基于ESDA法的长三角区域物流业非均衡测度及一体化发展策略研究

徐一淞 陈骏宇

（苏州科技大学商学院 江苏苏州 215009）

研究区域及研究方法

（一）研究区域概况

长三角区域位于我国东部沿海地区（116°29′E-122°45′E，27°14′N-33°41′N），从地理位置上看，长江三角洲地区是地处我国沿海工业区和人口稠密的T型区域，汇集了我国黄金海岸和黄金水道。根据《长江三角洲区域一体化发展规划纲要》，规划范围包括上海市、江苏省、浙江省、安徽省全域，总面积35.8万平方公里。长三角区域区位优势突出，自然禀赋条件好，社会经济发展水平高，人文底蕴深厚，成为我国经济发展最活跃、开放程度最高、创新能力最强的区域之一。2019年，区域人口达到21251万人，占全国的16.00%；区域实现年GDP 237252.56亿元，占全国的24.08%；同时完成FDI 766.68亿美元，超过全国总量的一半（55.50%）。

（二）探索性空间数据分析方法

ESDA分析法（Exploratory Spatial Data Analysis）即探索性空间数据分析，是对空间数据进行统计分析、挖掘特征空间结构和相关性的重要技术，而空间自相关分析是此方法中极具代表的一种表现形式，能够以一种比绘制数据更加量化的方式来检查数据，以便对插值模型的构建方式做出更加正确的决策。空间自相关分析是从空间物体的空间位置、联系等方面去研究空间事物，以对空间事物做出定量的描述，判断某一变量是否在空间上相关以及相关程度如何；而空间自相关系数就是用来定量地描述事物在空间上的依赖关系。如果某一变量的空间自相关系数随着测定距离的缩小而变得更相似，这一变量呈空间正相关；反之，则称之为空间负相关；若所测值不表现出任何空间依赖关系，那么这一变量表现出空间不相关性。

指标选取与模型构建

（一）指标选择和数据来源

目前生产要素集聚成为影响物流产业非均衡发展的重要因素，而物流产业集聚反映了物流产业生产要素在某个区域的集聚水平，是研究区域物流非均衡发展的重要内容。由于物流业自身的行业特性和要素指标的可衡量性，综合考虑研究目标、所选模型需求、指标量化和数据可得性，本文重点从资本要素和劳动力要素两方面来进行考察，通过对2012-2019年长三角区域物流业固定资产和行业从业人数的相关数据梳理，把交通基础设施投资额（统计年鉴中的“交通运输仓储和邮政业投资”）作为资本要素的代理变量，选用交通运输、仓储和邮政业城镇非私营单位就业人员数量（统计年鉴中的“物流业就业人数”）作为劳动力要素的代理变量。本文数据来自2012-2019年的《上海市统计年鉴》《江苏省统计年鉴》《安徽省统计年鉴》《浙江省统计年鉴》及区域内各市统计年鉴。

（二）莫兰指数 （Moran's I）

探究长三角区域物流业各类要素空间集聚程度，首先要判定长三角区域内部各省市之间是否存在着相关关系。本文借鉴莫兰指数（Moran′s I）对长三角区域物流业各类要素集聚的空间分布进行全局和局部相关性统计分析。

莫兰指数分为全局莫兰指数（Global Moran′s I）和局部莫兰指数（Local Moran′s I）。本文采用全局莫兰指数对长三角区域41市物流业资源要素空间上的分布模式及特征进行测度，全局Moran′s I计算公式如下：

其中，I表示全局Moran′s I；n表示资源要素属性值研究中长三角区域市级空间单元总数，n=41；Ei和Ej表示要素分别资本、劳动力在长三角区域市级空间单元i、j上的属性值，i、j=1，2，…，n；Wij表示长三角区域市级空间单元i、j空间权重矩阵ω中的元素。

局部Moran′s I计算公式如下：

其中，Ii表示局部Moran′s I；n表示要素资本、劳动力研究中长三角区域市级空间单元总数，n=41；Ei和Ej表示要素资本、劳动力在长三角区域市级空间单元i、j上的属性值，i、j=1，2，…，n；表示要素资本、劳动力在长三角区域的平均属性值；S2表示要素资本、劳动力在长三角区域的方差，其中。当Ii＞0表明，i单元与周围空间单元存在正相关关系，即形成集聚；当Ii＜0表明，i单元与周围空间单元存在负相关关系，即在不相似单元之间形成集聚。其中，高-高 （H-H） 地区表示该单元资本要素或劳动力要素水平高，且其周边单元水平也高；低-低 （L-L） 地区表示该单元资本要素或劳动力要素水平低，且其周边单元水平也低；低-高 （L-H） 地区表示该单元资本要素或劳动力要素水平低，而其周边单元水平高；高-低 （H-L） 地区表示该单元资本要素或劳动力要素水平高，而其周边单元水平低。

资本要素集聚空间分布解析

资本要素规模空间分布描述。如图1所示，长三角区域物流业资本要素投入规模在不同时间段表现出不同的空间分布状态。2012-2018年，苏南、浙北及上海大部分地区是资本投入的热点区域，且安徽与江浙沪差距显著；2018年后，苏南、上海、浙北等地不再是集中投资热点，投资中心有向浙江中南部转移趋势，表明区域内物流业发达地区的辐射效应显现，同时安徽开始加大物流业投资建设力度，正在缩小与发达地区发展水平的差异。综上，在初期总体发展水平不高的情形下，长三角内部的差异较为明显，随着整体物流投资规模稳步增长，发达地区的辐射带动周边地区发展，落后地区加速发展，表明长三角区域物流业内部差异不断缩小。

资本要素全局空间自相关分析。如表1所示，2014-2017年资本要素全局莫兰指数通过显著性检验，呈现持续增强后缓慢减弱的态势。2014-2016年间全局莫兰指数从0.176升至0.183，表明集聚状态整体持续提高；2017年出现下降，资本要素空间集聚状态呈现波动；2012-2013年和2018-2019年两阶段无显著相关性态势。

表1 长三角区域物流业资本要素全局莫兰指数

资本要素局部空间自相关分析。从图2可以看出，绝大部分的观测值集中在H-H象限和H-L象限，表明资本要素相似的观测值集中分布，具有显著的正向空间相关，且这种空间正相关性不断增强，局部集聚格局明显。另外，观测值落在L-L象限和L-H象限，表明不同资本要素观测值集中分布，具有显著的空间负相关，且对其周边产生的溢出效应和辐射作用呈现逐渐减弱趋势。具体来看，大部分城市资本要素投资规模在2012-2019年都呈现上升态势，其中铜陵、连云港、苏州、无锡、舟山等地为波动式上升，而芜湖、南京、泰州三地2019年投资额与2012年相比则有了较大幅度的减少，其中泰州减幅高达28.4%。

动力要素集聚空间分布解析

劳动力要素空间分布描述。2012-2019年劳动力要素投入规模的冷热点分布如图3所示。可以看出，长三角劳动力热点区域一直位于上海、南通、苏州以及嘉兴湖州一带，统计数据层面上可以从纵向、横向两个角度来分析。纵向上看，区域内41市中，淮南、嘉兴、徐州、常州2019年的物流业就业人数相较于2012年出现了较大幅度的减少，其中嘉兴最为明显，减幅达22.1%，蚌埠、淮北、淮安等地也出现小幅下降，但总体水平仍较为稳定，其余城市物流业就业人数呈现稳定上升态势，其中以上海、苏州最为突出，苏州2019年相较2012年增幅高达233%，上海则剧增了298600人，与图3中呈现的分布特征契合。横向上看，2019年上海物流业劳动力规模已达899700人，而安徽为195846人，表现出极度的不均衡态势，此外上海目前拥有39所本科院校且包含4所985院校，每年会向当地物流业输送大批高质量人才，在高素质人才方面起到了龙头作用，并且由于整体劳动力规模庞大，人才需求量相应提高，导致安徽等地与之差异较为明显，同时上海是世界第一大集装箱港口城市，上海港也是世界货物吞吐量最大的港口，相比于安徽等地具有着巨大的优势。因此，当前长三角区域物流业在劳动力要素方面存在严重的不均衡现象，且并未出现缓和趋势。

劳动力要素全局空间自相关分析。对长三角区域物流业劳动力要素规模集聚的全局空间相关性进行计算，结果见表2。从结果可以看出，2015-2018年长三角区域物流业劳动力要素的全局莫兰指数通过了显著性检验，呈现为波动式下降态势；从具体数据来看，全局莫兰指数在-0.02到0.118之间波动，其中2014-2015年，全局莫兰指数出现了大幅上升，增幅高达6.5倍，而在2018年又出现了较大幅度的下降，表明研究期内长三角区域物流业劳动力要素存在一定程度的整体空间相关性和波动性。

表2 长三角区域物流业劳动力要素全局莫兰指数

劳动力要素局部空间自相关分析。图4给出了长三角区域物流业劳动力要素的集聚象限分布图，表明嘉兴一直处于H-H区域，毗邻的苏州紧随其后在2014年之后与嘉兴组成了高值中心，随着时间的推移，在2017年之后，南通、舟山、台州也开始被高值地区所包围，说明在苏南、浙北地区的集聚现象更加显著，带动区域物流业的迅速发展；与之相反，安徽西南部和中部、江苏北部等地则常年处于L-L区域，说明这些区域以及周边地区的劳动力要素一直处于落后地位，不论是从业人员的总数，还是专业人才的数量都落后于长三角的其他地区，这一点在数据方面也得以体现，2012-2019年安徽整体劳动力增长幅度较小，增长曲线较为平缓，且蚌埠、淮北、淮南出现了不同程度的负增长，而江苏常州、徐州、镇江，浙江嘉兴也出现了较大幅度的劳动力数量减少，其中嘉兴减少人数高达18500人，但其他地区增幅和总量仍明显高于安徽。值得一提的是，南京、扬州、上海等高值地区出现了增幅曲线放缓甚至开始下降的趋势，说明这些地区的劳动力数量开始饱和，不均衡态势开始有缓和的迹象。综上，长三角区域劳动力要素局部莫兰指数分布呈现出了两极分化的态势，东部以苏州、嘉兴为中心形成了高值区域，西部则以安徽省西南三市为代表常年处于较低水平，与发达地区存在着较大的差异，虽然出现了部分缓和迹象，但在这项指标上长三角区域内非均衡态势依旧显著。

长三角区域物流业一体化高质量发展对策

第一，建立区域物流业发展协调机制。研究发现长三角区域物流业存在资本要素重复问题，为此可建立相对独立和权威的专业咨询委员会，负责区域间公平利益竞争的追踪调查和研究，提供专业的第三方评估、评判依据，同时，政府需要为当前发展较为落后、资本要素投资规模常年较小的地区提供政策支持帮扶，并且开展招商引资等实际措施拓展投资规模，从而缩小与发达地区差距，促进一体化发展。

第二，构建物流从业人员培养体系。通过对区域物流业劳动力要素的分析，发现长三角亟需解决劳动力分布严重不均衡这一问题。对此，物流业发展相对落后地区应给予当地物流业以及相关配套产业以人才引进政策支持，企业应对引进人才进行符合其职业规划及行业趋势的激励措施，现有物流从业人员定期在岗培训，提高岗位技能和职业素养；充分发挥长三角区域的国家级和省部级重点实验室、研究所、产学研共建基地、研发中心等基础设施优势来吸纳和培养物流人才，加强对高素质物流人才的培养；地区间企业、院校开展交流合作，促进物流专业人才流动，构建物流专业人才的培养体系。

第三，推动物流业科学技术创新。智慧物流园区建设已成趋势，长三角区域内如上海、苏州、杭州等具有雄厚经济实力、物流基础建设较为完善、科研水平较高的地区，应加大对于智慧物流技术的资本投资，充分发挥自身经济、科研水平的优势，推动物流业相关技术的创新升级，为整个长三角未来智慧物流园区的建设起到引领示范作用。

综上所述，长三角区域物流资本及劳动力要素呈现差异化空间集聚特征，且具有明显阶段性和层次性；长三角区域物流资本要素在空间上由单点集聚逐渐转变成多点并发，而劳动力要素集聚在空间上呈现出单极点状集聚且两极分化现象；要素的集聚扩散导致长三角区域物流业发展表现为差距波动缩小的非均衡态势。对此，可通过建立区域物流业发展协调机制、构建物流从业人员培养体系、推动物流业科学技术创新，促进长三角物流业一体化发展。