港口物流与经济增长关系分析

蔡素丽

(福州外语外贸学院管理学院，福建 福州 350018)

港口物流与经济增长关系分析

蔡素丽

(福州外语外贸学院管理学院，福建 福州 350018)

摘要：以福建港口物流与经济增长之间的关系为研究对象，选取福建2004 -2013年港口货物吞吐量、地区生产总值和三次产业生产总值等统计数据，运用回归分析方法与弹性系数法建立数学模型，运用灰色系统预测理论建立GM(1,1)预测模型，分析港口物流与腹地区域经济发展的关系.通过分析可知港口物流的发展能促进区域经济的增长，且对第二产业经济增长的拉动效应最大；目前GDP对港口物流发展仍缺乏弹性，未来港口货物吞吐量将持续快速增长，对区域经济增长的贡献将持续增大.

关键词：港口物流 ； 经济关系 ；回归分析；弹性系数

港口物流是港口城市利用其自身作为运输口岸的优势，依托先进的软件和硬件设施，加强对港口周边物流运输能力的辐射，突出港口集货、存货、配货的功能，以临港产业集群为基础，以港口信息服务技术为支撑，以优化和合理应用港口资源为目标，发展能够包含所有物流产业链环节的综合服务体系.港口物流是物流服务进程中的重要节点，也是完成整个供应链物流产业系统最基本的物流服务和产生的增值服务.随着国际贸易的快速增长，港口作为交通运输的枢纽接口和国际贸易的支撑平台，其参与经济腹地的资源配置、综合物流配送的作用正逐步凸显.

福建北临长江三角洲,南接珠江三角洲,面对台湾海峡，有丰富的港岸线资源，是我国港口的重要组成部分；在古代是“海上丝绸之路”的发祥地[1]，当代处于海峡经济区域中主体地位.港口作为海陆货物运输的结合点，在配置资源、区域产业结构调整方面有着无可替代的作用.福建省加大港口基础设施建设，加强港口岸线管理统筹岸线开发与保护，实施港口体制一体化整合改革，提出“大港口、大通道、大物流”发展战略，福建省港口实现了从对经济社会发展的瓶颈制约到基本适应的历史性突破.“十一五”是福建省港航发展最快的历史阶段，尤为重要的是福建省把港口群列作为“十二五”海西经济社会发展的突破口[2].本文着眼于港口物流发展和区域经济增长水平，定量分析两者的关系，探索发展港口物流对区域经济发展的影响.

1模型指标选取

港口物流发展与经济增长之间的关系主要体现在港口物流发展规模与经济发展水平指标之间，通过定量研究，可分析它们的相关关系.本文选取2004—2013年间的数据(见表1)，数据来源福建省统计局官网.在数据处理上，考虑到货物吞吐量是衡量港口功能的重要指标.港口货物吞吐量指经水运进出沿海主要港区，并经过装卸的货物数量，包括邮件及办理托运手续的行李、包裹以及补给运输船舶的燃料、物料和淡水.它不仅反映了港口物流的规模，也在一定程度上反映港口腹地区域生产力的配置状况以及地区经济发展水平，另由于集装箱主要是以厦门为代表,福建省其他港口主要还是货物吞吐量，所以集装箱吞吐量不能代表全部的港口物流量，因此选取港口货物吞吐量作为衡量港口物流发展水平的量化指标，比较符合实际情况.国内地区生产总值(GDP)反映一个地区的总体经济实力，具有权威性和可比性，因此选取GDP作为区域经济发展水平量化指标.采用计量方法对福建区域经济发展水平与港口物流发展水平进行定量分析研究.取福建港口货物吞吐量为X，福建地区生产总值(GDP)为Y.通过散点图分布可知两个变量随时间序列均呈现平稳指数上升趋势，无异常数据.

表1　2004-2013年福建省GDP与港口货物吞吐量[3]

2研究方法

2.1　回归分析法

对所选变量X与Y的原始数据，运用DPS数据处理系统软件进行相关性分析，可得自变量与因变量的相关系数为0.9908，显著水平p小于0.05, 且通过异常值检验.根据相关系数标准判断，在显著水平小于0.05时，当相关系数|r|大于等于0.8时，视为高度相关.

2.1.1回归方程的建立

回归是研究因变量随自变量变化的关系形式分析方法.它可以简便有效地利用调查统计资料分析变量间关系，以对经济现象进行预计、推断.它在生产实践、经济分析、科学实验、工程技术中都有着极为广泛的应用.其原理是所求回归方程尽可能靠近每一个样本点，使得对所有自变量，观察值与回归值的偏离达到最小.经数据分析得知，所选指标之间的相关性较大，适合拟合一个包含所有自变量的线性回归模型.GDP与港口货物吞吐量相互依存，即快速发展的区域经济能带动港口物流的迅速增加，港口物流量的增加很大程度上促进GDP的增长.

运用DPS数据处理系统软件进行数据分析，得回归模型：Y=-4739.0180+0.5834X，其中Y为福建省GDP，X为港口物流吞吐量.相关系数R=0.9908，决定系数R2=0.9817，调整后的相关系数Ra=0.9897，在显著水平5%时, P=0.0001,说明回归方程具有意义，具有分析价值.决定系数R2=0.9817，表明港口物流量变异能解释GDP变异的98.17%；从回归方程式可看出港口物流货物吞吐量每增长10%，GDP值增长5.834%，所以港口物流的发展能促进区域经济的增长.

从产业结构角度分析.第一产业与港口物流吞吐量相关关系：Y1=1.6561+0.0421X，相关系数为R1=0.9845；第二产业与港口物流吞吐量相关关系：Y2=-2948.7326+0.3131X，相关系数为R2=0.9890；第三产业与港口物流吞吐量相关关系：Y3=-1791.9414+0.2283X，相关系数为R3=0.9927(其中Y1、Y2、Y3表示第一、二、三产业地区生产总值).通过三大产业与港口物流吞吐量的相关关系分析，我们可以知道随着港口货物吞吐量的增加，福建省第一产业增加值有一定程度的增加，但增长率较低，说明港口货物吞吐量的增长对第一产业的增长影响较小；港口货物吞吐量的每增长10%，第二产业增加值增长3.131%，即港口物流的发展对工业(包括采掘工业、制造业、自来水、电力、蒸汽、热水、煤气)和建筑业的拉动效应较大；港口货物吞吐量每增长 10%，福建省第三产业增加值增长2.283%.从增加值增长量上分析，港口物流量对第二产业增值影响最大，其次是第三产业，对第一产业增值影响较小，但港口物流与第一、二、三产业相关系数都较大，说明他们它们之间皆存在较强的相关性.

2.1.2显著性检验(F检验)

回归方程的显著性检验是检验自变量和因变量的线性相关关系是否显著.根据计算结果及方差分析，方差的显著水平应小于等于0.05，否则所建立的回归方程无意义，经计算得方差分析，其中p值为0.0001，符合条件.其次检验Y与X之间线性回归关系的显著性，给定显著水平a值等于0.05， 观察值F=429.7008>4.96(查表F0.05(1,10)=4.96)，回归方程通过检验，拟合优度非常高，认为Y与X之间存在着显著的线性回归关系.

在DPS 数据处理系统中，当选择一个最优回归方程后，还需要对方程做进一步的精细分析，其中一个主要方面是残差分析.拟合残差进行诊断时采用残差分析图分析方式，各点均在-2~+2的范围之内，且没有任何趋势，Cook距离小于1， Durbin-waston统计量d=1.7347接近2，符合0

2.2　弹性系数法

通过上文的分析，福建省GDP与港口货物吞吐量之间确实存在很高的相关性，但是如果想从历史具体时段考察变量之间的相互依存关系和敏感变动的规律，回归分析定量方法还不能完全实现，而以弹性经济学为理论基础的弹性系数法则能较好地实现这一目标.弹性系数法是以各种经济变量为考察对象，利用数学方法在经济变量之间建立函数关系，进而研究它们之间的相互关系及变动规律.本文应用该方法建立起不同时期的港口货物吞吐量与GDP的弹性模型，并基于回归分析原理求解得到各时期港口物流吞吐量对GDP的弹性系数(见表2).

表2　福建省 GDP对港口货物吞吐量的弹性系数

应用弹性经济学理论，2004-2007、2007-2010、2010-2013三个时间段弹性系数均小于1，说明双方关系仍缺乏弹性，即GDP增长幅度小于港口物流量增长幅度.第一阶段到第二阶段有较大的提升，其原因是中央政策对海峡西岸港口区域的大力支持，2009年国务院在《关于支持福建省加快建设海峡西岸经济区的若干意见》中明确提出“支持海峡西岸和其他台资相对集中地区的积极发展”， 福建省抓住机遇，加大对港口的投资建设，随着海峡西岸经济区建设的推进，“两岸三通”的实现，持续快速增长的对外贸易(尤其是对台贸易)，使得港口在经济社会中的地位和作用不断提升.第二、三阶段弹性系数几乎相近，说明这两个阶段港口物流发展与经济增长呈稳定增长状态，福建GDP对福建港口货物吞吐量的变动敏感度较小.

2.3　灰色系统预测法

灰色预测模型GM(n,h)为n阶h个变量的微分方程，它是基于“部分已知，部分未知”的“小样本、贫信息”来实现预测.目前在预测研究中，常用GM(n,1)模型(一般的n≤3).GM(n,1)模型基于随机原始时间序列，按时间累加后形成新时间序列，呈现的规律可用n阶线性微分方程的解来逼近，它在经济社会系统用得比较多，具有数据少，原理简单，计算量适中，结果精度高等诸多优点[4].为了更好地把握港口物流发展和经济发展趋势，需要对两者进行预测分析.考虑到本研究预测的是单变量且是经济系统对象，同时兼顾灰色预测模型在现实应用中的可靠性与可行性.本文采用GM(l,l)模型，称为单序列一阶线性动态模型，对港口物流吞吐量及GDP发展趋势进行定量预测与合理性解释.灰色系统小误差概率p大于0.95且后验比C小于0.35，则预测精度很好.

2.3.1预测模型建立

表3　GM(1,1)预测模型

灰色预测GM(1,1)模型是将一切随机变量看作一定范围内、一段时间内变化的灰色量和灰色过程，对灰色量采用一次累加生成法，将无规律性的原始时间数列整理成规律性较强的生成数列，再对其用一阶线性微分方程的解来逼近.又一阶线性微分方程的解逼近所揭示的原始时间数列呈指数变化规律.因此，应用GM(1,1)模型进行预测的原始时间数列必须呈指数分布规律，且数据序列变化速度平稳，否则GM(1,1)模型可能失效.在上述模型指标选取部分已经通过散点图观察得出港口货物吞吐量和GDP均随时间序列呈指数平稳上升趋势.故该预测模型方法可用，预测模型见表3.

2.3.2预测结果合理性分析

模型可靠性标准：灰色系统小误差概率p大于0.95且后验比C小于0.35，平均百分误差小于10，则模型可靠，预测精度很好.根据模型可靠性标准结合表3可知，四个预测模型均符合标准，可用此四个模型分别对相应变量进行预测.假定未来经济发展趋势没有太大变化，由DPS数据处理系统实现2014-2018年港口物流吞吐量、DPS、三次产业地区生产总值的预测(预测数据略).

从预测数据观察，在未来几年内(至2018年)，港口货物吞吐量将持续快速增长，2018年突破七亿吨.三大产业增值持续增长，仍然表现为第二产业增长最快，第三产业次之，第一产业最小，且第二、三产业的增幅均较大.未来五年港口货物吞吐量与GDP的弹性系数达到0.8884，与上述第三阶段0.5476比较，增幅较大，更接近1，说明港口物流发展变化对GDP的影响逐渐增大，GDP对港口物流发展变动敏感度增强.同时，这也符合弹性系数理论，在未来一段时期内GDP对港口物流量的弹性系数还会继续升高，之后才开始下降.

3结语

港口物流产业是一个新兴产业，它对腹地区域经济的带动作用非常明显，发展港口物流有利于提高区域经济系统运行的效率，促进区域经济发展，同时区域经济的实力也为港口物流发展提供物质保障，二者之间形成良性互动关系.以上研究，运用线性回归分析方法得出港口货物吞吐量与 GDP 及三种产业之间均存在正相关关系，港口物流发展对地区三次产业发展优化具有一定的拉动效应 ，对第二产业拉动效应最大、第三产业次之，第一产业较小，因而能够促进地区产业结构的优化调整；运用弹性系数法求证港口货物吞吐量与 GDP的阶段弹性程度，弹性系数均小于1，港口物流发展对福建区域经济发展的拉动效应在未来仍有持续上升的空间.运用灰色系统预测理论建立的预测模型说明了在未来时间港口物流与区域经济仍然持续保持这种良好的关系.

此外，福建港口物流的快速发展与海峡两岸的合作日益密切息息相关.港口物流给两岸经济整合，闽台产业合作注入了新的生机.同时对港口物流发展而言，也是机遇与挑战并存.应继续加强港口设施建设，加强港口岸线管理，统筹岸线开发与保护，合理整合港口资源，加快拓展港口腹地，为更好地实现两岸经济整合，建设海峡经济区服务.

参考文献：

[1]颜双波. 物流产业促进区域经济发展的实证分析：以福建泉州为例[J]. 首都经济贸易大学学报, 2012, (6):123-125.

[2]福建省港行局. “福建港口向现代化深水大港迈进”在线访谈[EB/OL]. http://www.fjgh.gov.cn/hdjl/zxft/zxft/20111025/,2011-10-25.

[3]福建省统计局．福建统计年鉴2014[EB/OL].http://www.stats-fj.gov.cn/tongjinianjian/dz2014/index-cn.htm, 2014.

[4]沈庆琼. 闽台贸易与港口物流对接[D]. 福州:福建师范大学硕士学位论文, 2008.

(责任编校：晴川)

Analysis of the Relationship Between Port Logistics and

Fujian Economic Growth

CAI Suli

(School of Management, Fuzhou College of Foreign Studies and Trade, Fuzhou Fujian 350018, China)

Abstract：This paper takes the port logistics and economic growth in Fujian as the research object,and uses fujian port cargo throughput and GDP and three industrial GDP statistics from 2004 to 2013, for analysis of the correlation between port logistics and regional economic development. It uses regression analysis method and elastic coefficient method to establish mathematical model, and on the basis of the theory of grey system prediction, establishes GM (1, 1) prediction model, and explores the contributions of the port logistics development to the regional economic growth.

Key Words：port logistics; economic relations; regression analysis; modulus of elasticity

作者简介：蔡素丽(1980— ), 女, 福建福州人,福州外语外贸学院管理学院讲师，硕士.研究方向：应用数学、数量经济学.

基金项目：福建省教育厅B类课题(批准号：JB13350S).

收稿日期：2015-02-27

中图分类号:F252.5

文献标识码：A

文章编号：1008-4681(2015)02-0084-04