張曉華

內(nèi)容摘要：城鎮(zhèn)化的發(fā)展在當(dāng)前經(jīng)濟(jì)發(fā)展的轉(zhuǎn)型期有著重要的作用，而物流業(yè)是帶動城鎮(zhèn)均衡、持續(xù)、穩(wěn)定、跨越發(fā)展的戰(zhàn)略性產(chǎn)業(yè)。本文采用因子分析法降維、非參數(shù)回歸等方法來處理物流業(yè)對城鎮(zhèn)化的影響并進(jìn)行分析。結(jié)果表明，從時間數(shù)據(jù)上來看，物流業(yè)對城鎮(zhèn)化的影響是非線性的正向關(guān)系，從截面數(shù)據(jù)上來看，2014年不同區(qū)域兩者之間正向關(guān)系有待考究。

關(guān)鍵詞：降維 ? 樣條基 ? 自然樣條 ? 非參數(shù)回歸

引言

當(dāng)前我國已進(jìn)入經(jīng)濟(jì)高速發(fā)展的轉(zhuǎn)型期，城鎮(zhèn)化發(fā)展無疑成為深入發(fā)展的重點，其在現(xiàn)代化、經(jīng)濟(jì)持續(xù)發(fā)展、產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級、解決農(nóng)村農(nóng)民問題、推動區(qū)域協(xié)調(diào)發(fā)展、促進(jìn)社會全面進(jìn)步等方面有重大的意義。物流業(yè)在城鎮(zhèn)化發(fā)展中具有促進(jìn)產(chǎn)業(yè)分工、吸引產(chǎn)業(yè)集聚、提升生活質(zhì)量、擴(kuò)大就業(yè)數(shù)量、帶動城鎮(zhèn)均衡、持續(xù)、跨越、穩(wěn)定發(fā)展的重要作用，是支撐和引導(dǎo)城鎮(zhèn)化發(fā)展的戰(zhàn)略性產(chǎn)業(yè)。對于兩者之間的關(guān)系，國內(nèi)外研究頗多，研究成果各有建樹。然而這些學(xué)者大多基于時間序列做定量研究，且采用降維后再引入樣條非參數(shù)回歸的方法更是鮮有人涉及。因此，本文采用另一種方法，從一個新的角度闡釋物流業(yè)對城鎮(zhèn)化的影響。

指標(biāo)設(shè)計和模型設(shè)定

衡量物流業(yè)發(fā)展的指標(biāo)迄今為止沒有一個唯一的標(biāo)準(zhǔn)，不同學(xué)者所定義的指標(biāo)也不完全一樣。本文根據(jù)我國物流發(fā)展的實際情況，依據(jù)數(shù)據(jù)的可得性，建立三個一級指標(biāo)和九個二級指標(biāo)。一級指標(biāo)分為經(jīng)濟(jì)指標(biāo)，基礎(chǔ)實施和物流規(guī)模。經(jīng)濟(jì)指標(biāo)下面的二級指標(biāo)分為地區(qū)產(chǎn)總值，地區(qū)交通運輸、倉儲和郵政業(yè)增加值和地區(qū)社會消費品零售總額?；A(chǔ)設(shè)施下面的二級指標(biāo)分為地區(qū)公路里程。物流規(guī)模下面的二級指標(biāo)分為地區(qū)郵電業(yè)務(wù)總量、地區(qū)貨運量、地區(qū)貨物周轉(zhuǎn)量、地區(qū)客運量和地區(qū)旅客周轉(zhuǎn)量。采用因子分析法將衡量物流業(yè)發(fā)展的九個指標(biāo)降維成一個指標(biāo)x。y代表城鎮(zhèn)化發(fā)展采用城鎮(zhèn)化率，最后用非參數(shù)回歸法來研究物流業(yè)x對城鎮(zhèn)化y發(fā)展的影響。

（一）因子分析法降維

第一步，將所有衡量物流業(yè)的變量進(jìn)行無量綱處理。

第二步，計算相關(guān)矩陣的特征根λ和特征向量γ、方差貢獻(xiàn)率，根據(jù)累計方差貢獻(xiàn)率大于85%確定公因子個數(shù)。

第三步，用最大化正交法求載荷矩陣（），確定公因子名稱和公因子得分。

第四步，用方差貢獻(xiàn)率作為權(quán)重，和公因子做加權(quán)平均得到一個綜合得分x。

（二）非參數(shù)回歸

線性模型雖然簡單，解釋性強，推斷理論也相對成熟，但變量之間若存在著大量的非線性關(guān)系，如果仍然用線性關(guān)系來研究非線性變量關(guān)系，實證結(jié)果就會難以讓人信服，因此本文選用非參數(shù)回歸。

為了研究相應(yīng)變量y和協(xié)變量x之間的非線性關(guān)系，如模型（1）所示，f（xi）是基函數(shù)（可以選用不同的基，本文主要使用多項式基和樣條基）。

yi=β0+f（xi）+εi ? ? ? ? ? ?（1）

若基函數(shù)f（xi）是多項式函數(shù)，即x1，x2，x3，…，xd的線性組合，這種回歸就是多項式回歸，d一般不大于3或者4（d越大，多項式曲線就會越光滑，甚至?xí)趚變量定義域的邊界處呈現(xiàn)異樣的形狀）。多項式回歸系數(shù)的求法可用最小二乘求解。

更加穩(wěn)定的基函數(shù)f（xi）是樣條函數(shù)，一個有k個結(jié)點的三次樣條函數(shù)可以由b1（x1）、b2（x2）、b3（x3）、…、bk+3（xi）的線性組合構(gòu)成，其中，bi（xi）有多種選法，本文選用三次多項式為基礎(chǔ)，然后在每個結(jié)點添加一個截斷冪基，即：

yi=β0+β1xi+β2xi2+β3xi3+β4h（xi，ξ1）+……+βk+3h（xi，ξk）+εi ? ? （2）

其中，h（x，ξ）=（x-ξ）3，（x>ξ），h（x，ξ）=0，（x<ξ）。ξ是結(jié)點，截斷冪基項只會使三次多項式在ξ處的三階導(dǎo)數(shù)不連續(xù)，而在每個結(jié)點，函數(shù)本身、一階導(dǎo)數(shù)、二階導(dǎo)數(shù)都是連續(xù)的。在邊界的結(jié)點外，函數(shù)是三次多項式，估計模型時，仍然采用最小二乘法估計k+4個系數(shù)。

雖然三次樣條函數(shù)相對穩(wěn)定，然而在預(yù)測變量之外的區(qū)域，即x取較大值或較小值時，有較大方差，體現(xiàn)在圖形中是邊界區(qū)域置信帶較寬，自然樣條，即模型（3）彌補了這點。

yi=β0+β1xi+β4h（xi，ξ1）+……+βk+3h（xi，ξk）+εi ? ? ? ? ? ? ? ? ? ? ? ?（3）

其中，h（x，ξ）=（x-ξ）3，（x>ξ），h（x，ξ）=0，（x<ξ）。三次自然樣條函數(shù)可以看作是三次樣條并附加了邊界約束（二階和三階導(dǎo)數(shù)為0）的回歸樣條，在邊界的結(jié)點外，函數(shù)為一次多項式，估計模型時，依然采用最小二乘法估計k+2個系數(shù)。

物流業(yè)對城鎮(zhèn)化發(fā)展的實證結(jié)果與分析

本部分從時間序列數(shù)據(jù)和橫截面序列數(shù)據(jù)兩個角度來研究物流業(yè)對城鎮(zhèn)化的影響。

（一）時間序列角度

本文通過2015年《中國統(tǒng)計年鑒》收集了2000-2014年每年物流業(yè)發(fā)展的八個指標(biāo)的數(shù)據(jù)，根據(jù)因子分析法降維的思想得到了一個主成分（第一主成分達(dá)到86.5%）x來衡量物流業(yè)的發(fā)展。再收集2000-2014年城鎮(zhèn)化率的指標(biāo)數(shù)據(jù)y來代表城鎮(zhèn)化的發(fā)展。如表1所示。

表1顯示，2000年以來，我國城鎮(zhèn)化率快速發(fā)展，物流業(yè)發(fā)展水平也在逐年增加。用R軟件對上述城鎮(zhèn)化率y和物流業(yè)發(fā)展x標(biāo)準(zhǔn)化處理后做多項式回歸和樣條回歸擬合，顯然非線性擬合比線性擬合更加貼合散點圖，如圖1所示。從模型的殘差標(biāo)準(zhǔn)誤上來看，一元一次線性回歸是0.1561，4次多項式回歸是0.1109，三次樣條回歸是0.107（結(jié)點分別在25%、50%、75%處），自然3次樣條是0.135，可見3次樣條的模擬結(jié)果最好，自然樣條在邊界處置信帶較窄的優(yōu)勢在此并不明顯，反而標(biāo)準(zhǔn)誤大于三次樣條。結(jié)果表明，物流業(yè)對城鎮(zhèn)化影響確是正向關(guān)系，即隨著物流業(yè)發(fā)展的增加，城鎮(zhèn)化發(fā)展也隨之加快，兩者協(xié)調(diào)一致。從模擬曲線的斜率來看，城鎮(zhèn)化發(fā)展隨著物流業(yè)發(fā)展的速率經(jīng)歷了由快到慢再到快的趨勢。

（二）截面序列角度

本文通過2015年《中國統(tǒng)計年鑒》收集了2014年我國31個省市自治區(qū)（港澳臺地區(qū)除外）的物流業(yè)發(fā)展的八個指標(biāo)的數(shù)據(jù)，采用同上的方法—因子分析法降維得到兩個主成分（累計貢獻(xiàn)度達(dá)到87.1%），再將其進(jìn)行加權(quán)平均得到最終公因子得分x來衡量物流業(yè)的發(fā)展。收集2014年31個省市自治區(qū)的城鎮(zhèn)化率y衡量城鎮(zhèn)化的發(fā)展，如表2所示。

結(jié)果顯示，2014年物流業(yè)綜合發(fā)展水平排在前五位的有廣東省、江蘇省、山東省，浙江省和河南省，這些省份是工業(yè)大省和人口大省，其交通運輸收益和運力較高，是物資消耗和人員的周轉(zhuǎn)集散地。而排在后五位的省份大多處于西部地區(qū)，西部發(fā)展較晚，基礎(chǔ)設(shè)施相對不完善，因此要加大西部地區(qū)物流業(yè)的發(fā)展。

用R軟件對上述截面數(shù)據(jù)城鎮(zhèn)化率 和物流業(yè)發(fā)展 標(biāo)準(zhǔn)化處理后做散點圖，顯然非線性擬合仍然比線性擬合更加貼合散點圖，如圖2所示。從模型的殘差標(biāo)準(zhǔn)誤上來看，一元一次線性回歸是0.9858，4次多項式回歸是0.9791，3次B樣條是0.943，自然3次樣條是0.9749，仍然是3次B樣條的模擬結(jié)果最好。圖形顯示，物流業(yè)對城鎮(zhèn)化影響并不像縱向數(shù)據(jù)那樣呈現(xiàn)正向關(guān)系，兩者之間也并不協(xié)調(diào)一致，比如河北省、安徽省、湖南省、遼寧省等物流業(yè)發(fā)展水平相對高的地區(qū)（不是最高）其城鎮(zhèn)化率卻較低，說明2014年全國不同省份物流業(yè)對城鎮(zhèn)化影響不盡同，高物流水平的省份城鎮(zhèn)化率反倒不高，因此物流業(yè)對城鎮(zhèn)化的因果關(guān)系也有待考究。

結(jié)論

本文采用非參數(shù)回歸來研究物流業(yè)對城鎮(zhèn)化的影響，之所以提出此法是因為非參數(shù)回歸形式自由，受約束少，且無論從時間序列角度還是從截面序列角度來看，兩者之間關(guān)系非線性都比線性擬合更好，殘差標(biāo)準(zhǔn)誤更低。結(jié)果發(fā)現(xiàn)，我國物流業(yè)對城鎮(zhèn)化的影響從時間趨勢上來看是協(xié)調(diào)一致發(fā)展的，呈非線性正向相關(guān)關(guān)系，然而從截面角度來看，不同區(qū)域物流業(yè)對城鎮(zhèn)化的影響并不都是正向關(guān)系，甚至有負(fù)向關(guān)系，原因有待進(jìn)一步考究。此外，非參數(shù)回歸的方法需要大的樣本容量，本文樣本量不夠大，時間趨勢上是15年的數(shù)據(jù)，截面空間是31個省自治區(qū)，所以非參數(shù)回歸結(jié)果有待商榷。

根據(jù)實證結(jié)果表明，物流業(yè)在我國城鎮(zhèn)化持續(xù)健康發(fā)展的過程中具有重要的作用，但全國不同區(qū)域地理位置、自然資源、經(jīng)濟(jì)發(fā)展方式有所差別，具體到各個地區(qū)來研究又有很多特點，因此區(qū)域物流業(yè)對城鎮(zhèn)化的影響作用有待考究。因此，應(yīng)增強城鎮(zhèn)化發(fā)展的動力，以積極推進(jìn)物流業(yè)帶動城鎮(zhèn)化高效和諧全面發(fā)展。