梁 雯，秦胜杰

（安徽大学 商学院，安徽 合肥 230601）

LIANG Wen,QIN Sheng-jie

(School of Business,Anhui University,Hefei 230601,China)

在全球供应链和国际竞争形势不断严峻的背景下，制造业物流的发展可以加快中国制造业现代化发展的步伐，提高中国制造业企业在国际市场中的优势地位。两业联动发展成为国家关注的重点问题，2007年，国家发改委在上海召开首届全国制造业与物流业联动发展大会之后，两业联动得到了社会各界的广泛关注，业内各界则开始积极地探索两者联动发展。2009年，国务院发布《物流业调整和振兴计划》，文件中明确地将制造业与物流业联动发展作为重点工程之一，2010年，全国现代物流工作部际联席会议办公室公布了《关于促进制造业与物流业联动发展的意见》，指出各级政府应当参考《意见》根据本地实际情况制定出促进当地两业联动发展的政策法规。这些纲领性文件的实施均凸显出国家对两业联动发展的密切关注。实际上，依据中国物流与采购联合会数据显示，2012年中国工业品物流总额占中国社会物流总额比重已达到91.4%。因此，关于两业的互动结合、联动发展需要稳步推动。

在地区发展上，近年来合肥市紧紧依托作为综合交通枢纽城市、承接产业转移示范区的核心城市等政策赋予的发展优势，大力支持国内外汽车、装备制造、电子信息、化工、家电、农产品加工等产业的发展。目前制造业总体上已初具规模，合肥市逐渐地向成为全国性先进制造业基地这一目标迈进。2013年，合肥市实现规模以上工业增加值1 907.40亿元，比上年增长14.4%。工业增加值占GDP 比重由上年的43.6%提高到43.9%。尽管物流业发展速度较快，在地区生产总值上所占比重仍然不高，与沿海发达城市相比较，制造业与物流业发展水平仍不具有明显优势。面对经济发展新常态，合肥市应积极运用新举措，实现新发展。及时地依托两业联动对经济的推动以达到在未来激烈的区域发展竞争中取得优势地位。因此，两业融合发展已刻不容缓。这将会加速本地区制造业产业结构转型升级的速度以及促进当地的经济发展。

1 文献综述

近年来关于两业联动中的问题日益成为业内学者的研究重点，相关研究从不同角度出发进行探讨，何明珂指出制造业物流发展将会对国民经济有显著影响，制造业物流支撑着中国物流的发展[1]。王佐则认为两业联动的机理是以何种方式配置制造业企业资源，以及对物流管理自营与外包的交易成本比较[2]。基于博弈论的视角，王晓艳定性论证制造业与物流业选择联动具有长期显著作用[3]。吴群（2011）从共生模式的角度出发将制造业与物流业的关系分为五类：平等共生型、依托共生型、嵌入共生型、互补共生型以及辅助共生型[4]。王珍珍通过对现有研究的分析，指出未来的研究可将制造业与物流业联动作为一个研究主体与产业转移、产业结构转移等结合起来探讨[5]。一些学者则依据具体数据构建模型以探析两业联动关系，韦琦运用协整检验对中国1998～2008年的制造业与物流业统计数据进行实证分析，得出中国制造业与物流业存在长期均衡关系且物流业增长是制造业发展的Granger 的原因[6]。刘丹运用灰色关联模型对福建省制造业和物流业的关联度和协调度进行实证研究，指出制造业和物流业紧密相关[7]。王军、曹丽新运用DEA 方法对青岛市2001～2011年的相关数据进行分析，论证了青岛市两业联动水平并不高[8]。

分析各类关于制造业与物流业联动发展的文献，往日学者们关注的重点主要聚焦在国家、省层面的制造业与物流业联动发展，而具体到市层面上的两业联动探索则相对较少；对合肥市的研究上，一部分学者则定性分析了两业联动发展关系，缺乏依据具体数据进行实证分析的定量描述，基于此本文通过构建ECM 模型与Granger 因果关系检验对合肥市2004～2013年的统计数据进行实证分析，从而为提出关于两业联动的建议奠定实证基础。

2 实证分析

本文通过运用协整分析对合肥市制造业与物流业的关系进行分析，以期为合肥市未来两业的深化发展提供思路与建议。

2.1 指标选择与数据选取

在选择指标时，考虑到数据的精确性、可靠性与可获得性，选取制造业增加值与物流业增加值作为研究两个产业发展的总量指标，从而作为实证分析的基础。而在宏观经济中，目前并没有单独核算物流业数据的指标存在，因此，参考陈赤平学者[9]的研究，利用交通运输业、仓储与邮政业（不含电信业）增加值数据代表物流业的发展数据。由于现实条件的限制，个别年份的合肥市制造业数据难以有效衡量，而制造业在工业中占重要比重，可以达到90%以上。因此，为保证数据的可获取性，本文将采用工业增加值指标代表制造业的发展层次。其中工业增加值与交通运输业、仓储与邮政业（不含电信业）增加值分别用Ma 与Log 表示。为保证数据精确度，并降低异方差以及多重共线性的影响，本文对工业增加值与交通运输业、仓储与邮政业（不含电信业）增加值均取自然对数，并分别用lnMa 与lnLog 表示。本文中数据均来自于历年《合肥市统计年鉴》[10]。

根据以上选定的指标，从《合肥市统计年鉴》中选择出2004～2013年度相关的原始统计数据，并以表格形式列出，如表1所示。

为避免数据的剧烈变动，对表1 中的原始数据均作自然对数变换，并以此新数据运用Eviews 7.0 软件做时间趋势图形，如图1 所示。

通过分析图1，可以看出在2004～2013年期间合肥市制造业与物流业增长和变化趋势大体上相似，且随着时间的不断变化，制造业与物流业均呈现出上升趋势。因此，可以直观地判断两业之间可能存在一定的相关性关系。

2.2 协整分析

本文引入Engle 和Granger 在1987年提出的两步检验法，即EG 检验法，分析合肥市制造业与物流业之间是否存在长期的协整关系。而协整检验的首要条件是时间序列须为同阶单整序列，因而需要确定序列lnMa 与lnLog 是否单整。

2.2.1 平稳性检验。根据协整理论，可以知道当两个时间序列是同阶单整时，表明序列可能具有协整关系。然而，经研究发现，在一般情形下经济时间序列并不是平稳的，大多数会随着时间的变动而发生改变。因此，为预防“伪回归”现象的出现，有必要采用ADF 检验方法对时间序列做单位根检验，以判断是否符合协整分析的条件。结果如表2 所示。

图1 合肥市制造业与物流业的时间趋势分析

表2 变量的单位根检验情况

由表2 中可以发现，lnMa 与lnLog 的原序列含有单位根，表明序列lnMa 与lnLog 处于不平稳的状态。而对lnMa 与lnLog 的原序列做一阶差分处理后，结果表明其一阶差分序列均不含有单位根，并且都在10%的显著性水平下通过检验，即lnMa 与lnLog 是一阶单整序列。因此，可以认为变量lnMa 与lnLog 符合进行协整检验的首要条件。

2.2.2 协整检验。对变量lnMa 与lnLog 进行ADF 检验之后，结果表明两变量具备进行EG 两步检验法的条件。为检验两变量是否协整，设两个变量lnLog 与lnMa 之间存在线性回归模型，即如下所示：

其中：α 代表的是合肥市交通运输业、仓储邮政业（不含电信业）自发增加值，β 代表的是合肥市制造业增加值每变动1个百分比时，合肥市物流业将会变化的百分比。

因此，以lnLog 为因变量，lnMa 作为自变量，本文通过运用Eviews7.0 软件对变量lnMa 与lnLog 进行普通最小二乘回归得到回归方程关系式，结果如下：

R-squared=0.9973,Adjusted R-squared=0.9969，D.W.=3.075（其中***、**、*分别表示系数在1%、5%、10%的置信水平下显著）。

上述式（2）表明，两者之间存在明显的正相关关系，当lnMa 每增加1 个百分比时，变量lnLog 变动0.6356 个百分比。即合肥市制造业增加值每提高1%时，合肥市物流业增加值提升0.6356%。

从式（2）得到模型估计残差u赞=lnLog-0.3415-0.6356lnMa，为检验上述模型估计残差序列的平稳性，重新定义残差序列为ECM，并对序列ECM 进行ADF 检验以确定其是否存在单位根，ADF 检验结果见表3。

表3 残差序列ECM 的ADF 检验结果

由于残差序列ECM 的ADF 检验值是-6.1364，小于1%水平下的临界值-5.5219。因此，可以认为残差序列ECM 表现出平稳的状态，即序列ECM 为零阶单整序列，序列lnMa 与序列lnLog 之间存在协整关系，进而得出序列lnMa 与序列lnLog 之间具有长期稳定的均衡关系。

2.3 误差修正模型（ECM）

由EG 两步协整检验的结果表明合肥市制造业与物流业之间具有长期稳定的均衡关系，然而协整检验并未涉及到短期波动中的情况。因此，本文采用由Davidson，Hendry，Srba 和Yeo 于1978年提出的误差修正模型（ECM）进行研究短期波动时两业的关系[11]。

由式（2）可知，序列lnMa 与序列lnLog 之间的协整回归方程为：lnLog=0.3415+0.6356lnMa，然后将协整方程的残差项序列作为误差修正项，从而构建误差修正模型（ECM）如下：

通过运用Eviews7.0 软件，在协整回归方程的基础上，对式（3）进行估计，建立误差修正模型：

R-squared=0.9276，Adjusted R-squared=0.9035，D.W.=2.3474（其中***、**、*分别表示系数在1%、5%、10%的置信水平下显著）。

由式（4）中可以看出，误差修正模型的可决系数为0.9279，调整后的可决系数可以达到0.9035，表明所建模型的拟合优度较好，从而比较好地反映了变量lnMa 与lnLog 在短期波动中的影响。其中ΔlnMa 的系数在1%的显著性水平下时通过且为正值，表明在短期波动中，lnMa 的增长率对lnLog 的增长率是正向影响。当前一期的lnMa 增长率提升1%时，lnLog 的增长率提高0.5085%。而误差修正项ECM 的系数则表明了工业增加值与物流业增加值在短期波动时其偏离长期均衡关系的程度，因此，当短期出现变化而偏离长期均衡时，将会以-1.6926 的反向调整力度将两者由非均衡状态拉回均衡状态。

2.4 格兰杰（Granger）因果关系检验

通过协整分析发现合肥市制造业与物流业具有长期稳定的均衡关系，然而合肥市两业之间的因果关系是否存在以及表现出何种的关系，仍需通过Granger 因果关系检验作进一步实证研究。而Granger 检验是建立在VAR 模型之上的，因此，需要构建VAR 模型并确定最大滞后阶数。由于序列lnMa 与序列lnLog 均是一阶单整序列，因此，我们可以构建VAR 模型，且根据AIC 与SC 最小原则，经过多次尝试，最终认为最大滞后阶数为1 时VAR 模型满足稳定性条件，AR 根均处于单位圆之中。检验结果如图2 所示。

滞后阶数的选取对Granger 因果关系检验的结论具有显著的影响，因而依据构建的VAR 模型我们采用滞后期为1 对两者进行Granger 检验，结果如表4 所示。

图2 AR 根图

表4 格兰杰（Granger）因果关系检验

由Granger 因果关系检验发现在显著性水平为1%时，合肥市工业增加值是物流业增加值的Granger 原因，而合肥市物流业增加值不是工业增加值的Granger 原因，两者之间仅存有单一方向的Granger 因果关系。这一结果表明合肥市制造业对物流业的增长具有显著的推动作用，而物流业对制造业的发展提升相对不足，合肥市两业联动的发展层次还具有进一步提升的空间。而导致合肥市物流业未能有效拉动制造业的原因可能是合肥市部分物流企业规模相对较小，自身的专业化实力较弱，服务水平和品质不高，物流企业对于现代生产所要求的一体化物流服务能力发展不足，难以满足制造业企业的物流需求。

3 结论与建议

本文以工业增加值作为体现制造业发展层次的指标，以交通运输、仓储与邮政业（不含电信业务）增加值数据代表物流业的发展数据，运用2004～2013年的相关统计数据对合肥市两业联动水平进行实证研究，得到以下结论：

（1）协整分析表明尽管工业增加值与物流业增加值的原序列表现为不平稳的状态，然而合肥市两业之间具有长期稳定的均衡关系。

（2）从误差修正模型（ECM）的估计结果来看，当合肥市两业在短期波动中偏离长期均衡时，将会以-1.6926 的反向调整方式将两者拉回到均衡状态。Granger 因果检验则表明合肥市两业之间仅具有单一方向的Granger 因果关系，合肥市制造业对物流业的推动作用明显，而物流业对制造业的提升相对不足。

因此，依据以上结论给出了推动两业联动发展的对策。对物流企业来说，要尽快适应本地制造企业对物流服务的要求，通过开展与知名物流企业的交流合作，着力提升自身的服务水平；与制造业企业在物流标准、物流业务流程、信息共享方面上开展创新性合作，提高其面向制造业企业的供应链管理能力，切实达到制造企业对物流成本控制的要求，促使制造业不断提出新的物流需求，深化两业的联动发展层次。鼓励制造企业适时转变物流观念，将非核心的物流服务交给有专业实力的物流公司运营，做大物流市场，提升制造业对物流产业的拉动作用。政府应该从促进两业联动的政策上给予更多扶持，优化两业联动的外部环境，调整制造企业物流外包的税收政策；开展物流业与制造业联动的示范工程，以起到良好的导向作用，引导本地制造业与物流业的联动发展。

[1]何明珂.制造业物流发展的新需求[J].中国物流与采购，2008(5):32-34.

[2]王佐.制造业与物流业联动发展的本源和创新[J].中国流通经济，2009(2):16-19.

[3]王晓艳，李道芳.安徽省制造业与物流业联动发展研究[J].华东经济管理，2009(10):158-160.

[4]吴群.制造业与物流业联动共生模式及相关对策研究[J].经济问题探索，2011(1):72-75.

[5]王珍珍.制造业与物流业联动发展综述[J].管理学刊，2014(1):41-47,57.

[6]韦琦.制造业与物流业联动关系演化与实证分析[J].中南财经政法大学学报，2011(1):115-119.

[7]刘丹.制造业与物流业协调发展的实证研究[J].福州大学学报（哲学社会科学版），2012(3):27-30.

[8]王军，曹丽新.基于DEA 分析的制造业与物流业联动发展协调度提升研究——以青岛市为例[J].前沿，2012(22):90-92.

[9]陈赤平，杨茂富，杨欢.制造业与物流业联动发展关系研究——以湖南省为例[J].湖南社会科学，2014(4):125-128.

[10]合肥市统计局，国家统计局合肥调查队.2014 合肥统计年鉴[M].北京：中国统计出版社，2014.

[11]易丹辉.数据分析与E-views 应用[M].北京：中国人民大学出版社，2008.