基于VAR模型的陕西省物流业与经济发展互动关系

郝添磊,范俊玲

(陕西省交通运输发展研究中心，陕西 西安 710075)

物流需求的产生是经济发展到一定程度的产物。物流业作为生产性服务业，具有跨行业、跨区域、关联性强、辐射性广等特点，发达的物流业可通过需求拉动来推动经济发展。同时，地区经济的发展也为物流业创造市场，二者相互依存[1-2]。近年来，《关中平原城市群发展规划》《关于新时代推进西部大开发形成新格局的指导意见》等国家重大发展战略的出台，为陕西交通运输高质量发展提供了机遇，也为物流业发展指明了方向。

关于物流业与经济发展的关系研究国外学者开展得较早。Melendez O等分析了拉丁美洲物流发展，认为经济发展所处的不利环境限制了交通基础设施配置，从而导致物流业生产效益不断降低[3]。Akonmb E认为物流基础设施是经济增长的基础，物流对经济具有显著的拉动作用，市场的变化时刻决定着物流产业供需，政策的引导能够更加有效地实现物流产业与市场相融合，使资源得到优化配置[4]。Daniela N I等认为运输是物流的核心，物流业发展有助于经济增长[5]。国内学者也开展了物流业与经济发展互动关系研究。朱坤萍分析物流业与经济发展关系，认为物流随着经济动态的发展而日益完善；经济结构越合理、规模越大的剩余对物流产生的需求越大，从而进一步影响经济[6]。毛文富等运用空间计量方法研究物流业对经济发展的影响，认为二者间存在的不平衡可改进物流业与经济发展间的不协调[7]。赵晓敏等运用VAR模型分析物流业与经济发展的互动关系，认为经济发展对物流业具有正向影响，经济发展是物流业发展的单项格兰杰原因[8]。此外，关于物流业与经济发展互动关系的研究主要集中在经济发达的省市或地区，而经济欠发达地区的相关研究较少[9-13]。

基于此，文中以陕西省为研究对象，运用计量模型对陕西省物流业与经济发展之间的互动关系进行定量分析，以期为陕西省物流业与经济发展良性互动提供参考。

1 研究方法与数据来源

1.1 指标选取

文中在参考文献资料的基础上，结合陕西省具体情况，从多维度选取7个经济指标和7个物流指标，构建物流业与经济发展评价指标体系[14-16]，如表1所示。

表1 物流业与经济发展评价指标体系

1.2 数据处理

文中选取数据样本区间为2001—2019年统计数据，数据来自《中国统计年鉴》《陕西统计年鉴》或经计算得出。在指标数据的计算中，凡是受到价格因素影响的指标，均转化为以2001年基年不变价。

1.2.1 熵值法确定指标权重

熵值法通常用来形容一种能量在空间中分布的均匀程度[17]。建立评价体系原始数据矩阵：X=(Xij)m×n(0≤i≤m,0≤j≤n)。熵值法测算过程如下[18]：

1)原始数据标椎化处理。文中运用极差标准化进行数据标准化处理，将原始数据代入式(1)、式(2)，得到标准化数据。

(1)

(2)

2)计算指标比重。

(3)

3)计算第j项指标信息熵值ej和信息效用值dj。

ej=-k∑λijlnλij

(4)

第j项指标的信息效用值dj即该指标的信息熵值ej与1之间的差值dj=1-ej。

4)计算第j项指标权重。

(5)

将物流业和经济发展标准化数据代入式(3)—式(5)，得出物流业和经济发展各指标的权重如表1所示。

1.2.2 线性加权法构建综合评价指数函数

利用熵值法计算权重和标准化数据，建立物流业综合评价指数函数与经济发展综合评价指数函数，采用线性加权法进行各自测算，算式为[19-20]

(6)

运用式(6)计算2001—2019年物流业及经济发展综合评价数据。为了保证VAR模型时间序列数据不存在异方差，对物流业综合评价数据与经济发展综合评价数据采用取对数处理，分别标识为lnL和lnG。

2 实证分析

2.1 ADF单位根检验

运用Eviews23软件对变量lnL和lnG进行ADF单位根检验，结果如表2所示。物流业变量lnL单位根检验P值大于5%的显著性水平，说明物流业变量lnL是非平稳。在一阶差分情况下，物流业变量lnL仍旧没有通过5%的显著性水平检验。继续进行二阶差分后，lnL和lnG的P值均在5%的显著性水平通过平稳性检验，表示lnL和lnG属于同阶单整序列。

表2 变量单位根检验结果

2.2 VAR模型滞后期

在计量经济学中，一般根据SC、AIC和HQ的信息量取值最小的准则确定模型的滞后期。 如表3所示，在滞后阶数为2时，SC、AIC及HQ值最小，因此，滞后阶数应为2，建立VAR(2)模型，回归方程估计如下：lnG=0.777 164 603 649lnG(-1)+0.318 714 460 672lnG(-2)-0.032 236 248 708 2lnL(-1)-0.186 527 807 637lnL(-2) - 0.165 384 093 443；lnL=0.528 685 383 76lnG(-1)+0.449 293 300 18lnG(-2)+0.086 666 449 803 5lnL(-1)-0.205 495 924 844lnL(-2) - 0.189 772 882 107。

表3 VAR模型滞后期检验

2.3 VAR模型稳定性检验

由AR单位根检验图可以看出，特征方程的4个特征根倒数的绝对值均小于1，说明建立的VAR(2)模型平稳并且有意义，如图1所示。

图1 VAR(2)模型根

2.4 协整检验

在变量lnL和lnG平稳转化的前提下进行Johansen协整检验，分析经济发展和物流业之间是否具有长期均衡现象[21]。如表4所示，在5%显著性水平存在1对协整关系。

表4 变量协整检验结果

2.5 格兰杰因果检验

运用Eviews23软件进行经济发展与物流业因果性检验，如表5所示。在5%的置信水平下，经济发展与物流业发展互为格兰杰原因，表明经济发展会引起物流业发展，而物流业发展也会引起经济发展[22]。

表5 格兰杰因果检验结果

2.6 脉冲响应函数

文中运用广义脉冲响应函数对建立的VAR(2)进行脉冲响应函数分析。纵轴代表响应程度，横轴代表冲击作用的滞后期长度，文中运用后10期来观测变量间响应程度；虚线代表正负2倍标准差的置信区间，实线代表脉冲响应函数[23]。

如图2所示，经济发展对物流业的冲击效果在第1期响应度为0，之后呈现逐渐变强的正向冲击效果；第2期正向冲击效果达到顶峰，之后逐渐变弱；从第9期开始正向冲击基本稳定。表明物流业发展受经济发展影响，经济发展对物流业发展存在长期影响，但是短期影响更明显。如图3所示，经济发展对物流业的冲击效果从第1期正向冲击效果达到最大值，之后各期呈现下降趋势，表明物流业发展会推动经济的发展。

图2 lnL对lnG的脉冲响应函数结果

图3 lnG对lnL的脉冲响应函数结果

2.7 方差分解

方差分解说明一个序列变量的波动有多少是由于自身因素冲击造成的，有多少是受到其他因素冲击造成的。如表6所示，各期物流业发展水平的变动主要受经济影响，第10期经济对物流预测方差的影响高达52.80%，说明经济发展对物流业影响大于物流业对自身影响；而经济发展主要受自身影响，物流业对经济发展影响在第1期最大，之后随着时间后移，其影响逐渐变小并稳定在16.58%，说明物流业对经济发展贡献率较小，推动作用不显著。

表6 lnG和lnL方差分解

3 结 论

文中通过建立VAR(2)模型分析了陕西省2001—2019年物流业与经济发展的互动关系，并得出以下结论：第一，从长期来看，经济发展对物流业发展具有明显的推动作用，二者之间存在均衡协整关系。第二，脉冲响应分析表明，经济对物流业的促进作用大于物流业对经济的促进作用，随着时间滞后期数增加，冲击效应逐步减弱，最终趋于平稳。第三，由方差分解可以得出，经济发展对物流业贡献程度大于物流业对经济发展的贡献程度，并且贡献程度随着滞后期数增加而上升。总之，目前陕西省物流业对经济发展的影响不显著，经济发展对物流业有一定的正向作用。因此，陕西省需进一步提高物流业规模和服务水平，提升物流竞争力，加强物流与其他产业的联系，推动经济高质量发展，进而实现物流业与经济发展相互促进的良性互动。