甘衛(wèi)華，姚文珮，劉 鄭

（1.華東交通大學(xué) 交通運輸與物流學(xué)院，江西 南昌 330013；2.華東交通大學(xué)高鐵發(fā)展研究中心，江西 南昌 330013）

1 引言

2019年9月，國家發(fā)展改革委、交通運輸部聯(lián)合印發(fā)《關(guān)于做好2019年國家物流樞紐建設(shè)工作的通知》（以下簡稱《通知》），確認(rèn)首批共23個物流樞紐入選國家物流樞紐建設(shè)名單[1]。國家物流樞紐可以定義為物流體系的核心基礎(chǔ)設(shè)施和最高層級，是輻射區(qū)域更廣、集聚效應(yīng)更強(qiáng)、服務(wù)功能更優(yōu)、運行效率更高的綜合型物流樞紐[2]。作為物流業(yè)發(fā)展的重要抓手，國家物流樞紐建設(shè)將在發(fā)揮區(qū)域影響力、國際影響力方面起著不可替代的作用。

經(jīng)濟(jì)活力是區(qū)域經(jīng)濟(jì)不可或缺的表征，其主要表現(xiàn)為經(jīng)濟(jì)成長、引進(jìn)資本和吸引高素質(zhì)勞動力的能力，是經(jīng)濟(jì)的持續(xù)增長能力[3]。因此，研究國家物流樞紐建設(shè)與經(jīng)濟(jì)活力的相關(guān)性具有現(xiàn)實意義。

2 主要文獻(xiàn)回顧

對于影響區(qū)域經(jīng)濟(jì)活力的研究主要有：Alexander[4]認(rèn)為可持續(xù)經(jīng)濟(jì)成功的關(guān)鍵是基于活力標(biāo)準(zhǔn)的認(rèn)可程度。Jacques Poot[5]認(rèn)為城市人口的變化會對城市經(jīng)濟(jì)活力產(chǎn)生影響。文獻(xiàn)[6-7]針對東亞地區(qū)的經(jīng)濟(jì)活力進(jìn)行評價時，利用主觀分析加上部分?jǐn)?shù)據(jù)指出了東亞地區(qū)最富有經(jīng)濟(jì)活力的國家。劉越等[8]認(rèn)為綠色城鎮(zhèn)化是提高我國經(jīng)濟(jì)活力的一個極其重要的引擎。雷舒硯等[9]從經(jīng)濟(jì)、社會、生態(tài)和環(huán)境四個方面構(gòu)建指標(biāo)體系，認(rèn)為城市活力對經(jīng)濟(jì)活力的影響程度較高。逯進(jìn)等[10]從1997-2016年中國31個省區(qū)的數(shù)據(jù)分析老齡化與固定資產(chǎn)投資通過協(xié)同機(jī)制對經(jīng)濟(jì)活力進(jìn)一步產(chǎn)生了影響。于鳳霞等[11]利用相關(guān)性分析與回歸分析方法對2018年我國34個主要城市的共享住宿發(fā)展對經(jīng)濟(jì)活力的影響進(jìn)行了實證研究。對于物流業(yè)發(fā)展的研究主要有：郭湖斌[12]基于長江經(jīng)濟(jì)帶2000-2016年數(shù)據(jù)，橫向分析了物流業(yè)與區(qū)域經(jīng)濟(jì)耦合協(xié)調(diào)發(fā)展，對二者的發(fā)展水平和空間差異進(jìn)行綜合衡量和評價。戴德寶等[13]以西部地區(qū)為例，選取區(qū)域經(jīng)濟(jì)基礎(chǔ)、物流供求狀況、物流支持狀況、信息化水平四方面設(shè)計16個指標(biāo)，利用主成分分析法對西部地區(qū)12省市2014年-2015年的物流發(fā)展水平建立綜合指標(biāo)體系。劉明等[14]借助277個地級城市2007-2017年的相關(guān)數(shù)據(jù)，證明相鄰城市對中心城市的區(qū)域物流產(chǎn)業(yè)有積極的推動作用。

綜上，國內(nèi)外學(xué)者利用不同分析方法從不同角度研究了提高城市經(jīng)濟(jì)活力的必要性。但是，建立區(qū)域經(jīng)濟(jì)活力的指標(biāo)體系中，研究物流業(yè)對區(qū)域經(jīng)濟(jì)活力影響的并不多，從國家物流樞紐所在省市和非國家物流樞紐所在省市進(jìn)行經(jīng)濟(jì)活力分析相對就更少。因此，本文采用因子分析法，探討物流業(yè)與區(qū)域經(jīng)濟(jì)活力的相互關(guān)系，并將國家物流樞紐建設(shè)對區(qū)域經(jīng)濟(jì)活力的影響考慮在內(nèi)。

3 物流業(yè)與經(jīng)濟(jì)活力的水平測度模型

因子分析在構(gòu)建綜合評價指標(biāo)中所涉及的權(quán)數(shù)是通過定量分析產(chǎn)生的，減少了定性分析的主觀隨意性。同時，通過設(shè)定公共因子可以解決傳統(tǒng)方法中指標(biāo)設(shè)置過多、相互間存在相關(guān)性的弊端，能夠清晰地界定物流業(yè)對區(qū)域經(jīng)濟(jì)活力影響的關(guān)鍵性因素。

設(shè) n個城市，不同的變量 X1，X2，...，Xn，根據(jù)因子分析法的要求，這里使用z-score標(biāo)準(zhǔn)化（均值為0，標(biāo)準(zhǔn)差為1）：

n個變量可以由m個因子F1，F(xiàn)2，...，F(xiàn)m表示為線性組合，運用因子分析法建立物流業(yè)對區(qū)域經(jīng)濟(jì)活力的評價模型，其數(shù)學(xué)模型可表示如下：

應(yīng)滿足的條件為：

式（3）中，X=(X1，X2，...，Xn)T是可觀測的隨機(jī)向量，它的每個分量代表一個指標(biāo)或者變量；F=(F1，F(xiàn)2，...，F(xiàn)m)T是不可觀測的隨機(jī)向量，它的各個分量將出現(xiàn)在每個原觀測變量X的表達(dá)式中，故稱為X的公共因子；矩陣A稱為因子載荷矩陣，其中aij稱為因子載荷，是第i個變量與第 j個公共因子的相關(guān)系數(shù)，數(shù)值越大，說明第i個變量與第 j個公共因子的相關(guān)程度越高。e=(e1，e2，...，em)T稱為特殊因子，表示X中與F無關(guān)的部分，為隨機(jī)干擾項，即變量中不能被公共因子解釋的部分，包括隨機(jī)誤差。式（4）表示F 和 e不相關(guān)，e1，e2，...，em不相關(guān)且方差不同。式（5）中，F(xiàn)表示總因子得分，F(xiàn)j表示第j個因子的得分，bj表示第j個因子的貢獻(xiàn)度（分因子貢獻(xiàn)度=分因子旋轉(zhuǎn)后的方差貢獻(xiàn)率/總方差解釋率）。

物流業(yè)與經(jīng)濟(jì)活力的水平測度模型構(gòu)建步驟如下：首先對原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化；其次對標(biāo)準(zhǔn)化矩陣得出相關(guān)系數(shù)的矩陣；接著對相關(guān)矩陣求出特征方程，得到特征根；最后得到因子的累積貢獻(xiàn)率≥85%即可。利用因子分析模型來對區(qū)域經(jīng)濟(jì)活力進(jìn)行評價。

4 物流業(yè)對經(jīng)濟(jì)活力影響因素的分析與選取

根據(jù)前文文獻(xiàn)回顧，結(jié)合專家意見，考慮指標(biāo)選取的綜合性、客觀性、可得性和可比性[15]，設(shè)計物流業(yè)對區(qū)域經(jīng)濟(jì)活力的影響指標(biāo)共20個，其中一級指標(biāo)4個，二級指標(biāo)16個，見表1。區(qū)域物流業(yè)的產(chǎn)出水平是指物流業(yè)提供的服務(wù)能力水平。區(qū)域物流業(yè)的投入水平是指物流業(yè)對經(jīng)濟(jì)活力發(fā)展投入的人力、財力和物力。區(qū)域宏觀經(jīng)濟(jì)活力的發(fā)展水平是指區(qū)域物流相關(guān)產(chǎn)業(yè)現(xiàn)有的宏觀經(jīng)濟(jì)環(huán)境發(fā)展水平。區(qū)域經(jīng)濟(jì)活力的潛在水平是指區(qū)域物流相關(guān)產(chǎn)業(yè)潛在的微觀經(jīng)濟(jì)發(fā)展水平。總之，物流業(yè)對經(jīng)濟(jì)活力的影響因素有很多，需要根據(jù)實際情況來選取影響因子。

灰色關(guān)聯(lián)度分析是對所選取的充當(dāng)特征序列的各指標(biāo)因素的曲線圖像的相似或相異程度進(jìn)行觀察判斷，進(jìn)而分析系統(tǒng)中各指標(biāo)因素的聯(lián)系[16]。灰色關(guān)聯(lián)度越接近1，說明序列間的關(guān)聯(lián)性越好，反之，關(guān)聯(lián)度越差。以北京為參考數(shù)列，以生產(chǎn)總值GDP為比較數(shù)列，通過PYTHON 3.7將2018年的16項指標(biāo)間的關(guān)聯(lián)度進(jìn)行可視化，如圖1。由圖1可知，灰色關(guān)聯(lián)度大于0.88，關(guān)聯(lián)評價很高?；疑P(guān)聯(lián)度在0.72-0.88，關(guān)聯(lián)評價較高；灰色關(guān)聯(lián)度在0.64-0.80，關(guān)聯(lián)評價一般；灰色關(guān)聯(lián)度在0.56-0.64，關(guān)聯(lián)評價勉強(qiáng)；灰色關(guān)聯(lián)度小于0.56，關(guān)聯(lián)評價較弱。

表1 物流業(yè)對區(qū)域經(jīng)濟(jì)活力的影響因素

5 物流業(yè)對區(qū)域經(jīng)濟(jì)活力影響的實證分析

為了便于比較，本文選取了16個國家物流樞紐所在省市（天津市、上海市、山西省、江蘇省、浙江省、廣東省、重慶市、四川省、河南省、湖北省、山東省、福建省、江西省、廣西省、遼寧省、湖南?。?、7個非國家物流樞紐所在省市（北京市、河北省、安徽省、云南省、吉林省、黑龍江省、海南?。?，共23個省市作為樣本，利用SPSS Statistic 25軟件進(jìn)行因子分析，計算23個省市物流業(yè)對經(jīng)濟(jì)活力產(chǎn)生影響的綜合得分。本文中使用的統(tǒng)計資料來源于2018年《中國統(tǒng)計年鑒》、《中國物流年鑒》。

圖1 指標(biāo)間關(guān)聯(lián)度分析

5.1 適應(yīng)性檢測

先用Z-Scores法對原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，再用SPSS 25.0軟件對樣本數(shù)據(jù)進(jìn)行因子分析計算，結(jié)果見表2，得到的KMO檢驗統(tǒng)計量值為0.765，大于0.7，表明各物流業(yè)影響指標(biāo)非常適合做進(jìn)一步分析。Bartlett球狀檢測用于檢驗相關(guān)陣中各變量間的相關(guān)性，即檢驗各個變量是否各自獨立。得到的Bartlett球形度檢驗統(tǒng)計量相應(yīng)的伴隨概率為0.000，小于顯著性水平0.005，完全拒絕原假設(shè)。因此，物流業(yè)與區(qū)域經(jīng)濟(jì)活力之間存在顯著相關(guān)性，說明計算結(jié)果有效。

表2 樣本數(shù)據(jù)的KMO與Bartlett檢測情況

5.2 公因子提取

主成分分析（PCA）是利用降維的思想，在力保數(shù)據(jù)信息損失最少的原則下，把多個指標(biāo)轉(zhuǎn)化為少數(shù)幾個綜合指標(biāo)的一種多變量數(shù)據(jù)進(jìn)行最佳綜合簡化的多元統(tǒng)計方法[17]。利用主成分分析法，變量之間提取的公因子方差越大，表明被公因子解釋的能力越強(qiáng)。表3中，提取的公因子方差的變量因子大部分被解釋的程度高于70%，因此提取的效果較好，原始數(shù)據(jù)損失的信息較少。

表3 公因子方差

5.3 效度檢測

表4中被提取到的第一個主因子的特征值是10.064，方差貢獻(xiàn)率為62.901%，說明第一個主因子顯示了樣本數(shù)據(jù)62.901%的有用信息；第二、第三個主因子的特征值分別為2.488、1.106，方差貢獻(xiàn)率分別為15.550%、6.910%，即前三個因子累積的方差貢獻(xiàn)率為85.361%，其值大于85%，說明前三個因子提取的原始變量信息中有85.361%的有效信息，提取的信息量較大。根據(jù)累計方差貢獻(xiàn)率可知，應(yīng)選取前3個公因子。

表4 樣本區(qū)域物流業(yè)對區(qū)域經(jīng)濟(jì)活力影響因子解釋的總方差

5.4 因子載荷分析

通過對旋轉(zhuǎn)前后的因子進(jìn)行觀察，發(fā)現(xiàn)區(qū)域物流業(yè)對經(jīng)濟(jì)活力影響的載荷矩陣中，影響因子成分得分系數(shù)見表5。

（1）從區(qū)域物流業(yè)產(chǎn)出水平來看，高載荷的因子為：城市貨運周轉(zhuǎn)量、第三產(chǎn)業(yè)增加值、進(jìn)出口總額、物流行業(yè)人均工資水平、專利申請數(shù)量。因此定義為“物流業(yè)生產(chǎn)力”。

（2）從區(qū)域物流業(yè)的投入水平來看，高載荷因子有城市貨運總量、公路營運汽車擁有量、互聯(lián)網(wǎng)寬帶接入用戶數(shù)量、普通高等學(xué)校數(shù)量。因此定義為“物流業(yè)創(chuàng)新力”。

（3）從區(qū)域經(jīng)濟(jì)活力的顯性和潛在水平來看，高載荷的因子為：城市貨運總量、城市貨運周轉(zhuǎn)量、公路營運汽車擁有量、城市鐵路間的貨物交流、物流行業(yè)人均工資水平。因此定義為“物流業(yè)支撐力”。

5.5 計算因子得分及評分結(jié)果

根據(jù)表5計算各因子得分：

表5 樣本區(qū)域物流業(yè)對區(qū)域經(jīng)濟(jì)活力影響因子成分得分系數(shù)

然后，根據(jù)旋轉(zhuǎn)后的因子載荷矩陣分析，按各公共因子對應(yīng)的方差貢獻(xiàn)率占三個公共因子總方差貢獻(xiàn)率的比重作為權(quán)數(shù)構(gòu)建各地區(qū)的綜合評價函數(shù)，即：

由此，得出物流業(yè)對區(qū)域經(jīng)濟(jì)活力影響的綜合評級，見表6。

利用Python 3.7，計算出物流業(yè)對經(jīng)濟(jì)活力的影響水平綜合評級為四個等級：

（1）第一個等級是先進(jìn)。綜合排名前3位的是：廣東、江蘇、山東。這三個省份均入選國家物流樞紐，在物流業(yè)的生產(chǎn)力、支撐力、創(chuàng)新力三大指標(biāo)均處于領(lǐng)先地位?！皣椅锪鳂屑~”的帶動效應(yīng)強(qiáng)勁，覆蓋面廣泛，在促進(jìn)區(qū)域經(jīng)濟(jì)活力中占得絕對先機(jī)。這三個區(qū)域在物流運輸經(jīng)濟(jì)發(fā)展中遙遙領(lǐng)先，其原因是：地理位置較好，廣東和江蘇都是港口型國家物流樞紐，山東省連接華北、華東、中原三大經(jīng)濟(jì)區(qū)，地理位置優(yōu)越；大型的物流企業(yè)眾多，運輸公司種類齊全。這三個地區(qū)物流業(yè)的經(jīng)濟(jì)環(huán)境、發(fā)展?jié)摿?、運輸交流方面借助國家物流樞紐建設(shè)的契機(jī)發(fā)展得比較完善，城市鐵路間的貨運運輸量較高，工業(yè)產(chǎn)能和商貿(mào)發(fā)展處于領(lǐng)先地位。并且，這三個省份都是國家物流樞紐城市所在的省份，在入選為國家物流樞紐城市之后，“國家物流樞紐”的帶動效應(yīng)會更加強(qiáng)勁，覆蓋面會更加廣泛，在鐵路、公路、港口和航空網(wǎng)絡(luò)中獲得巨大優(yōu)勢，關(guān)鍵的物流、商流、信息流、人流會源源不斷地涌入。

表6 物流業(yè)對區(qū)域經(jīng)濟(jì)活力影響的綜合評級按得分排序

（2）第二個等級是良好。綜合排名前4-10位的是：浙江、上海、河南、河北、安徽、四川、湖北。這7個省市中，除河北、安徽沒有入選國家物流樞紐外，其余5個省市均入選“國家物流樞紐”。這7個省區(qū)商業(yè)貿(mào)易發(fā)展較好。其原因是公路、鐵路交通建設(shè)較好，有交通便利，國家政策扶持。浙江省金華（義烏）是商貿(mào)服務(wù)型國家物流樞紐；上海市是商貿(mào)服務(wù)型國家物流樞紐，工業(yè)制造和商貿(mào)流通發(fā)展良好；河南鄭州是空港型國家物流樞紐；四川成都是陸港型國家物流樞紐；湖北宜昌是港口型國家物流樞紐；河北省在2017年設(shè)立了雄安新區(qū)，2019年設(shè)立了自由貿(mào)易試驗區(qū)，國家投資巨大；安徽省依托中部經(jīng)濟(jì)帶，蕪湖港口經(jīng)濟(jì)發(fā)展迅速，但是其區(qū)域位置優(yōu)勢不明顯。

（3）第三個等級是中等。綜合排名第11-16位的是：遼寧、山西、湖南、福建、北京、江西。這6個省市中，除北京沒有入選國家物流樞紐外，其余5個省均入選“國家物流樞紐”。這些省市掣肘經(jīng)濟(jì)活力的指標(biāo)主要來自于第一和第二公共因子。這6個省市排名中等是因為：遼寧營口是港口型國家物流樞紐，自然資源豐富，但是物流產(chǎn)業(yè)技術(shù)發(fā)展受限；山西太原是陸港型（生產(chǎn)服務(wù)型）國家物流樞紐，煤炭資源豐富，但產(chǎn)業(yè)發(fā)展不均衡；湖南長沙是陸港型國家物流樞紐，文化、旅游資源發(fā)展良好，但技術(shù)水平和產(chǎn)業(yè)結(jié)構(gòu)發(fā)展不完整；福建廈門是港口型國家物流樞紐，旅游業(yè)發(fā)展良好，但土地面積小，人口過少，生產(chǎn)能力不足；江西贛州是商貿(mào)服務(wù)型國家物流樞紐，農(nóng)業(yè)資源豐富，但物流運輸發(fā)展較為滯后。

（4）第四個等級是落后。綜合排名第17-23位的是：廣西、云南、重慶、黑龍江、天津、吉林、海南。這7個省市中，只有天津、廣西、重慶3省市入選“國家物流樞紐”，其余沒有入選國家物流樞紐。這些省市掣肘經(jīng)濟(jì)活力的指標(biāo)主要來自于第一、第二、第三公共因子。天津市是港口型國家物流樞紐，港口貿(mào)易發(fā)展較好，但競爭形勢嚴(yán)峻，周邊港口分流競爭激烈，產(chǎn)業(yè)結(jié)構(gòu)不完整，人才緊缺；廣西南寧是陸港型國家物流樞紐，自然資源豐富，但交通運輸能力較差；重慶市是港口型國家物流樞紐，工業(yè)發(fā)展良好，但山地面積過大，交通運輸發(fā)展?jié)摿τ邢?，城市面積難以擴(kuò)展；云南省區(qū)位優(yōu)勢明顯，是通往東南亞和南亞的通道，但經(jīng)濟(jì)基礎(chǔ)較差，城市化和物流發(fā)展水平不高；黑龍江省實體能源豐富，但科技含量低，發(fā)展速度慢，經(jīng)濟(jì)效益差；吉林省生產(chǎn)水平不高，輕工業(yè)發(fā)展落后，經(jīng)濟(jì)活力較弱；海南省旅游和漁業(yè)捕撈經(jīng)濟(jì)發(fā)達(dá)，但缺乏大型工業(yè)。

6 小結(jié)

本文以23個具有代表性的省市為研究對象，通過指標(biāo)間的關(guān)聯(lián)度分析，選取了物流業(yè)與經(jīng)濟(jì)活力相關(guān)的16個因子，運用因子分析法對各個因子進(jìn)行計算，建立了一個經(jīng)濟(jì)活力評價指標(biāo)體系，對各省份的評價結(jié)果進(jìn)行了排名分析。等級先進(jìn)的省市要進(jìn)一步擴(kuò)大物流業(yè)的生產(chǎn)力、支撐力、創(chuàng)新力三大指標(biāo)的領(lǐng)先優(yōu)勢，發(fā)揮“國家物流樞紐”的輻射效應(yīng)，在促進(jìn)區(qū)域經(jīng)濟(jì)活力中發(fā)揮示范領(lǐng)先作用。等級良好的省市，要揚長避短，持續(xù)發(fā)展。等級中等的省市，應(yīng)調(diào)整內(nèi)部結(jié)構(gòu)，補(bǔ)齊短板，精準(zhǔn)發(fā)力。等級落后的省市，要全面加大鐵路、公路等基礎(chǔ)設(shè)施建設(shè)，加強(qiáng)對物流業(yè)的投資和對物流人才的培養(yǎng)，迎頭追趕。