物流業發展的時空演化、驅動因素及溢出效應研究
——基于中國省域面板數據的空間計量分析

唐建榮 張鑫和

(江南大學 商學院，江蘇 無錫 214122)

物流業發展的時空演化、驅動因素及溢出效應研究
——基于中國省域面板數據的空間計量分析

唐建榮 張鑫和

(江南大學 商學院，江蘇 無錫 214122)

基于2005—2014年中國省級面板數據，運用ESDA方法探索物流業發展的空間依賴性，構建空間杜賓模型考察物流業發展的驅動因素及溢出效應。結果表明：中國物流業發展的地域特征明顯，呈現正的空間自相關；影響物流業發展的要素中，科技進步對物流業發展推動最強，但經濟發展、基礎建設和對外開放的作用也不容忽視；在各要素中，對外開放對物流業發展具有正向空間溢出效應，基礎建設的溢出效應為負，而經濟發展和科技進步的溢出效應并不顯著。

物流業；空間集聚；溢出效應

一、引言及文獻評述

物流產業是區域經濟增長的基石，其演化規律一直是經濟地理、區域經濟關注的熱點。根據Perroux(1955)的“增長極”理論、Prebisch(1962)和Friedman(1964)的“中心-外圍”理論、以及 Hirschman(1970)的“極化-涓滴”效應學說，由于不同區域系統內部地理單元間的資源稟賦、產業基礎、發展條件存在較大差異，從而導致產業發展的走向、速度、進程不盡相同。隨著“一帶一路”、“長江經濟帶”和“京津冀協同發展”三大發展戰略的推進，物流產業發展的熱點逐步向中西部地區轉移，由此對區域物流協同發展提出更高的要求(李國旗 等,2015)。因此，從時空視角切入研究中國物流產業格局演變，探討物流產業發展進程中的驅動因素，衡量各驅動要素的空間溢出效應強弱就顯得十分必要。

在物流業發展的時空演化研究方面，近年來國內外不少學者，如Jing et al.(2010)、程艷等(2013)、景楠等(2015)、鐘昌寶等(2016)、謝守紅等(2015a)使用ESDA法分別研究了中國東海岸、長江經濟帶、東北、長三角等地區的物流業發展的時空演化過程，但這些研究多采用時間截面進行分析，由于數據斷層，研究結果并未能夠準確刻畫出時空演變規律及演變動因。

而在物流業發展的驅動因素研究上，Levans et al.(2012)從社會或物流企業的自動化水平角度出發，分析了物流發展的重要驅動因素，認為自動化會改變物流發展的方向。唐建榮等(2015)基于經濟、支撐和信息三大視角，運用結構方程模型分析了城市物流業發展的驅動因素，并對比了各區域的發展差異。陳恒等(2015)利用LMDI指數法分析了勞動力投入對物流業發展的驅動效應，并探討了影響物流業發展的要素。謝守紅等(2015b)利用TOPSIS法測算了長三角地區16市的物流業發展水平，并結合嶺回歸方法探討了城市物流業發展的驅動因素。在研究物流業的驅動因素時，多數文獻囿于空間實證方法的復雜性，而忽略地理單元之間的空間聯系和相關性，且未能探究產業發展過程中的溢出效應。

針對現有研究文獻存在的問題，本文基于突變級數法并結合探索性空間數據(ESDA)方法，測定了2005—2014年中國各省區物流業發展水平，探討了中國各省區物流業的發展演變規律和時空差異成因，并在確定物流產業發展存在明顯正向空間相關性的基礎上，以物流業發展水平為因變量，利用空間杜賓模型對物流產業發展的驅動因素及溢出效應進行了研究。

二、研究模型與方法

研究物流業的時空演變規律，本文獨到之處在于將突變級數法與探索性數據分析方法結合起來，這一辦法雖然在揭示地區發展差異方面作用有限，但是將這兩種方法結合起來使用也具有如下優點：突變級數法可以得出中國各省區物流業綜合發展水平得分，從而揭示出物流業發展的演變規律；而探索性數據分析方法是一系列可視化空間分布數據的分析方法和技術的集合，可以揭示變量取值的空間分布特征。在上述基礎上，本文考慮了變量空間關系，構建空間杜賓模型探究物流產業發展的驅動因素。

(一)突變級數法

突變理論是由勒內·托姆(René Thom)提出，并基于拓撲動力學、奇點理論而形成的理論，常用于分析由漸變引起突變的系統狀態及變化趨勢(Thom，2012)。突變級數法首先對系統的評價總目標進行多層次矛盾分解，接下來利用突變理論同模糊數學相結合形成突變模糊隸屬函數，并由歸一公式進行綜合量化運算歸一為一個參數，最終得到總的隸屬函數，從而進行評價。該方法實質是對多層次評價主體進行分解，優點是能夠充分考慮各評價指標的相對重要性，可以減少主觀干擾，又能夠合理準確地實現對評價對象的計算，因而被廣泛應用于資源環境、績效考核和經濟發展等方面的綜合評價(陳曉紅 等,2013)。利用突變級數評價物流業發展水平的關鍵是確定勢函數及其突變類型。而初等突變理論中常用的勢函數有尖點突變、燕尾突變、蝴蝶突變三種，具體內容如表1。

表1 突變類型及特征

由表1可知，尖點突變系數為a、b，燕尾突變變系數為a、b、c，蝴蝶突變系數為a、b、c、d。通過求f(x)一階導數得出勢函數所有臨界點，集合成平衡曲面方程，接下來求二階導數算出其分叉點集方程，進而求得各類型突變系統的歸一公式。根據子指標的互補性，以其平均值作為上層子系統的控制變量。結合歸一公式逐層計算，得出一級指標的得分，并通過多目標線性加權法計算出物流業發展水平綜合得分(李柏洲 等,2012)。

(二)探索性空間數據分析

探索性空間數據法(ESDA)常用于分析空間數據自相關特性。而空間自相關是指某要素與其鄰近要素屬性值在不同空間單元上的顯著程度，主要用于度量對象的空間集聚度和關聯性。本文通過全局和局部Moran指數檢驗來判斷物流業發展的空間相關性(李沙浪 等,2014)。

全局Moran指數可以反映整個研究區域物流業發展空間分布特征，衡量空間鄰接的省區物流業發展水平的相似度，公式如下：

(1)

由于全局Moran指數未能反映區域異質性特征，為準確反映局部省區物流業發展的空間聚集程度，接下來引入局部Moran指數：

(2)

(三)空間面板模型

由于存在空間異質性和相關性，鄰近地區的經濟發展和社會發展相互促進，物流業的發展也相互依賴，普通的時間序列回歸或面板數據分析難以反映變量背后的真實經濟內涵(熊靈 等,2012)。而空間計量模型考慮到經濟學中普遍存在的空間依賴性，比傳統計量模型能夠更好地解釋中國物流業發展的驅動因素(龍小寧 等,2014)。在多維要素空間協同作用模型中，若不考慮空間溢出效應，則將會錯誤地估計各因素對物流業發展的影響，因而引入空間維度的分析對于辯證地識別物流業驅動因素意義重大。

以標準的線性回歸模型為起點，根據空間計量模型包含交互效應的不同，可以分為三類：

(1)空間滯后模型(SLM)：

y1=ρWy1+Xβ+ε

(3)

其中：y1代表n×1列的決策變量觀察值向量；W代表n×n階空間權重矩陣；ρ為空間自回歸參數，表示鄰近單元之間的影響程度；X表示n×k階外生變量觀察值矩陣；β為k×1階回歸系數向量；ε為隨機誤差向量。該模型包括了內生交互效應。

(2)空間誤差模型(SEM)：

y2=Xβ+ε

(4)

ε=λWψ+ξ

(5)

其中：y2為n×1列溢出成分誤差；ξ為n×1列的區域內隨機擾動項；假定ψ與ξ服從獨立同分布且互不相關；λ表示一個區域變量變化對相鄰區域的溢出程度。該模型包含了誤差項之間的交互效應。

(3)空間杜賓模型(SDM)：

y3=ρWy3+Xβ1+WXβ2+ε

(6)

其中：y3表示n×1列的因變量觀察值向量；β1表示k×1階回歸系數向量；β2為k×1回歸系數向量。該模型同時包含了內生和外生的交互效應(白俊紅 等,2015)。

空間計量通常使用最大似然法(ML)、工具變量法(IV)或廣義矩估計法(GMM)作為系數估計方法，由于ML估計值的對數似然函數中的雅可比項服從空間參數的條件分布，這些參數受限于(1/rmin，1)，而當使用IV和GMM估計值時，由于忽略了雅可比項，使得這些空間參數不再受到約束，但這兩種方法存在最終的系統估計值可能會落在其參數空間之外的致命缺點。因此本文選用ML法進行參數估計。

三、物流業發展的綜合評價及時空演變分析

測度各省區物流業發展水平是分析區域物流發展時空差異和演變規律的基礎，因此本文首先利用2005—2014年間31省區的面板數據，使用突變級數法分析區域物流業的發展水平，進而利用ESDA方法探討時空演變規律。

(一)指標體系構建及數據來源

通過較為系統的梳理文獻，在遵循系統性、動態性以及定義清晰可量化性的原則基礎上，從市場規模、經濟發展、基礎建設三個方面構建指標體系，并利用熵權法確定權重，結果見表2。

表2 中國物流業發展水平評價指標體系及權重

借鑒唐建榮等(2016)的方法，利用交通運輸、倉儲及郵政業的統計值代替物流產業發展水平，以中國內地2005—2014年31個省區相關統計數據為樣本，基礎數據來源于《中國統計年鑒》。根據表2指標體系并結合表1判別標準，可知：(1)市場規模由貨運周轉量、郵電業務總量、物流增加額和人均物流增加額4個指標反映，屬于蝴蝶突變系統；(2)經濟水平由第三產業增加值、地區GDP、人均社會消費品零售額和人均GDP反映，屬于蝴蝶突變系統；(3)基礎建設由鐵路密度、公路密度和人均運輸車輛占有來反映，屬于燕尾突變系統；(4)物流業發展水平由產業規模、經濟水平和基礎建設反映，屬于燕尾突變系統。

(二)物流業發展水平評價

根據表2各指標權重大小確定每層級指標的排序，如“產業規模”下的指標按權重大小排列為：貨運周轉量、郵電業務總量、物流增加額和人均物流增加額。在確定各系統突變類型以及各指標的相對重要性的基礎上，利用突變級數法計算出2005—2014年各省區物流業發展水平值，選擇具有代表性的2006年、2010年和2014年作為時間截面，列出各省區物流業發展水平評價值，評價值介于0—1之間，數值大小反映水平高低，具體見表3。

由表3可以看出，中國物流業總體呈現出“東強西弱”的態勢：2006年、2010年、2014年，上海、廣東、北京、江蘇和浙江一直是中國物流業發展的“領頭羊”，上海在2006年和2010年均排名居首，廣東在2014年排名躍居第一。這是由于中國東部沿海地區具有資源稟賦優勢和多樣化的經濟發展形式，同時海洋資源的不斷開發以及海上商貿活動頻繁，從而帶動了區域物流業的發展；長三角、珠三角和京津冀等地區由于經濟帶的輻射效應，成為中國物流產業發展的核心地帶；西藏、青海、寧夏、甘肅等地區，由于偏僻的地理位置，落后的交通運輸條件，始終是中國物流業發展的“洼地”。這表明，中國物流業發展與經濟發展呈現出一定的趨同性，物流業發展存在“馬太效應”*馬太效應由羅伯特·莫頓(Robert K. Merton)于1968 年提出，反映強者愈強、弱者愈弱的現象，被廣泛應用于社會心理學、教育、金融以及科學領域。。

表3 2006、2010、2014年中國物流業發展綜合水平評價值

(三)區域物流業時空演化分析

為更直觀地表現中國物流業發展的空間狀態和演化過程，利用探索性空間數據分析法，借助Geoda軟件，結合物流業發展水平的評價值，得出各年物流業發展的全局指數值，結果如圖1所示。

圖1 2005—2014年中國各年物流業發展水平的全局Moran指數值

由圖1可知，2005—2014年中國物流業發展水平的全局Moran指數，最小值為2005年的0.353，2011年達到最大值0.593； 2005年的P值為0.002，其余年份的P值都為0.001，均遠小于0.01，表明中國各省區的物流業發展水平呈顯著的空間正相關，即物流業發展的時空演變分布并非相互獨立變化，存在著地區間的空間溢出效應。從時序的角度來看，全局Moran指數呈現出先上升后下降的趨勢，表明在2005—2011年間物流業發展的空間相互作用逐漸加強，2011—2014年間稍微減弱，但始終呈現出較高的空間相關性。

為進一步探討產業發展的空間集聚模式，借助Geoda軟件，利用表3中的數據繪制了2006年、2010年和2014年物流業發展水平的全局Moran指數散點圖，如圖2所示。

圖2 2006年、2010年、2014年各省物流業發展水平散點圖

圖2中Moran指數圖被分為4個象限，每個象限內分布了若干散點，各散點(省區)位于不同象限，不同象限對應于不同的集聚形式和空間單元屬性，具體解釋借鑒曾昭法等(2013)的辦法，詳見表4。

表4 物流業發展的空間自相關解釋

由圖2和表4可知，省區物流業發展水平的空間相關模式以H-H型和L-L型為主，產業發展存在顯著的空間正相關，空間單元具有同質性；少部分省區物流業發展水平為L-H和H-L型，呈現出自身高周圍低或者自身低周圍高的異常情況，體現了空間單元的異質性。從時間維度來看，從2006到2010年，處于L-H省區個數由三個減少為兩個，處于H-L的省區變化不大；從2010到2014年，處于L-H省區的個數從2個增加為4個，處于H-L省區的個數從3個減少為1個。

為了清晰表現出具體集聚區域的變化過程，檢驗特定省區對周邊地區的影響程度，利用Geoda軟件繪制出反映物流業發展水平空間自相關程度的LISA集聚圖，如圖3所示。

圖3 中國物流業發展水平LISA集聚圖

從圖3可以看出，2006年中國物流業發展水平的集聚形式主要為高高集聚和低低集聚。低低集聚區域主要集中在中國西部地區，包括甘肅、四川、云南、青海、西藏、新疆等省區；高高集聚的地區主要集中在京津冀地區和東部地區的江蘇、上海等省區，產業發展在地理空間呈現梯度集聚的趨勢，但多數地區的集聚形式不是特別顯著，這反映了中國物流業整體發展水平不高，尚未形成規模以上的空間集聚。

2010年，西部地區仍然是低低集聚的主要集中地，東部地區的山東躋身于高高集聚行列，可能原因是：一方面由于處于京津冀地區和江蘇之間，受到兩大物流業高水平區域的強輻射帶動，另一方面由于地處沿海地區，具有資源稟賦優勢，交通發達有利于物流業發展。由于安徽地處華東地區縱深腹地，沿江通海，與最具經濟活力的長三角對接，且具有承東啟西、連接南北的良好經濟地理位置，因此進入高高集聚區域范圍之內。

2014年，由于東部地區物流業發展的政策環境進一步改善，經營業態交叉融合加速，區域物流和國際物流整合開拓步伐加快，港口物流對區域經濟的輻射與帶動作用更加明顯，使得東部沿海地區高高集聚區域得到進一步擴展，新增加了浙江、福建兩省區，形成一條“沿海高集聚線”。江西進入低高集聚區，該省區物流業發展速度低于東部沿海地區。

總的來說，各省區物流業發展水平存在著明顯的空間集聚現象。其原因在于：物流業發展是經濟發展、科技進步、資源稟賦等因素相互影響共同促進的動態過程，作用機理復雜。隨著交通基礎設施的持續改善，區域經濟聯系逐漸加強，資源與要素流動性增強，各因素由此具有外溢的能力。這種外溢使得周邊地區的經濟、政策等因素也隨之改變，而物流業的發展會受到這種改變的間接影響，進而呈現出與臨近地區趨同的態勢。

四、物流業發展的驅動因素分析

通過對省區物流業發展水平空間演化研究可知，中國物流業發展整體呈現出“東強西弱”的差異性，局部具有顯著的空間正相關性。由于中心省區的經濟發展、基礎建設等會對周邊省區有一定程度的輻射帶動作用，但也可能由于剝奪周邊地區的人才、自然資源、資金、財政投入產生“汲取效應”，具體綜合作用如何尚不清楚。接下來引入空間計量模型來識別中國物流業發展的驅動因素，并分析其中各因素的空間外溢能力。

(一)變量選取與指標說明

多數學者(唐建榮 等，2015；王健 等，2014；魏修建 等，2014)將物流總額、物流增加額或者貨運周轉量作為因變量，對產業發展的驅動因素進行研究，但由于物流產業受經濟、環境、政策等多種因素的影響，僅使用物流總額等單一指標難以準確度量其驅動因素。本文以上文突變級數法評價所得的物流業發展水平作為因變量，可以減少單一指標作為因變量帶來的信息失真的情況，使得實證結果更加精確。

在自變量的選取上，本文從科技水平因素(Sci)、經濟發展因素(GDP)、基礎建設因素(Inf)和對外開放因素(Out)四個方面進行闡釋：

(1)科技水平因素。現代物流業依賴于信息化的發展水平，網絡和通信工具能及時有效地反映物流的供需信息，通過對各方面物流信息的及時、準確反饋和綜合，從而指導物流活動順利進行，本文參考唐建榮等(2015)做法選擇互聯網上網人數來代表科技發展水平。

(2)經濟發展因素。經濟的發展會刺激生產和消費，從而帶動物流需求增長。GDP是衡量區域經濟運行狀況的晴雨表，因此使用省區GDP總額代表其經濟發展狀況(唐建榮 等，2015)。

(3)基礎建設因素。布局合理的物流網絡作用在于，提供了相應的物流設施設備和信息服務，為物流過程中的各項作業提供支撐，減少了物流過程障礙，為物流業提質增效。本文借鑒王健等(2014)的辦法，以物流網絡密度(鐵路和公路營業里程之和占區域國土面積之比)代表基礎建設水平。

(4)對外開放因素。對外開放有助于沖破市場分割與地方保護主義“行政藩籬”，擴大物流市場，加速物流技術的交流，促進產業發展，本文以貨物進出口總額指標反映對外開放度(謝守紅 等,2015)。

以上變量具體的數據均來自于2005—2014年《中國統計年鑒》，為消除異方差，所有變量均取對數值(戴永安,2012)。

(二)模型選擇及結果分析

在具體的選擇研究模型過程中，首先利用Hausman檢驗判斷選擇固定效應還是隨機效應；其次根據普通面板混合模型LR檢驗判斷應納入何種固定效應，并利用LMlag、LMerror和穩健的R-LMlag、LMerror來確定究竟是使用SEM還是SLM；再次根據Wald檢驗結果，分析SDM的適用性，確定模型能否簡化為SEM或者SLM；最后若證實了SDM的適用性，則可以根據偏微分方程討論自變量對因變量的溢出效應。

本文的樣本回歸限于特定個體，無需以個體性質推斷總體性質，因此選擇固定效應模型效果更佳(熊靈 等,2012)。在確定使用固定效應的前提下，通過對非空間面板模型進行LM、R-LM和似然比(LR)檢驗，以確定具體使用何種固定效應下的空間計量模型，具體檢驗結果如表5所示*估計空間面板數據模型的原代碼來自下面網址：http：//www.spatialeconometrics.com。。

表5 非空間面板模型的檢驗結果表*本結果由Matlab2010b計算得到。表6、表7、表8同方法可得。

注：*、**、***分別代表0.1、0.05、0.01的顯著性水平。下表同。

由表5可知，不論是空間效應還是時間效應，LR檢驗結果都較顯著(P<0.01)，拒絕了聯合非顯著的原假設，說明應將模型擴展為時空雙固定模型(楊愷鈞 等,2016)。在時空雙固定效應下，LMlag顯著，而LMerror不顯著，表明應使用空間滯后模型。接下來對時空雙固定杜賓模型進行Wald和LR檢驗，以確定杜賓模型簡化為滯后模型的可能性，估計結果見表6。

表6 空間杜賓模型的Wald和LR檢驗值

由表6中Wald和LR檢驗結果可知，空間誤差模型的Wald 和LR檢驗均拒絕了杜賓模型簡化為滯后模型的原假設，空間誤差模型亦是如此，所以應選擇更為一般的杜賓模型。而各種效應下SDM模型估計結果如表7所示。

表7 不同效應下SDM模型估計結果

注：*、**、***分別代表0.1、0.05、0.01的顯著性水平；括號內數字為系數的Asymptot t-stat值。下表同。

對比表7中在不同效應下的估計結果可知：時空雙固定效應下的R2最高，但空間計量模型中的R2是一個偽數值，一般不適合直接用來評價模型的擬合度，因而適用Likelihood檢驗，該值越大，擬合度越高(孫慶剛 等,2013)。根據Likelihood檢驗發現，雙固定效應下，擬合度最高，符合LR檢驗的結果，因此選擇雙固定的杜賓模型。

比較空間杜賓模型和普通面板的實證結果可知，加入空間滯后項后模型擬合度得到提高。普通面板回歸中對科技水平、經濟發展、基礎建設和對外開放四個因素分別多估計了0.2%、12.6%、0.21%和0.24%。由此可見，由于普通面板沒有納入變量的空間相關項，導致模型估計的解釋力下降。

表8 直接效應、間接效應和總效應

從表8的效應分解結果可以得知：

(1)科技進步是物流業發展的主要動力。一方面，科技進步的直接影響系數為0.0541，通過1%的顯著性檢驗，說明科技水平的提高能有效帶動當地物流業的發展，科技已成為驅動中國物流業發展的新杠桿。另一方面，其間接影響系數為-0.0201，結果并不顯著，表明當地科技水平提高有可能會抑制周邊地區物流業的發展。究其原因在于：一方面，在區域經濟發展不均衡的大環境下，鄰近地區科技進步可能會吸引本地的投資以及勞動力進入，從而抑制本地區物流業的發展；另一方面，周邊地區科技水平的提高，比如互聯網的發展，會帶動電子商務的發展，從而將進出口貨物的方向延伸至更遠區域，從而造成消費緊縮，阻礙經濟的發展與物流業的進步。

(2)經濟發展水平是物流業發展的重要推手。一方面經濟發展水平的直接影響系數為0.0173，表明經濟發展水平對物流業的影響顯著，經濟發展對產業進步的拉動作用不容忽視。另一方面其間接影響系數為0.0085，影響并不顯著，因此無法判斷經濟發展是否存在空間溢出效應，雖然經濟發展可以有效拉動本地區物流產業的發展，但未能明顯刺激其周邊地區的產業活力，即存在“弱核牽引”的現象。這是因為中國區域經濟目前處于失調期，區域經濟發展缺乏聯動性，因此推動經濟協同發展戰略勢在必行。

(3)基礎設施建設是物流業發展的外在保障。一方面，基礎設施建設的直接影響系數為0.0066，并通過5%的顯著性檢驗，表明完善基礎設施建設可以保障產業發展，推動產業進步。另一方面，其間接影響系數為-0.1087，通過了5%的顯著性檢驗，說明本地區基礎建設明顯抑制了周邊地區物流業的發展，產生了負向溢出效應。這是因為，一是中國諸多省區經濟發展水平層次不齊，多數經濟發展落后的地區產業集聚能力有限，即使政府加大基礎設施的投資建設力度，也未必能對相鄰地區產生正向的溢出效應，甚至還會產生抑制作用。這也印證了張學良等(2012)的觀點：跨地區交通基礎設施的加快建設會增加發達地區對落后地區各類生產要素的“虹吸效應”。二是中國的綜合交通體系建設尚不完善，中西部地區的交通骨干網絡與東部地區仍有差距，甚至各種運輸方式的互聯互通和協調布局上差距更大，這種差距嚴重影響了地區交通運輸系統的整體效率，導致基礎設施的負向溢出(胡煜 等,2015)。

(4)對外開放是物流業發展的隱形動力。一方面，對外開放指標的直接影響系數為0.0114，通過1%的顯著性檢驗，說明對外開放可以有效帶動地區物流業的發展。改革開放以來，經濟發達地區的快速發展得益于對外貿易，對外貿易對中國經濟發展具有促進作用已成為共識(徐博 等,2013)。物流運輸是進出口貿易的關鍵，因此加速對外開放可以直接帶動了物流業的發展，同時也能通過刺激經濟發展間接拉動物流業進步。另一方面，其間接影響系數為0.0861，影響結果顯著，說明對外開放的空間溢出效應為正，當地對外開放程度的提高可以帶動相鄰區域物流產業的進步。對外開放水平的提高，使得貿易活動更加頻繁，提高了地區間貨物交叉運輸能力，促進了經濟相互刺激輻射，從而間接帶動周邊物流業發展。

五、結論與政策建議

本文運用突變級數法對2005—2014年中國各省區的物流業發展水平進行了評價，結合ESDA法探索產業發展的空間相關性及集聚特征，并基于分析結果構建空間杜賓模型研究物流產業發展的驅動因素。研究發現：中國物流業發展差異性與相關性并存，整體呈現出“東強西弱”的差異性，局部具有顯著的空間正相關性；分時段和地區來看，空間正相關水平逐年增長、高位趨穩，并形成以甘肅、四川、云南、青海、西藏、新疆等為代表的西部地區低水平集聚區和以東部沿海省區為代表的高水平集聚區域。在多維驅動要素中，科技進步、經濟發展水平、對外開放和基礎設施建設對物流業的發展均具有影響，且影響依次減弱，其中對外開放對物流業發展的溢出效應為正，基礎設施建設的溢出效應為負，而經濟發展水平和科技進步的溢出效應并不顯著。

根據研究結論，本文提出以下幾點政策建議：

(1)實現物流業發展的多核共振驅動，強化物流業發展的廊道“擴散效應”。要充分發揮技術的后發優勢，創造性優化物流業組織與管理，積極引進物流新技術，加快培育物流創新人才，從而實現區域物流產業轉型升級；推進科技應用與物流一體化發展，注重多渠道共同驅動，實現物流業的非線性增長。

(2)提升區域因素輻射，重視空間“溢出效應”。應進一步擴大區域對外開放程度，積極促進物流業正向空間溢出效應的擴散。加快各地區內部城市群的基礎設施建設，打破行政邊界、合理進行產業布局，推動交通樞紐設施共建和共享，加強支線與干線的互聯互通，優化運輸方式連接路徑，提升運輸效率。加強物流產業科技研發投入，加速物流網絡信息平臺建設，注重跨區域物流產業科技交流，轉變物流產業效應溢出方向；探尋并創造出更多空間溢出渠道，發揮不同物流業板塊的區位功能，實現區域物流空間的協同發展。

(3)推動區域橫向協同，弱化物流“馬太效應”。要借助長三角、珠三角、京津冀等地區開放程度高、經濟實力強、輻射帶動作用大的優勢促進區域物流業聯動發展；繼續加大對上海、煙臺、大連、福州、泉州等沿海港口城市的建設力度，充分利用其區位和資源稟賦優勢；發揮內陸地區縱深廣闊、人力資源豐富、產業基礎雄厚的優勢，依托長江中游城市群、成渝城市群、哈長城市群等重點區域，推動區域互動合作和產業集群發展；東北地區和中西部地區要發揮區域特性，積極營造環境，以提升現代物流向東北地區和中西部地區的擴散效率；加速產業在不同區域間的動態彌合，加強勞動力、資本等生產要素區域間流動，努力培育新的區域增長極，逐步形成東中西部地區互動協調發展的大格局。

白俊紅,蔣伏心. 2015. 協同創新、空間關聯與區域創新績效[J]. 經濟研究(7):174-187.

陳恒,魏修建,杜勤. 2015. “一帶一路”物流業發展驅動因素的動態軌跡演變：基于勞動力投入的視角[J]. 上海財經大學學報(哲學社會科學版)(2):31-43.

陳曉紅,楊立. 2013. 基于突變級數法的障礙診斷模型及其在中小企業中的應用[J]. 系統工程理論與實踐(6):1479-1485.

程艷,龍宇,徐長樂. 2013. 長江經濟帶物流產業關聯度空間差異研究[J]. 世界地理研究(1):73-82.

戴永安. 2012. 中國交通事故發生機制的空間計量分析[J]. 統計與信息論壇(1):38-43.

胡煜,李紅昌. 2015. 交通樞紐等級的測度及其空間溢出效應:基于中國城市面板數據的空間計量分析[J]. 中國工業經濟(5):32-43.

景楠,顏波. 2015. 東北區域物流與經濟的空間自相關和空間聚類分析[J]. 東北師大學報(哲學社會科學版)(1):134-140.

李柏洲,蘇屹. 2012. 基于改進突變級數的區域科技創新能力評價研究[J]. 中國軟科學(6):90-101.

李國旗,金鳳君,劉思婧. 2015. 物流樞紐形成的驅動力與演化機理[J]. 經濟地理(4):84-89.

李沙浪,雷明. 2014. 基于TOPSIS的省級低碳經濟發展評價及其空間面板計量分析[J]. 中國管理科學(S1):741-748.

龍小寧,朱艷麗,蔡偉賢,等. 2014. 基于空間計量模型的中國縣級政府間稅收競爭的實證分析[J]. 經濟研究(8):41-53.

孫慶剛,郭菊娥,師博. 2013. 中國省域間能源強度空間溢出效應分析[J]. 中國人口資源與環境(11):137-143.

唐建榮,李曉靜. 2016. 大氣生態安全障礙因子診斷及其共治研究:基于物流碳排壓力[J]. 統計與信息論壇(9):49-55.

唐建榮,徐媛媛,李曉靜. 2015. 基于SEM的城市物流驅動因素分析及對策研究：以江蘇省為例[J]. 華東經濟管理(8):39-46.

汪輝平,王美霞,王增濤. 2016. FDI、空間溢出與中國工業全要素生產率:基于空間杜賓模型的研究[J]. 統計與信息論壇(6):44-50.

王健,劉荷. 2014. 區域物流發展的影響因素研究:基于福建省的實證分析[J]. 華東經濟管理(3):22-27.

魏修建,陳恒. 2014. 物流發展驅動要素對經濟增長貢獻度的區域差異性研究:基于絲綢之路經濟帶西北地區面板數據模型的實證分析[J]. 上海經濟研究(6):14-22.

謝守紅,蔡海亞. 2015a. 長江三角洲物流業發展的時空演變及影響因素[J]. 世界地理研究(3):118-125.

謝守紅,蔡海亞. 2015b. 長三角物流發展水平評價及空間關聯格局分析[J]. 資源開發與市場(9):1057-1062.

熊靈,魏偉,楊勇. 2012. 貿易開放對中國區域增長的空間效應研究:1987—2009[J]. 經濟學(季刊)(3):1037-1058.

徐博,戴永安. 2013. 產業結構演變城市化響應強度的影響因素研究:基于空間Durbin模型的分析[J]. 統計與信息論壇(11):21-26.

楊愷鈞,褚天威. 2016. 互聯網發展、交通運輸及進口貿易關系研究：基于中國省際面板數據空間計量分析[J]. 經濟問題(6):95-100.

曾昭法,左杰. 2013. 中國省域城鎮化的空間集聚與驅動機制研究：基于空間面板數據模型[J]. 中國管理科學(S2):580-586.

張翠菊,張宗益. 2015. 中國省域產業結構升級影響因素的空間計量分析[J]. 統計研究(10):32-37.

張學良. 2012. 中國交通基礎設施促進了區域經濟增長嗎:兼論交通基礎設施的空間溢出效應[J]. 中國社會科學(3):60-77,206.

鐘昌寶,錢康. 2016. 基于ESDA的長江經濟帶省域物流產業空間差異研究[J]. 華東經濟管理(7):69-74.

FRIEDMANN J, ALONSO W. 1964. Regional development and planning: a reader [M]. Massachusetts: MIT Press.

HIRSCHMAN A O. 1970. Exit, voice, and loyalty: responses to decline in firms, organization and states [M]. Cambridge: Harvard University Press.

JING N, CAI W X. 2010. Analysis on the spatial distribution of logistics industry in the developed East coast area in China [J]. The Annals of Regional Science, 45(2):331-350.

LESAGE J, PACE R K P. 2002. Introduction to spatial econometrics [M]. Boca Raton: CRC Press.

LEVANS M A. 2012. How automation is changing logistics [J/OL]. Logistics Management, 51(6):9.

MERTON R K. 1968. The matthew effect in science, the reward and communication systems of science are considered [J]. Science, 159(3810):56-63.

PREBISCH R. 1962. The economic development of Latin America and its principal problems [R]. United Nations department of Economic Affairs，Economic Commssion For Latin America.

PERROUX F. 1955. Trois outils d′nanlyse pour l′etude du sous-development,economie desarticulee,couts de l′home,development induit [J]. Economies et Societes, F(1):31-50.

THOM R. 1975. Structural stability and morphogenesis [M]. New York:Benjamin.

(責任編輯 張 坤)

Spatio-temporal Evolution, Driving Forces and Spillover Effects of Logistics Industry Development: On Spatial Panel Data Analysis of Chinese Provincial Panel Data

TANG JianRong ZHANG XinHe

(School of business, Jiangnan University, Wuxi 214122)

Based on Chinese provincial panel data for the period of 2005—2014, this study explores the spatial dependence of the logistics industry by utilizing ESDA method. The Spatial Durbin Model is constructed to study driving factors and spillover effects of logistics industry. The results prove that China′s logistics industry has obvious regional characteristics, which shows positive spatial autocorrelation. Among the multi-dimensional influencing factors of the logistics industry, the scientific and technological progress is the strongest impetus to the development of the logistics industry. However, the roles of economic growth, infrastructure construction and the opening level can not be neglected. Among the driving factors, the opening level has a positive spillover effect on the development of the logistics industry, while the infrastructure construction has a negative spillover effect, economic development and the scientific and technological progress has insignificant spillover effect.

logistics Industry; spatial agglomeration; spatial spillover effect

2017-01-12

唐建榮(1964--)，男，江蘇無錫人，博士，江南大學商學院教授。 張鑫和(1993--)，男，安徽天長人，江南大學商學院碩士生。

國家自然科學基金“小樣本非等距灰色預測模型建模及其應用研究”(71301061)；江蘇省研究生培養創新工程項目“基于可拓物元模型的我國物流產業成熟度評價”(SJZZ16_0213)。

F061.5

A

1001-6260(2017)05-0011-11

10.19337/j.cnki.34-1093/f.2017.05.002