物流业发展与经济增长的关系

　　​​​​​​​区域物流业的发展与区域经济增长之间是相互依存、相互促进的。本文基于2008～2017年期间贵州省物流业综合水平的评价，建立其与地区生产总值之间的计量模型，发现贵州物流业综合水平的提升对经济增长也具有较强的带动作用，继而针对如何进一步提升贵州省物流业综合水平提出相关的对策建议。

　　【关键词】物流产业;经济增长;产业发展

　　一、引言

　　物流业作为区域经济发展的基础性产业，具有跨行业、跨部门、区域融合、渗透性强等特征［1］，物流的发展也改变着区域经济的增长方式，促进区域市场的形成和发展［2］，对地区经济增长和发展具有重要的促进作用。一直以来，贵州省物流成本长期居高不下，以高于全国总体、高于西南地区、高于发达地区著称，物流效率提升缓慢。近年来，随着全省在基础设施建设方面的大力投入和支持，物流业获得快速发展。2017年全省客货周转量较去年分别增长6.71%、11.76%，交通运输仓储和邮政业增加值实现1070.22亿元，较2016年增长10.6%［3］，物流业对地区经济的贡献度增强。据《2017年贵州省交通物流数据报告》数据显示，2017年全省物流总费用占GDP的比重下降到16.37%，单位GDP消耗物流费用与全国差距逐渐缩小［4］，产业发展质量提升。因此，本文基于2008～2017年《贵州省统计年鉴》物流业相关数据，在对贵州省物流业发展的综合水平进行评价的基础上，构建物流业综合发展水平与经济增长之间的计量模型，对贵州省物流业发展与经济增长之间的关系进行实证分析，以把握当前贵州省物流业发展状况。

　　二、研究方法与指标选取

　　由于本文主要目的是在对贵州省物流业发展综合水平进行评价的基础上，开展其对地区经济增长影响的实证研究，因而采用主成分分析法和OLS回归分析法。(一)主成分分析法。主成分分析法的一般步骤:进行KMO检验，KMO统计量用于比较变量之间简单与偏相关关系，看是否适合做因子分析。各主成分构建综合评价模型，假设确定共提取m个主成分，则可以依据各主成分的权重得分，计算主成分综合得分，记为F，具体如下其中εi(或εj)为第i(或j)个主成分所对应的特征值。(二)OLS回归法。OLS方法又称普通最小二乘法，由德国数学家高斯提出，是在根据样本回归函数估计总体回归函数的过程中广泛运用的估计方法，在满足其基本假定的前提下，OLS估计量具有最优线性无偏性质，从而使之成为回归分析中最为有效和流行的方法之一［5］。基于本文的研究目的在于构建物流业综合得分与地区经济增长之间的关系，因此，只需构建一元的线性回归模型，即:Y=β0+β1X1+ui其中，Y为被解释变量，X为解释变量，u为随机干扰项，β为偏回归系数，i是指第i次观测。

　　三、指标选取

　　在国内外众多对物流产业研究的文献中，常用货运量、货运量与客运量之和或者货物周转量来代表物流产业的发展水平，本文在结合贵州省实际和所搜集的数据资料，进一步增加行业产值、从业人员来反映贵州省物流业的发展水平，同时选取地区生产总值代表区域经济的增长水平，具体指标包含:地区生产总值(亿元)、旅客周转量(亿人次公里)、货运周转量(亿吨公里)、客运量(万人)、货运量(万吨)、交通运输仓储和邮政业增加值(亿元)、交通运输仓储和邮政业就业人数(人)。

　　四、实证分析

　　基于以上指标选取和研究方法的设定，本文在进行主成分提取的基础上，辨别各变量对贵州省物流业发展的影响，从而建立相关的物流业综合评价模型。(一)物流业发展水平综合评价。采用SPSS软件，对选取的指标之间进行KMO检验和Bartlett检验。KMO检验的值为0.637，介于0.6～0.7之间，且Bartlett球形检验对应的P值为0.00，小于0.05，满足主成分分析的前提要求，可以对变量进行进一步分析。从各变量的方差解释率和累计方差解释率可以看出编号为1的成分方差解释率为75.76%，而编号1和2两个成分的累计的方差解释率达到0.9918＞0.8，符合主因子提取要求，因此，此次主成分分析一共提取出2个主成分。特征根值分别为4.546和1.405均大于1，这2个主成分的方差解释率分别是75.760%、23.423%，累积方差解释率为99.183%，对应的加权后方差解释率即权重依次为:75.760/99.183=76.38%和23.423/99.183=23.62%，具体如表1所示。在因子载荷系数矩阵中，所有研究项对应的共同度值均在0.9以上，明显高于0.4，研究项和主成分之间有着较强的关联性，主成分可以有效提取出信息。在第一主成分中除客运量为负外，其余指标的比重均在0.8以上，因子载荷的相对数值比重较大，与第一主成分正相关关系较强。在第二主成分上，只有旅客周转量和客运量与第二主成分存在较强的正向关联，这也是第二主成分方差解释率较低的原因之一。通过对等各研究项的值进行标准化处理，在消除量纲影响的基础上，运用成份得分系数矩阵建立主成分和研究项之间的关系等式，为使用主成分分析法进行权重计算提供基础，加权后两个主成分的综合得分为F=F1+F2，即贵州省物流业综合得分。主成分1=0.183*旅客周转量+0.218*货运周转量－0.022*客运量+0.217*货运量+0.219*交通运输仓储和邮政业增加值+0.208*交通运输仓储和邮政业就业人数式(1)主成分2=0.393*旅客周转量+0.011*货运周转量+0.708*客运量－0.095*货运量+0.028*交通运输仓储和邮政业增加值－0.214*交通运输仓储和邮政业就业人数式(2)(二)物流业发展对经济增长的影响分析。依据贵州省物流产业发展与经济增长之间长期存在的相互关联、相互影响的关系，本文构建以G(标准化贵州省地区生产总值)为因变量，F为解释变量的线性回归模型，对以上时间序列数据进行OLS分析法基础上的分析和处理。1．相关检验。一是在经济检验方面，正的斜率系数(0.859)表明随着物流业发展对地区经济增长会产生促进作用，这与经济学的一般性规律相符合;二是在统计检验方面，在给定显著性水平为0.05的前提下，t值为17.18＞0.765，且解释变量所对应的P值为0.000足够小，同样支持了参数检验的正确性;三是在联合检验中F值为295已经足够大，表明贵州省物流业发展对地区经济增长具有显著影响;四是R2=0.9736，接近于1，回归方程的拟合度较高。综合以上检验分析，回归方程的各项指标和回归总体均通过经济检验和计量经济学统计检验，表明回归变量的选取是合适的，且在很大程度上提供了对因变量的解释，具有很强的参考意义。2．经济意义解读与结果评价。解释变量所对应的斜率系数衡量了贵州省物流业发展对地区经济增长的平均影响，即贵州省物流水平平均提升一单位，对地区经济增长平均产生的0.859单位的贡献，它表明贵州省物流业发展会对经济增长产生较强的正向影响。综合以上分析，考察期内贵州省物流业综合水平呈现明显的递增趋势，且物流业发展会对地区经济产生较强的关联带动。因此，可以认为要进一步推动地区经济的增长和整体发展，有必要注重物流业的发展状况，提升物流业整体发展水平。

　　五、促进贵州省物流业发展

　　(一)加强物流企业自身建设，提升物流服务水平。物流业涉及众多行业和领域，物流企业的自身建设也直接影响行业服务水平和运行效率。当前，贵州物流企业以传统的物流方式为主体，规模较小，组织结构设置不够合理，功能也比较单一，要实现物流业综合水平的提升，必须进一步加强企业自身建设，融合现代信息技术和物流技术提升企业建设水平，综合提升物流产业发展能力和效率，促进以规模和效益优势实现物流企业自身发展，以专业发展和多样化的功能提升行业竞争力。(二)科学规划合理布局，降低物流综合成本。物流中心的选址应同时遵守适应性、协调性、经济性和战略性原则，同时满足物流资源分布和需求分布相适应，实现区域物流基础设施和物流网络建设的协调。物流产业发展需要科学规划最优布局，合理分布物流网点。建设专业化的区域物流集散中心，发挥中心辐射效应，推动产业规模进一步扩大。并结合具体物流企业的业务范围和企业性质，发展综合性质的物流产业园，提高产业关联程度，降低内部成本。(三)拉动区域物流需求，开放区域物流业市场。近年来贵州省物流综合水平虽有所提升，但与发达地区相比仍有较大差距，行业发展空间的扩展仍需进一步扩大区域物流产业规模和影响力，拉动物流需求的增长，推动物流产业与制造业、大数据产业、服务业融合发展，适应现代流通特征和消费需求。同时改善区域投资环境，进一步开放物流市场，吸引有影响力的行业龙头企业和专业化的物流企业加入，激发行业发展潜力，提升物流企业综合实力和行业核心竞争力。

　　【参考文献】

　　［1］郭湖斌，齐源．长三角区域物流与区域经济协同发展水平及空间协同特征研究［J］．经济问题探索，2018，11:77～85

　　［2］张文杰．区域经济发展与现代物流［J］．中国流通经济，2002，1:13～15

　　［3］贵州省统计局．2017年贵州省统计年鉴［Z］．2017

　　［4］贵州省交通运输厅．2017年贵州省交通物流数据报告［R］．2017

　　［5］古扎拉蒂．计量经济学［M］．北京:中国人民大学出版社，2000

　　作者：孟现娣