國家物流樞紐建設視角下物流業對區域經濟活力影響的評價

甘衛華，姚文珮，劉 鄭

（1.華東交通大學 交通運輸與物流學院，江西 南昌 330013；2.華東交通大學高鐵發展研究中心，江西 南昌 330013）

1 引言

2019年9月，國家發展改革委、交通運輸部聯合印發《關于做好2019年國家物流樞紐建設工作的通知》（以下簡稱《通知》），確認首批共23個物流樞紐入選國家物流樞紐建設名單[1]。國家物流樞紐可以定義為物流體系的核心基礎設施和最高層級，是輻射區域更廣、集聚效應更強、服務功能更優、運行效率更高的綜合型物流樞紐[2]。作為物流業發展的重要抓手，國家物流樞紐建設將在發揮區域影響力、國際影響力方面起著不可替代的作用。

經濟活力是區域經濟不可或缺的表征，其主要表現為經濟成長、引進資本和吸引高素質勞動力的能力，是經濟的持續增長能力[3]。因此，研究國家物流樞紐建設與經濟活力的相關性具有現實意義。

2 主要文獻回顧

對于影響區域經濟活力的研究主要有：Alexander[4]認為可持續經濟成功的關鍵是基于活力標準的認可程度。Jacques Poot[5]認為城市人口的變化會對城市經濟活力產生影響。文獻[6-7]針對東亞地區的經濟活力進行評價時，利用主觀分析加上部分數據指出了東亞地區最富有經濟活力的國家。劉越等[8]認為綠色城鎮化是提高我國經濟活力的一個極其重要的引擎。雷舒硯等[9]從經濟、社會、生態和環境四個方面構建指標體系，認為城市活力對經濟活力的影響程度較高。逯進等[10]從1997-2016年中國31個省區的數據分析老齡化與固定資產投資通過協同機制對經濟活力進一步產生了影響。于鳳霞等[11]利用相關性分析與回歸分析方法對2018年我國34個主要城市的共享住宿發展對經濟活力的影響進行了實證研究。對于物流業發展的研究主要有：郭湖斌[12]基于長江經濟帶2000-2016年數據，橫向分析了物流業與區域經濟耦合協調發展，對二者的發展水平和空間差異進行綜合衡量和評價。戴德寶等[13]以西部地區為例，選取區域經濟基礎、物流供求狀況、物流支持狀況、信息化水平四方面設計16個指標，利用主成分分析法對西部地區12省市2014年-2015年的物流發展水平建立綜合指標體系。劉明等[14]借助277個地級城市2007-2017年的相關數據，證明相鄰城市對中心城市的區域物流產業有積極的推動作用。

綜上，國內外學者利用不同分析方法從不同角度研究了提高城市經濟活力的必要性。但是，建立區域經濟活力的指標體系中，研究物流業對區域經濟活力影響的并不多，從國家物流樞紐所在省市和非國家物流樞紐所在省市進行經濟活力分析相對就更少。因此，本文采用因子分析法，探討物流業與區域經濟活力的相互關系，并將國家物流樞紐建設對區域經濟活力的影響考慮在內。

3 物流業與經濟活力的水平測度模型

因子分析在構建綜合評價指標中所涉及的權數是通過定量分析產生的，減少了定性分析的主觀隨意性。同時，通過設定公共因子可以解決傳統方法中指標設置過多、相互間存在相關性的弊端，能夠清晰地界定物流業對區域經濟活力影響的關鍵性因素。

設 n個城市，不同的變量 X1，X2，...，Xn，根據因子分析法的要求，這里使用z-score標準化（均值為0，標準差為1）：

n個變量可以由m個因子F1，F2，...，Fm表示為線性組合，運用因子分析法建立物流業對區域經濟活力的評價模型，其數學模型可表示如下：

應滿足的條件為：

式（3）中，X=(X1，X2，...，Xn)T是可觀測的隨機向量，它的每個分量代表一個指標或者變量；F=(F1，F2，...，Fm)T是不可觀測的隨機向量，它的各個分量將出現在每個原觀測變量X的表達式中，故稱為X的公共因子；矩陣A稱為因子載荷矩陣，其中aij稱為因子載荷，是第i個變量與第 j個公共因子的相關系數，數值越大，說明第i個變量與第 j個公共因子的相關程度越高。e=(e1，e2，...，em)T稱為特殊因子，表示X中與F無關的部分，為隨機干擾項，即變量中不能被公共因子解釋的部分，包括隨機誤差。式（4）表示F 和 e不相關，e1，e2，...，em不相關且方差不同。式（5）中，F表示總因子得分，Fj表示第j個因子的得分，bj表示第j個因子的貢獻度（分因子貢獻度=分因子旋轉后的方差貢獻率/總方差解釋率）。

物流業與經濟活力的水平測度模型構建步驟如下：首先對原始數據進行標準化；其次對標準化矩陣得出相關系數的矩陣；接著對相關矩陣求出特征方程，得到特征根；最后得到因子的累積貢獻率≥85%即可。利用因子分析模型來對區域經濟活力進行評價。

4 物流業對經濟活力影響因素的分析與選取

根據前文文獻回顧，結合專家意見，考慮指標選取的綜合性、客觀性、可得性和可比性[15]，設計物流業對區域經濟活力的影響指標共20個，其中一級指標4個，二級指標16個，見表1。區域物流業的產出水平是指物流業提供的服務能力水平。區域物流業的投入水平是指物流業對經濟活力發展投入的人力、財力和物力。區域宏觀經濟活力的發展水平是指區域物流相關產業現有的宏觀經濟環境發展水平。區域經濟活力的潛在水平是指區域物流相關產業潛在的微觀經濟發展水平。總之，物流業對經濟活力的影響因素有很多，需要根據實際情況來選取影響因子。

灰色關聯度分析是對所選取的充當特征序列的各指標因素的曲線圖像的相似或相異程度進行觀察判斷，進而分析系統中各指標因素的聯系[16]。灰色關聯度越接近1，說明序列間的關聯性越好，反之，關聯度越差。以北京為參考數列，以生產總值GDP為比較數列，通過PYTHON 3.7將2018年的16項指標間的關聯度進行可視化，如圖1。由圖1可知，灰色關聯度大于0.88，關聯評價很高。灰色關聯度在0.72-0.88，關聯評價較高；灰色關聯度在0.64-0.80，關聯評價一般；灰色關聯度在0.56-0.64，關聯評價勉強；灰色關聯度小于0.56，關聯評價較弱。

表1 物流業對區域經濟活力的影響因素

5 物流業對區域經濟活力影響的實證分析

為了便于比較，本文選取了16個國家物流樞紐所在省市（天津市、上海市、山西省、江蘇省、浙江省、廣東省、重慶市、四川省、河南省、湖北省、山東省、福建省、江西省、廣西省、遼寧省、湖南省）、7個非國家物流樞紐所在省市（北京市、河北省、安徽省、云南省、吉林省、黑龍江省、海南省），共23個省市作為樣本，利用SPSS Statistic 25軟件進行因子分析，計算23個省市物流業對經濟活力產生影響的綜合得分。本文中使用的統計資料來源于2018年《中國統計年鑒》、《中國物流年鑒》。

圖1 指標間關聯度分析

5.1 適應性檢測

先用Z-Scores法對原始數據進行標準化處理，再用SPSS 25.0軟件對樣本數據進行因子分析計算，結果見表2，得到的KMO檢驗統計量值為0.765，大于0.7，表明各物流業影響指標非常適合做進一步分析。Bartlett球狀檢測用于檢驗相關陣中各變量間的相關性，即檢驗各個變量是否各自獨立。得到的Bartlett球形度檢驗統計量相應的伴隨概率為0.000，小于顯著性水平0.005，完全拒絕原假設。因此，物流業與區域經濟活力之間存在顯著相關性，說明計算結果有效。

表2 樣本數據的KMO與Bartlett檢測情況

5.2 公因子提取

主成分分析（PCA）是利用降維的思想，在力保數據信息損失最少的原則下，把多個指標轉化為少數幾個綜合指標的一種多變量數據進行最佳綜合簡化的多元統計方法[17]。利用主成分分析法，變量之間提取的公因子方差越大，表明被公因子解釋的能力越強。表3中，提取的公因子方差的變量因子大部分被解釋的程度高于70%，因此提取的效果較好，原始數據損失的信息較少。

表3 公因子方差

5.3 效度檢測

表4中被提取到的第一個主因子的特征值是10.064，方差貢獻率為62.901%，說明第一個主因子顯示了樣本數據62.901%的有用信息；第二、第三個主因子的特征值分別為2.488、1.106，方差貢獻率分別為15.550%、6.910%，即前三個因子累積的方差貢獻率為85.361%，其值大于85%，說明前三個因子提取的原始變量信息中有85.361%的有效信息，提取的信息量較大。根據累計方差貢獻率可知，應選取前3個公因子。

表4 樣本區域物流業對區域經濟活力影響因子解釋的總方差

5.4 因子載荷分析

通過對旋轉前后的因子進行觀察，發現區域物流業對經濟活力影響的載荷矩陣中，影響因子成分得分系數見表5。

（1）從區域物流業產出水平來看，高載荷的因子為：城市貨運周轉量、第三產業增加值、進出口總額、物流行業人均工資水平、專利申請數量。因此定義為“物流業生產力”。

（2）從區域物流業的投入水平來看，高載荷因子有城市貨運總量、公路營運汽車擁有量、互聯網寬帶接入用戶數量、普通高等學校數量。因此定義為“物流業創新力”。

（3）從區域經濟活力的顯性和潛在水平來看，高載荷的因子為：城市貨運總量、城市貨運周轉量、公路營運汽車擁有量、城市鐵路間的貨物交流、物流行業人均工資水平。因此定義為“物流業支撐力”。

5.5 計算因子得分及評分結果

根據表5計算各因子得分：

表5 樣本區域物流業對區域經濟活力影響因子成分得分系數

然后，根據旋轉后的因子載荷矩陣分析，按各公共因子對應的方差貢獻率占三個公共因子總方差貢獻率的比重作為權數構建各地區的綜合評價函數，即：

由此，得出物流業對區域經濟活力影響的綜合評級，見表6。

利用Python 3.7，計算出物流業對經濟活力的影響水平綜合評級為四個等級：

（1）第一個等級是先進。綜合排名前3位的是：廣東、江蘇、山東。這三個省份均入選國家物流樞紐，在物流業的生產力、支撐力、創新力三大指標均處于領先地位。“國家物流樞紐”的帶動效應強勁，覆蓋面廣泛，在促進區域經濟活力中占得絕對先機。這三個區域在物流運輸經濟發展中遙遙領先，其原因是：地理位置較好，廣東和江蘇都是港口型國家物流樞紐，山東省連接華北、華東、中原三大經濟區，地理位置優越；大型的物流企業眾多，運輸公司種類齊全。這三個地區物流業的經濟環境、發展潛力、運輸交流方面借助國家物流樞紐建設的契機發展得比較完善，城市鐵路間的貨運運輸量較高，工業產能和商貿發展處于領先地位。并且，這三個省份都是國家物流樞紐城市所在的省份，在入選為國家物流樞紐城市之后，“國家物流樞紐”的帶動效應會更加強勁，覆蓋面會更加廣泛，在鐵路、公路、港口和航空網絡中獲得巨大優勢，關鍵的物流、商流、信息流、人流會源源不斷地涌入。

表6 物流業對區域經濟活力影響的綜合評級按得分排序

（2）第二個等級是良好。綜合排名前4-10位的是：浙江、上海、河南、河北、安徽、四川、湖北。這7個省市中，除河北、安徽沒有入選國家物流樞紐外，其余5個省市均入選“國家物流樞紐”。這7個省區商業貿易發展較好。其原因是公路、鐵路交通建設較好，有交通便利，國家政策扶持。浙江省金華（義烏）是商貿服務型國家物流樞紐；上海市是商貿服務型國家物流樞紐，工業制造和商貿流通發展良好；河南鄭州是空港型國家物流樞紐；四川成都是陸港型國家物流樞紐；湖北宜昌是港口型國家物流樞紐；河北省在2017年設立了雄安新區，2019年設立了自由貿易試驗區，國家投資巨大；安徽省依托中部經濟帶，蕪湖港口經濟發展迅速，但是其區域位置優勢不明顯。

（3）第三個等級是中等。綜合排名第11-16位的是：遼寧、山西、湖南、福建、北京、江西。這6個省市中，除北京沒有入選國家物流樞紐外，其余5個省均入選“國家物流樞紐”。這些省市掣肘經濟活力的指標主要來自于第一和第二公共因子。這6個省市排名中等是因為：遼寧營口是港口型國家物流樞紐，自然資源豐富，但是物流產業技術發展受限；山西太原是陸港型（生產服務型）國家物流樞紐，煤炭資源豐富，但產業發展不均衡；湖南長沙是陸港型國家物流樞紐，文化、旅游資源發展良好，但技術水平和產業結構發展不完整；福建廈門是港口型國家物流樞紐，旅游業發展良好，但土地面積小，人口過少，生產能力不足；江西贛州是商貿服務型國家物流樞紐，農業資源豐富，但物流運輸發展較為滯后。

（4）第四個等級是落后。綜合排名第17-23位的是：廣西、云南、重慶、黑龍江、天津、吉林、海南。這7個省市中，只有天津、廣西、重慶3省市入選“國家物流樞紐”，其余沒有入選國家物流樞紐。這些省市掣肘經濟活力的指標主要來自于第一、第二、第三公共因子。天津市是港口型國家物流樞紐，港口貿易發展較好，但競爭形勢嚴峻，周邊港口分流競爭激烈，產業結構不完整，人才緊缺；廣西南寧是陸港型國家物流樞紐，自然資源豐富，但交通運輸能力較差；重慶市是港口型國家物流樞紐，工業發展良好，但山地面積過大，交通運輸發展潛力有限，城市面積難以擴展；云南省區位優勢明顯，是通往東南亞和南亞的通道，但經濟基礎較差，城市化和物流發展水平不高；黑龍江省實體能源豐富，但科技含量低，發展速度慢，經濟效益差；吉林省生產水平不高，輕工業發展落后，經濟活力較弱；海南省旅游和漁業捕撈經濟發達，但缺乏大型工業。

6 小結

本文以23個具有代表性的省市為研究對象，通過指標間的關聯度分析，選取了物流業與經濟活力相關的16個因子，運用因子分析法對各個因子進行計算，建立了一個經濟活力評價指標體系，對各省份的評價結果進行了排名分析。等級先進的省市要進一步擴大物流業的生產力、支撐力、創新力三大指標的領先優勢，發揮“國家物流樞紐”的輻射效應，在促進區域經濟活力中發揮示范領先作用。等級良好的省市，要揚長避短，持續發展。等級中等的省市，應調整內部結構，補齊短板，精準發力。等級落后的省市，要全面加大鐵路、公路等基礎設施建設，加強對物流業的投資和對物流人才的培養，迎頭追趕。