產業集聚對物流業資源錯配的非線性糾正效應

李 鑫（1、陜西廣播電視大學 西安 710119 2、陜西工商職業學院西安 710119）

物流產業是生產性服務業的重要構成，其在國民經濟中發揮著引導消費和促進生產的重要作用。根據中國產業信息數據庫的統計，我國社會物流需求系數從2000年每單位GDP的1.3增長到2017年的3.5，與此同時，物流產業對資源的消耗愈發強烈，其產業碳排放占全國排放總量比例從2000年的2.05%增長到2017年的9.26%。現階段，我國經濟正處于從速度增長型轉向質量效率型的新常態，在國家高質量經濟發展戰略的部署下，物流產業通過糾正要素配置扭曲實現轉型升級對經濟社會的可持續發展越來越重要。然而，我國物流產業的集聚發展經歷了從探索式起步到發展、崛起的重要歷程，尤其是在集聚發展十分突出的自貿園區和物流園區中，國家、地方政府及社會組織都投入了大量心血，但與此同時也對物流產業的集聚發展進行了不當的干預，從而形成了低質企業“扎堆”和產業同構與重復建設的問題，這加劇了物流產業發展中的資源錯配。

現有關于產業集聚與資源錯配的相關研究主要集中在資源錯配的成因及影響兩個方面。靳來群等（2015）探究了制造業資源錯配的成因，其研究發現生產要素在國有與非國有部門之間的價格扭曲是導致資源錯配的重要成因，此外異質性企業部門之間的信貸資金配置差異也是產生資源錯配的關鍵要素；唐榮等（2018）對產業集聚與資源錯配的相關性進行了實證分析，其研究發現產業集聚從正向和負向兩個層面影響資源錯配，其中資本充足性是發揮正向改善作用的關鍵；白俊紅和劉宇英（2018）基于FDI在產業集聚中的資源錯配影響進行了分析，其研究發現我國制造業及生產線服務業由于對資本的邊際需求較高，因此外部資本在產業集聚發展中形成的規模效應能夠改善資源錯配的問題。可以看出，已有的研究文獻重點考察了制造業產業集聚的資源錯配效應，而針對物流產業及其他生產性服務業的資源錯配研究十分稀缺。鑒于此，本文基于物流業微觀企業數據實證分析了產業集聚對資源錯配的非線性糾正效應，以期改善我國物流產業在發展過程中存在的資源錯配的問題。

產業集聚對資源錯配糾正效應的理論機理分析

Hsieh and Klenow（2009）提出了產業集聚影響資源錯配的理論分析框架，本文基于該分析框架構建拓展數學模型進行相關機理分析。假設壟斷競爭行業中代表性企業遵循Cobb-Douglas 生產技術條件，則生產函數構建模型框架如下：

其中，i表示地區，t表示年份， V表示資本和勞動的初始分配，λ表示技術進步特征，σ表示要素的替代彈性。在（1）、（2）和（3）式的模型基礎上，根據生產要素邊際產出決定技術進步偏向，進一步將資本和勞動力的邊際產出進行推導以得出生產者最優均衡條件：

根據式（4），資本和勞動力等生產要素的替代彈性σ和技術特征λ是影響物流產業技術進步偏向的關鍵。根據已有的相關文獻的研究結論，我國制造業及生產線服務業普遍存在生產要素的價格扭曲問題，且負向扭曲現象更為嚴重。假設ΔLsi>0 且ΔKsi>0 ，則（4）式求偏導可以得出產業集聚的凈效應v(φ) ，且凈效應的符號可以體現出產業集聚對資源錯配的糾正效應方向，具體表示如下：

根據（5）式可以看出，當產業集聚產生的v(φ) 越大時，產業集聚對資源配置的正向糾正效應越明顯，此時的ΔL和ΔK差距越小，即資本和勞動力等生產要素的市場價格和真實價值偏離程度越小；當產業集聚產生的v(φ) 越小時，產業集聚對資源配置的負向糾正效應越明顯，此時的ΔL和ΔK差距越大，即資本和勞動力等生產要素的市場價格和真實價值偏離程度越大，要素市場資源錯配越嚴重。

產業集聚的資源錯配糾正效應主要通過以下機理實現：第一，產業在特定地理范圍內的空間集聚發展降低了企業之間的邊界屏蔽效應，其緩解了市場信息的不對稱，由此促進了生產要素更合理的偏向優質企業；第二，產業空間集聚會形成一定的產業關聯效應，而不同企業在集聚發展環境下更容易形成對優質企業的學習效應，由此便形成了知識要素資源的合理配置；第三，產業空間集聚引起的中心-腹地發展模式更利于勞動力、資本及技術等生產要素集聚，其反向促進和優化了腹地經濟的資源配置；第四，產業空間集聚會帶來更激烈的市場競爭，隨著低生產效率企業或低市場份額企業的退出，產業集聚帶來的生產要素集聚會流向優質企業，由此改善資源配置。

產業集聚對資源錯配糾正效應的實證分析

（一）實證模型設定

基于前文的理論分析框架，產業集聚影響資源錯配是根據產業集聚凈效應v(φ) 的取值產生改善或加劇作用，因此二者之間必然存在一定的非線性關系。因此，本文構建產業集聚對資源錯配糾正效應的實證模型表示如下：

其中，j和t分別表示產業（物流產業中的交通運輸、倉儲和郵政等子行業）與時間；EG為產業集聚水平；MA為資源錯配；Z為控制變量；λ和η分別為時間與行業固定效應；ε為隨機擾動項。在控制變量Z中，size、sunk、fix、state和foreign分別表示企業規模、沉沒成本、固定成本、企業國有屬性和外資屬性；μ為隨機擾動項。基于產業集聚對企業發展帶來的學習累積效應與滯后效應，在集聚空間區域內物流企業的產業集聚水平會形成“馬太效應”，即區域內產業集聚水平越來越高，而區域外的產業集聚水平不斷降低，因此本文選擇模型（6）的自回歸分布滯后形式進行實證檢驗。

（二）變量選擇

產業集聚。本文對產業集聚水平的測度借鑒Feser（2003）模型中關于產業區位熵指數的相關公式進行測算，其中Esv為V城市S物流分行業的就業人數，Ev為就業總人數，Es為物流產業在全國的就業人數，ET為全國總就業人數，div為地級市的空間地理距離，δ為空間距離衰減指數。EG的測算數值越大，表示該地區的產業集聚水平越高。

資源錯配。資源錯配的實質是生產要素資源在非完全競爭市場環境下的配置，這種配置既受到市場調節機制的影響（即生產要素會自發向高生產效率企業流動），也受到外部沖擊的影響（即政府行政干預會改變生產要素的自有流動）。因此，企業在資源錯配下首先會產生生產效率的變化，故本文選擇物流企業的全要素生產率離散程度來間接表示資源錯配程度。在具體測算中，本文基于索羅提出的全要素生產率理論，通過構建經濟系統的投入產出非參數生產前沿實現。借助超效率DEA模型測算物流企業的全要素生產率，具體表示如下：

模型（7）表達式參考集、投影點和決策單元等進行了描述，基于該模型進行測算的Malmquist指數即為效率值。其中，投入指標選取勞動力和資本要素，其中勞動力以物流產業年末就業人數替代；資本以物質資本存量替代，其中實收資本的價格指數以2000年為基期進行平減。在測算的物流企業全要素生產率結果上進行離散程度再計算，具體方法采用其標準差和四分位差來衡量，即：

控制變量。控制變量中的企業規模、沉沒成本、固定成本、國有屬性和外資屬性等分別表示如下：第一，企業規模，選取物流產業的平均業務產值并取對數處理（蔣為和張龍鵬，2015）；第二，沉沒成本，選取物流產業資本存量與產業增加值之比表示（蔣為，2016）；第三，固定成本，選取物流產業的企業管理費用占產業增加值之比表示（孫浦陽等，2015）；第四，國有屬性，選取注冊登記類型為 110、141、143、151 的企業（楊汝岱，2015）；第五，外資屬性，選取注冊登記類型為 300、310、320、330、340、200、210、220、230、240的企業（李沙沙等，2018）。

在數據來源方面，本文使用的數據源于124個中國海關特殊監管區（包括保稅區、保稅物流園區、保稅港區及出口加工區等）及11個自由貿易試驗區中的物流企業微觀數據（截止到2016年底）。在數據處理上，根據國家統計局相關資料核算，其中交通運輸、倉儲和郵政的產值占物流業產值的80%以上，因此本文以上述產業的基礎數據進行物流產業變量核算。同時，資本存量的計算剔除了無法獲得的郵電行業數據，方法上借鑒張軍（2004）、徐現祥（2017）等對不同產業資本存量的計算方法，以實收資本的價格指數以2000年為基期進行平減。最后，在企業篩選方面本文借鑒了聶輝華等（2012）和肖興志等（2018）對固定資產凈值、流動資產、銷售額和從業人數的剔除方法。

表1 非線性檢驗結果

（三）實證檢驗結果

1.非線性關系檢驗。基于本文（6）模型中包含了時間與行業固定效應（λ和η），而雙固定效應回歸模型在實證檢驗中能夠有效解決遺漏變量在λ和η中產生的內生性問題，因此本文選取面板雙固定效應回歸模型實證檢驗物流產業集聚對資源錯配的非線性糾正效應。具體的檢驗結果如表1所示。

根據表1非線性檢驗結果可知：第一，模型1和模型4分別表示基于標準差和四分位差的物流業全要素生產率資源錯配回歸結果。可以看出，兩個模型的資源錯配系數均未通過顯著性檢驗，且模型的擬合度較低，這說明產業集聚與物流業的資源錯配之間不存在顯著的線性關系。第二，模型2和模型5是在模型1和模型4基礎上增加產業集聚二次項的實證檢驗結果，資源錯配的估計系數分別為2.0178和2.2742，且均通過了1%置信水平下的顯著性檢驗。通過標準差和四分位差不同測算條件下的系數對比可以看出，產業集聚對物流業的資源錯配產生了顯著的倒“U”型作用，即產業集聚首先加劇了物流業的資源錯配，之后隨著集聚水平的提升其對物流業資源錯配產生了一定的改善作用。第三，模型3和模型6是在模型2和模型5基礎上增加控制變量Z之后的實證檢驗結果，其資源錯配的系數分別為1.7824和2.0157，且均通過了1%置信水平下的顯著性檢驗。通過標準差和四分位差不同測算條件下的系數對比可以看出，產業集聚對物流業的資源錯配產生了顯著的倒“U”型作用，其中標準差測算條件下的產業集聚臨界點為0.0295，四分位差測算條件下的產業集聚臨界點為0.0331，即標準差（四分位差）測算條件下的產業集聚水平在低于0.0295（0.0331）時加劇了物流業資源錯配，后隨集聚水平的提高產生了糾正效應。

2.動態滯后性檢驗。前文在構建實證模型（6）中提出了產業空間集聚會對企業發展帶來學習累積效應與滯后效應，因此在實證時分析需進行動態面板的滯后性檢驗，而一般性的OLS和FE估價在解決內生性問題上存在一定的弊端，故本文選取SYS（GMM）估計進行實證檢驗。Windmeijer（2005）在對比一步SYS（GMM）與兩步SYS（GMM）中發現兩步SYS（GMM）存在高準確性但其標準誤下偏，因此基于實證分析中擾動項不存在自相關性的前提，本文在具體回歸中增加AR（2）檢驗來接受原假設，并通過Sargan 系數檢驗SYS（GMM）方法的過度識別問題，具體的檢驗結果如表2所示。

根據表2動態滯后性檢驗結果：第一，OLS和FE檢驗中的資源錯配系數和滯后一期資源錯配系數未通過顯著性檢驗，說明本文構建的動態性面板模型存在較為明顯的內生性問題，該兩種方法的估計結果不可信。第二，第3列SYS（GMM）的資源錯配滯后項系數為0.2438，且通過了1%置信水平下的顯著性檢驗，說明當期物流業資源錯配每提高1%將對下一期的資源錯配產生0.2438%的影響。通過對產業集聚影響資源錯配的動態滯后性檢驗可以發現，當期產業集聚對資源錯配的影響4.0475，且通過了5%置信水平下的顯著性檢驗，滯后期產業集聚對資源錯配的影響為-2.9989，且通過了1%置信水平下的顯著性檢驗。對比發現，產業集聚水平在當期提升1%將提高資源錯配4.0475%，而集聚水平滯后期提升1%將降低資源錯配2.9989%。第三，第6列的回歸結果與第3列一致，即產業集聚對物流業資源錯配的糾正效應存在顯著的動態滯后性，因此存在當期的糾正效應和滯后期的加劇效應。本文認為，產業集聚初期階段中的勞動力、資本和技術等生產要素集聚水平偏低，政府行政干預在市場調節機制未能充分發揮作用時會加劇資源錯配。在產業集聚成熟發展階段，優質企業在同行業發展中可形成示范和帶動效應，其通過活動單元（企業）的強制性制度變遷路徑形成了鏈鎖式拉動，此時政府行政干預會通過產業政策與宏觀經濟調控手段扶持產業快速集聚發展，從而形成規模經濟，使產業集聚對資源錯配產生改善作用。

結論

本文基于物流業微觀企業數據，構建拓展的Hsieh and Klenow（2009）模型實證分析了產業集聚對資源錯配的非線性糾正效應。通過非線性關系檢驗發現，產業集聚對資源錯配產生顯著的倒“U”型作用，其中標準差測算條件下的產業集聚臨界點為0.0295，四分位差測算條件下的產業集聚臨界點為0.0331，即標準差（四分位差）測算條件下的產業集聚水平在低于0.0295（0.0331）時加劇了物流業資源錯配，之后隨集聚水平的提高產生糾正效應。通過動態滯后性檢驗發現，產業集聚對資源錯配的糾正效應存在顯著的滯后性，標準差（四分位差）測算條件下的當期物流產業集聚每提升1%將加劇資源錯配4.0475%（4.0216%），滯后期產業集聚每提升1%將糾正資源錯配2.9989%（-5.1158%）。

基于產業集聚對物流業資源錯配的非線性糾正效應結論，本文認為：現階段，我國物流產業的集聚發展水平偏低，政府行政性干預將導致產業集聚加劇形成資源錯配。本文研究發現，物流產業集聚發揮資源錯配糾正效應需跨越一定的臨界點，因此應鼓勵優質的物流企業在市場調節機制下形成自發性的產業集聚，同時政府在行政干預方面要將重點放在營造良好外部環境上，從而減少強制性調控政策對市場機制產生的沖擊和弱化。另外，由于物流產業集聚對資源錯配的糾正效應存在顯著的滯后性，因此要從長遠視角考慮產業集聚的長期效應，從而要在物流產業集聚發展的成熟階段充分發揮優質企業的示范效應和關聯效應，通過集聚水平的提升糾正資源錯配。