物流产业集聚对区域经济影响的城市比较
时间：2021-02-24 04:00:19 来源：雅意学习网 本文已影响 人 
中图分类号：F572.88 文献标识码：A
内容摘要：本文以2001—2014年我国4个直辖市和15个副省级城市的数据为基础，计算出19个主要城市的物流产业区位熵指数，并对各个城市的物流产业集聚度进行了分析。同时，采用面板数据模型剖析了物流产业集聚对城市经济的影响效应。研究结果显示，物流产业集聚对各个城市经济的影响程度不尽相同，其对东部城市的影响最强，对中西部城市的影响则较弱。同时随着时间周期的推移，物流产业集聚对城市经济的影响程度逐步提升。
关键词：物流产业集聚 区域经济 面板数据 城市比较研究
引言
产业集聚是指处于同一特定领域内的机构和企业，在产业发展的过程中由于彼此之间存在互补性和共性，而相互紧密集中在一定区域的现象。从阿尔弗雷德·马歇尔（1890）首次在《经济学原理》中提出产业集聚的概念以来，众多学者开始关注这一领域。阿尔弗雷德·韦伯（1909）随之提出了产业区位论，勒施（1940）对产业集聚与城市的关系进行了研究，迈克尔·波特（1990）针对产业集聚的现象剖析了如何通过产业集聚獲得国家竞争优势。随着我国城市化的推进，城市经济发展与物流的关系越来越紧密。因此，研究物流产业集聚对城市经济的影响效应，对合理制定城市物流发展政策具有一定的实践意义。
文献综述
目前对于物流产业集聚的研究，主要集中在物流产业集聚对区域经济、产业结构的影响以及自身的形成机理方面。Doug Leduc（2004）基于供应链的视角研究发现，物流产业所需的基础设施、物流的功能或环节能够带来横向的产业集聚，供应链能够带来纵向的产业集聚。王非、冯耕中（2010）基于产业集群理论，阐述了物流集聚区的概念。王婷（2010）分析了港口物流产业集聚的现象及特征。钟祖昌（2011）运用计量经济学理论分析了我国物流产业集聚的现状，研究发现物流产业集聚具有空间异质性、自相关性。戴志敏、郭露等（2013）运用计量经济模型和集聚理论，发现发达地区物流产业集聚基本形成，但与经济的融合发展有待加强。李剑、姜宝（2016）通过构建空间面板模型，发现物流产业集聚对第三产业的推动作用最大，对第一产业的推进作用最小。
总之，学者们在物流产业集聚对区域经济发展影响方面的研究已取得了一定的进展，但由于物流产业集聚一般以城市为载体，所以物流产业集聚的省域面板分析存在一定的缺陷。因此，本文拟研究物流产业集聚对不同城市经济的影响，并对每个城市的影响程度进行了比较分析，以期得出有价值的结论。
物流产业集聚系数测算
区位熵法。区位熵法又称专门化率，能够反映出各个城市物流产业的空间分布情况。测算公式如下：
（1）
LQi 表示i城市的物流产业集聚系数，ei表示i城市物流产业从业人数，e表示i城市的所有产业从业人数，Ei表示全国物流产业从业人数，E表示全国全部产业从业人数。
原始数据来源。本文计算的物流产业集聚系数的数据来源于各城市统计年鉴（2002-2015）。由于我国没有专门的物流业从业人员统计数据且各城市对于就业人口的统计口径不一，故本文采用交通运输仓储、邮政业的单位从业人数来进行计算。
系数测算。采用公式（1）可测算出各城市的物流产业集聚系数。由于各城市系数的测算时间段跨度较长，故对各城市的指数分为两个时间段（2001-2007，2008-2014）计算其平均值。根据表1、表2可以看出：在2001-2007年，宁波、厦门、青岛三市物流产业集聚程度一般；深圳、成都、济南、杭州、长春物流产业集聚程度较高；武汉、大连、北京、上海、西安、广州、重庆、南京、天津、哈尔滨、沈阳物流产业集聚程度很高。2008-2014年，宁波、杭州、长春三市物流产业集聚程度一般；天津、重庆、成都、厦门、青岛物流产业集聚程度较高；北京、上海、西安、广州、深圳、武汉、济南、南京、哈尔滨、沈阳、大连物流产业集聚程度很高。
变量选择、数据来源及模型构建
（一）变量选择及数据来源
本文采用GDP为因变量，LQ、IFA、LHC为自变量。GDP为各个城市的国内生产总值，用来表示各个城市的经济发展水平；LQ为计算的物流产业集聚系数，表示各个城市的物流产业集聚程度；IFA为各个城市交通运输仓储、邮政业的固定资产投资额，用来表示物流产业资本水平；LHC为各个城市交通运输仓储、邮政业年末单位从业人数，表示物流产业人力资源情况。LHC、GDP、IFA、LQ的原始数据来源于中国城市统计年鉴（2002-2015）。
（二）构建模型
面板数据是把时间序列向空间轴拓展或是截面数据沿时间轴拓展所形成的拥有个体、时间和指标的三维结构的数据。其一般形式如下：
（2）
其中，i=1，2，…N，表示N个个体；t=1，2，…T，表示已知的T个时点；k=1，2，…m，表示m个非随机解释变量。yit是被解释变量对个体i在t时的观测值；xkit是第K个非随机解释变量对于个体i在t时的观测值；βki是待估计的参数；μit是随机误差项。通常使用的面板数据模型有以下几种：
混合回归模型。如果模型不存在效应，则模型为混合回归模型，如公式（3）所示：
（3）
单、双因素模型。若模型中同时存在时间效应和个体效应则为双因素模型，若仅有时间效应或个体效应则为单因素模型。双因素模型为公式（4），单因素模型为公式（5）、（6）：
（4）
（5）
（6）
固定效应模型。固定效应模型是指在面板数据线性回归中，针对不同的截面序列或不同的时间序列，模型的截距项不同，模型的斜率系数相同。固定效应模型的双因素模型形式为公式（7），单因素模型形式分别为公式（8）、（9）。
