互联网对物流业全要素生产率影响的门槛效应实证研究

钟昌宝，席少飞

21世纪以来，越来越多的国家和地区推出了互联网战略，把建设高速普惠的互联网作为提升国家核心竞争力的重要举措，目前，已有165个国家和地区制定了宽带或互联网战略[1]。自十二届全国人大三次会议首次提出“互联网+”行动计划以来，中国政府致力于推动“互联网+”行动在各领域的贯彻落实，旨在推进传统产业生产模式变革，加快传统产业的转型升级。物流业作为国民经济的基础性和支撑性产业，在转变经济发展方式、提升区域经济竞争力等方面起着重要作用[2]。互联网时代的到来，给传统物流产业的转型升级带来了新的契机。互联网技术创新已被证明对生产率有大幅提升作用[3]。而作为衡量物流业发展水平的关键质量指标——物流业全要素生产率，它是否受到互联网的显著影响？又是否存在门槛效应？这是值得深入研究的关键问题。

国内外学者对物流业全要素生产率的影响因素研究主要集中于以下五个方面。第一，信息化对物流业全要素生产率的影响。王健等[4]运用DEA-Malmquist指数法测算出我国30个省区1996—2010年物流业全要素生产率的变动，研究结果表明信息化水平是推动物流业全要素生产率增长的主要原因。曾倩林等[5]基于2003—2013年我国30个省级和区级的面板数据，研究发现信息化发展能够在提升本空间单位物流业全要素生产率的同时，通过空间外溢效应提升相邻空间单元的物流业全要素生产率。第二，基础设施、工业化进程对物流业全要素生产率的影响。马越越等[6]研究发现交通基础设施通过提高物流资源的配置效率和规模效率进而提高了物流生产率。高秀丽等[7]研究发现基础设施和工业化进程对物流业全要素生产率有显著的正向影响。第三，人力资本对物流业全要素生产率的影响。Barro[8]研究发现人力资本能有效提高模仿国的技术创新，对本国的物流业全要素生产率具有促进作用。然而，余泳泽等[9]、杨星等[10]认为物流产业是一个资本相对密集的行业，而且中国的物流产业发展水平相对较低，因此，人力资本因素对我国物流产业效率的影响相对较低。第四，贸易开放度、通货膨胀率对于物流业全要素生产率的影响。胡玉洲[11]研究发现更加开放的贸易环境和更低的通货膨胀率有利于提高物流产业全要素生产率。谢长伟等[12]研究发现FDI对物流业生产率具有溢出效应。第五，投入要素的利用率对物流业全要素生产率的影响。王勤梅等[13]研究发现投入要素的利用率对物流运作效率具有正向影响。余泳泽等[9]研究发现物流资源利用率对地区物流效率有显著影响。

现有研究为研究物流业全要素生产率的影响因素提供了重要的启示。随着我国“互联网+”政策的推进以及物流业的迅速发展，关于互联网对物流业全要素生产率的研究成为热点[4,14-15]，但是关于互联网对物流业全要素生产率的门槛效应研究还鲜有学者涉及，因此，笔者试图建立了门槛面板模型，并收集中国30个省份2006—2015年的数据，运用STATA14.0软件，检验互联网对物流业全要素生产率的门槛效应，最后根据实证结果给出相关对策建议。

一、理论分析及假设提出

(一)互联网对物流业全要素生产率的影响机理

基于资源基础观理论，互联网作为企业的资源对企业绩效有促进作用[14]，物流业的企业绩效衡量指标为物流业全要素生产率，因此物流业全要素生产率与企业绩效成正比，技术进步是推动物流业全要素生产率增长的主要因素[4]。信息化能够显著提升物流业全要素生产率[5]。互联网作为一种信息技术其发展水平超前于物流业发展水平，信息化初期对物流业影响较小[3]。但随着互联网技术的进步，互联网对物流产业的发展作用越来越大。依靠信息技术可以实现物流产业的进一步发展[14]。据此，本研究提出假设H1。

H1：互联网对物流业全要素生产率有促进作用。

(二)互联网对物流业全要素生产率的门槛效应

互联网对技术进步具有促进作用，并且对属于技术进步推动型的全要素生产率有着显著的促进作用。由于互联网存在网络效应特征，互联网对全要素生产率的影响是非线性的[15]。谢卫红等[16]设立虚拟变量进行回归，考察互联网的网络效应，得出的结论认为互联网存在着网络效应。李立威等[17]研究发现互联网对中国经济增长的促进作用在2007年以后逐渐显著。据此提出假设H2。

H2：互联网对物流业全要素生产率的影响是非线性的，即存在门槛效应。

二、研究方法和计量模型

(一)实证模型构建

参考马越越等[6]、余泳泽等[9]关于基础设施与全要素生产率关系的模型，借鉴郭家堂等[18]关于互联网与全要素生产率关系的实证机理，建立如下基本模型：

lnYi,t=β0+β1lnINTi,t+βclnCVi,t+fi+εi,t

(1)

式中，i表示地区，t表示年份，Yi,t表示因变量，INT是互联网因素，CV是控制变量，fi是不被观测的个体固定效应，εi,t是随机误差项。互联网对物流业全要素生产率的影响不一定是线性的，随着网民人口比例变化可能是非线性的，因此，采用门槛面板模型实证分析互联网对物流业全要素生产率的非线性影响[19]。

为了考察互联网对物流业全要素生产率的门槛效应，借鉴Hansen[19]面板门槛模型理论，将网民人口比例(ius)作为门槛变量。原因在于这一变量能够体现一个地区的互联网水平，以它作为门槛变量，能够更准确地揭示互联网对物流业全要素生产率影响的门槛效应，因此构建单门槛回归模型

lnYi,t=β0+β1lnINTi,t·I+β2lnINTi,t·I+βclnCVi,t+fi+εi,t

(2)

以及双门槛回归模型

lnYi,t=β0+β1lnINTi,t·I+β2lnINTi,t·I+β3lnINTi,t·I+βclnCVi,t+fi+εi,t

(3)

式中，I表示指示函数，qi,t为门槛变量，γ设定为门槛值。当qi,t≤γ1或γ1≤qi,t<γ2时，I=1；当qi,t>γ2时，I=0。因为门槛值γ不确定，其取值由样本数据内生决定，以往研究中往往应用格栅搜索法来确定最优的门槛值Φ，当门槛值为Φ时，残差平方和最小，为S(γ)，即Φ=argminS(γ)[19]。采用格栅搜索法计算模型(2)门槛值[19]的步骤如下：首先，假设有一个门槛值，以单一门槛搜索方法，求出第一个数值，作为门槛值；其次，固定第一个门槛值γ1，计算出第二个门槛值γ2；最后，固定γ2，对第一个数值进行检索，重复此过程，直到得出两个相同的门槛值。

(二)变量设定

1.被解释变量

物流业全要素生产率及其分解指标是被解释变量，测度全要素生产率的方法有参数法和非参数法两大类。目前Malmquist指数法是研究中用得较多的[4]，主要是因为Malmquist指数法能有效地将全要素生产率指数分解为技术进步变化指数与技术效率变化指数，避免了在研究中技术进步与技术效率的相互掩盖，使结论更加准确[20]。这里采用该方法利用 DEAP2.1软件计算得出中国30个省份2006—2015 年的物流业全要素生产率。投入变量一般选取资本投入和劳动投入两个指标，产出指标采用了价值形态的物流业实际生产总值来衡量[21]。

产出变量。应用2006—2015 年中国 30 个省份的物流业增加值及缩减指数，得出每个省份的物流业实际生产总值(按照2003年不变价计算)进而衡量每个省份的产出，数据取自于《中国统计年鉴》。

投入变量。投入包括劳动投入和资本投入两方面。对于劳动投入，多数文献用劳动力人数代替劳动力服务状态，本文也采用这一方法用历年的物流业年均从业人数作为劳动力投入量指标。对于资本投入用物流业固定资产投资来衡量。为消除价格因素的影响，本文利用固定资产投资价格指数作为缩减指数，借鉴永续盘存法来计算资本存量[22]，以上一个时期的资本存量数减去当时期的折旧再加上当时期物质资本投资总额方法得到，计算公式为

Kit=Ki(t-1)(1-δit)+Iit/Pit

(4)

式中，K表示资本存量实际数量，I表示固定资产投资数额，P表示数额的价格指数，δ表示折旧率，取5%。计算出2006年资本存量数据(以1952年为基期)，再转换为2006年当年价即为所求的资本存量数额，代入公式(4)计算出 2006—2015年的物流业资本存量数值[23]。

2.核心解释变量与门槛变量

互联网普及率往往代表着互联网的发展程度[24]。借鉴谢卫红等[16]、郭家堂等[18]的研究选取地区互联网资源使用情况作为核心解释变量，同时考虑到互联网网络效应是一种需求规模效应，因此，用衡量互联网普及率的网民人口比例作为门槛变量。

核心解释变量(INT)。应用各省份注册过的网站总数与该省份的法人单位总数之比来表示“互联网因素”。由于互联网资源具有跨时空性和非排他性，因此，不能用其除以地区人口总数来衡量，而网站一般是企业所有，所以，运用网站总数除以地区的法人单位数量来表示互联网资源水平[19]。

门槛变量(IUS)。根据双边市场理论，网络效应是一种基于需求方的规模效应[19]，运用门槛回归模型实证分析互联网对物流业全要素生产率的门槛效应，运用网民人口比例作为门槛变量，计算方法为网民总数与人口总数的比值。

(三) 控制变量

依据相关文献的研究，基础设施和工业化进程显著促进了物流业全要素生产率，而开放度、城镇化和人力资本等也都对物流业全要素生产率产生影响，这些因素通过影响技术进步进而影响物流业全要素生产率，为了得到无偏的估计结果，借鉴相关定量研究物流业全要素生产率的文献[12,20，24]，增加城镇化、人力资本、开放度等变量加以控制。

城镇化(Urban)。在城市发展过程中，劳动力会逐渐涌向生产率更高的第二、三产业，进而对物流业全要素生产率产生了影响，因此，采用城镇人口占地区总人口的比重来衡量城镇化变量。

教育投入(EDU)。运用地区就业人员的平均受教育年限作为物流业人力资本的指标，以每个地区不同受教育程度的人口比重乘以相应受教育的年份数就得到就业人员的平均受教育程度。

开放度(Open)。借鉴相关文献的处理方式[5-7]，按地区货物进出口总额占该地区生产总值的比重来衡量开放度变量。

基础设施(Infra)。采用每平方公里铁路、内河航道、公路里程数来衡量基础设施变量，用地区运输线路总长度(铁路、内河航道、公路之和)与地区总面积的比计算得到。

(四)数据来源、相关说明及描述性统计

原始数据来源于《中国统计年鉴》、中国互联网络信息中心(CNNIC)数据库、《中国人口和就业统计年鉴》、《中国统计年鉴》、中国国家统计局数据库。根据原始数值计算可得描述性统计值(见表1)。网民人口比列最大值为0.759，最小值为0.038，二者相差比较大，意味着可能存在门槛效应。

表1 变量的描述性统计值

三、实证分析

根据相关理论研究和计量模型的构建，首先进行Hausman检验，检验结果(见表2)表明应以固定效应模型估计参数。

表2 互联网对物流业全要素生产率及其分解指标的固定效应模型估计结果

注：1)、2)和3)分别表示统计1%、5%和10%显著水平，下同。

(一)固定效应模型的回归分析

模型1是以物流业全要素生产率为被解释变量，lnint的回归系数为0.044，通过了1%的显著性检验，表明互联网对物流业全要素生产率有显著正效应，验证了假设H1。模型2将技术进步作为解释变量，该模型显示lnint的回归系数为0.091，表明互联网促进了物流业全要素生产率，且在1%的显著性水平下显著。模型3是以技术效率为被解释变量的回归结果，lnint的回归系数为-0.069，说明了在统计的样本期间互联网对技术效率是负效应且在1%的显著性水平上显著。

本论文的模型还包含了若干控制变量，以下分别作出说明。1)开放性。开放性对物流业全要素生产率具有促进作用。一方面开放性越高使得这一国家的物流企业更容易接触国际市场，吸收新技术、新方法，了解新产品从而提高物流技术创新与模仿，另一方面国内物流企业面临更大的外部竞争促使国内物流企业加大研发创新力度，进而提高物流业全要素生产率水平。2)人力资本。人力资本也即居民受教育程度，对物流业全要素生产率有显著促进作用，表明居民文化水平越高对物流业全要素生产率的影响越显著。3)城镇化水平。城镇化对物流业全要素生产率有促进作用，表明非农业人口的增加有利于促进物流业全要素生产率的增长。4)基础设施。基础设施对物流业全要素生产率的促进作用为负，原因可能是，交通基础设施建设周期较长，在建设和运营初期不能发挥作用，物流业全要素生产率发展速度缓慢。5)工业化进程。工业化对物流业全要素生产率有微弱的负效应，原因可能是，国家加大了工业化进程，对工业设施投入增加，导致物流业产出效率较慢，不利于物流业全要素生产率的增长。

(二)门槛效应检验

门槛回归模型需要检验两个基本的假设：一是检验门槛效应是否显著；二是检验门槛估计值和真实值之间是否一致。通过软件自抽样检验，结果如表3所示。以网民人口比例作为门槛变量，单一门槛和双重门槛“自抽样”检验P值分别为0.003和0.000，三重门槛的P检验值为0.340。可见，单一门槛和双重门槛检验显著，三重门槛检验不显著。因此，网民人口比例对物流业全要素生产率存在双重门槛效应。

通过自抽样检验可得两个门槛值(见表4)。门槛值q1=0.412，门槛值q2=0.305，95%置信区间为两个门槛值构成的区间范围，按照临界值小于7.35，每次得出的门槛值，对应的似然比函数图能够清晰表示结果(如图1)。按照30.5%和41.2%两个门槛值，网民人口比例分为低层次(ius≤0.035)、中等层次(0.035≤ius<0.412)和高层次(ius>0.412)三个类型。

表3 门槛效应检验

表4 门槛估计值及其置信区间

图1 门槛值似然比函数图

(三)门槛模型估计结果及说明

以网民人口比例作为门槛变量，构建门槛效应模型检验互联网对物流业全要素生产率的门槛效应(见表5)。由于门槛回归模型的拟合优度比固定效应模型显著，因此采用门槛回归模型能够更加清晰解释模型的意义。以网民人口比例作为门槛变量时，互联网对物流业全要素生产率有显著的正效应。可见，互联网有利于物流业全要素生产率的提升。互联网具有网络效应特征，随着网民人数的不断增加，其带来的价值也在不断增大，进而对经济的促进作用显著增加。因此，互联网对经济的影响是非线性的[25]。在存在网民人口比例门槛效应的情况下，互联网对物流业全要素生产率存在显著的促进作用，且随着网民人口比例的上升，促进作用逐渐增强。由于互联网具有网络效应特征，当网民人口比例大于第二个门槛值时，促进作用减弱。因此，互联网水平对物流业全要素生产率存在网民人口比例的门槛效应，验证了假设H2。

表5 互联网对物流业全要素生产率门槛回归模型估计结果

四、研究结论及对策建议

运用2006—2015年中国30个省级行政单位的面板数据，通过实证分析得出如下结论：1)样本期间，互联网对技术进步推动型的物流业全要素生产率具有促进作用。2)由于互联网具有网络效应特征，因此，其对物流业全要素生产率的影响是非线性的。以网民人口比例作为门槛变量得出互联网对物流业全要素生产率存在30.5%和41.2%两个门槛值。根据以上研究结论提出以下几点对策建议。

首先，培养掌握互联网技术的物流人才。组织企业人员学习互联网新技术，并为其提供在职培训，提高其在物流企业中运用新技术的能力。与高校和物流培训机构合作，构建信息交流库和物流培训平台，打造完整的物流人才培养及培训体系。

其次，大力提高互联网普及率。第一，提高互联网运行速度，降低流量及宽带收费标准，提高活跃用户的转化率，更大程度上发挥互联网的网络效应；第二，扩大无线网络的覆盖范围，突破互联网使用的空间限制；第三，尽快消除数字鸿沟问题，使得区域和城乡的互联网发展均衡化。

最后，推进“互联网+物流”政策的落实。互联网对技术效率呈负向影响的结论，说明大部分物流企业需要转型升级，改变传统经营模式。各地区政府部门和相关物流企业应抓住“互联网+”发展时机，采取有效措施将互联网技术应用到物流业各环节中来，促进传统物流企业发展模式的转型升级。