中国物流业发展评估与经济贡献率研究＊

马皓月，范芷汀，吴金卓

（东北林业大学工程技术学院，黑龙江 哈尔滨150040）

1 引言

近年来，物流业在资源合理配置以及产业结构调整等方面发挥着越来越重要的作用。六类物流枢纽的确定为“一带一路”建设、京津冀协同发展、长江经济带发展、粤港澳大湾区建设、长三角区域一体化发展、西部陆海新通道等重大战略实施和促进形成强大国内市场提供有力支撑[1]。在此背景下，探索中国物流业的发展情况及其对经济发展的贡献率对于进一步发挥物流业对社会经济发展的推动作用非常必要。

国内外学者在物流业发展评价方面展开了大量研究。在评价指标体系方面，OLGAI等[2]提出要将技术水平、物流业服务水平、物流设备现代化水平以及贸易便利程度等引入物流业能力体系中。弓宪文[3]建立了涵盖物流业绩效、物流业环境和物流业能力三方面的物流业发展评价指标体系。高小惠等[4]选取经济社会发展、物流规模、物流基础设施、信息发展水平及物流需求状况5个方面指标，运用灰色聚类模型对2015年30个省的物流业发展质量进行聚类分析。在评价指标权重方面，一些研究采用德尔菲法、层次分析法等主观赋权法，但是这些方法在权重确定上具有一定的主观性[5]。此外，还有灰色关联分析、熵值法以及神经网络等客观赋权法，这类方法可以有效地避免主观性，但有时存在权重设定与实际相悖的情况[6-8]。在此基础上出现了组合赋权法，结合主观赋权法和客观赋权法来确定权重，以使结果更加合理[9]。在评价模型方面，目前使用较多的有多元统计模型和模糊综合评价等，前者对样本数据要求较高，后者对样本要求相对宽泛而应用更加广泛[10]。国内外学者对物流业与经济的互动关系以及物流业的经济贡献率也进行了大量研究。例如，ACAR等[11]在考虑物流业对商业活动中的促进作用及其与经济竞争力的关系的前提下，对土耳其物流业绩效指标进行了分析，并对全球竞争力指数进行了定性比较。LEAN等[12]的研究表明，改进现代物流基础设施，加大物流产业投入以及增强供应链协作能力对区域经济发展具有显著影响。国内在该领域的研究多着眼于物流业的宏观层面或单一层次，选取货运量、货运周转量、物流业增加值或净出口贸易值中的一个或几个代表物流业的发展情况，并基于此探究物流业的经济贡献[13]。例如，杨跃辉[14]采用空间计量模型对特定区域物流业集聚度与经济发展水平间的依赖共生程度进行测度。李军[15]选取物流业的发展潜力、基础设施及总体规模三个维度的指标，运用系统协调发展度模型对中国2006—2015年的数据进行分析。金芳芳[16]采用相关性分析并建立经济增长模型，以物流业增加值为物流指标，通过1995—2009年中国总体数据和沪粤浙三个省市数据的实证分析，肯定了物流业对经济增长的带动作用。

综上可知，物流业与经济发展之间的定量研究已经取得了不少成果，但仍然存在以下一些不足：物流业的经济贡献研究中物流指标选取相对较为单一，物流业综合性的多指标在中国不同省市经济贡献率的对比分析的研究还不全面。本文利用基于云模型的模糊综合评价方法从多方位、多层次评估2004—2018年间中国物流业综合发展情况，并建立向量自回归模型分析在一段时间内物流业推动经济发展的动态关系，同时，建立含有时间和截面两个维度的面板数据模型探究物流业发展质量及其对经济发展的贡献率，为了解中国区域间的物流发展差异、区域借鉴物流业运营模式，精准制定物流业发展政策提供参考。

2 研究方法

2.1 物流业发展质量评价

模糊综合评价方法是一种通过模糊数学和隶属度实现从定性到定量转化的综合评价方法，而云模型可以有效地避免数据由定性向定量转化的不确定性。因此，本文采用基于云模型的模糊综合评价方法对中国的物流业综合发展质量进行评价。

2.1.1 评价指标选择

本文采用聚类—熵权法进行评价指标的选取，具体步骤如下：以物流业发展质量综合评价为目标确定评价体系的准则层；初选各准则层的详细指标，对所选指标进行标准化处理，正向指标用公式（1），负向指标用公式（2）；分别对各个准则层的指标进行聚类分组，分组后，利用公式（3）～（6）计算每组中各个指标的权重，选取每组中权重最大的那个指标代替该组数据。

式（1）（2）中：为第i个评价对象第j项评价指标标准化后的值；xij为第i个评价对象第j项评价指标的初始值；maxj为第j项评价指标中最大值；minj为第j项评价指标最小值。

式（3）（4）中：s为第s个评价对象；k=1/ln（h），h为指标的总数；t为评价对象的个数。

式（6）中：n为第i准则层的指标个数。

2.1.2 基于云模型的模糊综合评价模型

确定筛选后的准则层和指标权重。首先对样本数据进行标准化处理。接着，利用式（3）～（6）分别求出各个指标下每个待评对象占相应指标的比例Psj、各个指标的熵值ej、各个指标的效用值dj以及各个指标的权重qj。准则层权重记为Qi，第i准则层的各指标权重记为qi。

确定等级个数，将物流发展水平划分为不同等级，并且确定各个指标下各等级的界限，形如（xa，xb）。

确定评价指标的云数字特征，通过正态云模型的期望值Ex、熵值En、超熵值He来表征各个等级。利用式（7）～（8）分别计算期望值Ex、熵值En，超熵值He则需要通过多次试验得来。

计算隶属度，X条件云发生器的隶属度函数如式（9），输入指标数值和特征值，确定隶属度。重复多次并取平均值作为最终的隶属度矩阵R。其中，x0为云滴，E′x为正太云随机数，Ex′～N（En，He）。

得出综合评价C：C=Q*R。根据最大隶属度原则确定所属等级。

2.2 物流业的经济贡献研究

2.2.1 向量自回归模型

向量自回归模型（Vector autoregression model，简称“VAR模型”）由CHRISTOPHER提出。由于该模型将系统中的每一个内生变量作为内生变量的滞后值进行建模，因而可以很好地解释在一段时期内，内生变量之间动态的变化关系[17]。基于此，采用向量自回归模型分析物流业不同指标对经济贡献率的时序差异。含有k个时间序列变量的VAR模型表达式如下：

式（10）中：Y为k维内生矢量；A为相应系数矩阵；p为内生变量的滞后阶数。

在建立VAR模型时，首先要对研究变量进行平稳性检验，使得变量满足同阶单整后才可以确定滞后期的数值。进一步进行协整检验之后，对内生性变量做Grange因果检验，然后做稳定性检验，最后在模型满足稳定性的前提下，方可对解释变量做脉冲响应和方差分解分析[18]。

2.2.2 面板数据模型

面板数据模型涵盖时间和截面两个维度的数据在分析一定时期不同省市的物流业对经济的贡献率时具有信息涵盖更全面的优势，该模型如式（11）所示，其通常有三种形式：混合估计模型、固定效应模型和随机效应模型。混合估计模型中截距项和斜率项上是一样的。随机效应模型和固定效应模型的斜率项都是相同的，都是截距项不同，区别在于截距项和自变量是否相关，在固定效应模型二者相关；在随机效应模型中二者不相关，同时，模型的随机干扰项与解释变量无关。

式（11）中：Yit为第i个体在第t时间点的数据；αi为截距项；βi为回归系数；μit为随机干扰项；N为面板数据个体个数；T为时间序列的最大长度。

在面板数据模型形式的选择上，通过F检验决定选用混合模型还是固定效应模型，然后用Hausman检验确定应该建立随机效应模型还是固定效应模型。F检验用于确定模型是否存在个体效应。根据式（12）得到F的值，与查表所得F（N-1，NT-N-K）的值比较，其中，K为解释变量数，SSER为混合估计模型的残差平方和，SSEF为固定效应模型残差平方和。若F值小则选择混合估计模型；反之，选择固定效应模型。Hausman检验确定模型的个体效应与解释变量是否相关。该检验原假设是个体效应与解释变量不相关。通过P值来确定是否接受原假设，若拒绝原假设则选择固定效应模型；反之，选择随机效应模型。

3 实证分析

3.1 构建物流业发展评价指标体系

根据以往学者的经验，确定物流业运行成效、基础设施、创新投入和发展需求四个准则层并建立物流业发展评价体系，如表1所示。

表1 物流业发展质量指标

3.2 中国经济与物流业发展质量评价

3.2.1 中国经济发展质量评价

根据2004—2018年《中国统计年鉴》中的国内生产总值数据可以发现2004—2007年国内生产总值增长率保持大幅提高，为中国各项事业的发展提供了坚实的经济支撑；2008年受国际金融危机的影响，增长速率下降后迅速回升，说明中国经济具有良好的自我调节能力；2012年以来，中国国内生产总值增长率维持在10%左右，第三产业比例持续增加且超过第二产业，经济发展由以往的高速发展向高质量发展转变，产业结构得到改善。

表2 物流指标特征值

3.2.2 中国物流业发展质量评价

基于2004—2018年《中国统计年鉴》以及各省市统计年鉴的数据分析中国物流业的发展质量。首先，根据式（3）～（6）计算出研究区间内物流业样本数据的权重、熵值、信息熵冗余度等值，结果如表2所示。

将各个指标划分5个等级：“I等级”为优秀，“II等级”为良好，“III等级”为中等，“IV等级”为较差，“V等级”为差。根据式（7）、式（8）计算云模型特征值。一般的，He的值取En值的1/10。在获取正态云模型的特征值之后，用式（9）计算隶属度。由于计算数据较多，仅列出第一准则层第一个指标2004—2018年的隶属度，如表3所示。

表3 第一准则层第一指标隶属度

确定2004—2018年间各指标下的等级排名。通过公式C=Q×R实现2004—2018年间各指标权重与隶属度模糊转换，根据最大确定度原则确定排名，结果如表4所示。物流业综合指数在2016年步入第I等级。其中，基础设施于2013年最先步入第I等级，发展需求和创新投入于2016年步入第I等级，运行成效最晚，于2017年步入第I等级；前期发展需求准则层的等级变化快于基础设施等价变化，随着基础设施水平的提升，基础设施准则层快于发展需求，二者相互促进；创新投入的等级变化起步最晚但速度最快。

表4 各准则及综合评价等级

3.3 中国物流业的经济贡献率分析

3.3.1 基于向量自回归模型实证分析

为了提高向量自回归模型的精度，消除异方差的影响，本文对2004—2018年中国物流业发展水平的14个指标进行取对数处理。接下来对各准则层的指标进行相关性检验和主成分分析。4个准则层相关性检验中KMO值分别为0.719、0.726、0.765和0.698，均大于0.6；巴德利特球形度检验值均小于0.001，因此每一准则层各提取一个主成分。4个准则层提取的主成分线性表达式如下：

表5 系统1滞后阶数检验

首先对数据进行单位根检验，结果表明所测序列为平稳序列。样本数据经平稳性检验后即可建立模型，在VAR模型中，若待估参数太多则会使得估计误差增大，所以本文在分析时设置四个系统，分别建立地区生产总值与各准则层间的系统，下文用系统1、系统2、系统3和系统4表示，进而确定其滞后阶数。系统1的滞后阶数检验结果如表5所示。

由表5可知，1nY与1nX1回归模型的最佳滞后阶数为3，因此构建VAR（3）。同理，1nY与1nX2，1nX3，1nX4分别构建VAR（3）、VAR（3）和VAR（3），第一准则模型估计结果如公式（17）所示。

由格兰杰因果关系检验结果可知，在5%的显著性水平下，物流业运行成效、基础设施、创新投入水平、物流业需求是地区生产总值的格兰杰原因。进一步对4个VAR模型进行平稳性检验，结果如图1所示。由图2可知，VAR模型所有根模的倒数均位于单位圆内，即VAR模型是平稳的，可以继续进行脉冲检验。

图1 Ln Y分别与ln X1、ln X2、ln X3、ln X4系统平稳性检验

通过脉冲响应进一步分析物流业与经济发展间的动态关系，结果如图2所示。可以看出，物流业运行成效对地区生产总值的冲击在前三期呈现正效应，第四期开始冲击影响开始呈现负效应；基础设施对地区生产总值的冲击影响呈正效应且逐渐趋缓；创新投入对地区生产总值的冲击效应在短期内呈现负效应，但从第六期开始创新投入的冲击效应呈现逐渐上升的正效应；物流业需求对地区生产总值的冲击始终呈正效应。

图2 Ln Y分别对ln X1、ln X2、ln X3、ln X4扰动的响应

通过方差分解可以得到在一个系统中单一要素对系统的贡献度。由表6可知，在时间的维度上，物流业的发展对经济发展起到了推动作用，但推动作用不够显著且存在一定的滞后性。其中，物流业需求对经济增长的贡献较大，其次对经济影响较大的为创新投入，物流基础设施的贡献较为平缓而物流业运行成效对经济发展贡献具有即时性。总体来说，中国物流业的发展对经济增长起到一定的促进作用，但整体强度不够理想。

表6 方差分解结果

3.3.2 基于面板数据模型实证分析

首先选取合适的模型，对筛选出的4个准则层的14个指标下的样本数据进行F检验和Hausman检验，结果均拒绝原假设，故选择固定效应模型。基于Eviews10软件建立个体固定效应模型，得到运行成效、基础设施、创新投入、物流业需求的系数分别为0.155 4、0.057 0、0.074 93和0.086 4。

运行成效、基础设施、创新投入、物流业需求对经济增长均呈现推动作用。其中，运行成效对经济增长的推动作用最为明显，贡献率达15.54%，其次是物流业需求（8.64%），创新投入、物流基础设施的贡献率分别为7.5%和5.7%。

对面板数据模型中各省市的截距项进行等级划分，共划分六个等级，表征不同省市间自身原有发展环境的差异，结果如图3所示。可以看出，东北地区的评价等级为四、五等级，虽有边境口岸的对外贸易工作，但物流业仍处于依靠于劳动力增长的较为粗犷的发展模式。沿海地区省市的自身发展环境等级多为一、二等级，由于其优越的地理位置和环境条件，物流业的发展相对成熟、发展水平也较高，但仍存在着较大差异。以京津冀地区为例，河北省对经济的推动作用相对较弱，纵观其发展来看，长久以来，河北省的重工业比例较大，第三产业技术研发基础薄弱，表明地区间辐射带动能力不高。在黄河、长江中游地区的这些省市自身发展环境多为三、四等级，物流业的发展处于中等水平，便捷的交通网络未得到良好利用。西北地区和西南地区由于地理位置等原因，物流业发展较为缓慢，对经济增长的带动作用相对于其他地区而言较弱，且未能发挥突出优势，这就需要其他地区对该地区的资金与技术投资来推动其发展，同时，可以借力一带一路的发展，将自身资源优势通过物流流通转化为经济优势。

图3 个体固定效应模型截距项差异分布

4 结论

本文采用基于云模型的模糊综合评价方法对中国各省物流业发展质量进行多准则层综合评价，然后利用包含时间、截面数据两个维度的面板数据模型对中国物流业的经济贡献进行研究，得出以下结论：中国经济发展逐渐转向高质量发展，国内生产总值增长率呈现平缓发展趋势。物流业中物流规模最先达到第I等级，为物流业发展提供了良好的发展环境。创新发展起步晚但是等级变化最快，发展最为迅速。物流业需求增加与物流业供给水平提升之间的相互促进作用使得物流业不断向前发展。

各项物流要素对经济发展均起到了推动作用，物流业运行成效的作用较好且具有即时性；物流需求的贡献率较大且效用更为长远；创新投入后，经前期短暂适应后会起到较为明显的推动作用；基础设施是发展的前提，其具有投资回报期长的特点。中国物流业对经济推动作用的聚集效应显著，但扩散带动效应不够明显，需要加大对中西部物流业的扶持，帮助西部开发当地资源并通过物流业的联通转变为经济资源，提升中部地区对交通网络的利用率，发挥东部地区的辐射带动效应，为经济发展作出应有的贡献。