冉文學 何丹丹
摘? 要:基于上海市統計年鑒2005—2020年16年間的數據,首先分析了上海市港口物流與經濟發展的現狀,然后通過主成分分析得到可以表示城市經濟發展的指標,進而對上海市城市經濟與港口物流進行了灰色關聯度分析,以港口貨物吞吐量作為評價上海市港口物流發展的主要指標;以上海市區域生產總值、第二產業產值、第三產業產值、進出口總額和固定資產投資總額等五項指標來代表上海市經濟發展,最后通過實證分析得到了這五項指標對港口物流影響的大小關系,并據此提出相關的發展建議。
關鍵詞:港口物流;區域經濟;灰色關聯模型;主成分分析
中圖分類號:F259.27? ? 文獻標志碼:A? ? DOI:10.13714/j.cnki.1002-3100.2023.15.025
Abstract: Based on the data of Shanghai statistical yearbook for 16 years from 2005 to 2020, the current situation of port logistics and economic development in Shanghai is analyzed first, then the indicators that can represent the economic development of the city are obtained through principal component analysis, and then a grey correlation analysis is conducted between urban economy and port logistics in Shanghai. Finally, the relationship between these five indicators and port logistics is obtained through empirical analysis, and relevant development suggestions are made accordingly.
Key words: port logistics; regional economy; grey correlation model; principal component analysis
0? 引? 言
由于其功能的特殊性,港口作為一個整體的交通網絡中心,在各個國家和地區間起著至關重要的作用。港口既可以作為一個綜合性的交通樞紐發揮作用,還可以通過貿易和旅游等產業達到“以港興市”的效果。港口作為城市的門戶對提高城市發展水平及影響力具有越來越重要的作用[1]。根據國際上的經驗,目前全球大城市有36個,其中海港城市就有31個。這些港口城市都利用自然條件優越的港口作為其外部的窗口,以相對成熟的港口產業和較成熟的碼頭工業為主,同時依靠其自身的內陸地區經濟,連接著海陸兩地,從而達到了長期的發展。
在20世紀50年代,美國特拉華河港務局就開始對港口物流與城市經濟的聯系進行了深入的探討,并在此基礎上發表了第一篇此領域的文章。在世界經濟一體化、國際貿易往來日益頻繁的今天,我國的港口物流發展必將給地區的經濟發展帶來巨大的推動,因此必須引起有關部門的重視。其實也不難理解,如果一個地區的經濟發展良好,該地區對貨物運輸需求就會大大增加,對港口物流的依賴自然也會增加,這對提高港口貨物的吞吐量有很大幫助。
目前,國內學者對以上兩者的關系已有大量研究,梁巖、程春梅等運用灰色關聯度模型來分析遼寧省區域經濟發展與港口物流發展的關系,得出結論:區域GDP和第三產業的發展與港口物流的發展關系密切,并利用這種關系提出了關于區域經濟發展的若干意見[2]。沈秦偉、郭建科等根據脈沖響應函數、方差分析以及格蘭杰因果關系檢驗得出:大連港口物流與經濟增長之間存在著長期穩定的均衡關系;港口物流與經濟增長之間存在單向因果關系,港口物流的兩個衡量指標港口吞吐量與集裝箱吞吐量之間存在雙向因果關系[3]。劉宏和高麗君從遼寧省港口物流發展現狀,發現遼寧省港口物流的總體需求結構與供給結構的矛盾,并且提出能夠改善遼寧省港口物流的總體需求結構與供給結構矛盾問題的有效建議[4]。張蒙通過建立面板向量自回歸模型,并利用方差分解分析和格蘭杰因果關系檢驗等方法對港口繁榮與區域經濟之間的動態關系進行了實證分析,結果表明:港口物流與區域經濟發展之間存在顯著的相互促進關系[5]。王軍和鄧玉探討了較優的港口腹地協同發展機制,通過構建耦合協調度模型進行耦合協調度測算及機理分析,結果表明:九港口協調度整體呈上升趨勢,同一時間截面下,港口協調發展水平差距明顯,其發展模式可分為穩步增長型和間歇增長型[6]。李金龍通過建立港口物流產業集群和腹地經濟發展指標體系、構建Logit模型對天津港物流產業集群和腹地經濟發展主要影響因素進行分析,得出的結論為:物流產業集群水平、高端人才、科學技術、政府投入、城市基礎設施、資本這6項因素對腹地經濟發展影響顯著[7]。
通過文獻的梳理發現,大部分學者都是運用格蘭杰因果關系檢驗、方差分析,以及脈沖響應函數等檢驗方法來分析港口物流對區域經濟的影響,也可以用哈肯模型、面板向量自回歸模型、耦合協調度模型、Logit模型,以及灰色關聯度模型來分析區域經濟與港口物流之間的關系,但是關于上海市港口物流與經濟發展的研究暫時還沒有。
本文將采用灰色關聯度模型對上海市經濟發展與港口物流的相互關系進行相應的實證研究,通過分析得到的數據,可以對上海市的經濟發展以及未來前景提出建議,上海市的實例研究對其他同類型的港口城市有一定的借鑒意義。
1? 上海市港口物流與城市經濟發展現狀
1.1? 上海市港口物流發展情況
上海地處長江三角洲的中心地帶,東部和日本九州群島隔海相望,南部毗鄰浙江杭州。上海市作為長江的入海口,洋山港為上海市的外貿發展做出了巨大的貢獻。上海市是全國經濟發展最好的地區,它有著堅實的交通網絡和健全的商業系統;人才儲備充足、交通網絡發育完善等諸多方面對上海港的物流發展起到了積極地推動作用。最近幾年,上海港港口物流的功能發展越來越完善,從原有的單一的集裝箱運輸功能逐漸轉變為綜合服務功能,可以為需求者提供一些綜合性服務,如倉儲、加工、包裝、運輸和一些增值服務[2]。
“一帶一路”戰略的提出為上海的洋山港提供了廣闊的發展空間,伴隨著“一帶一路”戰略和近年來的全球一體化進程,中國與周邊各國的經貿合作日益密切。上海要實現國家戰略目標、建設“全球城市”的根本支撐在于港口服務,在于上海港能夠提供多大范圍、多強功能的服務,在于上海國際航運中心在全球地位的一直提升[8]。
作為一個可以直觀反映港口的物流能力的指數——港口物流吞吐量,從圖1可以看出:港口貨物吞吐量總體呈上升趨勢,盡管在某些年份偶爾會出現一些下降。在2008年至2009年度,由于受經濟危機的沖擊,上海港的貨運能力有所下滑,而上海港的貨運能力則在金融危機之后迅速恢復。這說明上海市在新的經濟環境下,港口物流始終保持著與國民經濟發展同步的良好勢頭。
1.2? 上海市經濟發展情況
上海是國際經濟、金融、貿易、航運、科技創新中心,其經濟發展遙遙領先于全國其他城市。2005—2021年,上海GDP逐年增長,2021年上海以43 214.85億元位居全國第一。
從圖2可以看出,上海市GDP的發展與上海市的發展水平是一致的。上海市GDP增長具有很大的波動性,特別是2008—2009年,在金融危機的沖擊下,曾經降至7%。上海市GDP的高速增長主要得益于上海世博會的召開,上海市的服務業在2010—2010年間得到了迅猛的發展,隨著上海世博會對上海的拉動作用減弱,導致了2012—2015年GDP的小幅恢復。上海在2016年加大刺激上海的制造業、刺激上海市的經濟力度,導致了上海市GDP的增幅大約12%。2021年,上海GDP同比增速為8.1%,與全國GDP同比增速持平,貨物出口額也處于深圳之下。
港口城市總體上處于較高的發展水平,這是由于港口物流的發展使得港口城市的生產要素不斷向港口聚集,從而成為港口城市的重要經濟增長點。而城市經濟的發展也為港口的發展帶來了資源、資本、政策等方面的支撐,進而推動了港口的發展。從歷史發展的角度來看,港口的物流業和城市的發展有著密切的聯系。
2? 港口物流與GDP發展的指標體系及灰色關聯分析
在指標的選取時,通過相關文獻的梳理發現,張佳鴻和寧亮亮研究河北省區域經濟與港口物流的關系時,選取了GDP與港口貨物吞吐量兩項指標來研究[9]。唐德才、李萌萌等人以靖江為對象做同樣的研究時,在選取了以上兩個指標之外,還選取了第一產業產值、第二產業產值、第三產業產值三項數據來完善區域經濟的指標體系[10]。張思穎在以武漢為例做該項研究時,在選取了以上五項指標的基礎上,還增設進出口總額和固定資產投資額兩項指標進一步完善了區域經濟指標體系,更為全面[11]。梁巖、程春梅等研究遼寧省區域物流與港口物流的關系時,選取了GDP、三大產業各產值、進出口總額和固定資產投資額六項指標來研究。
考慮到指標獲取的便利性以及論文進行的可行度,本文綜合上述文獻中學者們對指標選取依據,最終確定衡量港口物流能力的指標為港口貨物吞吐量,同時在城市經濟的指選取上結合主成分分析方法選出最合適的指標來表示,最終確立為城市生產總值GDP、三大產業各產值、固定資產投資總額、居民消費價格指數、外貿進出口總額七項指標為待選指標。具體指標數據如表1所示。
2.1? 主成分分析
2.1.1? 確定主成分的數量
通過SPSS分析如表2所示,在以上選取的七個指標中,第一個主成分包含了全部69.85%的信息,第二個主成分包含了全部20.41%的信息,前2個主成分累計貢獻率已經達到90%,基本上已經包含了指標的所有信息。因此,選擇前兩個主成分就可以解釋關鍵的問題。
2.1.2? 確定載荷系數矩陣
載荷系數矩陣顯示了主成分對于研究項中的作用,同時還顯示了各主成分與各研究項目的對應度。從表3可知:各指標對應的共同度值均高于0.4,意味著各個指標和主成分之間有著較強的關聯性,并且主成分可以有效地提取出信息。根據分析模型,載荷系數絕對值大于0.4時即說明該項和主成分有對應關系。因此,選擇共同度較高的幾個指標來衡量區域經濟的發展情況,即:GDP、第二產業、第三產業、固定資產投資額以及進出口總額。
2.2? 灰色關聯的計算與分析
在通過主成分分析方法確定出表示區域經濟的五項指標后,本文接下來將采用灰色關聯度模型來分析上海市港口物流與區域經濟發展之間的關系。經過以上計算,本文將采用港口貨物吞吐量X來表示港口物流的發展情況,用上海市區域生產總值GDPX、第二產業產值X、第三產業產值X、固定資產投資總額X、進出口總額X等五項指標來表示區域經濟的發展情況。其中X列即灰色關聯模型中的母序列,而X—X列都是子序列,具體數據如表4所示。
2.2.1? 原始數據的無量綱化處理
確定使用灰色關聯分析法之后,第一步就是對原始數據進行無量綱化處理從而得到他們的初值像,之所以要這樣處理,是因為這些指標之間的量綱不同,因此可能會有數字大小差別很大的情況出現。要減少數據的絕對數值的差異,重點關注其變化和趨勢。本文運用初值化的方法,計算公式如下,最終得到2005—2020年各項數據的初值像數據X如表5所示。
X==X,X,X, i=1,2,3,…,m? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?(1)
2.2.2? 數據的絕對差計算
為了方便灰色關聯度的計算,第二步是進行數據的絕對差計算,即將無量綱化處理后的數據參考序列與比較序列作差得到Δ,其目的是將數據進一步歸一化,便于之后關聯系數的計算。得到2005—2020年各項數據的的絕對差值如表6所示,計算公式如下:
Δ=X-X, i=1,2,3,…,m? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?(2)
2.2.3? 灰色關聯度的確定
通過以上的數據處理,第三步就是進行灰色關聯度的確定,根據表6計算出的結果可以看出近16年上海市市域經濟的兩級差,最大極差用M表示,最小極差用m表示,所得結果如下:
M=maxΔ=4.287 364
m=minΔ=0
根據所獲得的最大極差與最小極差計算灰色關聯度,公式如下,其中ζ通常取0.5,關聯系數用η表示,最終的計算結果如表7所示。
η==? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?(3)
表7中關聯系數η是比較數列與參考數列在各個時間的關聯程度值,但是因為信息過于分散不便進行整體比較,所以可以將各個時間的關聯系數集中為一個值,即求其平均數η,作為比較數列與參考數列間關聯程度的數量比較。計算表7的關系數值后,再求16年間各指標關系數值的平均值,計算過程以及結果如下:
η==0.722 676? ?η==0.979 330? ?η==0.637 114? ?η==0.908 809? ?η==0.791 688
2.3? 結論分析
根據灰色關聯分析模型可知,若比較序列與參考序列的關聯度在0.6以上,則表示兩者之間具有比較高的關聯性,關聯度越接近1,則說明兩者的關聯度越高。由計算結果可知,本文選取的五個代表區域經濟的指標與港口物流的關聯度都比較高,具體大小順序為X>X>X>X>X,即在代表區域經濟的指標中,上海市第二產業與港口物流發展的關聯度最高,而第三產業與港口物流發展的關聯度最低。
上海市2005—2020年區域經濟與港口物流關聯度最大的是第二產業,為0.979 330。上海作為我國的經濟金融中心,相關產業創新能力突出且現代化水平比較高。2020年,上海六大重點工業行業工業總產值實現23 784.22億元,GDP貢獻率約為61%。所以第二產業的發展對港口物流發展有很大地促進作用,需要繼續保持相關產業與港口的協同合作。
上海市固定資產投資總額與港口物流的關聯度為0.908 809,上海固定資產投資額規模在全國排名靠前,2017—2019年,上海市固定資產投資額同比增速與全國固定資產投資同比增速相對相近。2020年,上海市固定資產投資額實現了比較大的幅度增長,達到10.3%的增速,遠高于全國固定資產投資同比增速(2.7%)和一線城市固定資產投資同比增速(7.7%)。2021年,上海市固定資產投資額達到9 553.31億元,并且保持了比較高的同比增速,遠高于全國和一線城市平均值。分區來看,上海市浦東新區的固定資產投資額遠遠超過其他各區,洋山港也成為全球單體規模最大全自動碼頭。所以,近些年來,上海市政府對港口的投資也進一步促進了上海市港口物流的發展。
上海市進出口總額和區域生產總值與港口物流的關聯度分別為0.791 688和0.722 676。查閱相關資料可知,在上海港,進出口貨物占全國貨物運輸總量的四分之一以上。通過該港口,上海的對外貿易占了將近99%,港口主要處理的貨物有:煤炭、金屬礦石、石油和石油產品、鋼、機械和工具等,因此上海市進出口總額與港口物流的發展高度關聯。上海市區域生產總值與港口物流的關聯度也較高,可見上海市港口物流的發展比較大的程度上影響上海市經濟發展的走向。
上海市第三產業與港口物流的關聯度為0.637 114,第三產業之所以與港口物流有聯系,是因為第三產業中的交通運輸、倉儲、貿易都會直接影響到港口物流的需求與發展[12]。近年來,上海市更加重視生產性服務業的發展,2016—2021年,上海市第三產業增加值的占比從70.5%提高到了73.3%;第二產業增加值由2016年的29.1%下降至2021年的26.5%。綜合來看,第三產業的貢獻仍在不斷提升的過程中。
3? 上海市區域經濟及港口物流發展的建議
3.1? 重視固定資產投資,繼續加大固定資產的投資力度
由實證與結論可知,對上海市港口物流影響較大的是固定資產投資總額。上海市的固定資產投入也將直接關系到其自身的發展。近年來上海市的經濟發展狀況得到了明顯的提升,加之國家加大了政策扶持和實施,使得上海市各個產業對外資的吸引力越來越大。尤其是在“一帶一路”、長江經濟區等國家發展的重大戰略部署下,上海市的港口產業發展面臨著巨大的發展機會。因此在今后的發展中,上海市可以適當加強在港口業方面的投資。
3.2? 優化調整第二三產業,充分發揮第三產業物流效應
第二產業是促進國國民經濟快速發展的核心,由上面分析結可知,上海市第二產業對港口物流的影響最大,所以重視與港口相關的工業和建筑業的發展是非常必要的。但是經過分析,上海市第三產業與港口物流的發展聯系卻是關聯性最低的,這也反映出一個問題,即上海市的第三產業的發揮并沒有很大程度帶動港口物流的發展,如何發揮第三產業的物流效應是非常值得思考的一個問題。
3.3? 加強外貿,促進地區經濟發展
通過上面分析,加強外貿投資,重視貿易往來對貨物吞吐量也同樣具有促進作用,因此,上海市必須制定相應的對外投資戰略,建立連續性的政策制度,以確保其可持續發展。同樣的,從GDP來看,經濟持續健康發展對港口物流的發展也是必不可少的。
參考文獻:
[1] 陳長江,周威平. 現代化國際港口城市的內涵、特征和指標體系[J]. 南通大學學報(社會科學版),2012,28(2):21-30.
[2] 梁巖,程春梅,謝文鈺. 遼寧省區域經濟與港口物流的灰色關聯分析[J]. 遼寧工業大學學報,2021,23(2):26-29.
[3] 沈秦偉,韓增林,郭建科. 港口物流與城市經濟增長的關系研究——以大連為例[J]. 地理與地理信息科學,2013,29(1):69-73.
[4] 劉宏,高麗君. 新時期遼寧省港口物流發展現狀及對策[J]. 商業經濟研究,2016,35(13):119-120.
[5] 張蒙. 港口繁榮與區域經濟發展的關系研究——基于面板向量自回歸模型的實證分析[J]. 調研世界,2021(9):58-64.
[6] 王軍,鄧玉. 港口物流與直接腹地經濟耦合協調性研究——以天津、營口等九海港型國家級物流樞紐為例[J]. 工業技術經濟,2020,39(11):62-68.
[7] 李金龍. 天津港物流產業集群與腹地經濟關系研究[D]. 天津:天津理工大學,2020.
[8] 孫瀚冰,劉長儉. 上海市港航發展戰略方向[J]. 港口科技,2018(9):48-52.
[9] 張佳鴻,寧亮亮. 港口物流與區域經濟灰色關聯度——以河北省為例[J]. 物流科技,2012,35(7):6-10.
[10] 唐德才,李萌萌,王云,等. 灰色關聯模型與港口物流關系的實證分析——以靖江市港口為例[J]. 中外企業家,2013(30):90-92.
[11] 張思穎. 港口物流與區域經濟的灰色關聯性研究——以武漢市港口為例[J]. 物流工程與管理,2017,39(3):18-19.
[12] 魏玉祺,郎婉如. 大連市港口物流與區域經濟的灰色關聯分析研究[J]. 技術與市場,2022,29(6):139-143,147.
[13] 陳志潤,李安琪. 全產業鏈視角下我國集成電路產業發展的路徑[J]. 中國林業經濟,2020(4):41-43,52.
收稿日期:2022-11-14
作者簡介:冉文學(1966—),男,云南鎮雄人,云南財經大學物流與管理工程學院,教授,博士生導師,研究方向:物流工程、物流與供應鏈管理;何丹丹(2000—),女,甘肅靖遠人,云南財經大學物流與管理工程學院碩士研究生,研究方向:物流工程、物流與供應鏈管理。
引文格式:冉文學,何丹丹. 基于灰色關聯度分析模型的上海市港口物流與城市經濟發展關系研究[J]. 物流科技,2023,46(15):98-102,106.