产业集聚能促进物流业效率提升吗？

陶婷婷

内容提要：基于产业集聚基础理论、外部性理论及产业效率理论，本文分别对物流业产业集聚和产业效率进行定量测度，分集聚类型实证分析专业化集聚及多样化集聚对物流业效率影响的传导路径。研究显示：我国目前物流业集聚的区域差异大，专业化集聚对产业效率的影响表现为正向的线性关系，多样化集聚则表现为先减后增的U型非线性关系；劳动力、资本等传统投入要素对提高物流业效率的作用已经不大，专业化集聚及多样化集聚对产业效率的影响也因地区差异而有所不同。因此，应从差异性推进物流业产业集聚、综合性利用物流业集聚优势、合理调整物流产业结构等方面战略性提升物流业产业效率。

关键词：专业化集聚；多样化集聚；物流产业效率；數据包络分析；Tobit回归

中图分类号：F1246文献标识码：A文章编号：1001-148X（2017）01-0075-09

一、引言

改革开放以来，我国物流业总体规模增长迅猛，已显现出空间集聚态势，集聚所产生的递增效益成为产业竞争力的来源。但是，由于我国物流业起步晚、发展快，存在着行业体系不健全、区域差距大等问题，产业集聚对该行业的经济效应受到制约。产业效率是衡量一个产业发展质量的重要指标，物流业综合效益的提升主要体现在其投入产出效率的提高。产业在区域范围内的集聚带来外部性，而外部性有正负之分，将同时带来经济效应及拥挤效应，使得集聚效应并不确定。但产业效率是集聚效应的综合作用结果，无论期间正负外部性如何此消彼长，从同一产业来看，集聚是否带来经济效应均可间接通过该产业的效率来判断。

基于产业效率的视角研究物流业的产业集聚效应，也是研究方法的一大改进。目前已有研究选取劳动生产率作为产业集聚效应的衡量指标，虽充分考虑到数据的可获得性，但无法从全要素效率提升的角度解释物流业集聚对该产业的影响。DEA方法可在数据充分的基础上测度产业效率，静态动态结合的定量分析使得研究更为完善。本文的研究视角转向物流产业内部，通过产业效率的定量分析，能对物流产业集聚效应的研究形成有益补充，从而有的放矢地对物流业集聚的实践提供具体的操作方式及政策建议。

物流业集聚是产业集聚在具体行业的拓展，是生产性服务业集聚的典型，也是物流业研究的延伸。物流业集聚不同于一般消费性服务业的强需求导向，由于其产业的生产与消费可分，物流业集聚更看重区位及交通条件。现有的物流业产业集聚研究集中于如下三个方面。第一，物流业集聚的空间特征。物流企业分布有很强的城市集聚特点，省际间表现为“南多北少”，城市内部呈现分布的非均衡态势（王成金和张梦天，2014）。物流产业集聚表现出物流需求与资源的集聚性、网络资源的开放性、区域产业发展的根植性等特点（支燕，2005）。第二，物流业集聚的形成动因及机理。李君华（2004）结合供应链与物流理论，研究产业集聚形成的供应链机制、优势与治理方式。张智勇（2009）基于物流产业集聚的服务创新能力及系统学，提出物流产业集聚创新模型。第三，物流业产业集聚的经济效应。梁红艳（2015）从物流业集聚的空间外溢效应出发，对集聚与工业生产率的关系展开深入探讨。赫维尔等（2014）基于物流业集聚的协同效应，对荷兰507家企业进行实地研究，结果显示，空间集聚确实使物流企业更好地共用基础设施及共同开拓市场。综合来看，物流业集聚多为基于产业集聚基础理论的定性分析，定量实证研究还不够深入。

伴随着物流业的快速发展，物流业效率方面的研究不断深化。最开始的效率分析以交通运输业及物流企业为主，而后逐渐向物流产业拓展。Roily和Hayuth（1993）突破了评价指标单一性的问题，首次采用DEA模型评价港口效率。Rabinovic（2006）选取美国第三方物流企业总体效率值，通过建立计量经济学模型进行对比分析。李孟涛和冯康（2007）采用主成分分析法，以辽宁省14个城市为样本对物流绩效展开评价，结果发现，城市间物流绩效并不平衡，经济因素主导城市物流绩效高低。庄玉良等（2009）以16家物流企业上市公司为样本，采用DEA中的BCC和CCR以及Malmquist生产率指数测算2002-2006年物流业的效率值与全要素生产率，据此分析效率来源，寻找引起效率变化的因素。除了DEA方法，随机前沿法（SFA）也被用于估算物流业生产效率，得出的结论是我国地区间物流产业发展差距大，抑制整体物流水平的提高（林坦和王玲，2009）。庞瑞芝（2006）综合运用DEA及生产率指数评价我国沿海港口的效率值，发现我国沿海港口普遍效率不高，存在严重的投入拥挤与产出不足。现有的物流业效率多以物流企业、区域物流、港口物流等为研究对象，采用的定量分析方法较多，包括随机前沿法（SFA）、数据包络线法（DEA）、主成分分析法等。

从已有研究来看，国外的产业集聚理论已具备成熟框架，尤其对于制造业的集聚研究较为完备，现已逐渐拓展至生产性服务业。国内学者的研究基础多是西方的研究成果，本质上是经典集聚经济理论、新经济地理学和战略管理理论的演绎。现有研究主要集中在产业集聚的形成原因、影响因素、空间结构特征及演变规律、集聚效应等；对于产业效率的研究，其理论及方法也均已成熟，但具体到物流业产业效率的研究则刚起步，集中于微观领域的效率测算较多，较少从产业效率的中观层面入手；同时，缺乏物流业产业效率的变化来源分析，很难真正找到影响物流业效率提升的症结所在。在物流业集聚日益加强的趋势之下，探讨产业集聚对物流业效率影响的研究还少之又少，本文重点在于进行理论推演及架构，以实证结果对此关系进行佐证。

二、理论分析与研究假设

新古典经济学、古典区位理论、新经济地理理论、波特的竞争优势论奠定了产业集聚的理论基础。传统经济学中将经济活动空间集聚的最初原因归结为自然资源禀赋的差异（Fujita and Mori，2005），但在不完全竞争的理论框架下，集聚的内生演化主要来源于外部性，外部性是集聚自强化机制的核心。由规模经济（内部及外部）或要素资源流动产生的外部性促使产业在空间上选择集聚，而产业集聚通过发挥其外部性效用又作用于产业发展的方方面面。产业集聚与产业区位、产业增长、产业结构、区域经济增长的效应关系正是以外部性效用为传导机制。产业集聚是一个动态过程，集聚与分散同时发生，当两种力量势均力敌，产业在空间布局上形成一种静态的均衡。集聚通过外部性效用产生效应，由于外部性效用有正负之分，这对产业内企业生产的投入与产出有直接影响，从而对产业效率产生促进或抑制的作用。

新经济地理学着重讨论的是本地市场需求、劳动力资源共享和前后向关联对产业集聚的影响，梁琦，钱学锋（2007）将其概括为金融外部性，指集聚中可通过价格机制传递降低企业成本的正外部性，例如企业的前后向关联、劳动力资源共享等。除此外，集聚中企业、产业之间还大量存在着诸如知识技术外溢、创新等不可量化的正外部性影响因素，即技术的外部性。从集聚的分类来看，专业化集聚是同一产业的集中，它对金融外部性和技术外部性构成较大影响：分工及专业化的增强首先带来显著的规模经济效益，通过空间上的集中能大为降低运输成本；通过充足的劳动力储备及共享劳动力资源，可增强同行业劳动力流动的时效性，極大缩减劳动力成本。同一产业氛围下企业间达成默契、习惯，这些非正式契约有利于节约交易成本，使得区域内集中化的品牌优势明显增强。多样化集聚是不同产业的集中，通常这些产业都具备一定联系可形成互补效应。多样化集聚带来的最大影响是提升产业间的前后向联系，从而降低生产成本。此外，产业间的差异性被认为更有利于知识扩散，产业多样化形成的竞争效应利于创新。以上因素都影响产业内企业的投入产出，从而作用于产业效率。

抑制作用的根源是集聚的负外部性。专业化集聚一旦达到一定规模，便会加剧同一产业内企业对要素资源及产品市场的争夺。从要素资源来看，投入要素需求大于供给将会抬高要素价格，过高的企业成本不利于实现投入产出最大化。从产品市场来看，争夺市场份额的竞争如果影响恶劣，将降低企业技术进步的内在激励，不利于提升产业效率。多样化的集聚带来的纵向扩张可能有损产业的横向规模扩展，使其产出无法实现最佳，从而有损效率。无论专业集聚化还是多样化集聚，地域的集中均共享基础设施，但基础设施及环境承载能力有限，过度集中带来的拥挤成本将直接影响产业的持续增长，抑制产业效率提高。

物流产业的专业化集聚指提供同一物流产品或服务（包括运输、仓储、采购、装卸搬运、包装、流通加工、配送、信息处理等）的企业在地域上的集中布局。专业化集聚给物流企业带来的是横向规模扩展的优势，但这种优势不是无限。因而物流业专业化集聚对产业效率的影响需分阶段来看：当产业规模较小且持续增长时，集聚的正外部性效用占据主导，专业化集聚促进物流产业效率提高；当产业规模较大且增长乏力时，集聚的负外部性效用更为主要，专业化集聚对物流产业效率产生抑制作用，从而专业化集聚对产业效率将产生先增后减的“倒U”型影响。物流产业的多样化集聚指与物流产业有纵向联系的相关产业或科研、管理机构在地域范围内的集中布局。多样化集聚强调互补和竞争带来的效益提升，利于增强企业的前后向关联，发挥纵向一体化的优势。与专业化集聚不同，多样化集聚给物流企业带来的是纵向规模扩展的优势，这在一定程度上阻碍横向规模扩张，短期内制约企业的规模经济优势，但长期能较大程度发挥多样化集聚的正外部性，因而多样化集聚对产业效率则产生先减后增的“U”型影响。

三、物流产业集聚与物流业效率测度

（一）物流业集聚测度

参考《中国物流年鉴》，我国物流业发展至今主要有中国交通运输业（排除客运），中国铁路物流业，中国包装业，中国港口物流业，中国物流地产业，中国保税物流业，中国快递业七个细分行业。考虑到数据的可获得性，本文选取物流业的主要构成主体，即交通运输业（排除客运），仓储业及邮政业，用以研究整个行业。

产业的专业化集聚指同一地域空间内，同一产业不同类型企业的集聚，常用的专业化集聚指标有集中度指数、空间基尼系数及区位熵。本文采用区位熵作为专业化程度的度量指标，计算公式如下：

LQij=qij/qjQi/Q

其中，LQij表示j地区i产业区位熵， qij为 j地区i产业（产值、就业人数、产量等），qj为j地区（产值、就业人数、产量等），Qi为高层次区域i产业的（产值、就业人数、产量等），Q为高层次地区（产值、就业人数、产量等）。下文选用我国物流业31个省区2004至2013地区物流业产值及地区生产总值与全国物流业产值份额构建LQ指数，数据均来自《中国统计年鉴2004-2013》。LQ>1，表明该省区物流业专业化集聚程度大；LQ=1，表明该省区专业化水平与全国持平；LQ<1，表明该省区缺乏专业化集聚。结果显示，西部地区专业化集聚的平均水平高于中部、东部地区，东北部专业化集聚程度普遍偏低（见图1）。

物流业多样化集聚指某一空间区域内与物流产业有联系的不同产业间的集聚。多样化集聚的一般度量指标有HHI指数（赫希曼—赫芬达尔）和EG指数。由于EG指数计算较为复杂且数据缺失严重，下文选用HHI指数的倒数来衡量一个省区内产业多样化集聚水平，计算公式如下：

H=1/∑ni=1（XiX）2

X为某一地区的产值，Xi为第i个行业的产值，n为该地区除物流业外的其他产业。HHI指数越大时，多样化集聚水平越低。同样，本文选取31个省区2004至2013相关产业的产值数据计算H指数，数据均来自《中国统计年鉴2004-2013》。分地区来看（见图2），西部及东部地区产业多样化集聚程度最高，其次为中部、东北部。

（二）物流业效率测度

依据经济学的经典理论，生产函数的主要投入要素为资本、劳动力及其他物质要素，人、财、物是任何生产中的基本投入要素，产出则多为生产总值（货币表现）及产品实物量。受限于数据的完整性及可靠性，本文以交通运输（剔除客运）、仓储和邮政业的有关数据代表物流业现状，这是由于交通运输（剔除客运）、仓储和邮政业为物流业的主要组成部分且统计指标明确。同时，参考张诚等（2015）的研究，选取交通运输（剔除客运）、仓储和邮政业从业人员数、固定资产投资、运输线路里程、邮政网点数、民用载货汽车拥有量五个指标为投入变量，物流业增加值、货运量、货运周转量三个指标为产出变量，具体详见表1。运用DEAP21软件对我国省域地区的物流业综合效率进行静态测度。由于经济生活中几乎不存在规模收益不变的生产过程，且投入要素可自由调节配置，本文选用投入导向的BCC模型。

各省域地区的综合技术效率（技术效率）值反映的是该省在当前的经济技术水平和政策环境下实际产出与最佳产出的比例，该值介于0至1之间。效率值为1，说明DEA有效，则该省区实现投入产出最优；效率值小于1表明产出离生产前沿面仍存有距离，效率仍待提高，值越低效率越差。从31个省域地区技术效率均值的变化来看（见图3），2004-2013年我国物流业的技术效率均值仍处于DEA无效状态，10年之中有起伏波动。整体来看，我国物流业技术效率尚存在较大提升空间。

分地区来看，我国东部地区的物流业技术效率始终处于领先地位，十年间变化幅度小，中部地区在2006年之后超越东北部及西部地區，与东部地区的差距逐渐缩小。东北部地区在2010年之间效率逐步降低。西部地区物流业技术效率水平仍然落后，2009年之后西部地区显现出后发优势。四大地区的物流业技术效率水平基本与经济发展程度一致，其中的几个变化点受宏观政策的影响较大，效率的区域差异日趋缩小（见图4）。根据DEA模型的测算结果，技术效率可分解为纯技术效率与规模效率的乘积。从纯技术效率与规模效率的变动情况，可具体分析出技术效率变化的原因。我国物流业技术效率的提高主要来源于规模效率，纯技术效率拉低效率值（见图5）。

同时，运用DEAP21软件对我国省域地区的物流业综合效率进行动态测度，即全要素生产率（TFP）的变动情况，具体测算值如表2所示。从整体上看，全要素生产率的提升幅度较小。进一步分解技术效率来看，规模效率的增长高于纯技术效率。2004至2013的十年间，我国物流业技术进步与全要素生产率变化基本一致，因而全要素生产率的改变主要取决于技术效率，基于此，后文将技术效率的静态测度值作为核心变量展开研究，同时可排除技术进步对计量模型的干扰。

四、实证研究设计

（一）模型构建

由于DEAP21测算出的效率值均介于0-1之间，因变量受限将导致运用OLS估计的结果是有偏且不一致的，为避免出现偏误，本文采用Tobin（1958）提出的“Tobit”模型，即截断回归模型进行回归分析，模型表示如下：

Y=Y*=βX+μ，Y*>0

0，Y*0

Tobit模型不同于离散选择模型和一般的连续变量选择模型，它的特点在于因变量受限。其次，样本既有个体变量又有时间变量，属于面板数据。通常对于面板数据，有三种模型，即混合回归、固定效应回归及随机效应回归。但对于Tobit面板数据，无条件的固定效应Tobit的是有偏的，stata120一般采用随机效应模型，因而本文的Tobit面板数据为随机效应模型，用极大似然法得到一致估计量。在袁丹和雷宏振（2015）、薄文广（2007）、张帆（2013）、宋洋（2010）等人对产业集聚与产业效率关系的研究成果之上，本文构建如下计量模型：

EF=α0+α1SA+α2DA+α3SA2+α4DA2+α5lnK+α6lnL+α7lnGDP+α8lnHR+ε

其中，α0、ε为截距项和随机误差项，SA2、DA2两项是为了检验专业化与多样化集聚的非线性效应。

（二）变量选取与数据来源

已有文献（刘秉镰和余泳泽，2010）对物流业效率的影响因素展开过充分研究，物流资源利用率、区域市场化程度、港口物流的重要性、人力资本、地区经济水平、制度、政府干预、开放程度、产业结构等都以不同方式作用于对物流业效率。但各研究都基于不同研究目的，所提出的影响因素较为繁多，涉及面很广，几乎不可能实现全面考察。赵雷（2014）对这些因素进行框架性梳理，从行业内外部影响两个角度选取解释变量。本文借鉴这一思路，除了重点研究的物流业专业化集聚及多样化集聚两个解释变量，从行业内部增长及外部影响两个方面选取控制变量。依据传统产业增长及内生增长理论，行业的增长主要依靠资本、劳动、人力资本存量的主要要素投入，而产业发展的外部环境与基本的地区经济发展水平息息相关，人均GDP比GDP总量更能说明一个地区的经济发展程度。因而本文选取资本、劳动、人均GDP、人力资本存量（HR）为控制变量。具体的变量选取如下：

被解释变量EF为综合技术效率，即纯技术效率与规模效率的综合影响，采用DEA静态测算结果；PEF为纯技术效率，即在规模收益不变的情形下效率发生的变化，采用DEA静态测算结果；SEF为规模效率，即在规模收益影响下效率发生的变化，采用DEA静态测算结果。

解释变量SA（specialized agglomeration）为专业化集聚程度，用区位熵指数衡量，即物流产业在i省地区总产值中的份额与该产业在全国生产总值中的份额之比。DA（Diversified agglomeration）为多样化集聚程度，用HHI指数度量，即除物流业之外其余行业在地区的产值份额平方和的倒数。K为资本投入，以各地区的物流业固定资产投资额作为指标。L为劳动力投入，以各地区的物流业从业人员数作为指标。GDP为人均国内生产总值；HR为人力资本存量，以各地区的普通高校在校生人数为指标； SA2及DA2为SA、DA的平方项，用以度量产业集聚对物流业效率影响的非线性效应。

基于数据的可获得性，本文选取我国31个省（自治区、直辖市）2004-2013年10年的数据，共计310个样本观测值构成面板数据，数据均来自中国统计年鉴（2004-2013）及中国物流统计年鉴。表3为各变量的描述统计值。

五、实证结果

为了深入探讨产业集聚对物流业产业效率的影响，以下面板数据将依据效率类型及地区构建不同模型检验，依次进行分类讨论。

模型（1）为各解释变量对技术效率EF的影响关系，为考察专业化集聚及多样化集聚对技术效率的非线性效应，模型中加入SA2、DA2两项，回归结果如表4所示。其中，随机效应标准差sigma u=0的似然比检验的P值为0000，因而拒绝了面板Tobit回归与混合Tobit回归相同的原假设，应当采用面板Tobit模型。随机Tobit模型整体的似然比检验的P值为0000，通过了显著性检验。

专业化集聚（SA）回归系数为04050，在1%的显著性水平下显著；多样化集聚（DA）回归系数为-05344，在1%的显著性水平下显著；DA2回归系数为正且在1%的显著性水平下显著；资本（lnK）回归系数为负且在1%的显著性水平下显著、人均GDP（GDP）回归系数为正且在1%的显著性水平下显著、人力资本存量（lnHR）回归系数为正且在1%的显著性水平下显著。劳动力（lnL）及SA2不显著，说明劳动力（L）对物流业效率影响不大，专业化集聚对产业效率不构成非线性影响关系。这说明SA与EF线性相关，DA与EF非线性相关并呈现U形非线性关系。

模型（2）中考察各解释变量对纯技术效率的影响，参考模型（1），构建如下计量模型：

PEF=α0+α1SA+α2DA+α3SA2+α4DA2+α5lnK+α6lnL+α7lnGDP+α8lnHR+ε

各变量对纯技术效率的Tobit回归结果如表5所示。随机效应标准差sigma u=0的似然比检验的P值为0000，应当采用面板Tobit模型。随机Tobit模型整体的似然比检验的P值为0000，通过了显著性检验。结果显示，SA回归系数为正且在1%的显著性水平下显著，SA对PEF构成线性影响关系；DA及DA2在1%的显著性水平下显著，DA与PEF成U型的非线性关系，K回归系数为负且在1%的显著性水平下显著，L系数为负且在10%的显著性水平下显著，GDP、HR回归系数为正且在1%的显著性水平下显著。

模型（3）中考察各解释变量对规模效率的影响，参考模型（1），构建如下计量模型：

SEF=α0+α1SA+α2DA+α3SA2+α4DA2+α5lnK+α6lnL+α7lnGDP+α8lnHR+ε

表6为各变量对规模效率的Tobit回归结果。随机效应标准差sigma_u=0的似然比检验的P值为0000，应当采用面板Tobit模型。随机Tobit模型整体的似然比检验的P值为0000，通过了显著性检验。结果显示，SA对规模效率SEF的影响呈现倒U型非线性关系，DA对SEF的作用并不显著，资本K回归系数为负且在1%的显著性水平下显著，GDP及HR回归系数为正且在1%的水平下显著，劳动力L并不显著。

分地区来看，产业集聚对我国东部、中部、东北部及西部地区技术效率（综合效率）的影响存在差异（见表7），模型（4）为各解释变量对我国东部地区技术效率的影响，DA、GDP、HR对技术效率构成显著正影响，DA不存在线性效应，SA并不显著。模型（5）为各解释变量对我国中部地区技术效率的影响，DA及DA2分别在5%及1%的显著性水平下显著，DA与EF存在非线性的U形关系，SA、K、L不显著，GDP、HR对EF均有正面影响。模型（6）为各解释变量对我国东北部地区技术效率的影响，结果显示，SA对技术效率构成倒U型的非线性关系，DA与技术效率呈现U型线性关系，K对技术效率有显著的负向影响，GDP及HR能显著正向影响技术效率，L不显著。模型（7）为各解释变量对我国西部地区技术效率的影响，结果显示，SA、DA对EF分别呈现倒U型与U型线性关系，GDP及HR对技术效率有显著的正向影响，L有负向影响，K不显著。

回归结果显示，专业化集聚及多样化集聚对物流业产业效率构成影响，但影响的方向及程度并不一致，这与理论分析的预期相同。从目前我国物流业的发展现状来看，专业化集聚对产业效率的影响表现为正向的线性关系，多样化集聚则表现为先减后增的U型非线性关系。这是因为我国物流业发展刚刚起步，行业基础水平较低，此阶段专业化集聚利于发挥规模经济优势，在提升产业效率方面见效颇快，这也解释了为什么目前我国物流业集聚多以专业化集聚的形式出现。但也应同时看到，专业化集聚是有限度的，过度的专业化集聚极易造成垄断，阻碍产业创新及技术能力等的综合效益提升。我国地域发展程度差异大，物流业的发展水平参差不齐，专业化集聚对物流业效率的作用也有地域差别。对经济发展水平较高的地区，专业化集聚效应并不突出，但对欠发达的地区，专业化集聚对产业效率的带动作用优势明显。

多样化集聚则不同，集聚初期，由于多样化集聚的产业类型与规模较小，集聚促进知识外溢等的正外部性不能完全释放出来，甚至对产业效率有一定抑制作用。但随着集聚程度不断增强，多样化集聚带来的良性竞争和集聚优势将得到更大发挥，从而促进产业效率的持续提高。此外，值得注意的是，劳动力、资本等传统投入要素对提高物流业效率的作用已经不大，并且资本产生了阻碍作用，物流产业光靠扩大投入的粗放型增长方式并不可取。代表内生增长模式的人力资本存量对物流业效率的影响显著为正，说明加大人才的培养力度，注重产业人力资本投资利于产业的长远发展。外部环境方面，地区经济的发达程度对物流业效率的影响依然显著。

从效率类型来看，专业化集聚及多样化集聚对物流业的纯技术效率影响显著，说明集聚整体而言的知识溢出效应明显，管理、制度、经验等的共享非常利于提升物流业的纯技术效率。对于多样化集聚，由于存在对纯技术效率的U型影响，需通过丰富集聚区的产业种类以促进集聚效应的发挥。多样化集聚对规模效率不构成显著影响，但专业化集聚对规模效率的影响显著为正。说明规模效率的提升主要依靠专业化集聚，其带来的产出扩张和成本节约能明显提高物流业的规模效率。

六、研究结论与政策启示

理论分析得出，产业集聚通过外部性作用于物流业产业效率。由于外部性影响有正负之分，正负外部性力量对比的结果形成最终的集聚效应：当正外部性居于主导，产业集聚便会对产业效率产生促进作用，反之则產生抑制作用。与此同时，集聚的实际影响受制于区域特点及集聚发展的现状与程度，会在不同阶段呈现出不同特点，因时因地而变。基于集聚影响的传导路径，考虑时间维度，专业化集聚对产业效率产生先增后减的“倒U”型影响，多样化集聚对产业效率产生先减后增的“U”型影响。

由产业集聚对物流业效率影响的实证结果可知，专业化集聚对产业效率的影响表现为正向的线性关系，多样化集聚则表现为先减后增的U型非线性关系。理论分析中专业化集聚及多样化集聚的影响与我国物流业的省域现状不完全相符，专业化集聚对物流业产业效率的倒U型影响在现实中并不显著。这是因为，我国物流业发展起步晚、起点低、但发展快，现阶段专业化集聚带来的规模扩张优势占据主导，专业化集聚带来的负效应还没体现出来，但并不等于这些负效应不存在。专业化集聚对物流业效率的促进作用有限度，多样化集聚的积极效应有门槛。

效率提升是产业综合实力增强的标志，利于提高产业效率的产业政策才能指导产业更好更快发展。对我国物流业而言，提升效率是目前发展中急需解决的重要问题。产业集聚作为促进物流业效率增长的一大突破方式，应深入认识其作用并结合我国区域发展的实际情况，因势利导地推进和发展。基于此，围绕如何从提升产业效率的角度促进物流业集聚，本文提出如下建议：

第一，差异性推进物流业产业集聚。对经济发展程度较高的东部地区，应发挥已有产业优势促进物流业的多样化集聚，注重实现新技术突破，持续提高管理水平，鼓励与物流产业联系密切的相关产业集聚发展。对经济发展加速的中部地区，专业化集聚的影响作用逐渐减弱，但依靠多样化集聚还需扩大产业种类和规模。对经济增长乏力的东北部地区，专业化集聚的发展应适度，同时鼓励多样化集聚。对经济发展潜力巨大的西部地区，由于基础水平较为落后，专业化集聚的优势能得到最大程度发挥，应完善各项政策措施优先鼓励专业化集聚的发展。

第二，综合性利用物流业集聚优势。提升产业效率最终要落实到企业，对于物流业企业而言，选择适宜的集聚区域才利于实现最佳的投入产出。因而，企业需分析产业集聚各类型的优势劣势，依据自身规模大小及地区特点安排集聚区布局。发展刚起步、急需扩张规模的物流企业可优先考虑东北部、西部地区。发展层次较高，技术水平较强的物流企业适合布局在东部、中部地区。

第三，战略性提升物流业产业效率。物流业产业效率提升需要一个长远过程的积累和改善。传统的以要素投入为主粗放型增长方式不可持续，依靠物流业产业集聚，通过合理调整集聚结构，发挥集聚的经济效应，是战略性提升产业效率的有益选择和有效途径。短期来看，专业化集聚对物流业效率的作用显著，直接对规模效率及纯技术效率产生促进效应，提高专业化集聚短期内利于提升效率。长期来看，物流业效率的提高仍来自技术进步，科学技术和创新是产业发展的不竭动力。在向现代物流业的转型升级中，物流信息化建设与物流装备的现代化是提升效率的有效保障。

参考文献：

[1]王成金，张梦天.中国物流企业的布局特征与形成机制[J].地理科学进展，2014（1）.

[2]支燕.物流产业集聚的竞争优势研究[J].经济与管理研究，2005（3）.

[3]李君华.基于全球供应链的产业集群竞争优势[J].经济理论与经济管理，2004（1）.

[4]张智勇，何景师.物流产业集群服务创新研究[J].科技进步与对策，2009（2）.

[5]梁红艳.物流业集聚、空间外溢效应与工业生产率提升[J].中国流通经济，2015（1）.

[6]Roily， HayuthY. Port Performance Comparison Applying Data Envelopment Analysis（DEA）[J].Maritime Policy and Management，1993（20）：153-161.

[7]李孟涛，冯康.辽宁省城市物流绩效评价[J].物流技术，2007（26）.

[8]庄玉良，吴会娟，贺超.我国物流业效率变化的动态Malmquist指数研究[J].统计与决策，2009（5）.

[9]林坦，王玲.基于SFA方法的我国区域物流效率分析[J].港口经济，2009（12）.

[10]庞瑞芝.我国主要沿海港口的动态效率评价[J].经济研究，2006（6）.

[11]Fujita，M. and Mori，T. Frontiers of the New Economic Geography[Z].Kyoto University， IDE discussion paper，2005-07.

[12]梁琦，钱学锋.外部性与集聚：一个文献综述[J].世界经济，2007（2）.

[13]张诚，喻琴，张志坚.低碳环境下中国物流业效率评价研究[J].铁道运输与经济，2005（1）.

[14]袁丹，雷宏振.丝绸之路经济带物流业效率及其影响因素[J].中国流通经济，2015（2）.

[15]刘秉镰，余泳泽.我国物流业地区间效率差异及其影响因素实证研究——基于数据包络分析模型及托宾模型的分析[J].中国流通经济，2010（9）.

[16]赵雷.我国省域物流产业效率及其影响因素研究[D].北京：北京交通大学，2014.

Abstract：Based on industrial cluster theory， externality theory and industrial efficiency theory， this study measures the logistics industrial agglomeration and industrial efficiency quantitatively，and empirically analyzes conduction path of effect of specialization agglomeration and diversified agglomeration on efficiency of logistics industry. The research shows because of the big regional difference in logistics， the effect of specialization agglomeration on industrial efficiency shows the positive linear relationship， and the diversified agglomeration shows the u-shaped nonlinear relationship； traditional labor， capital and other inputs to logistics industry have little effect， and the effects on the efficiency of the two types of agglomerations are different due to the regional differences. Therefore， we should promote efficiency of logistics industry strategically by advancing the logistics industry agglomeration differently， taking advantage of the logistics industry agglomeration roundly and reasonably adjusting logistics industry structure.

Key words：specialization agglomeration； diversified agglomeration； efficiency of logistics industry； Data Envelopment Analysis； Tobit Regression

（責任编辑：李江）