基于山西省制造业与物流业的联动发展实证研究

冯 强，马一飞

(1.河海大学，南京 210098;2.山西大学，太原 030006)

一个国家制造业的发展水平对该国国民经济的发展有着重要的影响，制造业的发展程度代表着该国生产力水平的高低。物流业被称为国民经济的动脉，可以衡量一个国家现代化程度如何，也从一定程度上反映出一个国家的综合国力［1－4］。制造业和物流业之间存在着不可分割的紧密联系。制造业是物流业发展的动力，为物流业创造大量需求，为物流业提供相关设施和技术上的支持，制造业的发展在很大程度上可以拉动物流业的发展;物流业为制造业提供运输、仓储、装卸搬运、包装、配送等一系列的物流服务，是连接制造业各个环节的纽带，是制造业可以顺利发展的保障，物流业的快速发展能够带动制造业物流外包，提高制造业的核心竞争力。

在国家政策的号召下，山西省在《现代物流业发展“十二五”规划》中把物流业联动工程作为六大重点工程之一，提出搭建制造企业与物流企业联动互动交流平台［5］，促进重点优势制造业物流业务分离外包，加快发展第三方物流，推动物流业与制造业联动发展。

研究山西省制造业与物流业的联动发展问题，分析山西省制造业与物流业之间的互动发展关系，分析怎样才能更好地促进山西省制造业和物流业的联动发展，不仅对山西省制造业和物流业各自的发展有利，而且对山西省经济发展和经济增长方式转变都有着重要的影响［6］。因此，研究山西省制造业与物流业的联动发展问题具有重要的理论和实践意义。

1 变量设计与模型构建

协整分析用来分析变量之间是否具有长期稳定、均衡发展的关系。一般情况下，协整检验分为以下两种:①基于回归系数的协整检验，如Johansen检验;②基于回归残差的协整检验，如ADF检验。第一种方法用于多变量的协整检验，由于本文只对山西省制造业和物流业两个变量进行检验，故选择ADF检验［7］。ADF检验主要是通过检验残差序列的平稳性，得出变量之间是否具有协整关系。

格兰杰因果检验用来判断变量之间所具有的因果关系，即一个变量的变化是不是引起另一个变量变化的原因。假设有两个变量x和y，先估计变量y值被其滞后期取值所能解释的程度，然后通过变量x的滞后值来检验是否可以提高解释变量y的程度［8］。若变量x的滞后期系数具有统计显著性，则认为变量x是y的格兰杰成因。同理可判断变量x是否为变量x的格兰杰成因。

协整分析可以用来判断变量之间是否有长期稳定均衡发展的关系，如果有相互影响的线性关系，再利用格兰杰因果检验来判断这些变量之间的因果关系。而研究山西省制造业和物流业的互动关系，首先要判断山西省制造业与物流业之间是否有长期稳定的均衡发展关系，然后检验这种关系是否形成了互为因果的良好互动关系［9］。因此，运用以上两种方法，选择山西省制造业发展和物流业发展的相关数据，能够较好地对两业互动关系进行实证分析。

2 实证结果与检验

本文选择用山西省制造业增加值和山西省物流业增加值作为衡量指标，其中，物流业增加值用山西省统计年鉴中的交通运输、仓储及邮政业的增加值表示。M表示山西省制造业增加值的时间序列，L表示山西省物流业增加值的时间序列。由于时间序列有异方差性，分别对时间序列M和L取自然对数，处理结果分别表示为lnM和lnL，数据处理后可减少序列波动性且不影响序列趋势［10］。统计数据均来自山西省历年的统计年鉴，具体数据见表1。

表1 1998—2012年山西省制造业、物流业增加值

续表

2.1 平稳性检验

2.1.1 检验序列lnM

从表2中可知，在90%的置信水平下不拒绝原假设(序列存在单位根)，即序列lnM是非平稳的。

表2 序列lnM的ADF检验结果

根据检验结果得知山西省制造业增加值是一个非平稳时间序列，下一步需要确定此非平稳时间序列是否单整［11］。要确定序列lnM是否是单整的，应该对lnM做差分序列，再对其一阶差分序列做单位根检验，结果见表3。

表3 lnM的一阶差分序列的ADF检验结果

经检验可知，在99%的置信水平下拒绝原假设，即序列不存在单位根，得出非平稳序列lnM经过一阶差分后平稳，说明 lnM是一阶单整序列［12］。

综上所述，妊娠期高血压疾病患者出现早期肾功能损伤情况下，其血清Cys-C、Hcy及尿mALB表达水平升高，并与病情严重程度呈正相关关系，提示检测血清Cys-C、Hcy及尿mALB能帮助临床医师判定病情严重程度，利于及早制定防治措施；血清Cys-C、Hcy与尿mALB对临床诊断妊娠期高血压疾病患者早期肾功能损伤具有较高的临床价值，值得推广应用。

2.1.2 检验序列lnL

采用上述相同方法对山西省物流业增加值序列lnL进行检验，检验结果见表4。

表4 序列lnL的ADF检验结果

表4说明在90%的置信水平下不拒绝原假设(序列存在单位根)，即序列lnL是非平稳的。对序列lnL做一阶差分处理，再次进行检验，结果见表5。

表5 lnL的一阶差分序列ADF检验结果

表中数据结果说明在95%的置信水平下拒绝原假设，即序列不存在单位根，得出非平稳序列lnL经过一阶差分后平稳，说明序列lnL是一阶单整序列。

综上所得，原序列lnM和lnL都是非平稳序列，经过一阶差分处理后的两个序列均为平稳，即两者都是一阶单整序列［13］。表明山西省制造业增加值和物流业增加值这两个时间序列满足进行协整检验的条件。

2.2 协整检验

2.2.1 最小二乘法回归模型

观察回归结果表，可得出估计方程:lnM=－2.519854+1.537881lnL。运行结果显示 =0.923123，Prob=0.000000，说明该模型拟合效果好且具有高度的线性关系［14］。

2.2.2 残差序列ADF检验

对残差序列进行ADF检验，结果如表7所示。

表7 残差序列的ADF检验结果

从上表可以看出，在99%置信水平下拒绝原假设，说明残差序列是平稳序列。

通过上述检验过程，表明了序列lnM和lnL是协整的［15］，也就是说山西省制造业与物流业之间存在长期稳定的协整关系。

2.2.3 格兰杰因果检验

之前对变量做平稳性检验和协整检验，得出变量lnM和lnL均为一阶单整序列，且两者存在长期稳定的协整关系，为了进一步确定两者之间是否构成因果关系［16］，下面对变量lnM和lnL做格兰杰因果检验，结果如表8。

从表8检验结果看出，对于lnM不是lnL的格兰杰成因，拒绝时犯第一类错误的概率为0.3645;对于lnL不是lnM的格兰杰成因，拒绝时犯第一类错误的概率为0.1444。可以得出，山西省物流业和制造业还没有形成明显的因果关系［17］。

表8 格兰杰因果检验结果

3 结论与启示

本文选取1998—2012年山西省制造业和物流业增加值作为原始数据，运用计量经济学中的协整分析和格兰杰因果检验，对山西省制造业与物流业联动发展的互动关系进行了定量分析［18］。协整检验结果表明山西省制造业和物流业存在长期稳定均衡发展的关系;格兰杰因果检验结果显示目前两者的因果关系还不够明显，需要加强两者之间的互动联系。同时表明山西省物流业发展水平提高会对制造业发展有促进作用，但是有待进一步加强两者之间的联系。

制造业和物流业之间要进一步更好地互动发展，政府必须出面制定相关政策，对制造业和物流业进行牵线搭桥，以促进两业形成良好的联动发展关系。制造业方面要不断增强创新能力，提高产业附加值;改变生产模式，实现物流外包;加强专业化分工，改善企业内部管理。同时物流业要保障服务质量，完善服务体系;加强信息化、标准化建设，加强与制造企业沟通，建立战略合作关系;物流企业要能够将简单的交易关系转变为战略合作伙伴关系，进一步强化互利共赢意识，带动制造企业的发展，使制造业与物流业能够协调发展，共同提高。

［1］吕涛，聂锐.产业联动的内涵理论依据及表现形式［J］.工业技术经济，2007，26(5):2－4.

［2］葛如海，管军，虞小波，等.冷链物流行业的现状及前景［J］.重庆理工大学学报:自然科学版，2013(7):104－108，112.

［3］刘增勇，陈祥斌，王鹏，等.RFID技术在装备物流领域的应用［J］.四川兵工学报，2012(5):50－52.

［4］黄蓉蓉，潘晓琳.改进模糊综合评价法的物流企业绩效评价［J］.重庆师范大学学报:自然科学版，2012(4):124－126.

［5］李严锋.王永峰.物流业与制造业联动发展研究现状分析［J］.物流工程与管理，2013(7):1－4.

［6］彭本红，冯良清.现代物流业与先进制造业的共生机理研究［J］.商业经济与管理，2010(1):18－25.

［7］李肖钢，赵莉.宁波市物流业与制造业集群联动发展模式研究［J］.价格月刊，2010(7):40－42.

［8］施学良.供应链视角下制造业与物流业联动发展的途径选择研究［J］.物流工程与管理，2013(5):35－37.

［9］田刚，贡文伟，梅强.制造业与物流业共生关系演化规律及动力模型研究［J］.工业工程与管理，2013(4):39－46.

［10］马风华.生产服务业与制造业互动研究述评［J］.经济管理，2008(17):92－96.

［11］冯海华.生产者服务业与制造业互动发展的经济学分析——以江苏省为例［D］.南京:南京财经大学，2008.

［12］王晓艳.制造业与物流业联动发展的机理和模式研究［J］.物流技术，2009，28(7):6－8.

［13］王佐.制造业与物流业联动发展的本源和创新［J］.中国流通经济，2009(2):16－19.

［14］施甜甜.生产性服务业与制造业的互动发展研究［D］.杭州:浙江大学，2010.

［15］王茂林，刘秉镰.制造业与物流业联动发展中存在的问题与趋势［J］.现代管理科学，2009(3):59－64.

［16］Harris R I D.Using Cointegration Analysis in Econometric Modelling［M］.London:Prentice Hall，1995.

［17］Castellacci F，Natera J M.The Dynamics of National Innovation Systems:a Panel Cointegration Analysis of the Coevolution Between Innovative Capability and Absorptive Capacity［J］.Research Policy，2013，42(3):579－594.

［18］Wanqing L，Peixi S.The Implementation of Granger Cause and Effect Test in the Study of Economic Cycle of China［J］.Statistical Research，2002(2):6－12.