X

国际海事信息网

扫描二维码关注微信公众号、微博

随时随地获取更多资讯和服务

让我们成为您身边的海事信息专家

  首页 >> 物流 >> 正文

产业集聚对物流业产业效率影响的实证分析(上)

作者:浙江外国语学院 周烨   发布时间:2019-03-13    浏览量:651   字体大小:  A+   A- 

摘要:文章通过研究产业集聚等相关理论,提出专业化集聚和多样化集聚与物流业效率影响的传导路径。基于我国34个省市20072016年的平行数据构建Tobit回归模型,通过实证研究得出产业集聚对物流业效率的具体影响。

关键词:产业集聚,物流产业效率,Tobit回归分析

基金项目:国家社会科学基金资助项目(16BZX03&15CH163);杭州市哲学社会科学规划常规性立项课题(D13WX01)

0引言

现代物流业以其效率高、能源消耗低、加快资本周转三大优势促进了三大产业的全面发展。然而随着产业经济的发展壮大,我国社会物流总费用也在不断增加,说明我国物流成本依然较高,物流产业效率亟待提升。各学科关于产业集聚的定义并不完全一致,“产业集聚”多见于经济学领域[1-5]

物流业集聚是生产性服务业集聚的表现形式,是对物流业研究体系的延伸。房莹(2008)[6]通过对比物流业、制造业、服务业集聚之间的不同点,证实了物流业集聚的独特性。虽然物流业属于服务业,但物流业并不仅服务于消费,而是生产与消费的连接点。马丽(2010)[7]依据产业集聚区的特征对物流产业集聚类型进行了分类,重点研究不同类型集聚的影响因素。张智勇(2009)[8]提出了物流产业集聚创新模型。Porter(1999)[9]在价值链和价值系统研究的基础上,提出“钻石”模型,重点强调地区产业的国际竟争力对产业集聚的影响非常大。

本文以产业集聚效应作为切入点,集中探讨产业集聚与物流业产业效率的关系,创新之处如下:(1)采用产业效率作为产业发展的综合指标,充分考虑了产业集聚对物流业发展综合效益的影响。(2)运用DEA模型和Malmquist指数模型对物流产业效率进行全面系统的测度评价,进一步完善物流产业效率的有关研究,使得产业效率的定量分析更为充分。(3)采用面板数据的Tobit回归模型,通过因变量受限的极大似然估计,可有效解决DEA效率值区间约束的问题,避免出现回归偏误。

1变量选取与模型构建

1.1变量选取与数据来源

本文选取赵雷(2014)[10]提出的从行业内、外部角度选取解释变量对物流效率的影响因素进行分析。通过对产业增长理论进行分析,对传统产业增长和内生增长进行对比,得出行业增长所投入的三个关键因素:资本、人力资本存量、劳动的投入。一个地区的经济发展水平理论上与该地区产业经济发展的外部环境是密切相关的。同时还用人均GDP这一指标来说明一个地区的经济发展水平。最终选取指标如表1所示。

1物流效率的影响因素变量

变量符号 变量名称 变量说明
SUQ 规模效率 规模收益改变,效率发生的变化
PUQ 纯技术效率 规模收益不变,效率发生的变化
UQ 技术效率 规模和技术效率的综合
DA 多样化集聚程度 除物流产业以外的产值份额平方和的倒数
SA 专业化集聚程度 物流产业占省地区总产值与全国生产总值的份额比
HR 人力资本存量 以各地区的普通高校在校生人数为指标
L 劳动力投入 以各地区的物流业从业人员数作为指标
GDP 人均国内生产总值  
K 资本投入 以各地区的物流业固定资产投资额作为指标

本文数据选取我国34个省(市、自治区)2007201610年的数据(主要数据来源于《中国统计年鉴》及《中国物流统计年鉴》),设置340个观测样本构成面板数据。

1.2计量模型的构建

通过上述分析,构建计量模型如下:

UQ=a0+a1SA+a2DA+a3SA2+a4DA2+a5lnK+a6lnL+a7lnGDP+a8lnHR+εa0    (1)

其中,ε表示截距项和随机误差项。

利用DEAP2.1测算效率结果在01之间时,因变量将导致OLS估计值存在偏差,产生局限性。为消除变量局限性带来的误差,选取Tobit模型来进行回归分析,构建模型如下:

相较于离散、连续变量选择模型而言,Tobit模型中的因变量是受限的,且平行数据包括样本的个体变量与时间变量。statal2.0一般采用随机效应模型,本文对Tobit面板数据采用随机效应模型进行分析,用极大似然法得到一致估计量。各变量基本数据特征如表2所示。

2各变量基本数据特征

变量 样本 均值 最小值 偏度 峰度 最大值 标准差
SUQ 340 0.928 0.331 -2.407 7.960 1.000 0.135
PUQ 340 0.864 0.351 -1.130 3.303 1.000 0.162
UQ 340 0.723 0.276 -0.548 2.204 1.000 0.190
DA 340 3.505 2.581 1.000 3.885 5.411 0.555
SA 340 1.078 0.489 1.196 4.722 2.252 0.295
DA2 340 12.333 6.228 1.423 5.103 30.245 4.400
SA2 340 1.255 0.234 2.044 8.027 4.995 0.751
InHR 340 13.059   0.998 9.598 14.372 4.469
InL 340 3.955   1.003 0.430 6.190 4.243
InGDP 340 10.058   0.649 8.346 11.213 2.388
InK 340 6.232 3.216 -0.570 2.766 7.804 0.896

2产业效率评价体系的构建

CCR模型是最常用的DEA分析模型之一,其基本构造为:

式中,θ为投入缩小比率,;λ为线性组合系数;s+为剩余变量合成向量;s-为合成向量。设D的最优解是第j0个决策单元的投入产出决策,相对效率评价值分别为θ*,进而可以得到s-*s+*λ*。对各评价值的判断如下:

(1)若θ*=1,且s+*=s-*=0,则表示该DMUDEA有效,即在n个决策单元所构成的决策系统中,其投入已经达到了产出最优水平;

(2)若θ*=1,且s+*0s-*0,那么DMUDEA弱有效,即在决策系统中有n个决策单元所组成,在投入不变的情况下,可以提高其产出或减少投入可以保持原产出不变;

(3)若θ*1,则DUMDEA无效。

(4)若存在k*j,得到,则认为DMU规模收益不会发生变化;若,则认为DMU规模收益呈现出递增趋势,若,则认为DMU规模收益呈现出递减趋势。

规模报酬变化时的生产效率用BCC模型表示,如下所示:

minθ=VD

若存在上述线性规划存在最优解ω0μ0,且μ0满足:

(1)μTy0+μ0=1,决策单元弱DEA有效;

(2)ω00μ00,决策单元DEA有效。

上述模型主要评价的是决策单元DMU的综合效率。另外,Malmquist生产率指数模型与DEA结合可以实现测算相对效率的生产率动态变化。运用距离函数构建Malmquist生产率指数,应用距离函数对TFP进行分解,可分解为技术进步和技术效率变化。距离函数在数学形式上表现为Farrell的倒数:

Dit(xtyt)=1/Fit(ytxtCS)Dit(xtyt)越有效,技术效率水平越高。

t时期技术为参数,从t时期到t+1时期,Malmquist 指数定义为:

M1时,表示从tt+1这一时期,全要素生产率呈上升趋势,效率提升;当M=1时,表示从tt+1这一时期,全要素生产率不变,效率也不变;当M1时,tt+1这一时期,全要素生产率呈下降趋势,效率随之下降。M=TEC*TCTEC表示技术效率变化情况,在tt+1这一时期,每个决策单元接近生产前沿面的程度;TC表示技术进步变化在tt+1这一时期,每个决策单元生产前沿面移动变化的规律。

3数据检验及结果分析

3.1产业集聚对技术效率(综合效率)的影响

对于影响技术效率(UQ)的各个解释变量,本文通过公式(1)来构建彼此之间的关联,为考察多样化集聚、专业化集聚(SA)对技术效率的非线性影响,进而引入DA2SA2,结果见表3。通过表3中的效应标准差与之相对应的似然比检验P0,可以得出拒绝了平行Tobit与混合Tobit。回归这两者一样的假设,所以应用平行Tobit的数学模型。通过Tobit整体似然比的检验结果,不难发现P0,则证明该检验为显著。

3模型(1)各解释变量对技术效率的Tobit回归结果

解释变量 系数 Z统计量 P 标准差
DA -0.5215 -4.32 0.000*** 0.1643
SA 0.4330 2.60 0.009*** 0.1680
DA2 0.0812 4.09 0.000*** 0.0185
SA2 -0.0565 -1.11 0.260 0.0151
InHR 0.1454 5.48 0.000*** 0.0242
InL -0.0651 -1.50 0.118 0.0617
InGDP 0.1322 4.45 0.000*** 0.0829
InK -0.0784 -4.24 0.000*** 0.0347
Sigma_e 0.0365 23.65 0.000*** 0.0312
Sigma_u 0.0877 6.76 0.000*** 0.0500
常数项 -1.0519 -2.15 0.046** 0.5897

注:***代表1%水平上显著,**代表5%水平上显著,*代表10%水平上显著(下同)

由表2可知,资本(InK)DA2、专业化集聚、多样化集聚、人均GDP、人力资本存量(lnHR)的回归系数均小于1%,则证明为显著,而SA2对劳动力(lnL)的影响表现得不显著,进而证实劳动力对物流产业的效率影响不显著,产业效率与专业化集聚之间不存在非线性的影响。由此可以证明UQSA是呈线性相关性的,而UQDA则不存在线性相关性,是一种U型的非线性相关。

来源:《统计与决策》