“互联网+”制造业与现代物流服务业互动发展研究

来源:用户上传      作者:

　　 摘要：当今社会已全面步入“互联网+”时代，新一代信息技术在各个生产领域的应用与渗透，促进了融合型产业体系的构建与发展。制造业与现代物流服务业跨界融合发展必将促进社会产业结构的优化升级，提高经济运行质量。文章采用VAR向量自回归模型，运用浙江省1988年～2017年时间序列数据，分析了浙江制造业与现代物流业之间的互动协同关系。结果显示，现代物流服务业与制造业之间互为格兰杰原因而且存在长期协整关系;脉冲响应函数的标准差冲击分析表明浙江省制造业和现代物流服务业之间已经具有了持续性的互动关联效应，但是产业间关联效应明显低于两种产业的自我增强效应;方差分解显示各内生变量对预测方差的贡献度方面制造业产生的影响占主体，要远大于现代物流服务业。最后为促进两种产业互动协同发展提出了三点建议。
　　关键词：“互联网+”;制造业;现代物流服务业;跨界融合
　　一、 引言
　　 现代物流服务业区别于传统物流业的重要特征在于它是以“互联网+”新一代信息技术作为重要支撑，连结物流、信息流、资金流，通过提供专业化、系统化、信息化的物流运输服务为现代制造业和商贸流通业的发展注入新鲜活力。2009年3月国务院发布了《物流业调整和振兴规划》，文件中将制造业与物流业联动发展列为“九大工程”之一。传统制造业内部物流环节随着产业分工细化而向外转为第三方外包，由此产生的需求释放推动了物流服务业的发展和壮大;而现代物流业作为生产性服务业的重要组成部分，主要为制造业的生产过程提供中间服务，有效促进上下游各生产环节沟通与衔接，缩短生产要素流转时间，已经成为制造业提高自身核心竞争力的重要影响因素。因此中国政府在《中国制造2025》行动纲领中提出要加快生产性服务业发展，壮大第三方物流以提高其对制造业转型升级的支撑能力，提升全要素生产率。
　　 二、 研究综述
　　 随着工业“互联网+”时代的到来，产业间边界越来越模糊，跨界融合发展成为各产业发挥比较优势的必然选择。制造业与现代物流服务业的关系早已受到国内外学者的关注，搜集整理相关文献大多是基于产业关联视角开展的理论研究和实证分析。理论研究方面国外学者多从物流外包角度出发，在20世纪70年代～90年代德国、美国等发达国家就已经出现了物流外包服务影响制造业经济效率的研究;Lieb，Bentz（2004）提出美国制造业企业在积极参与国际分工时积极选择物流外包，降低了企业运输成本、提高核心竞争力;Egger等（2001;2006）认为资本密集型高技术产业的外包服务对提升制造业劳动生产率作用更大，即高技术下的专业化分工对于提升制造业生产效率更明显。杨依杭、鞠颂东（2015）基于产业关联视角分析德国物流业与制造业联动发展对中国的启示认为德国快速发展的物流业有效推动了制造业进行业务流程改造，很好地服务了德国制造业，对其制造业的国际化起到了很好的支持作用。赵胤斐，冯晖（2018）等分析了物流业与制造业的物流供需协同机制，认为物流业和制造业的协同发展，能够促进两业已有资源的合理配置，使得区域内整个产业结构不断转型升级。也有学者通过实证分析研究两者的关系。王健，梁红艳（2012）运用中国省际层面以及制造业行业细分面板数据进行实证分析的结果表明：样本期间内，我国物流业的发展水平是制造业生产效率提高的一个重要因素。李光明等（2017）利用2006年～2015年我国30个省份（西藏除外）的面板数据，基于空间杜宾模型分析物流产业集聚对我国制造业劳动生产率的作用及空间溢出效应。结果表明物流产业集聚与地方财政支出均显著为正，是制造业劳动生产率提升的重要源泉。蔡志强、蔺继娟（2019）利用柯布—道格拉斯生产函数考察物流业与制造业关系，得出结论为物流业的发展会显著地促进东部省份制造业效率的提升。
　　 通过梳理上述文献可以看出，目前国内外关于物流服务业与制造业关系的研究更多单方面侧重于物流业对制造业效率提升的影响，少有研究两者之间彼此的相互影响。然而随着国际产业分工深化，我国经济由高速增长阶段转向高质量发展，制造业转型升级和物流业提质增效之间是相互促进、相互推动的。因此本文以我国制造大省浙江为作为研究对象，将其现代物流服务业与制造业同时作为内生变量，运用计量经济学向量自回归模型VAR，研究两者之间的互动关系，为促进浙江现代物流服务业与制造业的协同发展提供有益的政策建议。
　　 二、 “互联网+”制造业与物流服务业互动发展机理研究
　　 1. “互联网+”物流——价值链嵌入，助推制造业产业升级。长期以来我国制造业一直处于全球价值链的低端，产品技术含量低、附加值低。因此“互联网+”带动的新一轮的工业革中，我国制造业的发展目标是基于战略性的结构调整、转型升级向价值链高端攀升。Porter把制造业价值链细分为技术研发、原料采购、生产加工、产品发运、市场营销和售后服务等环节。在整个价值链上现代运输服务业通过借助“互联网+”信息化大数据平台，为制造业提供专业化的服务外包，有效连接原材料采购、流通加工、仓储配送、成品运输等各上下游各环节，不可替代的嵌入到制造业价值链中，不但为制造业货物顺利流通提供了有效保障，而且实现了整个运输环节时间的缩减和以及空间的拓展，降低了制造企业的成本，有效提高其生产效率。另外随着现代运输服务业不断向技术密集型和知识密集型的转变，其在制造业技术研发、市场营销、售后服务等环节也可以提供人力、技术、资本的支撑与服务，有效助推制造业向价值链中高端攀升，实现转型升级。
　　 2. “互联网+”制造——需求释放，助推物流服务业规模化发展。传统制造业物流运输环节全部由企业内部部门完成，隨着社会产业分工和“互联网+”制造业升级的发展，制造企业将产品研发、技术创新作为提升核心竞争力的关键要素，因此将人力、物力、财力等重点放在了提升核心竞争力推动价值链攀升上。而将价值链上的采购、运输、仓储等活动外包出去，形成了第三方外包的市场需求，由此便推动了物流服务业的产生和发展。为了更好的满足制造企业对物流服务水平和质量的需求，现代物流服务业自身的专业化、标准化、信息化也在不断的提高。同时由于制造业产业集聚效应的不断释放，带动了现代物流服务业规模不断扩大，逐渐形成产业集聚，集聚区内的物流企业通过资源共享、优势互补实现功能的提升，彼此间协作互助以“一体化”的形式，提供“一站式”物流服务，促进产业间生产效率的提高。 　　 三、 浙江制造业与物流服务业互动发展实证分析
　　 1. 变量选取与模型设立。为深入分析浙江省制造业和现代物流服务业之间的融合促进发展关系，文章选取浙江省1988年～2017年制造业产值MI（Manufacturing Industry）和物流服务业产值LS（Logistics Service Industry）作为统计变量，在实证分析的过程中本文对变量制造业MI和物流服务业LS进行自然对数处理（LnMI制造业产值的自然对数、LnLS物流服务业产值的自热对数）作为统计变量，主要是为消除异方差对统计分析的影响，提高预测准确度。
　　 本文运用向量自回归模型VAR来估计浙江省制造业（LnMI）与现代物流服务业（LnLS）之间的长期动态均衡关系。该模型由西姆斯1980年提出，能够预测和分析随机扰动对系统动态冲击的大小、正负及持续的时间，是一种动态非结构性的方程组模型。在一个VAR模型中假如有n个变量，滞后期为k，则VAR模型的一般形式可用下式表示：
　　 Zt=？撞ki=1AiZt-i+Vt
　　 其中，Zt表示t期时间序列构成的列向量，Ai为系数矩阵，Vt是随机误差项。
　　 2. 变量检验。
　　 （1）变量平稳性ADF根检验。利用Eviews10.0对制造业产值自然对数LnMI和物流服务业产值自然对数LnLS进行ADF单位根检验，结果显示在5%和10%检验水平下LnMI、LnLS均存在单位根，是不平稳的;而其一阶差分序列DLnMI、DLnLS却是平稳的，因此文章将以一阶差分后的DLnMI、DLnLS值进行后续分析。
　　 （2）因果关系格兰杰检验。为判断浙江制造业和现代物流服务业之间是否存在因果关系，文章运用Eviews10.0进行格兰杰检验。统计分析结果证明，在5%的显著性水平下，变量DLnMI、变量DLnLS互为格兰杰原因。即DLnMI和DLnLS之间具有显著的双向因果关系，相互具有推动和促进作用。
　　 （3）协整检验。在建立VAR模型之前有必要对变量之间的协整性进行检验。由于文章选取的制造业和物流服务业一阶差分后的序列DLnMI和DLnLS是平稳序列，满足协整检验的前提，本文使用Engle和Granger提出的协整检验方法对变量进行检验，结果表明在5%水平下，浙江省制造业和现代物流服务业之间存在两个协整方程，即他们之间存在长期协整关系。
　　 3. VAR模型实证分析及结果。
　　 （1）VAR模型构建。将1988年～2017年浙江制造业和服务业一阶差分后的数据导入Eviews10.0统计分析软件，运算得出VAR模型内的相关参数，并带入矩阵式为：
　　 YtXt=0.508 148 0.416 7850.639 930 0.306 676Yt-1Xt-1+
　　-0.932 205 0.729 317-0.900 449 0.636 384
　　Yt-2Xt-20.033 4230.046 436（1）
　　 将Yt=DLnMI和Xt=DLnLS代入矩阵并转换为线性方程组为：
　　 DLnMI=0.508 148DLnMI（-1）+0.416 785DLnLS（-1）-0.932 205DLnMI（-2）+0.729 317DLnLS（-2）+0.033 423
　　 DLnLS=0.639 930DLnMI（-1）+0.306 676DLnLS（-1）-0.900 449DLnMI（-2）+0.636 384DLnLS（-2）+0.046 436（2）
　　 模型内相关系数所显示的制造业和服务业之间的关系要进一步通过脉冲响应函数和方差分解进行分析。
　　 （2）VAR模型稳定性检验。表1和图1的检验结果显示所有的单位根的倒数的模都小于1，而且都落在单位圆之内，证明文章上面建立的VAR模型是稳定的，可以进行下一步的实证结果分析。
　　 （3）实证结果分析。
　　 ①脉冲函数：脉冲响应函数分析的是VAR模型中来自内生变量的冲击对自身和其它内生变量带来的影响。图2中横轴表示冲击作用的滞后期数，纵轴分别表示物流服务业和制造业受到标准差冲击后的值，实线部分是VAR模型脉冲响应函数，虚线代表标准差偏正負两倍的偏离带。图2第一幅图显示的是来自制造业自身的标准差冲击对其产生的影响，第一期时出现正向响应，且达到最大值约为0.071 604，到第6期时这种响应趋向于零，这说明浙江制造业自我增强效应持续良好;第二幅图显示的是来自现代物流服务业的标准差冲击对制造业的影响，第1期没有响应，之后便开始出现正向的响应，一直持续到第8期，其中第3期最大0.014 848，这说浙江物流服务业对制造业具有持续正向影响效应。第三幅图表明物流服务业对于来自制造业的一个标准差的冲击，在第一期达到最大值0.013 891，第7期开始，这种响应就逐渐的趋于零;第四幅图中物流服务业自身的一个标准差冲击从第一期开始就有正向响应，到第2期达到最大值约为0.064 852，然后逐渐下降，从第6期开始这种响应趋于零。综上脉冲响应函数图示说明虽然浙江省制造业和现代物流服务业之间已经具有了持续性的互动关联效应，但是这种产业间关联效应明显低于两种产业的自我增强效应。
　　 ②方差分解。方差分解（Variance Decomposition）是进一步评价各内生变量对预测方差的贡献度。图3的第一幅图显示，在第1期时，由制造业自身扰动引起的预测方差为100%。从第4期之后，制造业的预测方差96%由自身引起，另外的4%则来自于现代物流服务业;从图3的第二幅图可以看出，现代物流服务业的预测方差在第1期时只有5%左右是来自于其自身，制造业引起的部分占到了95%。而后到了第5期开始，现代物流服务业的预测方差94%由制造业扰动引起，另外的6%则来自于现代物流服务业自身。说明在融合互动发展过程中，制造业产生的影响占据了主体地位，而且这种影响是远远的高于现代物流服务业。 　　 四、 结论与对策
　　 1. 结论。文章选取1988年～2017年浙江制造业LnMI和物流服务业LnLS作为分析变量，收集整理1988年～2017二产产值的时间序列，首先分析了制造和物流服务业融合互动发展的机理;其次通过VAR模型、脉冲响应函数、方差分解等计量工具，对两种产业间的互动融合关系进行了实证分析，共得出以下几点结论：
　　 （1）沖响应函数：浙江制造业和现代物流服务业之间已经具有了持续性的互动关联效应，但是产业间关联效应明显低于两种产业的自我增强效应。
　　 （2）方差分解：各内生变量对预测方差的贡献度方面制造业产生影响占主体，要远大于现代物流服务业。制造业对现代物流服务业的需求拉动作业大于物流服务业对制造业的支撑和牵引作用。
　　 2. 对策。
　　 （1）立足制造，加快制造业物流外包。现代物流业的规模化、高效化发展依赖的是制造业释放的市场需求，目前我国制造业和物流业还存在着有效需求不足和供应能力不足并存的矛盾，因此还是要以加快发展制造业为基础。鼓励和引导制造企业改造业务流程，分离外包物流业务，将物流资源内部活动转化为市场需求，促进物流活动外包的发展。另外要加强制造业产业集聚的物流功能整合，统筹规划建立现代化物流服务体系，为制造业物流需求释放提供有效的外部服务条件。
　　 （2）创新物流，提升专业化服务水平。作为生产性服务业，服务水平和服务质量直接决定了现代物流服务业发展的高度和广度。因此现代物流服务业应以现代信息技术为支撑，强化服务意识、创新服务形式、优化服务内容为制造企业提供多样化、个性化的物流服务。同时现代物流服务业应该构建物流服务质量管理、监督、评价体系一体化的保障体系，通过不断提供优质服务与制造业建立长期稳定合作关系，驱动制造业升级。
　　 （3）人才储备，加强物流专业人才的培养。随着现代物流服务业智能化、标准化、信息化的快速发展要求有相关专业从业人员作为支撑，然而相关数据显示目前物流业整体就业队伍中具有专业知识背景的人员所占比重还比较小，尤其是掌握智慧物流知识的专业人员更是少之又少。因此，应该鼓励各物流企业与各高等学校尤其是高职院校通过订单班、定向委培班等形式开展合作育人，根据物流行业发展和企业人才需求开设相关课程;同时物流企业也要紧跟形势发展和行业需求不断加强当前从业人员的业务知识和技能培训。
　　参考文献：
　　[1] Lieb RC，Bentz B A.The Use of Third Party Logistics Services by Large American Manufacturers：the Survey[J].Trans-portation Journal，2004，（2）：5-15.
　　[2] Egger P， Pfaffermayr M， Wolfmayr-schnitzer Y.The International Fragmentation of Austrian Manufacturing：the Effect of Outsourcing on Productivity and Wages[J].North American Journal of Economics and Finance，2001，（3）：257-272.
　　[3] Egger H， Egger P.International Outsourcing and the Productivity of Low-skilled Labor in the EU[J].Economie Inquiy，2006（1）：98-108.
　　[4] 赵胤斐，冯晖.物流业与制造业的物流供需协同机制及模型构建[J].商业经济研究，2018，（10）：85-87.
　　[5] 杨依杭，鞠颂东.德国物流业与制造业联动发展对中国的启示——基于产业关联视角的研究[J].国际贸易，2015，（10）：85-87.
　　[6] 王健，梁红艳.物流业发展对制造业效率的影响——基于地区和行业面板数据的分析[J].中国流通经济，2012，（2）：27-32.
　　[7] 李光明，马磊，潘磊.物流产业集聚对制造业劳动生产率的影响机理研究——基于空间杜宾模型[J].工业技术经济，2017，（12）：106-113.
　　[8] 蔡志强，蔺继娟.我国东部省份物流业发展对制造业效率的影响[J].经理论研究，2019，（4）：61-71.
　　[9] Porter M E.Competition in Global Industries[M].Boston： Harvard Business Press，1986.
　　[10] 陈晓峰.长三角生产性服务业与制造业的互动关系检验——基于VA模型的动态实证分析[J].国际商务，2014，（4）：34-39.
　　基金项目：2019年度浙江省哲学社会科学规划课题“全要素视角下“互联网+”促进浙江制造业转型升级效率研究”（项目号：19NDJC131YB）;2018年浙江省人力资源和社会保障科学研究课题“互联网+”背景下浙江制造业产业结构调整的就业影响效应研究（项目号：2018067）。
　　作者简介：魏艳秋（1980-），女，汉族，辽宁省朝阳市人，绍兴职业技术学院范蠡商学院专业负责人，副教授，硕士，研究方向：产业经济。
　　收稿日期：2019-11-21。
转载注明来源:https://www.xzbu.com/3/view-15135693.htm