付新平，连天碧，张 雪

(武汉理工大学 经济学院，湖北 武汉 430070)

一、引 言

随着中国沿海经济带的快速发展和“一带一路”战略的实施，经济带建设成为中国经济布局的重要选择。物流业作为社会经济发展的基础性、战略性产业，为经济“带状”发展提供了重要依托。2016年印发的《推进物流大通道建设行动计划(2016-2020年)》(交规划发〔2016〕217号，以下简称《行动计划》)将物流大通道定义为能够提供跨区域、长距离、高强度的多种运输服务的物流走廊，具有交通资源密集、战略地位突出等特点。同时，《行动计划》提出到2020年重点推进11条国内物流大通道和85个节点建设，打造集约高效、智能绿色的“六纵五横”物流大通道体系，明确优化网络货运结构、改善节点服务功能、提升货运组织水平、强化运行协同管理、推进标准化信息化建设五大任务。

现有国内外物流通道的相关文献主要对物流通道与区域经济的互动关系进行论证分析，但运用通道理论研究物流(运输)通道与经济聚散效应的文献少见。王殿海等[1]提出交通大动脉经济势理论，认为运输通道经济势高的地区有利于产业聚集。黄承锋[2]认为运输通道通过对社会经济活动的吸引和排斥效应影响产业的聚集扩散形态，不同线路的运输通道具有不同的聚集扩散能力。孔月红[3]基于经济势理论和产业区位理论，分析了物流通道对区域经济活动空间布局的影响，并以物流节点为例，分析其对区域产业的集聚效应。吴琪[4]以京沪地区为例，基于耦合模型证明运输通道与经济带的演变过程具有相关性。物流大通道和《行动计划》是最近两年才提出的国家骨干物流基础设施建设思路，关于物流通道及其效率的研究十分鲜见，仅有范文娇等[5]进行相关研究，还没有针对11条物流大通道服务效率的评价研究。

在此背景下，对物流通道的服务效率及其产业粘性进行定性与定量研究具有重要意义。在理论方面，提出物流通道产业粘性的概念，为通道理论和产业粘性研究提供了新的研究视角。在实践方面，服务效率的评价可为《行动计划》的具体实施提供理论依据，有利于推进“一带一路”、“长江经济带”等国家战略的贯彻实施，有利于物流大通道建设者制定相应的发展策略。物流通道产业粘性的研究能够为政策推动下的产业布局选择提供思路，有利于促进经济新常态和供给侧结构性改革背景下的产业结构调整和经济转型升级。

二、物流通道服务效率与产业粘性的度量

(一)物流通道服务效率的度量

物流大通道不仅包括多级联运枢纽之间不同运输方式的多条运输线路，还包括配套的服务组织系统，如多式联运物流园、共享信息平台等，因此，物流大通道可以视作或者将被建设成为一个运转流畅的物流服务系统，下面我们将每条物流大通道作为一个整体来研究。根据相关资料整理各物流大通道所包含的城市，如表1所示。

表1 物流大通道与主要通道枢纽(城市)

DEA模型一般用于评价多投入多产出的相同类型决策单元(DMU)绩效，又称为数据包络分析模型[6]。DEA模型可避免各投入产出指标的不同量纲问题，客观得出投入产出权重系数。选用DEA模型对物流大通道的服务效率进行评价。将物流大通道作为决策单元，利用DEA模型中的CCR模型与Malmquist指数对其2000-2016年的服务效率进行评价分析。

在指标选取方面，参考李娟、商传磊等的物流效率指标体系[7-11]，又考虑到物流大通道的建设中，信息建设起着至关重要的作用，因此添加信息化水平作为投入指标。最终选取以下投入产出指标(如表2所示)对11条物流大通道服务效率进行评价。

表2 模型的指标选择与说明

本文数据来源于2001-2017年《中国城市统计年鉴》、各城市《统计年鉴》，包含除拉萨、喀什和陆路沿边口岸枢纽外的81个枢纽(城市)数据。上文中的物流大通道的投入产出指标数据均为各物流大通道内枢纽(城市)相关数据之和。

1.CCR模型结果。传统DEA模型中包含CCR模型和BCC模型，其中CCR模型以投入为导向，在假设规模报酬不变的前提下对决策单元的绩效进行比较分析，是最基本的DEA模型。选取2000-2016年各物流大通道投入产出数据，运用Deap2.1软件计算CCR模型结果，得到各物流大通道在规模报酬不变情况下的服务效率，并对比分析不同时空维度物流大通道的服务效率差异，结果如表3所示。

表3 2000-2016年各物流大通道服务效率指标

通过CCR模型计算，各物流大通道服务效率大致分为三个梯队。第一梯队是南北沿海物流大通道(纵二)、京沪物流大通道(纵三)，其服务效率均在各年达到有效，实现投入产出比最优，服务效率相对较高。第二梯队按服务效率从高到低排列依次是京港澳(台)物流大通道(纵四)、青银物流大通道(横二)、陆桥物流大通道(横三)、西北能源外运及出海物流大通道(横一)、沪昆物流大通道(横五)，其服务效率相对第一梯队而言稍有落后，但差距不大。第三梯队按服务效率从高到低排列依次是沿长江物流大通道(横四)、二连浩特至北部湾物流大通道(纵五)、西南出海物流大通道(纵六)、东北物流大通道(纵一)，其服务效率相对第一、二梯队落后较多，亟待提升。

2.Malmquist指数结果。Malmquist指数也称为DEA-Malmquist指数，该指数用于研究时间序列的生产效率变化，是对传统DEA模型的优化。基于2000-2016年各物流大通道投入产出数据，通过运用Deap2.1软件计算Malmquist指数，探究各物流大通道在规模报酬可变情况下的全要素生产率指标，结果如表4所示。

表4 2000-2016年各物流大通道Malmquist指数指标

表4反映2000-2016年各物流大通道全要素生产率的变化情况。其中，南北沿海物流大通道(纵二)和京港澳(台)物流大通道(纵四)呈现全要素生产率递增，分别实现0.8%、0.4%的增长。剩余通道全要素生产率呈递减状态，依次分别下降了3.8%、0.1%、8.5%、2.4%、1.3%、0.8%、3.8%、1.7%和1.7%，其中，二连浩特至北部湾物流大通道(纵五)全要素生产率下降程度最大，如图1所示。

图1 2000-2016年各物流大通道Malmquist指数的全要素生产率指标示意图

(二)物流通道产业粘性及其度量

1.物流通道产业粘性。物流通道产业粘性是产业向物流通道内聚集或向通道外转移的趋势发生改变时受到的阻力作用。物流通道产业粘性区别于产业(转移/区域)粘性等相关概念，“粘性”的作用不再体现于产业间，而是物流通道对产业的影响作用。借鉴张弢等[12]构建的产业粘性形成的推拉模型，即产业粘性由产业集聚力与产业分散力共同形成。其中，产业集聚力指产业转入地的集聚力与转出地的分散力产生的合力，产业分散力指产业转入地的分散力与转出地的聚集力产生的合力，则：

物流通道产业粘性=(转入地的聚集力+转出地的分散力)-(转入地的分散力+转出地的聚集力)=转入地的净聚集力+转出地的净分散力。

2.物流通道产业粘性的度量。戴宏伟等[13]提出使用产业梯度系数来衡量区域产业梯度水平，具体测算方法为区位熵和比较劳动生产率之积。区位熵是由Haggett提出用于衡量地区内生产要素分布格局的概念，又称专业化率[14]。物流通道区位熵(LQ)的公式如下：

(1)

其中，LQj是j物流通道的规模以上工业在全国范围的区位熵，ij是j物流通道的规模以上工业产值，i是全国规模以上工业产值，Gj是j物流通道的地区生产总值，G是国内生产总值。LQj的数值越高，物流通道对产业净聚集力越大。因此，当LQj>1时，j物流通道产业粘性较强；当LQj<1时，j物流通道产业粘性较弱。

比较劳动生产率是用于衡量劳动生产率大小的指标，能够反映劳动力在经济活动中创造的价值水平[15]。通过从比较劳动生产率较低的区域转向比较劳动生产率较高的区域转移，产业结构能够实现优化升级。为衡量物流通道内产业的劳动生产率，采用物流通道比较劳动生产率(CPOR)的计算公式：

(2)

其中，CPORj是j物流通道比较劳动生产率，lj是j物流通道的劳动就业规模，l是全国劳动就业规模。CPORj的数值越高，物流通道内产业的劳动生产率越大。因此，当CPORj>1时，j物流通道内产业的劳动生产率较高；当CPORj<1时，j物流通道内产业的劳动生产率相对较低。

产业梯度系数在一定程度上修正了区位熵与比较劳动生产率的偏差，是研究区域产业结构的重要指标。为衡量物流通道产业梯度水平，采用物流通道产业梯度系数(IGC)的计算公式：

IGCj=LQj×CPORj

(3)

其中，IGCj是j物流通道产业梯度系数。IGCj的数值越高，物流通道产业梯度水平越高。因此，当IGCj>1时，j物流通道处于较高产业梯度水平，物流通道产业粘性较大；当IGCj<1时，j物流通道处于较低产业梯度水平，物流通道产业粘性较小。

选取2001-2017年《中国城市统计年鉴》中物流通道主要通道枢纽(城市)的相关数据之和，即各枢纽(城市)GDP(单位：万元)、规模以上工业产值(单位：万元)、年末单位从业人员数(单位：万人)之和，计算得出2000-2016年物流大通道产业梯度系数(IGC)，如表5所示。

表5 2000-2016年物流大通道产业梯度系数年份

续表5

由上文图表可知，西南出海物流大通道(纵六)产业梯度系数平均值最低，仅0.54，物流通道产业粘性较小；南北沿海物流大通道(纵二)产业梯度系数平均值最高，达1.52，物流通道产业粘性较大。

三、实证分析

(一)相关性检验

首先通过皮尔森相关系数和斯皮尔曼等级相关系数分析服务效率与物流通道产业粘性之间的相关性。利用stata12计算得到11条物流大通道服务效率与产业梯度系数的皮尔森相关系数和斯皮尔曼等级相关系数分别为0.35和0.32，均在1%的水平下显著，具体如表6所示。

表6 各变量的描述性统计结果

(二)多因素计量模型

构建基于面板数据的计量模型，能够直接反映其影响情况。借鉴一般性建模方法，基于面板数据，以经典线性单方程模型构建物流通道服务效率决定要素对物流通道产业粘性影响分析的计量模型如下：

IGCj t=α+β1LnYTj t+β2LnCLj t+β3XRj t+β4XUj t+β5LnXLj t+β6XFj t+εj t

(4)

式中，IGCj t是j物流通道不同年份t的产业梯度系数，作为模型的被解释变量；YTj t是j物流通道t年的货物周转量(百亿吨公里)；CLjt是j物流通道t年的货运量(亿吨)；XRj t是j物流通道t年的公路里程(万公里)；XUjt是j物流通道t年的互联网宽带接入用户数(百万户)；XLj t是j物流通道t年的交通运输、仓储和邮政业城镇单位从业人员(百万人)；XFj t是j物流通道t年的交通运输、仓储和邮政业社会固定资产投资额(百亿元)；α是模型常数项，β是各变量系数，εj t为随机扰动项。为了平滑数据，分别对货物周转量、货运量和交通运输、仓储和邮政业城镇单位从业人员等3个变量取自然对数。

1.单位根检验。为了避免出现伪回归现象对数据进行单位根检验。通过对IGC、YT、CL、XR、XU、XL、XF等7个变量数据进行LL检验、ADF检验和PP检验，得到以下结果，如表7所示。表中显示，变量的水平值除XF拒绝原假设外，其余变量均接受原假设，即存在单位根，序列非平稳。因此，继续对各变量的一阶差分做单位根检验，结果显示全部变量均拒绝原假设，因此，各变量均为一阶单整序列。

表7 单位根检验结果

2.协整检验。协整检验能够判断一组序列是否具有稳定的平衡关系，同样能够检验回归结果是否为伪回归。对面板数据继续进行协整检验，结果如表8所示。由表可知，组内统计量在Panel PP-Statistic和Panel ADF-Statistic检验中均拒绝原假设，组间统计量在Group PP-Statistic和Group ADF-Statistic检验中均拒绝原假设，因此，各变量之间存在协整关系，能够进行回归分析。

表8 协整检验结果

3.回归结果分析。对模型进行了Hausman检验，由于分析结果中的P值<0.05，接受建立固定效应模型的原假设。因此，采用逐步回归法对各变量进行了回归分析，结果如表9所示。由表可知，模型Ⅵ的R2值比其他模型高，多变量模型拟合效果更好。

表9 数据模型回归结果

续表9

模型Ⅵ是包含6个变量的随机效应模型，其中5个变量的回归系数正负性显著。货物周转量与货运量的回归系数均为正，公路里程与互联网宽带接入用户数1%的变化则会引起产业梯度系数变化0.03%和0.004%，回归系数同样显著为负。物流业固定资产投资回归系数为正，其余变量回归系数正负性未发生改变。综上所述，货物周转量、货运量、物流业固定资产投资与产业梯度系数呈正相关关系，货运量的回归系数最大；公路里程、互联网宽带接入用户数、物流业从业人员和产业梯度系数呈负相关关系，物流业从业人员的回归系数最小。但物流业固定资产投资与产业梯度系数的相关关系不显著，如表10所示。

表10 回归系数正负性与大小排序表

从经济意义看，货物周转量、货运量、物流业固定资产投资与产业梯度系数呈正相关关系，能够反映出这3个变量对物流大通道产业粘性具有正反馈作用，但物流业固定资产的作用并不显著；公路里程、互联网宽带接入用户数、物流业从业人员和产业梯度系数呈负相关关系，能够反映出这3个变量对物流大通道产业粘性具有负反馈作用。

四、研究结论

(一)研究结论

物流活动是连接供给方和需求方的纽带，研究物流业的发展趋势有助于产业布局研判，有助于探索经济发展的规律。通过对物流通道产业粘性概念的界定和度量、物流通道服务效率的评价、服务效率对物流通道产业粘性的影响机理分析和实证分析，得出以下相关结论：

1.物流通道服务效率的影响因素分析及评价。

基于DEA模型对物流通道服务效率进行评价分析，得出2000-2016年11条物流大通道服务效率的相对变化趋势。CCR模型计算结果显示，各物流大通道服务效率排名大致分为三个梯队。第一梯队的2条物流大通道位于东南部发达地区，第二梯队包含5条物流大通道，其中4条为东西走向，说明我国西部的物流业投入与产出基本匹配，西部经济建设初见成果；第三梯队包含4条物流大通道，其中3条分布于经济不发达地区，此外还包括位于中部腹地的沿长江物流大通道。可以看出沿长江物流大通道的服务效率与其经济地位极不相符，需要大力整合现有物流资源，在有限的投入下取得最优的物流服务产能。

通过Malmquist指数计算，物流大通道服务效率呈现下降趋势，其技术效率与技术进步仍需改善。原因可能是投入增加的同时，生产要素的利用率存在一定的浪费，未充分利用的组织模式、先进技术、信息平台等要素，致使投入产出比减弱。因此，为推进物畅其流、经济便捷的物流大通道建设，仍需解决顶层设计不充分、基础设施衔接不畅、运输结构不合理、聚集扩散效应不明显、物流服务集约化程度不高等问题。

2.对物流通道产业粘性的度量。结合产业区位理论，针对物流通道产业粘性，对区位熵、比较劳动生产率和产业梯度系数重新定义，得出2000-2016年11条物流大通道产业梯度系数指标。计算结果显示，从空间维度看，南北沿海物流大通道产业梯度系数平均值最高，达1.52，物流通道产业粘性较大；西南出海物流大通道产业梯度系数平均值最低，仅0.54，物流通道产业粘性较小。从时间维度看，物流大通道产业梯度系数各年份的平均值随时间变化呈上升趋势。

3.服务效率对物流通道产业粘性的影响。首先通过相关性分析得出服务效率对物流通道产业粘性具有正向影响的结论。然后通过构建基于面板数据的服务效率决定要素与物流通道产业梯度系数的计量模型，考察不同决定要素对物流通道产业粘性的影响。实证结果表明，物流通道货运量、货运周转量、物流业固定资产投资与物流通道产业粘性呈正相关关系；运输干线线路、信息化水平、技术进步与物流通道产业粘性呈负相关关系。这表明物流大通道的运输能力可以形成一定的区位优势，吸引相关企业转入通道内，形成产业聚集，从而增强物流大通道的粘性；与此同时，货物和信息流通的便捷又促进了产业转移，使产业集聚效应减弱，从而削弱物流大通道的粘性。这两种相反的力共同作用，最终使物流大通道的服务效率的提升有利于增强其产业粘性。

(二)相关建议

物流活动在空间、时间、创新方面体现其经济效益，物流通道对物流活动的集聚能够放大这三种效益。由于物流通道与区域、产业发展具有协同作用，为充分发挥物流通道的引领作用，促进物流通道发挥更大经济效益，实现物流通道与产业的有机协调发展，本文针对物流通道与产业协调发展提出以下三方面建议：

第一，引导产业合理布局。在产业区位选择时，综合考量物流通道的服务效率水平，尤其是基础设施的完善程度。重视产业聚集带动物流资源的聚集，促进物流通道在产业间融合发展，实现物流资源在产业集聚范围内平衡分布。

第二，优化物流通道顶层设计。依据物流通道产业粘性的不同，科学分析并预测产业区位选择，合理规划物流通道内铁路、高速公路、水路等沿线枢纽(城市)的物流服务节点，有效分配物流资源，保证节点的运营和管理与产业布局相匹配，为产业提供最优物流解决方案，降低物流成本，实现产业有序发展。

第三，提高两者适应性的自我实现能力。提高物流通道内产业和物流活动的分工协作水平，不断提高物流通道和产业的资源利用率，发挥产业粘性和物流通道产业粘性的作用，建立完善的物流通道与产业发展的综合经济活动链条，推进两者形成协调发展自我实现机制。