物流产业集聚对区域商贸流通效率的影响实证分析

2018-11-26王鑫

商业经济研究 2018年17期

王鑫

内容摘要：本文以2007-2016年省级面板数据为基础，采用基于非期望产出的超效率SBM-VRS模型、区域熵值法，对区域商贸流通效率、物流产业集聚水平进行定量测算，运用固定效应模型、面板门槛模型对物流产业集聚与区域商贸流通效率的关系进行线性、非线性估计。研究表明：整体上看，物流产业集聚对区域商贸流通效率的提升有显著正向作用；物流产业集聚与区域商贸流通效率间存在双重门槛效应，即存在两个结构变点，变点对应的物流产业集聚水平分别为1.132、1.394；随着物流产业集聚水平的提升，其对区域商贸流通效率的正向影响呈“两头强、中间弱”的U型结构。

关键词：物流产业集聚区域商贸流通效率双重门槛效应

引言与文献回顾

物流产业集聚是指在一定区域内，形成以物流产业为主干、以相关配套产业为支撑的紧密联结供需双方的产业集聚现象。按照产业分类，物流产业集聚包括：一是以物流、运输、仓储企业集群的物流及相关产业；二是以商业企业为主的商贸产业；三是以生产加工企业为主的工业产业；四是以金融、保险、餐饮、修理等配套服务企业为主的辅助服务产业。根据波特的竞争优势理论，产业集聚具备促进产业创新、产生正外部性的特点。在物流产业集聚渐成趋势、产业集聚具备正外部性的双重背景下，越来越多学者开始关注物流产业集聚现象，并就此开展多重维度研究，包括物流产业集聚的定量评价研究（陶婷婷等，2016；付书科等，2018）、物流产业集群与跨境电商的联动机制研究（胡碧琴等，2016）、物流产业集聚对区域经济增长的影响机制研究（杨山峰，2017）。

除物流产业集聚外，商贸流通效率也在近年来逐渐受到学者们的广泛关注，梳理文献可知，已有文献的研究视角主要集中在三个方面：一是关于商贸流通效率的测算方法研究，涉及定量测算方法包括因子分析法（李琼，2018）、传统DEA方法（刘玉玲，2016）、超效率DEA方法（周科，2015）。二是关于商贸流通效率的影响因素研究，包括新型城镇化（刘文娟，2016）、电商消费（李湘滇，2018）、商贸产业集聚（龚紫娟，2018）等创新因素对商贸流通效率的影响。三是关于商贸流通效率的外溢影响研究，包括商贸流通效率对居民消费（韩梅，2018）、工业化与城市化（李新，2017）、区域经济增长（俞超等，2017）的外溢影响。

综上所述，尽管已有学者分别在物流产业集聚、商贸流通效率等课题上做了大量有益工作，但尚未有文献将物流产业集聚和区域商贸流通效率纳入统一研究框架，以定量分析物流产业集聚对区域商贸流通效率的影响。基于此，本文以2007-2016年省级面板数据为研究基础，运用基于非期望产出的超效率SBM-VRS模型对区域商贸流通效率进行定量测算，同时以区域熵值法测算的物流产业集聚水平作为核心解释变量，通过构建固定效应模型、面板门槛模型，对物流产业集聚与区域商贸流通效率的关系进行线性、非线性估计，研究验证了物流产业集聚对区域商贸流通效率正向影响的U型结构。本文的边际贡献一方面在于创新性地将基于非期望产出的超效率SBM-VRS模型运用至对商贸流通效率的定量评价中；另一方面在于将物流产业集聚与区域商贸流通效率納入统一研究框架，并揭示两者之间存在双重门槛效应的非线性关系。

变量设计与模型方法

（一）指标构建

被解释变量。本文的被解释变量是区域商贸流通效率，常见测算方法有因子分析法、传统DEA方法、超效率DEA方法，但上述方法不可避免的存在以下弊端：一是未从变量的松弛角度出发去考虑投入、产出的动态变化，易造成效率测度时实际值与理论值的偏差；二是未考虑与期望产出相生相随的非期望产出，易造成决策单元效率值测算精度的降低。基于此，本文采用基于非期望产出的超效率SBM-VRS模型，以批发零售业的从业人数、交通运输业的从业人数、永续盘存法计量的资本存量、公路密度、铁路密度作为投入变量，以社会消费品零售额、货运周转量作为产出变量，以此完成对各区域商贸流通效率的定量测算。基于非期望产出的超效率SBM-VRS模型的基本推导如下：

核心解释变量。本文核心解释变量是物流产业集聚水平，参考已有研究，本文采用区域熵值法测算物流产业集聚水平，具体测算公式为：物流产业集聚水平=（该省物流产业产值/该省所有产业产值）/（全国物流产业产值/全国所有产业产值）。该指标值越大，表明物流产业在该省的集聚水平越高。当指标值大于1时，表明该省物流产业集聚水平高于全国平均水平；当指标值小于1时，表明该省物流产业集聚水平低于全国平均水平。

其它控制变量。参考已有研究，本文设定的其它控制变量包括各省人均GDP、各省第三产业比重、各省进出口总额占GDP比重、各省网络普及率、各省城镇人口比重、各省平均受教育年限等。

（二）模型方法

本文的研究目的是实证检验物流产业集聚对区域商贸流通效率的线性、非线性影响。对于线性影响，首先采用Hausman检验判断面板模型的个体影响是属于随机效应还是固定效应，其次进行随机效应或固定效应模型回归。对于非线性影响，本文参考Hansen的统计方法，首先设定以物流产业集聚水平为门槛变量的单一门槛面板回归模型，其次采用Bootstrap方法对统计量进行600次的重复检验以确认面板模型的门槛效应，最后在确定门槛值个数的基础上设定相应门槛面板回归模型。存在不同数量的门槛值时，相应门槛面板回归模型的公式如下：

实证结果与分析

（一）面板单位根检验

面板门槛模型进行有效回归的前提是所选变量平稳，因此需要先行对模型所选变量进行单位根检验。本文分别采用LLC方法、ADF方法、FPP方法对区域商贸流通效率、物流产业集聚水平、其它控制变量等时间序列变量进行平稳性检验，结果见表1。表1显示，在LLC、ADF、FPP等检验方法下，区域商贸流通效率、物流产业集聚水平等时间序列变量均在1%或5%的水平下显著，表明模型所选变量均为平稳的时间序列变量，即模型变量通过平稳性检验，可进行下一步的门槛模型回归分析。

（二）门槛效应检验

参考Hansen的统计方法，本文采用Bootstrap方法对统计量进行600次的重复检验，以确认面板模型中是否存在以物流产业集聚水平为门槛变量的门槛效应，以及确定相应显著有效的门槛值，门槛效应检验结果见表2。表2显示，面板模型中存在两个显著有效的门槛值，即双重门槛效应，也称双重结构变点。第一个变点为1.132，其F统计量为48.77、P值为0.000，表明第一个变点显著有效；第二个变点为1.394，其F统计量为29.13、P值为0.012，表明第二个变点显著有效。因此，根据门槛效应的检验结果，本文应设定双重门槛面板回归模型。

（三）线性估计：物流产业集聚对区域商贸流通效率的整体影响

为了考察物流产业集聚对区域商贸流通效率的整体影响，在参考已有研究的基础上，本文首先对物流产业集聚与区域商贸流通效率的关系进行线性估计，结果见表3。表3显示： Hausman检验的P值为0.0025，拒绝模型个体影响属于随机效应的原假设，接受模型个体影响属于固定效应的备择假设，即设定的面板模型形式为固定效应模型；物流产业集聚水平对商贸流通效率的影响在1%的水平下显著为正，模型系数为1.2368。实证结果表明：从整体上看，物流产业集聚对商贸流通效率的提升有显著正向作用。

（四）非线性估计：物流产业集聚对区域商贸流通效率影响的双重门槛效应

本文首先从线性估计的视角出发，从整体上得到物流产业集聚对区域商贸流通效率有显著正向作用的结论。在此基础上，进一步考察物流产业集聚与区域商贸流通效率的非线性关系，即检验物流产业集聚对区域商贸流通效率影响的双重门槛效应，结果见表3。表3显示：当物流产业集聚水平低于1.132时，即WLJJ≤1.132，物流产业集聚对区域商贸流通效率的影响在1%的水平下显著为正，模型系数为1.0679；当物流产业集聚水平位于1.132与1.394之间时，即1.1321.394，物流产业集聚对区域商贸流通效率的影响在1%的水平下显著为正，模型系数为1.3792。

实证结果表明：从估计结果的影响方向和显著性水平看，物流产业集聚水平位于任何区间，均对区域商贸流通效率有显著正向作用，这与线性估计的结果一致；从估计结果的系数大小看，随着物流产业集聚水平的提升，物流产业集聚对区域商贸流通效率的正向影响呈“两头强、中间弱”的U型结构。其中，U型结构的具体表现为：当物流产业集聚水平高于1.394时，物流产业集聚对区域商贸流通效率的正向影响最大（系数为1.3792）；当物流产业集聚水平低于1.132时，正向影响其次（系数为1.0679）；当物流产业集聚水平位于1.132与1.394之间时，正向影响最小（系数为0.0771）。

结论与建议

本文以2007-2016年省级面板数据为研究基础，运用基于非期望产出的超效率SBM-VRS模型对区域商贸流通效率进行定量测算，同时以区域熵值法测算的物流产业集聚水平作为核心解释变量，分别运用固定效应模型、面板门槛模型，对物流产业集聚与区域商贸流通效率的关系进行线性、非线性估计。主要研究结论如下：第一，从整体上看，物流产业集聚对区域商贸流通效率的提升有显著正向作用，线性估计结果与非线性估计结果均支持该结论。第二，物流产业集聚与区域商贸流通效率间存在双重门槛效应，即存在两个结构变点，两个变点对应的物流产业集聚水平分别为1.132、1.394。第三，随着物流产业集聚水平的提升，物流产业集聚对商贸流通效率的正向影响呈“两头强、中间弱”的U型结构。

本文一方面验证了物流产业集聚对区域商贸流通效率的正向作用，另一方面也揭示了物流产业集聚与区域商贸流通效率的非线性关系。因此，各地在制定物流产业政策时，要顺应物流产业集聚趋势，肯定物流产业集聚对区域商贸流通效率的正向外溢效应，同时应对物流产业集聚水平进行定期评估，保持区域内较高水平的物流产业集聚，以避免落入U型结构的中等水平陷阱，造成正向外溢效应不必要的漏损。

参考文献：

1.陶婷婷，熊宇平.物流业产业集聚空间特点与集聚形式—基于中国省域数据的测算[J].商业经济研究，2016（11）

2.付书科，廖莉莉，刘念.长江经济带物流产业集聚水平测度分析[J].商业经济研究，2018（5）

3.胡碧琴，赵亚鹏.创新视域下港口物流产业集群与跨境电商联动发展研究[J].商业经济研究，2016（8）

4.杨山峰.“一带一路”视阈下物流产业集群与河南省经济融合发展探讨[J].商业经济研究，2017（10）

5.李琼.基于因子分析法的长江经济带商贸流通效率实证分析—以2006-2016年长江经济带11地区为数据[J].商业经济研究，2018（9）

6.刘玉玲.我国商贸流通效率测算及演进影响因素研究[J].商业经济研究，2016（14）

7.周科.我国区域商贸流通效率及影响因素的超效率DEA模型分析[J].商业经济研究，2015（35）

8.刘文娟.新型城镇化对商贸流通业效率影响的实证研究[J].商業经济研究，2016（14）

9.李湘滇.电商消费影响商贸流通效率的实证分析—基于自回归分布滞后模型检验[J].商业经济研究，2018（8）

10.龚紫娟.产业集聚对商贸流通业效率的影响实证分析[J].商业经济研究，2018（9）

11.韩梅.商贸流通效率对居民消费的影响—来自河南省的实证[J].商业经济研究，2018（8）