付新平 連天碧 張雪

作者簡介：付新平（1962-），男，湖北武漢人，武漢理工大學經(jīng)濟學院教授，碩士生導師，博士，主要從事物流經(jīng)濟學研究;

連天碧（1993-），女，湖北孝感人，武漢理工大學應用經(jīng)濟學碩士生，主要從事物流經(jīng)濟學研究;

張 雪（1993-），女，山西太原人，武漢理工大學應用經(jīng)濟學碩士生，主要從事物流經(jīng)濟學研究。

摘 要：首先利用2000-2016年物流大通道數(shù)據(jù)建立相應的指標評價體系，運用DEA模型評價11條物流大通道的服務效率，界定并度量物流通道的產(chǎn)業(yè)粘性，最后基于相關系數(shù)檢驗和面板數(shù)據(jù)的回歸模型，研究服務效率對物流大通道產(chǎn)業(yè)粘性的影響程度。研究結(jié)果表明：服務效率對物流通道產(chǎn)業(yè)粘性具有正向影響;物流通道節(jié)點、運輸組織模式、政府支持力度與物流通道產(chǎn)業(yè)粘性呈正相關關系;信息化水平、技術進步與物流通道產(chǎn)業(yè)粘性呈負相關關系;運輸干線線路對物流產(chǎn)業(yè)粘性的影響不顯著。

關鍵詞：物流通道;產(chǎn)業(yè)粘性;服務效率;DEA模型

中圖分類號：F512.6 文獻標識碼：A DOI：10.3963/j.issn.1671-6477.2020.03.011

一、引言

隨著中國沿海經(jīng)濟帶的快速發(fā)展和“一帶一路”戰(zhàn)略的實施，經(jīng)濟帶建設成為中國經(jīng)濟布局的重要選擇。物流業(yè)作為社會經(jīng)濟發(fā)展的基礎性、戰(zhàn)略性產(chǎn)業(yè)，為經(jīng)濟“帶狀”發(fā)展提供了重要依托。2016年印發(fā)的《推進物流大通道建設行動計劃（2016-2020年）》（交規(guī)劃發(fā)〔2016〕217號，以下簡稱《行動計劃》）將物流大通道定義為能夠提供跨區(qū)域、長距離、高強度的多種運輸服務的物流走廊，具有交通資源密集、戰(zhàn)略地位突出等特點。同時，《行動計劃》提出到2020年重點推進11條國內(nèi)物流大通道和85個節(jié)點建設，打造集約高效、智能綠色的“六縱五橫”物流大通道體系，明確優(yōu)化網(wǎng)絡貨運結(jié)構(gòu)、改善節(jié)點服務功能、提升貨運組織水平、強化運行協(xié)同管理、推進標準化信息化建設五大任務。

現(xiàn)有國內(nèi)外物流通道的相關文獻主要對物流通道與區(qū)域經(jīng)濟的互動關系進行論證分析，但運用通道理論研究物流（運輸）通道與經(jīng)濟聚散效應的文獻少見。王殿海等[1]提出交通大動脈經(jīng)濟勢理論，認為運輸通道經(jīng)濟勢高的地區(qū)有利于產(chǎn)業(yè)聚集。黃承鋒[2]認為運輸通道通過對社會經(jīng)濟活動的吸引和排斥效應影響產(chǎn)業(yè)的聚集擴散形態(tài)，不同線路的運輸通道具有不同的聚集擴散能力?？自录t[3]基于經(jīng)濟勢理論和產(chǎn)業(yè)區(qū)位理論，分析了物流通道對區(qū)域經(jīng)濟活動空間布局的影響，并以物流節(jié)點為例，分析其對區(qū)域產(chǎn)業(yè)的集聚效應。吳琪[4]以京滬地區(qū)為例，基于耦合模型證明運輸通道與經(jīng)濟帶的演變過程具有相關性。物流大通道和《行動計劃》是最近兩年才提出的國家骨干物流基礎設施建設思路，關于物流通道及其效率的研究十分鮮見，僅有范文嬌等[5]進行相關研究，還沒有針對11條物流大通道服務效率的評價研究。

在此背景下，對物流通道的服務效率及其產(chǎn)業(yè)粘性進行定性與定量研究具有重要意義。在理論方面，提出物流通道產(chǎn)業(yè)粘性的概念，為通道理論和產(chǎn)業(yè)粘性研究提供了新的研究視角。在實踐方面，服務效率的評價可為《行動計劃》的具體實施提供理論依據(jù)，有利于推進“一帶一路”、“長江經(jīng)濟帶”等國家戰(zhàn)略的貫徹實施，有利于物流大通道建設者制定相應的發(fā)展策略。物流通道產(chǎn)業(yè)粘性的研究能夠為政策推動下的產(chǎn)業(yè)布局選擇提供思路，有利于促進經(jīng)濟新常態(tài)和供給側(cè)結(jié)構(gòu)性改革背景下的產(chǎn)業(yè)結(jié)構(gòu)調(diào)整和經(jīng)濟轉(zhuǎn)型升級。

二、物流通道服務效率與產(chǎn)業(yè)粘性的度量

（一）物流通道服務效率的度量

物流大通道不僅包括多級聯(lián)運樞紐之間不同運輸方式的多條運輸線路，還包括配套的服務組織系統(tǒng)，如多式聯(lián)運物流園、共享信息平臺等，因此，物流大通道可以視作或者將被建設成為一個運轉(zhuǎn)流暢的物流服務系統(tǒng)，下面我們將每條物流大通道作為一個整體來研究。根據(jù)相關資料整理各物流大通道所包含的城市，如表1所示。

DEA模型一般用于評價多投入多產(chǎn)出的相同類型決策單元（DMU）績效，又稱為數(shù)據(jù)包絡分析模型[6]。DEA模型可避免各投入產(chǎn)出指標的不同量綱問題，客觀得出投入產(chǎn)出權重系數(shù)。選用DEA模型對物流大通道的服務效率進行評價。將物流大通道作為決策單元，利用DEA模型中的CCR模型與Malmquist指數(shù)對其2000-2016年的服務效率進行評價分析。

在指標選取方面，參考李娟、商傳磊等的物流效率指標體系[7-11]，又考慮到物流大通道的建設中，信息建設起著至關重要的作用，因此添加信息化水平作為投入指標。最終選取以下投入產(chǎn)出指標（如表2所示）對11條物流大通道服務效率進行評價。

1.CCR模型結(jié)果。傳統(tǒng)DEA模型中包含CCR模型和BCC模型，其中CCR模型以投入為導向，在假設規(guī)模報酬不變的前提下對決策單元的績效進行比較分析，是最基本的DEA模型。選取2000-2016年各物流大通道投入產(chǎn)出數(shù)據(jù)，運用Deap2.1軟件計算CCR模型結(jié)果，得到各物流大通道在規(guī)模報酬不變情況下的服務效率，并對比分析不同時空維度物流大通道的服務效率差異，結(jié)果如表3所示。

通過CCR模型計算，各物流大通道服務效率大致分為三個梯隊。第一梯隊是南北沿海物流大通道（縱二）、京滬物流大通道（縱三），其服務效率均在各年達到有效，實現(xiàn)投入產(chǎn)出比最優(yōu)，服務效率相對較高。第二梯隊按服務效率從高到低排列依次是京港澳（臺）物流大通道（縱四）、青銀物流大通道（橫二）、陸橋物流大通道（橫三）、西北能源外運及出海物流大通道（橫一）、滬昆物流大通道（橫五），其服務效率相對第一梯隊而言稍有落后，但差距不大。第三梯隊按服務效率從高到低排列依次是沿長江物流大通道（橫四）、二連浩特至北部灣物流大通道（縱五）、西南出海物流大通道（縱六）、東北物流大通道（縱一），其服務效率相對第一、二梯隊落后較多，亟待提升。

2.Malmquist指數(shù)結(jié)果。Malmquist指數(shù)也稱為DEA-Malmquist指數(shù)，該指數(shù)用于研究時間序列的生產(chǎn)效率變化，是對傳統(tǒng)DEA模型的優(yōu)化。基于2000-2016年各物流大通道投入產(chǎn)出數(shù)據(jù)，通過運用Deap2.1軟件計算Malmquist指數(shù)，探究各物流大通道在規(guī)模報酬可變情況下的全要素生產(chǎn)率指標，結(jié)果如表4所示。

表4反映2000-2016年各物流大通道全要素生產(chǎn)率的變化情況。其中，南北沿海物流大通道（縱二）和京港澳（臺）物流大通道（縱四）呈現(xiàn)全要素生產(chǎn)率遞增，分別實現(xiàn)0.8%、0.4%的增長。剩余通道全要素生產(chǎn)率呈遞減狀態(tài)，依次分別下降了3.8%、0.1%、8.5%、2.4%、1.3%、0.8%、3.8%、1.7%和1.7%，其中，二連浩特至北部灣物流大通道（縱五）全要素生產(chǎn)率下降程度最大，如圖1所示。

（二）物流通道產(chǎn)業(yè)粘性及其度量

1.物流通道產(chǎn)業(yè)粘性。物流通道產(chǎn)業(yè)粘性是產(chǎn)業(yè)向物流通道內(nèi)聚集或向通道外轉(zhuǎn)移的趨勢發(fā)生改變時受到的阻力作用。物流通道產(chǎn)業(yè)粘性區(qū)別于產(chǎn)業(yè)（轉(zhuǎn)移/區(qū)域）粘性等相關概念，“粘性”的作用不再體現(xiàn)于產(chǎn)業(yè)間，而是物流通道對產(chǎn)業(yè)的影響作用。借鑒張弢等[12]構(gòu)建的產(chǎn)業(yè)粘性形成的推拉模型，即產(chǎn)業(yè)粘性由產(chǎn)業(yè)集聚力與產(chǎn)業(yè)分散力共同形成。其中，產(chǎn)業(yè)集聚力指產(chǎn)業(yè)轉(zhuǎn)入地的集聚力與轉(zhuǎn)出地的分散力產(chǎn)生的合力，產(chǎn)業(yè)分散力指產(chǎn)業(yè)轉(zhuǎn)入地的分散力與轉(zhuǎn)出地的聚集力產(chǎn)生的合力，則：

物流通道產(chǎn)業(yè)粘性=（轉(zhuǎn)入地的聚集力+轉(zhuǎn)出地的分散力）-（轉(zhuǎn)入地的分散力+轉(zhuǎn)出地的聚集力）=轉(zhuǎn)入地的凈聚集力+轉(zhuǎn)出地的凈分散力。

2.物流通道產(chǎn)業(yè)粘性的度量。戴宏偉等[13]提出使用產(chǎn)業(yè)梯度系數(shù)來衡量區(qū)域產(chǎn)業(yè)梯度水平，具體測算方法為區(qū)位熵和比較勞動生產(chǎn)率之積。區(qū)位熵是由Haggett提出用于衡量地區(qū)內(nèi)生產(chǎn)要素分布格局的概念，又稱專業(yè)化率[14]。物流通道區(qū)位熵（LQ）的公式如下：

其中，LQj是j物流通道的規(guī)模以上工業(yè)在全國范圍的區(qū)位熵，ij是j物流通道的規(guī)模以上工業(yè)產(chǎn)值，i是全國規(guī)模以上工業(yè)產(chǎn)值，Gj是j物流通道的地區(qū)生產(chǎn)總值，G是國內(nèi)生產(chǎn)總值。LQj的數(shù)值越高，物流通道對產(chǎn)業(yè)凈聚集力越大。因此，當LQj>1時，j物流通道產(chǎn)業(yè)粘性較強;當LQj<1時，j物流通道產(chǎn)業(yè)粘性較弱。

比較勞動生產(chǎn)率是用于衡量勞動生產(chǎn)率大小的指標，能夠反映勞動力在經(jīng)濟活動中創(chuàng)造的價值水平[15]。通過從比較勞動生產(chǎn)率較低的區(qū)域轉(zhuǎn)向比較勞動生產(chǎn)率較高的區(qū)域轉(zhuǎn)移，產(chǎn)業(yè)結(jié)構(gòu)能夠?qū)崿F(xiàn)優(yōu)化升級。為衡量物流通道內(nèi)產(chǎn)業(yè)的勞動生產(chǎn)率，采用物流通道比較勞動生產(chǎn)率（CPOR）的計算公式：

其中，CPORj是j物流通道比較勞動生產(chǎn)率，lj是j物流通道的勞動就業(yè)規(guī)模，l是全國勞動就業(yè)規(guī)模。CPORj的數(shù)值越高，物流通道內(nèi)產(chǎn)業(yè)的勞動生產(chǎn)率越大。因此，當CPORj>1時，j物流通道內(nèi)產(chǎn)業(yè)的勞動生產(chǎn)率較高;當CPORj<1時，j物流通道內(nèi)產(chǎn)業(yè)的勞動生產(chǎn)率相對較低。

產(chǎn)業(yè)梯度系數(shù)在一定程度上修正了區(qū)位熵與比較勞動生產(chǎn)率的偏差，是研究區(qū)域產(chǎn)業(yè)結(jié)構(gòu)的重要指標。為衡量物流通道產(chǎn)業(yè)梯度水平，采用物流通道產(chǎn)業(yè)梯度系數(shù)（IGC）的計算公式：

其中，IGCj是j物流通道產(chǎn)業(yè)梯度系數(shù)。IGCj的數(shù)值越高，物流通道產(chǎn)業(yè)梯度水平越高。因此，當IGCj>1時，j物流通道處于較高產(chǎn)業(yè)梯度水平，物流通道產(chǎn)業(yè)粘性較大;當IGCj<1時，j物流通道處于較低產(chǎn)業(yè)梯度水平，物流通道產(chǎn)業(yè)粘性較小。

選取2001-2017年《中國城市統(tǒng)計年鑒》中物流通道主要通道樞紐（城市）的相關數(shù)據(jù)之和，即各樞紐（城市）GDP（單位：萬元）、規(guī)模以上工業(yè)產(chǎn)值（單位：萬元）、年末單位從業(yè)人員數(shù)（單位：萬人）之和，計算得出2000-2016年物流大通道產(chǎn)業(yè)梯度系數(shù)（IGC），如表5所示。

由上文圖表可知，西南出海物流大通道（縱六）產(chǎn)業(yè)梯度系數(shù)平均值最低，僅0.54，物流通道產(chǎn)業(yè)粘性較小;南北沿海物流大通道（縱二）產(chǎn)業(yè)梯度系數(shù)平均值最高，達1.52，物流通道產(chǎn)業(yè)粘性較大。

三、實證分析

（一）相關性檢驗

首先通過皮爾森相關系數(shù)和斯皮爾曼等級相關系數(shù)分析服務效率與物流通道產(chǎn)業(yè)粘性之間的相關性。利用stata12計算得到11條物流大通道服務效率與產(chǎn)業(yè)梯度系數(shù)的皮爾森相關系數(shù)和斯皮爾曼等級相關系數(shù)分別為0.35和0.32，均在1%的水平下顯著，具體如表6所示。

（二）多因素計量模型

構(gòu)建基于面板數(shù)據(jù)的計量模型，能夠直接反映其影響情況。借鑒一般性建模方法，基于面板數(shù)據(jù)，以經(jīng)典線性單方程模型構(gòu)建物流通道服務效率決定要素對物流通道產(chǎn)業(yè)粘性影響分析的計量模型如下：

式中，IGCjt是j物流通道不同年份t的產(chǎn)業(yè)梯度系數(shù)，作為模型的被解釋變量;YTjt是j物流通道t年的貨物周轉(zhuǎn)量（百億噸公里）;CLjt是j物流通道t年的貨運量（億噸）;XRjt是j物流通道t年的公路里程（萬公里）;XUjt是j物流通道t年的互聯(lián)網(wǎng)寬帶接入用戶數(shù)（百萬戶）;XLjt是j物流通道t年的交通運輸、倉儲和郵政業(yè)城鎮(zhèn)單位從業(yè)人員（百萬人）;XFjt是j物流通道t年的交通運輸、倉儲和郵政業(yè)社會固定資產(chǎn)投資額（百億元）;α是模型常數(shù)項，β是各變量系數(shù)，εjt為隨機擾動項。為了平滑數(shù)據(jù)，分別對貨物周轉(zhuǎn)量、貨運量和交通運輸、倉儲和郵政業(yè)城鎮(zhèn)單位從業(yè)人員等3個變量取自然對數(shù)。

1.單位根檢驗。為了避免出現(xiàn)偽回歸現(xiàn)象對數(shù)據(jù)進行單位根檢驗。通過對IGC、YT、CL、XR、XU、XL、XF等7個變量數(shù)據(jù)進行LL檢驗、ADF檢驗和PP檢驗，得到以下結(jié)果，如表7所示。表中顯示，變量的水平值除XF拒絕原假設外，其余變量均接受原假設，即存在單位根，序列非平穩(wěn)。因此，繼續(xù)對各變量的一階差分做單位根檢驗，結(jié)果顯示全部變量均拒絕原假設，因此，各變量均為一階單整序列。

2.協(xié)整檢驗。協(xié)整檢驗能夠判斷一組序列是否具有穩(wěn)定的平衡關系，同樣能夠檢驗回歸結(jié)果是否為偽回歸。對面板數(shù)據(jù)繼續(xù)進行協(xié)整檢驗，結(jié)果如表8所示。由表可知，組內(nèi)統(tǒng)計量在Panel PP-Statistic和Panel ADF-Statistic檢驗中均拒絕原假設，組間統(tǒng)計量在Group PP-Statistic和Group ADF-Statistic檢驗中均拒絕原假設，因此，各變量之間存在協(xié)整關系，能夠進行回歸分析。

3.回歸結(jié)果分析。對模型進行了Hausman檢驗，由于分析結(jié)果中的P值<0.05，接受建立固定效應模型的原假設。因此，采用逐步回歸法對各變量進行了回歸分析，結(jié)果如表9所示。由表可知，模型Ⅵ的R2值比其他模型高，多變量模型擬合效果更好。

模型Ⅵ是包含6個變量的隨機效應模型，其中5個變量的回歸系數(shù)正負性顯著。貨物周轉(zhuǎn)量與貨運量的回歸系數(shù)均為正，公路里程與互聯(lián)網(wǎng)寬帶接入用戶數(shù)1%的變化則會引起產(chǎn)業(yè)梯度系數(shù)變化0.03%和0.004%，回歸系數(shù)同樣顯著為負。物流業(yè)固定資產(chǎn)投資回歸系數(shù)為正，其余變量回歸系數(shù)正負性未發(fā)生改變。綜上所述，貨物周轉(zhuǎn)量、貨運量、物流業(yè)固定資產(chǎn)投資與產(chǎn)業(yè)梯度系數(shù)呈正相關關系，貨運量的回歸系數(shù)最大;公路里程、互聯(lián)網(wǎng)寬帶接入用戶數(shù)、物流業(yè)從業(yè)人員和產(chǎn)業(yè)梯度系數(shù)呈負相關關系，物流業(yè)從業(yè)人員的回歸系數(shù)最小。但物流業(yè)固定資產(chǎn)投資與產(chǎn)業(yè)梯度系數(shù)的相關關系不顯著，如表10所示。

從經(jīng)濟意義看，貨物周轉(zhuǎn)量、貨運量、物流業(yè)固定資產(chǎn)投資與產(chǎn)業(yè)梯度系數(shù)呈正相關關系，能夠反映出這3個變量對物流大通道產(chǎn)業(yè)粘性具有正反饋作用，但物流業(yè)固定資產(chǎn)的作用并不顯著;公路里程、互聯(lián)網(wǎng)寬帶接入用戶數(shù)、物流業(yè)從業(yè)人員和產(chǎn)業(yè)梯度系數(shù)呈負相關關系，能夠反映出這3個變量對物流大通道產(chǎn)業(yè)粘性具有負反饋作用。

四、研究結(jié)論

（一）研究結(jié)論

物流活動是連接供給方和需求方的紐帶，研究物流業(yè)的發(fā)展趨勢有助于產(chǎn)業(yè)布局研判，有助于探索經(jīng)濟發(fā)展的規(guī)律。通過對物流通道產(chǎn)業(yè)粘性概念的界定和度量、物流通道服務效率的評價、服務效率對物流通道產(chǎn)業(yè)粘性的影響機理分析和實證分析，得出以下相關結(jié)論：

1.物流通道服務效率的影響因素分析及評價。

基于DEA模型對物流通道服務效率進行評價分析，得出2000-2016年11條物流大通道服務效率的相對變化趨勢。CCR模型計算結(jié)果顯示，各物流大通道服務效率排名大致分為三個梯隊。第一梯隊的2條物流大通道位于東南部發(fā)達地區(qū)，第二梯隊包含5條物流大通道，其中4條為東西走向，說明我國西部的物流業(yè)投入與產(chǎn)出基本匹配，西部經(jīng)濟建設初見成果;第三梯隊包含4條物流大通道，其中3條分布于經(jīng)濟不發(fā)達地區(qū)，此外還包括位于中部腹地的沿長江物流大通道。可以看出沿長江物流大通道的服務效率與其經(jīng)濟地位極不相符，需要大力整合現(xiàn)有物流資源，在有限的投入下取得最優(yōu)的物流服務產(chǎn)能。

通過Malmquist指數(shù)計算，物流大通道服務效率呈現(xiàn)下降趨勢，其技術效率與技術進步仍需改善。原因可能是投入增加的同時，生產(chǎn)要素的利用率存在一定的浪費，未充分利用的組織模式、先進技術、信息平臺等要素，致使投入產(chǎn)出比減弱。因此，為推進物暢其流、經(jīng)濟便捷的物流大通道建設，仍需解決頂層設計不充分、基礎設施銜接不暢、運輸結(jié)構(gòu)不合理、聚集擴散效應不明顯、物流服務集約化程度不高等問題。

2.對物流通道產(chǎn)業(yè)粘性的度量。結(jié)合產(chǎn)業(yè)區(qū)位理論，針對物流通道產(chǎn)業(yè)粘性，對區(qū)位熵、比較勞動生產(chǎn)率和產(chǎn)業(yè)梯度系數(shù)重新定義，得出2000-2016年11條物流大通道產(chǎn)業(yè)梯度系數(shù)指標。計算結(jié)果顯示，從空間維度看，南北沿海物流大通道產(chǎn)業(yè)梯度系數(shù)平均值最高，達1.52，物流通道產(chǎn)業(yè)粘性較大;西南出海物流大通道產(chǎn)業(yè)梯度系數(shù)平均值最低，僅0.54，物流通道產(chǎn)業(yè)粘性較小。從時間維度看，物流大通道產(chǎn)業(yè)梯度系數(shù)各年份的平均值隨時間變化呈上升趨勢。

3.服務效率對物流通道產(chǎn)業(yè)粘性的影響。首先通過相關性分析得出服務效率對物流通道產(chǎn)業(yè)粘性具有正向影響的結(jié)論。然后通過構(gòu)建基于面板數(shù)據(jù)的服務效率決定要素與物流通道產(chǎn)業(yè)梯度系數(shù)的計量模型，考察不同決定要素對物流通道產(chǎn)業(yè)粘性的影響。實證結(jié)果表明，物流通道貨運量、貨運周轉(zhuǎn)量、物流業(yè)固定資產(chǎn)投資與物流通道產(chǎn)業(yè)粘性呈正相關關系;運輸干線線路、信息化水平、技術進步與物流通道產(chǎn)業(yè)粘性呈負相關關系。這表明物流大通道的運輸能力可以形成一定的區(qū)位優(yōu)勢，吸引相關企業(yè)轉(zhuǎn)入通道內(nèi)，形成產(chǎn)業(yè)聚集，從而增強物流大通道的粘性;與此同時，貨物和信息流通的便捷又促進了產(chǎn)業(yè)轉(zhuǎn)移，使產(chǎn)業(yè)集聚效應減弱，從而削弱物流大通道的粘性。這兩種相反的力共同作用，最終使物流大通道的服務效率的提升有利于增強其產(chǎn)業(yè)粘性。

（二）相關建議

物流活動在空間、時間、創(chuàng)新方面體現(xiàn)其經(jīng)濟效益，物流通道對物流活動的集聚能夠放大這三種效益。由于物流通道與區(qū)域、產(chǎn)業(yè)發(fā)展具有協(xié)同作用，為充分發(fā)揮物流通道的引領作用，促進物流通道發(fā)揮更大經(jīng)濟效益，實現(xiàn)物流通道與產(chǎn)業(yè)的有機協(xié)調(diào)發(fā)展，本文針對物流通道與產(chǎn)業(yè)協(xié)調(diào)發(fā)展提出以下三方面建議：

第一，引導產(chǎn)業(yè)合理布局。在產(chǎn)業(yè)區(qū)位選擇時，綜合考量物流通道的服務效率水平，尤其是基礎設施的完善程度。重視產(chǎn)業(yè)聚集帶動物流資源的聚集，促進物流通道在產(chǎn)業(yè)間融合發(fā)展，實現(xiàn)物流資源在產(chǎn)業(yè)集聚范圍內(nèi)平衡分布。

第二，優(yōu)化物流通道頂層設計。依據(jù)物流通道產(chǎn)業(yè)粘性的不同，科學分析并預測產(chǎn)業(yè)區(qū)位選擇，合理規(guī)劃物流通道內(nèi)鐵路、高速公路、水路等沿線樞紐（城市）的物流服務節(jié)點，有效分配物流資源，保證節(jié)點的運營和管理與產(chǎn)業(yè)布局相匹配，為產(chǎn)業(yè)提供最優(yōu)物流解決方案，降低物流成本，實現(xiàn)產(chǎn)業(yè)有序發(fā)展。

第三，提高兩者適應性的自我實現(xiàn)能力。提高物流通道內(nèi)產(chǎn)業(yè)和物流活動的分工協(xié)作水平，不斷提高物流通道和產(chǎn)業(yè)的資源利用率，發(fā)揮產(chǎn)業(yè)粘性和物流通道產(chǎn)業(yè)粘性的作用，建立完善的物流通道與產(chǎn)業(yè)發(fā)展的綜合經(jīng)濟活動鏈條，推進兩者形成協(xié)調(diào)發(fā)展自我實現(xiàn)機制。

[參考文獻]

[1] 王殿海，汪志濤.交通大動脈經(jīng)濟勢理論研究[J].公路交通科技，1999（3）：81-83.

[2] 黃承鋒.運輸通道合理運行及經(jīng)濟聚集作用研究[D].重慶：重慶大學，2001.

[3] 孔月紅.物流通道空間集聚作用研究[D].西安：長安大學，2008.

[4] 吳琪.運輸通道與經(jīng)濟帶互動關系綜合分析與研究[D].蘭州：蘭州交通大學，2014.

[5] 范月嬌，王健.我國物流通道的生產(chǎn)服務效率研究：基于SFA面板數(shù)據(jù)模型的實證研究[J].云南財經(jīng)大學學報，2016，32（2）：22-36.

[6] 郭夢雅，王江.基于超效率DEA的廣州市物流效率研究[J].物流技術，2016，35（5）：68-73，91.

[7] 李娟，王琴梅.絲綢之路經(jīng)濟帶核心區(qū)物流業(yè)效率及其收斂性分析[J].統(tǒng)計與信息論壇，2018，33（10）：121-128.

[8] 商傳磊，張悟移，陳俊營.基于DEA和Malmquist指數(shù)的中國物流業(yè)全要素能源效率評價[J].生態(tài)經(jīng)濟，2019，35（3）：51-56.

[9] 張娜，李波.基于三階段DEA模型的西部地區(qū)物流產(chǎn)業(yè)效率測度研究[J].數(shù)學的實踐與認識，2018，48（20）：244-250.

[10]王蕾，薛國梁，張紅麗.基于DEA分析法的新疆北疆現(xiàn)代物流效率分析[J].資源科學，2014，36（7）：1425-1433.

[11]王琴梅，譚翠娥.對西安市物流效率及其影響因素的實證研究：基于DEA模型和Tobit回歸模型的分析[J].軟科學，2013，27（5）：70-74.

[12]張弢，李松志.產(chǎn)業(yè)區(qū)域轉(zhuǎn)移形成的影響因素及模型探討[J].經(jīng)濟問題探索，2008（1）：49-53.

[13]戴宏偉，王云平.產(chǎn)業(yè)轉(zhuǎn)移與區(qū)域產(chǎn)業(yè)結(jié)構(gòu)調(diào)整的關系分析[J].當代財經(jīng)，2008（2）：93-98.

[14]敖夢婭.產(chǎn)業(yè)集聚、勞動力流動與產(chǎn)業(yè)轉(zhuǎn)移[D].重慶：西南大學，2016.

[15]山社武，劉志勇，張德生.勞動力自由流動是阻礙傳統(tǒng)產(chǎn)業(yè)區(qū)域轉(zhuǎn)移的根本原因嗎？——基于27個產(chǎn)業(yè)的實證分析[J].財貿(mào)研究，2010，21（5）：17-23.

（責任編輯 王婷婷）