雙業聯動下物流業對制造業產業結構升級的影響

■ 衛宗超（黃河水利職業技術學院 河南開封 475003）

問題的提出

2009年3月，國務院提出將制造業與物流業聯動發展作為國家重點發展戰略，通過強化制造業的供應鏈管理，引入現代物流業，以提高制造業生產效率，最終實現其轉型升級。制造業與物流業雙業聯動的核心是強化供應鏈管理，通過供應鏈上資源的集約與優化，實現供應鏈價值的提升，最終通過業務融合、管理協同，提高將制造業與物流業的產業效率，實現雙方的聯動發展。通過進行文獻梳理發現，已有研究主要集中在物流業和制造業發展的協調性等方面，而在物流業促進制造業產業升級方面的實證研究比較鮮見。本文借用已有研究成果，通過建立計量模型，實證分析了物流業發展對制造業升級的推動作用，并根據實證結論提出相應政策建議。

實證分析過程

本文選取物流業增加值（W）作為衡量現代物流業發展的標志。制造業產業結構與制造業的發展密切相關。本文在OECD和Sanjaya Lall對制造業分類的基礎上，以生產技術含量為分類標準將國民經濟行業分類標準（GBT4754-2002）中按行業分組的規模以上工業企業主要經濟指標分為低技術制造業和中高技術制造業兩類。在此基礎上，本文定義中高技術制造業的工業總產值之和與低技術制造業的工業總產值之和的比值為中國制造業總產值結構，其公式Y=∑Yh/∑Yl，即同一時期中高技術制造業工業總產值（Yh）與低技術制造業工業總產值（Yl）的比值。定義中高技術制造業銷售產值中的出口交貨值之和與低技術制造業銷售產值中的出口交貨值之和的比值為中國制造業產品出口結構，其公式是：EX=∑EXh/∑EXl，即同一時期中高技術制造業產品出口總額（EXh）與低技術制造業產品出口總額（EXl）的比值。中國制造業工業總產值結構和制造業產品出口結構的變化情況能夠顯著衡量中國制造業產業結構的升級狀況。

本文使用VAR模型進行統計分析，制造業分行業數據主要來源于歷年《中國工業經濟統計年鑒》、《中國統計年鑒》、《中國物流年鑒》和《中國經濟普查年鑒》，因為部分年份、行業的數據缺失，在研究過程中實際使用的樣本根據不同的研究設計可能有所減少。本文選取1992-2013年的年度數據，同時為了消除時間序列中可能存在的異方差性和減小數據的波動性，需要對原數據進行對數化處理。定義對數化處理后數據為：LNW、LNY，實證分析基于Eviews6.0軟件。

（一）變量的平穩性檢驗

本文運用Eviews6.0軟件采用ADF方法對變量的平穩性進行檢驗，滯后期的選擇采用AIC、SC準則來確定，檢驗結果如表1所示。從表1可以看出LNW和LNY經過ADF檢驗后，t統計量值均大于各置信水平下單位根檢驗的臨界值，由此可看出LNW和LNY是非平穩時間序列；LNW和LNY的一階差分經過ADF檢驗后，t統計量均小于5%置信水平下的臨界值，從而拒絕原假設，這說明LNW和LNY的一階差分項是平穩序列。

（二）VAR模型滯后階數的選取和穩定性檢驗

VAR模型最優滯后期階數的選擇對該模型的建立至關重要，若滯后期階數太小，誤差項的自相關性會很嚴重，影響模型參數估計的一致性；若滯后期階數足夠大，雖然有利于完整反應所構造模型的動態特征，適當消除誤差項中存在的自相關，但是會導致自由度的減少，影響參數估計的有效性；此外，滯后期選擇不當還會導致“偽回歸”。在分析之前，應根據AIC準則、SC準則、LR準則和HQ準則等確定VAR模型的最優滯后階數。在上述準則中，應首先觀察AIC、SC準則，若二者確定最優滯后階數相同，則可以直接確定為最優滯后階數，否則，需要綜合考慮LR準則、HQ準則、模型經濟意義等來確定最優滯后階數。對變量LNW和LNY的VAR模型確定最優滯后階數，各信息準則的具體數據如表2所示。

根據表2，AIC信息準則、SC信息準則、LR信息準則和HQ信息準則確定的最優滯后階數為1階，所以確定LNW、LNY的VAR模型的最優滯后階數為1階。在確定VAR 模型的最優滯后期后，運用Eviews6.0軟件進行模型估計，LNW與LNY相互之間動態影響的VAR模型估計結果為（括號中數字為標準差，方括號中數字為t值）：

表1 變量的平穩性檢驗

表2 LNW、LNY變量VAR模型最優滯后期的確定標準

表3 LNY對LNW的回歸結果

表4 R的單位根檢驗

圖1 LNW對LNY一個標準差沖擊的脈沖響應

圖2 LNY對LNW一個標準差沖擊的脈沖響應

表5 LNY的方差分解

表6 LNW的方差分解

從上述兩個方程可以看出，在自然對數水平下物流業增加值對制造業總產值結構的影響在滯后1期為正影響；制造業總產值結構對物流業增加值的影響在滯后1期為負影響，但是影響力度較小；制造業總產值結構和物流業增加值都受到自身滯后1期的強烈影響。從參數估計值的t統計量來看，在5%的顯著水平下，方程（2）LNY滯后一階估計值是不顯著的，其他都顯著。但VAR模型關注的是整個系統的平穩性和顯著性，單個參數估計值不顯著對其影響很小。模型穩定性檢驗一般以VAR模型中的AR特征多項式根為依據，如果所有AR根模的倒數均小于1，即都在單位圓內，該模型是穩定的；反之，則模型不穩定。本文所建VAR（1）模型特征方程的兩個根分別為0.929781和0.728363都在單位圓內，因此VAR（1）模型是穩定的。

（三）協整檢驗

由于本文僅僅涉及兩個變量，所以使用常用的EG兩步法進行檢驗，以LNW為被解釋變量，LNY為解釋變量，用OLS估計回歸方程模型，其結果如表3所示；R序列為上述OLS回歸得到的殘差，對R序列進行單位根檢驗，檢驗結果如表4所示。

ADF統計量為-1.969673，小于5%顯著水平下Mackinnon臨界值，從而拒絕原假設，殘差序列不存在單位根，是平穩序列，這說明LNY和LNW之間存在協整關系，也就是兩者之間存在穩定的長期均衡關系。

（四）脈沖響應函數分析

本文在VAR（1）模型基礎上，利用Cholesky分解技術，分析LNW和LNY分別產生一個標準差大小的新息沖擊時，對其當期值和未來值所產生的影響，分析結果如圖1、圖2所示。圖1和圖2中，橫軸表示沖擊作用的滯后期間數（單位：年），實線表示脈沖響應函數，虛線表示在相應脈沖響應圖像兩側加或減兩倍標準差的置信帶。

圖1中，實線表示在對數水平下我國制造業總產值結構對物流業增加值的一個標準差新息的脈沖響應值，虛線表示在相應脈沖相應圖像兩側加或減兩倍標準差的置信帶。從圖中可看出物流業增加值對來自制造業總產值結構的擾動立即做出了負響應，從第1期開始負響應逐漸增大，到第4期達到最大值-0.0342，此后開始緩慢回升，到第10期達到-0.0269。整體來看，制造業總產值結構對物流業增加值的影響比較平穩，這與當前我國制造業發展相對物流業較慢的現狀比較吻合。

圖2表示在對數水平下我國制造業總產值結構受到物流業增加值一個標準差單位沖擊后的脈沖響應函數。從圖中可以看出制造業總產值結構對來自物流業增加值的擾動并未立即做出響應，但此后對其響應程度較大且增長迅速，到第7期達到最大值0.1286，之后開始緩慢回落，最終穩定在0.120左右。這表明物流業增加值對制造業總產值結構的發展具有顯著的推動作用并表現出一定時間滯后性。

（五）方差分解分析

脈沖響應函數可以用來分析隨機擾動對變量系統的動態沖擊并解釋其經濟影響，而方差分解是把系統中每個內生變量的波動按其成因分解為各方程信息（隨機誤差項）相關聯的組成部分，從而了解各信息對內生變量的重要性。也就是說方差分解能產生預測方差，某變量的預測方差由自身和系統內其他變量共同引起，通過對該預測方差進行分解，可以發現該變量變化的原因。本文基于上面建立的VAR模型分別對LNY和LNW進行方差分解并解釋。

從表5可以看出，制造業總產值結構波動的第1期只受自身波動的影響，物流業增加值對預測誤差的貢獻度在第2期才顯現出來，但影響程度較大，此后影響程度逐漸增加，在前4期增加速度較快，后期增加速度較緩和，到第10期已達到90%。表明制造業總產值結構的波動顯著受到物流業增加值的影響，從另一方面表明制造業發展受物流業發展影響較為顯著。

從表6可以看出，雖然物流業增加值波動在第1期就受到了制造業總產值結構波動沖擊和自身波動的影響，但是整體來看物流業增加值的波動基本上來自于自身，受制造業總產值結構波動沖擊的影響一直很小，最高才達到3.2%。這說明制造業總產值結構波動的沖擊自始至終會對物流業增加值產生影響，但是影響很微弱，由于制造業總產值結構在時間上的滯后性，這種微弱的影響會緩慢增強。

1.王曉艷.制造業與物流業聯動發展的機理與模式研究[J].物流技術，2009（7）

2.韋琦.制造業與物流業聯動關系演化與實證分析[J].中南財經政法大學學報，2011（1）

3.陳憲，黃建鋒.分工、互通與融合：服務業與制造業關系演進的實證研究[J].中國軟科學，2004（10）

4.吳群.制造業與物流業聯動共生模式及相關對策研究[J].經濟問題探索，2011（1）