產業集聚能促進物流業效率提升嗎？

陶婷婷

內容提要：基于產業集聚基礎理論、外部性理論及產業效率理論，本文分別對物流業產業集聚和產業效率進行定量測度，分集聚類型實證分析專業化集聚及多樣化集聚對物流業效率影響的傳導路徑。研究顯示：我國目前物流業集聚的區域差異大，專業化集聚對產業效率的影響表現為正向的線性關系，多樣化集聚則表現為先減后增的U型非線性關系；勞動力、資本等傳統投入要素對提高物流業效率的作用已經不大，專業化集聚及多樣化集聚對產業效率的影響也因地區差異而有所不同。因此，應從差異性推進物流業產業集聚、綜合性利用物流業集聚優勢、合理調整物流產業結構等方面戰略性提升物流業產業效率。

關鍵詞：專業化集聚；多樣化集聚；物流產業效率；數據包絡分析；Tobit回歸

中圖分類號：F1246文獻標識碼：A文章編號：1001-148X（2017）01-0075-09

一、引言

改革開放以來，我國物流業總體規模增長迅猛，已顯現出空間集聚態勢，集聚所產生的遞增效益成為產業競爭力的來源。但是，由于我國物流業起步晚、發展快，存在著行業體系不健全、區域差距大等問題，產業集聚對該行業的經濟效應受到制約。產業效率是衡量一個產業發展質量的重要指標，物流業綜合效益的提升主要體現在其投入產出效率的提高。產業在區域范圍內的集聚帶來外部性，而外部性有正負之分，將同時帶來經濟效應及擁擠效應，使得集聚效應并不確定。但產業效率是集聚效應的綜合作用結果，無論期間正負外部性如何此消彼長，從同一產業來看，集聚是否帶來經濟效應均可間接通過該產業的效率來判斷。

基于產業效率的視角研究物流業的產業集聚效應，也是研究方法的一大改進。目前已有研究選取勞動生產率作為產業集聚效應的衡量指標，雖充分考慮到數據的可獲得性，但無法從全要素效率提升的角度解釋物流業集聚對該產業的影響。DEA方法可在數據充分的基礎上測度產業效率，靜態動態結合的定量分析使得研究更為完善。本文的研究視角轉向物流產業內部，通過產業效率的定量分析，能對物流產業集聚效應的研究形成有益補充，從而有的放矢地對物流業集聚的實踐提供具體的操作方式及政策建議。

物流業集聚是產業集聚在具體行業的拓展，是生產性服務業集聚的典型，也是物流業研究的延伸。物流業集聚不同于一般消費性服務業的強需求導向，由于其產業的生產與消費可分，物流業集聚更看重區位及交通條件?，F有的物流業產業集聚研究集中于如下三個方面。第一，物流業集聚的空間特征。物流企業分布有很強的城市集聚特點，省際間表現為“南多北少”，城市內部呈現分布的非均衡態勢（王成金和張夢天，2014）。物流產業集聚表現出物流需求與資源的集聚性、網絡資源的開放性、區域產業發展的根植性等特點（支燕，2005）。第二，物流業集聚的形成動因及機理。李君華（2004）結合供應鏈與物流理論，研究產業集聚形成的供應鏈機制、優勢與治理方式。張智勇（2009）基于物流產業集聚的服務創新能力及系統學，提出物流產業集聚創新模型。第三，物流業產業集聚的經濟效應。梁紅艷（2015）從物流業集聚的空間外溢效應出發，對集聚與工業生產率的關系展開深入探討。赫維爾等（2014）基于物流業集聚的協同效應，對荷蘭507家企業進行實地研究，結果顯示，空間集聚確實使物流企業更好地共用基礎設施及共同開拓市場。綜合來看，物流業集聚多為基于產業集聚基礎理論的定性分析，定量實證研究還不夠深入。

伴隨著物流業的快速發展，物流業效率方面的研究不斷深化。最開始的效率分析以交通運輸業及物流企業為主，而后逐漸向物流產業拓展。Roily和Hayuth（1993）突破了評價指標單一性的問題，首次采用DEA模型評價港口效率。Rabinovic（2006）選取美國第三方物流企業總體效率值，通過建立計量經濟學模型進行對比分析。李孟濤和馮康（2007）采用主成分分析法，以遼寧省14個城市為樣本對物流績效展開評價，結果發現，城市間物流績效并不平衡，經濟因素主導城市物流績效高低。莊玉良等（2009）以16家物流企業上市公司為樣本，采用DEA中的BCC和CCR以及Malmquist生產率指數測算2002-2006年物流業的效率值與全要素生產率，據此分析效率來源，尋找引起效率變化的因素。除了DEA方法，隨機前沿法（SFA）也被用于估算物流業生產效率，得出的結論是我國地區間物流產業發展差距大，抑制整體物流水平的提高（林坦和王玲，2009）。龐瑞芝（2006）綜合運用DEA及生產率指數評價我國沿海港口的效率值，發現我國沿海港口普遍效率不高，存在嚴重的投入擁擠與產出不足?，F有的物流業效率多以物流企業、區域物流、港口物流等為研究對象，采用的定量分析方法較多，包括隨機前沿法（SFA）、數據包絡線法（DEA）、主成分分析法等。

從已有研究來看，國外的產業集聚理論已具備成熟框架，尤其對于制造業的集聚研究較為完備，現已逐漸拓展至生產性服務業。國內學者的研究基礎多是西方的研究成果，本質上是經典集聚經濟理論、新經濟地理學和戰略管理理論的演繹。現有研究主要集中在產業集聚的形成原因、影響因素、空間結構特征及演變規律、集聚效應等；對于產業效率的研究，其理論及方法也均已成熟，但具體到物流業產業效率的研究則剛起步，集中于微觀領域的效率測算較多，較少從產業效率的中觀層面入手；同時，缺乏物流業產業效率的變化來源分析，很難真正找到影響物流業效率提升的癥結所在。在物流業集聚日益加強的趨勢之下，探討產業集聚對物流業效率影響的研究還少之又少，本文重點在于進行理論推演及架構，以實證結果對此關系進行佐證。

二、理論分析與研究假設

新古典經濟學、古典區位理論、新經濟地理理論、波特的競爭優勢論奠定了產業集聚的理論基礎。傳統經濟學中將經濟活動空間集聚的最初原因歸結為自然資源稟賦的差異（Fujita and Mori，2005），但在不完全競爭的理論框架下，集聚的內生演化主要來源于外部性，外部性是集聚自強化機制的核心。由規模經濟（內部及外部）或要素資源流動產生的外部性促使產業在空間上選擇集聚，而產業集聚通過發揮其外部性效用又作用于產業發展的方方面面。產業集聚與產業區位、產業增長、產業結構、區域經濟增長的效應關系正是以外部性效用為傳導機制。產業集聚是一個動態過程，集聚與分散同時發生，當兩種力量勢均力敵，產業在空間布局上形成一種靜態的均衡。集聚通過外部性效用產生效應，由于外部性效用有正負之分，這對產業內企業生產的投入與產出有直接影響，從而對產業效率產生促進或抑制的作用。

新經濟地理學著重討論的是本地市場需求、勞動力資源共享和前后向關聯對產業集聚的影響，梁琦，錢學鋒（2007）將其概括為金融外部性，指集聚中可通過價格機制傳遞降低企業成本的正外部性，例如企業的前后向關聯、勞動力資源共享等。除此外，集聚中企業、產業之間還大量存在著諸如知識技術外溢、創新等不可量化的正外部性影響因素，即技術的外部性。從集聚的分類來看，專業化集聚是同一產業的集中，它對金融外部性和技術外部性構成較大影響：分工及專業化的增強首先帶來顯著的規模經濟效益，通過空間上的集中能大為降低運輸成本；通過充足的勞動力儲備及共享勞動力資源，可增強同行業勞動力流動的時效性，極大縮減勞動力成本。同一產業氛圍下企業間達成默契、習慣，這些非正式契約有利于節約交易成本，使得區域內集中化的品牌優勢明顯增強。多樣化集聚是不同產業的集中，通常這些產業都具備一定聯系可形成互補效應。多樣化集聚帶來的最大影響是提升產業間的前后向聯系，從而降低生產成本。此外，產業間的差異性被認為更有利于知識擴散，產業多樣化形成的競爭效應利于創新。以上因素都影響產業內企業的投入產出，從而作用于產業效率。

抑制作用的根源是集聚的負外部性。專業化集聚一旦達到一定規模，便會加劇同一產業內企業對要素資源及產品市場的爭奪。從要素資源來看，投入要素需求大于供給將會抬高要素價格，過高的企業成本不利于實現投入產出最大化。從產品市場來看，爭奪市場份額的競爭如果影響惡劣，將降低企業技術進步的內在激勵，不利于提升產業效率。多樣化的集聚帶來的縱向擴張可能有損產業的橫向規模擴展，使其產出無法實現最佳，從而有損效率。無論專業集聚化還是多樣化集聚，地域的集中均共享基礎設施，但基礎設施及環境承載能力有限，過度集中帶來的擁擠成本將直接影響產業的持續增長，抑制產業效率提高。

物流產業的專業化集聚指提供同一物流產品或服務（包括運輸、倉儲、采購、裝卸搬運、包裝、流通加工、配送、信息處理等）的企業在地域上的集中布局。專業化集聚給物流企業帶來的是橫向規模擴展的優勢，但這種優勢不是無限。因而物流業專業化集聚對產業效率的影響需分階段來看：當產業規模較小且持續增長時，集聚的正外部性效用占據主導，專業化集聚促進物流產業效率提高；當產業規模較大且增長乏力時，集聚的負外部性效用更為主要，專業化集聚對物流產業效率產生抑制作用，從而專業化集聚對產業效率將產生先增后減的“倒U”型影響。物流產業的多樣化集聚指與物流產業有縱向聯系的相關產業或科研、管理機構在地域范圍內的集中布局。多樣化集聚強調互補和競爭帶來的效益提升，利于增強企業的前后向關聯，發揮縱向一體化的優勢。與專業化集聚不同，多樣化集聚給物流企業帶來的是縱向規模擴展的優勢，這在一定程度上阻礙橫向規模擴張，短期內制約企業的規模經濟優勢，但長期能較大程度發揮多樣化集聚的正外部性，因而多樣化集聚對產業效率則產生先減后增的“U”型影響。

三、物流產業集聚與物流業效率測度

（一）物流業集聚測度

參考《中國物流年鑒》，我國物流業發展至今主要有中國交通運輸業（排除客運），中國鐵路物流業，中國包裝業，中國港口物流業，中國物流地產業，中國保稅物流業，中國快遞業七個細分行業?？紤]到數據的可獲得性，本文選取物流業的主要構成主體，即交通運輸業（排除客運），倉儲業及郵政業，用以研究整個行業。

產業的專業化集聚指同一地域空間內，同一產業不同類型企業的集聚，常用的專業化集聚指標有集中度指數、空間基尼系數及區位熵。本文采用區位熵作為專業化程度的度量指標，計算公式如下：

LQij=qij/qjQi/Q

其中，LQij表示j地區i產業區位熵， qij為 j地區i產業（產值、就業人數、產量等），qj為j地區（產值、就業人數、產量等），Qi為高層次區域i產業的（產值、就業人數、產量等），Q為高層次地區（產值、就業人數、產量等）。下文選用我國物流業31個省區2004至2013地區物流業產值及地區生產總值與全國物流業產值份額構建LQ指數，數據均來自《中國統計年鑒2004-2013》。LQ>1，表明該省區物流業專業化集聚程度大；LQ=1，表明該省區專業化水平與全國持平；LQ<1，表明該省區缺乏專業化集聚。結果顯示，西部地區專業化集聚的平均水平高于中部、東部地區，東北部專業化集聚程度普遍偏低（見圖1）。

物流業多樣化集聚指某一空間區域內與物流產業有聯系的不同產業間的集聚。多樣化集聚的一般度量指標有HHI指數（赫希曼—赫芬達爾）和EG指數。由于EG指數計算較為復雜且數據缺失嚴重，下文選用HHI指數的倒數來衡量一個省區內產業多樣化集聚水平，計算公式如下：

H=1/∑ni=1（XiX）2

X為某一地區的產值，Xi為第i個行業的產值，n為該地區除物流業外的其他產業。HHI指數越大時，多樣化集聚水平越低。同樣，本文選取31個省區2004至2013相關產業的產值數據計算H指數，數據均來自《中國統計年鑒2004-2013》。分地區來看（見圖2），西部及東部地區產業多樣化集聚程度最高，其次為中部、東北部。

（二）物流業效率測度

依據經濟學的經典理論，生產函數的主要投入要素為資本、勞動力及其他物質要素，人、財、物是任何生產中的基本投入要素，產出則多為生產總值（貨幣表現）及產品實物量。受限于數據的完整性及可靠性，本文以交通運輸（剔除客運）、倉儲和郵政業的有關數據代表物流業現狀，這是由于交通運輸（剔除客運）、倉儲和郵政業為物流業的主要組成部分且統計指標明確。同時，參考張誠等（2015）的研究，選取交通運輸（剔除客運）、倉儲和郵政業從業人員數、固定資產投資、運輸線路里程、郵政網點數、民用載貨汽車擁有量五個指標為投入變量，物流業增加值、貨運量、貨運周轉量三個指標為產出變量，具體詳見表1。運用DEAP21軟件對我國省域地區的物流業綜合效率進行靜態測度。由于經濟生活中幾乎不存在規模收益不變的生產過程，且投入要素可自由調節配置，本文選用投入導向的BCC模型。

各省域地區的綜合技術效率（技術效率）值反映的是該省在當前的經濟技術水平和政策環境下實際產出與最佳產出的比例，該值介于0至1之間。效率值為1，說明DEA有效，則該省區實現投入產出最優；效率值小于1表明產出離生產前沿面仍存有距離，效率仍待提高，值越低效率越差。從31個省域地區技術效率均值的變化來看（見圖3），2004-2013年我國物流業的技術效率均值仍處于DEA無效狀態，10年之中有起伏波動。整體來看，我國物流業技術效率尚存在較大提升空間。

分地區來看，我國東部地區的物流業技術效率始終處于領先地位，十年間變化幅度小，中部地區在2006年之后超越東北部及西部地區，與東部地區的差距逐漸縮小。東北部地區在2010年之間效率逐步降低。西部地區物流業技術效率水平仍然落后，2009年之后西部地區顯現出后發優勢。四大地區的物流業技術效率水平基本與經濟發展程度一致，其中的幾個變化點受宏觀政策的影響較大，效率的區域差異日趨縮?。ㄒ妶D4）。根據DEA模型的測算結果，技術效率可分解為純技術效率與規模效率的乘積。從純技術效率與規模效率的變動情況，可具體分析出技術效率變化的原因。我國物流業技術效率的提高主要來源于規模效率，純技術效率拉低效率值（見圖5）。

同時，運用DEAP21軟件對我國省域地區的物流業綜合效率進行動態測度，即全要素生產率（TFP）的變動情況，具體測算值如表2所示。從整體上看，全要素生產率的提升幅度較小。進一步分解技術效率來看，規模效率的增長高于純技術效率。2004至2013的十年間，我國物流業技術進步與全要素生產率變化基本一致，因而全要素生產率的改變主要取決于技術效率，基于此，后文將技術效率的靜態測度值作為核心變量展開研究，同時可排除技術進步對計量模型的干擾。

四、實證研究設計

（一）模型構建

由于DEAP21測算出的效率值均介于0-1之間，因變量受限將導致運用OLS估計的結果是有偏且不一致的，為避免出現偏誤，本文采用Tobin（1958）提出的“Tobit”模型，即截斷回歸模型進行回歸分析，模型表示如下：

Y=Y*=βX+μ，Y*>0

0，Y*0

Tobit模型不同于離散選擇模型和一般的連續變量選擇模型，它的特點在于因變量受限。其次，樣本既有個體變量又有時間變量，屬于面板數據。通常對于面板數據，有三種模型，即混合回歸、固定效應回歸及隨機效應回歸。但對于Tobit面板數據，無條件的固定效應Tobit的是有偏的，stata120一般采用隨機效應模型，因而本文的Tobit面板數據為隨機效應模型，用極大似然法得到一致估計量。在袁丹和雷宏振（2015）、薄文廣（2007）、張帆（2013）、宋洋（2010）等人對產業集聚與產業效率關系的研究成果之上，本文構建如下計量模型：

EF=α0+α1SA+α2DA+α3SA2+α4DA2+α5lnK+α6lnL+α7lnGDP+α8lnHR+ε

其中，α0、ε為截距項和隨機誤差項，SA2、DA2兩項是為了檢驗專業化與多樣化集聚的非線性效應。

（二）變量選取與數據來源

已有文獻（劉秉鐮和余泳澤，2010）對物流業效率的影響因素展開過充分研究，物流資源利用率、區域市場化程度、港口物流的重要性、人力資本、地區經濟水平、制度、政府干預、開放程度、產業結構等都以不同方式作用于對物流業效率。但各研究都基于不同研究目的，所提出的影響因素較為繁多，涉及面很廣，幾乎不可能實現全面考察。趙雷（2014）對這些因素進行框架性梳理，從行業內外部影響兩個角度選取解釋變量。本文借鑒這一思路，除了重點研究的物流業專業化集聚及多樣化集聚兩個解釋變量，從行業內部增長及外部影響兩個方面選取控制變量。依據傳統產業增長及內生增長理論，行業的增長主要依靠資本、勞動、人力資本存量的主要要素投入，而產業發展的外部環境與基本的地區經濟發展水平息息相關，人均GDP比GDP總量更能說明一個地區的經濟發展程度。因而本文選取資本、勞動、人均GDP、人力資本存量（HR）為控制變量。具體的變量選取如下：

被解釋變量EF為綜合技術效率，即純技術效率與規模效率的綜合影響，采用DEA靜態測算結果；PEF為純技術效率，即在規模收益不變的情形下效率發生的變化，采用DEA靜態測算結果；SEF為規模效率，即在規模收益影響下效率發生的變化，采用DEA靜態測算結果。

解釋變量SA（specialized agglomeration）為專業化集聚程度，用區位熵指數衡量，即物流產業在i省地區總產值中的份額與該產業在全國生產總值中的份額之比。DA（Diversified agglomeration）為多樣化集聚程度，用HHI指數度量，即除物流業之外其余行業在地區的產值份額平方和的倒數。K為資本投入，以各地區的物流業固定資產投資額作為指標。L為勞動力投入，以各地區的物流業從業人員數作為指標。GDP為人均國內生產總值；HR為人力資本存量，以各地區的普通高校在校生人數為指標； SA2及DA2為SA、DA的平方項，用以度量產業集聚對物流業效率影響的非線性效應。

基于數據的可獲得性，本文選取我國31個?。ㄗ灾螀^、直轄市）2004-2013年10年的數據，共計310個樣本觀測值構成面板數據，數據均來自中國統計年鑒（2004-2013）及中國物流統計年鑒。表3為各變量的描述統計值。

五、實證結果

為了深入探討產業集聚對物流業產業效率的影響，以下面板數據將依據效率類型及地區構建不同模型檢驗，依次進行分類討論。

模型（1）為各解釋變量對技術效率EF的影響關系，為考察專業化集聚及多樣化集聚對技術效率的非線性效應，模型中加入SA2、DA2兩項，回歸結果如表4所示。其中，隨機效應標準差sigma u=0的似然比檢驗的P值為0000，因而拒絕了面板Tobit回歸與混合Tobit回歸相同的原假設，應當采用面板Tobit模型。隨機Tobit模型整體的似然比檢驗的P值為0000，通過了顯著性檢驗。

專業化集聚（SA）回歸系數為04050，在1%的顯著性水平下顯著；多樣化集聚（DA）回歸系數為-05344，在1%的顯著性水平下顯著；DA2回歸系數為正且在1%的顯著性水平下顯著；資本（lnK）回歸系數為負且在1%的顯著性水平下顯著、人均GDP（GDP）回歸系數為正且在1%的顯著性水平下顯著、人力資本存量（lnHR）回歸系數為正且在1%的顯著性水平下顯著。勞動力（lnL）及SA2不顯著，說明勞動力（L）對物流業效率影響不大，專業化集聚對產業效率不構成非線性影響關系。這說明SA與EF線性相關，DA與EF非線性相關并呈現U形非線性關系。

模型（2）中考察各解釋變量對純技術效率的影響，參考模型（1），構建如下計量模型：

PEF=α0+α1SA+α2DA+α3SA2+α4DA2+α5lnK+α6lnL+α7lnGDP+α8lnHR+ε

各變量對純技術效率的Tobit回歸結果如表5所示。隨機效應標準差sigma u=0的似然比檢驗的P值為0000，應當采用面板Tobit模型。隨機Tobit模型整體的似然比檢驗的P值為0000，通過了顯著性檢驗。結果顯示，SA回歸系數為正且在1%的顯著性水平下顯著，SA對PEF構成線性影響關系；DA及DA2在1%的顯著性水平下顯著，DA與PEF成U型的非線性關系，K回歸系數為負且在1%的顯著性水平下顯著，L系數為負且在10%的顯著性水平下顯著，GDP、HR回歸系數為正且在1%的顯著性水平下顯著。

模型（3）中考察各解釋變量對規模效率的影響，參考模型（1），構建如下計量模型：

SEF=α0+α1SA+α2DA+α3SA2+α4DA2+α5lnK+α6lnL+α7lnGDP+α8lnHR+ε

表6為各變量對規模效率的Tobit回歸結果。隨機效應標準差sigma_u=0的似然比檢驗的P值為0000，應當采用面板Tobit模型。隨機Tobit模型整體的似然比檢驗的P值為0000，通過了顯著性檢驗。結果顯示，SA對規模效率SEF的影響呈現倒U型非線性關系，DA對SEF的作用并不顯著，資本K回歸系數為負且在1%的顯著性水平下顯著，GDP及HR回歸系數為正且在1%的水平下顯著，勞動力L并不顯著。

分地區來看，產業集聚對我國東部、中部、東北部及西部地區技術效率（綜合效率）的影響存在差異（見表7），模型（4）為各解釋變量對我國東部地區技術效率的影響，DA、GDP、HR對技術效率構成顯著正影響，DA不存在線性效應，SA并不顯著。模型（5）為各解釋變量對我國中部地區技術效率的影響，DA及DA2分別在5%及1%的顯著性水平下顯著，DA與EF存在非線性的U形關系，SA、K、L不顯著，GDP、HR對EF均有正面影響。模型（6）為各解釋變量對我國東北部地區技術效率的影響，結果顯示，SA對技術效率構成倒U型的非線性關系，DA與技術效率呈現U型線性關系，K對技術效率有顯著的負向影響，GDP及HR能顯著正向影響技術效率，L不顯著。模型（7）為各解釋變量對我國西部地區技術效率的影響，結果顯示，SA、DA對EF分別呈現倒U型與U型線性關系，GDP及HR對技術效率有顯著的正向影響，L有負向影響，K不顯著。

回歸結果顯示，專業化集聚及多樣化集聚對物流業產業效率構成影響，但影響的方向及程度并不一致，這與理論分析的預期相同。從目前我國物流業的發展現狀來看，專業化集聚對產業效率的影響表現為正向的線性關系，多樣化集聚則表現為先減后增的U型非線性關系。這是因為我國物流業發展剛剛起步，行業基礎水平較低，此階段專業化集聚利于發揮規模經濟優勢，在提升產業效率方面見效頗快，這也解釋了為什么目前我國物流業集聚多以專業化集聚的形式出現。但也應同時看到，專業化集聚是有限度的，過度的專業化集聚極易造成壟斷，阻礙產業創新及技術能力等的綜合效益提升。我國地域發展程度差異大，物流業的發展水平參差不齊，專業化集聚對物流業效率的作用也有地域差別。對經濟發展水平較高的地區，專業化集聚效應并不突出，但對欠發達的地區，專業化集聚對產業效率的帶動作用優勢明顯。

多樣化集聚則不同，集聚初期，由于多樣化集聚的產業類型與規模較小，集聚促進知識外溢等的正外部性不能完全釋放出來，甚至對產業效率有一定抑制作用。但隨著集聚程度不斷增強，多樣化集聚帶來的良性競爭和集聚優勢將得到更大發揮，從而促進產業效率的持續提高。此外，值得注意的是，勞動力、資本等傳統投入要素對提高物流業效率的作用已經不大，并且資本產生了阻礙作用，物流產業光靠擴大投入的粗放型增長方式并不可取。代表內生增長模式的人力資本存量對物流業效率的影響顯著為正，說明加大人才的培養力度，注重產業人力資本投資利于產業的長遠發展。外部環境方面，地區經濟的發達程度對物流業效率的影響依然顯著。

從效率類型來看，專業化集聚及多樣化集聚對物流業的純技術效率影響顯著，說明集聚整體而言的知識溢出效應明顯，管理、制度、經驗等的共享非常利于提升物流業的純技術效率。對于多樣化集聚，由于存在對純技術效率的U型影響，需通過豐富集聚區的產業種類以促進集聚效應的發揮。多樣化集聚對規模效率不構成顯著影響，但專業化集聚對規模效率的影響顯著為正。說明規模效率的提升主要依靠專業化集聚，其帶來的產出擴張和成本節約能明顯提高物流業的規模效率。

六、研究結論與政策啟示

理論分析得出，產業集聚通過外部性作用于物流業產業效率。由于外部性影響有正負之分，正負外部性力量對比的結果形成最終的集聚效應：當正外部性居于主導，產業集聚便會對產業效率產生促進作用，反之則產生抑制作用。與此同時，集聚的實際影響受制于區域特點及集聚發展的現狀與程度，會在不同階段呈現出不同特點，因時因地而變?；诩塾绊懙膫鲗窂?，考慮時間維度，專業化集聚對產業效率產生先增后減的“倒U”型影響，多樣化集聚對產業效率產生先減后增的“U”型影響。

由產業集聚對物流業效率影響的實證結果可知，專業化集聚對產業效率的影響表現為正向的線性關系，多樣化集聚則表現為先減后增的U型非線性關系。理論分析中專業化集聚及多樣化集聚的影響與我國物流業的省域現狀不完全相符，專業化集聚對物流業產業效率的倒U型影響在現實中并不顯著。這是因為，我國物流業發展起步晚、起點低、但發展快，現階段專業化集聚帶來的規模擴張優勢占據主導，專業化集聚帶來的負效應還沒體現出來，但并不等于這些負效應不存在。專業化集聚對物流業效率的促進作用有限度，多樣化集聚的積極效應有門檻。

效率提升是產業綜合實力增強的標志，利于提高產業效率的產業政策才能指導產業更好更快發展。對我國物流業而言，提升效率是目前發展中急需解決的重要問題。產業集聚作為促進物流業效率增長的一大突破方式，應深入認識其作用并結合我國區域發展的實際情況，因勢利導地推進和發展?；诖?，圍繞如何從提升產業效率的角度促進物流業集聚，本文提出如下建議：

第一，差異性推進物流業產業集聚。對經濟發展程度較高的東部地區，應發揮已有產業優勢促進物流業的多樣化集聚，注重實現新技術突破，持續提高管理水平，鼓勵與物流產業聯系密切的相關產業集聚發展。對經濟發展加速的中部地區，專業化集聚的影響作用逐漸減弱，但依靠多樣化集聚還需擴大產業種類和規模。對經濟增長乏力的東北部地區，專業化集聚的發展應適度，同時鼓勵多樣化集聚。對經濟發展潛力巨大的西部地區，由于基礎水平較為落后，專業化集聚的優勢能得到最大程度發揮，應完善各項政策措施優先鼓勵專業化集聚的發展。

第二，綜合性利用物流業集聚優勢。提升產業效率最終要落實到企業，對于物流業企業而言，選擇適宜的集聚區域才利于實現最佳的投入產出。因而，企業需分析產業集聚各類型的優勢劣勢，依據自身規模大小及地區特點安排集聚區布局。發展剛起步、急需擴張規模的物流企業可優先考慮東北部、西部地區。發展層次較高，技術水平較強的物流企業適合布局在東部、中部地區。

第三，戰略性提升物流業產業效率。物流業產業效率提升需要一個長遠過程的積累和改善。傳統的以要素投入為主粗放型增長方式不可持續，依靠物流業產業集聚，通過合理調整集聚結構，發揮集聚的經濟效應，是戰略性提升產業效率的有益選擇和有效途徑。短期來看，專業化集聚對物流業效率的作用顯著，直接對規模效率及純技術效率產生促進效應，提高專業化集聚短期內利于提升效率。長期來看，物流業效率的提高仍來自技術進步，科學技術和創新是產業發展的不竭動力。在向現代物流業的轉型升級中，物流信息化建設與物流裝備的現代化是提升效率的有效保障。

參考文獻：

[1]王成金，張夢天.中國物流企業的布局特征與形成機制[J].地理科學進展，2014（1）.

[2]支燕.物流產業集聚的競爭優勢研究[J].經濟與管理研究，2005（3）.

[3]李君華.基于全球供應鏈的產業集群競爭優勢[J].經濟理論與經濟管理，2004（1）.

[4]張智勇，何景師.物流產業集群服務創新研究[J].科技進步與對策，2009（2）.

[5]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（1）.

[6]Roily， HayuthY. Port Performance Comparison Applying Data Envelopment Analysis（DEA）[J].Maritime Policy and Management，1993（20）：153-161.

[7]李孟濤，馮康.遼寧省城市物流績效評價[J].物流技術，2007（26）.

[8]莊玉良，吳會娟，賀超.我國物流業效率變化的動態Malmquist指數研究[J].統計與決策，2009（5）.

[9]林坦，王玲.基于SFA方法的我國區域物流效率分析[J].港口經濟，2009（12）.

[10]龐瑞芝.我國主要沿海港口的動態效率評價[J].經濟研究，2006（6）.

[11]Fujita，M. and Mori，T. Frontiers of the New Economic Geography[Z].Kyoto University， IDE discussion paper，2005-07.

[12]梁琦，錢學鋒.外部性與集聚：一個文獻綜述[J].世界經濟，2007（2）.

[13]張誠，喻琴，張志堅.低碳環境下中國物流業效率評價研究[J].鐵道運輸與經濟，2005（1）.

[14]袁丹，雷宏振.絲綢之路經濟帶物流業效率及其影響因素[J].中國流通經濟，2015（2）.

[15]劉秉鐮，余泳澤.我國物流業地區間效率差異及其影響因素實證研究——基于數據包絡分析模型及托賓模型的分析[J].中國流通經濟，2010（9）.

[16]趙雷.我國省域物流產業效率及其影響因素研究[D].北京：北京交通大學，2014.

Abstract：Based on industrial cluster theory， externality theory and industrial efficiency theory， this study measures the logistics industrial agglomeration and industrial efficiency quantitatively，and empirically analyzes conduction path of effect of specialization agglomeration and diversified agglomeration on efficiency of logistics industry. The research shows because of the big regional difference in logistics， the effect of specialization agglomeration on industrial efficiency shows the positive linear relationship， and the diversified agglomeration shows the u-shaped nonlinear relationship； traditional labor， capital and other inputs to logistics industry have little effect， and the effects on the efficiency of the two types of agglomerations are different due to the regional differences. Therefore， we should promote efficiency of logistics industry strategically by advancing the logistics industry agglomeration differently， taking advantage of the logistics industry agglomeration roundly and reasonably adjusting logistics industry structure.

Key words：specialization agglomeration； diversified agglomeration； efficiency of logistics industry； Data Envelopment Analysis； Tobit Regression

（責任編輯：李江）