物流业对中国经济增长影响的区域差异：基于1998~2013年省级面板数据的实证分析_货物周转量论文

物流业对中国经济增长影响的区域差异——基于1998-2013年省级面板数据的实证分析，本文主要内容关键词为：实证论文,省级论文,物流业论文,面板论文,差异论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。

      [中图分类号]F062.9 [文献标识码]A [文章编号]1674-8298(2015)05-0092-09

      [DOI]10.14007/j.cnki.cjpl.2015.05.008

      物流业被喻为21世纪的“第三利润源”和经济增长的“加速器”，在降低社会交易费用、促进产业结构优化升级、创造就业机会等方面有重要意义(李学工，2003)[1]。新经济地理学认为交通运输成本是影响经济增长的一个重要变量，运输成本的降低可以加速人流、物流等要素空间流动进而促进区域经济增长。近期研究多关注物流业与我国经济增长的相关性。其中，赵立波(2012)[2]用社会物流总费用作为物流发展的代理指标，发现我国物流业与经济增长之间存在协整关系和双向格兰杰因果关系，即物流业拉动经济增长，同时经济增长促进物流业的发展。得出类似结论的还有冯云(2008)[3]，廖迎和阮陆宁(2008)[4]，李全喜、金凤花和孙磐石(2010)[5]。另外一些研究表明，物流发展的经济增长效应存在明显的跨区差异，东部地区的物流发展对经济增长的影响明显大于中、西部地区(闫秀霞和孙林岩，2006[6]；江晓东和王丹，2008[7]；袁怀宇，2012[8])。还有部分文献尝试从不同的视角探索物流业对区域经济的影响。如刘维林(2011)[9]以天津滨海新区为例，采用系统动力学的方法对区域物流系统与区域经济增长之间的动态关联及耦合结构进行模型设计和仿真实证，结果表明二者存在自适应调节机制，物流适度超前短期内会略微减缓区域经济增速，但在长期则能使区域经济增速显著提升。王兴伟(2012)[10]则建立动态多区域可计算一般均衡(CGE)模型，分析物流业发展水平对中国区域经济发展格局演进的影响，研究结果表明物流发展水平对经济的影响存在着区域差异，物流发展水平较高并且人口较多的发达地区经济增长较快，而物流发展对人口较少的欠发达地区会产生负面影响。李忠民和于庆岩(2014)[11]以新丝绸之路经济带所覆盖的10个省份为研究对象，采用空间面板数据方法分析了物流业发展对经济增长的空间异质性，研究发现货物周转量对区域经济增长具有显著的正向空间溢出效应，物流网络里程对本地经济增长存在显著的促进作用，但溢出效应并不显著，而物流业产值对经济带的经济增长有显著促进作用，且存在负的空间溢出效应。

      现有文献为本研究提供了有益的参考，特别是在定量测度物流业的增长效应方面。已有研究采用的实证方法大多建立在条件均值模型基础上，但这只是度量了物流业对区域经济增长的“平均影响”。而在我国广袤的土地上，各地区资源禀赋、产业结构、经济发展水平等差异巨大，那么，物流业的增长效应是否因此也存在区域性的差异？如果这种差异存在，那么物流业对于不同地区经济增长的贡献度有何不同？为回答以上问题，本文利用面板分位数回归方法探究在条件分布不同的情形下，即在不同经济发展水平下，物流业对经济增长影响的区域差异，以期为区域发展战略的制定和物流产业布局提供有益参考。

      二、我国物流业演进特征

      (一)物流规模加速扩张，但区域差距不断拉大

      为全面地认识我国物流业的发展情况，先分析我国物流规模的动态演进过程。图1给出了我国31个省区1998年、2005年和2012年全国货物周转量对数值的核密度分布图。如图所示，1998-2012年，我国各省区货物周转量分布的动态演进具有三个明显特点：(1)我国各省区物流规模都得到不同程度的提高，并呈加速态势。这体现在，1998-2012年间，全国货物周转量的核密度曲线呈现出不断向右偏移的态势，即在相对较低货物周转量水平上的概率密度明显减少，其中2005-2012年间表现得尤为突出，波峰所对应的货物周转量对数值从7增加到8.5左右。(2)我国货物周转量分布从“尖顶”分布逐步向“宽峰”分布演进。1998年全国货物周转量呈现“尖顶”形态，时间推移过程中，峰度不断下降，“尖顶”现象减弱，其中下降幅度最大的时期是在1998-2005年间，这表明，我国物流业扩张的过程中，各省区物流规模扩大的速度不一，各地物流发展水平的差距不断拉大。(3)货物周转量分布显现“双峰”形状。左侧的次峰在2005年有向肥尾转变的迹象，但之后又出现次峰趋势。这种变化趋势意味着，我国物流业发展速度不均，物流规模小的地区在赶超过程中面临着重重阻力。

      

      图1 全国物流规模的核密度分布图

      (二)三大区域内部物流业演进模式表现出差异性

      进一步考察我国东中西部三大经济区①物流规模的变化情况。从图2可见，在1998-2012年间，我国东部、中部和西部地区货物周转量分布的演进模式与全国的货物周转量分布演进模式基本相同，核密度曲线都明显向右移动。但三大地区货物周转量分布的变化也表现出差异性，具体体现在：(1)从图2(a)可以看出，东部各省的货物周转量在1998-2005年间相差不大，但到2012年，区域内各省的物流水平差距显现，大部分省份的物流规模达到较高的水平，但有少数省份货物周转量的增长处于停滞状态。这体现在东部地区1998年货物周转量的核密度曲线与2005年的核密度曲线形状类似，但2012年货物周转量的核密度分布曲线波峰向右升高的同时在左侧出现一段连绵的拖尾。(2)西部地区各省物流规模处于中等偏低水平，货物周转量的核密度曲线表现为“双峰”并存，其中“主峰”的变化趋势先升后降，这与东部地区货物周转量分布波峰的变化趋势相反。说明西部各省的物流业发展速度不一，导致各省物流发展水平的差距在2005年之前有所缩小，此后又开始拉大，见图2(c)。(3)与东部和西部地区的物流业发展模式不同，1998年以来，中部地区各省的物流水平差距一直呈现出明显的拉大态势，2005年以来表现得最为突出。图2(b)清晰地表明，中部地区货物周转量的核密度曲线在右移的同时，分布波峰不断降低，并且由“尖峰”向明显的“宽顶”演变。

      

      图2 我国东中西部地区物流规模的核密度分布图

      三、模型设定与实证方法

      (一)模型设定和数据来源

      为考察物流业对经济增长的影响机制，在拉格朗日函数的基础上做部分修正，建立如下计量回归模型：

      

      其中，下标i和t分别表示省份和时间。

      被解释变量Y：表示地区经济增长水平，用各省历年实际GDP来表示，它是以1998年为基期，由各省历年地区生产总值指数折算而得到。

      核心解释变量X：目前国内尚没有对物流业的明确界定，也没有一个公认的物流业发展水平的测度标准。国内文献通常从货运量、货物周转量和交通运输、仓储、邮电业产值3个指标中选择其一作为物流业发展水平指标。物流的核心环节在于运输，即在于实体的流动，因此，衡量一个地区物流业的发展水平至少需要考虑运输实体和运输距离两个因素。运输实体的数量在一定程度上说明了该地区对物流业的需求情况，而运输距离的长短则表明了该地区的物流供给和服务能力。基于这些考虑，本文选用运送货物吨数与其相应运距乘积测度的货物周转量(fre)作为物流业发展水平的核心解释变量。此外，为确保实证结果的稳健性，同时使用货运量(vol)和物流业产值(交通运输、仓储和邮电业产值，lv)这两个指标作为物流业发展水平的代理变量。由于各地交通运输、仓储、邮电业产值这一指标的统计口径在2004年有所变化，故在使用这一指标时的时间维度设定为2004-2013年。

      控制变量集VC：(1)人力资本投资(Human Capital，HC)：以各省历年普通高等学校在校学生数表示；(2)劳动力人数(Labor Force，LF)：用所有产业从业人数来衡量；(3)物质资本投资(Material Capital，MC)：用各省历年资本形成率表示；(4)政府支出(Government Expenditure，GE)：以各省当年政府预算支出占GDP的比重来表示；(5)贸易开放度(Foreign Trade，FT)：采用贸易依存度，即进出口贸易总额占GDP比重，作为其代理指标，同时为保持计量单位的统一性，以当年美元汇率年均价将地区进出口贸易总额折算为人民币；(6)产业结构(Industrial Structure，IS)：用第三产业增加值占GDP的比重来度量。

      在回归过程中，对各变量做对数变换，使各解释变量的系数代表弹性大小，相应将回归方程设定如下：

      

      使用1998-2013年中国内地31个省级行政区的面板数据对上述模型进行估计。各变量的原始数据主要取自国家统计局网站数据库，并取相应年份的《中国统计年鉴》和各省市统计年鉴作为补充。样本数据的描述统计如表1所示。

      

      (二)面板分位数回归方法

      分位数回归的概念由Koenker和Bassett(1978)[12]提出，与只能估计解释变量对被解释变量条件均值边际影响的普通最小二乘法相比，它能精确地描述解释变量对被解释变量在特定分位点的边际效应，能够捕捉分布的尾部特征。具体而言，分位数回归与普通最小二乘法相比有以下优点(李群峰，2011)[13]：(1)放宽了对被解释变量分布假设的限制，特别是当误差项非正态分布时，其参数估计量更加有效；(2)通过测度不同分位数水平下解释变量的参数估计值，突出了局部之间的相关关系，挖掘到的信息更加丰富；(3)分位数回归通过加权残差绝对值之和最小来得到参数估计量，因而对异常值的敏感程度远小于最小二乘法，以确保其参数估计量更加稳健；(4)当估计模型存在异方差时，分位数回归可以在因变量条件分布的不同水平上刻画回归关系，分离出回归系数的变异，其结果更加全面。分位数回归方法与条件均值回归方法各有侧重，在实证研究中相互补充，有助于我们全面认识事物的本质。

      本文旨在探究对于不同经济发展水平的地区而言，物流业对区域经济增长有何影响，以及这种影响在方向、大小等方面有何区别。因此，分位数回归方法正适合本文的研究初衷。下文将采用Stata/SE11.0软件进行模型的估计和检验。

      四、实证分析

      (一)全国范围考察

      首先对模型类型进行检验。根据F统计量的检验结果F(30，458)=49.76，拒绝模型中不同个体的截距和系数相同的原假设，即不采用混合回归模型；同时Hausman检验结果为Prob＞chi2=0.0000，表明在1%的显著性水平下拒绝了个体效应与解释变量不相关的原假设，即不采用随机效应模型。综合以上两个检验结果，最终选择建立固定效应模型，以观察物流业发展状况对经济增长的“平均影响”。然后对面板分位数回归模型进行设定，在此选择10%、25%、50%、75%和90%五个代表性的分位点。从斜率相等检验看，F(4，488)=4.15，在95%的置信度下拒绝了斜率在五个分位点上相等的假设，这说明了物流业对经济的影响随着经济发展水平的不同会有明显差异，同时验证了采用分位数回归方法研究的可靠性。表2报告了两种方法的估计结果。

      

      

      图3 全国lnfre在各分位点的系数估计值

      对比固定效应模型和分位数回归结果(表2)，发现两种估计方法所得结果一致：lnfre的回归系数值都在1%的水平上显著为正，表明发展物流业对经济增长具有明显的正向影响。从固定效应的回归结果来看，lnfre的估计系数为0.2121，且在1%的显著性水平上显著，这意味着就全国而言，货物周转量每增加1%，GDP将增长0.2121%。但这只是物流业对经济增长的平均影响，从分位数模型的回归结果中，我们可以发现更加丰富的内容。图3给出了从0到1每隔0.1分位点的lnfre的估计系数及95%的置信区间，为便于对照，同时标示出固定效应回归的结果。结合图3和表2可以看出，GDP对货物周转量的弹性值介于0.15～0.32之间，这意味着不论区域经济发展水平如何，物流规模的扩张都会显著地促进经济增长，且物流规模每扩大1%将拉动GDP增长0.15%～0.32%。图3还清晰地表明，从条件分布的低分位点到高分位点，lnfre的系数估计值总体呈上升趋势，分位数回归的系数估计值在0.1～0.5分位点一直低于固定效应的回归结果，到0.6分位点以后分位数回归的系数值高于固定效应估计值。这印证了第一部分的猜想：随着经济发展水平的提高，物流业对其产生的正影响越来越大。

      在其他控制变量中，人力资本投资的回归系数显著为正，其分位数回归系数介于0.4～0.5之间，并随着分位点的增加呈现“～”的形态，这不仅说明了人力资本投资是我国经济增长的重要推动力量，而且表明人口素质的提高对于经济落后地区的发展有更重要的作用。与人力资本投资不同，劳动力数量的固定效应回归结果显著为负，而在各分位点的回归系数为正，且随着分位点的走高而下降。这说明整体而言，中国单纯依靠劳动密集型产业已很难再给经济增长添加更多活力，比起劳动力数量的增加，劳动者素质和能力的提高才是经济持续快速增长的关键。值得注意的是，在固定效应和分位数回归两种方法得到的结果中，资本形成率的系数都为负数，这虽有悖于经济学理论，但大量的文献已经表明，资本形成对经济增长的影响存在滞后效应，因此，在本文所建立的静态回归模型中，物质资本投资的回归结果为负并不足为奇。政府支出在0.1分位点处的回归系数为负，但并不显著，在其他分位点的回归结果和固定效应的回归结果都为正，这与我国政府在经济增长中长期扮演重要角色的现实相吻合，平均来看，政府支出占GDP的比重每增加1%，将拉动经济增长0.5314%。贸易开放度的回归结果都显著为正且在低分位点处的值高于高分位点的值，可见提高开放程度对落后地区的意义重大。通常认为产业结构的优化能促进经济增长，但产业结构的固定效应和0.1～0.5分位点的回归结果都为负，仅0.75和0.9两个分位点的结果在10%的显著性水平下为正。这与我国各地区经济发展的阶段性有关，经济越落后的地区，工业和农业在国民经济中的比重越大，而经济越发达的地区第三产业占比越高。我国仅有东部几个省市位于经济发展水平的高分位点处，第三产业正逐渐取代一二产业成为它们的支柱产业，而大部分中西部地区仍要依靠工业带动经济发展。因此，目前第三产业比重增加仅对发达地区有显著的影响。

      作为以上结论的稳健性检验，接下来分别对衡量物流业发展水平的另外两个指标(货运量和物流业产值)进行面板分位数回归，回归结果见表3(限于篇幅，不再将各控制变量一一列出)。

      

      对货运量和物流业产值的回归结果说明物流业发展与经济增长的正相关关系是稳健的。货运量对数值的回归系数除了在25%分位点不显著外，在其他4个分位点均在5%的显著性水平下为正，且随着分位点的提高，回归系数先出现一个陡峭的下降，又在25%分位点后开始缓慢上升。与货物周转量和货运量不同的是，物流业产值的估计系数在低分位点虽为正但并不显著，在50%、75%和90%3个分位点均在1%的水平下显著为正。在趋势上，高分位点的弹性大于低分位点的弹性。对物流发展水平3个指标的回归结果均表明，物流业与经济发展水平协同增长，且物流业在经济发展水平提高的过程中会产生越来越大的影响。

      (二)三大经济区域分析

      东部、中部和西部三大经济区物流业规模的核密度分布图表现出区域物流业发展的差异化特征，有必要进一步从区域层面考察物流业对经济增长的影响。对三大地区内部物流业的增长效应的估计结果见表4和图4。

      

      由于本文研究重点在于区域经济增长过程中的物流因素，所以这里仅列出代表物流发展水平的货物周转量对数值的估计系数及显著性，限于篇幅，不再将各控制变量一一列出。从固定效应模型的回归结果来看，东、中、西部地区物流业发展水平的弹性系数均在1%的显著性水平上为正，但存在明显的区域差异，西部地区物流业的增长效应最强，中部次之，东部最弱。说明物流业对经济增长的影响的确存在区域性差异，经济越落后的地方，物流业的边际贡献越大。对此较为合理的解释是边际收益递减规律的体现，因为发达地区的物流规模已经很大，物流对经济的支撑作用已处于瓶颈期，若想进一步发挥物流业的作用需要从提高物流服务质量着手，一味扩大物流规模对经济增长的作用已不如早期那么明显(赵立波，2012)[2]。而与物流业关联度最强的第二产业(钟俊娟和王健，2013)[14]仍是中西部地区国民经济中最大的一块蛋糕，这些地区对物流业的依赖性依然很强，特别是西部地区矿产等资源丰富，经济的发展更加需要物流业来实现，因此，对于不发达地区，一旦扩大物流规模就能够带来明显的经济利益。

      

      图4 三大地区lnfre在各分位点的系数估计值

      从分位数回归结果可以清晰地看出各地区物流业增长效应的变化趋势。与全国样本回归结果一致的是，物流业在各区域也都对经济产生明显的积极影响。这体现在各地区的不同分位点上，经济增长对物流业发展的弹性值都为正，且都在1%的水平下显著。另外，物流业与经济增长的良性互动趋势同样存在区域差异性。对于东部地区，物流业对经济增长的影响整体上与全国样本回归的趋势相接近，以0.5分位点为界，较高分位点的系数估计值大于较低分位点的系数估计值。但在0.3～0.7分位点之间，弹性值的波动较大。对于中部地区，物流业对经济增长的影响呈“V”型轨迹，说明物流业对经济增长的正向影响先减弱后增强。对于西部地区，物流业的回归系数总体上随着分位点的增加而变大，特别是在0.4～0.9分位点间表现得十分明显，但在低分位点和高分位点波动较大。受到各地区资源禀赋、产业结构、政策导向等影响，物流业对区域经济增长的影响表现出一定独特性，但是在总体趋势上，各地物流业的增长效应随着经济发展水平的提高而加强，这与全国数据分析的结论一致。

      五、结论与启示

      本文利用1998-2013年我国31个省级行政区的面板数据构建计量模型，综合运用固定效应模型和面板分位数回归方法，考量我国物流业发展的经济增长效应和区域差异。结果表明：在中国，物流业对经济增长存在显著的促进作用，物流业对经济增长的弹性值介于0.15～0.32之间，且随着经济发展水平的提高，物流业的增长效应表现得越来越强。这一结论在以货运量和物流产值作为物流业水平代理变量的稳健性检验中再次得到证实。此外，物流业的增长效应还存在明显的区域差异，表现在发展物流业对西部地区经济的边际贡献最大，弹性值为0.4023，远高于全国平均水平，其次是中部地区，弹性值与全国接近，最后是东部地区。

      “一带一路”沿线所覆盖的大多是发展中国家和新兴经济体，普遍处在经济增长期，有强烈的经济贸易合作诉求，但一直以来，通关、道路、运输等条件不畅成为制约这些地区经济发展的主要因素。目前国家正在积极部署“一带一路”建设，同时各地区努力配合为经济“新常态”寻找新活力。在这样的背景下，本研究具有重要的政策含义：第一，各地都应不失时机地加快物流基础设施建设，形成物流业与制造业、国际贸易服务业等产业的联动发展，推进物流服务支撑下的产业发展和区域合作。第二，国民经济的发展与物流业的发展相辅相成，在“一路一带”战略的推进下，重点在于西部地区的物流建设，在丝绸之路沿线的重要枢纽城市建设国际物流园区，培育物流业为西部地区新的经济增长极。第三，创新物流业发展模式。一方面建设现代物流服务体系，满足高端、中端、低端等不同层次的物流需求，同时学习发达经济体发展第三方物流，从专业化角度降低物流成本，实现更大的经济效益；另一方面发展低碳物流，物流业对能源的消耗非常大，因此在发展物流业的同时要在技术和管理模式等方面注意节能减排，不可损失生态效益，以保证国民经济可持续发展。

      [引用方式]聂正彦，李帅.物流业对中国经济增长影响的区域差异——基于1998-2013年省级面板数据的实证分析[J].产经评论，2015，6(5)：92-100.

      ①对三大地区的划分依据《中国城市统计年鉴》上的划分方法：东部地区包括的省级行政区共11个，分别是北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东和海南；中部地区有8个省级行政区，分别是山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南；西部地区包括四川、重庆、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆、广西和内蒙古等12个省级行政区。

标签：货物周转量论文;  分位数论文;  面板数据论文;  经济模型论文;  经济增长论文;  回归模型论文;  经济论文;  地区经济发展论文;  区域经济学论文;  经济学论文;