甘卫华，姚文珮，刘 郑

（1.华东交通大学 交通运输与物流学院，江西 南昌 330013；2.华东交通大学高铁发展研究中心，江西 南昌 330013）

1 引言

2019年9月，国家发展改革委、交通运输部联合印发《关于做好2019年国家物流枢纽建设工作的通知》（以下简称《通知》），确认首批共23个物流枢纽入选国家物流枢纽建设名单[1]。国家物流枢纽可以定义为物流体系的核心基础设施和最高层级，是辐射区域更广、集聚效应更强、服务功能更优、运行效率更高的综合型物流枢纽[2]。作为物流业发展的重要抓手，国家物流枢纽建设将在发挥区域影响力、国际影响力方面起着不可替代的作用。

经济活力是区域经济不可或缺的表征，其主要表现为经济成长、引进资本和吸引高素质劳动力的能力，是经济的持续增长能力[3]。因此，研究国家物流枢纽建设与经济活力的相关性具有现实意义。

2 主要文献回顾

对于影响区域经济活力的研究主要有：Alexander[4]认为可持续经济成功的关键是基于活力标准的认可程度。Jacques Poot[5]认为城市人口的变化会对城市经济活力产生影响。文献[6-7]针对东亚地区的经济活力进行评价时，利用主观分析加上部分数据指出了东亚地区最富有经济活力的国家。刘越等[8]认为绿色城镇化是提高我国经济活力的一个极其重要的引擎。雷舒砚等[9]从经济、社会、生态和环境四个方面构建指标体系，认为城市活力对经济活力的影响程度较高。逯进等[10]从1997-2016年中国31个省区的数据分析老龄化与固定资产投资通过协同机制对经济活力进一步产生了影响。于凤霞等[11]利用相关性分析与回归分析方法对2018年我国34个主要城市的共享住宿发展对经济活力的影响进行了实证研究。对于物流业发展的研究主要有：郭湖斌[12]基于长江经济带2000-2016年数据，横向分析了物流业与区域经济耦合协调发展，对二者的发展水平和空间差异进行综合衡量和评价。戴德宝等[13]以西部地区为例，选取区域经济基础、物流供求状况、物流支持状况、信息化水平四方面设计16个指标，利用主成分分析法对西部地区12省市2014年-2015年的物流发展水平建立综合指标体系。刘明等[14]借助277个地级城市2007-2017年的相关数据，证明相邻城市对中心城市的区域物流产业有积极的推动作用。

综上，国内外学者利用不同分析方法从不同角度研究了提高城市经济活力的必要性。但是，建立区域经济活力的指标体系中，研究物流业对区域经济活力影响的并不多，从国家物流枢纽所在省市和非国家物流枢纽所在省市进行经济活力分析相对就更少。因此，本文采用因子分析法，探讨物流业与区域经济活力的相互关系，并将国家物流枢纽建设对区域经济活力的影响考虑在内。

3 物流业与经济活力的水平测度模型

因子分析在构建综合评价指标中所涉及的权数是通过定量分析产生的，减少了定性分析的主观随意性。同时，通过设定公共因子可以解决传统方法中指标设置过多、相互间存在相关性的弊端，能够清晰地界定物流业对区域经济活力影响的关键性因素。

设 n个城市，不同的变量 X1，X2，...，Xn，根据因子分析法的要求，这里使用z-score标准化（均值为0，标准差为1）：

n个变量可以由m个因子F1，F2，...，Fm表示为线性组合，运用因子分析法建立物流业对区域经济活力的评价模型，其数学模型可表示如下：

应满足的条件为：

式（3）中，X=(X1，X2，...，Xn)T是可观测的随机向量，它的每个分量代表一个指标或者变量；F=(F1，F2，...，Fm)T是不可观测的随机向量，它的各个分量将出现在每个原观测变量X的表达式中，故称为X的公共因子；矩阵A称为因子载荷矩阵，其中aij称为因子载荷，是第i个变量与第 j个公共因子的相关系数，数值越大，说明第i个变量与第 j个公共因子的相关程度越高。e=(e1，e2，...，em)T称为特殊因子，表示X中与F无关的部分，为随机干扰项，即变量中不能被公共因子解释的部分，包括随机误差。式（4）表示F 和 e不相关，e1，e2，...，em不相关且方差不同。式（5）中，F表示总因子得分，Fj表示第j个因子的得分，bj表示第j个因子的贡献度（分因子贡献度=分因子旋转后的方差贡献率/总方差解释率）。

物流业与经济活力的水平测度模型构建步骤如下：首先对原始数据进行标准化；其次对标准化矩阵得出相关系数的矩阵；接着对相关矩阵求出特征方程，得到特征根；最后得到因子的累积贡献率≥85%即可。利用因子分析模型来对区域经济活力进行评价。

4 物流业对经济活力影响因素的分析与选取

根据前文文献回顾，结合专家意见，考虑指标选取的综合性、客观性、可得性和可比性[15]，设计物流业对区域经济活力的影响指标共20个，其中一级指标4个，二级指标16个，见表1。区域物流业的产出水平是指物流业提供的服务能力水平。区域物流业的投入水平是指物流业对经济活力发展投入的人力、财力和物力。区域宏观经济活力的发展水平是指区域物流相关产业现有的宏观经济环境发展水平。区域经济活力的潜在水平是指区域物流相关产业潜在的微观经济发展水平。总之，物流业对经济活力的影响因素有很多，需要根据实际情况来选取影响因子。

灰色关联度分析是对所选取的充当特征序列的各指标因素的曲线图像的相似或相异程度进行观察判断，进而分析系统中各指标因素的联系[16]。灰色关联度越接近1，说明序列间的关联性越好，反之，关联度越差。以北京为参考数列，以生产总值GDP为比较数列，通过PYTHON 3.7将2018年的16项指标间的关联度进行可视化，如图1。由图1可知，灰色关联度大于0.88，关联评价很高。灰色关联度在0.72-0.88，关联评价较高；灰色关联度在0.64-0.80，关联评价一般；灰色关联度在0.56-0.64，关联评价勉强；灰色关联度小于0.56，关联评价较弱。

表1 物流业对区域经济活力的影响因素

5 物流业对区域经济活力影响的实证分析

为了便于比较，本文选取了16个国家物流枢纽所在省市（天津市、上海市、山西省、江苏省、浙江省、广东省、重庆市、四川省、河南省、湖北省、山东省、福建省、江西省、广西省、辽宁省、湖南省）、7个非国家物流枢纽所在省市（北京市、河北省、安徽省、云南省、吉林省、黑龙江省、海南省），共23个省市作为样本，利用SPSS Statistic 25软件进行因子分析，计算23个省市物流业对经济活力产生影响的综合得分。本文中使用的统计资料来源于2018年《中国统计年鉴》、《中国物流年鉴》。

图1 指标间关联度分析

5.1 适应性检测

先用Z-Scores法对原始数据进行标准化处理，再用SPSS 25.0软件对样本数据进行因子分析计算，结果见表2，得到的KMO检验统计量值为0.765，大于0.7，表明各物流业影响指标非常适合做进一步分析。Bartlett球状检测用于检验相关阵中各变量间的相关性，即检验各个变量是否各自独立。得到的Bartlett球形度检验统计量相应的伴随概率为0.000，小于显著性水平0.005，完全拒绝原假设。因此，物流业与区域经济活力之间存在显著相关性，说明计算结果有效。

表2 样本数据的KMO与Bartlett检测情况

5.2 公因子提取

主成分分析（PCA）是利用降维的思想，在力保数据信息损失最少的原则下，把多个指标转化为少数几个综合指标的一种多变量数据进行最佳综合简化的多元统计方法[17]。利用主成分分析法，变量之间提取的公因子方差越大，表明被公因子解释的能力越强。表3中，提取的公因子方差的变量因子大部分被解释的程度高于70%，因此提取的效果较好，原始数据损失的信息较少。

表3 公因子方差

5.3 效度检测

表4中被提取到的第一个主因子的特征值是10.064，方差贡献率为62.901%，说明第一个主因子显示了样本数据62.901%的有用信息；第二、第三个主因子的特征值分别为2.488、1.106，方差贡献率分别为15.550%、6.910%，即前三个因子累积的方差贡献率为85.361%，其值大于85%，说明前三个因子提取的原始变量信息中有85.361%的有效信息，提取的信息量较大。根据累计方差贡献率可知，应选取前3个公因子。

表4 样本区域物流业对区域经济活力影响因子解释的总方差

5.4 因子载荷分析

通过对旋转前后的因子进行观察，发现区域物流业对经济活力影响的载荷矩阵中，影响因子成分得分系数见表5。

（1）从区域物流业产出水平来看，高载荷的因子为：城市货运周转量、第三产业增加值、进出口总额、物流行业人均工资水平、专利申请数量。因此定义为“物流业生产力”。

（2）从区域物流业的投入水平来看，高载荷因子有城市货运总量、公路营运汽车拥有量、互联网宽带接入用户数量、普通高等学校数量。因此定义为“物流业创新力”。

（3）从区域经济活力的显性和潜在水平来看，高载荷的因子为：城市货运总量、城市货运周转量、公路营运汽车拥有量、城市铁路间的货物交流、物流行业人均工资水平。因此定义为“物流业支撑力”。

5.5 计算因子得分及评分结果

根据表5计算各因子得分：

表5 样本区域物流业对区域经济活力影响因子成分得分系数

然后，根据旋转后的因子载荷矩阵分析，按各公共因子对应的方差贡献率占三个公共因子总方差贡献率的比重作为权数构建各地区的综合评价函数，即：

由此，得出物流业对区域经济活力影响的综合评级，见表6。

利用Python 3.7，计算出物流业对经济活力的影响水平综合评级为四个等级：

（1）第一个等级是先进。综合排名前3位的是：广东、江苏、山东。这三个省份均入选国家物流枢纽，在物流业的生产力、支撑力、创新力三大指标均处于领先地位。“国家物流枢纽”的带动效应强劲，覆盖面广泛，在促进区域经济活力中占得绝对先机。这三个区域在物流运输经济发展中遥遥领先，其原因是：地理位置较好，广东和江苏都是港口型国家物流枢纽，山东省连接华北、华东、中原三大经济区，地理位置优越；大型的物流企业众多，运输公司种类齐全。这三个地区物流业的经济环境、发展潜力、运输交流方面借助国家物流枢纽建设的契机发展得比较完善，城市铁路间的货运运输量较高，工业产能和商贸发展处于领先地位。并且，这三个省份都是国家物流枢纽城市所在的省份，在入选为国家物流枢纽城市之后，“国家物流枢纽”的带动效应会更加强劲，覆盖面会更加广泛，在铁路、公路、港口和航空网络中获得巨大优势，关键的物流、商流、信息流、人流会源源不断地涌入。

表6 物流业对区域经济活力影响的综合评级按得分排序

（2）第二个等级是良好。综合排名前4-10位的是：浙江、上海、河南、河北、安徽、四川、湖北。这7个省市中，除河北、安徽没有入选国家物流枢纽外，其余5个省市均入选“国家物流枢纽”。这7个省区商业贸易发展较好。其原因是公路、铁路交通建设较好，有交通便利，国家政策扶持。浙江省金华（义乌）是商贸服务型国家物流枢纽；上海市是商贸服务型国家物流枢纽，工业制造和商贸流通发展良好；河南郑州是空港型国家物流枢纽；四川成都是陆港型国家物流枢纽；湖北宜昌是港口型国家物流枢纽；河北省在2017年设立了雄安新区，2019年设立了自由贸易试验区，国家投资巨大；安徽省依托中部经济带，芜湖港口经济发展迅速，但是其区域位置优势不明显。

（3）第三个等级是中等。综合排名第11-16位的是：辽宁、山西、湖南、福建、北京、江西。这6个省市中，除北京没有入选国家物流枢纽外，其余5个省均入选“国家物流枢纽”。这些省市掣肘经济活力的指标主要来自于第一和第二公共因子。这6个省市排名中等是因为：辽宁营口是港口型国家物流枢纽，自然资源丰富，但是物流产业技术发展受限；山西太原是陆港型（生产服务型）国家物流枢纽，煤炭资源丰富，但产业发展不均衡；湖南长沙是陆港型国家物流枢纽，文化、旅游资源发展良好，但技术水平和产业结构发展不完整；福建厦门是港口型国家物流枢纽，旅游业发展良好，但土地面积小，人口过少，生产能力不足；江西赣州是商贸服务型国家物流枢纽，农业资源丰富，但物流运输发展较为滞后。

（4）第四个等级是落后。综合排名第17-23位的是：广西、云南、重庆、黑龙江、天津、吉林、海南。这7个省市中，只有天津、广西、重庆3省市入选“国家物流枢纽”，其余没有入选国家物流枢纽。这些省市掣肘经济活力的指标主要来自于第一、第二、第三公共因子。天津市是港口型国家物流枢纽，港口贸易发展较好，但竞争形势严峻，周边港口分流竞争激烈，产业结构不完整，人才紧缺；广西南宁是陆港型国家物流枢纽，自然资源丰富，但交通运输能力较差；重庆市是港口型国家物流枢纽，工业发展良好，但山地面积过大，交通运输发展潜力有限，城市面积难以扩展；云南省区位优势明显，是通往东南亚和南亚的通道，但经济基础较差，城市化和物流发展水平不高；黑龙江省实体能源丰富，但科技含量低，发展速度慢，经济效益差；吉林省生产水平不高，轻工业发展落后，经济活力较弱；海南省旅游和渔业捕捞经济发达，但缺乏大型工业。

6 小结

本文以23个具有代表性的省市为研究对象，通过指标间的关联度分析，选取了物流业与经济活力相关的16个因子，运用因子分析法对各个因子进行计算，建立了一个经济活力评价指标体系，对各省份的评价结果进行了排名分析。等级先进的省市要进一步扩大物流业的生产力、支撑力、创新力三大指标的领先优势，发挥“国家物流枢纽”的辐射效应，在促进区域经济活力中发挥示范领先作用。等级良好的省市，要扬长避短，持续发展。等级中等的省市，应调整内部结构，补齐短板，精准发力。等级落后的省市，要全面加大铁路、公路等基础设施建设，加强对物流业的投资和对物流人才的培养，迎头追赶。