物流产业地位和物流竞争力

物流业属于生产性服务业，其发展依赖于制造业和服务业物流需求的释放，制造业、服务业的发展又需要物流业的支持。随着市场竞争的加剧，制造业对加工制造环节的依赖性逐渐减少，对贯穿于上中下游的生产性服务业需求逐渐增加，迫使制造业将增值环节推向生产性服务活动（Devaala和Vanden，1999）^[2]。“二战”后日本经济的快速发展显示了日本物流业有相当大的发展空间。

一、物流产业地位

由于附加价值的创造和新的利润源的涌现，物流业本身也成为整个国民经济当中一个不可忽视的支柱产业。在日本，卡车运输业、铁道运输业、内航海运业、外航海运业、港口运输业、航空运输业、铁路货运代理业、外航货运代理业、航空货运代理业、仓储业和卡车货运集散中心业等行业构成了日本物流业的主体。据统计，2010年，日本物流产业规模超过21万亿日元，超过了电力、钢铁、石油等产业，从业人员高达125万人（见表2-1）。卡车运输业的表现最为突出，我们可以认为以卡车为中心的货物运输体系是日本物流的主体，这符合日本国土狭长、所需时间短、小批量运输等国内物流的需求。

在第一次石油危机以前的高速经济增长时代，日本国内货物运输量的增长量与GDP增速之间维持着一种平行的关系，物流增长与经济增长是同步的。在近20年内，日本物流产业每增长2.6个百分点，经济总量就增加1%。现代化的物流业，降低了物流成本，提高了经济运行效率，促进了国民经济的发展（见图2-1）。

专栏2-1　日本物流成本比例构成分析^[5]

日本物流成本的公开调查始于1965年，以后每10年进行一次，即“10年定点观测制度”。针对缺乏统一的行业会计成本核算标准和方法，1977年日本运输省制定了适用于制造业的《物流成本核算统一规范》和适用商业企业的《批发、零售业物流成本核算统一规范》。1992年，日本通商产业省颁布了《物流成本计算指南》，并进行了多次修订，推动了物流合理化发展。

（1）运送费：分为营业运送费和企业内部运送费。营业运送费包括卡车货运费、铁路货运费、内海航运货运费、国内航空货运费及货运站收入等各项开支，各项累计之和为运送费总额。

（2）保管费：将经济企划厅编制的《国民经济计划年报》中的国民资产、负债余额中原材料库存余额、产品库存余额及流通库存余额的合计数乘以日本资材管理学会调查所得的库存费用比例而得。既包括仓储业者的保管费或企业自有仓库的保管费，还包括仓库、物流中心的库内作业费用和库存所发生的利息、损耗费用等，是广义的保管费。其公式为：保管费=（原材料库存余额+产品库存余额+流通库存余额）×原价率×库存费用比例。其中，库存费用比例=利率除外的库存费用比例+利率。

（3）物流管理费：由于无法用总体估计的方法求得，依据《国民经济计划年报》中的《国内各项经济活动生产要素所得分类统计》，将制造业和批发、零售业的产出总额，乘以日本物流协会根据行业分类调查出来的各行业物流管理费用比例0.5%计算得出。

需要指出的是，对物流管理部门而言，前提条件非常重要。因为先决条件（如销售政策等）影响物流状态，进而影响物流成本，这是物流管理部门控制不了的。

从图2-1可知，日本已经有效地将物流成本控制在较低水平。宏观物流成本占日本GDP的比例由1991年的10.5%下降到2010年的7.5%^[6]。日本运输成本在GDP中的占比波动幅度不大，管理成本占比又非常低，所以库存费用的降低是导致日本物流总成本占GDP比例下降的最主要原因。库存费用占比已由1991年的3.5%下降到2001年的2.5%，之后提高到2008年的3.1%。因此，降低库存成本、优化物流网络和节点、加快存货周转速度、提高装载率是物流良性发展的主要原因，也是提高物流效率和企业竞争力的主要原因，美国的实践也证明了这一点。

从产业内部分析，日本物流成本占销售额的比例在1996年为6.58%，2005年下降至4.83%，之后持平，2011年为4.90%，主要制造业的变化趋势与全行业的变化趋势基本一致（见图2-2）。

就不同行业而言，其物流成本占销售额比率也不尽相同，在日本，制造业平均水平为6.46%，而效率最高的医药业占比仅为2.84%，造纸业占比最高，为14.05%（见图2-3）。

就企业而言，经营管理过程中形成的“采购计划化、配送共同化、运输直达化、物流大量化、管理系统化”等行之有效的原则，使得追求零库存成为可能，也成为日本企业降低物流成本的目标。物流成本管理在长期的发展中逐步趋向物流成本与财务结算制度相联结，经历了四个阶段，即了解物流成本的实际状况阶段、采购预算管理阶段、设定基准值或标准值以及与会计制度接轨阶段（见图2-4）^[8]。之后，企业逐渐把降低物流成本作为企业参与市场竞争、提高竞争力的重要资源。

20世纪80年代中期，丰田公司引进了“看板管理”制度并开始进行“零库存”“实时生产”管理。物流企业多品种、少批量的服务一定程度上增加了运输成本，于是物流配送中心等第三方物流企业（部分企业将物流部门独立出来并成立专业的子公司）的出现改变和重组了分销渠道，减少了批发商的数量和库存，增加了零售连锁店。委托第三方物流提供仓储保管、分拣加工、包装配送等一体化物流服务，降低了成本。日本学者认为，企业物流管理水平高低，可以用库存成本来判断。保持最小和最适的库存水平，就要详细了解市场信息和消费者需求。日本企业不断用是否与市场信息同期，来判断物流企业管理水平的高低。在2011年东日本特大地震、海啸之后，日本企业更加注重全球产业供应链，利用国内外仓储、运输的信息网络与客户保持长期稳定的关系，并引进先进的设备，实现高效化管理。

二、物流竞争力

世界银行《2012加强连接　应对竞争：全球经济中的贸易物流》对155个经济体的物流绩效进行了排名，显示2012年日本物流绩效指标在全球排名第八（见表2-2），这说明日本物流业的运行效率较高、竞争力较强。作为生产性服务业的物流业具有较高生产率，它通过产业关联作用提高了其他服务业以及制造业等产业的生产率。

具体而言，日本物流绩效退步影响较大的因素为国际货运可得性指标和海关效率指标，国际货运可得性降低与主要日元汇率上涨导致出口下降有关。目前，日本海关对于相关申请文件仍以书面为主，与日本用纸文化有关。其他指标如追踪能力、国内物流能力、及时性都排名在全世界前十名。及时性指标呈现波动态势，说明日本政府致力于先进物流技术的应用起到了积极的效果。总之，在全球供应链整合背景下，提高海关效率和国际货运可得性的能力基础上，日本物流产业依旧具有较强的竞争优势（见表2-3）。

专栏2-2　近年来中国政府支持现代物流业发展的主要政策

目前，日本有超过150万人的物流从业者，约占日本劳动人口的2%。1970年，日本是继西欧之后较早进入人口老龄化社会的国家，且日本劳动力的老龄化趋势明显，劳动力大量减少是日本经济发展面临的严峻问题（见图2-5）。

物流领域从业者平均年龄不断提高，青年的卡车司机急剧减少、50岁以上的内航海运的船员显著增加等影响了产业的竞争力（见图2-6）。劳动力紧缺使得劳动力成本日益上升，而大城市周边的商业地价居高不下和各种能源、资源价格上涨等因素，都是日本物流业面临的新挑战，日本物流领域将继续发生深刻的改变。

三、日本物流发展与经济的协整关系

物流业具有增强产业竞争优势、调节平衡市场供需、推动新型流通形式发展以及保障国家经济安全等重要作用。同时，物流业作为区域经济的重要组成部分，对区域经济增长具有明显的拉动作用，被喻为经济增长的“加速器”，成为衡量一个国家或地区现代化水平与经济综合实力的重要标志之一。

1.研究方法——协整分析的模型和方法

作为动态模型的设定、估计和检验的一种新技术的协整分析是用于非平稳变量组成的关系式中长期均衡参数估计的技术。在实际研究中，一般首先对时间变量序列及其一阶差分序列的平稳性进行检验，其次是检验变量间协整关系，再次是建立协整变量与均衡之间的误差修正方程，最后再对具有协整关系的时间变量序列的因果关系进一步检验分析。

（1）时间序列变量的平稳性检验

一般而言，如果一个时间序列的均值和方差在任何时间保持恒定，并且两个时期t和t+k之间的协方差（或自协方差）仅依赖于两时期之间的距离（间隔或滞后）k，而与计算这些协方差的实际时期t无关，则可以认为该时间序列是平稳的。只要这三个条件不完全满足，则该时间序列是非平稳的。单位根是表示非平稳性的另一方式，单位根方法将对非平稳性的检验转化为对单位根的检验。若变量x_t的一阶差分是稳定的，则称变量xt单位根，检验变量是否稳定的过程称为单位根检验。

在ADF检验中，单位根检验的回归方程如下。

模型Ⅰ：

模型　Ⅱ在模型Ⅰ中加入常数项：

模型　Ⅲ在模型　Ⅱ中加入时间趋势项：

并作假设检验——H ₀：α₀=0；H₁：α₂＜0。如果接受假设H ₀，而拒绝H ₁，则说明序列x_t存在单位根，因而是非稳定的；否则说明序列xt不存在单位根，即是稳定的。方程（2-1）中加入k个滞后项是为了使残差项为白噪声。对于非稳定变量，还需检验其一阶差分的稳定性。如果变量的一阶差分是稳定的，则称此变量是I（1）的。所有变量都一阶差分稳定是变量之间存在协整关系的必要条件。

（2）时间序列变量之间的协整检验

协整是指尽管就单个时间序列而言是非平稳的，但是两个或两个以上时间序列的线性组合却是平稳的。协整分析涉及的是一组变量，它们各自都是不平稳的，但它们一起漂移。这种变量的共同漂移使得这些变量之间存在长期的线性关系，因而可以研究经济变量间的长期均衡关系。协整的意义就在于它揭示了一种长期稳定的均衡关系，满足协整的经济变量之间不能相互分离太远，一次冲击只能使它们短时间内偏离均衡位置，在长期中会自动回复到均衡位置。协整分析的经济意义在于，对于两个具有各自长期波动规律的变量，如果它们之间是协整的，则它们之间存在一个长期的均衡关系。反之，如果这两个变量不是协整的，则它们之间不存在一个长期的均衡关系。关于协整关系的检验与估计，目前有许多具体的技术模型，如Engle-Granger两步法、Johansen极大似然法、频域非参数谱回归法等。本书选用Johansen极大似然法进行变量间的协整关系检验。Johansen极大似然法能判定协整方程的个数，该数被称为协整秩。

协整似然比检验假设如下。

H ₀：至多有r个协整关系；

H ₁：有m个协整关系。

检验迹统计量：

式（2-4）中，λ_i是大小排第i的特征值，T是观测期总数。这不是独立的一个检验，而是对应于r的不同取值的一系列检验。从检验不存在任何协整关系的零假设开始，然后是最多一个协整关系，直到最多m-1个协整关系，共进行m次检验，备择假设不变。

Johansen极大似然法的分析框架包含以下五种可能的情况：序列有均值，协整方程没有截距项；序列有均值，协整方程有截距项；序列有均值和线性趋势项，协整方程没有截距项；序列有均值和线性趋势项，协整方程有截距项和线性趋势项；序列有均值、线性和二次趋势项，协整方程有截距项和线性趋势项。对于给定的协整秩，上述五种检验的严格性递减。

（3）时间序列变量的格兰杰因果关系

在回归分析中，回归能够度量变量之间的联系程度，但不能证实因果关系，识别因果关系是在以检验为依据的研究中的一个重要问题。Granger和Sims提出的因果关系检验法的基本思想如下：如果变量X有助于预测变量Y，即根据Y的过去值对Y进行自回归时，如果再加上X的过去值，能显著地增强回归的解释能力，则称X是Y的格兰杰原因，否则称为非格兰杰原因。变量X和Y之间的格兰杰因果关系检验的过程如下：首先，检验“X不是引起Y变化的原因”的原假设，对下列两个回归模型进行估计。

无限制条件回归：

有限制条件回归：

用各回归的残差平方和计算F统计值，检验系数b ₁，b ₁，……，b_m是否同时显著不为零。如果是，就拒绝“X不是引起Y变化的原因”原假设。然后检验“Y不是引起X变化的原因”的原假设，进行同样的回归估计，但是交换X与Y，检验Y的滞后项是否显著的不为零。如果是，就拒绝“Y不是引起X变化的原因”原假设。

（4）误差修正模型

协整分析亦可用于短期或非均衡参数的估计，按照Granger代表定理，如果两变量X_t和Y_t是协整的，则它们之间存在长期均衡关系。当然在短期内，这些变量可以是不均衡的，扰动项是均衡误差ε_t。两变量间的这种短期不均衡关系的动态结构可以由误差修正模型（Error Correction Model,ECM）来描述。

对于（1，1）阶自回归分布滞后模型：

Y_t=φ₀+φ₁z_t+φ₂y_t-1+φ₁z_t-1+ε_t　（2-7）

移项后得到：

式（2-8）即为误差修正模型，其中为误差修正项。

式（2-8）实际上是一个短期模型，反映了Y_t的短期波动ΔY_t是如何被决定的。如果变量Y和z之间存在长期均衡关系，即存在Y=az，如在式（2-8）中，若z=，那么Y的均衡值与有下列均衡关系：

（2-9）

式（2-8）中的误差修正与它是相一致的。所以它能够反映长期均衡对短期波动的影响；式（2-8）中的差分项反映变量短期波动的影响。因此，被解释变量的波动可以看作被分成两部分：一部分为短期波动，另一部分为长期均衡。

把式（2-8）写为ΔY_t=φ₀+φ₁Δz_t+χECM+ε_t　（2-10）

其中，ECM表示误差修正项。

2.变量、数据来源与处理

结合数据的可获得性，本书以1980—2012年为样本空间。日本经济变量选取的是GDP，量纲为日元；对应物流产业选取的是货物周转量，量纲为亿吨·公里。本书所选数据均来源于《日本经济统计年鉴》。其中，日本GDP数值为以1980年价格计算的实际GDP值。在分析过程中为了消除变量的异方差和便于变量间长短期弹性的分析，书中分析用LOGGDP和LOGWLC表示GDP和货物周转量的自然对数值的时间序列并作为分析变量，并绘制其时间序列图（见图2-7），由图2-7可观察到两者发展趋势相近。

3.计量结果与分析

（1）初步分析

本书的实证部分主要围绕日本GDP和物流发展的动态关系展开的，并试图通过两者之间的关系来分析物流发展对经济发展的制约作用。经过EViews作两者的散点图得到：它们呈现出较强的线性关系，对这两个变量做线性回归有一定的实际意义。经过EViews的回归结果如下：

LOGGDP=-2.1787+1.3702×LOGWLC

t=（-5.0556）（18.1743）

R²=0.9142　D.W.=0.7789（2-11）

从回归的结果来看，t值和R²都较高，D.W.也较为满意。为了避免对非平稳序列直接进行回归时造成虚假回归的出现，必须进行变量时间序列的平稳性检验（单位根检验）。

（2）单位根检验

具体运用协整理论进行时间序列分析之前，首先必须进行时间序列的单位根检验，考察序列是否平稳，本书采用的是ADF（Augmented Dickey-Fuller）检验法。表2-4给出时序变量LOGGDP和LOGWLC的检验的结果。

注：检验形式中的C和T表示常数项和趋势项，K表示滞后阶数。

两个差分序列的ADF统计量绝对值均大于在1%显著水平下临界值的绝对值，即不存在单位根，LOGGDP和LOGWLC的差分序列都是平稳序列。由此可以得出结论，LOGGDP和LOGWLC是一阶平稳序列，即I（1）序列。因此，可以进一步检验两个变量之间是否存在协整性。

为了确定变量间的协整关系，采用Johansen极大似然估计检验法，它是一种以VAR模型为基础的检验回归系数的方法，也是进行变量协整检验的较好方法。

协整检验通常有两种方法：一是Engle＆Granger（1987）提出的基于协整回归残差的两步检验法（EG检验法）；二是Johansen＆Juelius（1990）的似然比检验方法（JJ检验法），主要用来分析诸多变量组成的VAR系统，借助典型相关理论在VAR模型基础上使用似然比检验进行协整检验的同时确定协整关系。前者尽管比较简单实用，但却是基于一元变量进行的，而且存在诸多缺点逐渐被淘汰。JJ检验相对EG检验复杂很多，但它检验功效更大。重要的是，它能够估计和检验多重协整关系，还允许对协整关系和速度调整系数施加约束进行检验，这些都是前者所不及的，因此，极大似然估计法（Maximum Likelihood Estimation）（Johansen，1988）^[10]被认为是目前最好的检验协整性的方法之一，它在实证中得到了广泛的应用。本书在运用Johansen协整分析方法检验之前，需要确定VAR模型的最优滞后期，本书对最优滞后期的选择根据无约束的VAR模型的残差分析（滞后2阶）来确定，下面对LOGGDP和LOGWLC的协整关系进行检验（见表2-5）。

注：∗表示在5%的显著水平下，拒绝原假设。

检验结果表明（见表2-5），无论是协整检验的特征根迹检验还是最大特征值检验，其对应原假设NONE（没有协整向量）的检验统计量均大于5%显著性水平下的临界值，表明可以在95%的置信水平下拒绝无协整关系的假设，说明LOGGDP和LOGWLC之间存在协整关系。对应原假设At most 1（至多一个协整向量）的检验统计量的值均大于5%显著性水平下的临界值，表明拒绝最多存在一个协整向量的原假设，即不仅存在协整关系，而且协整向量不止一个。因此，变量LOGGDP和LOGWLC之间存在长期的均衡关系，研究LOGGDP和LOGWLC之间的协整关系是有意义的。

（3）协整检验

建立协整回归，得到：

LOGGDP=-2.1787+1.3702×LOGWLC（2-12）

根据此式计算残差序列，从而得到残差序列的估计值为：

e=LOGGDP+2.1787-1.3702×LOGWLC（2-13）

对e进行平稳性检验，计算结果见表2-6。

从表2-6可知，残差序列e的单位根检验中ADF值均小于在1%显著性水平上的临界值，表明它们是平稳的，即I（0），变量LOGGDP与LOGWLC之间具有协整关系，（2-12）的回归方程是一个协整回归方程，这个方程表明了日本经济增长与物流发展之间长期的均衡关系。

对于存在协整关系的变量序列，运用普通的线性回归模型是不合适的。为了进一步揭示两个变量的短期变动关系，接下来建立误差修正模型。

（4）Granger因果关系检验

表2-7是对时间序列LOGGDP和LOGWLC的双向Granger因果性检验结果。

P（F＞0.01364）=0.9865，（意味着F=0.30954在临界值左侧）

P（F＞4.07842）=0.0288，（意味着F=0.45281在临界值右侧）

所以原假设LOGGDP不是LOGWLC的原因被推翻，LOGWLC不是LOGGDP的原因被接受，即LOGGDP和LOGWLC存在Granger单向因果关系。也就是说，日本LOGGDP与物流LOGWLC之间具有单向且统计显著的格兰杰因果关系。亦即，日本的经济发展促进了物流发展，但是反之却不成立。

（5）误差修正模型的建立

首先由协整关系式（2-13）可得误差修正序列：

ECM=LOGGDP+2.1787-1.3702×LOGWLC（2-14）

通过Eviews的模拟我们得到的误差修正模型如下所示：

ΔLOGGDP=-0.6010×（LOGGDP+2.1787-1.3702×LOGWLC）+0.3467×ΔLOGGDP_-1-0.2021×ΔLOGGDP_-2+0.5928×ΔLOGWLC_-1+0.0350×LOGWLC_-2+0.0034（2-15）

ΔLOGWLC=-0.3402×（LOGGDP+2.1787-1.3702×LOGWLC）+0.2049×ΔLOGGDP_-1+0.1848×ΔLOGGDP_-2+0.1982×ΔLOGWLC_-1-0.121×ΔLOGWLC_-2-0013（2-16）

以上各检验中，滞后期数K的选取均是依据计量经济软件包EViews中的AIC准则选取的，即K的取值要使AIC值达到最小。

在上述误差修正模型中，各差分项反映了变量短期波动的影响，被解释变量的波动可以分为两部分：一部分是短期波动，一部分是长期均衡。日本GDP相对于物流发展的弹性值短期为0.6278（滞后1期和滞后2期的和），而长期弹性值为1.3702，也就是说，日本GDP与物流发展的长短期关系是不一致的。就长期而言，当物流产业变动1个百分点时，GDP就会同向变化约1.3702个百分点；然而在短期，当物流产业变动1个百分点时，GDP就会同向变化约0.6278个百分点。这就是说，长期物流弹性系数小于1，短期物流弹性系数大于1，GDP的变动在短期对物流产业发展的影响要大于长期的影响，经济对物流依赖度也会随着经济的增长而逐渐降低。

究其原因，经济增长需要物流的支撑。在短期内，经济结构和物流产业结构不会有太大的变动，经济增长将导致大量的物流需求，物流产业会成为制约经济增长的因素；在长期，增长方式会朝着提升效率的方向演进，因而对经济结构和物流产业结构产生深刻的影响。由于经济结构和产业结构的优化与调整需要相当长的时间，因此在长期来看，物流产业对经济增长的制约作用会减弱，物流不会成为经济发展的瓶颈。

当然，Granger因果检验表明日本GDP对物流供给能力和物流成效有拉动作用，但物流供给和物流效率对GDP的拉动作用不是很明显。经济的快速发展带动了交通、仓储等基础设施的完善和交通运输、仓储及邮政业的生产总值的增加，为推进物流发展打下良好的基础。而GDP不是货物周转量增加的Granger原因，主要是因为GDP对物流的需求并不仅仅停留在对运输的需求方面，主要包括仓储、流通加工、供应商库存等较高端的要求，因此GDP的增长无法成为货物周转量增加的因素。