中国制造业与物流业联动发展的生产率效应

梁红艳 柳丽华

(福州大学经济与管理学院， 福建福州 350108)

一、引言

随着市场竞争的加剧、客户需求多样性及动态性的增强，以及物流复杂性的增加，制造企业越来越倾向于将物流活动外包，制造业与物流业联动发展持续深化。我国各级政府高度重视制造业与物流业联动发展，从2009年国务院发布的《物流业调整和振兴规划》将“制造业与物流业联动发展工程”列为九大重点工程之一，到2014年国务院发布的《物流业发展中长期规划(2014-2020年)》将“制造业物流与供应链管理工程”列为十二大重点工程之一，到2019年国家发展改革委、交通运输部等24个部门联合发布的《推动物流高质量发展促进形成强大国内市场的意见》提出要“促进现代物流业与制造业深度融合”，都旨在强化制造业与物流业有机融合、联动发展的重要性。制造业与物流业联动发展，不仅有利于提高制造企业生产效率，降低生产成本，助力制造业转型升级，而且可以加强物流资源整合，提高物流运作效率，提升物流企业服务水平。为了满足客户企业的多样化物流服务需求，提升服务实体经济的能力，物流企业需要着力构建面向采购、生产、销售的智能型、高效型物流服务体系，还需要开发新型物流服务产品，创新服务模式，提高供应链物流服务能力，这必然会推动物流业自身的转型升级。那么，目前中国制造业与物流业联动发展程度有多高，其演变特征如何？两业联动对物流业发展带来了怎样的影响，我国物流业是否在为客户企业创造价值的同时也实现了自身的转型升级？回答这些问题，有助于把握我国制造业与物流业联动发展状况，同时也能为我国物流业实现高质量发展、提升物流服务实体经济能力探索新思路。

针对制造业与物流业联动发展，学术界主要从联动机理、联动程度、联动效应展开研究。

关于两业联动机理，既有研究从多个角度进行探讨。王珍珍等从经济学、管理学以及生态学视角分析了制造业与物流业联动发展的动因，包括专业化分工理论、博弈论、交易费用理论、价值链理论、模块化理论、战略协同理论以及共生理论等。[1]此外，Bolumole等从系统论、委托代理理论、市场营销理论等视角分析企业物流外包的理论基础。[2]在这些理论中，专业化分工理论、交易费用理论是两业联动发展的最基本理论，可以很好地解释制造业与物流业联动的动机与条件。根据专业化分工理论，工业体系分工深化所引致的中间需求变化是物流业发展的驱动力量；而根据交易费用理论，两业联动发展的原因则在于制造业物流外包的交易成本低于制造业自营物流的运作成本。

关于制造业与物流业联动的程度，囿于企业层面的数据可得性，已有研究主要从地区层面分析多个国家(或地区)、中国、我国重要区域的两业联动程度及其演化特征。梁红艳等、苏秦等、张艳等都采用投入产出法对不同国家(或地区)制造业与物流业产业关联度进行了比较分析。[3][4][5]程永伟、弓宪文分别运用灰色关联分析法、投入产出法、耦合协调度模型从国家层面对我国制造业与物流业的协调发展程度进行了测度。[6][7]宗刚和肖晓昀运用灰色关联法测算了长三角地区不同制造业行业与物流业的关联度。[8]王珍珍借助共生度模型测算了长江经济带制造业与物流业的联动程度。[9]

关于制造业与物流业联动发展的效应，已有研究主要考察两业联动对制造业发展的影响，普遍认为物流外包对客户企业的生产组织方式以及绩效都产生了重要影响。通过提供低成本高效率的物流服务，物流企业可以为客户制造企业提供增值服务[10][11]，提高对客户需求的响应速度[12]，提高顾客满意度[13]，提高生产柔性[14]，提高运营绩效[15][16]，提高市场份额[17]。国内学者主要研究的是物流外包对制造业生产效率的影响。刘秉镰等利用投入产出数据分析了中国制造业物流外包的生产率效应，研究发现物流外包对制造业生产率具有不显著的正向影响。[18]梁红艳等研究了我国制造业物流外包对制造业生产率的影响，并探讨了技术进步对生产率增长效应以及企业外包决策的影响。[19]

总体来看，既有研究对制造业与物流业联动发展进行了很多有益的探索，但仍存在一些可拓展之处。一是，既有研究更多分析的是多个国家(或地区)、全国或某个区域制造业与物流业联动发展程度，而较少分析我国不同省份两业联动程度的地区差异性。二是，关于两业联动的效应，既有研究主要考察两业联动对制造业发展的影响，而忽视了两业联动对物流业发展的影响。鉴于此，本文采用距离协同模型测算中国各省份制造业与物流业联动程度并分析其地区差异性，在此基础上，运用随机前沿模型考察两业联动对物流业生产率的影响及其区域差异性，希冀为我国制造业与物流业联动发展以及我国物流业高质量发展提供决策参考。

二、中国制造业与物流业联动程度的测算与分析

(一)测度方法

在制造业与物流业联动系统中，要想实现两业深度融合，既需要提升制造业与物流业这两大联动主体自身的发展水平，还需要确保制造业与物流业发展的协同度，制造业占绝对主导地位或物流业占绝对主导地位的单产业主导型模式不利于两业联动发展，而应该尽量实现两业同步均衡发展。据此，本文借鉴李海东等对区域协同发展的研究[20]，结合TOPSIS思想与灰色关联理论，构建距离协同模型测度制造业和物流业的联动程度。该模型的分析步骤说明如下。

1. 评价指标归一化

归一化计算公式为:

其中，vijt(1≤i≤m，1≤j≤n，1≤t≤T)为子系统i第j个指标第t年的原始值；uijt为vijt归一化后的值。

2. 确定各子系统的正理想点和负理想点

3. 计算各子系统与其正理想点和负理想点的距离

4. 计算各子系统的发展程度

5． 计算系统的综合发展程度

6． 确定子系统间的拉动因子

7. 计算整个系统的协同度

首先计算子系统的理想发展程度：

8． 计算系统的协同发展程度

(二)产业发展水平评价指标选取与数据说明

1. 产业发展水平的评价指标体系构建

在把握制造业和物流业产业特性的基础上，借鉴制造业、物流业以及生产性服务业发展水平评价的相关研究[23][24][25]，根据指标体系构建的系统性、科学性、可比性、可操行性原则，并考虑数据的可得性，本文从发展规模、运营能力、运营效率、发展环境四个方面分别构建制造业与物流业综合发展水平的评价指标体系，如表1所示。

表1 制造业和物流业综合发展水平的评价指标体系

资料来源：作者整理得到。

2. 数据来源与说明

基于数据的连续性与完整性，本文选取中国30个省区市(不含西藏与港澳台)2004-2016年的样本数据。本文使用的数据来源于《中国统计年鉴》《中国工业统计年鉴》《中国第三产业统计年鉴》《中国基本单位统计年鉴》，以及中经网与国研网数据库。

由于目前“物流业”统计制度尚不完善，考虑到交通运输、仓储和邮政业占中国物流业增加值的80%以上，在很大程度上可以代表中国物流业发展情况，故本文利用交通运输、仓储和邮政业来表示物流业。另外，因无法获得各地区制造业增加值数据，考虑到制造业是工业的主体，故本文利用规模以上工业增加值来表示地区制造业产出规模。为了消除价格因素，本文对地区生产总值、第二产业增加值、物流业增加值、工业增加值、物流业固定资产投资、制造业固定资产投资、社会消费品零售总额进行平减，换算为以2004年为基期的不变价。

(三)两业联动程度测算结果与分析

本文利用距离协同模型计算得到中国各省份制造业与物流业的联动程度。根据测算结果，本文对我国制造业与物流业联动发展的整体水平、省份间差异与区域差异展开分析。

(1)中国制造业与物流业联动发展的平均水平呈持续增长趋势，年均增长率为4.017%。两业联动程度从2004年的0.349提升至2008年的0.448，继而提升至2016年的0.557，可以看出中国两业联动从2008年即实现了由初步协同向基本协同的阶段跃进，但至今还未达到良好协同，还存在很大的发展空间。

(2)观测期内，除了辽宁和新疆在2013年从增长转变为下降外，其他各省区市制造业与物流业联动发展水平都呈现明显的持续增长趋势。各省区市两业联动水平差异比较显著，北京、江苏、山东、广东等经济发达地区，具有较高的两业联动程度，而甘肃、青海、宁夏、新疆等经济发展较为落后地区，两业联动发展水平偏低。

(3)为了进一步揭示中国制造业与物流业联动发展程度的地区差异性，本文对东、中、西部三大区域内各省份制造业与物流业联动发展的平均水平进行了等级划分，划分结果如表2所示。

表2 2004-2016年中国东中西部各省区市制造业与物流业联动发展平均水平的等级划分

1)东、中、西部三大区域内各省份制造业与物流业联动均未出现低度协同和高度协同，目前主要处于初步协同、基本协同、良好协同三个阶段，而且仅东部地区少数省份实现了良好协同，这再次说明尽管中国制造业与物流业联动发展已突破了低度协同的瓶颈，但依然存在很大的提升空间。

2)三大区域制造业与物流业联动水平存在显著差异。观测期内，东、中、西部两业联动程度的平均值分别为0.568、0.461、0.391，可以看出东部地区最高，中部地区次之，西部地区最低。可能的原因是，东部地区拥有相对完善的市场经济体制，成熟的要素市场以及较强的经济实力和优越的政策环境，同时企业也拥有先进的市场观念和管理理念，使得东部地区制造企业与物流企业的发展水平、联动意愿以及联动环境方面都要优于其他地区。而中西部地区在经济实力、市场经济体制、要素市场等方面相对较弱，企业的市场观念和管理理念还比较落后，多数制造企业还停留在“大而全、小而全”运作模式层面，物流自营比例较大，或者只将运输、配送、仓储保管等部分物流业务外包给物流企业，同时物流企业服务能力也不强，存在较为严重的社会化物流需求不足与专业化物流供给不足的结构性矛盾，无法实现两业深度联动与融合发展。

3)东、中、西各区域内省区市间制造业与物流业联动发展不均衡。观测期内，东、中、西部两业联动程度标准差分别为0.092、0.052、0.055，表明中部地区相对最均衡，西部地区次之，东部地区的不平衡现象最突出。除海南外，东部地区各省份均处于良好协同阶段和基本协同阶段。其中，广东、江苏、山东两业联动程度排在前3位，并已达到良好协同；上海、浙江、北京、福建、河北、天津、辽宁等地处于基本协同阶段。除吉林、山西和黑龙江处于初步协同阶段外，中部地区其他省份均处于基本协同阶段。在西部地区，只有重庆、四川、内蒙古三地处于基本协同阶段，其他地区均处于初步协同阶段。

三、中国制造业与物流业联动发展对物流业生产率的影响

在两业联动程度测算的基础上，本文进一步考察两业联动对物流业生产效率的影响，探究制造业与物流业联动发展是否能提升我国物流业生产效率。

(一)研究方法

本文选用技术效率衡量物流业生产率。目前，研究外生性因素对技术效率影响的计量方法主要有三种：混合法、两步法和一步法。其中，混合法的缺陷是无法直接解释外生性因素对技术效率的影响。两步法存在的最主要问题是两步假设存在矛盾，其中第一步假定技术无效率项独立同分布，期望值为常数，而在第二步回归分析中，技术无效率项又随外生因素变化而变化。而一步法则是将外生因素引入技术无效率项中，构造随机前沿生产函数模型进行估计[26]，避免了两步法的缺陷。鉴于此，本文选用一步法研究两业联动对物流业技术效率的影响。

由于超越对数生产函数放松了常替代弹性假设，而且可以对函数形式的有效性与适宜性进行检验，保证了模型的拟合效果，因此本文利用超越对数生产函数来构建物流业发展的生产函数：

+α7lnLitlnKit+α8tlnLit+α9tlnKit+vit-uit

(2)

为了检验式(2)的适宜性，需要进行如下检验：(1)随机前沿模型生产函数形式检验。H0：α4=α5=α6=α7=α8=α9，即生产函数应采用柯布道格拉斯生产函数形式。(2)前沿生产函数中是否存在技术进步因素。H0：α1=α4=α8=α9，即生产函数中不存在技术进步。如果存在技术进步，再检验是否为中性技术进步，即α8=α9。(3)初选前沿生产函数中待估系数显著性检验。H0：αi=0，即初选模型中未通过统计检验的变量的系数为0。以上假设都可以利用广义似然率进行检验。

接下来，将制造业与物流业联动程度(LM)嵌入技术无效函数中，同时为了考察两业联动影响物流业技术效率的非线性特征，将联动程度的平方项也引入模型。为了避免遗漏变量的影响，本文基于相关研究[27][28][29]，将地区经济发展水平、交通基础设施水平、信息化水平、对外开放程度、政府干预引入模型。为了减弱异方差性的影响，本文对有量纲的变量取对数。据此，构建如下技术无效函数：

mit=δ0+δ1LMit+δ2LMit2+δ3ECOit+δ4lnTRAit+δ5lnINFit+δ6OPENit+δ7GOVit+ωit

(3)

其中，i和t的含义同上；ωit服从均值为0，方差为σ2的正态截断分布；δ0为待定常数项，δp(p=1,2,3,4,5,6,7)为待估系数；ECO、TRA、INF、OPEN、GOV是模型的控制变量，分别表示地区经济发展水平、交通基础设施水平、信息化水平、对外开放程度、政府干预程度。

(二)变量说明与数据来源

1. 前沿生产函数的变量说明

(1)物流业产出(Y)。物流业产出用交通运输、仓储和邮政业增加值衡量，并消除了价格因素。

(2)劳动力投入(L)。劳动力投入用各省份交通运输、仓储和邮政业从业人数衡量。

(3)资本投入(K)。资本投入用各省份物流业资本存量衡量。目前，最为常用的资本存量估算方法是Goldsmith提出的永续盘存法[30]，其计算公式为：Kit=Kit-1(1-δit)+Iit，其中Kit、Kit-1分别表示i省第t年、第t-1年的资本存量；δit表示折旧率；Iit表示i省第t年固定资产投资。资本存量估算需要确认当年投资额、固定资产投资价格指数、折旧率和基期资本存量这四个变量。

1)当期投资额。因无法获取地区物流业固定资产形成总额数据，本文借鉴孙琳琳等的做法[31]，选用交通运输、仓储和邮政业固定资产投资来衡量，并清除了价格因素。

2)固定资产投资价格指数。由于缺乏分行业固定资产投资价格指数，本文利用各省份固定资产价格指数计算得到以2004年为基期的价格缩减指数。

3)折旧率。根据已有研究，折旧率在5%到10%这一相对广泛的范围内。本文根据陈昌兵的测算结果[32]，将固定资产折旧率设定为5.650%。

4)基期资本存量。为了体现基期物流资本存量的地区差异性，本文采用Hall等提出的增长率法进行估计[33]：Ki,2004=Ii,2004/(5.650%+gik)，其中Ki,2004表示i省基期资本存量，Ii,2004为i省2004年物流业固定资产投资额，gik为i省2004-2016年物流业固定资产投资的年均增长率。

2. 技术无效函数的变量说明

(1)核心解释变量。本文重点考察制造业与物流业联动水平(LM)及其平方项(LM2)对物流业技术效率的影响。两业联动程度(LM)见前文测算结果。

(2)控制变量。1)经济发展水平(ECO)。本文利用各省份GDP占全国GDP的比重衡量地区经济发展水平。2)交通基础设施水平(TRA)。本文利用运网密度(公路里程与铁路里程之和与地区面积的比值)衡量地区交通基础设施水平。3)信息化水平(INF)。本文利用邮电业务量衡量各地区信息化水平，并消除了价格因素。4)对外开放程度(OPEN)。本文利用贸易依存度(进出口贸易总额与GDP的比值)来测度对外开放程度。5)政府干预(GOV)。本文选取地方政府财政支出占GDP的比重衡量政府干预程度。

上述指标的数据均来源于《中国统计年鉴》。

(三)模型检验与参数估计

1. 基于整体样本的模型检验与估计结果分析

运用Frontier4.1软件，对式(2)和式(3)对应的模型进行估计，估计结果如表3所示。

根据表3，整体样本下，随机前沿模型中σ2和γ值均显著不等于0，表明模型不仅存在技术无效率，而且技术无效率对产出具有显著影响，因此选择随机前沿函数描述物流业投入与产出间的关系是合理的。同时，高达0.983的γ值表明模型的误差项存在明显的复合结构，且技术无效率不存在的LR检验拒绝了原假设，这些都表明随机前沿模型比传统计量模型更适合刻画中国物流业发展的生产函数。模型适宜性的其他检验结果分析如下。

表3 基于整体样本的随机前沿模型估计结果

注：*、**、***分别表示表示在10%、5%、1%的水平上显著；LR为似然比检验统计量，符合混合卡方分布。

(1)对于假设1，H0：α4=α5=α6=α7=α8=α9。检验结果显示，广义似然率LR值为42.620，大于1%显著性水平下的混合卡方分布临界值16.704，因此原假设被拒绝，表明本文在构建随机前沿模型时应选择超越对数生产函数形式。

(2)对于假设2，H0：α8=α9。检验结果显示，广义似然率LR值为0.840，小于1%显著性水平下的混合卡方分布临界值8.273。同时，根据表4，时间与劳动力投入的交互项、时间与资本投入的交互项系数的估计结果均未通过显著性检验，这说明在我国物流业发展过程中，技术进步相对于资本与劳动力要素投入是中性的，即在资本和劳动力的相对价格不变的情况下，物流业技术进步未改变资本和劳动力投入比例，没有发生两种投入要素的互相替代现象。

(3)对于假设3，H0：αi=0。针对随机前沿生产函数，根据表4的估计结果，资本与劳动力两种投入中，资本投入的估计系数为0.806，表明资本投入每增加1%，中国物流业发展水平将提高0.806%；而劳动力投入的估计系数未通过显著性水平检验，说明劳动力投入未能显著促进物流业增长。可能的原因是，随着大数据、云计算、物联网等新一代信息技术的迅猛发展，信息技术对物流业渗透的深度和广度不断增强，给物流业带来了深刻变化，使得物流业逐渐向知识技术密集型产业转型升级，这意味着未来物流业的发展对劳动力投入的依赖性将逐渐减弱，劳动力投入的驱动作用将逐步弱化。时间t的估计系数为0.093，且通过了10%的显著性水平检验，说明中国物流业发展的年均技术进步为9.300%；而t2的估计系数为-0.003，且通过了5%的显著性水平检验，说明中国物流业技术进步随着时间推移呈下降趋势。除了时间变量的二次项外，其他变量间二次项的估计系数均未通过显著性水平检验。

技术无效函数对应的模型估计结果同样也见表4，其估计结果分析如下。

(1)制造业与物流业联动程度(LM)的估计系数为-5.902，且通过了1%的显著性水平检验，这表明制造业与物流业的联动发展对物流业技术效率具有显著的促进作用。两业联动发展对物流业技术效率产生显著促进作用的主要原因在于以下两点：一是需求效应。为了满足客户制造企业的个性化与多样化物流服务需求，物流企业需要不断提升专业化物流服务能力，通过嵌入制造企业价值链，聚焦于整合资源、优化流程、协同创新，为制造企业生产活动的连续性和协调性提供保证，还要为客户制造企业设计供应链管理库存、“线边物流”、供应链一体化服务等物流解决方案；同时，为了适应制造企业生产方式变化以及供应链上企业商业模式变化，物流企业需要致力于开发面向制造企业的物流大数据、云计算产品，不断提高自身的数据服务能力，帮助制造企业及时感知消费端的市场变化，增强制造企业对市场需求的捕捉能力、响应能力和敏捷调整能力；此外，为了适应制造企业转型升级的需要，物流企业也需要积极开发以个性化定制、柔性化生产、资源高度共享为特征的虚拟生产、云制造等现代供应链模式，提升全物流链条的价值创造水平。可以看出，在两业联动过程中，物流企业致力于提升专业化物流服务水平、广泛应用物流信息技术、积极开发云物流，以及创新供应链物流发展模式等，这些都有助于提升物流企业技术效率。二是竞争效应。为了争夺市场，物流企业之间的激烈竞争将推动企业不断开发新技术，提升物流服务效率与质量，从而促进物流业技术效率提升。

(2)两业联动程度二次项(LM2)的估计系数为5.407，且通过了1%的显著性水平检验，这说明两业联动程度与物流业技术效率之间存在倒U型关系，即两业联动水平对物流业技术效率的影响存在一个临界值。当两业联动水平小于临界值时，两业联动水平越高，物流业技术效率越高；当两业联动水平大于临界值时，两业联动将不利于物流业技术效率提升。可能的原因在于，随着两业联动进程的不断深入，制造企业与物流企业之间可能发生融合，企业边界逐渐消失，彼时物流企业的生存空间将会受到一定挤压。不过从我国两业联动现状来看，当前两业联动比例较低，离可能的临界值还有一定距离，因而目前两业联动水平的提升有助于提升我国物流企业技术效率。

(3)关于控制变量，经济发展水平对物流业技术效率具有显著的提升作用；交通基础设施水平阻碍了物流业技术效率提升，可能的原因在于，本文受限于数据的可获得性，选取的衡量指标无法准确反映各省份交通基础设施的发展水平，导致无法准确揭示交通基础设施对物流业技术效率的影响；信息发展水平对物流业技术效率的影响不显著；对外开放对物流业技术效率产生了阻碍作用，表明外资物流企业给我国物流业未带来显著的溢出效应，反而挤压了我国物流企业的发展；政府干预不利于物流业技术效率提升。

2. 基于区域样本的模型检验与估计结果分析

为了考察两业联动对物流业技术效率的影响是否存在地区差异，本文对我国东、中、西部三大地区进行分区域分析。表4报告了三大区域两业联动影响物流业技术效率的模型检验与估计结果。

根据表4，东、中、西部的分区域样本下，随机前沿模型中σ2和γ值均显著不等于0，同时三个分样本下的γ值均表明模型误差项存在明显的复合结构，且技术无效率不存在的LR检验也拒绝了原假设，这些都表明随机前沿模型比传统计量模型更适合刻画我国东、中、西部三大区域物流业发展的生产函数。模型适宜性的其他检验结果分析如下。

表4 分区域的随机前沿模型估计结果

注：*、**、***分别表示在10%、5%、1%的水平上显著；LR为似然比检验统计量，符合混合卡方分布。

(1)对于假设1，H0：α4=α5=α6=α7=α8=α9。检验结果显示，东、中、西部三大区域分样本对应的广义似然率LR值分别为31.223，36.424，266.443，均大于1%显著性水平下的混合卡方分布临界值16.704，因此三大区域分样本对应的随机前沿模型都应选择超越对数生产函数形式。

(2)对于假设2，H0：α8=α9。检验结果显示，东、中、西部三大区域分样本对应的广义似然率LR值分别为22.914，2.706，50.669，与1%显著性水平下的混合卡方分布临界值8.273相比，可知在东部与西部地区，原假设被拒绝，而在中部地区，原假设被接受。这说明在东部与西部地区物流业发展过程中，技术进步相对于资本与劳动要素投入不是中性的，而中部地区表现为中性技术进步。根据表4，东部地区时间变量与资本投入交互项的估计系数为0.049，且通过了5%的显著性水平检验，表明东部地区物流业技术进步表现为资本节省，这意味着东部地区物流业发展过程中可能会提升资本的相对成本。西部地区时间变量与劳动力投入交互项的估计系数为0.032，且通过了5%的显著性水平检验，表明西部地区物流业技术进步表现为劳动力节省，这意味着西部地区物流业发展过程中可能会提升劳动力的相对成本。而中部地区时间变量与资本投入和劳动力投入交互项系数的估计结果均未通过显著性检验，表明在我国中部地区物流业发展的技术进步相对于资本与劳动要素投入是中性的。

(3)对于假设3，H0：αi=0。针对随机前沿生产函数，根据表4，在资本与劳动力两种投入中，东部地区仅资本投入对物流业发展具有显著的促进作用，劳动力投入具有正向作用但不显著；中部地区仅劳动力投入对物流业发展具有显著的促进作用，资本投入的作用不显著；西部地区资本投入与劳动力投入都具有显著的促进作用，而且劳动力的促进作用更强。关于时间变量t，东部地区表现为技术退步，中部地区为技术进步，西部地区无明显的技术变化；而关于t2的估计系数，东部与西部物流业技术变化随着时间推移呈下降趋势，这说明东部地区的技术退步现象在不断减弱；中部地区技术进步则随着时间推移呈增强趋势。

东、中、西部分区域样本下技术无效函数对应的模型估计结果同样见表4，具体分析如下。

(1)东部和西部地区两业联动水平的估计系数分别为-0.004、-9.116，且都通过了显著性水平检验，而中部地区两业联动水平的估计系数尽管也为负数但不显著，这说明东部和西部地区两业联动发展显著促进了物流业技术效率提升，而中部地区的这种促进作用尚不明显。另外，东部和西部地区两业联动水平的二次项系数均显著为正，中部地区为正但不显著，这说明东部和西部地区制造业与物流业联动程度与物流业技术效率也存在倒U型关系。

(2)关于控制变量，三大区域中，地区经济发展水平的估计系数均显著为负，说明区域经济发展水平提高有助于物流业技术效率提升；仅东部地区交通基础设施有利于物流业技术效率提升，西部地区表现为显著的阻碍作用，中部地区则表现出不显著的阻碍作用；东部地区信息化水平的提高有利于提升物流业技术效率，但这种促进作用在中、西部地区均不显著；对外开放程度阻碍了东部和西部物流业技术效率提升，在中部地区表现为不显著的促进作用；政府干预的估计系数在三个模型中均显著为正，意味着政府干预对三大区域物流业技术效率提升都具有明显的阻碍作用。

四、结论与启示

本文运用基于TOPSIS思想和灰色关联理论改进的距离协同模型测度了中国2004-2016年30个省区市制造业与物流业的联动程度，并在此基础上，进一步构建随机前沿模型考察了中国制造业与物流业联动发展对物流业技术效率的影响，主要得到以下研究结论与政策启示。

(1)整体而言，中国制造业与物流业联动发展水平呈持续增长趋势，两业联动从2008年实现了由初步协同向基本协同的阶段跃进，不过至今还未达到良好协同阶段。东、中、西部三大区域两业联动发展存在显著差异，其中东部地区领先，中部地区次之，西部地区最低。但三大区域内各省区市两业联动均未出现低度协同和高度协同阶段，目前主要还是处于初步协同、基本协同、良好协同三个阶段，而且仅东部地区部分省市实现了良好协同，这说明尽管中国制造业与物流业联动发展已突破了低度协同的瓶颈，但依然存在很大的提升空间。另外，三大区域内部各省份两业联动发展不均衡，其中中部地区内相对最均衡，西部地区次之，东部地区的不平衡现象最突出。

(2)中国制造业与物流业联动发展对物流业技术效率具有显著的提升作用，不过两业联动水平与物流业技术效率存在倒U型关系，即两业联动对物流业技术效率的影响存在一个临界值。东部地区与西部地区两业联动对物流业技术效率也具有显著的提升作用，两者依然存在倒U型关系，但是中部地区两业联动的促进作用目前尚不明显。

本文根据上述研究结论，对我国制造业与物流业联动发展提出以下几点对策建议：(1)我国制造企业应摒弃“大而全、小而全”的发展模式，将物流业务外包给社会化、专业化物流企业，与物流企业形成战略合作伙伴关系。同时，物流企业应不断提高物流服务效率与质量，提升高质量物流服务实体经济的能力，一方面物流企业要为制造企业量身定做供应链管理库存、供应链一体化服务等物流解决方案；另一方面要坚持创新，积极发展以个性化定制、柔性化生产、资源高度共享为特征的虚拟生产、云制造等现代供应链模式，畅通客户企业供应链物流全链条运行，提升价值创造能力。(2)各级政府应着力改善制度环境，优化营商环境，建立统一开放、竞争有序的市场体系，破解两业联动发展的政策约束。

注释：

[1] 王珍珍、李雪莲：《制造业与物流业联动发展的动因分析——经济学、管理学和生态学视角》，《重庆工商大学学报》(社会科学版)2014年第2期。

[2] Bolumole Y. A., Frankel R., Naslund D., “Developing a Theoretical Framework for Logistics Outsourcing”,TransportationJournal, vol.46,no.2 (2007),pp.35-54.

[3] 梁红艳、王 健：《物流业与制造业的产业关联研究——基于投入产出表的比较分析》，《福建师范大学学报》(哲学社会科学版)2013年第2期。

[4] 苏 秦、张 艳：《制造业与物流业联动现状分析及国际比较》，《中国软科学》2011年第5期。

[5] 张 艳、苏 秦：《中美物流业的产业关联效应动态比较分析》，《经济地理》2011年第11期。

[6] 程永伟：《我国制造业与物流业联动发展的测度及影响研究基于供需依赖性视角》，《中国经济问题》2013年第1期。

[7] 弓宪文：《物流业与制造业的协调演化及发展趋势》，《工业工程与管理》2017年第2期。

[8] 宗 刚、肖晓昀：《基于灰色关联视角的物流业与制造业联动发展研究——以长三角为例》，《财经理论与实践》2016年第3期。

[9] 王珍珍：《基于共生度模型的长江经济带制造业与物流业协同发展研究》，《管理学刊》2017年第5期。

[10] Sohal A. S., Millen R, Moss S., “A Comparison of the Use of Third-Party Logistics Services by Australian Firms between 1995 and 1999”,InternationalJournalofPhysicalDistributionandLogisticsManagement, vol.32,no.1(2002),pp.59-68.

[11] Lieb R. C.，Bentz B. A., “The Use of Third party Logistics Services by Large American Manufacturers：The 2004 Survey”,TransportationJournal, vol.44,no.2(2005),pp.5-15.

[12] Craig T., “Outsourcing：Let the Buyers Beware”,TransportationandDistribution, vol.37,no.5(1996),pp.102-110.

[13] Razzaque M. A., Sheng C C, “Outsourcing of Logistics Functions: a Literature Survey”,InternationalJournalofPhysicalDistributionandLogisticsManagement, vol.28,no.2(1998),pp.89-107.

[14] Daugherty J., Stank P., Rogers S., “Third-Party Logistics Service Providers: Purchasing Perception”,InternationalJournalofPurchasingandMaterialManagement, vol.32,no.2(1996),pp.23-29.

[15] Sezen B., “The Role of Logistics in Linking Operations and Marketing and Influences on Business Performance”,JournalofEnterpriseInformationManagement, vol.18,no.3(2005),pp.350-356.

[16] Schramm-Klein H., Morschett D., “The Relationship between Marketing Performance, Logistics Performance and Company Performance for Retail Companies”,InternationalReviewofRetail,DistributionandConsumerResearch, vol.16,no.2(2006),pp.277-296.

[17] Fugate B. S., Mentzer J. T., Flint D. J., “The Role of Logistics in Market Orientation”,JournalofBusinessLogistics, vol.29,no.2(2008),pp.1-26.

[18] 刘秉镰、林 坦：《制造业物流外包与生产率的关系研究》，《中国工业经济》2010年第9期。

[19] 梁红艳、王 健：《中国制造业物流外包的生产率效应分析》，《中国流通经济》2013年第4期。

[20] 李海东、王 帅、刘 洋：《基于灰色关联理论和距离协同模型的区域协同发展评价方法及实证》，《系统工程理论与实践》2014年第7期。

[21] 刘思峰、党耀国、方志耕，等：《灰色系统理论及其应用》，北京：科学出版社，2014年。

[23] 洪开荣、浣晓旭、孙 倩：《中部地区资源—环境—经济—社会协调发展的定量评价与比较分析》，《经济地理》2013年第12期。

[24] 杜传忠、王 鑫、刘忠京：《制造业与生产性服务业耦合协同能提高经济圈竞争力吗？——基于京津冀与长三角两大经济圈的比较》，《产业经济研究》2013年第6期。

[25] 唐晓华、张欣钰：《制造业与生产性服务业联动发展行业差异性分析》，《经济与管理研究》2016年第7期。

[26] Battese G. E., Coelli T. J. A., “Model for Technical Inefficiency Effects in A Stochastic Frontier Production Function for Panel Data”,EmpiricalEconomics,vol.20,no.2(1995),pp.325-332.

[27] 王 健、梁红艳：《中国物流业全要素生产率的影响因素及其收敛性分析》，《福州大学学报》(哲学社会科学版)2013年第3期。

[28] 俞佳立、钱芝网：《长江经济带物流产业效率的时空演化及其影响因素》，《经济地理》2018年第8期。

[29] 范建平、肖 慧、樊晓宏：《考虑非期望产出的改进EBM-DEA三阶段模型——基于中国省际物流业效率的实证分析》，《中国管理科学》2017年第8期。

[30] Goldsmith R. W., “A Perpetual Inventory of National Wealth”, in: Conference on Research in National Income and Wealth, Studies in Income and Wealth,NewYork:NationalBureauofEconomicsResearch, vol.14,(1951),pp. 5-73.

[31] 孙琳琳、任若恩：《转轨时期我国行业层面资本积累的研究——资本存量和资本流量的测算》，《经济学(季刊)》2014年第3期

[32] 陈昌兵：《可变折旧率估计及资本存量测算》，《经济研究》2014年第12期。

[33] Hall R. E., Jones C. I., “Why do Some Countries Produce So Much More Output Per Worker than Others?”,TheQuarterlyJournalofEconomics, vol.114,no.1(1999),pp.83-116.