【正文】 于理解且計算數(shù)據(jù)和步驟較為簡單；第二，測量結果方面能夠較準確的反應實際的區(qū)域產業(yè)優(yōu)勢和集聚水平；第三，局限性小，能夠測量較小范圍內的區(qū)域集聚度。但是，在區(qū)位熵方法的使用過程中也存在一定的不足之處。首先，缺乏對區(qū)域勞動生產率不同的考慮，這將會導致對勞動生產率較高的區(qū)域的測量值會小于高層次的平均水平，使得測量值小于實際區(qū)域情況；反之，測量值則高于實際區(qū)域值。其次，另一方面，LQ系數(shù)不能反映區(qū)域經濟發(fā)展水平的差異性，某產業(yè)區(qū)位熵最大的地區(qū)不一定是該產業(yè)集聚程度最高的區(qū)域。（2）行業(yè)集中度:行業(yè)集中度又稱行業(yè)集中率或市場集中度，是指某產業(yè)中規(guī)模最大的前n家企業(yè)所占市場份額（如產值、產量、銷售額、銷售量、職工人數(shù)、資產總額等）的總和李太平，鐘甫寧，顧煥章：《衡量產業(yè)區(qū)域集聚程度的簡便方法及其比較》,《統(tǒng)計研究》，2007年第11期。其公式為：其中為行業(yè)集中度；n是某產業(yè)中規(guī)模最大的幾個企業(yè)的數(shù)量，一般取4或8；N表示某產業(yè)的全部企業(yè)數(shù)量；表示第i企業(yè)所占市場值。用指數(shù)測量行業(yè)集中度，指數(shù)越高，產業(yè)集中度就越高。但是用完全來衡量產業(yè)集中度，還是存在一定誤差和誤判現(xiàn)象的。我們從行業(yè)集中度的計算公式中可以發(fā)現(xiàn)，系數(shù)只是反映了產業(yè)在市場空間維度上的集聚，而對于前幾家規(guī)模最大的企業(yè)的地理分布信息沒有加于考慮，因此，指數(shù)較高不一定意味著產業(yè)在某一區(qū)域出現(xiàn)地理空間上的集中，反之，指數(shù)較低時，產業(yè)在地理空間維度上仍有可能存在集聚現(xiàn)象。舉例說明，假設某區(qū)域可以劃分為四個小區(qū)域，產業(yè)中規(guī)模最大的前4個企業(yè)分別分布于這四個小區(qū)域，這時即使測得指數(shù)較高，但實際該產業(yè)集聚程度較低。再則，假如這4個規(guī)模最大的企業(yè)都集中在某一個小的區(qū)域，可是由于總的市場份兒占有量較低，那么此時系數(shù)較低，不能反映產業(yè)集聚較高這一現(xiàn)象。此外，指數(shù)僅僅考慮了前n家規(guī)模最大企業(yè)的市場份額，不能夠全面反映產業(yè)集聚的狀況。在此，接下來介紹的赫芬達爾指數(shù)改善了這一問題。（3）赫芬達爾指數(shù)：H指數(shù)赫芬達爾指數(shù)最早由A赫希曼提出，用來衡量市場競爭和壟斷關系，后經O赫芬達爾在其博士論文《鋼鐵業(yè)的集中》中進一步闡述，現(xiàn)今國內外應用赫芬達爾指數(shù)來測量產業(yè)集聚度的文獻較多。由于赫芬達爾指數(shù)在數(shù)學上的相對法和絕對法的優(yōu)勢，因此將其用于測量市場集中程度是比較準確的。其計算公式如下：赫芬達爾指數(shù)是指某特定市場的所有企業(yè)所占市場份額的平方和。其中N表示特定市場中所有企業(yè)的數(shù)量，表示第i個企業(yè)所占的市場份額。表示整個市場值，表示第i企業(yè)所占市場值。赫芬達爾指數(shù)公式的計算原理是將各企業(yè)所占的市場份額值以權重的形式分配給企業(yè)自身。對于大企業(yè)而言，其所給的權數(shù)也較大。如果某產業(yè)是處于壟斷情況下，那么赫芬達爾指數(shù)H為最大1，當每個企業(yè)所占的市場份額相同是，H值為最小1/n，因此H值介于1/n到1之間。H值越大，反映出市場份額分別就越不均勻。雖然赫芬達爾指數(shù)相對于系數(shù)而言增加了對市場占有率較小的其它企業(yè)的考慮，完善了市場企業(yè)信息，但是，它同系數(shù)類似，較高的赫芬達爾指數(shù)不一定可以得到較高的市場集聚度，反之相同。例如，假設某產業(yè)內所有企業(yè)所占市場份額相同，都是1/n（企業(yè)數(shù)量為n），并且這些企業(yè)都集中在同一個小的區(qū)域，這時該產業(yè)的集聚程度無疑是很高的。但是，此時的計算結果卻顯示赫芬達爾指數(shù)是最小的1/n。這就表明了，赫芬達爾指數(shù)與產業(yè)集聚并不總是正相關的。雖然產業(yè)在空間上的分布往往與地理上的分布存在相似軌跡，但是，我們在考慮產業(yè)集聚程度問題時，還是應該從產業(yè)的地理分布著手，才能得到更加精準的答案。（4）空間基尼系數(shù)與赫芬達爾指數(shù)都是從空間維度來衡量產業(yè)集聚程度，這兩種測算方法測算出來的結果都存在與實際產業(yè)集聚狀況不相符的缺點。早在十八世紀末，克魯格曼等學者發(fā)現(xiàn)，產業(yè)活動的地理分布與收入分配的均衡性存在相似的聯(lián)系。因此，應用空間基尼系數(shù)從地理分布的角度來衡量產業(yè)集聚度這一方法，在理論上是可行，在實際測量上也得到比較客觀的結果。空間基尼系數(shù)的計算公式如下:其中，G表示空間基尼系數(shù)，是i區(qū)域某產業(yè)的就業(yè)人數(shù)占全國該產業(yè)就業(yè)人數(shù)的比重，表示i區(qū)域全部就業(yè)人數(shù)占全國總就業(yè)人數(shù)的比重，N為測量的地理區(qū)位數(shù)。G的取值范圍在0到1之間，取值為0時說明產業(yè)區(qū)域分布均勻，取值為1時表示產業(yè)分布集中在一個地區(qū)。因此可以看出，G值越大該產業(yè)在該地區(qū)集聚程度越高?？臻g基尼系數(shù)從產業(yè)地理分布角度測量產業(yè)集聚程度，所得到的測量結果比較準確。但是，空間基尼系數(shù)測量方法也存在不足之處，它只考慮到產業(yè)在不同區(qū)域的集聚程度，而沒有把不同產業(yè)內企業(yè)規(guī)模大小的差異考慮進去。（5）地理集中指數(shù)—EG指數(shù)1997年，Ellison和Glaeser提出了地理集中指數(shù)的概念，并重新定義了產業(yè)集聚概念，Ellison和Glaeser認為產業(yè)集聚主要是地理緯度上的集聚，在測量產業(yè)集聚程度是，必須要排除由于企業(yè)內部規(guī)?；蛸Y源優(yōu)勢所導致的虛假的市場空間上的集聚。例如，如果某一地區(qū)某產業(yè)由于存在某個規(guī)模很大的企業(yè)，則該地區(qū)該產業(yè)基尼系數(shù)計算值會很大，但實際上該地區(qū)該產業(yè)并沒有出現(xiàn)產業(yè)集聚現(xiàn)象。為了避免上述問題的出現(xiàn)，Ellison和Glaeser提出了EG指數(shù)來測量產業(yè)地理集聚程度。其計算公式如下。其中，H代表赫芬達爾指數(shù)，G代表空間基尼系數(shù)，N代表需要測量的區(qū)域的總個數(shù)，表示區(qū)域總就業(yè)人口數(shù)占經濟體總就業(yè)人口數(shù)的比例。代表EG指數(shù)，當，產業(yè)集聚度較高；當，產業(yè)不具有地理集聚。EG測量方法由于其計算公式的完善而受到較多學者的青睞，在產業(yè)集聚程度測度方面應用較為廣泛。可是，需要注意的是，EG指數(shù)是以空間基尼系數(shù)為基礎的，它并沒有走出空間基尼系數(shù)限定的框架，而是把空間基尼系數(shù)的測定方法的弊端保留了下來。此外，由于EG系數(shù)的設計中排除了企業(yè)內部規(guī)模經濟以及資源優(yōu)勢所導致的市場空間集聚的成分，這樣一來，也導致了EG在計算過程中遺漏了大量的產業(yè)集聚的信息，使得統(tǒng)計信息并不完全。實際上，通過以往的學者測算發(fā)現(xiàn)，EG指數(shù)測算出來的產業(yè)集聚程度往往比實際的集聚程度要小。通過對上述幾種產業(yè)集聚的測量方法的闡述，可以了解各方法都具有優(yōu)點和局限性，且可以看出方法與方法之間存在的內在聯(lián)系性。在此，并且對每種方法所需要的數(shù)據(jù)來源進行整理，為下文測量方法的選取打下基礎。 測量方法比較方法設計原理優(yōu)點不足之處區(qū)位熵 反應某區(qū)域在高層次區(qū)域該產業(yè)專業(yè)化程度的相對地位和作用原理簡單，計算簡單，準確性高，對空間地理范圍限制較小假設中要求區(qū)域之間的勞動生產率相同，這一點與事實不符；不能反映區(qū)域經濟發(fā)展水平的差異行業(yè)集中度反映某產業(yè)規(guī)模最大的前n家企業(yè)所占市場份額的總和計算簡單；能夠較好的反映產業(yè)內部規(guī)模較大企業(yè)對市場的影響因為需要得到單個企業(yè)的數(shù)據(jù)，所以數(shù)據(jù)不易獲得；當n取值不同時得到的結果不同，缺乏考慮規(guī)模較小的其它企業(yè)信息赫芬達爾指數(shù)反映了市場集中度的指標，是某特定市場的所有企業(yè)所占市場份額的平方和增加了對市場占有率較小的其它企業(yè)的考慮，完善了市場企業(yè)信息，排除了由單個規(guī)模較大的企業(yè)帶來的市場空間維度上的集聚成分缺乏對地理維度上企業(yè)分布考慮，數(shù)據(jù)較全面，獲取較難空間基尼系數(shù)以收入分配公平程度來判斷產業(yè)地理分布從地理分布的角度來衡量產業(yè)集中程度，所得結果更加準確缺乏對不同產業(yè)內企業(yè)規(guī)模的差異的考慮地理集中指數(shù)排除了由于企業(yè)內部規(guī)?；蛸Y源優(yōu)勢所導致的虛假的市場空間上的集聚從地理分布的角度來衡量產業(yè)集中程度，所得結果更加準確對數(shù)據(jù)要求較高，不僅需要行業(yè)數(shù)據(jù)，也需要企業(yè)內部數(shù)據(jù) 各方法所需數(shù)據(jù)一覽表 方法產業(yè)產值產業(yè)就業(yè)人數(shù)區(qū)域細分企業(yè)數(shù)量、規(guī)模區(qū)位熵√√行業(yè)集中度√赫芬達爾指數(shù)√空間基尼系數(shù)√√地理集中指數(shù)√√√對上述測量方法進行優(yōu)缺點對比和適用條件進行分析得出：行業(yè)集中度方法是采用行業(yè)內規(guī)模最大的前N家企業(yè)所占市場份額作為測量指標，其測量結果缺乏對中小企業(yè)的數(shù)據(jù)考慮，用于測量物流產業(yè)集聚程度誤差性較大。赫芬達爾指數(shù)是某對特定市場的所有企業(yè)所占市場份額的平方和，如若用于測量某區(qū)域物流產業(yè)集聚程度，則測量結果比較片面，因為其缺乏對區(qū)域內其它地理位置的物流企業(yè)的情況的計量。測量結果不能用于測量物流產業(yè)的集聚程度誤差性較大，測出的結果準確性不夠。空間基尼系數(shù)是以收入分配公平程度來判斷產業(yè)地理分布，其缺乏對不同產業(yè)內企業(yè)規(guī)模的差異的考慮。而目前我國物流產業(yè)的企業(yè)規(guī)模參差不齊，用空間基尼系數(shù)測量物流產業(yè)集聚程度是不夠合理。此外，在對上述地理集中指數(shù)和區(qū)位熵方法的適用條件做分析后，發(fā)現(xiàn)用這兩種方法測量物流產業(yè)的集聚程度是比較合適的。但是，在方法的應用成熟度上，地理集中指數(shù)更多學者是用于對生產制造業(yè)的集聚程度的測量，對與物流產業(yè)集聚程度的測度較少，且由于本人研究水平有限和精力有限，對于地理集中指數(shù)測量物流產業(yè)集聚程度所需數(shù)據(jù)難于獲得。再則，因為本文對物流產業(yè)集聚程度是為后期集聚的影響因素分析做鋪墊，在不影響本文接下的分析的情況下，本人選取區(qū)位熵方法對物流產業(yè)集聚程度進行測量。同時，為了縮小單一方法測量方法測量可能帶來的誤差，本文將從物流產業(yè)從業(yè)人員數(shù)和產業(yè)產值兩個角度來進行測量。增加測量結果的精確度，提高本文研究的可信度。第三節(jié) 物流產業(yè)影響因素定量分析方法 對于我國物流產業(yè)的集聚程度的影響因素分析，本文將通過對我國31個?。ㄊ校┑拿姘鍞?shù)據(jù)進行定量的分析，使用Eviews的方法進行測量求解。一、面板數(shù)據(jù)模型面板數(shù)據(jù)是用來觀察每一個樣本單元在給定的時間區(qū)間和樣本總體的狀況的，它的一般模型為：其中為被解釋變量；為截距項；為解釋變量，k是解釋變量的個數(shù)，i=1，2,3N,N表示個體數(shù)量，t表示時間點；為解釋變量的系數(shù)；是隨機誤差項。面板數(shù)據(jù)的三種模型形式的介紹：（一）混合回歸模型混合回歸模型的特點是，從時間維度和截面維度來看，不同個體之間均不存在顯著性差異，其模型方程式如下：（二）變系數(shù)模型變系數(shù)模型是對于不同個體，或同一個體不同時期，其截距項和解釋變量系數(shù)都不盡相同。者說明不同個體之間不僅存在個體異質的差異，還受到不同的結果影響。其模型方程如下：（三）變截距模型變截距模型也是平時研究過程中應用比較多的一種模型。對于不同個體，或同一個體不同時期,截距項不同而解釋變量的斜率相同,說明存在不可觀測個體異質影響但基本結構是相同的,可以通過截距項的不同，而體現(xiàn)出來個體之間的差異。其方程形式如下：二、模型分析步驟（一）單位根檢驗 單位根檢驗是用于檢驗序列數(shù)據(jù)是否平穩(wěn)性的檢驗方法，確保序列的平穩(wěn)性是之后數(shù)據(jù)分析的基礎。首先，在回歸模型標準的推導過程中假設了平穩(wěn)的回歸因子，而非平衡因子會導致許多標準的結果不再適用并且需要進行特別處理。其次，還需要注意在協(xié)整分析中，協(xié)整向量中擾動項是否具有單位根。只有通過單位根檢驗，確定時間序列是平穩(wěn)的狀態(tài)下，才能避免回歸分析是產生虛假回歸。（二）協(xié)整檢驗在進行協(xié)整檢驗之前，必須要確定被檢驗變量是否是同階單整變量。只有同階單整變量才能做協(xié)整檢驗。通過協(xié)整檢驗來確定變量之間是否存在長期穩(wěn)定的關系，避免偽回歸。面板數(shù)據(jù)有Kao檢驗、Pedroni檢驗和Combined Individual檢驗三種協(xié)整檢驗的方法。其中，Kao檢驗方法的使用條件是在檢測模型中必須并且只能是存在固定效應，此外，還要求模型中外生變量的系數(shù)是齊性的，即不同截面外生變量的系數(shù)相同。Pedroni檢驗只適用于組中只包含7個及7個以下序列的情形；Fisher(bined Johansen)要求截面數(shù)據(jù)要足夠，否則，無法進行檢驗。第三章 物流產業(yè)集聚程度影響因素實證分析第一節(jié) 我國物流產業(yè)發(fā)展現(xiàn)狀一、物流產業(yè)規(guī)模不斷擴大,物流需求持續(xù)増長中國物流產業(yè)起步較晚，但隨著近幾年的隨著經濟的發(fā)展，對物流產業(yè)的需求也逐漸增大。從社會物流總額的數(shù)值來看，我國社會物流總額從2005到2012年呈現(xiàn)持續(xù)增長的形式。從05年的481983億元到2012年的1773000億元，增長率達到了267%。平均每年的增長率達到33%。，按可比價格計算，%。從物流需求系數(shù)來看，其物流需求系數(shù) 物流需求系數(shù)指社會物流總額與GDP的比值也是逐年增長，這說明我國社會物流總額占國內生產總值的比率越來越高，同時說明，我國國民經濟的快速發(fā)展，對物流產業(yè)的需求越來越大。從物流需求收入彈性 物流需求收入彈性是指社會物流總額變動百分比與GDP變動百分比的比值來看，從05年到2012年的需求彈性值都是大于1的，是富有彈性的狀況。這說明我國物流產業(yè)增長率大于國內生產總值的增長率，也從反面論證了物流產業(yè)的快速增長對我國GDP的增長的拉動作用。 我國GDP和社會物流總額變動情況（20052012）（單位：億元）年份國內生產總值社會物流總額物流產業(yè)增加值物流需求系數(shù)物流需求收入彈性20052006200720082009201020112012數(shù)據(jù)來源：《中國統(tǒng)計年鑒》、中國國際統(tǒng)計局網(wǎng)站和趙莉：《中國物流產業(yè)與區(qū)域經濟協(xié)調發(fā)展研究》[D].哈爾濱商業(yè)大學,2013。 我國GDP和社會物流總額變動趨勢圖（20052012）二、社會物流總費用占GDP的比重上升，物流整體運行效率有所降低近年來，我國對物流產業(yè)的發(fā)展不斷重視，對其資本投入也不斷增加。從社會物流總成本的數(shù)值來看，是一直呈現(xiàn)增長趨勢。這說明我國物流產業(yè)的發(fā)展越來越活躍，同時我們在日常的生產和生活中也能夠感受到物流對我們影響也不斷增大。然而，就8年的數(shù)據(jù)來看，我國社會物流總費用占GDP的比值，只有在前3年出現(xiàn)急劇下滑的現(xiàn)象，從2007—2012年，比值出現(xiàn)穩(wěn)步回升的現(xiàn)象。這意味著我國