物流业集聚对区域经济收敛的影响

鄢 飞, 朱 琳, 王铁山

(西安工程大学 管理学院， 陕西 西安710600)

物流业集聚是指以物流企业为主体的、同时具备竞争和合作关系的物流企业、供应商和相关机构集中在特定区域内并且保持持续竞争优势的现象[1]。经济增长收敛是指由于落后地区的经济比发达地区倾向于更快的增长，从而导致区域经济差异缩小[2]。缩小地区间的发展差距，实现经济增长收敛是促进经济持续发展的关键[3]。产业集聚会导致两个结果，一方面，产业集聚会降低企业间交易成本加快资金流动[4]，导致本地区企业规模化和集约化，促进本地区经济增长，拉大与其他地区的经济差距；另一方面，产业集聚产生区域溢出效应可以通过知识溢出效应、技术溢出效应、投入产出联系[5]以及外部规模经济效应[6]，促进其他区域的经济增长，进而缩小区域间经济差距[7-8]。目前中国物流业集聚特征已经比较明显[1]，其对经济增长收敛的影响值得深入研究。

目前相关研究存在两方面争议，第一是现阶段中国经济是否处于收敛状态；第二是产业集聚与经济收敛之间是否存在着关系。就现阶段中国经济是否处于收敛状态，一部分研究认为，中国经济增长具有收敛趋势。如文献[9]认为，随着中国经济发展步入“新常态”，一些落后地区经济增长开始大力发展，地区间的发展差距减小，中国经济发展朝着“收敛”的方向推进。文献[10]认为改革开放40年来，中国地区呈现明显的经济增长收敛现象。文献[11]检验西北地区人均生产总值的β收敛情况，发现2007年以来地市级层面上的经济差异正在逐渐变小。另一部分研究认为，中国经济增长不具有收敛趋势。如文献[12]认为，在考虑空间因素时，中国区域经济增长呈现出全域性发散现象。文献[13]采用变异系数和β收敛模型探讨省际经济收敛性，认为中国省际之间经济存在先收敛、后发散、再到收敛散状况不明显3个阶段。

在产业集聚与经济收敛关系的研究中，一部分研究认为，产业集聚能促进经济收敛。如文献[8]发现产业集聚水平在一定范围内可以有效地促进经济收敛并缩短收敛的时间。随着物流业集聚[14]、流通产业集聚[9]、旅游产业集聚[15]水平提升，区域收入差距不断缩小。另一部分研究认为产业集聚不利于区域经济收敛。如文献[16]认为，改革开放40年以来，中国整体上发生了产业在空间上的转移与集聚，地区差距扩大与产业集聚有密切关系，集聚推动了地区经济差距不断扩大。

目前关于产业集聚测算的方法有区位熵方法、空间基尼系数方法、集中系数方法、赫芬达尔指数方法等[17]。由于区位熵法是依据行政区来测量，数据相对容易获得，计算操作简单，适合物流业的特点[18]，因此，为了分析中国物流业的集聚对经济收敛产生影响，首先，使用区位熵指数测算中国区域物流业集聚度；其次，利用σ收敛模型和新古典经济增长模型的β收敛模型判断中国区域经济增长是否存在收敛现象；最后，采用条件收敛模型判断中国物流业集聚对经济收敛产生的影响。

1 研究方法及指标选取

1.1 研究方法

1.1.1 区位熵法

区位熵法[19]是指生产的地区专门化率，被用来度量某一产业在某一地区的集聚水平和专业化程度。物流业的区位熵，是指各个地区的物流业从业人员占该地区的所有从业人员总数的比例与全国物流业就业人口数占全国就业人口数的百分比的比值[20]，i(i=1,2,…,n)地区的物流产业的区位熵为

(1)

其中：L表示物流产业，本文的物流产业包括交通运输、仓储和邮政业[17,20]；eiL表示i地区物流产业的就业人数；ei表示i地区所有产业的就业人数；EL表示全国范围内物流产业的就业人数；E表示全国所有产业的就业人数。

1.1.2σ收敛模型

σ收敛模型采用人均收入对数的标准差衡量区域经济增长是否平衡，判断经济是否呈收敛状态[21]。第t(t=1,2……m)年的σ收敛模型[22]计算公式为

(2)

1.1.3 新古典经济增长模型

新古典经济增长理论[23]提出的β收敛理论，是指各经济体会达到其各自的稳定状态。该稳定状态会受物质资本、人力资本、人口增长率以及生产效率差异的影响。β收敛可分为绝对β收敛和条件β收敛。

1)绝对β收敛

绝对β收敛表示随着时间推移，从期初经济体之间经济发展水平不同的到期末时经济体发展达到同一经济水平，即落后的经济体赶上发达地区的趋势[21]。绝对收敛模型回归方程[24]表达式为

(3)

其中：T表示观察时间长度，本文考察1年期(T取1)的人均GDP增长情况；yi,t+T表示i地区第t+T年的人均GDP；yi,t表示i地区第t年的人均GDP；a为常数项；b为地区经济增长率对地区初始经济水平的弹性；εit表示i地区第t年随机项。当b<0时，证明存在绝对β收敛。

2)条件β收敛

绝对β收敛只考虑了经济收敛速度与初始人均GDP的关系，并没有考虑其他因素对收敛速度的影响。条件β收敛将影响区域经济增长的变量加入初始条件，表明虽然不同地区的经济增长速度不会达到同一水平，但会趋于不同水平的稳态[25]。条件收敛表明了b系数由人均GDP和其他影响因素共同体决定的。考查物流产业集聚的β收敛模型回归方程[26]表达式为

(4)

1.2 数据指标的选取及数据来源

根据《国民经济行业分类》国家标准，将交通运输、仓储及邮政业的统计数据视同为物流业的行业统计数据[17,20]，变量及其含义具体如表1所示。

表1 变量及其含义

QiL越大，表明产业集聚度越高，专业化水平越具有优势；QiL越小，产业分布则越分散，专业化水平较弱。若QiL小于1，认为该地区物流业专业化程度弱，缺乏集聚；若QiL大于等于1，且小于1.25，表示该地区物流业集聚水平一般、规模较大和专业化程度较强；若QiL大于等于1.25，说明该地区物流业高度集聚，有明显的比较优势[27]。

以中国31个省(自治区、直辖市)为研究对象，选取《中国统计年鉴》(2007-2018)、《中经网统计数据库》及中国31个省(自治区、直辖市)统计年鉴中的2006-2017年的就业人数、GDP指数和人均GDP等相关数据。

为保证各个年度及各个区域之间价格可比性，本文的国内生产总值及人均国内总值都是以2006年为基期，用GDP指数对原始数据进行处理[30]，来消除通货膨胀带来物价水平变化的影响，得到实际GDP与人均GDP数据进行上述收敛模型的计算。

2 物流业集聚对区域经济收敛的影响实证分析

2.1 集聚度计算及空间分布

根据式(1)依次分别计算2006-2017年的QiL值，即得到中国31个省(自治区、直辖市)2006-2017年物流业的区位熵值，结果如表2所示。

根据表2，在2006-2017年间，中国物流业集聚水平有明显的差别，少数地区有较高的物流集聚度，有较强的专业化优势，而多数地区物流业缺乏集聚，专业化程度较弱。另外，一些地区物流业区位熵有较大的波动。有一些地区的物流业区位熵值基本上都小于1，说明没有专业化优势，如云南省、河北省、西藏自治区、江苏省、福建省、山东省、安徽省、江西省、湖南省、广西壮族自治区、浙江省、河南省、四川省、甘肃省和贵州省。一些省(自治区、直辖市)物流业区位熵值波动在1左右，即在专业化程度较弱到具有专业化优势附近之间浮动，如湖北省和海南省。有些省(自治区、直辖市)的物流区位熵逐渐小于1，即专业化优势逐渐消失，如吉林省和宁夏回族自治区。还有一些省(自治区、直辖市)的区位熵始终大于1，即有北京市、天津市、内蒙古自治区、重庆市、上海市、山西省、黑龙江省、广东省、陕西省、辽宁省、青海省和新疆维吾尔自治区。其中，北京市、天津市、内蒙古自治区、辽宁省、上海市、青海省和新疆维吾尔自治区的物流业区位熵大于1.25，说明这些省(自治区、直辖市)的物流业高度集聚，有明显的比较优势。

在2006-2017年间，物流业集聚水平总体而言，我国东部地区和中部地区明显高于西部地区；从南北方向看，物流业主要向南方集聚。从表2中排名变化趋势来看，在2006年，物流业集聚水平前5名分别是：北京市、上海市、天津市、辽宁省和黑龙江省，主要集中在东北部；排名在后5名有安徽省、贵州省、四川省、山东省和云南省，主要集中在西南部。经过10年的发展，到2017年，中国各省市物流业集聚度排名在前5名是北京市、上海市、天津市、重庆市和辽宁省，排名在后5名是：西藏自治区、安徽省、河北省、云南省和贵州省。同样主要在西南部，体现了受资源优势影响的强者愈强，弱者愈弱的“马太效应”。在这10年的发展中，北京市、上海市、天津市和辽宁省仍保持领先的专业化优势，上海市物流业集聚程度仅次于北京市，而安徽省、云南省和贵州省仍在后5名之中。这几个省需要加大对物流业集聚水平的发展。贵州省物流业缺乏资金投入，物流业基础设施落后，信息化智能化程度低，工作效率低，与经济发展不相适应。安徽省地处中部，经济较为落后，物流业发展较缓慢，缺乏集约化，基础设施及信息技术水平还比较落后，缺乏增值服务，这限制了发展当地经济。云南省物流业成本高，基础设施建设滞后，企业服务能力不强，专业人才匮乏，信息化水平欠佳，造成云南省物流业水平落后，集聚水平较差，专业化程度差。

表2 中国31个省(自治区、直辖市)物流业区位熵值

注：排名变化是指2006年和2017年各省(自治区、直辖市)的物流集聚水平从高到底排序，前后两年排名的变化情况。→表示2006年物流业区位熵的排序和2017年的排序一样，保持不变；↓表示2017年本地区的物流业集聚发展程度排序对比2006年本地区的物流业集聚发展程度有所下降；↑表示有所提高。

2.2 物流业集聚对区域经济收敛的影响

2.2.1σ收敛

运用σ收敛模型，粗略检验2006-2017年中国31个省(自治区、直辖市)经济是否呈增长收敛情况，利用式(2)收敛模型计算得到2006-2017年中国31个省(自治区、直辖市)σ收敛指数，结果如表3所示。

表3 2006-2017年中国31个省(自治区、直辖市)的σ收敛指数

为了更好地观察中国31个省(自治区、直辖市)2006-2017年σ收敛指数的变化情况，把得到的σ指数反映到折线图上，如图1所示。

图1 中国31个省(自治区、直辖市)2006-2017年σ收敛指数

可以看出，2006-2017年中国31个省市σ收敛指数逐年在下降，呈现出σ收敛状态。尽管近几年国际环境发生了重大变化，2014年中国经济进入“新常态”阶段，经济增速开始放缓，但是，中国在不断注重调整优化经济结构，找到了合适的经济发展节奏，直到2017年中国经济发展差距仍在不断缩小。

2.2.2 绝对β收敛

由于σ收敛测算比较简单，只采用了单一指标来衡量，仅能判断经济收敛的趋势，并不能很好地解释收敛的具体原因，所以，为了进一步验证经济的收敛情况，即人均GDP最终会达到相同的水平，依据式(3)绝对β收敛模型，以2006-2017年间中国31个省(自治区、直辖市)的实际人均GDP为解释变量，运用Stata12.0进行回归拟合分析。

使用霍斯曼检验拒绝存在随机效应的假设，确定为固定效应模型。采用可决系数R2来判断模型的解释力。R2表示模型的拟合程度，R2越接近1，模型的拟合优度越高。本文方法的R2值为0.718，表明模型的解释力较强。使用F值来判断整个模型的变量对被解释变量的解释程度，F值是方差分析的一个指标，F值越大表示结果越可靠。本文方法的F值为786.089且在1%水平上显著，表明本文方法具有一定的可靠性。为了防止过度拟合，本文采用赤池信息准则(Akaike information criterion, AIC)和贝叶斯信息准则(Bayesian information criterion, BIC)作为在模型复杂度和对数据描述能力之间的最优平衡的选择准则。AIC和BIC越小表示模型越好。本文模型的赤池信息准则AIC和贝叶斯信息准则BIC分别为-3 514.874和-3 507.210，表明模型拟合较好。2006-2017年中国31个省(自治区、直辖市)的绝对β收敛拟合的结果如表4所示。

表4 2006-2017年中国31个省(自治区、直辖市)的绝对β收敛拟合结果

注:***表示估计结果在1%水平上显著，**表示估计结果在5%水平上显著，*表示估计结果在10%水平上显著。()内数字表示t统计量值。

从表4绝对β收敛计算的结果可以看出，在2006-2017年整个拟合期间内，b值为负，且在1%显著水平下通过检验，进一步表明中国31个省(自治区、直辖市)的经济发展在2006-2017年间呈现出绝对β收敛。说明中国31个省(自治区、直辖市)不管初始经济水平高低，随着不断的发展，人均GDP会达到相同的水平，经济逐渐收敛。

2.2.3 条件β收敛

依据式(4)的条件β收敛方程，以各地区的实际人均GDP、物流业区位熵 、实际人均GDP为自变量，以2006-2017年中第t+1年实际人均GDP增长率的对数为因变量的面板数据，利用Stata12.0进行分析运算。

由于面板数据中有31个省市(n=31)，时间T=11，且n>T，为短面板数据，所以不再对数据进行面板自相关检验。首先，运用Wald检验来判断适合固定效应还是混合效应模型，得到结果F值(联合假设检验)为13.96，P值为0，即认为存在个体效应，不应使用混合回归。其次，通过拉格朗日乘数(Lagrange multiplier, LM)检验来确定选择随机效应还是混合效应模型，判断结果为应该选择随机效应。最后，利用霍斯曼检验判断选择固定效应模型还是随机效应模型，结果P值为0.000，确定应该选择固定效应模型。

选用固定效应模型考虑时间了因素，有必要对年度进行检验，发现应该在模型中考虑时间效应，因此以年份为控制变量，对各指标条件β收敛模型进行拟合，其结果如表5所示。

表5 2006-2017年条件β收敛模型的拟合结果

注:***代表估计结果在1%水平上显著，**代表估计结果在5%水平上显著，*代表估计结果在10%水平上显著。()内数字表示t统计量值。

条件β收敛模型的可决系数R2为0.856，表明模型拟合良好。F值为96.604且在1%水平上显著，表明模型具有一定的可靠性。赤池信息准则AIC和贝叶斯信息准则BIC分别为-3 439.526和-3 394.649，表明模型整体拟合较好。

在2006-2017年这段时间区间内，b值为负，且在1%显著水平下通过了检验，说明中国31个省(自治区、直辖市)在物流业集聚因素的影响下，经济增长呈现β条件收敛状态。QiL值为正，且在5%显著性水平下通过检验，说明在2007-2017年这段时间内，物流业集聚对区域经济收敛具有促进作用。并且，物流业集聚水平每提高1，人均GDP增长率增加0.2%。

3 结语

选取2006-2017年中国31个省(自治区、直辖市)的相关数据，运用区位熵模型对中国31个地区的物流业集聚水平进行测算，利用σ收敛、绝对β收敛模型判断中国区域经济的收敛状况，采用加入物流业区位熵的条件β收敛模型分析物流业集聚对中国经济收敛的影响。结果发现，目前中国只有少数地区物流业集聚水平较高，已经具备了较高的专业化竞争优势，而大部分地区物流业集聚水平还较低，专业化程度较弱，不能满足经济发展的需要。中国31个地区存在经济收敛现象，并且在分析时间范围内，中国31个地区物流业集聚对经济收敛起到了正向促进作用。提高物流业的集聚程度，可以缩小地区间经济差距，实现中国各地区经济均衡发展。

要实现中国地区经济均衡发展，需要进一步提高各地区物流业的集聚水平，提出如下建议。

第一，物流集聚水平低的地方，如贵州省、西藏自治区，要加快完善基础设施建设，政府要把物流工作的重点放在物流基础设施投资，技术研发水平等关键方面。以成熟优秀的物流企业为核心建立物流集聚区、物流中心，在物流集聚区内的物流公司互相合作学习，共同进步，不断提高当地物流业的整体水平。

第二，各地区应首先认识到各自的不足和优势，根据当地经济的需求、地缘特点和资源特色的迥异，充分利用各自的优势，找到适合本地区物流业发展的模式，以提高物流业专业化水平。如甘肃省可以加强内陆港、公路及铁路的综合运输建设，建立物流园区，实现物流业规模化、规范化，提高物流水平及服务质量。

第三，物流业集聚程度高的地区要为物流业落后地区提供支持和帮助。通过加强与周边地区的合作，提升区域物流一体化水平，进一步促进物流业发展，提升区域竞争力。物流业发展水平高的地区要以开放的心态与物流集聚水平落后的地区进行合作共进，实现资源有效整合。比如北京市、上海市等地区，可以加强与周边地区的帮扶合作，带动河北省、浙江省等地区的物流发展。