物流产业与经济增长的协整研究

唐建荣 曹玲玉 薛锐

摘  要：本文以2000～2017年城市数据为基础，结合VAR模型和空间数据探索性分析，构建了江苏省物流产业和区域经济发展水平综合评价指数体系，并从时间维度和空间维度分析两者之间的动态关系和因果关系。研究表明：经济增长对物流业发展存在一定的长期影响;物流产业与区域经济具有很强的相关性，体现出良好的协同发展特征，但区域间的协同程度差异显著;物流业与经济发展水平存在正向空间关联特征。最后，从梯度发展、均衡发展、垂直发展、平行发展等角度提出了优化物流业与经济发展的相关政策建议。

关键词：VAR模型;序参量;协同发展;空间自相关

中图分类号：F259.27    文献标识码：A

Abstract： Based on the urban data from 2000 to 2017， this paper combines VAR model and exploratory analysis of spatial data to construct a comprehensive evaluation index system of logistics industry and regional economic development level in Jiangsu province， and analyzes both from time dimension and spatial dimension. Dynamic relationship and causality. The research shows that economic growth has a certain long-term impact on the development of logistics industry; logistics industry has a strong correlation with regional economy， which reflects the characteristics of good coordinated development， but the degree of synergy between regions is significant; logistics industry and economic development level. There is a positive spatial association feature. Finally， from the perspectives of gradient development， balanced development， vertical development， and parallel development， relevant policy recommendations for optimizing logistics industry and economic development are proposed.

Key words： VAR model; order parameter; collaborative development; spatial autocorrelation

0  引  言

包含了包装、装卸、运输、仓储以及流通加工等业务活动的物流业是影响国民经济发展的基础产业，是中国经济发展的重要助推器和源动力。国务院2014年发布的《物流业中长期发展规划（2014～2020年）》旨在促进物流服务，实现市场供求的衔接，为我国经济的发展提供重要的支持和保障。物流作为企业的第三利润源，可以提高企业的经营效率，促进企业朝着专业化、一体化的方向发展。然而目前较低的物流产业效率和较高的全社会物流成本阻碍了物流产业的转型升级和经济的持续增长，因此，有必要研究经济与物流产业的协调发展关系，提高两者的协调发展水平。

近年来学者在物流产业和区域经济发展研究中见仁见智。唐建荣等[1]（2016年）利用SVAR模型分析中国物流和金融发展之间协同作用的内在效率。诸裕祥、陈恒[2]（2018）采用OLS稳健标准差回归模型来分析物流业发展不平衡的原因，从内部机制和外部效应促进了各区域间的积极互动。杨扬、李莉诗[3]（2019）运用数据包络分析法研究了国际陆港城市物流能力与社会经济发展的协同程度，效率分析是从综合效率、技术效率以及规模效率三个角度来展开的。伍宁杰、官翠铃等[4]（2019）运用系统耦合理论对长江中游城市群的物流产业与经济发展的协同性开展研究，在空间分布中，耦合协调度具有随机性，局部存在与空间呈负相关。杨浩雄等[5]（2019）根据地区经济、地区物流业需求和地区物流业供给三个方面确定系统边界，建立系统动力学模型来研究物流与经济的互动关系。本文从多维度构造了物流业与经济发展的综合评价指数函数，并运用VAR模型，从时间序列角度研究物流业与经济发展互动关系;并结合了探索性空间数据分析的方法，从空间维度对物流业与经济发展水平的协同关系进行了实证研究。

1  指标选择与研究方法

本文将江苏省作为研究对象，以其13个城市2000～2017年数据作为研究样本。为了根据指标的重要性和相关数据的可获得性，更全面、客观地评价物流产业水平，本文以仓储业、交通运输业和邮政业的相关数据代替物流产业[6]，全面分析物流产业水平和经济发展状况。

1.1  评价指标体系构建

借鉴唐建荣、唐萍萍[7]的研究，本文构建了物流行业的评价指标体系，將投入指标划分为物流行业固定资产投资额、物流从业人员数量、道路运营里程和物流行业员工工资总额;物流产出指标分为物流行业产值、货物周转量和货物运输量。根据经济增长的因素分析，结合唐建荣、张鑫[8]的研究成果，将经济发展指标划分为全社会消费品零售总额、固定资产投资额、地区生产总值和人均地区生产总值。

指标体系中各指标的选取及数据均来源于《江苏省统计年鉴》和《中国城市统计年鉴》，为消除物价影响，涉及价格因素的指标采用2000年不变价格进行修正，同时对原始数据进行自然对数处理，权重计算结果如表1所示。

首先对数据进行标准化，采用变异系数法确定指标权重[9]。变异系数法的具体计算方法如下：w=vv， v=σ/，其中：w为第i项指标的权重;v为第i项指标的变异系数;σ为第i项指标的标准差;为第i项指标的平均数。最后利用U=∑ωX，计算2000～2017年江苏省物流业发展指数和经济发展综合评价指数函数，对两者的综合评价数据进行对数处理，物流业和经济变量分别记作InL和InE。

1.2  研究方法

通过现有文献的梳理和归纳，本文选择VAR模型从时间序列视角来探究物流业与经济增长的关系;利用ESDA从空间视角分析江苏省城市之间是否存在空间效应。

1.2.1  VAR模型概述

VAR模型[10]最早由Sims（1980）应用到经济学分析中，是一种将若干个经济变量视作一个系统来进行预测的模型，系统中所有变量都是内生的。假设有2个时间序列变量y，y，将这2个时间序列变量当作2个回归方程的被解释变量，将p阶滞后值作为方程的解释变量，这样就构成了一个二元的VARp系统，具体如下：

=++…++                     （1）

其中：ε和ε为白噪声过程，方程组左侧是内生变量;右侧作为解释变量。

记y=， ε=， τ=， τ=，则上式可以整理为：

y=τ+τy+…+τy+ε                                          （2）

1.2.2  探索性空间数据分析

探索性空间数据法（ESDA）一般用于面板数据的空间自相关检验，是指在一定空间范围内，某一要素与邻近要素之间存在的依赖性。本文利用全局和局部的Moran'I指数进行检验和判定，全局相关检验反映了江苏省各城市物流产业的空间相关性和经济发展水平：

I=                                        （3）

由于在全局Moran'I指数中缺乏对异质性的考虑，因此也需要对局部Moran'I指数进行测试。

I=                                         （4）

在上述两个公式中，n表示区域研究样本总数，w表示空间权重矩阵，其原理如下：

w=

当I取正值时，说明城市间为正向空间效应;反之，则为负向空间效应。I取值的正负表示城市发展的趋势为集聚或分散。

2  基于物流业与经济水平的VAR模型分析

本章基于向量自回归模型（VAR）分析江苏省物流业与经济发展之间的关系，通过以下步骤完成模型的建立及检验：（1）平稳性检验;（2）选择合适的滞后阶数;（3）模型的稳定性检验;（4）格兰杰因果关系检验;（5）脉冲响应分析;（6）方差分解。

2.1  变量的平稳性检验

为了更好地研究变量之间的关系，需要采用Augmented Dickey Fuller方法對各时间序列的数据进行平稳性检验，以避免数据的非平稳性影响实证结果的准确性。检验结果在表2中显示，原始序列发展指数的ADF值在5%的水平下显著，表明所有变量都是稳定的。

2.2  VAR模型阶数选择

滞后阶的确定是向量自回归（VAR）模型的前提，它能充分反映模型的动态特性[11]。足够大的滞后阶数需要大量的估计参数，需要降低模型的自由度，因此有必要对模型的优缺点进行权衡，并进行适当的选择。Eviews中利用AIC、SC等信息准则等来进行决选，如表3所示：

表3中给出了从0～3阶的VAR模型的LR，FPE，AIC，SC和HQ的值，由相应标准选择的滞后阶数由*表示，最终由大多数标准选择的最小滞后阶数是2，此时AIC和SC也达到了最小值，由此可以建立VAR模型，相关数据如表4所示。

表5中结果表明，VAR的两个方程调整后的R均在0.9以上，拟合优度较高，因此该模型比较可靠。由于VAR滞后阶数为2，可建立VAR2模型，得到关于InE和InL的估计式：

=++++

2.3  VAR模型稳定性检验和协整检验

2.3.1  稳定性检验

模型的稳定性是脉冲函数和方差分解的前提。检验稳定性是看单位根的倒数是否在单位圆内;如果它们都在单位圆内，则系统是稳定的。具体检验结果如图1所示。

如图1所示，说明模型通过平稳性检验，该模型是稳定的，模型设计理想。

2.3.2  协整检验

基于上述确定的VAR模型，采用协整检验方法进行检验，检定结果如表6所示。

由表6可知：在5%的显著水平下，迹统计量拒绝了最初的假设，即没有协整关系和至多是一个协整关系，即两组被测试变量之间存在协整关系，这表明物流产业与经济发展之间存在长期的平衡关系。

3  物流产业与经济发展的内在逻辑研究

3.1  格兰杰因果关系检验

当模型中存在不稳定变量时，忽略Granger因果关系检验，如果变量之间不存在协整关系，则为伪回归，此时Granger因果检验是无意义的。在验证变量间存在长期的协整关系后，使用Granger因果关系检验（Granger，1969），测试结果如表7所示。

格兰杰因果关系检验结果表明，在显著性水平为5%的情况下，物流业对经济增长的格兰杰检验接受零假设，经济发展对物流产业的格兰杰检验拒绝零假设，即经济发展水平是物流业发展的单向格兰杰原因，说明经济发展刺激了物流业的需求，为物流业的发展提供了保障，并决定了区域物流业的发展水平。尽管物流业对经济发展的力度不够，但物流无疑可以优化区域产业结构，在一定程度上提高区域经济效益。

3.2  脉冲响应分析

脉冲响应函数可以充分反映变量之间的动态关系，本文构造了一个VAR2模型，可构造两个脉冲响应函数。基于本文的研究目的，对江苏省物流业指标函数和经济增长指标函数的脉冲响应进行了分析，结果如图2、图3所示：

图2显示了江苏省物流发展对经济增长的反应。由图2可知，初期时物流业对其自身变动的响应比较敏感，在第1期时达到正效应的最大值，变化幅度呈逐渐下降趋势，但仍略高于零点，说明InL的响应函数路径总体为正;到第10期开始基本稳定，且处于一个较为平稳的态势，经济发展水平对物流业的促进作用不够显著，原因可能是目前难以满足物流业日益增长的需求、基础设施的发展使得物流业的运营成本大幅增加、物流企业对产成品存在质疑及不确定性等，经济增长对物流行业的发展有着长期的影响，但短期效应更为明显。

图3显示了江苏省经济发展水平对物流业的响应。由图3分析可知，经济发展受到来自物流业发展水平的一个冲击后，在第1～2期时达到最高点后显著下降，在第6期趋于平稳态势，但正向效应相对较大，物流系统的发展速度相对经济发展速度是缓慢的。

3.3  物流业与经济发展水平的方差分解

脉冲响应函数描述了内生变量对VAR系统中其他变量的影响，这是对绝对作用的描述，对VAR系统变量的贡献程度可以通过方差分解来描述，是对相对效应的描述。所有变量与响应变量的贡献率之和为1，由于篇幅限制，表8仅显示了物流业变量的方差分解结果：

由表8可知，江苏省各期的物流业发展水平的变动主要受自身的贡献影响，在第一期InL的新生标准误差对自身的贡献程度为100%，之后其自身的贡献程度逐渐下降，并在第7期后稳定在92%左右，后期受到其他变量的影响逐渐加大并趋于稳定，说明其他变量的影响有一定的滞后性。各时期经济发展水平对物流业的贡献率不断提高后处于稳定阶段，维持在7%左右。

4  物流业与区域经济的空间关系研究

上文从时间序列的维度研究了物流业与经济发展水平的关系，接下来将从空间角度分析物流产业与区域经济的空间关

系[12]。本研究仍遵循上述指标体系探讨物流产业与经济发展的互动关系。

按照协同思想，把经济发展水平和物流业分别被定义为D和D两个子系统，其发展过程中的序参量为d=d，d，…，d，其中n≥1，α≤d≤βi=1，2，…，n，α，β是系统稳定临界点上d的下限和上限。序参量有两种类型：正向指标和负项指

标[13]。因此，有两种计算方法：

ud=                                     （5）

式中：ud∈0，1，表示序参量对系统有序程度的贡献度。度量子系统有序度是通过集成ud实现的，本文将选择加权平均法进行集成。

ud=uud， u≥0， u=1                                   （6）

ud=                                          （7）

从动态的角度重新衡量总系统的协同度，令ud， j=1，2，…，k為子系统在t时刻的系统有序度，ud， j=1，2，…，k是各子系统在t时的系统有序度，t～t时段的城市化物流系统协同度定义为总体系统协同度。

DSG=φuud-ud                                     （8）

其中：φ=。

DSG的值范围为-1，1，值越大，系统的协同程度越高。通过计算可以推定各子系统间的演化路径。通过上式的计算，最终得出了物流业—经济发展协同得分值，由于年份过多，本文只罗列出奇数年的协同值以作示范，计算结果如表9所示。

由表9可知，江苏省大部分城市的经济物流系统协同度范围在0.15～0.45之间，苏州和南京的协同发展状况最好，江苏省各城市的协同在分布上存在较为明显的区域集聚现象。全局莫兰指数是在使用Stata软件进行999蒙特卡罗模拟试验后，结合物流—经济发展协同得分得到的，具体见表10。

从表10可知，总体而言2000～2017年莫兰指数显著为正，所有指标都通过了5%的显著水平测试，最小值为0.251，在2006年达到了最大值0.499，表明江苏省物流业与经济发展水平存在显著的正向空间关联特征，时序上逐年降低。表明城市间关联性降低，局部差异性增强，集聚效应减弱，而结合数据测算过程来看，这一趋势是由于城市发展与区域间发展不协调的差距不断拉大所致。

上述检验不能反映区域间空间上的的显著性差异，为了对江苏省物流产业和经济发展水平的空间关联度、内生机理特征进行综合分析，本文选取部分年份作为研究对象，借助Geoda软件绘制了这些年份的局部Moran指数散点图[14]（见图4），以探讨城市之间的局部空间自相关。

由图4和表11可知，江苏省物流业与经济发展水平的空间相关模型主要为H-H型（如南京、无锡、徐州、常州等）和L-L型（如连云港、淮安等），江苏省城市空间自相关特征以大城市集聚和小城市集聚为主。大多城市存在显著的空间正相关，空间单元属性具有同质性，呈现为自身低周边低或自身高周边也高的情况，说明产业发展在空间上的正向集聚区域持续扩大，高水平城市发挥了良好的辐射引领作用;少数城市空间单元属性具有异质性，此时地理上的局部差异性扩大，相似性减小。

5  结论与政策建议

本文采用VAR模型分析了2000～2017年江苏省物流业与经济发展水平的相互作用，运用探索性空间数据分析方法，分析了江苏省城市物流产业与经济协调发展的空间结构特征。主要结论为：（1）根据协整检验结果，江苏省物流业与经济增长之间存在长期的均衡关系。结合时间序列的变化趋势，可以认为物流产业的可持续发展有效地促进江苏省的经济增长，两者的发展方向是一致的。（2）根据格兰杰因果检验结果，江苏省经济发展水平是物流产业发展的单向格兰杰原因。这表明，江苏省经济增长对物流业的发展具有良好的拉动作用，而物流业的发展对江苏省的经济增长没有明显的促进作用。这可能是我国物流业的发展起步较晚，政府没有制定好相应的扶持政策，加上区域经济的发展由多个方面共同决定，所以两者的协调性并不统一。（3）根据脉冲响应分析结果，江苏省经济发展水平对物流业的促进作用不够显著，但推动力度仍然存在，表现为地方生产总值的增长对区域物流的需求与供给有明显的拉动作用，经济的增长会激励物流业进行生产活动，随着产品数量的增加，物流产业的供给水平将被拉动，从而刺激区域物流的需求。（4）空间自相关分析表明，物流业与区域经济正相关，但区域间物流的发展并不均衡。南京、無锡的物流产业集聚度高—高集中，物流产业总体效率较高;扬州、泰州等地区物流业的空间集聚并不显著。连云港、宿迁的高、低值集聚反映了物流产业集聚在核心城市的空间分布特征和对周边城市的辐射，各城市呈现出不同的状态和技术效率水平。（5）近年来，物流业和区域经济发展迅速，政府合理规划和引导企业的项目进程。同时，两者的发展变化的速度不均衡，只有两个子系统协调发展，才能发挥整个系统的最优效果。

实证结果表明，目前江苏省物流业与经济水平协同发展整体不平衡，城市间的协同度呈现出显著的差异特征。为进一步提升并稳固江苏省各城市的协同与联系，优化城市网络布局和缩小城市间的发展差距，必须因地制宜，多元共治：（1）梯度发展，制定差异化目标和政策。通过实证研究发现，江苏省城市间的物流产业和经济发展存在空间分布不均衡的问题。考虑到我国物流产业及区域经济发展受国家宏观经济政策调控的影响有很大关系，建议统筹兼顾各城市的能力和资源水平，因地制宜，将扶持政策向弱势城市倾斜，制定差异化目标和政策，缩小区域不均衡现象，利用发达城市的优势，借助其扩散效应来缩小城市之间的差异。（2）均衡发展，推动经济系统融合提升。物流产业与区域经济之间存在显著的正相关关系，但区域物流的发展不均衡，区域物流产业与经济体系的协调程度不由任意一方决定，而是决定于两者的彼此协同程度。因此要加速改善物流效率和经济发展增长极，除此之外还应推动物流产业以及其他第三产业的发展，引导相关产业增加对物流的需求，形成信息共享、技术互通的产业链。（3）垂直发展，深度推进物流产业升级。江苏省作为物流运输节点，物流需求大，应通过信息化手段整合江苏省现有的物流资源，收集物流行业数据，深度挖掘，为物流行业和企业提供真实有效的市场信息，避免物流企业盲目扩张，缓解物流行业的低效无效竞争，为物流业未来的进一步发展提供保障，垂直发展能减少各城市之间随意终止合作交易的不确定性。（4）平行发展，促进城市的协同和互补。根据江苏省自身资源条件和环境承载力，确定不同区域的发展方向和功能定位，优化区域产业布局，加强各城市的合作意识，避免恶性竞争，促进各城市的功能互补与统筹发展;采取针对性措施拓宽物流产业的发展层次，发挥规模效应，并以政府为主导，提升和完善各区域的要素贡献率。

参考文献：

[1] 唐建荣，廖祥宾，马洁纯. 基于效率改进的物流金融协同模式研究[J]. 财贸研究，2016，27（2）：29-38.

[2] 诸裕祥，陈恒. 我国区域物流业发展非均衡及其外部效应估计——基于要素投入及其效率的分析[J]. 商业研究，2018（1）：112-121.

[3] 杨扬，李莉诗. 国际陆港城市物流能力与社会经济发展协调评价——以昆明市为例[J]. 北京交通大学学报（社会科学版），2019，18（3）：129-137.

[4] 伍宁杰，官翠铃，邱映贵. 长江中游城市群物流产业与经济发展耦合协调性研究[J]. 中南财经政法大学学报，2019（4）：89-99.

[5] 杨浩雄，段炜钰，马家骥. 基于系统动力学的地区物流业与地区经济互动机理研究[J]. 统计与决策，2019，35（3）：69-73.

[6] 蔡海亚，谢守红. 长江三角洲物流发展及与经济增长关系的实证研究[J]. 北京交通大学学报（社会科学版），2016，15（2）：89

-96.

[7] 唐建荣，唐萍萍. 中国物流产业效率的时空演化[J]. 北京工商大学学报（社会科学版），2018，33（6）：43-53.

[8] 唐建榮，张鑫，杜聪. 基于引力模型的区域物流网络结构研究——以江苏省为例[J]. 华东经济管理，2016，30（1）：76-82.

[9] 向丽. 长江经济带旅游产业—城镇化—生态环境协调关系的时空分异研究[J]. 生态经济，2017，33（4）：115-120.

[10] 刘南，李燕. 现代物流与经济增长的关系研究——基于浙江省的实证分析[J]. 管理工程学报，2007（1）：151-154.

[11] 宋琪，王宝海. 基于VAR模型的物流业增加值与经济增长的实证分析[J]. 统计与决策，2016（1）：142-146.

[12] 李全喜. 区域物流能力与区域经济发展的典型相关分析——基于全国面板数据[J]. 软科学，2010（12）：75-79.

[13] 唐建荣，类延波. 城市化与物流业协同发展的时空演化及驱动因素研究[J]. 哈尔滨商业大学学报（社会科学版），2019（1）：45-56.

[14] 刘瑞娟，王建伟，黄泽滨. 基于ESDA的“新丝绸之路经济带”物流竞争力空间格局演化及溢出效应研究[J]. 统计与信息论坛，2017，32（6）：106-112.

[15] 郭湖斌，齐源. 长三角区域物流与区域经济协同发展水平及空间协同特征研究[J]. 经济问题探索，2018（11）：77-85.

[16] 唐曼萍，程哲. 农产品期货价格与农业上市公司股价的相关性研究：以新希望集团为例[J]. 软科学，2012（7）：86-90.