基于Panel Data的信息化與物流產業關系研究

許明明+錢芝網+俞佳立

摘要基于Panel Data 模型，采用中國31個省份，2005-2015年的面板數據，對信息化與物流產出的關系從靜態和動態兩個角度分別進行研究.面板數據模型的研究結果表明：信息化對物流產出的提高意義重大，其彈性系數為0.198.再利用向量自回歸模型（PVAR）的脈沖響應函數和方差分解動態分析了不同變量沖擊下物流產出的變化，結果發現信息化對物流產出的影響趨勢最大且有明顯的上升趨勢，資金投入對物流產出呈現下降趨勢，物流設施總體比較平穩.

關鍵詞物流管理；信息化影響；面板數據模型；物流產業

中圖分類號F49文獻標識碼A

Study on the Relationship between Informationization and Logistics Based On Panel Data

Mingming XU1，Zhiwang QIAN1，2，Jiali YU1

（1.University of Shanghai for Science and Technology，Shanghai 200093，China；2.Information Shanghai University of Medicine & Health Sciences，Shanghai 201318，China）

AbstractBased on the panel data model，the panel data of 31 provinces in China from 2005 to 2015 were used to study the relationship between informationization and logistics industry from two aspects： static and dynamic.The research shows that informationization on the development of the logistics industry has a significant contribution，and the elastic coefficient is 0.198.Based on the impulse response function and variance decomposition of vector autoregressive model，the change of logistics output under the impact of different variables reveals that the influence of informatization on logistics output is the biggest and shows obvious trend，capital investment on the logistics output shows a downward trend，and the logistics facilities show the overall stability.

Key wordslogistics management；Influence of informatization；Panel Data；logistics output

1引言

物流簡單來講就是物流、信息流、資金流從商品的產地到銷地之間的流動.物流產業是商品流通中的重要環節，對商業流通體系和國民經濟的發展有著重大意義.現在國家倡導發展新經濟、互聯網經濟，由政府部門出臺的關于物流的政策、指導意見和規劃就有五十多個，每個月都有二到三個文件發布，可見國家對物流行業的重視.

近幾年，我國物流行業發展迅速.截止到2015年，物流業總收入7.6萬億元，比上年增長4.5%，全國社會物流總額219.2萬億元，比上年增長5.8%，社會物流總費用10.8萬億元.

當今世界已經步入信息化時代，信息社會是社會發展的必然趨勢.在信息技術的支持下，改造企業也已成為一個全球性的大趨勢.隨著互聯網技術的發展，信息的傳播也越來越迅速，信息成為現代企業的靈魂，互聯網技術所推動的信息革命極大地提高了現代物流信息化水平.物流的信息化主要表現在物流信息的商品化、信息收集的數據庫化以及處理的電子化等方面.條碼技術、數據庫技術、EDI等先進技術在物流行業中得到了廣泛的應用，縮短了物流時間，提高了物流效率.現代物流與傳統物流的最大的區別就是以各種信息技術為核心，應用Ecommerce、EDI、VMI、 SCM、GPS等信息技術，促使過程信息化、網絡數據化、管理數字化，將物流與信息流很好的融合在一起.截止到2015年，我國互聯網上網人數已達6.5億，域名數2.09億，網站數334.9萬，移動互聯網人數8.75億，移動互聯網流量20.62億兆，全國電子商務銷售總額為79657.9億元.討論信息化與物流產業的關系，研究信息化對物流產業貢獻的大小，在信息化高度發展的現代社會就顯得尤為重要.

信息化與物流產業的關系研究已經引起了許多學者的注意.Safwan Al Salaimeh （2011）[1]提出物流系統就是對生產活動、金融、經濟和信息相互關聯的協調，說明了支撐這一系統的是信息和計算機技術.Daniel Prajogo 和Jan Olhager（2012）[2]也指出，在物流活動執行中，最關鍵的兩個是原材料流和信息流，信息技術的功能和信息的共享對物流的整合有重大的影響.P.H.Ketikidis和S.C.L.Kohc等（2008）[3]采用了文獻綜述的混合方法和問卷調查，探討了物流信息系統的使用現狀及未來發展方向.關于信息系統在物流中如何作用方面，Lin PG和Zhao XJ（2008）[4]提出了GIS在物流系統中的架構，指出GIS的應用加強了對物品流動過程的管理與控制.James H.bookbinder和David Dilts（2016）[5]分析了在及時制下的物流活動，提出了JIT LIS（logistics information system）的模型，以此來滿足顧客的各種需求.Angappa Gunasekaran和Nachiappan Subramanian等（2017）[6]指出，在物流和供應鏈管理中，信息化水平提高了企業的競爭優勢.還有學者研究了影響信息流的因素，Barbara Dinter和RalphJosef Andris（2013）[7]用實證研究的方法，研究了在物流信息策略成功中的關鍵因素，確定了信息流中的綜合性、靈活性、支持、溝通、IT戰略定位、合作伙伴關系和項目合作是主要影響因素，這些因素提高了物流組織的績效水平.endprint

從以往的文獻看，對信息化與物流的研究還主要停留在定性的分析，進行定量分析的文獻不多.從計量經濟學的角度出發，采用中國31個省份，2005—2015年的數據，利用面板數據模型定量的研究了信息化與物流產業的關系.

文章其余部分內容如下：第二部分是研究方法與數據，第三部分是實證處理與結果，第四部分是結論.

2研究方法與數據

2.1方法

柯布（ G .W .Cobb） 和道格拉斯（Douglas）研究產出與投入的關系，于20世紀30年代提出著名的生產函數.

式（1）中，Y為經濟產出，K為資本投入量，L為勞動投入量，A 為全要素生產率，α為資本彈性系數，β為勞動力彈性系數.考慮到影響物流產出的因素包括，資金的投入，勞動力投入，現有的物流基礎設施，以及主要研究的信息化水平，進而構造出信息化對物流產出的關系模型：

式（2）中，Y代表物流產出，主要是指物流業產值，K代表對物流產業的資金投入，L代表勞動力投入，E代表現有的物流基礎設施，I代表信息化水平，α、β、γ、δ為彈性系數，c為常數，c=log（A）.其中，物流產業投入的資金，物流從業人員，物流基礎設施為控制變量，信息化水平是解釋變量，且均為生產函數的自變量.為了減少異方差，增強結果的解釋性，對所有變量取對數處理.

2.2面板數據模型

面板數據也稱混合面板數據或者時間序列橫截面數據.面板數據包含時間和橫截面兩部分，且能夠同時反映變量在時間和截面上的變化規律和特征，具有純時間序列數據和純截面數據所不具備的優點，面板數據模型是Mundlak首創，由于保證了足夠多的數據，因此可以一定程度上降低多重共線性的影響，從而提高了估計效率.

根據對截距項和解釋變量的不同假設，面板數據回歸模型可分為3類，分別是：混合回歸模型、變截距回歸模型和變系數回歸模型，具體模型形式如下.

其中，混合回歸模型是假設截距項和解釋變量系數對所有截面個體成員都是一樣的，也就是說在個體成員上既沒有結構變化，也沒有個體效應.變截距回歸模型，是假設在截面個體成員上截距項不一樣，而模型的解釋變量系數一樣.變系數回歸模型是假設在截面個體成員上截距項和模型的解釋變量系數都不一樣.同樣面板數據的個體效應和時間效應又分為固定效應和隨機效應兩種.

2.3面板向量自回歸模型

面板向量自回歸模型（ Panel Vector Auto Regression，PVAR） 由Holtz-Eakin [8]首次提出，經過Helmut Lütkepohl [9]等學者對該模型的發展.該模型根據經濟系統的互動性與動態性，將研究的重點轉向了具有互動關系的變量，即通過脈沖響應函數與方差分解的方法，進行經濟預測和變量之間互動關系的研究.

2.4數據來源

數據均來自于2005—2015年中國統計年鑒.選用了學者比較認可的貨物周轉量指標表示物流產出；用對交通運輸，倉儲，郵電的固定投資表示物流的資金投入[10]；物流從業人員用交通運輸，倉儲，郵電行業的從業人員數表示；對于信息化變量有指標體系和替代變量兩種方法，文中采用替代變量法，選取郵電業務量作為信息化的替代變量；公路和鐵路的長度總和用來表示現有的物流基礎設施[11].數據的描述統計量如表1所示.

3.2模型確定

首先根據以往的經驗，先采用隨機效應模型進行估計，隨后再進行Hauseman檢驗[13]，檢驗值為27.35，相伴概率為0.000，說明應該采用固定效應模型進行研究.

利用F檢驗，進一步判別模型是混合回歸模型、變截距模型以及變系數模型中的哪一種.

提出兩種假設

判斷規則：①接受H2，則為混合回歸模型；②拒絕H2，則檢驗假設H1，若接受則為變截距模型，拒絕為變系數模型 [14].

計算F統計量：

其中，變系數模型，變截距模型，混合模型的殘差平方和分別為S1=11.176 ；S2=28.138，S3=158.50，N表示截面個數，T為時間跨度，K為變量的個數，得到兩個F的統計量分別為，F1=1.799 ；F2=11.458，利用@qfdist（d，k1，k2）函數得到F分布的臨界值，d是臨界點，k1，k2是自由度，在給定5%的顯著水平下，得到相應的臨界值，F1=1.305，F2=1.324，由于F2大于臨界值，在檢驗水平上拒絕原假設H2，統計量F1也大于臨界值，也拒絕H1，因此選擇變系數模型.

最后選定的模型是固定效應變系數模型，對其進行回歸，其回歸結果見表3.除常數和物流從業人員，其他變量均通過了檢驗.模型的擬合度較高，R2的值為0.942.總的來說，資金的投入，信息化水平，物流設施對于物流產業有顯著的影響，其彈性系數分別為0.291，0.198，0.359.因為物流簡單來講就是物流，信息流，資金流在整條供應鏈中的流動.資金投入這一變量的回歸系數為0.291，表明資金投入水平每提高1%，物流產出提高0.291%；信息化水平變量的回歸系數0.198，表明信息化水平每提高1%，物流產出提高0.198%.

3.3PVAR模型估計

由于物流從業人員對物流產業的影響沒有通過統計檢驗，因此舍棄該變量，選取資金、信息化、設施，3個具有互動關系的變量建立面板向量自回歸模型.先進行協整檢驗，利用Johansen協整檢驗，結果表明在1%的檢驗水平下通過了檢驗.因面板數據是在經過一階差分后所有變量是平穩的，故要建立誤差修正模型.經檢驗，模型的所有特征根都位于單位圓內，可以得出結論，模型是穩定的.

PVAR 模型是一種非理論性模型，系數難以詳細說明，故在分析時，常常采用脈沖響應函數和方差分解進行研究，如圖1中的（a），（b），（c），（d）.除了物流產出自身外，來自信息化一個標準差的正向沖擊，如（c）所示，對其影響最大，當期為0，隨后緩慢提高，其影響一直為正值，隨著時間的推移對物流產出的影響呈現上升趨勢，并且作用周期較長.投入資金一個標準差的正向沖擊對物流產出的影響，如（b）所示，當期為0，第二期達到極大值，隨后衰減后平穩，說明資金與物流產出呈現出一定的互補關系，使其發揮更大作用.比較而言，物流設施的正向沖擊，如（d）所示，對物流產出的影響波動幅度不大，變動幅度幾乎呈一條直線.endprint

前面利用脈沖響應函數，分析了資金投入、信息化水平、物流設施對物流產出擾動沖擊的影響，接下來用方差分解的方法對物流產出進行具體分析.從表4中可以看到，標準誤差較小，反映樣本平均數對總體平均數的變異程度小，結果精密度較高.物流產業的產出方差占最多份額的是其本身，到第10期時仍高達總量的77.77%.而資金投入、信息化水平和物流設施這三種變量的方差所占份額隨著時間的推移逐步上升.截止到第10期，所占份額分別為0.65%、21.48% 和0.10%.結合脈沖響應函數和方差分解的結果，可以看出，信息化對物流產出的影響趨勢比較大，隨著預測期的推移，除物流產出本身，其他變量擾動所引起的部分的百分比緩慢增加，并且預測在第10期左右保持穩定.

4結論

采用2005-2015年全國31個省市的面板數據，對物流產出與信息化水平的關系進行了分析，研究結果表明：第一，信息化對物流產出具有顯著影響.信息化水平每提高1%，物流產出提高0.198%；第二，利用脈沖響應函數和方差分解方法分析，發現信息化對物流產出影響最大，且有明顯的上升趨勢，對物流資金總體呈現下降趨勢，對設施的影響，總體比較平穩.采用了比較傳統的方法，研究信息化對物流產業的影響，方法創新上還存在著不足，在以后的研究中可以考慮利用模擬仿真的方法解決此類問題.

雖然說，推進信息化對物流產出的提高具有明顯的積極意義，但現在我國大量物流企業的信息化水平還停留在單點應用的階段，大約占物流企業的75%，且大多數的中小物流企業還沒有具備運用信息技術處理信息的能力.企業應積極的投入到物流信息技術的研究開發中，增強核心競爭力，將規模做大做強，發揮自身主觀能動性，以社會需求為導向，以各個行業為依托，用發展的眼光促進物流信息化的發展.政府也應加強對物流信息化建設的投入，做好物流公共信息平臺的工作，加快物流基礎設施的建設，可直接建設一些物流基礎信息平臺和示范工程，同時也要重視物流專業人才的培養.相信在企業、政府雙方的共同努力下，我國物流信息化的發展將進入一個嶄新的階段，更好的帶動物流產業發展.

參考文獻

[1]Safwan Al Salaimeh.A new model for information logistics system architecture[J].Journal of Theoretical and Applied Information Technology，2011，28（1）：39-47.

[2]DanielPrajogo，Jan Olhager.Supply chain integration and performance：The effects of longterm relationships，information technology and sharing and logistics integration [J].Int.J.Production Economics，2012，135（1）：514-522.

[3]P.H.Ketikidis，S.C.L.Kohc，N.Dimitriadis.The use of information systems for logistics and supply chain management in South East Europe：Current status and future direction[J].OmegaInternational journal of management science，2008，36（4）：592-599.

[4]Lin PG（Lin，Peiguang），Zhao XJ（Zhao，Xiaojun）.A framework of logistic information system based on Web GIS [C]，International Conference on Informational Technology and Environmental System Science，2008（4）：171-175.

[5]JamesH.bookbinder，David Dilts.Logistics Information Systems in a JustinTime Environment [J].Journal of Business Logistics，2016，10（1）：50-67.

[6]Angappa Gunasekarana，Nachiappan Subramanian，Thanos Papadopoulos.Information technology for competitive advantage within logistics and supply chains：A review[J].Transportation Research Part E，2017（99）：14-33.

[7]Barbara Dinter，RalphJosef Andris.A Literature Survey on Information Logistics[C].International Conference on Business Information Systems，2013（157）：138-150.

[8]Holtz Eakin D，Neweyw ，Rosenh.Estimating vector autoregressions with panel data[J].Econometrica，1988，56（6）：1371-1395.

[9]HelmutLutkepohl.New introduction to multiple time series Analysis[M].Berlin：Springer.

[10]田剛，李南.中國物流業技術進步與技術效率研究[J].數量經濟技術經濟研究，2009，26（2）：76-87.

[11]何玉華，俞立平.基于面板數據變系數模型的信息化與物流關系研究[J].情報雜志，2012，31（4）：107-111.

[12]王志剛.面板數據模型及其在經濟分析中的應用[M].北京：經濟科學出版社，2008：95-98.

[13]曹虹劍，李康.中國高技術產業自主創新能力的影響因素[J].經濟數學，2016，33（3）：77-82.

[14]樊歡歡，劉榮等.Eviews 統計分析與應用[M].北京：機械工業出版社，2014：277-287.endprint