发布时间：2021-12-06所属分类：经济论文浏览：1次
摘 要： 内容摘要：港口物流作为一个综合物流体系和与外部经济互动的窗口，在区域经济发展和转型升级中具有非常重要的作用。本文通过建立面板向量自回归模型，并利用方差分解分析和格兰杰因果关系检验等方法，对港口繁荣与区域经济之间的动态关系进行了实证分析。结果表明，港
内容摘要：港口物流作为一个综合物流体系和与外部经济互动的窗口，在区域经济发展和转型升级中具有非常重要的作用。本文通过建立面板向量自回归模型，并利用方差分解分析和格兰杰因果关系检验等方法，对港口繁荣与区域经济之间的动态关系进行了实证分析。结果表明，港口物流与区域经济发展之间存在显著的相互促进关系。相对而言，港口物流与港口城市经济发展之间存在较为显著的双向促进作用，但港口物流与港口腹地之间的相互促进作用相对较弱，且二者之间并不存在双向因果关系。这反映了目前我国港口对区域经济发展带动辐射作用的发挥还不够充分，同时港口腹地与港口之间的联系还不够紧密。未来应进一步拓宽港口综合功能，大力发展港口经济，推动港口与区域经济共同高质量发展。
关键词：港口吞吐量;区域经济;面板向量自回归模型
一、引言
港口是内陆经济体和海外经济体之间联系的一个节点，是一种特殊的基础设施，在经济社会发展的过程中发挥着非常重要的作用。随着经济社会的不断发展，尤其是在经济全球化的大潮中，港口所具备的经济功能也不断丰富，逐步从过去单一的基础设施演变为全球物流网络和价值链中具有综合性功能的组织，在国民经济中的战略地位也不断提升。从区域经济发展的角度看，快速增长的港口吞吐量可以提升区域经济活跃度，而且港口繁荣可以带动相关产业的增长，促进相关产业在港口所在区域集聚，由此促进地区的经济发展。港口的繁荣是区域经济发展的重要动力，很多具有港口的城市也因此而呈现显著的“港口经济”特征。与此同时，港口经济是内陆经济和海外经济的结合体，具有很强的外向性。良好的区域经济表现会为港口物流的发展提供良好的基础和前提，更是港口物流快速增长的动力基础。
在国家经济快速发展、对外开放持续深入等有利因素的积极作用下，我国对外贸易持续快速增长，目前已成为世界第一大贸易国。在此推动下，我国各地港口都得到很大的发展，尤其是沿海地区港口物流增长非常迅速。2008年全球金融危机以来，尽管受到全球经济增速回落、国际贸易活动放缓、逆全球化势力抬头以及新冠肺炎疫情巨大冲击等多重不利因素的影响，我国对外贸易总体依然保持平稳增长的趋势，港口物流增长依然强劲。2020年在全球深陷新冠肺炎疫情期间，我国成功应对疫情，为对外贸易活动恢复和港口正常运转提供了极为有利的条件，多数港口一度出现“一箱难求”的情况。
在上述背景和新的国际政治经济环境下，如何妥善处理港口发展与区域经济之间的关系，对于促进港口可持续发展和区域宏观经济的健康平稳发展，既是一个非常重要的理论研究课题，同时具有十分重要的实践指导意义。鉴于此，本文将基于港口与城市经济和腹地经济的相关数据，构建计量经济模型进行实证研究。
二、文献综述
在区域经济理论中，大城市的出现和发展一般可归因于一种自然优势的存在，例如在天然码头附近一般都会有一个经济发展较好的港口城市。对于港口与经济发展之间的关系，理论分析认为，港口发展可以促进相关产业在港口周边集聚，由此带动相关产业发展并带动区域经济繁荣，反过来，港口所在区域的经济发展对港口繁荣也会起到一定的支撑作用。近年来对港口发展作用的相关研究也主要围绕上述理论展开，包括港口繁荣对城市经济、产业结构、劳动就业的影响，以及城市经济发展对港口发展的带动等。
相关知识推荐：港口专业论文可以发表么
就港口对区域经济发展的影响而言，已有文献的研究结论表明，港口货物吞吐量对港口城市的经济增长具有积极影响，港口繁荣对港口城市经济结构升级和演变有推动作用，港口经济发展会提升港口腹地对外商直接投资的吸引力，因此对港口腹地经济发展也会发挥一定的积极作用[1-5]。此外，港口经营战略的变化会引起港口城市及港口腹地的经济发展特征的变化，港口繁荣在带动港口城市就业方面发挥着非常重要的作用，港口城市就业与港口吞吐量正相关，港口有助于降低所在地区的运输成本，从而促进区域经济的发展[6-8]。改革开放以来，尤其是我国加入世界贸易组织(WTO)以来，在经济全球化和我国国内经济较快发展等有利因素的推动下，我国长江三角洲地区港口群发展迅速，并在推动长江三角洲区域经济横向联合及纵向发展中发挥了非常重要的作用，港口腹地的经济结构、贸易以及物流发展水平对港口综合竞争力提升有显著正向带动作用，但港口腹地的经济规模并非港口发展的主要影响因素，不同港口和地区由于港口规模、港口类型、区域经济特征等方面的差异，港口与区域经济之间的互动发展关系也存在明显的差异[9-11]。
对于区域经济发展对港口的影响机制，却很少有学者们关注。目前仅有少数文献进行了研究，如CheungSetal.(2011)以我国的港口为研究对象，基于1995—2007年间我国7个主要港口城市及其港口的相关数据，运用计量模型实证研究了港口物流增长的影响因素，结果表明，港口城市的经济发展和人口因素对港口吞吐量的变动具有较强的解释力[12];鲁渤等(2019)对我国港口繁荣与港口腹地经济发展之间关系的研究表明，港口繁荣有助于港口腹地经济结构改善和产业升级[10];区域经济增长是港口吞吐量变化的单向格兰杰因果原因，港口吞吐量增长对区域经济增长和居民收入增加的拉动效应较小，在三次产业中，第三产业发展对港口城市居民收入增加和港口繁荣的带动作用最为显著[13]。
综上，已有文献的研究还存在三方面的明显不足：一是就港口对区域经济影响的研究较多，而对反向问题即区域经济发展对港口繁荣影响的研究很少;二是在港口辐射效应的带动下，港口城市与港口腹地经济发展之间是否存在联动关系，也较少得到学者的关注;三是研究方法还存在明显的局限性。具体而言，已有文献使用的研究方法主要包括理论模型、投入产出方法以及传统的计量回归模型。基于理论模型的研究由于未结合实际数据，因此其结论缺乏现实验证。投入产出方法由于存在较强的前提假设，即不同行业之间的关系为线性，这与现实情况可能存在不同程度的出入，因此基于该方法的研究也受到一些学者的批评，即可能会低估或高估港口对区域经济发展的影响。在基于计量经济学方法的研究中，绝大多数文献使用的都是单方程模型或基于经济理论的结构方程模型。问题在于，经济理论通常不能对变量之间的动态关系提供严格的描述，同时，内生变量可能出现在单方程模型的右侧，导致模型设定错误，且在多方程模型体系中，模型方程两边同时存在内生变量的情况下，模型方程体系的估计和检验过程也会更加复杂。
为弥补已有研究上述三个方面的不足，本文将从研究视角和研究方法两个方面进行改进。具体而言，在研究内容的设计方面，本文将港口、港口城市以及港口腹地之间的相互关系放在一个统一框架下进行考察和研究，这不但可以丰富已有研究的结论，而且能够更为客观地揭示三者之间的相互影响机制;在研究方法方面，本文将采用非结构的面板向量自回归(VAR)模型进行实证分析。相对于传统的单方程计量经济模型和联立方程模型，该模型具有明显的优势，且在实践中已得到非常广泛的应用。
三、计量方法与数据
虽然从理论角度来看，港口物流、港口城市经济和港口腹地经济发展之间存在相互促进的关系，但就实证分析而言，从整体上看，港口物流、港口城市经济和港口腹地经济之间的关系是较难研究的。如果逐一对其中的子系统进行分析研究，或者考察其中某一子系统对另一个子系统的影响，就无法充分揭示整个系统的整体性。在这方面，向量自回归模型是一个比较理想的选择。鉴于此，本文将基于相关面板数据，应用面板向量自回归(VAR)模型来揭示港口物流、港口城市经济和港口腹地经济之间的相互关系，而不必详细讨论潜在的经济理论。为了进一步分析这种动态关系，本文进行了方差分解分析和格兰杰因果关系检验。
(一)面板向量自回归(VAR)模型
自Sims1980年首次提出向量自回归(VAR)模型作为时间序列分析的重要工具以来，该模型在应用宏观经济学中得到了广泛的应用。当用经济理论难以揭示变量之间的动态关系时，VAR模型可以提供一个很好的解决方案，而不需要结构方程模型。然而，随着模型中变量数量的增加，VAR模型中待估计的参数呈指数增长。此外，VAR模型通常需要较长时间跨度的数据，不适用于中短期时间序列数据。
为了解决这个问题，计量经济学家提出通过使用面板数据以获得更多的样本观测值的方法。在使用面板数据的情况下，即使时间序列数据的期限不是很长，但样本量却被显著地扩大了。面板向量自回归(VAR)模型结合了面板数据和VAR模型，其结构与VAR模型相同，即假设所有变量都是内生和相互依赖的。
在后来的发展中，随着面板VAR模型和其估计方法的不断改进，模型的一致性和有效性得到明显提高。目前面板VAR模型特别适用于揭示相互联系的多个变量之间的动态关系，在分析特殊冲击如何在不同变量之间的传递性方面也有优异的表现，目前在宏观经济中的宏观经济预测、经济周期分析等领域的应用最为典型和成功。
(二)数据和描述性统计
本文使用2009—2017年的面板数据进行实证分析，其中内生变量GpcGDP和GnpcGDP的数据来自相关年份我国省级统计年鉴和《中国城市统计年鉴》，内生变量GThrp的数据来源于相关年份《中国港口年鉴》。根据相关数据资料的可得性，本文选择了我国36个港口城市作为研究对象①。为了消除价格波动对估计结果的影响，本文中所有的变量都采用了不变价格的数据。另外，为尽可能消除异方差，本文中对所有变量的数据进行了对数变换。
VAR模型刻画的是变量之间的线性关系，但现实中经济变量之间的关系并不一定遵循线性。因此，在对相关变量建立VAR模型之前，首先应该对变量之间的相关关系类型进行判定。在统计学领域，变量之间的相关性可以用许多不同的统计量来衡量，其中最常用的是皮尔逊相关系数。用t统计量检验系数为0的零假设。如果t检验显著，则拒绝零假设，意味着变量之间线性相关，可以建立VAR模型;否则，不能拒绝零假设，这两个变量不是线性相关的，在这种情况下，建立VAR模型则是不适合的。使用皮尔逊相关系数的变量相关系数如表1所示。从表1可以看出，各变量之间的线性关系显著，满足VAR模型的线性假设。
四、实证结果
(一)面板单位根检验
在建立面板VAR模型之前，还需要进行变量的平稳性检验，以确保所有变量都服从一阶单位根过程，这对面板VAR模型的估计是非常重要的。根据所有截面是否具有相同的单位根过程，单位根检验方法可分为同质面板单位根检验和异质面板单位根检验。当所有截面序列具有相同的单位根过程时，使用同质面板单位根检验。常用的检验方法包括LLC检验、Breitung检验和Hadri检验。当不同的截面序列具有不同的单位根过程时，使用异质面板单位根检验。例如IPS检验、Fisher-ADF检验和Fisher-PP检验。本文选择LLC检验和Fisher-PP检验进行分析，只有在两个检验中都拒绝了单位根存在的原假设，才能得出相应序列是平稳的结论。表2是面板单位根的检验结果。
面板单位根检验的结果表明，相关变量序列在1%水平上显著，因此都是平稳的时间序列。由于面板数据模型包含多个维度，在构建面板VAR模型时必须考虑截面数据的异质性。本文采用前向平均差分方法，即Helmert变换，对面板数据进行一阶差分，以消除动态面板数据中的固定效应。
(二)确定最优滞后阶数
在具体构建面板VAR模型时，可以选择不同阶数的滞后变量，不同的变量组合将意味着不同的模型，而模型中适合的滞后变量阶数通常都是未知的。对此，本文采用BIC、HQIC和AIC准则来分别对模型的滞后阶数进行检验，并基于三种检验的结果最终确定适当的滞后变量阶数。选择规则如下：
(1)选择AIC、BIC或HQIC值最小的模型。
(2)当三个标准给出的结果不一致时，通常选择BIC和HQIC值最小的模型。
在模型(1)中分别设定滞后变量的阶数为1至3阶，根据AIC、BIC、HQIC准则的计算方法得到结果。从表3的结果可以看出，模型是二阶滞后的。
从估计结果看，与预期相一致，港口物流与区域经济发展表现之间确实存在相互影响。具体而言，港口吞吐量增长率变量的滞后一阶、二阶变量对所在城市及港口腹地人均GDP的增长率都存在显著的正向影响;港口所在城市的人均GDP增长率的滞后一阶、二阶变量对港口吞吐量增长率变量的影响为正，且均在1%的显著水平上显著;港口腹地人均GDP增长率的滞后一阶、二阶变量对港口城市人均GDP的增长率都存在显著的正向影响，且均在1%的显著水平上显著。
(四)方差分解分析
通过方差分解，可以分析每一个结构冲击对内生变量变化的贡献度，以进一步评价不同结构冲击的重要性。表5为港口城市GDP增长率、港口总吞吐量增长率和港口腹地GDP增长率方差分解结果。从结果看，不考虑各变量对自身的贡献率，其他变量对各变量方差的贡献率从第6期之后明显衰减，因此表中对前8期的方差分解基本能够反映各变量方差分解的总体情况。就不同的变量来看，在港口城市GDP增长率的方差分解中，港口总吞吐量增长率的贡献较大，从第1期的0.0%上升到第8期的10.0%，港口腹地人均GDP增长率的贡献相对较小，从第1期的0.0%上升到第8期的5.2%，反映港口吞吐量的增长对港口城市发展的贡献率略高于港口腹地经济发展。在港口总吞吐量增长率的方差分解中，港口城市GDP增长率的贡献较大，从第1期的6.1%上升到第8期的17.9%，港口腹地人均GDP增长率的贡献较小，贡献率最高的第8期也仅为2.0%，反映港口城市经济发展确实有利于港口繁荣，但港口腹地经济发展对港口繁荣的带动作用并不明显。在港口腹地人均GDP增长率的方差分解中，港口城市GDP增长率和港口总吞吐量增长率的贡献率均较大，前者从第1期的17.2%上升到第8期的20.9%，后者相对略低，从第1期的2.9%上升到第8期的16.7%，反映港口城市经济发展与港口繁荣对港口腹地经济发展都有明显的带动作用。
值得注意的是，不同变量对其他变量方差贡献率随时间提高的速度是存在显著差异的。比如在港口腹地人均GDP增长率的方差分解中，港口城市GDP增长率的贡献率在第1期就比较大(17.2%)，但随时间提高的速度缓慢，港口总吞吐量增长率起初的贡献率虽然较低(第1期为2.9%)，但随时间贡献率迅速提高。这其中的原因可能在于，港口城市与港口腹地之间的经济联系紧密，联动性也较强，港口城市经济发展速度的提升能够在较短时间内对港口腹地的经济发展起到带动作用。而对于港口，虽然港口繁荣也能对腹地经济发展起到一定的带动作用，但由于港口与港口腹地之间的距离较远，且直接的经济联系较少，主要通过港口繁荣对港口城市经济的带动进而带动港口腹地经济发展的渠道传导，因此传导过程较慢。——论文作者：张蒙
SCI SSCI AHCI