高秀麗，孟飛榮

(廣東海洋大學經(jīng)濟管理學院，廣東湛江 524088)

一、引言

隨著國民經(jīng)濟的迅速發(fā)展，現(xiàn)代物流業(yè)在國民經(jīng)濟建設中發(fā)揮的作用愈發(fā)重要?，F(xiàn)代物流業(yè)是社會經(jīng)濟發(fā)展的重要紐帶，具有增強產(chǎn)業(yè)競爭優(yōu)勢、調(diào)節(jié)平衡市場供需以及保障國家經(jīng)濟安全等重要作用?，F(xiàn)代物流業(yè)不僅是各產(chǎn)業(yè)部門經(jīng)濟增長方式轉變的主要手段和途徑，而且已成為國民經(jīng)濟發(fā)展的新的經(jīng)濟“增長點”，是國民經(jīng)濟發(fā)展實現(xiàn)由粗放型向集約型轉變的重要標志。

近年來，國內(nèi)學者采用不同方法，選用不同樣本和指標對物流業(yè)與經(jīng)濟發(fā)展關系進行了研究。譚清美等［1］引入物流當量概念，對江蘇省物流能力對經(jīng)濟增長彈性進行研究，得出江蘇省物流能力對GDP增長有明顯拉動作用的結論。李冠霖［2］根據(jù)投入產(chǎn)出表對我國物流業(yè)進行分析，研究發(fā)現(xiàn)發(fā)展物流業(yè)會極大地帶動第二產(chǎn)業(yè)和第三產(chǎn)業(yè)的發(fā)展，并促進國民經(jīng)濟整體運行效益的提高。鞠頌東等［3］采用橫截面數(shù)據(jù)，通過對我國西部物流經(jīng)濟總量、物流政策與制度、投資、物流企業(yè)、人力資源、物流技術及設施、管理水平等的比較分析，發(fā)現(xiàn)物流因素還未明顯起到帶動西部地區(qū)經(jīng)濟增長的作用。劉楠等［4］運用格蘭杰因果檢驗方法，對浙江省現(xiàn)代物流與經(jīng)濟增長之間的雙向因果關系進行了分析，結果顯示物流發(fā)展與經(jīng)濟增長之間互為因果，呈現(xiàn)出相互促進、共同發(fā)展的良好態(tài)勢。崔國輝等［5］運用計量經(jīng)濟的方法對吉林省物流產(chǎn)業(yè)與經(jīng)濟發(fā)展之間的關系進行了實證分析，結果表明吉林省物流與經(jīng)濟關系呈現(xiàn)出比較穩(wěn)定的長期均衡發(fā)展趨勢。

現(xiàn)有相關研究大都采用投入產(chǎn)出法以及協(xié)整分析等傳統(tǒng)的統(tǒng)計研究方法進行分析，隨著新地理經(jīng)濟學理論的不斷發(fā)展，部分學者將空間統(tǒng)計和空間計量經(jīng)濟分析方法將地理、區(qū)位等因素納入到經(jīng)濟分析中。邵揚［6］選用個體固定效應模型對我國1978—2007年經(jīng)濟增長與物流業(yè)之間的相關性進行了分析，研究結果表明各地區(qū)GDP與物流有顯著的相關特性，物流對各地區(qū)GDP有顯著影響，但影響程度有限。范月嬌等［7］采用橫截面數(shù)據(jù)對海西物流業(yè)與區(qū)域經(jīng)濟的空間關聯(lián)性進行分析，研究表明海西物流發(fā)展與區(qū)域經(jīng)濟的空間關聯(lián)性是顯著的，但非絕對影響要素。

現(xiàn)有研究為本文提供了很好的借鑒，但大部分研究沒有考慮到空間因素的影響，考慮到空間因素影響的文獻僅僅考慮了被解釋變量的空間相關性，沒有將解釋變量空間溢出效應納入模型。鑒于此，本文在現(xiàn)有研究的基礎上，構建空間面板杜賓模型，基于廣東省2001—2011年21個地市級面板數(shù)據(jù)，對物流業(yè)與經(jīng)濟增長的關系進行實證分析。

二、指標選擇與模型設定

(一)指標選擇與數(shù)據(jù)來源

經(jīng)濟增長由人均GDP度量，根據(jù)人均GDP指數(shù)調(diào)整為2001年不變價格，簡記為PGDP;選用貨物周轉量作為物流業(yè)發(fā)展狀況的度量指標，簡記為HYZ。為使數(shù)據(jù)具有可比性，并減少異方差，所有的數(shù)據(jù)均采用對數(shù)形式。

本文選取的樣本是2001—2011年的廣東省21個地市級面板數(shù)據(jù)，原始數(shù)據(jù)主要來源于2002－2012年的《廣東省統(tǒng)計年鑒》。

(二)空間計量經(jīng)濟學模型

空間計量分析中，通常使用空間滯后模型(Spatial Lag Model，SLM)和空間誤差模型(Spatial Error Model，SEM)，這兩種模型僅考慮了被解釋變量的空間相關性，沒有考慮解釋變量的空間相關性。針對這一問題，Elhorst［8］提出了既包含空間被解釋變量的滯后項，又包含自變量滯后的空間杜賓(Spatial Durbin Model，SDM)模型。借鑒空間杜賓模型，本文以廣東省21個地區(qū)面板數(shù)據(jù)為樣本，構建物流業(yè)與經(jīng)濟增長的空間面板模型，具體形式如式(1)所示。

其中，Yit為被解釋變量，表示i地區(qū)t年份的經(jīng)濟增長;X為解釋變量，為i地區(qū)t年份的物流業(yè);W為空間權重矩陣;δ為空間自相關回歸系數(shù)，反映了區(qū)間互動關系的方向與強度;θ、β為估計參數(shù);μ為空間固定效應，λ為時間固定效應;ε為服從正態(tài)分布的隨機誤差項。

通過原假設為H0:θ=0和H0:θ+δβ=0的假設檢驗可以判定空間杜賓模型是否可以被簡化為空間滯后模型和空間誤差模型。如果原假設H0:θ=0和H0:θ+δβ=0均被拒絕，說明對于觀測數(shù)據(jù)來講，空間杜賓模型是最合適的模型。這兩個檢驗服從自由度為K的χ2檢驗，相應的檢驗方法為似然比(Likelihood Ratio，LR)和Wald檢驗。

LeSage 和 Pace［9］指出，利用一個或多個空間回歸模型的點估計(IV/GMM)來檢驗是否存在空間溢出效應，可能導致錯誤的結論。采用空間杜賓模型時，傳統(tǒng)的自變量系數(shù)以及顯著性水平不能再作為衡量變量影響和顯著性的依據(jù)，使用直接效應和間接效應可以更好地解釋空間面板模型。直接效應表明一個空間單元解釋變量的變化對被解釋變量的影響，這種影響包含了來自周邊區(qū)域單元的反饋效應，反饋效應可以通過計算自變量系數(shù)與自變量的直接效應的差值得到。間接效應反映了解釋變量的空間外溢效應，即本區(qū)域單元對其他區(qū)域單元的影響。

(三)空間權重的設定

空間權重是空間計量模型的關鍵，也是地區(qū)間空間影響方式的體現(xiàn)。本文采用最為常見的二分權重矩陣，遵循Rook相鄰判斷規(guī)則，即如果兩個地區(qū)有共同邊界，則認為兩地區(qū)相鄰。矩陣元素W的元素設定規(guī)則如下:主對角線上的元素為0;如果兩地區(qū)相鄰，則wij=1，否則為0。廣東省各地區(qū)地理相鄰信息如表1所示。

表1 廣東省21地區(qū)地理相鄰信息

三、實證分析

(一)空間統(tǒng)計分析方法

目前，空間相關性分析方法主要有全局空間相關和局部空間相關兩種方法。全局空間相關Moran指數(shù)是用來度量空間自相關的全局指標，研究整個區(qū)域的空間相關模式;局部相關分析研究每一個空間單元與鄰近單元在某一屬性上的相關程度。

1．全局空間自相關

全局Moran指數(shù)反映了研究區(qū)域中鄰近區(qū)域單元屬性值的相似程度［10］，其計算公式如式(2)所示。

其中，I為Moran指數(shù)，n為研究區(qū)域內(nèi)單元總數(shù)，xi、xj為區(qū)域單元i和區(qū)域單元j屬性指標值為各區(qū)域單元屬性指標的平均值，S2=)2為屬性指標方差值，wij為空間權重矩陣。

全局空間自相關Moran指數(shù)的取值范圍介于－1到1之間，小于0表明存在空間負相關，相似的觀測值在區(qū)域內(nèi)分散分布;大于0表明存在間空間正相關，即相似的觀測值趨于空間集聚;等于0表明區(qū)域單元無空間相關性。

2．局部空間自相關分析

由于全局空間相關指標僅從整體上反映了空間單元的集聚特征，掩蓋了局部空間集聚特征，進行局部空間自相關分析時，應采用空間聯(lián)系的局部指標(Local Indicators of Spatial Association，LISA)。常用的局域空間自相關衡量指標為局域Moran指數(shù)，其計算公式如式(3)所示。

其中，Ii為i區(qū)域單元的局域相關性系數(shù)，wij含義與上文相同，。

Ii＞0，表示高觀測值的區(qū)域單元被同是高觀測值的區(qū)域單元所包圍(High-High，H-H)，或低觀測值的區(qū)域單元被同是低觀測值的區(qū)域單元所包圍(Low-Low，L-L)的空間聯(lián)系形式;

Ii＜0表示低觀測值的區(qū)域單元被高觀測值的區(qū)域單元所包圍(Low-igh，L-H)，或高觀測值的區(qū)域單元被低觀測值的區(qū)域單元所包圍(High-Low，H-L)的空間聯(lián)系形式。

(二)空間自相關檢驗

1．全局分析

利用GeoDa軟件，根據(jù)公式(2)計算可得廣東省各年度物流業(yè)、經(jīng)濟增長的單變量Moran’I指數(shù)以及物流業(yè)與經(jīng)濟增長的雙變量Moran’I指數(shù)值，并采用蒙特卡羅模擬方法，對Moran’I指數(shù)進行顯著性檢驗，結果如圖1所示。

圖1 2001—2011年廣東省21地市物流業(yè)、經(jīng)濟發(fā)展、物流業(yè)與經(jīng)濟發(fā)展的全局Moran’I指數(shù)

各年度物流業(yè)Moran’I均為正值，且通過顯著性水平檢驗，表明廣東省21個地市物流業(yè)的發(fā)展具有很強的空間關聯(lián)性。物流業(yè)Moran’I指數(shù)值有所波動，但總體上呈現(xiàn)出上升趨勢，表明物流業(yè)空間相關性隨時間的變化有增強的趨勢。各年度經(jīng)濟發(fā)展Moran’I均為正值，且通過顯著性檢驗。Moran’I指數(shù)呈現(xiàn)出先上升后下降的趨勢，表明經(jīng)濟增長的空間依賴性程度先增強后減弱的變化，但總體呈現(xiàn)出增強的趨勢。各年度物流業(yè)與經(jīng)濟增長雙變量二維Moran’I統(tǒng)計量均為正值，且通過了顯著性檢驗，表明廣東省21地市物流業(yè)發(fā)展與經(jīng)濟增長在空間分布上具有明顯的正相關關系，呈現(xiàn)出空間集聚的態(tài)勢。

2．局部分析

全局Moran’I從全局角度表明了物流業(yè)與經(jīng)濟增長的空間相關性，為進一步考察廣東省物流業(yè)與經(jīng)濟增長空間分布的局部特征，本文選用2011年數(shù)據(jù)采用Moran’I散點圖對局部特征進行分析。從圖2中物流業(yè)Moran’I的散點圖可見，大部分地區(qū)分布在H-H區(qū)域和L-L區(qū)域。其中，H-H區(qū)域表示物流發(fā)展水平較好的地區(qū)，主要包括深圳、惠州、佛山、東莞、廣州、韶關和清遠，這些地區(qū)大部分位于珠三角地區(qū);結合經(jīng)濟發(fā)展的Moran’I散點圖可見，這些地區(qū)也是經(jīng)濟發(fā)達的地區(qū);L-L區(qū)域主要集中了物流業(yè)發(fā)展水平較差的地區(qū)，主要有汕尾、梅州、揭陽、陽江、河源、茂名、云浮、肇慶、江門，結合PGDP的Moran’I散點圖可見，這些地區(qū)經(jīng)濟發(fā)展水平也較低。

圖2 2011年經(jīng)濟發(fā)展(左)與物流業(yè)(右)的Moran’I散點圖

由以上分析可見，物流業(yè)發(fā)展與經(jīng)濟增長的空間分布特征并非完全隨機，集聚態(tài)勢基本相似。廣東省21個地區(qū)物流業(yè)與經(jīng)濟發(fā)展存在明顯的區(qū)域差異，珠三角地區(qū)物流業(yè)與經(jīng)濟發(fā)展較快，能夠給周邊地區(qū)帶來較大的正向帶動作用，而東、西兩翼及山區(qū)物流業(yè)與經(jīng)濟發(fā)展都比較落后，可能會給周邊地區(qū)帶來負向效應。

(三)空間面板模型檢驗

空間自相關檢驗表明廣東省21地市物流業(yè)、經(jīng)濟發(fā)展存在明顯的空間依賴性。為進一步研究廣東省物流業(yè)與經(jīng)濟發(fā)展相互關系，采用空間計量模型進行分析。由于不同的固定效應與隨機效應的選擇影響到模型的估計結果，需要采用Hausman檢驗和LR檢驗對是否采用固定效應模型，以及空間個體固定效應和空間時間效應做出相應判斷。另外，需要通過LR檢驗和Wald檢驗判斷空間杜賓模型(SDM)是否可以簡化為空間滯后模型(SLM)或空間誤差模型(SEM)。

由表2的Hausman檢驗結果可見，應選擇固定效應模型。LR檢驗表明空間個體固定效應和時間固定效應均顯著，應建立時間空間雙固定效應模型［11］。

表2 Hausman檢驗和LR檢驗結果

(四)空間面板模型參數(shù)估計

借助 Elhorst［8］提供的有關程序，將選擇指標變量帶入空間計量模型，進行模型估計，估計結果見表3。

表3 空間Durbin模型估計結果

由表3可見，Wald spatial lag和LR spatial lag檢驗結果分別5%和10%的水平下在顯著，拒絕簡化為空間滯后模型;Wald spatial error和LR spatial error檢驗均在1%水平下顯著，拒絕簡化為空間誤差模型。綜合以上檢驗結果，應建立SDM模型對物流業(yè)與經(jīng)濟增長進行分析。

由模型分析結果，可以得出以下結論:

(1)模型中被解釋變量系數(shù)的估計值為0.542 0，并通過了1%的顯著性檢驗，表明經(jīng)濟發(fā)展存在空間正相關性，因此，對物流業(yè)與經(jīng)濟增長關系進行分析時，地理區(qū)位是不可忽略的因素。

(2)物流業(yè)的直接效應為0.303 5，表明某地區(qū)物流業(yè)每提高1%對促進本地區(qū)經(jīng)濟發(fā)展0.303 5%，其中，來自周圍地區(qū)物流業(yè)的反饋效應為0．045 8%。由此可見，物流的增長不僅能夠直接促進經(jīng)濟的發(fā)展，而且通過對其他地區(qū)的反饋作用促進了當?shù)亟?jīng)濟發(fā)展。物流業(yè)的間接效應為0.451 4，是直接效應的1．47倍，表明某地區(qū)物流業(yè)發(fā)展不僅促進了本地區(qū)經(jīng)濟發(fā)展，而且也能促進了相鄰地區(qū)的經(jīng)濟發(fā)展。

四、結論與啟示

本文基于廣東省2001—2011年21個地區(qū)面板數(shù)據(jù)，構建空間杜賓模型，對物流業(yè)與區(qū)域經(jīng)濟發(fā)展關系進行了探索。研究結果表明:(1)廣東省21個地區(qū)物流業(yè)與經(jīng)濟增長存在著顯著的全局空間自相關和局部自相關，物流業(yè)與經(jīng)濟增長也存在空間維度上的顯著相關性。物流業(yè)發(fā)展與經(jīng)濟增長具有類似的集聚特征，大多數(shù)珠三角地區(qū)位于H－H區(qū)域，而東、西兩翼和山區(qū)地區(qū)多位于和L－L區(qū)域，廣東省區(qū)域內(nèi)物流業(yè)與經(jīng)濟發(fā)展存在巨大的不平衡性。(2)對物流業(yè)與經(jīng)濟增長關系進行分析時，地理區(qū)位是不可或缺的重要因素。(3)各地區(qū)物流業(yè)的發(fā)展不僅能夠顯著促進本地區(qū)經(jīng)濟的發(fā)展，而且還能通過溢出效應促進相鄰地區(qū)的發(fā)展。

廣東省各地區(qū)物流業(yè)存在較大的差異，因此如何優(yōu)勢互補，縮小差距，達到區(qū)域物流一體化發(fā)展的目標成為了一個迫切需要解決的課題。為加快廣東省物流業(yè)促進經(jīng)濟發(fā)展，必須根據(jù)物流業(yè)自身特點，有針對性地采取一系列措施和政策。首先，發(fā)揮廣州、深圳與佛山等珠三角區(qū)域物流的核心樞紐的擴散帶動作用，充分發(fā)揮物流核心樞紐在區(qū)域物流整合過程中的示范和帶頭作用，進一步整合資源，拓寬物流腹地，加快融合。其次，由廣東省各地方政府的各個物流管理部門和行業(yè)協(xié)會牽頭組成物流產(chǎn)業(yè)地區(qū)發(fā)展協(xié)調(diào)小組，協(xié)同區(qū)域物流發(fā)展產(chǎn)業(yè)政策，整合區(qū)域物流產(chǎn)業(yè)發(fā)展規(guī)劃，構建產(chǎn)業(yè)鏈條，合作建設區(qū)域內(nèi)大型物流基礎設施、實現(xiàn)產(chǎn)業(yè)對接、交通對接和規(guī)則對接。最后，積極培育具有物流網(wǎng)絡組織功能的大型物流龍頭企業(yè)，發(fā)揮龍頭企業(yè)在廣東省區(qū)域物流中的帶頭作用和龍頭作用。

［1］ 譚清美，王子龍．區(qū)域經(jīng)濟物流彈性研究［J］．統(tǒng)計與決策，2005(5):56－57．

［2］ 李冠霖．我國物流業(yè)的投入產(chǎn)出分析［J］．中國流通經(jīng)濟，2001(6):15－19．

［3］ 鞠頌東，李尹松，徐杰．西部物流與區(qū)域經(jīng)濟發(fā)展［J］．數(shù)量經(jīng)濟技術經(jīng)濟研究，2003(2):39－43．

［4］ 劉楠，李燕．現(xiàn)代物流與經(jīng)濟增長的關系研究［J］．管理工程學報，2007(1):151－154．

［5］ 崔國輝，李顯生．區(qū)域物流與經(jīng)濟發(fā)展協(xié)整與因果互動機制［J］．交通運輸工程學報，2010(5):90－96．

［6］ 邵揚．中國省際經(jīng)濟增長與物流的空間面板計量分析［J］．技術經(jīng)濟與管理研究，2009(6):136 －138．

［7］ 范月嬌，王?。Ｎ魑锪靼l(fā)展與區(qū)域經(jīng)濟的空間關聯(lián)性實證分析［J］．福建師范大學學報:哲學社會科學版，2012(4):40－46．

［8］ Elhorst Paul J．Matlab Software for Spatial Panels［C］//Presented at the IVth World Conference of the Spatial E-conometrics Association(SEA)，Chicago:2010．

［9］ LeSage J P，Pace R K．Introduction to spatial econometrics［M］．Boca Raton:CRC Press Taylor＆ Francis Group，2009．

［10］ Anselin L．Space and applied econometrics［J］．Regional Science and Urban Economics，1992(3)．

［11］ Badi H，Baltagi．Econometric Analysis of Panel Data［M］．Chichester:John Wiley ＆ Sons Inc，2005．