中國區域物流資源利用情況的實證研究

摘 要：以省區為單位的區域物流發展主要取決于該省區的物流資源條件和物流資源利用情況。從物流資源產出率的角度關注各省區物流資源利用情況，從全國31省區的物流資源相關數據入手，通過主成分分析、回歸分析等定量研究方式，說明了物流資源產出率對區域物流發展的意義，并給出了一種新的衡量省區物流資源利用情況的統計方法。

關鍵詞:區域物流；資源利用；物流資源產出率；主成分分析

中圖分類號：F250 文獻標志碼：A 文章編號：1673-291X（2012）06-0196-04

引言

區域物流發展對區域經濟發展存在良好的推動作用。近年來，關于區域物流發展的研究日趨增加。衡量區域物流發展程度的主要指標是物流業生產總值，而物流業生產總值的主要影響因素包括了該區域的各種物流資源條件和物流資源利用情況。現有研究主要聚焦于區域物流資源條件整體或某一方面的改善，而疏于分析對區域現有物流資源條件的合理利用。

在已有的對現有區域物流資源條件利用的研究中，學者們存在不同的研究視角。一部分學者關注現有物流資源的整合：秦迎林、李紅艷（2009）從第三方物流企業的角度入手，使用BP神經網絡的方法對物流資源整合風險進行預警[1]。而舒輝、林曉偉（2011）以系統理論、協同學理論為指導，定性分析了序參量在集成化物流資源整合協同演化中的作用，為指導跨企業集成化物流資源整合提供了理論依據[2]。另一部分學者關注物流資源的利用效率：余泳澤、武鵬（2010）利用隨機前沿生產函數測算了中國物流產業的效率，并得出了中國物流產業效率整體不高，區域間效率逐步縮小的結論[3]。與之相互印證，鐘祖昌（2010）在三階段DEA模型的基礎上，分析了31省的物流產業技術效率，得出了各省物流業綜合技術效率較低和各地區物流業發展存在差異的結論[4]。

本文主要關注物流資源的利用效率，從物流資源產出率的角度關注各省區物流資源利用情況。在實證研究中，先通過主成分分析的方法對不同省區的物流資源條件分別打分，進而使用回歸分析的方法對全國31省區的物流資源產出率進行橫向比較。不僅從數理層次重新說明了物流資源產出率對區域物流發展的意義；而且給出了一種新的衡量區域物流資源利用情況的統計方法，并且以個別省區為例，分析了物流資源產出率對區域物流業生產總值的具體影響。

一、實證研究設計

生產總值是經濟主體在一定時期內的生產活動成果，物流業生產總值是依靠各種物流資源條件所創造出的一種價值總和。因此，本文用物流資源產出率說明一個地區的物流資源利用情況，并將物流資源產出率定義為一單位物流資源所能創造出的物流業產值。

在中國統計年鑒和地方統計年鑒中，物流資源總量和物流業生產總值都沒有專門的統計數據。因此，在分析中，需要選取合適的指標來分別替代物流業生產總值和物流資源總量。

根據國家統計局和國家標準局制定的國民經濟行業分類標準，物流業屬于第三產業中的交通運輸、倉儲和郵電業，本文選用各省的交通運輸、倉儲和郵電業生產總值來替代各省的物流業生產總值。

在一個區域的物流業發展中，物流資源條件是多方面的。這些資源條件種類繁多，單位不一。為消除由于物流資源單位差異所引起的度量問題，本文選用主成分分析的方法，將不同的單位標準化為得分，用各省的物流資源條件綜合得分來替代各省的物流資源總量。

（一）物流資源條件綜合得分的確定

物流資源條件由多種資源條件綜合決定，因此，本文建立了31省區物流資源條件指標體系。一級指標共五類，具體分為：經濟資源條件、人力資源條件、運輸資源條件、倉儲資源條件和社會環境資源條件。在一級指標體系下，繼續建立二級指標。經濟資源條件包括：地區生產總值（億元）、農業總產值（億元）、工業總產值（億元）、建筑業總產值（億元）、批發與零售業總產值（億元）、商業營業用房銷售面積（萬平方米）、出口（億美元）、進口（億美元）等八項，依序排為X1~X8；人力資源條件為總人口（萬人），序號為X9；運輸資源條件包括：鐵路密度（公里/萬公頃）、公路密度（百公里/萬公頃）、載貨汽車噸位（萬噸）、貨運量（萬噸）等四項，依序排為X10~X13；倉儲資源條件為商業營業用房平均銷售價格（元/平方米），序號為X14；社會環境資源條件包括：教育經費（萬元）；衛生機構床位數（張）；長途電話交換機容量（萬路端）；移動電話交換機容量（萬戶）；互聯網接入端口（萬個）；社區服務設施數（個）等六項，依序排為X15~X20。

對于以上指標的選擇，需要說明以下幾點：（1）參照物流工程學中的物流選址理論（不同目標指向的物流園區距資源地的遠近不同），自然資源條件被當做外生變量處理。（2）國家發布的物流相關政策往往不存在明顯的區域性偏向，因此政策資源條件被當做外生變量處理。（3）由于各省區面積不一，直接采用道路長度作為衡量標準難免出現偏頗。本文在分析中引入道路密度（道路長度/省區土地調查面積）作為解釋變量。考慮到各省條件的不一致性，在這部分變量選取時只選取了各省區共有的鐵路密度和公路密度，而沒有選取內河航道密度。（4）所有變量數據均來自2010年中國統計年鑒[5]，均為2009年統計數據。

根據該指標體系，采用SPSS17.0軟件對20個變量指標進行主成分分析。巴特利特球度檢驗結果為sig.=0.000（＜0.05），能夠拒絕相關系數矩陣為單位陣的假設，且KMO檢驗結果為0.817（＞0.5），說明變量之間有較強的相關關系，適合做主成分分析。

根據主成分提取原則，從20個解釋變量中通過方差分解主成分提取對應的特征值大于1且主成分累計貢獻率大于等于85%提取出前三個主成分。第一主成分貢獻度為64.178%，第二主成分貢獻度為15.303%，第三主成分貢獻度為7.471%，前三個主成分的累積貢獻率為86.952%（＞85%）。這說明提取的這三個主成分能夠基本反映20個解釋變量所代表的信息，可以用來代替原來的20個解釋變量。

使用具有Kaiser標準化的正交旋轉法進行旋轉，旋轉5次收斂后得到各因子的載荷矩陣。該矩陣兩端集中，各因子的典型代表量突出，因子的意義明顯，能更好的解釋提取出的主成分。由矩陣可看出，第一主成分主要包括：農業總產值（X2）、工業總產值（X3）、建筑業總產值（X4）、總人口（X9）、載貨汽車噸位（X12）、貨運量（X13）和衛生機構床位數（X16）。物流業屬于生產性服務業，農、工、建筑業產值恰好說明了各省對物流業的客觀需要，而總人口、載貨汽車噸位、貨運量和衛生機構床位數反映了各省發展物流業的基礎條件，因此將第一主成分F1命名為“客觀基礎條件”。第二主成分主要包括：出口（X7）、進口（X8）、長途電話交換機容量（X17）和互聯網寬帶接入端口（X19）。這些變量反映了各省的信息化程度和開放程度，因此將第二主成分F2命名為“信息開放條件”。第三主成分主要包括：鐵路密度（X10）、公路密度（X11）和商業營業用房平均銷售價格（X14）。這些變量反映了各省的運輸及倉儲條件，因此將第三主成分F3命名為“區位條件”。

在三個主成分中，起到決定性作用的是客觀基礎條件，而信息開放條件與區位條件也是很重要的物流資源評價指標，這和人們的一般認知相同。值得注意的是，信息開放條件在物流資源條件中的權重超過了區位條件，這凸顯了信息在物流發展中的重要地位。

將F1中每個指標相應的得分系數乘以F1的對應貢獻率再除以三個主成分的累計貢獻率，加上F2中每個指標相應的得分系數乘以F2的對應貢獻率再除以三個主成分的累計貢獻率，再加上F3中每個指標相應的得分系數乘以F3所對應的貢獻率再除以三個主成分的累計貢獻率，可整合得出各省物流資源條件綜合得分F的方程為：

F = 0.04X1 + 0.12X2 + 0.05X3 + 0.08X4 + 0.02X5 + 0.05X6 - 0.06X7-0.06X8+0.09X9+0.04X10+0.08X11+0.11X12+0.11X13-0.04X14+

0.04X15+0.1X16-0.04X17+0.03X18+0.02X19+0.03X20 （1）

根據公式（1），將各省數據代入進行計算，即可得出各省物流資源條件綜合得分。

（二）中國物流資源產出率的確定

物流業生產總值是依靠物流資源條件創造出來的總價值，兩者應存在正比例線性關系。如果31個省均絕對服從這個線性關系，即假設各省存在一個統一的物流資源產出率，31個省區的樣本點將會分布在同一條直線上。但現實中，各省的實際情況并不相同，并不在同一直線上。為了更好的說明各省物流資源利用水平的相對位置，找出和31省樣本點接近的最好的直線，本文以各省物流資源條件綜合得分F為自變量，各省物流業生產總值Y為因變量，對線性趨勢進行OLS回歸，結果如公式（2）所示：

Y = 0.023F + 12.802 + et （2）

（8.013） （0.150）

R2=0.689 F-statistic =64.208

括號內為回歸系數對應的t值，回歸系數t檢驗的P值約為0小于0.05，通過檢驗，由回歸結果可看出，線性方程擬合良好。

為了更加直觀的分析數據，給出物流資源產出率公式：

物流資源產出率=

必須指出：在指標體系中，自然資源條件和政策資源條件被設為外生變量。這表明即使各省物流資源條件得分為零，作為外生變量的資源條件仍會創造一定量的物流業產值，即公式（2）中的12.802億元。在標準化后的物流業生產總值中，這部分產值被剔除。

由公式（2）可知，中國物流資源產出率為0.023。由于中國物流資源產出率反映了中國各省區物流資源利用的一般情況，將其作為參照，與31省的物流資源產出率進行對比分析。

二、經驗分析

（一）各省區物流資源利用情況定位

為定位全國31省的物流資源利用情況，本文根據各省的物流業生產總值，物流資源條件綜合得分和按公式計算得出的各省物流資源產出率分別排序（見下頁表1）。

通過該綜合排名可以看出，物流業生產總值和物流資源條件只是描述省區物流業發展的一個角度，而物流資源產出率則從科學發展的角度再次審視了一個省區的物流業發展情況，是有其實際意義的。各省區的物流資源產出率存在明顯的地域性特征，由高向低大致為東—中—西的走勢。在31個省區中，低于中國物流資源產出率的省區顯然更容易在物流資源利用方面加以改進。如河南、陜西、四川、安徽等。

（二）各省區物流資源利用情況分析——以河南省為例

由排序結果可知，河南省的物流業發展狀況較為特殊。在31省的物流資源條件綜合得分排序中，河南省排第二位，居于絕對前列；在物流業生產總值排序中，河南省排第六位，也屬于排序較為靠前的省份；但在物流資源產出率排序中，河南省只排到第二十四位，資源產出率的值約為0.0157小于中國物流資源產出率0.023。這說明河南省的物流資源產出率比較差，從另一個角度，這也說明河南在物流資源合理利用方面存在著非常大的進步空間。

由于河南省的物流資源條件綜合得分非常高，這意味著河南省的物流資源產出率只要略微提高，能帶來的物流業產值增量將會非常顯著。若將河南省的物流資源條件得分51 722.6代入（2）式，即可得到同等物流資源條件下，按中國物流資源產出率可以達到的產值水平為1 193.7億元，而河南省物流業的實際產值只有823.57億元，比一般水平少370.13億元。這表明河南省在2009年的物流資源條件下，如果可以更加合理利用物流資源，將物流資源產出率提高至全國一般水平，就可以將物流業生產總值再提高370.13億元。這相當于將實際產值提高了將近45%，是相當大的飛躍。

另一方面，如果河南省的物流資源產出率維持原狀，而采取改善物流資源條件的方式來增加物流業產值，也可以使河南省物流業生產總值達到1 193.7億元。但根據（2）式可知，此時河南省的物流資源條件綜合得分需要達到驚人的75 334.89，超出了2009年排序第一的山東省5 000余分，相當于河南省現有物流資源水平得分的1.46倍左右。

其他省區的物流資源利用分析同河南省的分析原理相同，不再一一贅述。

結束語

在現有研究成果的基礎上，本文對中國各省區物流資源的利用情況進行了實證分析和經驗分析。分析中，根據現實情況，選用各省的交通運輸、倉儲和郵電業生產總值代替各省的物流業生產總值，同時利用主成分分析的方法算出了各省的物流資源條件綜合得分，進而求出各省的物流資源產出率。將各省的物流資源產出率同全國一般水平進行比較，得出了一些有意義的結論，也為一些省區的物流業發展方向提供了參考。

影響物流資源條件的三個主成分包括客觀基礎條件、信息開放條件和區位條件，前后順序按權重由大到小排列，可以作為各省區改進物流資源產出率的主要關注對象。

通過定量分析可知，按物流資源條件與物流資源產出率分別排序的意義不同。物流資源條件是影響物流業生產總值的硬性條件，在物流資源產出率不變的前提下，物流資源越多，物流業產值越大。而物流資源產出率是影響物流業生產總值的軟條件，在物流資源總量不變的前提下，物流資源產出率越高，物流業產值越大。物流資源產出率對物流業產值的貢獻起著類似杠桿的作用，往往物流資源產出率的小幅度增加，在物流業生產總值上就表現出很大的提升。因此，各省區發展物流業時要因地治宜。物流資源條件和物流資源產出率的關系應為兩者兼顧，而不應厚此薄彼。這樣，區域物流業的發展會更快更好。

參考文獻：

[1] 秦迎林，李紅艷.基于BP神經網絡的第三方物流資源整合風險預警模型[J].統計與決策，2009，(7):31-33.

[2] 舒輝，林曉偉.集成化物流資源整合的序參量分析[J].當代財經，2011，(6):77-82.

[3] 余泳澤，武鵬.中國物流產業效率及其影響因素的實證研究——基于中國省際數據的隨機前沿生產函數分析[J].產業經濟研究，2010，(1):65-71.

[4] 鐘祖昌.基于三階段DEA模型的中國物流產業技術效率研究[J].財經研究，2010，(9):80-90.

[5] 中國統計年鑒[K].北京:中國統計出版社，2010.[責任編輯 吳 迪]