廣東省物流業與經濟增長的空間計量分析

高秀麗，孟飛榮

(廣東海洋大學經濟管理學院，廣東湛江 524088)

一、引言

隨著國民經濟的迅速發展，現代物流業在國民經濟建設中發揮的作用愈發重要?，F代物流業是社會經濟發展的重要紐帶，具有增強產業競爭優勢、調節平衡市場供需以及保障國家經濟安全等重要作用?，F代物流業不僅是各產業部門經濟增長方式轉變的主要手段和途徑，而且已成為國民經濟發展的新的經濟“增長點”，是國民經濟發展實現由粗放型向集約型轉變的重要標志。

近年來，國內學者采用不同方法，選用不同樣本和指標對物流業與經濟發展關系進行了研究。譚清美等［1］引入物流當量概念，對江蘇省物流能力對經濟增長彈性進行研究，得出江蘇省物流能力對GDP增長有明顯拉動作用的結論。李冠霖［2］根據投入產出表對我國物流業進行分析，研究發現發展物流業會極大地帶動第二產業和第三產業的發展，并促進國民經濟整體運行效益的提高。鞠頌東等［3］采用橫截面數據，通過對我國西部物流經濟總量、物流政策與制度、投資、物流企業、人力資源、物流技術及設施、管理水平等的比較分析，發現物流因素還未明顯起到帶動西部地區經濟增長的作用。劉楠等［4］運用格蘭杰因果檢驗方法，對浙江省現代物流與經濟增長之間的雙向因果關系進行了分析，結果顯示物流發展與經濟增長之間互為因果，呈現出相互促進、共同發展的良好態勢。崔國輝等［5］運用計量經濟的方法對吉林省物流產業與經濟發展之間的關系進行了實證分析，結果表明吉林省物流與經濟關系呈現出比較穩定的長期均衡發展趨勢。

現有相關研究大都采用投入產出法以及協整分析等傳統的統計研究方法進行分析，隨著新地理經濟學理論的不斷發展，部分學者將空間統計和空間計量經濟分析方法將地理、區位等因素納入到經濟分析中。邵揚［6］選用個體固定效應模型對我國1978—2007年經濟增長與物流業之間的相關性進行了分析，研究結果表明各地區GDP與物流有顯著的相關特性，物流對各地區GDP有顯著影響，但影響程度有限。范月嬌等［7］采用橫截面數據對海西物流業與區域經濟的空間關聯性進行分析，研究表明海西物流發展與區域經濟的空間關聯性是顯著的，但非絕對影響要素。

現有研究為本文提供了很好的借鑒，但大部分研究沒有考慮到空間因素的影響，考慮到空間因素影響的文獻僅僅考慮了被解釋變量的空間相關性，沒有將解釋變量空間溢出效應納入模型。鑒于此，本文在現有研究的基礎上，構建空間面板杜賓模型，基于廣東省2001—2011年21個地市級面板數據，對物流業與經濟增長的關系進行實證分析。

二、指標選擇與模型設定

(一)指標選擇與數據來源

經濟增長由人均GDP度量，根據人均GDP指數調整為2001年不變價格，簡記為PGDP;選用貨物周轉量作為物流業發展狀況的度量指標，簡記為HYZ。為使數據具有可比性，并減少異方差，所有的數據均采用對數形式。

本文選取的樣本是2001—2011年的廣東省21個地市級面板數據，原始數據主要來源于2002－2012年的《廣東省統計年鑒》。

(二)空間計量經濟學模型

空間計量分析中，通常使用空間滯后模型(Spatial Lag Model，SLM)和空間誤差模型(Spatial Error Model，SEM)，這兩種模型僅考慮了被解釋變量的空間相關性，沒有考慮解釋變量的空間相關性。針對這一問題，Elhorst［8］提出了既包含空間被解釋變量的滯后項，又包含自變量滯后的空間杜賓(Spatial Durbin Model，SDM)模型。借鑒空間杜賓模型，本文以廣東省21個地區面板數據為樣本，構建物流業與經濟增長的空間面板模型，具體形式如式(1)所示。

其中，Yit為被解釋變量，表示i地區t年份的經濟增長;X為解釋變量，為i地區t年份的物流業;W為空間權重矩陣;δ為空間自相關回歸系數，反映了區間互動關系的方向與強度;θ、β為估計參數;μ為空間固定效應，λ為時間固定效應;ε為服從正態分布的隨機誤差項。

通過原假設為H0:θ=0和H0:θ+δβ=0的假設檢驗可以判定空間杜賓模型是否可以被簡化為空間滯后模型和空間誤差模型。如果原假設H0:θ=0和H0:θ+δβ=0均被拒絕，說明對于觀測數據來講，空間杜賓模型是最合適的模型。這兩個檢驗服從自由度為K的χ2檢驗，相應的檢驗方法為似然比(Likelihood Ratio，LR)和Wald檢驗。

LeSage 和 Pace［9］指出，利用一個或多個空間回歸模型的點估計(IV/GMM)來檢驗是否存在空間溢出效應，可能導致錯誤的結論。采用空間杜賓模型時，傳統的自變量系數以及顯著性水平不能再作為衡量變量影響和顯著性的依據，使用直接效應和間接效應可以更好地解釋空間面板模型。直接效應表明一個空間單元解釋變量的變化對被解釋變量的影響，這種影響包含了來自周邊區域單元的反饋效應，反饋效應可以通過計算自變量系數與自變量的直接效應的差值得到。間接效應反映了解釋變量的空間外溢效應，即本區域單元對其他區域單元的影響。

(三)空間權重的設定

空間權重是空間計量模型的關鍵，也是地區間空間影響方式的體現。本文采用最為常見的二分權重矩陣，遵循Rook相鄰判斷規則，即如果兩個地區有共同邊界，則認為兩地區相鄰。矩陣元素W的元素設定規則如下:主對角線上的元素為0;如果兩地區相鄰，則wij=1，否則為0。廣東省各地區地理相鄰信息如表1所示。

表1 廣東省21地區地理相鄰信息

三、實證分析

(一)空間統計分析方法

目前，空間相關性分析方法主要有全局空間相關和局部空間相關兩種方法。全局空間相關Moran指數是用來度量空間自相關的全局指標，研究整個區域的空間相關模式;局部相關分析研究每一個空間單元與鄰近單元在某一屬性上的相關程度。

1．全局空間自相關

全局Moran指數反映了研究區域中鄰近區域單元屬性值的相似程度［10］，其計算公式如式(2)所示。

其中，I為Moran指數，n為研究區域內單元總數，xi、xj為區域單元i和區域單元j屬性指標值為各區域單元屬性指標的平均值，S2=)2為屬性指標方差值，wij為空間權重矩陣。

全局空間自相關Moran指數的取值范圍介于－1到1之間，小于0表明存在空間負相關，相似的觀測值在區域內分散分布;大于0表明存在間空間正相關，即相似的觀測值趨于空間集聚;等于0表明區域單元無空間相關性。

2．局部空間自相關分析

由于全局空間相關指標僅從整體上反映了空間單元的集聚特征，掩蓋了局部空間集聚特征，進行局部空間自相關分析時，應采用空間聯系的局部指標(Local Indicators of Spatial Association，LISA)。常用的局域空間自相關衡量指標為局域Moran指數，其計算公式如式(3)所示。

其中，Ii為i區域單元的局域相關性系數，wij含義與上文相同，。

Ii＞0，表示高觀測值的區域單元被同是高觀測值的區域單元所包圍(High-High，H-H)，或低觀測值的區域單元被同是低觀測值的區域單元所包圍(Low-Low，L-L)的空間聯系形式;

Ii＜0表示低觀測值的區域單元被高觀測值的區域單元所包圍(Low-igh，L-H)，或高觀測值的區域單元被低觀測值的區域單元所包圍(High-Low，H-L)的空間聯系形式。

(二)空間自相關檢驗

1．全局分析

利用GeoDa軟件，根據公式(2)計算可得廣東省各年度物流業、經濟增長的單變量Moran’I指數以及物流業與經濟增長的雙變量Moran’I指數值，并采用蒙特卡羅模擬方法，對Moran’I指數進行顯著性檢驗，結果如圖1所示。

圖1 2001—2011年廣東省21地市物流業、經濟發展、物流業與經濟發展的全局Moran’I指數

各年度物流業Moran’I均為正值，且通過顯著性水平檢驗，表明廣東省21個地市物流業的發展具有很強的空間關聯性。物流業Moran’I指數值有所波動，但總體上呈現出上升趨勢，表明物流業空間相關性隨時間的變化有增強的趨勢。各年度經濟發展Moran’I均為正值，且通過顯著性檢驗。Moran’I指數呈現出先上升后下降的趨勢，表明經濟增長的空間依賴性程度先增強后減弱的變化，但總體呈現出增強的趨勢。各年度物流業與經濟增長雙變量二維Moran’I統計量均為正值，且通過了顯著性檢驗，表明廣東省21地市物流業發展與經濟增長在空間分布上具有明顯的正相關關系，呈現出空間集聚的態勢。

2．局部分析

全局Moran’I從全局角度表明了物流業與經濟增長的空間相關性，為進一步考察廣東省物流業與經濟增長空間分布的局部特征，本文選用2011年數據采用Moran’I散點圖對局部特征進行分析。從圖2中物流業Moran’I的散點圖可見，大部分地區分布在H-H區域和L-L區域。其中，H-H區域表示物流發展水平較好的地區，主要包括深圳、惠州、佛山、東莞、廣州、韶關和清遠，這些地區大部分位于珠三角地區;結合經濟發展的Moran’I散點圖可見，這些地區也是經濟發達的地區;L-L區域主要集中了物流業發展水平較差的地區，主要有汕尾、梅州、揭陽、陽江、河源、茂名、云浮、肇慶、江門，結合PGDP的Moran’I散點圖可見，這些地區經濟發展水平也較低。

圖2 2011年經濟發展(左)與物流業(右)的Moran’I散點圖

由以上分析可見，物流業發展與經濟增長的空間分布特征并非完全隨機，集聚態勢基本相似。廣東省21個地區物流業與經濟發展存在明顯的區域差異，珠三角地區物流業與經濟發展較快，能夠給周邊地區帶來較大的正向帶動作用，而東、西兩翼及山區物流業與經濟發展都比較落后，可能會給周邊地區帶來負向效應。

(三)空間面板模型檢驗

空間自相關檢驗表明廣東省21地市物流業、經濟發展存在明顯的空間依賴性。為進一步研究廣東省物流業與經濟發展相互關系，采用空間計量模型進行分析。由于不同的固定效應與隨機效應的選擇影響到模型的估計結果，需要采用Hausman檢驗和LR檢驗對是否采用固定效應模型，以及空間個體固定效應和空間時間效應做出相應判斷。另外，需要通過LR檢驗和Wald檢驗判斷空間杜賓模型(SDM)是否可以簡化為空間滯后模型(SLM)或空間誤差模型(SEM)。

由表2的Hausman檢驗結果可見，應選擇固定效應模型。LR檢驗表明空間個體固定效應和時間固定效應均顯著，應建立時間空間雙固定效應模型［11］。

表2 Hausman檢驗和LR檢驗結果

(四)空間面板模型參數估計

借助 Elhorst［8］提供的有關程序，將選擇指標變量帶入空間計量模型，進行模型估計，估計結果見表3。

表3 空間Durbin模型估計結果

由表3可見，Wald spatial lag和LR spatial lag檢驗結果分別5%和10%的水平下在顯著，拒絕簡化為空間滯后模型;Wald spatial error和LR spatial error檢驗均在1%水平下顯著，拒絕簡化為空間誤差模型。綜合以上檢驗結果，應建立SDM模型對物流業與經濟增長進行分析。

由模型分析結果，可以得出以下結論:

(1)模型中被解釋變量系數的估計值為0.542 0，并通過了1%的顯著性檢驗，表明經濟發展存在空間正相關性，因此，對物流業與經濟增長關系進行分析時，地理區位是不可忽略的因素。

(2)物流業的直接效應為0.303 5，表明某地區物流業每提高1%對促進本地區經濟發展0.303 5%，其中，來自周圍地區物流業的反饋效應為0．045 8%。由此可見，物流的增長不僅能夠直接促進經濟的發展，而且通過對其他地區的反饋作用促進了當地經濟發展。物流業的間接效應為0.451 4，是直接效應的1．47倍，表明某地區物流業發展不僅促進了本地區經濟發展，而且也能促進了相鄰地區的經濟發展。

四、結論與啟示

本文基于廣東省2001—2011年21個地區面板數據，構建空間杜賓模型，對物流業與區域經濟發展關系進行了探索。研究結果表明:(1)廣東省21個地區物流業與經濟增長存在著顯著的全局空間自相關和局部自相關，物流業與經濟增長也存在空間維度上的顯著相關性。物流業發展與經濟增長具有類似的集聚特征，大多數珠三角地區位于H－H區域，而東、西兩翼和山區地區多位于和L－L區域，廣東省區域內物流業與經濟發展存在巨大的不平衡性。(2)對物流業與經濟增長關系進行分析時，地理區位是不可或缺的重要因素。(3)各地區物流業的發展不僅能夠顯著促進本地區經濟的發展，而且還能通過溢出效應促進相鄰地區的發展。

廣東省各地區物流業存在較大的差異，因此如何優勢互補，縮小差距，達到區域物流一體化發展的目標成為了一個迫切需要解決的課題。為加快廣東省物流業促進經濟發展，必須根據物流業自身特點，有針對性地采取一系列措施和政策。首先，發揮廣州、深圳與佛山等珠三角區域物流的核心樞紐的擴散帶動作用，充分發揮物流核心樞紐在區域物流整合過程中的示范和帶頭作用，進一步整合資源，拓寬物流腹地，加快融合。其次，由廣東省各地方政府的各個物流管理部門和行業協會牽頭組成物流產業地區發展協調小組，協同區域物流發展產業政策，整合區域物流產業發展規劃，構建產業鏈條，合作建設區域內大型物流基礎設施、實現產業對接、交通對接和規則對接。最后，積極培育具有物流網絡組織功能的大型物流龍頭企業，發揮龍頭企業在廣東省區域物流中的帶頭作用和龍頭作用。

［1］ 譚清美，王子龍．區域經濟物流彈性研究［J］．統計與決策，2005(5):56－57．

［2］ 李冠霖．我國物流業的投入產出分析［J］．中國流通經濟，2001(6):15－19．

［3］ 鞠頌東，李尹松，徐杰．西部物流與區域經濟發展［J］．數量經濟技術經濟研究，2003(2):39－43．

［4］ 劉楠，李燕．現代物流與經濟增長的關系研究［J］．管理工程學報，2007(1):151－154．

［5］ 崔國輝，李顯生．區域物流與經濟發展協整與因果互動機制［J］．交通運輸工程學報，2010(5):90－96．

［6］ 邵揚．中國省際經濟增長與物流的空間面板計量分析［J］．技術經濟與管理研究，2009(6):136 －138．

［7］ 范月嬌，王?。Ｎ魑锪靼l展與區域經濟的空間關聯性實證分析［J］．福建師范大學學報:哲學社會科學版，2012(4):40－46．

［8］ Elhorst Paul J．Matlab Software for Spatial Panels［C］//Presented at the IVth World Conference of the Spatial E-conometrics Association(SEA)，Chicago:2010．

［9］ LeSage J P，Pace R K．Introduction to spatial econometrics［M］．Boca Raton:CRC Press Taylor＆ Francis Group，2009．

［10］ Anselin L．Space and applied econometrics［J］．Regional Science and Urban Economics，1992(3)．

［11］ Badi H，Baltagi．Econometric Analysis of Panel Data［M］．Chichester:John Wiley ＆ Sons Inc，2005．