新常态下分省物流产业空间集聚变革 张枢盛
——基于物流A 级企业的对比研究
doi：10.14089/j.cnki.cn11-3664/f.2019.02.002引用格式：张枢盛.新常态下分省物流产业空间集聚变革[J].中国流通经济，2019（2）：11-19.
张枢盛
030006） （山西财经大学工商管理学院，山西太原
A摘 要：新常态下物流产业在国民经济中的战略作用随着智慧物流的发展而越加凸显。基于最新的物流
2008—2016
级企业数据，利用 年各省市区（不含港澳台）产业集聚指数及基于指数的空间相关性系数，可研究物
A A
流 级企业的分省空间分布、分省物流业集聚状况和空间相关性。研究发现，物流 级企业的分省空间分布与各
A省经济发展总体水平密切相关，但是物流业集聚状况与物流 级企业的分省空间分布、各省经济发展状况存在复杂的矛盾关系以及集聚空间相关的有限性。总体而言，上海、辽宁物流产业集聚明显；经济发达的江苏、浙江、广东和山东四省的物流产业集聚指数被低估，山西、内蒙、黑龙江等省物流产业集聚指数被高估，二者均存在物流产业集聚；依照产业值计算的区位熵，贵州也存在物流产业集聚。这些矛盾现象充分反映了产业集聚统计分析的局限性。目前物流产业发展趋势背后存在三种驱动因素或者说三种力量：传统产业因素、现代科技因素和区位优势因素。三种力量组合的动态变化，影响着东中西部地区各省物流企业布局、产业集聚格局的变革。关键词：物流企业；空间布局；物流产业集聚；新常态
中图分类号：F259.27 文献标识码：A
一、引言
2017 427 032
年我国服务业增加值达 亿元，占GDP 51.6%
的比重为 [ 1 ]，而物流业是生产性服务业中重要类别之一。2014
年，国务院正式发布《物流业发展中长期规划（2014—2020）》，明确物流业是支撑国民经济发展的基础性、战略性产业。从规
GDP 3.48
模看，每单位 需要 个单位的物流总额来
6.8支撑；从结构看，物流业每增加 个百分点，可带
1
动服务业增加 个百分点；从效益看，社会物流总 文章编号：1007-8266（2019）02-0011-09
GDP 0.1
费用与 的比率每下降 个百分点，相当于新500
[2]。
增经济效益 多亿元
产业集聚逐渐成为新经济地理学、产业经济学、管理学等领域的热点问题[3]。其中，以克鲁格曼（Krugman）等人为代表的新经济地理学兴起，将“冰山”运输成本等空间因素纳入一般均衡分析框
20 90架中，使有关产业区域集聚的研究自 世纪 年代以来快速进步 [4] ，空间计量分析在相关学科研究中得到广泛应用，在生产服务业或者物流业领域的产业集聚现象被学者关注 [4-7]。在物流企业
收稿日期：2018-09-01
基金项目：教育部人文社会科学研究规划基金项目“基于双重网络的海归企业颠覆性创新机理和路径研究” （18YJA630144），“中国情境下企业绿色创新驱动机制与转型升级路径研究”（17YJA630004）；山西省哲学社会科学规划课题“新常态下山西省物流产业空间集聚、驱动因素和发展路径研究”（2018B091）作者简介：张枢盛（1975—），男，山西省太谷县人，山西财经大学工商管理学院副教授，博士，主要研究方向为技术创新、海
的研究中加入空间因素，催生了物流地理学的发展 [8]。近年来关于物流企业布局和产业集聚相关研究中，逐步形成了地理学、管理学和经济学相关研究的交叉和融合，关注层次逐渐从服务业、生产性服务业聚焦到物流产业，但国内关于物流产业层面的相关研究仍显不足。已有文献[5 ，7-10 ]主要关注物流企业布局、物流产业集聚等，而对物流业的整体状况分析会因为视角或者指标单一性问题造成结论上的偏差。跨学科交叉可使研究更深入，
A视野更开阔。因此，本文尝试以中国 级物流企业布局特征，结合省级物流产业集聚指标区位熵，并利用空间相关性分析，研究在智慧物流飞速发展的新常态下，中国物流企业的空间布局和分省产业集聚特征以及内在的驱动因素。
二、数据来源和研究方法
（一）研究样本和数据说明
2005
自 年中国物流与采购联合会公布我国第26 A 2018 1
一批 家物流 级企业名单，到 年 月公布
A 4 464 A第二十五批物流 级企业，共产生 家物流级企业①。中国物流与采购联合会每年公布两批
5 A 5A
分为 个等级的 级企业名单，其中 为最高资
A
质企业。这些物流 级企业中，包括我国物流传统产业中的顶尖企业和新兴高科技物流企业。从所有制类型看，包括国有企业、中外合资企业和民营企业等；从产业形态上看，包括传统运输型、仓储型物流企业和第三方物流服务的综合服务型企业
A
等。所有物流 级企业按照东中西划分的全国性
1
区域分布状况如表 ②所示，各省市区企业分等级
2 2
的分布状况如表 所示。表 依据总数和等级降序排列，只列出部分省份信息。计算区位熵的原始数据来源于中国统计年
3 2008 2016
鉴，表 列出了 年到 年各省市区（不含港澳台地区，下同）的区位熵（Local Quotient）。1998
2008年的区位熵及相关分析参见文献[5]。年到
（二）研究方法本文主要利用两个统计指标进行分析：区位熵和空间自相关系数。目前研究大多采用区位熵作为物流产业集聚的衡量指标，具体计算方法如下：
/e ei
=
LQi
/E
Ei
其中，ei 为i地区物流产业从业人员数，e为i 地区所有产业从业人员数，Ei为全国物流产业从业人员数，E为全国所有产业从业人员数。区位熵
1 1.25，说明物流业在该地区具有较高的大于 或者专业化水平或者比较优势，产业集聚程度较高。如果所有参数均按照产值计算，参数就是按产值计算的区位熵。
在使用指标的同时，必须明确其局限性，防止在分析结果时绝对化和片面化。区位熵指标的局限性主要体现在四个方面。第一，在文献中常用的两个指标是区位熵和空间基尼系数，二者均没有考虑企业规模对产业集聚程度的影响。对于区位熵而言，如果一个地区某一个企业在该行业中具有较大的份额，意味着这一地区该行业的区位熵很高，但这并不代表这一地区该产业的集聚程度很高 [ 11 ]。反之，如果该地区有数量非常多的同业小企业，但缺少大规模企业，则空间基尼系数值“虚低”。区位熵指数法无法识别新生的或较小的
1 2018 1 A
表年 月中国物流 级企业的区域分布
产业集聚，若某个区域内的产业集聚是以小集群形式分布，该方法可能无法如实反映产业集聚状态 [ 12 ]。第二，物流业统计口径造成的数据偏差。目前国际统计的产业分类体系中没有“物流产业”，因此学者的研究基本上都采用交通运输、仓储和邮政业代表物流产业，会导致产值低估。如由于制造业统计方法和口径较为完善，关于制造业集聚，很多学者用工业总产值比重来衡量，但是服务业在中国被严重低估 [4]。第三，分析测度对象的行政或地理区域大小对研究结果的影响。如按
省测度的区位基尼系数比按市测度的结果平均低了近40% [ 13 ]。第四，目前的一些研究仅仅依据区位熵或者空间基尼系数进行分析，缺少结合相关重要影响因素（如传统产业升级、人口流动和流失、智慧物流等）及其环境变迁的综合分析，结果往往会造成偏差。埃利斯和格莱泽（Ellision & Glaeser）提出了新的集聚指数来测定产业的地理集中程度 [ 14 ] ，该指数加入了反映企业规模分布的赫
Herfindahl In⁃芬达尔指数（ dex）。但限于数据的可得性，本文采用区位熵进行分析。
衡量物流产业集聚的另外一个指标是空间自相关系数。全球经济一体化发展的同时，区域经济及各种经济圈也加速发展，特别是随着现代交通通信及大数据等新技术的发展，共享经济、平台经济等新经济模式崛起，更加剧了经济体之间的相互影响。对于物流企业特别是全国甚至全球性的物流企业而言，因其自身业务的特性，相互的影响是与生俱来的。目前，广泛使用的测量空间自相关性的指标是莫兰指数
Geoda
当修改，利用 软件来生成空间权重矩阵，二者对比验证分析。两种生成方式都采用简单二分
Rook
权重矩阵，遵循 相邻规则，即两个省拥有共同边界则视为相邻。空间权重矩阵W生成方式为：
' 0，如果
主对角线上的元素为 i省与j省相邻，则Wij
0。
为１，否则为 W 经过行标准化处理，用每个元素同时除以所在行元素之和，使得每行元素之和为１。在利用空间统计指标进行分析时，同样要注意指标的局限性，空间相关性测度单位间存在相互影响，但这种影响大小受到空间区域边界的
[6]。影响，即随着空间距离的增大，外溢效应会递减
A
三、物流 级企业空间布局特征与分省物流产业集聚
A
（一）物流 级企业分省空间布局特征
2 A
从表 可以看出物流 级企业多数聚集在沿
A GDP海发达地区，物流 级企业的数量与分省 的
0.77。学者们对物流业和经济发展相关系数达到的关系主要从两个方面进行研究：一是生产性服务业与制造业的相互促进关系[6 ，9，16-19 ]，可以间接推断物流业和经济发展的相互促进关系；二是物流业和经济发展的直接关系[7 ，20-29 ]。物流业的发展对于深化劳动分工、有效改善资源配置、提高制造业生产效率、推动区域经济协调发展具有重要作用。在国际上，物流产业被普遍认为是国民经济发展的动脉和基础产业，其发展程度和水平已成为衡量一个国家或地区现代化水平和综合竞争
[30]。力的重要标志，被誉为经济发展的加速器
以上分析表明物流产业集聚与经济发展相适应，其背后的驱动因素主要包括经济实力、对外开放和交通区位条件等。我
A
国东中西部地区物流 级企业的数量比例关系从
2012 5：2： 1[8]
年的 变为
2018 4：2：1，说明东中西
年
部地区的差距在缩小，或者说是全国物流产业高速发展的同时，中西部地区物流业在近年来有着更快的发展，东中西部地区发展更加
均衡。
A （二）基于区位熵和物流 级企业布局的聚类分析
2 3
结合表 和表 分析发现，物流产业集聚和经济发展的关系比较复杂，甚至存在一些矛盾的现
A象。为此，依据区位熵和物流 级企业布局，采用
4
系统聚类方法，得到表 的聚类结果。
通过聚类分析，可以发现物流产业集聚和经济发展之间主要的“矛盾”现象为：区位熵排名靠前的省份，经济实力排名比较靠后。各省的区位
A
熵均值③与物流 级企业总数的相关系数为- 0.33 5A、4A ，但是区位熵均值与 两类物流企业数
0.46。
量和的相关系数为
A （三）基于区位熵和物流 级空间分布特征的对比分析考虑到基于就业人数计算的区位熵存在的局
A限性，因此结合基于产值计算的区位熵以及物流级企业空间分布特征来进行具体分析。
3 5
就区位熵而言，表 和表 显示，西藏、浙江、
1.25，绝大部广东、江苏呈现递减趋势，数据均低于
1。辽宁、北京、内蒙古、上海呈现递增分数值低于
1.25。山东整体呈现微弱上升趋势，数据大多高于
1.25。表3趋势，但是区位熵始终小于 显示，在中国三大经济圈中，长三角经济圈的浙江、江苏、安徽，珠三角经济圈的广东，环渤海经济圈的山东、
2 A河北，区位熵平均得分排名靠后，与表 的物流级企业数量排名正好相反。相对一致的排名是上海，比较一致的排名是辽宁和北京。
A各省市区的区位熵和物流 级企业空间分布特征可以归纳为以下三种现象：第一，极端现象，即辽宁区位熵的高位高增长和西藏区位熵的大幅度递减趋势。第二，经济发达地区总体区位熵排
A
名较后，但是物流 级企业数量排名较前。第三， GDP
总量排名靠后的省份，区位熵排名总体呈现三种情况：排名靠前，如内蒙古、黑龙江、山西、海南；排名在中部，如甘肃、宁夏；排名靠后，如西藏。对于第一种现象中的西藏明显递减趋势而
2008 2016言，从就业人数看，从 年到 年，西藏的总就业人数增长了近三倍，但是物流业就业人数增
GDP长不到一倍，物流业产值占 比重也大幅度降
GDP低。显而易见，西藏物流业发展明显滞后于和第三产业中其他产业的发展。对于辽宁明显递增现象而言，2003
年中央提出“振兴东北老工业基地”战略，此后十年出台了
2007 2010多项利好政策。在 年到 年，东北经济还保持两位数增长，高于东部地区，由于物流业多基于传统产业，东北三省特别是辽宁区位熵持续增长。辽宁因为本身经济体量大，拥有区位优势（尤
2003
其是大连和营口），从 年后区位熵增长迅猛， 2007 2008
年区位熵翻番，但在 年以后基本处于下
2013行状态。部分原因是，自 年后，东北经济明显
2010减速，从区位熵看，东北三省从 年就开始下降，传统产业的制约作用显现。东北地区共有资
21
源型地级城市 个，其中煤炭型和森工型城市个
60%以上数占全部资源型城市的 [ 31 ] ，同时人口流失严重，特别是年轻人，辽宁和黑龙江的就业总人
2014口和物流业就业人口数量在 年甚至出现负增
A 2012 2018长。从物流 级企业数量看，从 年到 年，
17 135
辽宁从 个增加到 个。可见，虽然辽宁经历
GDP
了 断崖式下跌，但随着经济的逐渐复苏，辽宁存在比较明显的物流业集聚。对于第二种现象而言，江苏、浙江、广东
GDP和山东这四个省份长期占据中国 总量
1的前四位，但是区位熵历年都处于 以下，排名均比较靠后，与上海相比，四省区位熵
1998 2016
明显偏低。从 年到 年，上海呈明显增长趋势，四省中除了山东微弱增长外，其余三省都呈现明显的下降趋势。对于基于产值计算的区位熵而言，虽然四个省份的
2004 2016排名同样靠后，但是从 年到 年除上海和山东略微降低外，其余三个省份都呈现增长趋势。可见，以上分析存在三种差
A异：四省区位熵排名与物流 级企业分布的差异；四省基于就业人数区位熵和基于产值 区位熵的差异；四省与上海在两个指标上的差异。结合两种区位熵的计算结果，可以大致推断，物流业产值的增长比率超越了物流业就业人数的增长比率。背后原因可能有两点：一是人工自身效率的提升；二是智慧物流的出现，导致机器取代
A
人工。如物流 级企业代表着企业的资质，代表着
2018 A集约化的水平，四个省份 年物流 级企业总
38%。上海传统和现代产业平数占到全国总数的衡发展，拥有特殊的区位和经济发展优势，不断打造国际经济、金融、贸易、航运中心，要素资源高度聚集，拥有高端物流功能及全球物流资源配置能力，是“长江经济带”和长三角的战略龙头，智慧物流发展迅速，因而各项指标排名靠前。对于第三种现象而言，山西、内蒙、广西、黑龙
A江、海南经济排名比较靠后，物流 级企业数量不多，但是区位熵排名比较靠前，与基于产值计算的区位熵排名比较一致。这种现象与江苏、浙江、广东、山东等状况恰好相反。如前所述，各省历年区
A
位熵均值与物流 级企业数量的相关系数为负，但
5A、4A
区位熵均值与 两类企业数量和的相关系数为正，说明企业规模对区位熵存在一定的影响，如在东北三省、内蒙古、山西等拥有由传统产业形成的大型企业，除了物流业多基于其传统产业因素外，山西、黑龙江、海南第三产业发展良好，各省在2015 GDP 50%。从
年第三产业占 的比重均突破了历史数据看，山西、黑龙江、内蒙古区位熵均呈现稳定增长势头，这些省份不仅拥有传统产业的优势，同时第三产业快速发展，因此存在较明显的物
2010
流业集聚。如山西自 年成为国家级综合配套表5 1998—2007
中国部分省份 年区位熵
改革试验区后，第三产业发展迅猛，第三产业产值
GDP 2010 37%
占 的比例从 年的约 迅速增长到2016 56%，山西近年密集出台发展现代物
年的约流的相关政策和战略规划，物流业与转型综改试验区深度融合。贵州虽然其他指标均比较靠后，但是基于产
A 2012值计算的区位熵排名首位。物流 级企业从
12 2018 35 GDP
年的 个增长到 年的 个。贵州 一直
GDP保持高速增长，虽然第三产业占 比重只有45%左右，但是物流业产值增长迅猛，物流业增加
10%，成为支柱性产业。传值占地区生产总值的化集团、新加坡普洛斯、货车帮、长和长远等国内外企业都在贵州布局了物流基地。同时，形成了以大数据、信息化为特征的智慧物流业，促进了物流业的转型升级。货车帮、贵阳传化、易货嘀、贵州现代物流集团、长和长远等省内外龙头企业的数据已接入物流云，打造了物流云“贵州模式”。
以上分析可以看出，依据单个指标分析，容易造成结论分析上的偏差，结合多个指标和相关影响因素，有助于挖掘数据背后的规律。总体而言，上海、辽宁物流产业集聚明显；经济发达四省物流产业集聚指数被低估，依托雄厚的经济实力和发展，存在物流产业集聚。山西、内蒙、黑龙江、海南物流产业集聚指数存在一定的高估，但是物流产业发展快速，存在物流产业集聚。贵州因为物流
10%，也存在物流产业增加值占地区生产总值的
业集聚。
（四）物流业集聚的空间依赖性
STATA 2008—2016
运用 计算 年基于区位熵
2009的全局空间相关性莫兰指数，发现除了 年，其
5%显著性水平检验，且数值余各年指数均通过了
均为正数，2016 1%
年甚至通过了 显著性水平检验。数据结果说明，我国各省市区之间的物流产业集聚出现“两级分化”，即集聚程度高的省份空间地理上聚在一起，集聚程度低的省份空间地理上聚在一起。因为莫兰指数会随着权重矩阵的选
K择而发生较大的变化，依据 最近点权重④计算获得的全局指数最稳定[ 32 ] ，因此采用距离平方倒数作为权重矩阵，重新计算莫兰指数进行验证，结果差异较大，2013—2015 2010
年以及 年莫兰指数均未能通过验证。
2016
依据 年区位熵，计算局部空间相关性莫
STATA BOOK兰指数。首先，利用 软件，依据 方式
2016获得的权重矩阵计算的 局部莫兰指数，只有
5%显著性水平内蒙古、辽宁、吉林和上海通过了
K
检验。依据 最近点权重获得的权重矩阵计算的2016
年局部莫兰指数，只有上海、辽宁、吉林和西
5%显著性水平检验。在两者分析结果藏通过了中，上海、辽宁和吉林的数值比较接近。其次，在Geoda BOOK
软件同样采用 方式和距离倒数作为
Geoda权重矩阵，获得了相似的结果。再次，在 软
BOOK
件同样采用 方式和距离倒数作为权重矩阵，使用基于产值计算的区位熵分析，也获得了相似的结果。所谓相似的结果，就是只有个别省份通
5%显著性水平检验，只是省份略有差别。过了
通过以上分析看出，我国在总体上存在物流业集聚的空间依赖性，且随着时间推移逐渐增强，但是局部的空间相关性没有很好的数据支撑，其背后可能的原因是数据统计获取的可得性和统计指数本身的局限性，当然还可能有社会和制度因素，如生产性服务业的“本地偏好”和行政区经济、市场分割等现象仍普遍存在，以及基于财政分权
[6]。制度的地方保护主义等
四、中国物流企业布局和产业集聚格局变革的驱动因素
基于上述研究，目前物流产业发展趋势背后存在三种驱动因素，或者说三种力量：传统产业因素、现代科技因素和区位优势因素。三种力量组合的动态变化，影响着东中西部地区各省市区物流企业布局、产业集聚格局的变革。（一）智慧科技驱动物流产业升级物流业紧密衔接着生产与消费、原料与加工、进口与出口等诸多环节，可以说，如果没有物流业的转型升级，制造业等实体经济的转型升级必将沦为空谈。
人工智能等智慧科技驱动物流产业全面升级为智慧物流。智慧物流是以物流互联网和物流大数据为依托，通过协同共享创新模式与人工智能先进技术，重塑产业分工，再造产业结构，转变产业发展方式的新生态。如新业态中的平台型经济模式，包括运满满、货车帮、福佑卡车、卡行天下、路歌等，成为行业变革的重要力量[ 33 ]。人工智能
技术包括运输配送仓储中的货物跟踪定位、无线射频识别、可视化、移动信息服务、导航集成系统、二维码、集成传感等物联网感知与大数据、机器人影像识别拣选、高密度存储机械臂拣选、语音拣选等技术不断发展，物联网、云计算、大数据、区块链技术在物流业加速普及且成效显著，智能仓库、仓储机器人、无人驾驶、无人机配送技术取得根本性突破。
产业升级的一个直接后果就是机器替代人工。同时，随着我国劳动人口数量不断下滑，人口红利已经消失，人工成本快速攀升，企业用工荒问题愈发严重，加速了物流机械化、自动化、智能化的进程，机器逐步代替人工，无人仓、无人港、无人机、无人驾驶、物流机器人等一批国际领先技术正在推广应用。全球最大自动化码头上海洋山港四期试运营，京东首个全流程无人仓投入使用[ 34 ]。因此采用产业就业人数计算的集聚指数衡量地区产业集聚和专业化程度，应当随着产业结构的升
2017级而进行调整。例如，从公布的 年国家智能
10
化仓储物流 家示范基地分布可以发现，上海、北
2 1京、广东各 家，江苏、山东、湖北和吉林各 家，其先进的智能化对人工的需求已大大减少。因此可以说，三大经济圈（特别是发达省份）的物流产业集聚程度因为智慧物流驱动的产业升级存在一定程度上的低估。
（二）区位优势构建和后发赶超三种变革力量加速中西部省份的后发赶超进程，从而打造更加均衡合理的物流产业集聚格局。布局越均衡合理，资源配置效率越高，物流成本越低。
第一，传统地理形成的区位优势格局将被交通运输方式的不断变革以及国家“一带一路”政策所打破，中西部不断构建新型区位优势，从而加速现有物流产业布局的变革，为内陆省份实施“走出去”战略提供新路径。中欧班列迅猛发展，打破了沿海省份基于地理区位的垄断优势，使内陆省份能够深度参与自由贸易和全球产业分工。截至2016 31
年底，国内已有 个城市陆续开通去往德国
28杜伊斯堡、汉堡和西班牙马德里等 个欧洲城市的中欧班列。中欧班列的始发城市逐步从重庆（2011 年）、武汉（2012 年）、成都（2013
年）、郑州（2013年）、西安（2013
年）等中西部城市扩展到广 州（2013年）、苏州（2013年）、义乌（2014
年）、营口（2014年）、东莞（2015年）、连云港（2015
年）、厦门（2015 2017
年）等东部沿海城市[ 35 ]。从 年数据看，成都、重庆、郑州是国内班列开行数量最多的城市。随着铁路运输对海运的替代以及航空运输的不断发展，内陆省份不断构建完善的国际物流体系，拥有路上运输优势的同时，成本不断降低，有利于全球产业链的整合发展。如中欧班列更适应汽车和电子电器等产业对全球供应链管理的需求。第二，沿海省份不断升高的各种成本，将加快产业向内陆和东南亚转移的速度，从而促进内陆物流产业的发展。如现今越来越多的贸易导向型产业向内陆转移，跨境电商的物流基地向郑州等自贸区聚集。第三，西部大开发、中部振兴、东北振兴、丝绸之路经济带、转型综改试验区等各种国家发展战略的实施，都将为中西部的后发赶超提供政策支持。可见，中西部将因为陆上通道的打通，借助物流产业的快速发展，依托国家政策，创造后发赶超的新路径。陆上通道将为物流业提供新的发展机遇，极大提升物流发展的质量和水平。如多式联运的发展，引入全新的生产方式、贸易方式和结算方式。陆上“走出去”的战略不仅表现在产品输出，未来将不断形成新的全球产业链、价值链，从而促进中西部经济增长极和新兴经济圈的形成。同时，智慧物流也为中西部省份的后发赶超提供了新动力和新契机。如国家发布首批28
家骨干物流信息平台试点名单中，中西部省份山西、黑龙江、贵州等多省位列其中，而且山西一
2
省拥有 家骨干物流信息平台。
五、结论与讨论
新常态下的物流产业在国民经济中的战略作用随着智慧物流的发展而越加凸显。近年在物流企业布局和产业集聚相关研究中，逐步形成了地理学、管理学和经济学研究的交叉和融合，关注层次逐渐从服务业、生产性服务业聚焦到物流产
2018 1 A业。本文基于截至 年 月的物流 级企业数
2008—2016
据，利用 年各省市区产业集聚指数及
A基于指数的空间相关性系数，研究了物流 级企业的分省空间分布、物流业集聚状况和空间相关性。
在使用指标的同时，必须明确其局限性，防止
在分析结果时绝对化和片面化。指标的局限性同时也制约着后续的研究。依据单个指标分析，容易造成分析结论的偏差，而结合多个指标和相关数据、影响变量，有助于挖掘数据背后的规律。考虑到基于就业人数计算的区位熵存在的局限性和
A级复杂性，本文结合基于产值的区位熵以及物流空间分布特征来进行指标修正。依据物流业和经济发展关系的理论研究和实践，并结合新常态下智慧物流现代科技、传统产业和区位优势三种力量组合的动态变化，研究了各省市区产业集聚状
A况及其背后的驱动因素。研究发现，物流 级企业的分省空间分布与各省经济发展总体一致，但是
A
物流业集聚状况与物流 级企业的分省空间分布、各省经济发展存在着复杂关系。总体而言，上海、辽宁物流产业集聚明显；经济发达的四省物流产业集聚指数被低估，山西、内蒙、黑龙江等省物流产业集聚指数存在一定的高估，二者均存在物流产业集聚。贵州因为基于产值计算的区位熵排名
10%，也存首位，物流业增加值占地区生产总值的在物流产业集聚。这些矛盾现象充分反映了产业集聚统计分析的局限性，通过对比验证分析，指出了指标偏差的内在原因及指标修正的必要性，并在此基础上阐释了物流业格局动态变革的内在驱动因素。同时，由于数据统计获取的可得性和统计指数本身的局限性，以及社会和制度因素等影响，各省产业集聚指数的空间相关性有限，显著性不足。
可见，目前迫切需要明确物流业的统计口径，开展物流产业独立、完整的各项指标统计，从而为相关研究构建精确的数据基础。物流业集聚指标不仅要考虑其自身的局限性，随着智慧物流的发展，物流产业集聚指标需要进行修正和重构，从而为空间计量分析等后续研究提供更加精确的数据来源。
注释：
①企业名录来源于中国物流与采购联合会。
②表1
的东中西部地区的界定是（不含港澳台地区）：东部包括辽宁、北京、天津、山东、江苏、上海、浙江、福建、广东、广西、海南，中部包括吉林、黑龙江、山西、内蒙古、河南、安徽、湖北、湖南、江西，其他省市区为西部地区。下同。③2008 2016
年到 年各省区域熵平均值。④权重取值为两地距离m
次幂的倒数。 参考文献：
[1]国家统计局.中华人民共和国2017
年国民经济和社会发展统计公报[EB/OL]（. 2018-02-28）[2018-10-26].http：//www. stats.gov.cn/tjsj/zxfb/201802/t20180228_1585631.html. [2]何黎明“.
新常态”下的“及时雨”——《物流业发展中长期规划（2014—2020）》解读[J].中国物流与采购，2014（20）： 26-27. [3]吴学花，杨蕙馨.中国制造业产业集聚的实证研究[J].中国
工业经济，2004（10）：36-43. [4]陈建军，陈国亮，黄洁.新经济地理学视角下的生产性服
222务业集聚及其影响因素研究——来自中国 个城市的经验证据[J].管理世界，2009（4）：83-95.
[5]钟祖昌.
空间经济学视角下的物流业集聚及影响因素31个省市的经验证据[J].山西财经大学学报， ——中国
2011（11）：55-62. [6]余泳泽，刘大勇，宣烨.生产性服务业集聚对制造业生产效率的外溢效应及其衰减边界——基于空间计量模型的实证分析[J].金融研究，2016（2）：23-36. [7]李剑，姜宝.物流产业集聚对区域经济增长影响研究——基于省际数据的空间计量分析[J].中南大学学报（社会科学版），2016（4）：103-110. [8]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）：134-144. [9]王珍珍，陈功玉.我国物流产业集聚对制造业工业增加值影响的实证研究——基于省级面板数据的分析[J].上海财经大学学报，2009（6）：49-56. [10]钟昌宝，钱康.长江经济带物流产业集聚及其影响因素研究——基于空间杜宾模型的实证分析[J].华东经济管理，2017（5）：78-86. [11]张勇.生产性服务业空间集聚的实证研究[D].沈阳：辽宁
大学，2012. [12]杨超，宋维明，戴永务.空间异质性视角下中国制造业集
聚度测算差异研究[J].统计与信息论坛，2016（9）：28-33. [13]刘长全.溢出效应、边界选择与产业集聚测度[J].产业经
济研究，2007（4）：1-9. [14]罗勇，曹丽莉.中国制造业集聚程度变动趋势实证研究
[J].经济研究，2005（8）：106-115. [15]熊灵，魏伟，杨勇.贸易开放对中国区域增长的空间效应研究：1987—2009[J]. 刊），2012（3）：1 0371
经济学（季058. [16]彭本红，冯良清.现代物流业与先进制造业的共生机理
研究[J].商业经济与管理，2010（1）：18-25. [17]苏秦，张艳.制造业与物流业联动现状分析及国际比较
[J].中国软科学，2011（5）：37-45. [18]吉亚辉，段荣荣.生产性服务业与制造业协同集聚的空间计量分析——基于新经济地理学视角[J].中国科技论坛，2014（2）：79-84.
[19]朱慧，周根贵，任国岩.制造业与物流业的空间共同集聚研究——以中部六省为例[J].经济地理，2015（11）：117124.
[20]GILLEN D W. Transportation infrastructure and economic development：a review of the recent literature[J].Logistics & transportation review，1996（1）：39-62.
[21]BUTTON K，TAYLOR S. International air transportation and economic development[J].Journal of air transport man⁃ agement，2000（4）：209-222. [22]贾海成.物流产业发展与区域经济关联分析——以天津
和上海为例[J].科技进步与对策，2012（23）：44-49. [23]张建升.中国区域物流发展水平差异及其形成机理研究
[D].成都：西南交通大学，2012.
[24]COTO- MILLÁN P，AGÜEROS M，CASARES- HON⁃ TAÑÓN P，et al. Impact of logistics performance on world economic growth （2007—2012）[J].World review of inter⁃ modal transportation research，2013（4）：300-310. [25]魏修建，陈恒.物流发展驱动要素对经济增长贡献度的区域差异性研究——基于丝绸之路经济带西北地区面板数据模型的实证分析[J].上海经济研究，2014（6）：14-22. [26]LEAN H H，HUANG W，HONG J. Logistics and econom⁃ ic development：experience from China[J].Transport poli⁃ cy，2014（1）：96-104. [27]陈博文，陆玉麒，柯文前，等.江苏交通可达性与区域经 济发展水平关系测度——基于空间计量视角[J].地理研究，2015（12）：2 283-2 294.
[28]HAYALOGLU P. The impact of developments in the logis⁃ tics sector on economic growth：the case of OECD countries [J].International journal of economics & financial issues， 2015（2）：523-530. [29]高秀丽.物流业与区域经济协调发展研究[D].广州：华南
理工大学，2013. [30]李绩才，吴坚.浙江现代物流业与经济增长的互动关系
研究[J].华东经济管理，2011（3）：6-8. [31]于婷婷，宋玉祥，阿荣，等.东北地区人口结构与经济发
展耦合关系研究[J].地理科学，2018（1）：114-121. [32]徐彬.空间权重矩阵对Moran's I
指数影响的模拟分析[D].南京：南京师范大学，2007. [33]何黎明.中国智慧物流发展趋势[J].中国流通经济，2017
（6）：3-7. [34]何黎明.推动物流高质量发展努力建设“物流强国”—— 2017年我国物流业发展回顾与展望[J].物流技术与应用，2018（2）：54-57.
[35]王姣娥，焦敬娟，景悦，等“.
中欧班列”陆路运输腹地范围测算与枢纽识别[J].地理科学进展，2017（11）：1 3321 339.
责任编辑：方程