張樞盛

（山西財(cái)經(jīng)大學(xué)工商管理學(xué)院，山西太原030006）

一、引言

2017年我國服務(wù)業(yè)增加值達(dá)427 032億元，占GDP的比重為51.6%[1]，而物流業(yè)是生產(chǎn)性服務(wù)業(yè)中重要類別之一。2014年，國務(wù)院正式發(fā)布《物流業(yè)發(fā)展中長期規(guī)劃（2014—2020）》，明確物流業(yè)是支撐國民經(jīng)濟(jì)發(fā)展的基礎(chǔ)性、戰(zhàn)略性產(chǎn)業(yè)。從規(guī)?？?，每單位GDP需要3.48個(gè)單位的物流總額來支撐；從結(jié)構(gòu)看，物流業(yè)每增加6.8個(gè)百分點(diǎn)，可帶動(dòng)服務(wù)業(yè)增加1個(gè)百分點(diǎn)；從效益看，社會(huì)物流總費(fèi)用與GDP的比率每下降0.1個(gè)百分點(diǎn)，相當(dāng)于新增經(jīng)濟(jì)效益500多億元[2]。

產(chǎn)業(yè)集聚逐漸成為新經(jīng)濟(jì)地理學(xué)、產(chǎn)業(yè)經(jīng)濟(jì)學(xué)、管理學(xué)等領(lǐng)域的熱點(diǎn)問題[3]。其中，以克魯格曼（Krugman）等人為代表的新經(jīng)濟(jì)地理學(xué)興起，將“冰山”運(yùn)輸成本等空間因素納入一般均衡分析框架中，使有關(guān)產(chǎn)業(yè)區(qū)域集聚的研究自20世紀(jì)90年代以來快速進(jìn)步[4]，空間計(jì)量分析在相關(guān)學(xué)科研究中得到廣泛應(yīng)用，在生產(chǎn)服務(wù)業(yè)或者物流業(yè)領(lǐng)域的產(chǎn)業(yè)集聚現(xiàn)象被學(xué)者關(guān)注[4-7]。在物流企業(yè)的研究中加入空間因素，催生了物流地理學(xué)的發(fā)展[8]。近年來關(guān)于物流企業(yè)布局和產(chǎn)業(yè)集聚相關(guān)研究中，逐步形成了地理學(xué)、管理學(xué)和經(jīng)濟(jì)學(xué)相關(guān)研究的交叉和融合，關(guān)注層次逐漸從服務(wù)業(yè)、生產(chǎn)性服務(wù)業(yè)聚焦到物流產(chǎn)業(yè)，但國內(nèi)關(guān)于物流產(chǎn)業(yè)層面的相關(guān)研究仍顯不足。已有文獻(xiàn)[5，7-10]主要關(guān)注物流企業(yè)布局、物流產(chǎn)業(yè)集聚等，而對(duì)物流業(yè)的整體狀況分析會(huì)因?yàn)橐暯腔蛘咧笜?biāo)單一性問題造成結(jié)論上的偏差?？鐚W(xué)科交叉可使研究更深入，視野更開闊。因此，本文嘗試以中國A級(jí)物流企業(yè)布局特征，結(jié)合省級(jí)物流產(chǎn)業(yè)集聚指標(biāo)區(qū)位熵，并利用空間相關(guān)性分析，研究在智慧物流飛速發(fā)展的新常態(tài)下，中國物流企業(yè)的空間布局和分省產(chǎn)業(yè)集聚特征以及內(nèi)在的驅(qū)動(dòng)因素。

二、數(shù)據(jù)來源和研究方法

（一）研究樣本和數(shù)據(jù)說明

自2005年中國物流與采購聯(lián)合會(huì)公布我國第一批26家物流A級(jí)企業(yè)名單，到2018年1月公布第二十五批物流A級(jí)企業(yè)，共產(chǎn)生4 464家物流A級(jí)企業(yè)①。中國物流與采購聯(lián)合會(huì)每年公布兩批分為5個(gè)等級(jí)的A級(jí)企業(yè)名單，其中5A為最高資質(zhì)企業(yè)。這些物流A級(jí)企業(yè)中，包括我國物流傳統(tǒng)產(chǎn)業(yè)中的頂尖企業(yè)和新興高科技物流企業(yè)。從所有制類型看，包括國有企業(yè)、中外合資企業(yè)和民營企業(yè)等；從產(chǎn)業(yè)形態(tài)上看，包括傳統(tǒng)運(yùn)輸型、倉儲(chǔ)型物流企業(yè)和第三方物流服務(wù)的綜合服務(wù)型企業(yè)等。所有物流A級(jí)企業(yè)按照東中西劃分的全國性區(qū)域分布狀況如表1②所示，各省市區(qū)企業(yè)分等級(jí)的分布狀況如表2所示。表2依據(jù)總數(shù)和等級(jí)降序排列，只列出部分省份信息。

計(jì)算區(qū)位熵的原始數(shù)據(jù)來源于中國統(tǒng)計(jì)年鑒，表3列出了2008年到2016年各省市區(qū)（不含港澳臺(tái)地區(qū)，下同）的區(qū)位熵（Local Quotient）。1998年到2008年的區(qū)位熵及相關(guān)分析參見文獻(xiàn)[5]。

（二）研究方法

本文主要利用兩個(gè)統(tǒng)計(jì)指標(biāo)進(jìn)行分析：區(qū)位熵和空間自相關(guān)系數(shù)。目前研究大多采用區(qū)位熵作為物流產(chǎn)業(yè)集聚的衡量指標(biāo)，具體計(jì)算方法如下：

其中，ei為i地區(qū)物流產(chǎn)業(yè)從業(yè)人員數(shù)，e為i地區(qū)所有產(chǎn)業(yè)從業(yè)人員數(shù)，Ei為全國物流產(chǎn)業(yè)從業(yè)人員數(shù)，E為全國所有產(chǎn)業(yè)從業(yè)人員數(shù)。區(qū)位熵大于1或者1.25，說明物流業(yè)在該地區(qū)具有較高的專業(yè)化水平或者比較優(yōu)勢(shì)，產(chǎn)業(yè)集聚程度較高。如果所有參數(shù)均按照產(chǎn)值計(jì)算，參數(shù)就是按產(chǎn)值計(jì)算的區(qū)位熵。

表1 2018年1月中國物流A級(jí)企業(yè)的區(qū)域分布

表2 2018年1月中國物流A級(jí)企業(yè)的分省分布

在使用指標(biāo)的同時(shí)，必須明確其局限性，防止在分析結(jié)果時(shí)絕對(duì)化和片面化。區(qū)位熵指標(biāo)的局限性主要體現(xiàn)在四個(gè)方面。第一，在文獻(xiàn)中常用的兩個(gè)指標(biāo)是區(qū)位熵和空間基尼系數(shù)，二者均沒有考慮企業(yè)規(guī)模對(duì)產(chǎn)業(yè)集聚程度的影響。對(duì)于區(qū)位熵而言，如果一個(gè)地區(qū)某一個(gè)企業(yè)在該行業(yè)中具有較大的份額，意味著這一地區(qū)該行業(yè)的區(qū)位熵很高，但這并不代表這一地區(qū)該產(chǎn)業(yè)的集聚程度很高[11]。反之，如果該地區(qū)有數(shù)量非常多的同業(yè)小企業(yè)，但缺少大規(guī)模企業(yè)，則空間基尼系數(shù)值“虛低”。區(qū)位熵指數(shù)法無法識(shí)別新生的或較小的產(chǎn)業(yè)集聚，若某個(gè)區(qū)域內(nèi)的產(chǎn)業(yè)集聚是以小集群形式分布，該方法可能無法如實(shí)反映產(chǎn)業(yè)集聚狀態(tài)[12]。第二，物流業(yè)統(tǒng)計(jì)口徑造成的數(shù)據(jù)偏差。目前國際統(tǒng)計(jì)的產(chǎn)業(yè)分類體系中沒有“物流產(chǎn)業(yè)”，因此學(xué)者的研究基本上都采用交通運(yùn)輸、倉儲(chǔ)和郵政業(yè)代表物流產(chǎn)業(yè)，會(huì)導(dǎo)致產(chǎn)值低估。如由于制造業(yè)統(tǒng)計(jì)方法和口徑較為完善，關(guān)于制造業(yè)集聚，很多學(xué)者用工業(yè)總產(chǎn)值比重來衡量，但是服務(wù)業(yè)在中國被嚴(yán)重低估[4]。第三，分析測度對(duì)象的行政或地理區(qū)域大小對(duì)研究結(jié)果的影響。如按省測度的區(qū)位基尼系數(shù)比按市測度的結(jié)果平均低了近40%[13]。第四，目前的一些研究僅僅依據(jù)區(qū)位熵或者空間基尼系數(shù)進(jìn)行分析，缺少結(jié)合相關(guān)重要影響因素（如傳統(tǒng)產(chǎn)業(yè)升級(jí)、人口流動(dòng)和流失、智慧物流等）及其環(huán)境變遷的綜合分析，結(jié)果往往會(huì)造成偏差。埃利斯和格萊澤（Ellision&Glaeser）提出了新的集聚指數(shù)來測定產(chǎn)業(yè)的地理集中程度[14]，該指數(shù)加入了反映企業(yè)規(guī)模分布的赫芬達(dá)爾指數(shù)（Herfindahl Index）。但限于數(shù)據(jù)的可得性，本文采用區(qū)位熵進(jìn)行分析。

表3 中國2008—2016年分省區(qū)位熵

衡量物流產(chǎn)業(yè)集聚的另外一個(gè)指標(biāo)是空間自相關(guān)系數(shù)。全球經(jīng)濟(jì)一體化發(fā)展的同時(shí)，區(qū)域經(jīng)濟(jì)及各種經(jīng)濟(jì)圈也加速發(fā)展，特別是隨著現(xiàn)代交通通信及大數(shù)據(jù)等新技術(shù)的發(fā)展，共享經(jīng)濟(jì)、平臺(tái)經(jīng)濟(jì)等新經(jīng)濟(jì)模式崛起，更加劇了經(jīng)濟(jì)體之間的相互影響。對(duì)于物流企業(yè)特別是全國甚至全球性的物流企業(yè)而言，因其自身業(yè)務(wù)的特性，相互的影響是與生俱來的。目前，廣泛使用的測量空間自相關(guān)性的指標(biāo)是莫蘭指數(shù)（Moran I），計(jì)算方法如下：

三、物流A級(jí)企業(yè)空間布局特征與分省物流產(chǎn)業(yè)集聚

（一）物流A級(jí)企業(yè)分省空間布局特征

從表2可以看出物流A級(jí)企業(yè)多數(shù)聚集在沿海發(fā)達(dá)地區(qū)，物流A級(jí)企業(yè)的數(shù)量與分省GDP的相關(guān)系數(shù)達(dá)到0.77。學(xué)者們對(duì)物流業(yè)和經(jīng)濟(jì)發(fā)展的關(guān)系主要從兩個(gè)方面進(jìn)行研究：一是生產(chǎn)性服務(wù)業(yè)與制造業(yè)的相互促進(jìn)關(guān)系[6，9，16-19]，可以間接推斷物流業(yè)和經(jīng)濟(jì)發(fā)展的相互促進(jìn)關(guān)系；二是物流業(yè)和經(jīng)濟(jì)發(fā)展的直接關(guān)系[7，20-29]。物流業(yè)的發(fā)展對(duì)于深化勞動(dòng)分工、有效改善資源配置、提高制造業(yè)生產(chǎn)效率、推動(dòng)區(qū)域經(jīng)濟(jì)協(xié)調(diào)發(fā)展具有重要作用。在國際上，物流產(chǎn)業(yè)被普遍認(rèn)為是國民經(jīng)濟(jì)發(fā)展的動(dòng)脈和基礎(chǔ)產(chǎn)業(yè)，其發(fā)展程度和水平已成為衡量一個(gè)國家或地區(qū)現(xiàn)代化水平和綜合競爭力的重要標(biāo)志，被譽(yù)為經(jīng)濟(jì)發(fā)展的加速器[30]。

以上分析表明物流產(chǎn)業(yè)集聚與經(jīng)濟(jì)發(fā)展相適應(yīng)，其背后的驅(qū)動(dòng)因素主要包括經(jīng)濟(jì)實(shí)力、對(duì)外開放和交通區(qū)位條件等。我國東中西部地區(qū)物流A級(jí)企業(yè)的數(shù)量比例關(guān)系從2012年的 5：2：1[8]變?yōu)?018年4：2：1，說明東中西部地區(qū)的差距在縮小，或者說是全國物流產(chǎn)業(yè)高速發(fā)展的同時(shí)，中西部地區(qū)物流業(yè)在近年來有著更快的發(fā)展，東中西部地區(qū)發(fā)展更加均衡。

表4 基于區(qū)位熵和物流A級(jí)企業(yè)布局的聚類

（二）基于區(qū)位熵和物流A級(jí)企業(yè)布局的聚類分析

結(jié)合表2和表3分析發(fā)現(xiàn)，物流產(chǎn)業(yè)集聚和經(jīng)濟(jì)發(fā)展的關(guān)系比較復(fù)雜，甚至存在一些矛盾的現(xiàn)象。為此，依據(jù)區(qū)位熵和物流A級(jí)企業(yè)布局，采用系統(tǒng)聚類方法，得到表4的聚類結(jié)果。

通過聚類分析，可以發(fā)現(xiàn)物流產(chǎn)業(yè)集聚和經(jīng)濟(jì)發(fā)展之間主要的“矛盾”現(xiàn)象為：區(qū)位熵排名靠前的省份，經(jīng)濟(jì)實(shí)力排名比較靠后。各省的區(qū)位熵均值③與物流A級(jí)企業(yè)總數(shù)的相關(guān)系數(shù)為-0.33，但是區(qū)位熵均值與5A、4A兩類物流企業(yè)數(shù)量和的相關(guān)系數(shù)為0.46。

（三）基于區(qū)位熵和物流A級(jí)空間分布特征的對(duì)比分析

考慮到基于就業(yè)人數(shù)計(jì)算的區(qū)位熵存在的局限性，因此結(jié)合基于產(chǎn)值計(jì)算的區(qū)位熵以及物流A級(jí)企業(yè)空間分布特征來進(jìn)行具體分析。

就區(qū)位熵而言，表3和表5顯示，西藏、浙江、廣東、江蘇呈現(xiàn)遞減趨勢(shì)，數(shù)據(jù)均低于1.25，絕大部分?jǐn)?shù)值低于1。遼寧、北京、內(nèi)蒙古、上海呈現(xiàn)遞增趨勢(shì)，數(shù)據(jù)大多高于1.25。山東整體呈現(xiàn)微弱上升趨勢(shì)，但是區(qū)位熵始終小于1.25。表3顯示，在中國三大經(jīng)濟(jì)圈中，長三角經(jīng)濟(jì)圈的浙江、江蘇、安徽，珠三角經(jīng)濟(jì)圈的廣東，環(huán)渤海經(jīng)濟(jì)圈的山東、河北，區(qū)位熵平均得分排名靠后，與表2的物流A級(jí)企業(yè)數(shù)量排名正好相反。相對(duì)一致的排名是上海，比較一致的排名是遼寧和北京。

各省市區(qū)的區(qū)位熵和物流A級(jí)企業(yè)空間分布特征可以歸納為以下三種現(xiàn)象：第一，極端現(xiàn)象，即遼寧區(qū)位熵的高位高增長和西藏區(qū)位熵的大幅度遞減趨勢(shì)。第二，經(jīng)濟(jì)發(fā)達(dá)地區(qū)總體區(qū)位熵排名較后，但是物流A級(jí)企業(yè)數(shù)量排名較前。第三，GDP總量排名靠后的省份，區(qū)位熵排名總體呈現(xiàn)三種情況：排名靠前，如內(nèi)蒙古、黑龍江、山西、海南；排名在中部，如甘肅、寧夏；排名靠后，如西藏。

對(duì)于第一種現(xiàn)象中的西藏明顯遞減趨勢(shì)而言，從就業(yè)人數(shù)看，從2008年到2016年，西藏的總就業(yè)人數(shù)增長了近三倍，但是物流業(yè)就業(yè)人數(shù)增長不到一倍，物流業(yè)產(chǎn)值占GDP比重也大幅度降低。顯而易見，西藏物流業(yè)發(fā)展明顯滯后于GDP和第三產(chǎn)業(yè)中其他產(chǎn)業(yè)的發(fā)展。

對(duì)于遼寧明顯遞增現(xiàn)象而言，2003年中央提出“振興東北老工業(yè)基地”戰(zhàn)略，此后十年出臺(tái)了多項(xiàng)利好政策。在2007年到2010年，東北經(jīng)濟(jì)還保持兩位數(shù)增長，高于東部地區(qū)，由于物流業(yè)多基于傳統(tǒng)產(chǎn)業(yè)，東北三省特別是遼寧區(qū)位熵持續(xù)增長。遼寧因?yàn)楸旧斫?jīng)濟(jì)體量大，擁有區(qū)位優(yōu)勢(shì)（尤其是大連和營口），從2003年后區(qū)位熵增長迅猛，2007年區(qū)位熵翻番，但在2008年以后基本處于下行狀態(tài)。部分原因是，自2013年后，東北經(jīng)濟(jì)明顯減速，從區(qū)位熵看，東北三省從2010年就開始下降，傳統(tǒng)產(chǎn)業(yè)的制約作用顯現(xiàn)。東北地區(qū)共有資源型地級(jí)城市21個(gè)，其中煤炭型和森工型城市個(gè)數(shù)占全部資源型城市的60%以上[31]，同時(shí)人口流失嚴(yán)重，特別是年輕人，遼寧和黑龍江的就業(yè)總?cè)丝诤臀锪鳂I(yè)就業(yè)人口數(shù)量在2014年甚至出現(xiàn)負(fù)增長。從物流A級(jí)企業(yè)數(shù)量看，從2012年到2018年，遼寧從17個(gè)增加到135個(gè)?？梢姡m然遼寧經(jīng)歷了GDP斷崖式下跌，但隨著經(jīng)濟(jì)的逐漸復(fù)蘇，遼寧存在比較明顯的物流業(yè)集聚。

對(duì)于第二種現(xiàn)象而言，江蘇、浙江、廣東和山東這四個(gè)省份長期占據(jù)中國GDP總量的前四位，但是區(qū)位熵歷年都處于1以下，排名均比較靠后，與上海相比，四省區(qū)位熵明顯偏低。從1998年到2016年，上海呈明顯增長趨勢(shì)，四省中除了山東微弱增長外，其余三省都呈現(xiàn)明顯的下降趨勢(shì)。對(duì)于基于產(chǎn)值計(jì)算的區(qū)位熵而言，雖然四個(gè)省份的排名同樣靠后，但是從2004年到2016年除上海和山東略微降低外，其余三個(gè)省份都呈現(xiàn)增長趨勢(shì)?？梢?，以上分析存在三種差異：四省區(qū)位熵排名與物流A級(jí)企業(yè)分布的差異；四省基于就業(yè)人數(shù)區(qū)位熵和基于產(chǎn)值區(qū)位熵的差異；四省與上海在兩個(gè)指標(biāo)上的差異。結(jié)合兩種區(qū)位熵的計(jì)算結(jié)果，可以大致推斷，物流業(yè)產(chǎn)值的增長比率超越了物流業(yè)就業(yè)人數(shù)的增長比率。背后原因可能有兩點(diǎn)：一是人工自身效率的提升；二是智慧物流的出現(xiàn)，導(dǎo)致機(jī)器取代人工。如物流A級(jí)企業(yè)代表著企業(yè)的資質(zhì)，代表著集約化的水平，四個(gè)省份2018年物流A級(jí)企業(yè)總數(shù)占到全國總數(shù)的38%。上海傳統(tǒng)和現(xiàn)代產(chǎn)業(yè)平衡發(fā)展，擁有特殊的區(qū)位和經(jīng)濟(jì)發(fā)展優(yōu)勢(shì)，不斷打造國際經(jīng)濟(jì)、金融、貿(mào)易、航運(yùn)中心，要素資源高度聚集，擁有高端物流功能及全球物流資源配置能力，是“長江經(jīng)濟(jì)帶”和長三角的戰(zhàn)略龍頭，智慧物流發(fā)展迅速，因而各項(xiàng)指標(biāo)排名靠前。

表5 中國部分省份1998—2007年區(qū)位熵

對(duì)于第三種現(xiàn)象而言，山西、內(nèi)蒙、廣西、黑龍江、海南經(jīng)濟(jì)排名比較靠后，物流A級(jí)企業(yè)數(shù)量不多，但是區(qū)位熵排名比較靠前，與基于產(chǎn)值計(jì)算的區(qū)位熵排名比較一致。這種現(xiàn)象與江蘇、浙江、廣東、山東等狀況恰好相反。如前所述，各省歷年區(qū)位熵均值與物流A級(jí)企業(yè)數(shù)量的相關(guān)系數(shù)為負(fù)，但區(qū)位熵均值與5A、4A兩類企業(yè)數(shù)量和的相關(guān)系數(shù)為正，說明企業(yè)規(guī)模對(duì)區(qū)位熵存在一定的影響，如在東北三省、內(nèi)蒙古、山西等擁有由傳統(tǒng)產(chǎn)業(yè)形成的大型企業(yè)，除了物流業(yè)多基于其傳統(tǒng)產(chǎn)業(yè)因素外，山西、黑龍江、海南第三產(chǎn)業(yè)發(fā)展良好，各省在2015年第三產(chǎn)業(yè)占GDP的比重均突破了50%。從歷史數(shù)據(jù)看，山西、黑龍江、內(nèi)蒙古區(qū)位熵均呈現(xiàn)穩(wěn)定增長勢(shì)頭，這些省份不僅擁有傳統(tǒng)產(chǎn)業(yè)的優(yōu)勢(shì)，同時(shí)第三產(chǎn)業(yè)快速發(fā)展，因此存在較明顯的物流業(yè)集聚。如山西自2010年成為國家級(jí)綜合配套改革試驗(yàn)區(qū)后，第三產(chǎn)業(yè)發(fā)展迅猛，第三產(chǎn)業(yè)產(chǎn)值占GDP的比例從2010年的約37%迅速增長到2016年的約56%，山西近年密集出臺(tái)發(fā)展現(xiàn)代物流的相關(guān)政策和戰(zhàn)略規(guī)劃，物流業(yè)與轉(zhuǎn)型綜改試驗(yàn)區(qū)深度融合。

貴州雖然其他指標(biāo)均比較靠后，但是基于產(chǎn)值計(jì)算的區(qū)位熵排名首位。物流A級(jí)企業(yè)從2012年的12個(gè)增長到2018年的35個(gè)。貴州GDP一直保持高速增長，雖然第三產(chǎn)業(yè)占GDP比重只有45%左右，但是物流業(yè)產(chǎn)值增長迅猛，物流業(yè)增加值占地區(qū)生產(chǎn)總值的10%，成為支柱性產(chǎn)業(yè)。傳化集團(tuán)、新加坡普洛斯、貨車幫、長和長遠(yuǎn)等國內(nèi)外企業(yè)都在貴州布局了物流基地。同時(shí)，形成了以大數(shù)據(jù)、信息化為特征的智慧物流業(yè)，促進(jìn)了物流業(yè)的轉(zhuǎn)型升級(jí)。貨車幫、貴陽傳化、易貨嘀、貴州現(xiàn)代物流集團(tuán)、長和長遠(yuǎn)等省內(nèi)外龍頭企業(yè)的數(shù)據(jù)已接入物流云，打造了物流云“貴州模式”。

以上分析可以看出，依據(jù)單個(gè)指標(biāo)分析，容易造成結(jié)論分析上的偏差，結(jié)合多個(gè)指標(biāo)和相關(guān)影響因素，有助于挖掘數(shù)據(jù)背后的規(guī)律?？傮w而言，上海、遼寧物流產(chǎn)業(yè)集聚明顯；經(jīng)濟(jì)發(fā)達(dá)四省物流產(chǎn)業(yè)集聚指數(shù)被低估，依托雄厚的經(jīng)濟(jì)實(shí)力和發(fā)展，存在物流產(chǎn)業(yè)集聚。山西、內(nèi)蒙、黑龍江、海南物流產(chǎn)業(yè)集聚指數(shù)存在一定的高估，但是物流產(chǎn)業(yè)發(fā)展快速，存在物流產(chǎn)業(yè)集聚。貴州因?yàn)槲锪鳂I(yè)增加值占地區(qū)生產(chǎn)總值的10%，也存在物流產(chǎn)業(yè)集聚。

（四）物流業(yè)集聚的空間依賴性

運(yùn)用STATA計(jì)算2008—2016年基于區(qū)位熵的全局空間相關(guān)性莫蘭指數(shù)，發(fā)現(xiàn)除了2009年，其余各年指數(shù)均通過了5%顯著性水平檢驗(yàn)，且數(shù)值均為正數(shù)，2016年甚至通過了1%顯著性水平檢驗(yàn)。數(shù)據(jù)結(jié)果說明，我國各省市區(qū)之間的物流產(chǎn)業(yè)集聚出現(xiàn)“兩級(jí)分化”，即集聚程度高的省份空間地理上聚在一起，集聚程度低的省份空間地理上聚在一起。因?yàn)槟m指數(shù)會(huì)隨著權(quán)重矩陣的選擇而發(fā)生較大的變化，依據(jù)K最近點(diǎn)權(quán)重④計(jì)算獲得的全局指數(shù)最穩(wěn)定[32]，因此采用距離平方倒數(shù)作為權(quán)重矩陣，重新計(jì)算莫蘭指數(shù)進(jìn)行驗(yàn)證，結(jié)果差異較大，2013—2015年以及2010年莫蘭指數(shù)均未能通過驗(yàn)證。

依據(jù)2016年區(qū)位熵，計(jì)算局部空間相關(guān)性莫蘭指數(shù)。首先，利用STATA軟件，依據(jù)BOOK方式獲得的權(quán)重矩陣計(jì)算的2016局部莫蘭指數(shù)，只有內(nèi)蒙古、遼寧、吉林和上海通過了5%顯著性水平檢驗(yàn)。依據(jù)K最近點(diǎn)權(quán)重獲得的權(quán)重矩陣計(jì)算的2016年局部莫蘭指數(shù)，只有上海、遼寧、吉林和西藏通過了5%顯著性水平檢驗(yàn)。在兩者分析結(jié)果中，上海、遼寧和吉林的數(shù)值比較接近。其次，在Geoda軟件同樣采用BOOK方式和距離倒數(shù)作為權(quán)重矩陣，獲得了相似的結(jié)果。再次，在Geoda軟件同樣采用BOOK方式和距離倒數(shù)作為權(quán)重矩陣，使用基于產(chǎn)值計(jì)算的區(qū)位熵分析，也獲得了相似的結(jié)果。所謂相似的結(jié)果，就是只有個(gè)別省份通過了5%顯著性水平檢驗(yàn)，只是省份略有差別。

通過以上分析看出，我國在總體上存在物流業(yè)集聚的空間依賴性，且隨著時(shí)間推移逐漸增強(qiáng)，但是局部的空間相關(guān)性沒有很好的數(shù)據(jù)支撐，其背后可能的原因是數(shù)據(jù)統(tǒng)計(jì)獲取的可得性和統(tǒng)計(jì)指數(shù)本身的局限性，當(dāng)然還可能有社會(huì)和制度因素，如生產(chǎn)性服務(wù)業(yè)的“本地偏好”和行政區(qū)經(jīng)濟(jì)、市場分割等現(xiàn)象仍普遍存在，以及基于財(cái)政分權(quán)制度的地方保護(hù)主義等[6]。

四、中國物流企業(yè)布局和產(chǎn)業(yè)集聚格局變革的驅(qū)動(dòng)因素

基于上述研究，目前物流產(chǎn)業(yè)發(fā)展趨勢(shì)背后存在三種驅(qū)動(dòng)因素，或者說三種力量：傳統(tǒng)產(chǎn)業(yè)因素、現(xiàn)代科技因素和區(qū)位優(yōu)勢(shì)因素。三種力量組合的動(dòng)態(tài)變化，影響著東中西部地區(qū)各省市區(qū)物流企業(yè)布局、產(chǎn)業(yè)集聚格局的變革。

（一）智慧科技驅(qū)動(dòng)物流產(chǎn)業(yè)升級(jí)

物流業(yè)緊密銜接著生產(chǎn)與消費(fèi)、原料與加工、進(jìn)口與出口等諸多環(huán)節(jié)，可以說，如果沒有物流業(yè)的轉(zhuǎn)型升級(jí)，制造業(yè)等實(shí)體經(jīng)濟(jì)的轉(zhuǎn)型升級(jí)必將淪為空談。

人工智能等智慧科技驅(qū)動(dòng)物流產(chǎn)業(yè)全面升級(jí)為智慧物流。智慧物流是以物流互聯(lián)網(wǎng)和物流大數(shù)據(jù)為依托，通過協(xié)同共享創(chuàng)新模式與人工智能先進(jìn)技術(shù)，重塑產(chǎn)業(yè)分工，再造產(chǎn)業(yè)結(jié)構(gòu)，轉(zhuǎn)變產(chǎn)業(yè)發(fā)展方式的新生態(tài)。如新業(yè)態(tài)中的平臺(tái)型經(jīng)濟(jì)模式，包括運(yùn)滿滿、貨車幫、福佑卡車、卡行天下、路歌等，成為行業(yè)變革的重要力量[33]。人工智能技術(shù)包括運(yùn)輸配送倉儲(chǔ)中的貨物跟蹤定位、無線射頻識(shí)別、可視化、移動(dòng)信息服務(wù)、導(dǎo)航集成系統(tǒng)、二維碼、集成傳感等物聯(lián)網(wǎng)感知與大數(shù)據(jù)、機(jī)器人影像識(shí)別揀選、高密度存儲(chǔ)機(jī)械臂揀選、語音揀選等技術(shù)不斷發(fā)展，物聯(lián)網(wǎng)、云計(jì)算、大數(shù)據(jù)、區(qū)塊鏈技術(shù)在物流業(yè)加速普及且成效顯著，智能倉庫、倉儲(chǔ)機(jī)器人、無人駕駛、無人機(jī)配送技術(shù)取得根本性突破。

產(chǎn)業(yè)升級(jí)的一個(gè)直接后果就是機(jī)器替代人工。同時(shí)，隨著我國勞動(dòng)人口數(shù)量不斷下滑，人口紅利已經(jīng)消失，人工成本快速攀升，企業(yè)用工荒問題愈發(fā)嚴(yán)重，加速了物流機(jī)械化、自動(dòng)化、智能化的進(jìn)程，機(jī)器逐步代替人工，無人倉、無人港、無人機(jī)、無人駕駛、物流機(jī)器人等一批國際領(lǐng)先技術(shù)正在推廣應(yīng)用。全球最大自動(dòng)化碼頭上海洋山港四期試運(yùn)營，京東首個(gè)全流程無人倉投入使用[34]。因此采用產(chǎn)業(yè)就業(yè)人數(shù)計(jì)算的集聚指數(shù)衡量地區(qū)產(chǎn)業(yè)集聚和專業(yè)化程度，應(yīng)當(dāng)隨著產(chǎn)業(yè)結(jié)構(gòu)的升級(jí)而進(jìn)行調(diào)整。例如，從公布的2017年國家智能化倉儲(chǔ)物流10家示范基地分布可以發(fā)現(xiàn)，上海、北京、廣東各2家，江蘇、山東、湖北和吉林各1家，其先進(jìn)的智能化對(duì)人工的需求已大大減少。因此可以說，三大經(jīng)濟(jì)圈（特別是發(fā)達(dá)省份）的物流產(chǎn)業(yè)集聚程度因?yàn)橹腔畚锪黩?qū)動(dòng)的產(chǎn)業(yè)升級(jí)存在一定程度上的低估。

（二）區(qū)位優(yōu)勢(shì)構(gòu)建和后發(fā)趕超

三種變革力量加速中西部省份的后發(fā)趕超進(jìn)程，從而打造更加均衡合理的物流產(chǎn)業(yè)集聚格局。布局越均衡合理，資源配置效率越高，物流成本越低。

第一，傳統(tǒng)地理形成的區(qū)位優(yōu)勢(shì)格局將被交通運(yùn)輸方式的不斷變革以及國家“一帶一路”政策所打破，中西部不斷構(gòu)建新型區(qū)位優(yōu)勢(shì)，從而加速現(xiàn)有物流產(chǎn)業(yè)布局的變革，為內(nèi)陸省份實(shí)施“走出去”戰(zhàn)略提供新路徑。中歐班列迅猛發(fā)展，打破了沿海省份基于地理區(qū)位的壟斷優(yōu)勢(shì)，使內(nèi)陸省份能夠深度參與自由貿(mào)易和全球產(chǎn)業(yè)分工。截至2016年底，國內(nèi)已有31個(gè)城市陸續(xù)開通去往德國杜伊斯堡、漢堡和西班牙馬德里等28個(gè)歐洲城市的中歐班列。中歐班列的始發(fā)城市逐步從重慶（2011年）、武漢（2012年）、成都（2013年）、鄭州（2013年）、西安（2013年）等中西部城市擴(kuò)展到廣州（2013年）、蘇州（2013年）、義烏（2014年）、營口（2014年）、東莞（2015年）、連云港（2015年）、廈門（2015年）等東部沿海城市[35]。從2017年數(shù)據(jù)看，成都、重慶、鄭州是國內(nèi)班列開行數(shù)量最多的城市。隨著鐵路運(yùn)輸對(duì)海運(yùn)的替代以及航空運(yùn)輸?shù)牟粩喟l(fā)展，內(nèi)陸省份不斷構(gòu)建完善的國際物流體系，擁有路上運(yùn)輸優(yōu)勢(shì)的同時(shí)，成本不斷降低，有利于全球產(chǎn)業(yè)鏈的整合發(fā)展。如中歐班列更適應(yīng)汽車和電子電器等產(chǎn)業(yè)對(duì)全球供應(yīng)鏈管理的需求。第二，沿海省份不斷升高的各種成本，將加快產(chǎn)業(yè)向內(nèi)陸和東南亞轉(zhuǎn)移的速度，從而促進(jìn)內(nèi)陸物流產(chǎn)業(yè)的發(fā)展。如現(xiàn)今越來越多的貿(mào)易導(dǎo)向型產(chǎn)業(yè)向內(nèi)陸轉(zhuǎn)移，跨境電商的物流基地向鄭州等自貿(mào)區(qū)聚集。第三，西部大開發(fā)、中部振興、東北振興、絲綢之路經(jīng)濟(jì)帶、轉(zhuǎn)型綜改試驗(yàn)區(qū)等各種國家發(fā)展戰(zhàn)略的實(shí)施，都將為中西部的后發(fā)趕超提供政策支持?？梢?，中西部將因?yàn)殛懮贤ǖ赖拇蛲?，借助物流產(chǎn)業(yè)的快速發(fā)展，依托國家政策，創(chuàng)造后發(fā)趕超的新路徑。陸上通道將為物流業(yè)提供新的發(fā)展機(jī)遇，極大提升物流發(fā)展的質(zhì)量和水平。如多式聯(lián)運(yùn)的發(fā)展，引入全新的生產(chǎn)方式、貿(mào)易方式和結(jié)算方式。陸上“走出去”的戰(zhàn)略不僅表現(xiàn)在產(chǎn)品輸出，未來將不斷形成新的全球產(chǎn)業(yè)鏈、價(jià)值鏈，從而促進(jìn)中西部經(jīng)濟(jì)增長極和新興經(jīng)濟(jì)圈的形成。同時(shí)，智慧物流也為中西部省份的后發(fā)趕超提供了新動(dòng)力和新契機(jī)。如國家發(fā)布首批28家骨干物流信息平臺(tái)試點(diǎn)名單中，中西部省份山西、黑龍江、貴州等多省位列其中，而且山西一省擁有2家骨干物流信息平臺(tái)。

五、結(jié)論與討論

新常態(tài)下的物流產(chǎn)業(yè)在國民經(jīng)濟(jì)中的戰(zhàn)略作用隨著智慧物流的發(fā)展而越加凸顯。近年在物流企業(yè)布局和產(chǎn)業(yè)集聚相關(guān)研究中，逐步形成了地理學(xué)、管理學(xué)和經(jīng)濟(jì)學(xué)研究的交叉和融合，關(guān)注層次逐漸從服務(wù)業(yè)、生產(chǎn)性服務(wù)業(yè)聚焦到物流產(chǎn)業(yè)。本文基于截至2018年1月的物流A級(jí)企業(yè)數(shù)據(jù)，利用2008—2016年各省市區(qū)產(chǎn)業(yè)集聚指數(shù)及基于指數(shù)的空間相關(guān)性系數(shù)，研究了物流A級(jí)企業(yè)的分省空間分布、物流業(yè)集聚狀況和空間相關(guān)性。

在使用指標(biāo)的同時(shí)，必須明確其局限性，防止在分析結(jié)果時(shí)絕對(duì)化和片面化。指標(biāo)的局限性同時(shí)也制約著后續(xù)的研究。依據(jù)單個(gè)指標(biāo)分析，容易造成分析結(jié)論的偏差，而結(jié)合多個(gè)指標(biāo)和相關(guān)數(shù)據(jù)、影響變量，有助于挖掘數(shù)據(jù)背后的規(guī)律?？紤]到基于就業(yè)人數(shù)計(jì)算的區(qū)位熵存在的局限性和復(fù)雜性，本文結(jié)合基于產(chǎn)值的區(qū)位熵以及物流A級(jí)空間分布特征來進(jìn)行指標(biāo)修正。依據(jù)物流業(yè)和經(jīng)濟(jì)發(fā)展關(guān)系的理論研究和實(shí)踐，并結(jié)合新常態(tài)下智慧物流現(xiàn)代科技、傳統(tǒng)產(chǎn)業(yè)和區(qū)位優(yōu)勢(shì)三種力量組合的動(dòng)態(tài)變化，研究了各省市區(qū)產(chǎn)業(yè)集聚狀況及其背后的驅(qū)動(dòng)因素。研究發(fā)現(xiàn)，物流A級(jí)企業(yè)的分省空間分布與各省經(jīng)濟(jì)發(fā)展總體一致，但是物流業(yè)集聚狀況與物流A級(jí)企業(yè)的分省空間分布、各省經(jīng)濟(jì)發(fā)展存在著復(fù)雜關(guān)系?？傮w而言，上海、遼寧物流產(chǎn)業(yè)集聚明顯；經(jīng)濟(jì)發(fā)達(dá)的四省物流產(chǎn)業(yè)集聚指數(shù)被低估，山西、內(nèi)蒙、黑龍江等省物流產(chǎn)業(yè)集聚指數(shù)存在一定的高估，二者均存在物流產(chǎn)業(yè)集聚。貴州因?yàn)榛诋a(chǎn)值計(jì)算的區(qū)位熵排名首位，物流業(yè)增加值占地區(qū)生產(chǎn)總值的10%，也存在物流產(chǎn)業(yè)集聚。這些矛盾現(xiàn)象充分反映了產(chǎn)業(yè)集聚統(tǒng)計(jì)分析的局限性，通過對(duì)比驗(yàn)證分析，指出了指標(biāo)偏差的內(nèi)在原因及指標(biāo)修正的必要性，并在此基礎(chǔ)上闡釋了物流業(yè)格局動(dòng)態(tài)變革的內(nèi)在驅(qū)動(dòng)因素。同時(shí)，由于數(shù)據(jù)統(tǒng)計(jì)獲取的可得性和統(tǒng)計(jì)指數(shù)本身的局限性，以及社會(huì)和制度因素等影響，各省產(chǎn)業(yè)集聚指數(shù)的空間相關(guān)性有限，顯著性不足。

可見，目前迫切需要明確物流業(yè)的統(tǒng)計(jì)口徑，開展物流產(chǎn)業(yè)獨(dú)立、完整的各項(xiàng)指標(biāo)統(tǒng)計(jì)，從而為相關(guān)研究構(gòu)建精確的數(shù)據(jù)基礎(chǔ)。物流業(yè)集聚指標(biāo)不僅要考慮其自身的局限性，隨著智慧物流的發(fā)展，物流產(chǎn)業(yè)集聚指標(biāo)需要進(jìn)行修正和重構(gòu)，從而為空間計(jì)量分析等后續(xù)研究提供更加精確的數(shù)據(jù)來源。

注釋：

①企業(yè)名錄來源于中國物流與采購聯(lián)合會(huì)。

②表1的東中西部地區(qū)的界定是（不含港澳臺(tái)地區(qū)）：東部包括遼寧、北京、天津、山東、江蘇、上海、浙江、福建、廣東、廣西、海南，中部包括吉林、黑龍江、山西、內(nèi)蒙古、河南、安徽、湖北、湖南、江西，其他省市區(qū)為西部地區(qū)。下同。

③2008年到2016年各省區(qū)域熵平均值。

④權(quán)重取值為兩地距離m次冪的倒數(shù)。