基于面板数据模型云南各州市物流发展研究.docVIP

基于面板数据模型云南各州市物流发展研究 　　[摘要]云南省各州市物流发展影响因素既有个性又有共性，为了兼顾其共性及个性，本文在对云南十六州市进行聚类分析的基础上，采用面板数据模型，应用Stata软件对十六州市1996—2010年的物流经济相关数据进行回归分析，找出影响各类州市物流最大的原因，并针对各类州市的特点提出发展物流的建议。 　　[关键词]面板数据模型；聚类分析；回归分析 　　[中图分类号]F259 [文献标识码]A [文章编号]1005-6432（2014）10-0018-02 　　1 引 言 　　近年来，对物流与经济的回归分析大都局限于时间序列或者截面序列，采用面板数据对其进行回归分析的文献很少。[ZW（]时序数据是指时间序列数据，是同一指标按不同时间顺序记录的数据列。横截面数据是在同一时间，不同统计单位相同统计指标或者同一统计单位不同统计指标组成的数据列。面板数据是时序数据与截面数据综合??来的一种数据类型，具有三个维度的信息，一是时间维度信息，二是空间维度，也叫区域维度信息，三是指标变量维度的信息。[ZW）]而对于物流与经济的关系研究大多局限于货物周转量（代表物流）与GDP（代表经济）之间的相互关系研究。本文在前人研究的基础上，应用面板数据，采用Stata软件分析了云南物流发展的经济原因，并根据其特点，提出了发展云南现代物流的建议。 　　2 模型构建 　　2.1 理论假设 　　物流需求可以看成是各经济要素的函数。我们假设云南省物流需求是受各州市经济等因素的影响而决定的，而经济特征不同的地区对于物流需求不同。函数式可表示为： 　　Qit=f（Xit）=f（Git，Dit，Jit，Rit，…） 　　上式中向量集Xit表示各州市总的经济特征，可将Xit分解为分力Git、Dit、Jit、Rit等，其中Git表示i州市t年的GDP、Dit表示i州市t年的第二产业总值、Jit表示i州市t年就业人员、Rit表示i州市t年人均GDP、Qit表示i州市t年物流需求。 　　2.2 变量选择 　　本文主要从各州市物流规模、各地经济发展状况以及物流劳动力供给三个方面出发选取相关指标来研究物流与经济的关系。 　　（1）反映物流规模的指标 　　目前，相关研究普遍采用货运量与货物周转量来表征物流需求，但是，以上两种方法都存在较大的局限性，因为运输可能存在迂回运输、二次运输甚至三次运输、且运输对象有巨大差异性，因此用货运量或货物周转量来表征物流都会使其失真，对研究结果有偏歧。 　　国家统计局和国家标准局制定的国民经济行业分类标准：物流业属于第三产业中交通运输、仓储和邮电业。综上所述，本文认为，在分析各州市物流需求与经济的关系时，采用运输仓储及邮政总额这个指标来反映物流的需求比较合理。 　　（2）反映各地经济发展状况的指标 　　本文选取各州市生产总值和第二产业总值来表示各地区的经济发展状况。 　　（3）反映物流劳动力供给方面的指标 　　根据数据的可得性以及前人研究成果，本文采用城镇单位交通运输仓储和邮政就业人员来反映物流劳动力供给方面的情况。 　　2.3 回归模型估计 　　面板数据模型最基本的形式——个体效应模型，如下所示： 　　yit=xit′+αi+εit 　　根据变量截距α是否与解释变量x存在相关性将个体效应模型分为固定效应模型和随机效应模型。以下将应用Hausman检验来确定云南十六个州市的个体效应模型应当选用随机效应模型还是固定效应模型。Hausman检验的原假设与备择假设分别为：H统计量渐进服从于卡方分布，其中： 　　M=K-非时变量个数-时变量总数 　　因此，H统计量可以直观地告诉我们如何在随机效应和固定效应中进行选取。当无法拒绝原假设时，选用随机效应，但如果原假设被拒绝，则选择固定效应。 　　首先，对本文中十六州市十五年五个指标的面板数据进行平衡性检验，通过Stata中xtdescribe命令，检验结果显示该面板数据满足平衡的条件。 　　通过Hausman检验来确定究竟选择固定效应模型还是随机效应模型，结果如图1所示。检验结果表明，卡方统计量值为23.07，自由度为4，在95%的显著性水平下接受原假设的概率为0.0001，故应拒绝原假设选用固定效应模型及相应的估计方法。从本文的研究来看，由于是利用云南省十六州市的数据来考察云南各州市物流的发展与区域经济之间的关系，各州市之间有很大的个体差异，因此，采用固定效应模型更为合理。 　　3 研究结论及建议 　　按照以上理论假设，对四类州市[ZW（]十六州市的聚类分析参见笔者的《云南现代物流经济与空间研究》第四章第四节的研究结果。第一类州市为昆明，第二类州市为曲靖、玉溪、红河、大理、楚雄，第三类州市为昭通、文山、普洱、临沧，第四类州