物流與信息服務產業的聚集關聯及優勢匹配
——基于云南的實證

廖望科，陳春艷 ，焦曉松

（1.大理大學經濟研究所，云南大理 671003；2.大理大學經濟與管理學院，云南大理 671003）

一、研究背景與意義

物流會帶來信息流，而信息流又會驅動物流，兩者既可相互促進、也可相互制約。作為現代服務業中的基礎性產業，物流業與信息服務業正發展成為我國國民經濟新的增長點和未來重點發展的領域，而物流業信息化正是這一發展的主題。

在經濟實踐方面，物流信息平臺在全國近600個已完工和在建的物流園區中進行了部署，經常使用平臺服務的物流企業占整體企業的50%左右。我國物流業的信息化水平持續提升，物流信息平臺建設步伐加快，2010年，我國物流供應鏈信息化解決方案市場整體規模達到10億元，并以平均45%的速度增長。2013年前半年，全國電子商務交易額就達到4.35萬億元，直接從事于電子商務服務行業的人員總數超過220萬人，間接帶動的就業人數超過1 600萬人。

在政府政策方面，“十一五”規劃期間國家就出臺了《物流業調整和振興規劃》（國發〔2009〕8號），明確提出了以信息化為中心，推動現代物流業的升級改造，以信息服務延伸現代物流業的增加值，以信息化促使物流業走向高端服務業。“十二五”期間出臺的《關于推進物流信息化工作的指導意見》（工信部信〔2013〕7號），明確了以信息技術服務、通信、現代物流及電子商務為切入點，加強試點示范，選擇有條件的地區、行業和領域先行先試。

物流業信息化的市場力量與國家產業戰略的政策要求對各級地方政府如何選擇所謂“有條件的地區、行業和領域”推動物流業信息化提出了決策挑戰。區域物流服務與信息服務的互動關系，尤其是產業關聯與優勢匹配現狀成為地方政府決策所需的關鍵基礎信息。在國家“一帶一路”倡議下，對作為我國面向南亞、東南亞的物流通道和基地、信息平臺和窗口的云南省而言，掌握這一現實發展情況顯得極其重要。因此，研判和測度區域物流業與信息服務業的產業關聯與優勢匹配現狀是物流業信息化的一項基礎性研究工作。但目前鮮有針對省級區域層次的研究，同時現有的測度方法也需進一步完善。本文提出了一種針對該問題的測算方法和判別步驟，并將其應用于云南的省情檢驗，以期對相關研究領域提供新思路和新方法。

二、文獻綜述與研究路徑

（一）專業化、產業聚集與比較優勢

準確描述區域專業化、產業聚集與地區比較優勢的理論和實證關系是一個尚有爭議的問題。首先，大多數觀點認為，產業的地區專業化程度就代表了產業聚集程度，例如Delgado等〔1〕對美國產業聚集與產業集群的實證研究。Liang和Xu〔2〕在對我國產業專業化和比較優勢動態的研究中，把產業聚集與專業化視為一體兩面：聚集是現象、專業化是其測度。他們采用基于產業增加值加權比例的Krugman專業化指數方法（LQ方法的一種形式）來對產業聚集進行刻畫，并把特定產業的區域聚集看作比較優勢的表現。針對云南省的區域產業，廖望科等〔3-4〕采用區位商與多重分析的方法已經進行過嘗試。

其次，產業的區域聚集大體上可以分為某個單一產業聚集、緊密相關產業聚集、關聯產業集群聚集三種層次，產業的產值、增加值、貿易量、企業數量、就業人數等數據可以作為其測度的指標，其方法又有產業區位商（Location Quotient，LQ）〔5〕、專業化Gini系數〔6-8〕、區域產業聚集指數〔9〕、Theil指數或更一般的廣義熵GE（α）指數〔10〕，等等。Krugman指出，區位商是能同時捕捉上述各種區域聚集外部性的最佳量化測度〔11〕54-68。此外，Porter〔12〕在綜合考慮要素市場均衡、勞動力成本差異、地區價格差異、通貨膨脹以及數據可得性與統計準確性等各種因素后，將現有企業數量、就業量視為最為合適的兩個區位商指標。其思想是：在勞動力與商品自由流動的市場經濟與自由貿易條件下，區域產業的就業量就已經包含了企業和個人在微觀層次對政府政策、資源稟賦、市場條件、價格因素、生產率、貿易成本、邊際報酬、外部經濟性等各種區域經濟條件進行綜合權衡決策后的勞動力宏觀供求均衡，它不僅涵蓋，而且超越了增加值、產出值、企業數量等指標所包含的區位優勢信息。樊福卓〔13〕進一步拓展了這一思想，并對其實證應用提出了建議。

最后，針對產業聚集與比較優勢二者的關系存在三種觀點：源自Ohlin〔14〕的資源稟賦理論認為比較優勢代表著地區稟賦差異，它驅動著區域專業化和產業聚集，比較優勢和產業聚集為因果關系；Krugman的新貿易理論認為，區域規模經濟的外部性所帶來的企業報酬遞增和市場競爭力提升吸引著產業聚集，同時催生了地區比較優勢，因而產業聚集的現象與比較優勢的性質是一體兩面，二者共同推動了地區專業化的形成與演化〔11〕36-53；衍生于Marshall〔15〕的外部經濟性理論把區域產業聚集視為給定，認為聚集的溢出效益產生比較優勢，從而影響地區專業化形態，此時產業聚集為因，比較優勢為果。

（二）物流服務與信息服務產業的關系

早在1990年代互聯網技術為代表的信息產業飛速發展初期，國外學者就意識到了物流與信息流互動的前景和挑戰〔16〕。隨著信息技術和信息產業的壯大、貿易全球化的進程，近年來信息與物流的關系也漸受重視。Lai等〔17〕從對香港物流企業信息化需求的問卷研究中意識到物流業對信息業本地化的推動作用；而Aoyama等〔18〕反過來考察信息化電子商務的發展對物流業組織重構的影響；Aoyama和Ratick〔19〕的實證研究更進一步指出，盡管信息技術被物流企業日益廣泛地采用并深刻改變著物流組織形式，但美國物流業的區域專業化分布和物流企業的地理聚集并未受到沖擊，表現出驚人的穩定性。盡管國內學者如楊申燕和胡斌〔20〕、劉艷〔21〕及陳翠萍等〔22〕分別從物流信息服務產品定價、物流信息服務系統構建及物流園區信息服務平臺等方面定性描述了物流業對信息服務業的全面發展需求，但物流及信息服務產業之間的互動機理如何仍有疑問。

盡管物流業信息化成為物流產業升級的主題，但當前國內學術期刊中對物流與信息服務之間產業關聯這一關鍵問題的理論探討較多，而實證研究較少，區域層次的定量研究更少。王靜〔23〕定性論述了兩個產業的可能關聯方式、當前問題和發展建議；王發曾和王新濤〔24〕論述性地指出了物流、信息流的不整合是我國當前城市群發展的一個重大瓶頸，并提出了全局性的政策建議；Lin〔25〕對北京、上海、深圳三地物流企業的問卷調查證實了國內企業在市場競爭壓力下強烈的信息化愿望和投入；鄭燕飛和徐偉〔26〕的研究是目前基于全國數據少見的定量分析文獻之一，但并無對兩個產業的關聯測度和區域層次分析。雖然廖望科等〔27〕探討了一種測度區域建筑業與房地產業之間聚集關聯與優勢匹配的方法，并發現了相關關聯與匹配的證據，而且Za?wawi等〔28〕和Choy等〔29〕分別從香港、珠三角、馬六甲等地區案例出發，對國際加工貿易核心區和物流港口區的信息化程度與需求進行了研究，但是總的來說，如何測度和判別區域物流業與信息服務業的專業化與產業聚集關聯，以及比較優勢匹配仍然是一個有待深入的課題。

（三）研究設定與路徑

本研究中，專業化的程度和專業化的分布形態被分別作為產業聚集的和比較優勢的測度，不考慮其尚有爭議的復雜互動機制，而著重于對其現狀關系的量化。依照目前統計數據中產業分類目錄，本文將物流服務與信息服務分別視為物流產業集群和信息產業集群，因此這里的聚集是產業集群層次的聚集，考察的是物流服務與信息服務這兩個關聯產業集群的區域聯系。這一視角也更符合政府決策的實際需要。

本文研究思路如下：首先，以基于就業量區位商的專業化測度來刻畫區域物流服務與信息服務產業各自的產業聚集分布。隨后通過灰度關聯分析，分別考察物流服務產業聚集隨時間變化的地區自相關程度（這可以說明物流產業聚集分布是否穩定），以及物流與信息服務產業聚集分布的區域相關程度（這可以說明物流與信息產業聚集的區域關聯性質）。而物流與信息產業聚集關聯是否具有因果聯系則通過Granger檢驗進行分析。綜合上述研究，我們預期這一因果關系很可能是總體不確定和地區不一致的。最后，對產業專業化程度地區分布的多重比較和方差分析可以給出產業優勢的地區間兩兩比較結果，它可以明確指向為區域產業比較優勢分布。而通過對物流與信息服務產業的地區比較優勢分布的關聯分析，就可以給出兩個產業的區域比較優勢的匹配程度。這些結果都是制定相關產業規劃布局和配套措施的有益信息。

三、產業聚集程度的測度樣本：基于就業量的區位商

我們首先獲取2003年至2011年云南省16個州市地區的物流業與信息服務業就業量區位商的樣本值。考慮到我國省級統計年鑒是從2004年才開始將以前的“交通運輸、倉儲及郵電通訊業”拆分為“交通運輸、倉儲及郵政業”與“信息傳輸、計算機服務和軟件業”兩個明確指向物流服務與信息服務產業的就業統計，我們以2004年的統計年鑒（2003年數據）為起點，目前可得最新年鑒為2012年（2011年數據）。以就業量為指標的各年份產業區位商樣本值計算公式為

其中Employi,r,t表示第i（i=1，…，I）產業，在第r（r=1，…，R）地區（同級別州市），于第t（t=2003，…，2011）年末的就業量。可見，LQi,r,t能夠表征i（i=1，…，I）產業在r（r=1，…，R）地區的產業聚集程度的當年觀測值：通常，若LQi,r,t＞1，則表明i（i=1，…，I）產業在r（r=1，…，R）地區趨向具有高度聚集；若LQi,r,t＜1，則表明i（i=1，…，I）產業在r（r=1，…，R）地區趨向具有低度聚集。

本文以2004年至2012年《云南統計年鑒》中16個地區（州市）分行業年末城鎮單位就業人數①《云南統計年鑒》中關于各州市分行業就業量分為就業人數、職工人數、在崗職工三種指標。其中我們所采用的“就業人數”指標反映了省內全部勞動力資源在某個行業的全年利用情況，更符合本文的研究意圖。作為Em?ployi,r,t，i=1，…，19；r=1，…，16；t=2003，…，2011。計算出2003年至2011年云南省16個地區物流與信息服務產業在云南省內的產業聚集度LQ如表1～2所示。

表2 信息服務業地區產業聚集程度LQ的樣本值分布（2003年至2011年）

從表1不難看出，9年中物流服務產業的聚集分布大致穩定，但有逐步向省會集中的趨勢。昆明作為省會城市，其物流專業化程度一枝獨秀。而紅河、文山、怒江、版納作為邊貿地區，大理作為滇西中心，迪慶作為滇藏運輸中心，雖然物流業聚集超過其他州市，但總體仍處于低度聚集，無法滿足輻射中心建設中物流基地、通道的要求。

從表2可以發現，9年中信息服務產業的聚集分布大致穩定，但也有地區調整。文山、版納、大理的信息業聚集程度在不斷上升，而迪慶則有大幅下降。其中，昆明、文山、怒江、版納、大理、迪慶、楚雄目前聚集程度較高，直觀看來，這與物流業的聚集分布有一定對應，但具體關聯測度有待量化分析。

四、物流業與信息服務業的產業聚集關聯：灰度關聯分析

耦合協調度模型、多元統計分析、主成分分析和灰色關聯模型等是測度產業聚集關聯度的主要方法。其中，灰色關聯模型〔30〕特別適用于小樣本空間、樣本信息不確切、不全面，具有灰色性的研究對象。它根據因素之間發展態勢的相似或相異程度來衡量各因素間關聯的程度從而揭示事物動態關聯的特征和程度。國內學者已經將其廣泛用于全國某一產業或省級各個產業之間的關聯性研究中。如黃雯和程大中〔31〕對省級服務業地區專業化分布的研究；王珍珍和陳功玉〔32〕對我國制造業與物流業聯動因素的研究；姚瑤〔33〕對我國房地產行業與國民經濟其他行業關系的研究；等等。但現有文獻對產業聚集和專業化程度的關聯度關注較少。基于物流產業聚集和信息產業聚集之間的相互作用存在著大量的隨機性和不確定性的特征而產業聚集的關系又在不斷變化的這一事實，更考慮到每個地區僅有9年的小樣本數據，因而采用灰色關聯模型對物流業與信息服務業的區域聚集關聯度進行測算成為最佳選擇。步驟如下：

1）確定參考序列和比較序列：其中因變量參考數據列也稱為母序列，這里是物流業的地區年度LQ序列自變量比較數列也稱為子序列，這里是信息服務業的LQ序列其中T=9（2003-2011年）、R=16（16個地區），上標L、I分別代表物流業與信息業，下標i、j為不同地區。

2）序列無量綱化處理：采用極差標準化的方法對數據進行無量綱化處理轉換為可比較的數據序列。對本文問題，區位商LQ本身已經是產業就業比例的比值，無需再做無量綱化。

3）產生對應差數列表：即將標準化后的比較數列與參考數列進行差值計算，并求絕對值。對應差數列表內容包括：與參考數列值差（絕對值每列最大差列最小差

5）計算關聯度：對于不同i地區，將其關聯系數求平均值可以得到一個關聯度γij。如果LQ的上標L或I一致，t不變，i≠j，它測度的就是某個年份同一產業在不同地區間的聚集關聯度；如果LQ的上標一致，i=j，t改變，它測度的就是各個地區同一產業在不同年度的聚集自關聯度；如果LQ的上標分別為L、I，t改變，i=j，它測度的就是各個地區兩個產業之間在不同年度的聚集關聯度；我們這里測算的是上述第二、三種情況。關聯度γij的計算公式為在計算同一地區同一產業年度自關聯時，N=R=16（16個地區）；在計算同一地區兩個產業間的關聯度時，N=T=9（9個年份）。

6）關聯度的判斷：不難看出，0≤γij≤1；γij越接近于1，說明關聯性越大，反之亦然。一般認為，0≤γij≤0.35時，兩者為弱度關聯；當0.35＜γij≤0.65時，兩者為中度關聯；當0.65＜γij≤0.85時，兩者為較強關聯；當0.85＜γij≤1時，兩者為極強關聯。

表3給出了云南省所有地區兩個年度之間的物流業聚集度的自我關聯系數與總體關聯度，表4給出了以物流產業聚集為參考序列、信息產業聚集為比較序列的產業聚集關聯度。

表3 物流服務產業聚集分布的年度自關聯系數及關聯度（ρ=0.5）

表4 物流與信息服務產業聚集分布的年度關聯系數與地區關聯度（ρ=0.5）

表3展現出整個云南地區專業化的分布具有相當的穩定性，體現為LQ的地區分布在所有年度之間關聯度基本大于0.65、但小于0.85，屬于較強關聯，說明產業聚集的分布相對穩定，但也有動態調整。

從表4的結果可得：①普洱顯現出極強的物流業與信息業關聯性（γij＞0.85）；②昆明、迪慶、德宏、楚雄、保山、版納、曲靖、文山、怒江等9個地區顯示出較強的關聯性（0.65＜γij＜ 0.85），其中德宏、保山、版納、文山、怒江等州市恰好都是國家或省級沿邊開放城市及物流業重點發展城市；③麗江、大理、昭通、紅河、臨滄、玉溪等6州市僅為中度關聯（0.35 ＜ γij＜ 0.65）；④昆明、迪慶、版納、文山、怒江體現為兩個產業高度聚集下的高度關聯，而德宏、楚雄、保山、曲靖等體現為兩個產業低度聚集下的高度關聯。也就是說，云南全省2∕3的地區呈現出物流與信息服務產業聚集的高度關聯，其余1∕3為中度關聯。不過，這些關聯的因果性尚待確認。

五、產業聚集關聯的Granger因果性檢驗

經濟因素和地區稟賦條件會影響區域產業聚集的動態變化，因為檢驗物流業與信息業產業聚集的地區分布時間序列是否具有因果關聯，需要首先進行平穩性檢驗。但是，時間序列平穩性檢驗所要求的自由度大于這里的9年樣本。因此在后續計量檢驗中，一方面我們適度放寬了顯著性要求（10%），另一方面我們對其結果持觀察存疑的態度。表5是基于表1、2的LQ序列、最大1期滯后、2次差分、無截距項及趨勢項的ADF平穩性檢驗結果。顯然，2次差分后，幾乎所有地區的LQ序列都呈現平穩。

序列的平穩性保證了進行Granger因果性檢驗的可能性。表6給出了云南省16個地區物流業與信息業產業聚集的Granger檢驗F統計量，P值和檢驗結果。

表5 物流與信息服務業地區專業化強度的ADF平穩性檢驗（10%顯著性水平）

不出我們的預期，由于時間序列相對較短，很難從計量分析中給出明確的產業聚集因果聯系和方向，表6中大部分地區的情況如此。通過對我國目前各類年鑒和統計數據的比照，考慮到這幾乎是唯一可得的省級以下地區產業聚集測度，仍然值得一試。而且，正如已有研究所指出的，這種因果關系因為地區稟賦的差異，可能是存在兩個方向：物流業的聚集催生本地化的信息化需求和信息業聚集，而本地信息業的聚集使得物流企業更能從中收益而更快成長、推動本地物流業聚集。在10%顯著性水平上，保山地區的結果證實了第一種情況，而曲靖證實了第二種。

表6 物流與信息服務業地區產業聚集的Granger因果性檢驗（10%顯著性水平）

六、信息服務業與區域物流的比較優勢匹配

盡管兩個產業之間區域聚集的因果關系以及單個產業聚集與比較優勢之間的因果關系都尚不明確，但是兩個產業聚集的高度關聯仍然提示我們，考察產業之間地區比較優勢的匹配是否對應著產業聚集的關聯將是政策的重要參考。政府決策者也期望從地區之間的兩兩比較和產業配套的角度中選擇稀缺產業資源的政策配置方向。

為此，我們首先需要確定每個產業的比較優勢分布。按照作者之前的工作〔34-35〕，對任意兩個地區之間的產業比較優勢分析需采用Tukey、LSD、Bonferroni、Scheffe、Dunnet、Student-Newman-Keuls等多重比較方法。由于進行比較的個體（即各個州市）是完全對等關系的情況①嚴格地說，昆明市是副省級省會城市，與其他州市地位并不完全對等。但對于我們所研究的問題，云南的現實是省會城市的地位有區位因素影響，但并未對其帶來政策、資源等特殊影響。，且樣本量相等，故適宜采用Tukey②Tukey檢驗方法：設r個因素水平下均有m個獨立觀測值，對于假設“H0：μi=μj，i≠j，i，j=1，…，r；H1：H0不成立”的檢驗問題，我們需要計算Tukey統計量其中為)t極差化統計量其分布可由隨機模擬法得到，進而可得其a分位數qa(r，n-r)；若|i-j |＞ Ta，則認為 μi與μj之間的差異顯著，否則認為兩者無顯著差異。方法對表1中的樣本數據進行多重比較〔36〕，其原假設與備擇假設分別為“兩地區不存在差異性”和“兩地區存在差異性”，即假設物流業16個地區多重比較結果如圖1所示、信息業如圖2所示。

圖1 16個地區物流產業聚集的多重分析比較結果

圖2 16個地區信息產業聚集的多重分析比較結果

采用Searle等〔37〕對偏差均值的分析方法，我們對兩兩地區間專業化程度偏差均值也進行了95%區間估計（結果略）。結合云南省的5大經濟區域及其產業規劃布局，通過圖1和圖2的多重比較及偏差均值分析結果即可比較出任意兩地區間的物流業和信息業比較優勢相對強弱，如表7、8所示。可見假設成立，即雖然整體存在顯著的地區差異，但兩地區間的比較優勢既存在顯著強弱的情形，也存在無顯著差異的情形。

表7 云南省物流業的地區比較優勢分布：基于多重比較與均值偏差的專業化強度兩兩比較

表8 云南省信息業的地區比較優勢分布：基于多重比較與均值偏差的專業化強度兩兩比較

不難看出，表7和表8都是逆對稱的，兩兩強弱對比的事實也應當如此。橫向看，一個地區“●”的個數越多，該地區比較優勢越強，“○”越多則比較優勢越弱。

從表7、8的結果反映了物流與信息兩個產業各自比較優勢分布的現實，并且與產業聚集程度并非一一對應，同時也揭示出一些值得注意的問題：①兩兩地區間專業化強度的對比給出了實際經濟意義上的地區產業比較優勢強弱，物流業比較優勢最高的是昆明市（15個，高于其他15個州市），其次分別是大理、臨滄、文山（分別為5個），再次是怒江、昭通（分別為3個），最后是麗江、紅河、迪慶（分別為2個），其他州市相互之間幾乎沒有什么物流業比較優勢、或者處于比較弱勢；②信息業比較優勢最高的是迪慶（13個，高于其他15個州市），其次是昆明（12個），楚雄（8個），再次是怒江、昭通（分別為2個），最后是麗江、大理、德宏、普洱（分別為1個），其他州市相互之間幾乎沒有什么信息業比較優勢、或者處于比較弱勢；③兩個產業比較優勢分布略有差異：物流業優勢地區集中在昆明（滇中）、大理（滇西）和西南沿邊各地區，信息業優勢地區集中在滇中和西北沿邊各地區。這從另一個側面說明，產業區域聚集與地區比較優勢之間有聯系，但也有差異。

我們可以通過簡單的灰度關聯計算來直觀測度物流與信息產業的比較優勢匹配程度：每個比較優勢以3分計、比較均勢以2分計、比較弱勢以1分計，得到各個地區兩個產業的比較優勢積分；比較優勢的匹配以積分的關聯度計算。結果如表9，關聯度為0.732 1，屬于較強關聯。其他算法的結果基本一致，可見物流業與信息業的地區比較優勢也呈現出顯著的一致性，并且與前面產業聚集關聯分析所反映的信息基本一致，證明了比較優勢的匹配對應于產業聚集的關聯。因此，任何旨在推動區域物流業信息化的政策措施必須著眼于提高關聯產業區域聚集的經濟規律。

表9 云南省物流業與信息業地區比較優勢匹配程度

七、總結與啟示

我國當前各個地區的物流業和信息業仍然存在嚴重脫節的情況，兩個產業無論從業人員素質結構、具體服務的行業類型等方面都存在互動缺乏的現狀，僅僅在商業和個人網購等領域有所互動匹配。許多物流業經營實體仍然是以家庭為主、2～3臺車輛、少數非正式雇工的形式，物流需求的信息交流主要是以個體中介、親友聯系、老客戶網絡等低端形式，不少地方物流信息發布甚至仍以黑板粉筆的形式。全國物流車輛的平均返程空載率達到50%以上，推高了物流成本、導致超重超載。

本文試圖以國家定位于面向南亞、東南亞物流基地和信息窗口的云南省為實證案例，通過實證分析考察其地區物流服務與信息服務的產業關聯及其優勢匹配的現狀，對我國地區物流業信息化的升級路徑提供若干基礎信息。首先，我們以就業區位商為指標，通過灰度關聯分析確認了物流與信息服務產業區域聚集分布的高度關聯。這一發現為制定物流業信息化政策提供了實證基礎。而對物流與信息產業聚集關聯的Granger因果檢驗分析進一步驗證了這一關聯的總體不確定和地區不一致性。此外，采用多重比較和方差分析給出的物流與信息產業地區比較優勢分布結果，運用灰度關聯分析，我們證明了比較優勢匹配與產業聚集關聯的一致性。研究結果說明，兩個產業的聚集與匹配存在著由市場力量、而非政策因素所驅動的內在聯系，任何旨在推動區域物流業信息化的政策措施必須著眼于提高關聯產業區域聚集的經濟規律。這些結果都是制定相關產業規劃布局和配套措施的有益信息。

本研究在以下幾方面值得改進和拓展：第一，因為數據可得性的限制，本文實證分析中時間序列數據并不完整，在更長的尺度上結論的信度會更高；第二，在產業聚集分析中，需要依關注的產業和地區不同而對具體測度指標和統計分析方法的選取作相應調整；第三，這里的研究是政府決策之前的必要參考，但物流與信息產業聚集和比較優勢的動態變遷是值得關注的研究方向。因為決策實施之后，由于政策效應作用和經濟結構變遷，在較長的時間尺度上，各個地區的產業聚集和比較優勢幾乎可以肯定會存在趨勢變化，此時新的計量分析是必要的。