EN中文

地理科学, 2022, 42(11): 1857-1866 doi: 10.13249/j.cnki.sgs.2022.11.001

中国陆港型物流枢纽时空演化及其驱动因素

蒋自然,1,2, 雷丽萍3, 金环环3, 张建珍,1

1.浙江师范大学地理与环境科学学院，浙江 金华 321004

2.中国科学院地理科学与资源研究所，北京 100101

3.浙江师范大学经济与管理学院，浙江 金华 321004

Spatio-temporal Evolution and Driving Factors of Chinese Dry Port Logistics Hubs

Jiang Ziran,1,2, Lei Liping3, Jin Huanhuan3, Zhang Jianzhen,1

1. College of Geography and Environmental Sciences, Zhejiang Normal University, Jinhua 321004, Zhejiang, China

2. Institute of Geographical Sciences and Natural Resources Research, Chinese Academy of Sciences, Beijing 100101, China

3. College of Economics and Management, Zhejiang Normal University, Jinhua 321004, Zhejiang, China

通讯作者: 张建珍。E-mail: zjz@zjnu.cn

收稿日期: 2022-01-6   修回日期: 2022-04-23   接受日期: 2022-08-23  

Received: 2022-01-6   Revised: 2022-04-23   Accepted: 2022-08-23  

作者简介 About authors

蒋自然（1983−），男，安徽全椒人，博士后，主要从事区域发展与交通地理研究E-mail:jzr729@zjnu.cn

摘要

从多维度解析陆港型物流枢纽的发展机理，运用2001―2018年面板数据测度中国陆港型物流枢纽的综合发展实力，并采用空间分析、基尼系数等方法揭示枢纽的空间格局及演化特征，探究中国陆港型物流枢纽发展的主要驱动因素。研究发现：① 枢纽实力在胡焕庸线两侧呈现明显的分异特征，东南部地区枢纽总体比西北部地区发展更成熟、更稳定；② 枢纽发展的空间差异较为明显，且差异程度在不断增加；③ 基础设施和物流运营对枢纽的基尼系数贡献较大，但信息技术的影响提升更加明显；④ 人口规模、金融发展和外部环境因素促进枢纽发展，经济实力、教育水平和政府投资对不同等级枢纽的影响不尽相同。

关键词： 陆港型物流枢纽; 港口地理; 物流水平; 面板分位数回归

Abstract

This article analyzes the development mechanism of dry port logistics hub from multiple dimensions, measures the comprehensive development strength of China’s dry port logistics hubs by using the panel data from 2001 to 2018, reveals the spatial pattern and evolution characteristics of the hubs by using the methods of spatial analysis and Gini coefficient, and explores the main driving factors for the development of China's dry port logistics hubs. The results show that: 1) The development of hubs in the southeast is generally more mature and stable than that in the western, and shows the differentiation characteristics on the side of the Hu Huanyong Line; 2) The spatial differences in the development of dry port logistics hubs are more obvious, and the degree of difference is increasing; 3) Infrastructure and logistics operations have a greater contribution to the hub's Gini coefficient, but the impact of information technology has improved more significantly; 4) Population size, financial development and external environmental factors promote the development of hubs. Economic strength, education level and government investment have different impacts on hubs at different levels. The article is expected to provide scientific basis for the country to construct logistics system and optimize the logistics network giving full play to the supporting role of the logistics hub in the regional economy.

Keywords： dry port logistics hub; port geography; logistics level; panel quantile regression

PDF (1524KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

蒋自然, 雷丽萍, 金环环, 张建珍. 中国陆港型物流枢纽时空演化及其驱动因素[J]. 地理科学, 2022, 42(11): 1857-1866 doi:10.13249/j.cnki.sgs.2022.11.001

Jiang Ziran, Lei Liping, Jin Huanhuan, Zhang Jianzhen. Spatio-temporal Evolution and Driving Factors of Chinese Dry Port Logistics Hubs[J]. Scientia Geographica Sinica, 2022, 42(11): 1857-1866 doi:10.13249/j.cnki.sgs.2022.11.001

随着“一带一路”倡议和“双循环”战略的深入推进，高质量发展国家物流枢纽体系对全面优化中国经济地理格局、加快构建现代化经济体系的强大支撑作用将愈发显著，成为中国推动全方位、全要素开放和促进高质量、高效率发展的关键抓手[1,2]。2018年党中央、国务院为了发挥物流业在社会经济中的基础性、战略性和先导性作用，由国家发展改革委和交通运输部共同牵头制定《国家物流枢纽布局与建设规划》（下称《规划》）（http://www.gov.cn/xinwen/2018-12/25/content_5351874.htm），从国家层面布局了陆港型、港口型、空港型、生产服务型、商贸服务型和陆上边境口岸型共6种类型的国家物流枢纽。其中，陆港型物流枢纽促进了物流、资金流、人才流、信息流、技术流等多“流”的交融整合，在加速各类要素流通循环、畅通国内国际两个市场和促进区域协调发展中均具有愈发重要的促进作用，相关概念也日渐成为国内外学术界研究的新议题。

关于陆港的研究总体上可分为两个方向：其一是从机理上探讨陆港概念及其作用，具体包括陆港内涵界定[3~5]、基本类别[6]以及功能性质[7~11]的理论解析；其二是从空间上研究陆港效应，这主要集中在陆港区位选址等方面[12,13]。与此同时，学术界对物流枢纽的关注也愈发增多，主要表现为：第一是物流枢纽概念的相关研究[14~17]； 第二是物流枢纽的评价[18]及效应研究[19~21]；第三是从空间形态[22]、政府政策[23]、贸易水平[24]、市场环境以及信息技术[25]等方面探究物流枢纽发展的影响因素。然而，尽管陆港和物流枢纽都越来越受到学界关注，但两者的概念内涵均未建立起统一的理论认识，且缺乏将两者联立起来的陆港型物流枢纽的相关研究。因此，本研究在深入剖析陆港型物流枢纽发展机理的基础上，尝试构建多维评价指标体系，综合测度中国陆港型物流枢纽的发展水平，分析枢纽的空间格局、区域差异及演化特征，探索驱动枢纽时空演化的主要影响因素，并提出相应调控对策和优化建议。研究旨在加深学界对陆港型物流枢纽的科学认知，尝试为该领域研究提供一个具有参考性的理论框架，并力促重点研究内容向理论化、科学化纵深推进。

1 理论分析与研究框架

在梳理已有研究对陆港和物流枢纽认知的基础上，结合《规划》中的相应解释，本文对陆港型物流枢纽作如下界定：首先，从区位分布看，相对于港口型物流枢纽分布在沿海地区，陆港型物流枢纽布局在内陆地区，依托铁路、公路等陆路通道和集疏运系统衔接内陆和沿海地区的干支线运输及物流运行；其次，从服务功能看，陆港型物流枢纽具有畅通要素集散效率、强化空间互联互通、促进区域协调发展和提高产业供应链弹性等重要功能，也是畅通国内、国际“双循环”的关键节点；最后，从空间尺度看，由于学界关于物流枢纽的概念尚未统一，其空间尺度既可大到全球城市（区域），也可小至地方物流站点，本文研究的陆港型物流枢纽以城市为尺度，即物流枢纽承载城市[26]。

陆港型物流枢纽的发展受到多重因素的综合作用，在借鉴前人研究成果的基础上，本文从基础设施、物流运营和信息技术共3个维度来综合反映其发展水平。其中，基础设施维度是陆港型物流枢纽发展的前提保障；物流运营维度是陆港型物流枢纽发展的关键表征；信息技术维度则是陆港型物流枢纽发展的重要支撑[27]。另外，陆港型物流枢纽的发展还受到经济全球化、服务化以及城市经济实力、政府投资、金融发展水平等内外部因素的共同影响。陆港型物流枢纽的发展逻辑框架见图1。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1   陆港型物流枢纽发展机理

Fig. 1   Development mechanism of dry port logistics hub


2 研究方法与对象

2.1 研究方法

1） 全局熵值法。熵值法可以对不同量纲的指标进行权重测算，同时可以避免人为因素可能带来的误差和偏差。本文基于2001—2018年的面板数据，使用全局熵值法确定中国陆港型物流枢纽综合评价体系中各二级指标对应的权重（表1），进而测度各枢纽综合发展水平得分。由于该方法应用较广泛，详细解释见文献[27]。

表1   陆港型物流枢纽综合发展评价指标体系

Table 1  Evaluation index system of comprehensive development of dry port logistics hub

评价维度二级指标指标选取及含义权重
　　数据主要来源于《中国城市统计年鉴》[28]、《中国港口年鉴》[29]、《从统计看民航》[30]等。其中，物流业从业人口由交通运输、仓储和邮政业从业人口替代；铁路站点等级根据《全国铁路车站等级核定办法》（https://baike.baidu.com/item/%E9%93%81%E8%B7%AF%E8%BD%A6%E7%AB%99%E7%AD%89%E7%BA%A7%E6%A0%B8%E5%AE%9A%E5%8A%9E%E6%B3%95/23346477）获取，并根据站点等级进行分级赋分，特等站赋7分，一等站赋5分，二等站赋3分，其他站点均赋1分；类似地，机场等级、口岸等级以及物流企业等级均作相同赋分处理。
基础设施公路网密度/（km/100 km2）100 km2拥有公路总里程数0.014
铁路站点等级按铁路站点等级进行隶属度处理0.007
码头长度/m码头结构自身的长度0.059
泊位个数/个码头泊位数0.062
等级公路里程/km根据公路的使用任务、功能和流量进行划分0.017
机场等级按机场等级进行隶属度处理0.006
物流运营公路货运量/万t公路在1 a内实际运送货物的数量0.019
水路货运量/万t水路在1 a内实际运送货物的数量0.066
民航货邮量/万t民航在1 a内实际运送货物的数量0.053
公路客运量/万人公路在1 a内实际运送旅客的数量0.108
民航客运量/万人民航在1 a内实际运送旅客的数量0.035
物流从业人口/万人交通运输、仓储和邮政业从业人口0.019
口岸等级按港口等级进行隶属度处理0.016
A类物流企业/个A类物流企业个数0.020
信息技术互联网宽带接入用户数/户国际互联网用户总数0.224
移动电话年末用户数/户移动电话使用总用户数量0.199
邮政业务收入/亿元邮政业务收入/GDP0.052
电信业务收入/亿元电信业务收入/GDP0.025

新窗口打开| 下载CSV


2） 基尼系数及其分解。基尼系数是衡量空间差异最为广泛的方法之一，其取值范围为0~1，基尼系数的值越高，代表不同地区的综合发展水平差距越大；反之则越小。计算公式为：

$ GINI = \dfrac{2}{n}\displaystyle\sum\limits_{{{i}} = 1}^n {\left( {{{{i}}}{V_{i}}} \right)} - \left( {n + {\text{1}}} \right)/n $

式中，Vi代表第i个陆港型物流枢纽综合发展水平值占全部枢纽综合发展水平值的份额，在计算时需将Vi按从小到大的顺序依次排列；n代表研究对象数量。

为进一步探究陆港型物流枢纽的结构性特征，本文参考刘兆德等人做法[27]，将基尼系数按照基础设施、物流运营、信息技术3个组成部分进行分解。具体公式为：

$ GINI = \displaystyle\sum\limits_{{{i}} = 1}^{{u}} {{S_{{k}}}{E_{{k}}}} $

式中，Sk = Qk /Q，其中Qk代表第k项组成部分的各枢纽综合发展水平的均值，Q代表所有研究对象综合发展水平的均值；u为组成部分数；Ek代表第k个组成部分的集中系数，其计算方法与基尼系数大致相同，差别在于计算某一项组成部分的集中系数时是根据所有研究对象综合发展水平得分由低到高进行排序，而不是根据该项组成部分的得分进行排序。此外，Sk与Ek之积占GINI的比例，即[（Qk / Q）×Ek]/GINI为枢纽综合发展水平各组成部分对总体发展水平差异的贡献率。

3） 面板分位数模型。传统的普通最小二乘法模型是用来探究影响因素的常用方法，但是其本质上属于均值回归方法，要求样本分布呈正态性。当样本具有异质性时，该方法难以反映自变量在不同位置上的差异化影响。实际上，中国陆港型物流枢纽的分布存在着很强的空间异质性，不同发展水平枢纽的影响因素可能存在较大的差异。鉴于这一点，本文运用面板分位数模型进行中国陆港型物流枢纽的影响因素探析，这一方法不需要数据服从正态分布假设，而且不易受到极端值的干扰，能够更加全面地分析在不同分位点上各因素对枢纽发展水平的边际影响。自变量的选择基于前文理论分析而展开，具体模型表示如下：

$ \begin{split} Quant_{\tau} (sco_{it}) =& \beta_ 0 + \beta _1peo + \beta _2gdp + \beta_ 3edu + \beta_ 4gov + \\ & \beta_ 5fin + \beta_ 6ser + \beta_ 7global + \varepsilon _{it} \\[-10pt] \end{split}$

式中，Quantτ（scoit）表示枢纽综合发展水平（scoit）与分位点τ对应的分位数；peo为人口规模；gdp为国内生产总值，反映枢纽经济发展实力；edu为教育水平，由枢纽普通高校在校生数比重表示；gov为财政投资，由枢纽政府财政支出表示；fin为金融发展水平，由枢纽年末金融机构存贷款额与国内生产总值之比表示；ser为服务化指数，由第三产业与第二产业产值比表示；global为全球化指数，由外贸依存度和实际利用外资占全社会固定资产投资比重的均值表示[31,32]； εit 为随机误差项； β0为截距项；β1~ β7分别为相应变量的回归系数。另外，为了减少异方差以及量纲造成的影响，本文对变量数据进行归一化和取对数处理。

2.2 研究对象

本文的研究对象是在《国家物流枢纽布局与建设规划》中布局的41个陆港型物流枢纽的基础上加入义乌市（不含港澳台数据），因为义乌既是中国乃至全球最大小商品集散中心和国际知名陆港，也是“一带一路”关键节点和中欧班列重要节点。另外，由于库尔勒、哈密、格尔木、拉萨4个枢纽的数据缺失严重，所以本研究不纳入考量范围。最终，本文的研究对象包括石家庄、临汾、乌兰察布、沈阳、潍坊、保定、鹰潭、太原、南昌、呼和浩特、大同、哈尔滨、兰州、长沙、长春、酒泉、南京、佳木斯、乌鲁木齐、杭州、徐州、成都、济南、合肥、遵义、安阳、西安、衡阳、武汉、重庆、南宁、柳州、遂宁、郑州、贵阳、延安、昆明、义乌共38个陆港型国家物流枢纽。

基于陆港型物流枢纽发展机理，并考虑数据的可获得性和可比性，本文从基础设施、物流运营和信息技术维度构建包含3项一级指标和18项二级指标的评价指标，并运用全局熵值法确定指标权重，最终形成陆港型物流枢纽综合发展实力的评价体系（见表1）。

3 陆港型物流枢纽的格局演化及空间差异

3.1 格局演化特征

依据全局熵值法测算中国陆港型物流枢纽综合发展水平的得分，并基于ArcGIS软件平台和自然断裂点分类法将中国陆港型物流枢纽的综合实力划分为5个等级，同时加入胡焕庸线，探究胡焕庸线两侧陆港型物流枢纽的空间分异特征（图2）。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2   2001—2018年中国陆港型物流枢纽发展水平

1.佳木斯；2.乌兰察布；3.大同；4.保定；5.延安；6.临汾；7.安阳；8.潍坊；9.徐州；10.遂宁；11.酒泉； 12.义乌；13.鹰潭；14.衡阳；15.遵义；16.柳州；未标数字的彩色圆点为省会（首府）城市；审图号：GS（2019）1822 号，底图无修改；不含西藏、港澳台数据

Fig. 2   Development level of dry port logistics hubs in China from 2001 to 2018


由图2看出， 2001—2018年中国陆港型物流枢纽的综合发展水平随时间推移呈现出不同程度的增长，总体上表现出良好的提升态势。从空间格局看，中国陆港型物流枢纽综合发展水平以胡焕庸线为界，呈现出显著的“东南高、西北低”的总体空间格局，基本上与中国区域经济发展格局相一致。其中，东南地区枢纽数量和实力均明显强于西北地区，尤其是长江经济带地区的枢纽表现最为强劲，且随着时间推移呈现出由东向西增强的演进态势。首先，这是由于东南地区经济发达，对外开放水平较高，交通运输网络更加完善。其次，长江经济带作为连通国家东西的大动脉，随着中国开放向西部纵深推进和“双循环”战略的实施，该地区陆港型物流枢纽的综合实力将愈发增强。相反，胡焕庸线以西地区的枢纽发展速度一直较缓慢。另外，东北地区的枢纽发展水平具有一定的基础，如哈尔滨、长春都是国家重要的战略性物流枢纽，其枢纽发展水平强于经济发展水平。但随着时间的推移，东北地区枢纽的发展水平随着其经济地位的降低而呈现出明显的下降趋势。

从具体枢纽看，杭州的枢纽发展水平始终位列全国首位或次位，处于最领先地位；但随着中国愈来愈对陆向战略及海陆统筹的重视，重庆在2018年超越杭州排名全国第一；长江经济带地区的武汉和南京的综合实力也一直占据全国前5位。另外，长沙、西安、郑州、合肥、徐州、成都等枢纽的发展水平始终处于全国前列。这些枢纽多为直辖市、省会或陆港建设较早的城市，始终是国家物流体系的核心节点。与之相反，中西部的安阳、乌兰察布、酒泉、延安、遂宁等枢纽则保持排在全国末位，这既是由于相邻较强枢纽的虹吸效应所致，如重庆对遂宁的虹吸，但更多的仍是自身发展实力较弱，作为支撑国家物流体系建设的战略节点，推动这些城市物流枢纽的建设进程迫在眉睫。值得注意的是，义乌作为唯一县级市，依托发达的商品贸易、较早的陆港建设探索、跨境电子商务发展以及中欧班列重要节点等，其综合发展水平显著领先于很多中西部物流枢纽。

3.2 空间差异及其分解

由公式（1、2）对中国陆港型物流枢纽发展水平进行基尼系数测算和分解（图3），可以看出基尼系数呈现不断上升的趋势，由2001年的0.370上升至2018年的0.420，表明枢纽之间发展实力的空间差距逐渐加大，综合实力高的枢纽具备更快的发展速度，而综合实力低的枢纽的发展水平提升速度也相对较慢，表现出“强者恒强，弱者恒弱”的马太效应，在空间上表现出典型的极化效应。从3个分维度看，除了物流运营维度的基尼系数在2013—2018年间保持大体不变以外，3个维度基尼系数在各个阶段均呈现为上升趋势，进一步从多维度反映中国陆港型物流枢纽发展水平的空间极化事实。其中，信息技术维度的基尼系数增长最快，特别在2013年以后，各类信息技术资源受高等级枢纽的虹吸效应更加显著。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3   中国陆港型物流枢纽发展基尼系数及各维度贡献率

不含西藏、港澳台数据

Fig. 3   Gini coefficient and contribution rate of each dimension of dry port logistics hub development in China


从各维度对基尼系数的贡献率看，物流运营维度的贡献率始终最高，基础设施维度次之，信息技术维度的贡献率最低。但3个维度贡献率的演化态势却各异，尽管物流运营和基础设施维度占主要贡献，但信息技术维度的贡献率逐渐提升，且这种提升速度愈来愈快。其中，基础设施维度的贡献率由2001年的47.7%下降至2018年的31.8%；物流运营维度的贡献率占比始终最高，保持在50%~70%，尽管呈现出先增后减的变化态势，总体上变化相对稳定；信息技术维度的贡献率变化最大，由2001年0.7%快速增长至2018年的12.8%，其对中国陆港型物流枢纽的集散格局影响愈来愈明显。由此可见，在中国未来陆港型物流枢纽建设中，不仅要在现有物流运营体系的基础上进一步完善基础设施布局，更要加强信息技术、数字化转型等软环境建设。

4 中国陆港型物流枢纽的驱动因素分析

4.1 回归结果分析

运用Stata软件对模型变量进行共线性检验，方差膨胀因子均小于10，因此可以进行下一步回归分析。选取0.1、0.3、0.5、0.7及0.9等5个分位点对模型进行分位数回归（表2）。由表2可知，不同发展水平枢纽的驱动因素存在较大差异。另外，模型结果通过了Wald检验，代表每个斜率在不同分位点上的值均不同，说明采用分位数模型是合理的，具体回归结果见表2。

表2   基于面板分位数模型的枢纽驱动因素分析结果

Table 2  Estimation results of the driving factors of hubs based on panel quantile model

模型1（0.1）模型 2（0.3）模型 3（0.5）模型 4（0.7）模型5（0.9）
　　注：*、**、*** 分别为 P<0.05、P<0.01、P<0.001；括号内数值为标准误；模型n后面的括号数值为分位点；peo为人口规模；gdp为国内生产总值；edu为教育水平；gov为财政投资；fin为金融发展水平；ser为服务化指数；global为全球化指数；不含西藏、港澳台数据。
截距项（β0）−0.3710***−0.3670***−0.3530***−0.1670***−0.0471
（0.0242）（0.0234）（0.0216）（0.0586）（0.0934）
peo0.0482***0.0561***0.0884***0.1980***0.3000***
（0.0198）（0.0191）（0.0176）（0.0478）（0.0763）
gdp−0.00140.03630.0616**0.4430***0.9410***
（0.0446）（0.0430）（0.0397）（0.1079）（0.1721）
edu0.3350***0.2970***0.1800***−0.0259−0.2970***
（0.0335）（0.3229）（0.0298）（0.0810）（0.1292）
gov−0.00260.01760.0983***−0.1670**−0.4010***
（0.0446）（0.4298）（0.0397）（0.1078）（0.1720）
fin0.1500***0.1020***0.1270***0.0826*0.2340***
（0.0263）（0.0253）（0.0234）（0.0635）（0.101）
ser0.0323***0.0402***0.0537***0.0557**0.0427
（0.0135）（0.0130）（0.0120）（0.0326）（0.0520）
global0.1300***0.2030***0.1900***0.1680***0.1730**
（0.0242）（0.0233）（0.2157）（0.5856）（0.0934）
Pseudo R20.38800.45310.38920.32970.3613
样本数684684684684684

新窗口打开| 下载CSV


人口规模和经济实力两个因素对陆港型物流枢纽发展的影响总体上具有正向影响，并且影响程度随着分位点上升而增强。这表明，人口规模和经济实力提升能有效促进物流相关要素的空间集聚，且人口规模越大、经济实力越强，促进效应则越明显。另外，在0.3分位点以下，经济实力对枢纽发展水平无显著影响，说明发展水平低的枢纽没有得到有效的经济支撑作用。但随着分位点的上升，回归系数显著为正并呈增长态势，说明经济实力能带动中高等级枢纽在基础设施、物流运营、信息技术等各方面的发展，进而促进枢纽综合实力提升。

金融发展水平和教育水平属于新兴考量因素，但两者对枢纽的发展并不相同。其中，金融发展水平对各分位点上物流枢纽发展均呈正向影响，表明金融因素对各分位点上的枢纽发展均产生积极影响，尤其在最高分位点处的影响最大。一方面，2000年以来中国经济快速发展带动各类物流需求增加，金融资本很显然能推进各地物流枢纽建设；另一方面，那些发展水平高的物流枢纽因空间极化效应[33]，往往具备更多的金融资源，枢纽发展水平更加优越。教育水平对物流枢纽发展存在先正后负的影响。在0.5分位点以下，物流业从业人员教育水平提升能有效促进物流服务效益，从而显著促进中低等级枢纽的发展。但对中高等级枢纽而言，由于目前物流业对从业人员素质要求门槛不高，教育水平提升可能造成人才流失或者从事其他行业，间接影响物流枢纽的综合实力；另外，中高等级枢纽大多位于经济发达地区，物流业的工资支付成本也相对较高，特别是受过较高教育的劳动力具有更高的工资期望，而现阶段中国物流行业仍以劳动密集型产业为主，因此教育水平对物流枢纽的发展推动作用有限，甚至会产生抑制作用。

政府干预的效应相对较复杂，目前学术界持有两种主流观点：其一认为合适的政府干预不仅能提供物流枢纽的建设资金，还能促进枢纽的创新能力和运营效率提升[34]；其二认为政府干预会导致地方债务压力和对社会资本的“挤出效应”，从而阻碍物流枢纽的发展[35]。本研究表明，政府财政投资对低等级枢纽不存在显著影响；随着枢纽实力的提升，政府财政投资为枢纽建设带来了资金，制定并规范相应规制体系，对枢纽实力产生显著的促进作用，但在高分位数处时，财政投资对枢纽发展的影响转为负向，此时因政府过多的干预带来资源配置扭曲和效率损失，从而抑制了物流枢纽的发展。

服务化和全球化水平是影响中国陆港型物流枢纽发展的外部环境因素，两者总体上均对枢纽实力提升具有正向促进作用。2000年以来，中国经济结构经历由传统工业化模式向服务化模式的快速转型，物流业作为介于第二产业和第三产业之间的生产性服务业得到了快速发展。对于那些服务化水平更高的枢纽而言，一方面商业性物流活动逐渐增加，另一方面工业物流尤其大宗商品物流的份额可能相对降低，致使服务化指数对枢纽实力提升的影响并不明显。因此服务化指数仅对中低等级枢纽的发展水平具有显著的促进作用。与此同时，在全球化深入推进和影响的背景下，各国间贸易联系不断加深，促生了国内各项生产活动以及物流运输的巨大需求，进而显著推动了各级枢纽的实力提升。

4.2 稳健性检验

前文的分位数回归分析仅是5个分位点上的结果，解释变量在全部分位点上的边际贡献变化情况并不能被全面描述。基于此，本文参考王少剑等做法[36]，描述在全部分位点上的核心解释变量对中国陆港型物流枢纽综合发展实力的变化趋势及边际贡献（图4）。在图4中，分位数是对应变量的分位数回归系数，即解释变量的边际贡献率，最小和最大分位数分别取值0.01和0.99。虚线部分代表均值回归结果和95%的置信区间，实线部分为分位数回归系数，阴影部分表示置信带。可以看到，大部分系数的估计值都在均值回归模型的系数置信区间范围内，说明样本数据选用分位数回归具有一定的适用性和较高的可信度；另外，在模型低分位数和高分位数上，估计系数差别较大，进一步体现了分位数模型较均值回归模型更具优势。结果显示，即使考虑全部分位点，上文的主要结论依然是稳健的。另外，本研究还做了一些其他稳健性检验，包括用人均GDP代替GDP，引入全球化指数滞后一期值等，这些做法均没有改变本文的研究结论。

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4   各解释变量全分位回归系数及变化

虚线及虚线之间部分代表均值回归结果及95%的置信区间；实线部分为分位数回归系数；

阴影部分表示置信带；不含西藏、港澳台数据

Fig. 4   Full quantile regression coefficients of explanatory variables and their changes


5 结论与启示

在剖析陆港型物流枢纽内涵的基础上构建综合评价指标，采用全局熵值法多维测度中国陆港型物流枢纽综合发展水平，分析其时空格局演化和区域差异特征，并运用面板分位数模型探究影响其发展的主要驱动因素。主要研究结论如下：

1） 科学分析并界定陆港型物流枢纽的概念内涵，认为陆港型物流枢纽是分布在内陆地区，以陆路通道和集疏运系统为依托，具有畅通要素集散效率、强化空间互联互通、促进区域协调发展和提升产业供应链弹性等服务功能的枢纽节点。另外，陆港型物流枢纽还包含不同空间尺度的涵义。

2） 中国陆港型物流枢纽的综合发展实力总体上随时间演化呈现明显的提升态势，并呈现胡焕庸线的两侧明显的分异特征。东部地区的枢纽总体比西部地区发展更强。其中，长江经济带地区的枢纽发展实力最为强劲，以杭州、重庆为龙头，南京、武汉、成都、郑州等为次核心的连绵状空间发展轴初步形成；基尼系数上升态势表明枢纽的空间差异在不断增强，基础设施及物流运营是基尼系数的主要贡献因素，但信息技术的影响程度在不断上升。

3） 各驱动因素对不同等级枢纽发展实力的影响程度及显著性均不同。其中，人口规模对各个等级枢纽的影响均呈正向，随着枢纽综合实力的提升，人口规模的影响程度也不断加强；经济发展状况对中高等级枢纽具有显著性影响，并且影响程度随着枢纽等级提升而加强；教育水平对中低等级枢纽呈正向影响，但对高等级枢纽甚至产生一定的抑制作用；政府财政投资对低等级枢纽无显著作用，对中分位枢纽呈正向促进效应，但随着分位点上升，正向效应逐渐转变为负向效应；金融发展和外部环境因素均对枢纽发展呈正向促进作用。

基于上述研究结论，本文得到如下政策启示：① 充分认识陆港型物流枢纽对区域经济发展的促进作用。在“一带一路”建设和“双循环”格局不断推进的背景下，联动陆海的双向开放战略成为区域经济发展的必然趋势，陆港型物流枢纽成为促进新经济格局形成的关键支撑。② 基于空间异质性制定差别化的枢纽发展政策。对发展成熟的高等级枢纽，建议强化枢纽综合服务功能提升，注重枢纽对区域和产业发展的促进作用；而对发展相对滞后的枢纽，更应该加大基础设施建设，深入发掘枢纽承载城市的物流潜力。③ 完善中国陆港型物流枢纽体系建设。对内强化不同等级枢纽之间的网络化联系，对外促进枢纽与沿海港口在经济、物流、信息方面的深度融合，尤其发挥长江经济带地区枢纽在陆海内外联动、南北双向互济的战略支撑作用。④ 注重信息技术在陆港型物流枢纽建设中的应用。紧抓数字化转型带来的重大契机，加强物流技术研发和场景应用，推动大数据、云计算、区块链、人工智能等新兴技术在枢纽建设中的深度融合和广泛应用。

参考文献

Chan H K, Dai J, Wang X et al.

Logistics and supply chain innovation in the context of the Belt and Road Initiative (BRI)

[J]. Transportation Research Part E:Logistics and Transportation Review, 2019, 132: 51-56

DOI:10.1016/j.tre.2019.10.009      [本文引用: 1]

刘华军, 郭立祥, 乔列成, 等.

中国物流业效率的时空格局及动态演进

[J]. 数量经济技术经济研究, 2021, 38(5): 57-74

[本文引用: 1]

Liu Huajun, Guo Lixiang, Qiao Liecheng et al.

Temporal and spatial pattern and dynamic evolution of logistics efficiency in China

The Journal of Quantitative & Technical Economics, 2021, 38(5): 57-74

[本文引用: 1]

Leveque P, Roso V. Dry Port concept for seaport inland access with intermodal solutions[M]. Gothenburg: Chalmers University of Technology, 2002.

[本文引用: 1]

Notteboom T E, Rodrigue J P.

Port regionalization: Towards a new phase in port development

[J]. Maritime Policy & Management, 2005, 32(3): 297-313

董千里. 物流集成场: 国际陆港理论与实践[M]. 北京:社会科学文献出版社, 2012.

[本文引用: 1]

Dong Qianli. Logistics integration field: Theory and practice for international inland port. Social Sciences Academic Press, 2012.

[本文引用: 1]

Roso V, Woxenius J, Lumsden K. The dry port concept: Connecting container seaports with the hinterland[J]. Journal of Transport Geography, 2008, 17(5) : 338-345.

[本文引用: 1]

Witte P, Wiegmans B, Rodrigue J P.

Competition or complementarity in Dutch inland port development: A case of overproximity?

[J]. Journal of Transport Geography, 2017, 60: 80-88

DOI:10.1016/j.jtrangeo.2017.02.008      [本文引用: 1]

Dadvar E, Ganji S R, Tanzifi M.

Feasibility of establishment of “dry Ports” in the developing countries: The case of Iran

[J]. Journal of Transportation Security, 2011, 4(1): 19-33

DOI:10.1007/s12198-010-0056-x     

Gonzalez Aregall M, Bergqvist R.

The role of dry ports in solving seaport disruptions: A Swedish case study

[J]. Journal of Transport Geography, 2019, 80: 102499

DOI:10.1016/j.jtrangeo.2019.102499     

Pham H T, Lee H.

Developing a green route model for dry port selection in Vietnam

[J]. The Asian Journal of Shipping and Logistics, 2019, 35(2): 96-107

DOI:10.1016/j.ajsl.2019.06.002     

Witte P, Wiegmans B, Ng A K Y.

A critical review on the evolution and development of inland port research

[J]. Journal of Transport Geography, 2019(74): 53-61

[本文引用: 1]

梁承姬, 高瑞瑞.

宁波港中距离无水港选址问题研究

[J]. 计算机工程与应用, 2017, 53(13): 259-265

DOI:10.3778/j.issn.1002-8331.1511-0162      [本文引用: 1]

Liang Chengji, Gao Ruirui.

Study on the location of medium distance dry port in Ningbo port

Computer Engineering and Applications, 2017, 53(13): 259-265

DOI:10.3778/j.issn.1002-8331.1511-0162      [本文引用: 1]

Komchornrit K.

The selection of dry port location by a hybrid Cfa-Macbeth-Promethee method: A case study of southern Thailand

[J]. The Asian Journal of Shipping and Logistics, 2017, 33(3): 141-153

DOI:10.1016/j.ajsl.2017.09.004      [本文引用: 1]

Europlatform. Logistics centres: Direction for use[R]. Europlatforms EEIG, 2004.

[本文引用: 1]

江潭瑜.

深圳建设亚太地区重要物流枢纽城市问题探讨

[J]. 管理世界, 2008, 24(8): 1-8

Jiang Tanyu.

Discussion on building Shenzhen into an important logistics hub city in the Asia Pacific Region

Management World, 2008, 24(8): 1-8

Pettit S J, Beresford A K C.

Port development: From gateways to logistics hubs

[J]. Maritime Policy & Management, 2009, 36(3): 253-267

Nam H S, Song D W.

Defining maritime logistics hub and its implication for container port

[J]. Maritime Policy & Management, 2011, 38(3): 269-292

[本文引用: 1]

金凤花, 李全喜, 孙磐石.

基于场论的区域物流发展水平评价及聚类分析

[J]. 经济地理, 2010, 30(7): 1138-1143

[本文引用: 1]

Jin Fenghua, Li Quanxi, Sun Panshi.

Evaluation and cluster analysis of regional logistics development level based on field theory

Economic Geography, 2010, 30(7): 1138-1143

[本文引用: 1]

刘思婧, 李国旗, 金凤君.

中国物流集群的量化甄别与发育程度评价

[J]. 地理学报, 2018, 73(8): 1540-1555

DOI:10.11821/dlxb201808011      [本文引用: 1]

Liu Sijing, Li Guoqi, Jin Fengjun.

Quantitative screening and development evaluation of logistics clusters in China

Acta Geographica Sinica, 2018, 73(8): 1540-1555

DOI:10.11821/dlxb201808011      [本文引用: 1]

Bolumole Y A, Closs D J, Rodammer F A.

The economic development role of regional logistics hubs: A cross-country study of interorganizational governance models

[J]. Journal of Business Logistics, 2015, 36(2): 182-198

DOI:10.1111/jbl.12088     

田巧.

基于系统动力学的物流园区建设对城市经济的影响研究——以重庆市为例

[J]. 物流工程与管理, 2015, 37(10): 1-4

DOI:10.3969/j.issn.1674-4993.2015.10.001      [本文引用: 1]

Tian Qiao.

Research on the impact of logistics park construction on urban economy based on system dynamics—A case study of Chongqing

Logistics Engineering and Management, 2015, 37(10): 1-4

DOI:10.3969/j.issn.1674-4993.2015.10.001      [本文引用: 1]

李国旗, 金凤君, 刘思婧.

物流枢纽形成的驱动力与演化机理

[J]. 经济地理, 2015, 35(4): 84-89

[本文引用: 1]

Li Guoqi, Jin Fengjun, Liu Sijing.

Driving force and evolution mechanism of logistics hub formation

Economic Geography, 2015, 35(4): 84-89

[本文引用: 1]

Raimbault N, Jacobs W, Van Dongen F.

Port regionalisation from a relational perspective: The rise of Venlo as Dutch international logistics hub

[J]. Tijdschrift Voor Economische En Sociale Geografie, 2016, 107(1): 16-32

DOI:10.1111/tesg.12134      [本文引用: 1]

Sopadang A, Banomyong R.

Combining AHP and TOPSIS method for logistics hub selection

[J]. International Journal of Management and Decision Making, 2016, 15(2): 134-153

DOI:10.1504/IJMDM.2016.077764      [本文引用: 1]

贾鹏, 吴寄石, 李海江, 等.

中国物流枢纽承载城市货运网络时空演化及驱动机制

[J]. 地理科学, 2021, 41(5): 759-767

[本文引用: 1]

Jia Peng, Wu Jishi, Li Haijiang et al.

Temporal and spatial evolution and driving mechanism of China’s logistics hub carrying urban freight network

Scientia Geographica Sinica, 2021, 41(5): 759-767

[本文引用: 1]

Chung S H.

Applications of smart technologies in logistics and transport: A review

[J]. Transportation Research Part E:Logistics and Transportation Review, 2021, 153: 102455

DOI:10.1016/j.tre.2021.102455      [本文引用: 1]

刘兆德, 刘强, 刘振明, 等.

中国省域城镇化综合水平的空间特征与影响因素

[J]. 城市发展研究, 2017, 24(3): 95-101

DOI:10.3969/j.issn.1006-3862.2017.03.014      [本文引用: 3]

Liu Zhaode, Liu Qiang, Liu Zhenming et al.

Spatial characteristics and influencing factors of comprehensive level of provincial urbanization in China

Urban Studies, 2017, 24(3): 95-101

DOI:10.3969/j.issn.1006-3862.2017.03.014      [本文引用: 3]

国家统计局. 中国城市统计年鉴[M]. 北京: 中国统计出版社, 2002-2019.

[本文引用: 1]

National Bureau of Statistics. China city statistical yearbook. Beijing: China Statistics Press, 2008-2018.

[本文引用: 1]

中国港口年鉴编辑部. 中国港口年鉴[M]. 上海: 中国港口杂志社, 2002-2019.

[本文引用: 1]

Editorial Department of China Ports. China ports year book. Shanghai: China Port Magazine, 2002-2019.

[本文引用: 1]

中国民用航空局发展计划司. 从统计看民航[M]. 北京: 中国民航出版社, 2002-2019.

[本文引用: 1]

Department of Development Planning of Civil Aviation Administration of China. Statistical data on civil aviation of China. Beijing: China Civil Aviation Press, 2002-2019.

[本文引用: 1]

郭庆宾, 刘静, 王涛.

武汉城市圈城镇化生态环境响应的时空演变研究

[J]. 中国人口·资源与环境, 2016, 26(2): 137-143

DOI:10.3969/j.issn.1002-2104.2016.02.017      [本文引用: 1]

Guo Qingbin, Liu Jing, Wang Tao.

Temporal and spatial evolution of urbanization ecological environment response in Wuhan Metropolitan Area

China Population, Resources and Environment, 2016, 26(2): 137-143

DOI:10.3969/j.issn.1002-2104.2016.02.017      [本文引用: 1]

陈肖飞, 韩腾腾, 栾俊婉, 等.

新创企业的时空分异与区位选择——基于中国汽车制造业的实证研究

[J]. 地理研究, 2021, 40(6): 1749-1767

DOI:10.11821/dlyj020200653      [本文引用: 1]

Chen Xiaofei, Han Tengteng, Luan Junwan et al.

Spatial and temporal differentiation and location choice of start-ups—An empirical study based on China’s automobile manufacturing industry

Geographical Research, 2021, 40(6): 1749-1767

DOI:10.11821/dlyj020200653      [本文引用: 1]

袁华锡, 刘耀彬, 封亦代.

金融集聚如何影响绿色发展效率?——基于时空双固定的SPDM与PTR模型的实证分析

[J]. 中国管理科学, 2019, 27(11): 61-75

[本文引用: 1]

Yuan Huaxi, Liu Yaobin, Feng Yidai.

How does financial agglomeration affect the efficiency of green development—Empirical analysis of SPDM and PTR model based on spatiotemporal double fixation

Chinese Journal of Management Science, 2019, 27(11): 61-75

[本文引用: 1]

Zheng W J, Xu X H, Wang H W.

Regional logistics efficiency and performance in China along the Belt and Road Initiative: The analysis of integrated DEA and hierarchical regression with carbon constraint

[J]. Journal of Cleaner Production, 2020, 276: 123649

DOI:10.1016/j.jclepro.2020.123649      [本文引用: 1]

陈银娥, 孙琼.

中国基础设施发展水平测算及影响因素——基于省级面板数据的实证研究

[J]. 经济地理, 2016, 36(8): 23-30

DOI:10.15957/j.cnki.jjdl.2016.08.004      [本文引用: 1]

Chen Yine, Sun Qiong.

Measurement and influencing factors of China’s infrastructure development level: An empirical study based on provincial panel data

Economic Geography, 2016, 36(8): 23-30

DOI:10.15957/j.cnki.jjdl.2016.08.004      [本文引用: 1]

王少剑, 谢紫寒, 王泽宏.

中国县域碳排放的时空演变及影响因素

[J]. 地理学报, 2021, 76(12): 3103-3118

DOI:10.11821/dlxb202112016      [本文引用: 1]

Wang Shaojian, Xie Zihan, Wang Zehong.

The spatiotemporal pattern evolution and influencing factors of CO2 emissions at the county level of China

Acta Geographica Sinica, 2021, 76(12): 3103-3118

DOI:10.11821/dlxb202112016      [本文引用: 1]

/

〈 〉