基于模糊物元法的我国城市群物流能力研究_中国城市群论文

基于模糊物元的中国城市群物流能力研究，本文主要内容关键词为：中国论文,城市群论文,模糊论文,能力论文,物流论文，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。

      0 引言

      实现区域协调发展是中国“十二五”规划的重要战略目标之一。区域经济一体化是应对经济全球化的一种重要战略。随着地理位置相邻的城市之间竞争和合作的深化，区域内主要城市之间呈现网络化联系的特征，形成产业分工与合作，通过资源的共享创造协同效应。目前，中国区域竞争主要表现为各都市圈之间的整体竞争，而不是过去的那种单个城市之间的竞争[1]。城市群是一个具有动态演进特征的开放系统，其动态发展和区域格局变化造成了城市群之间边界的模糊性[2]。随着区域经济的发展和产业分工的深化，城市之间的经济联系和相互依存日趋紧密。城市群是在城镇化过程中，在城镇化水平较高的地域内，以区域网络化组织为纽带，由一个或若干个地理位置邻近的中心城市及其周边城市和其腹地通过空间相互作用而形成的区域经济系统。城市群的出现是生产力发展到一定阶段生产要素资源在区域内逐步优化配置的产物，是区域内出现的空间上高度密集、经济社会紧密联系的复杂空间组织形式，其最显著的特征就是集聚[3]。从世界发达地区城市化历程的经验来看，如伦敦城市群、巴黎城市群、纽约城市群、五大湖城市群和东京城市群等，城市群的出现是经济社会发展到一定阶段的必然产物，城市群能够突破资源的区域和行政区划制约，形成以中心城市为核心、周边城市为补充的阶梯状网络，城市群内部逐步形成产业分工，各个城市发展自身的优势产业参与区域合作，通过中心城市的扩散效应和周边城市的支持，实现资源的优化配置，促进区域的发展。

      随着中国城市化的发展，区域内部相邻城市之间的分工和合作促进了城市群的出现和发展。据《2010中国城市群发展报告》，中国正在逐步发育和形成23个城市群，其中，长江三角洲城市群已跻身于国际公认的6大世界级城市群之列[4]，珠江三角洲、京津冀等14个城市群初具规模，中西部一些新兴崛起的城市群正随着中国中西部经济的快速发展逐步壮大。目前，中国已形成以长江三角洲城市群为龙头，京津冀和珠江三角洲城市群为两翼，东部、中部和西部全面推进的城市群发展格局，为中国新型城镇化发展奠定了良好的基础。在城市化的进程中，物流产业承担着重要的作用，物流业的崛起和发展缩短了城市之间的时间距离，扩大了城市之间的联系空间。微观层面上，时空因素作为资源和经营背景在很大程度上决定并约束着厂商的利润[5]，高利润吸引资源在城市群之间的聚集，从而有利于产业的培育和发展。宏观层面上，物流的时空价值对于区域产业的集聚和分工起着重要的作用，物流是资源交换最终得以实现的载体。区域物流能力决定了城市群资源配置的成本和效率以及城市群内部各城市之间时空联系的紧密程度，很多研究肯定了物流能力对于区域经济增长的贡献[6-9]。在城市群的形成发展过程中，物流在城市之间起着重要的连接作用，物流能力越强，城市之间的联系越紧密，人流、物流、商流、资金流和信息流效率越高，从而缩短城市之间的时空距离。因此，物流能力是城市群得以形成和发展的基础。

      现有关于城市群的研究主要以单个城市群为评价对象，鲜有对中国城市群整体进行评价的成果[10]。已有文献缺少对主要城市群物流能力的研究，且多重视案例实证，缺少区域比较分析。这与中国目前物流产业发展实践和所处发展阶段相关。已有研究对沿海三大城市群特别是长三角城市群的个案较多，区域范围局限在东部沿海区域，缺少不同区域的比较分析[11]。另外，从实践的视角来看，中国长期非均衡的发展模式使得区域之间物流发展水平存在不平衡性，体制性障碍使物流业缺乏统一规范管理，设施建设未经统一规划，城市物流系统之间没有顺畅的衔接[12]，对城市群发展未能起到应有的支撑作用。因此，研究中国城市群的物流能力并进行比较不仅可以从理论上弥补现有文献的不足，而且可以从实践上为城市群的发展提供参考依据。

      1 研究方法

      1.1 物元和模糊物元

      

      1.2 权重和欧氏贴近度复合模糊物元

      在计算评价指标权重时，文献中较常用的方法有变异系数法和熵值法，这2种方法能够避免主观因素的影响，本研究采用熵值法。在信息论中，信息是系统有序程度的一个度量，而熵是对系统无序程度的度量，二者为相反数关系[13]。指标对系统的信息量贡献越大，不确定性就越小，熵也就越小；相反，指标对系统的信息量贡献越小，不确定性越大，熵也越大。在指标评价的过程中，熵值的大小取决于评价指标值的变异程度。评价指标值的变异程度越大，该指标对系统的信息量贡献就越大，熵值就越小，权重越大。反之，指标值变异程度越小，该指标对系统的信息量贡献就越小，熵值就越大，权重越小。熵值法的计算过程为：

      

      贴近度衡量各事物与最优事物之间相互接近的程度，其值越大说明该事物越接近最优事物，可以根据贴近度的大小对各事物进行比较。

      1.3 面板数据模糊物元

      模糊物元分析法可用于多个事物(样本)的截面数据或者单个事物的时间序列数据(将时间视为事物)来进行比较排序。一般而言，物元分析法不能直接应用于面板数据，这是因为在面板数据中，对于每个事物而言，有时间(通常是年度)和指标2个维度，以样本为事物、指标为特征计算得到的各年度的欧氏贴近度只能进行跨样本比较，不能进行跨年度比较；同样，以时间为事物、指标为特征计算得到的各样本的欧氏贴近度只能进行跨年度比较，不能进行跨样本比较。原因在于，以一个维度为事物建立的模型，在按从优隶属度原则建立模糊物元的过程中，会消除另一个维度上事物间的绝对差异(组间差异)；其次，按一个维度建立模型，若按另一个维度进行比较，会导致各个比较事物在不同指标上的权重各不相同，实则不具有可比性[14]。

      然而使用面板数据的优势是众所周知的，面板数据可以提供更加有价值的数据，增加变量之间的多变性，减少共线性，提高自由度有效性；可以更好地检测和度量单纯使用截面数据或时间序列数据无法观测到的影响；可以同时进行跨样本和跨时间的比较。事实上有一种变换方法可以将物元分析法应用于面板数据，即运用降维思维，把面板数据降维成截面数据，将不同年份的事物作为新的“事物”纳入到原有的n维复合模糊物元

中，构造如下复合模糊物元：

      

      显然，

(y)的欧氏贴近度与一般模糊物元并无分别，因而在按从优隶属度原则建立模糊物元时，吸收了时间和事物2个维度的信息，避免了消除组间差异。另外，不同年份的“事物”在特征上获得了一致的权重。

      1.4 研究对象、指标及数据来源

      选取中国发育较为成熟且研究较多的十大城市群为研究对象(表1)。选取客运总量(

)、货运总量(

)、邮政业务总量(

)、年末实有城市道路面积(

)、年末实有公共汽(电)营运车辆数(

)、交通、仓储及邮电业从业人员(

)6个指标构建城市群物流能力。城市群数据由其所包含城市汇总而成。数据来源于国研网和中经网统计数据库，数据时段区间为2002-2013年。其中，东莞市从2008年开始没有“年末实有城市道路面积”的统计，佛山市也缺失2013年的该数据，湖州市缺失2013年邮政业务总量，本研究用3期移动平均法进行了估算。长江中游城市群缺少仙桃、潜江、天门三市的相应数据，但是考虑到这3个城市的物流能力和经济规模对长江中游城市群的总体贡献不大①，影响相对有限，长江中游城市群中并没有包含这3个城市的数据。另外，以1978年为基期用GDP平减指数对邮政业务总量进行了平减以消除价格因素的影响。

      2 研究结果

      首先，计算6个指标的熵权，根据式(5)～(8)计算得到熵权向量为：

      

      由此可见，客运总量、货运总量、邮政业务总量、年末实有城市道路面积、年末实有公共汽(电)营运车辆数、交通和仓储及邮电业从业人员6个指标的熵权位于0.12～0.23之间，差异并不大。熵权最大的指标为邮政业务总量，最小的指标为货运总量。相对而言，客运总量、邮政业务总量和交通、仓储及邮电业从业人员3个指标对城市群物流能力贡献较大，共解释了物流能力的58%。但需要说明的是，熵权并不指示某项指标在物流能力上的重要性系数，仅仅说明该指标在物流能力上提供有效信息的多寡程度。因此，不能根据熵权大小来判断各个指标的重要程度。

      

      

      其次，为进一步考察6个指标对各城市群物流能力的贡献度，分别计算各城市群6个指标的熵权(表2)。其中，成渝城市群、关中城市群、海峡西岸城市群、京津冀城市群、辽中南城市群和中原城市群的客运总量和货运总量2个指标的熵权较大，分别解释了各自城市群物流能力的47%，59%，44%，56%，42%，49%；山东半岛城市群和珠三角城市群客运总量和邮政业务总量分别解释了各自城市群物流能力的46%，59%；长江中游城市群货运总量和邮政业务总量共同解释了物流能力的41%；长三角城市群客运总量、货运总量和年末实有公共汽(电)营运车辆数3个指标共同解释了物流能力的66%。因此，从评价指标对物流能力的贡献来看，不同城市群之间存在个体差异。

      最后，根据式(2)～(5)和式(11)计算得到2002-2013年十大城市群的欧氏贴近度即物流能力值(表3)。表中最后一列总体均值是将十大城市群视为一个整体计算得到的欧氏贴近度，而不是十大城市群的欧氏贴近度的简单平均。

      

      从总体来看(图1)，除2013年外，十大城市群整体物流能力基本上呈逐年增长的态势，但是，2006年基本上没有增长，并且，2013年出现了下降趋势。原因可能在于，2006，2013年，邮政系统体制改革，实行政企分开，原有一部分人员纳入公务员编制使得从业人员的统计数量减少。另外，2013年，受到快递业务迅速增长的冲击，邮政业务中的函件、包裹业务量均出现大幅下降，使邮政业务量下滑较大。2002-2013年，十大城市群整体物流能力经历了2次高速增长期，分别是2007-2009，2010-2012年，从2008年开始保持高速增长。

      

      图1 中国十大城市群整体物流能力

      Fig.1 Total logistics performance for top 10 urban agglomerations in China

      从个体来看(图2)，海峡西岸和京津冀城市群物流能力都在2006年出现了小幅下降；长江中游城市群和珠三角城市群物流能力分别在2012，2007年出现下降。除此之外，关中城市群、海峡西岸城市群、辽中南城市群和山东半岛城市群则呈逐年稳步上升趋势。从城市群物流能力排名来看，长三角城市群一直稳居第1位，京津冀城市群在2011年前一直位居第2位，但在2011年被珠三角城市群超越；与之相反，珠三角城市群在2011年前一直位居第3位，在2011年超过京津冀城市群后位居第2位；第4，5位分别由成渝城市群和山东半岛城市群占据；第6，7位则由长江中游城市群和辽中南城市群交替占据；海峡西岸城市群2009，2010年跌至第10位，2011年开始又上升到第9位；与之相对应，关中城市群除2009，2010年上升到第9位外，其他年份一直位居于第10位。

      

      图2 中国十大城市群物流能力

      Fig.2 Logistics performance for top 10 urban agglomerations in China

      从区域来看，东部城市群中除海峡西岸因规模较小(所含城市数量与关中城市群并列最少)排名较低外，其他城市群位居前列；中西部城市群中除成渝城市群排名较为靠前外，其他城市群排名靠后，反映了中西部城市群物流能力与东部相比仍然较弱。

      3 结论

      构造面板数据的模糊物元分析模型，运用该模型测算了中国十大城市群的物流能力，并对数据结果进行比较和分析。1)由于数据存在组间差异和权重的不一致性，在直接使用模糊物元进行面板数据分析时应该相当谨慎。一般而言，以样本为事物、指标为特征计算得到的各年度的欧氏贴近度只能进行跨样本比较，不能进行跨年度比较；同样，以时间为事物、指标为特征计算得到的各样本的欧氏贴近度只能进行跨年度比较，不能进行跨样本比较。本研究所构造的面板数据模糊物元模型可以有效地避免上述问题，使计算得到的欧氏贴近度具备了跨样本和跨年度比较的意义，该模型思路非常简单，计算过程与一般方法一样。2)受到邮政系统体制改革的影响，中国十大城市群整体物流能力在小幅振荡中呈上升趋势，分别在2007-2009，2010-2012年经历了2次高速增长，但在2013年出现下滑的趋势。3)中国十大城市群物流能力排名相对稳定，长三角城市群、成渝城市群、山东半岛城市群和中原城市群始终居于第1，4，5，8位，其他城市群物流能力的位次变化也不大，说明中国十大城市群物流能力基本上是同步发展的。4)各城市群之间存在明显的区域发展差异，东部城市群的物流能力较强，中西部物流能力较弱，且发展速度不及东部城市群。未来，东部与中西部的物流能力差距可能会越来越大，区域发展的不平衡性更加明显。

      ①2013年仙桃、潜江、天门3个城市的GDP仅占长江中游城市群GDP的5.57%，人口总数仅占长江中游城市群总人口的6.68%。

标签：中国城市群论文;  中三角论文;  面板数据论文;  国内宏观论文;  模糊理论论文;  城市之间论文;