服務效率對物流通道產(chǎn)業(yè)粘性的影響研究*

付新平，連天碧，張 雪

(武漢理工大學 經(jīng)濟學院，湖北 武漢 430070)

一、引 言

隨著中國沿海經(jīng)濟帶的快速發(fā)展和“一帶一路”戰(zhàn)略的實施，經(jīng)濟帶建設成為中國經(jīng)濟布局的重要選擇。物流業(yè)作為社會經(jīng)濟發(fā)展的基礎性、戰(zhàn)略性產(chǎn)業(yè)，為經(jīng)濟“帶狀”發(fā)展提供了重要依托。2016年印發(fā)的《推進物流大通道建設行動計劃(2016-2020年)》(交規(guī)劃發(fā)〔2016〕217號，以下簡稱《行動計劃》)將物流大通道定義為能夠提供跨區(qū)域、長距離、高強度的多種運輸服務的物流走廊，具有交通資源密集、戰(zhàn)略地位突出等特點。同時，《行動計劃》提出到2020年重點推進11條國內物流大通道和85個節(jié)點建設，打造集約高效、智能綠色的“六縱五橫”物流大通道體系，明確優(yōu)化網(wǎng)絡貨運結構、改善節(jié)點服務功能、提升貨運組織水平、強化運行協(xié)同管理、推進標準化信息化建設五大任務。

現(xiàn)有國內外物流通道的相關文獻主要對物流通道與區(qū)域經(jīng)濟的互動關系進行論證分析，但運用通道理論研究物流(運輸)通道與經(jīng)濟聚散效應的文獻少見。王殿海等[1]提出交通大動脈經(jīng)濟勢理論，認為運輸通道經(jīng)濟勢高的地區(qū)有利于產(chǎn)業(yè)聚集。黃承鋒[2]認為運輸通道通過對社會經(jīng)濟活動的吸引和排斥效應影響產(chǎn)業(yè)的聚集擴散形態(tài)，不同線路的運輸通道具有不同的聚集擴散能力?？自录t[3]基于經(jīng)濟勢理論和產(chǎn)業(yè)區(qū)位理論，分析了物流通道對區(qū)域經(jīng)濟活動空間布局的影響，并以物流節(jié)點為例，分析其對區(qū)域產(chǎn)業(yè)的集聚效應。吳琪[4]以京滬地區(qū)為例，基于耦合模型證明運輸通道與經(jīng)濟帶的演變過程具有相關性。物流大通道和《行動計劃》是最近兩年才提出的國家骨干物流基礎設施建設思路，關于物流通道及其效率的研究十分鮮見，僅有范文嬌等[5]進行相關研究，還沒有針對11條物流大通道服務效率的評價研究。

在此背景下，對物流通道的服務效率及其產(chǎn)業(yè)粘性進行定性與定量研究具有重要意義。在理論方面，提出物流通道產(chǎn)業(yè)粘性的概念，為通道理論和產(chǎn)業(yè)粘性研究提供了新的研究視角。在實踐方面，服務效率的評價可為《行動計劃》的具體實施提供理論依據(jù)，有利于推進“一帶一路”、“長江經(jīng)濟帶”等國家戰(zhàn)略的貫徹實施，有利于物流大通道建設者制定相應的發(fā)展策略。物流通道產(chǎn)業(yè)粘性的研究能夠為政策推動下的產(chǎn)業(yè)布局選擇提供思路，有利于促進經(jīng)濟新常態(tài)和供給側結構性改革背景下的產(chǎn)業(yè)結構調整和經(jīng)濟轉型升級。

二、物流通道服務效率與產(chǎn)業(yè)粘性的度量

(一)物流通道服務效率的度量

物流大通道不僅包括多級聯(lián)運樞紐之間不同運輸方式的多條運輸線路，還包括配套的服務組織系統(tǒng)，如多式聯(lián)運物流園、共享信息平臺等，因此，物流大通道可以視作或者將被建設成為一個運轉流暢的物流服務系統(tǒng)，下面我們將每條物流大通道作為一個整體來研究。根據(jù)相關資料整理各物流大通道所包含的城市，如表1所示。

表1 物流大通道與主要通道樞紐(城市)

DEA模型一般用于評價多投入多產(chǎn)出的相同類型決策單元(DMU)績效，又稱為數(shù)據(jù)包絡分析模型[6]。DEA模型可避免各投入產(chǎn)出指標的不同量綱問題，客觀得出投入產(chǎn)出權重系數(shù)。選用DEA模型對物流大通道的服務效率進行評價。將物流大通道作為決策單元，利用DEA模型中的CCR模型與Malmquist指數(shù)對其2000-2016年的服務效率進行評價分析。

在指標選取方面，參考李娟、商傳磊等的物流效率指標體系[7-11]，又考慮到物流大通道的建設中，信息建設起著至關重要的作用，因此添加信息化水平作為投入指標。最終選取以下投入產(chǎn)出指標(如表2所示)對11條物流大通道服務效率進行評價。

表2 模型的指標選擇與說明

本文數(shù)據(jù)來源于2001-2017年《中國城市統(tǒng)計年鑒》、各城市《統(tǒng)計年鑒》，包含除拉薩、喀什和陸路沿邊口岸樞紐外的81個樞紐(城市)數(shù)據(jù)。上文中的物流大通道的投入產(chǎn)出指標數(shù)據(jù)均為各物流大通道內樞紐(城市)相關數(shù)據(jù)之和。

1.CCR模型結果。傳統(tǒng)DEA模型中包含CCR模型和BCC模型，其中CCR模型以投入為導向，在假設規(guī)模報酬不變的前提下對決策單元的績效進行比較分析，是最基本的DEA模型。選取2000-2016年各物流大通道投入產(chǎn)出數(shù)據(jù)，運用Deap2.1軟件計算CCR模型結果，得到各物流大通道在規(guī)模報酬不變情況下的服務效率，并對比分析不同時空維度物流大通道的服務效率差異，結果如表3所示。

表3 2000-2016年各物流大通道服務效率指標

通過CCR模型計算，各物流大通道服務效率大致分為三個梯隊。第一梯隊是南北沿海物流大通道(縱二)、京滬物流大通道(縱三)，其服務效率均在各年達到有效，實現(xiàn)投入產(chǎn)出比最優(yōu)，服務效率相對較高。第二梯隊按服務效率從高到低排列依次是京港澳(臺)物流大通道(縱四)、青銀物流大通道(橫二)、陸橋物流大通道(橫三)、西北能源外運及出海物流大通道(橫一)、滬昆物流大通道(橫五)，其服務效率相對第一梯隊而言稍有落后，但差距不大。第三梯隊按服務效率從高到低排列依次是沿長江物流大通道(橫四)、二連浩特至北部灣物流大通道(縱五)、西南出海物流大通道(縱六)、東北物流大通道(縱一)，其服務效率相對第一、二梯隊落后較多，亟待提升。

2.Malmquist指數(shù)結果。Malmquist指數(shù)也稱為DEA-Malmquist指數(shù)，該指數(shù)用于研究時間序列的生產(chǎn)效率變化，是對傳統(tǒng)DEA模型的優(yōu)化?；?000-2016年各物流大通道投入產(chǎn)出數(shù)據(jù)，通過運用Deap2.1軟件計算Malmquist指數(shù)，探究各物流大通道在規(guī)模報酬可變情況下的全要素生產(chǎn)率指標，結果如表4所示。

表4 2000-2016年各物流大通道Malmquist指數(shù)指標

表4反映2000-2016年各物流大通道全要素生產(chǎn)率的變化情況。其中，南北沿海物流大通道(縱二)和京港澳(臺)物流大通道(縱四)呈現(xiàn)全要素生產(chǎn)率遞增，分別實現(xiàn)0.8%、0.4%的增長。剩余通道全要素生產(chǎn)率呈遞減狀態(tài)，依次分別下降了3.8%、0.1%、8.5%、2.4%、1.3%、0.8%、3.8%、1.7%和1.7%，其中，二連浩特至北部灣物流大通道(縱五)全要素生產(chǎn)率下降程度最大，如圖1所示。

圖1 2000-2016年各物流大通道Malmquist指數(shù)的全要素生產(chǎn)率指標示意圖

(二)物流通道產(chǎn)業(yè)粘性及其度量

1.物流通道產(chǎn)業(yè)粘性。物流通道產(chǎn)業(yè)粘性是產(chǎn)業(yè)向物流通道內聚集或向通道外轉移的趨勢發(fā)生改變時受到的阻力作用。物流通道產(chǎn)業(yè)粘性區(qū)別于產(chǎn)業(yè)(轉移/區(qū)域)粘性等相關概念，“粘性”的作用不再體現(xiàn)于產(chǎn)業(yè)間，而是物流通道對產(chǎn)業(yè)的影響作用。借鑒張弢等[12]構建的產(chǎn)業(yè)粘性形成的推拉模型，即產(chǎn)業(yè)粘性由產(chǎn)業(yè)集聚力與產(chǎn)業(yè)分散力共同形成。其中，產(chǎn)業(yè)集聚力指產(chǎn)業(yè)轉入地的集聚力與轉出地的分散力產(chǎn)生的合力，產(chǎn)業(yè)分散力指產(chǎn)業(yè)轉入地的分散力與轉出地的聚集力產(chǎn)生的合力，則：

物流通道產(chǎn)業(yè)粘性=(轉入地的聚集力+轉出地的分散力)-(轉入地的分散力+轉出地的聚集力)=轉入地的凈聚集力+轉出地的凈分散力。

2.物流通道產(chǎn)業(yè)粘性的度量。戴宏偉等[13]提出使用產(chǎn)業(yè)梯度系數(shù)來衡量區(qū)域產(chǎn)業(yè)梯度水平，具體測算方法為區(qū)位熵和比較勞動生產(chǎn)率之積。區(qū)位熵是由Haggett提出用于衡量地區(qū)內生產(chǎn)要素分布格局的概念，又稱專業(yè)化率[14]。物流通道區(qū)位熵(LQ)的公式如下：

(1)

其中，LQj是j物流通道的規(guī)模以上工業(yè)在全國范圍的區(qū)位熵，ij是j物流通道的規(guī)模以上工業(yè)產(chǎn)值，i是全國規(guī)模以上工業(yè)產(chǎn)值，Gj是j物流通道的地區(qū)生產(chǎn)總值，G是國內生產(chǎn)總值。LQj的數(shù)值越高，物流通道對產(chǎn)業(yè)凈聚集力越大。因此，當LQj>1時，j物流通道產(chǎn)業(yè)粘性較強；當LQj<1時，j物流通道產(chǎn)業(yè)粘性較弱。

比較勞動生產(chǎn)率是用于衡量勞動生產(chǎn)率大小的指標，能夠反映勞動力在經(jīng)濟活動中創(chuàng)造的價值水平[15]。通過從比較勞動生產(chǎn)率較低的區(qū)域轉向比較勞動生產(chǎn)率較高的區(qū)域轉移，產(chǎn)業(yè)結構能夠實現(xiàn)優(yōu)化升級。為衡量物流通道內產(chǎn)業(yè)的勞動生產(chǎn)率，采用物流通道比較勞動生產(chǎn)率(CPOR)的計算公式：

(2)

其中，CPORj是j物流通道比較勞動生產(chǎn)率，lj是j物流通道的勞動就業(yè)規(guī)模，l是全國勞動就業(yè)規(guī)模。CPORj的數(shù)值越高，物流通道內產(chǎn)業(yè)的勞動生產(chǎn)率越大。因此，當CPORj>1時，j物流通道內產(chǎn)業(yè)的勞動生產(chǎn)率較高；當CPORj<1時，j物流通道內產(chǎn)業(yè)的勞動生產(chǎn)率相對較低。

產(chǎn)業(yè)梯度系數(shù)在一定程度上修正了區(qū)位熵與比較勞動生產(chǎn)率的偏差，是研究區(qū)域產(chǎn)業(yè)結構的重要指標。為衡量物流通道產(chǎn)業(yè)梯度水平，采用物流通道產(chǎn)業(yè)梯度系數(shù)(IGC)的計算公式：

IGCj=LQj×CPORj

(3)

其中，IGCj是j物流通道產(chǎn)業(yè)梯度系數(shù)。IGCj的數(shù)值越高，物流通道產(chǎn)業(yè)梯度水平越高。因此，當IGCj>1時，j物流通道處于較高產(chǎn)業(yè)梯度水平，物流通道產(chǎn)業(yè)粘性較大；當IGCj<1時，j物流通道處于較低產(chǎn)業(yè)梯度水平，物流通道產(chǎn)業(yè)粘性較小。

選取2001-2017年《中國城市統(tǒng)計年鑒》中物流通道主要通道樞紐(城市)的相關數(shù)據(jù)之和，即各樞紐(城市)GDP(單位：萬元)、規(guī)模以上工業(yè)產(chǎn)值(單位：萬元)、年末單位從業(yè)人員數(shù)(單位：萬人)之和，計算得出2000-2016年物流大通道產(chǎn)業(yè)梯度系數(shù)(IGC)，如表5所示。

表5 2000-2016年物流大通道產(chǎn)業(yè)梯度系數(shù)年份

續(xù)表5

由上文圖表可知，西南出海物流大通道(縱六)產(chǎn)業(yè)梯度系數(shù)平均值最低，僅0.54，物流通道產(chǎn)業(yè)粘性較??；南北沿海物流大通道(縱二)產(chǎn)業(yè)梯度系數(shù)平均值最高，達1.52，物流通道產(chǎn)業(yè)粘性較大。

三、實證分析

(一)相關性檢驗

首先通過皮爾森相關系數(shù)和斯皮爾曼等級相關系數(shù)分析服務效率與物流通道產(chǎn)業(yè)粘性之間的相關性。利用stata12計算得到11條物流大通道服務效率與產(chǎn)業(yè)梯度系數(shù)的皮爾森相關系數(shù)和斯皮爾曼等級相關系數(shù)分別為0.35和0.32，均在1%的水平下顯著，具體如表6所示。

表6 各變量的描述性統(tǒng)計結果

(二)多因素計量模型

構建基于面板數(shù)據(jù)的計量模型，能夠直接反映其影響情況。借鑒一般性建模方法，基于面板數(shù)據(jù)，以經(jīng)典線性單方程模型構建物流通道服務效率決定要素對物流通道產(chǎn)業(yè)粘性影響分析的計量模型如下：

IGCj t=α+β1LnYTj t+β2LnCLj t+β3XRj t+β4XUj t+β5LnXLj t+β6XFj t+εj t

(4)

式中，IGCj t是j物流通道不同年份t的產(chǎn)業(yè)梯度系數(shù)，作為模型的被解釋變量；YTj t是j物流通道t年的貨物周轉量(百億噸公里)；CLjt是j物流通道t年的貨運量(億噸)；XRj t是j物流通道t年的公路里程(萬公里)；XUjt是j物流通道t年的互聯(lián)網(wǎng)寬帶接入用戶數(shù)(百萬戶)；XLj t是j物流通道t年的交通運輸、倉儲和郵政業(yè)城鎮(zhèn)單位從業(yè)人員(百萬人)；XFj t是j物流通道t年的交通運輸、倉儲和郵政業(yè)社會固定資產(chǎn)投資額(百億元)；α是模型常數(shù)項，β是各變量系數(shù)，εj t為隨機擾動項。為了平滑數(shù)據(jù)，分別對貨物周轉量、貨運量和交通運輸、倉儲和郵政業(yè)城鎮(zhèn)單位從業(yè)人員等3個變量取自然對數(shù)。

1.單位根檢驗。為了避免出現(xiàn)偽回歸現(xiàn)象對數(shù)據(jù)進行單位根檢驗。通過對IGC、YT、CL、XR、XU、XL、XF等7個變量數(shù)據(jù)進行LL檢驗、ADF檢驗和PP檢驗，得到以下結果，如表7所示。表中顯示，變量的水平值除XF拒絕原假設外，其余變量均接受原假設，即存在單位根，序列非平穩(wěn)。因此，繼續(xù)對各變量的一階差分做單位根檢驗，結果顯示全部變量均拒絕原假設，因此，各變量均為一階單整序列。

表7 單位根檢驗結果

2.協(xié)整檢驗。協(xié)整檢驗能夠判斷一組序列是否具有穩(wěn)定的平衡關系，同樣能夠檢驗回歸結果是否為偽回歸。對面板數(shù)據(jù)繼續(xù)進行協(xié)整檢驗，結果如表8所示。由表可知，組內統(tǒng)計量在Panel PP-Statistic和Panel ADF-Statistic檢驗中均拒絕原假設，組間統(tǒng)計量在Group PP-Statistic和Group ADF-Statistic檢驗中均拒絕原假設，因此，各變量之間存在協(xié)整關系，能夠進行回歸分析。

表8 協(xié)整檢驗結果

3.回歸結果分析。對模型進行了Hausman檢驗，由于分析結果中的P值<0.05，接受建立固定效應模型的原假設。因此，采用逐步回歸法對各變量進行了回歸分析，結果如表9所示。由表可知，模型Ⅵ的R2值比其他模型高，多變量模型擬合效果更好。

表9 數(shù)據(jù)模型回歸結果

續(xù)表9

模型Ⅵ是包含6個變量的隨機效應模型，其中5個變量的回歸系數(shù)正負性顯著。貨物周轉量與貨運量的回歸系數(shù)均為正，公路里程與互聯(lián)網(wǎng)寬帶接入用戶數(shù)1%的變化則會引起產(chǎn)業(yè)梯度系數(shù)變化0.03%和0.004%，回歸系數(shù)同樣顯著為負。物流業(yè)固定資產(chǎn)投資回歸系數(shù)為正，其余變量回歸系數(shù)正負性未發(fā)生改變。綜上所述，貨物周轉量、貨運量、物流業(yè)固定資產(chǎn)投資與產(chǎn)業(yè)梯度系數(shù)呈正相關關系，貨運量的回歸系數(shù)最大；公路里程、互聯(lián)網(wǎng)寬帶接入用戶數(shù)、物流業(yè)從業(yè)人員和產(chǎn)業(yè)梯度系數(shù)呈負相關關系，物流業(yè)從業(yè)人員的回歸系數(shù)最小。但物流業(yè)固定資產(chǎn)投資與產(chǎn)業(yè)梯度系數(shù)的相關關系不顯著，如表10所示。

表10 回歸系數(shù)正負性與大小排序表

從經(jīng)濟意義看，貨物周轉量、貨運量、物流業(yè)固定資產(chǎn)投資與產(chǎn)業(yè)梯度系數(shù)呈正相關關系，能夠反映出這3個變量對物流大通道產(chǎn)業(yè)粘性具有正反饋作用，但物流業(yè)固定資產(chǎn)的作用并不顯著；公路里程、互聯(lián)網(wǎng)寬帶接入用戶數(shù)、物流業(yè)從業(yè)人員和產(chǎn)業(yè)梯度系數(shù)呈負相關關系，能夠反映出這3個變量對物流大通道產(chǎn)業(yè)粘性具有負反饋作用。

四、研究結論

(一)研究結論

物流活動是連接供給方和需求方的紐帶，研究物流業(yè)的發(fā)展趨勢有助于產(chǎn)業(yè)布局研判，有助于探索經(jīng)濟發(fā)展的規(guī)律。通過對物流通道產(chǎn)業(yè)粘性概念的界定和度量、物流通道服務效率的評價、服務效率對物流通道產(chǎn)業(yè)粘性的影響機理分析和實證分析，得出以下相關結論：

1.物流通道服務效率的影響因素分析及評價。

基于DEA模型對物流通道服務效率進行評價分析，得出2000-2016年11條物流大通道服務效率的相對變化趨勢。CCR模型計算結果顯示，各物流大通道服務效率排名大致分為三個梯隊。第一梯隊的2條物流大通道位于東南部發(fā)達地區(qū)，第二梯隊包含5條物流大通道，其中4條為東西走向，說明我國西部的物流業(yè)投入與產(chǎn)出基本匹配，西部經(jīng)濟建設初見成果；第三梯隊包含4條物流大通道，其中3條分布于經(jīng)濟不發(fā)達地區(qū)，此外還包括位于中部腹地的沿長江物流大通道?？梢钥闯鲅亻L江物流大通道的服務效率與其經(jīng)濟地位極不相符，需要大力整合現(xiàn)有物流資源，在有限的投入下取得最優(yōu)的物流服務產(chǎn)能。

通過Malmquist指數(shù)計算，物流大通道服務效率呈現(xiàn)下降趨勢，其技術效率與技術進步仍需改善。原因可能是投入增加的同時，生產(chǎn)要素的利用率存在一定的浪費，未充分利用的組織模式、先進技術、信息平臺等要素，致使投入產(chǎn)出比減弱。因此，為推進物暢其流、經(jīng)濟便捷的物流大通道建設，仍需解決頂層設計不充分、基礎設施銜接不暢、運輸結構不合理、聚集擴散效應不明顯、物流服務集約化程度不高等問題。

2.對物流通道產(chǎn)業(yè)粘性的度量。結合產(chǎn)業(yè)區(qū)位理論，針對物流通道產(chǎn)業(yè)粘性，對區(qū)位熵、比較勞動生產(chǎn)率和產(chǎn)業(yè)梯度系數(shù)重新定義，得出2000-2016年11條物流大通道產(chǎn)業(yè)梯度系數(shù)指標。計算結果顯示，從空間維度看，南北沿海物流大通道產(chǎn)業(yè)梯度系數(shù)平均值最高，達1.52，物流通道產(chǎn)業(yè)粘性較大；西南出海物流大通道產(chǎn)業(yè)梯度系數(shù)平均值最低，僅0.54，物流通道產(chǎn)業(yè)粘性較小。從時間維度看，物流大通道產(chǎn)業(yè)梯度系數(shù)各年份的平均值隨時間變化呈上升趨勢。

3.服務效率對物流通道產(chǎn)業(yè)粘性的影響。首先通過相關性分析得出服務效率對物流通道產(chǎn)業(yè)粘性具有正向影響的結論。然后通過構建基于面板數(shù)據(jù)的服務效率決定要素與物流通道產(chǎn)業(yè)梯度系數(shù)的計量模型，考察不同決定要素對物流通道產(chǎn)業(yè)粘性的影響。實證結果表明，物流通道貨運量、貨運周轉量、物流業(yè)固定資產(chǎn)投資與物流通道產(chǎn)業(yè)粘性呈正相關關系；運輸干線線路、信息化水平、技術進步與物流通道產(chǎn)業(yè)粘性呈負相關關系。這表明物流大通道的運輸能力可以形成一定的區(qū)位優(yōu)勢，吸引相關企業(yè)轉入通道內，形成產(chǎn)業(yè)聚集，從而增強物流大通道的粘性；與此同時，貨物和信息流通的便捷又促進了產(chǎn)業(yè)轉移，使產(chǎn)業(yè)集聚效應減弱，從而削弱物流大通道的粘性。這兩種相反的力共同作用，最終使物流大通道的服務效率的提升有利于增強其產(chǎn)業(yè)粘性。

(二)相關建議

物流活動在空間、時間、創(chuàng)新方面體現(xiàn)其經(jīng)濟效益，物流通道對物流活動的集聚能夠放大這三種效益。由于物流通道與區(qū)域、產(chǎn)業(yè)發(fā)展具有協(xié)同作用，為充分發(fā)揮物流通道的引領作用，促進物流通道發(fā)揮更大經(jīng)濟效益，實現(xiàn)物流通道與產(chǎn)業(yè)的有機協(xié)調發(fā)展，本文針對物流通道與產(chǎn)業(yè)協(xié)調發(fā)展提出以下三方面建議：

第一，引導產(chǎn)業(yè)合理布局。在產(chǎn)業(yè)區(qū)位選擇時，綜合考量物流通道的服務效率水平，尤其是基礎設施的完善程度。重視產(chǎn)業(yè)聚集帶動物流資源的聚集，促進物流通道在產(chǎn)業(yè)間融合發(fā)展，實現(xiàn)物流資源在產(chǎn)業(yè)集聚范圍內平衡分布。

第二，優(yōu)化物流通道頂層設計。依據(jù)物流通道產(chǎn)業(yè)粘性的不同，科學分析并預測產(chǎn)業(yè)區(qū)位選擇，合理規(guī)劃物流通道內鐵路、高速公路、水路等沿線樞紐(城市)的物流服務節(jié)點，有效分配物流資源，保證節(jié)點的運營和管理與產(chǎn)業(yè)布局相匹配，為產(chǎn)業(yè)提供最優(yōu)物流解決方案，降低物流成本，實現(xiàn)產(chǎn)業(yè)有序發(fā)展。

第三，提高兩者適應性的自我實現(xiàn)能力。提高物流通道內產(chǎn)業(yè)和物流活動的分工協(xié)作水平，不斷提高物流通道和產(chǎn)業(yè)的資源利用率，發(fā)揮產(chǎn)業(yè)粘性和物流通道產(chǎn)業(yè)粘性的作用，建立完善的物流通道與產(chǎn)業(yè)發(fā)展的綜合經(jīng)濟活動鏈條，推進兩者形成協(xié)調發(fā)展自我實現(xiàn)機制。