摘 要：文章以安徽省GDP、货运周转量、物流网络里程以及物流产值作为衡量区域经济和区域物流发展水平的指标，基于VAR模型，运用Granger因果检验、脉冲响应函数及方差分解法，对安徽省历年区域物流的发展和区域经济增长之间的关系进行了实证研究。结果表明：安徽省区域物流与区域经济发展之间相互影响，其中物流业产值对区域经济的发展影响较大。
关键词：区域物流；区域经济；VAR；Granger因果检验；脉冲响应分析
中图分类号：F259.27 文献标识码：A
Abstract： In this paper we takes Anhui province GDP， freight turnover， logistics mileage and logistics output as a measure of the level of regional economic and regional logistics. Based on the VAR model， the relationship between regional logistics and regional economic in Anhui province was empirically studied by using Granger causality test， impulse response function and variance decomposition method. The results show that the regional logistics and regional economic development of Anhui province influence each other， among which the output value of the logistics industry has a greater impact on the development of regional economy.
Key words： regional logistics； regional economy； VAR； Granger causality test； impulse response analysis
0 引 言
随着全球经济快速发展，从生产领域到流通领域，物流业的发展都有着不可或缺的影响。区域物流不仅是城市化进程的推进器，也是产业结构升级、优化的动力源[1-2]。《中共中央关于制定国民经济和社会发展第十三个五年规划的建议》中提出，要大力发展物流等服务业，加快转变经济发展方式，实现更高质量、更有效率、更加公平、更可持续的发展。探究区域物流与区域经济增长之间的关系有助于更好地制定物流政策，实现区域物流与区域经济更好更快的和谐发展。
国内学者对于区域物流与区域经济增长之间的关系也进行了一些相关的研究，李全喜（2010）等对中国31个省市的面板数据进行了典型相關分析，得到了区域物流能力与区域经济发展高度相关的结论[3]。张梅芬（2015）等运用灰色关联度方法，对区域物流需求与区域经济发展之间的关联系数进行了量化，结果表明，大连市区域物流需求与区域经济发展具有较强的相关性[4]。从已有的研究来看，大部分学者采用货运周转量作为区域物流发展的衡量指标，由于指标的单一性和片面性，所选择的指标不能够全面、科学地反映区域物流与区域经济之间的关系，最终导致结果的可信度降低。鉴于国内学者在研究中对区域物流的指标选取较为单一，再加上研究者在研究两者关系时对衡量区域物流的指标选取考虑不够具体，因此本文基于安徽省的实际数据资料，在构建全面、可行的指标基础上，对安徽省区域物流与区域经济的关系进行探索和分析，以期为安徽省制定区域物流发展政策提供理论依据。
1 安徽区域物流与区域经济关系的实证分析
1.1 指标选择和数据处理
考虑到数据的准时性和时效性，本文选取安徽省国内生产总值（GDP）作为安徽省区域经济发展的衡量指标；考虑到影响区域物流发展水平的因素较多，本文从区域物流需求、区域物流供给能力以及区域物流成效三个方面进行指标选取，通过参考相关文献，选择货运周转量代替区域物流需求，物流网络里程代替区域物流供给能力，其中物流网络里程由安徽省铁路运输、公路运输、水路运输的里程加总获得，物流产值由交通、仓储、通信业增加值代替。
本文选取安徽省1979～2015年的数据（见表1）进行实证分析。为了避免时间序列中存在的异方差，对安徽省国内生产总值、货运周转量、物流网络里程、物流产值取对数，并分别命名为LGDP、LHL、LWL、LWC。
1.2 平稳性检验
为了避免模型伪回归的出现，先对所得的时间序列进行平稳性检验。本文用ADF法对现有数据进行平稳性检验，检验结果如表2所示，变量LGDP、LHL、LWL、LWC的ADF检验值均大于显著性水平为5%的临界值，并且P值均大于0.05，接受存在单位根的原假设，故序列LGDP、LHL、LWL、LWC均为非平稳序列。对序列进行一阶差分后，得到的新序列DLGDP、DLHL、DLWL、DLWC的P值均大于0.05，拒绝存在单位根的假设，即得到的新序列为平稳序列。
1.3 VAR模型建立
由平稳性检验可知，一阶差分后的数据满足平稳性要求，因此，采用一阶差分序列建立VAR模型。
由于数据为年度数据，样本数量有限，同时考虑到需要使AIC、SC最小，取滞后阶数p=2。
从图1可以看出，模型的数据均位于单位圆内，即VAR模型中所有根的模的倒数都小于1，所以该模型是稳定的。
1.4 Granger因果检验
根据实验结果，确定各变量的滞后阶数为2，根据实际情况，基于VAR2模型检验时间序列DLGDP、DLHL、DLWL、DLWC的Granger关系，结果如表3所示。从表3的结果可以看出，在5%的显著性水平下，拒绝物流产值不能引起GDP的原假设，说明物流产值是安徽GDP增长的Granger原因，同时拒绝网络里程不能引起货运周转量的原假设，说明网络里程是货运周转量增加的Granger原因，反之不然。
1.5 脉冲响应函数
本文在建立四个变量的VAR（2）模型后，分别给予各变量一个正的冲击，得到相应的脉冲响应函数图。从图2可以看出：当给GDP一个正向的冲击后，GDP产出增加了约0.058亿元，但影响的时间不长，到第3期给GDP带来的作用逐渐减弱，最后回到原来的水平。其他变量在受到GDP冲击后，在第1期都没有反应，第2期之后才逐渐表出受到了影响，这表明了GDP的反应具有一定的滞后性。当给物流产值一个正向的冲击后，在第1期GDP未受影响，在第2期GDP波动有最大的正向影响，然后逐渐变小直至消失。当给货运量一个正向的冲击后，在第2期GDP受到了负面影响，并在第4期减弱趋于0，在第5期达到一个正面影响，而后减弱趋于0。当给物流网络里程一个正向的冲击后，GDP几乎未受到其影响。
再给予模型中的GDP一个单位的冲击，观察GDP的冲击对其他变量的影响。由图3至图5可以看到，给予GDP一个正向的冲击后，货运周转量在短期快速增加至最大，又迅速回落，在第4期达到一个负的影响，在第6期之后基本消失；物流网络里程在第1期受到最大影响，在第2期到达一个负的影响，到第3期后影响基本消失；在受到GDP一个正向冲击后，物流产值在第1期受到最大影响，然后又逐渐回落，直到第8期之后影响基本消除。
1.6 方差分解分析
为进一步分析各变量对GDP的影响，本文对VAR模型进行方差分解分析，结果见表4。方差分解结果显示，在10期以后除了GDP自身贡献以外，货运周转量对GDP的影响约占7.39%，物流网络里程对GDP的影响约占1.35%，物流产值对GDP的影响约占19.27%，货运周转量和物流网络里程对GDP的贡献都比较小。
2 结论及建议
通过以上实证分析结果，可以得到以下主要结论：
（1）安徽省区域物流与区域经济发展之间相互影响，其中物流业产值对区域经济的发展影响较大，同时，区域经济的快速增长较大地促进了区域物流的发展。
（2）Granger因果关系表明，物流产值是安徽GDP增长的Granger原因，网络里程是货运周转量增加的Granger原因。说明从长期看来，物流产值的增长对GDP具有一定的推动作用。
（3）通过脉冲响应函数可以看出，安徽省区域物流与区域经济发展是相互促进的，从长期看来，安徽省区域经济对区域物流发展具有较大的影响，而安徽省区域物流对区域经济的影响存在一定的滞后性。
从长期看来，区域物流的发展对于推动区域经济增长的作用不容忽视，为了促进安徽省区域物流和区域经济又好又快发展，现提出以下建议：（1）大力加强物流政策的引导和扶持。安徽省物流业的发展起步较晚，市场监管尚不完善，对物流发展相对落后的地区提供政策支持，有助于修补安徽省区域物流发展的短板，为区域物流的协调发展保驾护航。（2）提高物流业监管水平。在物流水平发展较好的地区，存在物流业发展混乱的情况，许多物流企业在管理、运输等方面都不规范，容易造成物流业市场秩序的紊乱。提升物流业监管水平，制定科学的准入标准，有助于营造良好的物流业发展环境。（3）加大物流园区的建设。通过专业化和规模化管理，降低物流运营成本，提高物流经营的规模效益，发挥整体优势，实现地区范围内的物流产业集聚发展。（4）建设完善的物流信息平台，确保信息传输的及时性和准确性，确保各地区之间的信息沟通和交流，为实现高效率智能化物流提供支持。
参考文献：
[1] 何萍，张光明. 江苏省区域物流发展与区域经济的关系[J]. 工业工程，2011，14（5）：146-149.
[2] 戢晓峰，張雪，陈方，等. 基于多源数据的区域物流与经济发展关联特性分析——以云南省为例[J]. 经济地理，2016，36（1）：39-45.
[3] 李全喜，金凤花，孙磐石. 区域物流能力与区域经济发展的典型相关分析——基于全国面板数据[J]. 软科学，2010，24（12）：75-79.
[4] 张梅芬，张玲. 基于灰色关联度的区域物流需求与区域经济发展关系研究[J]. 物流技术，2015，34（9）：183-185.
[5] 高铁梅. 计量经济分析方法与建模[M]. 北京：清华大学出版社，2009：277-293.