福建省区域物流与区域经济的关联性与协同度的实证分析

黄淑兰， 郑承志

(1.黎明职业大学 轻工学院， 福建 泉州 362000； 2.黎明职业大学 商学院， 福建 泉州 362000)

0 引言

随着经济全球化以及市场需求变化的日益加快，物流与经济的协调发展日益重要.目前已有很多学者对物流与经济的关系进行了实证研究.例如：郭湖斌等[1]通过构建区域物流和区域经济的综合发展水平模型以及应用耦合度(协同度)模型对苏浙沪2001—2016年的物流和经济面板数据进行了实证分析，研究结果显示苏浙沪区域物流与区域经济之间存在明显的协同效应；陈治国等[2]应用向量自回归VAR模型对我国35个大中城市2003—2015年的物流和经济面板数据进行了实证分析，研究结果显示物流业对第一产业、第二产业和第三产业(除物流和邮政之外)都有正向促进作用；夏文汇等[3]应用层次分析法和协同度模型对重庆市2007—2018年的国际物流和经济年度数据进行了实证分析，研究结果显示重庆市的经济增速明显低于国际物流，二者之间的协同度较低；陈治国等[4]基于2004—2017年的物流与经济的省际面板数据，应用熵权法和协同度模型对全国以及我国东部、中部、西部地区的物流与经济的协同度进行了实证分析，研究结果显示虽然我国物流与经济的协同度在不断改善，但仍未进入协同发展阶段，其中东部地区的物流与经济的协同度优于中部地区和西部地区(中部地区优于西部地区)；鄢飞等[5]应用熵权法和协同度模型对西北5省2005—2017年的物流与经济年度数据进行了实证分析，研究结果显示该段时间内西北5省的物流与经济的协同度得到大幅提高；李宝库等[6]运用包络分析模型及VAR模型对苏浙皖沪2000—2017年的物流与经济年度数据进行了实证分析，研究结果显示该区域物流对区域经济有极大的促进作用；邱洪全[7]应用熵权法和协同度模型对闽西南协同发展区2010—2019年的物流与经济年度数据进行了实证分析，研究结果显示厦门、泉州的物流与经济的协同度较高，而漳州、龙岩和三明的物流与经济的协同度相对较低；徐蓉蓉[8]应用随机效应空间杜宾模型对我国除港澳台及西藏之外的省份、直辖市及自治区2005—2017年的物流与经济年度数据进行了实证分析，研究结果显示区域物流对区域经济具有显著的正向效应；刘晓琳[9]应用熵权法和协同度模型对北上广渝津2016—2020年的物流与经济年度数据进行了实证分析，研究结果显示上述5市的物流与经济的协同度在不断提高，其中北上广的物流与经济的协同度优于天津和重庆.上述研究主要是基于计量经济学方法和基于协同度分析方法对物流与经济之间的关系进行分析的.但由于采用计量经济学方法研究时所选取的指标通常较少，且数据需要符合预设的统计规律，因此该方法并不适合研究多指标系统之间的关系；而基于协同度的分析方法虽然采用的指标较多，但最终通常使用的只有两个综合指标之间的协同度，因此该方法涵盖的信息量较少.为探析福建省区域物流与区域经济的关联性与协调性，本文采用灰关联分析模型和复合系统协同度模型对福建省1995—2019年的物流与经济年度数据进行实证分析，以期为福建省相关部门的经济决策提供更为详实的依据.

1 研究模型

1.1 熵权法

熵权法是一种客观赋权方法，该方法主要是通过评判数据的分散程度(根据评价指标)来确定指标的权重.若某一评价指标的评判数据越分散、熵值越小，则其包含的信息量就越大，进而其所对应的权重也就越大[10].假定一个评估问题有m个指标、h个评价方案，则其评价矩阵为：

对上述评价矩阵中的元素作标准化处理后可获取标准化评价矩阵R=[rij]m ×h， 其中rij∈[0,1]， 表示评估问题的第j个评价方案在第i个评价指标上的评价值.对于效益型指标和成本型指标，其评价值的计算公式分别为：

(1)

(2)

(3)

(4)

1.2 灰关联分析模型

灰关联分析的基本思想是依据数据序列所构成的曲线形状间的相近度来判断数据序列之间的关联度，该分析法能有效消除样本量不足和样本信息不全所带来的不确定性，且便于分析两个多指标系统之间的关联性.假定系统X和系统Y各有m和n个指标，每个指标的标准化时间序列数据有h个数据点，系统X各指标的标准化数据序列为xi={xi(1)，xi(2)，…，xi(h)}(1≤i≤m)， 系统Y各指标的标准化数据序列为yj={yj(1)，yj(2)，…，yj(h)}(1≤j≤n).若以系统X所有指标的标准化数据序列x1，x2，…，xm作为相关因素序列，以系统Y第j(1≤j≤n)个指标的标准化数据序列yj作为特征行为序列，则指标xi与指标yj在第p(1≤p≤h)个数据点的灰关联系数[11]为：

(5)

式中：分辨系数η∈[0,1]， 典型值为0.5； 1≤i≤m； 1≤j≤n； 1≤p≤h； 1≤q≤m； 1≤l≤h.指标xi与指标yj(1≤i≤m， 1≤j≤n)的灰关联系数为：

(6)

目前，应用灰关联分析研究经济问题时大多采用张莉等[12]的4等级判断准则，即：指标x和指标y的灰关联系数值ξxy∈(0,0.35]时，两指标间的关联强度为低；ξxy∈(0.35,0.65]时,两指标间的关联强度为一般;ξxy∈(0.65,0.85]时,两指标间的关联强度为较高;ξxy∈(0.85,1.00)时,两指标间的关联强度为非常高.

1.3 复合系统协同度模型

2000年，孟庆松等[13]基于协同理论的序参量原理和役使原理提出了一个复合系统协同度模型.由于该模型普适性较好，且能较准确地评价各类复合系统的协同度，因此被广泛应用于各种复合系统的协同度研究中.该模型假定复合系统为S=f(S1,S2,…,Sk)， 其子系统Sj的序参量ej有lj个分量eji， 每个序参量分量eji有h个时间序列数据eji={eji(1)，eji(2)，…，eji(h)}(1≤j≤k，1≤i≤lj， 对时间序列数据作标准化处理可获取各序参量分量eji在各数据点的有序度).该模型的效益型序参量分量和成本型序参量分量在第p(1≤p≤h)个数据点的有序度计算公式分别为：

(7)

(8)

(9)

复合系统在第p(2≤p≤h)个数据点的协同度为：

(10)

2 实证分析

2.1 指标选取与数据来源

本文兼顾指标的科学性、代表性以及数据的可获性，选取公路货运周转量、铁路货运周转量、水路货运周转量、民航货运周转量、沿海港口货物吞吐量(以下简称为沿海港口吞吐量)作为物流指标，选取轻工业总产值、重工业总产值、农业总产值、林业总产值、牧业总产值、渔业总产值、建筑业总产值、批发与零售增加值(以下简称批零业增加值)、进出口总额作为经济指标.上述指标中，物流指标之间、经济指标之间以及物流指标与经济指标之间均不存在交叉或重复.指标数据来自《福建统计年鉴—2021》.

2.2 熵权计算

计算熵权前首先需对原始数据进行标准化处理.由于本文的所有指标都属于效益型指标，因此采用公式(1)对1995—2019年的福建省物流与经济年度数据进行标准化处理，结果见表1.

利用式(3)和(4)对表1中的公路货物周转量、铁路货物周转量、水路货物周转量、民航货物周转量以及沿海港口吞吐量等物流指标的熵权值进行计算得其熵权值分别为0.240 3、0.117 6、0.247 8、0.227 6和0.166 7； 采取上述方法对轻工业总产值、重工业总产值、农业总产值、林业总产值、牧业总产值、渔业总产值、建筑业总产值、批零业增加值以及进出口总额等经济指标的熵权值进行计算得其熵权值分别为0.132 3、0.119 5、0.100 2、0.109 9、0.084 0、0.084 2、0.152 7、0.122 5和0.094 7.

表1 1995—2019年福建省物流与经济数据的标准化处理结果

2.3 灰关联分析

由于计算灰关联系数时其数据标准化的方法与计算熵权时一致，因此表1也可作为计算灰关联系数所需的标准化数据.

2.3.1区域物流对区域经济的影响

为分析福建省区域物流对区域经济的影响，以物流指标数据序列作为相关因素序列，以经济指标数据序列作为特征行为序列，利用公式(5)(式中分辨系数η取典型值0.5)和公式(6)分别计算5个物流指标与9个经济指标的灰关联系数值，结果见表2.表2中，“行加权和”是通过各经济指标的熵权对表中灰关联系数的行进行加权和计算获取的，它表示的是物流指标对经济系统的胁迫作用强度；“列加权和”是通过各物流指标的熵权对表中灰关联系数的列进行加权和计算获取的，它表示的是经济指标对物流系统的耦合作用强度.

根据表2以及张莉等的灰关联强度4等级判断准则可知，除了铁路货物周转量与各经济指标的关联强度属于“一般”等级之外，其他物流指标与各经济指标的关联强度都属于“较高”和“非常高”等级，这表明福建省区域经济与区域物流(铁路货运除外)密切相关.对表2中的胁迫作用强度和耦合作用强度进行加权和计算后显示，物流系统对经济系统的综合胁迫作用强度和经济系统对物流系统的综合耦合作用强度均为0.837 2(接近“非常高”等级)，这表明福建省的区域物流对区域经济的影响较大.

表2 物流指标与经济指标的灰关联系数值

2.3.2区域经济对区域物流的影响

为分析福建省区域经济对区域物流的影响，以经济指标数据序列作为影响因素序列，以物流指标数据序列作为特征行为序列计算所有经济指标与各物流指标的灰关联系数(计算方法和过程与2.3.1同)，结果如表3所示.按照2.3.1中的方法计算经济系统对物流系统的综合胁迫作用强度和物流系统对经济系统的综合耦合作用强度，其结果均为0.736 1(属于“较高”等级)，这表明区域经济对区域物流的影响低于区域物流对区域经济的影响.

表3 经济指标与物流指标的灰关联系数值

2.4 协同度分析

因采用协同度分析数据时其数据标准化的方法与熵权法一致，因此表1也可以作为协同度分析的标准化数据.

2.4.1区域物流和经济的有序度和协同度

根据表1和物流及经济指标的熵权，利用公式(9)计算各年份物流和经济的综合有序度，并根据计算结果绘制了物流和经济有序度随时间的变化图(见图1).由图1可以看出，虽然区域物流有序度和区域经济有序度均随时间的增加呈显著增大趋势(2009年的物流有序度除外)，但物流有序度的曲线平滑程度低于经济有序度曲线，说明经济有序度的变化相对较为平稳.

为探析物流与经济协同度的发展趋势，利用公式(10)计算了各年份物流与经济的协同度，并据此制作了物流与经济协同度随时间的变化图(见图2).作为参照，图中同时给出了在理想情境(物流有序度和经济有序度均从1995年的0.000 0线性增加到2019年的1.000 0)下的协同度水平线(该水平线位于协同度的0.041 7处).图2显示：物流与经济协同度曲线的线性趋势线为正斜率，且在2009年之后均位于理想情境参照水平线之上，这表明物流与经济的协同度总体上呈良好的发展趋势；从2003年开始，物流与经济协同度的波动性呈现增加趋势.

图1 1995—2019年福建省物流有序度与经济有序度随时间的变化趋势

图2 1996—2019年福建省物流与经济协同度随时间的变化趋势

2.4.2协同度波动分析

图3 1996—2019年福建省物流有序度年增量、经济有序度年增量以及物流与经济协同度随时间的变化趋势

为了分析物流与经济协同度的波动原因，本文根据上述的物流和经济有序度的计算结果计算了物流有序度和经济有序度的年增量，并绘制了二者随时间的变化图(见图3).为了方便物流及经济有序度年增量和物流与经济协同度之间的对比，图中同时给出了上述计算所得的物流与经济协同度.由图3可以看出，物流与经济协同度产生波动的原因在于物流有序度和经济有序度的年增量波动，其中物流有序度年增量的波动性相对较大.

为进一步分析物流和经济有序度年增量的波动来源，本文依据表1计算了各物流指标及经济指标有序度的年增量，并绘制了物流指标和经济指标有序度的年增量随时间的变化图(见图4).由图4(a)可以看出，铁路货运有序度的年增量波动远大于其他物流指标，这表明铁路货运有序度是导致物流有序度的年增量发生波动的主要原因.由图4(b)可以看出，除牧业总产值、林业总产值、进出口总额的有序度年增量的波动相对明显外，其他指标的波动性均较小，因此经济有序度的波动相对较小.

(a) 物流指标有序度的年增量 (b) 经济指标有序度的年增量 图4 1996—2019年福建省物流指标有序度的年增量(a)和经济指标有序度的年增量(b)随时间的变化趋势

3 结论与建议

本文从两个方面改进了物流与经济协同度的实证研究：一是通过增加灰关联分析使研究结果包含了更多的信息；二是通过增加协同度波动原因的分析使研究结果更为全面.根据上述实证分析本文得出以下4条结论与建议： ①福建省公路货运周转量、水路货运周转量、民航货运周转量、沿海港口吞吐量等物流指标与福建省轻工业总产值、重工业总产值、农业总产值、林业总产值、牧业总产值、渔业总产值、建筑业总产值、批零业增加值、进出口总额等经济指标的灰关联系数值介于0.768 8与0.943 9之间，关联强度都属于“较高”和“非常高”等级，而铁路货运与各经济指标的灰关联系数值介于0.549 9与0.575 1之间，关联强度属于“一般”等级，因此现阶段福建省在制定经济建设规划时应着重考虑水路、公路、民航的货运能力以及沿海港口的货物吞吐能力.②福建省的区域物流对区域经济的综合胁迫作用强度为0.837 2，区域经济对区域物流的综合胁迫作用强度为0.736 1，这表明区域物流对区域经济的影响明显大于区域经济对区域物流的影响.③物流有序度和经济有序度以及物流与经济的协同度均随时间呈显著增加趋势，但从2003年开始物流与经济协同度出现波动增大的趋势(其原因在于物流有序度及经济有序度的年增量发生明显波动，其中物流有序度年增量的波动相对更大一些).④改进福建省区域物流与区域经济的协同度应注重保持区域物流有序度的平稳发展，其中减小区域物流有序度(特别是铁路货运有序度)年增量的波动性是保持区域物流有序度平稳发展的重要因素.