苏州市港口物流与城市经济协同发展研究

□文/ 张得银 顾友坠 董绍增

（江苏海洋大学商学院 江苏·连云港）

［提要］ 苏州市地处江苏南部，作为江苏经济发展的领头羊，经济实力毋庸置疑。苏州经济快速发展既得益于国家政策、自身优势与城市区位，也与当下快速发展的现代物流业紧密相关。拥有三大港区的苏州港在其城市经济发展中发挥着怎样的作用，港城协同发展情况如何？对此，本文采用2005～2020 年相关数据，运用VAR模型和耦合协调度模型，对苏州港口物流与城市经济协同发展进行实证检验，结果显示：苏州市港口物流与城市经济高水平耦合，两个子系统耦合协调度稳步提升。

引言

港口无论是在城市经济增长，还是在城市产业升级与产业结构优化调整中无疑均担任着重要的角色。纵观国内外城市发展演变进程，全球范围内35 个国际化城市有31 个是依托港口而快速兴起的。苏州市2021 年GDP 近2.3 万亿元，位居江苏第一、全国第六。本着对港口与城市经济发展高度关注态度，考察苏州港在其城市经济发展中的作用以及苏州港口物流与城市经济协调发展问题成为本文研究的立足点。

本文基于对港城协同发展理论的梳理，明确港口物流与城市经济协同发展的内在机制，并构建港口物流与城市经济协同评价指标体系，并结合苏州市相关数据资料展开实证检验，考察苏州港与苏州市的港城协调发展情况。

一、港城关系研究概述

港城关系主要集中于港口与城市之间的经济关系及空间关系。国内外学者对于这两大关系的研究已经积累了较多的研究成果，主要理论观点如下：

关于港城经济关系的研究，最早可以追溯到《每一吨货物对地区经济的价值》研究报告中关于美国费城港口每装卸一吨货物的直接耗费与收入的叙述；Seong-Hyeok Moona、JoseI.Castillo 与Bernard Franco等分别通过港口投入产出模型（PIM）、系统动力学与仿真方法研究了韩国港口建设与经济发展不协调问题、港口经济的动态影响、港口与经济之间的关系问题；Cesar Dueruet 和Sung-Woo Lee 研究发现港口与城市渐进演化的发展规律；Jung B 研究发现港口投入产出关联效应设计创造就业、促进生产和增值等方面，且港口需要通过增强合作融入全球供应链该关联效应才会更加显著。

国内关于港口与城市经济发展的研究起于港口规划、布局与选址问题，在20 世纪90 年代末开始出现港口与经济发展的定性与定量问题的研究，主要采用的方法包括计量及教学模型、系统动力学模型和投入产出模型等，有代表性的学者有黄顺泉、梁红艳与王健等。

关于港口与城市空间关系的研究，国外学者Sung-Woo Lee 研究发现东西方港城空间演化存在明显的差异性，提出亚洲港城空间经历了从沿海渔村-殖民港城-转口港城-自由贸易港城-枢纽港城-全球枢纽港城的发展六阶段；Bart W.Wiegmans 和Erik Louw 研究阿姆斯特丹港时发现该港口的扩张速度明显降低，但城市向港口的扩张速度却越来越快，港城空间发展进入新时期。国内学者研究港城问题起于港城空间关系，杨吾扬提出港口及港口所在城市的空间布局对港口与城市功能的发挥及未来发展产生直接影响。紧随其后，诸多学者将研究集中于对港口工业化、港口与经济腹地、港口空间结构演化等领域，如王铮的“港口枢纽-网络结构”理论，张入方的港口运营与城市空间关联理论，郭建科提出了海港城市“港-城空间系统”演化理论，并系统分析了“港-城空间系统”演化的动力机制。

二、港口物流与城市经济协同发展模型构建

（一）模型选择。向量自回归模型简称VAR 模型，该模型是用模型中所有当期变量的若干滞后变量进行回归分析。

其中，c 是n*1 常数向量，Ai是n*n 矩阵，p 是滞后阶数，et是n*1 误差向量。

（二）协同评价指标体系的构建。对港口物流和城市经济两个子系统，选择适合分析的指标十分重要。参考陈鹏（2015）的研究方法，构建如表1 所示的指标体系。各指标数值由苏州市统计局官网和数据苏州App 上获取，各指标权重通过熵值法计算确权。（表1）

表1 协同评价指标体系一览表

（三）港口物流与城市经济的耦合协调度界定。耦合是指两种或两种以上的事物元素之间存在紧密配合与相互影响，并通过相互作用从一个元素向另一元素传输能量的现象。耦合度表示事物元素之间的关联密切程度。港口物流与城市经济的耦合度C 可以表示为：

在（2）式中，U1 和U2 分别表示两个子系统的协调适配度。其中，Ui＝,（μij为各序参量对应的权重，［Xij］为无量纲化后的指标数值）。耦合度所对应的范围为0～1 之间，C 越趋近于0 表示两者相互作用较弱，越趋近于1 表示两者相互作用越强。按耦合度值将耦合度划分为耦合形成（0，0.3］、低水平耦合（0.3，0.5］、相互耦合（0.5，0.8］和高水平耦合（0.8，1］四个阶段。

本文引入“耦合协调度”的概念，能够较为精准地识别出两者之间发展水平不高的问题。耦合协调度可以表示为：

在（3）式中，D 代表耦合协调度；T 指协调指数，能反映出港口物流与城市经济的整体协调效应；a 和b 分别表示港口物流与城市经济两个子系统在整个系统中的重要程度。文中取a=b=0.5，表示两个子系统对于整个系统来说同等重要。按照耦合协调度值，将耦合协调情况划分为失调（0，0.2］、濒临失调（0.2，0.4］、勉强协调（0.4，0.6］、中度协调（0.6，0.8］和高度协调（0.8，1］五个类型。

三、苏州市港口物流与城市经济协同发展实证检验

（一）指标选取与单位根检验。本文选择港口货物吞吐量和集装箱吞吐量作为港口物流的体现指标。经济指标以GDP 记量，对原始数据进行无量纲化处理后，进项单位根检验，结果如表2 所示。（表2）

表2 单位根检验结果一览表

通过表2 所示的单位根检验结果可知，原数据和和一阶差分数据的P 值均大于0.05，为不平稳序列，将数据经过二阶差分后数据趋于平稳，所以三个变量二阶差分后是平稳序列，可以进行协整分析。

（二）协整分析。本文选择Johansen-Juslius 进行样本的协整检验。利用Eviews8.0 软件得到结果，如表3 所示。（表3）

表3 J-J 协整检验一览表

如表3 输出结果所示，拒绝原假设，说明样本数据有协整关系；原假设至少有一个协整关系通过了，证明这三个变量之间有协整关系。

（三）VAR模型构建与分析

1、最优滞后阶数。如表4 所示，VAR 模型的最优滞后阶数为3。通过AR 根图检验滞后阶数为3 阶时的稳定性，发现有的点落在圆外，故本文将最优滞后阶数确定为一阶。再通过AR 根图来检验结果的稳定性，从图1 可以看出，伴随矩阵的所有特征值均落在单位圆之内，表明模型稳定。（表4、图1）

表4 最优滞后阶数选择一览表

图1 AR特征多项式根图

2、VAR模型参数估计结果。通过协整分析可知，三个变量之间存在协整关系，即三者之间存在长期均衡关系。再建立VAR 模型看一下短期因果关系，模型估计结果如表5 所示。（表5）

表5 VAR模型估计结果一览表

3、格兰杰因果检验。由表6 可知，LHW 不是LGDP 的格兰杰原因对应的P 值为0.0433 小于0.05，拒绝原假设，说明LHW 是LGDP 的格兰杰原因；LGDP 不是LHW 的格兰杰原因对应的P 值为0.3645 大于0.05，不能拒绝原假设，说明LGDP 不是LHW 的格兰杰原因；LJZX 不是LGDP 的格兰杰原因对应的P 值为0.5827 大于0.05，不能拒绝原假设，说明LJZX 不是LGDP 的格兰杰原因；LGDP 不是LJZX 的格兰杰原因对应的P 值为0.3467 大于0.05，不能拒绝原假设，说明LGDP 不是LJZX 的格兰杰原因。（表6）

表6 格兰杰因果检验结果一览表

由此可知，苏州市货物吞吐量是苏州市GDP 的格兰杰原因，即意味着苏州港口货物吞吐量对苏州市经济增长的影响显著，这表明苏州市港口物流与苏州城市经济发展之间存在较为密切的相互影响。苏州市集装箱吞吐量对苏州城市经济发展作用不显著，这可能与苏州市发达的陆路、空运系统对水路运输的替代有关；也可能与苏州市邻近的上海洋山港等周边地区港口间的竞争与替代有关。上海港既对长三角地区城市经济发展有一定的推动作用，在一定程度上也必然对长三角地区其他城市的港口功能有一定的覆盖影响，从而使得苏州港集装箱吞吐量对苏州城市经济的促进作用被邻近地区吸能。

四、苏州市港口物流与城市经济系统协同性实证结果

（一）港口物流与城市经济子系统协调适配度。依据前文所确立的指标体系，城市经济指标主要包括一二三产业产值、全社会固定资产投资、工业投资额、进出口总额和社会消费品零售总额等指标，分别用X1、X2、X3、X4、X5、X6、X7表示；港口经济指标主要包括港口泊位数、货物吞吐量、集装箱吞吐量等指标，分别用Y1、Y2、Y3表示。依据熵值法分别测算港口物流与城市经济子系统的协调适配度，如表7、表8 所示。（表7、表8）

表7 苏州港港口物流系统序参量协调匹配度一览表

表8 苏州市城市经济系统序参量协调匹配度一览表

（二）苏州市港口物流与城市经济的协同性检验。依照公式（3）计算港口物流与城市经济之间的耦合协调度，可知苏州市港口物流与城市经济2005～2020 年的协同类型，见表9。（表9）

表9 苏州市港口与经济耦合协调度变化情况一览表

（三）协调结果分析。如表9 所示，2005～2020 年间苏州市港口物流与城市经济之间的耦合度均为高水平耦合，表明苏州市港口物流与城市经济之间的相互影响较强，港口物流与城市经济之间的耦合协调度稳步升高。纵向来看，2011 年之前苏州市港口物流与城市经济的耦合协调度较低，处于失调与濒临失调状态；2011～2017 年，情况开始好转，协调类型由濒临失调转化为勉强协调，然后转变为中度协调；2018 年以后，整个系统进入高度协调状态。由于两个子系统的变化程度较小，耦合协调度的大幅提高主要来源于子系统内部协调适配度的提高。