产业协同集聚组态对物流业绿色全要素生产率的影响研究

刘中艳 黄 盼

(湖南工业大学商学院，湖南 株洲 412007)

党的二十大报告提出，高质量发展是全面建设社会主义现代化国家的首要任务，要着力提高全要素生产率，着力提升产业链供应链韧性和安全水平，着力推进城乡融合和区域协调发展。而物流业作为市场经济的经脉，是产业链供应链的枢纽，是城乡融合与区域协调发展的基础。现阶段却大而不强，效率不高。

基于此本课题不禁思考：物流业与其他行业协同集聚能否赋能物流业绿色全要素生产率提升？如果能，与物流业协同集聚的其他行业中是否存在一个或一个以上的主导行业来赋能物流业绿色全要素生产率提升？赋能物流业绿色全要素生产率提升的行业组合是否唯一？回答以上问题，对于加快物流业与其他行业深度融合、助推物流业高质量发展具有重要意义。

一、文献综述

(一)产业协同集聚与物流业GTFP的相关研究

产业协同集聚与绿色全要素生产率(以下简称GTFP)的关系是近年来学界的研究热点。学界关于GTFP的研究最开始来自于对全要素生产率(以下简称TFP)的研究，因TFP不能反映出产业的高能耗、高排放等资源环境约束条件，故而逐渐将研究重心转向GTFP。

产业协同集聚与GTFP的前身TFP关系密切，信息业、租赁和商务服务业、软件业和金融业与制造业协同集聚[1]，交通运输、仓储和邮政业、科学研究和技术服务业与制造业协同集聚[2]既能促进城市TFP提升，又能促进制造业TFP增长[3]。同时，产业协同集聚也能通过降低企业交易成本和提升企业创新活动来赋能企业GTFP增长[4]。关于物流业GTFP的研究方面，现有研究中仍是关于物流业TFP的研究较多。技术进步、FDI均能对物流业TFP产生正向影响，而区域创新能力、对外开放程度、能源生产率、绿色技术进步指数[5]能对物流业GTFP产生正向影响。

(二)物流业与其他产业的相关研究

物流业属于生产性服务业，与我国多数行业联系密切。通过中国知网数据库检索与物流业相关的行业，检索时间跨度为所有年份，截至2023年7月18日，共获得617篇文献，依据出现频次由大到小排序依次是制造业、农业、电子商务业、金融业、商贸业、旅游业、信息业。因电子商务业与商贸业存在诸多共性，后续研究中统称为商务业。

物流业与制造业融合发展体现在技术、市场和业务多个方面[6]，制造业集聚主要通过扩大物流业规模来促进物流业发展[7]，同时制造业人力资本和规模也能产生正向影响[8]。物流业对农业的影响显著[9]，物流业集聚能显著促进当地农业GTFP提升[10]，其耦合协调发展有助于健全物流业的社会服务体系[11]。物流业与商务业关联度高，商务业繁荣带来的供需规模增长促进了物流业发展[12]。同时电子商务的应用与发展也显著带动了物流业的发展。物流业与金融业协同发展给物流企业带来了新的利润增长空间[13]，促进其深度融合是我国现阶段产业发展的重要方向。互联网金融业的发展给物流业带来了新的发展机遇[14]。物流业与旅游业的协调程度与协调性问题很重要。物流业为旅游业提供了重要的保障作用，旅游业的繁荣又促进了物流业发展[15]。物流业与信息业关联度高，信息业对物流业的拉动作用更大，能有效提升物流业运转效率，降低物流出错率[16]。

二、机理分析

文章基于产业协同集聚视角构建理论模型，如图1所示。影响因素方面，物流业GTFP的高低受物流业与多产业协同集聚的影响，本文在查阅了大量文献的基础上选取了六个与物流业联系最为密切的行业为前因变量，其中实体产业包括制造业、农业、旅游业和商务业，非实体产业包括金融业和信息业。

图1 产业协同集聚对物流业GTFP的影响机制

影响机制方面，产业协同集聚对TFP存在正向与负向的双重影响机制。依据产业集聚理论和经济增长理论，物流业与相关产业发生协同集聚后，将产生知识溢出效应、竞争优势效应和规模经济效应等正向影响提升自身GTFP。但当其协同集聚达到一定程度后，将会受到过度集聚所带来的拥挤效应与沉没成本等负向影响，抑制物流业GTFP提升。具体来说，实体产业为物流业带来了区域内、区域间的物流需求，促进物流业形成规模经济效应，当物流业协同集聚达到一定程度后，又将引致竞争优势效应与拥挤效应。知识溢出效应则主要体现在与非实体产业协同集聚上，金融业与信息业为物流业进行多方面赋能，金融业为物流业提供更好的融资环境，能有效优化资金配置；信息业则赋能物流业向数字化、智能化转型，实现物流业的技术升级与改造。

三、变量选择和数据来源

(一)条件变量

选取物流业与制造业、农业、旅游业、金融业、信息业、商务业的协同集聚指数2016-2020年的均值作为条件变量。相关指标说明与数据来源如表1所示。借鉴任阳军[2]的研究，分别构建区位熵指数(Lq)和产业协同集聚指数(Co)，数学表达式如式(1)和式(2)所示。式(1)中，Eij表示i省份j产业的从业人数，Ej表示j产业的全国从业人数，Ei表示i省的从业人数，E表示全国从业人数。采用各地区年鉴中分行业“年末单位从业人员数”表示从业人数。式(2)中，m表示i省份的物流业；n表示i省份的n产业。

Lqij=(Eij/Ej)/(Ei/e)

(1)

(2)

(二)结果变量

选取“十三五”期间2016-2020年我国30个省(自治区、直辖市)(不含西藏和港澳台)的物流业GTFP均值作为结果变量，借鉴已有研究，采用考虑非期望产出的Super-SBM与Malmquist指数模型对物流业GTFP进行测度，选取资本投入、劳动力投入、能源投入作为投入指标，选取物流业增加值、货运周转量、CO2排放投入作为产出指标。其中能源投入数据通过将物流业所消耗的原煤、汽油、煤油等能源，统一转换为标准煤后加总所得[17]；CO2排放数据则根据IPCC2006碳排放计算指南进行测算[18]。因物流业相关数据的匮乏，采用交通运输、仓储及邮政业的相关数据来表示物流业的数据。相关指标说明与数据来源如表1所示：

表1 指标及变量选取说明

四、定性比较分析

定性比较分析法(QCA)由美国社会学家查尔斯·拉金于1987年首次提出[19]。QCA是一种集合分析的方法。基于布尔代数，以整体视角分析条件变量与结果变量间的因果关系。根据变量类型可将QCA分为清晰集(csQCA)、多值集(mvQCA)和模糊集(fsQCA)三种方法。本文后续研究中选取fsQCA方法进行分析。

(一)变量的校准

借鉴前者研究并结合实际情况对变量数据进行模糊集校准。设定3个锚点，完全不隶属值设为25%分位数值、交叉值设为50%分位数值、完全隶属值设为75%分位数值。校准后变量介于0-1内，数值越高，则表示隶属度越高[19]。详见表2。

表2 变量信息及校准锚点表

表3 必要性检测

(二)数据分析与实证结果

1. 单变量的必要性分析。正式进行fsQCA分析之前，需排除必要条件对组态分析的影响，当条件变量的一致性数值超过0.9时被认定为结果变量的必要条件[20]。由表3可知，6个条件变量均通过必要性检测，文章可进一步探究物流业与6个条件变量的联动作用对我国区域物流业GTFP的影响。

2.条件组态的充分性分析。使用fsQCA软件对数据进行分析后得到3种解：复杂解、中间解和简约解。中间解通常认为可以最好地反映研究结果。且若条件变量同时出现于简约解和中间解之中，则为核心条件；若仅在中间解出现，则认为是边缘条件[20]。在fsQCA软件中将案例频数阈值设置为默认值1，一致性阈值设置为默认值0.8[20]。

我国区域物流业GTFP的组态路径如表4所示，fsQCA软件通过假设条件变量出现或者消失的不同组合下是否导致我国30个省产生高或非高的GTFP，共得出五条产生高物流GTFP的组态路径。解的一致性和解的覆盖度分别为0.837和0.723，说明在满足上述五条组态的我国30个区域样本中，有83.7%的省呈现高效率，同时能解释72.3%的高物流业GTFP案例。

(1)组态H1：“金融-信息”驱动型路径

组态H1包含H1a和H1b两条组态路径，且H1a与H1b互为子集。组态H1a显示，无论物流业与制造业、旅游业协同集聚水平如何，在物流业与农业、商务业协同集聚水平极低的情况下，只要物流业与金融业、信息业协同集聚作为核心条件，就能带来高物流业GTFP。组态H1b相较于组态H1a，在增加物流业与旅游业协同集聚作为边缘条件的情况下，不考虑物流业与商务业的协同集聚水平也能带来高物流业GTFP。组态H1形成的原因可能是，物流业与金融业、信息业协同集聚水平高的地区，物流业依托当地金融业与信息业的优势，充分享受融资以及互联网所带来的便利，行业良性发展，生产效率不断提高，实现了高物流业GTFP。组态H1a与组态H1b对比说明，物流业与旅游业协同集聚在组态H1中起着锦上添花的作用。综上，本文将组态H1路径命名为“金融-信息”驱动型路径。

表4 高物流业GTFP的组态路径

组态H1对应的组态案例是陕西省、黑龙江省、吉林省、广东省、江苏省、贵州省。以广东省为例，金融业是广东的支柱产业，金融市场繁荣，拥有深交所、广期所两大金融基础设施，能为企业提供多元化的融资渠道。另外，广东省信息业发达，有效支撑了省内产业数字化转型。在此环境下，物流业如鱼得水，与金融业、信息业融合发展，有效推进了自身数字化、智能化转型，促进了自身GTFP提升。

(2)组态H2：“金融-需求”驱动型路径

组态H2包含H2a和H2b两条组态路径。组态H2a显示，无论物流业与制造业、信息业协同集聚水平如何，在物流业与农业、旅游业协同集聚水平较低的情况下，只要物流业与金融业协同集聚作为核心条件，与商务业协同集聚作为边缘条件，就能带来高物流业GTFP。组态H2b与组态H2a共用一个核心条件，在与信息业、商务业协同集聚水平非常低的情况下，只要与制造业、农业、旅游业三个实体产业协同集聚作为边缘条件，就能带来高物流业GTFP。

观察组态H2a与组态H2b可知，两者存在替代关系。在核心条件都是物流业与金融业协同集聚的条件下，与商务业协同集聚可以与制造业、农业、旅游业协同集聚的组合相互替代，如图2所示。

图2 H2a与H2b中的替代关系

组态H2形成原因可能是，物流业与金融业协同集聚水平高，行业融资顺畅，可实现资金的有效运转，在此基础上，商务业、制造业、农业、旅游业给物流业带来了充足的需求，行业规模在金融业提供的资金支持下有的放矢，促进了物流业GTFP提升。综上，本文将组态H2路径命名为“金融-需求”驱动型路径。

组态H2a对应的组态案例是北京市、山西省、海南省。以北京市为例，北京市积极培育现代金融业，金融业增加值占地区生产总值比重高，疫情期间不断助企纾困，有效应对了疫情对全市经济的冲击。同时，北京商务业综合实力全国首屈一指，吸引外资能力强劲，集聚态势显现。旅游业、信息业虽然区位熵较高，但与物流业协同集聚程度低。在此基础上，北京市物流业享受金融业与商务业带来的资金与需求，行业规模不断扩大，形成规模经济，促进了行业GTFP提升。组态H2b对应的组态案例是江西省。党的十八大以来，江西省金融业蓬勃发展，绿色金融发展综合指数居全国前列。江西省凭借自身的区位优势与金融业的繁荣有效带动了实体产业的发展。在此基础上，物流业在金融业提供的资金扶持与实体产业所提供的充足需求下，带来了高物流业GTFP。

(3)组态H3：“信息-制造”驱动型路径

组态H3显示，无论物流业与金融业协同集聚水平如何，在物流业与农业、商务业协同集聚水平极低的情况下，只要物流业与信息业协同集聚作为核心条件，与制造业协同集聚作为边缘条件，就能带来高物流业GTFP。组态H3形成的原因可能是，物流业与信息业、制造业业协同集聚水平高的地区，物流业与信息业融合发展，实现自身技术升级。与制造业融合发展，不断扩大行业规模，同时享受集聚所带来的便利，运输效率大大提升，实现了高物流业GTFP。综上，本文将组态H3路径命名为“信息-制造”驱动型路径。

组态H3对应的组态案例是吉林省、上海市。以上海市为例，上海市积极打造智慧城市，用数字技术为产业赋能，产业经济和信息化发展取得新成效。并积极打造先进制造业产业集群，构建现代化产业体系。身处在如此环境下的物流业蓬勃发展，既有需求拉动，又有数字赋能，实现了高物流业GTFP。观察组态H1a和组态H3可知，两者互为子集。组态案例中，吉林省既包含了H1a，又包含了组态H3。在两个组态的协同促进下，实现了自身的物流业GTFP提升。

(4)组态H4：“商务-信息”驱动型路径

组态H4显示，只要物流业与商务业协同集聚作为核心条件，物流业与信息业协同集聚作为边缘条件，在物流业与制造业协同集聚水平极低，与农业、旅游业、金融业水平较低的情况下，也能实现高物流业GTFP。组态H4形成原因可能是，物流业与商务业、信息业协同集聚水平高，商贸业供需规模增长与信息业赋能物流业技术升级带动了物流业GTFP发展。综上，本文将组态H4路径命名为“商务-信息”驱动型路径。

(5)组态H5：“需求”驱动型路径

组态H5显示，只要物流业与商务业协同集聚作为核心条件，物流业与农业、旅游业协同集聚作为边缘条件，在物流业与制造业协同集聚水平极低，与金融业、信息业水平较低的情况下，也能实现高物流业GTFP。组态H5与组态H4核心条件相同，形成原因可能是，物流业与商务业、农业、旅游业协同集聚水平高。三大产业为物流业提供了充足的需求，有效拉动了物流业GTFP提升。

观察组态H4与组态H5可知，两者存在替代关系。在核心条件都是物流业与商务业协同集聚的条件下，与信息业协同集聚可以与农业、旅游业协同集聚的组合相互替代，如图3所示。

图3 H4与H5中的替代关系

组态H5对应的组态案例是新疆维吾尔族自治区。随着我国对外开放水平不断提高，共建“一带一路”等政策深入推进，新疆已成为我国对外开放的前沿。商务业空前繁荣，商贸物流及相关产业快速增长；农业机械化、标准化程度高，在我国的地位不断攀升；同时新疆旅游资源丰富，“旅游兴疆”等战略促进了新疆旅游业的快速发展。物流业在众多产业向好发展所带来的巨大需求下，基础设施不断完善，加快形成新发展格局，实现与GTFP提升。

3.稳健性检验。

由于案例数目较少，仅采用调整一致性阈值的方法进行稳健性检验。如表7所示，将一致性阈值由0.8调至0.85后，产生的组态如表5所示。调整一致性阈值后，解的一致性由0.837上升为0.908，解的覆盖率由0.723下降至 0.551。对比表4和表5可知，表5中组态H1a'、H1b'、H2'、H3'分别是表6中组态H1a、H1b、H3和H5的子集，表明研究结论具有稳健性。

五、研究结论与启示

(一)研究结论

本文运用我国30个省(自治区、直辖市)(不含西藏和港澳台)的相关数据，采用考虑非期望产出的Super-SBM与Malmquist指数模型测度了我国“十三五”期间的物流业GTFP，在产业协同集聚视角下整合构建理论模型，在此基础上采用fsQCA方法从组态的角度分析了实体、非实体两个维度中6个条件变量对结果变量物流业GTFP的作用路径。主要结论如下：(1)物流业GTFP受实体、非实体两个维度中多个条件变量的共同影响，单个条件变量中不存在影响物流业GTFP的必要条件。(2)高物流业GTFP存在“金融-信息”型、“金融-需求”型、“信息-制造”型、“商务-信息”型和“需求”型五种驱动模式。(3)物流业与实体、非实体产业协同集聚两个维度间存在替代关系，当地区同处于物流业与金融业高协同集聚水平时，促进物流业与商务业协同集聚或者促进物流业与制造业、农业、旅游业协同集聚都能实现高物流业GTFP；当地区同处于物流业与商务业高协同集聚水平时，促进物流业与信息业协同集聚或者促进物流业与农业、旅游业协同集聚都能实现高物流业GTFP。

(二)启示

1.融入多行业，协同促发展。本文的研究表明，物流业与单个行业协同集聚无法推动物流业GTFP提升，实现高物流业GTFP是物流业与多行业协同集聚，相互协调配合，形成合力的结果。区域物流业与单个行业协同集聚水平高，形成单点优势固然重要，但若物流业与实体、非实体中多个行业集聚水平低，供过于求造成产能过剩，或供不应求无法满足需求，均不能实现高物流业GTFP。因此，区域物流业想要发展，仅靠自身的努力还不够。从物流业自身出发，物流业需根据所在区域特点，积极与实体、非实体产业协同发展，实现及时预测需求、有效应对需求、及时调整规模。从其他行业出发，实体产业如制造业、农业、旅游业、商务业规模变化时，应与物流业互通有无，实现产业间的融合与深化，推动产业链的扩张与延伸；非实体产业，如信息业应积极为物流业提供技术支持，赋能物流业向数字化与智能化转型，金融业则为物流业保驾护航，提供资金支持，协助物流业及时调整规模，走在经济发展的最前沿。

2.主导显优势，因地而制宜。研究结果显示，物流业与商务业、金融业、信息业协同集聚是产业协同集聚赋能物流业GTFP提升的核心条件。因此，区域在发展过程中，更应该以这些产业为主导力量，推动物流业与其协同集聚。在准确识别地方与物流业协同集聚优势产业后，因地制宜，针对区域协同集聚特征制定适合当地物流业发展的方案，深入推进两业融合发展。具体而言，应积极推动实体产业结构调整，形成产业集群，在此基础上实现物流资源的合理配置，降低资源错配度。对于物流业与旅游业、信息业协同集聚水平较高，与制造业、农业协同集聚水平较低的地区，可以选择提升物流业与金融业协同集聚水平来实现物流业GTFP提升；对于物流业与商务业协同集聚水平较高，与农业、旅游业协同集聚水平较低的地区，可以选择提升物流业与金融业协同集聚水平来实现物流业GTFP提升；对于物流业与制造业协同集聚水平较高，与农业、商务业协同集聚水平极低的地区，与旅游业协同集聚水平较低的地区，可以选择提升物流业与信息业协同集聚水平来实现物流业GTFP提升。