林雙嬌，王 健

（福州大學(xué) 物流研究中心，福建 福州 350108）

一、引言及文獻述評

十九大報告指出，中國經(jīng)濟正處于向高質(zhì)量發(fā)展轉(zhuǎn)型的關(guān)鍵時期，物流業(yè)作為支撐國民經(jīng)濟發(fā)展的重要載體，其高質(zhì)量發(fā)展是中國經(jīng)濟高質(zhì)量發(fā)展的關(guān)鍵一環(huán)。物流業(yè)高質(zhì)量發(fā)展的核心要義是實現(xiàn)物流產(chǎn)業(yè)的均衡協(xié)調(diào)發(fā)展，城市物流業(yè)規(guī)模分布是物流資源配置的基本體現(xiàn)，可以用于評判物流業(yè)發(fā)展規(guī)模空間布局的合理性。而由于各地區(qū)資源稟賦、經(jīng)濟基礎(chǔ)等條件差異較大，大型城市物流業(yè)發(fā)展基礎(chǔ)較好，中小城市物流發(fā)展相對滯后，物流產(chǎn)業(yè)規(guī)模分布的區(qū)域差異明顯，不利于物流業(yè)的高質(zhì)量發(fā)展。因此，基于物流規(guī)模分布的測算，分析物流規(guī)模分布的地區(qū)差異及演進趨勢，有助于把握城市物流業(yè)規(guī)模分布的演變規(guī)律，優(yōu)化城市物流規(guī)模分布結(jié)構(gòu)，是實現(xiàn)物流產(chǎn)業(yè)均衡發(fā)展、提升物流業(yè)高質(zhì)量發(fā)展水平的關(guān)鍵所在。

有關(guān)城市物流產(chǎn)業(yè)規(guī)模分布的研究，至今鮮有涉及，既有研究多圍繞城市規(guī)模分布與企業(yè)規(guī)模分布展開。其中較為公認的觀點有兩類：一類觀點認為城市規(guī)模分布具有冪律特性，具有代表性的冪律分布類型包括Pareto分布與Zipf分布。Auerbach（1913）最早指出城市規(guī)模分布可以用Pareto分布近似表示［1］，苗洪亮（2014）的研究成果表明，中國城市規(guī)模服從Pareto分布［2］。而Zipf分布是Pareto分布的特殊形式［3］，由Zipf（1949）在冪律定律的基礎(chǔ)上發(fā)展與完善而成，表明城市位序與人口規(guī)模之間的經(jīng)驗關(guān)系服從Zipf分布（Bain，1950）［4］。盡管Zipf定律能較好擬合城市規(guī)模分布［5］，但并不是萬能的，例如，Goddard（2014）對美國商業(yè)銀行與信用合作社規(guī)模分布進行估計，研究結(jié)果拒絕了服從Zipf分布的假設(shè)［6］。另一類觀點認為規(guī)模分布具有正態(tài)分布特性。Luckstead（2014）通過對比中國和印度城市規(guī)模分布的正態(tài)分布和Pareto分布擬合結(jié)果，發(fā)現(xiàn)1950-1990年中國城市規(guī)模服從正態(tài)分布，僅2010年服從Pareto分布［7］。Cortes（2017）基于美國上市企業(yè)的運營數(shù)據(jù)，采用非參數(shù)估計方法估計企業(yè)規(guī)模分布，研究結(jié)果同樣表明，企業(yè)規(guī)模服從對數(shù)正態(tài)分布［8］。

學(xué)術(shù)界就規(guī)模分布測算領(lǐng)域展開多種多樣的研究，其中冪律分布由于其數(shù)學(xué)性質(zhì)受到廣泛關(guān)注。目前常用的冪律分布估計方法是對位序—規(guī)模法則進行對數(shù)處理的普通最小二乘估計（OLS）［9-11］，但在小樣本的情況下其估計結(jié)果是有偏的［12］。為解決由樣本量引起的估計偏差問題，Gabaix（2011）改進了OLS估計，對規(guī)模位序進行1/2的位移［13］，最大限度地減小了OLS估計的偏差。然而，實際情況中，并不是研究對象的所有樣本均具有冪律特性，冪律分布往往僅適用于高于某個最小臨界值的樣本數(shù)據(jù)。這就意味著，即使樣本量足夠大，采用簡單的OLS或修正的OLS來擬合規(guī)模分布也可能會產(chǎn)生較大偏差。為解決OLS估計和改進的OLS估計的偏誤問題，Hill（1975）以城市為對象，提出估計Zipf分布的Hill估計方法，該方法滿足了最大似然估計（MLE）的有效性，但是容易低估真實標(biāo)準(zhǔn)誤與冪指數(shù)［14］。Goldstein（2004）及Clau?set（2009）進一步對其進行修正，分別采用OLS和MLE估計擬合24類數(shù)據(jù)的規(guī)模分布特征，對比結(jié)果表明，MLE擬合的結(jié)果最為穩(wěn)定，驗證了企業(yè)規(guī)模服從冪律分布的結(jié)論［15-16］。

上述文獻對規(guī)模分布及其測算方法展開了有益探索，為城市物流業(yè)規(guī)模分布的研究奠定了良好基礎(chǔ)。但研究仍存在一定的局限：首先，在規(guī)模分布測算方法方面，既有研究多采用OLS估計規(guī)模分布的冪指數(shù)，未考慮樣本量大小對OLS估計有效性的影響；其次，現(xiàn)有文獻多從企業(yè)或城市視角出發(fā)，分析其規(guī)模分布特征，介于企業(yè)與城市之間的產(chǎn)業(yè)層面規(guī)模分布研究較為欠缺，尤其是物流產(chǎn)業(yè)規(guī)模分布的研究更鮮有涉及；最后，既有研究往往僅止步于規(guī)模分布的測算，未就城市物流業(yè)規(guī)模分布的地區(qū)差異及其演變規(guī)律等后續(xù)問題展開深入探討，易產(chǎn)生對規(guī)模分布的演變趨勢認知不清、物流規(guī)模分布合理化的措施難以奏效等問題?；诖?，本文圍繞以下三方面內(nèi)容展開研究：首先，借鑒Gaffeo（2003）做法［17］，用城市物流從業(yè)人員數(shù)量代表物流規(guī)模，采用MLE方法測算2001-2017年中國物流業(yè)規(guī)模分布的冪指數(shù)，探討我國物流規(guī)模分布特征；其次，運用Dagum基尼系數(shù)及其分解方法，分析物流業(yè)規(guī)模分布的空間差異及差異來源；最后，采用Markov鏈轉(zhuǎn)移模型探討物流業(yè)規(guī)模分布的動態(tài)演變。

二、研究方法

（一）冪律指數(shù)估計模型

本文借鑒Clauset（2009）的做法，采用MLE方法估計物流規(guī)模分布的冪指數(shù)，首先給出城市物流業(yè)規(guī)模分布的概率密度函數(shù)：

其中，P(x)表示物流規(guī)模x發(fā)生的概率；α表示物流規(guī)模分布的冪指數(shù)；C為歸一化常數(shù)。由于x趨于0時，P(x)發(fā)散，因此對其施加一個最小臨界值xmin，當(dāng)α＞1時（當(dāng)α≤1時，使用MLE方法估計式（1）沒有數(shù)學(xué)意義），通過計算歸一化常數(shù)C，將（1）式轉(zhuǎn)化為：

將（3）式對α求導(dǎo)，可得冪指數(shù)α的計算公式：

其中，臨界值xmin值由K-S檢驗法確定，基本思想是當(dāng)X≥xmin時，觀測數(shù)據(jù)的互補累積概率分布和冪律模型擬合的分布越相似，xmin取值效果越好。K-S檢驗?zāi)Ｐ驮O(shè)定如下：

其中，C(x)是X≥xmin區(qū)間內(nèi)，實際觀測數(shù)據(jù)的累積概率函數(shù)（CDF）；P(x)是X ≥ xmin區(qū)間內(nèi)，用MLE方法所擬合的累積概率函數(shù)（PDF）；D為C(x)和P(x)差距的最大值；xmin的值通過最小化KS統(tǒng)計量D值獲取。

與OLS的估計結(jié)果不同，MLE估計的冪指數(shù)取值一般介于2～3之間（偶有例外），其代表的經(jīng)濟含義也不同。當(dāng)α=2時，物流規(guī)模服從冪律分布［18］；1＜α＜2時，物流產(chǎn)業(yè)分布相對均勻，位序低的城市物流業(yè)發(fā)展較為充分，位序高的城市物流業(yè)發(fā)展速度較慢，物流業(yè)在城市體系中表現(xiàn)為中小城市化趨勢，此時α越大，城市物流業(yè)規(guī)模分布越集聚，反之，物流業(yè)規(guī)模分布越分散；當(dāng)2＜α＜3時，物流產(chǎn)業(yè)分布較為集中，位序高的城市物流業(yè)發(fā)展相對充分，位序低的城市物流產(chǎn)業(yè)發(fā)展相對滯后，物流產(chǎn)業(yè)在城市體系中呈現(xiàn)出大城市化趨勢，此時α越大，城市物流規(guī)模分布越分散，反之亦然［19-20］。

（二）Dagum基尼系數(shù)及其分解方法

相對于傳統(tǒng)的基尼系數(shù)與泰爾指數(shù)而言，Da?gum基尼系數(shù)可以刻畫物流業(yè)規(guī)模分布的地區(qū)差異，并通過其分解解決地區(qū)差異的來源問題［21］。本文采用Dagum基尼系數(shù)分析物流業(yè)規(guī)模分布的區(qū)域差異及差異來源。首先，計算所有地區(qū)的總體基尼系數(shù)：

其中，n為省份數(shù)目；yˉ為所有地區(qū)物流業(yè)規(guī)模分布冪指數(shù)的平均值；k為所劃分的地區(qū)數(shù)；j、h為地區(qū)類型；nj(nh)為j(h)地區(qū)省份的數(shù)目；yji(yhr)為j(h)地區(qū)物流業(yè)規(guī)模分布的冪指數(shù)。

其次，按地區(qū)對總體基尼系數(shù)進行分解。計算各省份物流業(yè)規(guī)模分布冪指數(shù)平均值，并按k個地區(qū)分組排序，即yˉh≤ …≤ yˉj≤ …≤ yˉk，將基尼系數(shù)G分解為地區(qū)內(nèi)差異對總體的貢獻（Gw）、地區(qū)間差異凈值對總體的貢獻（Gnb）以及地區(qū)間超變密度對總體的貢獻（Gt），三者關(guān)系滿足G=Gw+Gnb+Gt。計算公式為：

（7）-（11）式中，pj=nj/n，sj=njyˉj/yˉ，j=1,2,3,…,k；Gjj為j地區(qū)內(nèi)基尼系數(shù)；Gnb為地區(qū)間凈值差異；Gjh為j地區(qū)和h地區(qū)間的基尼系數(shù)；Gt為地區(qū)間超變密度。Djh為j地區(qū)和h地區(qū)物流業(yè)規(guī)模之間的相對影響程度，其計算公式為：

（12）-（14）式中，djh為地區(qū)間物流業(yè)規(guī)模分布的差值，表示j、h地區(qū)中所有yji-yhr＞0樣本值的數(shù)學(xué)期望；Fh(Fj)為h(j)地區(qū)物流業(yè)規(guī)模分布的累積分布函數(shù)；pjh為超變一階矩，表示j、h地區(qū)中所有yhr-yji＞0樣本值的數(shù)學(xué)期望。

（三）Markov鏈方法

Markov鏈主要用于描述研究對象從一個狀態(tài)轉(zhuǎn)移至另一個狀態(tài)的概率，通過概率轉(zhuǎn)移矩陣分析研究對象的動態(tài)演變過程。本文采用Markov鏈方法分析物流業(yè)規(guī)模分布的動態(tài)演進過程，基本模型設(shè)定如下：

其中，序列{ Xt}為Markov鏈，可以看出Xt在t+1期的狀態(tài)僅與其第t期的狀態(tài)相關(guān)。據(jù)此，將物流業(yè)規(guī)模分布分為N種狀態(tài)，通過Markov鏈模型，可以測算物流規(guī)模分布由t時期i狀態(tài)轉(zhuǎn)移至t+1時期j狀態(tài)的概率pij。計算公式為：

其中，nij表示由t時期i狀態(tài)轉(zhuǎn)移至t+1時期j狀態(tài)的省份數(shù)目；ni表示t時期處于i狀態(tài)的省份總數(shù)。pij構(gòu)成N×N維的Markov鏈狀態(tài)轉(zhuǎn)移概率矩陣，矩陣對角線上的元素表示物流業(yè)規(guī)模分布穩(wěn)定在當(dāng)前狀態(tài)的概率，概率越大，物流業(yè)規(guī)模分布的流動性越差；矩陣非對角線上的元素表示物流業(yè)規(guī)模分布狀態(tài)轉(zhuǎn)移的概率，概率越大，物流業(yè)規(guī)模分布的穩(wěn)定性越差。

（四）數(shù)據(jù)來源及處理

本文以中國地級行政區(qū)及以上城市為研究單元，借鑒Gaffeo（2003）的做法［17］，用各城市物流從業(yè)人員數(shù)表示各城市物流業(yè)發(fā)展規(guī)模，數(shù)據(jù)來源于《中國城市統(tǒng)計年鑒》，鑒于2001年起，城市物流從業(yè)人數(shù)數(shù)據(jù)缺失較少，時間范圍界定為2001-2017年。由于海南、西藏、臺灣、香港和澳門地區(qū)的統(tǒng)計數(shù)據(jù)缺失嚴(yán)重，不將其納入研究范圍。為進行縱向比較，采用胡定利（2018）的做法［10］，將觀測數(shù)據(jù)較少的青海、寧夏和新疆三省（區(qū)）合并為一個單位，命名為青寧新單元，將巢湖市的各個區(qū)（縣）分別并入合肥、馬鞍山和蕪湖市，將重慶市納入四川省進行測算，處理后的研究樣本由23個省份的288個城市單元構(gòu)成。估計省際物流規(guī)模分布時，忽略北京、上海和天津三個直轄市的觀測數(shù)據(jù)；估計區(qū)域及全國物流業(yè)規(guī)模分布時，補充北京、天津和上海三個直轄市的數(shù)據(jù)。

三、物流業(yè)規(guī)模分布估計結(jié)果

根據(jù)（4）-（5）式估計中國城市物流業(yè)規(guī)模分布，可以得到臨界值xmin與冪指數(shù)α，為判定物流業(yè)規(guī)模分布是否服從冪律分布，借鑒Clauset（2009）的做法［16］，采用非參數(shù)方法檢驗冪律擬合效果，p值大于0.1時，物流業(yè)規(guī)模分布具有冪律特性，p值越大，估計效果越佳。估計結(jié)果見表1所列，限于篇幅，僅列出2001年、2006年、2011年、2017年的估計結(jié)果。

表1 城市物流業(yè)規(guī)模分布估計結(jié)果

全國層面，從表1可知歷年全國城市物流業(yè)規(guī)模分布的p值均大于0.1，接受我國城市物流業(yè)規(guī)模服從冪律分布的假設(shè)，表明全國物流業(yè)規(guī)模分布具有冪律特征。圖1是歷年中國城市物流業(yè)規(guī)模分布的冪指數(shù)趨勢圖，從圖1可知，中國城市物流業(yè)規(guī)模分布的冪指數(shù)從2001年的2.330 8下降到2017年的2.036 9，在長期內(nèi)呈波動下降趨勢，短期內(nèi)受外部生產(chǎn)率沖擊產(chǎn)生偏離。其中，受2008年全球金融危機及2013年全球經(jīng)濟衰退的影響，大量中小型物流企業(yè)無法生存，各城市的物流規(guī)模分布差距擴大，冪指數(shù)出現(xiàn)小幅上升?？傮w上看，中國城市物流業(yè)規(guī)模分布的冪指數(shù)α值穩(wěn)定在略高于2的水平，這與Torsten（2016）的結(jié)論一致［18］，中國企業(yè)規(guī)模分布遵循冪指數(shù)略高于其他國家的分布。樣本期內(nèi)，城市位序越高，其物流業(yè)發(fā)展越充分，位序靠后的城市，其物流業(yè)發(fā)展相對滯后。隨時間推移，全國冪指數(shù)逐步趨近于2，表明全國物流業(yè)規(guī)模分布的集聚趨勢大于分散趨勢，位序高的城市物資、人口、技術(shù)等資源的集聚使物流規(guī)模進一步擴大，其物流業(yè)發(fā)展處于領(lǐng)先地位。

圖1 中國城市物流業(yè)規(guī)模分布趨勢

為直觀展示全國物流業(yè)規(guī)模分布的時間演變趨勢，利用Python軟件繪制2001年和2017年中國物流規(guī)模分布的MLE擬合圖如圖2所示。圖中縱軸表示累積分布函數(shù)（CDF），橫軸表示城市物流規(guī)模，坐標(biāo)經(jīng)對數(shù)化處理。從圖2可知，2001-2017年，中國物流規(guī)模分布擬合效果良好，且隨時間推移，物流業(yè)規(guī)模分布的冪律特性更加凸顯，并呈現(xiàn)出明顯的厚尾特征，表明北京、上海、廣州等大城市已成為物流業(yè)的主要集聚地，這進一步證實中國城市物流業(yè)規(guī)模分布整體服從冪律分布的結(jié)論。

圖2 中國物流業(yè)規(guī)模分布擬合

省域?qū)用妫邶埥?、湖北、廣西、四川四個省份的個別年份p值小于0.1外，其他省份的p值均大于0.1，表明省域物流業(yè)規(guī)?；痉膬缏煞植?。其中，與冪律分布偏離最大的三個省份分別是河南、湖南和甘肅，其城市物流業(yè)規(guī)模分布的擴散趨勢大于集聚趨勢，物流產(chǎn)業(yè)由大型城市向周邊潛力較小的中小城市擴散，這些省份的物流產(chǎn)業(yè)迫于大型城市的人力成本、用地租金及環(huán)境保護等壓力，不斷將物流產(chǎn)業(yè)向中小城市轉(zhuǎn)移，物流業(yè)發(fā)展呈現(xiàn)出中小城市化趨勢。最接近冪律分布的三個省份分別是廣東、四川和貴州，由于大量資本、人才要素向這些省份的大型城市涌入，物流業(yè)不斷向大型城市集聚，物流業(yè)規(guī)模分布的集聚趨勢大于擴散趨勢，物流規(guī)模分布的大城市化傾向明顯。除貴州及青海、寧夏、新疆單元外，其他省份的冪指數(shù)均大于2，表明各省份物流業(yè)在大城市地區(qū)的發(fā)展更具有比較優(yōu)勢，這與陳建軍（2011）的觀點一致［22］，即經(jīng)濟發(fā)展水平較高的大型城市，可以通過空間溢出效應(yīng)引領(lǐng)中小城市的物流業(yè)實現(xiàn)空間上的集聚，各省物流業(yè)發(fā)展呈一定的集聚趨勢。

具體到各省城市物流業(yè)規(guī)模分布的演變趨勢，借鑒Duranton（2007）的城市演化理論［23］，將中國省域物流業(yè)規(guī)模分布的演變趨勢分為快速上升、快速下降、震蕩波動及緩慢演變四種類型。結(jié)合表1可以發(fā)現(xiàn)，山西、甘肅兩省城市物流業(yè)規(guī)模分布的冪指數(shù)呈快速上升趨勢，表明其物流業(yè)規(guī)模分布分散，物流活動主要向中小城市轉(zhuǎn)移；相反，河北、吉林、黑龍江、福建、江西、河南、湖北、湖南、廣東和青寧新單元的城市物流業(yè)規(guī)模分布呈快速下降趨勢，冪指數(shù)快速向2接近，說明這些省份中小城市的物流業(yè)發(fā)展迅速，物流規(guī)模分布的冪律特性不斷凸顯，但青寧新單元的城市物流業(yè)規(guī)模分布與冪律分布仍有一定差距，暗示其中小城市的物流業(yè)發(fā)展仍然相對不足，與大型城市的物流規(guī)模差異有進一步擴大的趨勢；內(nèi)蒙古、江蘇、浙江、安徽、山東和貴州的城市物流業(yè)規(guī)模分布沒有明顯的規(guī)律，在樣本期內(nèi)表現(xiàn)為震蕩波動趨勢，可能的原因在于這些省份的部分城市物流業(yè)發(fā)展還不夠成熟，物流業(yè)發(fā)展易受外界環(huán)境的沖擊；而遼寧、廣西、四川、云南、陜西五省的冪指數(shù)則呈緩慢演變趨勢，表明其城市物流業(yè)規(guī)模分布基本趨于平穩(wěn)，特別是遼寧和四川，其物流業(yè)發(fā)展相對成熟，樣本期間維持明顯的冪律分布特性。

鑒于省域物流業(yè)規(guī)模分布波動較大，為直觀描述省域物流規(guī)模分布的時間演變規(guī)律，利用Stata軟件繪制2001年、2009年、2017年的物流業(yè)規(guī)模分布核密度圖如圖3所示。核密度圖的位置、形狀、兩端延展的變化分別反映物流規(guī)模分布冪指數(shù)的水平高低、狀態(tài)演變及差距變化。從位置平移角度看，2001-2017年核密度函數(shù)整體向左平移，冪指數(shù)趨近于2，物流規(guī)模分布的冪律特征不斷凸顯，規(guī)模分布由分散變?yōu)榧?，空間布局優(yōu)化明顯；從形狀變化看，核密度圖形狀整體右偏，符合冪律分布的特性，2017年核密度函數(shù)基本保持了2001年和2009年的形狀，說明物流業(yè)規(guī)模分布的狀態(tài)基本維持平穩(wěn)。核密度主峰陡峭，冪指數(shù)集中分布在2～2.5區(qū)間，表明核心城市的物流規(guī)模仍然處于主導(dǎo)地位；從兩端延展角度看，2001-2017年，兩端呈向左收縮趨勢，表明物流業(yè)規(guī)模分布的冪指數(shù)有所下降，各省的物流規(guī)模分布差距縮小。

圖3 物流規(guī)模分布核密度

四、物流業(yè)規(guī)模分布的地區(qū)差異及其來源

為進一步掌握物流業(yè)規(guī)模分布的空間演進過程，獲取物流業(yè)規(guī)模分布的地區(qū)差異及差異來源，本文借鑒Dagum（1997）基尼系數(shù)分解方法，計算中國物流業(yè)規(guī)模分布的Dagum基尼系數(shù)，由于篇幅有限，僅列出奇數(shù)年的計算結(jié)果。從表2可以看出，物流業(yè)規(guī)模分布的總體基尼系數(shù)呈波動下降趨勢，由2001年的0.132 0下降至2017年的0.105 6，表明中國物流業(yè)規(guī)模分布的總體差距縮小。

地區(qū)內(nèi)差異方面，東部和中部地區(qū)的城市物流基尼系數(shù)均表現(xiàn)為波動下降趨勢，兩個地區(qū)的物流業(yè)規(guī)模分布差異縮小。西部地區(qū)的城市物流業(yè)基尼系數(shù)呈波動上升趨勢，其物流業(yè)規(guī)模分布差距最大，波動最為劇烈，原因在于西部地區(qū)各省際物流產(chǎn)業(yè)缺乏聯(lián)動，物流業(yè)發(fā)展受相鄰省份影響較小，各省際物流業(yè)規(guī)模分布差距較大。其中，地區(qū)內(nèi)差異來源呈兩階段特征，2001-2003年，差異主要來源于中部地區(qū)，2004-2017年，西部地區(qū)城市物流業(yè)規(guī)模分布差異不斷擴大，上升為造成地區(qū)內(nèi)差異的主要原因。地區(qū)間差異方面，三大地區(qū)間的基尼系數(shù)均波動下降，說明隨著時間推移，三大地區(qū)間的物流規(guī)模差異有所縮小。其中，中、西部地區(qū)間的差異最高，是地區(qū)間物流業(yè)規(guī)模差距的主要來源，其可能的原因在于20世紀(jì)末西部大開發(fā)戰(zhàn)略的實施，中、西部地區(qū)物流發(fā)展水平差距進一步擴大，物流業(yè)規(guī)模分布差異在21世紀(jì)初逐漸凸顯。差異貢獻率方面，地區(qū)內(nèi)差異貢獻率基本維持在29%左右，歷年變化幅度不大，表明地區(qū)內(nèi)城市物流業(yè)規(guī)模分布基本維持穩(wěn)定。而地區(qū)間的規(guī)模分布差異對總體的貢獻率變動明顯，從2001年的50.51%震蕩下降至2017年的16.76%，進一步說明樣本期內(nèi)，地區(qū)間物流規(guī)模分布差異縮小，且縮小幅度較大，超變密度的貢獻率則波動上升至2016年，成為中國物流業(yè)規(guī)模分布地區(qū)差異的主要來源。

五、物流業(yè)規(guī)模分布的動態(tài)演進

Dagum基尼系數(shù)描繪了物流業(yè)規(guī)模分布的地區(qū)差異特征，但未能體現(xiàn)規(guī)模分布的動態(tài)演進過程，本文采用Markov鏈分析方法，進一步分析物流業(yè)規(guī)模分布在不同狀態(tài)之間的轉(zhuǎn)移特征，以反映物流業(yè)規(guī)模分布的動態(tài)演進。首先，借鑒張虎（2018）做法［24］，根據(jù)完備性、不可交叉性原則，對規(guī)模分布狀態(tài)進行區(qū)分，考慮規(guī)模分布具有冪指數(shù)越大越偏離分布的理想狀態(tài)這一特性，將物流規(guī)模分布的冪指數(shù)從小到大排序，依次劃分為高水平、中高水平、中低水平和低水平四種狀態(tài)，對應(yīng)的區(qū)間分別為（0，2.19］、（2.19，2.41］、（2.41，2.82］和（2.82，+∞］，每區(qū)間內(nèi)冪指數(shù)個數(shù)占總數(shù)的25%。其次，計算狀態(tài)隨機轉(zhuǎn)移的概率矩陣，分析物流規(guī)模分布的動態(tài)演進過程。

表3報告了物流規(guī)模分布的Markov鏈轉(zhuǎn)移概率，對角線上元素表示從t至t+1期物流業(yè)規(guī)模分布穩(wěn)定在既定狀態(tài)的概率，非對角線上元素表示從t至t+1期物流業(yè)規(guī)模分布在不同狀態(tài)之間轉(zhuǎn)移的概率。由表3可知，物流業(yè)規(guī)模分布的冪指數(shù)在對角線上的概率均高于非對角線上的概率，物流業(yè)規(guī)模分布相對穩(wěn)定。至當(dāng)年年初物流規(guī)模分布處于高水平狀態(tài)的省份，當(dāng)年年末仍穩(wěn)定在高水平狀態(tài)的概率高達73.03%，而17.98%的省份則向下轉(zhuǎn)移至中高水平狀態(tài)；至當(dāng)年年初物流規(guī)模分布位于中高水平狀態(tài)的省份，當(dāng)年年末仍維持在中高水平狀態(tài)的概率是52.17%，而25%的省份向下轉(zhuǎn)移至中低水平，17.39%的省份則向上轉(zhuǎn)移至高水平狀態(tài)；當(dāng)年年初物流業(yè)規(guī)模分布處于中低水平狀態(tài)的省份，至當(dāng)年年末有51.06%的省份仍穩(wěn)定在中低水平狀態(tài)，有15.96%、22.34%的省份其物流業(yè)規(guī)模分布分別轉(zhuǎn)移至低水平與中高水平狀態(tài)；當(dāng)年年初物流業(yè)規(guī)模分布處于低水平狀態(tài)的省份，至當(dāng)年年末有68.82%的省份仍穩(wěn)定在低水平狀態(tài)，僅有22.58%的省份物流規(guī)模指數(shù)向上轉(zhuǎn)移至中低水平狀態(tài)。由此可以看出，中國物流業(yè)規(guī)模分布狀態(tài)基本穩(wěn)定在高水平和低水平狀態(tài)，規(guī)模分布之間的流動性較差，區(qū)域物流要素流通不暢，物流業(yè)規(guī)模分布易陷入“高水平壟斷”和“低水平陷阱”。

六、結(jié)論與政策建議

本文以物流業(yè)規(guī)模分布為切入點，測算2001-2017年物流業(yè)規(guī)模分布的冪指數(shù)，分析全國及省域?qū)用娴奈锪鳂I(yè)規(guī)模分布特征，并通過Dugum基尼系數(shù)分解和Markov鏈方法探索物流業(yè)規(guī)模分布的地區(qū)差異及動態(tài)演變趨勢。主要研究結(jié)論如下：一是中國物流業(yè)規(guī)模分布具有冪律特性，物流業(yè)發(fā)展的大城市化傾向明顯，中小型城市物流業(yè)發(fā)展不夠充分。多數(shù)省份的物流業(yè)規(guī)模分布處于不斷自我完善的階段，物流規(guī)模分布演化過程雖然略有波動，但整體優(yōu)化效果顯著，物流業(yè)規(guī)模分布逐步趨于理想狀態(tài)。二是樣本期內(nèi)，中國物流業(yè)規(guī)模分布的總體差距縮小。東、中部地區(qū)內(nèi)物流業(yè)規(guī)模分布差距縮小，西部地區(qū)內(nèi)物流業(yè)規(guī)模分布差距擴大，地區(qū)內(nèi)物流業(yè)規(guī)模分布差距對總體差距的貢獻率基本穩(wěn)定為29%左右的水平。三大地區(qū)間的差距均呈縮小趨勢，地區(qū)間物流規(guī)模分布差距對總體的貢獻率逐步降低。超變密度對總體差距的貢獻率波動上升，成為造成物流業(yè)規(guī)模分布差距的主要原因。三是中國物流業(yè)規(guī)模分布固化傾向明顯，規(guī)模分布狀態(tài)基本穩(wěn)定在初始水平，尤其是穩(wěn)定在高水平和低水平狀態(tài)，說明中國物流業(yè)規(guī)模分布易陷入“高水平壟斷”和“低水平陷阱”。

基于上述結(jié)論，本文提出幾點政策建議：

首先，深入探索物流業(yè)規(guī)模分布規(guī)律，提高中小城市物流競爭力。其一，引導(dǎo)中小城市物流企業(yè)通過組織創(chuàng)新、服務(wù)創(chuàng)新，提高物流服務(wù)質(zhì)量，提升物流運作效率；其二，通過兼并重組、參股控股、協(xié)作聯(lián)盟等方式，實現(xiàn)中小城市物流資源及要素的優(yōu)化重組及有效對接，發(fā)揮規(guī)模效應(yīng)；其三，在中小城市建設(shè)產(chǎn)業(yè)集聚區(qū)，完善產(chǎn)業(yè)空間布局，通過財稅、金融、用地政策手段的支持，引導(dǎo)物流企業(yè)向產(chǎn)業(yè)集聚區(qū)發(fā)展，發(fā)揮集聚效應(yīng)。

其次，建立區(qū)域發(fā)展協(xié)調(diào)機制，促進西部地區(qū)物流業(yè)發(fā)展。其一，加強地區(qū)之間的資源、市場、要素融合，通過物聯(lián)網(wǎng)、大數(shù)據(jù)等技術(shù)，促進物流要素從東、中部物流業(yè)發(fā)展相對飽和地區(qū)適度地向西部相對落后地區(qū)轉(zhuǎn)移，實現(xiàn)地區(qū)間不同城市的融合發(fā)展，縮小東、西部和中、西部地區(qū)間物流規(guī)模分布差距；其二，整合三大地區(qū)各級城市的物流發(fā)展規(guī)劃，放寬行政規(guī)劃對西部地區(qū)物流業(yè)發(fā)展的約束，建立共享式物流發(fā)展模式，實現(xiàn)地區(qū)內(nèi)城市間連片發(fā)展格局，縮小西部地區(qū)與其他地區(qū)間的物流發(fā)展差距；其三，根據(jù)西部地區(qū)自身要素稟賦，延伸產(chǎn)業(yè)鏈，積極承接產(chǎn)業(yè)轉(zhuǎn)移，提高物流業(yè)發(fā)展后勁，實現(xiàn)物流業(yè)均衡發(fā)展。

最后，培育中等水平城市物流新功能，實現(xiàn)物流業(yè)規(guī)模分布“去固化”。中等城市作為大型城市在區(qū)域的補充，承擔(dān)著要素集聚與產(chǎn)業(yè)支撐的作用，其物流規(guī)模分布水平在向高水平和低水平轉(zhuǎn)移過程中擁有較大自由度。為避免物流業(yè)規(guī)模分布固化，應(yīng)積極從大型城市承接產(chǎn)業(yè)轉(zhuǎn)移，優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)，完善交通基礎(chǔ)設(shè)施建設(shè)，提高基礎(chǔ)設(shè)施承載能力，發(fā)展物流新業(yè)態(tài)，培育物流新功能，激發(fā)中等水平城市的物流發(fā)展?jié)撃?，避免中等城市物流?guī)模分布向低水平狀態(tài)轉(zhuǎn)移，縮小區(qū)域間物流規(guī)模分布差異，實現(xiàn)區(qū)域物流業(yè)協(xié)調(diào)發(fā)展。