双业联动下物流业对制造业产业结构升级的影响

■ 卫宗超（黄河水利职业技术学院 河南开封 475003）

问题的提出

2009年3月，国务院提出将制造业与物流业联动发展作为国家重点发展战略，通过强化制造业的供应链管理，引入现代物流业，以提高制造业生产效率，最终实现其转型升级。制造业与物流业双业联动的核心是强化供应链管理，通过供应链上资源的集约与优化，实现供应链价值的提升，最终通过业务融合、管理协同，提高将制造业与物流业的产业效率，实现双方的联动发展。通过进行文献梳理发现，已有研究主要集中在物流业和制造业发展的协调性等方面，而在物流业促进制造业产业升级方面的实证研究比较鲜见。本文借用已有研究成果，通过建立计量模型，实证分析了物流业发展对制造业升级的推动作用，并根据实证结论提出相应政策建议。

实证分析过程

本文选取物流业增加值（W）作为衡量现代物流业发展的标志。制造业产业结构与制造业的发展密切相关。本文在OECD和Sanjaya Lall对制造业分类的基础上，以生产技术含量为分类标准将国民经济行业分类标准（GBT4754-2002）中按行业分组的规模以上工业企业主要经济指标分为低技术制造业和中高技术制造业两类。在此基础上，本文定义中高技术制造业的工业总产值之和与低技术制造业的工业总产值之和的比值为中国制造业总产值结构，其公式Y=∑Yh/∑Yl，即同一时期中高技术制造业工业总产值（Yh）与低技术制造业工业总产值（Yl）的比值。定义中高技术制造业销售产值中的出口交货值之和与低技术制造业销售产值中的出口交货值之和的比值为中国制造业产品出口结构，其公式是：EX=∑EXh/∑EXl，即同一时期中高技术制造业产品出口总额（EXh）与低技术制造业产品出口总额（EXl）的比值。中国制造业工业总产值结构和制造业产品出口结构的变化情况能够显著衡量中国制造业产业结构的升级状况。

本文使用VAR模型进行统计分析，制造业分行业数据主要来源于历年《中国工业经济统计年鉴》、《中国统计年鉴》、《中国物流年鉴》和《中国经济普查年鉴》，因为部分年份、行业的数据缺失，在研究过程中实际使用的样本根据不同的研究设计可能有所减少。本文选取1992-2013年的年度数据，同时为了消除时间序列中可能存在的异方差性和减小数据的波动性，需要对原数据进行对数化处理。定义对数化处理后数据为：LNW、LNY，实证分析基于Eviews6.0软件。

（一）变量的平稳性检验

本文运用Eviews6.0软件采用ADF方法对变量的平稳性进行检验，滞后期的选择采用AIC、SC准则来确定，检验结果如表1所示。从表1可以看出LNW和LNY经过ADF检验后，t统计量值均大于各置信水平下单位根检验的临界值，由此可看出LNW和LNY是非平稳时间序列；LNW和LNY的一阶差分经过ADF检验后，t统计量均小于5%置信水平下的临界值，从而拒绝原假设，这说明LNW和LNY的一阶差分项是平稳序列。

（二）VAR模型滞后阶数的选取和稳定性检验

VAR模型最优滞后期阶数的选择对该模型的建立至关重要，若滞后期阶数太小，误差项的自相关性会很严重，影响模型参数估计的一致性；若滞后期阶数足够大，虽然有利于完整反应所构造模型的动态特征，适当消除误差项中存在的自相关，但是会导致自由度的减少，影响参数估计的有效性；此外，滞后期选择不当还会导致“伪回归”。在分析之前，应根据AIC准则、SC准则、LR准则和HQ准则等确定VAR模型的最优滞后阶数。在上述准则中，应首先观察AIC、SC准则，若二者确定最优滞后阶数相同，则可以直接确定为最优滞后阶数，否则，需要综合考虑LR准则、HQ准则、模型经济意义等来确定最优滞后阶数。对变量LNW和LNY的VAR模型确定最优滞后阶数，各信息准则的具体数据如表2所示。

根据表2，AIC信息准则、SC信息准则、LR信息准则和HQ信息准则确定的最优滞后阶数为1阶，所以确定LNW、LNY的VAR模型的最优滞后阶数为1阶。在确定VAR 模型的最优滞后期后，运用Eviews6.0软件进行模型估计，LNW与LNY相互之间动态影响的VAR模型估计结果为（括号中数字为标准差，方括号中数字为t值）：

表1 变量的平稳性检验

表2 LNW、LNY变量VAR模型最优滞后期的确定标准

表3 LNY对LNW的回归结果

表4 R的单位根检验

图1 LNW对LNY一个标准差冲击的脉冲响应

图2 LNY对LNW一个标准差冲击的脉冲响应

表5 LNY的方差分解

表6 LNW的方差分解

从上述两个方程可以看出，在自然对数水平下物流业增加值对制造业总产值结构的影响在滞后1期为正影响；制造业总产值结构对物流业增加值的影响在滞后1期为负影响，但是影响力度较小；制造业总产值结构和物流业增加值都受到自身滞后1期的强烈影响。从参数估计值的t统计量来看，在5%的显著水平下，方程（2）LNY滞后一阶估计值是不显著的，其他都显著。但VAR模型关注的是整个系统的平稳性和显著性，单个参数估计值不显著对其影响很小。模型稳定性检验一般以VAR模型中的AR特征多项式根为依据，如果所有AR根模的倒数均小于1，即都在单位圆内，该模型是稳定的；反之，则模型不稳定。本文所建VAR（1）模型特征方程的两个根分别为0.929781和0.728363都在单位圆内，因此VAR（1）模型是稳定的。

（三）协整检验

由于本文仅仅涉及两个变量，所以使用常用的EG两步法进行检验，以LNW为被解释变量，LNY为解释变量，用OLS估计回归方程模型，其结果如表3所示；R序列为上述OLS回归得到的残差，对R序列进行单位根检验，检验结果如表4所示。

ADF统计量为-1.969673，小于5%显著水平下Mackinnon临界值，从而拒绝原假设，残差序列不存在单位根，是平稳序列，这说明LNY和LNW之间存在协整关系，也就是两者之间存在稳定的长期均衡关系。

（四）脉冲响应函数分析

本文在VAR（1）模型基础上，利用Cholesky分解技术，分析LNW和LNY分别产生一个标准差大小的新息冲击时，对其当期值和未来值所产生的影响，分析结果如图1、图2所示。图1和图2中，横轴表示冲击作用的滞后期间数（单位：年），实线表示脉冲响应函数，虚线表示在相应脉冲响应图像两侧加或减两倍标准差的置信带。

图1中，实线表示在对数水平下我国制造业总产值结构对物流业增加值的一个标准差新息的脉冲响应值，虚线表示在相应脉冲相应图像两侧加或减两倍标准差的置信带。从图中可看出物流业增加值对来自制造业总产值结构的扰动立即做出了负响应，从第1期开始负响应逐渐增大，到第4期达到最大值-0.0342，此后开始缓慢回升，到第10期达到-0.0269。整体来看，制造业总产值结构对物流业增加值的影响比较平稳，这与当前我国制造业发展相对物流业较慢的现状比较吻合。

图2表示在对数水平下我国制造业总产值结构受到物流业增加值一个标准差单位冲击后的脉冲响应函数。从图中可以看出制造业总产值结构对来自物流业增加值的扰动并未立即做出响应，但此后对其响应程度较大且增长迅速，到第7期达到最大值0.1286，之后开始缓慢回落，最终稳定在0.120左右。这表明物流业增加值对制造业总产值结构的发展具有显著的推动作用并表现出一定时间滞后性。

（五）方差分解分析

脉冲响应函数可以用来分析随机扰动对变量系统的动态冲击并解释其经济影响，而方差分解是把系统中每个内生变量的波动按其成因分解为各方程信息（随机误差项）相关联的组成部分，从而了解各信息对内生变量的重要性。也就是说方差分解能产生预测方差，某变量的预测方差由自身和系统内其他变量共同引起，通过对该预测方差进行分解，可以发现该变量变化的原因。本文基于上面建立的VAR模型分别对LNY和LNW进行方差分解并解释。

从表5可以看出，制造业总产值结构波动的第1期只受自身波动的影响，物流业增加值对预测误差的贡献度在第2期才显现出来，但影响程度较大，此后影响程度逐渐增加，在前4期增加速度较快，后期增加速度较缓和，到第10期已达到90%。表明制造业总产值结构的波动显著受到物流业增加值的影响，从另一方面表明制造业发展受物流业发展影响较为显著。

从表6可以看出，虽然物流业增加值波动在第1期就受到了制造业总产值结构波动冲击和自身波动的影响，但是整体来看物流业增加值的波动基本上来自于自身，受制造业总产值结构波动冲击的影响一直很小，最高才达到3.2%。这说明制造业总产值结构波动的冲击自始至终会对物流业增加值产生影响，但是影响很微弱，由于制造业总产值结构在时间上的滞后性，这种微弱的影响会缓慢增强。

1.王晓艳.制造业与物流业联动发展的机理与模式研究[J].物流技术，2009（7）

2.韦琦.制造业与物流业联动关系演化与实证分析[J].中南财经政法大学学报，2011（1）

3.陈宪，黄建锋.分工、互通与融合：服务业与制造业关系演进的实证研究[J].中国软科学，2004（10）

4.吴群.制造业与物流业联动共生模式及相关对策研究[J].经济问题探索，2011（1）