胡玉洲

(惠州学院 经济管理系，广东 惠州 516007)

基于模糊物元的中国城市群物流能力研究

胡玉洲

(惠州学院 经济管理系，广东 惠州 516007)

通过构造基于面板数据的模糊物元模型研究中国十大城市群的物流能力。研究结果表明:中国十大城市群整体物流能力总体呈上升态势，并经历了2次高速增长期;从时间上来看，中国十大城市群物流能力除在个别年份回落外，整体呈现逐年上升趋势，且发展基本同步;从空间上来看，中西部与东部城市群相比物流能力存在较大差距，区域差异明显，发展水平及速度均不及东部城市群。

城市群；物流能力；模糊物元；面板数据

0 引言

实现区域协调发展是中国“十二五”规划的重要战略目标之一。区域经济一体化是应对经济全球化的一种重要战略。随着地理位置相邻的城市之间竞争和合作的深化，区域内主要城市之间呈现网络化联系的特征，形成产业分工与合作，通过资源的共享创造协同效应。目前,中国区域竞争主要表现为各都市圈之间的整体竞争,而不是过去的那种单个城市之间的竞争[1]。城市群是一个具有动态演进特征的开放系统，其动态发展和区域格局变化造成了城市群之间边界的模糊性[2]。随着区域经济的发展和产业分工的深化，城市之间的经济联系和相互依存日趋紧密。城市群是在城镇化过程中，在城镇化水平较高的地域内，以区域网络化组织为纽带，由一个或若干个地理位置邻近的中心城市及其周边城市和其腹地通过空间相互作用而形成的区域经济系统。城市群的出现是生产力发展到一定阶段生产要素资源在区域内逐步优化配置的产物，是区域内出现的空间上高度密集、经济社会紧密联系的复杂空间组织形式，其最显著的特征就是集聚[3]。从世界发达地区城市化历程的经验来看，如伦敦城市群、巴黎城市群、纽约城市群、五大湖城市群和东京城市群等，城市群的出现是经济社会发展到一定阶段的必然产物，城市群能够突破资源的区域和行政区划制约，形成以中心城市为核心、周边城市为补充的阶梯状网络，城市群内部逐步形成产业分工，各个城市发展自身的优势产业参与区域合作，通过中心城市的扩散效应和周边城市的支持，实现资源的优化配置，促进区域的发展。

随着中国城市化的发展，区域内部相邻城市之间的分工和合作促进了城市群的出现和发展。据《2010中国城市群发展报告》，中国正在逐步发育和形成23个城市群，其中，长江三角洲城市群已跻身于国际公认的6大世界级城市群之列[4]，珠江三角洲、京津冀等14个城市群初具规模，中西部一些新兴崛起的城市群正随着中国中西部经济的快速发展逐步壮大。目前，中国已形成以长江三角洲城市群为龙头，京津冀和珠江三角洲城市群为两翼，东部、中部和西部全面推进的城市群发展格局，为中国新型城镇化发展奠定了良好的基础。在城市化的进程中，物流产业承担着重要的作用，物流业的崛起和发展缩短了城市之间的时间距离，扩大了城市之间的联系空间。微观层面上，时空因素作为资源和经营背景在很大程度上决定并约束着厂商的利润[5]，高利润吸引资源在城市群之间的聚集，从而有利于产业的培育和发展。宏观层面上，物流的时空价值对于区域产业的集聚和分工起着重要的作用，物流是资源交换最终得以实现的载体。区域物流能力决定了城市群资源配置的成本和效率以及城市群内部各城市之间时空联系的紧密程度，很多研究肯定了物流能力对于区域经济增长的贡献[6-9]。在城市群的形成发展过程中，物流在城市之间起着重要的连接作用，物流能力越强，城市之间的联系越紧密，人流、物流、商流、资金流和信息流效率越高，从而缩短城市之间的时空距离。因此，物流能力是城市群得以形成和发展的基础。

现有关于城市群的研究主要以单个城市群为评价对象，鲜有对中国城市群整体进行评价的成果[10]。已有文献缺少对主要城市群物流能力的研究，且多重视案例实证，缺少区域比较分析。这与中国目前物流产业发展实践和所处发展阶段相关。已有研究对沿海三大城市群特别是长三角城市群的个案较多，区域范围局限在东部沿海区域，缺少不同区域的比较分析[11]。另外，从实践的视角来看，中国长期非均衡的发展模式使得区域之间物流发展水平存在不平衡性，体制性障碍使物流业缺乏统一规范管理，设施建设未经统一规划，城市物流系统之间没有顺畅的衔接[12]，对城市群发展未能起到应有的支撑作用。因此，研究中国城市群的物流能力并进行比较不仅可以从理论上弥补现有文献的不足，而且可以从实践上为城市群的发展提供参考依据。

1 研究方法

1.1 物元和模糊物元

在物元分析中，将事物M、特征C和对应的量值x称为物元的三要素，记为R=(M，C，x)。若事物M有n个特征C1，C2，…，Cn及相应的量值x1，x2，…，xm，则构成m个事物的n维复合物元，记为：

(1)

(2)

(3)

其中，maxxij为各事物的第j项特征所对应的所有量值xij中的最大值；minxij为各事物的第j项特征所对应的所有量值中的最小值。

根据从优隶属度计算得到式(1)对应的m个事物的n维模糊复合物元为：

(4)

(5)

1.2 权重和欧氏贴近度复合模糊物元

在计算评价指标权重时，文献中较常用的方法有变异系数法和熵值法，这2种方法能够避免主观因素的影响，本研究采用熵值法。在信息论中，信息是系统有序程度的一个度量，而熵是对系统无序程度的度量，二者为相反数关系[13]。指标对系统的信息量贡献越大，不确定性就越小，熵也就越小；相反，指标对系统的信息量贡献越小，不确定性越大，熵也越大。在指标评价的过程中，熵值的大小取决于评价指标值的变异程度。评价指标值的变异程度越大，该指标对系统的信息量贡献就越大，熵值就越小，权重越大。反之，指标值变异程度越小，该指标对系统的信息量贡献就越小，熵值就越大，权重越小。熵值法的计算过程为：

首先，将初始矩阵R=(xij)mn进行归一化处理，得到归一化的判断矩阵B=(bij)mn。

(6)

其次，根据信息熵的定义，确定m个评价事物的n个评价指标的熵为：

(7)

再次，计算评价指标的熵权：

(8)

最后，采用先乘后加来计算欧氏贴近度(ρHj)及复合模糊物元(RρH)：

；

(9)

(10)

贴近度衡量各事物与最优事物之间相互接近的程度，其值越大说明该事物越接近最优事物，可以根据贴近度的大小对各事物进行比较。

1.3 面板数据模糊物元

模糊物元分析法可用于多个事物(样本)的截面数据或者单个事物的时间序列数据(将时间视为事物)来进行比较排序。一般而言，物元分析法不能直接应用于面板数据，这是因为在面板数据中，对于每个事物而言，有时间(通常是年度)和指标2个维度，以样本为事物、指标为特征计算得到的各年度的欧氏贴近度只能进行跨样本比较，不能进行跨年度比较；同样，以时间为事物、指标为特征计算得到的各样本的欧氏贴近度只能进行跨年度比较，不能进行跨样本比较。原因在于，以一个维度为事物建立的模型，在按从优隶属度原则建立模糊物元的过程中，会消除另一个维度上事物间的绝对差异(组间差异)；其次，按一个维度建立模型，若按另一个维度进行比较，会导致各个比较事物在不同指标上的权重各不相同，实则不具有可比性[14]。

然而使用面板数据的优势是众所周知的，面板数据可以提供更加有价值的数据，增加变量之间的多变性，减少共线性，提高自由度有效性；可以更好地检测和度量单纯使用截面数据或时间序列数据无法观测到的影响；可以同时进行跨样本和跨时间的比较。事实上有一种变换方法可以将物元分析法应用于面板数据，即运用降维思维，把面板数据降维成截面数据，将不同年份的事物作为新的“事物”纳入到原有的n维复合模糊物元Rm×n中，构造如下复合模糊物元：

(11)

式中：Rm×n(y)为m个事物的y年n维复合模糊物元，本研究称其为面板数据复合模糊物元；Mi(y)为第y年的第i个事物(i=1，2，…，m)；y为年份(y=1，2，…，t)；Cj为第j个特征(j=1，2，…，n)；xij(y)为第y年第i个事物第j个特征对应的量值。

显然，Rm×n(y)的欧氏贴近度与一般模糊物元并无分别，因而在按从优隶属度原则建立模糊物元时，吸收了时间和事物2个维度的信息，避免了消除组间差异，另外，不同年份的“事物”在特征上获得了一致的权重。

1.4 研究对象、指标及数据来源

选取中国发育较为成熟且研究较多的十大城市群为研究对象(表1)。选取客运总量(C1)、货运总量(C2)、邮政业务总量(C3)、年末实有城市道路面积(C4)、年末实有公共汽(电)营运车辆数(C5)、交通、仓储及邮电业从业人员(C6)6个指标构建城市群物流能力。城市群数据由其所包含城市汇总而成。数据来源于国研网和中经网统计数据库，数据时段区间为2002—2013年。其中，东莞市从2008年开始没有“年末实有城市道路面积”的统计，佛山市也缺失2013年的该数据，湖州市缺失2013年邮政业务总量，本研究用3期移动平均法进行了估算。长江中游城市群缺少仙桃、潜江、天门三市的相应数据，但是考虑到这3个城市的物流能力和经济规模对长江中游城市群的总体贡献不大*2013年仙桃、潜江、天门3个城市的GDP仅占长江中游城市群GDP的5.57%，人口总数仅占长江中游城市群总人口的6.68%。，影响相对有限，长江中游城市群中并没有包含这3个城市的数据。另外，以1978年为基期用GDP平减指数对邮政业务总量进行了平减以消除价格因素的影响。

2 研究结果

首先，计算6个指标的熵权，根据式(5)～(8)计算得到熵权向量为：

ωi=(0.18，0.12，0.23，0.13，0.15，0.17)T,

(i=1,2,…,6)。

由此可见，客运总量、货运总量、邮政业务总量、年末实有城市道路面积、年末实有公共汽(电)营运车辆数、交通和仓储及邮电业从业人员6个指标的熵权位于0.12～0.23之间，差异并不大。熵权最大的指标为邮政业务总量，最小的指标为货运总量。相对而言，客运总量、邮政业务总量和交通、仓储及邮电业从业人员3个指标对城市群物流能力贡献较大，共解释了物流能力的58%。但需要说明的是，熵权并不指示某项指标在物流能力上的重要性系数，仅仅说明该指标在物流能力上提供有效信息的多寡程度。因此，不能根据熵权大小来判断各个指标的重要程度。

表1 中国十大城市群及其空间范围

其次，为进一步考察6个指标对各城市群物流能力的贡献度，分别计算各城市群6个指标的熵权(表2)。其中，成渝城市群、关中城市群、海峡西岸城市群、京津冀城市群、辽中南城市群和中原城市群的客运总量和货运总量2个指标的熵权较大，分别解释了各自城市群物流能力的47%，59%，44%，56%，42%，49%；山东半岛城市群和珠三角城市群客运总量和邮政业务总量分别解释了各自城市群物流能力的46%，59%；长江中游城市群货运总量和邮政业务总量共同解释了物流能力的41%；长三角城市群客运总量、货运总量和年末实有公共汽(电)营运车辆数3个指标共同解释了物流能力的66%。因此，从评价指标对物流能力的贡献来看，不同城市群之间存在个体差异。

表2 中国十大城市群各指标熵权

最后，根据式(2)～(5)和式(11)计算得到2002—2013年十大城市群的欧氏贴近度即物流能力值(表3)。表中最后一列总体均值是将十大城市群视为一个整体计算得到的欧氏贴近度，而不是十大城市群的欧氏贴近度的简单平均。

表3 中国十大城市群欧氏贴近度

说明：括号内数字为当年城市群物流能力排名。

从总体来看(图1)，除2013年外，十大城市群整体物流能力基本上呈逐年增长的态势，但是，2006年基本上没有增长，并且，2013年出现了下降趋势。原因可能在于，2006，2013年，邮政系统体制改革，实行政企分开，原有一部分人员纳入公务员编制使得从业人员的统计数量减少。另外，2013年，受到快递业务迅速增长的冲击，邮政业务中的函件、包裹业务量均出现大幅下降，使邮政业务量下滑较大。2002—2013年，十大城市群整体物流能力经历了2次高速增长期，分别是2007—2009，2010—2012年，从2008年开始保持高速增长。

图1 中国十大城市群整体物流能力

从个体来看(图2)，海峡西岸和京津冀城市群物流能力都在2006年出现了小幅下降；长江中游城市群和珠三角城市群物流能力分别在2012，2007年出现下降。除此之外，关中城市群、海峡西岸城市群、辽中南城市群和山东半岛城市群则呈逐年稳步上升趋势。从城市群物流能力排名来看，长三角城市群一直稳居第1位，京津冀城市群在2011年前一直位居第2位，但在2011年被珠三角城市群超越；与之相反，珠三角城市群在2011年前一直位居第3位，在2011年超过京津冀城市群后位居第2位；第4，5位分别由成渝城市群和山东半岛城市群占据；第6，7位则由长江中游城市群和辽中南城市群交替占据；海峡西岸城市群2009，2010年跌至第10位，2011年开始又上升到第9位；与之相对应，关中城市群除2009，2010年上升到第9位外，其他年份一直位居于第10位。

图2 中国十大城市群物流能力

从区域来看，东部城市群中除海峡西岸因规模较小(所含城市数量与关中城市群并列最少)排名较低外，其他城市群位居前列；中西部城市群中除成渝城市群排名较为靠前外，其他城市群排名靠后，反映了中西部城市群物流能力与东部相比仍然较弱。

3 结论

构造面板数据的模糊物元分析模型，运用该模型测算了中国十大城市群的物流能力，并对数据结果进行比较和分析。1)由于数据存在组间差异和权重的不一致性，在直接使用模糊物元进行面板数据分析时应该相当谨慎。一般而言，以样本为事物、指标为特征计算得到的各年度的欧氏贴近度只能进行跨样本比较，不能进行跨年度比较；同样，以时间为事物、指标为特征计算得到的各样本的欧氏贴近度只能进行跨年度比较，不能进行跨样本比较。本研究所构造的面板数据模糊物元模型可以有效地避免上述问题，使计算得到的欧氏贴近度具备了跨样本和跨年度比较的意义，该模型思路非常简单，计算过程与一般方法一样。2)受到邮政系统体制改革的影响，中国十大城市群整体物流能力在小幅振荡中呈上升趋势，分别在2007—2009，2010—1012年经历了2次高速增长，但在2013年出现下滑的趋势。3)中国十大城市群物流能力排名相对稳定，长三角城市群、成渝城市群、山东半岛城市群和中原城市群始终居于第1，4，5，8位，其他城市群物流能力的位次变化也不大，说明中国十大城市群物流能力基本上是同步发展的。4)各城市群之间存在明显的区域发展差异，东部城市群的物流能力较强，中西部物流能力较弱，且发展速度不及东部城市群。未来，东部与中西部的物流能力差距可能会越来越大，区域发展的不平衡性更加明显。

[1] 魏后凯.大都市区新型产业分工与冲突管理——基于产业链分工的视角[J].中国工业经济,2007(2):28-34.

[2] 周惠来,郭蕊.中国城市群研究的回顾与展望[J].地域研究与开发,2007，26(5):55-60.

[3] 邬丽萍,刘文婷.城市群形成演化：基于专业化、多样化的解释与实证[J].经济问题探索,2012(1):7-13.

[4] 方创琳,姚士谋,刘盛和.2010中国城市群发展报告[M].北京:科学出版社,2011.

[5] 荣朝和.交通-物流时间价值及其在经济时空分析中的作用[J].经济研究,2011(8):133-146.

[6] 王利,王瑜,李德旭.区域经济发展与物流的关系研究——基于省级面板数据的实证分析[J].经济与管理,2012,26(8):93-96.

[7] 张梅青,周叶,周长龙.基于共生理论的物流产业与区域经济协调发展研究[J].北京交通大学学报：社会科学版,2012,11(1):27-34.

[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] 杨志梁,张雷,程晓凌.区域物流与区域经济增长的互动关系研究[J].北京交通大学学报：社会科学版,2009,8(1):38-40.

[10] 史进,黄志基,贺灿飞.城市群经济空间、资源环境与国土利用耦合关系研究[J].城市发展研究,2013,20(7):26-34.

[11] 郭建科,韩增林,仉培宏.中国城市群物流研究述评[J].地域研究与开发,2011,30(1):51-54.

[12] 王发曾,王新涛.我国城市群发展中的物流、信息流整合[J].地域研究与开发,2010,29(3):1-5.

[13] 谢赤,钟赞.熵权法在银行经营绩效综合评价中的应用[J].中国软科学,2002(9):109-111.

[14] 高新才,丁绪辉,高新雨.基于模糊物元方法的西北五省区物流能力评价研究[J].新疆社会科学,2014(1):31-37.

Logistics Capabilities of Chinese Urban Agglomeration Based on Fuzzy Matter-Element

Hu Yuzhou

(Department of Economics and Management, Huizhou University, Huizhou 516007, China)

This paper studied the logistics capabilities of China’s top ten urban agglomerations by constructing a fuzzy matter-element model based on panel data, research results show that the overall logistics capabilities of China’s top ten urban agglomerations rise in a small oscillation and experienced a period of rapid growth twice. From the time point of view, the logistics capabilities of China’s top ten urban agglomerations also rise year by year except several years, and their development are synchronous. From the space point of view, there is a big gap with respect to logistics capabilities between midwest urban agglomerations and eastern urban agglomerations, regional differences are significant, meanwhile, the development level and speed of midwest and eastern urban agglomerations are far behind eastern urban agglomerations.

urban agglomeration; logistics capabilities; fuzzy matter-element; panel data

2013-10-04；

2015-10-14

广东省教育厅青年创新人才类项目(人文社科类)(2014WQNCX152)

胡玉洲(1979-)，男，湖北安陆市人，讲师，博士，主要从事区域物流与城市物流研究，(E-mail)8707480@qq.com。

F252.8

A

1003-2363(2016)01-0005-05