基于山西省制造業與物流業的聯動發展實證研究

馮 強，馬一飛

(1.河海大學，南京 210098;2.山西大學，太原 030006)

一個國家制造業的發展水平對該國國民經濟的發展有著重要的影響，制造業的發展程度代表著該國生產力水平的高低。物流業被稱為國民經濟的動脈，可以衡量一個國家現代化程度如何，也從一定程度上反映出一個國家的綜合國力［1－4］。制造業和物流業之間存在著不可分割的緊密聯系。制造業是物流業發展的動力，為物流業創造大量需求，為物流業提供相關設施和技術上的支持，制造業的發展在很大程度上可以拉動物流業的發展;物流業為制造業提供運輸、倉儲、裝卸搬運、包裝、配送等一系列的物流服務，是連接制造業各個環節的紐帶，是制造業可以順利發展的保障，物流業的快速發展能夠帶動制造業物流外包，提高制造業的核心競爭力。

在國家政策的號召下，山西省在《現代物流業發展“十二五”規劃》中把物流業聯動工程作為六大重點工程之一，提出搭建制造企業與物流企業聯動互動交流平臺［5］，促進重點優勢制造業物流業務分離外包，加快發展第三方物流，推動物流業與制造業聯動發展。

研究山西省制造業與物流業的聯動發展問題，分析山西省制造業與物流業之間的互動發展關系，分析怎樣才能更好地促進山西省制造業和物流業的聯動發展，不僅對山西省制造業和物流業各自的發展有利，而且對山西省經濟發展和經濟增長方式轉變都有著重要的影響［6］。因此，研究山西省制造業與物流業的聯動發展問題具有重要的理論和實踐意義。

1 變量設計與模型構建

協整分析用來分析變量之間是否具有長期穩定、均衡發展的關系。一般情況下，協整檢驗分為以下兩種:①基于回歸系數的協整檢驗，如Johansen檢驗;②基于回歸殘差的協整檢驗，如ADF檢驗。第一種方法用于多變量的協整檢驗，由于本文只對山西省制造業和物流業兩個變量進行檢驗，故選擇ADF檢驗［7］。ADF檢驗主要是通過檢驗殘差序列的平穩性，得出變量之間是否具有協整關系。

格蘭杰因果檢驗用來判斷變量之間所具有的因果關系，即一個變量的變化是不是引起另一個變量變化的原因。假設有兩個變量x和y，先估計變量y值被其滯后期取值所能解釋的程度，然后通過變量x的滯后值來檢驗是否可以提高解釋變量y的程度［8］。若變量x的滯后期系數具有統計顯著性，則認為變量x是y的格蘭杰成因。同理可判斷變量x是否為變量x的格蘭杰成因。

協整分析可以用來判斷變量之間是否有長期穩定均衡發展的關系，如果有相互影響的線性關系，再利用格蘭杰因果檢驗來判斷這些變量之間的因果關系。而研究山西省制造業和物流業的互動關系，首先要判斷山西省制造業與物流業之間是否有長期穩定的均衡發展關系，然后檢驗這種關系是否形成了互為因果的良好互動關系［9］。因此，運用以上兩種方法，選擇山西省制造業發展和物流業發展的相關數據，能夠較好地對兩業互動關系進行實證分析。

2 實證結果與檢驗

本文選擇用山西省制造業增加值和山西省物流業增加值作為衡量指標，其中，物流業增加值用山西省統計年鑒中的交通運輸、倉儲及郵政業的增加值表示。M表示山西省制造業增加值的時間序列，L表示山西省物流業增加值的時間序列。由于時間序列有異方差性，分別對時間序列M和L取自然對數，處理結果分別表示為lnM和lnL，數據處理后可減少序列波動性且不影響序列趨勢［10］。統計數據均來自山西省歷年的統計年鑒，具體數據見表1。

表1 1998—2012年山西省制造業、物流業增加值

續表

2.1 平穩性檢驗

2.1.1 檢驗序列lnM

從表2中可知，在90%的置信水平下不拒絕原假設(序列存在單位根)，即序列lnM是非平穩的。

表2 序列lnM的ADF檢驗結果

根據檢驗結果得知山西省制造業增加值是一個非平穩時間序列，下一步需要確定此非平穩時間序列是否單整［11］。要確定序列lnM是否是單整的，應該對lnM做差分序列，再對其一階差分序列做單位根檢驗，結果見表3。

表3 lnM的一階差分序列的ADF檢驗結果

經檢驗可知，在99%的置信水平下拒絕原假設，即序列不存在單位根，得出非平穩序列lnM經過一階差分后平穩，說明 lnM是一階單整序列［12］。

綜上所述，妊娠期高血壓疾病患者出現早期腎功能損傷情況下，其血清Cys-C、Hcy及尿mALB表達水平升高，并與病情嚴重程度呈正相關關系，提示檢測血清Cys-C、Hcy及尿mALB能幫助臨床醫師判定病情嚴重程度，利于及早制定防治措施；血清Cys-C、Hcy與尿mALB對臨床診斷妊娠期高血壓疾病患者早期腎功能損傷具有較高的臨床價值，值得推廣應用。

2.1.2 檢驗序列lnL

采用上述相同方法對山西省物流業增加值序列lnL進行檢驗，檢驗結果見表4。

表4 序列lnL的ADF檢驗結果

表4說明在90%的置信水平下不拒絕原假設(序列存在單位根)，即序列lnL是非平穩的。對序列lnL做一階差分處理，再次進行檢驗，結果見表5。

表5 lnL的一階差分序列ADF檢驗結果

表中數據結果說明在95%的置信水平下拒絕原假設，即序列不存在單位根，得出非平穩序列lnL經過一階差分后平穩，說明序列lnL是一階單整序列。

綜上所得，原序列lnM和lnL都是非平穩序列，經過一階差分處理后的兩個序列均為平穩，即兩者都是一階單整序列［13］。表明山西省制造業增加值和物流業增加值這兩個時間序列滿足進行協整檢驗的條件。

2.2 協整檢驗

2.2.1 最小二乘法回歸模型

觀察回歸結果表，可得出估計方程:lnM=－2.519854+1.537881lnL。運行結果顯示 =0.923123，Prob=0.000000，說明該模型擬合效果好且具有高度的線性關系［14］。

2.2.2 殘差序列ADF檢驗

對殘差序列進行ADF檢驗，結果如表7所示。

表7 殘差序列的ADF檢驗結果

從上表可以看出，在99%置信水平下拒絕原假設，說明殘差序列是平穩序列。

通過上述檢驗過程，表明了序列lnM和lnL是協整的［15］，也就是說山西省制造業與物流業之間存在長期穩定的協整關系。

2.2.3 格蘭杰因果檢驗

之前對變量做平穩性檢驗和協整檢驗，得出變量lnM和lnL均為一階單整序列，且兩者存在長期穩定的協整關系，為了進一步確定兩者之間是否構成因果關系［16］，下面對變量lnM和lnL做格蘭杰因果檢驗，結果如表8。

從表8檢驗結果看出，對于lnM不是lnL的格蘭杰成因，拒絕時犯第一類錯誤的概率為0.3645;對于lnL不是lnM的格蘭杰成因，拒絕時犯第一類錯誤的概率為0.1444。可以得出，山西省物流業和制造業還沒有形成明顯的因果關系［17］。

表8 格蘭杰因果檢驗結果

3 結論與啟示

本文選取1998—2012年山西省制造業和物流業增加值作為原始數據，運用計量經濟學中的協整分析和格蘭杰因果檢驗，對山西省制造業與物流業聯動發展的互動關系進行了定量分析［18］。協整檢驗結果表明山西省制造業和物流業存在長期穩定均衡發展的關系;格蘭杰因果檢驗結果顯示目前兩者的因果關系還不夠明顯，需要加強兩者之間的互動聯系。同時表明山西省物流業發展水平提高會對制造業發展有促進作用，但是有待進一步加強兩者之間的聯系。

制造業和物流業之間要進一步更好地互動發展，政府必須出面制定相關政策，對制造業和物流業進行牽線搭橋，以促進兩業形成良好的聯動發展關系。制造業方面要不斷增強創新能力，提高產業附加值;改變生產模式，實現物流外包;加強專業化分工，改善企業內部管理。同時物流業要保障服務質量，完善服務體系;加強信息化、標準化建設，加強與制造企業溝通，建立戰略合作關系;物流企業要能夠將簡單的交易關系轉變為戰略合作伙伴關系，進一步強化互利共贏意識，帶動制造企業的發展，使制造業與物流業能夠協調發展，共同提高。

［1］呂濤，聶銳.產業聯動的內涵理論依據及表現形式［J］.工業技術經濟，2007，26(5):2－4.

［2］葛如海，管軍，虞小波，等.冷鏈物流行業的現狀及前景［J］.重慶理工大學學報:自然科學版，2013(7):104－108，112.

［3］劉增勇，陳祥斌，王鵬，等.RFID技術在裝備物流領域的應用［J］.四川兵工學報，2012(5):50－52.

［4］黃蓉蓉，潘曉琳.改進模糊綜合評價法的物流企業績效評價［J］.重慶師范大學學報:自然科學版，2012(4):124－126.

［5］李嚴鋒.王永峰.物流業與制造業聯動發展研究現狀分析［J］.物流工程與管理，2013(7):1－4.

［6］彭本紅，馮良清.現代物流業與先進制造業的共生機理研究［J］.商業經濟與管理，2010(1):18－25.

［7］李肖鋼，趙莉.寧波市物流業與制造業集群聯動發展模式研究［J］.價格月刊，2010(7):40－42.

［8］施學良.供應鏈視角下制造業與物流業聯動發展的途徑選擇研究［J］.物流工程與管理，2013(5):35－37.

［9］田剛，貢文偉，梅強.制造業與物流業共生關系演化規律及動力模型研究［J］.工業工程與管理，2013(4):39－46.

［10］馬風華.生產服務業與制造業互動研究述評［J］.經濟管理，2008(17):92－96.

［11］馮海華.生產者服務業與制造業互動發展的經濟學分析——以江蘇省為例［D］.南京:南京財經大學，2008.

［12］王曉艷.制造業與物流業聯動發展的機理和模式研究［J］.物流技術，2009，28(7):6－8.

［13］王佐.制造業與物流業聯動發展的本源和創新［J］.中國流通經濟，2009(2):16－19.

［14］施甜甜.生產性服務業與制造業的互動發展研究［D］.杭州:浙江大學，2010.

［15］王茂林，劉秉鐮.制造業與物流業聯動發展中存在的問題與趨勢［J］.現代管理科學，2009(3):59－64.

［16］Harris R I D.Using Cointegration Analysis in Econometric Modelling［M］.London:Prentice Hall，1995.

［17］Castellacci F，Natera J M.The Dynamics of National Innovation Systems:a Panel Cointegration Analysis of the Coevolution Between Innovative Capability and Absorptive Capacity［J］.Research Policy，2013，42(3):579－594.

［18］Wanqing L，Peixi S.The Implementation of Granger Cause and Effect Test in the Study of Economic Cycle of China［J］.Statistical Research，2002(2):6－12.