曾倩琳

（1.福州大学经济与管理学院，福建福州350108；2.福建江夏学院工商管理学院，福建福州350108）

信息化发展对物流业生产率的空间溢出效应

曾倩琳1、2

（1.福州大学经济与管理学院，福建福州350108；2.福建江夏学院工商管理学院，福建福州350108）

基于2003—2013年我国30个省、市、自治区的面板数据，分析信息化发展水平与物流产业生产率之间的关系，首先通过计算两者的莫兰指数，确定二者存在空间相关性，在此基础上选择空间杜宾模型实证检验信息化发展对物流业全要素生产率的空间溢出效应。结果表明，信息化发展在提升本空间单元物流业全要素生产率的同时，能够通过空间外溢效应推动相邻空间单元的物流业全要素生产率提升，且外溢效应的系数远远高于直接效应系数。鉴于此，各区域政府须加强信息化在物流中的应用，更应突破影响信息化空间外溢效应发挥的各种约束，重视影响物流业全要素生产率各因素表现出的“马太效应”，避免效率损失，有效发挥它们对物流业全要素生产率的空间溢出效应。

信息化发展；空间溢出；物流业全要素生产率；空间杜宾模型

一、引言

2015年十二届全国人大三次会议提出“互联网+”行动计划，明确提出“充分发挥互联网在生产要素配置中的优化和集成作用”，这是在知识社会信息经济时代下，继“两化融合”“四化同步”后，又一加快信息化进程、推动经济社会发展转型的重要举措。信息化发展进程中的各种表现融合于经济社会各领域之中，为各产业的智能化提供支撑，其中，现代物流可以说是信息技术应用非常普遍并较为成熟的行业，而在某些发达国家，物流企业已然成为信息密集型企业。物流业作为生产性服务业的重要支柱，是我国的十大振兴产业之一，其生产率的高低牵动其他行业乃至国家的经济发展，不同国家物流业的生产率存在很大差异，在全球制造业生产率存在趋同的态势下，这一状况使得物流业的发展成为衡量国家竞争力的重要指标之一。

信息经济时代，物流业全要素生产率的影响因素不再局限于资产、人力等传统的生产要素，还受到信息这一要素的影响，信息作为当代知识、技术典型的代表，逐渐成为各行业生产要素配置的重要组成部分。信息技术与生产率的关系，历经了索罗（Solow）［1］“生产率悖论”的支持［2］、中立［3-4］及其反对［5-6］，时至今日，信息作为现代经济有效运行的重要基础，对生产率的正向影响毋庸置疑。在衡量信息对物流业生产贡献时，不能忽视信息网络效应的发挥。信息具有很强的空间网络特征，一个地区信息化的发展对周边地区经济发展会产生正向的空间溢出效应，如果忽略其他地区与本地之间的相互作用关系，就难以准确衡量信息对经济发展的效应。因此，有必要研究信息对我国物流业全要素生产率的空间溢出效应，以便为相关的政府部门和物流企业提升物流生产率提供决策参考。

二、相关文献述评

在物流业生产效率方面，国内外学者基于区域、行业、企业等角度，运用不同的方法对物流的投入产出效率进行研究。如戈登（Gordon）［7］以美国公路、铁路及航空具体不同的运输业为对象，分析其效率，并通过时间序列的构建研究其生产率增长的特点；周（Zhou）等［8］运用数据包络分析（DEA）模型评价了10个第三方物流上市企业的运作效率；艾略特（Elliot）等［9］评估了美国物流企业的运营效率，并分析了相关效率的影响因素；闵（Min）等［10］以北美24家第三方物流公司为对象，利用DEA-CCR模型对其效率展开分析；艾森（Ehsan）等［11］则运用DEA模型对第三方物流企业逆向物流的效率进行评价并选择相应的服务商。国内方面，有关物流业全要素生产率的研究也日益增多，贺竹磬等［12］采用DEA方法对我国31个省市自治区物流业的相对有效性进行了测算；田刚等［13-14］针对不同的区间段，用不同的计量模型对中国各地区物流业技术效率进行了考察；刘秉镰等［15］运用两种分析模型，对我国29个省市自治区的物流业效率及其影响因素进行了分析；王维国等［16］基于省际面板数据，利用生产率指数方法测算了我国的物流业效率，并分析了外部营运环境条件对其变化的影响；姚娟等［17］同样采用DEAMalmquist模型实证分析了2000—2008年我国30个省市自治区的物流业效率；而张立国等［18］从能源效率出发，实证分析了中国物流业全要素能源效率的动态变动和区域差异情况；其他学者如金春雨等［19］、唐鑫［20］、袁丹等［21］、吴旭晓［22］则研究了某一特定区域物流业的生产效率。

信息化与物流两者的关系日益受到学者的重视。国外学者或是从信息技术角度出发，或是基于供应链角度研究信息化的作用与影响。学者卢凯斯（Lucas）［23］早在1993年就检验了信息技术融入物流是有效管理成功的关键因素；班尼斯特（Banister）［24］指出在服务和知识经济下信息技术对运输的影响，并以此来提高运输效率；卡特丽娜（Katrina）［25］基于国际供应链，通过37个小样本数据验证了物流信息技术应用对企业内部和外部绩效的作用，为企业正确评估信息技术投资价值提供机制；帕梅拉（Pamela）等［26］利用155家企业数据检验了无线射频识别（RFID）技术和信息共享对供应链绩效的作用；格奥尔基（Gheorghe）［27］分析了信息化重组世界经济与市场、重新定义商业模式下，信息化对物流的影响，并指出忽视信息化的物流企业最终会消亡；乔伊（Choy）等［28］调查了香港和珠江三角洲210家物流企业，利用结构方程模型分析了信息技术对企业物流服务质量及其竞争力的影响；索丽娜（Sorina）［29］则从技术上开发了基于代理的模型模拟实时信息的作用，以测试实时信息使用对交通状况的影响。国内也有一些相关研究，例如，刘有鹏［30］认为信息化与现代物流相互作用共同发展；王静［31］分析了信息与物流两个产业之间的交互关系；何玉华等［32］利用2002—2010年区间中国31个省份的面板数据，分析了信息化与物流的关系，曾倩琳等［33］运用灰色关联模型对我国31个省市自治区2003—2012年的信息业与物流业面板数据进行分析，并测试了两者的关联度和耦合度。

上述文献对物流业全要素生产率、信息化与物流关系进行了具有广度和深度的研究，但同时也有不足之处：针对中国各区域物流业全要素生产率的差异，在分析其影响的环境因素时，大多数学者侧重于物流业聚集、地区GDP、市场化水平、政府支持、开放程度等方面，忽略了信息化的作用。对于信息化与物流关系的研究，学者主要囿于信息化对物流企业、供应链的绩效影响，鲜有信息化对物流业全要素生产率影响的研究。即使分析了信息对物流业发展的溢出效应和对物流业全要素生产率的影响［34］，也是基于时间序列数据或面板数据，借助一般的计量经济学方法进行，在这一过程中忽略了信息化的本质特征，即网络效应的发挥。信息化渗透于社会经济不同领域，其网络效应在空间上的扩散最为明显与直接，传统的计量经济学建模与估计方法无法将其体现出来。因此，针对信息化网络效应对物流行业领域的影响，以便于正确衡量信息化对物流业全要素生产率的贡献，本文在测算2003—2013年间我国30个省市自治区物流业全要素生产率的基础上，利用地理信息系统，借助目前能有效度量各空间主体间互动和溢出效应的空间计量方法，对信息化发展水平、空间网络效应与物流业全要素生产率的关系与作用进行实证研究。

与已有研究相比，本文有以下几点不同：其一，以信息化发展水平为考察对象，分析其对物流业全要素生产率影响的文献相对较少，大多数研究物流业全要素生产率的文献聚焦于其他变量因素，即使有文献衡量了信息技术对物流业全要素生产率的贡献，但忽略了信息化的空间网络效应，从而导致估计偏误，本文试图基于空间溢出效应视角来考量信息化发展对物流业全要素生产率的影响。其二，为避免信息化空间溢出效应在要素投入中被内部化，使其溢出效应独立出来，同时可以减少实证检验存在的内生性，本文的被解释变量设定为全要素生产率（TFP），而非真实产出。其三，信息化发展使得信息和知识传递的时空阻碍大幅降低，把各地区的经济活动紧密联系在一起，基于信息技术设施的网络基础设施特性，本文运用空间计量经济学理论时，通过引入信息化发展指数来定义空间权重矩阵，赋予其新的经济意义，从而考察地区之间可能的空间溢出效应，揭示信息化发展水平对物流业全要素生产率溢出效应的影响。

三、理论分析框架

（一）信息化发展影响物流业全要素生产率的机制

信息化发展对物流业全要素生产率的影响，一方面，表现为作为要素投入的内生变量促进物流业产出；另一方面，因为其溢出的效应影响物流业产出，信息的网络效应推动了人力、资金等要素的流动而产生了空间效应。

首先，内生经济增长理论认为，技术进步作为内生变量，是促进经济增长的主要因素之一。信息技术是当代科学技术的典型代表之一，地位日益重要，在信息飞速发展和“互联网+”时代，信息技术已然作为社会经济各项活动中物质、资金、人力等以外的又一大能源投入生产运营中，降低了劳动力成本、促进了信息知识共享，成为社会经济发展的要素之一。除了传统的生产要素，在物流业全要素生产率提高、产业结构升级过程中，信息也是其最主要的动力和支柱，并成为经济增长的内生动力，因此，信息投入对物流业全要素生产率的增长具有直接影响。

其次，信息化发展指数（Information Develop⁃ment Index，IDI）是我国评价国家或地区信息化发展水平的综合指标，根据该指标的测算结果，2013年我国31个省市自治区的信息化水平被划分为高、中高、中等、中低、低五个水平，这正是空间经济分布的非均匀或非随机导致的空间异质表象。早已有学者指出，信息技术对区域和城市间经济的空间组织结构、经济相互作用产生了重要影响。由于信息技术的物质载体和活动本质具有的“网络”特性［35］，信息化发展使得各区域彼此逐渐形成更紧密的空间联系结构，在各地区加快信息化发展的进程中，水平较低地区的信息化发展更多源于信息化程度较高地区的扩散与空间外溢效应，且该效应倾向于优先从相邻地区开始渗透扩散。因此，作为信息技术使用最为普遍和较为成熟的领域，我国31个省市自治区物流业全要素生产率受信息化发展的空间溢出效应的影响。

再次，信息技术设施作为新的基础设施，具有网络效应的特性，从而形成了互联互通的信息大通道，让新经济的信息、知识在各区域的传递和交流突破了时间、空间上的障碍，一定程度上减缓了空间距离摩擦，使得信息交流更加频繁。由于信息化的这种网络特质及其信息产业关联引起的其他要素流动效应，在我国各省市自治区信息化发展水平存在空间差异的情况下，信息化的网络效应推动了社会资本、劳动力等要素进行跨区域流动，让作为生产要素的资本、人力等表现出聚集和扩散效应，这种信息化发展水平差异驱动生产要素流动的现象也正改变着物流业的运营和发展模式，导致物流业产出发生变动时也影响了其对应的全要素生产率。

（二）分析方法

1.全要素生产率

本文采用DEA中非参数的Malmquist指数法计算物流业全要素生产率（TFP），根据费尔（Fare）对该指数的强化，可以分解为技术进步（TC）和技术效率（EC）两项的乘积，计算公式如下：

即：

2.空间相关性检验模型

安塞琳（Anselin）认为，经济体内不同区域间经济增长过程中存在空间自相关性，通常用莫兰（Moran）指数I或吉尔里（Geary）指数C测度空间自相关性分析，本文选取莫兰指数（Moran's I）检验我国30个省市自治区与其各自邻近地区在物流业全要素生产率变化方面是相似、相异还是相互独立。其计算公式如下：

式中，n是研究区内地区总数，Yi表示研究区内第i个地区的统计指标，Wij是空间权重，Y_和S2分别为样本的均值和标准差。其中，Moran's I∈［-1，1］，当Moran'I∈［-1，0）时表示负相关，且越靠近-1，聚集的是相异属性类，Moran's I∈（0，1］表示正相关，越接近1时表明相似属性的集聚，如果Moran's I=0或接近于0，表示不存在空间自相关性或属性随机。

3.空间面板模型

空间计量经济学具有空间异质性、相关性特征，打破了最小二乘法独立同分布的假定，空间计量模型一般有空间滞后模型（SAR）、空间误差模型（SEM）、空间杜宾模型（SDM）。本文采用空间杜宾模型（SDM），显示在因变量与扰动项中出现的空间依赖性和不确定性，及其变量和解释变量的空间滞后，计算公式如下：

式中，Yit、Xit分别是第i个地区在t时间的被解释变量和解释变量，α是常数项，β是解释变量的参数，Wij是空间权重反映被解释变量和解释变量的空间滞后，ρ、θ为其对应参数，ui、λt反映空间和时间效应，εit为误差项。

四、数据来源与变量说明

本文选取2003—2013年中国大陆30个省、市、自治区（西藏因数据原因未选取）作为实证检验样本，相关原始数据来源于历年的《中国统计年鉴》《中国信息统计年鉴》，以及中国知网中国经济与社会发展统计、万德资讯、中国经济信息网等数据库。

（一）被解释变量

被解释变量是物流业全要素生产率，本文采用DEA中非参数的马姆奎斯特（Malmquist）指数法计算。由于我国产业分类体系中未单列“物流产业”，参照大多数文献的做法，本文采用交通运输、仓储及邮政业相关数据之和代替物流业，相关原始数据可从历年的《中国统计年鉴》获取（因西藏自治区数据不全予以剔除）。

计算物流业全要素生产率时，本文将“交通运输、仓储及邮政业”生产总值（经各个省份第三产业价格指数调整）作为产出，物质资本存量和劳动力作为投入。其中物质存量采用“永续盘存法”来衡量，即：

式中Kt和Kt-1分别为第t年和第t-1年的不变价资本存量，δt为第t年的折旧率，It为第t年的名义投资额。其中，初始资本存量和投资缩减指数都以2003年为基年，对于基年资本存量，本文借鉴靖学青［36］的做法，按照公式计算，0.05为折旧率，gi为i省在2003—2013年物流业产值的年均增长率；对于δt，借鉴宋海岩等［36］的做法，将其确定为δt=全国折旧率+git。

（二）解释变量

核心解释变量：信息化发展指数（IDI）最早是国际电信联盟（ITU）将数字机遇指数和信息化机遇指数两个重要的信息化评价指数综合而成全面反映信息化发展水平的评价指标。我国“十一五”信息化规划时引入编制了该指数，后优化为由5个分类指数和12个具体指标构成，从基础设施、产业技术、应用消费、知识支撑、发展效果五个方面综合测量和反映国家或地区信息化发展总体水平。该变量的原始数据可从国家统计局编制的《中国信息年鉴2015》获取（因最新数据截止于2013年，故样本期间选定为2003—2013年）。

控制变量：本文基于新经济地理、新经济增长等视角，参考已有文献，引入相关控制变量（如表1所示）。相关原始数据来源于历年的《中国统计年鉴》、中国知网中国经济与社会发展统计数据库及万德资讯、中国经济信息网等数据库。

据此，30个省市自治区11年共330个观测数据的统计概况如表2所示。

（三）空间权重

空间权重矩阵可以反映空间对象的邻接关系，各文献常用空间距离和经济距离进行分析。近年来，随着网络经济的崛起与迅速发展，有专家学者指出，区域经济发展的模式日益受其经济结构影响，故在信息化的作用下，区域之间的空间经济联系更为紧密，而各地区的信息化发展程度越高，物流业全要素生产率提升的可能性越大，受到临近地区信息化水平的影响越大。为客观表现信息化发展的空间溢出效应，本文基于能综合反映信息化发展状况的信息化指数构建如下空间邻接矩阵：

式中rij为i、j两地的地理距离，Ii为城市i的信息化发展水平，本文用信息化发展指数衡量。对该矩阵进行标准化变换使各行元素之和为1，以避免单位影响实证结果。

五、实证分析

（一）空间自相关性检验

表1　控制变量说明

表2　观测数据的统计信息

表3　2003—2013年我国物流业效率的莫兰指数检验

我国30个省市自治区物流业全要素生产率增长和信息化发展的全局莫兰指数，计算结果如表2和表3所示。Moran’s I统计量均为正值，且通过了显著性检验，表明我国物流业效率和信息化发展在空间上均存在不同程度的空间自相关，表现出“相近相似”的特征。从数值演变来看，物流业效率和信息化发展的莫兰指数先升后降，呈现山峰形态，说明在信息网络效应作用下，各地区的联系日益紧密，表现出一定程度上的趋同性，故受其邻近地区的影响逐渐变小，指数下降。可见，本文利用空间计量方法进行实证研究具有其实际意义，如果忽视样本的空间效应会导致模型有偏差，得出缺乏应有解释力的结果。

（二）模型结果分析

1.全国整体分析

构建如下非空间面板数据模型，对各变量的稳定性进行检验以避免伪回归，经LLC和IPS面板单位根检验方法检验，各变量均是平稳系列（本文限于篇幅不予详列）。非空间面板模型参数估计检验结果如表5所示。

从表5的检验结果可以看出，统计量在1％的显著水平下拒绝不存在被解释变量空间滞后项的原假设。故物流业全要素生产率的分析需采用考虑空间交互作用的模型，似然比（LR）检验结果如表6所示，联合显著，故可建立双向固定效应模型。

进一步建立空间杜宾模型，物流业全要素生产率空间杜宾模型如下：

空间杜宾模型估计结果如表7所示。

根据表7中第三列的SDM估计结果，可得出Hausman检验统计量为31.8280，在1％的水平下拒绝了原假设，即空间不随机。以物流业TFP为解释变量的双固定效应的SDM模型的Wald和LR检验都在1％的水平下显著，通过检验，故选择SDM模型进行分析。

表4　2003—2013年我国信息发展指数的莫兰指数检验

表5　非空间面板模型估计

表6　固定效应联合显著性检验

根据上述表格，表8给出各变量对物流业全要素生产率的直接效应、溢出效应和总效应，以及估计误差和反馈效应的计算结果。

表7　包含空间固定效应模型的SDM估计

表8　时间空间固定效应SDM模型的各效应

双向固定效应空间杜宾模型的纠偏估计结果显示，我国各省份的物流业全要素生产率不仅受本省（市、自治区）如信息化发展状况、人力资本、开放性和城市化等变量的影响，也受到相邻省份物流业全要素生产率和相应变量的影响。空间滞后项对某一单元物流业全要素生产率的影响系数为0.6007（参见表7），这表明各省物流业之间在空间竞争性上实现了一定程度的有机整合，这与近年来政府、行业、企业等各层面在物流园区、信息等平台和企业融合兼并等方面协同发展的推行运作紧密相关。本文重点研究的是信息化发展对物流业全要素生产率的空间溢出效应。关于信息化发展对物流业全要素生产率的影响，首先，在非空间面板模型中，信息化发展的系数估计值为1.1305（参见表5），且在1％水平下显著，在SDM模型中，信息化发展对物流业TFP的直接效应为1.185（参见表8），且在1％水平下显著，说明在非空间面板模型中，信息化发展对物流业TFP的影响被低估了4.60％。其次，在SDM模型中，信息化发展的系数估计值为0.8220（参见表7），直接效应为1.1305（参见表5），且都在1％水平下通过显著性检验，所以信息化发展以30.38％的比例对物流业TFP的直接影响存在反馈效应。同时根据表8，信息化发展对物流业TFP的溢出效应和总效应分别为4.7805和5.9655，且在1％水平下显著，说明信息化发展提高了1％，会导致周边地区的物流业TFP提升4.78％，总体上带来物流业TFP5.97％的提升。空间杜宾模型的估计结果基本验证了前述的理论预期，随着信息技术的渗透、信息资源的大幅开发利用、信息的传播共享，信息化作为物流业产出的投入要素之一，地位作用日益凸显，它不仅是本地区物流业TFP提升的重要决定因素，而且存在显著的空间溢出效应，其通过信息化的网络效应，促进各空间单元的要素流动，提高邻近地区物流业的全要素生产率。

对于其他要素，人力资本水平（HC）对本地区物流业TFP的影响为-0.4415，受相邻地区人力资本水平的影响为-0.9415（参见表7），都通过了1％水平下的显著性检验，说明各省份虽然劳动力充沛，但囿于人力资本水平不均衡和物流中高端人才紧缺，各地区物流业中高端人才竞争激烈，其供给存在着“此消彼长”的现象，在非空间面板模型中，人力资本水平对物流业TFP的影响存在估计误差及其反馈效应。本地区和相邻地区人力资本水平对物流业TFP的影响方向为负，反映了人力资本水平是物流业全要素生产率提高的障碍性因素。对外开放度（OPEN）和外资依存度（FDI）对本地区物流业TFP的影响分别为0.0597和0.0138（参见表7），在10％水平下通过显著性检验，而受相邻地区对外开放度的影响则表现不显著，表明对外开放度和外资依存度具有知识溢出、经济外部性和规模报酬递增的特点，对本地区物流业TFP具有显著的正向效应。城市化（URBAN）对本地区物流业TFP的影响为-0.4245（参见表7），受相邻地区城市化的影响为0.6225，皆在1％的水平下通过显著性检验，且对物流业TFP有显著的直接和溢出效应，分别为-0.3720和0.8213，这表明城市化建设会造成资源配置失当和效率缺失，影响物流业全要素生产率的提升。空间溢出效应为正的原因，可能在于城市化进程影响了人力、物质等各种要素在配置具有差异性的市场进行流动，或是城市化导致省际边界物流枢纽节点发展，使得本地区城镇化对相邻地区的物流业TFP产生显著的提升作用。交通基础设施（TRANS）对本地区物流业TFP的影响不显著，受相邻地区的交通基础设施的影响为0.1026，在10％水平下通过显著性检验，其对物流业TFP有显著的空间溢出效应，为0.3326，远远大于直接效应0.0943，表明交通基础设施具有极强的空间网络外部性，这与杰夫瑞（Jeffrey）等［37］、余（Yu）［38］、安娜（Ana）［39］和佩拉约（Pelayo）［40］等学者的研究结论一致。而产业结构（IS）对本地区物流业TFP的影响，受相邻地区产业结构的影响，都未通过显著性水平的检验，表明产业结构对本地区或相邻地区的物流业全要素生产率都未产生积极的影响。

2.三大地区的分析

本文基于我国东部、中部、西部三大区域的划分，进一步考察这些不同区域信息化发展水平对物流业全要素生产率的空间溢出效应，空间杜宾分析的估计结果如表9所示。

表9　三大地区个体固定效应的SDM估计结果

首先，从信息发展指数IDI对物流业全要素生产率影响的弹性系数看，东部地区信息化发展水平对物流业全要素生产率的影响程度明显高于中部地区和西部地区，意味着信息化发展水平的高低和信息化应用效果是影响物流业全要素生产率差异的重要因素。其次，就信息化发展的空间溢出弹性系数而言，比较三个区域回归系数（表9中的W×IDI），东部地区同样高于中西部地区，表明东部地区城市的物流业全要素生产率高，可能源于邻近城市的信息化发展外溢效应。此外，值得注意的是东部地区交通基础设施系数（表9中的W×lnTRANS）大于中西部的相关系数，说明中西部地区交通基础设施的空间溢出系数低于东部地区，这与胡煜等学者［41］的研究相符。

此外，从表10来看，三大地区各自内部的信息化水平对物流业全要素生产率直接效应、溢出效应和总体效应的估计结果有所不同。在东部地区和中部地区，信息化发展水平对物流业全要素生产率具有显著的正向直接影响和外溢效应，而在西部地区，物流业通过信息技术的应用及其衍生的效率对物流业全要素生产率产生了直接影响，但没有显著的空间溢出效应，这可能是由于西部地区本身信息化水平层次及其西部地区各省市区的散点分布，导致其内部各省市区之间的知识信息关联和产业融合不够深入。综上，在推行“十三五”规划纲要和《物流业发展中长期规划（2014—2020年》的过程中，一方面，在落实“进一步加强物流信息化建设”政策时，要注重提高中西部信息化发展水平；另一方面，要重视信息化发展对物流业全要素生产率的空间溢出效应，突破信息化影响物流业全要素生产率的空间与时间的传递障碍，为物流领域在供给侧结构性改革中的创新发展提供机遇。

六、结论与启示

（一）结论

本文基于我国30个省市自治区的面板数据，尝试从空间溢出视角切入，改进空间权重矩阵，采用SDM模型分析并检验信息化发展与物流业全要素生产率增长之间的关系。研究发现，本文的重点考察对象即信息化发展与物流业全要素生产率增长之间存在着显著的空间相关性，空间杜宾模型结果表明信息化发展水平不仅能够促进本地区物流业全要素生产率增长，而且基于信息技术基础设施的网络效应，其空间外溢效应充分显现，也促进了相邻地区物流业全要素生产率增长。信息化发展水平的空间外溢系数高达4.7805，远高于对本地区的直接效应1.185，说明信息技术作为现代生产力必不可少的要素，对物流业全要素生产率的影响日益重要，而且还通过空间外溢效应优化配置资源、降低成本等方式，对相邻地区物流业全要素生产率的提升发挥了显著的促进作用。此外，人力资本水平、城市化、交通基础设施对物流业全要素生产率影响的方向虽然不一样，但影响显著，而且三个变量都具有显著的空间外溢效应，空间溢出效应系数分别为-2.8052、0.8213和0.3316，表明这三个要素对相邻地区物流业全要素生产率产生了明显的负向或正向影响。

表10　各地区信息化水平对物流业生产率影响的估计结果

（二）启示

以上研究结果为信息化与物流业的融合提供了一些启示：

第一，信息化的快速发展深刻影响了当代经济活动，各区域物流业全要素生产率的提升不再仅仅依靠资本、人力等这些传统要素，在信息经济时代，信息技术已然作为必不可少的投入要素成为内生动力。我国政府先后提出“两化融合”与“四化同步”发展，说明信息化发展战略地位日益突出，在现代经济发展越来越倚重产业关联效应的背景下，物流业作为信息技术使用较为成熟和普遍的行业和领域，更应加强信息化，通过发挥信息技术的竞争效应、专业化效应和知识溢出效应来推动物流业全要素生产率提升，进而发挥物流业对区域经济发展的飞轮效应。

第二，由于信息化的无界限共享特征，使得各区域的信息、知识互联互动，减少了它们在时间、空间方面的传递障碍，从这一理论角度来讲，信息化发展水平的空间特征应表现为协调。但本文的研究结果发现，在影响物流业全要素生产率时，信息化发展并没有表现出空间的弱化作用，反而具有明显的空间外溢特征，对相邻地区对应的物流业全要素生产率具有显著的推动作用。其中可能的原因在于，由于各地区的信息基础设施分布不均衡，产业技术和知识支撑的水平参差不齐，发展效果各有千秋，使得信息化发展的地理空间效应不仅没有弱化，反而成为邻近地区物流业全要素生产率提升的新空间动力。各省市自治区在提升本区域物流业全要素生产率时，应抓住机遇，充分考虑地区间信息化发展的空间联系与互动，打破信息化发展空间外溢效应产生区域边界的自然条件和制度约束，如在信息技术基础设施建设、企业组织结构变革、信息技术人才培养、产业技术强化等各方面有效配合，充分发挥信息化发展水平对物流业全要素生产率增长的空间外溢效应。

第三，鉴于人力资本水平、城市化、交通基础设施显著的空间溢出效应，各区域应加快培养物流业中高端人才，逐渐消除在人才方面“此消彼长”的现象，弱化人力资本水平对物流业全要素生产率的负向影响，同时加大城市化和交通基础设施的投入与积累，加强各省域在信息平台、物流园区、交通枢纽节点的互动，提高彼此之间资金流、信息流和物流的效率。各区域政府或企业在努力提高物流业全要素生产率时，应重视影响物流业全要素生产率各因素表现出的“马太效应”，充分发挥其空间合理分布的溢出效应，避免效率损失。

［1］SOLOW R M.We'd better watch out［J］.New York times book review，1987（7）：12-36.

［2］ERIK B.The productivity paradox of information technology ［J］.Communication of the ACM，1993，36（12）：67-77.

［3］ROACH S.Services under siege—the restructuring impera⁃tive［J］.Harvard business reviews，1991，69（5）：82-91.

［4］OLINER S D，Sichel D E.Computers and output growth re⁃visited：how big is the puzzle？［J］.Brookings papers on eco⁃nomic activity，1994，19（2）：254-285.

［5］JORGENSON D W，HO M S，STIROH K J.A retrospective look at the U.S.productivity growth resurgence［J］.The jour⁃nal of economic perspectives，2008，22（1）：3-24.

［6］AMIR G A，MAHMOUD M.Impact of information technolo⁃gy on productivity and efficiency in Iranian manufacturing industries［J］.Journal of industrial engineering international，2015，11（1）：143-157.

［7］GORDON R.Productivity in the transportation sector［M］. Cambridge，MA：National Bureau of Economic Research，1992：371-422.

［8］ZHOU G G，MIN H，XU C，et al.Evaluating the compara⁃tive efficiency of Chinese third-party logistics providers us⁃ing data envelopment analysis［J］.International journal of physical distribution and logistics management，2008，38 （4）：262-279.

［9］Elliot R，CHAD M M.Why do Internet commerce firms in⁃corporate logistics service providers in their distribution channels？［J］.Journal of operations management，2007，25 （3）：661-681.

［10］MIN Hokey，SHERRIE L D，S-J Joo.Evaluating the com⁃parative managerial efficiency of leading third party logis⁃tics providers in North America［J］.Benchmarking，2013，20 （1）：62-78.

［11］Ehsan M，Majid A，Reza F S.Measuring the efficiency of third party reverse logistics provider in supply chain by multi objective additive network DEA model［J］.Internation⁃al journal of shipping and transport logistics，2015，7（1）：21-41.

［12］贺竹磬，孙林岩.我国区域物流相对有效性分析［J］.科研管理，2006，27（6）：144-150.

［13］田刚，李南.中国物流业技术进步与技术效率研究［J］.数量经济技术经济研究，2009（2）：76-87.

［14］田刚，李南.中国物流业技术效率差异及其影响因素研究：基于省级面板数据的实证分析［J］.科研管理，2011，32（7）：34-44.

［15］刘秉镰，余泳泽.我国物流业地区间效率差异及其影响因素实证研究——基于数据包络分析模型及托宾模型的分析［J］.中国流通经济，2010，24（9）：18-21.

［16］王维国，马越越.中国区域物流产业效率：基于三阶段DEA模型的Malmquist-luenberger指数方法［J］.系统工程，2012，30（3）：66-75.

［17］姚娟，庄玉良.所有权结构、物流环境及我国物流业效率［J］.财经问题研究，2013（3）：115-122.

［18］张立国，李东，龚爱清.中国物流业全要素能源效率动态变动及区域差异分析［J］.资源科学，2015，37（4）：0754-0763.

［19］金春雨，陈霞，李彩霞.辽吉黑经济圈物流业全要素生产率的追赶效应与增长效应研究［J］.现代管理科学，2012 （6）：18-21.

［20］唐鑫.基于DEA的京津冀地区物流业效率分析［J］.中国社会科学院研究生院学报，2015（4）：50-55.

［21］袁丹，雷宏振.丝绸之路经济带物流业效率及其影响因素［J］.中国流通经济，2015（2）：14-20.

［22］吴旭晓.经济大省物流业效率动态演化及其影响因素［J］.中国流通经济，2015（3）：24-31.

［23］LUCAS D I.The impact of information technology on logis⁃tics［J］.Logistics information management，1993，6（2）：37-42.

［24］BANISTER D，STEAD D.Impact of information and com⁃munications technology on transport［J］.Transport reviews，2004，24（5）：611-632.

［25］KATRINA S.Internal and external logistics information technologies：the performance impact in an international setting［J］.International journal of physical distribution and logistics management，2007，37（6）：454-468.

［26］PAMELA J Z，KENNETH W G，VICTOR E S，et al.RFID utilization and information sharing：the impact on supply chain performance［J］.Journal of business and industrial marketing，2010，25（8）：582-589.

［27］GHEORGHE D.The impact of progress in information and communication technology on distribution and logistics ac⁃tivities［J］.Metalurgia international，2011，16（9）：39-42.

［28］CHOY K L，ANGAPPA G，LAM H Y，et al.Impact of infor⁃mation technology on the performance of logistics industry：the case of Hong Kong and Pearl Delta region［J］.Journal of the operational research society，2014，65（6）：904-916.

［29］SORINA L，VAISAGH V，MICHAEL L，et al.Information impact on transportation systems［J］.Journal of computation⁃al science，2015（9）：88-93.

［30］刘有鹏.我国城市信息化与物流现代化的关系及发展道路［J］.上海经济研究，2006（8）：72-76.

［31］王静.物流信息化下信息产业与物流产业的交互关系［J］.情报杂志，2008，27（5）：25-27.

［32］何玉华，俞立平.基于面板数据变系数模型的信息化与物流关系研究［J］.情报杂志，2012，31（4）：107-111.

［33］曾倩琳，孙秋碧.我国物流业与信息业耦合关联的时空分异分析——基于我国内地31个省（市）、自治区的面板数据［J］.亚太经济，2015（3）：113-119.

［34］曾倩琳，孙秋碧.信息业对物流业发展溢出效应的实证分析［J］.华东经济管理，2015（9）：102-106.

［35］靖学青.中国省际物质资本存量估计：1952—2010［J］.广东社会科学，2013（2）：46-55.

［36］宋海岩，刘淄楠，蒋萍.改革时期中国总投资决定因素的分析［J］.世界经济文汇，2003（1）：44-55.

［37］JEFFREY P，COHEN M.The broader effects of transporta⁃tion infrastructure：Spatial econometrics and productivity approaches［J］.Transportation research part E，2010，46（3）：317-326

［38］YU N N，JONG M，STORM S，et al.Spatial spillover ef⁃fects of transport infrastructure：evidence from Chinese re⁃gions［J］.Journal of transport geography，2013，28：56-66

［39］ANA C M，TAEDE T，TOM J，et al.Distributive effects of new highway infrastructure in the Netherlands：the role of network effects and spatial spillovers［J］.Journal of transport geography，2014（34）：96-105.

［40］PELAYO A，JOSÉ F，MATÍAS M.The spatial productivity of transportation infrastructure［J］.Transportation research part A，2015，75：166-177.

［41］胡煜，李红昌.交通枢纽等级的测度及其空间溢出效应——基于中国城市面板数据的空间计量分析［J］.中国工业经济，2015（5）：32-43.

责任编辑：林英泽

The Spatial Spillover Effect of Informatization Development on Logistics Industry Productivity

ZENG Qian-lin1，2
（1.Fuzhou University，Fujian，Fuzhou350108，China；2.Fujian Jiangxia University，Fujian，Fuzhou350108，China）

Based on the panel data of 30 Chinese provinces，cities and municipalities from 2003 to 2013，the relation between the development level and logistics industry productivity is analyzed；and it is found that there is the spatial relation between them based on the computation of Moran index；with the help of that，the author chooses theDobit Model to testify the spatial spillover effect of informatization development on logistics industry productivity.The results show that，while improving the productivity of its own spatial unit，the productivity of neighbor spatial units will also be improved；and the coefficient of spillover effect is much higher than that of direct effect.Because of that，different regional governments should strengthen the application of informatization to logistics，break through the restraints on the spatial spillover effect of informatization，pay more attention to the Matthew Effect，avoid the loss of efficiency，and give full play the role of spatial spillover effect of logistics industry productivity.

informatization development；spatial spillover；logistics industry productivity；Spatial Durbin Model

F259.2

A

1007-8266（2016）09-0038-11

2016-07-08

国家社会科学基金项目“跨境电商与物流产业链的融合发展研究”（15CJY010）；福建省教育厅社会科学项目“融合视角下福建省物流产业系统成长的协同研究”（JAS150637）

曾倩琳（1979—），女，福建省长汀县人，福州大学经济与管理学院博士研究生，福建江夏学院教师，主要研究方向为信息系统与信息管理。