陳東清，黃章樹，葉 翀

(1.福州大學(xué)至誠學(xué)院 經(jīng)濟(jì)管理系，福州 350002； 2.福州大學(xué) 經(jīng)濟(jì)與管理學(xué)院，福州 350108)

一、引 言

我國經(jīng)濟(jì)進(jìn)入“新常態(tài)”發(fā)展階段，宏觀經(jīng)濟(jì)增長速度放緩，但隨著云計(jì)算、大數(shù)據(jù)、物聯(lián)網(wǎng)等技術(shù)的廣泛應(yīng)用，工業(yè)經(jīng)濟(jì)呈現(xiàn)高質(zhì)量發(fā)展態(tài)勢，并成為支撐國家宏觀經(jīng)濟(jì)發(fā)展的重要力量。工業(yè)經(jīng)濟(jì)與物流業(yè)的協(xié)同發(fā)展，一方面有助于工業(yè)企業(yè)提高生產(chǎn)效率，降低物流成本并打造具有競爭優(yōu)勢的產(chǎn)品；另一方面有利于物流企業(yè)持續(xù)提高物流服務(wù)水平，滿足工業(yè)企業(yè)的物流需求。因此，研究工業(yè)經(jīng)濟(jì)與物流業(yè)的關(guān)系，有助于推動兩業(yè)高質(zhì)量發(fā)展。

近年來學(xué)者開展了物流與經(jīng)濟(jì)發(fā)展之間關(guān)系的研究。第一，研究了物流與宏觀經(jīng)濟(jì)之間的關(guān)系。Baydar等(2019)研究認(rèn)為物流業(yè)發(fā)展有助于促進(jìn)經(jīng)濟(jì)的可持續(xù)發(fā)展[1]；趙曉敏等(2019)采用VAR模型刻畫了中國物流業(yè)與經(jīng)濟(jì)發(fā)展的互動關(guān)系，研究表明經(jīng)濟(jì)發(fā)展水平對物流的貢獻(xiàn)度仍不大[2]；郭湖斌等(2019)運(yùn)用動態(tài)耦合評價(jià)模型研究物流與區(qū)域經(jīng)濟(jì)協(xié)調(diào)發(fā)展問題，發(fā)現(xiàn)長江經(jīng)濟(jì)帶物流與經(jīng)濟(jì)發(fā)展協(xié)調(diào)水平經(jīng)歷了從低到高的轉(zhuǎn)換過程[3]；顧淑紅等(2019)選擇灰色關(guān)聯(lián)分析方法研究廣西物流與經(jīng)濟(jì)發(fā)展的互動關(guān)系，實(shí)證結(jié)果發(fā)現(xiàn)廣西物流需求與經(jīng)濟(jì)發(fā)展之間的關(guān)聯(lián)性大[4]；王愛虎等(2017)運(yùn)用拓展的引力模式研究了物流績效與外貿(mào)經(jīng)濟(jì)發(fā)展的關(guān)系，實(shí)證結(jié)果表明中國對絲綢之路沿線國家出口貿(mào)易的影響因素存在很大差異，需要對沿線國家實(shí)行差異化的政策指導(dǎo)[5]。關(guān)于物流與宏觀經(jīng)濟(jì)發(fā)展關(guān)系的研究方法還有系統(tǒng)動力學(xué)方法[6]、協(xié)整理論[7]、格蘭杰因果檢驗(yàn)[8]、面板模型[9]、結(jié)構(gòu)方程模型[10]等方法。第二，關(guān)于物流與工業(yè)經(jīng)濟(jì)發(fā)展關(guān)系的研究。梁紅艷(2015)采用空間杜賓模型研究發(fā)現(xiàn)，在東部和西部地區(qū)物流業(yè)集聚對工業(yè)技術(shù)效率具有顯著的溢出效應(yīng)[11]；韋琦(2015)分析比較美日中三國工業(yè)和物流業(yè)的結(jié)構(gòu)變動，總結(jié)工業(yè)化的演進(jìn)對物流業(yè)影響的路徑主要有信息技術(shù)提升、生產(chǎn)效率提高、政策引導(dǎo)等方式[12]；賈旭光(2016)研究認(rèn)為智慧物流發(fā)展將進(jìn)一步提升我國制造業(yè)的經(jīng)濟(jì)效益[13]。

從現(xiàn)有的研究成果來看，物流與工業(yè)經(jīng)濟(jì)發(fā)展關(guān)系的研究較少并存在以下改進(jìn)空間：(1)當(dāng)前關(guān)于區(qū)域物流與區(qū)域工業(yè)經(jīng)濟(jì)發(fā)展關(guān)系的定量研究較少；同時(shí)現(xiàn)有部分定量研究由于受到統(tǒng)計(jì)資料限制，采用的是年度數(shù)據(jù)為主，樣本量偏少，容易導(dǎo)致模型估計(jì)結(jié)果存在偏差。(2)有學(xué)者嘗試構(gòu)建衡量物流業(yè)發(fā)展趨勢的指標(biāo)體系，但是不同研究者的指標(biāo)體系存在差異，并且指標(biāo)權(quán)重設(shè)置也不同，導(dǎo)致研究結(jié)論的可比性不強(qiáng)。

因此，本文引入物流業(yè)景氣指數(shù)評價(jià)物流業(yè)景氣程度，分析物流業(yè)景氣度與工業(yè)增加值的相互影響機(jī)制，采用協(xié)整理論研究兩者的長期關(guān)系，運(yùn)用向量自回歸模型分析兩者的互動關(guān)系，并以福建省的樣本數(shù)據(jù)進(jìn)行實(shí)證研究，以拓展物流業(yè)景氣指數(shù)在宏觀經(jīng)濟(jì)分析的應(yīng)用。

二、物流業(yè)景氣度與工業(yè)增加值內(nèi)在關(guān)系分析

(一)物流業(yè)景氣度的測算方法

為了評估物流業(yè)景氣水平，中國物流與采購聯(lián)合會和中國物流信息中心于2013年3月聯(lián)合發(fā)布了中國物流業(yè)景氣指數(shù)。[14]從區(qū)域?qū)用娑裕＝?、浙江等省份編制了區(qū)域性的物流業(yè)景氣指數(shù)，并持續(xù)發(fā)布。中國物流業(yè)景氣指數(shù)、區(qū)域性的物流業(yè)景氣指數(shù)均由國家或者省級物流與采購聯(lián)合會與政府機(jī)構(gòu)共同發(fā)布，數(shù)據(jù)權(quán)威性高，因此本文采用該指數(shù)評價(jià)物流業(yè)景氣程度。

物流業(yè)景氣指數(shù)以50%作為景氣程度強(qiáng)弱標(biāo)志的劃分點(diǎn)。若景氣指數(shù)大于50%，說明物流業(yè)發(fā)展趨勢良好，物流業(yè)處于上升發(fā)展?fàn)顟B(tài)；若景氣指數(shù)小于50%，則說明物流業(yè)發(fā)展疲軟，物流業(yè)處于收縮趨勢。[14]該指數(shù)體系由12個(gè)分項(xiàng)指數(shù)構(gòu)成，各項(xiàng)分指標(biāo)名稱及含義如表1所示。

表1 物流業(yè)景氣指數(shù)體系及含義

(二)物流業(yè)景氣度與工業(yè)增加值內(nèi)在機(jī)理分析

圖1所示為供應(yīng)鏈視角下的物流活動過程，包含供應(yīng)物流、生產(chǎn)物流、銷售物流以及逆向物流四個(gè)主要過程。[15]工業(yè)企業(yè)是物流企業(yè)最直接的服務(wù)對象，供應(yīng)商將原材料、零部件等供應(yīng)給生產(chǎn)制造企業(yè)，在此過程中形成供應(yīng)物流活動；工業(yè)企業(yè)內(nèi)部的加工制造形成了生產(chǎn)物流，具體包含生產(chǎn)調(diào)撥、庫存管理、包裝作業(yè)、裝配等活動；工業(yè)企業(yè)將產(chǎn)品轉(zhuǎn)移給分銷商，并最終流向消費(fèi)者形成了銷售物流；如果出現(xiàn)產(chǎn)品退貨、回收等活動即形成了逆向物流。工業(yè)企業(yè)在產(chǎn)品加工制造環(huán)節(jié)中創(chuàng)造了價(jià)值，形成了工業(yè)增加值。通過上述分析可知，高效的物流活動可提高工業(yè)企業(yè)效率，促進(jìn)工業(yè)企業(yè)創(chuàng)造新價(jià)值；同時(shí)，工業(yè)企業(yè)產(chǎn)生物流業(yè)務(wù)需求，并由物流企業(yè)負(fù)責(zé)運(yùn)作，兩者相互促進(jìn)。

許多學(xué)者采用景氣指數(shù)分析宏觀經(jīng)濟(jì)走勢，并取得較為滿意的結(jié)果。[16]物流業(yè)景氣指數(shù)作為宏觀景氣指數(shù)之一，不僅反映了當(dāng)期物流業(yè)發(fā)展趨勢，同時(shí)也對未來的行業(yè)趨勢進(jìn)行預(yù)判。工業(yè)增加值是反映宏觀經(jīng)濟(jì)發(fā)展的重要指標(biāo)，同比增長速度反映了工業(yè)經(jīng)濟(jì)發(fā)展趨勢。因此，兩者存在很強(qiáng)的經(jīng)濟(jì)聯(lián)系。

三、物流業(yè)景氣度與工業(yè)增加值關(guān)系實(shí)證研究

(一)VAR模型設(shè)定

傳統(tǒng)的計(jì)量經(jīng)濟(jì)學(xué)方法基于經(jīng)濟(jì)學(xué)理論而建立數(shù)學(xué)模型，但是研究經(jīng)濟(jì)變量之間的互動關(guān)系時(shí)，經(jīng)濟(jì)學(xué)理論很難對變量及變量間的滯后影響關(guān)系做出嚴(yán)密的假設(shè)。向量自回歸模型(vector autoregression, VAR)考慮了內(nèi)生變量的滯后影響，能夠刻畫多個(gè)經(jīng)濟(jì)變量及變量滯后影響的相互關(guān)系，[17]常用于研究多個(gè)變量之間的相互影響關(guān)系。

如果原始序列不平穩(wěn)，經(jīng)典的VAR理論要求對原始序列進(jìn)行差分得到平穩(wěn)序列再建立VAR模型，但是容易導(dǎo)致原始序列信息的損失。隨著計(jì)量經(jīng)濟(jì)學(xué)的發(fā)展，相關(guān)學(xué)者認(rèn)為，如果原始序列不平穩(wěn)，而變量之間存在協(xié)整關(guān)系，則可以用原始序列建立VAR模型。[18]記工業(yè)增加值增長速度為INR，物流業(yè)景氣指數(shù)為LPI，建立經(jīng)典p階VAR模型為

根據(jù)VAR理論，符合單位根檢驗(yàn)VAR模型的脈沖響應(yīng)函數(shù)，可用來分析隨機(jī)擾動項(xiàng)受到?jīng)_擊后對變量的影響變化，方差分解函數(shù)用于研究沖擊對內(nèi)生變量變化的貢獻(xiàn)度。[19]因此，借助上述VAR模型可以深入分析物流業(yè)景氣度與工業(yè)增加值增速之間的互動關(guān)系。

(二)數(shù)據(jù)來源及數(shù)據(jù)預(yù)處理

本研究以福建省物流業(yè)景氣度與工業(yè)增加值關(guān)系為例進(jìn)行實(shí)證分析。福建省物流業(yè)景氣指數(shù)以福建省A級物流企業(yè)和航運(yùn)企業(yè)為調(diào)查主體，采集企業(yè)數(shù)據(jù)計(jì)算得到。福建省工業(yè)和信息化廳、物流協(xié)會每月20日定期發(fā)布，是反映福建省物流企業(yè)整體運(yùn)行情況的直觀指標(biāo)。本文對福建省月度物流業(yè)景氣指數(shù)取平均值處理得到季度物流業(yè)景氣指數(shù)，用于度量福建省物流業(yè)發(fā)展景氣度。福建省規(guī)模以上工業(yè)增加值增速數(shù)據(jù)從福建省工業(yè)和信息化廳獲取，該部門公布月度(其中每年1～2月數(shù)據(jù)合并公布)和累積值的同比增長速度，每年第一季度增長速度數(shù)據(jù)采用公布的1～3月累積值的增長速度，而其他三個(gè)季度增長速度由對應(yīng)月份增長速度的平均值進(jìn)行代替。本文選取2015年1月到2019年12月的數(shù)據(jù)進(jìn)行實(shí)證分析。

為了更直觀地刻畫物流業(yè)景氣指數(shù)與工業(yè)增加值增速的關(guān)系，繪制折線圖如圖2所示，LPI、INR分別表示物流業(yè)景氣指數(shù)和規(guī)模以上工業(yè)增加值增速。從總體上看，LPI與INR的走勢可劃分為三個(gè)階段。第一個(gè)階段，從2015年第一季度到2016年第一季度，LPI呈現(xiàn)下降趨勢，同時(shí)工業(yè)增加值增速由最大值9.57%下降到7.37%，而后小幅反彈；第二個(gè)階段，從2016年第二季度到2018年第四季度，LPI觸底反彈并逐步回升，在2018年第四季度達(dá)到最高值56.37，工業(yè)增加值增速也呈現(xiàn)上升趨勢，但是2018年第三、四季度出現(xiàn)回落；第三個(gè)階段，從2019年第一季度到2019年第四季度，此階段的季度LPI穩(wěn)定在55.90 附近，工業(yè)增加值增速在8.2%到8.9%之間小幅波動。

(三)物流業(yè)景氣度與工業(yè)增加值增長速度的協(xié)整分析

1.序列平穩(wěn)性檢驗(yàn)

利用Eviews 6.0軟件對LPI、INR序列進(jìn)行平穩(wěn)性檢驗(yàn)，整理得到表2檢驗(yàn)結(jié)果。從檢驗(yàn)結(jié)果可以看出，顯著水平為5%時(shí)，LPI、INR原始序列都是不平穩(wěn)的，經(jīng)過一階差分后，DLPI(LPI的一階差分值)、DINR(INR的一階差分值)序列都是平穩(wěn)的，是一階單整序列，因此可以進(jìn)行協(xié)整分析。

表2 變量的單位根檢驗(yàn)結(jié)果

2.協(xié)整關(guān)系分析

協(xié)整技術(shù)可用于分析變量之間的長期均衡穩(wěn)定關(guān)系，本文采用經(jīng)典的E-G協(xié)整方法進(jìn)行協(xié)整關(guān)系研究。首先，以規(guī)模以上工業(yè)增加值增長速度(INR)為因變量，物流業(yè)景氣指數(shù)(LPI)為自變量，建立一元回歸方程，采用OLS方法進(jìn)行模型估計(jì)，得到如下回歸方程：

對上述回歸方程進(jìn)行統(tǒng)計(jì)學(xué)檢驗(yàn)發(fā)現(xiàn)，顯著性水平為0.10時(shí)，F(xiàn)統(tǒng)計(jì)量是顯著的，說明回歸方程總體顯著，同時(shí)LPI回歸系數(shù)通過T檢驗(yàn)。采用LM方法對回歸殘差進(jìn)行自相關(guān)檢驗(yàn)，檢驗(yàn)統(tǒng)計(jì)量(Obs*R-squared)值為2.0671，對應(yīng)的P值為0.3557，因此回歸殘差不存在自相關(guān)問題。綜上，本文所構(gòu)建的回歸方程通過統(tǒng)計(jì)學(xué)檢驗(yàn)。

其次，對殘差進(jìn)行單位根檢驗(yàn)，得到殘差的ADF值為-3.3482，小于5%顯著水平的臨界值-1.9602，因此說明回歸殘差序列是平穩(wěn)的，意味著物流業(yè)景氣度與工業(yè)增加值增長速度之間存在長期的穩(wěn)定關(guān)系，并且從回歸系數(shù)來看，物流業(yè)景氣指數(shù)每增加1個(gè)單位，工業(yè)增加值增長速度期望增加0.3760個(gè)單位，即期望增加0.3760個(gè)百分點(diǎn)。

(四)物流業(yè)景氣度與工業(yè)增加值增長速度的互動關(guān)系分析

1.VAR模型參數(shù)估計(jì)

通過協(xié)整檢驗(yàn)發(fā)現(xiàn)物流業(yè)景氣指數(shù)(LPI)與規(guī)模以上工業(yè)增加值增速(INR)之間存在協(xié)整關(guān)系。根據(jù)前文介紹的VAR理論，為了避免原始序列信息的損失，本文直接用原始序列建立p階VAR模型。VAR模型滯后階數(shù)的選擇是一項(xiàng)重要工作。如果滯后階數(shù)太大，會導(dǎo)致模型自由度變小，影響模型參數(shù)的一致性估計(jì)；反之，會增大模型誤差項(xiàng)的自相關(guān)，影響模型參數(shù)的有效性。經(jīng)典的方法是通過嘗試建立多個(gè)不同滯后階數(shù)的VAR模型，以信息準(zhǔn)則最小原則，綜合不同信息準(zhǔn)則指標(biāo)值，合理選擇滯后階數(shù)。[20]本文建立不同階數(shù)的VAR模型，整理FPE、AIC、SC、HQ的檢驗(yàn)值如表3所示。由表3可知，VAR(3)模型對應(yīng)的FPE、AIC、SC、HQ檢驗(yàn)值均是最優(yōu)的(星號標(biāo)注)，因此，本文選擇VAR(3)模型進(jìn)行模型參數(shù)估計(jì)。

表3 VAR模型階數(shù)選擇

根據(jù)VAR(3)模型的估計(jì)結(jié)果，可以得到如下估計(jì)方程：

從回歸方程可以看出INR與LPI序列滯后3期之間的定量關(guān)系，兩個(gè)回歸方程的擬合優(yōu)度分別為0.5409和0.8562，模型總體擬合度較高。

采用單位根檢驗(yàn)驗(yàn)證模型的可靠性，結(jié)果見圖3。所有的單位根均落在單位圓內(nèi)，說明所構(gòu)建的VAR(3)模型是穩(wěn)定的，可用于研究物流業(yè)景氣度與工業(yè)增加值增速的動態(tài)關(guān)系。

2.物流業(yè)景氣度與工業(yè)增加值增長速度的脈沖響應(yīng)分析

圖4顯示的是物流業(yè)景氣度(LPI)受到工業(yè)增加值增長速度(INR)沖擊的響應(yīng)結(jié)果，圖中虛線代表正負(fù)兩倍標(biāo)準(zhǔn)差偏離帶(下同)。物流業(yè)景氣度(LPI)第1期響應(yīng)值較弱，從第2期開始迅速增加并在第3期達(dá)到最大值，工業(yè)增加值增速對未來2～4期物流業(yè)景氣度的促進(jìn)作用較強(qiáng)，到第8期之后逐漸衰減趨近0，表明工業(yè)經(jīng)濟(jì)增長對物流業(yè)發(fā)展具有促進(jìn)作用，持續(xù)影響時(shí)間較長。這主要是因?yàn)楣I(yè)企業(yè)擴(kuò)大產(chǎn)能之后，不僅產(chǎn)生供應(yīng)物流、生產(chǎn)物流需求，還涉及銷售物流、逆向物流等環(huán)節(jié)，后續(xù)流通環(huán)節(jié)將產(chǎn)生更大的物流業(yè)務(wù)量，從而提高物流業(yè)景氣度。

圖5是工業(yè)增加值增速(INR)受到物流業(yè)景氣度(LPI)沖擊的響應(yīng)結(jié)果。第1期的響應(yīng)值為0，從第2期開始響應(yīng)值增大并在第4期達(dá)到最大值，物流業(yè)景氣度對工業(yè)增加值增速第3～6期的正向影響顯著，而后逐漸衰減，在第11期衰減為趨近0，說明物流業(yè)發(fā)展對工業(yè)經(jīng)濟(jì)發(fā)展影響存在滯后效應(yīng)，但是具有提升作用并且持續(xù)影響時(shí)間長。這主要是因?yàn)槲锪鳂I(yè)服務(wù)于工業(yè)經(jīng)濟(jì)，物流產(chǎn)業(yè)能力的提升難以立即影響工業(yè)經(jīng)濟(jì)發(fā)展，但是物流業(yè)發(fā)展水平的提升，對于改善工業(yè)企業(yè)的流通環(huán)節(jié)具有極大促進(jìn)作用，可通過提高流通效率，節(jié)約流通成本，推動工業(yè)經(jīng)濟(jì)發(fā)展。

3.方差分解

方差分析主要用于研究變量受到?jīng)_擊后的方差變化來源，分析各個(gè)內(nèi)生變量影響比重。表4是物流業(yè)景氣度(LPI)受到工業(yè)增加值增長速度(INR)沖擊的方差分解結(jié)果?？梢钥闯鑫锪鳂I(yè)景氣度(LPI)變動由工業(yè)增加值增長速度因素貢獻(xiàn)的比重第1期為5.6859%，第二期迅速增加到25.9793%，而后逐漸穩(wěn)定在32.7%附近；LPI方差變化由自身因素引起的比重穩(wěn)定在67.3%附近，說明物流業(yè)景氣度的波動主要是由自身發(fā)展因素決定的。

表4 LPI方差分解結(jié)果

表5顯示的是工業(yè)增加值增速(INR)受到物流業(yè)景氣度(LPI)沖擊的方差變化來源。工業(yè)增加值增速變動由物流業(yè)景氣度因素貢獻(xiàn)的比重第1期為0，再次驗(yàn)證了物流業(yè)景氣度波動對工業(yè)增加值增速的影響存在滯后效應(yīng)，而后逐漸增加，到第4期迅速增加為15.6736%，而后逐漸穩(wěn)定在27.0%附近；INR方差變化由自身因素引起的比重逐漸穩(wěn)定在73.0%附近。

四、結(jié)論及建議

本文分析了物流業(yè)與工業(yè)增加值的內(nèi)在機(jī)理，利用協(xié)整分析理論研究物流業(yè)景氣度與工業(yè)增加值增速之間的長期關(guān)系，采用VAR模型研究兩者之間的互動影響關(guān)系，并以福建省2015年第一季度到2019年第四季度樣本數(shù)據(jù)進(jìn)行實(shí)證研究，得到以下結(jié)論：第一，協(xié)整分析結(jié)果表明福建省物流業(yè)景氣度與工業(yè)增加值增速之間存在長期的穩(wěn)定關(guān)系，物流業(yè)景氣指數(shù)每增加1個(gè)單位，工業(yè)增加值增速期望增加0.3760個(gè)百分點(diǎn)。第二，從脈沖響應(yīng)分析結(jié)果發(fā)現(xiàn)，工業(yè)增加值增速對物流業(yè)景氣度具有促進(jìn)作用，而且當(dāng)期的規(guī)模以上工業(yè)增加值增長速度對當(dāng)期物流業(yè)景氣度的促進(jìn)作用較弱，對未來2～4期物流業(yè)景氣度的促進(jìn)作用較強(qiáng)，持續(xù)時(shí)間較長；物流業(yè)景氣度對當(dāng)期工業(yè)增加值增速的影響存在滯后效應(yīng)，對未來3～6期的工業(yè)增加值增速影響顯著，并且持續(xù)時(shí)間長。第三，方差分解結(jié)果說明，福建省物流業(yè)景氣度波動變化由工業(yè)增加值增速變動引起的比重穩(wěn)定在32.7%左右，工業(yè)增加值增速變化由物流業(yè)景氣度波動引起的比重穩(wěn)定在27.0%左右。總體而言，物流業(yè)景氣度及工業(yè)增加值增速的波動主要由自身因素決定，兩者之間存在相互促進(jìn)作用，但是相互促進(jìn)力度仍偏低。

表5 INR方差分解結(jié)果

基于以上分析，為進(jìn)一步促進(jìn)物流業(yè)與工業(yè)經(jīng)濟(jì)協(xié)同發(fā)展，提出以下建議：第一，加大物流新基建投資，融合大數(shù)據(jù)、5G、區(qū)塊鏈、人工智能技術(shù)，以市場需求為導(dǎo)向、企業(yè)為主體、政府引導(dǎo)為路徑，提升物流自動化、智能化水平，為提高物流效率奠定基礎(chǔ)。第二，推進(jìn)物流業(yè)向外資企業(yè)進(jìn)一步開放，引入高質(zhì)量的外資物流企業(yè)，鼓勵(lì)國際品牌物流企業(yè)參與國內(nèi)物流市場，實(shí)現(xiàn)我國物流市場從低價(jià)格競爭向高質(zhì)量服務(wù)轉(zhuǎn)型。第三，加強(qiáng)數(shù)據(jù)隱私、數(shù)據(jù)安全等法律法規(guī)建設(shè)，在數(shù)據(jù)安全的基礎(chǔ)上引導(dǎo)建設(shè)工業(yè)企業(yè)數(shù)據(jù)與物流企業(yè)數(shù)據(jù)交換平臺，促進(jìn)工業(yè)企業(yè)與物流企業(yè)信息共享，提升管理決策效率。

物流業(yè)是支撐工業(yè)經(jīng)濟(jì)發(fā)展的先導(dǎo)性服務(wù)產(chǎn)業(yè)，高效的物流活動可確保工業(yè)企業(yè)原材料準(zhǔn)時(shí)供應(yīng)、生產(chǎn)活動順利開展及銷售活動正常運(yùn)作，進(jìn)而推動工業(yè)經(jīng)濟(jì)發(fā)展。本文實(shí)證研究了區(qū)域物流業(yè)與工業(yè)經(jīng)濟(jì)的發(fā)展關(guān)系，但是如何借助全球供應(yīng)鏈管理思想提高物流業(yè)與工業(yè)經(jīng)濟(jì)的融合發(fā)展水平，并促進(jìn)兩者協(xié)同發(fā)展，是今后值得研究的課題。