发帖
雷达卡
4空间溢出视角下的中国物流业全要素生产率实证分析
4.1物流业全要素生产率的影响因素
由于物流业全要素生产率的影响因素复杂繁多，对这些因素进行全方位的考察是很困难的。根据对现有的文献进行梳理，并结合我国物流产业的宏观环境因素和区域发展中的自身特点，同时考虑数据的可获得性，本文从生产要素因素、市场因素和政府因素三个方面对我国物流产业效率的影响因素进行分析。
4.1.1生产要素因素
生产要素是物流业经济活动中所必须具备的基本因素，指在物流经济活动中所需要的各种社会资源，它包括人的要素和物的要素,人的要素选择人力资本水平表示，物的要素选择基础设施水平表示。
（1）基础设施水平(Ti)。交通基础设施反映物流的供给能力，有助于减少运输成本，具有规模化和网络化的效应，这种效应可提高资源配置效率，从而促进物流业效率的提高。本文通过交通密度来衡量交通基础设施发展水平，在具体的计算方法上，鉴于我国公路、铁路、内河航道的运输作用大小迥异，对线路长度直接进行加总不能体现出各种基础设施的运输作用，因此本文采用我国各省的公路、铁路、内河航道 3 类主要运输线路的加权密度来表示交通基础设施发展水平，单位为千米/万平方千米。其中，运输线路密度等于这 3 种运输线路长度的加权和与所在省份的总面积之比，而运输设施路线长度的权重等于各省份的年度货运量占全国年度货运总量的比重。
(2）人力资本水平(Hr)。人力资本是通过投资形成凝结在人身体内的知识、能力等潜在的可产生价值的东西,以及人体本身所具有的劳动的能力与力量等。它能够物化于商品与服务中,并以此获取收益的价值。人力资本具有外部效应和知识效应。外部效应的具体作用体现在：人力资本所形成的专业化知识不仅能使其它生产要素的收益递增，还能影响并促进周围的人群提高生产率。知识效应包含人力资本的需求效应、收入效应和替代效应三个方面，指劳动力资本在受教育培训后具有的更高的生产力与生产效率。需求效应指能产生新的劳动技能或促进物质资本的技术革命，提高物质资本的产出效益。收入效应指人力资本主体能合理配置资源，提高资源配置效率。替代效应指人力资本在一定程度上能克服或消除物质与自然资源的稀缺对经济增长的不利影响。在计量人力资本时，运用较多的是基于成本的教育年限法，由于物流业从业人员的平均受教育年限难以获得，且存在不同地区教育质量不同、没有考虑受教育以外的途径获得的人力资本等缺陷，本文使用基于收入的劳动者平均工资法。具体算法是用一个地区的物流业从业人员的平均工资除以该地区纯体力劳动者的平均工资，选取的5个体力劳动行业如下：采矿业，建筑业，制造业，农、林、牧、渔、业，电力、燃气及水的生产和供应业。
4.1.2市场因素
市场因素主要通过刺激物流需求的增加对物流业全要素生产率产生影响，本文选择工业化、城市化、市场化以及经济发展水平共四个指标来具体分析市场因素的影响。
（3）工业化(Is)。工业化为我国国民经济的其它行业尤其是服务业提供了良好的基础，工业相对于农业和服务业和物流业的贡献率关联度最高。从物流业发展来看，工业化催生了物流服务，同时工业化水平的提升也将刺激社会物流需求的增加，物流服务得以向专业化精细化发展，将促进更多更先进的信息、科技以应用于物流业，使物流活动具有更高的质量和更低的成本，从而不断推动物流业全要素生产率水平的提高。本文以第二产业增加值占地区生产总值的比值表示产业结构。
（4）城市化(Ur)。城市化进程伴随着空间结构和经济结构的演变，物流服务圈以城市为中心并向周边的农村、乡镇扩散，城市化建设能够扩大城市物流的辐射范围，释放农村、乡镇的物流需求，刺激物流产业快速发展，同时各种要素的高度集聚与城乡间交通的改善也会促进物流业生产率的提高。本文用城镇人口占地区总人口的比重来衡量城市化水平。
(5）市场化(Mar)。作为“看不见的手”，市场在资源配置中起决定性作用，可以实现生产要素自由流动，提高要素的配置效益。随着我国市场经济的发展和市场机制的完善，市场化对物流业发展的作用也应予以确认。在具体计算时可以用非国有投资占当年该地区固定资产投资的比重来表示市场化程度。
（6）经济发展水平(Ed)。物流需求可以推动物流产业的发展，物流需求会随着一个地区的经济发展水平不断提高而不断增加，企业也会投入更多的资金引进或者进行新技术研发，产生技术效应，提高物流业全要素生产率。本文选取人均国内生产总值(PGDP)这一指标来反映地区经济发展水平。
4.1.3政府因素
和市场因素相对的就是政府因素，对外开放是我国的长期的基本国策，从宏观层面讲，就是要积极主动地扩大对外交往同时放开各种限制和取消保护措施，发展开放型经济。财政政策是国家干预经济的重要手段，本文选择财政支出的相对规模来反映政府对物流业的干预程度。
(7)对外开放程度(Op)。对外开放包含外商直接投资和对外贸易。外商直接投资反映了地区的综合投资环境，其主要形式是跨国公司，具有技术溢出效应。技术溢出主要是指当地企业对跨国公司进行模仿学习，通过人力资本流动和前后向关联效应提高了自身技术水平。从对外贸易的进口方面来看，生产过程中中间品和资本品的进口会直接提升全要素生产率。从出口方面看，出口贸易扩大了市场总需求，使产品生产规模扩大实现规模经济，从而促使生产效率的提高。本文结合因子分析利用外贸依存度和外资依存度两个指标算出全面反映各省对外经济开放的因子得分。其中外贸依存度用进出口总额占地区GDP的比重来衡量，进出口额用当年的人民币兑美元汇率的平均价折合成人民币。外资依存度用外商直接投资占地区生产总值的比重来表示。数据均来自历年的《中国统计年鉴》。
(8)政府干预程度(Gov)。中国现行体制赋予各级政府有足够的权限参与和干预经济活动，合理的政府干预有助于实现资源的优化配置，若政府的干预程度过髙，会在一定程度上降低物流业的全要素生产率，并对物流企业的投资产生＂挤出效应＂。本文将根据面板数据模型的计量结果来判断物流产业全要素生产率是如何受政府干预的影响，并使用政府对物流产业的财政支出占地区物流业增加值的比重来衡量政府干预程度的高低，数据来源于国家统计局，它衡量财政支出的相对规模，反映了政府实际上参与物流业经济活动的程度，有助于人们了解政府支配了多少物流资源。
4.2生产函数的构造
柯布—道格拉斯生产函数可以很好的表示投入与产出的关系，本文以新古典经济增长理论为基础,采用柯布—道格拉斯生产函数并对其进一步扩展，因此本文构造的生产函数如下:
Yit=AitF(Kit,Lit) (8)
其中下标i表示地区，t表示年份,，F表示生产函数,A表示希克斯中性的技术进步，即技术发生变化时，并没有使劳动与资本的边际替代率(dK/dL)发生变化，这样通过度量A可以测算技术进步对经济增长的影响。根据刘生龙[43]等设定多元组合的方法,定义Ait=Ai0x1β1x2β2x3β3x4β4x5β5x6β6x7β7x8β8，βi为变量系数，Ai0表示初始生产率水平，对其两边取对数便得到全要素生产率的计算公式：
(9)
其中，tfp为被解释变量物流业全要素生产率，x1、x2......x8分别为物流产业投入产出效率的影响因素，i表示不同地区，t表示不同时期，β1、β2......β8分别表示各影响因素的估计参数，ε是随机误差项，服从正态分布。
4.3面板数据模型
4.3.1面板数据单位根检验
在建立模型时，基于计量软件Eviews,本文采用IPS检验和ADF检验这两种方法对序列单位根进行平稳性检验以防出现伪回归现象，只有当IPS检验和ADF检验的结果都拒绝＂存在单位根＂的原假设时，才可确认该面板数据是平稳的，否则该面板数据被认定是不平稳的。面板数据的单位根IPS检验和ADF检验结果如下表所示：
表7 面板数据的单位根检验
由表7可看出，ADF检验和IPS检验对所有面板数据的平稳性检验都显著，说明＂存在单位根＂的原假设不成立，即所有面板数据都是平稳的,可以进一步利用面板数据模型进行回归分析。
4.3.2面板数据模型参数估计及结果分析
在对面板数据模型进行参数估计之前，还需要进一步确定模型的效应形式，即是固定效应模型、随机效应模型还是混合效应模型，一般可以通过F检验和Hausman检验进行确定。其中，F检验用来检验模型为混合效应模型还是个体固定效应模型，F检验将＂存在混合效应＂作为原假设，如果原假设成立，则确定模型为混合效应模型；反之则说明模型存在个体固定效应。Hausman检验用来检验模型是个体固定效应模型还是个体随机效应模型，Hausman检验将＂存在个体随机效应＂作为原假设，如果接受原假设，则确定模型为个体随机效应模型；反之则说明模型为个体固定效应模型。
根据模型的检验结果，Hausman检验在1%的水平下显著，拒绝＂模型存在个体随机效应＂的原假设；F检验不显著，接受＂模型存在混合效应＂的原假设，故本文选择面板数据混合效应模型，回归结果如下表。
表8 普通面板模型估计结果
从表8中可以看出，我国物流业全要素生产率的影响因素的普通面板回归的拟合度仅为 21.01%，F统计值为 2.9358，F统计的概率值为 0.000，整体通过了 1%的显著性检验。通过各系数的显著性可以看出，lnIs、lnUr、lnEd、lnOp、lnGov五个变量通过了1%的显著性检验。工业化、经济发展水平、对外开放程度和政府干预度对物流产业效率具有显著的促进作用，而城市化对物流产业效率具有显著的负面影响，人力资本、市场化和交通基础设施对物流产业的效率并不显著。
4.4空间相关性检验
4.4.1Moran检验
全局空间自相关分析可以用于衡量各省市之间整体上存在的空间相关性。常用指标有 Moran's I 统计量，其表达式可表示为：
（10）
式3.7 中，Wij 是经过行标准化后的空间权重矩阵，TFPit是i省在t时期的物流业全要素生产率，n为观测省份的数量。Moran's I 指数值介于-1和1之间，如果 Moran's I 为零，说明i省的物流业TFP与邻近省市物流业TFP无关，即空间分布是随机的；如果Moran's I 为正，说明i省的物流业TFP与邻近省市物流业TFP呈正相关，相似物流业TFP的省份趋向于聚集在一个区域；如果Moran's I为负，说明i 省的物流业TFP与邻近省市的物流业TFP呈负相关，不同物流业TFP的省份趋向于聚集在一个区域。省域之间是否存在空间自相关可以通过标准化后的Z统计量来检验，原假设为不存在空间自相关。Z统计量的表达式可表示为：
(11)
式（11）中，E(I)是Moran's I值的均值，VAR(I)是Moran's I值的方差。若Z值为正，表明存在正的空间自相关；若Z值为负，表明存在负的空间自相关；若Z值为零，表明不存在空间相关性。
4.4.2 LM检验
空间计量模型的LM检验需要满足一定的假设条件。LMERR是在不存在空间自回归的假设条件下检验是否存在空间残差相关；R-LMERR是在存在空间自回归的假设条件下检验是否存在空间残差相关；LMLAG是在不存在空间残差相关的假设条件下检验是否存在空间自回归效应；R-LMLAG是在存在空间残差相关的假设条件下检验是否存在空间自回归效应。
如果LMLAG较之LMERR在统计上更加显著，且R-LMLAG显著而R-LMERR不显著，则可以认为空间滞后模型是更适合的模型；如果LMERR较之LMLAG在统计上更加显著，且R-LMERR显著而R-LMLAG不显著，则可以认为适合的模型是空间误差模型。根据检验结果，LMERR较之LMLAG在更显著，R-LMERR的统计量为8.0903，在统计上显著，R-LMLAG的统计量为2.0015，在统计上不显著，因此更适合的模型是空间误差模型。
面板数据Moran检验和LM检验的结果如表9所示。
表9 面板数据空间相关性检验
经Moran检验和Anselin提出的LM检验，发现面板数据存在负的空间相关性，普通面板回归不再满足基本的假设条件，可能存在空间滞后项和空间误差项，因此考虑使用空间计量模型考察影响因素对物流业TFP的空间溢出效应。
4.5空间权重矩阵
4.5.1邻接矩阵
矩阵元素均假定是外生的，表示不同空间单元之间的交互结构，较常用的空间权重矩阵是基于各省域之间的邻接关系设置的，即假设两地只有相邻其经济活动才具有一定的相关性。基于邻接关系的空间权重矩阵可定义为：
(12)
该邻接关系用 0和1两个值来表达，两地地理位置相邻则为1，否则为0，这意味着任意一个不相邻空间截面都不能与自身发生空间联系，这种简单的0－1邻接关系忽略了两地之间地理距离的因素。
4.5.2反距离权重矩阵
若考虑到空间关联会受到地理距离远近的影响，可以假设两地地理距离越近空间相互作用越大，反之则越小，构建基于距离函数的空间权重矩阵。因此，反距离空间权重矩阵可定义为:
(13)
（13）式中:dij表示 i地与 j 地之间的直线距离。各省区的经济中心一般在其省会城市而非地理中心点，故该距离采用的是两地省会之间的直线距离。将上述基于距离函数的空间权重矩阵按照公式W′ij=Wij/∑jWij进行使得每一行的元素之和为1的标准化运算，这样就只反映空间相关结构，便可将空间效应项解释为其空间相邻单元的加权平均值。
4.5.3嵌套权重矩阵
嵌套矩阵同时考虑了距离因素与经济因素，而且认为经济水平更高的地区会对经济水平较低的地区产生更强的空间影响，例如上海对安徽显然要大于安徽对上海的影响。嵌套矩阵将经济权重矩阵和反距离权重矩阵有机结合，可以更好地刻画空间效应的综合性和复杂性。
嵌套矩阵的公式为：
(14)
其中，Wd表示反距离权重矩阵，diag(...)是对角矩阵，
是考察期内所有截面经济变量X的均值，
是考察期内空间截面i的经济变量X的均值。这样，当经济变量X的均值所占比重较大时，即
/
>
/
，则Wij>Wji，对其它截面经济变量的空间影响也越大。
提升卡
置顶卡
沉默卡
变色卡
抢沙发
千斤顶
显身卡
京公网安备 11010802022788号
