物流业发展对商贸流通业增长的促进作用实证分析

代承霞

内容摘要：商贸流通业是关系到我国国民经济运行的复合型产业，直接影响到我国产业结构调整、社会经济长远发展和整体的就业市场。本文选取商贸流通业发展指标和物流发展指标建立研究指标体系，以2009-2015年中经网的统计数据作为原始数据，构建两者之间相关协整模型，并对构建模型进行相关误差修正、ADF检验以及回归分析。通过对物流业发展对商贸流通业发展促进作用的实证分析，估计出物流业发展对商贸流通业发展的提升效果，并提出促进商贸流通业发展的对策。

关键词：物流业 商贸流通业 协整模型 耦合效应

中图分类号：F724 文献标识码：A

引言

商贸流通业是关系到我国国民经济运行的复合型产业，是连接生产和消费的重要环节。2015年我国的统计数据显示，批发零售业增加值达到6.6万亿元，餐饮业增加值超过1万亿元，仓储业增加值超过1.2万亿元，加上部分运输业，商贸流通业产值接近9万亿元，约占到国民生产总值的15%。商贸流通业直接影响到产业结构调整和优化，还会影响到我国社会经济的长远发展和整体的就业市场，因此需要准确评估商贸流通业的效率和相关产业发展耦合效应，特别是物流业的成本变化、物流网基础建设和物流业效率对商贸流通业的影响。

物流業和商贸流通业发展耦合效应的理论分析

随着现代流通业和物流业的快速发展、产业业态的多元化及其他产业中的不断渗入，商贸流通业和物流业的产业边界愈加模糊。国际经合组织（OEDC）认为，商贸流通业为批发零售业和相关流通服务业。根据我国2011年修订的《国民经济行业分类》确定，我国流通业包括批发零售业、住宿与餐饮业、仓储业和其他运输服务业。综合国内外对于商贸流通业范畴界定，可知商贸流通业包含了批发零售业、仓储业、住宿与餐饮业等，而现代物流业的快速发展使得我国多数地区形成了完整的物资运输、仓储、加工、包装、装卸和信息处理等服务。由范畴的界定可知，商贸流通业和现代物流业发展存在较为密切的关系，两者之间必然存在相互影响效用（李葳葳，2015；周敏，2014）。

国外学者Rachna S.Singh（2011）认为印度运输网络的发展带动了印度制造业发展和商品流通，将推动印度经济的长远发展。Giorgio colacchi（2014）在研究美国经济发展的过程中提出，商品流通效率和物流业发展息息相关，在一个经济周期内耦合效应较为明显。多数的研究结果显示，物流业发展和商贸流通业发展之间存在显著的耦合效应，并呈现出明显的相互促进作用，国家间的物流网络发展也在深刻影响着商品流通模式。

国内学者的研究更具有针对性，周敏（2014）基于城乡商贸流通结构的分析，研究了城乡物流发展和流通业的互动关系，并且深入分析了城乡商贸物流存在的问题及对策。刘平、贺武和周世璇（2015）认为物流产业链促进了我国商贸流通业集群发展和产业升级，但是仍然面临区域商贸流通经济发展不平衡、商品流通过程中区域物流缺乏规划、区域流通产业发展不均衡导致物流体系定位不明确等问题。徐永锋等（2015）分析商贸流通业发展对经济增长和产业结构优化的影响，商贸流通业对经济相对发达地区的产业结构优化影响更为显著，会促进物流业、制造业等行业的产业升级和优化，对经济欠发达但开放度逐年提高的地区，商贸流通业的影响也在提升。

物流业的快速发展和物流业态的多样化趋势促进了商贸流通业的集群发展和业态多元化，我国面对经济下行压力，区域商贸流通业发展必然要求物流产业的带动作用，所以本文主要探讨物流业发展和区域商贸流通业发展的耦合效应，基于实证结果提出区域商贸流通业的优化策略。

物流业和商贸流通业耦合发展的协整模型

（一）指标选取

在进行实证分析前，首先需要确认样本指标变量，选取商贸流通业年度经济增加值（CEVA）作为主要指标，将商贸流通业主要组成部分经济增加值之和作为数据来源，即批发零售业年度经济增加值（CREVA）、仓储业年度经济增加值（CWEVA）、住宿与餐饮业年度经济增加值（CAEVA）的总和作为商贸流通业年度经济增加值（CEVA）原始数据。

考虑到物流业正处于快速发展阶段，因此本次研究选取物流业经济增加值（LEVA）、物流业固定资产投资额（LLI）和物流业从业人员（LNPE）作为检验指标变量。

（二）变量稳定性确定

一组具有平稳性的数据就如同一条无形的引力回归线，使回归线附近的数值其不断地向回归线回归，形成一条围绕均值上下不断波动回归线。但是不平稳序列基本上不会回归某一个固定数值。假设，物流业发展过程中随机变量Vt相关均值、方差以及协方差是固定不变，对于任意样本t、m、n存在：

则称物流业发展过程是平稳过程，对于所有的数值t、m、n，物流业序列Vt是平稳的，则可将其记作：Vt：I（0）。物流发展数据不平稳的序列就没有这种特性，序列的当前值也会受到许久之前的一次数值变化的影响。不平稳的物流发展数据序列具有单整性，记作Vt：I（1），对其进行充分的差分就可使其呈现出平稳性。同理，商贸流通业发展数据也需要检验平稳性，并对不平稳的数据进行差分处理就可使其呈现出平稳性。

对多个不平稳序列进行线性回归后，达不到预计的平稳序列，但得到新序列拟合优度R2比较高，统计量DW相对就比较低的情况，在构建物流业和商贸流通业耦合发展的协整模型时，要先判定序列变量的平稳性。

（三）协整模型构建

确定数据变量序列平稳性后，假设商贸流通业发展与物流业发展之间存在时间序列变量Yt与Xt，具有一定平稳性，则存在相关回归模型为：

Yt=a + α xt + ut （2）

在对两者之间的相关关系进行回归分析时，需要将物流业与商贸流通业发展的不平稳时间序列转化成具有平稳性的时间序列，假设物流业发展中变量X1t、X2t、H、Xit（i≥2）是一组I（K）序列，且存在不全为零的相关实数β1、β2、H、βi满足线性组合关系βX是I（k-p）（p>0），那么就可以将序列（k，p）称之为协整，可以将β称之为相关的协整向量，其中X=（X1t， X2t ，…， Xit），β=（β1， β2 ，…， βi）。序列协整可用来解释商贸流通业发展变量之间长期存在的稳定关系，序列（k，p）协整那么变量之间不会相互分离很远，长期时间内不会受到一些变化的影响，即使是有影响也会在短期内回归稳定均值的位置。endprint

（四）协整模型的ADF检验

根据变量数据的时间序列特征，本次研究选择ADF检验法确认变量时间序列的平稳性，即检验变量数据的白噪声最优的滞后阶数，同时检验物流业发展数据变量对商贸流通业发展变量的影响显著性指标。假如检验出的结果不为零，就选取该模型进行影响的显著性检验，否则需对ADF检验的常数项进行相关性检验，确认常数项是否为零，本文选择EViews7.2软件完成ADF检验。

实例检验和结果分析

（一）实证检验结果

考虑到原始数据的可靠性，本文所有原始数据均来源于中经网统计数据库，因此本文选取了2009-2015年的商贸流通业和物流业的发展数据作為原始数据，年度数据如表1所示。

在对物流业和商贸流通业发展耦合效应协整分析前，采用皮尔森相关系数分析法对两者进行相关分析，确定两者间相关度。系数值的绝对值越靠近1，就说明他们间相关性较强。利用Eviews7.2统计分析软件计算出两者相关系数，结果如表2所示。由表2可知物流业和商贸流通业发展皮尔森相关系数都大于0.8，说明两者具有高度相关性，两者的依存关系较强，可进一步进行协整回归分析。

对CEVA和LEVA序列进行协整回归检验，检验结果如表3所示。根据对LNCEVA和LNLEVA协整检验结果，可得出回归模型如下所示：

依据协整回归检验结果可知物流行业产值每增加1%，商贸物流业的产值就会增加0.6147%。由于短期的调整系数显著，假设商贸流通业发展在短时期内的波动状况与长期均衡状态不相符，会以12.11%的调整拉力，将其拉回对应的均衡状态。上述协整回归检验值的拟合效果如图1所示，拟合效果相对较好。

为了检验模型的稳定性，以批发零售业年度经济增加值（CREVA）替代商贸流通业年度经济增加值（CEVA）进行模型稳健性检验，结果如表4所示。根据表4可知，虽然影响效用不如对商贸流通产业整体的影响明显，但物流业发展对商贸流通业中的批发零售业发展仍具有显著的促进作用。

（二）检验结果分析

本文选取计量经济学里的协整理论对物流业发展对商贸流通业增长的影响进行了定量分析，建立了物流业发展和商贸流通业增长耦合发展的协整模型。上述结果表明，物流业发展指标和商贸流通业增长指标之间存在一种长期互相促进作用。物流业产值增加、物流业固定资产投资额增加和物流业从业人员扩大都会促进商贸流通业的发展，同时，由于短期的调整系数具有显著性，如果商贸流通业指标的短时期内波动与长期均衡状态发生偏离，会以12.11%的调整拉力，把处于非均衡的状态拉回对应的均衡状态。

根据实证结果，本文认为应当从转变商贸流通业政策制定理念、扩大商贸流通业开放度、提升商贸流通业配套物流体系效率等方面促进商贸流通业发展。商贸流通业和物流业的业态多元化和服务多样化已经是大势所趋，商贸流通业和物流业的产业边界也越来越模糊，只有整体考虑产业之间的互动和协作发展，才能从根本上提升商贸流通业和物流业的双向促进作用。

参考文献：

1.李葳葳.我国商贸流通业经济效应统计分析[D].浙江工商大学，2015

2.周敏.基于流通业升级推进城乡商贸物流发展[J].物流技术，2014（11）

3.刘平，贺武，周世璇.物流链整合视角下商贸流通产业集群升级模式研究[J].商业经济研究，2015（17）

4.徐永锋，吴，王志增.商贸流通业对经济发展的贡献：地区差异与动态比较[J].商业研究，2015（6）endprint