物流業(yè)與制造業(yè)產(chǎn)業(yè)關(guān)聯(lián)對空間協(xié)同集聚影響的實(shí)證分析目錄TOC\o"1-3"\h\u14127物流業(yè)與制造業(yè)產(chǎn)業(yè)關(guān)聯(lián)對空間協(xié)同集聚影響的實(shí)證分析 1170211.1物流業(yè)與制造業(yè)產(chǎn)業(yè)關(guān)聯(lián)與空間協(xié)同集聚的相關(guān)性分析 1215231.1.1物流業(yè)與制造業(yè)整體產(chǎn)業(yè)關(guān)聯(lián)與空間協(xié)同集聚的相關(guān)性 172911.1.2物流業(yè)與不同類型制造業(yè)產(chǎn)業(yè)關(guān)聯(lián)與空間協(xié)同集聚相關(guān)性分析 4175911.2物流業(yè)與制造業(yè)產(chǎn)業(yè)關(guān)聯(lián)對產(chǎn)業(yè)協(xié)同集聚的影響分析 573841.2.1變量選取、數(shù)據(jù)來源及處理 5251891.2.2探索性空間數(shù)據(jù)分析 798871.2.3空間計(jì)量模型介紹 10243851.2.4模型選擇與結(jié)果分析 111.1物流業(yè)與制造業(yè)產(chǎn)業(yè)關(guān)聯(lián)與空間協(xié)同集聚的相關(guān)性分析根據(jù)第四章計(jì)算的物流業(yè)與制造業(yè)前/后向關(guān)聯(lián)系數(shù)及第五章計(jì)算的物流業(yè)與制造業(yè)協(xié)同集聚指數(shù)，對2012年與2017年物流業(yè)與制造業(yè)前/后向關(guān)聯(lián)和空間協(xié)同集聚的關(guān)系進(jìn)行相關(guān)性分析。由于前/后向完全關(guān)聯(lián)比前/后向直接關(guān)聯(lián)更全面、深入地反映了產(chǎn)業(yè)間的內(nèi)在聯(lián)系，因此，本文重點(diǎn)研究前/后向完全關(guān)聯(lián)與產(chǎn)業(yè)空間協(xié)同集聚的關(guān)系。1.1.1物流業(yè)與制造業(yè)整體產(chǎn)業(yè)關(guān)聯(lián)與空間協(xié)同集聚的相關(guān)性為了具體考量各地區(qū)物流業(yè)與制造業(yè)空間協(xié)同集聚與產(chǎn)業(yè)關(guān)聯(lián)的相關(guān)性，本文對產(chǎn)業(yè)關(guān)聯(lián)水平和空間協(xié)同集聚指數(shù)進(jìn)行無量綱處理，將產(chǎn)業(yè)關(guān)聯(lián)度與空間協(xié)同集聚指數(shù)納入統(tǒng)一指標(biāo)體系中，然后借鑒江曼琦的研究思路，以2012年與2017年兩業(yè)空間協(xié)同集聚指數(shù)為縱坐標(biāo)，兩業(yè)關(guān)聯(lián)水平為橫坐標(biāo)，建立產(chǎn)業(yè)－空間四象限分布圖進(jìn)行進(jìn)一步分析，具體如圖6-1與圖6-2所示。圖中四個(gè)象限表示物流業(yè)與制造業(yè)產(chǎn)業(yè)關(guān)聯(lián)與空間協(xié)同集聚關(guān)系的四種類型：HH（高高），即物流業(yè)與制造業(yè)產(chǎn)業(yè)關(guān)聯(lián)水平高，兩業(yè)空間協(xié)同集聚水平也高；LH（低高），即物流業(yè)與制造業(yè)產(chǎn)業(yè)關(guān)聯(lián)水平低，兩業(yè)空間協(xié)同集聚水平高；LL（低低），即物流業(yè)與制造業(yè)產(chǎn)業(yè)關(guān)聯(lián)水平低，兩業(yè)空間協(xié)同集聚水平也低；HL（高低），即物流業(yè)與制造業(yè)產(chǎn)業(yè)關(guān)聯(lián)水平高，兩業(yè)空間協(xié)同集聚水平低。從圖6-1（a）與圖6-2（a）看，2012年位于HH象限的有6個(gè)省級區(qū)域，而2017年位于HH象限的省級區(qū)域雖然增加到7個(gè)，但如北京、廣東等省級區(qū)域在2017年卻不在HH象限，這是由于北京與廣東省由于物流運(yùn)輸成本降低、制造企業(yè)位置遷移等原因，造成區(qū)域物流業(yè)與制造業(yè)的后向關(guān)聯(lián)水平及協(xié)同集聚水平均有所下降；而如安徽、福建及河南等省級區(qū)域，2012年并不在HH象限，到2017年上述三地區(qū)卻位于HH象限，這是由于安徽、福建及河南等省級區(qū)域隨著物流業(yè)與制造業(yè)后向關(guān)聯(lián)水平上升，促使兩業(yè)在空間上共同集聚。雖然2012年與2017年位于LL象限的省級區(qū)域均有12個(gè)，但是如河北、浙江等省級區(qū)域的制造企業(yè)為了疏解沿海城市的壓力進(jìn)行位置遷移，導(dǎo)致區(qū)域間物流業(yè)與制造業(yè)產(chǎn)業(yè)間后向聯(lián)系水平降低，進(jìn)而促使兩業(yè)在空間上的協(xié)同集聚水平降低；而貴州、云南、西藏、甘肅及寧夏等省級區(qū)域是由于區(qū)域內(nèi)交通運(yùn)輸不便、物流基礎(chǔ)設(shè)施尚不完備等原因，導(dǎo)致物流業(yè)與制造業(yè)產(chǎn)業(yè)間的后向聯(lián)系處于較低水平，進(jìn)而導(dǎo)致兩業(yè)在空間上的協(xié)同集聚水平均處于較低水平。此外，從圖6-1（a）與6-2（a）中還可以看出，2012與2017年均有7個(gè)省級區(qū)域位于LH象限，表明雖然這些區(qū)域物流業(yè)對制造業(yè)的拉動(dòng)作用偏弱，但兩業(yè)在空間布局上較臨近；2012年有5個(gè)省級區(qū)域位于HL象限，到2017年位于HL象限的省級區(qū)域減至4個(gè)，表明這些區(qū)域物流業(yè)對制造業(yè)的拉動(dòng)作用較強(qiáng)，但兩業(yè)在空間布局上較分散。從圖6-1（b）與圖6-2（b）可以看出，2012年有7個(gè)省級區(qū)域位于HH象限，到2017年位于HH象限的省級區(qū)域增至8個(gè)，表明隨著時(shí)間的推移上述地區(qū)物流業(yè)與制造業(yè)前向聯(lián)系對產(chǎn)業(yè)空間集聚的影響明顯。2012年位于LL象限的省級區(qū)域有12個(gè)，而到2017年位于LL象限的省級區(qū)域縮減為10個(gè)，表明隨著我國經(jīng)濟(jì)的迅速崛起及物流基礎(chǔ)設(shè)施的建設(shè)，我國物流業(yè)與制造業(yè)產(chǎn)業(yè)空間協(xié)同集聚水平受運(yùn)輸條件限制影響的省級區(qū)域越來越少了。此外，從圖6-1（b）與圖6-2（b）還可以看出，2012與2017年位于LH象限的省級區(qū)域均為7個(gè)，而位于HL象限的省級區(qū)域均為6個(gè)，表明這些省級區(qū)域物流業(yè)與制造業(yè)的前向聯(lián)系對產(chǎn)業(yè)空間協(xié)同集聚的影響并不顯著，換言之，這些省級區(qū)域物流業(yè)與制造業(yè)在空間上協(xié)同集聚的原因并不全是因?yàn)閮蓸I(yè)之間的前向聯(lián)系。圖6-1（a）2012年物流業(yè)與制造業(yè)后向完全關(guān)聯(lián)水平與空間協(xié)同集聚關(guān)系分析圖6-1（b）2012年物流業(yè)與制造業(yè)前向完全關(guān)聯(lián)水平與協(xié)同集聚關(guān)系分析圖6-2（a）2017年物流業(yè)與制造業(yè)后向完全關(guān)聯(lián)水平與協(xié)同集聚關(guān)系分析圖6-2（b）2017年物流業(yè)與制造業(yè)前向完全關(guān)聯(lián)水平與空間協(xié)同集聚關(guān)系分析1.1.2物流業(yè)與不同類型制造業(yè)產(chǎn)業(yè)關(guān)聯(lián)與空間協(xié)同集聚相關(guān)性分析利用spss22.0軟件對物流業(yè)與制造業(yè)整體及不同類型制造業(yè)前、后向關(guān)聯(lián)與空間協(xié)同集聚水平進(jìn)行相關(guān)性分析，具體結(jié)果見表6-1。從表6-1第3列－第4列的相關(guān)系數(shù)可以看出，2012與2017年物流業(yè)與制造業(yè)整體后/前向關(guān)聯(lián)水平與產(chǎn)業(yè)空間協(xié)同集聚均呈現(xiàn)顯著的正相關(guān)關(guān)系，但后向關(guān)聯(lián)顯著性呈減弱趨勢，前向關(guān)聯(lián)顯著性呈增強(qiáng)趨勢。從表6-1第5列－第6列的相關(guān)系數(shù)可以看出，物流業(yè)與勞動(dòng)密集型制造業(yè)的前向完全關(guān)聯(lián)與兩業(yè)空間協(xié)同集聚水平存在顯著的正相關(guān)關(guān)系，與2012年相比，2017年物流業(yè)與勞動(dòng)密集型制造業(yè)的后向完全關(guān)聯(lián)與兩業(yè)空間協(xié)同集聚水平呈現(xiàn)顯著的正相關(guān)關(guān)系；從表6-1第7列－第8列可以看出物流業(yè)與資本密集型制造業(yè)的前/后向關(guān)聯(lián)水平與產(chǎn)業(yè)空間協(xié)同集聚存在正相關(guān)關(guān)系，但并不顯著；從表6-1第9列－第10列可以看出，無論是物流業(yè)與技術(shù)密集型制造業(yè)的后向完全關(guān)聯(lián)還是前向完全關(guān)聯(lián)，均與兩業(yè)空間協(xié)同集聚水平存在顯著的正相關(guān)關(guān)系，尤其是前向完全關(guān)聯(lián)表現(xiàn)更為顯著。表6-12012與2017年物流業(yè)與三類制造業(yè)產(chǎn)業(yè)關(guān)聯(lián)與空間協(xié)同集聚相關(guān)性分析相關(guān)性分析物流業(yè)與制造業(yè)產(chǎn)業(yè)關(guān)聯(lián)物流業(yè)與勞動(dòng)密集型制造業(yè)關(guān)聯(lián)物流業(yè)與資本密集型制造業(yè)關(guān)聯(lián)物流業(yè)與技術(shù)密集型制造業(yè)關(guān)聯(lián)后向前向后向前向后向前向后向前向物流業(yè)與制造業(yè)整體產(chǎn)業(yè)協(xié)同集聚20120.62***0.39**20170.38**0.504***物流業(yè)與勞動(dòng)密集型制造業(yè)協(xié)同集聚20120.2660.644***20170.606***0.605***物流業(yè)與資本密集型制造業(yè)協(xié)同集聚20120.2900.12820170.1810.291物流業(yè)與技術(shù)密集型制造業(yè)協(xié)同集聚20120.482**0.642***20170.369**0.624******p<0.01，**0.01<p<0.05，*0.05<p<0.11.2物流業(yè)與制造業(yè)產(chǎn)業(yè)關(guān)聯(lián)對產(chǎn)業(yè)協(xié)同集聚的影響分析1.2.1變量選取、數(shù)據(jù)來源及處理本文依據(jù)前述的理論分析，并參考相關(guān)學(xué)者研究思路，最終確定物流業(yè)與制造業(yè)產(chǎn)業(yè)協(xié)同集聚度為被解釋變量；物流業(yè)與制造業(yè)的前向關(guān)聯(lián)、物流業(yè)與制造業(yè)后向關(guān)聯(lián)、勞動(dòng)力共享程度、知識溢出作為核心解釋變量；政府規(guī)模、市場規(guī)模及信息化水平為控制變量，具體解釋見表6-2所示。變量選取及說明被解釋變量：本文選取我國31個(gè)?。ㄖ陛犑?、自治區(qū)）物流業(yè)與制造業(yè)產(chǎn)業(yè)協(xié)同集聚指數(shù)（Y）作為被解釋變量。產(chǎn)業(yè)間的協(xié)同集聚指數(shù)采用陳建軍構(gòu)建的Θ指數(shù)，具體計(jì)算見第五章。核心解釋變量：基于馬歇爾“外部經(jīng)濟(jì)理論”三要素，并借鑒未江濤（2018）、王巖（2017）及馮劍（2018）[[] 王巖.產(chǎn)業(yè)集聚對區(qū)域經(jīng)濟(jì)增長的影響研究[D].首都經(jīng)濟(jì)貿(mào)易大學(xué),2017.]等學(xué)者的研究，選取產(chǎn)業(yè)間的關(guān)聯(lián)程度、區(qū)域勞動(dòng)力共享、知識溢出等變量作為核心自變量。由于本文重點(diǎn)是歸納出產(chǎn)業(yè)前后向關(guān)聯(lián)對產(chǎn)業(yè)空間協(xié)同集聚的影響，因此本文借鑒劉水杏（2011）[[] 王巖.產(chǎn)業(yè)集聚對區(qū)域經(jīng)濟(jì)增長的影響研究[D].首都經(jīng)濟(jì)貿(mào)易大學(xué),2017.[] 劉水杏.我國房地產(chǎn)業(yè)與金融保險(xiǎn)業(yè)產(chǎn)業(yè)關(guān)聯(lián)度的地區(qū)比較[J].國際商務(wù)(對外經(jīng)濟(jì)貿(mào)易大學(xué)學(xué)報(bào)),2011(03):67-70.區(qū)域勞動(dòng)力共享（Ls）：本文參考張文武（2011）的研究[[] [] 張文武.勞動(dòng)力流動(dòng)與產(chǎn)業(yè)空間結(jié)構(gòu)[D].南京大學(xué),2011.知識溢出（Ks）：關(guān)于知識溢出（Ks）指標(biāo)本文參考陳躍剛（2020）[[134][134] 陳躍剛,張弛.知識溢出對長江經(jīng)濟(jì)帶電子信息產(chǎn)業(yè)集聚的影響研究[J].貴州社會(huì)科學(xué),2020(02):136-145.控制變量：文章參考眾多關(guān)于產(chǎn)業(yè)空間協(xié)同集聚影響的研究[143~145][] 陳肇良.廣東省生產(chǎn)性服務(wù)業(yè)與制造業(yè)的協(xié)同集聚發(fā)展研究[D].華南理工大學(xué),2019.[][] 陳肇良.廣東省生產(chǎn)性服務(wù)業(yè)與制造業(yè)的協(xié)同集聚發(fā)展研究[D].華南理工大學(xué),2019.[] 伍先福.生產(chǎn)性服務(wù)業(yè)與制造業(yè)協(xié)同集聚對全要素生產(chǎn)率的影響[D].廣西大學(xué),2017.[] 李寧.京津冀生產(chǎn)性服務(wù)業(yè)與制造業(yè)協(xié)同發(fā)展研究[D].河北工業(yè)大學(xué),2017.其中：政府規(guī)模（Gs）：參考李健（2020）[[138][138] 李健,馮會(huì)迎.高技術(shù)制造業(yè)與高技術(shù)服務(wù)業(yè)協(xié)同集聚的經(jīng)濟(jì)增長效應(yīng)[J].科技進(jìn)步與對策,2020,37(17):54-62.市場規(guī)模（Marks）：參考未江濤（2018）的相關(guān)研究，并結(jié)合本文最終選用“地方生產(chǎn)總值”指標(biāo)衡量各地區(qū)市場規(guī)模程度。信息化水平（inf）：是參考吉亞輝（2014）[[] [] 吉亞輝,甘麗娟.中國城市生產(chǎn)性服務(wù)業(yè)與制造業(yè)協(xié)同集聚的測度及影響因素[J].中國科技論壇,2015(12):64-68+100.表6-2相關(guān)變量數(shù)據(jù)匯總及含義變量名稱變量類型符號含義協(xié)同集聚指數(shù)被解釋變量Y物流業(yè)與制造業(yè)協(xié)同集聚指數(shù)前向關(guān)聯(lián)解釋變量For物流業(yè)與制造業(yè)前向關(guān)聯(lián)后向關(guān)聯(lián)解釋變量Back物流業(yè)與制造業(yè)后向關(guān)聯(lián)勞動(dòng)力共享解釋變量Ls每萬人中在校大學(xué)生人數(shù)知識溢出解釋變量Ks規(guī)模以上工業(yè)R&D經(jīng)費(fèi)占GDP的比重政府規(guī)?？刂谱兞縂s地方財(cái)政支出占GDP的比重市場規(guī)?？刂谱兞縈s地方生產(chǎn)總值信息化程度控制變量Inf區(qū)域郵電業(yè)務(wù)總量占地區(qū)生產(chǎn)總值的比重?cái)?shù)據(jù)來源及處理本文以2017年的相關(guān)數(shù)據(jù)為研究對象，相關(guān)數(shù)據(jù)來自全國31個(gè)省級區(qū)域《投入產(chǎn)出表》、《各省統(tǒng)計(jì)年鑒》、《中國統(tǒng)計(jì)年鑒》、《中國人口與就業(yè)統(tǒng)計(jì)年鑒》以及《中國區(qū)域經(jīng)濟(jì)統(tǒng)計(jì)年鑒》等。為了保證分析結(jié)果的真實(shí)性、可靠性，以1978年為基期，對生產(chǎn)總值等貨幣性指標(biāo)平減處理，此外，對各變量指標(biāo)進(jìn)行取對數(shù)處理，使各變量更加平穩(wěn)。1.2.2探索性空間數(shù)據(jù)分析通過探索性空間數(shù)據(jù)分析來判斷我國物流業(yè)與制造業(yè)協(xié)同集聚是否存在空間相關(guān)性特征，進(jìn)而決定是否需要構(gòu)建空間計(jì)量模型進(jìn)行分析。探索性空間數(shù)據(jù)分析主要包括兩種方法：一是全局自相關(guān)分析；二是局部自相關(guān)分析。全局空間自相關(guān)主要是分析數(shù)據(jù)在整個(gè)空間系統(tǒng)內(nèi)的分布特征，描述其在空間上的平均相互關(guān)聯(lián)程度。局部空間自相關(guān)則是進(jìn)一步解釋數(shù)據(jù)在局部空間位置的分布及相互關(guān)聯(lián)程度。空間權(quán)重矩陣的設(shè)定在空間回歸分析中，如何在模型中表達(dá)地理空間的相互影響，將現(xiàn)實(shí)中的空間交互關(guān)系轉(zhuǎn)化為數(shù)據(jù)結(jié)構(gòu)以定義空間對象地相互鄰接關(guān)系，需要借助空間權(quán)重矩陣。一般衡量空間地理聯(lián)系的方法有鄰近指標(biāo)和距離指標(biāo)兩種，所以空間權(quán)重矩陣主要有基于鄰近的空間權(quán)重矩陣和基于距離的空間權(quán)重矩陣?；诰嚯x的空間權(quán)重矩陣中的距離既可以是實(shí)際的空間距離，也可以是虛擬的經(jīng)濟(jì)距離。本文采用兩種方式構(gòu)建空間權(quán)重矩陣：二進(jìn)制鄰接空間權(quán)重矩陣與地理距離權(quán)重矩陣。二進(jìn)制“Queen”鄰接權(quán)重矩陣，相鄰指的是區(qū)域i和區(qū)域j有共同的頂點(diǎn)或者共同的邊。當(dāng)兩個(gè)空間單元（i和j）在地理上相鄰時(shí)，該矩陣中元素wij=1；否則，wij=0。二進(jìn)制鄰接空間權(quán)重矩陣設(shè)置公式如下。（6-1）而地理權(quán)重矩陣是指區(qū)域i與區(qū)域j不相同時(shí)，該矩陣中元素w=1/dij；而當(dāng)區(qū)域i與區(qū)域j相同時(shí)，地理距離空間權(quán)重矩陣設(shè)置如下：（6-2）式中：dij表示兩個(gè)區(qū)域地理中心位置間距離平方的倒數(shù)。全局空間自相關(guān)分析本文通過空間自相關(guān)指數(shù)Moran’sI探索物流業(yè)與制造業(yè)協(xié)同集聚的空間相關(guān)性，Moran’sI公式如下：（6-3）（6-4）其中，n是研究對象地區(qū)總數(shù)，Yi和Yj分別是省級區(qū)域i、j的觀測值。Moran’sI指數(shù)的取值范圍是[-1，1]，當(dāng)Moran’sI指數(shù)大于0時(shí)，代表物流業(yè)與制造業(yè)協(xié)同集聚存在空間正相關(guān)關(guān)系，即兩業(yè)協(xié)同集聚水平相似的省級區(qū)域集聚在一起；當(dāng)Moran’sI指數(shù)小于0時(shí)，表示物流業(yè)與制造業(yè)協(xié)同集聚存在空間負(fù)相關(guān)關(guān)系，即兩業(yè)協(xié)同集聚水平相異的省級區(qū)域集聚在一起；當(dāng)莫蘭指數(shù)為0時(shí)，表示物流業(yè)與制造業(yè)協(xié)同集聚不存在空間相關(guān)關(guān)系。為保證研究結(jié)果的穩(wěn)健性，本文采用上述兩種方式構(gòu)建空間權(quán)重矩陣，以我國31個(gè)省級區(qū)域?yàn)闃颖?，運(yùn)用軟件GeoDa1.12計(jì)算2008~2018年物流業(yè)與制造業(yè)協(xié)同集聚指數(shù)的莫蘭指數(shù)，如下表6-3所示。表6-3物流業(yè)與制造業(yè)協(xié)同集聚指數(shù)的Moran’sI指數(shù)年份地理距離權(quán)重Queen權(quán)重Moran’sIZ值Moran’sIZ值20080.33077***4.38480.27879***2.799420090.31608***4.23540.24414***2.487320100.29149***3.94400.24501***2.483620110.28141***2.85100.24923***2.581520120.27961***3.88130.24119***2.488820130.21170***3.10790.14082*1.550620140.23349***3.36670.17686**1.892020150.24415***3.48560.17676**1.886520160.24041***3.47420.17348**1.870120170.22095***3.21520.15668**1.733320180.17238**2.64300.13946*1.5650注：*表示0.1顯著性水平下顯著，**表示0.05顯著性水平下顯著，***表示0.01顯著性水平下顯著。根據(jù)表6-3可知，2008~2018年間，我國31個(gè)?。ㄖ陛犑小⒆灾螀^(qū)）物流業(yè)與制造業(yè)協(xié)同集聚Moran’sI指數(shù)均為正值，且均通過了顯著性檢驗(yàn)。因此不管是運(yùn)用Queen權(quán)重矩陣還是地理距離權(quán)重矩陣，我國物流業(yè)與制造業(yè)均存在顯著的空間正相關(guān)關(guān)系，說明我國物流業(yè)與制造業(yè)協(xié)同集聚具有空間相關(guān)性，存在明顯的區(qū)域關(guān)聯(lián)性。局部空間自相關(guān)分析為了進(jìn)一步檢驗(yàn)我國局部地區(qū)間物流業(yè)與制造業(yè)協(xié)同集聚的空間相關(guān)性，本文選用地理距離權(quán)重做局部Moran’sI指數(shù)散點(diǎn)圖，以此衡量某一區(qū)域與周邊相鄰區(qū)域間的空間關(guān)聯(lián)性，進(jìn)一步檢驗(yàn)我國局部地區(qū)間物流業(yè)與制造業(yè)協(xié)同集聚的空間相關(guān)性。具體見下圖6-3所示。散點(diǎn)圖的橫軸代表某一地區(qū)物流業(yè)與制造業(yè)協(xié)同集聚水平，縱坐標(biāo)代表周邊地區(qū)協(xié)同集聚水平。第一象限是物流業(yè)與制造業(yè)協(xié)同集聚高高集聚區(qū)（HH），第二象限是物流業(yè)與制造業(yè)協(xié)同集聚低高集聚區(qū)（LH），第三象限是物流業(yè)與制造業(yè)協(xié)同集聚低低集聚區(qū)（LL），第四現(xiàn)象是物流業(yè)與制造業(yè)協(xié)同集聚高低集聚區(qū)（HL）。由圖6-3可以清晰地看出，不同年份我國物流業(yè)與制造業(yè)協(xié)同集聚地呈現(xiàn)高－高和低－低集聚的現(xiàn)象，且有明顯的區(qū)域差異化，大多數(shù)散點(diǎn)均落在第一、三象限，表明各省級區(qū)域物流業(yè)與制造業(yè)協(xié)同集聚存在正的空間相關(guān)性。從圖6-3可以看到，2008年有13個(gè)省級區(qū)域處于第一象限高高集聚（HH）區(qū)域；有7個(gè)省級區(qū)域處于第三象限低低（LL）集聚區(qū)；而到2018年處于第三象限低低（LL）集聚區(qū)的省級區(qū)域縮減至5個(gè)，處于第一象限高高集聚（HH）的省級區(qū)域?yàn)?3個(gè)。表明第三象限的一些省級區(qū)域經(jīng)過十一年的發(fā)展，已經(jīng)由第三象限轉(zhuǎn)移到第二象限?？傮w來看，我國物流業(yè)與制造業(yè)協(xié)同集聚水平處于高高（HH）集聚區(qū)主要集中在沿海一帶，尤其是山東、江蘇、上海、浙江及福建等省級區(qū)域；低低（LL）集聚區(qū)主要集中在西北地區(qū)，如西藏、新疆及青海等區(qū)域。圖6-3物流業(yè)與制造業(yè)協(xié)同集聚Moran’sI散點(diǎn)圖因此從表6-3和圖6-3可以清楚地看出，不論是全局自相關(guān)分析，還是局部自相關(guān)分析，我國物流業(yè)與制造業(yè)協(xié)同集聚均存在顯著的空間正相關(guān)關(guān)系，說明我國物流業(yè)與制造業(yè)協(xié)同集聚具有空間相關(guān)性，存在明顯的區(qū)域關(guān)聯(lián)性。1.2.3空間計(jì)量模型介紹通過上文的空間自相關(guān)分析，得知我國物流業(yè)與制造業(yè)的協(xié)同集聚存在空間正相關(guān)，用OLS模型進(jìn)行估計(jì)會(huì)產(chǎn)生一定的偏差，因此要構(gòu)建空間計(jì)量模型進(jìn)行實(shí)證分析。而常見的空間計(jì)量模型主要有空間滯后模型（SLM）、空間誤差模型（SEM）以及空間杜賓模型（SDM）?？臻g滯后模型（SLM）：根據(jù)時(shí)間序列自回歸模型，空間滯后模型也被叫做空間自回歸模型（SAR）?？臻g滯后模型研究一個(gè)區(qū)域的經(jīng)濟(jì)行為受到鄰近區(qū)域經(jīng)濟(jì)行為溢出影響的情形，探討的是該經(jīng)濟(jì)活動(dòng)在特定的地區(qū)或者區(qū)域中是否出現(xiàn)擴(kuò)散現(xiàn)象，基本結(jié)構(gòu)如下：（6-5）式中：Y為階因變量向量；W為階的空間權(quán)重矩陣；X為階解釋變量向量；是模型空間自回歸系數(shù)，表示要素間的空間依賴程度；為隨機(jī)擾動(dòng)項(xiàng)；參數(shù)反映了自變量對因變量的影響?？臻g誤差模型（SEM）：根據(jù)時(shí)間序列誤差自相關(guān)，空間誤差模型也被叫做空間自相關(guān)模型（SAC）?？臻g誤差模型用于研究經(jīng)濟(jì)行為之間的相互作用因?yàn)槠渌幍南鄬ξ恢貌煌嬖诓町惖那樾危窘Y(jié)構(gòu)如下：（6-6）其中：Y為階因變量向量；X為階解釋變量向量；參數(shù)為階空間誤差系數(shù)，反映區(qū)域因素之間的空間依賴作用；參數(shù)反映了自變量對因變量的影響。為服從正態(tài)分布的隨機(jī)誤差向量；是隨機(jī)誤差項(xiàng)?？臻g杜賓模型（SDM）：空間杜賓模型是在空間滯后模型和空間誤差模型的基礎(chǔ)上構(gòu)建的，將兩種模型設(shè)定形式進(jìn)行一般化，同時(shí)考察解釋變量和被解釋變量的空間滯后項(xiàng)對于被解釋變量的空間交互影響?；窘Y(jié)構(gòu)如下：（6-7）其中，WX表示來自鄰近自變量的影響，為相應(yīng)的系數(shù)向量。是與相鄰地區(qū)y的空間自相關(guān)。Y是的因變量矩陣，X是的解釋變量矩陣。是空間滯后因變量Wy的系數(shù)，反映是否存在空間相關(guān)性，W是空間權(quán)重矩陣，反映了解釋變量對因變量y所產(chǎn)生的影響。6.2.4模型選擇與結(jié)果分析物流業(yè)與制造業(yè)整體前后向關(guān)聯(lián)對產(chǎn)業(yè)空間協(xié)同集聚的影響以2017年數(shù)據(jù)為例，并結(jié)合本文選用地理距離矩陣，運(yùn)用GeoDa1.12軟件，分析我國物流業(yè)與制造業(yè)整體前、后向關(guān)聯(lián)對產(chǎn)業(yè)空間協(xié)同集聚的影響，結(jié)果如下表6-4所示。表6-4全國31個(gè)省級區(qū)域物流業(yè)與制造業(yè)整體數(shù)據(jù)回歸表變量SLMSEMSDMW-y（rho）0.0253（0.1581）0.8881***（4.1660）LAMBDA-0.7235*（-2.5688）LnFor0.1374（1.3157）0.1193（1.1865）0.2218**（2.0566）LnBack0.1281（1.0153）0.0934（0.8142）0.2382*（1.8254）LnLs-0.0781（-0.8541）-0.0677（-0.8141）-0.0085（-0.0895）LnKs0.4465***（3.5348）0.417***（3.6027）0.3719***（3.2284）LnGs-0.1129（-0.3827）-0.2675（-1.0288）-0.4215（-1.1582）LnMs-0.1104（-0.7325）-0.1543（-1.0413）-0.3376（-1.5993）LnInf-0.0621（-0.3608）-0.0567（-0.3856）-0.195（-1.1457）WLnFor0.6336（0.9953）WLnBack0.2789（0.3767）WLnLs0.7182（1.1454）WLnKs-0.4583（-1.0776）WLnGs-3.6931**（-2.3983）WLnMs-1.9695*（-1.7186）表6-4（續(xù)）全國31個(gè)省級區(qū)域物流業(yè)與制造業(yè)整體數(shù)據(jù)回歸表變量SLMSEMSDMWLnInf-0.9392（-0.7615）R-squaredLoglikelihood0.724-0.53150.76721.12350.83546.2475AIC19.063113.75319.505SC31.96925.224942.4488注：該表僅報(bào)告了解釋變量的空間交互系數(shù)；括號中的數(shù)值表示z值。*表示0.1顯著性水平下顯著，**表示0.05顯著性水平下顯，,***表示0.01顯著性水平下顯著。通過對空間滯后模型（SLM）、空間誤差模型（SEM）及空間杜賓模型（SDM）三種空間計(jì)量模型進(jìn)行對比分析，發(fā)現(xiàn)空間杜賓模型（SDM）的擬合效果最好，且空間杜賓模型對數(shù)似然值最大，因此本文選用空間杜賓模型進(jìn)行分析，結(jié)果見上表6-4第4列。從表中可以發(fā)現(xiàn)：lnfor與Wlnfor、lnback與Wlnback的系數(shù)均為正，且lnfor與lnback分布通過了5%與10%的顯著性檢驗(yàn)。表明物流業(yè)與制造業(yè)的前向關(guān)聯(lián)和后向關(guān)聯(lián)顯著促進(jìn)本地區(qū)的物流業(yè)與制造業(yè)協(xié)同集聚的同時(shí)，還對周邊地區(qū)物流業(yè)與制造業(yè)協(xié)同集聚產(chǎn)生了正向影響。lnks的系數(shù)均為正，且lnks通過了1%的顯著性檢驗(yàn)，表明知識溢出水平顯著地促進(jìn)本地物流業(yè)與制造業(yè)協(xié)同集聚水平，而Wlnks的系數(shù)為負(fù)值，表明知識溢出水平不能促進(jìn)周邊地區(qū)的協(xié)同集聚。lnls的系數(shù)為負(fù)值，而Wlnls的系數(shù)卻為正值，表明勞動(dòng)力共享不能促進(jìn)本地區(qū)物流業(yè)與制造業(yè)的協(xié)同集聚，但對周邊地區(qū)兩業(yè)的協(xié)同集聚具有正向影響。lngs與Wlngs、lnms與Wlnms及l(fā)ninf與Wlninf的系數(shù)均為負(fù)值，并且WLnGs與WLnMs分別通過了5%與1%的顯著性檢驗(yàn)，表明政府規(guī)模、市場規(guī)模以及信息化程度等均在一定條件下抑制地區(qū)物流業(yè)與制造業(yè)的協(xié)同集聚，尤其是市場規(guī)模以及信息化程影響更為顯著。物流業(yè)與不同類型制造業(yè)前后向關(guān)聯(lián)對產(chǎn)業(yè)空間協(xié)同集聚的影響以2017年數(shù)據(jù)為例，分析物流業(yè)與不同類型制造業(yè)的前后向關(guān)聯(lián)對產(chǎn)業(yè)空間協(xié)同集聚的影響，結(jié)果如表6-5所示。從表6-5可以看出，空間杜賓模型（SDM）的擬合效果最好，且空間杜賓模型對數(shù)似然值最大，因此本文選用空間杜賓模型進(jìn)行闡述。從表中可以發(fā)現(xiàn)：物流業(yè)與勞動(dòng)密集型的前向關(guān)聯(lián)對產(chǎn)業(yè)協(xié)同集聚的影響為正，且通過1%的顯著性檢驗(yàn)；表明物流業(yè)與勞動(dòng)密集型制造業(yè)的前向關(guān)聯(lián)對區(qū)域兩業(yè)協(xié)同集聚水平提升有顯著的促進(jìn)作用；而加入地理權(quán)重矩陣的物流業(yè)與勞動(dòng)密集型制造業(yè)的前向關(guān)聯(lián)系數(shù)仍然為正值，表明物流業(yè)與勞動(dòng)密集型制造業(yè)的前向關(guān)聯(lián)也能夠促進(jìn)周邊地區(qū)物流業(yè)與勞動(dòng)密集型制造業(yè)的協(xié)同集聚。lnback的系數(shù)為正，而Wlnback的系數(shù)為負(fù)值，表明物流業(yè)與制造業(yè)后向關(guān)聯(lián)僅可以促進(jìn)本地區(qū)物流業(yè)與制造業(yè)的協(xié)同集聚，而無法促進(jìn)周邊地區(qū)物流業(yè)與制造業(yè)的協(xié)同集聚。此外從下表還可以看出，勞動(dòng)力共享、政府規(guī)模及市場規(guī)模，在一定程度上均會(huì)抑制物流業(yè)與勞動(dòng)密集型制造業(yè)在同一地區(qū)的協(xié)同集聚，而知識溢出與信息化水平，在一定程度上會(huì)促進(jìn)物流業(yè)與勞動(dòng)密集型制造業(yè)在同一地區(qū)上的協(xié)同集聚。物流業(yè)與資本密集型制造業(yè)前后向關(guān)聯(lián)對產(chǎn)業(yè)空間協(xié)同集聚的影響。lnfor、Wlnfor、lnback及Wlnback的系數(shù)均為正值，表明物流業(yè)與勞動(dòng)密集型制造業(yè)的前后向關(guān)聯(lián)不僅能夠促進(jìn)區(qū)域內(nèi)物流業(yè)與資本密集型制造業(yè)的協(xié)同集聚，還能促進(jìn)周邊地區(qū)物流業(yè)與資本密集型制造業(yè)的協(xié)同集聚；且區(qū)域勞動(dòng)力共享與知識溢出，在一定程度上均會(huì)促進(jìn)物流業(yè)與資本密集型制造業(yè)在同一空間上的協(xié)同集聚，而政府規(guī)模、市場規(guī)模及信息化水平，在一定程度上均會(huì)抑制物流業(yè)與資本密集型制造業(yè)在同一空間上的協(xié)同集聚。物流業(yè)與技術(shù)密集型制造業(yè)前后向關(guān)聯(lián)對空間協(xié)同集聚的影響。lnfor與Wlnfor的系數(shù)均為正，表明物流業(yè)與技術(shù)密集型制造業(yè)前向關(guān)聯(lián)水平不僅能促進(jìn)區(qū)域物流業(yè)與技術(shù)密集型制造業(yè)的協(xié)同集聚還可以促進(jìn)周邊地區(qū)物流業(yè)與技術(shù)密集型制造業(yè)的協(xié)同集聚；而lnback與Wlnback的系數(shù)均為負(fù)值，表明物流業(yè)與技術(shù)密集型制造業(yè)的后向關(guān)聯(lián)水平不能促進(jìn)區(qū)域或周邊物流業(yè)與技術(shù)密集型制造業(yè)的協(xié)同集聚，且勞動(dòng)力共享與信息化水平，在一定程度上均會(huì)抑制物流業(yè)與技術(shù)密集型制造業(yè)在同一空間上的協(xié)同集聚，而知識溢出、政府規(guī)模及市場規(guī)模，在一定程度上均會(huì)促進(jìn)物流業(yè)與技術(shù)密集型制造業(yè)在同一空間上協(xié)同集聚。表6-5全國31個(gè)省級區(qū)域物流業(yè)與不同類型制造業(yè)整體數(shù)據(jù)回歸表變量物流業(yè)與勞動(dòng)密集型制造業(yè)物流業(yè)與資本密集型制造業(yè)物流業(yè)與技術(shù)密集型制造業(yè)SLMSEMSDMSLMSEMSDMSLMSEMSDMW-y(rho)0.1133(0.5113)0.696**(2.5090)0.0862(0.4059)0.99***(6.3270)0.0590(0.3200)0.97***(5.5600)LAMBDA-0.72**(2.5700)-0.1318(-0.378)-0.8***(-3.360)LnFor0.25***（3.51）0.26***（3.94）0.33***（4.60）0.0582（0.45）0.0514（0.40）0.0389（0.31）0.26***（2.78）0.2403（2.71）0.277**（2.51）LnBack0.1732*（1.87）0.1482*（1.79）0.2186（1.58）0.0835（0.47）0.0371（0.22）0.2946*（1.74）0.0028（0.03）-0.0227（-0.2）-0.0297(-0.29)LnLs-0.0344(-0.34)-0.0511(-0.57)-0.0786(-0.74)0.0526(0.38)0.0291(0.21)0.161(1.32)-0.185*(-1.66)-0.13(-1.34)-0.177(-1.54)表6-5（續(xù)）全國31個(gè)省級區(qū)域物流業(yè)與不同類型制造業(yè)整體數(shù)據(jù)回歸表變量物流業(yè)與勞動(dòng)密集型