长三角城市群科技创新与区域物流的互动关系研究——基于PVAR模型的实证分析

邓淑芬，杨 铃

（常州大学商学院，江苏常州213164）

0 引言

长三角城市群实现协同发展的过程中，科技创新与区域物流的发展均发挥了重要作用［1］。发展科技创新是实现产业转型升级以及区域内相互渗透与共同繁荣的重要手段，而区域物流则为区域协同发展提供硬件支撑条件，从理论上讲，两者应该互为促进。专注于研究科技创新与区域物流互动关系的不多见［2-3］，本研究基于长三角城市群协同创新发展的现实背景，收集长三角城市群市级面板数据，建立PVAR 模型，实证检验科技创新与区域物流自身及其相互之间产生的影响。

1 科技创新与区域物流的互动机理分析

区域物流是区域经济发展的支撑条件，科技创新是区域经济发展的助推器，只有两者共同作用，才能带动区域经济的可持续发展。但对于科技创新和区域物流的关系则没有明确定位。实际上，科技创新与区域物流在经济发展中都扮演了不可或缺的角色，两者的关系类似于计算机软件与硬件的关系。

区域物流的主要目的是货畅其流，是各类制造企业与服务企业选址时必须考虑的因素，也是支撑社会经济繁荣发展的必备条件；对科技创新来说，创新成果的转化、产品进入市场的速度、创新的区域协同化，都离不开物流的支撑；物流发展也为科技创新提出新的挑战与机遇，如对物流技术、信息追踪技术的需求，促进了科技创新在物流行业的应用与扩散［4］。而科技创新主要为区域物流带来动力与活力。首先科技创新的发展，带来新产品、新业态、新模式等新经济发展，为区域物流的发展提供动力；其次科技创新尤其是物流科技创新为物流产业发展注入了新的活力［5］。本研究通过建立PVAR 模型，实证检验长三角城市群科技创新与区域物流自身及其相互之间产生的影响。

2 数据说明和模型建立

2.1 数据说明

选取长三角城市群26个城市2009—2018年的面板数据，其中包括上海，江苏省9市，即南京、无锡、常州、苏州、南通、盐城、扬州、镇江、泰州，浙江省8 市，即杭州、宁波、嘉兴、湖州、绍兴、金华、舟山、台州，和安徽省8市，即合肥、芜湖、马鞍山、铜陵、安庆、滁州、池州、宣城。主要变量包括26 市的货物运输总量衡量和科学技术支出，数据来自于相应年份的“中国城市统计年鉴”以及上海和三省统计局网站。

2.2 模型建立和数据检验

2.2.1 面板单位根平稳性检验

建立PVAR 模型之前，为保证所获实证结果的合理性，需将现有数据进行平稳性检验，检验结果表略。单位根检验结果表明，原始变量为非平稳变量，一阶差分变量为平稳序列，可以使用面板向量自回归模型进行下一步分析。

2.2.2 模型建立及确定模型的滞后期

本研究选择PVAR 模型作为研究工具，其优势是在样本容量较多的情况下，可以同时从空间和时间两个层面对两个变量本身及两者之间的关系进行更深入的分析。选择好最佳滞后期数对于后面的模型建立以及保证结果有效性至关重要，根据最佳滞后阶数的确定原则［6］，采用stata 15.0计算5期滞后结果。本研究的模型建立和滞后期确定参考文献［6］。

3 实证分析

3.1 格兰杰因果检验

采用Granger 准则滞后的二阶因果关系进行检测，表1 结果表明，无论是物流业对科技创新投入还是科技创新投入对物流业，均在1%上拒绝原假设，即物流业发展与科技创新投入互为对方的格兰杰原因。但由此只能得出二者对对方会有影响，至于影响是正面还是负面，具体影响的动态关系还无法确定。因此，需要继续下一步的研究。

3.2 脉冲响应分析

为了分析长三角城市群科技创新投入和物流业发展之间的相互作用，针对两个变量期，通过500 次蒙特卡罗模拟得到长三角城市群物流业发展与科技创新投入的脉冲响应函数。其中折线代表脉冲响应曲线，点画线和虚线分别代表95% 和5% 分位点的估计值进行脉冲响应分析。考虑到本文中面板数据的时间序列长度，将冲击作用的期限设为10，采用stata 15.0进行脉冲响应分析。

3.2.1 长三角城市群物流业发展对科技创新投入的冲击

物流业发展对科技创新投入的脉冲响应结果如图1所示，表示物流业发展在科技创新投入情况下的变动情况。从脉冲响应结果来看，第0 期，物流业发展受科技创新投入的影响为0，即没有产生作用；第1 期到第3 期，物流业发展对科技创新投入的影响皆为正向，第1 期达到最大值，第2 期开始呈下降趋势，所以在第1 期之后，科技创新投入对物流业发展开始产生促进作用，在第2到3期之间促进作用逐渐减小；第4 期时，下降到了负值，即产生负向影响；到了第5期重回正值，但最终为0，说明物流业发展对科技创新促进的作用已经不大了，开始进入平稳状态，因而物流业发展对科技创新促进的作用总体呈现先增加后平稳的趋势。

3.2.2 长三角城市群科技创新投入对物流业发展的冲击

科技创新投入对物流业发展的脉冲响应结果如图2所示，科技创新投入对于物流业发展总体呈现正向的影响，即具有一定的促进作用。在0 期时，促进作用为0，没有影响；第1期依旧为0，但从第1期开始曲线就急剧上升，到第2 期达到了最大值，此时可以看出科技创新投入对于促进物流业发展起到了很显著的作用；从第2期开始，则稳定在了0.04水平上，偶有上下波动，说明在第2到第8期，促进作用处于一个平稳状态；第9期开始曲线有下降趋势，但不明显，此时促进作用有减小的趋势，但仍然对物流业发展有显著的推动作用。

表1 格兰杰因果检验结果

图2 长三角城市群科技创新投入对物流业发展的脉冲响应

3.3 方差分解

在PVAR 模型中通过方差分解，可以评估各个冲击对系统中内生变量变化的解释力度和相对重要性。本研究通过方差分解进一步研究科技创新投入与物流业发展之间的相互影响程度。具体方法是进行500 次蒙特卡洛模拟，获得95%置信水平下的面板方差分解结果，本文利用面板模型的方差分解进一步说明科技创新投入对物流业发展影响的解释贡献度［5］。

由表2知，在第1 期，即刚开始时，物流业发展对其自身贡献了100%的解释能力，而科技创新投入对其自身贡献的解释能力为93.6%，物流业发展仅贡献了6.4%，这说明初期两个变量皆依靠自身发展惯性在发展，相互之间基本无促进作用。到了第4 期时，物流业发展对其自身贡献了86.5%的解释能力，科技创新投入贡献了13.5%；而科技创新投入其自身贡献了85.5%，物流业发展贡献了14.5%，可见二者之间的相互作用开始有较为显著的呈现。第5 期与第10期的数值已相当接近，这可以反映出第5 期后各项基本稳定。因此，依据第5 期的结果，对长三角城市群物流业发展与科技创新投入的相互影响程度解释如下: 在上述方差分解中，物流业发展其自身贡献了86.6% 的解释能力，而科技创新促进投入只贡献了13.4%的解释能力，说明长三角城市群物流业发展的根本还是物流行业的惯性，内因远大于外因；在对科技创新促进中，其自身贡献了91.1%的解释能力，而物流业发展贡献了8.9%的解释能力，说明长三角城市区科技创新也是内因起到了关键作用；但由于二者也存在对彼此的解释能力，且物流业发展对科技创新促进的解释能力（8.9%）小于科技创新投入对物流业发展的解释能力（13.4%），所以长三角城市群科技创新促进对物流业发展的影响大于物流业发展对科技创新促进的影响。但其中值得探讨的是，第5 期开始，科技创新投入促进物流业发展的作用明显小于第4 期时科技创新投入对物流业发展的促进作用，初步估计是随着物流业的发展逐渐成形，创新投入对物流业发展所起到的促进作用没有前几期显著。

表2 方差分解结果

4 结论与原因分析

4.1 结论

通过上述对模型的动态分析可以看出，长三角城市群物流业发展与科技创新之间总体有相互促进的正效应关系。其中，科技创新投入对物流业发展的影响大于物流业发展对科技创新促进的影响，而这种促进关系从初期的递增逐渐趋于平稳。

4.2 原因分析

长三角城市群具备很不错的物流基础和强大的科技创新能力，二者之间何以会才出现相互促进的作用在减小？主要原因有三方面，一是长三角城市群区域内部物流发展不平衡，区域物流总体水平较高才能改善经营环境，为科技创新提供基础设施条件，内部差异过大导致物流对科技创新的支撑作用有限，可持续的促进有待提高；二是物流人才供需结构性矛盾突出，市场对于新兴人才没有完善的薪资待遇保障体制，加之物流行业的特殊性，很多高校毕业生并不愿意从事物流行业或这方面的研究，导致物流行业的创新遭遇了瓶颈，因而资力雄厚的企业可以高薪聘请国外专家或派遣公司员工到国外实习，而对于其他中小企业而言，创新能力就成了天方夜谭，无法掌握先进的核心技术，自身又研发不出新技术和新设备，物流行业自身的发展，也阻碍了科技创新的发展速度；三是现有的科技创新对产业转型驱动不强。具体表现：一是科技企业众多，但行业标杆较少；二是科研成果向工业产品的变现率低。大型企业有自己的科研团队，因此可以保证内部的科技创新不会中断，但中小型企业没有足够的资金和设备来培养一支专有的科研队伍。长三角城市群县级以上科研机构的研究经费远远高于专利转换的合同价值，凸显了外部科研机构研发成果与实际需求的巨大差异［7］。

综上所述，在发展后期，虽然物流企业规模逐渐扩大，但无论是管理和组织上的制度问题，还是外界创新驱动的疲软都开始显现，物流业促进科技创新的作用开始递减。由于物流企业的发展受限，而物流企业又与生产总值中占据最大份额的第二产业有紧密联系，所以受到经济发展影响的科技创新能力也会因此受到制约。