物流业发展对区域经济增长的贡献研究
时间：2021-02-23 12:00:46 来源：雅意学习网 本文已影响 人 
内容摘要：物流业发展与经济增长的关系一直是诸多学者研究的课题。本文以江苏省苏州市作为研究对象，选择道路里程数、年货运周转量、物流业增加值作为物流发展水平的参数，GDP值作为经济增长的统计指标，通过建立非线性回归模型来分析研究苏州市物流发展对区域经济增长的影响。研究发现，物流业发展与经济增长之间呈现良性互动，物流业的快速发展极大地促进了经济增长。基于研究结果提出，大力发展物流业，尤其要大力推动以道路和物流园区为代表的物流设施的建设；促进第三方物流发展，提高物流增加值。
关键词：物流业发展 经济增长 贡献 PSO-SVM
苏州市物流业发展与区域经济增长现状
（一）苏州市物流发展情况
物流业发展迅猛。截至2014年底，苏州市物流业总规模保持持续增长。全市全社会货运量达23477.5万吨，比2013年增长6.6%；全社会货运周转量25783.46万吨公里，增长5.3%；全市社会物流总额年均增长近15%，物流业增加值年均增长34%，规模效率明显提升；全市累计在建的物流园区42家，累计入驻企业7000余家，累计物流从业人数达到320万人，营业收入超过2400亿元。
物流园区规划建设稳步推进。第一，公路、港口等基础设施不断完善。全市公路建设不断加快，太仓港疏港高速公路建成并通车。第二，物流园区规划建设稳定推进。为完善物流组织管理功能和依托物流服务促进经济增长，苏州正规划建设10座大型物流园区。
第三方物流企业发展迅猛。截至2014年底，苏州市物流公司有5100余家，营业收入超过2400亿元。多个第三方物流企业纷纷落户苏州。例如TNT在华全资的子公司、华宇物流企业、恒鼎医药物流、德邦物流。这些第三方物流企业的落户给苏州物流业带来了新技术、新理念，提高了苏州物流业的整体服务水平。
（二）苏州市经济发展情况
经济运行不断加快。2005年苏州市GDP值为4138.21亿，经过十年的发展，到2014年时苏州的GDP值已达到13760.89亿。从图1可以看出，苏州市的工业值占经济中的比值一直很高，尤其在2011年至2014年工業值增长特别迅速，2015年苏州市工业总产值居国内城市第一。
新技术新业态发展迅猛。苏州近年来大力发展基于网络的数字化制造新技术。从2010年后，苏州积极打造互联网平台经济新业态，依托云计算、物联网、大数据等关键核心技术，大力发展电子商务等平台经济新业态，电子商务已深入融合到传统商业、现代制造业、生鲜农产品等各领域。
通过激发科技创新促进高新技术产业发展。制定实施了《全力打造苏南自主创新示范区核心区的意见》，强化科技同经济对接、创新成果同产业对接、研发人员创新劳动同其利益收入对接，形成有利于创新出成果、有利于创新成果产业化的新机制。现在，苏州民营科技企业、高新技术企业数均居江苏第一，高新技术产业产值也居江苏第一。
苏州市物流业发展对区域经济增长贡献的实证分析
（一）指标选取与数据处理
物流业发展的指标选择。本文以道路总里程、货运周转量、物流业增加值作为物流业发展水平的指标。
经济增长的指标选择。本文采用地区生产总值（记为GDP）作为苏州经济增长的衡量指标。
数据来源与处理。本文选择苏州2005-2014年的经济数据，共60个样本值，其中反映经济增长指标的GDP数据、物流业发展水平指标的物流业增加值数据、货运周转量数据来源于《苏州统计年鉴》；反映物流业发展水平指标的道路总里程数据由铁路总里程、公路总里程、内河航道通道里程三者之和组成，公路总里程数据和内河航道通道里程数据来源于《苏州统计年鉴》；铁路总里程数据由苏州铁路部门提供。
（二）模型构建
把苏州市GDP作为衡量苏州经济增长的指标，把道路总里程、货运周转量、物流业增加值作为衡量物流业发展水平的指标，考虑到指标之间可能存在的复杂非线性关系以及现有线性回归模型的不足，所以建立了物流业发展水平对经济增长贡献的非线性粒子群优化参数的支持向量机模型（PSO-SVM）：
（1）
式（1）中：Y为输出变量，为每年的苏州市GDP；X为输入变量向量（X1，X2，X3），分别为每年的道路总里程、货运周转量、物流业增加值；n为支持向量个数（本文取2005-2014年的数据，即向量个数为10），SVi为第i个支持向量（即2005-2014年中第i年的道路总里程、货运周转量、物流业增加值3个指标构成第i个支持向量）；K（xi，xj）=（Φ（xi）·Φ（xj））=Φ（xi）ΦT（xj），其中xi，xj为行向量，即K（xi，xj）为特征空间的一个内积，称为核函数。本文所用的是三次多项式核函数，即K（xi，xj）=polynomial（xi，xj）=（γxixjT）3。
为避免（X1，X2，X3）量纲不同降低算法精度，引入预处理系数向量c=（c1，c2，c3）对X进行预处理。至此，得到本文的SVM模型的具体表达式：
（2）
在应用本模型时，需要选择合适的系数c、求解出权重向量w和参数b。
（三）求解方法
对偶理论求解SVM模型参数。去量纲的处理方式较多，本文采取除去每个指标对应的最大值，然后根据计算误差进行适当放缩的方式选择合适的系数c。为求解SVM模型中的参数，根据回归误差建立参数优化模型，然后采用对偶理论，将其转化为二次规划问题，可得对偶优化模型：
（3）
式（3）中：ε为不敏感损失系数、C为惩罚系数（这两个参数需要预先设定），（αi=αi*）与wi对应。然后根据Karush-Kuhn-Tucker定理，可求得αi，αi*，b，即得到了非线性模型中的权重向量w和参数b。
