我國區(qū)域物流資源配置水平的非均衡態(tài)勢及其時空演進

宋二行，周曉唯

(陜西師范大學 國際商學院，陜西 西安 710119)

0 引言

物流業(yè)是一個囊括運輸、倉儲、流通及配送等多種行業(yè)的復合型產業(yè)，其在經濟發(fā)展中所扮演的重要角色已經得到學者們的普遍認可。據國家統(tǒng)計局最新數據顯示，2010—2019年間我國物流產業(yè)增加值由18 783.6億元增加到42 802.1億元，10年間累計增長幅度高達127.87%。物流業(yè)已逐步成為推動我國經濟增長的重要抓手與縮小區(qū)域發(fā)展的著力點。但由于我國各省市在經濟發(fā)展水平、地理位置及資源稟賦等方面都存在差異，使得我國物流資源配置水平在地區(qū)間呈現各不相同的局面。因此，在當前我國提倡區(qū)域協調發(fā)展的大環(huán)境下，深入探究物流資源配置水平區(qū)域差異的長期演變趨勢至關重要，一方面能夠推動區(qū)域物流產業(yè)和經濟發(fā)展，另一方面能為物流業(yè)均衡發(fā)展及政策制定提供新思路。

1 文獻綜述

當前學者對我國區(qū)域物流資源配置水平的研究絕大部分圍繞物流效率展開，研究成果主要集中于3個方面：

1.1 對區(qū)域物流效率評價的研究

現有成果對區(qū)域物流效率評價的研究最為全面具體。小到對具體省份物流效率的測度，如曾佑新等利用DEA及其擴展模型對江蘇省物流產業(yè)效率展開了評價[1]；鐘群英、朱順東將DEA模型和Malmquist指數結合起來具體地評價了江西省11個設區(qū)市的物流效率[2]。大到對我國整體物流效率的評價，如雷勛平等學者以DEA和超效率模型為基礎評價了2008年我國各省市物流效率并具體分析了各省市物流資源投入不足與投入沉余狀況[3]；張竟軼、張竟成通過三階段DEA模型給出了我國七大地區(qū)物流綜合技術效率、純技術效率及規(guī)模效率的具體數值和排名情況[4]；范建平等人在考慮非期望產出的基礎上，利用改進EBM-DEA模型測算了2012年我國各省市物流業(yè)環(huán)境、經濟和技術效率并分析了其地域特征[5]。同時，較多的學者評價研究了特定省群的物流效率，如Sun采用三階段DEA模型評價了東北三省的物流效率[6]；孟魁以同樣的方法研究了中部地區(qū)在能耗和碳排放約束下的物流效率并發(fā)現其存在非技術和非規(guī)模效率[7]；劉俊華等應用DEA—Malmquist指數法實證分析了西部十二省市物流效率與技術變動的演變過程[8]。此外，王琴梅和張玉在定義絲綢之路經濟帶“核心區(qū)”的基礎上評價了國內沿線各省的物流效率并予以排名[9]；楊愷鈞等通過建立考慮碳排放的SBM與GML模型對比分析了長江經濟帶上中下游三段的物流業(yè)全要素能源效率[10]。

1.2 對區(qū)域物流效率空間演化的研究

近年來，隨著空間計量的興起，學者們也逐步開始關注我國物流效率的空間格局。唐建榮等人利用DEA-Malmquist模型測算了江蘇省各地級市的物流效率，并在此基礎上通過ESDA分析了其空間格局，結果顯示江蘇省物流效率存在明顯的空間差異并在演變過程中伴隨著空間依賴特征[11]。鐘昌寶、錢康、曹炳汝等采用DEA-BBC模型和空間自相關分析對長江經濟帶物流效率空間相關的研究得出了類似的結論，即長江經濟帶物流效率在空間上存在正相關且效率高的省份主要集聚在中下游[12-13]。高康等通過超效率DEA-ESDA模型的研究表明我國西部地區(qū)物流效率呈現空間弱正相關，空間異質性由西北向西南不斷增強[14]。張亮亮等借助PP-SFA發(fā)現在考慮能源和碳排放的前提下，中國物流產業(yè)技術效率在時序上呈下降態(tài)勢，在空間上呈明顯區(qū)域性[15]。唐建榮、唐萍萍用方向距離函數測算了2007—2016年中國各省市物流效率，并用ESDA及標準橢圓法探索了其空間相關，結果顯示我國物流產業(yè)效率的空間相關性顯著，東部地區(qū)效率優(yōu)于西部地區(qū)且差距在不斷擴大[16]。劉明、楊路明對我國277個地級市物流效率空間相關展開研究后得出臨近區(qū)域物流效率之間有正向溢出效應且能促進相互之間協同發(fā)展的結論[17]。

1.3 對區(qū)域物流效率影響要素的研究

探索我國區(qū)域物流效率的影響因素也始終是學者們的關注點之一。余泳澤、武鵬利用隨機前沿生產函數探索發(fā)現影響我國物流效率的因素主要有經濟發(fā)展水平、物流資源使用率及地區(qū)制度變遷等[18]。李煜、駱溫平發(fā)現環(huán)境規(guī)制對我國物流效率的影響在地區(qū)間各不相同，對東北地區(qū)的影響最明顯，對沿海地區(qū)的影響最不顯著[19]。袁丹和雷宏振認為物流專業(yè)化程度及資源利用顯著影響物流效率，而經濟實力、產業(yè)結構及人力資本水平對物流效率的影響并不明顯[20]，但王琴梅和李娟經過分析認為合理的產業(yè)結構是能夠對流效率產生顯著的正向影響的[21]，龔雅玲等人進一步發(fā)現物流產業(yè)自身結構是影響物流效率眾多因素中最為明顯的一個[22]。于麗英則通過研究發(fā)現技術進步在物流效率變動中扮演著重要角色[23]。除此之外，學者們發(fā)現影響我國區(qū)域物流效率的因素還有政府干預、產業(yè)集聚、開放程度及市場一體化等等[24-25]。

毋庸置疑，學者們關于我國區(qū)域物流資源配置效率已經取得豐碩的研究成果，但仍存在不足之處：(1)當前學者們對我國區(qū)域物流資源配置效率的評價方法大多以DEA模型為基準。DEA模型只能宏觀的反映出物流效率的有效或者無效，對效率無效的地區(qū)尚可做進一步對比分析，但對于效率有效(即DEA結果為1)的省份則無法進行對比分析。(2)雖然學者們也注意到了我國物流資源配置水平的區(qū)域差異，但尚未有文獻對我國物流資源配置水平區(qū)域差異的來源及動態(tài)演變過程做出深入研究。基于此，本研究將從以下方面做出進一步研究：(1)采用熵權TOPSIS法對我國物流資源配置水平做出更為動態(tài)化的評價。TOPSIS法有對數據要求低、測算結果客觀等優(yōu)點，其核心思想是通過測算各衡量指標與“最優(yōu)解”和“最劣解”的距離進而對各指標進行排序，這種“最優(yōu)解”思想與經濟學所追求的“最優(yōu)資源配置”高度契合，非常適合用來測算物流資源配置水平。但TOPSIS法在確定各指標的權重時存在嚴重的主觀傾向，很容易造成評價結果與實際情況相背離，而熵權法是一種應用相當廣泛的客觀賦權法，有效彌補了TOPSIS法的缺陷，從而對能夠對我國物流資源配置水平做出客觀、真實、有效的評價。從結果反映上來看，傳統(tǒng)慣用的DEA模型更多反映的是評價對象是否有效，其對效率有效的評價對象統(tǒng)一以1作為衡量尺度，無法直觀顯示出進一步的區(qū)別，熵權TOPSIS法則能夠以不同的數字對不同評價對象進行賦值，使得各評價省份的物流資源配置水平能夠被更為直觀、更為動態(tài)地表達出來。(2)通過Dagum基尼系數及其分解、Kernel核密度估計及Markov鏈等方法明確我國區(qū)域物流差異的來源及其分布演進過程。

2 物流資源配置水平綜合測度

2.1 評價指標體系構建

本研究中物流資源配置水平指的是對物流要素投入與產出之間關系的衡量。因此在構建物流資源配置水平評價體系時須包含這兩個方面?；贑-D生產函數可知，生產要素主要包括資本、勞動力和土地這3個方面，產出包括經濟產出和非經濟產出兩個方面。物流資本投入主要有經濟資本投入和物質資本投入，在參照前人研究基礎與綜合考慮數據可得性等原則上，本研究分別選取物流業(yè)全社會固定投資總額和民用載貨汽車數量作為物流資本投入衡量指標。勞動力投入方面以物流業(yè)從業(yè)人員數量作為代理變量。物流土地投入包括倉儲建設占地、配送基地等，相比之下，在物流運輸過程中發(fā)揮重要作用的鐵路、公路等用地更廣且能在一定程度上反映物流運輸能力的大小，故本研究以公路里程作為物流土地投入的衡量指標。從產出角度來看，一方面，貨運周轉量屬于物流活動過程中的“中間產出”，而完整物流活動產出的初級形式體現在貨運量上，因此以貨運量和貨運周轉量來衡量物流活動的非經濟產出；另一方面，物流經濟活動的最終結果需要經濟效益來衡量，故以物流業(yè)生產總值的增加值作為經濟產出的代表。

除此之外，現有研究表明，零售業(yè)發(fā)展與居民消費水平也對物流效率有顯著影響，在物流資源配置中扮演重要角色[26]?；谠u價體系構建的科學性與綜合性考量，本研究將這二者也均納入物流資源配置水平評價體系當中，并選取社會消費品零售總額和城鎮(zhèn)居民年平均消費來分別作為這二者的衡量指標。綜合以上分析，構建如表1所示的物流資源配置水平評價指標體系。

表1 物流資源配置水平評價指標體系Tab.1 Evaluation indicator system of logistics resource allocation level

2.2 評價方法與數據來源

2.2.1評價方法

本研究采用熵權TOPSIS法來測算我國物流資源配置的綜合水平。其建模步驟為：

步驟1：數據標準化處理。因涉及到熵權計算，本研究利用歸一化方法對數據進行標準化處理，處理公式為：

(1)

步驟2：以m個評價對象為列，n項評價指標為行，構建標準化矩陣：

Y=(yij)m×n(i=1, 2,…,m,j=1, 2,…,n)。

(2)

步驟3：計算信息熵：

(3)

步驟4：計算權重：

(4)

步驟5：構建加權矩陣:

X=(xij)m×n,xij=wj×yij

(i=1, 2,…,m,j=1, 2,…,n)。

(5)

(6)

步驟7：利用歐氏距離公式計算評價對象的最優(yōu)距離和最劣距離：

(7)

步驟8：計算綜合評價指數：

(8)

其中C值越大，表明物流資源配置水平越高。

2.2.2數據來源

本研究以我國31省市為主要研究對象，并參照中國國家統(tǒng)計局的劃分標準，將31省市劃分為東部、中部和西部3大地區(qū)。東部地區(qū)包括北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東和海南等11個省市；中部地區(qū)包括山西、吉林、黑龍江、安徽、江西、河南、湖北、湖南等8個省份；西部地區(qū)包括內蒙古、廣西、重慶、四川、貴州、云南、陜西、西藏、甘肅、青海、寧夏和新疆等12個省市。研究時段為2003—2017年。由于我國目前并沒有專門的物流統(tǒng)計出版物，因此本研究在數據選取方面采取學者們的一貫做法，以交通運輸業(yè)、物流倉儲業(yè)及郵政業(yè)來代替物流業(yè)。數據來源于2004—2018年《中國統(tǒng)計年鑒》及各省市統(tǒng)計年鑒。

2.3 評價結果分析

通過熵權TOPSIS評價方法對我國2003—2017年物流資源配置水平進行了測算，結果如表2所示。從整體上來看，我國省際物流資源配置水平呈上升態(tài)勢。2003年全國省際物流資源配置水平的平均值為0.269，2017年的平均值增加到了0.305，增加幅度為13.38%，表明我國物流資源配置水平處于提升狀態(tài)，但年均增加幅度僅為0.96%，提升速度緩慢。東部地區(qū)物流資源平均配置水平由2003年的0.423上升到了2017年的0.436，提升幅度僅為3.07%，遠低于全國平均上升水準；中部地區(qū)物流資源配置水平的均值在15年里共增加了0.037，增幅為15.10%，略高于全國平均增加水平；西部地區(qū)是3大地區(qū)中增加最快的地區(qū)，共增加21.8%。從省級角度來看，2003年，廣東、上海和浙江這3省的物流資源配置水平最高，分別為0.658，0.572和0.545；2017年綜合評價水平最高的為廣東、山東和江蘇，說明這些省市的物流資源配置水平相對較高。與此同時，2003—2017年間，有9個省市物流資源配置水平出現下降現象，其中下降最快的西藏在15年間年均下降幅度為4.89%，下降趨勢明顯。而物流資源配置水平提升最快的省份是貴州省，累計提升幅度高達134.41%，是31個省市中唯一增加速度超過100.00%的省份。另外，統(tǒng)計期內有18個省市物流資源配置水平的增長速度超過了全國平均速度。由此可見，在研究范圍內，中國省級物流資源配置水平雖存在一定的個體異質性，但從全局角度來看，仍呈現出向上提升發(fā)展的態(tài)勢。

表2 中國省際物流資源配置水平測算結果Tab.2 Calculating result of inter-provincial logistics resource allocation level in China

圖1描繪的是2003—2017年全國、東部、中部、西部及歷年省際最大差值的變化曲線。從曲線走勢來看，我國整體、東部、中部和西部物流資源配置平均水平都表現出緩慢波動上升趨勢。東部地區(qū)波動趨勢最為明顯，中部地區(qū)物流資源配置水平的演變路徑與全國大致相同，西部地區(qū)則呈現先小幅下降而后平穩(wěn)上升的兩階段態(tài)勢。從曲線位置來看，以全國平均水平為基準線，東部地區(qū)物流資源配置水平曲線位于其上，且距離明顯；中部地區(qū)變化曲線稍微低于全國平均變化曲線；西部地區(qū)曲線位置則遠低于全國平均曲線?？梢?，我國物流資源配置水平存在明顯的區(qū)域差異。以2003年為例，東部與中部、東部與西部、中部與西部物流資源配置水平的差值分別為0.178，0.258和0.08，到2017年這種差距變?yōu)?.154，0.235和0.081，地區(qū)間差距并未明顯縮小，區(qū)域物流資源配置水平的非均衡發(fā)展態(tài)勢仍未得到改善。另外，各省歷年最大差值曲線呈現上升狀態(tài)，說明物流資源配置水平在省際之間的非均衡發(fā)展愈演愈烈。

圖1 2003年至2017年全國、各地區(qū)物流資源配置平均水平及省際最大差值變化趨勢Fig.1 Change trend of national, regional average logistics resource allocation levels and maximum difference between provinces from 2003 to 2017

3 中國物流資源配置水平的時序演進

3.1 方法選取

3.1.1Dagum基尼系數及其分解法

Dagum基尼系數分解是一種以子群為單位的分解方法，它既克服了傳統(tǒng)基尼系數不能對地區(qū)展開分解的弊端，又能彌補錫爾指數無法考慮子樣本分布狀況的不足[27]?；诖?，本研究將采取Dagum基尼系數及其分解法對我國物流資源配置水平的相對差異進行分解，進而揭示地區(qū)間物流資源配置水平差異的來源與構成?？偦嵯禂涤嬎愎綖椋?/p>

(9)

Dagum分解將總基尼系數分解為地區(qū)內差異貢獻Gw,地區(qū)間差異貢獻Gnb和超變密度貢獻Gt3大部分，各部分計算公式為：

(10)

(11)

(12)

(13)

(14)

(15)

(16)

式中，Fj(Fh)為j地區(qū)的累積概率密度函數；djh定義為地區(qū)間物流資源配置水平差值，可看作是地區(qū)j和h中所有yjh-yhr>0的樣本的平均值；pjh定義為物流資源配置水平的超變一階矩陣，即所有yhr-yji>0的樣本的平均值。

3.1.2Kernel核密度估計

Dagum基尼系數及其分解反映的是地區(qū)物流資源配置水平相對差異的分布演進。為全面剖析地區(qū)間物流資源配置水平差異分布的演化過程，本研究將選擇非參數估計方法Kernel核密度估計來刻畫區(qū)域物流資源配置水平的絕對差異與分布演化[28]。其基本形式為：

(17)

(18)

3.1.3Markov鏈方法

Dagum基尼系數及其分解法與Kernel核密度估計法雖然能夠全面刻畫我國區(qū)域物流資源配置水平的外部演變趨勢，但無法明確其內部演變規(guī)律，本研究將進一步利用Markov鏈來揭示我國區(qū)域物流資源配置水平的內部變化趨勢。馬爾可夫鏈的基本條件是，假定對概率空間(A，B，C)內以一維可數集為隨機變量的集合X={xn∶n>0}，若隨機變量的取值都在可數集內：X=si,si?s,且滿足:P{Xt+1|Xt,…,X1}=p{Xt+1|Xt}，則集合X可稱為馬爾可夫鏈[29]。在經過轉移后可形成馬爾可夫轉移矩陣，基本形式為：

(19)

若將我國物流資源配置水平劃分為N種類型，則可以得到形如式(19)所示的N×N轉移概率矩陣M，便可以對物流資源配置水平的內部演化特征展開分析。

3.2 相對差異演進及其來源

3.2.1全國及地區(qū)內相對差異演進分析

表3給出了全國、分地區(qū)及各地區(qū)間物流資源配置水平的基尼系數，圖2描繪了全國及3大地區(qū)內部物流資源配置水平基尼系數演變趨勢。從全國層面上來看，2003—2017年間，我國物流資源配置水平整體基尼系數下降了0.012 7，年均下降0.28%，物流資源配置水平的相對差異在縮小，朝著均衡發(fā)展的方向前進。而其具體演變過程則呈現先上升后平穩(wěn)下降的兩階段特征。具體而言，在2003—2007年的增長階段里，我國物流資源配置水平的基尼系數由0.315 0增加到研究時期內的最大值0.343 7，增加幅度為10.16%，說明在這段時間內，我國整體物流資源配置水平的相對差異在擴大，不均衡發(fā)展明顯加強。2007—2017年，除2012，2015和2016年出現些微的增加外，其他年份均表現為下降，并在2017年達到歷年物流資源配置水平基尼系數的最小值0.302 3，可見近10年來我國物流資源配置水平的非均衡發(fā)展態(tài)勢得到了相應的改善，朝著均衡發(fā)展方向前進。

分地區(qū)來看，東部、中部和西部物流資源配置水平基尼系數的均值分別為0.203 4，0.151 8和0.285 5，均小于全國平均值0.312 3，可見，3大地區(qū)內部物流資源配置水平的相對差異都小于全國，意味著我國東部、中部和西部物流資源配置水平的均衡發(fā)展程度都要優(yōu)于全國。各區(qū)域橫向對比來看，西部地區(qū)內部物流資源配置水平的相對差異最大，東部次之，中部最為均衡。就演變過程而言，中部地區(qū)演變過程較為平緩，東部和西部地區(qū)則呈現出波浪式的復雜演變形態(tài)。從縱向演變結果來看，東部地區(qū)和中部地區(qū)物流資源配置水平的基尼系數分別由2003年的0.189 6和0.149 9上升到了2017年的0.229 6和0.172 1，增長幅度分別為21.09%和14.81%，可見，東部和中部物流資源配置水平的相對差距在不斷擴大，呈現出“馬太效應”。西部地區(qū)基尼系數則由0.269 3下降到0.262 8，累計下降2.41%，意味著西部地區(qū)內部物流資源配置水平的相對差異有改善跡象，但效果并不明顯。

表3 2003—2017年全國、分地區(qū)及地區(qū)間物流資源配置水平基尼系數Tab.3 Gini coefficients of national, regional and interregional logistics resource allocation levels from 2003 to 2017

圖2 2003—2017年全國及東中西三大地區(qū)物流資源配置水平基尼系數演變圖Fig.2 Evolution curves of Gini coefficient of logistics resource allocation levels in China, east, central and west regions from 2003 to 2017

3.2.2地區(qū)間相對差異演進分析

從表3前后數據對比來看，地區(qū)間物流資源配置水平的基尼系數明顯高于地區(qū)內基尼系數，說明地區(qū)之間物流資源配置的不均衡發(fā)展態(tài)勢顯著高于地區(qū)內。整個研究期內，東-中部與東-西部之間的資源配置不均衡在波動中縮小，年均分別下降0.54%和0.79%；中-西部的相對差異呈現擴張態(tài)勢，年均增長0.047%。

此外，東-西部物流資源配置相對差異的平均值分別高出東-中部和中-西部50.63%和70.00%，是物流資源配置水平相對差距最大的兩個地區(qū)，東-中部的相對差異略高于中-西部的相對差異，但差距并不明顯。從圖3的演進趨勢上看，東-西部物流資源配置水平的相對差異沿著先上升后下降路徑演進；東-中部和中-西部則沿著上下波動的路徑演進且中-西部的演進過程相較更為平緩。

圖3 2003—2017年地區(qū)間基尼系數演進趨勢Fig.3 Evolution trend of interregional Gini coefficients from 2003 to 2017

3.2.3地區(qū)相對差異來源及貢獻率

表4給出了我國物流資源配置水平相對差異的具體來源及貢獻占比。由表可知，我國物流資源配置水平相對差異的貢獻主要來自超變密度，地區(qū)間和地區(qū)內分列二三位，但二者的差距較小。變化趨勢方面，地區(qū)間對物流資源配置水平相對差異的貢獻相當平穩(wěn)，15年間僅增長了0.93%；地區(qū)內對物流資源配置水平相對差異的貢獻率分別在波動中由21.99%穩(wěn)步上升到25.73%，超變密度的貢獻率則與之相反，由50.79%下降到46.12%。就波動幅度而言，地區(qū)內貢獻的波動幅度為0.013 4，地區(qū)間貢獻的波動幅度為0.024 3，超變密度貢獻的波動幅度則為0.034 2。整體而言，超變密度仍在當前我國物流資源配置水平的相對差異中占據主導位置。

表4 2003—2017年中國物流資源配置水平地區(qū)差異及其貢獻率Tab.4 Regional differences and contribution rates of logistics resource allocation level in China from 2003 to 2017

3.3 絕對差異演進趨勢

本研究分別選取2003，2008，2013和2017年這4個年份作為Kernel核密度估計的樣本，最終估計結果如圖4所示。通過對核密度曲線位置、高度及波峰數量的對比分析，可進一步明確我國物流資源配置水平絕對差異的動態(tài)演進歷程。

3.3.1全國物流資源配置水平絕對差異演進

總體來看，全國歷年核密度曲線位置移動并不明顯，2017年的曲線相對靠右，2008年的曲線峰波最高，2013年為雙峰形態(tài)。說明我國整體物流資源配置水平提升緩慢，2017年的物流資源配置水平相對最高，但2008年物流資源配置水平的絕對差異最小，2013年存在極化現象。整體2003—2017年間，核密度曲線稍微右移，高度未發(fā)生明顯變化，說明我國整體物流資源配置水平有所提升但絕對差異并未有太大變化。具體演進來看，相比2003年，2008年核密度曲線高度上升，說明我國物流資源配置水平的絕對差異在這一階段有所縮?。幌噍^2008年，2013年的核密度估計曲線高度有了明顯的下降且在主峰的右邊出現了副峰，意味著我國物流資源配置水平的絕對差異在擴大并產生了極化現象；2017年核密度估計曲線在升高的同時由雙峰形態(tài)變成了單峰形態(tài)，表明物流資源配置水平的相對差異再次縮小且極化發(fā)展得到了有效的控制。

3.3.2東部物流資源配置水平絕對差異演進

總體來看，東部地區(qū)2013年核密度曲線位置最靠右，2003年曲線波峰高度最高且存在雙峰現象，說明2013年東部地區(qū)物流資源配置水平最高，而2003年物流資源配置水平的絕對差異雖然最小但存在著極化發(fā)展趨勢。整體2003—2017年間，核密度曲線高度明顯下降，說明東部物流資源配置水平的絕對差異在擴大。具體演進來看，與2003年相比，2008年波峰高度明顯下降且寬度增加，同時雙峰形態(tài)消失，說明東部物流資源配置水平的相對差異在擴大但極化現象得到了控制；2013年曲線相較2008年波峰高度上升，同時位置向右移動明顯，表明這一時期內東部物流資源配置水平不僅得到了大幅度的提升且地區(qū)間的相對差距也得到了改善；與2013年相比，2017年核密度曲線波峰再次回落，意味著該階段內東部物流資源配置水平的絕對差異呈增大態(tài)勢。

3.3.3中部物流資源配置水平絕對差異演進

總體來看，中部地區(qū)2013年曲線的位置最靠右，2003年的波峰最高，2013年和2017年分別擁有3個和2個波峰，說明在研究期內，中部地區(qū)物流資源配置水平最高的年份為2013年，2003年的物流資源配置水平的絕對差異最小，同時中部地區(qū)是3大地區(qū)中物流資源配置水平極化現象最嚴重的地區(qū)，并在2013年達到頂峰。整體2003—2017年間，核密度曲線右移、高度下降且波峰數量增加，意味著中部地區(qū)物流資源配置水平在提升，但絕對差異也在擴大并且有極化現象。具體演進來看，與2003年相比，2008年曲線小幅向右移動，波峰高度些微下降，說明2008年中部地區(qū)物流資源配置水平與絕對差異都有所提高，但并不顯著；與2008年相比，2013年核密度曲線波峰高度呈墜崖式下落，寬度增大，峰狀由單峰變?yōu)槿?，意味著在這5年期間，中部物流資源配置水平的絕對差異急速擴大并伴隨著嚴重的極化現象；對比2013年，2017年核密度曲線的位置向左稍微移動，波峰高度幾乎未變化，波峰數量減少到了2個，說明2017年中部地區(qū)物流資源的配置水平有所下降，絕對差異卻并未有效改善，但極化現象得到了一定的緩解。

3.3.4西部物流資源配置水平絕對差異演進

總體來看，西部地區(qū)歷年核密度估計曲線的位置比較集中，相對而言2017年曲線位置最靠右，2003年的曲線峰波最高，峰形均以單峰呈現，并無明顯的多峰形態(tài)，代表著西部地區(qū)物流資源配置水平在2017年最優(yōu)，地區(qū)內絕對差異最小的時期為2003年，研究期內并未出現極化現象。整體2003—2017年間，核密度曲線右移，高度下降，說明西部地區(qū)在物流資源配置水平提升的同時伴著相對差距的擴大。具體演進來看，2008年相比2003年，核密度曲線位置無明顯變化但波峰高度出現了下降，說明西部物流資源配置水平的絕對差異在這一階段內有擴張態(tài)勢；與2008年相比，2013年核密度曲線小幅度右移，波峰高度再度下降，意味著2008—2013年間，西部地區(qū)物流資源配置水平有了一定的進步，但配置水平的絕對差異再次擴大；相對于2013年，2017年波峰明顯升高的核密度曲線表明西部地區(qū)物流資源配置水平的絕對差異開始朝著縮小的方向前進。

圖4 全國及東部、中部和西部物流資源配置水平核密度估計圖Fig.4 Kernel density estimation curves of logistics resource allocation level in China and east, central and west regions

3.4 內部動態(tài)信息變化

下面將通過Markov轉移矩陣對我國物流資源配置水平的內部動態(tài)變化展開分析。根據Markov鏈的基本要求，需要先對我國各省市物流資源配置水平進行分類，在此基礎上，計算出相應的Markov轉移概率矩陣并加以分析。

本研究以我國各省市物流資源配置水平綜合評價指數為基本劃分依據，通過聚類分析的方法，將31省市物流資源配置水平共分為4種狀態(tài)：將低于綜合指數平均值50%的單元定義為物流資源配置低級發(fā)展水平，處于綜合評價指數平均值50%～100%的單元定義為物流資源配置初級發(fā)展水平，處于平均值100%～150%的單元定義為物流資源配置中級發(fā)展水平，高于平均值150%的單元定義為物流資源配置高級發(fā)展水平。計算結果如表5所示。

從整個研究期來看，首先，2003—2017年轉移矩陣斜對角對應的概率分別為0.972 6，0.905 3，0.800 0和0.869 6，說明我國省際物流資源配置水平保持初始發(fā)展狀態(tài)的概率最低也達到了80%，其中，低級水平穩(wěn)定性最高，達到了0.972 6，可見我國物流資源配置水平存在明顯的路徑依賴；其次，物流資源配置低級水平、初級水平和中級水平發(fā)生狀態(tài)轉移的概率分別為0.027 4，0.094 6和0.200 0，資源配置水平越高，發(fā)生轉移的概率也隨之提高，意味著前期物流資源配置水平越低，越容易出現發(fā)展停滯現象；最后，除高級發(fā)展狀態(tài)有0.010 9的概率向初級發(fā)展狀態(tài)跨等級向下轉移外，其他發(fā)展狀態(tài)均是在相鄰狀態(tài)之間以一定概率發(fā)生轉移，整個過程向上跨等級的轉移概率均為0，表明我國物流資源配置水平地區(qū)差異的演進是一個循序漸進的過程。

分階段來看，首先，與2003—2010年相比，2010—2017年間，我國物流資源配置水平處于低級、初級和中級水平的概率分別由0.947 4，0.853 9和0.746 4增加到了1.000，0.962 5和0.834 6，表明我國省際物流資源配置水平不斷趨于穩(wěn)定，存在固化傾向，尤其是處于低級配置水平的單元穩(wěn)定的概率達到了100%，因此要做好因水平固化而造成的地區(qū)差異進一步擴大的防范工作；其次，相比2003—2010年，2010—2017年處于低級、初級和中級狀態(tài)的省市向更高狀態(tài)轉移的概率分別下降了0.052 6，0.086 1和0.022 8，即我國物流資源配置水平的提升速度變得更加緩慢，地區(qū)間差異演進速率放緩；最后，2003—2010年間，處于高級狀態(tài)的單元仍有0.021 3的概率跨等級向下轉移，而2010—2017年間，任意狀態(tài)都不存在跨等級轉移，表明我國省際物流資源配置水平逐漸趨于均衡，地區(qū)間的差異有縮小態(tài)勢。

表5 中國物流資源配置水平馬爾可夫概率轉移矩陣Tab.5 Markov probability transfer matrix of logistics resource allocation level in China

4 中國物流資源配置水平的空間演進

4.1 中國物流資源配置水平的空間相關

莫蘭指數常被用于空間相關特征研究當中，莫蘭指數的計算公式為：

(20)

Moran’s I指數在[-1,1]范圍內取值，若Moran’s I指數大于0，說明我國物流資源配置水平在空間上存在正向自相關，若Moran’s I指數小于0，則說明我國物流資源配置水平在空間上存在負向自相關，若Moran’s I指數等于0，意味著我國物流資源配置水平在空間上不存在自相關關系。本研究借助GeoDa軟件測算了歷年我國物流資源配置水平的Moran’s I指數，結果如表6所示。

由表6結果可知，2003—2017年間我國物流資源配置水平Moran’s I指數的均值為0.350且歷年Moran’s I指數的數值均大于0，意味著我國物流資源配置水平在空間上存在明顯的正相關，空間集聚效應顯著。

表6 2003—2017年中國物流資源配置水平Moran’s I指數Tab.6 Moran’s I index of s logistics resource allocation level in China from 2003 to 2017

4.2 中國物流資源配置水平的空間演進

在確定我國物流資源配置水平在空間上存在正向相關的基礎上，進一步通過Moran’s I指數散點圖來揭示其空間演進規(guī)律。本研究以2003，2010和2017年為分析對象并繪制出對應的物流資源配置水平Moran’s I指數散點圖，結果如圖5所示。

圖5 2003，2010及2017年中國物流資源配置水平Moran’s I指數散點圖Fig.5 Scattergram of Moran’s I index of logistics resource allocation level in China in 2003, 2010 and 2017

根據Moran’s I指數散點圖的常規(guī)分析方法，可按象限將我國物流資源配置水平分為4種類型。第1象限表示自身與周邊物流資源配置水平都高的地區(qū)，記作HH型；第2象限表示自身物流資源配置水平低而周邊配置水平高的地區(qū)，記作LH型；第3象限表示自身與周邊物流資源配置水平都低的地區(qū)，記作LL型；第4象限表示自身物流資源配置水平高而周邊配置水平低的地區(qū)，記作HL型。各省市演變路徑如表7所示。

表7 2003，2010及2017年Moran’s I指數散點圖結果匯總Tab.7 Summary of Moran’s I index scattergram results in 2003, 2010 and 2017

從表7可以直觀地看出，我國物流資源配置水平高(HH型)的省市高度集中在東部地區(qū)，物流資源配置水平低(LL型)的地區(qū)高度集中于西部地區(qū)，中部地區(qū)省市的物流資源配置水平在空間上更容易呈現異質性(HL、LH型)。具體而言，整個研究期間內，我國物流資源配置水平在空間演變路徑上未發(fā)生任何變動的省市達到了24個，分別是上海、江蘇、山東、浙江、福建、河南、河北、北京、江西、廣西、山西、貴州、云南、陜西、西藏、黑龍江、青海、甘肅、新疆、寧夏、湖北、四川、廣東和海南(其中海南省始終位于二三象限的交接線上)，占比達到77.42%；經過一定演變又回到最初路徑的省市有2個，分別是內蒙古、遼寧，占比6.45%；空間演變路徑發(fā)生改變的省市共5個，分別是天津、安徽、重慶、湖南和吉林，占比16.13%。空間路徑在總體上未發(fā)生演變的省市多達26個，占比83.87%，可見我國區(qū)域物流資源配置水平在空間演變上存在明顯的路徑依賴。另外，在空間演變路徑發(fā)生改變的5個省市中，向更高物流資源配置水平集聚的省市有安徽、重慶和湖南，向物流資源配置低水平集聚的省市有天津和吉林。

5 結論

本研究利用熵權TOPSIS對我國省際物流資源配置水平綜合指數進行了測算，在此基礎上，利用Dagum基尼系數分解、Kernel核密度估計及Markov鏈等方法實證分析了我國物流資源配置水平的地區(qū)差異及其時序分布演進，同時根據Moran’s I指數對其空間演進路徑進行了刻畫，得到的主要結論有：

(1)熵權TOPSISI結果顯示我國整體物流資源配置水平呈現緩慢上升的態(tài)勢，東中西3大地區(qū)物流資源配置水平差距明顯，東部最優(yōu)，中部次之，西部最差，同時這種差距并沒有得到應有的改善。另外，省際物流資源配置水平之間的差距有進一步擴大跡象，非均衡發(fā)展態(tài)勢顯著。

(2)Dagum基尼系數及其分解的結果表明我國整體物流資源配置水平的相對差異向縮小的方向前進。東中西3大地區(qū)內部物流資源配置水平的相對差異均小于全國，但東部與中部地區(qū)內部物流資源配置水平的相對差異呈現出“馬太效應”，西部地區(qū)內部物流資源配置水平的相對差異雖有縮小但并不明顯。地區(qū)間的相對差異要高于地區(qū)內且東部與西部是物流資源配置水平相對差異最大的兩個地區(qū)，相對差異的主要來源于超變密度，占比始終在50%左右。

(3)Kernel核密度估計結果表明我國整體物流資源配置水平的絕對差異在研究期內并未明顯改變，絕對差異演進速度緩慢。東部地區(qū)物流資源配置水平的絕對差異擴大但極化發(fā)展態(tài)勢得到了控制；中部地區(qū)物流資源配置水平在絕對差異擴大的同時伴隨著極化現象；西部地區(qū)物流資源配置水平的絕對差異也在擴大，但擴張幅度小于東部和中部。

(4)Markov概率轉移矩陣結果表明我國物流資源配置水平內部演變速度緩慢，在時序演進上存在明顯的路徑依賴；Moran’s I指數結果顯示我國物流資源配置水平存在空間自相關，東部地區(qū)呈現高水平集聚，西部地區(qū)為低水平集聚，其在空間演進路徑上也存在明顯的路徑依賴。

基于以上研究結論，提出以下發(fā)展建議:

第一，加強落后地區(qū)物流業(yè)資金支持力度，提升對應從業(yè)人員待遇。從物流資源配置傾向來看，東部地區(qū)物流業(yè)獲得的資金和人力支持都明顯優(yōu)于西部地區(qū)，這與地區(qū)經濟發(fā)展息息相關。落后地區(qū)財政緊張，很難給予物流業(yè)太大的資金支持，同樣也會引起相應從業(yè)人員待遇低，從業(yè)積極性不高等諸多問題。中央財政應加大對中西部落后地區(qū)物流業(yè)的資金補充力度，地方政府也需出臺相應的從業(yè)人員優(yōu)惠政策予以配合，達到提升物流資源配置水平的目的。

第二，充分發(fā)揮地區(qū)優(yōu)勢，完善物流資源配置動態(tài)監(jiān)管體系。一方面，各地區(qū)要利用好區(qū)位優(yōu)勢來提高自身物流資源配置水平。東部地區(qū)應充分發(fā)揮好其在科技方面的領先優(yōu)勢，通過優(yōu)化資源有效使用率來提升物流資源配置水平；中部地區(qū)要利用好其作為連接東西交通樞紐的區(qū)位優(yōu)勢，做好物流中轉工作，通過擴大物流中間產出來實現資源配置水平的提高；西部地區(qū)則需要把握住其地域廣闊的發(fā)展優(yōu)勢，通過建立大型物流倉儲基地、冷凍物流鏈等方式提升物流產出，提高資源配置水平。另一方面，定時監(jiān)測我國及三大地區(qū)物流資源配置水平，把握其動態(tài)演變過程，國家層面需要統(tǒng)籌物流資源配置，進而縮小地區(qū)間的發(fā)展差距，各地區(qū)尤其是東部和中部則需要進一步對其范圍內省際物流資源之間的配置進行優(yōu)化，阻斷其內部非均衡演化態(tài)勢。

第三，設立高水平物流資源配置示范點，構建跨區(qū)域對口合作機制。物流資源配置水平在空間上存在明顯的正向集聚效應，因此可以省際為基本單元，通過對輻射效應最優(yōu)距離的測算，在中西部落后地區(qū)設立一批高物流資源配置水平示范點，發(fā)揮帶動效應，提升落后地區(qū)物流資源配置水平。此外，可選取部分高水平資源配置水平的省份與低水平資源配置的省份形成一一對口合作機制，借助發(fā)達地區(qū)的技術、發(fā)展思路和發(fā)展經驗等來加速落后地區(qū)的發(fā)展，同時有條件的對口省份可嘗試物流資源統(tǒng)一配置與調度，不斷促進區(qū)域物流資源配置水平的提升與均衡發(fā)展。