中国物流业与批发零售业的协同发展研究

陈茜敏

（福州大学 经济与管理学院，福建 福州 350108）

中国物流业与批发零售业的协同发展研究

陈茜敏

（福州大学 经济与管理学院，福建 福州 350108）

中国物流业与批发零售业的协同发展一直以来都深受国家的重视。根据中国31个省市2002、2007、2012这三年的投入产出表数据对物流业与批发零售业的协同发展水平及趋势进行分析，结果表明中国物流业的中间需求在不断扩大，批发零售业对物流业的推动作用大于物流业对批发零售业的拉动作用，两业的发展存在不协同。利用1978-2015年的时间序列构建VAR模型，运用脉冲响应及方差分解动态分析两业的关系，发现物流业对于批发零售业发展的贡献度要高于批发零售业对于物流业发展的贡献度。最后就分析结果提出了中国物流业与批发零售业协同发展的若干建议。

物流业；批发零售业；投入产出；协同发展；VAR模型

1 引言

批发零售业是国民经济的重要组成部分，近年来随着国民经济的转型升级，批发零售业的发展更是蒸蒸日上，物流业作为批发零售业的服务行业，其发展态势自然而然也引起了广泛关注。目前，中国商贸市场商品需求数量大，商品流通速度快，2015年中国社会消费品零售总额达300 930.8亿元，比上一年增长10.7％。而商贸物流却还处在初步发展阶段，并不能很好地满足商贸发展需求，多数批发零售企业规模小，竞争力差，没有足够的资金和技术支持物流的效率提升，多数企业的商品配送还是采用供应商直接配送或者自有配送，这也使得物流成本长期居高不下，这些现象产生的原因主要在于物流信息化技术落后，融资难，缺乏统一规划布局以及批发零售业与物流业的联动明显不足。为了尽快提升批发零售业与物流业之间的契合度，使得物流业的发展得以满足批发零售业消费升级的需求现状，本文基于此研究物流业与批发零售业的协同发展。

目前，国内关于批发零售业与物流业协同发展的研究还处在起步阶段，相关研究并不多。大多数是制造业与物流业的协同发展，黄福华和谷汉文（2009）[1]就制造业与物流业协同发展的必要性及发展对策进行探讨。张快娟（2011）[2]结合杭州市制造业与物流业发展特点，构建评价指标体系，定量分析两者发展的协调程度及影响因素。梁红艳和王健（2013）[3]运用投入产出法分析了8个典型国家或地区3个年度的物流业发展水平及其与制造业的产业关联。周路（2015）[4]以成都经济区为例，对制造业与物流业子系统和复合系统协同度进行测定，提出两业协同发展的相关政策建议。部分学者关注到了电子商务与物流业的协同发展，马骏（2014）[5]提出电子商务与物流协同发展的困境及其合作机制。武淑萍和于宝琴（2016）[6]构建电子商务系统与快递物流系统的协同发展模型，测度其协同发展水平，得出电子商务发展有序度高于快递物流业的结论。而将整个批发零售业与物流业结合起来研究二者的协同发展的就更少了。相关研究有徐稳（2011）[7]分析构建了零售商贸物流配送模式及其协同的形成机制，最后以武汉中商平价连锁超市为例进行实证分析。冯真（2013）[8]从批发零售业在物流产业集聚演进过程中的作用及其反作用进行分析，以江苏省为例进行实证分析，找出物流业发展的瓶颈环节。熊维（2015）[9]站在协同理论的视角下，分析商贸企业物流运作模式存在的问题，提出商贸企业组建物流协同模式的建议。

从现有文献的研究来看，关于产业协同发展的研究大面积汇集于物流业与制造业的联动、协调发展，物流业与其他产业如信息业、金融业、批发零售业的协同发展研究较少。众学者采用的研究方法各式各样，多为定性与定量相结合的方式。其中，定量方法包括投入产出法、格兰杰因果检验、灰色关联分析、序参量协同度测定等，但各位学者往往仅从单一的角度分析研究问题，从某种程度上来说对于问题的单一研究会缺乏全面性。从现实意义的角度来看，物流业与批发零售业的协同发展状况需要通过研究分析了解行业状况，进而帮助促进两业更好地发展。本文因此考虑从静态与动态两个角度入手，运用全国31个省区的投入产出表数据全面分析物流业与批发零售业的协同水平，并通过构建VAR模型动态分析物流业与批发零售业在一定冲击下的反应。

2 研究方法及数据来源

2.1 投入产出法

本文采用投入产出法来对物流业与批发零售业的协同发展水平进行研究，投入产出法是研究产业关联的一种重要的定量分析方法，它不仅能以系统的思想把各个部门放在国民经济整体中去考虑，研究各部门之间相互依存、相互制约的关系，而且通过计算机对投入产出表的数据进行全面地测算分析，能够将复杂的问题简单化。

2.2 VAR模型

向量自回归（VAR）模型可以用于时间序列系统的预测与分析，利用历史的时间序列数据预测未来的系统变量动态变化过程，可以有效地分析经济系统变量间的相互作用。VAR模型采用多方程联立的形式，把每个内生变量作为系统中所有内生变量滞后值的函数来构造模型。VAR模型的一般表达式为：

其中，Yt是一个m维内生变量，Xt是一个n维外生变量。p是滞后阶数，T是样本个数。A1到Ap和B是待估计的系数矩阵。ut为m维随机扰动向量。

2.3 数据来源

本文投入产出表数据采自中国统计出版社出版的《中国地区投入产出表2002》、《中国地区投入产出表2007》和《中国地区投入产出表2012》，其中2002年、2007年包含除西藏外的中国30个省市投入产出数据，2012年则有包含西藏的31个省市数据。VAR模型数据来自《中国统计年鉴2016》。

本文在应用原有投入产出表数据的基础上，将交通运输、仓储业和邮政业合并视为物流业，文中涉及投入产出表物流业数据皆由这三者数据构成。

3 物流业与批发零售业的协同发展水平及趋势分析

3.1 物流业与批发零售业中间投入率和中间需求率分析

3.1.1 中间投入率。由表1的数据分析可知从2002年到2012年全国各省市的物流业中间投入率总体来说略有增长，且大部分地区的物流业中间投入率都大于50％，这表明中国物流业与其他各行业之间的经济技术联系程度在不断地加深，也就是说物流业对各种产品的直接生产依赖程度在不断提升。从2012年的数据来看，物流业中间投入率最高的前5个省市分别为上海、海南、天津、北京和安徽，这表示这几个地区物流业的总产出对各部门产品消耗较大，物流业的发展与不同行业之间的融合较广。物流业中间投入率最低的前5个省市分别为甘肃、湖南、重庆、山东和宁夏，这几个地区因物流业发展较缓慢或物流技术水平的提高导致中间投入率低。从2002年至2012年的增长率来看，增长率最高的前五位分别为广西、海南、天津、黑龙江和陕西，由此可以看出这几个省市物流业发展有扩张趋势。

根据中间投入率的高低,可以将中间投入率以50％为分界，大于50％称为“低附加值、高带动能力”的产业，小于50％称为“高附加值、低带动能力”的产业。根据表1可以得出中国物流业中间投入率较高，只有少数几个省市中间投入率低于50％，因而中国物流业属于低附加值、高带动能力的产业。

根据已有的调查研究表明物流业对各产业消耗占最大比重的为第二产业，但第三产业对物流业的投入同样发挥着不小的作用。由于物流业和批发零售业都同属于第三产业，本文因此将物流业对批发零售业的中间投入与第三产业中其他主要部门进行对比。

表1 2002、2007和2012年中国31个省市物流业的中间投入率

表2 2012年中国各大区域物流业对第三产业主要部门的中间投入率

根据表2可以看出物流业对第三产业中主要部门的中间投入率较高，整体来看大于0.01，可以看作物流业高直接消耗部门。其中，物流业对本部门的中间投入率最高，除此之外，批发零售业、租赁和商务服务以及科学研究和技术服务占较高比重，远远高于物流业对其他几个部门的比重。从中可以得出物流业对批发零售业的发展有一定的带动作用，这种带动作用之于批发零售业要强于第三产业中的其他部门。按地区来看，物流业对于批发零售业的带动力最强的地区是华南地区，其次为华东地区和西南地区，带动力最弱的地区为华北地区。其中，华南和华东地区位于东部沿海经济与物流发达地区，商贸业发展繁荣，因而物流业与批发零售业联系密切。西南地区由于交通运输不便，物流业发展较缓，物流业对于批发零售业的消耗大。华北地区则因为地区发展的不平衡使得物流业对于批发零售业的中间投入整体较低，其中，山西省的该值远低于平均水平。根据各地区物流业对各部门的中间投入率来看，华北、华东和华中地区物流业对住宿和餐饮、房地产行业的带动力较弱，需加强与这两个部门的联系。同时，华北地区还应关注物流业与信息传输、软件和信息技术服务行业的联系，华南地区则是与房地产业的经济联系。

3.1.2 中间需求率。为了更加清晰直观地探析物流业与批发零售业的协同发展水平，本文将中国31个省市按地区划分为七大区域来分析物流业中间需求率的区域特征，数据详情见表3。中国物流业中间需求率在2002、2007和2012这三年中最低值为2012年华北地区的54.4％，最高值为2012年华东地区的92.2％。总体来看中国各地区的物流业中间需求率均超过50％，大部分地区超过65％，这说明中国物流业作为中间基础性产业的性质强，物流业主要以提供中间产品来服务于其他各个行业。此外，从2002年到2012年，东北地区与华南地区物流业中间需求率呈上升趋势，物流业作为中间服务业的性质愈加明显。华中地区和西南地区物流业中间需求率呈下降趋势，物流业作为中间产品的比例在下降，这说明该地区物流业用作消费资料的比例略有上升。其他3个地区的物流业中间需求率呈波动不稳定性。

从批发零售业对物流业的中间需求率来看，物流业用于批发零售业的中间使用比例高，大部分皆大于3％，最高甚至达8.3％，这反映了批发零售业对于物流业的发展有着举足轻重的作用。从2002年到2012年，除了华北地区批发零售业对物流业的中间需求率呈下降趋势外，其他各大区域的中间需求率都呈上升或者波动上升状态，这表明这些地区批发零售业对于物流业的中间需求量仍将不断扩大。

3.2 物流业与批发零售业感应度系数和影响力系数分析

影响力系数大于1时，说明该部门对社会生产的影响程度大于社会平均水平。影响力系数小于1时，说明该部门对社会生产的影响程度小于社会平均水平。影响力系数等于1时，说明该部门对社会生产的影响程度与社会平均水平相同。同样，感应度系数也与此类似，某个部门的感应度系数越高，说明该部门受其他各个部门最终需求的影响就越大。

表3 2002、2007和2012年中国七大区域物流业的中间需求率和批发零售业对物流业的中间需求率

本文利用2012年各省市的投入产出表数据分析物流业和批发零售业的影响力系数和感应度系数及其对彼此的分解系数，结果见表4、表5。从表中可以看出：

（1）物流业对其他各部门生产的影响程度小于社会平均水平，只有天津、内蒙古、上海、新疆、湖北、海南、西藏这几个省市的物流业影响力高于社会平均水平。物流业对其他各部门的感应程度很高，只有四川省感应度低于社会平均水平，黑龙江、上海、福建、江西、新疆、贵州这几个省市的感应系数甚至超过2。

（2）批发零售业对社会生产的影响程度小于社会平均水平，31个省市中只有西藏地区的影响力系数大于1。批发零售业对其他各部门的感应度高，除了河北、内蒙古、山东、西藏、陕西、青海这几个省市的感应度低于社会平均水平外，其他各个地区的感应度系数皆大于1，新疆、河南、湖南这三个地区的系数超过了2。

（3）物流业影响力系数大于批发零售业影响力系数，物流业感应度系数也大于批发零售业感应度系数。这表明物流业与其他部门的关联度要强于批发零售业与其他部门的关联度。鉴于物流业与批发零售业都展现出低影响力、高感应度，因而他们都属于弱辐射力、强制约性的行业。其中，物流业的高感应度更是显示了其强大的支撑作用。

（4）从批发零售业对物流业的影响力系数和感应度系数对比可知，各地区批发零售业对物流业的影响力系数大于其来自物流业的感应度系数，也就是说批发零售业对物流业的推动作用大于物流业对批发零售业的拉动作用。从表4还可以看出福建和黑龙江这两个省的物流业感应度系数在各省市中排名前列，但是其来自批发零售业的感应度系数却远低于其他各省市。这样鲜明的对比正是说明了这两个省物流业对批发零售业拉动力的严重不足。

表4 2012年各地区物流业影响力系数和感应度系数及其对批发零售业的分解

表5 2012年各地区批发零售业影响力系数和感应度系数及其对物流业的分解

4 基于向量自回归（VAR）模型的两业关系动态分析

4.1 VAR模型指标选取

本文选取代表价值创造能力的物流业增加值和批发零售业增加值分别作为衡量物流业和批发零售业发展水平的指标，分别记为AVL和AVW。选取中国1978-2015年共38年的相关指标数据进行分析，数据来源于《中国统计年鉴2016》。

4.2 时间序列平稳性检验

运用Eviews 8对各时间序列进行ADF检验，结果见表6。AVL和AVW两个变量的时间序列均呈现出不稳定性。在对数据进行一阶差分后，时间序列依然不平稳。在进行二阶差分后，各个变量均满足在5％显著水平下平稳。也就是说这两个序列为二阶单整序列，可以建立VAR模型。

表6 指标变量ADF检验结果

4.3 VAR模型的建立和平稳性检验

运用Eviews中关于VAR模型的滞后期数信息准则进行检测，确定最优滞后阶数为2。进一步进行VAR模型参数估计。结果见表7。

表7 VAR模型参数估计结果

由此可以建立模型的向量矩阵形式：

为确保VAR模型的稳定性使得分析结果有效，对VAR模型进行AR根图检验，发现所有特征根均位于单位圆内，表明VAR模型稳定。如图1所示。

图1 VAR模型AR根图检验结果

4.4 脉冲响应分析

由于所建立的VAR模型具有稳定性，因此可以进而进行脉冲响应分析。如图2所示，在当期给物流业增加值正负两个标准差的信息冲击，批发零售业增加值当即产生较强反应，对这一冲击产生的反应为700，然后一直持续下降到第三期达到最低值，再次上升。经过较长一段时期的波动升降后，从第七期开始渐趋于0。这表明二者的经济联系较为密切，两个行业的产值增长息息相关。

从图3可以看到在当期给批发零售业增加值一个冲击，物流业增加值在当期没有产生反应，在下降一期后转而上升若干期后下降，之后逐渐趋向于0，持续时间较长。可以看到物流业对于来自批发零售业的冲击反应是具有滞后性的，而且整个反应的程度都是比较微弱的。

从总的脉冲响应分析图来看，批发零售业对于来自物流业的冲击反应较为强烈，而物流业对于来自批发零售业的冲击反应较小。可以说物流业对于批发零售业的拉动力要强于批发零售业对于物流业的拉动力。

4.5 方差分解分析

方差分解分析是通过分析一个结构冲击对系统中物流业和批发零售业增加值的变化的贡献程度，可以帮助深入探究物流业与批发零售业在受到不同结构冲击下各自的贡献度。从表8和表9的结果可知，两业在发展过程中，对自身行业发展的贡献度均呈下降趋势。物流业在发展过程中，其对自身的贡献率占据极高比重，稳定在99％，批发零售业对于它的贡献度只占极小比重。而相反，在批发零售业的发展过程中，物流业占据绝大部分贡献率，从第一期开始就有52.6％，之后几期还呈现持续上升趋势，到第十期已达65％。可见，物流业对于批发零售业的贡献度是要远高于批发零售业对于物流业的贡献度的。

图2 DAVW对DAVL的脉冲响应

图3 DAVL对DAVW的脉冲响应

表8 物流业的方差分解结果

5 结论与政策建议

基于上述对中国31个省区物流业与批发零售业中间投入率、中间需求率、影响力系数和感应度系数以及两业VAR模型的脉冲响应和方差分解分析，本文得出了以下结论：

（1）研究表明中国从2002年到2012年物流业的中间投入率呈增长趋势，中国物流业在给其他各部门带来拉动力的同时却也呈现低附加值的特点。

（2）第三产业中批发零售业是物流业的高直接消耗部门。中国不同区域两业的协同发展体现出不同的特点，物流业对于批发零售业的带动力最强的地区是华南地区，最弱为华北地区。

（3）批发零售业对物流业的推动作用大于物流业对批发零售业的拉动作用，物流业对批发零售业的推动作用也大于批发零售业对物流业的拉动作用。两业都存在对对方明显的拉动力不足问题。

（4）批发零售业对于来自物流业的冲击反应较为强烈，而物流业对于来自批发零售业的冲击反应较小且具有一定滞后性。在双方拉动力都不够足的情况下，物流业对于批发零售业的拉动力要稍强。

（5）物流业的发展在极大程度上来自于行业本身的贡献度，物流业对于批发零售业的贡献度要高于批发零售业对于物流业发展的贡献度。

针对上述结论，本文相应地提出如下建议：

（1）加快物流业的转型升级，加大力度进行物流业的技术革新，进一步提升物流业的附加价值。政府相关部门以及各企业有必要加大对物流先进设施设备的投入。

（2）按照区域特征有针对性地对待物流业与批发零售业的两业联动。全国各省市应该充分调查分析本地区各产业发展情况，对于管辖区域内物流业和批发零售业的两业联动能够做到重点问题重点突破。根据上文各地区物流业对第三产业不同部门的中间投入率来看，华北地区应该加强物流业与第三产业其他各部门的联系，尤其是信息传输、软件和信息技术服务以及房地产行业，华北地区相对于其他地区物流业与第三产业其他行业的互动力较弱。华东和华南地区在两业联动水平相对较高的情况下就要考虑如何高效地利用彼此的带动力来实现质的飞跃。

表9 批发零售业的方差分解结果

（3）鉴于物流业的中间基础性产业性质且各地区批发零售业对于物流业的中间需求在不断扩大，物流业成本费用的降低刻不容缓。企业内部的物流管理活动应该避免衔接不当、资源浪费等现象，企业经营者可以聘请专门的物流管理人才来科学管理企业内部物流活动。此外，重视第三方物流企业的成长也是降低物流费用的一大举措，各种专业化、科学化物流公司的兴起可以极大降低物流外包企业的物流成本费用率。各区域物流园区的建设也可以很好地促进物流专业化。

（4）由于物流业对于来自批发零售业的冲击具有滞后性，政府部门应该鼓励物流业经营人员加大对批发零售产业方面的投资，优化整个物流运作流程，改变被动为批发零售业服务的状态，转而通过物流业自身的优化升级为批发零售业带来新的商机，创造新的价值。

[1]黄福华,谷汉文.中国现代制造业与物流业协同发展对策探讨[J].中国流通经济,2009,(8):17-20.

[2]张快娟.制造业与物流业协调发展的计量分析[D].杭州:浙江工商大学,2011.

[3]梁红艳,王健.物流业与制造业的产业关联研究—基于投入产出表的比较分析[J].福建师范大学学报(哲学社会科学版),2013,(2):70-78.

[4]周路.制造业与物流业协同发展研究—以成都经济区为例[J].物流工程与管理,2015,(11):35-37.

[5]马骏.我国电子商务与物流协同发展探析[J].物流技术,2014,(9):6-7.

[6]武淑萍,于宝琴.电子商务与快递物流协同发展路径研究[J].管理评论,2016,(7):93-101.

[7]徐稳.基于协同理论的零售商贸物流发展模式研究[D].广州:华南理工大学,2011.

[8]冯真.江苏省物流产业集聚与批发零售业互动研究[D].南京:南京财经大学,2013.

[9]熊维.协同理论视角下零售商贸物流发展模式探析[J].商业经济研究,2015,(24):39-40.

Study on Collaborative Development of Logsitics Industry and Wholesaling/retailing Industry in China

Chen Ximin
(School of Economics&Management,Fuzhou University,Fuzhou 350108,China)

In this paper,we analyzed the collaborative level of the logistics industry and wholesaling/retailing industry of 31 provinces and cities of China for the years of 2002,2007 and 2012,finding that the intermediate demand of the logistics industry in China was constantly expanding,the pushing effect of the wholesaling/retailing industry toward the logistics industry was larger than the pulling effect of the logistics industry toward the wholesaling/retailing industry,and the two industries were less than collaborated.Then using the time series of the period from 1978 to 2015,we built the corresponding VAR model,and used the pulse response and variance decomposition to analyze the dynamic relationship between the two to find that the contribution of the logistics industry to the wholesaling/retailing industry was larger than the other way around.At the end,we proposed a series of suggestions to promote the collaborative development of the two.

logistics industry;wholesaling/retailingindustry;input/output;collaborative development;VAR model

F252;F224.0

A

1005-152X(2017)07-0042-07

10.3969/j.issn.1005-152X.2017.07.011

2017-05-18

福建省国家级大学生创新创业训练计划项目（201610386022）

陈茜敏（1994-），女，福建泉州人，福州大学经济与管理学院学生，研究方向：物流管理。