周維浪，高 莉，林昌輝 ZHOU Wei-lang, GAO Li, LIN Chang-hui

（廣東工業(yè)大學 管理學院，廣東 廣州510520）

(School of Management, Guangdong University of Technology, Guangzhou 510520, China)

0 引 言

隨著工業(yè)經(jīng)濟向服務(wù)經(jīng)濟的轉(zhuǎn)變以及社會分工的發(fā)展和專業(yè)化水平的提高，服務(wù)業(yè)尤其是生產(chǎn)服務(wù)業(yè)通過外包形式逐漸從原來的制造職能中分離出來，使得服務(wù)業(yè)集聚現(xiàn)象逐漸顯現(xiàn)（陳建軍等2009[1]；陳國亮和陳建軍2012[2]）。物流業(yè)集聚作為生產(chǎn)性服務(wù)業(yè)集聚研究中的重要領(lǐng)域，逐漸受到政府、企業(yè)等的廣泛關(guān)注。由于物流業(yè)集聚可以降低交易成本，提高基礎(chǔ)設(shè)施效率，從而提升企業(yè)競爭力等優(yōu)勢，使得部分地區(qū)物流業(yè)集聚效應逐漸凸顯，尤其在經(jīng)濟較為發(fā)達的經(jīng)濟區(qū)更為顯著。

珠三角經(jīng)濟區(qū)依托發(fā)達的運輸樞紐和現(xiàn)代物流技術(shù)，形成了以廣州、深圳為核心，周邊城市為基礎(chǔ)的整體物流格局，并建立了大批各具特色和規(guī)模較大的物流產(chǎn)業(yè)集群。2013 年廣東省全省共有物流園區(qū)362 個，其中規(guī)模較大的有20 多家，主要集中在珠三角地區(qū)。而且，隨著珠三角經(jīng)濟的快速發(fā)展，物流業(yè)GDP 也出現(xiàn)快速增加趨勢。據(jù)統(tǒng)計數(shù)據(jù)顯示，2005～2013 年珠三角物流業(yè)總額和物流業(yè)就業(yè)人數(shù)呈現(xiàn)逐年增加的趨勢，如圖1 和圖2 所示。

物流業(yè)空間集聚作為一種普遍現(xiàn)象，開始受到學者們的廣泛關(guān)注（鐘祖昌2011[3]）。然而，目前多數(shù)研究主要以省級和行業(yè)數(shù)據(jù)研究物流業(yè)的集聚程度，較少考慮城市和企業(yè)層面的物流業(yè)集聚效應，而且，定量性的研究以區(qū)位熵指數(shù)等簡單測量方法為主，較少運用EG 指數(shù)等空間測量方法對物流業(yè)空間集聚的測算，并且忽視了物流業(yè)空間集聚特征內(nèi)在形成規(guī)律的挖掘，缺乏動態(tài)規(guī)律分析。因此，本文從靜態(tài)和動態(tài)兩個角度，利用空間集聚測度指標和動態(tài)面板模型對珠三角物流業(yè)集聚現(xiàn)象進行綜合分析，對珠三角物流業(yè)集聚的發(fā)展提供參考和指導意義。

1 文獻綜述

圖1 2005～2013 年珠三角物流業(yè)總額

圖2 2005～2013 年珠三角物流業(yè)就業(yè)人數(shù)

產(chǎn)業(yè)集聚一直以來都是國內(nèi)的研究熱點問題，然而，目前多數(shù)的研究集中在生產(chǎn)制造業(yè)領(lǐng)域，以至于形成了一套較為完善的研究體系（高小玲和梁威2011[4]；韓峰和柯善咨2012[5]；文東偉和冼國明2014[6]），但對物流業(yè)集聚的相關(guān)研究并不多，其中定性研究主要集中在物流業(yè)集聚的界定及其影響因素，例如：李蘭冰（2007）[7]較早指出物流產(chǎn)業(yè)集群是現(xiàn)代物流產(chǎn)業(yè)發(fā)展的必然路徑，而張智勇等（2009）[8]運用復雜系統(tǒng)涌現(xiàn)性機理研究了物流產(chǎn)業(yè)集群及其服務(wù)創(chuàng)新能力，并指出物流產(chǎn)業(yè)集群涌現(xiàn)性的強弱與其服務(wù)創(chuàng)新能力及核心競爭力的高低成正比。王非和馮耕中（2010）[9]基于產(chǎn)業(yè)集群理論界定了我國物流集聚區(qū)的內(nèi)容，結(jié)合我國物流業(yè)發(fā)展的實際總結(jié)出了物流集聚區(qū)形成的機理。進一步，王非等（2011）[10]研究了物流集聚區(qū)的形成條件和物流集聚區(qū)的功能與整合模式。而定量研究主要是分析我國省域的物流業(yè)集聚效應及其對產(chǎn)業(yè)經(jīng)濟的影響，例如：王珍珍和陳功玉（2009）[11]運用區(qū)位熵指數(shù)基于我國31 個省級面板數(shù)據(jù)測算了我國物流業(yè)集聚程度并物流集聚程度對工業(yè)增加值的影響；鐘祖昌（2011）[3]利用區(qū)位熵理論研究了我國31 省市空間經(jīng)濟學視角下的物流業(yè)集聚狀況以及影響因素；王健和范月嬌（2014）[12]運用區(qū)位熵指數(shù)測量我國省域物流業(yè)集聚度并構(gòu)建動態(tài)面板數(shù)據(jù)模型研究物流業(yè)集聚對區(qū)域經(jīng)濟增長的動態(tài)效應；舒輝等（2014）[13]運用區(qū)域物流業(yè)增加值占全國物流業(yè)增加值平均值來測度物流業(yè)的集聚程度，并結(jié)合空間面板計量方法對我國物流產(chǎn)業(yè)集聚與全要素生產(chǎn)率增長之間的關(guān)系進行了研究。梁紅艷（2015）[14]運用區(qū)位熵指數(shù)計算了各地區(qū)的物流業(yè)集聚度，并分析了物流業(yè)集聚度對工業(yè)生產(chǎn)率的空間外溢效應的影響機制。

綜上研究，發(fā)現(xiàn)學者們僅采用熵指數(shù)對部分省份的物流業(yè)集聚進行測算和簡單比較研究，并沒有綜合考慮企業(yè)層面，從城市視角對區(qū)域的物流業(yè)集聚進行深入分析，而且忽視了物流業(yè)集聚特征形成規(guī)律的挖掘，缺乏動態(tài)規(guī)律分析。因此，本文從靜態(tài)和動態(tài)兩個角度，利用物流業(yè)空間集聚測度指標和動態(tài)面板模型對珠三角物流業(yè)集聚現(xiàn)象進行測度和分析。

2 物流空間集聚效應測度

目前，產(chǎn)業(yè)集聚測度的方法主要包括區(qū)位熵指數(shù)、產(chǎn)業(yè)空間基尼系數(shù)（G 指數(shù)）、赫芬達爾指數(shù)（H 指數(shù)）、地理集中指數(shù)（EG 指數(shù)） 和動態(tài)集聚指數(shù)等?？紤]到數(shù)據(jù)的易得性，多數(shù)學者均采用了傳統(tǒng)的產(chǎn)業(yè)集聚測度方法，例如區(qū)位熵指數(shù)，來分析物流業(yè)的集聚效應。傳統(tǒng)的測度方法雖然計算簡單，但僅從行業(yè)角度考慮地區(qū)的分布情況，并沒有綜合考慮企業(yè)數(shù)量等影響因素。Ellison 和Glaeser（1997）[15]考慮企業(yè)的數(shù)量、區(qū)域的差異等因素提出的EG 指數(shù)測算方法，這種方法不僅彌補了傳統(tǒng)方法的缺陷，還可以跨行業(yè)跨時間進行比較。因此，本文選取H 指數(shù)、G 指數(shù)和EG 指數(shù)對珠三角經(jīng)濟區(qū)物流業(yè)的空間集聚程度進行靜態(tài)測算，同時，運用動態(tài)面板模型進一步分析珠三角物流業(yè)空間集聚的動態(tài)效應。

2.1 物流空間集聚靜態(tài)效應分析

2.1.1 數(shù)據(jù)選擇與說明

本文選取2005～2013 年珠三角13 個城市（廣州、深圳、佛山、珠海、東莞、中山、惠州、肇慶、江門、茂名、汕頭、韶關(guān)和湛江） 的經(jīng)驗數(shù)據(jù)作為研究樣本。由于難以直接獲得各省市的物流業(yè)相關(guān)數(shù)據(jù)，眾多學者均選取交通運輸、郵電和倉儲指標作為衡量物流業(yè)指標。從各年物流業(yè)增加值數(shù)據(jù)顯示，交通運輸、郵電和倉儲業(yè)在物流業(yè)總量的占比超過8 成，因此，本文選取交通運輸、郵電以及倉儲業(yè)就業(yè)人數(shù)作為衡量物流業(yè)就業(yè)人數(shù)的指標。其中，珠三角13 個城市的各年的物流業(yè)就業(yè)人數(shù)、總物流業(yè)就業(yè)人數(shù)、所有行業(yè)就業(yè)人數(shù)以及珠三角所有行業(yè)總就業(yè)人數(shù)等樣本數(shù)據(jù)來源于《中國城市統(tǒng)計年鑒》 （2006～2013）和《廣東統(tǒng)計年鑒》 （2006-2014），而物流業(yè)企業(yè)數(shù)采用按地區(qū)分組的法人單位數(shù)表示，數(shù)據(jù)來源于《廣東統(tǒng)計年鑒》（2006～2014） 和《中國物流統(tǒng)計年鑒》 （2006～2013）。

2.1.2 測度方法與結(jié)果

H 指數(shù)由Herfindahl（1950）[16]首次提出，用于測算行業(yè)內(nèi)企業(yè)的集中程度。本文使用就業(yè)人數(shù)表示物流業(yè)內(nèi)企業(yè)的集中程度，公式表示為：

其中，ej指j地區(qū)物流業(yè)的就業(yè)人數(shù)，cij指地區(qū)j物流業(yè)的企業(yè)個數(shù)，分為m個地區(qū)，T為市場總規(guī)模。

Krugman（1991）[18]等從空間視角提出了產(chǎn)業(yè)空間基尼系數(shù)，用來測度產(chǎn)業(yè)的空間集聚程度，該指數(shù)的計算公式如下：

其中，xj表示j地區(qū)的總就業(yè)人數(shù)占全國總就業(yè)人數(shù)的比重，即其中Ej為地區(qū)j的總就業(yè)人數(shù)，為全國各地區(qū)就業(yè)人數(shù)之和。sj為地區(qū)j物流業(yè)總就業(yè)人數(shù)占全國物流業(yè)總就業(yè)人數(shù)的比重，即其中ej為地區(qū)j物流業(yè)的總就業(yè)人數(shù)，e為全國各地區(qū)物流業(yè)的就業(yè)人數(shù)之和。根據(jù)公式（3），可以知道：若G趨近于1，說明該行業(yè)的集聚效應越強；若G越趨近于0，說明該行業(yè)越分散，即xj越趨近于sj。

空間基尼系數(shù)雖然可以反映產(chǎn)業(yè)的空間集聚情況，但是卻沒有考慮企業(yè)的規(guī)模分布和企業(yè)數(shù)量。為了綜合考慮這些因素，Ellison 和Glaeser（1997）[15]提出了地理集中指數(shù)（簡稱EG 指數(shù)），其計算公式如下：

公式（4） 中，xj,G和H的含義與公式（2） 和公式（3） 相同。Ellison 和Glaeser（1997）[15]研究指出γ 指數(shù)的大小沒有絕對的評判標準。一般來說，產(chǎn)業(yè)集聚程度可以分為以下三類：當γ＜0.02 時，表明該產(chǎn)業(yè)具有較低的集聚程度；當0.02≤γ＜0.05時，表明該產(chǎn)業(yè)具有較高的集聚程度；當γ≥0.05 時，表明該產(chǎn)業(yè)具有高度的集聚程度。

表1 和圖3 顯示了珠三角地區(qū)2005～2013 年的物流集聚程度的赫芬達爾指數(shù)、空間基尼系數(shù)和地理集中指數(shù)。從變化趨勢來看，由表1 的赫芬達爾指數(shù)可以知道，從企業(yè)聚集層面，珠三角地區(qū)2005～2012 年物流業(yè)集聚程度呈現(xiàn)下降的趨勢，2012 年開始出現(xiàn)回升趨勢。同時，從行業(yè)集聚層面，2005～2012 年，珠三角的物流業(yè)集聚程度呈現(xiàn)波浪式下降的趨勢，然而，2012～2013 年，珠三角地區(qū)物流業(yè)集聚程度呈現(xiàn)大幅度的顯著上升趨勢，這與赫芬達爾指數(shù)測算的行業(yè)集聚趨勢基本一致，說明隨著電子商務(wù)和第三方物流業(yè)的不斷發(fā)展，珠三角物流集聚趨勢開始越來越明顯。

表1 2005～2013 年珠三角地區(qū)物流空間集聚H 指數(shù)、G 指數(shù)和EG 指數(shù)

2.2 物流空間集聚動態(tài)效應分析

2.2.1 動態(tài)面板模型

物流業(yè)的集聚效應可能呈現(xiàn)動態(tài)變化的特征，而這種動態(tài)變化會表現(xiàn)在物流業(yè)的就業(yè)水平上。運用任英華（2011）[17]提出的服務(wù)業(yè)動態(tài)集聚面板模型，構(gòu)建珠三角地區(qū)物流業(yè)集聚的動態(tài)模型，如下：

圖3 2005～2013 年珠三角地區(qū)物流空間集聚G 指數(shù)和EG 指數(shù)

式中，sjt表示t期物流業(yè)在j區(qū)域的就業(yè)人數(shù)ej占全國物流業(yè)就業(yè)人數(shù)∑jej的比重，即表示t期j區(qū)域所有產(chǎn)業(yè)就業(yè)人數(shù)∑Ej占全國總就業(yè)人數(shù)∑∑j Ej的比重，即和η 為待估參數(shù)，εjt為正交誤差項。

用OLS 估計得到α=0 和η=1。因此，可以把上式簡化為：

2.2.2 模型估計與分析

由于一階差分矩估計既可以消除個體的固定效應，又可以剔除可能存在的內(nèi)生性問題，因此本文選取一階差分矩估計對動態(tài)面板模型參數(shù)進行估計。

將公式（6） 移項得：

運用GMM 對上式的β 進行參數(shù)估計，然后再將估計的β 代入式（7），即求得珠三角地區(qū)物流業(yè)集聚水平變化的回復效應和隨機效應，估計結(jié)果如表2 所示。

表2 2005～2013 年珠三角地區(qū)物流業(yè)集聚動態(tài)性的動態(tài)面板分析

由表2 可見，參數(shù)β^＞0，表明2005～2013 年的珠三角地區(qū)物流業(yè)的就業(yè)份額持續(xù)增大，回復效應等于0.0597＞0，表明物流業(yè)的集聚程度將出現(xiàn)增長的趨勢，隨機效應等于0.00012＞0，表明隨機效應將促進珠三角地區(qū)物流集聚水平的持續(xù)提高，這主要是珠三角地區(qū)的物流業(yè)具備信息高度集中，網(wǎng)絡(luò)較為發(fā)達等特點，致使物流業(yè)集中在經(jīng)濟較為發(fā)達的地區(qū)或者發(fā)達的制造業(yè)周圍，這與珠三角的發(fā)展情況是一致的。

3 結(jié) 論

本文從靜態(tài)角度，運用赫芬達爾指數(shù)、空間基尼指數(shù)和地理集中指數(shù)分別測算了珠三角地區(qū)2005～2013 年的物流業(yè)集聚程度，測算結(jié)果表明珠三角地區(qū)物流業(yè)集聚程度總體較高（EG 指數(shù)均高于0.02），2005～2012 年，物流業(yè)集聚程度呈現(xiàn)波浪式小幅度的下降趨勢，然而，2012 年開始，物流業(yè)集聚程度呈現(xiàn)出大幅度上升的趨勢，EG 指數(shù)高達0.097，表明珠三角地區(qū)物流業(yè)集聚程度非常高。動態(tài)模型估計結(jié)果表明，珠三角地區(qū)物流業(yè)集聚呈現(xiàn)動態(tài)變化，回復效應和隨機效應使得珠三角地區(qū)的物流集聚水平進一步加劇。

[1] 陳建軍，陳國亮，黃潔. 新經(jīng)濟地理學視角下的生產(chǎn)性服務(wù)業(yè)集聚及其影響因素研究——來自中國222 個城市的經(jīng)驗證據(jù)[J]. 管理世界，2009(4):83-95.

[2] 陳國亮，陳建軍. 產(chǎn)業(yè)關(guān)聯(lián)、空間地理與二三產(chǎn)業(yè)共同集聚——來自中國212 個城市的經(jīng)驗考察[J]. 管理世界，2012(4):82-100.

[3] 鐘祖昌. 空間經(jīng)濟學視角下的物流業(yè)集聚及影響因素：中國31 個省市的經(jīng)驗證據(jù)[J]. 山西財經(jīng)大學學報，2011,33(11):55-62.

[4] 高小玲，梁威. 中國制造業(yè)產(chǎn)業(yè)集聚發(fā)展效應及其形成機制研究[J]. 研究與發(fā)展管理，2011,23(5):92-100.

[5] 韓峰，柯善咨. 追蹤我國制造業(yè)集聚的空間來源: 基于馬歇爾外部性與新經(jīng)濟地理的綜合視角[J]. 管理世界，2012(10):55-70.

[6] 文東偉，冼國明. 中國制造業(yè)產(chǎn)業(yè)集聚的程度及其演變趨勢：1998～2009 年[J]. 世界經(jīng)濟，2014(3):3-31.

[7] 李蘭冰. 物流產(chǎn)業(yè)集群的創(chuàng)新機制研究[J]. 科學學與科學技術(shù)管理，2007,28(6):39-44.

[8] 張智勇，何景師，桂壽平,等. 物流產(chǎn)業(yè)集群服務(wù)創(chuàng)新研究——基于復雜系統(tǒng)涌現(xiàn)性機理[J]. 科技進步與對策，2009,26(3):75-77.

[9] 王非，馮耕中. 我國物流集聚區(qū)內(nèi)涵與形成機理研究[J]. 統(tǒng)計與決策，2010(24):15.

[10] 王非，時榛，賈濤. 我國物流集聚區(qū)功能整合模式研究[J]. 統(tǒng)計與決策，2011(5):48-50.

[11] 王珍珍，陳功玉. 制造業(yè)與物流業(yè)聯(lián)動發(fā)展的競合模型研究——基于產(chǎn)業(yè)生態(tài)系統(tǒng)的視角[J]. 經(jīng)濟與管理，2009,23(7):28-34.

[12] 王健，范月嬌. 我國物流服務(wù)業(yè)集聚對區(qū)域經(jīng)濟增長的動態(tài)效應檢驗與分析——基于動態(tài)面板數(shù)據(jù)模型的實證[J]. 中國流通經(jīng)濟，2014,28(7):39-46.

[13] 舒輝，周熙登，林曉偉. 物流產(chǎn)業(yè)集聚與全要素生產(chǎn)率增長——基于省域數(shù)據(jù)的空間計量分析[J]. 中央財經(jīng)大學學報，2014(3):98-108.

[14] 梁紅艷. 物流業(yè)集聚、空間外溢效應與工業(yè)生產(chǎn)率提升[J]. 中國流通經(jīng)濟，2015,29(1):32-42.

[15] Ellison G, Glaeser E L. Geographic concentration in US manufacturing industries: a dartboard approach[J]. Journal of Political Economy, 1997,105(5):889-927.

[16] Herfindahl O C. Concentration in the steel industry[D]. Columbia University, 1950.

[17] 任英華，邱碧槐，王耀中. 服務(wù)業(yè)集聚現(xiàn)象測度模型及其應用[J]. 數(shù)理統(tǒng)計與管理，2011,30(6):1089-1096.

[18] Krugman P R. Geography and trade[M]. MIT press, 1991.