三、京津冀物流通道效率对产业转移的影响分析

（一）物流通道效率对产业转移的影响机理

物流通道作为区域经济发展中的基础设施条件，对沿通道区域内外经济的发展有着十分重要的影响。区域内经济互联互动离不开物流通道的发展[14]，物流通道通过通道干线和物流节点的衔接承担经济活动中供需双方的物资流通，对覆盖范围内产业空间结构具有一定的改造作用。由于区域经济发展水平受到地理环境、文化和政策多种因素的影响[15-17]，因此各区域间的经济发展形成经济梯度差异，一般是经济发达地区的经济梯度或产业梯度较高，经济不发达的地方经济梯度或产业梯度较低。由产业梯度转移理论可知，城市发展到一定程度时，必然会出现产业梯度转移，转移的方向一般是由经济梯度或者产业梯度水平较高的一方向经济梯度或者产业梯度低的一方转移。随着发达地区的经济进一步发展，该地区成本较高的产业存在着向成本较低的经济较为不发达的地区转移的客观需要，但实际上，产业在进行转移时，物流通道效率水平作为影响产业转移的因素，对沿物流通道区域经济发展有着不可忽视的影响。物流通道效率一方面影响物流通道对周边产业的覆盖范围，另一方面也影响着物流通道内部联系的能力和强度。同理，产业进行转移时，产业会根据自身对物流服务效率的需求和理想预期选择进入具有比较优势的物流通道，进而体现更大的生产力[14]。因此研究物流通道效率对产业转移影响的机理，对实现区域经济平衡发展和促进区域间产业梯度转移具有重要的意义。

1．促进相关产业发展

高服务效率的物流通道对产业具有集聚作用。物流通道的建设为产业发展提供良好的基础设施和发展环境。通过运输干线和物流节点的衔接，使区域间经济联系更加紧密，形成较好的物流网络，提高区域内物流通道可达性，增强通道运输能力，吸引部分对物流需求较大的企业分布在通道周边，形成物流通道产业带。依托物流通道，企业能够降低物流成本，提升物流服务质量，增加物流服务范围，提高竞争优势，因此，物流通道对产业具有吸引作用，产业的物流活动也将围绕物流通道开展。

2．形成通道依赖

低服务效率的物流通道对产业转移具有滞缓作用。各类产业发展离不开物流行业的支撑，产业的经济活动都需要物流作为载体才能实现。不同产业之间存在着联系，产业之间相互作用、相互影响，高服务效率的物流通道优先带动部分产业发展，形成通道产业带。低服务效率的物流通道对产业的吸引力较小，从而使得该通道对产业转移的阻碍作用也越来越小，低服务的物流通道效率变现为具有较强的分散力，使产业难以独立的转移，从而形成通道依赖。

3．影响物流通道能力

产业向物流通道周边集聚或者转移，对区域物流通道能力产生影响。物流业作为服务性行业，与区域内其他产业有着较强的相关性。产业沿着高服务效率的物流通道集聚，依附物流通道在空间上成带状分布，形成产业带，带动城市间互联、互通、互动程度加深。产业的发展使得沿物流通道区域的联系更加紧密，随着经济的发展，物流通道干线附近的城市连接成片，区域物流通道辐射效应增强，从而提高区域物流通道可达性水平。反之，产业从低服务效率的通道周边向区域外转移，将会减少对产业转出地的物流通道能力的需求。

4．带动通道建设发展

产业进行转移时，会根据自身对物流服务效率的需求和理想预期选择进入具有比较优势的物流通道，进而体现更高的生产力，从而产生超额利润。通道内产业能够提供更多的产品种类和数量，减少从通道外输入的产品种类和数量，降低了物流通道内产业与通道外产业的交往成本。高物流通道服务效率的运输成本较低，因此高服务效率的物流通道对产业具有更高的吸引力，从而使得通道外产业向通道内转移，促使通道区域交通投资增多，使该通道的物流通道干线及物流节点形成具有更大潜力的“增长极”，提升通道所在地的交通区位优势，促进通道建设的发展。

（二）物流通道效率对产业转移的影响模型构建

在产业转移过程中，物流通道作为区域经济活动的载体，发挥着重要的作用。物流通道作为物流基础设施，为产业的转移提供相关的物流服务，从而推动或阻止产业进行转移。研究物流通道效率对产业转移的影响，通过对道格拉斯C-D生产函数进行改进，建立拓展的生产函数模型，将物流通道效率当作投入变量，区域内产业梯度系数当作产出变量，衡量物流通道效率对区域内产业转移的影响大小。通过皮尔森相关系数分析物流通道效率与产业转移之间的相关性，从而判断区域内物流通道效率与产业转移之间的关系。

1．模型构建

美国数学家柯布和经济学家保罗·道格拉斯在研究投入、产出和技术资源的关系时创造出了C-D生产函数，简称生产函数。广泛应用于各个领域，其一般形式为：

其中，Y表示工业总产值；A表示全要素生产率；K表示投入的劳动力数（单位是万人或人）；L表示固定资产净值（单位为亿元或万元），即资本要素投入；α表示生产要素产出弹性，β表示生产要素替代弹性。对方程两边同时取对数，可得生产函数基本模型如下：

本章主要研究的是物流通道效率对产业转移的影响，因此，投入指标选取上文所用的影响物流通道的6个指标，产出指标采用产业梯度系数来衡量产业转移的趋势，将这些指标纳入C-D生产函数模型中[18-19]，综上，得到改进后的模型为：

其中，IGC_j表示的是区域各产业梯度系数；C表示常数项；LC_it表示的是物流通道效率水平；ε_it表示随机误差项；i表示某产业，t表示某时期；β₀表示产业产出影响因素的影响系数。产业梯度系数的测算是由物流通道区位熵、物流通道比较劳动率而确定的，具体计算过程如下。

（1）物流通道区位熵。区位熵最初是由Haggett提出用于衡量地区内生产要素分布格局的概念，又称专业化率[1]。参考区位熵的计算方法，为衡量物流通道内产业的分布情况，采用物流通道区位熵（LQ）的计算公式，如下：

其中，LQ_j表示j物流通道的规模以上工业在京津冀区域内的区位熵；i_j表示j物流通道的规模以上工业产值，i表示京津冀区域规模以上工业产值；G_j表示j物流通道的地区生产总值；G表示京津冀区域国内生产总值。当区位熵LQ_j>1时，表明j物流通道产业的集中度大于该区域的平均水平，该地区此产业具有比较优势，具有较强的竞争力；当区位熵LQ_j＝1时，表明该地区产业无明显的优势；当区位熵LQ_j<1时，表明该地区此产业处于比较劣势，竞争力较弱。

（2）物流通道比较劳动率。本研究选用比较劳动生产率作为衡量劳动生产率大小的指标，该指标能够反映劳动力在经济活动中创造的价值水平[2]。通过从比较劳动生产率较低的区域转向比较劳动生产率较高的区域转移，产业结构能够实现优化升级。为衡量物流通道内产业的劳动生产率，采用物流通道比较劳动生产率（CPOR）的计算公式，如下：

其中，CPOR_j表示j物流通道的比较劳动生产率；l_j表示j物流通道的劳动就业规模；l表示京津冀区域劳动就业规模。CPOR_j的数值越高，代表物流通道内产业的劳动生产率越大。因此，当CPOR_j>1时，表明j物流通道内产业的劳动生产率较高；当CPOR_j<1时，表明物流通道内产业的劳动生产率相对较低。

（3）物流通道产业梯度系数。产业梯度系数用来衡量区域产业梯度水平。其具体计算的方法是区位熵和比较劳动生产率之积[3]。产业梯度系数在一定程度上修正了区位熵与比较劳动生产率的偏差，是研究区域产业结构的重要指标。本研究为衡量物流通道产业梯度水平，采用物流通道产业梯度系数（IGC）的计算公式，如下：

其中，IGC_j表示j物流通道产业梯度系数。IGC_j的数值越高，代表j物流通道产业梯度水平越高。因此，当IGC_j>1时，表明j物流通道处于较高产业梯度水平；当IGC_j<1时，表明j物流通道处于较低产业梯度水平。产业梯度系数越高，说明专业化程度越高，一般来说，高梯度产业会向低梯度产业转移。

2．指标选取

根据物流通道和区域产业发展的实际情况，结合对物流通道效率评价指标的选取，按照指标的客观性和紧密性，数据来源的可靠性和可获得性等原则，研究物流通道效率对产业转移影响的投入指标，进而从公路里程、固定资产投资、物流从业人员、互联网宽带接入用户数，民用汽车保有量，授权专利数等6个细分指标进行分析[20-23]。为了减少自变量之间的共线性，并减轻模型的复杂性，在剔除了一些不必要的影响因素后，最终确定模型核心指标选取情况见表1-14。

根据式（1-8）拓展的C-D生产函数以及表1-14中物流通道产业投入二级指标的确定，衡量区域产业梯度水平，可以将物流通道效率水平包含的各二级指标带入物流通道效率对产业转移的影响模型，以便找出对产业转移影响的显著性因素，构建物流通道内产业投入产出的多元线性回归模型，如下：

其中，C是常数项；β₁、β₂、β₃、β₄、β₅、β₆分别表示影响因素公路里程（X₁）、固定资产投资（X₂）、物流从业人员（X₃）、互联网宽带接入用户数（X₄）、民用汽车保有量（X₅）、授权专利数（X₆）对产业产出的影响系数；ε_it表示其他因素随机误差项，包含其他影响因素对物流通道内产业产出的影响。

3．数据来源说明

由于我国城市物流统计制度尚未完善，采用物流领域常用指标——交通运输、仓储和邮政业的相关数据进行数据分析。选用基于面板数据的2010—2018年投入产出数据研究京津冀物流通道效率对产业转移的影响。数据来源于2010—2019年《中国城市统计年鉴》、各城市统计年鉴、各城市发展公报以及中经网统计数据。本研究中所用到的京津冀物流通道的投入产出指标数据均为各物流通道内枢纽（城市）相关数据之和。

（三）实证研究

1．京津冀区域物流通道产业梯度系数

根据上文提到的区域物流通道产业梯度系数的计算方法，计算京津冀区域物流通道产业梯度系数。首先要计算京津冀区域物流通道的区位熵和物流通道比较劳动生产率。考虑到数据的可获得性，本研究在计算物流通道比较劳动率时，用物流通道区域的就业人数来反映该物流通道的劳动就业规模。通过对相关数据的收集和处理，从而得到京津冀地区6条物流通道的区位熵、比较劳动生产率和产业梯度系数等数据，见表1-15～表1-17。

由图1-4可知，京津冀各物流通道产业梯度系数存在差异，且随着时间的变化而发生变化。从京津冀各个通道不同时期的物流通道产业梯度系数变化情况来看，北京—石家庄物流通道产业梯度系数呈现先上升后下降趋势，最大产业梯度系数出现在2011年和2012年，达到0.56，最小产业梯度系数出现在2018年，达到0.33，且产业梯度系数均小于1，表明北京—石家庄物流通道产业梯度水平较低；石家庄—邯郸物流通道产业梯度系数呈现先下降后上升的趋势，其中，最大产业梯度系数出现在2018年，达到1.64，最小产业梯度系数出现在2012年，达到0.23；石家庄—天津物流通道和唐山—秦皇岛物流通道总体呈现先上升后下降再上升再下降再上升的波动趋势，两条通道的产业梯度系数均大于1，表明这两条物流通道区域的产业梯度水平较高；北京—天津物流通道和北京—唐山物流通道总体呈现先上升后下降的趋势，其中，北京—天津物流通道产业梯度系数在2011年和2012年高达1.63和1.75，其余年份物流通道产业梯度系数均小于1，北京—唐山物流通道产业梯度系数均小于1，表明该通道区域产业梯度水平较低。

图1-5反映2018年各物流通道产业梯度系数和2010—2018年京津冀区域各物流通道产业梯度系数平均值。由图可知，2018年京津冀区域各物流通道产业梯度系数最大的是石家庄—天津物流通道，为2.09，最小的是北京—唐山物流通道，为0.31；北京—石家庄物流通道产业梯度系数平均值最低，仅为0.43，小于1，表明北京—石家庄物流通道产业梯度水平较低；石家庄—天津物流通道产业梯度系数平均值最高，达到2.19，远大于1，表明石家庄—天津物流通道产业梯度水平较高。

图1-6反映2010—2018年各时期京津冀物流通道产业梯度系数平均值差异。结果显示，京津冀物流通道产业梯度系数的平均值随时间变化呈现先上升后下降趋势，整体波动幅度较为平缓。最大物流通道产业梯度系数出现在2012年，达到1.42，最小产业梯度系数出现在2013年，为1.09，均大于1，表明京津冀区域整体物流通道产业梯度处于较高水平。

2．产业梯度系数和通道效率相关关系分析

根据第二章内容可知，本研究采用公路里程、固定资产投资、物流从业人员、互联网宽带接入用户数等4个投入指标分析京津冀物流通道效率，运用DEAP2.1软件进行计算，从而得到京津冀物流通道的综合效率。京津冀物流通道产业梯度系数和通道综合效率具体数据见表1-18。

根据2010—2018年京津冀各物流通道产业梯度系数的平均值和京津冀物流通道综合效率平均值，发现两项指标在时空维度的整体变化趋势具有一致性，具体趋势如图1-7所示。

由于服务效率的取值范围为[0，1]，当投入产出比达到最优时，效率的取值为1，表现为该时期京津冀物流通道的效率变化趋势是一条水平线，相关性减弱。本研究通过皮尔森相关系数和EViews10统计分析软件分析京津冀物流通道效率与产业转移的相关性，通过产业梯度系数衡量区域产业梯度水平，从而来表征产业转移趋势。

皮尔森相关系数是一种线性相关系数，常用于反映变量之间的线性相关程度，通常用r表示r的取值范围为[-1，1]。

当r>0时，变量间呈正相关关系；

当r<0时，变量间呈负相关关系；

当r＝0时，变量间无线性相关关系，但可能存在其他非线性相关关系。

r的绝对值越大，相关关系越显著。根据表1-18中2010—2018年京津冀物流通道产业梯度系数和综合效率数据计算结果，得到京津冀物流通道服务效率与产业梯度系数的皮尔森相关系数，结果见表1-19、表1-20。结果显示京津冀物流通道服务效率与产业梯度系数呈正相关关系，即服务效率对产业转移具有正向影响。

3．数据收集与处理

以京津冀区域6条主要物流通道为研究对象，研究其通道效率对该区域产业转移的影响，选取公路里程、固定资产投资、物流从业人员、互联网宽带接入用户数，民用汽车保有量，授权专利数等指标作为投入指标，通过对指标数据的收集和处理，得到主要描述性统计结果见表1-21。

（四）测算结果分析

1．单位根检验

所用的面板数据跨度为9个年度，选取京津冀区域6条主要物流通道，即北京—（保定）—石家庄物流通道、石家庄—（邢台）—邯郸物流通道、北京—天津物流通道、北京—唐山物流通道、唐山—秦皇岛物流通道、石家庄—天津物流通道的数据进行单位根检验。为提高检验的精度，利用Eviews10统计软件进行单位根检验，本面板数据模型单位根检验的结果见表1-22。

从表1-22可知，对于这6个解释变量，在5%的显著性水平上，变量lnX₄的ADF检验结果是均拒绝“存在单位根”的原假设，其余变量均在1%的显著性水平上LLC检验和ADF检验的结果是均拒绝“存在单位根”的原假设，说明这些变量均为平稳面板数据，也就无须进行进一步检验。

2．回归结果及分析

面板数据的回归分为随机效应模型和固定效应模型。为进一步确定回归方程适用于哪一种模型，在模型回归前，需要进行Hausman检验，对该模型进行筛选与检验后，最终确定该面板数据模型为固定效应模型，进一步得到模型检验结果见表1-23。

由表1-23可得，京津冀物流通道效率对产业转移影响的简化模型为

由式（1-10）可知，京津冀区域物流通道的公路里程、互联网宽带接入用户数和物流从业人员等指标对京津冀区域产业梯度系数影响较大，表明该区域进行产业转移时，这几项指标对其产业转移具有较大的影响，固定资产投资、互联网宽带接入用户数和专利授权数对京津冀区域产业梯度系数具有正反馈作用，公路里程、物流从业人员和民用汽车保有量对京津冀区域产业梯度系数具有负反馈作用，具体分析如下。

第一，政府加大固定资产投资能够带动通道发展。固定资产投资代表政府支持力度，由上述结果显示，固定资产对产业梯度系数具有正反馈作用，即当物流业固定资产投资增加1时，产业梯度系数会随之增加0.133，使该区域产业梯度水平提升，吸引产业在该通道周边集聚，因此政府支持力度越大，产业集聚作用越显著，产业集聚带动通道发展。

第二，通道内信息化水平的提高促进相关产业的发展。互联网宽带接入用户数代表信息化水平，信息共享速度的提升为物流活动带来很多便利。物流通道与产业发展关系密切，产业的发展对物流通道具有依附性。根据回归结果，互联网宽带接入用户数对产业梯度系数具有正反馈作用，且影响程度较大，即信息化水平的提高会提升物流服务质量，产业的物流活动是围绕物流通道展开的，因此，通道内信息化水平的提高有助于促进产业的发展。

第三，物流基础设施影响物流通道能力。公路里程和民用汽车保有量对于产业梯度系数具有负反馈作用，线路越长，产业集聚能力越小，反之，则增加。但是由于回归结果显著，公路里程和民用汽车保有量降低物流通道产业梯度系数的效应也随之显著，因此，产业从低服务效率的通道周边向区域外转移，将会减少对产业转出地的物流通道能力的需求，对于产业转入地，则会增加该地区的物流通道需求。

第四，技术进步能够提高产业梯度水平。专利授权数反映技术水平，专利数越多，表明技术水平越高，从而对产业结构的调整和优化具有促进作用。本研究采用的物流从业人员反映物流技术进步中的人力投入，由于技术进步能够实现减员增效，使得物流从业人员减少，因此物流从业人员和产业梯度系数产生负相关关系，因此，物流从业人员越少，技术进步水平越大，产业梯度水平越高。