珠三角地區物流業空間集聚效應分析

周維浪，高 莉，林昌輝 ZHOU Wei-lang, GAO Li, LIN Chang-hui

（廣東工業大學 管理學院，廣東 廣州510520）

(School of Management, Guangdong University of Technology, Guangzhou 510520, China)

0 引 言

隨著工業經濟向服務經濟的轉變以及社會分工的發展和專業化水平的提高，服務業尤其是生產服務業通過外包形式逐漸從原來的制造職能中分離出來，使得服務業集聚現象逐漸顯現（陳建軍等2009[1]；陳國亮和陳建軍2012[2]）。物流業集聚作為生產性服務業集聚研究中的重要領域，逐漸受到政府、企業等的廣泛關注。由于物流業集聚可以降低交易成本，提高基礎設施效率，從而提升企業競爭力等優勢，使得部分地區物流業集聚效應逐漸凸顯，尤其在經濟較為發達的經濟區更為顯著。

珠三角經濟區依托發達的運輸樞紐和現代物流技術，形成了以廣州、深圳為核心，周邊城市為基礎的整體物流格局，并建立了大批各具特色和規模較大的物流產業集群。2013 年廣東省全省共有物流園區362 個，其中規模較大的有20 多家，主要集中在珠三角地區。而且，隨著珠三角經濟的快速發展，物流業GDP 也出現快速增加趨勢。據統計數據顯示，2005～2013 年珠三角物流業總額和物流業就業人數呈現逐年增加的趨勢，如圖1 和圖2 所示。

物流業空間集聚作為一種普遍現象，開始受到學者們的廣泛關注（鐘祖昌2011[3]）。然而，目前多數研究主要以省級和行業數據研究物流業的集聚程度，較少考慮城市和企業層面的物流業集聚效應，而且，定量性的研究以區位熵指數等簡單測量方法為主，較少運用EG 指數等空間測量方法對物流業空間集聚的測算，并且忽視了物流業空間集聚特征內在形成規律的挖掘，缺乏動態規律分析。因此，本文從靜態和動態兩個角度，利用空間集聚測度指標和動態面板模型對珠三角物流業集聚現象進行綜合分析，對珠三角物流業集聚的發展提供參考和指導意義。

1 文獻綜述

圖1 2005～2013 年珠三角物流業總額

圖2 2005～2013 年珠三角物流業就業人數

產業集聚一直以來都是國內的研究熱點問題，然而，目前多數的研究集中在生產制造業領域，以至于形成了一套較為完善的研究體系（高小玲和梁威2011[4]；韓峰和柯善咨2012[5]；文東偉和冼國明2014[6]），但對物流業集聚的相關研究并不多，其中定性研究主要集中在物流業集聚的界定及其影響因素，例如：李蘭冰（2007）[7]較早指出物流產業集群是現代物流產業發展的必然路徑，而張智勇等（2009）[8]運用復雜系統涌現性機理研究了物流產業集群及其服務創新能力，并指出物流產業集群涌現性的強弱與其服務創新能力及核心競爭力的高低成正比。王非和馮耕中（2010）[9]基于產業集群理論界定了我國物流集聚區的內容，結合我國物流業發展的實際總結出了物流集聚區形成的機理。進一步，王非等（2011）[10]研究了物流集聚區的形成條件和物流集聚區的功能與整合模式。而定量研究主要是分析我國省域的物流業集聚效應及其對產業經濟的影響，例如：王珍珍和陳功玉（2009）[11]運用區位熵指數基于我國31 個省級面板數據測算了我國物流業集聚程度并物流集聚程度對工業增加值的影響；鐘祖昌（2011）[3]利用區位熵理論研究了我國31 省市空間經濟學視角下的物流業集聚狀況以及影響因素；王健和范月嬌（2014）[12]運用區位熵指數測量我國省域物流業集聚度并構建動態面板數據模型研究物流業集聚對區域經濟增長的動態效應；舒輝等（2014）[13]運用區域物流業增加值占全國物流業增加值平均值來測度物流業的集聚程度，并結合空間面板計量方法對我國物流產業集聚與全要素生產率增長之間的關系進行了研究。梁紅艷（2015）[14]運用區位熵指數計算了各地區的物流業集聚度，并分析了物流業集聚度對工業生產率的空間外溢效應的影響機制。

綜上研究，發現學者們僅采用熵指數對部分省份的物流業集聚進行測算和簡單比較研究，并沒有綜合考慮企業層面，從城市視角對區域的物流業集聚進行深入分析，而且忽視了物流業集聚特征形成規律的挖掘，缺乏動態規律分析。因此，本文從靜態和動態兩個角度，利用物流業空間集聚測度指標和動態面板模型對珠三角物流業集聚現象進行測度和分析。

2 物流空間集聚效應測度

目前，產業集聚測度的方法主要包括區位熵指數、產業空間基尼系數（G 指數）、赫芬達爾指數（H 指數）、地理集中指數（EG 指數） 和動態集聚指數等。考慮到數據的易得性，多數學者均采用了傳統的產業集聚測度方法，例如區位熵指數，來分析物流業的集聚效應。傳統的測度方法雖然計算簡單，但僅從行業角度考慮地區的分布情況，并沒有綜合考慮企業數量等影響因素。Ellison 和Glaeser（1997）[15]考慮企業的數量、區域的差異等因素提出的EG 指數測算方法，這種方法不僅彌補了傳統方法的缺陷，還可以跨行業跨時間進行比較。因此，本文選取H 指數、G 指數和EG 指數對珠三角經濟區物流業的空間集聚程度進行靜態測算，同時，運用動態面板模型進一步分析珠三角物流業空間集聚的動態效應。

2.1 物流空間集聚靜態效應分析

2.1.1 數據選擇與說明

本文選取2005～2013 年珠三角13 個城市（廣州、深圳、佛山、珠海、東莞、中山、惠州、肇慶、江門、茂名、汕頭、韶關和湛江） 的經驗數據作為研究樣本。由于難以直接獲得各省市的物流業相關數據，眾多學者均選取交通運輸、郵電和倉儲指標作為衡量物流業指標。從各年物流業增加值數據顯示，交通運輸、郵電和倉儲業在物流業總量的占比超過8 成，因此，本文選取交通運輸、郵電以及倉儲業就業人數作為衡量物流業就業人數的指標。其中，珠三角13 個城市的各年的物流業就業人數、總物流業就業人數、所有行業就業人數以及珠三角所有行業總就業人數等樣本數據來源于《中國城市統計年鑒》 （2006～2013）和《廣東統計年鑒》 （2006-2014），而物流業企業數采用按地區分組的法人單位數表示，數據來源于《廣東統計年鑒》（2006～2014） 和《中國物流統計年鑒》 （2006～2013）。

2.1.2 測度方法與結果

H 指數由Herfindahl（1950）[16]首次提出，用于測算行業內企業的集中程度。本文使用就業人數表示物流業內企業的集中程度，公式表示為：

其中，ej指j地區物流業的就業人數，cij指地區j物流業的企業個數，分為m個地區，T為市場總規模。

Krugman（1991）[18]等從空間視角提出了產業空間基尼系數，用來測度產業的空間集聚程度，該指數的計算公式如下：

其中，xj表示j地區的總就業人數占全國總就業人數的比重，即其中Ej為地區j的總就業人數，為全國各地區就業人數之和。sj為地區j物流業總就業人數占全國物流業總就業人數的比重，即其中ej為地區j物流業的總就業人數，e為全國各地區物流業的就業人數之和。根據公式（3），可以知道：若G趨近于1，說明該行業的集聚效應越強；若G越趨近于0，說明該行業越分散，即xj越趨近于sj。

空間基尼系數雖然可以反映產業的空間集聚情況，但是卻沒有考慮企業的規模分布和企業數量。為了綜合考慮這些因素，Ellison 和Glaeser（1997）[15]提出了地理集中指數（簡稱EG 指數），其計算公式如下：

公式（4） 中，xj,G和H的含義與公式（2） 和公式（3） 相同。Ellison 和Glaeser（1997）[15]研究指出γ 指數的大小沒有絕對的評判標準。一般來說，產業集聚程度可以分為以下三類：當γ＜0.02 時，表明該產業具有較低的集聚程度；當0.02≤γ＜0.05時，表明該產業具有較高的集聚程度；當γ≥0.05 時，表明該產業具有高度的集聚程度。

表1 和圖3 顯示了珠三角地區2005～2013 年的物流集聚程度的赫芬達爾指數、空間基尼系數和地理集中指數。從變化趨勢來看，由表1 的赫芬達爾指數可以知道，從企業聚集層面，珠三角地區2005～2012 年物流業集聚程度呈現下降的趨勢，2012 年開始出現回升趨勢。同時，從行業集聚層面，2005～2012 年，珠三角的物流業集聚程度呈現波浪式下降的趨勢，然而，2012～2013 年，珠三角地區物流業集聚程度呈現大幅度的顯著上升趨勢，這與赫芬達爾指數測算的行業集聚趨勢基本一致，說明隨著電子商務和第三方物流業的不斷發展，珠三角物流集聚趨勢開始越來越明顯。

表1 2005～2013 年珠三角地區物流空間集聚H 指數、G 指數和EG 指數

2.2 物流空間集聚動態效應分析

2.2.1 動態面板模型

物流業的集聚效應可能呈現動態變化的特征，而這種動態變化會表現在物流業的就業水平上。運用任英華（2011）[17]提出的服務業動態集聚面板模型，構建珠三角地區物流業集聚的動態模型，如下：

圖3 2005～2013 年珠三角地區物流空間集聚G 指數和EG 指數

式中，sjt表示t期物流業在j區域的就業人數ej占全國物流業就業人數∑jej的比重，即表示t期j區域所有產業就業人數∑Ej占全國總就業人數∑∑j Ej的比重，即和η 為待估參數，εjt為正交誤差項。

用OLS 估計得到α=0 和η=1。因此，可以把上式簡化為：

2.2.2 模型估計與分析

由于一階差分矩估計既可以消除個體的固定效應，又可以剔除可能存在的內生性問題，因此本文選取一階差分矩估計對動態面板模型參數進行估計。

將公式（6） 移項得：

運用GMM 對上式的β 進行參數估計，然后再將估計的β 代入式（7），即求得珠三角地區物流業集聚水平變化的回復效應和隨機效應，估計結果如表2 所示。

表2 2005～2013 年珠三角地區物流業集聚動態性的動態面板分析

由表2 可見，參數β^＞0，表明2005～2013 年的珠三角地區物流業的就業份額持續增大，回復效應等于0.0597＞0，表明物流業的集聚程度將出現增長的趨勢，隨機效應等于0.00012＞0，表明隨機效應將促進珠三角地區物流集聚水平的持續提高，這主要是珠三角地區的物流業具備信息高度集中，網絡較為發達等特點，致使物流業集中在經濟較為發達的地區或者發達的制造業周圍，這與珠三角的發展情況是一致的。

3 結 論

本文從靜態角度，運用赫芬達爾指數、空間基尼指數和地理集中指數分別測算了珠三角地區2005～2013 年的物流業集聚程度，測算結果表明珠三角地區物流業集聚程度總體較高（EG 指數均高于0.02），2005～2012 年，物流業集聚程度呈現波浪式小幅度的下降趨勢，然而，2012 年開始，物流業集聚程度呈現出大幅度上升的趨勢，EG 指數高達0.097，表明珠三角地區物流業集聚程度非常高。動態模型估計結果表明，珠三角地區物流業集聚呈現動態變化，回復效應和隨機效應使得珠三角地區的物流集聚水平進一步加劇。

[1] 陳建軍，陳國亮，黃潔. 新經濟地理學視角下的生產性服務業集聚及其影響因素研究——來自中國222 個城市的經驗證據[J]. 管理世界，2009(4):83-95.

[2] 陳國亮，陳建軍. 產業關聯、空間地理與二三產業共同集聚——來自中國212 個城市的經驗考察[J]. 管理世界，2012(4):82-100.

[3] 鐘祖昌. 空間經濟學視角下的物流業集聚及影響因素：中國31 個省市的經驗證據[J]. 山西財經大學學報，2011,33(11):55-62.

[4] 高小玲，梁威. 中國制造業產業集聚發展效應及其形成機制研究[J]. 研究與發展管理，2011,23(5):92-100.

[5] 韓峰，柯善咨. 追蹤我國制造業集聚的空間來源: 基于馬歇爾外部性與新經濟地理的綜合視角[J]. 管理世界，2012(10):55-70.

[6] 文東偉，冼國明. 中國制造業產業集聚的程度及其演變趨勢：1998～2009 年[J]. 世界經濟，2014(3):3-31.

[7] 李蘭冰. 物流產業集群的創新機制研究[J]. 科學學與科學技術管理，2007,28(6):39-44.

[8] 張智勇，何景師，桂壽平,等. 物流產業集群服務創新研究——基于復雜系統涌現性機理[J]. 科技進步與對策，2009,26(3):75-77.

[9] 王非，馮耕中. 我國物流集聚區內涵與形成機理研究[J]. 統計與決策，2010(24):15.

[10] 王非，時榛，賈濤. 我國物流集聚區功能整合模式研究[J]. 統計與決策，2011(5):48-50.

[11] 王珍珍，陳功玉. 制造業與物流業聯動發展的競合模型研究——基于產業生態系統的視角[J]. 經濟與管理，2009,23(7):28-34.

[12] 王健，范月嬌. 我國物流服務業集聚對區域經濟增長的動態效應檢驗與分析——基于動態面板數據模型的實證[J]. 中國流通經濟，2014,28(7):39-46.

[13] 舒輝，周熙登，林曉偉. 物流產業集聚與全要素生產率增長——基于省域數據的空間計量分析[J]. 中央財經大學學報，2014(3):98-108.

[14] 梁紅艷. 物流業集聚、空間外溢效應與工業生產率提升[J]. 中國流通經濟，2015,29(1):32-42.

[15] Ellison G, Glaeser E L. Geographic concentration in US manufacturing industries: a dartboard approach[J]. Journal of Political Economy, 1997,105(5):889-927.

[16] Herfindahl O C. Concentration in the steel industry[D]. Columbia University, 1950.

[17] 任英華，邱碧槐，王耀中. 服務業集聚現象測度模型及其應用[J]. 數理統計與管理，2011,30(6):1089-1096.

[18] Krugman P R. Geography and trade[M]. MIT press, 1991.