基于GWR的区域流通产业异质性分析

2019-04-19 01:33刘院丽
商业经济研究 2019年8期

刘院丽

内容摘要:流通产业在国民经济中的地位举足轻重,流通绩效制约着区域经济、城乡经济的协调发展。当前,在倡导构建流通产业全渠道的进程中,城市化进程、基础设施、政府干预等因素影响着流通产业的发展,且呈现出空间异质性的特征,导致我国区域流通经济发展不均衡。本文首先梳理了国内外关于区域流通产业空间异质性的研究成果,进而构建地理加权回归模型,将内陆省域分为西部、中部、东部、东北四个区域,展开实证分析。研究得出,城市化水平对流通产业发展有显著促进作用,且随着国内城市化进程加快,促进作用趋缓。基础设施、对外开放程度、政府干预对西部地区流通效率促进更为明显,而固定投资、产业结构则对东部、东北部区域流通绩效有显著促进作用。最后,基于流通要素空间的异质性特征,提出促进区域流通产业协调发展的具体建议。

关键词:流通产业   流通绩效   流通要素   区域协调   GWR模型   空间异质性

引言與国内外研究综述

近年来,随着“互联网+流通”计划的不断推进,流通产业呈现快速发展的态势,且电子商务、“新零售”等新兴业态不断涌现,规模化、专业化、功能化成为未来发展趋势。2018年上半年,我国流通产业总额达到18万亿元,增速9.0%,作为联接生产与消费的“桥梁”,实现完善供应链、延伸产业链,有助于提升流通绩效,加快向全渠道流通转型的步伐。在经济一体化、要素自由流通的背景下,高质量的流通效率不仅需要提高对外开放、推进城市化建设,还需要人力、资本、信息、技术等要素的匹配。我国改革开放已40年,国民经济呈现迅猛发展的态势,与此同时区域流通产业也呈现出发展不均衡的特点,流通要素的空间集聚效应日趋显著,长此以往会成为影响国民经济运行质量的障碍。流通产业的发展受到多要素影响、多因素制约,剖析导致发展不均衡的空间异质性因素,有助于针对性地制定区域流通产业发展策略,因地制宜提升流通绩效水平,促进区域流通产业的协调、稳定发展。

在经济全球化、自由化背景下,区域流通产业的发展受到多要素影响、多因素制约,国外针对区域流通产业异质性的研究成果丰硕,并实际运用于协调区域流通产业发展、推进流通产业结构优化。Smith(2014)、Venables(2016)和Anselin(2017)对美国各州之间的流通产业溢出效应进行研究,指出区域竞争力、流通规模对经济增长影响显著,进而对区域发展产生差异性。Talen(2015)和Fotheingham(2016)建立空间杜宾模型得出,空间溢出对流通产业的经济增长影响显著,且此效应还会影响到邻近地区。同时,区域竞争力、知识溢出对经济增长也有正向推动作用。可见,区域空间溢出对流通效率、经济增长具有重要作用。

近年来,我国加速向流通强国转变,学者们也展开了空间溢出效应对流通绩效影响的研究。张志敏(2015)和曾银娥(2016)指出流通产业的溢出效应会拉动GDP增长、提升经济运行质量,对区域经济集聚具有正向溢出效应。同时,溢出效应对其他产业具有间接拉动作用,对经济整体运行具有全局性的影响作用。曹允春等(2017)和李惠蓉(2018)立足于空间经济视角,探索导致区域流通产业不协调的空间异质性,提出区域竞争力、产业结构、基础设施都会对流通效率产生影响。结合区域特点制定流通产业发展规划,能够显著提高流通效率,拉动区域经济的发展。

虽然国内外关于影响区域流通产业发展的空间异质性研究较多,但大多空间权重选择过于简单、局限于区域竞争力等维度,忽视了空间关联效应这一重要因素。由此,本文通过建立地理加权回归模型,从区域流通产业发展质量出发,详尽探析空间异质性。从城市进程、产业结构、基础设施等多维度出发,研究引发区域流通效率差异的因素,以期促进区域流通经济的协调优化,推进产业由“要素驱动”向“效率驱动”转型。

模型建立及其测度

对我国区域流通产业发展效率展开研究,考虑到我国地域广阔且地理空间具有非匀质性,由此,利用地理加权回归模型(GWR),以考察流通产业区域数据间的关联性,模型建立如下:

其中, (ui,vi)表示在地理空间上选择的第i个观测点的坐标,βi0则表示第0个回归参数。依此类推,βik表示第k个回归参数。

按照著名学者Brunsdon等人的研究,通常使用加权最小二乘法对地理空间观测点估计参数,即:

使用GWR模型对区域流通产业异质性进行分析,其核心是空间权重函数。为了全面反映因地理复杂性而导致的区域性差异,引入高斯函数法来确定权重。使用连续单调递减函数来表示:

其中, disij表示两个样本点间的距离。

同时,GWR模型对带宽b的选择更具敏感性,即b的微小变动会影响到wij 进而导致GMR模型估计呈现较大的偏差。梳理已有学者的实证研究发现,若b较小,则可能造成估计结果方差过大;反之,若带宽b较大,则可能造成估计结果偏差过大。由此可见,在使用GWR模型对区域流通产业异质性进行分析时,带宽b的优化至关重要,关系着模型估计的科学性。

从权重函数可见,要优化带宽b,就需要克服最小二乘平方和的极限。由此,借助交叉验证法(CV),表示剔除了i地区的样本观测点,以便于通过趋势线找到与之相对应的最优b:

实证研究

(一)变量与样本选择

采用GWR模型对我国区域流通产业展开研究,其影响因素众多,借鉴晏维龙(2013)、刘根荣(2014)等研究,选择的自变量指标见表1所示。

实证数据来源于历年《中国统计年鉴》,以内陆31个省域流通产业发展作为研究样本,选择西部12省、东部11省、中部6省、东北2省的均值,采用GWR4软件进行实证回归。

(二)权重函数和带宽的确定

选用GWR模型克服了自变量不随区域变化而变动的问题,使用Gaussian法确定权重函数克服了臆断性。Gaussian是单调递减函数,且具有连续性,对2007、2012、2017年数据进行估计(见表2),通过AIC值可确定其适合权重函数。

采用CV法获取GWR模型的最优带宽b(见表3),确定2007、2012、2017年的最优带宽b分别为3.173、3.258、3.182。

(三)2017年GWR模型参数估计

根据所确定的权重函数、最优带宽,对2017年西部、东部、中部、东北四个区域的流通产业数据进行估计(见表4),且观测点的选择并非单纯的地理概念,而是兼顾我国区域经济概念。

通过GWR模型参数估计可见:第一,城市化水平(URB)。西部、东部、中部区域流通产业发展与URB呈现正相关关系,且在1%临界值上显著。即URB对东、西、中部区域流通产业有促进作用。而东北区域流通产业发展与URB呈现负相关关系,且在1%临界值上显著。即URB对吉林、黑龙江两省流通产业有抑制作用。第二,对外开放程度(OPE)。西部、中部区域流通产业发展与OPE呈现正相关关系,且在5%、1%水平上显著;而东部、东北区域两者则呈现负相关关系,且在1%水平上显著。西部地区OPE对流通产业影响最大,而东部、东北则影响较小,说明东部、东北对外开放程度较高,已逐步趋于饱和,对流通产业影响程度较小。中、西部地区对外开放程度较低,尤其是西部受交通、地理、经济等制约,经济发展水平滞后,但同时具有较高的发展潜力。第三,流通产业固定投资(FLX)。东北区域流通产业发展与FLX在1%临界值呈现正相关关系,东、西、中部地区虽然也呈现出正相关关系,但并不显著。进一步分析,说明FLX对不同区域流通产业的发展影响差异较大,对东北地区影响最大,其次是东部地区。第四,产业结构(THI)。东北、东部地区流通产业发展与THI呈现正相关关系,且在1%水平上显著;而中、西部地区虽也呈现正相关关系,数值较小且并不显著。说明THI对东部沿海地区、东北区域流通產业具有显著促进作用。第五,政府干预(GOV)。中、西部地区流通产业发展与GOV呈现正相关关系,东部、东北区域则呈现负相关关系。说明GOV对于中、西部流通产业发展影响较大,而对东部、东北部的影响则较小。换句话说,东部、东北区域流通产业发展成熟、对外开放程度高,政府干预对其影响力较小。第六,基础交通(DES)。西部、中部地区流通产业发展与DES呈现正相关关系,且在1%水平上显著,其他两个区域则呈现负相关关系。说明DES对西部流通产业发展具有明显的促进作用,而对其他两个区域呈现抑制的作用。东部、东北区域基础交通发展较为完善,已形成了立体化的交通网络,且流通产业发展较为成熟,二者之间并不存在着显著关系。

(四)基于最优带宽的GWR模型参数估计

通过对2017年GWR模型参数估计结果可见,区域流通产业的空间异质性明显,各要素发展呈现不均匀状态。基于最优带宽的确定,对2007、2012、2017年各区域的GWR模型估计结果进行比较(见表5)。

通过2007、2012、2017年GWR模型参数估计可见:

第一,URB。三年估计值均为正数,说明URB与区域流通产业发展关系紧密。2007-2012年间,各区域URB增长迅速,则此期间URB对流通产业促进作用明显且愈演愈烈。2012-2017年间,URB增速放缓,则此期间区域城市化日趋成熟,尤其是东部沿海地区经济发达,城市化进程对流通产业的影响已趋于饱和。

第二,OPE。除西部区域外,其余三个区域三年估计值由正向负转变。2007-2017年间,OPE对中、东、东北区域的流通产业影响均呈现日趋饱和的状态,而西部地区受开放程度较低的影响,OPE依旧对其流通产业有着显著的促进作用。

第三,FLX。2007-2017年间,参数估计值均为正数,且FLX对区域流通产业的促进作用日趋显著。尤其是在东部、东北部,随着固定投资的增多,要素聚集作用明显,对流通产业影响显著。例如固定资产的投资,促进了资本、人才聚集以及知识外溢,推动着经济的繁荣发展。

第四,THI。2007-2017年间,参数估计值逐步增大,即THI对区域流通产业的促进作用日趋显著。尤其是对东部、东北部流通产业发展影响显著,说明在经济发达地区,产业结构较为优化、转型升级明显,对流通产业的发展具有推动作用。

第五,GOV。2007-2017年间,政府干预估计值对各区域流通产业的影响力并不相同,呈现出空间异质性的特点。如GOV对中、西部地区流通产业发展影响力较大,而对东、东北部流通产业发展则呈现抑制作用。

第六,DES。2007、2012年,DES对各区域流通产业发展影响并不明显,2017年则呈现出空间异质性的特点。近年来随着国家倡导“西部大开发”、“中部崛起”,基础交通对其流通产业促进显著。反之,东、东北部本身经济发达、基础交通网络完善,对流通产业发展呈现抑制作用。

(五)GWR模型结果的显著性检验

由表4、表5可见,参数估计结果存在明显的空间异质性,采用DIFF of Criterion法进行局部回归系数检验(见表6)。检验结果可见,三年、一个截距项、六个变量的标准差值均为负数,说明具有空间异质性,参数估计结果可靠。

结论及建议

综上所述,选择GWR模型实证分析发现,中、西、东、东北部流通产业发展存在着明显的空间异质性。URB、OPE、FLX、THI、GOV、DES六个变量对各区域流通产业影响各不相同:中、西部地区本身经济不发达,城市化进程、基础交通布局、对外开放程度等较为滞后,对流通产业促进作用显著。在纵向比较中发现,随着近年“一带一路”倡议、“西部大开发”战略的实施,各指标对流通产业的促进作用日趋明显。同时,东、东北部本身经济发达,政府干预、基础交通等变量对流通产业的影响呈现抑制作用。据此,进一步提出以下建议,以促进区域流通产业的协调、均衡发展。

第一,合理推动城市化进程,适度扩大对外开放程度。在国内经济快速发展的大环境下,加快城市化进程成为必然趋势,但在推进过程中要结合地域特点,循序渐进。加快户籍改革,将积分落户制度具体化、透明化,引导人才的优化配置。尤其是中、西部地区城市要适度降低门槛,扩大城市规模、加快城市化建设,均衡发展城市与周边区域的基础设施,加快劳动力资源的自由流动。引导企业适应2018年社保改革新政策,逐步完善社会保障体系,如医疗保险、养老保险等,消除农村劳动力流向城市的障碍,使每一位公民同等享有国民经济发展红利。在改革开放推动下,东部沿海地区对外开放程度高,国际因素对流通产业的牵引作用显著。中、西部地区要加强国际合作交流,以“一带一路”倡议为契机,共享全球经济发展的红利,推动流通产业的发展。

第二,扩大流通产业固定投资,加强流通产业结构优化。流通产业具有产业链长、与其他产业高关联性的特点,加快固定资产投资,有助于促进人才、资本等要素的聚集,扩大社会就业机会。各地区在发展区域经济的同时,加强流通产业结构优化,从规模、技术、资本、组织等方面著手,扩大流通固定投资并带动其他产业的发展。当前,流通产业逐步向“全流通”、“全渠道”发展,完善供应链、延伸产业链,促进产业链上各企业发挥自身优势,以“互联网+流通”为契机,培育流通产业竞争能力,以信息化引领流通创新。同时,流通产业的“全流通”性对人力要素提出了更高的要求,注重人才素质培养,中、西部地区出台户籍优惠政策,吸引东部人才转移,如本科学历落户、专业技术证书加分落户等,促进流通产业创新技术、知识外溢,加快推动流通转型升级。

第三,支持因地制宜的政府干预,加快流通基础设施建设。政府应结合区域经济发展特点,因地制宜地出台相应的政策,加快完善流通保障制度,引导外资、民间资本流向流通领域。加强市场监管,加快培养大型流通企业,发展大物流商,加大农村市场的开拓,特别是要引导冷链、安检、交通网络等基础设施建设向中、西部倾斜,注重改善关键地区、地带,鼓励拓展智能消费新领域,推动区域流通产业的协调发展。政府统筹全局发展流通产业,协调投资结构与投资渠道,鼓励发展电子商务、“新零售”等新兴业态,推进商务集群式发展。东部沿海地区充分发挥交通区位优势,深入推进农村电子商务,推动实体商业转型升级,推进线上线下融合发展,引导人才、技术向西部特别是边远地区的转移,提高流通效率。

参考文献:

1.卫颖.区域商贸流通发展的保障机理与协调发展[J].商业经济研究,2017(7)

2.邹函.我国区域流通效率收敛性的实证分析——基于东、中、西部比较[J].商业经济研究, 2018(8)

3.范馨月.从共生角度谈商贸流通和区域经济的协同发展[J].商业经济研究,2017(2)

4.舒忠安.商贸流通业全要素生产率区域差异与影响因素研究[J].商业经济研究,2017(21)

5.盛亚,郑书莉.流通产业与区域经济协调发展的耦合研究:以浙江省为例[J].商业经济与管理,2016(7)

6.王杰,李昕欣.“十三五”规划背景下我国流通产业空间格局构建新思考[J].商业经济研究,2017(7)