安徽省物流业与对外贸易关系的实证研究

李 云， 桂海霞

(安徽理工大学 经济与管理学院，安徽 淮南 232001)

2018年上半年，长三角区域合作办公室在上海市成立，主要任务是协调长三角地区三省一市(安徽省、浙江省、江苏省、上海市)之间的合作发展计划，推动长三角地区产业、交通与市场的一体化发展[1-2].近年来，长三角地区的经济发展带动了区域内物流需求的不断增加，而物流业作为地区发展的基础性产业，也可有效的整合区域内优质资源，推动产业转型升级，引领新常态下长三角区域经济的快速发展[3-4].安徽省作为长三角四省市之一，在长三角发展一体化中有着一定的区位优势和政策优势[5-6].为响应区域经济发展一体化，推动物流业与对外贸易的发展也成为安徽省经济转型升级的重要“马车”之一[7-8].本文基于2001～2019年安徽省的统计数据，选取物流网络里程、货物周转量以及进出口总额三个指标构建VAR(向量自回归)模型[9]并检验，对安徽省物流业发展与对外贸易关系进行实证分析.

1 文献综述

关于现代物流发展与对外贸易关系间的研究，李宝库[10]通过对长三角四省市的区域经济与区域物流的研究发现，长三角地区的区域物流与区域经济之间是相互协调，相互促进的关系，但前期可能存在负效应态势.巴风琴[11]以熵值法和耦合协调度模型来研究新疆物流与对外贸易之间的关系，研究发现新疆的物流与对外贸易之间没有实现协调发展，两者之间的发展差距也在逐渐拉大.何艳[12]以物流产业集群生命周期的不同阶段介绍了长江经济带各省份所处物流产业集群的萌芽期、成长期以及成熟期对出口贸易的影响，其中处于成熟初期的物流产业集群对出口贸易的拉动明显，但后期的作用却会逐渐减弱.郭子雪[13]以灰色关联度模型和格兰杰因果关系检验研究了京津冀港口物流和区域经济发展之间的关系，结果表明各港口物流发展与经济增长间的关系略有不同，在京津冀地区内的港口中，唐山港的港口物流与经济发展之间是相互促进的.天津港和秦皇岛港港口物流可促进区域经济的增长，而与之相反的黄骅港则是经济增长会促进港口物流的发展.袁晓晖[14]选取货物周转量、货物运输量、交通、仓储及邮政业增加值以及进出口总额来研究天津市现代物流与对外贸易间的关系，结果表明，除货物周转量的增加对天津市的对外贸易发展有阻碍作用，其他的物流指标对对外贸易的发展都具有促进作用.以往的研究中，学者多选取物流业产值、物流运输量以及进出口总额来研究物流与进出口贸易间的关系[15-17]，本文从物流供给和需求的角度选取物流网络里程和货物周转量研究物流业发展与对外贸易之间的关系.

2 研究设计

2.1 指标选取与数据处理

为研究近年来安徽省物流业与对外贸易的发展，本文从影响物流业发展的供给和需求两个角度选取物流网络里程与货物周转量作为安徽省物流业发展的衡量指标，以进出口总额作为对外贸易发展的衡量指标，物流网络里程为安徽省的铁路、公路、内河、民航以及国际航线的交通路线长度之和.数据皆来源于《安徽省统计年鉴》，并用Eviews10.0软件计算分析.

在把数据录入Eviews统计软件时，对货物周转量、物流网络里程以及进出口总额三个变量设定为ZZL、LC和ZE，变量类型及长度采取系统默认方式.为减少数据异方差对样本的影响，从而以样本数据的对数值进行分析，进行对数变换后的变量物流网络里程(LNLC)、货物周转量(LNZZL)和进出口总额(LNZE)如表1所示.

表1 对数变换后的数据

2.2 模型构建与检验

本文选取安徽省2001～2019年的时间序列数据，为检验该时间序列的平稳性，以及是否具有短期长期的相关联系，需要建立VAR(向量自回归) 模型来分析预测相关联的时间序列组成的系统，从而分析各变量之间的相互影响.通过以下6个步骤完成VAR模型的建立及检验.1)单位根检验[18].模型的建立需要一个平稳的时间序列，检验时间序列平稳性的标准是判断其是否有单位根.若时间序列Yt存在单位根即为不平稳的时间序列，为使时间序列Yt变成平稳，可对序列进行d次差分直至数据平稳，记为Yt～I(d),并称Yt具有d阶单整性.本文以ADF(Augment Dickey-Fuller test)单位根检验的方法判断样本数据的平稳性.

2)建立VAR模型.VAR模型是由多元时间序列变量组成，其基本思想是把系统中每一个内生变量作为所有内生变量的滞后值的函数来构造模型.VAR(P)模型表达式如下：

yt=α1yt-1+α2yt-2+…+αpyt-p+εt,

t=1,…,T

(1)

其中：yt为k维内生变量；α1,…,αp是k*d维矩阵；p为滞后阶数；T为样本个数；εt是k维扰动列向量.

3)协整检验.协整检验是为了分析时间序列的变量之间是否具有长期的联动关系.恩格尔-格兰杰(Engle-Granger)协整检验的步骤分为两步，首先需要对时间序列进行最小二乘法(OLS)回归，然后对所生成的残差序列et进行单位根检验.若两个一阶单整变量xt，yt存在yt=kxt+et的线性关系(k为长期弹性系数)，且et残差序列通过了单位根检验，则说明xt和yt之间存在协整关系.

4)格兰杰因果检验[19].为探究变量之间是否具有因果关系，常用的方法就是对变量A和变量B进行格兰杰因果关系检验.若A变量与B变量之间的概率值小于5%，则认为A变量是B变量的格兰杰原因,那么对于B变量未来的变化就可以用A变量解释和预测。

5)脉冲响应分析.随着时间的推移，模型中各内生变量在面对变量冲击时会有不同的影响，脉冲响应函数通过观察各变量对于冲击会做出怎样的反应，以此来描述各变量之间的冲击影响关系.

6)方差分解分析.通过分析模型中每个变量的结构冲击对整个系统变量所产生影响的贡献度，以给出变量产生影响的每个随机扰动项的相对重要性的信息.

3 实证分析

3.1 单位根检验

通过ADF(Augment Dickey-Fuller test)单位根检验的方法对变量物流网络里程(LNLC)、货物周转量(LNZZL)和进出口总额(LNZE)进行平稳性检验，如表2所示，原序列的ADF检验值皆大于5%的检验临界值，说明原序列为不平稳的时间序列.在对原时间序列进行一阶差分后的物流网络里程(DLNLC)、货物周转量(DLNZZL)和进出口总额(DLNZE)三个变量检验值皆拒绝了存在单位根的假设，是平稳的时间序列.

表2 单位根检验结果

3.2 建立VAR模型

本文采用货物周转量、物流网络里程与进出口总额3个变量建立VAR模型，并以LR，FPE，AIC，SC，HQ多准则[20]来判断模型的最优滞后阶数(P)，由表3可以看出模型的滞后阶数应选择滞后2阶.

表3 滞后阶数表

由此得出的VAR模型估计结果为:

LNLC=0.338701*LNLC(-1)-0.090327*LNLC(-2)+0.095931*LNZE(-1)+0.398892*

LNZE(-2)-0.224019*LNZZL(-1)-0.072329*LNZZL(-2)+7.446523

(2)

LNZE=-0.449358*LNLC(-1)-0.748036*LNLC(-2)+1.000444*LNZE(-1)

-0.110735*LNZE(-2)-0.445837*LNZZL(-1)+0.376775*LNZZL(-2)-0.635679

(3)

LNZZL=0.722965*LNLC(-1)+0.308068*LNLC(-2)+0.292032*LNZE(-1)

-0.304938*LNZE(-2)+0.573668*LNZZL(-1)+0.080801*LNZZL(-2)-6.350978

(4)

为进行后续的数据分析，需要对所建立的VAR模型进行稳定性检验，从图1可以看出，在单位圆里有模型中6个特征根的倒数的模，说明所建立的VAR模型通过了稳定性检验.

图1 VAR模型稳定性检验

3.3 协整检验

本文采用恩格尔-格兰杰(Engle-Granger)协整检验判断进出口总额、货物周转量以及物流网络里程之间是否具有协整关系.首先使用最小二乘法(OLS)得到的回归方程如下：

LNZE=0.581 160LNZZL+1.331 385LNLC

-12.199 44

(5)

t:： (5.633 774) (4.403 595) (-5.247 851)

p： (0.000 0) (0.000 4) (0.000 1)

R2=0.958 7F=197.349 9DW=0.909 592

然后对残差序列et=LNZE-0.581 160LNZZL-1.331 385LNLC+12.199 44进行ADF单位根检验，对残差序列进行单位根检验时所得到的ADF检验临界值需要参考由恩格尔-格兰杰(Engle-Granger)给出的临界值表，表4得出的ADF检验值为-4.085 620远小于1%的显著性水平，但因检验值会偏小，所以参考临界值表给出的检验临界值-3.763 84，令两者检验值相比较后，得出残差序列et检验值依旧小于检验临界值，通过了平稳性检验，说明et是平稳序列.据此可以判断物流网络里程、货物周转量和进出口总额三者间存在长期稳定的均衡关系.通过式(5)可以看出，物流网络里程、货物周转量每变动1% ，进出口总额将会同方向变动1.33%和0.58% ，即从长期来看，三者之间存在显著的正向关系.

表4 et单位根检验

3.4 格兰杰因果检验

通过恩格尔-格兰杰(Engle-Granger)协整检验得出安徽省货物周转量、物流网络里程和进出口总额之间存在长期稳定的均衡关系，对于变量之间的因果关系还需进一步的验证.运用格兰杰因果关系检验得出物流网络里程与进出口总额之间的概率值为0.000 3，对货物周转量的概率值为0.006 0，说明物流网络里程在1%的置信水平上构成对进出口总额和货物周转量的单向格兰杰原因；进出口总额与货物周转量之间的概率值为0.024 8，说明进出口总额是货物周转量的单向格兰杰原因.说明物流网络里程的完善可以推动进出口总额的发展，进出口总额的增加也可以推动货物周转量的增加.

表5 格兰杰因果检验

3.5 脉冲响应分析

为了解VAR模型中各内生变量在面对其他变量的冲击时会产生什么样的影响，需要运用脉冲响应函数分析物流网络里程、货物周转量以及进出口总额之间的短期动态关系.结果如图2所示.

由图2可知，Response ofLNZZLtoLNZE表示货物周转量受到进出口总额一个标准误差大小的冲击.图2中可以看出，货物周转量第一期的响应值为0，随后开始上升，并在第六期达到冲击的峰值，响应值为0.134 2%，在此之后进出口总额对货物周转量的冲击作用有所下降.总体而言，进出口总额对货物周转量一直是正向的冲击状态.

图2 脉冲响应分析结果

在Response ofLNZEtoLNZZL图中可知，进出口总额对来自货物周转量的1个单位冲击立即做出了0.041 2%的响应，随后缓慢下降，并逐渐趋于平稳，总体来看进出口总额的变动并不是特别明显，响应值很低.通过脉冲响应函数图可以说明货物周转量与进出口总额之间存在双向的冲击作用，且都是正向冲击作用.

Response ofLNLCtoLNZE图中，物流网络里程第一期的响应值为0，而后逐渐上升，在第四期到达冲击的峰值，响应值为0.632%，然后开始逐渐下降，随之趋于平稳.

Response ofLNZEtoLNLC中，进出口总额第一期的响应值为0.02%，且第一期就已是冲击的峰值，随后开始逐渐下降，在响应值为0.01%的第七期后逐渐趋于稳定.可以看出物流网络里程对进出口总额有持续的正向冲击作用.说明物流业的发展对安徽省对外贸易的发展具有明显的推动作用.

3.6 方差分解分析

在分析了VAR模型中各变量间存在的短期以及长期的相关关系后，运用方差分解对该模型进行分析，其分析结果如图3所示.物流网络里程对自身变动的贡献率逐渐下降，在第4期后基本保持稳定，贡献率为35%，第10期的贡献率为31%；货物周转量对物流网络里程变动的贡献率逐渐增加，在第4期后基本保持稳定，第10期的贡献率为58%；进出口总额对物流网络里程变动的贡献率从第1期缓慢上升至第6期，并达到最大贡献率值10%，而后一直保持稳定的贡献率至第10期.

图3 方差分解分析结果

进出口总额对进出口总额本身变动的贡献率从第1期开始呈逐渐下降的状态，第1期的贡献率为88%，第10期的贡献率为57%；货物周转量对进出口总额在第2期时达到最高贡献率，数值最大为28%，然后慢慢趋于平稳状态，在第10期时的贡献率值为25%；物流网络里程对进出口总额的贡献率总体表现比较平稳，在第2期时下降到最低贡献率值为10%，然后缓慢上升，第10期的贡献率值为18%.

货物周转量对货物周转量本身的贡献率从第1期78%的贡献率值，逐渐下降至第10期的59%的贡献率.相反，进出口总额对货物周转量的贡献率则是呈逐渐上升的状态，从第1期的17%的贡献率开始缓慢上升，并在第10期到达最大贡献率值为27%.物流网络里程对货物周转量的贡献率在前5期也是在不断上升的，在第5期的贡献率值为15%，而后趋于平稳，第10期的贡献率值为14%.

4 结 语

本文运用VAR模型分析方法，实证考察了2001～2019年间安徽省进出口总额与物流网络里程和货物周转量之间的长期均衡关系和短期动态影响，得出以下结论.安徽省物流业发展与对外贸易发展之间的确存在着长期稳定的均衡关系，物流网络里程与货物周转量每增加(减少)1% 引起进出口总额增加(减少)1.33%和0.58%，物流业的变化可引起对外贸易发展的同向变化.在格兰杰因果检验中，物流网络里程是货物周转量和进出口总额的单向格兰杰因，进出口总额是货物周转量的单向格兰杰因.脉冲响应结果分析中，安徽省物流网络里程对进出口总额具有持续的正向冲击作用，说明物流业的发展对安徽省对外贸易的发展具有明显的推动作用.从方差分解的结果中可以看出，物流网络里程和货物周转量在短期内对进出口总额的贡献率虽不显著，但在长期的影响中两者对进出口总额的贡献率是在不断增加的.物流网络里程与货物周转量相比，物流网络里程的增加对进出口总额的影响比货物周转量的影响要大.

总之，为促进物流业与对外贸易的发展，安徽省应借助长三角一体化发展优势，加强长三角四省市之间的沟通与协作，实现区域内物流资源的有效整合.提升物流业的信息技术水平，依托数字信息技术构建物流产业与经济发展的协同发展机制.完善物流业相关配套服务，提高现代物流业的服务效率与服务水平，为安徽省物流业与对外贸易营造良好的发展环境.