中國物流業發展評估與經濟貢獻率研究＊

馬皓月，范芷汀，吳金卓

（東北林業大學工程技術學院，黑龍江 哈爾濱150040）

1 引言

近年來，物流業在資源合理配置以及產業結構調整等方面發揮著越來越重要的作用。六類物流樞紐的確定為“一帶一路”建設、京津冀協同發展、長江經濟帶發展、粵港澳大灣區建設、長三角區域一體化發展、西部陸海新通道等重大戰略實施和促進形成強大國內市場提供有力支撐[1]。在此背景下，探索中國物流業的發展情況及其對經濟發展的貢獻率對于進一步發揮物流業對社會經濟發展的推動作用非常必要。

國內外學者在物流業發展評價方面展開了大量研究。在評價指標體系方面，OLGAI等[2]提出要將技術水平、物流業服務水平、物流設備現代化水平以及貿易便利程度等引入物流業能力體系中。弓憲文[3]建立了涵蓋物流業績效、物流業環境和物流業能力三方面的物流業發展評價指標體系。高小惠等[4]選取經濟社會發展、物流規模、物流基礎設施、信息發展水平及物流需求狀況5個方面指標，運用灰色聚類模型對2015年30個省的物流業發展質量進行聚類分析。在評價指標權重方面，一些研究采用德爾菲法、層次分析法等主觀賦權法，但是這些方法在權重確定上具有一定的主觀性[5]。此外，還有灰色關聯分析、熵值法以及神經網絡等客觀賦權法，這類方法可以有效地避免主觀性，但有時存在權重設定與實際相悖的情況[6-8]。在此基礎上出現了組合賦權法，結合主觀賦權法和客觀賦權法來確定權重，以使結果更加合理[9]。在評價模型方面，目前使用較多的有多元統計模型和模糊綜合評價等，前者對樣本數據要求較高，后者對樣本要求相對寬泛而應用更加廣泛[10]。國內外學者對物流業與經濟的互動關系以及物流業的經濟貢獻率也進行了大量研究。例如，ACAR等[11]在考慮物流業對商業活動中的促進作用及其與經濟競爭力的關系的前提下，對土耳其物流業績效指標進行了分析，并對全球競爭力指數進行了定性比較。LEAN等[12]的研究表明，改進現代物流基礎設施，加大物流產業投入以及增強供應鏈協作能力對區域經濟發展具有顯著影響。國內在該領域的研究多著眼于物流業的宏觀層面或單一層次，選取貨運量、貨運周轉量、物流業增加值或凈出口貿易值中的一個或幾個代表物流業的發展情況，并基于此探究物流業的經濟貢獻[13]。例如，楊躍輝[14]采用空間計量模型對特定區域物流業集聚度與經濟發展水平間的依賴共生程度進行測度。李軍[15]選取物流業的發展潛力、基礎設施及總體規模三個維度的指標，運用系統協調發展度模型對中國2006—2015年的數據進行分析。金芳芳[16]采用相關性分析并建立經濟增長模型，以物流業增加值為物流指標，通過1995—2009年中國總體數據和滬粵浙三個省市數據的實證分析，肯定了物流業對經濟增長的帶動作用。

綜上可知，物流業與經濟發展之間的定量研究已經取得了不少成果，但仍然存在以下一些不足：物流業的經濟貢獻研究中物流指標選取相對較為單一，物流業綜合性的多指標在中國不同省市經濟貢獻率的對比分析的研究還不全面。本文利用基于云模型的模糊綜合評價方法從多方位、多層次評估2004—2018年間中國物流業綜合發展情況，并建立向量自回歸模型分析在一段時間內物流業推動經濟發展的動態關系，同時，建立含有時間和截面兩個維度的面板數據模型探究物流業發展質量及其對經濟發展的貢獻率，為了解中國區域間的物流發展差異、區域借鑒物流業運營模式，精準制定物流業發展政策提供參考。

2 研究方法

2.1 物流業發展質量評價

模糊綜合評價方法是一種通過模糊數學和隸屬度實現從定性到定量轉化的綜合評價方法，而云模型可以有效地避免數據由定性向定量轉化的不確定性。因此，本文采用基于云模型的模糊綜合評價方法對中國的物流業綜合發展質量進行評價。

2.1.1 評價指標選擇

本文采用聚類—熵權法進行評價指標的選取，具體步驟如下：以物流業發展質量綜合評價為目標確定評價體系的準則層；初選各準則層的詳細指標，對所選指標進行標準化處理，正向指標用公式（1），負向指標用公式（2）；分別對各個準則層的指標進行聚類分組，分組后，利用公式（3）～（6）計算每組中各個指標的權重，選取每組中權重最大的那個指標代替該組數據。

式（1）（2）中：為第i個評價對象第j項評價指標標準化后的值；xij為第i個評價對象第j項評價指標的初始值；maxj為第j項評價指標中最大值；minj為第j項評價指標最小值。

式（3）（4）中：s為第s個評價對象；k=1/ln（h），h為指標的總數；t為評價對象的個數。

式（6）中：n為第i準則層的指標個數。

2.1.2 基于云模型的模糊綜合評價模型

確定篩選后的準則層和指標權重。首先對樣本數據進行標準化處理。接著，利用式（3）～（6）分別求出各個指標下每個待評對象占相應指標的比例Psj、各個指標的熵值ej、各個指標的效用值dj以及各個指標的權重qj。準則層權重記為Qi，第i準則層的各指標權重記為qi。

確定等級個數，將物流發展水平劃分為不同等級，并且確定各個指標下各等級的界限，形如（xa，xb）。

確定評價指標的云數字特征，通過正態云模型的期望值Ex、熵值En、超熵值He來表征各個等級。利用式（7）～（8）分別計算期望值Ex、熵值En，超熵值He則需要通過多次試驗得來。

計算隸屬度，X條件云發生器的隸屬度函數如式（9），輸入指標數值和特征值，確定隸屬度。重復多次并取平均值作為最終的隸屬度矩陣R。其中，x0為云滴，E′x為正太云隨機數，Ex′～N（En，He）。

得出綜合評價C：C=Q*R。根據最大隸屬度原則確定所屬等級。

2.2 物流業的經濟貢獻研究

2.2.1 向量自回歸模型

向量自回歸模型（Vector autoregression model，簡稱“VAR模型”）由CHRISTOPHER提出。由于該模型將系統中的每一個內生變量作為內生變量的滯后值進行建模，因而可以很好地解釋在一段時期內，內生變量之間動態的變化關系[17]。基于此，采用向量自回歸模型分析物流業不同指標對經濟貢獻率的時序差異。含有k個時間序列變量的VAR模型表達式如下：

式（10）中：Y為k維內生矢量；A為相應系數矩陣；p為內生變量的滯后階數。

在建立VAR模型時，首先要對研究變量進行平穩性檢驗，使得變量滿足同階單整后才可以確定滯后期的數值。進一步進行協整檢驗之后，對內生性變量做Grange因果檢驗，然后做穩定性檢驗，最后在模型滿足穩定性的前提下，方可對解釋變量做脈沖響應和方差分解分析[18]。

2.2.2 面板數據模型

面板數據模型涵蓋時間和截面兩個維度的數據在分析一定時期不同省市的物流業對經濟的貢獻率時具有信息涵蓋更全面的優勢，該模型如式（11）所示，其通常有三種形式：混合估計模型、固定效應模型和隨機效應模型。混合估計模型中截距項和斜率項上是一樣的。隨機效應模型和固定效應模型的斜率項都是相同的，都是截距項不同，區別在于截距項和自變量是否相關，在固定效應模型二者相關；在隨機效應模型中二者不相關，同時，模型的隨機干擾項與解釋變量無關。

式（11）中：Yit為第i個體在第t時間點的數據；αi為截距項；βi為回歸系數；μit為隨機干擾項；N為面板數據個體個數；T為時間序列的最大長度。

在面板數據模型形式的選擇上，通過F檢驗決定選用混合模型還是固定效應模型，然后用Hausman檢驗確定應該建立隨機效應模型還是固定效應模型。F檢驗用于確定模型是否存在個體效應。根據式（12）得到F的值，與查表所得F（N-1，NT-N-K）的值比較，其中，K為解釋變量數，SSER為混合估計模型的殘差平方和，SSEF為固定效應模型殘差平方和。若F值小則選擇混合估計模型；反之，選擇固定效應模型。Hausman檢驗確定模型的個體效應與解釋變量是否相關。該檢驗原假設是個體效應與解釋變量不相關。通過P值來確定是否接受原假設，若拒絕原假設則選擇固定效應模型；反之，選擇隨機效應模型。

3 實證分析

3.1 構建物流業發展評價指標體系

根據以往學者的經驗，確定物流業運行成效、基礎設施、創新投入和發展需求四個準則層并建立物流業發展評價體系，如表1所示。

表1 物流業發展質量指標

3.2 中國經濟與物流業發展質量評價

3.2.1 中國經濟發展質量評價

根據2004—2018年《中國統計年鑒》中的國內生產總值數據可以發現2004—2007年國內生產總值增長率保持大幅提高，為中國各項事業的發展提供了堅實的經濟支撐；2008年受國際金融危機的影響，增長速率下降后迅速回升，說明中國經濟具有良好的自我調節能力；2012年以來，中國國內生產總值增長率維持在10%左右，第三產業比例持續增加且超過第二產業，經濟發展由以往的高速發展向高質量發展轉變，產業結構得到改善。

表2 物流指標特征值

3.2.2 中國物流業發展質量評價

基于2004—2018年《中國統計年鑒》以及各省市統計年鑒的數據分析中國物流業的發展質量。首先，根據式（3）～（6）計算出研究區間內物流業樣本數據的權重、熵值、信息熵冗余度等值，結果如表2所示。

將各個指標劃分5個等級：“I等級”為優秀，“II等級”為良好，“III等級”為中等，“IV等級”為較差，“V等級”為差。根據式（7）、式（8）計算云模型特征值。一般的，He的值取En值的1/10。在獲取正態云模型的特征值之后，用式（9）計算隸屬度。由于計算數據較多，僅列出第一準則層第一個指標2004—2018年的隸屬度，如表3所示。

表3 第一準則層第一指標隸屬度

確定2004—2018年間各指標下的等級排名。通過公式C=Q×R實現2004—2018年間各指標權重與隸屬度模糊轉換，根據最大確定度原則確定排名，結果如表4所示。物流業綜合指數在2016年步入第I等級。其中，基礎設施于2013年最先步入第I等級，發展需求和創新投入于2016年步入第I等級，運行成效最晚，于2017年步入第I等級；前期發展需求準則層的等級變化快于基礎設施等價變化，隨著基礎設施水平的提升，基礎設施準則層快于發展需求，二者相互促進；創新投入的等級變化起步最晚但速度最快。

表4 各準則及綜合評價等級

3.3 中國物流業的經濟貢獻率分析

3.3.1 基于向量自回歸模型實證分析

為了提高向量自回歸模型的精度，消除異方差的影響，本文對2004—2018年中國物流業發展水平的14個指標進行取對數處理。接下來對各準則層的指標進行相關性檢驗和主成分分析。4個準則層相關性檢驗中KMO值分別為0.719、0.726、0.765和0.698，均大于0.6；巴德利特球形度檢驗值均小于0.001，因此每一準則層各提取一個主成分。4個準則層提取的主成分線性表達式如下：

表5 系統1滯后階數檢驗

首先對數據進行單位根檢驗，結果表明所測序列為平穩序列。樣本數據經平穩性檢驗后即可建立模型，在VAR模型中，若待估參數太多則會使得估計誤差增大，所以本文在分析時設置四個系統，分別建立地區生產總值與各準則層間的系統，下文用系統1、系統2、系統3和系統4表示，進而確定其滯后階數。系統1的滯后階數檢驗結果如表5所示。

由表5可知，1nY與1nX1回歸模型的最佳滯后階數為3，因此構建VAR（3）。同理，1nY與1nX2，1nX3，1nX4分別構建VAR（3）、VAR（3）和VAR（3），第一準則模型估計結果如公式（17）所示。

由格蘭杰因果關系檢驗結果可知，在5%的顯著性水平下，物流業運行成效、基礎設施、創新投入水平、物流業需求是地區生產總值的格蘭杰原因。進一步對4個VAR模型進行平穩性檢驗，結果如圖1所示。由圖2可知，VAR模型所有根模的倒數均位于單位圓內，即VAR模型是平穩的，可以繼續進行脈沖檢驗。

圖1 Ln Y分別與ln X1、ln X2、ln X3、ln X4系統平穩性檢驗

通過脈沖響應進一步分析物流業與經濟發展間的動態關系，結果如圖2所示。可以看出，物流業運行成效對地區生產總值的沖擊在前三期呈現正效應，第四期開始沖擊影響開始呈現負效應；基礎設施對地區生產總值的沖擊影響呈正效應且逐漸趨緩；創新投入對地區生產總值的沖擊效應在短期內呈現負效應，但從第六期開始創新投入的沖擊效應呈現逐漸上升的正效應；物流業需求對地區生產總值的沖擊始終呈正效應。

圖2 Ln Y分別對ln X1、ln X2、ln X3、ln X4擾動的響應

通過方差分解可以得到在一個系統中單一要素對系統的貢獻度。由表6可知，在時間的維度上，物流業的發展對經濟發展起到了推動作用，但推動作用不夠顯著且存在一定的滯后性。其中，物流業需求對經濟增長的貢獻較大，其次對經濟影響較大的為創新投入，物流基礎設施的貢獻較為平緩而物流業運行成效對經濟發展貢獻具有即時性。總體來說，中國物流業的發展對經濟增長起到一定的促進作用，但整體強度不夠理想。

表6 方差分解結果

3.3.2 基于面板數據模型實證分析

首先選取合適的模型，對篩選出的4個準則層的14個指標下的樣本數據進行F檢驗和Hausman檢驗，結果均拒絕原假設，故選擇固定效應模型。基于Eviews10軟件建立個體固定效應模型，得到運行成效、基礎設施、創新投入、物流業需求的系數分別為0.155 4、0.057 0、0.074 93和0.086 4。

運行成效、基礎設施、創新投入、物流業需求對經濟增長均呈現推動作用。其中，運行成效對經濟增長的推動作用最為明顯，貢獻率達15.54%，其次是物流業需求（8.64%），創新投入、物流基礎設施的貢獻率分別為7.5%和5.7%。

對面板數據模型中各省市的截距項進行等級劃分，共劃分六個等級，表征不同省市間自身原有發展環境的差異，結果如圖3所示。可以看出，東北地區的評價等級為四、五等級，雖有邊境口岸的對外貿易工作，但物流業仍處于依靠于勞動力增長的較為粗獷的發展模式。沿海地區省市的自身發展環境等級多為一、二等級，由于其優越的地理位置和環境條件，物流業的發展相對成熟、發展水平也較高，但仍存在著較大差異。以京津冀地區為例，河北省對經濟的推動作用相對較弱，縱觀其發展來看，長久以來，河北省的重工業比例較大，第三產業技術研發基礎薄弱，表明地區間輻射帶動能力不高。在黃河、長江中游地區的這些省市自身發展環境多為三、四等級，物流業的發展處于中等水平，便捷的交通網絡未得到良好利用。西北地區和西南地區由于地理位置等原因，物流業發展較為緩慢，對經濟增長的帶動作用相對于其他地區而言較弱，且未能發揮突出優勢，這就需要其他地區對該地區的資金與技術投資來推動其發展，同時，可以借力一帶一路的發展，將自身資源優勢通過物流流通轉化為經濟優勢。

圖3 個體固定效應模型截距項差異分布

4 結論

本文采用基于云模型的模糊綜合評價方法對中國各省物流業發展質量進行多準則層綜合評價，然后利用包含時間、截面數據兩個維度的面板數據模型對中國物流業的經濟貢獻進行研究，得出以下結論：中國經濟發展逐漸轉向高質量發展，國內生產總值增長率呈現平緩發展趨勢。物流業中物流規模最先達到第I等級，為物流業發展提供了良好的發展環境。創新發展起步晚但是等級變化最快，發展最為迅速。物流業需求增加與物流業供給水平提升之間的相互促進作用使得物流業不斷向前發展。

各項物流要素對經濟發展均起到了推動作用，物流業運行成效的作用較好且具有即時性；物流需求的貢獻率較大且效用更為長遠；創新投入后，經前期短暫適應后會起到較為明顯的推動作用；基礎設施是發展的前提，其具有投資回報期長的特點。中國物流業對經濟推動作用的聚集效應顯著，但擴散帶動效應不夠明顯，需要加大對中西部物流業的扶持，幫助西部開發當地資源并通過物流業的聯通轉變為經濟資源，提升中部地區對交通網絡的利用率，發揮東部地區的輻射帶動效應，為經濟發展作出應有的貢獻。