闽南地区物流发展与经济增长互动研究

杨月锋,赖永波

一、文献综述

作为国内十大振兴产业之一，物流业的发展对于促进国民经济增长和产业结构调整具有重要意义。随着中央“一带一路”倡议的提出和实施，福建省物流业迎来前所未有的发展机遇。闽南地区(含厦门、漳州、泉州三市)作为福建乃至中国东部地区最具活力的经济区域之一，是福建重要的工业产业集群聚集地，其2017年的地区生产总值达到15428亿元，占全省生产总值的48%；同时，闽南地区是海峡西岸经济区和福建建设海上丝绸之路的核心区，物流发展极具优势。2017年闽南地区货运量为68363万吨，占全省货运总量的52%。地理位置与政府政策的双重优势为闽南地区经济增长和物流发展营造了良好氛围和契机，在此背景下，探讨物流业发展与经济繁荣之间的互动关系有助于促进二者的协调发展。

在已有对物流发展和经济增长关系的研究中，常见的结论有三种：一是存在长期均衡关系，但不存在因果关系。如王恒(2015)[1]运用向量自回归模型、Granger因果检验和脉冲响应分析探讨了我国物流业发展与经济增长的关系，发现二者间存在长期的、正向的均衡关系，但Granger因果关系不明显；二是仅存在单向影响关系，即单方面呈现促进关系，反之则不成立。如汤宇曦(2019)[2]运用协整分析和Granger因果关系检验，发现珠三角各城市圈的物流能力与经济增长之间保持着长期稳定的均衡关系，且物流能力提升对促进经济增长有单向因果关系；韩瑞芳(2017)[3]以科布—道格拉斯生产函数为模型，对北京市物流业与经济的增长关系进行计量分析，得出北京市经济增长与物流行业发展关系紧密，且物流行业中的交通运输、仓储、邮政业产值对北京市经济增长影响较大；赵晓敏和佟洁(2019)[4]通过建立VAR模型，运用Granger因果检验、脉冲响应函数和方差分解等方法分析了中国物流业与经济发展的关系，认为经济发展水平是物流业的单向Granger原因；三是存在双向互动关系，即二者间是相互促进、共生共荣的关系，如Peter J.和Catherine L.(2018)[5]利用数据集，通过控制变化因素，减少空间方面的错误性，论证了区域物流与区域经济发展之间存在协同增长的关系；Sultan K.和Emrah O.(2014)[6]分别运用相关指标分析了印度尼西亚和土耳其物流业和地区经济发展之间的协同关系，证实两者间存在Granger因果关系。就闽南地区的情况来看，闽南地区经济发展态势良好，整体结构已由“闽南金三角”过渡为“大都市区”阶段，组团式发展使得经济一体化大有可为；与此同时，闽南地区物流业发展规模也在日益扩大，目前已在物流基础设施建设上形成互惠共生模式，铁海联运、港口物流、农产品冷链物流等特色明显。本文对闽南地区物流发展与经济增长的关系进行探析，以便能更好地了解和认识该地区物流业发展现状以及物流与经济之间是否存在某种程度的影响和促进关系，为实现闽南地区物流业和经济发展的良性互动提供借鉴。

二、相关指标及数据来源

“物流发展”与“经济增长”一般表现为总量的持续增加[7]，因此，本文将从总量的角度来考察二者的发展变化。经济增长的衡量指标通常采用地区生产总值(Y，以下简称GDP)，物流发展则主要从物流规模和物流运力两个方面来描述[8]，选取交通运输、仓储和邮政业增加值(X1，以下简称增加值)以及货物周转量(X2，以下简称周转量)两个指标。本文考察的时间范围是1998—2017年，共20年的时序数据。

上述指标对应的数据来源于《福建统计年鉴2018年》以及厦门、漳州、泉州各市统计年鉴资料。考虑到GDP与增加值指标数据会受通货膨胀因素的影响，因此将这两个指标的原始数据采用定基修正法进行平减处理；同时为消除异方差问题，对平减后的数据进行对数化处理，从而得到LNY、LNX1和LNX2。从图1可以看出，三个时间序列的趋势大体一致，呈现稳定增长态势。

三、VAR模型建立与协整检验

(一)序列平稳性检验

时间序列数据平稳与否会对分析结果造成较大影响，如果数据不平稳则会出现伪回归现象，那么所建立的模型将没有现实意义。一般采用ADF单位根检验的方法对序列数据进行平稳性检验[9]。

ADF检验法假定数据序列存在单位根。由表1可知，LNY、LNX1、LNX2三个序列的检验值均大于一般置信水平(5%)下的数值，故接受原假设，存在单位根，可以认为序列是不平稳的。将其进行一次差分后得到序列DLNY、DLNX1、DLNX2，对差分后的序列再进行ADF检验。结果表明，差分后的序列都具备了平稳性。因此，LNY、LNX1、LNX2均为一阶单整序列，记为I(1)。

表1 ADF单位根检验

变量ADF值检验形式(C,T,K)5%临界值是否平稳LNY-0.3927(0,0,0)-1.9614不平稳DLNY-4.0221(C,T,1)-3.7332平稳LNX1-0.0932(0,0,0)-3.0299不平稳DLNX1-4.9087(C,T,0)-3.6908平稳LNX2-1.0648(0,0,0)-2.2194不平稳DLNX2-3.9397(C,T,0)-3.6908平稳

(二)VAR模型建立

在利用Johansen对序列进行协整检验之前，需要先确定VAR模型的结构。模型建立的关键之一是选择适合的滞后期。本文将依据信息量最小原则来确定滞后阶数。VAR模型的滞后期检验结果如表2，AIC和SC均在第1期达到最小。由于第1期所含有的最小值数目最多，故最佳期数为1，即该模型可表示为VAR(1)。

表2 VAR模型最优阶数选择

LagLogLLRFPEAICSCHQ038.6383—3.03e-06-4.1927-4.0457-4.17811113.2312114.0833∗1.39e-09∗-11.9096∗-11.3214∗-11.8511∗2122.013210.33181.62e-09-11.8839-10.8546-11.78163126.47263.67253.98e-09-11.3497-9.8793-11.2036

注：*为各信息量取值最小所在期数

表3是建立VAR(1)模型的参数估计结果。其中，三个回归函数的可决系数分别为0.9997、0.9950和0.9935，均高度接近于1，说明三个回归函数的拟合效果良好。进一步通过AR特征根检验(如图2)可知，特征根都在单位圆内，表明该模型具有良好的稳定性。

表3 VAR(1)模型的参数估计

LNYLNX1LNX2LNY(-1)1.28200.91440.6207LNX1(-1)-0.18280.0303-0.1395LNX2(-1)-0.1294-0.05700.5547C-0.2971-1.5902-1.1844可决系数0.99970.99500.9935

图2 AR特征根检验图

VAR(1)模型的具体表达式如下：

LNY=1.2820LNY(-1)-0.1828LNX1(-1)-0.1294LNX2(-1)-0.2971

LNX1=0.9144LNY(-1)+0.0303LNX1(-1)-0.0570LNX2(-1)-1.5902

LNX2=0.6207LNY(-1)-0.1395LNX1(-1)+0.5547LNX2(-1)-1.1844

(三)Johansen协整检验

为观察变量间是否存在长期均衡关系，需进一步对其做协整检验。已知序列LNY、LNX1、LNX2满足一阶平稳，符合Johansen协整检验的条件[10]，其检验结果见表4。当假设LNY、LNX1、LNX2之间不存在关系、最多存在1个关系以及最多存在2个关系时，均拒绝原假设；当假设变量LNY、LNX1、LNX2之间最多存在3个关系时，接受原假设。因此，可以认为增加值、周转量与GDP之间存在三个协整关系。

表4 Johansen协整检验结果

原假设特征值迹检验统计量5%置信值P值None∗0.622240.306429.79710.0022At most 1∗0.507322.786715.49470.0033At most 2∗0.427710.04583.84150.0015At most 30.17583.67843.94210.0522

注：*表示5%显著性水平下拒绝原假设

(四)Granger因果关系检验

协整检验表明了物流发展和经济增长之间存在长期均衡关系，为更进一步识别二者间是“谁引起谁变化”，即是物流发展的变动引起经济增长的变动，亦或反之，需进行Granger因果关系检验。该检验通常能分析出被解释变量与其他变量的先后顺序关系，即被解释变量的当期信息是否受到其他变量前期信息的影响[4]。因此，对LNY、LNX1、LNX2做Granger检验，以明确增加值、周转量和GDP之间是否存在一定的Granger因果关系。

运用EViews10.0软件，得到Granger检验结果，见表5。可知，变量LNY、LNX1、LNX2间存在3个Granger因果关系，即GDP是增加值和周转量的Granger原因，周转量是GDP的Granger原因。

表5 Granger因果关系检验

原假设F值P值结论LNX1 does not Granger Cause LNY2.81620.1127接受LNY does not Granger Cause LNX113.02990.0024拒绝LNX2 does not Granger Cause LNY11.61170.0036拒绝LNY does not Granger Cause LNX27.61690.0139拒绝 LNX2 does not Granger Cause LNX11.01710.3282接受 LNX1 does not Granger Cause LNX24.43110.0514接受

不难看出，物流业与地区经济之间存在较强的Granger因果关系，说明地区经济的繁荣对物流业有一定拉动和促进作用，而物流业中仅物流运力会对地区经济产生影响，物流规模作用并不显著。究其原因，可能是：第一，区域经济发展存在一定的带动效应。地区经济是物流规模及物流运力的一个先导指标，经济的发展代表着社会总体财富的增加，进而会加大对物流及其相关产业的投资力度，带动物流业的不断向前发展。第二，目前，闽南地区的物流一体化及物流战略联盟尚未完全形成，物流的规模效应也没有得到很好发挥，因此物流规模对地区经济增长的促进作用不明显，物流效率仍有进一步的提升空间。

四、脉冲响应函数及方差分解

(一)脉冲响应函数分析

Granger因果关系检验探究了各个时序变量间的因果关系，但其局限性在于未考虑干扰因素的影响。因此，基于所建立的VAR(1)模型，进行脉冲响应函数分析，利用白噪声项随机产生一个单位标准差并以此冲击内生变量，观察其对内生变量当前值与未来值所产生的影响，以全面了解增加值、周转量和GDP三个变量间的动态关系[4,11]。

依前文可知，所建立的VAR(1)模型是稳定的，满足脉冲响应函数分析的前提条件，故利用EViews10.0软件对序列LNY、LNX1、LNX2进行分析，得到9条脉冲响应函数曲线。结合Granger因果关系的分析结果，在此只需建立并分析GDP与增加值和周转量之间的脉冲响应函数曲线图即可，具体见图3。其中，横轴表示波动持续时间，即滞后期数，以年为单位；纵轴表示标准单位差冲击对变量引起的波动程度，一般以百分数表示。文中选取最大滞后期数为10，实线为1个标准单位差大小冲击的函数响应路径，虚线部分表示正负两倍标准差偏离带，即误差范围。

图3中的(1)(2)(3)分别表示以周转量为脉冲变量对GDP实施一个正向冲击以及以GDP为脉冲变量分别对增加值和周转量实施一个正向冲击后各自所呈现出的动态效应。图3(1)中，GDP的响应始终为负效应，且呈现下降趋势，即周转量给GDP带来的影响长期处于负波动状态。其中，GDP在第1期内的响应程度为零，第2期开始呈现明显的下降趋势，直到第7期开始才逐渐趋于平稳。图3(2)中，增加值的响应基本为正效应，且呈现稳定趋势，即GDP给增加值带来的影响长期处于正波动状态。其中，增加值在第1期的响应为负，但之后一直处于正向增长，在第2期开始时突破零边界线，直至第3期结束时达到最大值，随后即保持稳定状态。图3(3)中，周转量的响应一直是正效应，但呈现小幅下降趋势，即GDP给周转量带来的影响长期处于正波动状态。其中，周转量在第1期受到的影响为正且最大，以后各期所受影响基本保持平稳略降态势。

从脉冲响应函数曲线可知，闽南地区经济增长对物流发展均表现出正效应，有显著的拉动作用，而物流业对地区经济的促进作用不明显，甚至起到了某种程度的抑制作用，这或许与闽南地区的区域特点有一定关系。闽南地区制造业较为发达，经济的增长会促使制造业扩大产品生产活动，进而刺激物流运输需求上升，带动物流业的大力发展。但这一需求的满足依赖于强大的物流运输能力，而物流业的发展受现有基础设施和交通网络的制约，无法在短期内满足物流需求的快速增长。此外， 闽南地区虽总体经济实力强劲，但厦、漳、泉三地经济发展步调不一致，对物流方面的投资也不均衡，且三地尚未建立起一体化的海陆空综合运输网络[12]，从而使得闽南地区整体的物流供给能力有限，出现低效率和高成本的局面。物流发展的滞后性和三地经济发展的不平衡性，导致当前的物流运力不足，对区域经济增长的助力作用不明显。

(1) (2) (3)图3 LNY、LNX1和LNX2的脉冲响应函数曲线

(二)方差分解

方差分解用来衡量模型中所有变量对某一变量变动的贡献度，能够进一步评价不同结构冲击对于内生变量的重要程度[11]。对文中的三个时序变量LNY、LNX1和LNX2依次进行方差分解，以观察其波动影响来源于其自身和其它两个变量的贡献大小。具体方差分解结果可见表6、表7和表8。

表6中，GDP波动在第1期对自身的贡献度为100%，增加值与周转量没有产生作用，但从第2期开始，二者的贡献作用显现。其中，增加值在第2—5期贡献度不断上升至最高值17.14%，从第6期开始稍有下降但也基本稳定于15%左右；而周转量的贡献度从第2期开始便呈现快速上升趋势，在第20期时达到65%。这表明，周转量相较于增加值而言，对GDP的影响作用更大一些。

表7中，GDP对增加值的贡献度在第1期便得以显现，随后呈现上升趋势，直到第5期达到最大值26.97%，随后即开始回落，最终稳定于18%左右。增加值对自身的贡献度不断下降，从第1期的82.8%逐渐减少为第20期的29.77%。而周转量对增加值的贡献由第1期的零值快速上升到50%以上，表现出由弱到强的贡献能力。这表明，周转量产生的效益是增加值的重要组成部分，符合物流理论与实践的一般性原理和解释。

表8中，GDP对周转量在第1期就有了较为明显的贡献能力，且贡献率不断上升，在第6期达到最大贡献率38.99%，之后开始呈现缓慢下降趋势，并稳定于26%左右。增加值对周转量的贡献度前后期一直保持在较低水平，最高达到10.03%。可见，周转量的变动除去自身的贡献影响(60%左右)后，GDP的贡献率占据了主导地位。

表6 GDP变量的方差分解

期数LNY贡献率(%)LNX1贡献率(%)LNX2贡献率(%)期数LNY贡献率(%)LNX1贡献率(%)LNX2贡献率(%)1100001124.9615.7559.29277.3012.1610.541223.8215.5960.59361.7215.9822.301322.8915.4561.66450.8217.0332.161422.1215.3462.54543.1017.1439.751521.4915.2463.27637.5716.9545.481620.9515.1663.89733.5216.6849.801720.5015.0964.41830.4916.4053.111820.1115.0364.86928.1816.1555.671919.7814.9765.251026.3815.9357.682019.4914.9365.58

表7 增加值变量的方差分解

期数LNY贡献率(%)LNX1贡献率(%)LNX2贡献率(%)期数LNY贡献率(%)LNX1贡献率(%)LNX2贡献率(%)117.2082.800.001121.6137.4740.92220.3279.190.491220.9435.9243.14324.7371.793.481320.3734.6444.99426.7464.448.811419.8833.5746.55526.9757.9615.071519.4632.6747.88626.3152.5221.161619.0931.9049.01725.3248.1026.581718.7831.2549.97824.2644.5431.201818.5130.6850.81923.2741.6735.061918.2730.2051.531022.3839.3538.272018.0629.7752.16

表8 周转量变量的方差分解

期数LNY贡献率(%)LNX1贡献率(%)LNX2贡献率(%)期数LNY贡献率(%)LNX1贡献率(%)LNX2贡献率(%)122.550.1977.251133.278.3458.39228.510.4371.061232.098.7059.21333.421.1965.391331.048.9959.97436.852.2760.881430.119.2360.66538.633.5057.871529.319.4361.27638.994.6956.311628.609.5961.81738.405.7455.861727.999.7362.29837.276.6256.111827.459.8462.71935.937.3356.741926.989.9463.081034.567.8957.552026.5710.0363.40

总体上来看，一方面，闽南地区的经济增长主要受物流发展水平的影响，其自身因素在后期只占两成不到，而物流发展的滞后性给地区经济增长带来了负效应。随着时间的推移，物流运力的波动在后期逐渐成为经济增长波动的主要因素，而相较之下，物流规模的波动对经济波动的影响较小，这说明货物周转量的增加对现行的经济增长造成了一定压力。这种压力反映在物流设施上，即当期的物流设施无法满足运力需求，而新建设施又需要花费较长时间，因此，物流发展的滞后性以及逐渐累积起来的压力使得闽南地区的物流波动对经济影响的比重呈现出增加趋势。

另一方面，闽南地区经济增长对当地物流业发展起到了重要的促进作用，对物流规模和物流运力的影响均呈现出先上升后下降并最终趋于稳定的态势，总体水平基本保持一致。经济的蓬勃发展会带来社会物流需求的增加，进而表现为物流业的软硬件投入增加。这些投入在前期会产生明显的刺激作用，促使物流业在一定时期内得以迅速发展，物流规模不断壮大，物流业产值持续增加。当刺激效应逐渐减退，经济增长对物流发展的贡献程度将保持在相对稳定水平。因此，从长远来看，经济增长对物流发展的带动作用是积极、正向且平稳的。

五、结论与建议

(一)结论

本文运用计量经济学方法，通过建立VAR模型并进行Johansen协整检验和Granger因果关系检验以及脉冲响应函数分析和方差分解，实证考察了闽南地区物流发展与经济增长之间的互动关系。研究结果显示，闽南地区物流发展与经济增长之间存在双向的Granger因果关系，经济增长对该地区物流业发展起到了促进和拉动作用，而物流发展的滞后性却给闽南地区经济增长带来了一定的负效应。

(二)建议

为进一步协调闽南地区经济增长与物流发展之间的关系，促进闽南地区物流业健康、持续、稳步发展，跟上新时期物流运输需求快速增长的步伐，为闽南地区经济增长助力，基于闽南地区物流业现状，提出以下对策建议。

1.强化物流基础设施建设以提高物流供给能力。目前闽南地区物流业的发展滞后不利于经济增长，其中物流运力不足占主要因素，因此应加强物流基础设施建设，提升物流运力。由于厦漳泉地理位置的差异性以及发展政策的不同步，三地的交通基础设施状况不一，在运输、通信等方面尚未形成有效的综合匹配和协调发展。因此，首先应做好厦漳泉三地物流基础设施建设的统筹规划工作，进行区域物流资源整合和优化配置，发挥合力作用；其次要加快闽南地区路网、空网及港口建设，合理规划和布局物流节点及物流园区位置，优化现有物流运输网络系统，提升多式联运效率；此外，充分利用闽南地区丰富的港口资源优势，发展港口物流、集装箱运输等，同时提高物流设施和配套设备的机械化和智能化程度，保障物流供给水平，满足物流需求。

2.建设区域物流信息一体化以促成物流产业升级。厦、漳、泉三地虽有多数物流企业已经建立了内部的物流管理信息系统，但企业物流信息化水平还有待提高，且信息资源整合效果欠佳，难以实现跨企业间物流信息的互联互通和高度共享。物流企业要提供一体化的服务，实现区域物流产业联动升级，统一标准、覆盖面广的公共物流信息平台建设必不可少。因此，闽南地区应以区域物流融合发展为指导，搭建标准化、网络化和自动化的智慧物流信息平台，实现区域内物流信息的高效对接，促进企业间物流业务的协调运作，提高物流作业过程效率。同时，要引导和扶持三地物流企业积极开展信息化、智能化建设，建立信息共享机制，迎合物流发展和产业升级需要，实现区域内信息流与物流同步发展，满足互联网+时代对社会物流的巨大需求潜力。

3.互补对接厦、漳、泉三地产业以完善物流供应链。深化产业、提质增效是经济一体化的核心要素，闽南地区目前处于“大都市区”阶段，厦、漳、泉三地在同城化环境下，应充分发挥区域经济优势，带动物流产业快速发展。但由于三地产业分工不同，且物流资源禀赋和物流产业结构存在差异[13]，闽南地区产业间的优势互补和无缝对接还需推进，先进的和完善的物流与供应链服务体系也有待建立。对此，综合考虑厦门、漳州、泉州分别在航运和国际物流、农业和农产品物流以及制造业和电子商务物流等方面的优势和特色，打造一条服务于农产品、工业品、纺织品等进出口业务的贸易+物流供应链，实现企业物流供给与社会物流需求的有效对接，促进区域产业和物流间形成良好的互补与合作关系，为厦、漳、泉物流业营造一个和谐共生的良性发展环境。