新冠疫情對(duì)港口發(fā)展的空間溢出效應(yīng)研究

任曉紅　饒欣　沈佳

關(guān)鍵詞：新冠疫情；港口發(fā)展；空間面板模型；空間溢出效應(yīng)；對(duì)外貿(mào)易水平

中圖分類(lèi)號(hào)：U651+.1文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：2096-7934（2023）08-0020-08

一、引言

2020年，新冠肺炎疫情的突然暴發(fā)在全球范圍內(nèi)產(chǎn)生了嚴(yán)重影響。這場(chǎng)全球性的公共衛(wèi)生危機(jī)在世界各地引起了深遠(yuǎn)的影響。據(jù)世界衛(wèi)生組織統(tǒng)計(jì)，全球已有超過(guò)6億人感染新冠病毒。在經(jīng)濟(jì)層面，疫情的沖擊尤為明顯。世界銀行數(shù)據(jù)顯示，2020年北美地區(qū)的GDP增長(zhǎng)率為-3.5%，歐洲與中亞地區(qū)的GDP增長(zhǎng)率為-5.5%，這些數(shù)字都明顯低于2009年金融危機(jī)后的數(shù)字。

中國(guó)的長(zhǎng)江經(jīng)濟(jì)帶是一個(gè)全球影響力的經(jīng)濟(jì)帶，覆蓋東、中、西三大區(qū)域，包括11個(gè)省份和直轄市。這個(gè)經(jīng)濟(jì)帶的廣闊經(jīng)濟(jì)腹地在疫情期間受到了重大沖擊。港口作為國(guó)家和地方經(jīng)濟(jì)發(fā)展的重要窗口，在疫情期間同樣受到了嚴(yán)重的影響，最直觀的反映就是港口貨物吞吐量的變化。特別是在2020年2月，疫情最嚴(yán)重時(shí)，全國(guó)港口貨物吞吐量同比增速降至-9%，沿海港口貨物吞吐量同比增速僅為-6.9%。

因此，研究新冠肺炎疫情對(duì)港口發(fā)展的影響，有助于為應(yīng)對(duì)未來(lái)的公共衛(wèi)生危機(jī)做好準(zhǔn)備。在這個(gè)過(guò)程中，考慮空間因素尤為重要，因?yàn)楦劭诎l(fā)展的影響并不僅限于港口所在地，其影響會(huì)溢出到周邊地區(qū)，甚至更遠(yuǎn)的地方，這就是所謂的空間溢出效應(yīng)。這種影響在新冠肺炎疫情期間表現(xiàn)得尤為明顯，對(duì)此進(jìn)行深入研究，將對(duì)理解和應(yīng)對(duì)類(lèi)似危機(jī)的影響具有重要意義。

二、文獻(xiàn)綜述

為了深入研究疫情對(duì)港口發(fā)展的影響，許多學(xué)者已經(jīng)展開(kāi)了相關(guān)研究。在國(guó)際航運(yùn)業(yè)的發(fā)展過(guò)程中，萬(wàn)鵬程等人［1］指出，疫情與航運(yùn)淡季兩個(gè)因素的疊加作用對(duì)該行業(yè)產(chǎn)生了巨大的沖擊，嚴(yán)重影響了集裝箱航運(yùn)網(wǎng)絡(luò)的空間格局。Lang Xu et al.［2］發(fā)現(xiàn)疫情對(duì)國(guó)際航運(yùn)貿(mào)易額的影響具有兩面性，政府防疫的嚴(yán)格程度與進(jìn)口貿(mào)易呈正相關(guān)，而與出口貿(mào)易呈負(fù)相關(guān)，而且中國(guó)與美國(guó)之間的航運(yùn)貿(mào)易額受影響最為嚴(yán)重，東南亞地區(qū)則最小。就我國(guó)的航運(yùn)業(yè)發(fā)展來(lái)看，代天倫等［3］認(rèn)為疫情對(duì)干散貨航運(yùn)市場(chǎng)存在滯后的負(fù)面影響，影響存在于供需兩側(cè)，但主要還是集中在需求側(cè)；張永峰［4］運(yùn)用格蘭杰檢驗(yàn)、問(wèn)卷調(diào)查等方式評(píng)估了疫情對(duì)中國(guó)航運(yùn)業(yè)的整體影響；徐培紅等人［5］的研究發(fā)現(xiàn)，新冠肺炎疫情對(duì)長(zhǎng)江航運(yùn)的影響總體上是可控的，并具有階段性和短期性。然而，對(duì)不同的運(yùn)輸市場(chǎng)和地區(qū)，其影響程度卻存在差異。在我國(guó)的港口發(fā)展方面，賀向陽(yáng)等人［6］觀察到受疫情影響，寧波港口的生產(chǎn)顯著下降。劉文君等人［7］也發(fā)現(xiàn)重大突發(fā)疫情對(duì)我國(guó)港口運(yùn)營(yíng)能力產(chǎn)生了短期負(fù)面影響。尤其是在新冠肺炎疫情暴發(fā)期間，其負(fù)面影響最為顯著。然而，這并不改變我國(guó)港口發(fā)展長(zhǎng)期穩(wěn)中向好的趨勢(shì)。隨后，一些學(xué)者開(kāi)始探索疫情下港口發(fā)展的對(duì)策。賴文光［8］研究了新冠肺炎疫情對(duì)港口發(fā)展所帶來(lái)的困難，并提出了相應(yīng)的應(yīng)對(duì)建議。周曉娟等人［9］則研究了在新冠疫情防控常態(tài)化的背景下，江蘇沿江港口發(fā)展的現(xiàn)狀和對(duì)策。王偉［10］則探討了新冠肺炎疫情對(duì)我國(guó)港口高質(zhì)量發(fā)展的啟示。

港口發(fā)展很容易受到疫情的沖擊，疫情暴發(fā)可能會(huì)對(duì)港口和整個(gè)供應(yīng)鏈中的所有其他節(jié)點(diǎn)造成更長(zhǎng)時(shí)間的負(fù)面影響［11］，供應(yīng)鏈上游節(jié)點(diǎn)的疫情不僅對(duì)當(dāng)?shù)厣a(chǎn)流通造成破壞，還可能會(huì)對(duì)中下游產(chǎn)業(yè)鏈節(jié)點(diǎn)造成影響。例如，長(zhǎng)江中下游城市發(fā)生疫情，使得當(dāng)?shù)馗劭诜忾]，物流受阻，上游城市生產(chǎn)需要的鋼鐵、煤等貨物無(wú)法按時(shí)到達(dá)，進(jìn)而生產(chǎn)難以為繼。因此，需要探討以下兩個(gè)問(wèn)題：①新冠肺炎疫情對(duì)港口發(fā)展存在空間溢出效應(yīng)嗎？

②若存在空間溢出效應(yīng)，那么其多大程度上影響港口發(fā)展？從空間視角討論疫情對(duì)港口發(fā)展影響的文獻(xiàn)較少。因此，本文立足于探討疫情對(duì)港口發(fā)展是否存在空間溢出效應(yīng)，構(gòu)建了以季度為時(shí)間序列的空間面板模型，其中包括長(zhǎng)江經(jīng)濟(jì)帶中10個(gè)省份（除貴州外）的2020年第1季度到2021年第4季度的港口面板數(shù)據(jù)，從空間角度研究疫情、工業(yè)發(fā)展水平、社會(huì)消費(fèi)水平以及對(duì)外貿(mào)易水平對(duì)港口發(fā)展的影響，為研究疫情對(duì)港口發(fā)展的影響提供參考。

三、變量選取和研究方法

（一）變量選取

文章收集了長(zhǎng)江經(jīng)濟(jì)帶中10個(gè)省份（除貴州外）的2020年第1季度到2021年第4季度的港口面板數(shù)據(jù)，數(shù)據(jù)來(lái)自國(guó)家統(tǒng)計(jì)局、各省市統(tǒng)計(jì)局、交通運(yùn)輸廳、各省市衛(wèi)生部門(mén)、政府工作報(bào)告和新聞發(fā)布會(huì)等渠道。變量選取如下：

Port：貨物吞吐量可反應(yīng)港口的規(guī)模和能力，綜合反映港口發(fā)展的指標(biāo)。本文選取港口貨物吞吐量作為被解釋變量［12］。

Conf：選擇新冠肺炎確診人數(shù)可以衡量疫情嚴(yán)重程度［13］。為此，本文收集了省份季度新增確診病例數(shù)來(lái)表示嚴(yán)重程度指標(biāo)，同時(shí)考慮了外部因素對(duì)港口發(fā)展的影響，還加入了境外輸入的病例數(shù)。

IAV：工業(yè)增加值率是指在特定時(shí)間段內(nèi)，工業(yè)增加值在工業(yè)總產(chǎn)出中所占比例，即企業(yè)創(chuàng)造的價(jià)值與產(chǎn)品總價(jià)值的比例。它反映了降低中間消耗的經(jīng)濟(jì)效益。工業(yè)增加值率綜合地反映了一個(gè)地區(qū)的工業(yè)發(fā)展水平，其高低直接決定了該地區(qū)的發(fā)展水平和效益水平［14］。

Cons：社會(huì)消費(fèi)品零售總額是一個(gè)能夠直接反映中國(guó)國(guó)內(nèi)消費(fèi)需求的指標(biāo)，它代表了各行業(yè)通過(guò)多種商品流通渠道向居民和社會(huì)集團(tuán)供應(yīng)的生活消費(fèi)品總量。作為一個(gè)重要的經(jīng)濟(jì)指標(biāo)，它能夠準(zhǔn)確地反映經(jīng)濟(jì)的景氣程度。因此，選擇該指標(biāo)表示社會(huì)消費(fèi)水平［15］。

Ex和Im：分別表示出口總額和進(jìn)口總額。出口總額和進(jìn)口總額構(gòu)成了進(jìn)出口總額，進(jìn)出口總額是指實(shí)際進(jìn)出中國(guó)國(guó)境的貨物總價(jià)值，通過(guò)觀察進(jìn)出口總額可以了解一個(gè)國(guó)家在對(duì)外貿(mào)易方面的總規(guī)模，是體現(xiàn)對(duì)外貿(mào)易水平的重要指標(biāo)。由于變量Ex與Im出現(xiàn)多重共線性問(wèn)題，本文剔除Im變量，選擇Ex指標(biāo)來(lái)表示各省市對(duì)外貿(mào)易水平。

在實(shí)證部分文章對(duì)港口貨物吞吐量、對(duì)外貿(mào)易指標(biāo)和社會(huì)消費(fèi)指標(biāo)做對(duì)數(shù)化處理，以削弱異方差的影響。

（二）研究方法

1.空間權(quán)重矩陣

在進(jìn)行空間面板模型建立前，首先應(yīng)構(gòu)建空間權(quán)重矩陣。本文利用地理距離權(quán)重矩陣進(jìn)行空間面板模型的建模，建立該權(quán)重矩陣的公式為：

上式中，d_ij為兩地間距離，n賦值為1，表示區(qū)域i和區(qū)域j之間距離越遠(yuǎn)，W_ij值越小。

2.莫蘭指數(shù)

構(gòu)建莫蘭指數(shù)對(duì)研究區(qū)域的被解釋變量進(jìn)行莫蘭指數(shù)檢驗(yàn)，檢查是否存在顯著的空間相關(guān)性。莫蘭指數(shù)又分全局莫蘭指數(shù)（Global Moran's I）和局部莫蘭指數(shù)（Local Moran's I），全局莫蘭指數(shù)可以反映變量在整個(gè)空間中的相關(guān)情況，局部莫蘭指數(shù)則可以反映某區(qū)域附近的空間聚集情況。

全局莫蘭指數(shù)計(jì)算公式如下：

局部莫蘭指數(shù)計(jì)算公式如下：

式中

為樣本方差，W_ij表示空間權(quán)重矩陣，n表示地區(qū)數(shù)量。莫蘭指數(shù)的取值通常在-1到1之間，當(dāng)其值大于0時(shí)表示正自相關(guān)，小于0時(shí)表示負(fù)自相關(guān)，接近0則表示空間分布是隨機(jī)的，沒(méi)有自相關(guān)存在。

3.空間面板模型

空間面板模型包括三種主要類(lèi)型，分別是空間滯后模型（SLM）、空間誤差模型（SEM）和空間杜賓模型（SDM）。空間滯后模型假設(shè)所解釋的變量通過(guò)內(nèi)生相互作用影響其他區(qū)域，空間誤差模型假設(shè)空間溢出是通過(guò)誤差項(xiàng)之間的相互作用產(chǎn)生的［16］。

空間滯后模型的一般公式為：

空間誤差模型的一般公式為：

空間杜賓模型的一般公式為：

Y表示i省份t季度的因變量，X表示i省份t季度的自變量；W₁Y，W₂ε，W₃X分別為因變量，誤差項(xiàng)和自變量的空間滯后項(xiàng)；λ表示空間回歸系數(shù)；β表示自變量之間的相關(guān)系數(shù)；ρ表示空間誤差項(xiàng)的系數(shù)；γ表示空間滯后項(xiàng)的系數(shù)；δ，μ，ε表示隨機(jī)誤差項(xiàng)。

四、實(shí)證分析

（一）空間自相關(guān)的檢驗(yàn)。

進(jìn)行空間自相關(guān)檢驗(yàn)的目的是在使用空間面板模型之前檢查數(shù)據(jù)是否存在空間依賴性。只有在確認(rèn)存在空間依賴性的前提下，才可以進(jìn)行空間面板模型的構(gòu)建。港口吞吐量的全局莫蘭指數(shù)計(jì)算結(jié)果如表1所示，圖1和圖2分別為2020年第1季度和2020年第3季度的局部莫蘭散點(diǎn)。

表1 全局莫蘭指數(shù)

注：*、**、***分別表示顯著水平為10%、5%和1%，下同。

圖1 2020年第1季度港口吞吐量莫蘭散點(diǎn)

圖2 2021年第3季度港口吞吐量莫蘭散點(diǎn)

由表1可知，各省、直轄市的港口吞吐量在空間上是存在顯著的正相關(guān)關(guān)系。圖1和圖2中，大多數(shù)省、直轄市分布在第1和第3象限，這表明港口吞吐量這一指標(biāo)在長(zhǎng)江經(jīng)濟(jì)帶存在正向的空間溢出效應(yīng)。

（二）空間面板模型的選擇

在經(jīng)過(guò)上述檢驗(yàn)后、實(shí)證分析前，還需進(jìn)行模型的檢驗(yàn)和選取，文章利用STATA軟件進(jìn)行判斷。借助Wald和LR檢驗(yàn)法對(duì)SLM、SEM和SDM三種模型進(jìn)行檢驗(yàn)，確定使用SLM模型。通過(guò)進(jìn)行豪斯曼檢驗(yàn)，可以確定是否使用固定效應(yīng)模型。利用LR檢驗(yàn)確定采用固定省份的空間滯后模型?？臻g滯后模型計(jì)算結(jié)果如表2所示。

表2 空間滯后模型計(jì)算結(jié)果

由表2可知，Conf的系數(shù)為-0.0005，并通過(guò)了顯著性檢驗(yàn)。這說(shuō)明，新冠肺炎疫情季度新增病例數(shù)與港口吞吐量呈負(fù)相關(guān)。中國(guó)在疫情發(fā)生之初就采取果斷而嚴(yán)厲的防疫措施，如封閉港口，企業(yè)停工，人們保持社交距離，這些措施使得社會(huì)經(jīng)濟(jì)處于“停滯”狀態(tài)，產(chǎn)業(yè)鏈中斷，港口吞吐量斷崖式下降。在采取嚴(yán)厲而有效的防疫措施之后，中國(guó)很快全面復(fù)工復(fù)產(chǎn)。然而，與此同時(shí)，其他國(guó)家仍在經(jīng)歷抗擊疫情的關(guān)鍵時(shí)期，國(guó)際貿(mào)易往來(lái)并未得到恢復(fù)，全球范圍內(nèi)的經(jīng)濟(jì)低迷也降低了港口發(fā)展的需求。

IAV的系數(shù)為0.0007，說(shuō)明工業(yè)增加值與港口貨物吞吐量呈正相關(guān)，但未能通過(guò)顯著性檢驗(yàn)。這有可能是因?yàn)殡S著中國(guó)國(guó)內(nèi)復(fù)工復(fù)產(chǎn)的落實(shí)，第一二產(chǎn)業(yè)的恢復(fù)與發(fā)展對(duì)港口發(fā)展有積極的刺激作用。與此同時(shí)，也有其他運(yùn)輸方式分擔(dān)運(yùn)輸任務(wù)，所以雖然工業(yè)增加值與港口貨物吞吐量呈正相關(guān)，但其在統(tǒng)計(jì)上是不顯著的。

Cons的系數(shù)為0.1245，并通過(guò)了顯著性檢驗(yàn)。這說(shuō)明在疫情困擾下，社會(huì)消費(fèi)仍然是促進(jìn)港口發(fā)展的積極因素。社會(huì)消費(fèi)的增加刺激了社會(huì)投資，企業(yè)增產(chǎn)，進(jìn)而生產(chǎn)原料、能源的運(yùn)輸需求也隨之上升。

Ex的系數(shù)為0.2661，通過(guò)了顯著性檢驗(yàn)。在疫情全球大流行的背景下，各國(guó)抗疫程度有所不同，中國(guó)率先控制住疫情，恢復(fù)部分生產(chǎn)產(chǎn)能，加之大量醫(yī)療衛(wèi)生設(shè)備物品（如口罩、防護(hù)服、消毒酒精等）的出口，對(duì)港口貨物吞吐量的提升起到促進(jìn)作用。疫情期間居家辦公，家庭娛樂(lè)等需求的增多，也會(huì)促進(jìn)家具家電以及家庭娛樂(lè)設(shè)施的出口，進(jìn)而推動(dòng)港口貨物吞吐量增加。

（三）空間效應(yīng)的分解

各省份的港口吞吐量變化不僅與當(dāng)?shù)匾咔閲?yán)重程度，社會(huì)經(jīng)濟(jì)的運(yùn)行狀況與鄰近省份的因素密切相關(guān)，受到其影響也很大?？臻g效應(yīng)分解結(jié)果如表3所示。

表3 空間效應(yīng)分解

由表3可知，新冠肺炎疫情嚴(yán)重程度與港口吞吐量增長(zhǎng)呈負(fù)相關(guān)。其直接效應(yīng)、間接效應(yīng)和總效應(yīng)分別為-0.0005、-0.0002和-0.0007，且均在10%的水平下顯著。即新冠肺炎確診人數(shù)越多，港口吞吐量增長(zhǎng)越慢，港口發(fā)展能力隨之下降；與此同時(shí)，本省病例數(shù)的增長(zhǎng)還會(huì)對(duì)鄰近省份的港口吞吐量增長(zhǎng)產(chǎn)生負(fù)向的溢出影響。工業(yè)增加值的直接效應(yīng)、間接效應(yīng)和總效應(yīng)則分別為0.0007、0.0003和0.001，但在統(tǒng)計(jì)上均不顯著，工業(yè)企業(yè)的緩慢復(fù)蘇，全球產(chǎn)業(yè)鏈的中斷以及運(yùn)輸方式的不同都可能是造成不顯著的原因。社會(huì)消費(fèi)水平的直接效應(yīng)、間接效應(yīng)和總效應(yīng)分別為0.1393、0.0569和0.1962，且在10%的水平下顯著?？梢?jiàn)，在疫情困擾之下，社會(huì)消費(fèi)水平仍然顯著地促進(jìn)了港口吞吐量的增長(zhǎng)。中國(guó)嚴(yán)厲而有效的防疫措施使得國(guó)家初步走出疫情的陰霾，人們逐步恢復(fù)正常生活。隨之而來(lái)的是“報(bào)復(fù)性消費(fèi)”，零售業(yè)、餐飲業(yè)等得以復(fù)蘇，國(guó)內(nèi)消費(fèi)市場(chǎng)回暖，內(nèi)需擴(kuò)大，經(jīng)濟(jì)向好，港口發(fā)展需求增加。對(duì)外貿(mào)易水平的直接效應(yīng)、間接效應(yīng)和總效應(yīng)則分別為0.2804、0.1164和0.3968，均在1%的顯著水平下對(duì)港口吞吐量增長(zhǎng)產(chǎn)生正向影響。中國(guó)成功控制住疫情并率先進(jìn)行了復(fù)工和復(fù)產(chǎn)，是世界經(jīng)濟(jì)增長(zhǎng)的一個(gè)穩(wěn)定因素。中國(guó)多個(gè)省份長(zhǎng)期向歐美、日韓等國(guó)的汽車(chē)制造商出口汽車(chē)零部件，國(guó)內(nèi)疫情的穩(wěn)定無(wú)疑為全球產(chǎn)業(yè)鏈的疏通注入定力。

（四）穩(wěn)健性檢驗(yàn)

本研究通過(guò)替換地理距離權(quán)重矩陣為0-1權(quán)重矩陣、經(jīng)濟(jì)距離權(quán)重矩陣和經(jīng)濟(jì)地理嵌套權(quán)重矩陣，對(duì)模型進(jìn)行了穩(wěn)健性檢驗(yàn)。檢驗(yàn)結(jié)果顯示，空間滯后模型（SLM）仍然表現(xiàn)出最佳效果。對(duì)比SLM模型的直接效應(yīng)和空間溢出效應(yīng)的估計(jì)系數(shù)，發(fā)現(xiàn)在大小上有所變化，但其方向和顯著性水平?jīng)]有發(fā)生根本性的變化，這表明本研究的結(jié)果具有穩(wěn)健性和可靠性。

五、結(jié)論

首先，新冠肺炎疫情對(duì)港口發(fā)展造成的負(fù)向空間溢出效應(yīng)明顯。疫情不僅直接影響了疫情中心區(qū)域港口的貨物吞吐量，同時(shí)對(duì)鄰近省份的港口發(fā)展也產(chǎn)生了負(fù)面效應(yīng)。這主要源于本研究所選時(shí)期中國(guó)實(shí)施的抗疫政策。中國(guó)的“動(dòng)態(tài)清零”政策在大幅保護(hù)人民生命財(cái)產(chǎn)安全的同時(shí)，消費(fèi)需求和經(jīng)濟(jì)增長(zhǎng)也有所犧牲。因此，當(dāng)某一地區(qū)疫情嚴(yán)重，鄰近省份會(huì)加大對(duì)該地區(qū)人流和物流的隔離檢查力度，這在一定程度上解釋了疫情對(duì)港口發(fā)展的負(fù)面影響。

其次，工業(yè)發(fā)展水平與港口發(fā)展的關(guān)系盡管為正相關(guān)，但統(tǒng)計(jì)顯著性不足。在疫情影響的兩年中，中國(guó)的制造業(yè)雖已逐步復(fù)蘇，航運(yùn)需求有所增長(zhǎng)，但想要恢復(fù)到疫情前的狀態(tài)仍需較長(zhǎng)時(shí)間。即便如此，推動(dòng)制造業(yè)復(fù)蘇和發(fā)展仍是重要目標(biāo)，對(duì)促進(jìn)港口發(fā)展起到積極作用。

最后，對(duì)外貿(mào)易和社會(huì)消費(fèi)水平均對(duì)當(dāng)?shù)丶班徑貐^(qū)港口發(fā)展起到積極作用，這源于中國(guó)在疫情初期執(zhí)行的嚴(yán)格而有效的抗疫政策。中國(guó)在疫情初期迅速響應(yīng)，武漢封城至全國(guó)復(fù)工復(fù)產(chǎn)只用了3個(gè)月，與此同時(shí)歐美地區(qū)深陷疫情。在中國(guó)，率先恢復(fù)的產(chǎn)業(yè)鏈不僅為國(guó)內(nèi)提供產(chǎn)能保障，也為國(guó)外提供物資。隨著疫情逐漸穩(wěn)定，居民消費(fèi)回暖，餐飲業(yè)、旅游業(yè)和零售業(yè)等復(fù)蘇，對(duì)航運(yùn)業(yè)發(fā)展有直接影響，從而顯著推動(dòng)港口發(fā)展。

政策啟示：首先，在面對(duì)重大突發(fā)疫情時(shí)，地方黨委和政府應(yīng)該承擔(dān)起屬地責(zé)任，嚴(yán)格執(zhí)行國(guó)家統(tǒng)一的防控政策。其次，加強(qiáng)常態(tài)化監(jiān)測(cè)預(yù)警，提高對(duì)新冠疫情監(jiān)測(cè)的敏感性。最后，完善當(dāng)?shù)氐膽?yīng)急處置體系，確保一旦發(fā)生本土疫情，能夠迅速果斷地采取措施，防止疫情擴(kuò)散。

參考文獻(xiàn)：

［1］萬(wàn)程鵬， 陶嘉樂(lè)， 伍靜， 等.新冠肺炎疫情對(duì)中國(guó)國(guó)際航運(yùn)網(wǎng)絡(luò)空間格局影響分析［J］. 交通信息與安全， 2020， 38（2）： 129-135.

［2］XU L， SHI J， CHEN J， et al.Estimating the effect of COVID-19 epidemic on shipping trade： an empirical analysis using panel data［J］. Marine policy， 2021， 133： 104768.

［3］代天倫， 梁晶.新型冠狀病毒肺炎疫情對(duì)國(guó)際干散貨航運(yùn)市場(chǎng)的短期影響［J］. 科學(xué)技術(shù)與工程， 2021， 21（13）： 5556-5562.

［4］張永鋒， 龔建偉， 殷明.新冠肺炎疫情對(duì)中國(guó)港航業(yè)的影響及其對(duì)策［J］. 交通運(yùn)輸工程學(xué)報(bào)， 2020， 20（3）： 159-167.

［5］徐培紅，董鴻瑜，謝瑞娟，等.新冠肺炎疫情對(duì)長(zhǎng)江航運(yùn)發(fā)展的影響研究［J］. 交通信息與安全，2020，38（2） ：149-154.

［6］賀向陽(yáng)，陳曉攀，葉立鵬.新冠肺炎疫情對(duì)寧波港口的影響方式與結(jié)果評(píng)估［J］.交通企業(yè)管理，2020，35（2） ：1-3.

［7］劉文君，何新華，胡文發(fā).重大突發(fā)疫情對(duì)港口運(yùn)營(yíng)能力的影響研究［J］. 交通信息與安全，2020，38（2）：102-111，119.

［8］賴文光.新冠肺炎疫情下港口發(fā)展面臨的困難及應(yīng)對(duì)建議［J］.中國(guó)港口，2020（8） ： 12-14.

［9］周曉娟，楊琳華.新冠疫情防控常態(tài)化背景下江蘇沿江港口發(fā)展的現(xiàn)狀與對(duì)策研究［J］.中國(guó)商論，2021（24） ：16-19.

［10］王偉.新冠肺炎疫情對(duì)我國(guó)港口高質(zhì)量發(fā)展的啟示［J］.中國(guó)港口，2020（2） ： 8-10.

［11］IVANOV D.Predicting the impacts of epidemic outbreaks on global supply chains： a simulation-based analysis on the coronavirus outbreak（COVID-19/SARS-CoV-2） case［J］. Transportation research part e： logistics and transportation review， 2020， 136： 101922.

［12］劉琳， 尹鳳.港口對(duì)腹地城市經(jīng)濟(jì)增長(zhǎng)的空間溢出效應(yīng)研究［J］. 交通運(yùn)輸系統(tǒng)工程與信息， 2020， 20（3）： 144-149.

［13］ASHRAF B N.Economic impact of government interventions during the COVID-19 pandemic： international evidence from financial markets［J］. Journal of behavioral and experimental finance， 2020， 27： 100371.

［14］李光濤.工業(yè)增加值率與區(qū)域工業(yè)經(jīng)濟(jì)效益的關(guān)系研究［J］.科技和產(chǎn)業(yè)，2014，14（8）：117-119，138.

［15］邢秀鳳，張雪瑩，徐夢(mèng)凡.雙循環(huán)戰(zhàn)略下新冠疫情對(duì)內(nèi)循環(huán)的影響效應(yīng)分析——基于全國(guó)31個(gè)省區(qū)市的經(jīng)驗(yàn)證據(jù)［J］.工業(yè)技術(shù)經(jīng)濟(jì)，2021，40（8）：118-125.

［16］ANSELIN L， GALLO J L， JAYET H.Spatial panel econometrics［M］//The econometrics of panel data.springer， Berlin， Heidelberg， 2008： 625-660.

The Spatial Spillover Effect of COVID-19 on Port Development

REN Xiao-hong， RAO Xin，SHEN Jia

（School of Economics and Management， Chongqing Jiaotong University， Chongqing 400074）

Abstract：

This study rigorously examines the spatial spillover effects of the COVID-19 pandemic on port development， providing valuable insights for formulating port development strategies during major health crises.

It employs panel data spanning eight quarters from 2020 to 2021 across provinces within the Yangtze River Economic Belt（excluding Guizhou Province）.

Using this data， a spatial panel model is established to empirically examine the pandemics impact on port development， expanding the scope of investigation to incorporate spatial factors.

The findings from empirical analysis suggest that the COVID-19 pandemic negatively affects local port development and also prompts a notable negative spatial spillover effect.Further analysis reveals that both the level of social consumption and foreign trade have a significant positive correlation with port development， with the latter exerting a more profound impact.However， the influence of industrial development on port development is found to be statistically insignificant.

Regarding spatial implications， the pandemics indirect impact on port development is less significant compared to its direct effect， suggesting a relatively minor spatial spillover effect.

Keywords： COVID-19; port development; spatial panel model; spatial spillover effect;level of foreign trade

基金項(xiàng)目：2021年國(guó)家社科基金一般項(xiàng)目“成渝地區(qū)雙城經(jīng)濟(jì)圈綜合交通運(yùn)輸體系效能提升路徑研究”（21BJY223）；2023年重慶市自然科學(xué)基金面上項(xiàng)目“數(shù)字化賦能綜合交通運(yùn)輸綠色低碳轉(zhuǎn)型路徑研究”（CSTB2023NSCQ-MSX0046）