江苏省物流业发展与经济增长关系的研究
来源:用户上传
作者: 胡浩 曹从咏
摘 要：物流业的发展与经济增长密切相关，出于发展区域经济的目的，基于Logistic模型，使用2000～2013年的相关数据，对江苏省物流业发展与区域经济的增长进行了定量分析，从而反应出物流业发展与经济增长的关系。实证结果表明，江苏省物流业的发展对经济增长有显著的正向影响。
关键词：实证分析；物流业；经济增长
中图分类号：F259.27 文献标识码：A
Abstract： The development of the logistics industry is closely related to the economic growth. For the purpose of the development of regional economy it takes the logistic model， using the relevant data from 2000 to 2013. It takes the quantitative analysis on the development of the Jiangsu logistics industry and regional growth， giving the relationship between the logistics industry development and economic growth. The empirical results show that the development of the logistics industry has a significant positive effect on economic growth.
Key words： empirical analysis； the logistics industry； economic growth
0 引 言
物流作为连接生产与消费的纽带，是当前经济发展的新鲜血液。进入21世纪以来，中国物流业总体规模快速增长，物流服务水平显著提高，发展的环境和条件不断改善，因此物流业迅速上升为与高科技、金融业并驾齐驱的三大朝阳产业之一。我国的物流业处在逐步上升的过程中，很多学者对物流业与经济的发展进行了研究。沈秦伟通过采用多变量建立向量自回归模型，利用格兰杰因果检验、脉冲响应函数和方差分解等方法分析了大连港口物流与城市经济增长的动态相关性和因果关系。王海燕通过单位根检验、协整检验、回归分析以及Granger因果分析得出武汉市物流业发展与经济增长的关系。高阔、甘筱青、李仁良在建立VAR模型的基础上，运用脉冲响应函数和预测方差分解来刻画现代物流发展与经济增长关系的相关性。张予川，王海燕，桂华明等利用Logistic模型对湖北省物流业的发展与经济增长关系进行了研究。对于江苏来讲，现代物流业是一个新兴的产业，一个新的经济增长点，本文以发展区域经济为目的，运用描述经济增长的逻辑曲线模型即Logistic模型分析了江苏省物流业发展与经济增长的关系。
1 模型与理论
1.1 理论研究
常见的经济分析模型有很多，如一般线性模型、对数线性模型、神经网络模型等，本文选取了描述经济增长的逻辑曲线模型即Logistic模型。逻辑增长曲线模型，俗称“S曲线”，由Verhulst于1845年提出，当时主要目的是模拟人口的增长，逻辑增长曲线模型的特点是开始增长缓慢，而在以后的某一范围内迅速增长，达到某限度后，增长又缓慢下来。在现实经济生活中，许多指标的增长过程具有这个特点。所以，许多学者利用逻辑增长曲线的载荷信息，对很多社会经济现象，以及动植物的生长发育或繁殖过程进行预测，并对逻辑增长曲线的拟合进行了广泛的研究。而在处理预测问题时多采取线性化参数估计方法或迭代法来进行方程回归。其常见形式为：
y= （1）
式中，y表示因变量，x表示自变量，a，b，M为未知常数，a>0，M>0，b>0且b≠1。要想对模型中的参数进行估计需将方程变形，对此方程进行变形为：
ln-M=lna+xlnb （2）
设ln-M=y'，lna=a'，lnb=b'，则转换为：
y'=a'+b'x （3）
转换成（3）式后就可求出a'，b'的值了，对于M值，由极限定理可知，当x→∞时，M→1/y，但是在现实经济中x即物流发展指标不可能无限大，因此y也不存在饱和值。因此本文取一个预测值，即一个较大的值作为y的饱和值来进行运算，至此，模型的所有参数值都可求得。后面还需进行弹性分析，通过弹性分析找出x对y的影响率，如公式（4）：
a=・=・=-alnb （4）
弹性系数的值应该大于1，才能表示物流业对经济增长的促进作用，否则物流业的发展无法带动经济的增长。
1.2 指标选取
（1）物流发展指标。物流产业的影响因素很多，界定上不完全清晰，因此许多学者选用不同的发展指标，本文选用了货物周转量和物流网络里程作为衡量物流发展的指标。
（2）经济增长指标。通常情况下，经济增长指标包括两个方面，一个是质的角度，一个是量的角度，本文主要从量的角度来衡量经济增长，因此选用了大多数学者都会选用的区域生产总值（GDP）这样一个指标。
2 实证分析
本文选用了江苏省统计局统计出的2000～2013年度的数据（见表1），为方便进行下面的计算，本文给与2000～2013年每个年份一个时间序列号1～14。
本文的实证分析主要是通过SPSS19.0完成的。
2.1 相关性分析
由表2的相关系数可知，货物周转量与江苏生产总值的相关系数为0.998，物流网络里程与江苏生产总值的相关系数为0.903，物流网络里程与货物周转量的相关系数为0.900，所以可见三者两两之间在0.01水平上具有显著相关性。
2.2 回归分析
从散点图初步可以判断，y与x之间存在非线性关系，从其形态来看，可以采用逻辑增长曲线模型。则据上文的介绍，y为国内生产总值GDP，对于M值，根据国家统计局、江苏省统计年鉴等数据统计，江苏省物流业的发展一直较平稳，因此本文取一个预测值，即一个较大的值作为国内生产总值的饱和值来进行运算，这里取2020年的江苏省GDP预测值。下面分别对GDP做时间序列分析，对物流网络里程、货物周转量做回归分析。
（1）GDP时间序列分析
从图1中我们可以看出，GDP随时间基本上呈线性增长趋势。假设GDP符合模型：y=a+bm，式中y为GDP，m为时间序列，a、b为未知常数，用最小二乘法求得：a=2 540.190，b=3 829.909。所以y=2 540.190+3 829.909m，分析结果表明R
-squared=0.944，说明拟合程度是非常高的，并且查表验证通过F检验和t检验。由此可见，上面建立的回归模型是显著的，方程也是成立的。预测2020年的GDP为79 138.37亿元，所以取M=1/79 000。
（2）货物周转量与GDP回归检验
由表1数据，用GDP对货物周转量做回归检验。因为y'=ln-M，这里的y表示GDP，此时要求y'=a'+b'x，x表示货物周转量，令LNGDP=ln1/GDP-1/79 000，做LNGDP对货物周转量的回归，结果如下：a'=-8.802，b'=-0.000405，所以y
=-8.802-0.000405x。
（3）物流网络里程与GDP回归检验（见表3）
（4）货物周转量和物流网络里程回归分析（见表4）
由上面的回归分析结果可知，应选用物流网络里程作为x因子，参与下面的计算。
从SPSS分析结果可知R-squared=0.933，拟合程度极高，并且查表验证通过F检验和t检验。由此可见，上面建立的回归模型是显著的，由此可得a=0.00058，b=0.99998，代入模型表达式即为y=。从经济（下转第98页）
转载注明来源:https://www.xzbu.com/8/view-6806243.htm
