物流业发展对制造业生产效率的影响——基于上市制造企业的实证分析

□ 张宏旺

(中国民航大学 经济与管理学院，天津 300300)

1 引言

改革开放以来，中国经济实现了历史性的跨越式发展，中国制造业规模和产业门类也已跃居世界首位，但是在我国制造业规模和门类不断扩大和完善的过程中，中国制造业始终面临着生产效率低下所导致的发展质量不高的问题。制造业是组成实体经济的主体部分，是立国之本、兴国之器、强国之基。如何摆脱制造业生产效率低下，实现制造业高质量发展，成为贯彻落实党的十九届六中全会《中共中央关于党的百年奋斗重大成就和历史经验的决议》坚持把发展经济着力点放在实体经济上，加快制造强国、质量强国的建设进度，实现高质量发展思想的关键。

物流在制造企业供应链上占有重要地位，对制造企业的生产效率具有举足轻重的影响，关乎着企业的命运。现代物流业更是一个复合型产业，融合了运输、仓储、信息、货代等多种产业，其发展不仅有利于制造企业减少对劳动与固定资产等的额外投资，降低不必要的生产经营成本，从而有更大的可能利用资源拓展市场、扩大生产规模以及培育与提升核心竞争力，还有利于制造企业利用外部的先进信息技术和专业知识的溢出效应，实现准时制生产和提高生产柔性提供差异化服务，进而提升制造业生产效率。此外，伴随着物流业与制造业的互动需求趋势逐步加强，着力提高物流业发展水平，降低制造业与物流业之间的隐形交易成本，增强物流业与制造业间的协同关系，从而使制造业生产效率越来越受到政府及企业的关注。

2 文献综述

物流业发展与制造业的生产效率息息相关，学者们也对二者之间的关系进行了丰富的研究，若以研究对象涵盖的地域范围作为划分依据大概可分为如下两类。从整个国家层次研究物流业发展与制造业生产效率的相关文献，王健和梁红艳基于制造业细分行业1998-2007年以及省际2000-2008年面板数据，实证发现物流业发展能够显著地增进制造业生产效率[1]，且在考虑制度环境的调节效应后，物流业发展对制造业生产效率的促进作用依旧显著[2]。在原有研究基础上，梁红艳运用1997- 2007年间的中国28个制造业细分面板数据和中国20个制造业2001-2010年的行业细分面板数据进行进一步的研究，发现在不同视角下物流业发展对制造业生产效率的促进作用在具体实现机制上存在显著差异，在产业联动视角下物流业发展对制造业生产效率的提升主要是通过降低制造业生产成本与交易成本；而在产业分工视角下，促进制造业垂直分工、贸易发展及产业集聚成为物流业发展提升制造业生产效率的重要渠道[3]。在最新量化研究中，上官绪明以物流集聚的视角切入二者之间的关系，并巧妙借助门槛模型利用1998-2019年我国30个省市区的经济发展数据实证检验物流业发展对制造业高质量发展(TFP)的促进作用中的门槛效应，结果显示当物流集聚度低于特定门槛值时物流业发展对制造业高质量发展(TFP)的促进作用不显著，而当集聚度超过特定门槛值时物流业发展对制造业高质量发展(TFP)的促进作用才显现[4]。若是从特定区域层次研究物流业发展与制造业生产效率的关系的文献来看，张予川和张金鑫通过对长江经济带九省二市十四年的数据进行分析，发现目前长江经济带物流业发展对制造业生产效率提升有显著性正向积极影响[5]。蔡志强和蔺继娟则是利用我国东部地区2005-2016年的面板数据展开物流业发展与制造业生产效率二者之间的关系，发现物流业的发展会显著地促进东部省份制造业生产效率的提高[6]。

诚然，无论从何种研究层次来看，物流业的发展均能有效促进制造业生产效率的提高。但是我们也应该清晰地看到，从目前所使用的数据集来讲，学者们主要集中在省际面板与行业面板相结合，而把研究数据细化到城市与上市企业相结合的研究还是相对较少。那么在最新的时间跨度期内，在更细一步的宏观与微观数据量化分析基础上，上述结论是否依旧稳健，仍需要作出进一步验证。因此本文拟将城市物流业发展数据与微观上市制造业企业数据相匹配，进一步检验物流业发展与制造业生产效率之间的关系。

3 数据与变量

3.1 模型设计

随着微观数据可得性的提高以及计量技术的发展，面板数据模型在计量分析中得到广泛运用，参考以往研究本文将数据模型设定为

TFPit=β0+β1logisticsit+βjXijt+λi+ηt+δk+εit

(1)

其中被解释变量TFPit表示企业i在t年的生产效率，核心解释变量logisticsit表征企业i所在城市在t年物流业发展水平，Xijt是一组控制变量集，λi、ηt、δk分别表示所控制的企业固定效应、时间固定效应、行业固定效应，εit则是随机误差项。

3.2 样本选取与数据来源

本研究选取我国沪深两市2008-2018年上市制造企业作为研究样本，其中有关上市制造企业的经营财务相关数据均来源于CSMAR数据库和WIND金融数据库。在实证过程中为保证回归结果的无偏性，本研究从样本中剔除了在样本期间内被ST等特殊处理的上市制造企业。

在研究中用来表征物流业发展的是城市水平物流经济指标，该数据来源于《中国城市统计年鉴》，在实际处理过程中是以上市制造企业办公地所在城市为基准将两者进行匹配。

3.3 变量选取与描述性统计

被解释变量为上市制造企业的生产效率，用企业的全要素生产率进行表征，考虑到OP方法处理过程中会损失部分样本数据，为尽可能地保证样本数据量使得回归结果更有说服力，本研究采用LP方法进行测算，并分别利用OLS与固定效应法测算的全要素生产率作为替代变量进行稳健性检验。

核心解释变量是用上市制造企业办公地所在城市的物流业发展水平，以公路货运量进行表征[7]。选取这个指标有两点原因，首先是囿于数据的完整性及可获得性；其次是物流运输是物流业发展的关键环节，而公路运输在物流运输中占据着重要地位，虽然民航、铁路、水运等运输方式各具特点，但是基于运输方式的运输过程的实现都离不开公路运输的基础支撑与中转衔接功能。

控制变量则主要依据以往文献进行选取，主要包括影响上市制造企业生产效率的企业年龄、规模、财务状况等。其中企业年龄是用企业成立当年年份减去企业成立年份再加一后的对数值来表示，企业的规模是用企业总资产的对数形式进行表征，而企业的财务状况则是分别用企业的资产负债率与资产报酬率进行表征。以基准回归为例，各变量的描述性统计如表1所示。

表1 变量描述性统计

4 实证结果

4.1 基准回归结果

为了探究物流业发展对制造业生产效率的影响，依据设定基准回归模型进行实证分析，回归结果如表2模型(1)、(2)所示，其中模型(1)为未添加任何控制变量的单变量回归结果。基准回归结果显示物流业的发展显著促进了制造业效率，且回归结果的系数通过了显著性检验。此外，为了确保回归结果的稳健性，本文将被解释变量分别替换为通过OLS法和固定效应法测算的上市制造企业的全要素生产率(lntfp_ols、lntfp_fe)，从回归结果的系数方向及显著性易得，物流业的发展确实对制造业生产效率产生了正向积极影响。

表2 物流业发展对制造业生产效率的影响的基准回归结果

注:*、**、***分别表示回归结果在10%、5%和1%的置信水平下显著，括号内为t统计量的值。下同。

4.2 内生性检验

内生性问题一直是经济实证分析讨论中不可绕开的关键问题，本研究虽然在设定模型时采取了多重固定效应模型以及运用微观层面的数据来缓解内生性，但是物流业与制造业的互动需求趋势逐步加强，相互依赖、共同发展的协同关系逐渐形成，被解释变量制造业生产效率与核心解释变量物流业的发展之间的双向因果的关系存在显然成为不争的事实。为此，本研究利用两阶段最小二乘法采用核心解释变量的滞后一阶作为工具变量(l.logistics)进行回归分析，进一步确保估计结果的稳健性，回归结果见表3模型(5)-(7)。从内生性检验的回归结果看，回归系数方向符合预期，系数通过显著性检验，且弱工具变量检验通过，所以物流业的发展对制造业生产效率的促进作用是毋庸置疑的。

表3 物流业发展对制造业全要素生产率影响回归结果的内生性检验

5 结论与建议

本文利用我国2009-2019 年与城市宏观经济数据相匹配的上市制造企业微观数据集，通过构建的多重固定效应模型验证物流业发展与制造业生产效率的关系。研究发现，物流业的发展对制造业生产效率具有显著的正向积极的影响效应，这一结果在替换被解释变量以及内生性检验后依旧稳健，说明了推进物流业的发展是提高制造业生产效率的重要途径，是实现制造业高质量发展的有效措施。为进一步提升物流业发展水平以提高制造业生产效率，实现制造业高质量发展的目标，本研究提出如下建议。

第一，以满足上下游制造企业的多样化物流需求为导向，有针对性地提高物流业发展专业化服务水平。物流业的发展能够促进制造业全要素生产率提高的结论毋庸置疑，但是如何将这种促进作用发挥到最大化就需要提高物流业发展的专业化服务水平，伴随着生产规模的逐步扩大，制造业不仅仅需要将部分物流服务外包，还需要物流企业能够提供全流程、兼具标准化与个性化的服务，需要物流业的上下游制造业企业的运输需求深度融合，利用物流业的反馈信息进行生产投入调整及战略布局。

第二，鼓励物流企业和制造企业加大技术创新力度，实现物流业与制造业发展变革。现代物流业是融合运输、仓储、货代、信息等产业的复合型产业，制造业更是实体经济之本，二者都是支撑国民经济发展的基础性及战略性产业。在“新常态”背景之下，物流产业以创新驱动的高效率发展将伴随中国经济转型的始终，鼓励物流企业和制造企业加大技术创新力度，是实现物流业与制造业发展的质量变革、效率变革、动力变革的必要之举。