批发零售业对区域经济增长的门槛效应研究
时间：2021-02-23 12:02:30 来源：雅意学习网 本文已影响 人 
内容摘要：本文利用2008—2014年中国省际面板数据，从物流产业集聚和非线性的视角，运用门槛回归模型考察以物流产业集聚为门槛变量的批发零售业与区域经济增长之间的非线性关系，结果发现：批发零售业对区域经济增长呈现“U型”的负相关。
关键词：批发零售业 经济增长 物流产业集聚 门槛效应
引言及文献综述
批发零售业是连接生产和消费的桥梁，在商品流通中有重要的媒介作用。同时，在扩大内需战略基点的确立以及“互联网+”的双重作用下，零售业的发展对经济增长的贡献也逐渐被重视。批发零售业发展真的能促进经济增长吗？国内外学者对此看法不一。
学者对零售业与经济增长之间关系的研究很少。国外学者Williams（1996）认为零售业对经济发展的贡献被忽视，应该注重提高零售业地位，使其成为发展区域经济的重要工具。Anderson 和Betancourt（2002）使用跨国面板数据进行实证研究，发现零售业与经济增长之间呈现“倒U型”关系。Erkip等人（2012）认为以消费为导向的城市生活可以增加零售业的活力和促进经济的可持续发展。但是Kraxis等人（1983）对GDP按购买力平价进行折算后发现，流通业的比重并未增加，而是随着经济发展保持不变。
国内学者李宝仁（2005）使用社会消费品零售总额的时间序列数据，发现零售业与GDP之间存在正相关。李先军（2013）研究了江苏省13个地级市的相关数据后发现零售业对区域经济增长有影响并逐渐增强。王宗胜、梁朝晖（2014）认为批发零售业与GDP之间存在协整关系，并且有单向因果关系。舒建玲等（2015）对比了中美两国的批发零售业和GDP的相关数据，发现长期关系中，二者存在均衡关系，短期则存在波动关系。
从研究的现状看，目前国内外学者对批发零售业的研究较少，而且大多数研究使用了时间序列数据来考察全国批发零售业与经济增长之间的关系。因此，本文选用了中国31个省（直辖市、自治区）2008-2014年的面板数据，并且使用门槛回归模型来检验批发零售业与区域经济之间是否存在非线性关系，并且加入了物流产业集聚这一变量，研究批发零售业对区域经济增长的促进作用是否受到不同物流产业集聚水平的影响。
研究设计
（一）计量模型构建
本文使用Hansen（1999）提出的门槛回归模型分析物流产业集聚与经济增长之间的非线性关系，在不同的区间使用不同的回归方程，可以根据门槛的个数设置为单门槛或者多门槛模型。其中单门槛回归模型如下：
其中，qit为门槛变量，ui为截距项，γ为门槛值，I为指示函数；yit为被解释变量，xit为解释变量，εit为残差项。写成矩阵形式为：，矩阵表达式组内平均后减去各自组内平均，从而消除个体效应ui的影响，变换后为：，残差平方和为：，寻找门槛最优估计值γ，使残差平方和最小。
接着对门槛回归的显著性以及门槛估计值的真实性进行检验。设置F统计量来检验其显著性。对于单门槛模型，原假设H0为没有门槛值，备择假设H1是有一个门槛值。Hansen提出通过Bootstrap反复抽样得到P值和临界值，当P值足够小的时候，不接受原假设，认为至少有一个门槛值，然后继续检验是否存在更多的门槛值。通过似然函数进行估计检验，门槛估计值是否为真实值，。
（二）变量选择和数据来源
根据上文的建模思路，构建以物流产业集聚为门槛变量的双门槛模型，并加入控制变量，表达式如下：
被解释变量。经济增长（GDP）：以实际GDP表示经济增长。GDP是衡量经济增长的重要指标，实际GDP可以避免通货膨胀的影响。
核心解释变量。批发零售业（ls）：使用批发零售业增加值（亿元）来表示。
门槛变量。物流业集聚：由于批发零售业对物流有很强的依赖性，周维浪等（2015）认为物流产业集聚对批发零售业有一定的影响，因此选用物流产业集聚为门槛变量。中国的物流产业划分尚未确定，因此在研究中多以交通运输、仓储和邮政行业代替物流业。物流业的集聚程度使用区位熵来测度，计算模型如下：
其中，sj表示物流业在省份j的总就业人数，xj表示省份j的总就业人数；s表示全国物流业的总就业人数，x表示全国总就业人数。该指标反映一个省份物流业构成以及其与全国水平的差异，数值越大则物流业在该省的专业化程度越高（见表1）。
从表1中可以看出，2014年东部地区的物流产业集聚水平最高，但是在2008年，中部地区的物流产业集聚水平最高。从变动的角度看，东部、中部和西部的物流业集聚都呈现出下降的趋势，但是下降的幅度较小。从省际的角度看，辽宁省的物流业集聚程度最高，较多省份的物流产业集聚水平小于1，说明中国大部分省份的物流产业缺乏集聚，专业化程度较弱。
控制变量。为了得到无偏的结果，本文还考虑了下列变量：（1）科技创新水平（tec）：使用万人发明专利拥有量来表示。（2）人力资本（hc），使用人均受教育年限表示，其中人均受教育年限=抽样含小学文化程度人口数*6+初中*9+高中*12+大专及以上*16）/六岁以上抽样总人口。（3）政府规模（gov），使用政府财政支出在GDP中的比重表示。（4）固定资产投资（inv），使用人均固定资产投资来表示。由于部分数据缺失，因此选用2008—2014年为研究时段。本文所使用的数据来自各省统计年鉴。
实证分析
（一）面板单位根检验
门槛回归要求模型中的变量平稳，因此先对变量进行平稳性检验。面板数据单位根检验分为两种类型：第一类为LLC检验，其原假设为该变量存在着同质单位根；第二类为ADF检验和PP检验，原假设为存在着异质单位根。本文使用LLC检验和ADF检验对变量进行考察，结果见表2。结果显示，所有变量均在LLC检验、ADF检验中通过显著性检验，说明变量平稳。
