计量经济学中的面板数据是时间序列数据和截面数据的混合体,对于商贸物流产业和商贸产业的静态差异和动态关联性都可适用,故而本文通过构建面板数据模型来实现对“两产业”关系的实证分析。 如若随机变量Y与变量X1,X2,X3……,Xn之间存在着相互关联性,则可以建立下列面板数据模型: (2) 上述公式中,Y代表因变量,也即被解释变量,而X1,X2,X3……,Xn则代表自变量,也即解释变量,f(x1,x2,x3,……,xn)是回归分析函数,参数ε是随机误差项,是在截面观测中所遗漏的数值,是偶然因素。 同时,本文所研究的商贸物流对于商贸业的推动作用,是一个具有多属性、多维度和多指标的复杂问题,影响因素较多,如区位、市场、成本、物流等,且鉴于数据可获取性和有效性,本文选取商贸产业中不同行业规模经济效益和商贸物流产业集群增加值作为自变量,以实现对比分析。规模经济效益,可选用该产业的对应的GDP数值表示;商贸物流集群增加值,可选用商贸业中物流成本节约金额表示。 由此,本文以二元回归模型为准,转化成为对数形式为: (3) 公式(3)中的i表示京津冀地区商贸产业中的相关产业(批发和零售贸易业、餐饮业、仓储业等),j表示第j个观测值,而αi、β1、β2则表示回归参数,αi表示商贸产业中不随时间变化无法观测到的个体效应,u为随机项,Kij表示京津冀地区在j年商贸物流产业集群对商贸产业中i行业的贡献值,LQ为商贸物流i行业j年的区位熵系数,GDP则为i行业在j年的产值。 (二)数据选取及说明 本文面板数据分析的数据主要来源于《中国第三产业统计年鉴》、《中国城市统计年鉴》、中国经济网数据库、相关权威性较高的报纸期刊杂志等,并以京津冀地区为例,选取2000-2014年该地区商贸、物流两产业的相关数据,以区位熵(LQ)为测量指标,来进一步验证商贸物流产业集群发展对商贸业集聚的推动作用。 (三)回归分析结果 将京津冀地区10个商贸圈中的商贸产业面板数据进行一般层次分析,并引入公式(3)中进行区位熵回归分析,通过Eview6.0软件得出的验证结果显示,固定效应模型在5%显著性水平下被拒绝,改用随机效应模型,具体的结果如表3所示。 结论 从上述面板数据分析结果来看,不论是在两变量共同作用下,还是商贸物流单独作用下,商贸物流产业集群发展对于商贸产业集聚的推动作用显著,而从其单独作用下的结果分析可知,该地区的商贸物流产业集聚对商贸业贡献率每提升1%,则商贸产业的集聚度就增加0.17%;而在两变量作用下,商贸产业中不同行业GDP对商贸产业集聚影响并不明显,由此验证商贸物流产业集群发展对商贸产业集聚具有主导性的推动作用,其因与商贸物流关联度较高,能够形成有效的分工,又能够产生外溢效应和协同效应,更容易促进商贸产业集群水平的显著提升。然而,因为商贸产业集群发展是一个复杂的过程,其中涉及多种因素影响,物流产业集群只是其中的一个重要因素;同时,由于商贸产业中不同行业所呈现的特点不同,受商贸物流产业集聚效应影响具有差异性,所以本文的研究具有一定的局限性。 【参考文献】 1.周林林.产地型商贸物流对地区集群经济效应的作用机理研究[J].商业经济研究,2015(10) 2.李彩凤.辽宁省物流产业集聚水平测度及影响因素研究[D].大连海事大学,2012 3.鲁锡杰.商贸物流服务传递能力的形成与演化机理[J].商业经济研究,2015(13) 4.刘秋月.天津港口物流与京津冀地区经济协调发展研究[D].大连海事大学,2014 5.刘宇,段明圆.商贸物流服务能力构成及影响因素研究[J].商业时代,2014(31) |