高 婷
(南京林业大学 经济管理学院,江苏 南京 210037)
新中国成立以来,中国城镇化发展取得突破性成果。1949年至2020年城镇人口比重由10.6%提升至63.9%。但是在高速发展的同时,传统城镇化带来的弊端也逐渐显露:忽视对生态环境的保护、土地利用不合理、城乡二元化、城镇服务水平滞后,再加上单一的管理方式使得传统城镇化模式无法适应当前新时代经济发展需求。由此,我国在2012年首次提出新型城镇化,强调以人民为中心,促进城乡一体化,发展绿色经济,打造优美生活环境。
新型城镇化发展带来人口、产业、资源的集聚,一方面增加了物流方面的需求,另一方面对物流在城际间的运输效率提出新的要求。城镇化水平提升带动区域经济发展,有助于实现物流技术创新和行业转型升级。而物流业对城市经济发展有显著推动作用,从而进一步加快城市城镇化建设。二者之间的关系问题一直是研究重点,吴垚,等实证分析得出长三角新型城镇化水平与物流发展耦合协调程度高,但城市间差异显著。张宁基于新型基础设施建设效应,采用熵值法和DEA模型分析得出新型城镇化可以大幅提升物流生产效率。但目前有关物流发展与新型城镇化的互动关系研究较少,基于此本文以江苏省为研究对象,采用VAR模型探讨城市物流发展与新型城镇化的互动关系。
从地理位置条件来看,江苏位于长江中下游,地处东部沿海地区中心,区位优势显著。海岸线全长954km,南部与上海接壤,其经济辐射带动周边城市发展,北部与环渤海经济带相邻。优越的地理条件使得江苏经济快速发展且实力雄厚,2021年其GDP总量高达11.6万亿元,占当年全国GDP总量的10.2%。
从物流与新型城镇化发展来看,江苏交通运输线呈网状分布,连结市区各地。2020年,江苏省铁路里程达3 998km,公路里程达15 8101km。同时江苏是“一带一路”建设的交汇点,与沿线多所城市缔结友好关系,对外高度开放。2020年,江苏对外进出口总额为6 427.75亿美元,同比增长2.1%。江苏城镇化率由2010年的60.6%上升至2020年的73.4%,年平均增速为1.76%,远超全国平均水平。2021 年,江苏省下发《“十四五”新型城镇化规划的通知》,在“十三五”期间新型城镇化目标圆满完成的基础上详细规划了“十四五”建设要求:加强城市现代化治理、推动城乡深度融合、注重绿色低碳、坚持以人为本。
本文数据主要来自2010-2020年《江苏省统计年鉴》和《中国统计年鉴》,部分数据经过计算处理。
2.1.1 指标选取。本文根据指标选取的一般原则,参照前人研究经验并结合江苏省物流与城镇化发展数据特征,构建新型城镇化和区域物流发展指标体系(见表1、表2)。其中,新型城镇化系统从经济、社会、人口、空间及生态角度出发共选取13项指标。区域物流系统根据物流的投入、产出、需求及基础设施情况选取9项指标。
表1 江苏省新型城镇化指标体系及权重
表2 江苏省区域物流发展指标体系及权重
2.1.2 熵值法测算指标权重。设有m个统计年数,n个评价指标,建立评价指标原始矩阵(x),其中12;12。熵值法测算步骤如下,以地区生产总值指标为例:
(1)原始数据标准化及无量纲处理
正向指标:
负向指标:
其中,x是研究年份中指标的样本值,max[x]和min[x]分别是研究年份中指标的最大值和最小值。
(2)计算第个被评价指标在第个年份上的指标值比值:
(3)计算第个指标的信息熵值e:
(4)计算第j个指标的信息效用值h。h是该指标的差异性系数,表示信息熵值e与1 之间的差值h=1-e,h的数值越大则越要重视该指标在综合评价体系中的作用,则2020 年地区生产总值的h=0.120 080 772。
(5)计算第j个指标的权重系数:
剩余指标同样代入上述计算步骤,得出新型城镇化及物流发展指标各项权重,见表1、表2。
2.2.1 综合评价指数计算。采用权重和指标线性加权求和的方法,计算区域物流发展和新型城镇化综合评价指数s。计算结果见表3。
表3 区域物流发展和新型城镇化综合评价指数sj计算结果
通过取对数可以降低VAR模型中异方差的影响,故对区域物流发展和新型城镇化综合评价指数进行自然对数处理,标识分别为lnLog,lnUrb。2010-2020年经过对数变换后两变量的综合评价指数图如图1所示。
图1 2010-2020年对数变换后物流发展和新型城镇化综合评价指数图
从图1 中可以看出,2010-2020 年间物流发展和新型城镇化的综合评价指数趋势基本相同,都呈现逐渐上升的趋势。物流发展在2014-2016 年间经历一次下滑,但总体发展快速,且仍在不断上升。相比物流发展速度如此迅猛,新型城镇化发展呈现稳步攀升的特点,且近年来发展速度放缓。
2.2.2 DF单位根检验。在建立VAR模型前,为了避免出现伪回归现象,先要对数据的平稳性进行分析。本文使用stata15 软件对变量lnLog、lnUrb 进行DF 单位根检验,结果见表4。
表4 变量单位根检验结果
从表4 中数据可以得出:变量lnLog 的p 值小于0.05,拒绝了含单位根的原假设,说明变量序列平稳。变量lnUrb的p值大于0.05,变量序列不平稳。经过一阶差分后,lnLog 变量在5%显著性水平上平稳,而lnUrb仍未通过检验。经过二阶差分后,两个变量的p值均小于0.05,表明lnLog和lnUrb是二阶单整的平稳序列。
由于变量是二阶单整的平稳序列,所以可用二阶差分建立VAR模型,通过将内生变量作为其后项的函数,通过回归来判断内生变量之间的动态关系。构建的VAR方程如下:
其中,Y表示DlnLog和DlnUrb的列向量,t表示时期,u 表示内生变量的滞后阶数,表示相关系数矩阵,为残差项。
2.2.3 滞后期选择及稳定性检验
(1)VAR模型滞后期确定。滞后期的选择不仅要考虑数目,同时要使模型自由度充分。本文选用LR、FPE、AIC、HQ、SC最优准则确定模型的滞后期,结果见表5。
表5 VAR模型最优滞后期选择结果
从表5中数据可以得出五项最优准则都选择了该VAR模型最优滞后期阶数为2。由此建立VAR(1)模型。该模型估计结果如下所示:
(2)稳定性检验。如图2所示,对模型中的两个特征根进行AR特征根检验,结果显示这两个特征根倒数的模均小于1 即在单位圆中,证明该模型是平稳的。
图2 VAR模型单位根分布
由前面的稳定性结果分析可知VAR模型是平稳的,因而可以进行Granger 因果检验来判断ln和ln之间的因果关系。其原理是Granger 因果检验通过考察变量的滞后项是否会对该变量产生显著影响,从而确定物流发展和新型城镇化之间的影响关系。结果见表6。
表6 物流发展和新型城镇化Granger因果检验结果
从表6中数据可以发现,在10%置信水平下,检验结果均拒绝了ln不是ln的Granger原因,ln不是ln的Granger 原因的原假设,说明物流发展是新型城镇化的原因,新型城镇化是物流发展的原因。即物流发展会影响新型城镇化进程,城镇化会推动物流发展。
脉冲响应函数可以反映VAR模型中的内生变量受到标准差冲击后对其他变量产生的影响。本文运用正交脉冲响应函数对VAR(1)模型进行脉冲响应分析。其中纵轴为冲击反映程度,横轴为冲击作用时间(本文滞后期长度为8),实线是正交脉冲响应函数,虚线是正负2倍标准差置信区间。脉冲响应结果如图3所示。
图3 正交脉冲响应函数曲线
从图3(a)可以发现,当新型城镇化变量受到冲击过后,冲击反响逐渐变强并在第1期达到峰值2。第1期与第2期之间冲击效果缓慢下降,随后其推动作用快速下滑,在第5期达到低谷。第5期滞后冲击程度有所回升并趋于稳定。这与现实逻辑相符合,新型城镇化对物流发展具有正向影响作用,但是在短期内作用效果更为显著。
从图3(b)可以发现,lnLog对lnLog冲击效果不显著。一个滞后期内冲击程度由0.4下滑至0.2随后逐步上升直至平稳,即物流发展对新型城镇化直接作用不明显。
本文首先构建了物流发展和新型城镇化评价指标体系,接着采用熵值法分别测算了各体系内指标的权重,最后借助VAR模型实证分析了江苏省物流发展与新型城镇化互动关系,结论如下:
(1)基于熵值法测算的权重系数,经过线性加权和对数变换后综合评价指数图显示,江苏省2010-2020年间物流发展和新型城镇化的综合指数均呈现上升态势,但是其发展速度不同。物流发展水平不断攀升且增速显著,而新型城镇化自2018年后发展速度明显降低,趋于平缓。
(2)VAR模型测算的二者互动关系为:在10%的置信区间内,江苏省物流发展水平与新型城市化互为Granger 原因,表明江苏省物流业发展促进新型城镇化,城镇化也能带动物流业发展。通过脉冲响应进一步分析得出,城镇化短期内能较大地推动物流产业发展,而物流业对城镇化的作用不显著。
江苏省要提高城镇化发展质量以适应城市化规模的扩张,完善城市各项服务设施,为居民提供坚实的基础保障。在绿色生态理念下,增加城市绿色公园面积,倡导绿色出行方式。同时根据城市发展进程制定配套方案,如苏南地区应当创新城市规划,加强产业集聚,引入专业人才,同时增加物流技术的创新研发投入。苏北地区则应当推进城市基础设施更新,依据城市的资源禀赋打造特色产业群。完善交通运输线路,加强与苏南地区的经济联系,推动区域间物流协调发展。
目前,江苏省内物流业发展快速,但效率与质量上有待提高,应当改进物流运输体系中暴露出来的短板问题。如运输港口之间货物对接不顺畅、信息不透明等问题。为推动生态城镇化建设,应当继续发展绿色物流,减少运输中产生的能源浪费和环境污染。同时增加物流运输站点,优化跨市物流服务质量,推动城市间物流一体化建设和提升人民生活品质。此外,江苏作为“一带一路”内外通道交叉点,应当继续加强与国外物流运输的联系。