物流信息化对物流业全要素生产率的影响——基于空间溢出效应分析

杨慧瀛，杨宏举，祝 甜

(哈尔滨商业大学 经济学院，哈尔滨 150028)

一、引言

物流是集运输、仓储、货代和信息传输等于一体的生产性服务行业，随着现代科技不断发展，物流和信息技术结合不断深化，在我国经济转型升级和高质量发展的新常态下，物流业的高质量发展成为其题中应有之意。作为实体经济的重要组成部分，推动物流业自身的转型升级、结构优化、信息化融合，从而不断地向现代物流业迈进乃至深化发展，不仅能为物流业企业本身创造更多的收益，使其降本增效的空间进一步扩大，而且能为制造业企业降低物流成本，扩展利润空间，从而促进区域经济的发展，进一步提升国民经济的竞争力，挖掘经济增长潜力，同时也是适应供给侧结构性改革、增强经济发展内生动力的必要之举。2013年，工业和信息化部出台《关于推进物流信息化工作的指导意见》，要求初步建立起的物流信息化体系要与国家现代物流体系相适应并且协调发展，使之为促进物流信息化发展起到基础性作用。自2014年9月发布《物流业发展中长期规划(2014—2020)》以来，加强BDS、物联网、云计算、大数据、移动互联等信息技术在物流领域的应用已是大势所趋。2019年7月，交通运输部发布《数字交通发展规划纲要》提出，构建数字化的采集体系、网络化的传输体系和智能化的应用体系，加快交通运输信息化向数字化、网络化、智能化发展，促使我国物流信息化的政策环境上了一个新的台阶。2020年9月，国家发展改革委等14个部门联合印发《推动物流业制造业深度融合创新发展实施方案》指出，要对新兴技术积极探索，并不断加大在物流领域的应用，这将进一步推动信息技术与物流业的深度融合，可以为物流业的发展“降本提效”，推动现代物流业信息化水平不断提升。因此，量化研究物流信息化发展水平，并对物流信息化和物流业全要素生产率之间的关系进行实证分析具有重要的实际意义。

二、文献综述

学界对物流和信息化之间关系的研究成果较为丰富，现有研究主要进展如下：一是对中国物流信息化发展水平的研究。物流信息化的发展因地区的不同而存在差异，物流业信息化与物流业生产效率之间存在长期稳定的均衡关系，且二者之间存在双向的格兰杰因果关系[1]，虽然物流信息化对物流业发展存在地区异质性，但总体上物流信息化对我国物流业的发展具有正向的促进作用[2]。我国物流信息化和地区经济发展水平之间紧密相关，从宏观角度看，物流信息化不仅对经济的可持续发展具有促进作用，而且具有较高的国民经济效益[3]；从微观角度看，虽然物流信息化各影响因素在企业信息化不同阶段具有差异，但其影响因素均具有正向促进作用[4]。在我国不同地区信息化对物流的贡献差异不大，但从物流业发展水平的角度来看，西部地区最低，东部地区最高，中部地区居中[5-6]。

二是对物流绩效的研究。学界对物流绩效的研究主要有：第一，从数据包络的角度应用组态思维定性比较分析影响物流业效率提升的因素[7]。第二，以产业效率为切入点，结合VAR模型，从经济的视角来测量区域物流对区域经济的影响[8]。第三，对物流业全要素生产率进行研究。研究认为长江经济带各省(市)物流业全要素生产率水平较高，但综合技术效率在上、中、下游地区表现出异质性[9]；另外，部分观点认为丝绸之路经济带的核心区物流业全要素生产率增幅较小且存在差异，其动力源主要来自技术效率和技术进步[10]。从物流业全要素生产率的影响因素及空间溢出效应来看，中国的物流产业存在明显的空间竞争效应，其影响因素对相邻地区的溢出效应有正有负[11]，物流业全要素生产率在相邻地区之间存在正相关关系，但是中、西部地区的物流业生产率还相对较低[12]。此外，现有研究还从智慧物流的角度对数字信息、智能技术赋能物流业展开了研究[13]。

三是对物流信息化和物流业全要素生产率影响的研究。物流业全要素生产率和物流信息化之间的关系主要有：(1)从宏观角度看，我国物流信息化全要素生产率较低，主要原因在于我国的物流信息化大部分是通过粗放型的扩大投入来驱动的，而且东部地区好于中、西部地区[14]；(2)从微观角度来看，物流企业信息化能够显著提高物流企业绩效，并且与企业成立的年限无关[15]；(3)从物流信息化对物流业全要素生产率的影响来看，一个地区物流信息化水平的提升不仅对本地区的物流业发展具有积极的促进作用，而且对相邻地区也会产生影响，亦即信息技术的发展在提升本地区物流业全要素生产率的同时，能够通过溢出效应推动相邻地区的物流业全要素生产率提升，且溢出效应远远高于直接效应[16]，同时，物流信息化和物流业全要素生产率之间具有高度的空间相关性[17]。目前，国内对物流信息化和物流业全要素生产率之间的关系研究相对较少，因此，本文有进一步研究的必要。

通过梳理文献可知，学界均认为在物流业在发展中，信息化起到了促进作用，这对后续学者的研究提供了思路。虽然现有文献对信息化和物流以及物流信息化对物流业全要素生产率之间的关系有一定的研究，但是仍然有以下两点不足：第一，对物流与信息化之间的度量采用横截面或时序数据，这样会使部分信息缺失，并且也无法反映各个区域物流与信息化的时空差异，而面板数据能够解决这一不足。第二，虽然测算了物流业全要素生产率和物流信息化之间的关系，但对物流信息化的衡量不够全面。本文在这两个方面做了改进，首先采用多指标面板分层因子分析法[18]对物流信息化进行合理测度，提炼出物流信息化的总指标和3个分指标；其次，进一步采用空间杜宾模型测量物流信息化及其3个分指标在不同区域对物流业全要素生产率的影响，可以较为全面地测度物流信息化与物流业全要素生产率之间的关系。

三、变量说明、模型构建及数据来源

(一)变量说明

1.被解释变量

本文以物流业全要素生产率(ln tfp)作为研究的被解释变量，使用DEAP2.1软件中的Malmquist指数法对其进行测度。参考已有文献，本文选用的投入和产出要素见表1。

表1 全要素生产率投入和产出要素

2.核心解释变量

本文参考郭明德等[6]的方法，采用多指标面板分层因子分析法，提取本文核心解释变量物流信息化水平总指标(ln zhdf)及其包含的3个分指标：f1表示物流信息化基础设施投入，f2表示物流信息化规模，f3表示物流信息化宏观环境发展水平(见表2)。该方法相较于普通面板因子分析能够较为准确地对每年的变量变化信息进行有效捕捉，能对有时间跨度的面板数据降维。

表2 物流信息化测度原始指标

3.控制变量

本文结合研究需要和参考已有文献，引入的控制变量分别是城镇化率(ln czh)，用城镇常住人口占地区常住人口的比值计算得到；对外依存度(ln wycd)，采用外商投资总额占GDP的比重求得；开放度(ln kfd)，采用进出口总额与地区GDP的比重求得；产业结构(ln cyjg)，采用第三产业的增加值占GDP的比重求得。

(二)模型设定

为验证物流业信息化对物流业全要素生产率的影响，本文构建了空间计量模型，为避免空间自回归和空间误差模型估计可能带来的偏误，本文采用空间杜宾模型进行实证分析(为消除数据的剧烈波动和异方差影响，本文对所有变量均取对数)，模型设定如下：

β1ln kfdit+β2ln czhit+β3ln wycdit+β4ln cyjgit+

(1)

式(1)中，i，t分别表述地区和年份，c为截距项，ρ为空间回归系数，β0、β1、β2、β3、β4、ξ0、ξ1、ξ2、ξ3、ξ4为待估参数，Wit为本文构建的反距离空间权重矩阵，反映的是各变量之间的空间相邻关系，μi为个体固定效应项，εit为误差项，其余符号代表的含义见变量说明。为了测量物流信息化的3个分指标对物流业全要素生产率的影响，将物流信息化(ln zhdf)依次用3个分指标代替引入式(1)分别进行回归。

(三)数据来源

本文选取我国31个省(区、市)2008—2020年的面板数据作为研究样本，相关的原始数据全部来自中国经济网、国研网和国家统计局下属的国家数据库，个别年份的缺失数据用插值法填充。

四、实证结果及分析

(一)变量描述性统计分析

变量描述性统计信息如表3所示，主要变量ln tfp、ln zhdf、ln f1、ln f2、ln f3最大值和最小值之间存在一定差距，表明各个省份之间的物流业全要素生产率和物流信息化发展水平存在一定差异。控制变量ln kfd、ln czh、ln wycd、ln cyjg同样呈现这种的特征，且标准差较大，亦表明这些指标在各省份间存在差异。

表3 主要变量描述性统计信息

(二)空间自相关检验

空间计量模型使用的前提是样本数据存在空间依赖性，因此首先须进行空间自相关检验，本文选用莫兰指数(Moran’s I)对数据进行空间自相关检验，对中国31个省(区、市)2008—2020年的物流业全要素生产率和物流业信息化的全局莫兰指数检验结果如表4所示。

由表4可知，物流业全要素生产率、物流业信息化的莫兰指数均为正值，且p值均在5%的水平下拒绝了不存在空间自相关的原假设，表明我国物流业全要素生产率和物流业信息化的发展在不同程度上存在着正向的空间自相关，有一定的“相似”特征。因此，有必要对这种关系用空间计量模型进行实证研究。

表4 物流业全要素生产率及物流信息化的莫兰指数检验结果

(三)回归结果及分析

本文在空间杜宾模型基础上进行随机效应和固定效应的Hausman检验，检验结果显示卡方值为47.75，在1%的显著性水平上显著拒绝随机效应的原假设，因此本文采用固定效应的空间杜宾模型进行回归分析。

(1)物流信息化总指标影响水平分析。由表5可知，空间自回归系数(ρ)显著为正，表明某一地区物流业全要素生产率的发展对周边地区有显著正向影响，此外某一地区物流信息化(ln zhdf)发展不仅对本地区物流业全要素生产率具有积极影响，而且具有正向溢出效应，但值得注意的是在空间模型中，点回归可能存在偏误，因此本文进一步借助表6进行分析。

表5 物流信息化对物流业全要素生产率的回归结果

由表6可知，物流信息化对本地区及对周边地区物流业全要素生产率增长均具有积极影响，影响效应分别为0.024 0和0.215 0，且均在5%以下的显著性水平上显著，表明一个地区物流信息化的发展不仅能促进本地区物流业全要素生产率的增长，而且能通过溢出效应对周边地区物流业全要素生产率的增长起到促进作用。主要在于：一是本地区物流信息化的发展能够通过物流信息在各部门间流通，促进生产要素高效流动，从而促进本地区物流资源的有效利用和配置，进而提升本地区物流业全要素生产率。二是本地区物流信息化水平的提升，能够提高相关物流信息在周边地区的流通效率，通过打破相邻地区之间的“信息孤岛”促进生产要素的提升，尤其是促进了物流信息要素的流通，进而加强区域间物流资源的协调配置，对周边地区物流业全要素生产率提升产生积极溢出效应。

表6 物流信息化对物流业全要素生产率的空间效应

从控制变量来看，各省份的物流业全要素生产率不仅会受到本地区对外开放度、城镇化率、对外依存度和产业结构的影响，而且会受到相邻地区的影响，其中某一地区城镇率化发展不利于周边地区物流业全要素生产率的提升，主要在于某一地区城镇化率发展水平越高，可能越会吸引周边地区优质资源向该地区聚集，因此不利于周边地区物流业全要素生产率的发展；对外依存度的溢出效应为负，但不显著，主要在于对外依存度取决于一个地区的开放程度，当一个地区越开放，其吸引外资的能力越强，因此不利于周边地区吸引外资，从而对周边地区物流业全要素生产率具有负向溢出效应。其余变量均符合经济预期的正向效应。

(2)对物流信息化各分指标进行分析。对设定的物流信息化各分指标的个体固定效应模型进行回归，回归结果见表7和表8。第一，从物流信息化基础设施投入对物流业全要素生产率的影响分析。首先，从回归系数来看(见表7模型1本地区物流信息化基础设施投入回归系数)为正值，相邻地区物流信息化基础设施投入的回归系数为负值，两个回归系数分别为0.082 1和-0.040 6，且两者均在5%以下的显著性水平上通过了检验，表明本地区物流信息化基础设施的投入对本地区物流业全要素生产率具有显著的促进作用，而相邻地区物流信息化基础设施的投入会阻碍本地区物流业全要素生产率的提升，这主要是由于当临近地区的物流业基础设施投入改善时，会不断地吸引本地区的物流信息化资源向相邻地区转移，从而对本地区物流业全要素生产率的提升产生负向作用。其次，从各效应的角度来看(见表8)，物流信息化基础设施投入的直接效应为正，总效应为正，分别为0.093 0和0.049 9，表明物流信息化基础设施投入每提高1%，将直接使本地区物流业全要素生产率提升0.093 0%，总效应提高0.049 9%。物流信息化基础设施投入的溢出效应为负，主要是一个地区物流信息化基础设施的建设会虹吸周边地区物流业生产要素的逆向流入，因此对周边地区全要素生产率具有负向影响，最终拉低了本地区物流业全要素生产率的总效应。第二，从物流信息化规模对物流业全要素生产率的影响来看。首先，从回归系数来看(见表7模型2)，本地区物流信息化规模的回归系数为正，而相邻地区物流信息化规模的回归系数为负，分别为0.010 2和-0.018 0，且两者均通过了1%的显著性检验，表明如果在同一地区，物流信息化规模提升时，能够促进本地区物流业全要素生产率的提升，但如果是相邻地区物流信息化规模改善时，对本地区的物流业全要素生产率的提升具有阻碍作用，这主要是物流信息化的网络化效应造成的，因为在同一个信息化的网络中，当各个地区的规模相当时，相互竞争的现象会在各个地区之间出现，这对促进物流业全要素生产率的提升具有促进作用，但是当处于不对等的状态时，可能会形成“马太效应”，物流信息化资源会流向更加具有优势的地区，从而给本地区物流业全要素生产率的提升造成阻碍。其次，从各效应的角度来看(见表8)，物流信息化的直接效应和总效应为正，分别为0.013 1和0.119 0，表明物流信息化规模每提升1%，使本地区的物流业全要素生产率的直接效应提升0.013 1%，使总效应提升0.119 0%。第三，物流信息化宏观发展水平对物流业全要素生产率的影响。首先，从回归系数来看(见表7模型3)，本地区物流信息化宏观发展水平的回归系数为正，相邻地区物流业信息化宏观发展水平的回归系数为负，回归系数分别为0.085 7和-0.038 5，前者在1%的水平上通过了显著性检验，表明如果在同一地区改善物流信息化宏观发展水平对物流业全要素生产率的提升具有促进作用，后者通过的显著性检验水平为10%，且其对全要素生产率的作用为负，说明相邻地区物流信息化宏观发展水平的改善对本地区物流业全要素生产率的提升具有阻碍作用，这主要是因为各个地区对物流信息化的政策不同，地区与地区之间没有协调一致，可能在一定程度上存在政策壁垒，不利于物流要素高效流通，从而使得各地区宏观发展水平的效应不能溢出到相邻区域。其次，从各效应的角度看(见表8)，物流信息化宏观发展水平的直接效应和总效应均为正，分别为0.049 7和0.124 0，且两者通过的显著性检验的水平均为5%，表明物流信息化宏观发展水平每提高1%，会使物流业全要素生产率的直接效应提升0.049 7%，总效用提升0.124 0%。

表7 物流信息化各分指标回归结果

表8 物流信息化各分指标的空间效应

(四)稳健性检验

为了验证本文结果的稳健性，一是进一步采用以各省人均国内生产总值为基础构建的经济空间权重矩阵进行回归，二是采用SAR模型进行回归，由回归结果可知(见表9)，核心解释变量的回归系数及显著性和表5的回归结果基本保持一致，表明本文结果是稳健的、可信的。

表9 稳健性检验结果

(五)异质性分析

1.物流信息化总指标异质性分析

由于我国东、中、西部地区存在地理位置、经济发展水平等方面的差异，从而使各地区物流业信息化水平发展存在差异，鉴于此，本文进一步将样本分为东、中、西部地区进行回归分析(见表10)。

由表10可知，从对本地区的影响看，物流信息化对物流业全要素生产率的影响从西部到东部地区依次呈递减趋势，并且均显著，主要在于东部地区物流信息化程度较中、西部地区高，且物流业全要素生产率较高，因此上升空间较中、西部地区小，西部地区物流信息化和物流业全要素生产率均较低，因此具有较大发展空间，而中部地区居中。从对周边地区的影响看，在东部地区，某一省份物流信息化发展对周边省份具有正向溢出效应，主要在于东部地区信息技术等较为发达，能够通过信息传递对周边省份物流信息化产生正向影响；中部地区溢出效应为正，但不显著，可能的原因在于中部地区基础设施、物流信息人才处于建设和培养中，其效果显现需要一定的时间；西部地区某一省份物流信息化发展对周边地区具有显著正向影响，主要在于西部地区正在逐渐完善物流基础设施，并且在承接发达地区的先进技术转移，但存在政府协调配置影响，因此可能对周边地区产生正向溢出影响。

表10 物流信息化影响物流业全要素生产率异质性回归结果

2.物流信息化分指标异质性分析

由物流信息化各分指标回归结果可知(见表11)，在东部地区，从直接效应来看，物流信息化基础设施对物流业全要素生产率具有抑制作用，但不显著，物流信息化规模和宏观发展环境对其具有显著促进效应，表明东部地区数字技术赋能物流业程度较高，已形成一定规模，且物流企业发展宏观环境较好，因此对该地区物流业全要素生产率的提升具有积极作用；从间接效应来看，某一地区物流信息化发展对周边地区具有负向溢出效应，主要在于东部地区可能会对周边地区物流业发展要素产生吸引，使其向东部地区流动，从而不利于周边地区物流业全要素生产率的提升。在中部地区，从直接效应来看，物流信息化发展规模和宏观环境均对物流业全要素生产率产生正向促进作用，主要在于中部地区随着“中部崛起”政策红利释放，在物流科技领域有了较大投入，宏观环境进一步向好，因此对该地区物流业全要素生产率具有促进作用，基础设施虽然具有抑制效应，但不显著，主要在于物流信息化新基础设施建设尚处于初级阶段，效应释放具有滞后性；从间接效应来看，物流信息化规模和宏观环境均对周边地区全要素生产率产生促进作用，主要在于一个地区物流信息化的发展可能会产生物流信息技术的流动，从而产生技术溢出，对周边地区物流业全要素生产率产生积极影响。

表11 物流信息化各分指标异质性回归结果

在西部地区，从直接效应来看，物流基础设施和物流信息化规模对物流业全要素生产率具有显著促进效应，主要在于国家政策近年来向西部地区倾斜，使得物流信息化基础设施建设显著提升，进一步带动物流业向规模化、信息化方向发展，对推动物流业全要素生产率具有积极影响。宏观环境对其具有抑制效应，但不显著，可能在于西部地区对物流信息化的支持力度较为薄弱，需要一定的制度成本，因此其抑制效应向积极效应转变尚需时间；从间接效应来看，物流信息化基础设施、规模和宏观环境对周边地区均具有促进作用，但是后两者不显著，主要在于西部地区经济发展水平较为落后，因此各分指标虽然对周边地区物流业全要素生产率的提升具有促进效应，但是其效应释放存在一定的滞后性。

五、结论和启示

本文采用中国31个省(区、市)2008—2020年的面板数据，运用多指标面板分层因子分析法测度了物流信息化和分指标的发展水平，并进一步采用空间杜宾模型测算物流信息化和物流业全要素生产率之间的关系，得出以下结论：(1)一个地区物流业全要素生产率的提升不仅是本地区物流信息化水平提升的结果，而且相邻地区物流信息化水平的提升对本地区物流业全要素生产率也有促进作用，并有非常显著的空间溢出效应。(2)同一个地区物流业全要素生产率的提升得益于物流信息化基础设施投入、物流信息化规模和物流信息化宏观发展水平的提升，这3个指标发展水平的提升能够促进本地区物流业全要素生产率的直接效应和总效应提升，但这3个指标的空间溢出效应为负，对相邻地区的全要素生产率的提升具有一定的阻碍作用。(3)虽然物流信息化水平对物流业全要素生产率的正向影响均通过了显著性检验，但其正向效应较小，这可能和我国目前物流信息化发展水平还处于初级阶段有关，在对物流信息化的投入不断加大，政策不断出台，但对物流业全要素生产率的促进效果是一个比较长的过程，因此对物流业全要素生产率的促进效应还未完全显现出来。(4)进一步异质性分析表明，东、中、西部地区物流信息化发展对本地区物流业全要素产生产率均具有促进效应，但西部地区最大，东部最小，中部地区居中；从对周边地区的影响看，东部和西部地区对周边地区均具有显著正向溢出效应，中部地区虽具有正向溢出效应，但不显著。从各分指标来看，东部地区物流信息化规模和宏观环境对本地区物流业全要素生产率具有促进效应，基础设施并不具有促进效应，但不显著，物流信息化基础设施、规模和宏观环境对周边地区均不具有促进效应；中部地区各分指标的直接效应与东部地区一致，但是物流信息化规模和宏观环境对周边地区具有正向溢出效应；西部地区基础设施和规模对本地区物流业全要素生产率具有促进效应，物流信息化宏观环境不具有促进效应，各分指标对周边地区的溢出效应均为正。

根据研究结论本文给出的启示如下。

第一，加大对物流信息化的投入力度。从物流信息化和物流业全要素生产率的角度来看，在物流业全要素生产率的提升过程中，物流信息化作为一个新生的因素对物流业全要素生产率的提升具有非常重要的影响，从上述研究可知，物流信息化对物流业全要素生产率具有显著的积极影响，但是其对全要素生产率促进潜力仍具有释放空间。因此，政府应该进一步加大对物流信息化的投入力度。各地因地制宜地建立骨干物流的关键节点，培育具有较强资源整合能力、先进运营模式的物流枢纽运营企业，促进本地区及相邻地区物流活动向网络化、标准化、规模化运行。此外，物流信息化的基础在于物流基础设施建设，应该将数字技术与物流业进一步深化融合，促进物流业向信息化、数字化转型。

第二，加强信息平台建设，促进信息高效流通。从各地区开放程度来看，由于各地区开放水平参差不齐，使得某一地区物流信息化的不同方面对周边地区的溢出效应既有积极作用，也有消极作用，这不利于物流信息化的体系化和整体性发展，因此，国家层面应该试点建设物流信息协调中心，各地区应该进一步完善物流公共信息平台建设，使之与国家交通运输物流公共信息协调平台对接，以使各地区的物流相关部门、市场主体和制造企业之间物流公共数据能够互联、互通、共享。此外，信息高效流通得益于大算力平台，要加强对大数据流动平台和节点的研发建设。

第三，加强政策协调，打破地方壁垒。各地区要尽量使相关政策具有一定的协调性和对接性，尤其是在物流信息化建设方面，尽快建立起物流信息化标准化的规章制度，破除各地各自为政的局面，各地政府在制定相关政策时，应该以此为基础制定本地区的政策。各地政府应该对大型信息化物流企业重点监管，防止信息技术垄断，打破物流信息技术自由流通的壁垒，为物流信息技术的流通“架桥铺路”，以促使我国物流业全要素生产率快速提升，从而建设在我国经济高质量发展以及新发展理念大背景下的现代化“大物流”体系。此外，国家也应建立统一物流大数据协调应急流动平台，协调各地区物流信息，做到对物流信息资源的高效配置。