物流樞紐建設(shè)對承載城市經(jīng)濟增長的影響

黃由衡 唐嵐

摘? 要：從物流的“基礎(chǔ)性、戰(zhàn)略性和先導(dǎo)性”視角，綜合分析國家物流樞紐建設(shè)對承載城市的經(jīng)濟效應(yīng)，通過選擇全國40個國家物流樞紐承載城市2008～2019年面板數(shù)據(jù)，在考慮相關(guān)控制變量的基礎(chǔ)上，采用動態(tài)面板數(shù)據(jù)模型定量測度物流樞紐建設(shè)對承載城市經(jīng)濟增長的影響。結(jié)果表明：（1）對于承載城市經(jīng)濟發(fā)展，物流樞紐建設(shè)所起到的推動作用具有動態(tài)時間滯后效應(yīng);（2）物流樞紐的經(jīng)濟效應(yīng)在不同時段內(nèi)是同向且為正向;（3）區(qū)域經(jīng)濟越發(fā)達，當(dāng)期物流樞紐經(jīng)濟效應(yīng)的顯著性越低，它對經(jīng)濟增長的影響程度也相對較低;（4）相較東部和中部承載城市，物流樞紐建設(shè)對西部承載城市經(jīng)濟發(fā)展具有持續(xù)性促進作用。

關(guān)鍵詞：物流樞紐;承載城市;面板數(shù)據(jù);經(jīng)濟效應(yīng)

中圖分類號：F250? ? 文獻標(biāo)識碼：A

Abstract： From the perspective of“basic， strategic and leading”of logistics， this paper comprehensively analyzes economic effects on the construction of national logistics hubs in host cities. By selecting the city's panel data in 40 national logistics hub host cities from 2008 to 2019， and taking relevant control variables into account， the dynamic panel data model is used to quantitatively measure the impact of national logistics hubs construction on economic growth of host cities. The research shows that：（1）The construction of logistics hubs have dynamic time lag effects on economic growth of host cities.（2）The construction of logistics hubs have positive economic effects on different time periods.（3）In the more economically developed areas， the less obvious economic effects of logistics hubs in the current period， and the impact of logistics hubs on economic growth is relatively low.（4）Compared with the eastern and central host cities， only the economic development of western host cities has been continuously promoted by the construction of logistics hubs.

Key words： national logistics hubs; host cities; panel data; economic effects

0? 引? 言

隨著國際陸港、中歐班列樞紐節(jié)點等快速發(fā)展，跨境電商、同城配送等物流新需求持續(xù)增長，作為現(xiàn)代物流體系核心基礎(chǔ)設(shè)施的物流樞紐建設(shè)正在不斷加大投入，物流樞紐對資源要素的集聚效應(yīng)和對產(chǎn)業(yè)發(fā)展的促進作用日益顯現(xiàn)。特別是國家發(fā)改委2018年發(fā)布《國家物流樞紐布局和建設(shè)規(guī)劃》后，物流樞紐建設(shè)在支撐和發(fā)揮物流業(yè)的基礎(chǔ)性、戰(zhàn)略性和先導(dǎo)性作用方面扮演著越來越重要的角色。物流基礎(chǔ)設(shè)施對區(qū)域經(jīng)濟增長具有重要的正向作用，李曉棟[1]研究發(fā)現(xiàn)交通固定資產(chǎn)投入顯著地提升了物流產(chǎn)業(yè)效率，王新瑋[2]通過對兩個子時期進行測算，得出物流基礎(chǔ)設(shè)施在每個時期均存在正向的經(jīng)濟效應(yīng);同時，基礎(chǔ)設(shè)施的先期建設(shè)對經(jīng)濟促進作用的體現(xiàn)有一定的滯后性，交通基礎(chǔ)設(shè)施的外溢作用存在區(qū)域與行業(yè)差異和時滯效應(yīng)[3-4]，且前期投資效果更顯著[5]。國家物流樞紐建設(shè)以存量物流設(shè)施整合提質(zhì)增效為主，已有學(xué)者對物流樞紐與經(jīng)濟發(fā)展的定量關(guān)系展開實證分析，研究表明國家物流樞紐承載城市間發(fā)展水平和空間關(guān)聯(lián)格局差距明顯[6-7]，國家物流樞紐承載城市比非承載城市發(fā)揮著更大的經(jīng)濟活力[8]。

本文以2019～2020年國家發(fā)改委批準(zhǔn)建設(shè)的共45個國家物流樞紐名單中的40個承載城市面板數(shù)據(jù)為依據(jù)，以物流樞紐建設(shè)依據(jù)的表征指標(biāo)及影響經(jīng)濟發(fā)展的主要指標(biāo)作為變量，建立物流樞紐與承載城市經(jīng)濟發(fā)展的動態(tài)面板數(shù)據(jù)模型，以物流的“基礎(chǔ)性、戰(zhàn)略性和先導(dǎo)性”視角分析一定時期內(nèi)物流樞紐建設(shè)對承載城市經(jīng)濟增長的影響問題：（1）對于承載城市經(jīng)濟增長，物流樞紐建設(shè)所產(chǎn)生的影響是否顯著及影響的程度;（2）相鄰時間段物流樞紐建設(shè)對承載城市經(jīng)濟的影響是否同向;（3）物流樞紐建設(shè)對承載城市經(jīng)濟的影響是否存在區(qū)域異質(zhì)性。

1? 方法與數(shù)據(jù)

1.1? 模型構(gòu)建

根據(jù)柯布道格拉斯生產(chǎn)函數(shù)，以不變替代彈性的生產(chǎn)函數(shù)為基礎(chǔ)，加入物流樞紐投入要素，構(gòu)建物流樞紐建設(shè)與經(jīng)濟增長的投入產(chǎn)出模型[9]，并通過建立動態(tài)面板數(shù)據(jù)模型，分析其對經(jīng)濟的動態(tài)影響。

Y=AQ× fV，G，T，L? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（1）

其中：Y表示城市i的GDP指標(biāo)，Q表示城市i的物流樞紐產(chǎn)出指標(biāo)，樞紐產(chǎn)出函數(shù)AQ以乘積形式作用于生產(chǎn)函數(shù)fV，G，T，L。V，G，T，L分別表示資本、財政、科技和勞動力的投入。為便于不同城市間的比較，通常采用人均GDP指標(biāo)，因此對式（1）兩邊同除以P，兩邊取對數(shù)，考察城市平均增長產(chǎn)出變化，則可以改寫成如下形式：

lnY/P=αlnQ+βlnV/P+γlnG/P+δlnT/P+εlnL/P? ? ? ? ? ? ? ? ? ? ? ? ? （2）

將式（2）轉(zhuǎn)變?yōu)閷?yīng)的計量統(tǒng)計模型，并為進一步考察物流樞紐產(chǎn)出增長變化，以及對經(jīng)濟增長的動態(tài)變化，引入時間緯度t，考慮n階滯后期，建立動態(tài)面板一般自回歸模型：

lny=λ+ηlny+αlnq+αlnq+∑θlnx+μ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? （3）

其中：lny為被解釋變量，表示i城市t年度人均GDP增長率，lny為被解釋變量的n階滯后期;lnq為解釋變量，表示i城市t年度物流樞紐建設(shè)指標(biāo)的增長率，lnq為解釋變量的n階滯后期;∑θlnx表示k個控制變量對數(shù)的集合;μ為地區(qū)、時間效應(yīng)和隨機擾動項三者之和;λ為常數(shù)項，其它為回歸系數(shù)。

1.2? 變量選取

被解釋變量：對于經(jīng)濟增長表征指標(biāo)的選擇，參照一般文獻的做法，采用地區(qū)生產(chǎn)總值。

解釋變量：物流樞紐根據(jù)其所依托的主要交通運輸方式，陸港型、港口型和空港型國家物流樞紐建設(shè)情況可分別采用公路鐵路貨運量、港口貨物吞吐量和民航貨郵吞吐量來予以衡量;陸上邊境口岸型物流樞紐承載城市分布在西部邊疆地區(qū)，鑒于城市交通基礎(chǔ)設(shè)施建設(shè)和地理位置情況，選擇（公路鐵路）口岸貨運量作為表征指標(biāo);商貿(mào)流通業(yè)作為商貿(mào)服務(wù)型國家物流樞紐的主要產(chǎn)業(yè)支撐，選擇商貿(mào)流通業(yè)中交通運輸、倉儲和郵政業(yè)的生產(chǎn)總值作為表征指標(biāo);生產(chǎn)服務(wù)型物流樞紐作為與制造業(yè)聯(lián)系最緊密的一種物流節(jié)點設(shè)施，可以采用地區(qū)工業(yè)品物流總額來衡量其建設(shè)情況，但鑒于該指標(biāo)數(shù)據(jù)難以獲得，故選擇城市貨運總量作為表征指標(biāo)。

控制變量：影響經(jīng)濟發(fā)展的指標(biāo)眾多，根據(jù)宏觀經(jīng)濟學(xué)定義，并基于樣本城市指標(biāo)數(shù)據(jù)的可得性，選擇固定資產(chǎn)投資、政府財政支出、科學(xué)技術(shù)投入和勞動力數(shù)量4個指標(biāo)。

1.3? 數(shù)據(jù)來源

鑒于模型中多種變量指標(biāo)的選取，在2019～2020年國家發(fā)改委批準(zhǔn)建設(shè)的45個國家物流樞紐中，對其中兩個以上城市（寧波和舟山，烏蘭察布和二連浩特，欽州、北海和防城港）聯(lián)動承載的不作為研究對象;基于數(shù)據(jù)可得性，選取2008～2019年作為數(shù)據(jù)采集時間段，剔除其中數(shù)據(jù)缺失較多的城市（宜昌、阿拉山口），最終確定其中40個城市作為研究對象，如表1所示。

數(shù)據(jù)來自省市統(tǒng)計年鑒、各市統(tǒng)計公報，中國民用航空局發(fā)布的歷年《民航機場生產(chǎn)統(tǒng)計公報》和《民航機場吞吐量排名》等2008～2019年公布數(shù)據(jù)，對于部分年份的缺失數(shù)據(jù)采用線性插值法來填補。各變量的描述性統(tǒng)計結(jié)果如表2所示。

2? 實證分析

2.1? 物流樞紐建設(shè)對承載城市的總體經(jīng)濟效應(yīng)

由于滯后被解釋變量引入、相關(guān)變量遺漏和測量誤差等因素的影響，往往導(dǎo)致模型估計存在內(nèi)生性問題，但采用動態(tài)面板數(shù)據(jù)模型可解決這一問題。本文運用廣義矩估計（GMM）方法對模型進行估計，其中系統(tǒng)GMM估計方法比差分GMM能更好地解決工具變量的選擇問題，提高模型估計效率，適用于本研究的短動態(tài)面板數(shù)據(jù)[10]。

模型系統(tǒng)估計使用Stata15.1軟件完成，在系統(tǒng)估計后考察了IPS單位根檢驗、Arellano-Bond自相關(guān)檢驗和Hansen過度識別檢驗，得出本面板數(shù)據(jù)整體平穩(wěn)，通過了自相關(guān)檢驗且所有工具變量外生有效，如表3所示。

對表3數(shù)據(jù)分析如下：

滯后一期GDP通過10%的顯著性水平檢驗，且滯后一期的GDP對經(jīng)濟增長具有較顯著的正向影響作用，表明經(jīng)濟發(fā)展是一個不斷累積的過程，前一期經(jīng)濟的增減是后一期經(jīng)濟的基礎(chǔ)，因而對后一期經(jīng)濟變化具有顯著影響。

當(dāng)期物流樞紐未在10%的顯著性水平下通過檢驗，表明當(dāng)期物流樞紐建設(shè)對承載城市經(jīng)濟影響不顯著，這可能與全國當(dāng)前物流基礎(chǔ)設(shè)施的系統(tǒng)規(guī)劃不足、功能同質(zhì)化嚴重等問題有關(guān);滯后一期物流樞紐通過10%、滯后二期物流樞紐通過5%的顯著性水平檢驗，且滯后一、二期的物流樞紐建設(shè)對GDP均具有顯著的正向影響作用，其中滯后二期比滯后一期的影響更顯著，由此可推斷物流樞紐的長期投資建設(shè)體現(xiàn)的是累積效應(yīng)，物流樞紐建成投入使用后將推動承載城市產(chǎn)業(yè)要素的優(yōu)化配置，為產(chǎn)業(yè)聯(lián)動發(fā)展提供支撐，進而促進承載城市經(jīng)濟的持續(xù)增長。

政府財政支出對經(jīng)濟增長通過5%的顯著性水平檢驗，且政府支出對經(jīng)濟增長具有顯著的正向影響作用，這可能是因為政府支出主要用于公共服務(wù)，完善城市基礎(chǔ)設(shè)施建設(shè)，改善營商環(huán)境和發(fā)展基礎(chǔ)，才促進了經(jīng)濟增長;科技投入對經(jīng)濟增長通過10%的顯著性水平檢驗，推測是因為城市實現(xiàn)從要素投入的規(guī)模經(jīng)濟向依靠科技的集約型經(jīng)濟轉(zhuǎn)變，導(dǎo)致科技對經(jīng)濟發(fā)展的支撐作用逐漸顯現(xiàn)。

固定資產(chǎn)投資和勞動力數(shù)量均未在10%的水平下通過檢驗，表明這兩項變量對當(dāng)前經(jīng)濟的增長影響不顯著。從近幾年基礎(chǔ)設(shè)施投資可以看出，雖然每年支出占據(jù)的比重大，但由于收益往往是滯后的，加之投資使用效率不高，因此固定資產(chǎn)投資在促進經(jīng)濟增長方面的影響較小。勞動力的投入沒有顯著影響經(jīng)濟增長，該現(xiàn)象的產(chǎn)生可能是由目前全國勞動就業(yè)市場的結(jié)構(gòu)性問題所導(dǎo)致，即：一方面低端勞動力短缺，出現(xiàn)“民工荒”現(xiàn)象;另一方面全國經(jīng)濟結(jié)構(gòu)調(diào)整帶來對中高級專業(yè)技術(shù)人員的用人需求增加，但由于中國職業(yè)教育發(fā)展不健全，導(dǎo)致從業(yè)人員的素質(zhì)參差不齊。

2.2? 物流樞紐建設(shè)影響承載城市經(jīng)濟增長的時間效應(yīng)

將面板數(shù)據(jù)序列分為2008～2013年、2014～2019年兩個時間段，對短動態(tài)面板數(shù)據(jù)模型的估計同樣運用系統(tǒng)GMM方法，如表4所示。

對表4數(shù)據(jù)分析如下：

2008～2013年滯后一、二期物流樞紐和2014～2019年當(dāng)期及滯后一、二期物流樞紐都至少通過了10%的顯著性水平檢驗，且各時間段物流樞紐建設(shè)對經(jīng)濟增長具有較顯著的正向影響作用，表明物流樞紐能夠在一定時間段內(nèi)持續(xù)性地促進承載城市的經(jīng)濟發(fā)展。

2008～2013年當(dāng)期物流樞紐對經(jīng)濟發(fā)展的直接影響在10%水平下顯著為負，這可能是因為早期多個城市物流產(chǎn)業(yè)發(fā)展起步較晚，基礎(chǔ)設(shè)施相對落后，而當(dāng)期政府的巨額投資導(dǎo)致的財政赤字掣肘了其經(jīng)濟效益的提升。

2.3? 物流樞紐建設(shè)影響承載城市經(jīng)濟增長的區(qū)域差異

對40個物流樞紐承載城市按東、中和西部3個區(qū)域歸類，使用全面可行廣義最小二乘法（FGLS）分別對3個區(qū)域進行回歸估計，并對誤差項等相關(guān)問題處理后結(jié)果表5所示。

對表5數(shù)據(jù)分析如下：

對于承載城市經(jīng)濟發(fā)展，各區(qū)域當(dāng)期物流樞紐建設(shè)所產(chǎn)生的影響都有所不同。東、中和西部承載城市當(dāng)期物流樞紐的影響系數(shù)分別為0.0357、0.0091和0.0721，其中對西部承載城市經(jīng)濟的影響最為顯著，中部次之，東部最小，表明物流樞紐建設(shè)對承載城市經(jīng)濟的影響效應(yīng)存在區(qū)域差異。根據(jù)邊際效用遞減規(guī)律，物流樞紐影響效應(yīng)與經(jīng)濟發(fā)達程度成反比，即區(qū)域經(jīng)濟發(fā)展越差，物流樞紐建設(shè)對該區(qū)域經(jīng)濟的影響效應(yīng)越大。其中，東部城市在早期投入大，物流基礎(chǔ)設(shè)施條件相對成熟，單方面通過推動物流樞紐建設(shè)已不能明顯促進該區(qū)域承載城市經(jīng)濟增長。結(jié)合滯后一、二期物流樞紐的估計結(jié)果，可見西部承載城市相較東部和中部城市擁有更大的物流發(fā)展?jié)摿?，建設(shè)物流樞紐對西部承載城市經(jīng)濟增長具有重要促進作用。

依據(jù)表中控制變量的估計結(jié)果，在東部和西部承載城市，固定資產(chǎn)投資指標(biāo)顯著為正，而在中部卻顯著為負，這可能是因為相較東部和西部，中部城市崛起發(fā)展速度快，但大量資金投入基礎(chǔ)設(shè)施建設(shè)使得政府承擔(dān)了債務(wù)赤字，而物流樞紐建設(shè)所發(fā)揮的是長期性累積效應(yīng)，在一定程度上削弱了當(dāng)期經(jīng)濟效益;科學(xué)技術(shù)投入指標(biāo)在西部承載城市顯著為負，這可能是因為該區(qū)域城市過多依賴資源型產(chǎn)業(yè)，產(chǎn)業(yè)結(jié)構(gòu)不合理，未充分利用物流樞紐的聚散和擴展功能，導(dǎo)致科技對該區(qū)域承載城市經(jīng)濟的支撐明顯不足;勞動力投入指標(biāo)在中部和西部承載城市顯著為負，這可能是由于國家物流樞紐作為物流體系中的骨干物流節(jié)點設(shè)施，其建設(shè)、運營和管理過程需要大量專業(yè)物流人才，而這種專業(yè)人才的缺口問題在中部和西部城市尤為突出，勞動力供求不匹配使得經(jīng)濟發(fā)展受到了阻礙。

3? 結(jié)? 論

本文以2008～2019年全國40個獲批建設(shè)國家物流樞紐承載城市為樣本，通過動態(tài)面板數(shù)據(jù)模型，在充分考慮經(jīng)濟活動動態(tài)性與區(qū)域差異性的基礎(chǔ)上，對國家物流樞紐建設(shè)的經(jīng)濟動態(tài)效應(yīng)進行了估計和分析。結(jié)果表明：（1）滯后一、二期物流樞紐對承載城市經(jīng)濟的影響顯著為正，表明物流樞紐建設(shè)對促進承載城市經(jīng)濟增長具有一定的滯后效應(yīng)，從另一方面也體現(xiàn)出物流樞紐建設(shè)的先導(dǎo)性作用;（2）物流樞紐建設(shè)在不同時期對承載城市經(jīng)濟發(fā)展均存在正向作用，能夠持續(xù)推動經(jīng)濟的發(fā)展，物流樞紐對承載城市經(jīng)濟發(fā)展起到基礎(chǔ)性支撐作用;（3）從東、中和西部承載城市來看，當(dāng)期物流樞紐建設(shè)對承載城市經(jīng)濟影響的顯著性與城市經(jīng)濟發(fā)達程度呈負相關(guān)效應(yīng)，而西部物流樞紐建設(shè)為該區(qū)域承載城市的經(jīng)濟發(fā)展提供持續(xù)推力，表明物流樞紐建設(shè)的經(jīng)濟效應(yīng)存在區(qū)域異質(zhì)性;（4）政府財政支出對承載城市經(jīng)濟發(fā)展均具有顯著正效應(yīng);在促進中部承載城市經(jīng)濟增長上，所投資的固定資產(chǎn)未得到合理發(fā)揮;西部承載城市經(jīng)濟發(fā)展還未受到由科學(xué)技術(shù)投入所起到的支撐作用;勞動力投入對中部和西部承載城市經(jīng)濟發(fā)展產(chǎn)生顯著抑制作用。

參考文獻：

[1] 李曉棟. 交通基礎(chǔ)設(shè)施、空間溢出效應(yīng)與物流產(chǎn)業(yè)效率——基于京津冀地區(qū)的實證研究[J]. 商業(yè)經(jīng)濟研究，2018（18）：106

-109.

[2] 王新瑋. 物流基礎(chǔ)設(shè)施的空間效應(yīng)對全國區(qū)域經(jīng)濟發(fā)展的異質(zhì)性研究——基于空間杜賓模型[J]. 商業(yè)經(jīng)濟研究，2020（24）：95-98.

[3]? Xiongbin Lin， Ian MacLachlan， Ting Ren， et al. Quantifying economic effects of transportation investment considering spatiotemporal heterogeneity in China： a spatial panel data model perspective[J]. Annals of Regional Science， 2019，63（3）：437

-459.

[4] 萬思齊，楊勵雅. 高鐵建設(shè)對城市經(jīng)濟集聚的影響——基于地區(qū)和行業(yè)異質(zhì)性角度[J]. 城市問題，2020（4）：40-50.

[5] 林雄斌，楊家文，陶卓霖，等. 交通投資、經(jīng)濟空間集聚與多樣化路徑——空間面板回歸與結(jié)構(gòu)方程模型視角[J]. 地理學(xué)報，2018，73（10）：1970-1984.

[6] 王軍，鄧玉. 港口物流與直接腹地經(jīng)濟耦合協(xié)調(diào)性研究——以天津、營口等九海港型國家級物流樞紐為例[J]. 工業(yè)技術(shù)經(jīng)濟，2020，39（11）：62-68.

[7] 曹允春，羅雨. 空港型國家物流樞紐承載城市航空物流關(guān)聯(lián)程度及其網(wǎng)絡(luò)結(jié)構(gòu)研究[J]. 技術(shù)經(jīng)濟，2020，39（8）：174-182，190.

[8] 甘衛(wèi)華，姚文珮，劉鄭. 國家物流樞紐建設(shè)視角下物流業(yè)對區(qū)域經(jīng)濟活力影響的評價[J]. 物流技術(shù)，2020，39（4）：16-22.

[9] 張波，張放平. 財政教育支出與經(jīng)濟增長關(guān)系的實證[J]. 統(tǒng)計與決策，2021，37（2）：112-115.

[10]? Richard Blundell， Stephen Bond. Initial conditions and moment restrictions in dynamic panel data models[J]. Journal of Econometrics， 1998，87（1）：115-143.