新常態下分省物流產業空間集聚變革
——基于物流A級企業的對比研究

張樞盛

（山西財經大學工商管理學院，山西太原030006）

一、引言

2017年我國服務業增加值達427 032億元，占GDP的比重為51.6%[1]，而物流業是生產性服務業中重要類別之一。2014年，國務院正式發布《物流業發展中長期規劃（2014—2020）》，明確物流業是支撐國民經濟發展的基礎性、戰略性產業。從規?？?，每單位GDP需要3.48個單位的物流總額來支撐；從結構看，物流業每增加6.8個百分點，可帶動服務業增加1個百分點；從效益看，社會物流總費用與GDP的比率每下降0.1個百分點，相當于新增經濟效益500多億元[2]。

產業集聚逐漸成為新經濟地理學、產業經濟學、管理學等領域的熱點問題[3]。其中，以克魯格曼（Krugman）等人為代表的新經濟地理學興起，將“冰山”運輸成本等空間因素納入一般均衡分析框架中，使有關產業區域集聚的研究自20世紀90年代以來快速進步[4]，空間計量分析在相關學科研究中得到廣泛應用，在生產服務業或者物流業領域的產業集聚現象被學者關注[4-7]。在物流企業的研究中加入空間因素，催生了物流地理學的發展[8]。近年來關于物流企業布局和產業集聚相關研究中，逐步形成了地理學、管理學和經濟學相關研究的交叉和融合，關注層次逐漸從服務業、生產性服務業聚焦到物流產業，但國內關于物流產業層面的相關研究仍顯不足。已有文獻[5，7-10]主要關注物流企業布局、物流產業集聚等，而對物流業的整體狀況分析會因為視角或者指標單一性問題造成結論上的偏差?？鐚W科交叉可使研究更深入，視野更開闊。因此，本文嘗試以中國A級物流企業布局特征，結合省級物流產業集聚指標區位熵，并利用空間相關性分析，研究在智慧物流飛速發展的新常態下，中國物流企業的空間布局和分省產業集聚特征以及內在的驅動因素。

二、數據來源和研究方法

（一）研究樣本和數據說明

自2005年中國物流與采購聯合會公布我國第一批26家物流A級企業名單，到2018年1月公布第二十五批物流A級企業，共產生4 464家物流A級企業①。中國物流與采購聯合會每年公布兩批分為5個等級的A級企業名單，其中5A為最高資質企業。這些物流A級企業中，包括我國物流傳統產業中的頂尖企業和新興高科技物流企業。從所有制類型看，包括國有企業、中外合資企業和民營企業等；從產業形態上看，包括傳統運輸型、倉儲型物流企業和第三方物流服務的綜合服務型企業等。所有物流A級企業按照東中西劃分的全國性區域分布狀況如表1②所示，各省市區企業分等級的分布狀況如表2所示。表2依據總數和等級降序排列，只列出部分省份信息。

計算區位熵的原始數據來源于中國統計年鑒，表3列出了2008年到2016年各省市區（不含港澳臺地區，下同）的區位熵（Local Quotient）。1998年到2008年的區位熵及相關分析參見文獻[5]。

（二）研究方法

本文主要利用兩個統計指標進行分析：區位熵和空間自相關系數。目前研究大多采用區位熵作為物流產業集聚的衡量指標，具體計算方法如下：

其中，ei為i地區物流產業從業人員數，e為i地區所有產業從業人員數，Ei為全國物流產業從業人員數，E為全國所有產業從業人員數。區位熵大于1或者1.25，說明物流業在該地區具有較高的專業化水平或者比較優勢，產業集聚程度較高。如果所有參數均按照產值計算，參數就是按產值計算的區位熵。

表1 2018年1月中國物流A級企業的區域分布

表2 2018年1月中國物流A級企業的分省分布

在使用指標的同時，必須明確其局限性，防止在分析結果時絕對化和片面化。區位熵指標的局限性主要體現在四個方面。第一，在文獻中常用的兩個指標是區位熵和空間基尼系數，二者均沒有考慮企業規模對產業集聚程度的影響。對于區位熵而言，如果一個地區某一個企業在該行業中具有較大的份額，意味著這一地區該行業的區位熵很高，但這并不代表這一地區該產業的集聚程度很高[11]。反之，如果該地區有數量非常多的同業小企業，但缺少大規模企業，則空間基尼系數值“虛低”。區位熵指數法無法識別新生的或較小的產業集聚，若某個區域內的產業集聚是以小集群形式分布，該方法可能無法如實反映產業集聚狀態[12]。第二，物流業統計口徑造成的數據偏差。目前國際統計的產業分類體系中沒有“物流產業”，因此學者的研究基本上都采用交通運輸、倉儲和郵政業代表物流產業，會導致產值低估。如由于制造業統計方法和口徑較為完善，關于制造業集聚，很多學者用工業總產值比重來衡量，但是服務業在中國被嚴重低估[4]。第三，分析測度對象的行政或地理區域大小對研究結果的影響。如按省測度的區位基尼系數比按市測度的結果平均低了近40%[13]。第四，目前的一些研究僅僅依據區位熵或者空間基尼系數進行分析，缺少結合相關重要影響因素（如傳統產業升級、人口流動和流失、智慧物流等）及其環境變遷的綜合分析，結果往往會造成偏差。埃利斯和格萊澤（Ellision&Glaeser）提出了新的集聚指數來測定產業的地理集中程度[14]，該指數加入了反映企業規模分布的赫芬達爾指數（Herfindahl Index）。但限于數據的可得性，本文采用區位熵進行分析。

表3 中國2008—2016年分省區位熵

衡量物流產業集聚的另外一個指標是空間自相關系數。全球經濟一體化發展的同時，區域經濟及各種經濟圈也加速發展，特別是隨著現代交通通信及大數據等新技術的發展，共享經濟、平臺經濟等新經濟模式崛起，更加劇了經濟體之間的相互影響。對于物流企業特別是全國甚至全球性的物流企業而言，因其自身業務的特性，相互的影響是與生俱來的。目前，廣泛使用的測量空間自相關性的指標是莫蘭指數（Moran I），計算方法如下：

三、物流A級企業空間布局特征與分省物流產業集聚

（一）物流A級企業分省空間布局特征

從表2可以看出物流A級企業多數聚集在沿海發達地區，物流A級企業的數量與分省GDP的相關系數達到0.77。學者們對物流業和經濟發展的關系主要從兩個方面進行研究：一是生產性服務業與制造業的相互促進關系[6，9，16-19]，可以間接推斷物流業和經濟發展的相互促進關系；二是物流業和經濟發展的直接關系[7，20-29]。物流業的發展對于深化勞動分工、有效改善資源配置、提高制造業生產效率、推動區域經濟協調發展具有重要作用。在國際上，物流產業被普遍認為是國民經濟發展的動脈和基礎產業，其發展程度和水平已成為衡量一個國家或地區現代化水平和綜合競爭力的重要標志，被譽為經濟發展的加速器[30]。

以上分析表明物流產業集聚與經濟發展相適應，其背后的驅動因素主要包括經濟實力、對外開放和交通區位條件等。我國東中西部地區物流A級企業的數量比例關系從2012年的 5：2：1[8]變為2018年4：2：1，說明東中西部地區的差距在縮小，或者說是全國物流產業高速發展的同時，中西部地區物流業在近年來有著更快的發展，東中西部地區發展更加均衡。

表4 基于區位熵和物流A級企業布局的聚類

（二）基于區位熵和物流A級企業布局的聚類分析

結合表2和表3分析發現，物流產業集聚和經濟發展的關系比較復雜，甚至存在一些矛盾的現象。為此，依據區位熵和物流A級企業布局，采用系統聚類方法，得到表4的聚類結果。

通過聚類分析，可以發現物流產業集聚和經濟發展之間主要的“矛盾”現象為：區位熵排名靠前的省份，經濟實力排名比較靠后。各省的區位熵均值③與物流A級企業總數的相關系數為-0.33，但是區位熵均值與5A、4A兩類物流企業數量和的相關系數為0.46。

（三）基于區位熵和物流A級空間分布特征的對比分析

考慮到基于就業人數計算的區位熵存在的局限性，因此結合基于產值計算的區位熵以及物流A級企業空間分布特征來進行具體分析。

就區位熵而言，表3和表5顯示，西藏、浙江、廣東、江蘇呈現遞減趨勢，數據均低于1.25，絕大部分數值低于1。遼寧、北京、內蒙古、上海呈現遞增趨勢，數據大多高于1.25。山東整體呈現微弱上升趨勢，但是區位熵始終小于1.25。表3顯示，在中國三大經濟圈中，長三角經濟圈的浙江、江蘇、安徽，珠三角經濟圈的廣東，環渤海經濟圈的山東、河北，區位熵平均得分排名靠后，與表2的物流A級企業數量排名正好相反。相對一致的排名是上海，比較一致的排名是遼寧和北京。

各省市區的區位熵和物流A級企業空間分布特征可以歸納為以下三種現象：第一，極端現象，即遼寧區位熵的高位高增長和西藏區位熵的大幅度遞減趨勢。第二，經濟發達地區總體區位熵排名較后，但是物流A級企業數量排名較前。第三，GDP總量排名靠后的省份，區位熵排名總體呈現三種情況：排名靠前，如內蒙古、黑龍江、山西、海南；排名在中部，如甘肅、寧夏；排名靠后，如西藏。

對于第一種現象中的西藏明顯遞減趨勢而言，從就業人數看，從2008年到2016年，西藏的總就業人數增長了近三倍，但是物流業就業人數增長不到一倍，物流業產值占GDP比重也大幅度降低。顯而易見，西藏物流業發展明顯滯后于GDP和第三產業中其他產業的發展。

對于遼寧明顯遞增現象而言，2003年中央提出“振興東北老工業基地”戰略，此后十年出臺了多項利好政策。在2007年到2010年，東北經濟還保持兩位數增長，高于東部地區，由于物流業多基于傳統產業，東北三省特別是遼寧區位熵持續增長。遼寧因為本身經濟體量大，擁有區位優勢（尤其是大連和營口），從2003年后區位熵增長迅猛，2007年區位熵翻番，但在2008年以后基本處于下行狀態。部分原因是，自2013年后，東北經濟明顯減速，從區位熵看，東北三省從2010年就開始下降，傳統產業的制約作用顯現。東北地區共有資源型地級城市21個，其中煤炭型和森工型城市個數占全部資源型城市的60%以上[31]，同時人口流失嚴重，特別是年輕人，遼寧和黑龍江的就業總人口和物流業就業人口數量在2014年甚至出現負增長。從物流A級企業數量看，從2012年到2018年，遼寧從17個增加到135個?？梢?，雖然遼寧經歷了GDP斷崖式下跌，但隨著經濟的逐漸復蘇，遼寧存在比較明顯的物流業集聚。

對于第二種現象而言，江蘇、浙江、廣東和山東這四個省份長期占據中國GDP總量的前四位，但是區位熵歷年都處于1以下，排名均比較靠后，與上海相比，四省區位熵明顯偏低。從1998年到2016年，上海呈明顯增長趨勢，四省中除了山東微弱增長外，其余三省都呈現明顯的下降趨勢。對于基于產值計算的區位熵而言，雖然四個省份的排名同樣靠后，但是從2004年到2016年除上海和山東略微降低外，其余三個省份都呈現增長趨勢?？梢姡陨戏治龃嬖谌N差異：四省區位熵排名與物流A級企業分布的差異；四省基于就業人數區位熵和基于產值區位熵的差異；四省與上海在兩個指標上的差異。結合兩種區位熵的計算結果，可以大致推斷，物流業產值的增長比率超越了物流業就業人數的增長比率。背后原因可能有兩點：一是人工自身效率的提升；二是智慧物流的出現，導致機器取代人工。如物流A級企業代表著企業的資質，代表著集約化的水平，四個省份2018年物流A級企業總數占到全國總數的38%。上海傳統和現代產業平衡發展，擁有特殊的區位和經濟發展優勢，不斷打造國際經濟、金融、貿易、航運中心，要素資源高度聚集，擁有高端物流功能及全球物流資源配置能力，是“長江經濟帶”和長三角的戰略龍頭，智慧物流發展迅速，因而各項指標排名靠前。

表5 中國部分省份1998—2007年區位熵

對于第三種現象而言，山西、內蒙、廣西、黑龍江、海南經濟排名比較靠后，物流A級企業數量不多，但是區位熵排名比較靠前，與基于產值計算的區位熵排名比較一致。這種現象與江蘇、浙江、廣東、山東等狀況恰好相反。如前所述，各省歷年區位熵均值與物流A級企業數量的相關系數為負，但區位熵均值與5A、4A兩類企業數量和的相關系數為正，說明企業規模對區位熵存在一定的影響，如在東北三省、內蒙古、山西等擁有由傳統產業形成的大型企業，除了物流業多基于其傳統產業因素外，山西、黑龍江、海南第三產業發展良好，各省在2015年第三產業占GDP的比重均突破了50%。從歷史數據看，山西、黑龍江、內蒙古區位熵均呈現穩定增長勢頭，這些省份不僅擁有傳統產業的優勢，同時第三產業快速發展，因此存在較明顯的物流業集聚。如山西自2010年成為國家級綜合配套改革試驗區后，第三產業發展迅猛，第三產業產值占GDP的比例從2010年的約37%迅速增長到2016年的約56%，山西近年密集出臺發展現代物流的相關政策和戰略規劃，物流業與轉型綜改試驗區深度融合。

貴州雖然其他指標均比較靠后，但是基于產值計算的區位熵排名首位。物流A級企業從2012年的12個增長到2018年的35個。貴州GDP一直保持高速增長，雖然第三產業占GDP比重只有45%左右，但是物流業產值增長迅猛，物流業增加值占地區生產總值的10%，成為支柱性產業。傳化集團、新加坡普洛斯、貨車幫、長和長遠等國內外企業都在貴州布局了物流基地。同時，形成了以大數據、信息化為特征的智慧物流業，促進了物流業的轉型升級。貨車幫、貴陽傳化、易貨嘀、貴州現代物流集團、長和長遠等省內外龍頭企業的數據已接入物流云，打造了物流云“貴州模式”。

以上分析可以看出，依據單個指標分析，容易造成結論分析上的偏差，結合多個指標和相關影響因素，有助于挖掘數據背后的規律?？傮w而言，上海、遼寧物流產業集聚明顯；經濟發達四省物流產業集聚指數被低估，依托雄厚的經濟實力和發展，存在物流產業集聚。山西、內蒙、黑龍江、海南物流產業集聚指數存在一定的高估，但是物流產業發展快速，存在物流產業集聚。貴州因為物流業增加值占地區生產總值的10%，也存在物流產業集聚。

（四）物流業集聚的空間依賴性

運用STATA計算2008—2016年基于區位熵的全局空間相關性莫蘭指數，發現除了2009年，其余各年指數均通過了5%顯著性水平檢驗，且數值均為正數，2016年甚至通過了1%顯著性水平檢驗。數據結果說明，我國各省市區之間的物流產業集聚出現“兩級分化”，即集聚程度高的省份空間地理上聚在一起，集聚程度低的省份空間地理上聚在一起。因為莫蘭指數會隨著權重矩陣的選擇而發生較大的變化，依據K最近點權重④計算獲得的全局指數最穩定[32]，因此采用距離平方倒數作為權重矩陣，重新計算莫蘭指數進行驗證，結果差異較大，2013—2015年以及2010年莫蘭指數均未能通過驗證。

依據2016年區位熵，計算局部空間相關性莫蘭指數。首先，利用STATA軟件，依據BOOK方式獲得的權重矩陣計算的2016局部莫蘭指數，只有內蒙古、遼寧、吉林和上海通過了5%顯著性水平檢驗。依據K最近點權重獲得的權重矩陣計算的2016年局部莫蘭指數，只有上海、遼寧、吉林和西藏通過了5%顯著性水平檢驗。在兩者分析結果中，上海、遼寧和吉林的數值比較接近。其次，在Geoda軟件同樣采用BOOK方式和距離倒數作為權重矩陣，獲得了相似的結果。再次，在Geoda軟件同樣采用BOOK方式和距離倒數作為權重矩陣，使用基于產值計算的區位熵分析，也獲得了相似的結果。所謂相似的結果，就是只有個別省份通過了5%顯著性水平檢驗，只是省份略有差別。

通過以上分析看出，我國在總體上存在物流業集聚的空間依賴性，且隨著時間推移逐漸增強，但是局部的空間相關性沒有很好的數據支撐，其背后可能的原因是數據統計獲取的可得性和統計指數本身的局限性，當然還可能有社會和制度因素，如生產性服務業的“本地偏好”和行政區經濟、市場分割等現象仍普遍存在，以及基于財政分權制度的地方保護主義等[6]。

四、中國物流企業布局和產業集聚格局變革的驅動因素

基于上述研究，目前物流產業發展趨勢背后存在三種驅動因素，或者說三種力量：傳統產業因素、現代科技因素和區位優勢因素。三種力量組合的動態變化，影響著東中西部地區各省市區物流企業布局、產業集聚格局的變革。

（一）智慧科技驅動物流產業升級

物流業緊密銜接著生產與消費、原料與加工、進口與出口等諸多環節，可以說，如果沒有物流業的轉型升級，制造業等實體經濟的轉型升級必將淪為空談。

人工智能等智慧科技驅動物流產業全面升級為智慧物流。智慧物流是以物流互聯網和物流大數據為依托，通過協同共享創新模式與人工智能先進技術，重塑產業分工，再造產業結構，轉變產業發展方式的新生態。如新業態中的平臺型經濟模式，包括運滿滿、貨車幫、福佑卡車、卡行天下、路歌等，成為行業變革的重要力量[33]。人工智能技術包括運輸配送倉儲中的貨物跟蹤定位、無線射頻識別、可視化、移動信息服務、導航集成系統、二維碼、集成傳感等物聯網感知與大數據、機器人影像識別揀選、高密度存儲機械臂揀選、語音揀選等技術不斷發展，物聯網、云計算、大數據、區塊鏈技術在物流業加速普及且成效顯著，智能倉庫、倉儲機器人、無人駕駛、無人機配送技術取得根本性突破。

產業升級的一個直接后果就是機器替代人工。同時，隨著我國勞動人口數量不斷下滑，人口紅利已經消失，人工成本快速攀升，企業用工荒問題愈發嚴重，加速了物流機械化、自動化、智能化的進程，機器逐步代替人工，無人倉、無人港、無人機、無人駕駛、物流機器人等一批國際領先技術正在推廣應用。全球最大自動化碼頭上海洋山港四期試運營，京東首個全流程無人倉投入使用[34]。因此采用產業就業人數計算的集聚指數衡量地區產業集聚和專業化程度，應當隨著產業結構的升級而進行調整。例如，從公布的2017年國家智能化倉儲物流10家示范基地分布可以發現，上海、北京、廣東各2家，江蘇、山東、湖北和吉林各1家，其先進的智能化對人工的需求已大大減少。因此可以說，三大經濟圈（特別是發達省份）的物流產業集聚程度因為智慧物流驅動的產業升級存在一定程度上的低估。

（二）區位優勢構建和后發趕超

三種變革力量加速中西部省份的后發趕超進程，從而打造更加均衡合理的物流產業集聚格局。布局越均衡合理，資源配置效率越高，物流成本越低。

第一，傳統地理形成的區位優勢格局將被交通運輸方式的不斷變革以及國家“一帶一路”政策所打破，中西部不斷構建新型區位優勢，從而加速現有物流產業布局的變革，為內陸省份實施“走出去”戰略提供新路徑。中歐班列迅猛發展，打破了沿海省份基于地理區位的壟斷優勢，使內陸省份能夠深度參與自由貿易和全球產業分工。截至2016年底，國內已有31個城市陸續開通去往德國杜伊斯堡、漢堡和西班牙馬德里等28個歐洲城市的中歐班列。中歐班列的始發城市逐步從重慶（2011年）、武漢（2012年）、成都（2013年）、鄭州（2013年）、西安（2013年）等中西部城市擴展到廣州（2013年）、蘇州（2013年）、義烏（2014年）、營口（2014年）、東莞（2015年）、連云港（2015年）、廈門（2015年）等東部沿海城市[35]。從2017年數據看，成都、重慶、鄭州是國內班列開行數量最多的城市。隨著鐵路運輸對海運的替代以及航空運輸的不斷發展，內陸省份不斷構建完善的國際物流體系，擁有路上運輸優勢的同時，成本不斷降低，有利于全球產業鏈的整合發展。如中歐班列更適應汽車和電子電器等產業對全球供應鏈管理的需求。第二，沿海省份不斷升高的各種成本，將加快產業向內陸和東南亞轉移的速度，從而促進內陸物流產業的發展。如現今越來越多的貿易導向型產業向內陸轉移，跨境電商的物流基地向鄭州等自貿區聚集。第三，西部大開發、中部振興、東北振興、絲綢之路經濟帶、轉型綜改試驗區等各種國家發展戰略的實施，都將為中西部的后發趕超提供政策支持。可見，中西部將因為陸上通道的打通，借助物流產業的快速發展，依托國家政策，創造后發趕超的新路徑。陸上通道將為物流業提供新的發展機遇，極大提升物流發展的質量和水平。如多式聯運的發展，引入全新的生產方式、貿易方式和結算方式。陸上“走出去”的戰略不僅表現在產品輸出，未來將不斷形成新的全球產業鏈、價值鏈，從而促進中西部經濟增長極和新興經濟圈的形成。同時，智慧物流也為中西部省份的后發趕超提供了新動力和新契機。如國家發布首批28家骨干物流信息平臺試點名單中，中西部省份山西、黑龍江、貴州等多省位列其中，而且山西一省擁有2家骨干物流信息平臺。

五、結論與討論

新常態下的物流產業在國民經濟中的戰略作用隨著智慧物流的發展而越加凸顯。近年在物流企業布局和產業集聚相關研究中，逐步形成了地理學、管理學和經濟學研究的交叉和融合，關注層次逐漸從服務業、生產性服務業聚焦到物流產業。本文基于截至2018年1月的物流A級企業數據，利用2008—2016年各省市區產業集聚指數及基于指數的空間相關性系數，研究了物流A級企業的分省空間分布、物流業集聚狀況和空間相關性。

在使用指標的同時，必須明確其局限性，防止在分析結果時絕對化和片面化。指標的局限性同時也制約著后續的研究。依據單個指標分析，容易造成分析結論的偏差，而結合多個指標和相關數據、影響變量，有助于挖掘數據背后的規律。考慮到基于就業人數計算的區位熵存在的局限性和復雜性，本文結合基于產值的區位熵以及物流A級空間分布特征來進行指標修正。依據物流業和經濟發展關系的理論研究和實踐，并結合新常態下智慧物流現代科技、傳統產業和區位優勢三種力量組合的動態變化，研究了各省市區產業集聚狀況及其背后的驅動因素。研究發現，物流A級企業的分省空間分布與各省經濟發展總體一致，但是物流業集聚狀況與物流A級企業的分省空間分布、各省經濟發展存在著復雜關系。總體而言，上海、遼寧物流產業集聚明顯；經濟發達的四省物流產業集聚指數被低估，山西、內蒙、黑龍江等省物流產業集聚指數存在一定的高估，二者均存在物流產業集聚。貴州因為基于產值計算的區位熵排名首位，物流業增加值占地區生產總值的10%，也存在物流產業集聚。這些矛盾現象充分反映了產業集聚統計分析的局限性，通過對比驗證分析，指出了指標偏差的內在原因及指標修正的必要性，并在此基礎上闡釋了物流業格局動態變革的內在驅動因素。同時，由于數據統計獲取的可得性和統計指數本身的局限性，以及社會和制度因素等影響，各省產業集聚指數的空間相關性有限，顯著性不足。

可見，目前迫切需要明確物流業的統計口徑，開展物流產業獨立、完整的各項指標統計，從而為相關研究構建精確的數據基礎。物流業集聚指標不僅要考慮其自身的局限性，隨著智慧物流的發展，物流產業集聚指標需要進行修正和重構，從而為空間計量分析等后續研究提供更加精確的數據來源。

注釋：

①企業名錄來源于中國物流與采購聯合會。

②表1的東中西部地區的界定是（不含港澳臺地區）：東部包括遼寧、北京、天津、山東、江蘇、上海、浙江、福建、廣東、廣西、海南，中部包括吉林、黑龍江、山西、內蒙古、河南、安徽、湖北、湖南、江西，其他省市區為西部地區。下同。

③2008年到2016年各省區域熵平均值。

④權重取值為兩地距離m次冪的倒數。