蔡海亚，徐盈之

（东南大学经济管理学院，江苏南京211189）

●华东经济

长江三角洲物流产业发展格局及影响机理研究
——基于空间经济学的视角

蔡海亚，徐盈之

（东南大学经济管理学院，江苏南京211189）

文章基于空间经济学视角，采用熵值法、空间自相关和空间计量模型，对长江三角洲物流发展指数进行测度，并对其时空演变格局及影响机理进行了探讨。结果表明：近15年来长江三角洲整体物流发展水平得到了显著提升，但城市处于非均衡发展状态，差距有所扩大；城市物流发展呈现出明显的空间关联性，空间格局经历由集中向分散再到集中的演变；经济发展水平、政府干预程度、城市规模和消费流通水平对物流发展存在显著正相关，影响程度在上升；对外开放程度在初期对物流发展促进作用显著，随着时间的推移促进作用不显著；基础设施对物流发展存在消化吸收的过程，随着时间的推移促进作用显著；产业结构和区位条件对物流发展的影响不显著。

区域物流；空间自相关；空间计量；长江三角洲

［DOI］10.3969/j.issn.1007-5097.2016.10.003

一、引言

随着经济全球化浪潮的不断推进以及越来越多的国家加入WTO，加之科学技术的推波助澜，推动了跨国资本在全球范围内的流通，世界经济和政治格局都发生了重大变化。当前，国际分工与合作也逐步走向专业化和精细化，拉动了国家之间的信息、资源、贸易和要素流动，促进了全球物流业的跨越式发展。现代物流业被喻为经济增长的“加速器”，与国民经济其他产业有着密切的关联，是有效实现社会再生产、提高国民经济运行质量和效率的重要基础性产业，在稳定市场供需、发展新型流通形式、优化产业结构等方面具有巨大推动作用，也是衡量区域现代化程度的核心指标之一。改革开放以来，中国经济的高速增长加速了中国的城镇化进程，城镇化水平逐年攀升，基础设施逐步完善，物流发展规模不断扩大，物流服务质量有所提升，由传统物流模式过渡到现代物流模式，推动了国民经济的跨越式发展。

关于对物流业的研究，国内外学者对其进行了积极探讨，但研究侧重点有所不同。国外物流业起步较早、发展水平较高，对物流业的研究也较成熟，主要关注物流与企业的关系，注重物流微观层面的研究，对物流宏观层面的探索较为缺乏，研究成果集中在物流节点、物流通道、物流集群、物流网络组织及模式、物流影响因素等方面。如Markus等（2004）指出货流、节点和网络对物流节点布局影响最为显著，认为郊区是最佳的物流选址地区，物流节点的布局将逐渐靠近城市边缘地带［1］。Petersen（2002）依据客货流的分布特点将公路运输通道分为多个时段，并在此基础上构建了公路通道成本—效益投资模型［2］。Mori等（2002）分析了交通运输要素对物流企业集群的影响及空间格局的动态演变情况［3］。Konings（2006）指出在港口运输上引用轴辐式网络模式有助于提高海运集装箱的运输效率［4］。Saman等（2010）通过文化基因算法建立双向的物流网络系统，成功解决了单向设计物流网络出现的问题［5］。Graham等（2012）基于系统集成理论的维度，从物流组织内部关系的角度来研究对物流业发展的影响程度［6］。

国内学者对物流领域的研究侧重于宏观和区域层面，集中在物流实力评价、物流与经济增长的关系、物流集聚、物流规划、物流影响因素等方面。如王圣云等（2007）从区位环境因子、硬环境因子、软环境因子和经济条件因子四个方面来构建区域物流竞争力评价指标体系，研究发现我国区域物流竞争力可分为强、较强、较弱、弱和最弱竞争力五种发展类型［7］。李全喜等（2010）采用典型相关分析法对全国省级区域进行面板数据分析，验证了区域物流在一定程度上可以带动其他产业的发展，从而促进区域经济增长［8］。杨自辉等（2010）对湖南省物流集群系统进行深入剖析，指出湖南省物流集群规模较小，信息技术落后，缺乏全局规划，不利于物流集群的发展［9］。雷勋平等（2013）选取我国2008年的物流投入和产业数据，从纯技术效率、规模效率和投入冗余与产出不足三个角度对我国各省份的物流效率进行分析［10］。刘苏庆等（2010）基于利润最大化原则，构建了集装箱货物排程优化模型，对多式联运货物分配问题进行了定量分析［11］。王健等（2014）对福建省物流的影响因素进行分析，指出物流网络密度、物流需求和政府调控对福建省物流发展的促进作用显著，物质资本和产业结构的促进作用较小，人力资本对其发展存在抑制作用［12］。

针对现有研究可知，目前学术界从地理学和空间计量视角对物流发展的定量分析较为欠缺，鲜有将空间溢出效应纳入到物流发展的实证研究中。其次，考虑到传统计量法在分析影响因素上容易忽略空间相关性作用，进而产生一定的偏差。本文从空间经济学视角出发，以长江三角洲16个核心城市为研究对象，构建城市物流综合实力评价指标体系，采用熵值法、空间自相关和空间计量模型，对长江三角洲物流发展指数进行测度，并对其时空演变格局及影响机理进行探讨，旨在消除空间相关性的影响。

二、研究方法

（一）熵值法

熵值法最初由Hwang和Yoon于1981年提出，是一种客观赋值的多目标决策方法，可以在一定程度上消除主观因素带来的偏差，避免主观赋权法产生的随机性，削弱和解决多指标变量之间的信息重叠。

其计算步骤为：①首先构建判断矩阵P=（aij）m×n并进行标准化处理，计算指标aij的比重②计算熵值；③计算差异性系数gj，gj=1-ej，gj越大，则指标差异度就越大；④计算指标aij的权重n）；⑤计算综合得分Fi，其中：F

（二）探索性空间数据分析

探索性空间数据分析（ESDA），其核心是对空间关联度的测量，分析研究样本在特定空间范围的相互关系，是度量社会经济现象空间格局的观测方法，该方法主要借助图形表达和统计学方法，对样本的空间信息进行识别和分析，在本质上云集了多种空间数据分析方法，对研究样本的空间格局进行可视化处理，揭示研究样本的空间相互作用机制。

1.空间权重矩阵

空间权重矩阵是ESDA对研究样本进行度量的前提。最早关于空间权重矩阵的测度是以空间单元二进制邻接性理念为基础，二进制连接矩阵只有0和1两种赋值。若两个空间样本之间是相互连接的，则赋予其对应的二进制连接矩阵值为1，反之则赋值为0。构建一个n×n的矩阵wij确定样本的空间权重，其定义如下：

通常，可以借助Rook和Queen规则来构建空间权重矩阵，其构建原理如下：

（1）通过Rook规则构建，可表示为：

（2）通过Queen规则构建，可表示为：

其中，Wij为空间权重矩阵，本文借助Rook规则构建空间权重矩阵。

2.空间自相关分析

（1）全局空间自相关。全局空间自相关是用来揭示属性值在整个区域的空间分布态势，反映了区域内部某一要素或属性在空间上的相似度。计算公式如下：

其中，n为样本个数；xi、xj为样本i和j的观测值（i≠j）；为x的均值；wij为空间权重矩阵，当i与j相邻时，wij=1，当i与j不相邻时，wij=0。Moran's I估计值介于［-1，1］，当Moran's I＞0时，表明空间正相关；当Moran's I＜0时，表明空间负相关。

（2）局部空间自相关。局部空间自相关主要用来衡量区域单一要素或属性的空间关联模式，反映了区域局部邻近单元上的空间集聚现象，主要探索要素或属性的空间异质性。计算公式如下：

其中：S2为样本方差，当Ii＞0时，表明局部单元的属性值具有空间聚集效应；当Ii＜0时，表明局部单元的属性值具有空间分散效应。其余指标含义与式（4）中相同。

（三）空间计量模型

OLS回归模型假设研究样本是相互独立的，忽略了样本空间误差的相关性，而空间计量模型将空间依赖性考虑其中，避免因忽略样本空间相关性和空间异质性而造成的误差。目前，常用的空间计量模型主要包括空间滞后模型（Spatial Lag Model）和空间误差模型（Spatial Error Model）。

（1）空间滞后模型（SLM）。空间滞后模型用来测度样本的空间相互作用，反映邻近空间样本的发展对区域其他样本所产生的溢出效应，其空间依赖性体现在解释变量的滞后项上。模型设定如下：

Y=ρWy+βX+ε（6）

其中，Y表示被解释变量；ρ表示空间回归系数；Wy表示被解释变量的空间滞后项；β表示解释变量的回归系数；X表示外生解释变量；ε表示残差扰动项。

（2）空间误差模型（SEM）。通常情况下，空间误差模型主要是基于误差项中的空间相关来实现，该模型主要适用于研究样本因空间地理位置不同而产生的空间相互作用，空间依赖性体现在误差项的滞后项上。模型设定如下：

其中，λ表示空间误差系数；Wε表示空间误差项；μ表示正态分布的随机误差项。其余指标含义与式（6）中相同。

三、长江三角洲物流发展的空间演变效应

（一）城市物流综合实力评价指标体系的构建

城市物流综合实力主要取决于城市物流需求和物流供给，物流需求反映了城市经济发展水平，是提升城市物流能力的基石，而物流供给则反映了城市物流服务的能力，是评价城市物流水平的关键。目前，我国对物流业的统计数据主要局限于国家层面，对省、市、县层面的统计数据还较为欠缺。考虑到货物运输业（包括海、陆、空）是现代物流业的主体，结合数据可得性，借鉴以往研究成果，本文从物流供给和物流需求角度出发，综合考虑基础设施、人力资源、信息水平、经济发展、物流规模和产业支持六个维度来构建评价指标体系，运用熵值法确定各指标的权重，见表1所列。

表1　城市物流综合实力评价指标体系

（二）评价结果分析

如表1所示，指标权重由大到小依次为B12、A21、A33、A12、B31、B11、B22、B21、A31、A22、B23、A32、B32、A11，其中，进出口总额和交通运输仓储邮电从业人员的权重分别为0.185 3、0.155 8，高于其他指标的权重值，表明了对外贸易水平和人力资本对物流发展水平影响程度最大，是长江三角洲物流发展水平产生差异的主要因素。其他指标权重大多徘徊在5%～10%左右，其中邮电业务总量的权重较大（0.107 5），彰显了信息化水平对物流业的重要影响；民用汽车拥有量指标权重为0.086 3，揭示了基础设施在物流运输中的重要性；而GDP和工业GDP指标也占有较高的权重，显示了经济要素是物流发展的助推器。

依据所求权重对以上指标进行简单的加权求和，可获得长江三角洲的物流发展指数。由表2可知，2000-2014年长江三角洲整体物流发展水平有所提高，年均增长率为8.99%。各年份物流发展指数均值分别是0.061 1、0.065 0、0.068 8、0.081 1、0.092 9、0.105 1、0.120 4、0.138 6、0.158 3、0.161 8、0.185 9、0.208 8、0.220 1、0.222 6、0.267 5，呈逐年增长趋势。物流发展指数由2000年的0.061 1增长至2014年的0.267 5，15年间增长了近3.38倍。期间又可分为2个发展阶段：2000-2005年，各城市物流发展水平增长相对缓慢，城市排名变动不大；2006-2014年，各城市物流发展水平有了较大幅度的提升，大多数城市保持快速稳定的增长，只有扬州和泰州发展缓慢，排名靠后，9年来得分变动不大。究其原因在于，长江三角洲在“十一五”规划中强调江浙沪地区的全面协作，提出多方位加强长江三角洲物流业与其他产业联动发展的战略部署，推动了物流业的快速发展。

另外，各年份物流发展指数极差值分别为0.241 8、0.257 8、0.252 9、0.331 7、0.374 5、0.418 7、0.468 2、0.539 9、0.582 4、0.556 0、0.615 3、0.624 2、0.631 5、0.722 9、0.806 6，差距在明显增大，表明城市间发展不平衡，极化效应十分严重。此外，从上海、江苏8市和浙江7市三大区域来看，物流发展指数得分依次由2000年的0.271 2、0.050 9、0.042 7上升至2014年的0.917 5、0.239 8、0.206 2，说明上海市的物流发展水平远远超过江苏8市和浙江7市，而江苏8市和浙江7市的差距并不大。其原因在于，上海生产性服务业一枝独秀，拥有较大的物流腹地，物流市场遍及海外。

从各城市物流发展指数来看，15年来各城市物流发展水平都有所提高，但发展很不平衡，得分较高的城市主要集中在经济发达地区，特别是上海、苏州、南京、杭州这4个城市，连续15年得分都位居前5位，其原因在于这4个城市的经济实力雄厚，区位条件优越，科技人才云集，对物流发展的促进作用显著。相反，得分较低的城市主要集中在经济欠发达的内陆地区，如泰州、扬州、湖州，15年间的得分均值均处于末位水平，主要受到经济水平、区位条件和产业规模的共同制约，导致物流发展相对落后。

从物流发展指数的动态格局来看，2000-2014年间得分增幅大于0.25的有2个城市，分别为上海和苏州，南京、无锡、常州、南通、泰州、杭州、宁波和舟山8个城市的增幅介于0.15～0.25之间，扬州、镇江、嘉兴、绍兴、台州和湖州的增幅最小，介于0～0.15之间。此外，从城市物流发展指数得分的排序来看，连续15年得分排在前5位的分别是上海、苏州、南京、杭州和宁波，无锡、舟山、常州、南通、嘉兴的排名也比较靠前，其他6个城市物流发展水平较低，排名相对靠后。

表22000　-2014年长三角城市群物流发展指数

四、长江三角洲物流发展的空间溢出效应

上文分析得出长江三角洲物流发展整体特征以及各城市的差异化特征，但未能显示出物流发展水平的空间关联度和动态演变格局。本文通过计算2000-2014年长江三角洲物流发展指数的全局Mo⁃ran's I和局部Moran's I估计值，生成Moran散点图和LISA集聚图来反映长江三角洲城市群物流发展指数的空间动态演变格局。

（一）全局空间关联性分析

由表3可知，2000-2014年间全局Moran's I估计值在0.071 1～0.120 6之间，均为正值，表明该时段内长江三角洲物流空间分布不存在随机性，形成差异显著的“高高集聚”和“低低集聚”两大阵营，但全局Moran's I估计值呈现“N”型的发展趋势，整体上“马太效应”有所减弱。如表3所示，2000-2002年，全局Moran's I估计值缓慢上升，空间集聚效应逐年增强。2003-2008年，全局Moran's I估计值逐年下降，空间集聚效应逐年降低，在2008年全局Moran's I估计值达到最小值，说明在该时期长江三角洲物流空间集聚关联最小。接着，在2009年又有所上升，在2010年又有所下降。2011-2013年，全局Moran's I估计值缓慢上升，并在2012年达到峰值0.120 6，表明该时期长江三角洲物流空间集聚关联最大，但在2014年又下跌至0.093 0。

表3　长江三角洲各年份物流发展水平全局Moran's I值和测度指数

2000-2014年，长江三角洲物流发展指数全局Moran's I估计值大致经历了5次波动，位于低位震荡的发展阶段，拐点分别出现在2002年、2008年、2009年、2010年、2011年和2013年（图1）。总体来讲，全局Moran's I估计值大致呈先上升、后下降、再上升的发展趋势，表明在该时段长江三角洲地区物流空间格局经历由集中向分散再到集中的演变。

图1　长江三角洲各年份物流发展水平全局Moran'sI值曲线图

（二）局部空间关联性分析

本文以2000年、2004年、2008年、2014年为时间节点，借助局部Moran's I估计值来度量长江三角洲16城市物流发展指数的空间异质性。由Moran散点图（图2）可知，物流高值集聚和低值集聚同质性现象是长江三角洲城市群发展的主要形式。2000年、2004年、2008年、2014年大多数城市都位于第1、3象限，表明城市物流发展指数具有正向的空间关联性。但两个象限的城市总数在减少，从2000年的14个减少到2008年的12个再减少到2014的11个，“马太效应”有所减弱。从物流发展指数LISA图（图3）和表4来看，表现出空间异质性有所增强，与全局Mo⁃ran's I估计值呈下降趋势相一致。2000-2014年，上海和南京一直处于HH地区，是物流发展的高地区域，表明上海和南京的物流发展在长江三角洲中承担着领军地位，涓滴作用十分显著，对周边邻近的城市产生物流扩散效应，是长江三角洲物流发展的核心地区。HL类地区的城市总数由2000年的1个上升到2014年的3个，增长较为显著。但杭州一直落在HL地区，其原因在于杭州被周边物流低值区包围，虽然自身物流发展水平较高，但对其周边城市的物流扩散效应一直不明显，容易产生极化效应。LL类地区的城市数量有所下降，从2000年的12个下降到2014年的9个，其原因在于自身和周边城市的物流发展水平较低，物流虹吸效应较弱，地区物流空间差异很小。无锡在2000-2008年间一直落在LH地区，表明无锡物流发展水平较慢，而周边城市物流发展较快，自身物流扩散能力较弱，长期成为HH区和LL区的过渡城市，但在2014年无锡进入了LL类地区，绍兴、台州转入到LH类地区，使得LH类地区城市数量上升到2个。

图22000　年、2004年、2008年、2014年长江三角洲物流发展空间分布Moran散点图

图32000　年、2004年、2008年、2014年长江三角洲物流发展空间分布LISA图

表4　各城市物流发展水平空间关联模式

五、长江三角洲物流差异的空间计量分析

上述分析表明，长江三角洲物流发展格局存在显著的空间关联性，城市物流在空间分布上并非完全随机分布，而是呈现显著的空间自相关效应。因此，本文引入了SLM和SEM空间计量模型，考虑到区域物流具有动态的发展特性，分别构建当期模型和跨期模型对物流发展空间差异的影响因素进行估计，衡量各影响因素在不同时期对当期的作用程度。

（一）指标选择

长江三角洲物流发展的空间差异是由经济、政策、文化等诸多要素相互作用的结果，综合学者的研究成果以及长江三角洲物流发展的实际情况，本文选取基础设施、政府干预程度、产业结构、消费流通水平、对外开放程度、经济发展水平、城市规模和区位条件8个指标作为解释变量。①基础设施（inf）用城市公路里程占区域比重来表示。基础设施条件的改善有助于提高物流运作效率，降低物流交易成本，预计变量符号为正。②政府干预程度（gov）用城市公共财政支出占GDP比重来衡量。政府规模与行政干预能力成正比，可以为物流发展提供资金支撑和战略部署，预计变量符号为正。③产业结构（ins）用第三产业占GDP比重来表示。第三产业比重的提升有助于产业结构的调整，推动物流业与其他服务产业的联动发展，预计变量符号为正。④消费流通水平（consume）用社会消费品零售总额占GDP比重来衡量。社会消费品零售总额可以衡量地区消费流通水平，反映区域内的物流需求，预计变量符号为正。⑤对外开放程度（open）用当年实际使用外资金额占GDP比重来表示①。当年实际使用外资金额可以反映区域对外开放程度，间接表示城市外资的技术溢出大小，预计变量符号为正。⑥经济发展水平（eco）用人均GDP来衡量。人均GDP代表了地区居民整体经济实力，可以反映地区居民消费能力，预计变量符号为正。⑦城市规模（urban）用城市人口占区域总人口比重表示。城市规模可以反映市场大小和流通尺度，其规模越大吸收就业和消费能力就越强，预计变量符号为正。⑧区位条件（geo）对产业发展产生一定程度的影响，而这种区位的不均衡现象会导致经济存在地域差异，因此本文考虑区位因素这个虚拟变量，设置一级城市为1，二级城市为0.5，其他城市为0，预计变量符号为正。

（二）模型构建与选择

基于上述分析，本文以长江三角洲物流发展指数作为被解释变量，以基础设施、政府干预程度、产业结构、消费流通水平、对外开放程度、经济发展水平、城市规模和区位条件8个指标作为解释变量来进行空间回归分析，构建空间计量模型。

情景一：当期模型I。解释变量和被解释变量选择2014年的数据，反映当期解释变量对当期被解释变量的作用程度及方向。

情景二：跨期模型II。被解释变量选取2014年的数据，解释变量选择2000年的数据，反映初期解释变量对当期被解释变量的作用程度及方向。

其中，F表示物流发展指数；βi表示变量回归系数；t表示年份；i表示城市数量；β0为常数；λ表示空间误差系数；ρ表示空间回归系数；Wy表示被解释变量的空间滞后项；ε表示残差扰动项；Wε表示空间误差项；μ表示正态分布的随机误差项。对被解释变量进行共线性诊断，发现被解释变量的Tolerance值介于0.131～0.714，均大于0.1，VIF值介于1.428～8.584，均小于10，表明变量间不存在多重共线性问题。

首先对当期模型I和跨期模型II进行OLS回归。从表5、表6可知，当期模型I1和跨期模型II1分别解释了长江三角洲物流空间变异97.3%和94.7%的异质性。对于模型I1而言，只有政府干预和城市规模分别通过了5%和1%的显著性检验，基础设施、产业结构、对外开放程度和经济发展水平的回归系数为正，而消费流通水平和区位条件的回归系数为负，与预期假设不一致，且这6个变量均未通过10%的显著性检验，但R2值高达0.973，表明选取的变量可以较大程度地解释区域物流的变异情况。对于模型II1而言，只有政府干预和城市规模通过了10%的显著性检验，对外开放程度、经济发展水平和区位条件的回归系数为正，而基础设施、产业结构、消费流通水平为负，与预期假设不一致，且这6个变量均未通过10%的显著性检验，但R2值高达0.947，表明选取的变量可以较大程度地解释区域物流的变异情况。究其原因可能在于区域物流发展存在较强的空间互动性，而OLS回归模型假设研究样本是相互独立的，忽略了研究样本空间误差的相关性，导致回归结果出现偏差。因此，本文纳入空间溢出效应，引入SLM和SEM空间计量模型，构建当期模型I和跨期模型II对物流空间差异的成因进行分析，衡量各影响因素在不同时期对当期的作用程度。

表5是当期模型I的空间回归结果，发现模型I3回归估计通过了LM检验，模型I2回归估计未通过LM检验，同时模型I3回归估计的可决系数R2最大（0.976），说明在当期模型I下选取模型I3是最为合适的。表6是跨期模型II的空间回归结果，模型II2和模型II3回归估计均通过了LM检验，且R-LM⁃LAG和R-LM-ERR值均在5%的水平上显著，表明此时空间依赖性检验失效，无法判断SLM和SEM模型的适用性。依据lo⁃gL、AIC和SC信息的判断准则，发现模型II2中的logL值最大，AIC和SC值最小，可决系数R2最大（0.984），因而模型II2为最恰当的模型。与OLS回归结果相比，当期模型I3和跨期模型II2的可决系数R2和logL值有所变大，AIC和SC值有所变小，表示考虑空间效应后的模型可以减弱研究样本空间误差的相关性。

表5　当期模型I情况下的OLS、SLM和SEM模型估计结果

（三）回归结果分析

（1）基础设施。在跨期模型II2中，虽然基础设施与物流发展存在正相关，但回归系数并不显著（0.035），在当期模型I3中，基础设施与物流发展具有高度正相关，回归系数显著（2.343）。其原因可能是，城市在发展初期为了加快物流业的发展，盲目、不合理的基础设施投资造成资源重复建设、利用效率不高、浪费现象严重，导致基础设施对物流业的促进作用不显著，但随着时间的推移以及城市对基础设施的调整，物流资源要素利用率逐步提高，基础设施对物流发展产生了巨大推力。

（2）政府干预程度。从当期模型I3和跨期模型II2的回归系数来看，政府干预对物流业发展具有显著的正向促进作用，且随着时间的推移，影响系数有所上浮。这表明政府对物流行业的干预有助于物流业的发展，虽然物流业被誉为经济增长的加速器，但其自身发展存在滞后效应，不能在短期内对经济增长做出巨大贡献，需要政府加大政策支持力度，增加对物流业的经济和技术支撑，从宏观上把握物流发展态势，合理促进区内物流资源流向，为物流发展提供良好的社会环境。

（3）消费流通水平。消费流通水平在当期模型I3和跨期模型II2的回归系数依次为0.293、0.055，都通过了显著性检验。其原因在于，长江三角洲地处东部沿海地区，经济发达，人民生活水平殷实，民众的物流消费需求量较大，另外广阔的经济腹地促进了地区间经济贸易往来，消费流通溢出效应显著。虽然随着时间的推移影响程度有所提升，但回归系数相对较小。这可能是因为区内物流市场机制还未健全，各地政府的地方保护政策和物流市场分割现象依然存在，导致消费流通水平对物流的促进作用还不高，有待进一步提升。

表6　跨期模型II情况下的OLS、SLM和SEM模型估计结果

（4）对外开放程度。在跨期模型II2中，对外开放程度与物流发展显著正相关（1.589），符号与预期一致，而在当期模型I3中，对外开放程度与物流发展的影响系数为-0.568，符号与预期相反。其原因可能在于，长江三角洲在发展初期积极引进外资为当地物流发展注入新鲜血液，外资的溢出和扩散效应显著，有助于打破区内固有的条块分割现状，增强物流企业活力。但随着时间的推移，部分地区盲目、大规模对外资进行引进，致使其与区内企业产生恶性竞争，对长江三角洲物流发展促进作用不显著，因此今后在引进外资时不仅要适度，更要注重其质量。

（5）经济发展水平。在当期模型I3和跨期模型II2中，经济发展水平对物流发展具有显著促进作用，符号与预期一致。其原因在于，长江三角洲物流腹地较大，孕育着广阔的消费市场，强大的经济支持有助于物流体系的建立，进一步缩减产品跨地域的流动成本，扩大商品消费流通尺度。另外，长江三角洲制造业发达，随着社会内部分工的不断细化以及物流业与制造业的联动发展，制造和流通企业物流外包意识不断增强，积极同第三方物流公司合作，有助于物流产业的集聚。值得关注的是，经济发展水平在初期对物流发展的影响程度（0.118）远小于当期影响程度（1.903），表明经济发展水平对物流业的发展存在一定的滞后性。

（6）城市规模。城市规模在当期模型I3和跨期模型II2的回归系数依次为3.035、2.884，对物流发展具有高度促进作用，影响系数上升幅度较大。其原因在于，近年来长江三角洲人口逐年攀升，城市规模急剧膨胀，较大的城市规模孕育了广阔的市场，扩大消费流通尺度，居民物流需求不断扩大，在一定程度上有助于物流业的发展。

（7）产业结构和区位条件。值得关注的是，产业结构虽然在当期模型I3和跨期模型II2的回归系数均为正数，但都未通过10%的显著性检验。这一结果表明，虽然调整产业结构有利于物流业的发展，但产业结构调整具有长期性的特征，应是一个立足长远的政策目标，在短期内调整难度较大，对物流直接作用程度较小。此外，虚拟变量区位条件在当期模型I3的回归系数为-0.064，符号与预期不一致，在跨期模型II2的回归系数为0.030，说明现阶段新经济地理要素对长江三角洲物流产业的影响并不显著，区位上的不均衡在物流发展上还未产生较大差异。

六、结论与建议

本文基于空间经济学视角，从物流供给和物流需求角度构建物流综合实力指标体系，采用熵值法、空间自相关和空间计量模型，对长江三角洲物流发展指数进行测度，并对其时空演变格局及影响机理进行探讨分析，得出以下结论：

第一，15年来长江三角洲整体物流发展水平得到了显著的提升，但城市处于非均衡的发展状态，城市间的极化效应十分严重。

第二，城市物流发展呈现出明显的空间关联性，空间格局经历由集中向分散再到集中的演变，物流高值集聚和低值集聚同质性现象是长江三角洲城市群发展的主要形式。

第三，经济发展水平、政府干预程度、城市规模和消费流通水平对物流发展存在显著正相关，影响程度在上升；对外开放程度在初期对物流发展促进作用显著，随着时间的推移促进作用不显著；基础设施对物流发展存在消化吸收的过程，随着时间的推移促进作用显著；产业结构和区位条件对物流发展的影响不显著。

针对以上研究结论，本文提出以下几点建议：

第一，增强政府宏观调控力度。由于经济增长对物流业发展存在滞后性，不能在短期内起到立竿见影的作用，在维持经济稳定增长的情况下需增强政府干预程度，加大物流政策扶持力度，从宏观上把握物流发展态势，合理促进区内物流资源流向，保持适度的城市规模，增加基础设施投入，完善物流市场协调机制，扩大消费流通市场，积极发展第三产业，提高外资利用质量。

第二，促进物流发展的网络化。针对区域物流发展不平衡的现状，可加强区域物流的网络化建设，推动区内物流信息化和标准化，协调规划区内物流资源，提高物流资源利用率。建立上海物流圈、南京物流圈、杭州物流圈、宁波-舟山物流圈、苏中物流圈，利用资源集群和共享效应来提升物流整体效率。

第三，加强区域间的联动发展。由于城市物流发展呈现出明显的空间关联性，提示相关政府在规划物流发展时要不拘一格，既要做到统筹兼顾，考虑区域的整体性，也要做到因地制宜，结合各城市发展特点，增强物流高值集聚区的涓滴效应，加大物流低值集聚区的虹吸效应，促进区域间的合作与交流。

第四，合理定位城市物流生态位。由于城市物流的发展受到诸多因素的相互作用，导致物流发展情况大相径庭，各城市必须对物流生态位进行合理定位，不但要发挥自身的比较优势，而且需要与其他城市进行态势互补，加快城市间的协同发展。随着“低碳经济”观念的不断深入，“低碳物流”理念也应运而生，将是城市物流今后发展的重点领域。

注释：

①美元与人民币汇率2000年按照1∶8.2784换算，2014年按照1∶6.1428换算。

［1］Markus H，Jean-Paul R.The transport geography of logis⁃tics and freight distribution［J］.Journal of Transport Geog⁃raphy，2004（6）：171-184.

［2］Petersen E R.A highway corridor planning model：QROAD［J］.Transportation Research Part A：Policy and Practice，2002，36（2）：107-125.

［3］Mori T，Nishikimi K.Economies of transport density and in⁃dustrial agglomeration［J］.Regional Science and Urban Eco⁃nomics，2002，32（2）：167-200.

［4］Konings R.Hub-and-spoke networks in container-onbarge transport［J］.Journal of the Transportation Research Board，2006（4）：23-32.

［5］Pishvaee M S，Farahani R Z，Dullaert W.A memetic algo⁃rithm for bi-objective integrated forward logistics network design［J］.Computers&Operations Research，2010，37（6）：1100-1112.

［6］Graham H，Amir M Sharif，Abrahim Althonayan.Employing a systems-based perspective to the identification of inter-re⁃lationships within humanitarian logistics［J］.International Journal of Production Economics，2012，139（2）：377-392.

［7］王圣云，沈玉芳.我国省级区域物流竞争力评价及特征研究［J］.中国软科学，2007（10）：104-110.

［8］李全喜，金凤花，孙磐石.区域物流能力与区域经济发展的典型相关分析——基于全国面板数据［J］.软科学，2010，24（12）：75-79.

［9］杨自辉，邓恩，林安源.湖南物流产业集群系统发展研究［J］.经济地理，2010，30（3）：426-430.

［10］雷勋平，Robin Q，刘思峰.基于DEA的物流产业效率测度实证研究——基于我国31个省、市、自治区2008年投入产出数据［J］.华东经济管理，2013，30（15）：52-56.

［11］刘苏庆，曹成铉，郑辉文.集装箱多式联运中运货排程问题的建模研究［J］.科学技术与工程，2010，10（9）：2247-2250.

［12］王健，刘荷.区域物流发展的影响因素研究——基于福建省的实证分析［J］.华东经济管理，2014，28（3）：22-27.

［13］谢守红，蔡海亚.长江三角洲物流业与区域经济耦合协调度研究［J］.江西财经大学学报，2015（5）：20-27.

［责任编辑：余志虎］

Research on the Development Pattern and Effect Mechanism of Logistics Industry in the Yangtze River Delta—Based on the Perspective of Spatial Economics

CAI Hai-ya，XU Ying-zhi
（School of Economics and Management，Southeast University，Nanjing 211189，China）

This paper，based on the perspective of spatial economics，employ entropy method，spatial autocorrelation method and spatial econometric model to measure the logistics development index，and makes a study of the development pattern and effect mechanism of logistics industry in the Yangtze River Delta.The results show that the overall logistics development level of the Yangtze River Delta has risen greatly in recently 15 years，the cities keep in a state of unbalanced development，and the gap has been widened.The development of urban logistics has an obvious spatial correlation and its spatial pattern concentrat⁃ed from the centralized distribution to the concentration.The economic growth，government intervention，city size and consum⁃er circulation have a significant positive correlation with the logistics development，and the influence degree is increasing.The opening level has a significant effect on the development of logistics industry at the beginning，however，this turns to have little effect as time goes by.The infrastructure level is not immediately visible，needing for an absorption and digestion process at the beginning，however this turns to have a positive effect gradually.The industrial structure and geographic conditions have little impact on the logistics industry.

regional logistics；spatial autocorrelation；spatial econometrics；the Yangtze River Delta

F061.5

A

1007-5097（2016）10-0015-09

2016-04-27

国家哲学社会科学基金重点项目（15AJY009）；江苏省社会科学基金重大项目（14ZD011）；江苏省社会科学基金重点项目（14EYA003）

蔡海亚（1991-），男，江苏盐城人，博士研究生，研究方向：区域经济学，环境经济学，产业经济学；徐盈之（1970-），女，浙江杭州人，教授，经济学博士，研究方向：环境经济学，产业经济学，数量经济学。