基于面板数据模型的云南各州市物流发展研究

王艳

[摘要]云南省各州市物流发展影响因素既有个性又有共性，为了兼顾其共性及个性，本文在对云南十六州市进行聚类分析的基础上，采用面板数据模型，应用Stata软件对十六州市1996—2010年的物流经济相关数据进行回归分析，找出影响各类州市物流最大的原因，并针对各类州市的特点提出发展物流的建议。

[关键词]面板数据模型；聚类分析；回归分析

[中图分类号]F259 [文献标识码]A [文章编号]1005-6432（2014）10-0018-02

1 引 言

近年来，对物流与经济的回归分析大都局限于时间序列或者截面序列，采用面板数据对其进行回归分析的文献很少。[ZW（]时序数据是指时间序列数据，是同一指标按不同时间顺序记录的数据列。横截面数据是在同一时间，不同统计单位相同统计指标或者同一统计单位不同统计指标组成的数据列。面板数据是时序数据与截面数据综合起来的一种数据类型，具有三个维度的信息，一是时间维度信息，二是空间维度，也叫区域维度信息，三是指标变量维度的信息。[ZW）]而对于物流与经济的关系研究大多局限于货物周转量（代表物流）与GDP（代表经济）之间的相互关系研究。本文在前人研究的基础上，应用面板数据，采用Stata软件分析了云南物流发展的经济原因，并根据其特点，提出了发展云南现代物流的建议。

2 模型构建

2.1 理论假设

物流需求可以看成是各经济要素的函数。我们假设云南省物流需求是受各州市经济等因素的影响而决定的，而经济特征不同的地区对于物流需求不同。函数式可表示为：

Qit=f（Xit）=f（Git，Dit，Jit，Rit，…）

上式中向量集Xit表示各州市总的经济特征，可将Xit分解为分力Git、Dit、Jit、Rit等，其中Git表示i州市t年的GDP、Dit表示i州市t年的第二产业总值、Jit表示i州市t年就业人员、Rit表示i州市t年人均GDP、Qit表示i州市t年物流需求。

2.2 变量选择

本文主要从各州市物流规模、各地经济发展状况以及物流劳动力供给三个方面出发选取相关指标来研究物流与经济的关系。

（1）反映物流规模的指标

目前，相关研究普遍采用货运量与货物周转量来表征物流需求，但是，以上两种方法都存在较大的局限性，因为运输可能存在迂回运输、二次运输甚至三次运输、且运输对象有巨大差异性，因此用货运量或货物周转量来表征物流都会使其失真，对研究结果有偏歧。

国家统计局和国家标准局制定的国民经济行业分类标准：物流业属于第三产业中交通运输、仓储和邮电业。综上所述，本文认为，在分析各州市物流需求与经济的关系时，采用运输仓储及邮政总额这个指标来反映物流的需求比较合理。

（2）反映各地经济发展状况的指标

本文选取各州市生产总值和第二产业总值来表示各地区的经济发展状况。

（3）反映物流劳动力供给方面的指标

根据数据的可得性以及前人研究成果，本文采用城镇单位交通运输仓储和邮政就业人员来反映物流劳动力供给方面的情况。

2.3 回归模型估计

面板数据模型最基本的形式——个体效应模型，如下所示：

yit=xit′+αi+εit

根据变量截距α是否与解释变量x存在相关性将个体效应模型分为固定效应模型和随机效应模型。以下将应用Hausman检验来确定云南十六个州市的个体效应模型应当选用随机效应模型还是固定效应模型。Hausman检验的原假设与备择假设分别为：H统计量渐进服从于卡方分布，其中：

M=K-非时变量个数-时变量总数

因此，H统计量可以直观地告诉我们如何在随机效应和固定效应中进行选取。当无法拒绝原假设时，选用随机效应，但如果原假设被拒绝，则选择固定效应。

首先，对本文中十六州市十五年五个指标的面板数据进行平衡性检验，通过Stata中xtdescribe命令，检验结果显示该面板数据满足平衡的条件。

通过Hausman检验来确定究竟选择固定效应模型还是随机效应模型，结果如图1所示。检验结果表明，卡方统计量值为23.07，自由度为4，在95%的显著性水平下接受原假设的概率为0.0001，故应拒绝原假设选用固定效应模型及相应的估计方法。从本文的研究来看，由于是利用云南省十六州市的数据来考察云南各州市物流的发展与区域经济之间的关系，各州市之间有很大的个体差异，因此，采用固定效应模型更为合理。

3 研究结论及建议

按照以上理论假设，对四类州市[ZW（]十六州市的聚类分析参见笔者的《云南现代物流经济与空间研究》第四章第四节的研究结果。第一类州市为昆明，第二类州市为曲靖、玉溪、红河、大理、楚雄，第三类州市为昭通、文山、普洱、临沧，第四类州市为保山、西双版纳、德宏、丽江、迪庆、怒江。[ZW）]进行回归分析。得出四类州市的回归结果，并在此基础上提出了针对性的物流发展建议。

3.1 借力滇中城市群助推区域经济一体化发展

由于第一类州市就昆明一个市，因此进行一般逐步回归分析，结果如图2所示。

从图2可以看出，对于第一区域即昆明来说，通过逐步回归可知在95%的显著性水平下，对昆明来说，GDP是物流发展的最大推动因素。在其他变量不变的情况下，每增加一个单位的GDP会带给物流1.9764个单位的增量。

昆明应借力滇中城市群经济一体化的发展，充分发挥昆明在滇中城市群的增长极作用，分阶段推进滇中城市群经济一体化，从而促进昆明物流的快速发展。在一体化发展初期主要强化昆明的极核作用，不断完善交通基础设施建设；中期应注重阶段性推进一体化进程；远期要努力提高昆明的国际影响力，不断增强辐射能力和综合服务能力，并逐步由单一增长极即昆明向四极即昆明、曲靖、玉溪、楚雄四大城市增长极转变。最终实现滇中四州市经济要素无障碍流动，推动昆明国民经济的发展，从而推动物流现代化的发展。

3.2 大力发展烟草产业集群

如图3所示，对于第二区域来说，第二产业的发展对物流影响最显著。在其他变量保持不变的情况下，每增加一个单位第二产业值，会给物流带来1.2707个增量。因此可优先发展第二产业，通过第二产业的发展带动物流的发展。

第二类州市为曲靖、玉溪、红河、大理、楚雄，这五个州市在卷烟及其配套工业、钢铁、化工、有色金属、煤炭、化工、电力和冶金方面对第二产业做出了巨大的贡献，云南的第二产业的发展主要依靠这类州市。此类州市应从已有的优势产业烟草及其配套产业入手，大力发展烟草产业集群，把产业物流做强做大。

3.3 完善物流基础设施建设

如图4所示，对于第三区域来说，方程整体显著性检验F值对应的P值为0.00，说明整个方程是显著的。但GDP、人均GDP、第二产业、物流相关就业人员均不显著，因此对于这一区域来说，他们均不是推动物流发展的因素。第三类为昭通、文山、普洱、临沧，它们距昆明的空间距离较远，经济状况较差，无支柱产业，处于“尴尬”境地，发展物流较难。鉴于此，本文提出首先完善此类州市的交通基础设施，之后可考虑将此类州市的物流外包给其他三类州市，从而集中精力探寻自己的优势，当条件适合时，再发展自己的物流。

3.4 加强与东盟的外贸往来

如图5所示，对于第四类州市来说，在其他变量保持不变的情况下，每增加一个单位人均GDP会带给物流3.1968个单位的增量。故对于第四类州市来说，提高人均GDP，改善经济质量是最有效的提高其物流发展的途径。

针对第四类州市的特点，首先，可以选择区域条件优越的口岸以及一些具有较强聚集能力的口岸城市或较大规模口岸作为重点增长极，通过进一步完善口岸物流基础设施，从而优化口岸物流综合体系；另外，在中国—东盟的经济合作中，这类州市要充分发挥其通道、门户的作用，在中国—东盟经济圈中发挥自己独特的功能，扩大边境地区内外贸易的需求，拓展边境地区的生产性功能的服务，实现边境地区经济又好又快地发展，从而促进其物流的发展。参考文献：

[1]兰草.截面、面板数据分析与Stata应用[M].武汉：武汉大学出版社，2012.

[2]Hsiao，Cheng.Analysis of Panel Data[M].New York： Cambridge University Press，2003.

[3]高秀丽，王爱虎，房兴超.广东省区域物流与区域经济增长关系的实证研究[J].工业工程，2012（1）：60-65.

[4]李超锋.物流产业对广东经济增长贡献的计量分析[J].透视珠三角，2007（11）：38-40.

[5]任博英.山东半岛海洋产业集聚与区域经济增长问题研究[D].山东：中国海洋大学，2010.