长江三角洲物流发展及与经济增长关系的实证研究

蔡海亚,谢守红

(江南大学 商学院，江苏 无锡 214122)



长江三角洲物流发展及与经济增长关系的实证研究

蔡海亚,谢守红

(江南大学 商学院，江苏 无锡 214122)

摘要：运用熵值法，计算2002-2011年长三角城市群物流发展水平得分，发现，近10年长三角物流发展水平整体有所提高，但各市之间发展不平衡。利用锡尔系数对长三角区域物流发展差异进行空间分解，得出10年来物流锡尔系数幅度波动较小，总体趋于上升趋势。地区间总差异和地区内差异大致呈现稳定的上升趋势，地区内部的差异贡献率大于地区之间的差异贡献率。城市发展的非均衡性是长三角区域物流业产生差异的主要原因。利用空间自相关计算得出长三角区域物流空间分布呈现正向、显著的空间自相关现象，但空间集聚性呈现显著下降趋势。运用典型相关分析法对长三角物流发展和经济增长关系进行的分析表明：城市物流发展水平与经济增长存在高度相关性。

关键词：熵值法;锡尔系数;空间自相关;典型相关;长江三角洲

一、引言

现代物流被喻为“朝阳产业”,是继资源、人力之后的第三利润源泉,对地区经济发展具有重要催化作用。区域物流作为区域经济的子单元,是区域经济的基础,也是衡量区域现代化程度的核心标志之一。区域经济与物流依存度成正比,区域经济越发达,其物流依存度就越高[1]。近年来,国内外学者对物流发展及与经济增长的关系研究也在不断增加。国外学者关注的焦点在微观层面,而国内学者则对宏观层面研究较多,国内早期研究以定性分析为主。卢胜[2](2003)提出现代物流对城市经济发展具有重要意义。张越[3](2005)指出山西省物流体系的整合可以进一步推动全省经济发展。从2006年开始,定量研究不断涌现,周君[4](2006)以天津为例,采用Logistic模型来量化区域物流对经济增长的作用。蹇明等[5](2009)基于物流对经济增长的贡献维度,研究得知广西物流与经济增长存在高度关联性。徐茜等[6](2011)借助浙江省1978-2008年统计数据,实证指出浙江省区域物流与区域经济之间存在高度相关性。李国刚等[7](2012)对我国物流发展和经济增长进行实证分析,指出物流信息化水平对经济增长有显著促进作用。陈志新等[8](2013)对宁夏地区物流与经济增长进行关联分析,表明宁夏区域物流对区域经济的拉动作用要小于区域经济对区域物流的拉动作用。贺玉德等[9](2014)构建协同度模型,指出四川省区域物流与区域经济发展整体协同度较高。

长江三角洲是六大世界级城市圈之一,城市化和工业化水平较高,是中国目前经济实力最为雄厚,现代物流最具竞争力的区域。随着长三角城市群一体化进程的不断推进,广阔的市场孕育着巨大的物流需求,对现代物流的整合和提升将成为长三角地区新的发展方向。但现阶段对于长三角区域物流的研究还不多,因此，本文在综合已有研究基础上,借助熵值法、锡尔系数、空间自相关等分析长三角区域物流发展水平的时空间差异及其物流空间分布演变特征,并运用典型相关分析对长三角区域物流发展和经济增长的关系进行互动性研究,旨在为长三角今后物流的发展提供参考。

二、研究方法

(一)熵值法

熵值法是依据各变量信息载荷大小来确定权重的一种客观赋值法[10],能够减少主观因素带来的偏差,其主要计算步骤为:① 构建判断矩阵P=(aij)m×n并进行标准化处理,计算指标aij的比重xij,其中xij=aij/∑aij;② 计算熵值ej,其中ej=-k∑xijlnxij,k=(1/lnm);③ 计算差异性系数gj,其中gj=1-ej;④ 计算指标aij的权重ωj,其中ωj=gj/∑gj(j=1,2,3…n)。

(二)锡尔系数

锡尔系数(Theil),又称锡尔熵,是用来衡量区域之间的差异程度,系数值越大,表明该区域差异越大,反之越小。其计算公式为

利用锡尔系数可分解性,得到k个地区间差异以及这k个地区内部差异,其计算公式为

式中:T为锡尔系数;n为城市数量;yi代表i城市物流发展水平占长三角区域的比重;pi表示i城市物流从业人员占长三角区域的比重。TBR为k个地区间差异;TWR为k个地区内差异;j表示各地区内城市;yij为各地区内城市的物流发展水平占该地区的比重;pij为各地区内城市物流从业人员占该地区的比重。

(三)全局空间自相关

全局空间自相关是用来衡量观测样本在整个区域内的空间相关程度,Global Moran’s I指数计算公式为

三、长三角区域物流发展水平评价

本文采用2002-2013年间16城市面板数据,在兼顾长三角区域发展的实际情况及数据可获得性,选取货运总量(X1)、邮电业务总量(X2)、交通运输仓储邮电从业人员(X3)、人均货运量(X4)、地均货运量(X5)和交通运输仓储邮电从业人员占全部从业人员的比例(X6)这6个正向指标,对长三角区域物流发展水平进行评价。采用熵值法计算以上各指标权重,其权重依次为0.1181、0.2229、0.3235、0.0857、0.1339、0.1158。

对各指标进行简单的加权求和,计算出2002-2013年长三角16市物流发展水平的综合评价得分(见表1)。2002-2013年长三角区域物流发展水平呈现显著上升趋势,物流发展水平得分均值从2002年的0.0872增长到2013年的0.1820,增长了近1.09倍,但各年份增长倍数有所减小,表明相对发展速度有所放缓。计算2002、2008和2013年16城市市物流发展水平得分的极值得分比,分别为8.8090,14.6778,12.4254,表明,城市物流发展水平的极化效应在不断增强,物流发达的城市发展渐趋饱和,而物流欠发达的城市还有较大发展空间。

对2002-2013年各城市物流发展水平得分进行聚类分析,将长三角16城市划分为以下3类地区:Ⅰ类(物流发达地区),包括上海、南京、杭州、宁波和舟山5个城市,该地区服务业发达,物流从业人员高度密集,物流发展水平高。2013年,这5个城市的物流从业人员数占长三角的78.83%,物流发展水平占长三角的62.77%;Ⅱ类(物流较发达地区),包括无锡、常州、苏州、南通和湖州5个城市,该地区服务业较发达,物流发展水平较高。2013年，该地区物流从业人员数占长三角的12.93%,其物流发展水平占长三角的比重仅为19.56%,与Ⅰ类地区物流发展存在较大差距;Ⅲ类(物流欠发达地区),包括镇江、扬州、泰州、嘉兴、绍兴和台州6个城市,其物流从业人员和物流发展水平占长三角的比重均较低。2013年,该地区物流从业人员数占长三角的8.24%,物流发展水平占长三角的比重仅为17.67%,略低于Ⅱ类地区。

表1　长三角16城市物流发展水平得分及数据对比

四、长三角区域物流发展水平的空间演变格局

(一)长三角物流发展水平差异总体特征

由表2可知,长三角区域物流锡尔总系数在2002-2013年间虽有较小幅度波动,但总体趋于上升趋势,T值由2002年的0.0306上升至2013年的0.1353,增长了3.42倍。2002-2005年间总系数一直处于快速上升状态,由2002年的0.0306上升到2006年的0.0656,增长了1.21倍,表明该时期内,长三角区域物流发展水平差异逐年增大。而在2007-2010年,长三角物流发展水平差异趋于平稳,系数徘徊在0.0750附近,波动幅度较小。2011-2013年,总系数由0.1065上涨到0.1353,增长幅度较大,长三角区域物流差异进一步扩大。

借助锡尔系数的空间分解性,长三角物流发展水平总差异可分解为Ⅰ类、Ⅱ类和Ⅲ类地区间差异以及这3类地区内城市之间的物流差异。从表2可以看出,地区间总差异TBR大致呈现稳定的上升趋势,由2002年的0.0097上升为2013年的0.0316,表明Ⅰ类、Ⅱ类和Ⅲ类地区间的物流差异在逐年增大,且差异变动由大到小依次为Ⅲ类、Ⅱ类和Ⅰ类地区。在地区内部差异方面,地区内差异TWR总体呈现显著上升趋势,从2002年的0.0209增长到2013年的0.1037,其中Ⅰ类地区的锡尔系数从2002年的0.0123上升为2013年的0.0935,差异增幅显著;Ⅱ类和Ⅲ类地区的锡尔系数呈现出上下波动的趋势,但系数值较小,差异变化幅度较小,表明该地区城市在2002-2013年间物流发展水平较为均衡,并没有随着时间序列的变化而表现出显著的差异逐年递增的发展态势,但Ⅱ类地区城市间差异变动幅度要略大于Ⅲ类地区。

进一步分析Ⅰ类、Ⅱ类和Ⅲ类地区间和地区内部的差异,可以发现,Ⅰ类、Ⅱ类和Ⅲ类地区内部的发展差异显著,差异的贡献率介于52.13%-76.64%之间。据此，我们可以得出16城市物流发展的非均衡是长三角区域物流发展水平产生差异的主要动因,三大地区内部的发展差异对总体差异的影响较大。而Ⅰ类、Ⅱ类和Ⅲ类地区间的差异贡献率介于23.36%-47.87%之间,对总体差异的影响相对较小。

表2　2002-2013年长三角区域物流发展水平差异

(二)长三角物流发展水平空间相关性

由图1可知,2002-2013年间长三角物流发展水平的Global Moran’s I估计值均为正值,这表明长三角16城市物流发展水平存在显著的空间正相关;但集聚性呈现下降趋势,马太效应有所减弱。其中,2002-2005年Global Moran’s I估计值震荡幅度较大,2002年数值最高(0.2877),空间关联性最强,在2003年，指数下跌到0.2256,随后在2003-2005年间又有所上浮。从2005-2009年起,Global Moran’s I估计值一直处于下降趋势,且下降幅度显著增加,由2005年的0.2542降低到2009年的0.1781,空间集聚效应逐年变弱。但在2010年有所上扬,上升到0.1864。随后一直下降,2013年Global Moran’s I值为0.1298,达到近12年来的最低值,表明，此时长三角区域物流发展水平空间关联性进一步下降,城市间的异质性在不断缩小。

五、长三角物流发展与经济增长的互动性分析

(一)指标选取及解释

典型相关分析(Canonical Correlation Analysis)是H. Hotelling于1936年首次提出的,其主要思想类似于主成分分析法是通过对多个变量进行降维,最终转化为两个变量,验证两组多元随机变量整体相关性的一种统计方法[11]。本文选取地区生产总值(Y1)、人均GDP(Y2)、工业总产值(Y3)、固定资产投资额(Y4)和社会消费品零售总额(Y5)这5个经济增长指标,采用典型相关分析法研究物流业发展水平与经济增长的相互关系。其中,地区生产总值、人均GDP、工业生产总值可以准确衡量地区的经济发展水平和规模,定量考察物流对经济增长的影响[12]。固定资产投资总额伴随着多方面生产要素的流动,与物流发展水平也存在高度相关性[13]。社会消费品零售总额是居民消费能力的体现,也是产品市场对物流潜在需求规模的反映,与物流需求大小息息相关。

(二)典型相关模型

将物流发展水平和经济增长各指标数据标准化后进行典型相关分析。首先，对以上数据进行相关性检验,发现5对典型变量的相关系数分别为0.954、0.650、0.542、0.400和0.187,在5%的显著性水平下,这5组典型变量均是显著的。由冗余度分析可知,典型变量U1-U5能够解释物流发展水平方差比例依次为58.9%、23.9%、3.2%、4.8%、6.5%,分别解释经济增长方差比例的53.6%、10.1%、0.9%、0.8%、0.2%;典型变量V1-V5能够解释物流水平方差比例依次为58.7%、11.8%、1.7%、27.2%、0.6%,分别解释经济增长方差比例的53.4%、5.0%、0.5%、4.4%、0.0%。典型变量U3-V3、U4-V4、U5-V5对物流发展水平和经济增长的解释能力相对较差,因此，本文只需选用U1-V1、U2-V2这2对典型变量就可基本代表原始变量的信息。表3为具体的典型变量表达式。

表3　典型相关系数、显著性水平及典型变量

第1组典型变量(U1,V1),典型相关系数为0.954,X2、X3在第1典型变量U1中起主导作用,典型载荷依次为-0.402、-0.412,即U1表示邮政业务总量和物流从业人员数量的结合,代表物流发展规模;Y1在V1中载荷系数最大,系数为-2.033,即V1代表城市经济的产出能力。其余各指标对典型变量(U1,V1)的贡献度均不显著。其中X2和X3与Y1符号相同,表明城市物流规模的扩大,有利于推动城市经济的大幅度增长。

第2组典型变量(U2,V2),典型相关系数为0.650,X4在第2典型变量U2中载荷系数较大(-1.646),其次是X5、X3、X1,其中X3与X1、X4符号相反,即U2代表城市物流货运总量引发物流就业和平均产出的能力;V2变式中起主导作用的是Y2、Y3、Y4和Y5,V3代表人均经济增长的来源。其余各指标对典型变量(U2,V2)的贡献度均不显著。其中Y3、Y4与X3同向与X1、X4反向发展,表明城市工业经济的发展刺激了物流服务业的发展,带来物流从业人员数量不断增加,但工业经济的增长幅度受到城市物流发展规模的制约;Y2和Y5与X1、X4同向与X3反向发展,表明人均收入和社会消费品零售总额的提高,引发对物流需求的增加,有助于扩大城市物流规模。但是，这种需求受到各城市物流服务水平的影响。

(三)典型结构分析

表4为各变量与相应组典型变量的相关系数。

表4　典型负载系数和交叉负荷系数

表4中，第1典型变量U1与X1、X2、X3呈现高度相关,且相关系数绝对值依次为0.913、0.954和0.949,说明，城市物流服务水平和物流规模发展差异与物流发展差异显著相关。同时，X1、X2和X3对V1也具有较强的相关性,其交叉载荷系数绝对值分别为0.871、0.910和0.905,表明，城市物流服务水平和物流规模差异的不断扩大导致城市经济增长能力也在不断加剧。Y1、Y3、Y4和Y5与第1典型变量V1均显著相关,且相关系数绝对值分别为0.907、0.811、0.745和0.913,表明V1从经济产出、工业实力、基础设施、消费能力方面反映了区域经济增长能力。同时,Y1、Y3、Y4和Y5这4个原始变量与U1相关性也较高,且U1和V1变式的典型相关系数高达0.954,说明，城市物流发展与经济增长之间显著相关,物流从业人员数量和物流规模发展的非均衡性使得经济增长能力差异有所扩大。第2典型变量U2与X4、X5存在一定相关性,相关系数绝对值为0.918和0.587,表明，U2主要从物流需求密度的角度反映城市物流服务水平分布差异,X4、X5与第2典型变量中的V2也具有一定的相关性,相关系数绝对值为0.597和0.347,表明，物流需求密度的非均衡性在一定程度上会扩大城市物流发展水平差异。另外,第2典型变量V2与Y2和Y5有一定的相关性,但相关程度较低,其交叉载荷系数绝对值分别为0.633和0.283,但由于U2与V2变式的典型相关系数为0.650,依然可以在一定程度上表明物流发展与经济增长之间存在相关性,并且城市经济增长能力的差距会随着城市物流发展差异的扩大而加剧。

将长三角16城市2013年物流发展水平和经济增长指标的标准化数据代入U1、U2、V1和V2变式中,得出16城市两对典型变量的数值变化趋势图,如图2所示。

由图2可知,U1、U2的曲线波动性明显大于V1、V2,表明，长三角16城市物流发展不平衡大于经济发展不平衡。U1代表物流产业发展规模,V1代表经济发展水平,16城市U1、V1曲线呈现相似性的正相关波动,表明，城市物流产业与经济增长之间相互影响、相互促进。U2代表城市物流产出能力和物流发展规模之间的差距,U2<0，表明该城市已经充分发挥现有物流规模的产出能力,如舟山、湖州、宁波等城市；U2>0，表明该城市现有物流规模效用还没有高效地开发,如上海、苏州、南京等城市;V2代表城市人均GDP增长的来源;V2>0，表明该城市人均GDP的增长是得益于城市整体经济的发展,如苏州、南京、上海、泰州等城市；V2<0，表明该城市人均GDP的提高是得益于城市工业的发展,如无锡、杭州、宁波等城市。

六、结论和建议

(一)结论

1.2002-2013年间,长三角区域物流总体发展水平呈现显著上升趋势,但增长幅度有所放缓。各城市之间内部差异较大,极化作用逐年增强。根据各城市历年的物流发展水平得分,可以将其分为3大地区:第Ⅰ类为物流发达地区,包括上海、无锡、苏州这3个城市;第Ⅱ类为物流较发达地区,包括南京、常州、镇江、杭州、宁波、嘉兴、绍兴、舟山这8个城市;第Ⅲ类为物流欠发达地区,包括南通、扬州、泰州、湖州、台州这5个城市。

2.近12年来，长三角区域物流锡尔系数虽有较小幅度波动,但总体趋于上升趋势。地区间总差异TBR大致呈现稳定的上升趋势,表明，三大地区间的物流差异在逐年增大,且差异变动由大到小依次为Ⅲ类、Ⅱ类和Ⅰ类地区。地区内差异TWR总体呈现显著上升趋势,其中Ⅰ类地区差异增幅显著;Ⅱ类和Ⅲ类地区的锡尔系数呈现出上下波动的趋势,差异变化幅度较小。三大地区内部差异贡献率远大于区域间的差异,城市内部发展的不平衡是长三角区域物流发展水平存在差异的主要原因。

3.借助空间自相关法计算得出长三角区域物流发展水平呈现正向、显著的空间自相关现象,但空间集聚性呈现显著下降趋势。值得关注的是,“十一五”期间长三角区域物流发展较快,城市内部空间异质性有所减小,空间集聚性不断下降。

4.运用典型相关分析法对物流发展水平和经济增长关系进行分析,表明,城市物流水平与经济增长具有高度相关性,两者相互影响、存在显著的互动关系。但城市物流发展不平衡大于经济发展不平衡,各城市物流产出能力和物流发展规模之间存在一定的差距。

(二)相关建议

1.注重物流发展的质量。物流作为区域经济的一个子系统,通过对区域内物资流动进行统筹规划,从而保证区域内各要素得到优化,使得区域经济运行质量得到提高,最终促进区域经济协调发展。因此,长三角地区要实现经济的稳定持续增长,必须大力发展区域物流产业。在保证物流规模和数量的前提下,更要注重物流质量的发展,不盲目追求城市物流的发展规模,加强区域物流各环节之间的衔接力度,加快物流的信息化、网络化、标准化,推动物流产业的跨越式发展。

2.促进区域物流的协调发展。注重区域物流的协调发展,对区域物流空间格局进行优化,加快以上海、南京和杭州为中心的物流圈的建设,以特大城市为依托,形成具有强大辐射作用的物流城市群,培育新的经济增长极。应对物流产业结构进行规划和调整,放弃粗放式的物流发展方式,促进物流信息化和网络化,加快高新物流园区建设,使得区域物流和产业联动发展。其中,物流发达城市着重建设海港和空港物流,构建高效物流园区型城市,而物流欠发达城市则以公路运输为主,构建物流中心型和配送型城市。

3.增强政府的宏观调控力度。众所周知,物流属于市场导向型产业,因此，当地政府必须加大对外开放程度,积极引进外资企业来为当地物流发展注入新鲜血液,打破区内固有的条块分割现状,增强物流企业发展活力。另外,区域经济的发展对区域物流具有较大的支撑作用,因此，政府需要加大对物流落后地区政策支持力度,增加对物流基础设施、物流教育的投入,适时转变政府职能,建立权责明确的物流管理机制。

4.加强物流企业运作管理。现阶段,虽然长三角地区物流发展水平较高,但由于长江三角洲地区制造业较为发达,地区物流发展主要得益于高度的流通消费和工业的集群效应,最终导致制造业与物流业的联动发展能力较弱。因而,企业必须强化物流外包意识,与第三方物流公司紧密合作,降低自身物流经营成本。同时,企业需要建立多层次的物流继续教育培训体制,积极与政府、企业、学校之间进行合作,做到产学研相结合,为公司储备物流人才。

参考文献:

[1] 蔡海亚,谢守红.长江三角洲物流业集聚及其影响因素研究[J].浙江树人大学学报(人文社会科学版),2015,15(4):28-33.

[2] 卢胜.现代物流业对城市经济的影响及对策[J].经济体制改革,2003,(2):131-134.

[3] 张越.依托物流业发展带动山西经济的探讨[J].经济问题,2005,(9):77-80.

[4] 周君.区域物流业对地区经济增长的影响分析[J].统计与决策,2006,(2):109-112.

[5] 蹇明.广西物流与经济增长的关联性研究[J].广西民族大学学报(哲学社会科学版),2009,31(3):125-128.

[6] 徐茜,黄祖庆.区域物流与区域经济发展互动关系研究——以浙江省为例[J].统计与决策,2011,(9):116-119.

[7] 李国刚,曹昱亮.区域物流发展与经济增长关系的实证研究[J].经济问题,2012,(12):121-124.

[8] 陈志新,杨巧红,王林伶.物流业与区域经济发展的实证分析及对策研究——以宁夏为例[J].开发研究,2013,(2):39-42.

[9] 贺玉德,马祖军.产业转移下区域物流与区域经济协同度分析——基于四川省的实证研究[J].管理现代化,2014,(1):99-102.

[10] OZERNOY V M. Choosing the “best” multiple criteria decision-making method [J]. INFOR.1992, (30):159-171.

[11] 孙才志,谢巍,姜楠,陈丽新.我国水资源利用相对效率的时空分异与影响因素[J].经济地理,2010,30(11):1878-1884.

[12] 廖迎,阮陆宁.区域物流与区域经济增长的实证研究——基于面板单位根与面板协整分析[J].南昌大学学报,2008,39(5):64-69.

[13] 钱晓英,马传秀.物流对经济增长影响的协整性分析[J].湖南大学学报,2007,34(4):84-87.

(责任编辑:张雅秋)

An Empirical Study on the Development of Logistics Industry and Its Relationship with Economic Growth in the Yangtze River Delta

CAI Hai-ya,XIE Shou-hong

(School of Business，Jiangnan University，Wuxi Jiangsu 214122，China)

Abstract：This paper first evaluates the regional logistics level of the Yangtze River Delta from 2002 to 2011 with entropy method. The result shows that the overall logistics development level of the Yangtze River Delta has risen in recent 10 years although the development is unbalanced between different cities. The authors then use theil index to decompose the Yangtze River Delta regional logistics development differences, finding that the logistics theil index's fluctuation is not significant but generally rising in the last ten years. The research also shows that, first, regional differences and internal differences within the region become larger increasingly and steadily; second, the contribution rate of the three intra-regional differences is greater than that of inter-region differences; and third, the main reason for the logistics industry difference in the Yangtze River Delta is unbalanced urban development. Based on the calculation of the spatial autocorrelation, this paper finds that the spatial distribution of the Yangtze River Delta regional logistics demonstrates a positive and significant spatial autocorrelation, but a significant downward trend in the degree of spatial concentration. Finally, by using the canonical correlation analysis, the authors analyze the relationship between logistics development and economic growth and find a significant positive correlation between logistics development and urban economic growth.

Key words：entropy method；theil index；spatial autocorrelation；canonical correlation；Yangtze River Delta

中图分类号:F259.27

文献标识码：A

文章编号：1672-8106(2016)01-0089-08

作者简介:蔡海亚,男,江南大学商学院硕士研究生。研究方向:区域物流、物流产业规划与设计。

基金项目:教育部新世纪优秀人才支持计划项目“长江三角洲城市群空间协调发展研究”(NCET100460)。

收稿日期:2015-09-07

谢守红,男,江南大学商学院教授，硕士生导师。研究方向:城市地理和区域经济。