京津冀區域經濟發展水平影響智慧物流發展的空間計量分析

王輝坡, 王利梅

(河北工程大學 管理工程與商學院,河北 邯鄲 056038)

作為以物流互聯網和物流大數據為依托,通過協同共享創新模式和人工智能先進技術重塑產業分工、再造產業結構、轉變產業發展方式新生態的智慧物流行業,近年來隨著信息技術的不斷發展,已成為新的經濟增長點,并且我國智慧物流市場規模呈現出高速增長的態勢。據中商產業研究院有關數據顯示,2020年中國智慧物流市場規模近6000億元,2021年中國智慧物流市場規模達6477億元,同比增長10.9%。他們預測,2023年中國智慧物流市場規模將達7903億元。從資本角度來講,市場的形成依賴于經濟的快速增長,那么智慧物流市場之所以能保持高速增長的態勢,與經濟的發展是否有著必然的聯系,將成為本文的研究重點。京津冀地區作為國家經濟發展的重要區域之一,特別是伴隨智慧物流產業的快速崛起,日益受到業界和政府的關注。所以研究京津冀區域智慧物流發展水平與經濟增長之間的關系對數字化背景下物流產業轉型升級、數字經濟與物流產業融合以及提高流通效率有著重要的理論和現實意義。

一、文獻綜述

(一)智慧物流相關研究

智慧物流是利用大數據、云計算、智能制造等智能信息技術,使供應鏈系統更加智能化和自動化的物流形式。[1]近十年來,隨著科技的進步,學者們越來越重視智慧物流的研究。例如,有的學者對智慧物流是什么、發展現狀如何、存在什么問題等方面進行了研究。[2-7]有的學者則從政府的角度研究了政府鼓勵政策對智慧物流的影響[8-9],并研究智慧物流的未來趨勢[10]。有的從公司的角度設計先進的智能算法來解決倉儲和配送以及優化問題[11-13],并研究了無線傳感器[14-15]、物聯網[16-18]、區塊鏈、人工智能[19]和云計算[20]等技術在物流中的應用,還研究了智能物流公司的戰略選擇,如定價策略[21]、選址策略[22]和協同創新策略[23]。與這些研究不同的是,本文的研究重點是構建智慧物流發展情況評價指標,運用空間計量的方法研究智慧物流發展與經濟增長之間的關系,分析智慧物流發展是否得益于經濟的發展。

(二)物流與經濟相關研究

在現代經濟中,物流的發展已經成為經濟增長的主要動力和現代化的標志,物流業被稱為經濟增長的“新引擎”和“第三利潤源”。所以,物流發展與經濟發展之間的關系一直以來都是國內外學者們的研究重點。他們通過構建不同的數學模型,使用不同的分析方法對物流與經濟增長之間的關系進行研究后發現,經濟發展必然導致物流需求增長,進而導致物流供給能力的提高,而物流供給能力的提高又反過來促進了經濟的增長,而且有利于帶動其他產業的發展[24-25]。物流與不同的經濟要素之間的關系也不盡相同,王雨琪(2022)[26]基于灰色關聯分析研究了腹地經濟對港口物流的影響,發現進出口總額、第一產業增加值和工業增加值對港口物流增長影響較大,固定資產投資和第三產業增加值對港口物流的發展影響較小。Xie Ruhe(2022)[27]發現,第三產業增加值、人均國內生產總值(GDP)和居民消費水平是影響冷鏈物流發展的主要因素,人均冷庫容量、道路冷鏈貨運周轉量和冷鏈物流人力用量是影響經濟發展的主要因素。賀玉德等(2015)[28]構建DEA模型,研究了四川省區域物流和區域經濟發展之間的協同發展效度,提出從建立產業集群和產業聯動角度來實現兩者之間的協同發展。所以,人們已經認識到,經濟增長對現代物流的需求刺激了現代物流的發展,認為物流與經濟發展之間的關系不是相互排斥的,而是相互作用的。換句話說,物流促進了經濟的發展,而經濟的發展要求物流的進一步發展,從而推動了物流業的完善。

綜上所述,目前關于物流發展對經濟影響的研究多于經濟發展會給智慧物流發展帶來何種變化的研究,并且對于智慧物流的研究主要集中在發展趨勢和新技術的應用。所以,本文基于以上兩點通過構建智慧物流測評指標衡量京津冀區域智慧物流發展水平,運用空間計量的方法分析了經濟要素對智慧物流發展的影響。

二、研究方法及理論介紹

(一)空間自相關分析

進行空間計量分析的前提條件是所研究的屬性是否存在空間相關性。全局空間自相關分析屬性值在整個區域空間上的特征描述,主要是用來說明空間鄰接或空間臨近區域單元具有的相似程度[29]。全局Moran′s I指數是測度空間相關性最常用的指數,取值范圍在[-1,1]之間,若0

(1)

(二)空間權重設定

根據地理學第一定律指出“任何實物都是緊密相連的,且越相鄰的事物連接越緊密”。而空間權重矩陣即可描述事物間的關聯程度。根據類型可分為鄰接矩陣和距離矩陣。鄰接矩陣遵循傳統定義,即有共同邊界的城市為1,否則為0。[31]考慮到鄰接矩陣的構建依據是兩個地區是否相鄰,其體現的空間關系過于簡單,可能會對真實的空間關系反映得不太全面,所以本文為了保證相關因素對京津冀區域智慧物流發展作用的全面性,采用經濟距離矩陣進行計算。經濟距離矩陣計算公式如下:

(2)

其中,PGDP取值為考察期中相應城市的平均值。

(三)空間計量模型的設定及效應分解

考慮到影響京津冀區域智慧物流發展的各個要素在區域內流動較為頻繁,一個城市的智慧物流發展很可能受到周邊城市技術、經濟等的溢出影響。所以,如果忽略它們在空間上的相關性或許會導致模型設定出現誤差,因此,本文在構建空間計量模型時,首先將模型設定為空間杜賓模型(SDM),再通過空間計量檢驗判斷其是否會退化為空間自回歸模型(SAR)或者空間誤差模型(SEM)。模型設定如下:

(3)

(四)熵權-TOPSIS法

熵權法是一種客觀賦權的評價方法,操作性強,并且能夠有效反映數據隱含的信息。TOPSIS是一種基于距離的綜合評價方法,通過檢測待估對象到最優解和最劣解的距離進行排序。熵權-TOPSIS法是將熵權法的客觀賦權與TOPSIS法的多屬性決策排序相結合,在TOPSIS法構造加權規范化矩陣的過程中,利用熵權法得到的權重加以運算[32]。這樣不僅保持了熵權法的客觀性,又包含了TOPSIS法的嚴謹性,可以幫助決策者得出更加科學的評價。本文基于熵權-TOPSIS法構建了京津冀區域智慧物流發展指標。

三、變量選取及數據來源

(一)被解釋變量

被解釋變量為IL,表示一個地區的智慧物流發展水平。參考文麗青(2015)[33]、張建超等(2017)[34]等對智慧物流指標的選取,本文選取產業規模和數字化水平作為一級指標,并對應選取了八個二級指標,通過熵權-TOPSIS法得到最終衡量智慧物流發展水平的綜合指標,具體見表1。

表1 智慧物流評價指標體系及權重

文章利用SPSSPRO對智慧物流數據處理后得出京津冀區域內各城市智慧物流發展情況,最終得分見表2。根據表2得分數據可知,京津冀區域智慧物流發展極不平衡,北京高分領跑,天津、石家莊位列第二、三位,其他城市的得分則相對較低,并且經濟越發達的地方智慧物流的綜合得分越高。

表2 各城市智慧物流發展綜合得分

(二)解釋變量及控制變量

核心解釋變量為經濟水平,使用人均GDP來表示。其他控制變量有服務業水平,使用第三產業增加值表示;交通基礎設施水平,用年末實有城市道路總面積表示;人力資本,使用交通運輸、倉儲和郵政業從業人員表示;科研投入,使用R&D經費投入強度表示。具體變量描述見表3。

表3 變量說明

(三)數據來源

文中被解釋變量及解釋變量的數據均來源于2016—2021年《中國城市統計年鑒》、各城市2015—2021年《國民經濟和社會發展統計公報》以及各省市2015—2021年《科技發展情況統計公報》。電子商務交易額數據來源于商務部官網和電子商務發展相關行業報告。兩化融合指數根據工業和信息化部官網、新聞快報以及行業報告數據整理得到。

四、實證分析

(一)空間相關性分析

為檢驗京津冀區域智慧物流發展水平及經濟增長之間是否存在空間上的聯系,文章利用STATA 16.0進行單變量的全局Moran’s I指數分析,具體結果見表4。

表4 智慧物流發展水平及經濟發展水平的Moran’s I指數值

通過表4可以看出京津冀區域智慧物流發展水平在空間上呈現正向相關性,且經濟發展上也呈現明顯的正相關,這表明京津冀區域智慧物流發展水平及經濟發展之間存在空間上的相關性。

(二)空間計量模型篩選及回歸分析

空間計量模型的篩選一般是先不考慮空間因素的影響,對數據進行OLS回歸、LM檢驗和豪斯曼檢驗,根據檢驗結果判斷是否引入空間計量模型,以及采用何種空間計量模型。表5為LM檢驗和豪斯曼檢驗結果。

表5 LM及豪斯曼檢驗

LM檢驗是為了檢驗各變量之間是否具有空間分布屬性,模型是否有必要引入空間計量模型。從表5可以看出LMerr和LMlag的P值在1%的顯著性水平下通過顯著性檢驗,所以拒絕原假設,應使用空間計量模型來解釋滯后項的空間性關系。豪斯曼檢驗的結果是為了判斷空間計量模型使用固定效應還是隨機效應,根據表中反映的檢驗結果可以確定拒絕使用隨機效應模型的假設,應該使用固定效應模型進行后續的操作。

經過LM檢驗和豪斯曼檢驗后確定模型應該使用固定效應的空間計量模型,但是LM檢驗僅僅是基于統計推斷,沒有考慮到包容性更強的SDM模型是否適用,那么就可能導致模型選擇錯誤。因此還需要通過LR和Wald檢驗來進一步驗證SDM是否會退化成SAR或SEM。根據表6的檢驗結果可以看出LR檢驗和Wald檢驗均通過了顯著性水平檢驗,說明SDM不會退化為SAR或SEM,所以最終選定固定效應的SDM 模型為本文的最終解釋模型。

表6 LR和Wald檢驗

固定效應模型有三種,分別是時間固定效應模型、個體固定效應模型和雙固定效應模型,表7為三種固定效應的SDM模型的回歸結果對比。

表7 三種固定效應模型比較

根據表7的三種固定效應的對比結果可以看出,雙固定效應的空間系數通過了31%的顯著性水平檢驗,這說明京津冀區域智慧物流發展在空間分布上具有顯著的空間相關性。根據擬合優度(R-squared)

的結果來看,雖然個體固定效應優于雙固定效應,但是根據Log-likelihood最大和AIC最小原則,雙固定效應模型比個體固定效應模型效果更好,所以最終篩選出的模型為雙固定效應的SDM。

(三)空間效應分解

根據空間效應分解理論,將總效應分解為直接效應和間接效應來解釋回歸結果中的系數所表示的各個解釋變量的變化對智慧物流發展的影響,具體分解結果見表8。

表8 雙固定效應的SDM效應分解

人均生產總值(PGDP)的直接效應系數為0.295,且在5%水平下顯著,這說明經濟增長能夠有效促進區域智慧物流的發展,即本地區人均GDP每增加1%,智慧物流發展指數將會增加0.295%。間接效應系數為2.149,且在10%水平下通過了顯著性檢驗,這表明京津冀區域內,本地區經濟發展對周邊城市的智慧物流發展產生促進作用,即本地區人均GDP每提高1%,周邊城市智慧物流發展指數將會上升2.149%。從總體上來看,京津冀區域整體經濟發展水平的提升也有助于智慧物流的發展。這是因為雖然京津冀區域內各城市間的經濟發展水平差距較大,但它們空間上相互關聯,從而表現出總體上經濟發展對智慧物流發展會有正向的促進作用。

第三產業增加值(TA)的直接效應系數為0.123,但不顯著;其間接效應系數為-1.147,但不顯著,這說明空間溢出效應不明顯。雖然第三產業增加值對智慧物流發展的空間溢出效應還不是很明顯,但是近兩年物流行業逐漸成為服務業中的支柱產業。隨著以蜂巢為代表的智能快遞柜在一些大中城市的逐漸普及,無接觸配送進一步促進了物流的智能化發展,可以說服務業水平的提升促進了智慧物流的發展。所以,隨著京津冀區域協同發展的進一步加強,第三產業的高度融合,未來第三產業的發展終將促進本地物流智慧化水平的提升。

年末實有城市道路總面積(RS)的直接效應系數為0.614,且在10%水平下顯著,這表明作為物流發展的基本交通設施,城市道路面積的增加會有效促進本地區智慧物流水平的提升,即城市道路面積每增加1%,智慧物流發展指數將會增加0.614%;間接效應系數為1.161,但沒有通過顯著性檢驗,表明本地物流基礎設施的發展對周邊城市智慧物流的發展的促進作用不是很明顯,這可能是因為隨著京津冀區域協同發展的不斷深入,交通的互聯互通已經基本達到深度融合的狀態,交通的便利極大激發了智慧物流的發展,所以對周邊城市智慧物流的發展的促進作用將會逐漸減弱。

交通運輸、倉儲和郵政業從業人員(LP)表示與物流業相關的人力資本情況,其直接效應系數和間接效應系數均為負數且不顯著。一般來說,隨著物流行業的智慧化程度不斷加深,物流行業的相關從業人員應該稍有減少,但是根據模型的檢測結果來看,從業人員的增加對智慧物流發展水平的抑制作用并不是很明顯。究其原因,物流業屬于勞動密集型行業,在推進智慧物流時,不斷有新的行業形態進來,會解決更多人的就業。智能化帶來的是效率的提升,一方面物流行業不可能全部無人化,另一方面機器也需要人來管理,因此,在一些崗位消失的同時又會伴隨新的崗位出現,所以從業人員很有可能會出現不降反升的現象。

R&D經費投入強度(RD)的直接效應系數為0.155,且在5%水平下顯著。這說明R&D經費投入強度增加能夠促進智慧物流的發展,即本地區R&D經費投入強度每增加1%,智慧物流發展指數將會增加0.155%;間接效應系數為0.953,且通過了1%水平的顯著性檢驗,表明R&D經費投入強度的外溢作用非常明顯。即本地區R&D經費投入強度每增加1%,周邊城市智慧物流發展水平將會提升0.953個百分點。這是因為,隨著京津冀一體化發展的深入發展,區域內物流企業的科技和人才共享機制逐漸形成,R&D經費投入強度將會促進區域智慧物流整體向前發展。

(四)模型穩健性檢驗

通過分析2015—2021年京津冀區域智慧物流發展指數的走勢,發現若城市前期的智慧物流指數高,那么后期的指數也會較高。這說明智慧物流發展指數可能存在空間上的路徑依賴,也就是說智慧物流發展指數前期高會影響當前的指數大小,同時考慮到智慧物流發展指數的空間滯后性,為增加模型的穩健性,所以在模型中加入時空滯后交互項。參考羅海平(2021)[35]、李婧(2010)[36]、張蘊萍等(2018)[37]在原有的靜態空間面板杜賓模型(SSDM)的基礎上構建動態空間面板杜賓模型(DSDM),其表達式如下:

(4)

其中wijlnILit為空間滯后項,wijlnILit-1為時空滯后交互項,lnILit-1為時間滯后項。X為控制變量,具體回歸結果見表9。

表9 動態空間面板杜賓模型回歸結果

靜態空間面板杜賓模型的LL值和AIC值分別為74.553、-125.107(見表7雙固定效應),動態空間杜賓模型LL值和AIC值分別為79.106、-132.212(見表9注釋),同樣根據根據Log-likelihood最大和AIC最小原則,發現DSDM的效果要比SSDM好。

從長期和短期角度對比分析可知,PGDP對IL的短期直接效應和短期總效應雖然均小于長期直接效應和長期總效應,但是短期間接效應和短期總效應均在5%水平下通過了顯著性檢驗。這表明,短期內京津冀區域經濟的發展對智慧物流的發展存在正向的促進作用,且從長期發展的角度來說,區域內經濟的整體向前向好發展能夠推動區域智慧物流的發展。

五、結論及展望

(一)結論

本文首先運用熵權-TOPSIS法測算出京津冀區域智慧物流各城市的發展水平,隨后基于空間計量的方法對京津冀區域智慧物流的發展在空間上的相關性進行分析,研究發現:(1)雖然京津冀區域內智慧物流發展從空間上能夠表現出明顯的相關性,但是區域內智慧物流發展情況極不平衡。根據熵權法測算的智慧物流發展指數情況來看,北京智慧物流發展“一馬當先”,天津、石家莊緊隨其后,但是其他城市的智慧物流發展情況相比這三個城市有一定的差距。(2)各經濟要素的發展會對京津冀區域智慧物流的發展產生影響。從空間相關性系數來看,人均生產總值的增加無論是對本地區還是周邊地區的智慧物流發展均起到促進作用;第三產業增加值對智慧物流發展的影響不顯著;城市道路作為物流的基礎設施會促進本地智慧物流的發展,但對周邊城市智慧物流發展的促進作用不明顯;物流相關從業人員對本地區和周邊城市智慧物流的發展的抑制作用都不明顯;R&D經費投入強度會促進本地區和周邊城市智慧物流的發展,且促進作用明顯。所以也可以看出智慧物流發展需要依賴于經濟的發展和科技的進步,可以說經濟的發展為智慧物流的發展提供了保障,而智慧物流的發展又對經濟起到了“反哺”的作用。

(二)政策與建議

未來京津冀區域智慧物流的發展應從以下幾方面入手:一是依托智慧城市建設,促進物流產業智慧化發展,搭乘數字經濟發展快車,加快物流產業數字化轉型升級,借助兩化融合的東風,深入做好物流產業的信息化建設;二是京津冀區域協同發展經過七八年的融合之后,交通網絡強度已經處于比較高的水平,但是區域物流發展不平衡,層級化明顯,所以想要進一步促進區域內智慧物流的發展,必須突破地理位置的行政限制,充分發揮核心城市和橋梁城市的主導作用;三是加強區域內的人才交流和人才培養,加大物流科技創新投入和物流科技人才培養,加大對企業科技創新的扶持力度和政策支持。

(三)不足與展望

本文從空間計量的角度對智慧物流發展與經濟發展進行了相關性分析,從分析方法上對智慧物流發展與經濟發展的關系研究進行了創新,但是還存在一些不足,主要在兩方面:一是在選取構建智慧物流指標時可能不是很全面,有可能漏掉一些重要指標,可能導致最終的智慧物流指數包含的信息不是很準確;二是研究樣本的數據橫跨的年度時間為7年,所以樣本范圍可以適當擴大。

隨著物聯網、區塊鏈、大數據、人工智能等技術的發展,物流作業的智慧化是必然趨勢。但是“京津冀”作為重要的經濟戰略單元是一個整體,所以區域內智慧物流的發展應該是“百花齊放”,而不是現在的“一枝獨秀”。未來京津冀區域智慧物流的發展應當緊隨數字經濟發展,依托智慧城市建設,天津需要持續發力,盡快成為區域內的第二個智慧物流發展的主引擎;河北省內各城市的智慧物流發展不平衡現象尤為顯著,各城市需要借助數字經濟發展的東風,進一步夯實智慧物流發展的基礎,圍繞自身優勢在各自擅長的領域形成智慧物流的發展優勢,力求縮小與北京的智慧化發展差距。