新常态下分省物流产业空间集聚变革——基于物流A级企业的对比研究

张枢盛

（山西财经大学工商管理学院，山西太原030006）

一、引言

2017年我国服务业增加值达427 032亿元，占GDP的比重为51.6%[1]，而物流业是生产性服务业中重要类别之一。2014年，国务院正式发布《物流业发展中长期规划（2014—2020）》，明确物流业是支撑国民经济发展的基础性、战略性产业。从规模看，每单位GDP需要3.48个单位的物流总额来支撑；从结构看，物流业每增加6.8个百分点，可带动服务业增加1个百分点；从效益看，社会物流总费用与GDP的比率每下降0.1个百分点，相当于新增经济效益500多亿元[2]。

产业集聚逐渐成为新经济地理学、产业经济学、管理学等领域的热点问题[3]。其中，以克鲁格曼（Krugman）等人为代表的新经济地理学兴起，将“冰山”运输成本等空间因素纳入一般均衡分析框架中，使有关产业区域集聚的研究自20世纪90年代以来快速进步[4]，空间计量分析在相关学科研究中得到广泛应用，在生产服务业或者物流业领域的产业集聚现象被学者关注[4-7]。在物流企业的研究中加入空间因素，催生了物流地理学的发展[8]。近年来关于物流企业布局和产业集聚相关研究中，逐步形成了地理学、管理学和经济学相关研究的交叉和融合，关注层次逐渐从服务业、生产性服务业聚焦到物流产业，但国内关于物流产业层面的相关研究仍显不足。已有文献[5，7-10]主要关注物流企业布局、物流产业集聚等，而对物流业的整体状况分析会因为视角或者指标单一性问题造成结论上的偏差。跨学科交叉可使研究更深入，视野更开阔。因此，本文尝试以中国A级物流企业布局特征，结合省级物流产业集聚指标区位熵，并利用空间相关性分析，研究在智慧物流飞速发展的新常态下，中国物流企业的空间布局和分省产业集聚特征以及内在的驱动因素。

二、数据来源和研究方法

（一）研究样本和数据说明

自2005年中国物流与采购联合会公布我国第一批26家物流A级企业名单，到2018年1月公布第二十五批物流A级企业，共产生4 464家物流A级企业①。中国物流与采购联合会每年公布两批分为5个等级的A级企业名单，其中5A为最高资质企业。这些物流A级企业中，包括我国物流传统产业中的顶尖企业和新兴高科技物流企业。从所有制类型看，包括国有企业、中外合资企业和民营企业等；从产业形态上看，包括传统运输型、仓储型物流企业和第三方物流服务的综合服务型企业等。所有物流A级企业按照东中西划分的全国性区域分布状况如表1②所示，各省市区企业分等级的分布状况如表2所示。表2依据总数和等级降序排列，只列出部分省份信息。

计算区位熵的原始数据来源于中国统计年鉴，表3列出了2008年到2016年各省市区（不含港澳台地区，下同）的区位熵（Local Quotient）。1998年到2008年的区位熵及相关分析参见文献[5]。

（二）研究方法

本文主要利用两个统计指标进行分析：区位熵和空间自相关系数。目前研究大多采用区位熵作为物流产业集聚的衡量指标，具体计算方法如下：

其中，ei为i地区物流产业从业人员数，e为i地区所有产业从业人员数，Ei为全国物流产业从业人员数，E为全国所有产业从业人员数。区位熵大于1或者1.25，说明物流业在该地区具有较高的专业化水平或者比较优势，产业集聚程度较高。如果所有参数均按照产值计算，参数就是按产值计算的区位熵。

表1 2018年1月中国物流A级企业的区域分布

表2 2018年1月中国物流A级企业的分省分布

在使用指标的同时，必须明确其局限性，防止在分析结果时绝对化和片面化。区位熵指标的局限性主要体现在四个方面。第一，在文献中常用的两个指标是区位熵和空间基尼系数，二者均没有考虑企业规模对产业集聚程度的影响。对于区位熵而言，如果一个地区某一个企业在该行业中具有较大的份额，意味着这一地区该行业的区位熵很高，但这并不代表这一地区该产业的集聚程度很高[11]。反之，如果该地区有数量非常多的同业小企业，但缺少大规模企业，则空间基尼系数值“虚低”。区位熵指数法无法识别新生的或较小的产业集聚，若某个区域内的产业集聚是以小集群形式分布，该方法可能无法如实反映产业集聚状态[12]。第二，物流业统计口径造成的数据偏差。目前国际统计的产业分类体系中没有“物流产业”，因此学者的研究基本上都采用交通运输、仓储和邮政业代表物流产业，会导致产值低估。如由于制造业统计方法和口径较为完善，关于制造业集聚，很多学者用工业总产值比重来衡量，但是服务业在中国被严重低估[4]。第三，分析测度对象的行政或地理区域大小对研究结果的影响。如按省测度的区位基尼系数比按市测度的结果平均低了近40%[13]。第四，目前的一些研究仅仅依据区位熵或者空间基尼系数进行分析，缺少结合相关重要影响因素（如传统产业升级、人口流动和流失、智慧物流等）及其环境变迁的综合分析，结果往往会造成偏差。埃利斯和格莱泽（Ellision&Glaeser）提出了新的集聚指数来测定产业的地理集中程度[14]，该指数加入了反映企业规模分布的赫芬达尔指数（Herfindahl Index）。但限于数据的可得性，本文采用区位熵进行分析。

表3 中国2008—2016年分省区位熵

衡量物流产业集聚的另外一个指标是空间自相关系数。全球经济一体化发展的同时，区域经济及各种经济圈也加速发展，特别是随着现代交通通信及大数据等新技术的发展，共享经济、平台经济等新经济模式崛起，更加剧了经济体之间的相互影响。对于物流企业特别是全国甚至全球性的物流企业而言，因其自身业务的特性，相互的影响是与生俱来的。目前，广泛使用的测量空间自相关性的指标是莫兰指数（Moran I），计算方法如下：

三、物流A级企业空间布局特征与分省物流产业集聚

（一）物流A级企业分省空间布局特征

从表2可以看出物流A级企业多数聚集在沿海发达地区，物流A级企业的数量与分省GDP的相关系数达到0.77。学者们对物流业和经济发展的关系主要从两个方面进行研究：一是生产性服务业与制造业的相互促进关系[6，9，16-19]，可以间接推断物流业和经济发展的相互促进关系；二是物流业和经济发展的直接关系[7，20-29]。物流业的发展对于深化劳动分工、有效改善资源配置、提高制造业生产效率、推动区域经济协调发展具有重要作用。在国际上，物流产业被普遍认为是国民经济发展的动脉和基础产业，其发展程度和水平已成为衡量一个国家或地区现代化水平和综合竞争力的重要标志，被誉为经济发展的加速器[30]。

以上分析表明物流产业集聚与经济发展相适应，其背后的驱动因素主要包括经济实力、对外开放和交通区位条件等。我国东中西部地区物流A级企业的数量比例关系从2012年的 5：2：1[8]变为2018年4：2：1，说明东中西部地区的差距在缩小，或者说是全国物流产业高速发展的同时，中西部地区物流业在近年来有着更快的发展，东中西部地区发展更加均衡。

表4 基于区位熵和物流A级企业布局的聚类

（二）基于区位熵和物流A级企业布局的聚类分析

结合表2和表3分析发现，物流产业集聚和经济发展的关系比较复杂，甚至存在一些矛盾的现象。为此，依据区位熵和物流A级企业布局，采用系统聚类方法，得到表4的聚类结果。

通过聚类分析，可以发现物流产业集聚和经济发展之间主要的“矛盾”现象为：区位熵排名靠前的省份，经济实力排名比较靠后。各省的区位熵均值③与物流A级企业总数的相关系数为-0.33，但是区位熵均值与5A、4A两类物流企业数量和的相关系数为0.46。

（三）基于区位熵和物流A级空间分布特征的对比分析

考虑到基于就业人数计算的区位熵存在的局限性，因此结合基于产值计算的区位熵以及物流A级企业空间分布特征来进行具体分析。

就区位熵而言，表3和表5显示，西藏、浙江、广东、江苏呈现递减趋势，数据均低于1.25，绝大部分数值低于1。辽宁、北京、内蒙古、上海呈现递增趋势，数据大多高于1.25。山东整体呈现微弱上升趋势，但是区位熵始终小于1.25。表3显示，在中国三大经济圈中，长三角经济圈的浙江、江苏、安徽，珠三角经济圈的广东，环渤海经济圈的山东、河北，区位熵平均得分排名靠后，与表2的物流A级企业数量排名正好相反。相对一致的排名是上海，比较一致的排名是辽宁和北京。

各省市区的区位熵和物流A级企业空间分布特征可以归纳为以下三种现象：第一，极端现象，即辽宁区位熵的高位高增长和西藏区位熵的大幅度递减趋势。第二，经济发达地区总体区位熵排名较后，但是物流A级企业数量排名较前。第三，GDP总量排名靠后的省份，区位熵排名总体呈现三种情况：排名靠前，如内蒙古、黑龙江、山西、海南；排名在中部，如甘肃、宁夏；排名靠后，如西藏。

对于第一种现象中的西藏明显递减趋势而言，从就业人数看，从2008年到2016年，西藏的总就业人数增长了近三倍，但是物流业就业人数增长不到一倍，物流业产值占GDP比重也大幅度降低。显而易见，西藏物流业发展明显滞后于GDP和第三产业中其他产业的发展。

对于辽宁明显递增现象而言，2003年中央提出“振兴东北老工业基地”战略，此后十年出台了多项利好政策。在2007年到2010年，东北经济还保持两位数增长，高于东部地区，由于物流业多基于传统产业，东北三省特别是辽宁区位熵持续增长。辽宁因为本身经济体量大，拥有区位优势（尤其是大连和营口），从2003年后区位熵增长迅猛，2007年区位熵翻番，但在2008年以后基本处于下行状态。部分原因是，自2013年后，东北经济明显减速，从区位熵看，东北三省从2010年就开始下降，传统产业的制约作用显现。东北地区共有资源型地级城市21个，其中煤炭型和森工型城市个数占全部资源型城市的60%以上[31]，同时人口流失严重，特别是年轻人，辽宁和黑龙江的就业总人口和物流业就业人口数量在2014年甚至出现负增长。从物流A级企业数量看，从2012年到2018年，辽宁从17个增加到135个。可见，虽然辽宁经历了GDP断崖式下跌，但随着经济的逐渐复苏，辽宁存在比较明显的物流业集聚。

对于第二种现象而言，江苏、浙江、广东和山东这四个省份长期占据中国GDP总量的前四位，但是区位熵历年都处于1以下，排名均比较靠后，与上海相比，四省区位熵明显偏低。从1998年到2016年，上海呈明显增长趋势，四省中除了山东微弱增长外，其余三省都呈现明显的下降趋势。对于基于产值计算的区位熵而言，虽然四个省份的排名同样靠后，但是从2004年到2016年除上海和山东略微降低外，其余三个省份都呈现增长趋势。可见，以上分析存在三种差异：四省区位熵排名与物流A级企业分布的差异；四省基于就业人数区位熵和基于产值区位熵的差异；四省与上海在两个指标上的差异。结合两种区位熵的计算结果，可以大致推断，物流业产值的增长比率超越了物流业就业人数的增长比率。背后原因可能有两点：一是人工自身效率的提升；二是智慧物流的出现，导致机器取代人工。如物流A级企业代表着企业的资质，代表着集约化的水平，四个省份2018年物流A级企业总数占到全国总数的38%。上海传统和现代产业平衡发展，拥有特殊的区位和经济发展优势，不断打造国际经济、金融、贸易、航运中心，要素资源高度聚集，拥有高端物流功能及全球物流资源配置能力，是“长江经济带”和长三角的战略龙头，智慧物流发展迅速，因而各项指标排名靠前。

表5 中国部分省份1998—2007年区位熵

对于第三种现象而言，山西、内蒙、广西、黑龙江、海南经济排名比较靠后，物流A级企业数量不多，但是区位熵排名比较靠前，与基于产值计算的区位熵排名比较一致。这种现象与江苏、浙江、广东、山东等状况恰好相反。如前所述，各省历年区位熵均值与物流A级企业数量的相关系数为负，但区位熵均值与5A、4A两类企业数量和的相关系数为正，说明企业规模对区位熵存在一定的影响，如在东北三省、内蒙古、山西等拥有由传统产业形成的大型企业，除了物流业多基于其传统产业因素外，山西、黑龙江、海南第三产业发展良好，各省在2015年第三产业占GDP的比重均突破了50%。从历史数据看，山西、黑龙江、内蒙古区位熵均呈现稳定增长势头，这些省份不仅拥有传统产业的优势，同时第三产业快速发展，因此存在较明显的物流业集聚。如山西自2010年成为国家级综合配套改革试验区后，第三产业发展迅猛，第三产业产值占GDP的比例从2010年的约37%迅速增长到2016年的约56%，山西近年密集出台发展现代物流的相关政策和战略规划，物流业与转型综改试验区深度融合。

贵州虽然其他指标均比较靠后，但是基于产值计算的区位熵排名首位。物流A级企业从2012年的12个增长到2018年的35个。贵州GDP一直保持高速增长，虽然第三产业占GDP比重只有45%左右，但是物流业产值增长迅猛，物流业增加值占地区生产总值的10%，成为支柱性产业。传化集团、新加坡普洛斯、货车帮、长和长远等国内外企业都在贵州布局了物流基地。同时，形成了以大数据、信息化为特征的智慧物流业，促进了物流业的转型升级。货车帮、贵阳传化、易货嘀、贵州现代物流集团、长和长远等省内外龙头企业的数据已接入物流云，打造了物流云“贵州模式”。

以上分析可以看出，依据单个指标分析，容易造成结论分析上的偏差，结合多个指标和相关影响因素，有助于挖掘数据背后的规律。总体而言，上海、辽宁物流产业集聚明显；经济发达四省物流产业集聚指数被低估，依托雄厚的经济实力和发展，存在物流产业集聚。山西、内蒙、黑龙江、海南物流产业集聚指数存在一定的高估，但是物流产业发展快速，存在物流产业集聚。贵州因为物流业增加值占地区生产总值的10%，也存在物流产业集聚。

（四）物流业集聚的空间依赖性

运用STATA计算2008—2016年基于区位熵的全局空间相关性莫兰指数，发现除了2009年，其余各年指数均通过了5%显著性水平检验，且数值均为正数，2016年甚至通过了1%显著性水平检验。数据结果说明，我国各省市区之间的物流产业集聚出现“两级分化”，即集聚程度高的省份空间地理上聚在一起，集聚程度低的省份空间地理上聚在一起。因为莫兰指数会随着权重矩阵的选择而发生较大的变化，依据K最近点权重④计算获得的全局指数最稳定[32]，因此采用距离平方倒数作为权重矩阵，重新计算莫兰指数进行验证，结果差异较大，2013—2015年以及2010年莫兰指数均未能通过验证。

依据2016年区位熵，计算局部空间相关性莫兰指数。首先，利用STATA软件，依据BOOK方式获得的权重矩阵计算的2016局部莫兰指数，只有内蒙古、辽宁、吉林和上海通过了5%显著性水平检验。依据K最近点权重获得的权重矩阵计算的2016年局部莫兰指数，只有上海、辽宁、吉林和西藏通过了5%显著性水平检验。在两者分析结果中，上海、辽宁和吉林的数值比较接近。其次，在Geoda软件同样采用BOOK方式和距离倒数作为权重矩阵，获得了相似的结果。再次，在Geoda软件同样采用BOOK方式和距离倒数作为权重矩阵，使用基于产值计算的区位熵分析，也获得了相似的结果。所谓相似的结果，就是只有个别省份通过了5%显著性水平检验，只是省份略有差别。

通过以上分析看出，我国在总体上存在物流业集聚的空间依赖性，且随着时间推移逐渐增强，但是局部的空间相关性没有很好的数据支撑，其背后可能的原因是数据统计获取的可得性和统计指数本身的局限性，当然还可能有社会和制度因素，如生产性服务业的“本地偏好”和行政区经济、市场分割等现象仍普遍存在，以及基于财政分权制度的地方保护主义等[6]。

四、中国物流企业布局和产业集聚格局变革的驱动因素

基于上述研究，目前物流产业发展趋势背后存在三种驱动因素，或者说三种力量：传统产业因素、现代科技因素和区位优势因素。三种力量组合的动态变化，影响着东中西部地区各省市区物流企业布局、产业集聚格局的变革。

（一）智慧科技驱动物流产业升级

物流业紧密衔接着生产与消费、原料与加工、进口与出口等诸多环节，可以说，如果没有物流业的转型升级，制造业等实体经济的转型升级必将沦为空谈。

人工智能等智慧科技驱动物流产业全面升级为智慧物流。智慧物流是以物流互联网和物流大数据为依托，通过协同共享创新模式与人工智能先进技术，重塑产业分工，再造产业结构，转变产业发展方式的新生态。如新业态中的平台型经济模式，包括运满满、货车帮、福佑卡车、卡行天下、路歌等，成为行业变革的重要力量[33]。人工智能技术包括运输配送仓储中的货物跟踪定位、无线射频识别、可视化、移动信息服务、导航集成系统、二维码、集成传感等物联网感知与大数据、机器人影像识别拣选、高密度存储机械臂拣选、语音拣选等技术不断发展，物联网、云计算、大数据、区块链技术在物流业加速普及且成效显著，智能仓库、仓储机器人、无人驾驶、无人机配送技术取得根本性突破。

产业升级的一个直接后果就是机器替代人工。同时，随着我国劳动人口数量不断下滑，人口红利已经消失，人工成本快速攀升，企业用工荒问题愈发严重，加速了物流机械化、自动化、智能化的进程，机器逐步代替人工，无人仓、无人港、无人机、无人驾驶、物流机器人等一批国际领先技术正在推广应用。全球最大自动化码头上海洋山港四期试运营，京东首个全流程无人仓投入使用[34]。因此采用产业就业人数计算的集聚指数衡量地区产业集聚和专业化程度，应当随着产业结构的升级而进行调整。例如，从公布的2017年国家智能化仓储物流10家示范基地分布可以发现，上海、北京、广东各2家，江苏、山东、湖北和吉林各1家，其先进的智能化对人工的需求已大大减少。因此可以说，三大经济圈（特别是发达省份）的物流产业集聚程度因为智慧物流驱动的产业升级存在一定程度上的低估。

（二）区位优势构建和后发赶超

三种变革力量加速中西部省份的后发赶超进程，从而打造更加均衡合理的物流产业集聚格局。布局越均衡合理，资源配置效率越高，物流成本越低。

第一，传统地理形成的区位优势格局将被交通运输方式的不断变革以及国家“一带一路”政策所打破，中西部不断构建新型区位优势，从而加速现有物流产业布局的变革，为内陆省份实施“走出去”战略提供新路径。中欧班列迅猛发展，打破了沿海省份基于地理区位的垄断优势，使内陆省份能够深度参与自由贸易和全球产业分工。截至2016年底，国内已有31个城市陆续开通去往德国杜伊斯堡、汉堡和西班牙马德里等28个欧洲城市的中欧班列。中欧班列的始发城市逐步从重庆（2011年）、武汉（2012年）、成都（2013年）、郑州（2013年）、西安（2013年）等中西部城市扩展到广州（2013年）、苏州（2013年）、义乌（2014年）、营口（2014年）、东莞（2015年）、连云港（2015年）、厦门（2015年）等东部沿海城市[35]。从2017年数据看，成都、重庆、郑州是国内班列开行数量最多的城市。随着铁路运输对海运的替代以及航空运输的不断发展，内陆省份不断构建完善的国际物流体系，拥有路上运输优势的同时，成本不断降低，有利于全球产业链的整合发展。如中欧班列更适应汽车和电子电器等产业对全球供应链管理的需求。第二，沿海省份不断升高的各种成本，将加快产业向内陆和东南亚转移的速度，从而促进内陆物流产业的发展。如现今越来越多的贸易导向型产业向内陆转移，跨境电商的物流基地向郑州等自贸区聚集。第三，西部大开发、中部振兴、东北振兴、丝绸之路经济带、转型综改试验区等各种国家发展战略的实施，都将为中西部的后发赶超提供政策支持。可见，中西部将因为陆上通道的打通，借助物流产业的快速发展，依托国家政策，创造后发赶超的新路径。陆上通道将为物流业提供新的发展机遇，极大提升物流发展的质量和水平。如多式联运的发展，引入全新的生产方式、贸易方式和结算方式。陆上“走出去”的战略不仅表现在产品输出，未来将不断形成新的全球产业链、价值链，从而促进中西部经济增长极和新兴经济圈的形成。同时，智慧物流也为中西部省份的后发赶超提供了新动力和新契机。如国家发布首批28家骨干物流信息平台试点名单中，中西部省份山西、黑龙江、贵州等多省位列其中，而且山西一省拥有2家骨干物流信息平台。

五、结论与讨论

新常态下的物流产业在国民经济中的战略作用随着智慧物流的发展而越加凸显。近年在物流企业布局和产业集聚相关研究中，逐步形成了地理学、管理学和经济学研究的交叉和融合，关注层次逐渐从服务业、生产性服务业聚焦到物流产业。本文基于截至2018年1月的物流A级企业数据，利用2008—2016年各省市区产业集聚指数及基于指数的空间相关性系数，研究了物流A级企业的分省空间分布、物流业集聚状况和空间相关性。

在使用指标的同时，必须明确其局限性，防止在分析结果时绝对化和片面化。指标的局限性同时也制约着后续的研究。依据单个指标分析，容易造成分析结论的偏差，而结合多个指标和相关数据、影响变量，有助于挖掘数据背后的规律。考虑到基于就业人数计算的区位熵存在的局限性和复杂性，本文结合基于产值的区位熵以及物流A级空间分布特征来进行指标修正。依据物流业和经济发展关系的理论研究和实践，并结合新常态下智慧物流现代科技、传统产业和区位优势三种力量组合的动态变化，研究了各省市区产业集聚状况及其背后的驱动因素。研究发现，物流A级企业的分省空间分布与各省经济发展总体一致，但是物流业集聚状况与物流A级企业的分省空间分布、各省经济发展存在着复杂关系。总体而言，上海、辽宁物流产业集聚明显；经济发达的四省物流产业集聚指数被低估，山西、内蒙、黑龙江等省物流产业集聚指数存在一定的高估，二者均存在物流产业集聚。贵州因为基于产值计算的区位熵排名首位，物流业增加值占地区生产总值的10%，也存在物流产业集聚。这些矛盾现象充分反映了产业集聚统计分析的局限性，通过对比验证分析，指出了指标偏差的内在原因及指标修正的必要性，并在此基础上阐释了物流业格局动态变革的内在驱动因素。同时，由于数据统计获取的可得性和统计指数本身的局限性，以及社会和制度因素等影响，各省产业集聚指数的空间相关性有限，显著性不足。

可见，目前迫切需要明确物流业的统计口径，开展物流产业独立、完整的各项指标统计，从而为相关研究构建精确的数据基础。物流业集聚指标不仅要考虑其自身的局限性，随着智慧物流的发展，物流产业集聚指标需要进行修正和重构，从而为空间计量分析等后续研究提供更加精确的数据来源。

注释：

①企业名录来源于中国物流与采购联合会。

②表1的东中西部地区的界定是（不含港澳台地区）：东部包括辽宁、北京、天津、山东、江苏、上海、浙江、福建、广东、广西、海南，中部包括吉林、黑龙江、山西、内蒙古、河南、安徽、湖北、湖南、江西，其他省市区为西部地区。下同。

③2008年到2016年各省区域熵平均值。

④权重取值为两地距离m次幂的倒数。