我国物流业“马太效应”的实证检验及空间解释—基于资本和劳动力双资源配置视角

□顾秀芬 黄敬前 王东方

[1.武夷学院 武夷山 354300；2.福州大学 福州 350116]

引言

作为世界上发展中国家第一大国，我国经济社会发展存在显著的区域不平衡特征，马太效应始终存在于区域经济发展的不同领域[1]。马太效应是指“强者愈强、弱者愈弱”的极化效应，体现在物流领域就是物流业发展具有优势的地区相对于劣势地区可以在后续的发展中依靠长期累积的优势和有效的资源配置举措，集聚更多的物流资源保持领先地位，而前期物流发展处于劣势的地区则会陷入由于资源匮乏而导致的物流业发展活力不足，我国物流业发展是否也存在马太效应值得深入研究。

物流业作为国民经济社会发展的基础产业，在推动产业融合、实现产业升级的进程中发挥着重要作用[2]。资本和劳动力是物流产业发展的重要投入要素，是物流业发展的基础[3～5]。资本的合理配置能够完善区域物流基础设施设备，劳动力的合理配置则能够促进区域物流业生产效率的提高。从这两个角度看，我国区域物流发展存在显著差异，对2016～2019年我国物流资本和劳动力资源的相关数据进行描述性统计①可知（详见表1），在物流业资本配置上，四川一直排名第一、宁夏一直排名最末，且两区域之间的差距由3 370.285亿元扩大到5 461.173亿元。此外，四川、宁夏与均值的差距都在不断扩大，标准差也由874.581亿元上升到1 519.039亿元，在一定程度上说明区域之间的物流资本资源配置差距扩大；在物流劳动力配置上，广东一直排名第一、宁夏一直排名最末，两区域之间物流从业人员的差距由774 614人扩大825 437人，广东与均值的差距在逐步扩大，宁夏与均值的差距虽在逐步缩小，标准差也由170 034人缩小至166 044人，仍可看出区域之间劳动力资源配置强弱差距大。

表1 2016～2019年我国物流资本和劳动力资源的描述性统计

由此可见，我国区域物流业发展过程中确实存在马太效应，但该效应是否一直存在还得进一步探究。区域发展不平衡是我国的基本国情，促进区域之间的协调发展，是建设现代化经济体系、推动经济往高质量方向发展的重要任务。物流领域马太效应的存在会进一步加剧区域经济发展的不平衡，进而偏离区域协调发展这一国家战略。因此，从资本和劳动力双资源配置视角研究我国物流业发展的“马太效应”并探究其形成机制，对于优化物流资源配置，促进区域协调发展具有一定的现实意义。

一、文献综述

马太效应自Robert K.Merton提出以来，已被应用于诸多领域的研究，研究内容主要聚焦以下几个方面：（1）马太效应的存在性研究。如Bol等研究了科学领域的项目资金分配是否存在马太效应[6]。杨龙志、刘霞对省际技术转移的马太效应进行了探究[7]。王修华、赵亚雄则通过对比贫困户与非贫困户的收入验证马太效应是否存在于我国数字金融领域[8]。（2）马太效应产生的原因。齐玮娜等的研究结果显示区域环境和创业质量的自我回馈机制导致区域创业质量出现马太效应[9]。邬德林、张平对我国农民收入存在马太效应的原因进行探究后发现农业R&D支出会强化农民收入的马太效应，农业技术推广支出则起到缓解作用[10]。张骞等则验证了信息化的发展并不会使区域创新能力出现马太效应[11]。（3）马太效应所带来的影响。Zheng的研究结果显示发达地区的研发投入对经济增长的影响会随时间推移而变得更强，而欠发达地区的研发投入对经济增长的影响则相反[12]。Fiorenti等的实证研究发现马太效应产生的影响与时间长度有关，从中期而言马太效应会对企业创新投资带来负面影响，但长期来看马太效应能够对企业创新投资起到积极作用[13]。樊桂清、贾相如认为马太效应一方面有利于优秀学者成长为学术权威，提高高校教师的竞争意识，壮大科研力量，另一方面又会加剧科研领域的资源垄断，促进资源配置的两极分化[14]。封泉明、林世芳的研究结论显示马太效应一方面能够促进人才的选拔，另一方面又会对大部分未成名人才的成长产生抑制作用，对人才供给侧改革的作用具有矛盾性[15]。

物流业资源配置已经引起了学术界的广泛讨论与关注。党的十九届五中全会确认市场在资源配置中的决定性作用，但市场的资源配置作用具有两面性，即在促进区域发展的同时也会产生区域差距。特别地，物流业作为一种复合型产业，与生产和消费有着紧密联系，物流资源配置的差距也会对区域产出造成重要影响。当前，学者们已经充分认识到物流资源的重要性，并对其展开相关研究，研究内容主要包括物流资源的整合[16]、物流资源的调度[17]、物流资源配置的影响因素[18]、物流资源配置的公平性[19]等。追逐利益最大化是经济资源最为重要的特征之一[20]，物流资源也是如此，对应地在这种趋利特征的引导下，物流领域存在的“马太效应”[21～22]会更加显著，因此让市场在物流资源配置中起基础性的决定作用的同时也应发挥政府这只“看得见的手”，合理调控区域间物流资源的配置。

综上所述，当前马太效应的研究更多聚焦于科学、金融、农业、区域创新等领域，研究内容包括马太效应的存在性检验、产生原因以及所带来的影响等。通过学者们的研究也可以发现马太效应带来积极作用[23]的同时也会暴露出机会公平性和发展协调性等方面的问题[24～25]，且这些问题在社会发展的新形势下会进一步凸显[26]。对于物流领域，也有学者在其研究结果中简要阐述物流业有“马太效应”现象的存在[21～22]，但聚焦物流业马太效应的存在性及其背后原因探析的文献相对缺乏。受经济、生产力、信息化水平等因素的影响，我国物流业发展呈“东部地区发展快、中西部地区发展慢”“城市物流相对发达，农村物流相对滞后”的局面，物流企业、物流设施、物流活动更倾向于交通、信息发达的区域[27]。“十四五”规划提出要继续促进区域协调发展，推进西部大开发形成新格局、中部崛起形成新局面，支持特殊类型地区加大步伐、加快发展，在发展中促进相对平衡。资源配置是影响区域产出的重要因素，马太效应对区域之间的协调发展又有着深刻的影响。因此，本文基于资本和劳动力双资源配置视角对物流业是否存在“马太效应”进行检验，并尝试从空间角度对物流业为何存在“马太效应”的原因进行探析，一方面能够扩展马太效应的研究领域，在一定程度上丰富马太效应的理论成果；另一方面也能对我国物流业发展现状以及区域差异有更加全面的认知，便于优化资源配置，促进产业协调发展。

二、研究方法与数据来源

（一）马太效应的存在性检验：马尔科夫链

马尔科夫链（Markov Chain）是一种时间和状态均为离散的马尔可夫过程，具有较为准确描述事物分布动态，计算不同状态之间相互转移的概率及转移方向的优点。本文参考蒲英霞[28]、周迪[29]等学者的研究成果，同时结合物流业资源配置的实际情况，对比各省市物流资源配置水平与全国资源配置平均水平，首先将各省市物流资源配置水平划分为四类（见表2），表2中资源配置水平为低水平的表示该省市物流资源配置水平低于全国资源配置平均水平的50%，中低水平则介于全国资源配置平均水平的50%～100%，中高水平的表示处于全国资源配置平均水平的100%～150%，高水平则高于全国资源配置平均水平的150%；然后通过计算各省市在不同水平类型间的转移概率，结合不同时刻的类型转移过程建立一个状态转移矩阵，以此检验我国物流业资源配置水平的固化特征与转移特征哪个更显著。

表2 各省市物流资源配置水平划分

具体操作如下：

计算一步时长为d年的转移概率。即物流资源配置水平在第t年处于i类型的地区经过d年发展后转移为j类型的概率，i,j∈{1,2,3,4}，i,j取值越高，代表该地区物流资源配置水平越高。具体如式（1）所示：

列出马尔科夫状态转移矩阵。对不同类型的状态转移概率进行估计，得到式（2）所示的马尔可夫转移概率矩阵：

式（2）中矩阵对角线元素表示研究期间各省市在d年时长下状态不变的概率，其值越大，则表明其物流资源的流动性越低，相应的固化程度也就越高。特别地，和这两个数值分别表示高低水平地区经过d年发展后仍处于高低水平区域的概率，通过比较这两个值，能够比较清晰地了解各省市间物流资源水平阵营的固化程度和资源流动的难度。如果和在d年后增大，则可认为物流资源配置“强者越强、弱者越弱”的局势出现，也即物流业发展存在马太效应。

探析高低水平阵营固化程度发生变化的时间节点。探析方法为似然比统计量Q[30]，具体如式（3）所示：

式（3）只计算状态转移概率矩阵中非零的项，m表示时间段类型，表示d年前后两个时间段内计算的转移概率和，分别d年时长下研究期内某时间节点前后两个时间段内对应的地区数量。似然比统计量Q渐进服从卡方分布，卡方自由度为k(k−1)减去全时段状态转移概率矩阵中的零元素的个数，k为划分类型数，k=4。

（二）马太效应的空间解释：Moran’s I

Moran’s I能够对整个区域中相邻省份之间的空间自相关情况进行度量，从而判断区域物流资源分布呈马太效应的高水平阵营与低水平阵营是否有集聚现象。如果资源配置处于高水平阵营的省份与高水平阵营的省份集聚，低水平阵营的省份与低水平阵营的省份集聚，则可以说明物流业的马太效应在一定程度上与区域资源配置的空间分布有关。Moran’s I的计算过程如式（4）所示：

11.2 出芝管理：扣棚后大约30～40天灵芝开始出土，这时应把大棚扣上遮阳70%的遮荫网，每天应本着少浇水、勤洗水的原则，每天浇3～4次水，加强通风，温度白天控制在24～28℃之间，湿度70%～90%。同时要及时剪除多余弱小的芝芽，修芝、整形、拔除杂草，为早开伞、开壮伞、早收粉打基础。

（三）数据来源及处理

当前我国产业分类中并没有专门的“物流产业”分类，因此在进行数据选取时，借鉴国内杨宏伟等大部分学者的做法，用交通运输、仓储和邮政业的相关数据作为物流业的替代数据[19]。参照诸裕祥等学者的研究成果，从资本和劳动力两大物流资源着手来衡量区域物流资源配置情况[4]。其中，资本的度量选取物流业固定资产投资额，劳动力的度量选用物流业从业人员数。文中所使用的数据均来源于2006～2018年的《中国统计年鉴》，由于部分数据无法获取，故选取我国30个省市（不含港、澳、台及西藏）作为研究对象，同时为保证数据的有效性，对资本指标采用永续盘存法进行相应处理。

三、我国区域物流发展的“马太效应”检验

“马太效应”检验内容包括以下两个部分：一是考察区域物流发展的马太效应是否存在，即判断物流资源配置的高低两大阵营固化现象是否显著；二是考察区域马太效应是否会随时间变化而强化。为此，本文借助Markov 链模型对各类型地区在1～5年时长下的转移情况进行全面研究，得到我国区域物流资源配置状态转移的马尔可夫概率矩阵（详见表3）。

表3 我国区域物流资源配置状态转移的马尔可夫概率矩阵

通过分析表3数据得到如下结论：

1.不论时长为1年或5年，物流资源配置都呈现出高低水平阵营固化的现象。具体地，对比各矩阵对角线上数值，1～5年时长下，资本处于高水平的省市维持高水平的概率为0.750～0.953，劳动力的概率为0.707～0.938。资本处于低水平的省市维持在低水平的概率为0.857～0.980，劳动力的为0.983～1，该值会明显大于高水平区域维持在高水平的概率值，且无论是资本还是劳动力，低水平区域向高水平甚至是中高水平区域转移的概率也均为0。即物流资源配置低的地区在区域物流发展中一直处于劣势地位，较难赶超物流资源配置高的区域，且处于低水平阵营的区域已经不能单纯依靠资本的投入来驱动物流业的发展，物流劳动力尤其是高等级的物流劳动力对物流业后期发展将起到更加重要的作用，而这也印证了陶婷婷提出的“物流产业光靠扩大投入的粗放型增长方式不可取”这一观点[31]。

2.物流业两大资源中低水平阵营的固化程度更加显著，且随着时间的推移，高低两大阵营间的固化差距不断拉大。物流资本两大阵营固化程度差距由1年时长下的0.027逐步增长到5年时长下的0.107，而劳动力资源则由0.045拉大到0.293，也即“强者越强，弱者越弱”的马太效应出现。以物流资源配置处于高水平阵营的广东对比物流资源配置处于低水平阵营的青海、宁夏为例。2005年，广东与青海、宁夏物流资本资源分别相差576.18 亿元、590.97亿元，物流劳动力资源分别相差439 212人、441 749人；2017年物流资本资源差距则分别上升至3 029.14亿元、3 429.52亿元，物流劳动力资源差距上升至786 422人、795 860人。这一现象的原因可能是因为资源流动的非对称性。随着时间的发展，虽然物流资源会在区域之间流动，但由于低水平阵营具有经济发展相对落后、工作机会相对缺乏、工作环境相对恶劣以及固有的地理劣势等原因，使得低水平阵营长期落后。

3.虽然低水平区域要想进行跨越式的发展直接提升为高水平区域较为困难，却仍有希望通过稳扎稳打式的发展来实现。刘明等学者对区域物流协调发展的研究中针对物流发展水平较低的城市提出了扩张型发展策略和赶超型发展策略[32]。对比1年时长和5年时长，资本资源配置类别在1年时长下从低到中低、中低到中高、中高到高的概率为0.020、0.034、0.031，5年时长下分别为0.143、0.133、0.194，由此资本低水平区域存在提高区域水平的概率。但是比对劳动力资源，可以看到4年时长和5年时长下处于低水平区域会始终处于低水平。因此，物流资源处于低水平的区域进行区域追赶时除加大资本投入外还应注重劳动力的投入，加大物流人才引进，提高劳动力效率。

基于Markov 链的结果分析可以发现，我国物流资源高水平阵营和低水平阵营存在明显的阵营固化特征。为了探究这种特征是否会随时间的发展而变化，以及发生变化的关键年是哪一年，本文借助式（3）来对这两个问题进行相关研究。由式（3）可以得到研究期间在1～2年时长下的Q值。由于实际用于分析的数据量在随时间的增大而减少，为了保证检验结果的稳定性，本文只检验1～2年时长下的情形，检验结果如表4所示。对自由度进行相应的调整，即剔除全时段状态转移概率矩阵中为0的元素[28]，无论是1年时长还是2年时长自由度由4×（4–1）均变为6。在 α=0.05的显著性水平下，χ2(6)=12.592。

表4 马尔科夫转移矩阵的分时间段差异性检验

四、区域物流发展存在“马太效应”的空间解释

上述分析表明物流业存在明显的“马太效应”，且高低水平阵营固化特征明显，那么这种现象是否与区域物流资源配置的空间分布格局有关？本文将借助式（4）并根据Markov 链结果计算典型年份下物流资源的Moran’s I值，以此考察高低水平阵营是否出现集聚或混杂分布的空间格局，计算结果及显著性水平见表5所示。

表5 物流资源的Moran’s I值

由表5可知，我国区域物流资源的Moran’s I均为正值，除2017年的资本资源，其余年份均通过了显著性检验，表明物流业发展存在“高–高集聚”及“低–低集聚”的现象。其中，资本资源的集聚特征相比劳动力资源而言会在研究期末更加弱化。既然我国物流资源高低水平阵营都表现出一定程度的空间集聚格局，那么这两大集聚阵营包含了哪些省市？通过Arcgis10.7软件的四分位数划分法对我国区域物流资源典型年份的空间分布进行研究，重点关注高水平区域和低水平区域，结果如图1和图2所示。

图1 2005、2010、2017年资本分布四分位图

图2 2005、2012、2017年劳动力分布四分位图

由图1和图2可以看出，我国出现物流资源马太效应的高低水平阵营在空间分布上呈现明显的集聚，且劳动力资源的集聚度高于资本资源的集聚度。高水平阵营来看，资本资源有广东、江苏、浙江、河北等省份，山东、湖北、四川也在研究中后期加入其中；劳动力资源上广东、北京、上海、江苏、山东、河南维持高水平阵营不动摇，四川研究期末跻身其中。低水平阵营来看，甘肃、青海、宁夏、新疆不论是资本资源还是劳动力资源一直处于低水平阵营，劳动力资源还外加贵州省，而江西在研究期间资本资源不断滑落，最终变为低水平阵营。

通过观察可知，高水平阵营的这些省份大部分位于东部沿海地区，凸显了东部沿海省市在资源配置上的垄断性，陈恒[33]、辜胜阻[34]等学者的研究也表明我国物流业的资源大部分集中于东部地区。一是这些省市具有强劲的经济发展动能，物流与经济向来相辅相成，因此能够吸引大批优秀物流人员为其后续发展提供源源不断的动力；二是国家政府对这些地区的重点关注和培育，以及对应的天然地理优势，吸引大量的物流资本流入，高水平阵营由此固定。低水平阵营则大部分处于我国西北地带，这些省市无论是历史原因还是地理位置上均不占优势，亟需引入物流资本和劳动力来促进该类区域的发展。

在上述省市中，四川资本资源实现由“中低水平—中高水平—高水平”的两级跨越，劳动力资源实现“中高水平—高水平”的一级跨越；湖北实现资本资源由“中高水平—高水平”的一级跨越。原因可能在于四川和湖北有着地理优势和国家级战略的政策扶持。以四川为例，其对内承接华南、华中，连接西南、西北，对外沟通中亚、南亚、东南亚，是国内国外重要的交汇点和交通走廊，也是支撑“一带一路”国家战略和长江经济带发展战略的西部枢纽与经济腹地，具有明显区位优势；中欧班列的深入推进、成渝双城经济圈的建设、西部陆海新通道的实施更是为其汇聚大量的物流资源，因此，能够实现资源配置跨越发展。此外，江西资本资源配置则与四川、湖北相反，沿着“中高水平—中低水平—低水平”的路径降维发展。物流业作为生产性服务业，当地经济发展水平在一定程度上决定了物流业发展水平[35]。经济发展水平越高，越能为当地物流基础设施的建设提供支持[36]，促进资本资源配置的提升。江西省GDP在2005～2017年全国排名中游偏下①，与广东、江苏等经济发达省份差距较远，物流资本资源投入受限。资本的流动性和趋利性也会使得一部分的资本资源往相邻的高水平配置地区流动，最终导致江西物流资本资源降维发展。

综上所述，我国出现物流资源马太效应的两大阵营在空间上各自集聚，而这一定程度上可以解释为何我国物流发展存在马太效应：一方面，这种高水平阵营和低水平阵营在空间上各自集聚，彼此分离，不利于高水平阵营空间溢出作用的发挥，从而难以缩小两大阵营间的差距；另一方面高水平与高水平的空间集聚能够促使资源包括物流人才、物流资本的内部流动，促进阵营内的物流产业专业化分工，从而获得更多的外部性，进一步拉大高水平阵营和低水平阵营间的物流资源配置差距，最终导致马太效应的出现。

五、结论与建议

物流业是支撑国民经济运行的基础性产业，物流业的协调发展对区域协调发展国家战略的实施具有重要意义。本文利用我国30个省、市、自治区2005～2017年的物流业资本和劳动力两大资源数据，创新性地将“马太效应”研究范畴扩展到物流领域，通过Markov链模型实证检验区域物流发展过程中是否存在马太效应，运用Moran’s I指数等工具从空间角度探究其原因，为政府促进产业协调发展的政策制定提供一定依据。本文得到的结论如下：

1.区域物流发展存在明显的马太效应。不同物流资源间的马太效应强度不同，出现分界的时间节点也有所差异。通过构建1～5年时长的Markov链模型，分析处于低、中低、中高、高等不同类型地区的状态转移情况，发现物流资本和劳动力都呈现出高水平阵营和低水平阵营长期固化的特征，低水平阵营的固化程度会强于高水平阵营。两大阵营间的固化差距会随时长的累积而扩大，低水平阵营与高水平阵营之间难以实现跳跃式发展，马太效应明显，物流资本资源马太效应出现分界的时间点比劳动力早两年。

2.物流资源配置高低水平两大阵营在空间上各自集聚。莫兰指数分析结果显示，物流业两大资源存在“高–高集聚”及“低–低集聚”的现象，且劳动力的集聚度在研究期末高于资本的集聚度。从空间视角来看，高水平阵营集中分布在沿海地区，低水平阵营则主要分布于西北地区。高低水平阵营的各自集聚一方面会使得高水平阵营的资源外溢无法惠及低水平阵营，另一方面会强化高水平阵营内部资源的流动，进一步加剧物流资源在高水平阵营集聚，持续强化物流资源空间配置的马太效应。

3.处于中低、中高水平物流资源配置阵营的区域存在向下降级和向上提升的可能。物流资源配置相邻阵营间的资源流动性大于非相邻阵营，中低水平阵营提升自身资源时可通过逐步提升、稳扎稳打的方式促进区域物流发展，中高水平阵营则在提升自身发展的同时也要注意资源的流动性，防止出现资源降级。

基于以上研究结论提出以下政策建议：（1）加大对物流业发展落地后地区的政策扶持。物流业欠发达区域相比发达区域而言本身获得的资本和劳动力等资源的能力有限，同时受制于物流关联产业发展不充分等因素，物流业发展内生动力不足，而地方政府财政上的不足进一步加剧了这一现象。因此，中央政府在物流资源、政策的配置上可依据区域物流发展的不同阶段有针对性地进行资源配置的倾斜，精准扶持落后地区。（2）加大低水平阵营资源投入的同时应更加注重提升资源的利用效率。高水平阵营的发展经验表明物流业发展早期可单纯依靠加大资源的投入来促进物流业的发展，但到了后期必须通过提高资源的利用效率才能推动产业进一步的升级，因此政府加大低水平阵营资本和劳动力的投入的同时还应注意物流资本和劳动力配置的效率，鼓励低水平阵营引进、吸收先进地区的物流管理经验和物流技术，推动物流业高质量发展。（3）引导并鼓励规模以上的物流企业尤其是A级以上物流企业开拓中西部市场，低水平阵营则需要持续优化营商环境，提高低水平阵营吸收高水平阵营资源外溢的能力，促进物流资源在不同水平阵营间的高效流动，进一步弱化物流资源空间配置的马太效应，最终推动区域物流的协调发展。

本文仅从物流资本、劳动力双资源配置的空间分布视角对我国物流业发展是否存在马太效应进行检验并探究其原因，在后续研究中，还可以继续深入探讨经济、产业发展、政府政策等因素对我国物流业马太效应产生的影响。

注释

①数据来源于国家统计局，经作者整理计算得出。当前我国产业分类中并没有专门的“物流产业”分类，因此在进行数据选取时，借鉴国内杨宏伟[22]等大部分学者的做法，用交通运输、仓储和邮政业的相关数据作为物流业的替代数据。