物流业与城市化协同路径及驱动因素研究

赵昆伦 唐建荣

摘要：基于2008—2019年江苏省城市面板数据，采用空间计量模型分析了江苏省城市化进程与物流业协同发展的路径及驱动因素。结果表明：南京及苏州的物流业与城市化两者之间存在长期均衡关系;无锡等地短期正负效应更替，长期存在稳定正向空间效应，江苏省多数城市的物流业与城市化协同发展集聚效应并不显著;物流市场供需状况、物流基础设施水平和城市综合发展水平是物流业与城市化协同发展的重要驱动因素。人口城市化水平的空间效应不显著;土地城市化具有负向的弱空间效应;物流市场供需水平和物流基础设施水平的直接效应和总效应较为显著，其间接效应微弱，即指标更多地是影响本地产业和城市发展，缺乏对周边城市的辐射;城市综合发展水平存在极为显著的正向空间效应。基于城市发展水平（初始级、成长级、协作级、成熟级），为江苏省未来城市化与物流业的发展提出了相关政策建议。

关键词：新型城市化;驱动因素;探索性数据分析;空间计量模型

中图分类号：F259.27    文献标志码：A    文章编号：1001-862X（2021）05-0057-008

面对当前复杂的世界政治经济形势，党中央审时度势、着眼长远，作出“以国内大循环为主体、国内国际双循环相互促进的新发展格局” 的战略抉择。[1]实践证明，经济双循环战略有效地促进了我国经济发展，2020年我国国内生产总值逆势增长2.3%，达到101.6万亿元。

现代物流业是实现国内国际双循环发展目标的重要载体。作为国民经济的动脉系统，物流产业是经济发展的重要组成部分，其发展质量是衡量国民经济平稳增长的重要标志。面对日益加剧的环境约束和生态压力，物流业作为衔接多种生产要素的复合型服务业，通过要素流动影响经济结构和降低流通成本进而推动新型城市化建设。本文以江苏省13个城市为研究对象，系统分析了物流业与城市化协调发展的逻辑路径;构建了城市物流发展水平测定的指标体系，基于空间计量模型探索了江苏省各城市与周边城市协调发展的空间相关性，分析了江苏省物流业与城市化协同关系的驱动因素，为实现江苏省城市化与物流业的协调发展提供了新的思路。

一、研究思路與研究方法

国内外学者关于城市化和物流业的研究见仁见智。Huffman（2010）、Behrends（2016）系统研究了物流业与城镇化发展的总体协调度以及物流业与城镇化的均衡发展问题;王富忠等（2016）以物流能源消耗和城市化为研究对象，探索了农村人口迁移与城市物流需求量和城市化进程的内在关系;祝滨滨等（2016）提出资源枯竭区域城市应当注重流通节点城市建设，发挥物流业的要素交流作用，促进区域间平衡发展。此外，秦璐等（2017）运用复杂网络中心性指标分析了城市物流的累积效应;姜金德（2021）[2]等利用江苏省相关经济指标运用主成分回归法对区域经济与区域物流发展之间的相互依赖关系进行了研究;朱雁春等（2018）则运用耦合-协调度模型研究了国内东部城市物流业与城市化协同发展水平;张美（2020）的研究成果说明了城乡商贸物流服务资源优化配置的重要性和可能性;龚翔等（2021）基于Johansen协整检验和方差分解等定量方法，系统分析了城镇化建设对碳减排目标的抑制作用及其可能构成的重大威胁。[3]

本文通过已有文献的梳理和归纳，选择复合系统测度模型研究物流产业与城市化进程的协同水平，利用探索性空间数据分析江苏省城市间的空间效应，利用空间计量模型对驱动因素进行诊断和识别。

当I取正值时，说明城市间为正向空间效应;反之，则为负向空间效应。Ii取值的正负表示城市发展的趋势为集聚或分散。

（三）地理因素溢出效应测度

空间计量经济学是空间统计学与计量经济学的交叉理论，其最主要的创新点是在模型中引入空间效应并对其进行分析，以反映真实的经济内涵。

由于引入的滞后因子不同，空间计量模型可以区分为空间滞后模型（SLM）、空间误差模型（SEM）和空间杜宾模型（SDM）。加入空间权重矩阵后的三种模型如下：

其中，β1、β2、β3、β4、β5分别表示人口城市化（pu）、土地城市化（lu）、物流市场供需状况（ls）、物流基础设施水平（li）和城市综合发展水平（cd）等5个解释变量的系数，β′1、β′2、β′3、β′4、β′5表示5个解释变量的复合系数，μit、vit分别表示时间效应和空间效应，εit为随机扰动项，wij表示空间权重矩阵。另外，空间滞后模型（SLM）侧重分析各指标对相邻城市物流业-城市化协同发展关系的影响;空间误差模型（SEM）是研究物流城市化发展的主要指标和干扰因素;而空间杜宾模型（SDM）不仅对相邻城市的空间溢出效应进行研究，还分析了各要素对本城市物流业-城市化协同发展关系的影响。

二、物流业与城市化空间效应分析

为了更全面客观地评价物流产业水平，基于指标的重要性和相关数据的可获得性，本文建立了城市物流发展水平评价体系，以仓储、运输和邮政行业的相关指标综合分析江苏省的物流水平。本研究原始数据来源于2008—2020年《江苏省统计年鉴》和《江苏省交通年鉴》。

（一）系统协同度分析

本文构建了包括人口城市化、土地城市化等5个序参量和城镇人口比例、地区从业人员总量等16个二层指标，以分析各城市物流发展水平;相关指标体系及各指标权重如表1。

表1中城市化序参量及其二层指标的权重分布存在很大的差异;而物流系统的序参量权重差异显著，二层物流指标权重差距相对较小。序参量由多个因素共同驱动，且各因素的影响并不均衡。

城市化-物流系统协同度测度是分析各城市发展差异性及演化规律的基础。本文采用复合系统协同度测量模型以评估城市化和物流系统之间的协同关系结果。计算结果表明：城市系统之间的大部分协同度在（0.20，0.45）之间波动;协同度水平超过0.45的城市中，南京（0.614）及苏州（0.630）的协同发展状况最好;协同度低于0.3的城市有5个，均分布于苏中及苏北地区，在该区域中只有徐州的协同水平较好。为了更清晰地展现各城市在协同水平上的差距，利用SPSS19.0对城市协同度进行系统聚类，聚类结果表明：苏州和南京处于协同发展水平第一梯队，两城市优势明显，已成为区域内协同发展“标杆城市”;无锡、南通、常州和徐州等4个城市凭借自身区位及要素优势，产业及城市化均得到一定发展，协同度水平处于第二梯队，无锡、常州和南通受长江三角洲经济带的带动作用，得到了快速发展;除此之外，连云港、镇江、泰州、宿迁、淮安、扬州、盐城等7城市位于协同发展水平底部，物流业及城市化水平均有待提升，资源及要素的配置需要进一步优化;值得注意的是，盐城、扬州和淮安3个城市展现出较强的发展活力，发展势头不容小觑。[4]

（二）空间效应分析

根据Elhorst（2010）的研究思路，空间计量模型的创建将以空间的相关性显著为基础;本文以物流-城市化复合系统协同度的空间相关性检验，验证相邻地区的协同发展是否存在空间依赖性。

全局指数用于反映整个区域协同发展状态的空间分布特征，衡量空间上相邻城市系统发展现状的相似度。利用Geoda软件，结合公式（5）计算得到两个子系统协同发展水平的全局Moran’I指数，结果如表2所示：

由表2可知，全局Moran’I指数通过了1%的显著水平检验。结果表明，江苏省物流业与城市化发展之间存在显著正相关，即有明显的空间溢出效应，适用于空间测量模型的构建。从计算结果来看，2008年全局Moran’I指数的最大值出现，时序上呈整体下降态势，城市间关联性降低，局部差异性增强，集聚效应减弱，结合数据测算过程来看，该趋势是由区域间发展不协调造成的。

為了获得更加直观的时空演化趋势，本文选择了2011年和2018年的相关数据，并通过Geoda软件绘制了全局Moran’I指数散点图进行进一步的研究。结果发现，各城市在象限分布上并未发生显著变化。综合来看，第二象限内的城市逐步减少，整体存在向坐标轴中心集中的趋势，且参考线斜率变小。结合表3可知，江苏省物流业与城市化协同发展水平的空间相关模式以L-L型为主，即形成中心区域与其周边区域的属性值均较低的集聚，区域内发展具有显著同质性。自2008年至2019年，H-H型及H-L型城市数量维持不变，但L-H型城市减少，L-L型城市逐渐增多，体现了江苏省城市间差距逐渐拉大，高水平城市却未发挥良好的辐射引领作用。

基于全局自相关检验结果及Geoda和ArcGIS检验，可以对区域相关变化进行进一步的分析。选择2011年、2016年和2019年数据作物流业和城市化协调发展水平的空间自相关LISA图比较分析发现，江苏省多数城市的物流业与城市化协同发展集聚效应并不显著。2011年并未发生显著变化，多数城市并不存在显著集聚效应;2016年盐城市空间集聚效应显著，为L-L型空间集聚，其余各城市均未变化;发展至2019年，宿迁市发生了跟盐城同样的变化，而其他城市同样不显著。总体而言，江苏省物流业与城市化发展水平存在一定的空间集聚效应，但多数城市并不显著。

（三）面板数据的平稳性检验

为了进一步分析物流业与城市化协同发展的驱动因素，需要构建逻辑模型并对相关面板数据进行平稳性检验;通常情况下，面板数据的稳定性决定了回归结果的可靠性。为了保证研究过程的严谨性，需要对以人口城市化（pu）、土地城市化（lu）、城市综合发展水平（cd）、物流基础设施水平（li）和物流市场供需状况（ls）为主的宏观指标体系的空间面板数据稳定性进行检验，检验结果如表4所示。

由表4可知，多个指标在水平值条件下未通过平稳性检验，即该数据序列在水平之条件下是非平稳的，因此对数据序列进行一阶差分;一阶差分数据序列所有指标均通过了检验，显著否定了原“单位根存在”的假设，即一阶差分下的指标序列是平稳的。由此可知，物流业与城市化协同发展关系的影响因素序列均为一阶单整序列，符合建立空间面板回归的要求。

三、物流业与城市化协同发展驱动因素分析

通过检验可以发现江苏省城市之间的空间相关性逐渐减弱，但区域内仍存在显著的空间自相关，因此可以利用空间计量模型探索物流业与城市化协调发展关系的驱动因素。[5]

（一）分析模型的选择

通常将面板数据模型分为固定效应模型和随机效应模型，其中固定效应模型可以区分为时间固定模型、空间固定模型和时空双固定效应模型。通过Hausman检验我们确定分析模型为固定效应模型;利用Matlab2016b进一步判断固定效应模型的类型，检验结果如表5所示：

由表5可知，在确定固定效应模型的基础上，LR时间固定通过了5%的显着性检验，LR空间固定通过了1%的显著性检验，否定了原有时间固定效应和空间固定效应混合的非显著性检验的假设，从而可以将回归模型确定为时空双固定模型。[6]

根据Anselin提出的判定准则：若LMlag和R-LMlag比LMerror和R-LMerror在统计上更加显著，则选择SLM模型，反之选择SEM模型。双固定效应模型下，需要对LMlag、LMerror及其稳健型R-LMlag、R- LMerror进行检验，以确定如何选择滞后模型或误差模型，检验结果如表6所示。

表6的检验结果可知，LMlag、R-LMlag均通过了1%显著性检验，R-LMerror通过了5%显著性检验，而LMerror未通过显著性检验。故在双固定效应模型下，SLM模型更适合进行空间面板回归。

（二）驱动因素分析

SLM模型适用于空间面板回归。LM检验并未考虑SDM模型的适用性，通过对原假设H0：θ=0和H0：θ+δ β=0进行Wald检验和LR检验，可以判断SDM模型是否可以简化为SLM模型或SEM模型;如同时拒绝两个原假设，则显示SDM模型可以最佳拟合数据;若H0：θ=0被拒绝，且R-LMlag检验结果显著，说明SDM模型可以转化为SLM模型;若H0：θ+δ β=0被拒绝，R-LMerror结果显著，则表明SDM模型可以转换为SEM模型。采用Matlab2016b对SDM模型进行了双固定效应下的Wald检验和LR检验，结果如表7所示。

在双固定效应模型下，Wald检验和LR检验均通过了1%的显著性检验，否定了SDM模型不能简化的假设，需要用极大似然法估计交互效应下的SDM模型，表8显示了检验结果。

显然，在时间空间的双重固定效应下，SDM模型的Log-likehood值最高，拟合度R2和离散度sigma2的计算结果优于其他情况，证明了选择双固定SDM模型的合理性。另外双固定SDM模型回归在保证指标显著性并未受太多影响的前提下，具有更好的拟合度和离散度，表明引入空间效应可以改善普通面板估计系数的偏差。因此，使用时间空间双固定的SDM模型对影响物流业与城市化协同发展关系的驱动因素进行研究更为合理。[7]

（三）实证结果分析

本文采用偏微分方法对具有双固定效应的SDM模型进行分解。其中，直接效应是指城市指标对本地物流业与城市化协调发展关系的影响，间接效应是指城市指标对临近城市物流业与城市化协调发展关系的影响，总体效应是各指标对物流业与城市化协调发展关系的总体影响。表9的研究结果表明。

（1）人口城市化水平（pu）的总体空间效应不显著，但其直接效应和间接效应分别通过了5%和10%的显著性检验，即人口城市化的区位熵对本城市物流业与城市化的协同发展关系会产生影响。总体而言，现阶段人口城市化虽然是表征城市化水平的重要指标，但其对物流业与城市化协同发展总体上并无显著影响。

（2）土地城市化水平（lu）具有显著负向空间效应。直接效应和总效应分别通过1%和5%显著性检验。土地城市化的发展对物流业和城市化的协同发展具有抑制作用，因此，土地资源的合理配置和城市物流网络建设的科学规划是最重要的问题。

（3）物流市场供需水平（ls）的直接效应和总效应极为显著，间接效应却非常微弱。从回归数据来看，直接效应和总效应均通过了1%的显著性检验，表明物流供求水平的提升将促进物流业与城市化的协同发展。在间接效应极不显著的情况下，估计系数可以忽略不计，表明物流市场供需水平难以对相邻城市产生輻射作用。

（4）物流基础设施水平（li）、城市综合发展水平（cd）均具有显著正向空间效应。li的直接效应和总效应的估计系数分别为0.291和0.386，均通过了1%的显著性检验，而间接效应为0.095，通过了5%显著性检验。总体而言，物流基础设施水平极大地促进了物流业与城市化的协同发展，但现阶段物流基础设施建设还存在较大问题。

Cd的直接效应、间接效应和总效应的估计系数分别为0.534、0.187和0.721，均通过1%的显着性检验，说明随着城市综合实力的提高，物流业和城市化将同时迅速发展。另外，通过对测算和检验过程的梳理可以发现，城市综合实力较强的城市，均具有较高的城市化水平和产业实力。

四、主要结论及政策建议

本文利用江苏省2008—2019年城市面板数据对物流业与城市化协同发展影响因素进行了研究。以更为宏观的视角分析了驱动因素，基于空间计量模型，对江苏省物流业与城市化协同发展测算值进行了空间自相关检验，以测算其是否适合构建空间计量模型;构建了以人口城市化、土地城市化、城市综合发展现状、物流市场供需水平和物流基础设施水平为主体的驱动指标体系，并据此选择模型和进行驱动因素分析。

物流-城市化系统协同发展是人口城市化、土地城市化、城市综合发展现状、物流市场供需水平和物流基础设施水平等因素共振的结果。通过基于序参量的复合系统协同度测算结果表明，虽然江苏省各城市协同水平差距较大，但在空间分布上存在一定的集聚效应;土地城市化与物流-城市化协同发展呈负相关关系;物流市场供需水平和物流基础设施水平对物流-城市化协同发展的直接效应和总效应较为突出，间接效应微弱，即指标更多地是影响本地产业和城市发展，而缺乏对周边城市的辐射;城市综合发展水平对物流-城市化协同发展存在极为显著的正向空间效应，城市经济水平是城市和产业发展最好的催化剂。论文证实了江苏省物流业与城市化间存在普遍的协同发展关系，但这种关系并不稳定。因此，江苏省物流业与城市化协同发展必须因地制宜，充分了解江苏省物流业及城市化发展中的尺短寸长，以有效推动物流业与城市化的协同发展。[8]

（一）初始级城市——注重资源配置

江苏省处于协同发展初始级的城市占据了多数。该阶段物流要素与城市化相关要素并未形成良好的内部关联性，而在企业层面也未对物流业与城市化之间的关系足够重视，忽略了两者之间的紧密联系，未采取有效措施或只采取了部分措施激励产业与城市化的融合。新型城市化的推进为物流业的快速发展提供了基础设施、通信技术等方面的支持，物流产业在发展过程中，应加强与新型城市化进程的结合，共构基础设施网络结构，引导物流产业适应新型城市化发展的速度，加快推进物流节点布局和网络优化，才能为物流发展提供基础性保障;同时，新型城市化建设过程中，应做到“产城交互”，协调发展。

（二）成长级城市——关注推进速度

对于成长级城市而言，产业及城市发展已经展现了初步联系，物流业已逐渐发挥其集聚效应，对促进城市化发展具有明显推动作用，城市化建设也开始把物流基础设施作为城市规划的一部分。在该阶段，物流业在发展过程中尚以成本为首要考虑因素，服务质量尚未成为多数企业关注的内容，但新型城市化的推进无疑会使物流需求迅速增长，物流产业规模突飞猛进是该阶段特点。因此，需要加强对物流企业监管，把握企业与城市的集聚效应，引导产业对城市物流需求变化的有效过渡，逐步提升服务水平。另外，各城市现阶段应根据城市发展状况和区域特色，加快推进新型城市化，建立以城乡统筹、城乡一体、节约集约、生态宜居、和谐发展为基本特征的新型城市化。

（三）协作级城市——强调推进质量

对于协作级城市而言，物流业与城市化相关产业已存在显著协作关系，物流业的劳动集聚效应几乎发挥到最大，知识溢出效应开始发挥作用。在该阶段，物流服务正向更加注重准确、便捷、快速、安全等要求倾斜，相对而言，物流成本不再是最重要的因素。对于物流服务需求者，更加注重仓储到干线运输再到末端配送的一体化运作，物流需求更多的是呈现出供应链一体化的特点;对居民而言，物流需求多体现在购物方面，且注重便捷性和安全性。而对物流服务提供者而言，物流业开始进入由量到质的转变期，面临转型。大量人口及其企业产业的城市集聚可能会影响城市居民的生活质量，加强对物流业和城市化的正确引导，可以逐步实现“安全过渡”。[9]

（四）成熟级城市——聚焦全局发展

当物流业与城市化达到较高水平时，物流业与城市化协同发展已处于较高水平，协同效应显著，物流业与城市化发展形成良性循环。因此，以全局视角面对新一轮的产业升级，并在升级转型阶段，配合城市化建设平稳度过“阵痛期”将是企业及城市面临的首要难题。随着物流业发展速度放缓，成熟级城市应该更加注重新技术的应用和服务质量的提升;以“调结构、转方式”为发展导向，转变传统交通运输业发展方式，提升现代物流服务能力;充分发挥物流对新型城市化建设的保障能力，以推动城市化进程中经济结构的调整和升级。

（五）重视协同共治——提升整体水平

首先应当加强物流企业和市政建设部门的协同发展意识，以全局视角对产业和城市公用资源进行整合，避免出现重复建设、浪费资源的情况，加强政商合作。另外，各城市现阶段应根据城市发展状况和区域特色，加快推进新型城市化。还需要加强与相邻城市的联系，低水平城市应主动借鉴高水平城市发展经验，保证产业发展速度。重新塑造物流企业和城市机构的互信业务链，不断加强二者之间的沟通交流，提高整体功能大于部分的认识，最终实现整个系统的提升。

参考文献：

[1]陈文玲.当前国内外经济形势与双循环新格局的构建[J].河海大学学报（哲学社会科学版），2020，22（4）：1-8，105.

[2]姜金德，周海花.基于区域经济指标的区域物流需求 PCR预测研究——以江苏省为例[J].济南大学学报（社会科学版），2021，（4）：124-132.

[3]付云云，沈永昌.我国城镇化进程对能源消费的异质性影响——基于线性面板模型和PSTR模型[J].江南大学学报（人文社会科学版），2019，18（3）：100-107.

[4]王成利，王洪娜.城市长期居留流动人口的落户意愿及影响因素——基于差别化落户政策[J].中南财经政法大学学报，2020，（5）：64-72.

[5]吕韬，曹有挥.“时空接近”空间自相关模型构建及其应用——以长三角区域经济差异分析为例[J].地理研究，2010，29（2）：351-360.

[6]吴玉鸣.中国省域经济增长趋同的空间计量经济分析[J].数量经济技术经济研究，2006，（12）：101-108.

[7]夏杰长.迈向“十四五”的中国服务业：趋势预判、关键突破与政策思路[J].北京工商大学学报（社会科学版），2020，35（4）：1-10，31.

[8]徐汉明.市域社会治理现代化的路径选择[J].中国治理评论，2020，（1）：35-55.

[9]张晓燕，孙志忠，胡娟.基于扎根理论的西部物流集群中横向物流协同制约因素及作用机制研究——以五省市为例[J].商业经济与管理，2019（9）：5-18.

（责任编辑 张亨明）