用为：

弹性作用分析。弹性作用是指一个经济变量变化1%对另一个经济变量带来的百分率的变化。根据Logistic模型，物流业对GDP的弹性系数为：

2.2.2 物流发展模型

大多数研究中以区域经济发展为因变量，以货运量或货物周转量等其他变量作为自变量，研究区域物流发展水平对区域经济发展的影响。一个地区的物流发展水平一般认为与本地区的经济发展水平、人口和固定资产投资有关，王利等（2012）选取经济发展水平（GDP）、人口（Population）、固定资产投资（Investment）和货运量为指标，建立物流发展模型，对我国东、中、西部地区经济发展等各因素与物流发展水平关系进行了实证分析。

函数模型：Logistics=F（ GD P,P,I）。

Logistics代表物流发展水平，以货运量或货物周转量表示，GDP代表经济发展水平，P代表人口，I代表固定资产投资。实证分析中可用面板数据模型完成回归检验。面板数据能够克服时间序列分析受多重共线性的困扰，提供更多的信息、更少的共线性、更多的自由度和更高的估计效率，是当前比较前沿的统计方法。

2.2.3 线性回归分析

线性回归是利用数理统计中的回归分析，来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法，运用十分广泛。按照自变量和因变量之间的关系类型，可分为线性回归分析和非线性回归分析。

一元线性回归只包括一个自变量和一个因变量，且二者的关系可用一条直线近似表示。一元线性回归模型为：y=ax+b，a,b为常数项。

多元线性回归中包括两个或两个以上的自变量，多元线性回归的一般形式为：yi=α0+α1x1i+α2x2i+…+αkxki+ui，i=1,2,…,n。

其中k为解释变量的数目，α0为常数项，αj（j=1,2,…,k）称为回归系数（regression coefficien）t。建立多元线性回归模型时，为了保证回归模型具有良好的解释能力和预测效果，在选择自变量时，应遵守以下准则：

（1）自变量对因变量必须有显著的影响，并呈密切的线性相关；

（2）自变量与因变量之间的线性相关必须是真实的，而不是形式上的；

（3）自变量之间应具有一定的互斥性，即自变量之间的相关程度不应高于自变量与因变量之间的相关程度；

（4）自变量应具有完整的统计数据，其预测值容易确定。

多元线性回归模型的参数估计与一元线性回归方程一样，在误差平方和Σ（）e最小的前提下，用最小二乘法求解参数。