物流业集聚、空间外溢效应与工业生产率提升

梁红艳

（福州大学经济与管理学院，福建福州350116）

摘要：本文分析了物流业集聚影响工业生产率的空间外溢效应机制，利用中国265个城市2003-2008年的面板数据和空间杜宾模型分析了全国、东中西部内部、东中西部之间物流业集聚对工业生产率的直接影响、外溢效应及总效应，将全要素生产率分解为技术效率和技术进步并考察了这三种影响的实现路径。研究结果显示：在全国整体层面，物流业集聚对工业生产率没有显著的直接影响，而通过技术效率路径对工业全要素生产率具有显著的正向外溢效应和总效应。在东部地区与西部地区，物流业集聚对工业技术效率具有显著的正向外溢效应；在中部地区，物流业集聚对工业生产率的外溢效应不显著；在东中部地区之间，物流业集聚对工业技术效率具有显著的负向外溢效应；在东西部地区之间与中西部地区之间，物流业集聚对工业生产率没有显著的外溢效应。

关键词：物流业集聚；工业生产率；直接影响；空间外溢效应

一、引言

随着服务经济的发展、城镇化进程的不断推进以及城市规模的不断扩大，生产性服务业的集聚逐步受到关注。现代物流业是国民经济发展的基础性产业，在生产性服务业中的地位不断提升，物流业集聚成为各地区提升区域竞争力的重要举措。物流业集聚已是经济发展中的普遍现象，如西班牙的萨拉戈萨市、美国的芝加哥市以及新加坡和鹿特丹等港口城市都具有显著的物流业集聚现象。近期的理论研究均表明，物流企业集聚的趋势在不断加强。[1-4]

由于服务产品的无形性，制造业集聚理论中的空间运输成本理论难以全面解释生产性服务业集聚，信息传输成本成为影响生产性服务业集聚的空间因素。[5]信息技术是现代物流业发展的关键资源，计算机技术、网络技术、RFID、EDI、GPS、GIS以及运输、仓储、货代管理系统、企业资源计划系统和供应链管理系统等信息技术的应用对物流企业的分布具有重要影响。[6]物流业集聚的产生与发展主要源于信息资源获取的便捷性和低成本性，信息技术水平的提高降低了地理空间上的交易成本，扩大了地区的市场潜能，为物流企业提供了较大的空间布局弹性，使得现代物流服务，特别是现代物流增值服务可以克服地理空间的限制，能够在更广阔的空间范围内低成本和快速实现，即随着信息和通信技术的发展、交易成本的降低、市场规模的扩大，物流业集聚对周边地区经济发展产生了明显的外溢效应。

本文拟从物流业集聚的机制出发，理论分析物流业集聚影响工业生产率的空间外溢效应机制；在此基础上，利用我国城市面板数据，运用空间计量模型实证检验物流业集聚对工业生产率的影响及其实现路径。

二、文献评述与问题提出

1.文献评述

本文主要从物流业集聚的空间特征、物流业集聚的经济效应两方面进行文献评述。

（1）物流业集聚的空间特征。既有研究结果普遍表明，我国物流业的空间布局存在地区不平衡性。王成金、张梦天[7]基于中国1855家A级物流企业展开的研究发现，沿海地区的物流企业数约是内陆的2倍，东部明显多于中西部，省际之间呈现“南多北少”格局，而且物流企业主要集中在各省区的省会、副省级城市、经济中心和门户港口城市，并指出物流企业在城市内部的非均衡现象更突出。千庆兰等[8]、曹卫东[9]基于城市物流企业调查资料，运用GIS空间分析方法，分别对广州市、苏州市的物流企业集聚特征进行了分析，研究结果显示城市物流企业的空间分布具有显著的集聚特征，物流企业分布的热点区域具有明显的扩散和迁移轨迹，从城市中心区到外围地区物流企业数量逐渐减少。上述研究主要考察的是物流业集聚的空间异质性，而关于物流业集聚的空间关联性的研究相对较少。荆和蔡（Jing and Cai）[10]研究发现，我国东部地区10个省区99个城市的物流业存在显著的空间相关性。钟祖昌[11]研究发现，中国31个省市区物流业集聚存在较强的空间相关性。范月娇、王健[12]研究发现，海峡西岸物流业发展存在显著的空间自相关性。

（2）物流业集聚的经济效应。目前，物流业集聚经济效应的文献较少，少数研究解释了物流业集聚的正向效应。[13-15]薛飞（Sheffi）[16]总结了物流业集聚的优势，包括范围经济、规模经济、密度经济、更好的服务和更高的流动性。赫维尔等（Van den Heuvel et al）[17]通过对荷兰南部507家物流企业进行问卷调查，研究了物流业集聚的协同效应，结果显示，空间集聚使得物流企业可以共同使用运输和仓储设备资源，更容易开拓市场，更易获得设施设备的维修维护，并拥有更好的扩张机会。此外，少数研究分析了物流业集聚对工业的影响，如王珍珍、陈功玉[18]基于1998～2007年31个省级的面板数据分析了中国物流业集聚对工业增加值的影响，发现物流业集聚的地区差异导致了制造业工业增加值发展水平的差异。

2.已有研究不足与本文的创新

针对物流业集聚对工业生产率的影响，既有研究主要存在以下不足：（1）关于物流业集聚的经济效应，既有研究主要考察的是物流业集聚对物流业自身发展的影响，没有关注物流业集聚对工业生产率的影响；（2）即使在物流业发展对工业生产率影响的仅少数研究中，一是忽视空间相关性，导致研究结果产生偏差；二是经验研究停留在省级层面，省域空间尺度过大使得由其研究结论衍生出的政策启示有限；（3）既有研究往往只单一地考虑物流业发展对工业生产率的影响，而没有考虑新经济增长、新经济地理等因素对工业生产率的作用。基于以上不足，本文将研究城市层面物流业集聚对工业生产率的空间外溢效应。相比以往研究，本文的创新在于：（1）在分析物流业集聚对工业生产率影响时，考虑了地区间的空间关联性，而且在数据选择上，采用中国大陆265个城市数据进行分析，相比省级层面数据，利用城市层面数据得出的结论更可靠；（2）在研究方法上，运用空间杜宾（Durbin）模型，不仅考虑了被解释变量的空间相关性，还考虑了解释变量的空间相关性，并分析了解释变量的直接影响、外溢效应与总效应，使得研究更具现实意义；（3）考虑了新经济增长、新经济地理等因素对工业生产率的影响，构建了一个含多维要素的分析框架。

三、物流业集聚影响工业生产率空间外溢效应的机制

物流业集聚影响工业生产率的空间外溢效应机制可以从以下几方面理解：

1.网络外部性

交通基础设施是物流业集聚形成与发展的重要影响因素。[19-21]通常如果一个地区的物流业集聚程度高，那么该地区的公路、水路、铁路与航空等交通基础设施规模相应也较大。交通基础设施具有典型的网络外部性，其空间外溢效应机制主要体现在以下两个方面：一方面，交通基础设施具有网络性，它将各地区的经济活动连成一个整体，降低运输成本，通过扩散效应，促进要素流动，加强地区间经济活动的内在联系，从而带动相邻地区发展；另一方面，通过集聚效应，交通基础设施会提升所在地区的区位优势和吸引力，特别是对于那些具有优越的政策环境、雄厚的资本积累与强大市场潜能的经济发达地区，交通基础设施的发展会促进该地区的经济增长，导致对相邻地区的经济发展产生负向溢出效应。

2.信息和通信技术的发展

信息和通信技术的发展为物流业集聚及其空间外溢效应的实现提供了技术支撑。由于服务的无形性，其受空间距离的限制较少，特别是物流供应链方案设计与管理、物流系统规划、咨询、市场调研与预测、库存分析与控制、销售预测、物流信息管理、物流金融等物流增值服务可以克服空间距离的约束，为远距离的客户企业提供服务。信息和通信技术的发展使物流企业可以快速且低成本地获取、存储、加工处理及反馈相关信息，并在一定程度上削弱信息不对称的影响，为物流企业空间外溢效应的发挥提供保障。

3.因果累积循环机制

根据新经济地理学理论，一个地区的市场潜能越大，生产率越高，效率工资越低，企业就越会向该地区集聚，而这种集聚又会进一步提高该地区的市场潜能，通过这种因果累积循环机制，该地区会逐渐发展成为经济中心地带，即产业集聚通过因果累积循环机制而扩大本地市场，并最终形成一个增长中心，这个增长中心的发展将会对其他地区产生较强的扩散和回流效应。物流业集聚通过规模经济报酬递增作用、通过累积循环机制逐步形成增长中心，并影响周边地区经济，从而产生外溢效应。

4.集聚的经济效应

产业集聚通过信息分享、中间投入品共享、公共产品负担以及研发联盟等机制产生规模经济效应。物流业集聚的规模经济效应越明显，企业生产效率越高。[22-23]企业生产率的提升可以促进其空间外溢效应更有效的发挥，而空间外溢效应的发挥将进一步促进物流业集聚，其生产效率将进一步提高，这种循环反馈机制使得空间外溢效应持续有效的发挥。

四、实证分析

1.分析方法

（1）空间面板模型的选择

空间滞后模型（SAR）和空间误差模型（SEM）可用来分析多个个体间蕴含的空间相关关系。[24]勒萨日和佩斯（LeSage & Pace）以SAR和SEM模型为基础构建了空间杜宾模型（SDM），并包含了被解释变量和解释变量的空间滞后项。[25]在模型估计之前，需要利用LM以及Robust LM检验来判断SAR或SEM是否比不含任何空间效应的面板模型更合适。[26]如果SAR和SEM之中任意一个成立或

其中，i表示地区（i=1,2,...,N），t表示时间（t=1,2,...,T）；yit是被解释变量；xit为1×k维的解释变量集合，θ与β是k×1维系数向量；wij是(N×T)×(N×T)维非负空间权重矩阵W的元素；δ是空间滞后回归系数；μi、λt分别表示空间效应与时间效应；εit是服从独立同分布的误差项，与解释变量不相关。

对于SDM模型，需用Wald检验来检验两个假设：H01:θ=0和H02:θ+δβ=0。如果检验结果同时拒绝这两个假设，表明SDM模型更合理。如果不能同时拒绝假设H01和H02，则需要结合检验结果与LM检验结果来确定空间面板模型的形式。

（2）直接影响与外溢效应

勒萨日和佩斯[28]指出，采用点估计来检验空间溢出效应所得到的结论是错误的，并提出偏微分求解方法。SDM模型的矩阵形式为：者两者同时成立，都需进一步考虑SDM模型。[27]SDM模型的形式如下：

根据式（2）、（3），在时间点t，Y关于解释变量xik（i=1,2,…,N）的偏微分矩阵如下：

其中：

Sr(W)=V(W)(Irβr+Wθr)；

V(W)=(IN-δW)-1=IN+δW+δ2W2+δ3W3+…

可以得到：

2.数据来源及变量说明

（1）数据来源

本文使用2003～2008年中国大陆地级及以上城市的数据，剔除缺失数据的城市，最后使用265个城市的数据。之所以采用2003～2008年的数据，是因为2003年以前统计口径是“交通运输仓储邮电”，2008年以后各统计年鉴未公布工业增加值数据。所有数据来源于《中国区域经济统计年鉴》（2003-2009）、《中国城市统计年鉴》（2003-2009）、《中国统计年鉴》、《中国城市（镇）生活与价格年鉴》。

（2）变量说明

①被解释变量为全要素生产率累积指数（TFP）、技术效率累积指数（EC）和技术进步累积指数（TP）。本文将全要素生产率分解为技术效率和技术进步两部分来考察提升全要素生产率的途径。在全要素生产率计算中，投入变量为各地区工业固定资产净值年平均余额、年平均从业人数，产出变量为各地区的工业增加值。为消除价格因素的影响，以2002年为基期，固定资产净值年平均余额用固定资产价格指数进行平减，工业增加值则用工业品出厂价格指数进行平减。

②核心解释变量为物流业集聚水平（LOS）。本文以就业人数计算得到的区位商来表示各地区的物流业集聚度：LOSi=Eij/Ej，其中，Eij是i城市物流业的就业人数占i城市年末单位从业人员数的比重，Ej是所有城市物流业的就业人数占所有城市年末单位从业人员数总和的比重。

③本文基于新经济增长与新经济地理等视角引入相关控制变量。工业集聚水平（LQM）和城市化水平（RDI）：根据新经济地理学理论，产业集聚通过知识溢出、劳动力市场及中间投入共享等外部性提升企业效率。集聚经济分为地方化经济和城市化经济，本文用LQM指数测度工业集聚度，该指数反映地方化经济的马歇尔外部性，用区位商来测算：LQMi=，其中，sij是i城市工业产值占i城市总产值的比重，sj是所有城市工业产值占所有城市产值总和的比重；用RDI指数反映不同行业的企业在地区集聚所形成的雅可布（Jacobs）外部性：和sj的内涵同前，本文用各产业的从业人数来计算sij和sj，在计算RDI时，剔除了工业与物流业。①人力资本（HUM）：根据新经济增长理论，以知识、技能为构成要素的人力资本能够提高劳动者对现有技术水平的运用能力，提高生产要素的使用效率。本文用各城市每万人拥有的高等学校专职教师数作为人力资本存量的代理变量。外资比例（FDI）：外商直接投资的溢出效应对工业生产率产生影响，本文用限额以上港澳台投资工业和外商投资工业的总产值占全部限额以上工业企业总产值的比重表示外资比例。交通基础设施（TRANS）：交通基础设施的改善能降低交通运输成本，节约交易费用，并加速知识和信息的传播。本文以各城市每平方公里的公路里程数来反映城市的交通可达性。财政支出比重（GOV）：政府对经济活动的干预影响了市场竞争体系，从而影响工业生产率，本文用扣除教育和科研支出后的财政支出占GDP的比重表示政府对经济的参与程度。

④空间权重矩阵。本文借鉴陈晓玲、李国平[30]的方法构造空间权重矩阵，具体形式如下：

其中，R为地球半径，long、lat分别为各地区的经度和纬度。

（3）变量的平稳性检验

为了降低异方差的影响，本文在实证检验过程中对各变量均取对数。为避免伪回归，本文采用采用LLC和IPS面板单位根检验方法对取对数之后的各变量的稳定性进行分析。表1的检验结果表明，lnTFP、lnLOS、lnLQM、lnRDI、lnHUM、lnFDI、lnTRANS、lnGOV均是平稳序列。

表1　各变量的单位根检验结果

3.空间外溢效应模型及结果分析

（1）全国整体分析

为了选择合适的计量模型，本文首先构建针对工业全要素生产率的不含空间交互作用的计量模型：

ln(TFPit)=α0+α1ln(LOSit)+α2ln(LQMit)+

α3ln(RDIit)+α4ln(HUMit)+α5ln(FDIit)+

α6ln(TRANSit)+α7ln(GOVit)+μi+λt+εit（6）

关于工业技术效率与技术进步的不含空间交互作用的计量模型，需要将模型（6）左边的TFP相应改为EC与TP。检验结果见表2，根据表2中C部分的检验结果，TFP、EC、TP的非空间面板模型的空间固定效应和时间固定效应都具有联合显著性，因而LM检验和Robust LM检验的检验结果也相应在双固定效应模型的基础上得到。为了简洁起见，本文未在表2中给出混合估计模型、空间固定效应模型、时间固定效应模型的LM检验和Ro⁃bust LM检验的检验结果。以TFP为被解释变量的空间面板模型、空间和时间双固定效应下的SAR模型成立（见表2第2列）；对于EC，空间和时间双固定效应下的SAR模型成立（见表2第3列）；对于TP，空间和时间双固定效应下的SAR与SEM模型都成立（见表2第4列）。因此，需要进一步考虑SDM模型，相应的计量模型为：

其中，wij是空间权重矩阵Wecon的元素。关于工业技术效率与技术进步，将模型（7）中的TFP改为EC与TP即可。表3给出了以TFP、EC、TP为被解释变量的双固定效应SDM模型估计结果。根据表3，以TFP、EC、TP为被解释变量的双固定效应SDM模型的Wald和LR检验统计量都在1%的水平下通过检验，故SDM模型更合适。Hausman检验结果表明应拒绝将μi作为随机效应的原假设，固定效应SDM模型更有效。空间和时间固定效应模型的估计采用李和余（Lee & Yu）[31]的纠偏方法进行了修正。

表2　非空间面板模型的估计结果和LM检验

根据表2和表3，表4给出了SDM模型中各变量的直接影响、外溢效应、总效应以及各变量在非空间面板模型中的估计误差和各变量在空间SDM模型中的反馈效应的计算结果。

①分析物流业集聚对工业生产率的空间溢出效应是本文的重点考察内容。关于物流业集聚对工业全要素生产率的影响，首先，在非空间面板模型中，物流业集聚的系数估计值为0.016，但不显著（见表2）；在SDM模型中，物流业集聚对TFP的直接影响为0.008，但不显著（见表4），说明相较于SDM模型的估计结果，在非空间面板模型中，物流业集聚对TFP的影响并不存在被低估或高估的现象（见表4）。其次，在SDM模型中，物流业集聚的系数估计值为0.003，但不显著（见表3），因为其直接影响也不显著，所以物流业集聚对TFP的直接影响中不存在反馈效应。另外，根据表4，物流业集聚对TFP的外溢效应和总效应都显著为正，物流业集聚程度提高1%，会导致周边地区工业TFP提升1.596%，总体上导致工业TFP提升1.605%。同样，关于物流业集聚对工业技术效率的影响，可以得到，相较于SDM模型的估计结果，在非空间面板模型中，物流业集聚对EC的影响同样不存在估计误差；物流业集聚对EC的直接影响中不存在反馈效应；物流业集聚对EC的外溢效应和总效应都显著为正，物流业集聚程度提高1%，会导致周边地区工业EC提升1.313%，总体上导致工业EC提升1.326%。关于物流业对工业技术进步的影响，可以得到，相较于SDM模型，在非空间面板模型中，物流业集聚对TP的影响同样也不存在估计误差；物流业集聚对TP的直接影响中不存在反馈效应；物流业集聚对TP的外溢效应和总效应都不显著为正。

上述结果显示物流业集聚对工业全要素生产率的空间溢出效应和总效应均显著，这说明物流业集聚通过空间外部性对工业生产率提升起到了重要作用。随着信息技术的不断发展，交通基础设施体系的不断完善，信息传输成本和空间运输成本得以降低，促使现代物流业可以在更大空间范围内服务于经济发展。现代物流服务对地理距离的弱敏感性导致了物流服务的地理边界可以在一定程度上摆脱本地市场范围的束缚。而且，技术效率是物流业集聚对工业全要素生产率的空间溢出的路径。可能的原因在于，物流业集聚通过规模经济优势、专业化经济优势，提升了自身的服务效率，进而提高工业企业的运输效率和库存周转率等，并推进工业企业的流程再造，从而提升工业企业的生产技术效率。但可能因为目前中国物流业人力资本与知识资本深化程度有限，信息技术还未得到广泛应用，技术装备整体水平层次还较低，而且物流业与工业之间还未形成紧密的合作模式，导致物流业集聚未能对工业的技术进步产生显著的溢出作用。

表3　含有时间和空间固定效应的SDM模型估计结果（误差纠正）

②关于其他因素，根据表4可得：在新经济地理因素中，工业集聚对工业全要素生产率、技术效率、技术进步的直接影响分别为0.280、0.308、-0.029，且在1%的水平上显著，但都不存在空间溢出效应。而城市多样化经济对工业全要素生产率、技术效率、技术进步的空间溢出效应分别为5.692、3.974、3.000，且均在1%的水平上显著，可见多样化水平高的城市通过物流、金融、科研等生产性服务业为周边地区工业提供了支持。在新经济增长因素中，人力资本水平对工业全要素生产率、技术效率的直接影响分别为0.087、0.089，且均在1%的水平上显著，可以看出人力资本的积累对工业技术效率的贡献是显著的。外资比例对工业技术进步具有显著的直接促进作用，直接影响为0.008，但对技术效率的影响不显著，可能因为中国本土制造业人力资本相对匮乏，技术水平较低，导致尽管FDI提高了技术进步，但仍无法有效地开发利用新技术。交通基础设施对工业全要素生产率具有显著的溢出效应为2.987，且远大于直接影响0.015，这一影响通过技术效率路径得以实现，可见交通基础设施具有很强的空间网络外部性。政府支出对工业全要素生产率具有显著的直接影响和溢出效应，分别为-0.194、5.560，溢出效应远强于直接影响，这一结果表明过大的政府规模会对经济增长造成资源配置扭曲和效率损失。正向空间溢出效应可能在于流动性要素在政府争夺中流向了市场资源配置较高的地区，还可能因为地方政府增加某些正外部性的公共物品，使得本地区的公共物品对相邻地区的工业生产率产生显著的提升作用。

（2）三大地区内部及三大地区之间的实证分析

表4　各变量的直接影响、外溢效应、估计误差及反馈效应

注：*，**，***分别表示在10%，5%，1%的水平上显著；括号内为系数的t统计值。估计误差是指在具有空间相关性的情况下，参数在非空间面板模型的低估或高估，估计误差=（非空间面板模型中变量的系数估计值-空间面板模型中变量的直接影响）/空间面板模型中变量的直接影响；反馈效应反映的是空间面板模型中变量的系数估计值与其直接影响之间的差值，反馈效应=（空间面板模型变量的直接影响-空间面板模型变量的系数估计值）/空间面板模型中变量的直接影响。

本文进一步考察中国东、中、西部三大区域内部及三大区域之间（东中部地区、东西部地区及中西部地区）物流业集聚对工业生产率的外溢效应。各样本的Wecon仍利用城市人均实际收入水平计算得到；三大区域样本对应的地理空间权重Wd的非对角线上的元素变更为各区域内部城市之间的距离的倒数；区域间样本对应的Wd参考理达亚瓦（Ledyaeva）[32]的处理方式。以东中部地区样本为例，若1、2为东部城市，3、4为中部城市，将来自两个区域的城市之间的权重设为距离的倒数，各地区内部的城市之间的权值设为0，如式（8）所示，其中，w13、w14、w23、w24、w31、w32、w41、w42为两两城市之间的距离的倒数。

根据研究需要，本文在表5中仅列出了物流业集聚影响工业生产率的检验结果，可以看出：

①三大区域内部，在东部地区，物流业集聚对工业EC具有显著的正向外溢效应和总效应；对工业TP具有显著为负的直接影响；对工业TFP仅具有显著为正的直接影响。在西部地区，物流业集聚对工业EC具有显著的外溢效应和总效应；对工业TP的三种影响均不显著；对工业TFP的直接影响显著为负，外溢效应和总效应显著为正。在中部地区，物流业集聚通过技术效率路径对工业生产率产生直接影响，没有显著的空间溢出效应。可以看出，东部地区和西部地区内各省份之间的产业关联与知识关联相对更深入。

表5　各空间内物流业集聚对工业生产率影响的估计结果

②各区域之间，东中部地区之间，物流业集聚对工业技术效率的直接影响显著为正，外溢效应和总效应显著为负，这可能因为东部地区邻近国外市场，各方面的历史起点相对较高，拥有优越的地理优势和政策，对中部地区产生了“虹吸”效应，从而对中部地区工业生产率产生负向影响。东西部地区之间，物流业集聚对工业生产率没有产生任何途径上的外溢效应，可能因为西部地区距离东部地区较远，溢出效应无法实现。中西部地区之间，物流业集聚对工业生产率也没有产生任何途径上的外溢效应，可能的原因是两者的经济发展水平都不高，特别是西部地区基础设施相对还比较贫瘠，不利于实现区域间的空间溢出。

五、主要结论与政策启示

本文在分析物流业集聚影响工业生产率的空间外溢效应机制的基础上，利用中国大陆地级及以上265个城市2003～2008年的面板数据，采用空间杜宾模型检验了全国、东中西部三大区域内部、三大区域之间物流业集聚对工业生产率的直接影响、外溢效应、总效应，并将全要素生产率分解为技术效率和技术进步考察了这三种影响的实现路径。主要得到以下结论：

（1）在全国整体层面，物流业集聚通过技术效率路径对工业全要素生产率具有显著的正向空间溢出效应和总效应，物流业集聚程度提高1%，周边地区工业技术效率提升1.313%，工业技术效率提升的总效应为1.326%；物流业集聚程度提高1%，周边地区工业全要素生产率提升1.596%，工业全要素生产率提升的总效应为1.605%；物流业集聚对工业技术进步的外溢效应和总效应都不显著为正。工业集聚、人力资本通过技术效率路径对工业生产率具有显著的直接影响，但外溢效应不显著；FDI通过技术进步路径对工业生产率具有显著的直接影响，但外溢效应不显著；城市多样化经济、政府支出通过技术效率与技术进步路径对工业生产率具有显著的正向外溢效应；交通基础设施通过技术效率路径对工业生产率具有显著的正向直接影响和外溢效应。

（2）在东部地区与西部地区，物流业集聚对工业技术效率具有显著的正向空间外溢效应；而在中部地区，物流业集聚对工业生产率的空间外溢效应不显著。在东中部地区之间，物流业集聚对工业技术效率具有显著的负向外溢效应；而在东西部地区之间与中西部地区之间，物流业集聚对工业生产率没有显著的空间外溢效应。

上述研究结论衍生出来的政策含义有：（1）加强物流业在中心城市的集聚，减少地区之间的各种壁垒，促进物流企业建立跨地区的横向或纵向联系，推动物流企业跨区域合作，通过专业化的物流服务，促进各类生产要素在区域间流动，优化经济资源配置。（2）调整产业空间布局，促进物流业在中心城市的集聚与工业在中心城市外围的集聚，实现中心城市与外围城市之间合理的功能分工，促进中心城市的多样化经济对外围城市工业的支撑。

＊本文受国家社会科学基金项目“我国物流业对制造业外溢效应的检验分析研究”（项目编号：12BJY069）、教育部人文社会科学研究青年基金项目“中国生产性服务业发展的影响因素及其空间效应研究”（项目编号：14YJC790074）、福建省教育厅重点项目“中国生产性服务业发展路径研究——基于契约环境与空间效应视角”（项目编号：JAS14045）的资助

注释：

①包括农林牧渔业，采掘业，电力煤气及水生产供应业，建筑业，信息传输、计算机服务和软件业，批发零售贸易业，住宿餐饮业，金融业，房地产业，租赁和商务服务业，科研、技术服务和地质勘探业，水利、环境和公共设施管理业，居民服务和其他服务业，教育业，卫生、社会保险和社会福利业，文化、体育和娱乐业，公共管理和社会组织从业17个行业。

参考文献：

[1]Bowen J.T..Moving Places：the Geography of Ware⁃housing in the US[J].Journal of Transport Geography，2008 （6）：379-387.

[2]、[10]Jing N.，Cai W.X..Analysis on the Spatial Distri⁃bution of Logistics Industry in the Developed East Coast Area in China[J].The Annals of Regional Science，2010（2）：331-350.

[3]van den Heuvel F.P.，De Langen P.W.，van Donselaar K.H.，Fransoo J.C.. Identification of Employment Concentra⁃tion Areas[J].European Planning Studies，2014a（1）：204-226.

[4]Rivera L.，Sheffi Y.，Welsch R..Logistics Agglomera⁃tion in the US[J].Transportation Research Part A，2014（59）：222-238.

[5]陈建军，陈国亮，黄洁.新经济地理学视角下的生产性服务业集聚及其影响因素研究——来自中国222个城市的经验证据[J].管理世界，2009（4）：83-95.

[6]、[7]、[19]王成金，张梦天.中国物流企业的布局特征与形成机制[J].地理科学进展，2014（1）：314-144.

[8]、[20]千庆兰，陈颖彪，李雁，等.广州市物流企业空间布局特征及其影响因素[J].地理研究，2011（7）：1254-1261.

[9]曹卫东.城市物流企业区位分布的空间格局及其演化：以苏州市为例[J].地理研究，2011（11）：1997-2007.

[11]钟祖昌.空间经济学视角下的物流业集聚及影响因素——中国31省市的经验证据[J].山西财经大学学报，2011 （11）：55-62.

[12]范月娇，王健.海西物流发展与区域经济的空间关联性实证分析——基于空间计量经济分析视角[J].福建师范大学学报（哲学社会科学版），2012（4）：40-45.

[13]Kasarda J.D..The Evolution of Airport Cities and the Aerotropolis[M].in L.Siebert（ed.）Airport Cities：The Evolu⁃tion.Insight Media，London，2008.

[14]De Langen P.W..Clustering and Performance：the Case of Maritime Clustering in the Netherlands[J].Maritime Policy Manage，2002（3）：209-221.

[15]Wu L.F.，Yue X.H.，Sim T..Supply Clusters：a Key to China’s Cost Advantage[J].Supply Chain Management Review，2006（2）：46-51.

[16]、[22]Sheffi Y..Logistics Intensive Clusters：Global Competitiveness and Regional Growth[M].in James Bookbinder （Ed.）.Handbook of Global Logistics（Chapter 19）.New York：Springer Science and Business Media，2013：463-500.

[17]、[23]van den Heuvel F.P.，de Langen P.W.，van Don⁃selaar K.H.，Fransoo J.C..Proximity Matters：Synergies Through Co-location of Logistics Establishments [J].Interna⁃tional Journal of Logistics Research and Applications，2014b （5）：377-395.

[18]王珍珍，陈功玉.我国物流产业集聚对制造业工业增加值影响的实证研究——基于省级面板数据的分析[J].上海财经大学学报，2009（6）：49-56.

[21]Hong J.J..Transport and the Location of Foreign Logis⁃tics Firms：the Chinese Experience[J].Transport Research Part A：Policy and Practice.，2007（6）：597-609.

[24]Anselin L.，Gallo J.，Jayet H..Spatial Panel Economet⁃rics[M].In：the Econometrics of Panel Data，Fundamentals and Recent Developments in Theory and Practice.Third Edition （eds1）.Netherlands：Kluwer，2008：627-662.

[25]、[28]、[29]LeSage J.P.，Pace R.K..Introduction to Spa⁃tial Econometrics[M].Boca Raton，London and New York：CRC Press（Taylor and Francis Group），2009.

[26]Elhorst J.P.，Fischer M.M.，Getis A..Spatial Panel Da⁃ta Models[M].In Handbook of Applied Spatial Analysis（eds1）. Berlin：Springer，2010a:377-407.

[27]Elhorst J.P..Applied Spatial Econometrics：Raising the Bar[J].Spatial Economic Analysis，2010b（1）：9-28.

[30]陈晓玲，李国平.我国地区经济收敛的空间面板数据模型分析[J].经济科学，2006（5）：5-17.

[31]Lee L.F.，Yu J..Estimation of Spatial Autoregressive Panel Data Models With Fixed Effects[J].Journal of Economet⁃rics，2010（2）：165-185.

[32]Ledyaeva S..Spatial Econometric Analysis of Determi⁃nants and Strategies of FDI in Russian Regions in pre- and post-1998 Financial Crisis Periods[R].BOFIT Discussion Pa⁃pers No.15，2007.

责任编辑：方程

The Agglomeration，Spatial Spillover Effect and Promotion of Industrial Productivity of Logistics Industry

LIANG Hongyan

（Fuzhou University，Fuzhou，Fujian350116，China）

Abstract：The author analyzes the mechanism of spatial spillover effect of agglomeration of logistics industry on industrial productivity；the author also analyzes the direct effect，spillover effect and total effect of agglomeration of logistics industry inter- and intra- the eastern，central and western regions on industrial productivity by using panel data of 265 cities in China from 2003 to 2008 and spatial Durbin econometric model. It is showed that，from the national level，the agglomeration of logistics has no significant direct effect on industrial productivity；while it has significant positive spillover effect and total effect on industrial total factor productivity through the path of technological efficiency. Within the eastern and western regions，the agglomeration of logistics has significant positive spillover effect on industrial technological efficiency；while within the central regions，the spillover effect of agglomeration of logistics on industrial productivity is not significant；among eastern and central regions，the agglomeration of logistics has significant negative spillover effect on industrial technological efficiency；while among eastern and western regions and among central and western regions，the spillover effect of agglomeration of logistics on industrial productivity is not significant.

Key words：agglomeration of logistics industry；industrial productivity；direct effect；spatial spillover effect

[作者简介]梁红艳（1985-），女，湖北省仙桃市人，福州大学经济与管理学院教师，管理学博士，主要研究方向为服务经济学。

中图分类号：F263

文献标识码：A

文章编号：1007-8266（2015）01-0032-11