基于地理探测器的长株潭A级物流企业空间格局与影响因子分析

江雪辉 邓 彬 鲁 婵

1.湖南工业大学 商学院 湖南 株洲 412007

2. 湖南工业大学 计算机学院 湖南 株洲 412007

3. 湖南工业大学城市与环境学院湖南 株洲 412007

0 引言

物流业是集包装、运输、仓储和装卸搬运等功能于一体的服务型产业，对促进城市和区域生产要素流动、确保市场供应稳定具有重要作用。准确识别物流企业的空间布局特征，厘清物流企业的空间区位优势与形成机制成为当前我国物流企业发展亟待解决的问题。

近年来，国内外学者围绕物流企业的空间格局及影响因子进行了大量研究。国外学者主要以发达国家为研究对象，从微观角度分析了物流企业扩散的趋势和影响因子[1-3]、物流企业集聚的形成机制[4-6]以及物流企业对区域经济和生产力的影响作用[7-9]等。受物流企业数据的可获得性影响，国内学者更多是从宏观角度对物流企业空间格局及影响因子进行分析。已有研究大多使用最小二乘回归模型、空间计量模型、地理加权回归模型等定量分析方法，从区域政策、区域经济、市场、交通可达性等方面分析物流企业的影响因子与内在机制[10-16]。

长株潭城市群处于“一带一部”中枢，地理位置优越，是湖南省经济发展的核心增长极，也是促进中部地区崛起的重要区域。A级物流企业是物流行业的领跑者，在规模、功能和服务水平等方面都优于其他物流企业。因此，本研究拟以长株潭A级物流企业为研究对象，运用地理探测器厘清不同等级物流企业空间分布的影响因子与形成机制，以期为物流企业空间分布格局的优化、物流规划和政策的制定、物流资源合理配置提供依据。

1 数据来源与研究方法

1.1 数据来源与处理

依据中国物流与采购联合会2010—2020年公布的A级物流企业评估名单，本研究选取长株潭A级物流企业作为研究对象，剔除注销或兼并重组的企业后，得到145家企业，如表1所示。受A级物流企业数量少的限制，将其分为4A级及以上和3A级及以下（无1A级）两种，并对2010, 2015, 2020年的相关数据进行分析。长株潭地区生产总值、社会消费品零售总额和地方财政支出总额等数据来源于2011—2021年湖南省统计年鉴。

通过国家企业信用信息公示系统（http://www.gsxt.gov.cn/index.html）查询长株潭A级物流企业的注册地址，再利用谷歌地图获取企业经纬度，结合ArcGIS软件进行可视化分析。

表1 2010—2020年长株潭不同等级物流企业数量Table 1 Number of logistics enterprises of different grades in Chang-Zhu-Tan from 2010 to 2020

1.2 研究方法

1）平均最近邻分析方法。平均最近邻分析方法可得到5个指标：平均观测距离、预期平均距离、最近邻指数、Z得分和P值。平均观测距离是指所有点与其最邻近点之间的距离均值。预期平均距离是随机分布中所有点与其最邻近点之间的距离均值。最近邻指数可用来判断研究对象在空间上的分布格局[17]，是平均观测距离和预期平均距离的比值。Z得分用来检验平均最近邻分析的统计显著性。P值用来检验研究结果的真实性。最近邻指数计算公式为

R＜1表示研究对象在空间上集聚分布；R=1表示研究对象在空间上随机分布；R＞1表示研究对象在空间上离散分布。

2）核密度分析方法。核密度能直观反映研究对象在空间上的集聚状态。它是通过计算要素在邻域范围内的密度，并用可视化方式展示研究对象空间分布规律的方法。核密度值越大，表示在该区域范围内研究对象的集聚程度越高[18-19]。核密度计算公式为

式中：s是待估计研究对象的位置；si是落在以s为圆心、h为半径的圆的第i个研究对象的位置。

3）标准差椭圆分析方法。标准差椭圆分析方法可以有效揭示研究对象在区域内的中心性、方向性、空间形态等特征。通过计算圆心、长轴、短轴和方位角绘制标准差椭圆。其中，圆心表示研究对象在空间分布的重心，方位角表示研究对象的空间分布趋势[20-21]。

式中：xi和yi是要素i的坐标；和是平均中心坐标。

方位角θ为

沿X轴（长轴）、Y轴（短轴）方向的标准差为

4）地理探测器。地理探测器是用来探究研究对象的空间分异性及揭示其背后驱动力的新型统计学方法[22]。其运行原理主要基于如下假设：当因变量Y受自变量X影响时，两者空间分布具有相似性[23]。地理探测器不仅可以处理数值型数据和定性数据，还可以较好地探测两因子对因变量的交互作用。q值表示因变量Y的空间分异性以及自变量X能在多大程度上解释因变量Y的空间分异。通过比较单因子q值和两因子共同作用的q值，可以判断两因子是否存在交互作用，以及交互作用的强弱、方向等。q值计算公式为

式中：i是因变量Y或者自变量X的分层；Pi和P分别是层i和样本区的单元素；和分别是层i和样本区的方差。

q的取值范围为[0, 1]。q值越大表示因变量Y的空间分异性越强，反之则表示空间分布随机性越强；若自变量X组成了分层，则q值越大表示自变量X对因变量Y的解释程度越强，反之则越弱。

2 物流企业空间分布与变化

2.1 物流企业空间集聚变化趋势

运用平均最近邻分析方法探测2010—2020年长株潭不同等级物流企业的集聚程度，结果如表2所示。

表2 2010—2020年长株潭A级物流企业空间集聚程度Table 2 Spatial agglomeration degree of A-level logistics enterprises in Chang-Zhu-Tan from 2010 to 2020

由表2可知，不同等级物流企业在空间上均呈现集聚分布且集聚程度有所增强，但4A级及以上物流企业集聚程度明显高于3A级及以下物流企业。

使用标准差椭圆分析方法探测不同等级物流企业的移动方向及变化趋势，结果如图1所示。10 年间，不同等级物流企业空间分布格局由“东北—西南”走向转变为“西北—东南”走向，重心均位于长沙市雨花区，但相比较3A级及以下物流企业，4A级及以上物流企业的重心纬度更高。

图1 2010—2020年长株潭A级物流企业分布标准差椭圆分析结果Fig. 1 Distribution standard deviation ellipse of Chang-Zhu-Tan A-level logistics enterprises from 2010 to 2020

2.2 物流企业空间集聚程度

进一步使用核密度分析方法探测不同等级物流企业的空间集聚特征，结果如图2所示。2010—2020年不同等级物流企业的空间集聚格局均表现出不规则的环状分布特征，不规则部分与交通干线重合。4A级及以上物流企业以芙蓉区为“单核心”的集聚趋势明显，3A级及以下物流企业呈现以芙蓉区、石峰区和岳塘区为“三核心”的集聚格局。

图2 2010—2020年长株潭A级物流企业核密度分析结果Fig. 2 Kernel density analysis of A-level logistics enterprises in Chang-Zhu-Tan from 2010 to 2020

彩图

3 物流企业空间分布影响因子

3.1 影响因子的相关性分析

物流企业的空间分布受多种因素影响。本研究团队通过阅读大量的相关文献，并基于长株潭A级物流企业的空间格局变化特征以及数据的可获得性，选取了城镇化水平、区域经济实力、居民消费能力、商贸市场规模、区域政策、工业化水平、人口密度、交通可达性等8个具有代表性的影响因子。影响因子的选取和计算方法如表3所示。

表3 影响因子的选取和计算方法Table 3 Influencing factor selection and calculation method

运用相关性分析方法探测影响因子与物流企业之间的线性相关性，计算结果如表4所示。物流企业Pearson相关系数均为正数，表明选取的影响因子与物流企业均存在正相关关系，也从侧面反映了这些影响因子的选取存在一定合理性。具体来看，区域经济实力、居民消费能力和交通可达性均通过了不同等级物流企业在2010, 2015, 2020年的显著性检验；商贸市场规模和区域政策均通过了4A级及以上物流企业在不同年度的显著性检验；城镇化水平、商贸市场规模和区域政策只通过了3A级及以下物流企业在某一年度的显著性检验，Pearson相关系数相对较高。

表4 长株潭A级物流企业影响因子的Pearson相关系数Table 4 Pearson correlation coefficient of influencing factors among Chang-Zhu-Tan A-level logistics enterprises

3.2 影响因子作用的空间分异性

用因子探测器分析不同影响因子可解释物流企业的空间分异程度。将自变量导入地理探测器软件中，计算2010, 2015, 2020年影响因子对长株潭不同等级物流企业的影响力q值，结果见表5。

表5 不同影响因子对长株潭A级物流企业分布的影响力q值Table 5 q value of influence of different influencing factors on Chang-Zhu-Tan A-level logistics enterprises

3.3 交互探测结果

进一步使用地理探测器分析任意两个影响因子对A级物流企业空间分布的影响程度，结果见表6。不同影响因子之间产生的交互作用有2种：非线性增强（nonlinear enhancement，NE）和双因子增强（bi-factor enhancement，BE）。非线性增强表示两个影响因子在交互作用时产生的影响力大于它们单独作用时产生的影响力之和；双因子增强表示两个影响因子在交互作用时产生的影响力大于它们单独作用时产生的最大影响力，影响程度弱于非线性增强。

表6 长株潭A级物流企业不同影响因子的交互探测结果Table 6 Interactive detection results of different influencing factors in Chang-Zhu-Tan A-level logistics enterprises

3.4 影响因子的作用机制分析

3.4.1 主要影响因子作用强度趋向于均衡化

由表5可知，2010—2020年城镇化水平、商贸市场规模和交通可达性对不同等级物流企业分布的影响程度逐渐增强，其余影响因子呈现减弱趋势，不同影响因子间的q值差距也在减小，表明长株潭A级物流企业的空间格局不是由单个因素决定，而是受多个因素共同影响，其逐渐朝着均衡化方向发展。具体来看，工业化水平对2010和2015年4A级及以上物流企业空间分布的影响程度最高；交通可达性在2020年取代工业化水平成为核心影响因子；区域经济实力和商贸市场规模一直对4A级及以上物流企业的空间分布具有重要影响。区域政策是2010年3A级及以下物流企业空间分布的核心影响因子；区域经济实力在2015年取代区域政策成为核心影响因子；城镇化水平在2020年取代区域经济实力成为核心影响因子；交通可达性和商贸市场规模一直是影响3A级及以下物流企业空间分布的重要因素。

3.4.2 不同等级物流企业影响因子作用差异明显

从影响因子影响力q值来看，区域经济实力、商贸市场规模和交通可达性是影响长株潭4A级及以上物流企业空间分布的核心因素，区域经济实力、区域政策和交通可达性则是影响3A级及以下物流企业空间分布的核心因素，其余影响因子对不同时期不同等级物流企业的影响程度差异较大。

1）城镇化水平、区域经济实力。城镇化水平、区域经济实力对长株潭A级物流企业的空间分布具有重要影响。如表5所示，A级物流企业在区域空间分布上的不均衡和异质性，在一定程度上反映出不同城市区域之间经济发展水平的差异。近10年来，长株潭A级物流企业数量和规模都有明显增长，4A级及以上和3A级及以下物流企业的q值一直处于较高水平，这主要是区域经济实力对物流企业空间分布影响显著。从整体来看，4A级及以上物流企业规模较大，更倾向于布局在经济发展水平更高的长沙市，而3A级及以下物流企业由于规模较小，分布相对均衡。从县（市）区层面来看，多数A级物流企业选择集聚在三市中心城区并形成热点区域。

2）居民消费能力、人口密度。居民消费能力对不同等级物流企业空间分布的影响程度保持在中等水平，表明居民消费能力虽然对物流企业的布局具有一定的影响，但相对于区域经济实力、交通可达性等影响因子，其影响程度较低。随着产业的升级转型，物流企业引入了智能物流技术、自动化设备，例如自动化立体仓库、无人叉车和RFID（radio frequency idenfication）电子标签等，节约了大量人力和物力，导致物流企业对劳动力的需求有所减少。

3）工业化水平、商贸市场规模。工业作为第二产业，商贸流通业作为第三产业，均能为物流企业创造大量的运输、配送等需求。近10 年来，由于产业结构不断升级调整，长株潭第二产业产值占地区生产总值的比例总体呈下降趋势，而第三产业产值的比例逐渐增加。工业化水平对不同等级物流企业空间分布的影响力均有所下降，而商贸市场规模的扩大对不同等级物流企业空间分布的影响作用提升。4A级及以上物流企业受商贸市场规模影响更大，其商贸市场规模影响力q值均高于其他物流企业，在选址时应重点考虑。

4）区域政策。区域政策对物流企业的空间分布具有重要引导作用。相关规划促进了物流企业空间分布由“东北—西南”走向转变为“西北—东南”走向，重心不断向东南方向偏移。区域政策对4A级及以上物流企业的影响程度较高且缓慢提升；对3A级及以下物流企业的影响程度有所减弱，但依旧保持较高水平。3A级及以下物流企业的经济实力较弱，抗风险能力较差，因而需要更多的政策扶持，而4A级及以上物流企业规模有所增大，竞争力日益增强，这与政府鼓励物流企业做大做强的理念具有一致性。

5）交通可达性。良好的交通可达性可以减少货物运输时间，提高运输效率，增加客户的满意度，同时也可以扩大物流企业的辐射范围，赢得更多潜在的物流市场。交通可达性对不同等级物流企业空间分布的影响力均保持较高水平且影响力q值有所增加。物流企业布局于高速公路、车站、机场等枢纽附近，可以提高运输效率，降低运输成本。4A级及以上物流企业业务量较大，对运输时效性要求更高，在布局时受交通可达性的影响更大。

3.4.3 影响因子交互作用呈显著增强趋势

如表6所示，长株潭不同等级物流企业空间分布的影响因子在交互作用时产生的影响力均大于它们独自作用时产生的影响力，不存在相互独立的影响因子。4A级及以上物流企业在2010, 2015, 2020年分别有6, 8, 13种影响因子在交互时产生了非线性增强，因子交互作用的占比从21.43%增长到46.43%；3A级及以下物流企业在2010, 2015, 2020年分别有9,8, 12种影响因子的交互作用为非线性增强，且因子交互作用的占比从32.14%增长到42.86%。4A级及以上物流企业表现为区域政策（X5）、交通可达性（X8）、商贸市场规模（X4）与多个影响因子交互作用的非线性增强；3A级及以下物流企业，城镇化水平（X1）、商贸市场规模（X4）和交通可达性（X8）与多个影响因子的交互作用为非线性增强。这表明不同等级物流企业空间分布的影响因子既有共同作用，又存在时空差异。

4 结语

本研究分析了长株潭A级物流企业的空间格局变化特征，并探究了A级物流企业空间分布格局的主要影响因子与形成机制。主要研究结论如下：1）不同等级物流企业的空间分布格局均表现出不规则的环状分布特征，不规则部分与交通干线重合，且重心往东南方向偏移趋势明显，4A级及以上物流企业以芙蓉区为“单核心”的集聚趋势明显，3A级及以下物流企业逐渐呈现出以芙蓉区、石峰区和岳塘区为“三核”的集聚格局；2）城镇化水平、商贸市场规模和交通可达性等影响因子对不同等级物流企业的影响程度逐渐增强，其余影响因子均呈现减弱趋势，同时因子的q值差距减小，这表明长株潭A级物流企业的空间格局不由单个因素决定，而是受多个因素共同影响，其逐步朝着均衡化方向发展；3）两个影响因子在交互作用时产生的影响力均大于它们独自作用时产生的影响力。区域经济实力、商贸市场规模和交通可达性是4A级及以上物流企业空间分布的核心影响因子，区域经济实力、区域政策和交通可达性则是3A级及以下物流企业空间分布的核心影响因子。

长株潭物流行业正处于快速发展阶段，因而政府需给予土地、财税、金融等政策支持物流企业落户发展。交通可达性对物流企业的空间分布具有重要影响。政府需要增强干线运输和支线运输的能力，充分利用现有株洲西站、株洲站、湘潭北站和湘潭站等客运枢纽，适度提升货运功能；大力支持多式联运，打造高效便捷的轴辐式物流网络，促进长株潭物流企业健康发展。