京津冀地区物流产业发展和经济分析摘要：当前经济环境下，京津冀区域经济合作虽然有一定成效，但整体发展态势明显劣于长三角地区和珠三角地区，而京津冀地区物流经济的发展缓慢成为京津冀经济一体化快速、健康发展的一大制约障碍。
而当下京津冀协同发展上升为国家战略所带来的重大利好政策,一大批基础设施建设的投入将带动区域物流业的发展。
本文分析京津冀地区城市间的物流产业发展现状及北京、天津“双核”对该区域经济的辐射带动作用。
关键词：京津冀；物流产业；区域经济一、京津冀地区物流发展现状近年来，随着国家宏观政策调整、物流业产业地位确立、区域投资与市场环境日益改善，区域物流一体化已成为京津冀物流界广泛关注的焦点。
打破行政区划界限，引导物流资源跨区域整合和优化配置，实现京津冀物流业协同发展，不仅是现代物流业发展的客观需要，也是京津冀广大物流企业的共同期盼。
京津冀地域上的环绕性，为实现区域物流一体化发展提供了天然地理条件和区位优势。
北京是全国的政治、经济、科技、教育、文化、信息中心，天津是中国北方最大的沿海开放城市，也是中国北方一流的港口物流中心城市。
京津冀有近700公里的海岸线，拥有天津港、秦皇岛港、唐山港(京唐港区、曹妃甸港区)、黄骅港等天然不冻海港，海运条件便利，岸线资源丰富，物流量较大；由铁路、公路、港口、航空、管道等多种运输方式组成的立体交通网络四通八达，已基本形成陆、海、空综合交通运输体系；京津冀地区人力资本积累雄厚，信息基础设施优越，经济发展潜力巨大，区域物流具有良好的产业基础。
近年来，三地经济合作不断加强，物流界融合联动发展步伐不断加快，物流一体化运作正在变为现实。
河北省沿海经济发展规划上升为国家战略，发展物流产业集聚区的模式受到国家发改委充分肯定，必将对京津冀大物流圈构建并形成产生积极促进作用。
二、京津冀地区物流经济区域性分析区域经济学理论认为,任何一个国家在经济发展的初期阶段,由于经济实力的限制,都会要求优先发展基础较好的地区, 将有限的人力、物力、财力先投向最有效率的区位。
在这些区位, 由于经济活动的集中会促进生产效率的提高, 而市场力量通常是递增或非递减的, 从而市场力量将促使这些地球的经济活动更加聚集,导致报酬递增。
由于经济的聚集,这些地区将会持续而快速地成长,形成区域经济的“增长极”,但同时也会导致发展的不均衡。
美国经济学者赫希曼认为,“不均衡发展策略”是区域经济发展的最佳方式。
他认为, 经济进步并不会同时在每个地方出现,而是在一个或几个区域经济实力中心首先呈现。
然后, 经济进步一旦出现,其巨大的经济推动力, 将会使经济成长围绕最初的“增长极”而集中。
因此, 不均衡是经济成长中不可避免的。
但当这种不均衡所产生的“增长极”达到经济高度发展阶段时,就会产生“涓滴效应”,生产力的分布就会趋于分散或均衡化,导致区域间的经济增长差距逐渐缩小, 达到相对平衡发展。
本文借用产业组织学中衡量市场结构的“赫芬达尔—赫希曼指数(HHI)”来考察京津冀城市群的物流产业核心城市的辐射作用。
赫芬达尔—赫希曼指数(HHI), 简称赫芬达尔指数(HHI), 是一种测量市场集中度的综合指数。
它是指一个行业中各市场竞争主体所占行业总收入或总资产百分比的平方和, 通常用来考察市场中厂商规模的离散度。
其优点在于能够清晰地反应出行业中厂商规模的差距。
其计算公式为:这里借用HHI 来说明在一个城市群内, 物流产业的发展和物流产业对区域经济发展的贡献良好与否,除了有较好的增长极之外, 随着时间的发展,增长极的辐射作用应逐步渗透到其他城市,并且在整个环境内达到相对平衡的发展。
HHI 的数值越大,则说明市场的集中度越大,也就是垄断越强。
在这里HHI 数值越大,则体现出发展的相对不均衡。
通常HHI 值小于等于1。
1京津冀地区物流产业区域性分析选取北京、天津、石家庄、唐山、秦皇岛、保定、廊坊、沧州、承德、张家口作为变量城市。
为了消除统计口径的变化及个别年份的不良影响,本文选取1991～2010年共20年的数据, 分为5组,每4 年为一组做统计分析。
1期即为1991-1994年，2期为1995-1998年，,3期为1999-2002年，4期为2003-2006年，5期为2007-2010年，将 4 年内每个城市的货运量加总, 并以此分别计算出五个阶段内每个城市货运量所占总货运量的市场份额（M）, 从而分析这20 年内京津冀地区的物流业与区域经济发展情况。
数据如表1表一京津冀城市群1991-2010 年各城市货运量与其所占市场份额（单位：万吨）City1期M2期M3期M4期M5期M BJ1152010.38 1275700.33 1205920.27 1286810.24 850270.13 TJ812530.27 977680.25 1131990.25 1566210.29 1903250.30 SJZ96250.03 121100.03 372930.08 458430.08 599670.09 TS461940.15 639060.16 579080.13 571930.11 918200.14 QHD85800.03 52770.01 210460.05 274560.05 272300.04 BD45430.02 221000.06 262810.06 268450.05 441920.07 LF77170.03 146430.04 184490.04 211040.04 305790.05 CZ94430.03 175200.04 221960.05 409160.08 696550.11 CD67970.02 103990.03 124880.03 142770.03 195380.03 ZJK103700.03 181120.05 222250.05 213470.04 233750.04京津冀地区各城市五个时期货运量所占市场份额如图1所示。
由图可以明显看出北京天津在京津冀城市群呈现出双核增长极，北京天津的发展远高于其他城市，同时次级城市之间的发展也不均衡，其中沧州呈现较为明显的增长态势，后面运用灰色系统GM(1,1)模型对2011-2014年总货运量做出预测。
图1计算HHI 值, 这里每个城市的货运量即相当于公式1中的Xi , 所有城市的货运量总和即X , 通过计算, 可以得到20年内五个阶段的HHI 值。
综合HHI 数值来看，1期HHI=0.25,2期HHI=0.21,3期HHI=0.17,4期HHI=0.17,5期HHI=0.16,可以看出HHI 几期下来平稳下降，这并不表示增长极充分发挥了辐射带动周边地市的作用。
相反，结合图2，可以发现京津冀地区的物流产业发展过程中, 增长极的作用并没有显示出来, 京津冀城市群中, 并没有形成一个固定的增长极, 北京和天津的发展此消彼长, 辐射作用并没有充分发挥。
整个发展呈现无序状态, 需要进一步加快整合, 并且缩小次级增长极和其他城市之间的差距。
三、京津冀城市群物流产业与区域经济关联分析0.000.050.100.150.200.250.300.350.40BJTJSJZTS QHDBD LF CZCDZJK0.38 0.270.03 0.15 0.03 0.020.03 0.03 0.02 0.03 0.330.25 0.030.16 0.01 0.06 0.04 0.04 0.03 0.05 0.27 0.25 0.08 0.13 0.05 0.06 0.04 0.05 0.03 0.05 0.24 0.290.08 0.11 0.05 0.05 0.04 0.08 0.03 0.04 0.130.30 0.09 0.140.04 0.07 0.05 0.110.03 0.04 市场份额1期2期3期4期5期该部分选取京津冀地区的10个主要城市数据来分析该地区的货运量与国民生产总值的关系, 即北京、天津、石家庄、唐山、秦皇岛、保定、廊坊、沧州、承德、张家口通过查询中国城市统计年鉴, 对这10个城市1995 ～ 2007年的数据进行加总, 得到数据如表2。
表二1995 ～ 2007 年京津冀城市群国民生产总值总额与货运量总额年份国民生产总值（万元）货运量（万吨）1995 46114050 946161996 55211395 794371997 63292081 1000001998 69199739 923771999 74080656 1127832000 82610192 1135322001 91733417 1176492002 101817727 1224692003 118081847 1203712004 141189459 1292472005 184897321 1401362006 212939144 1154072007 250717939 147553 .4数据来源：中国统计年鉴图2 1995-2007年京津冀地区货运量增长率从表4 可以看出, 京津冀城市群货运量一直呈上涨趋势, 但个别年份略呈下降, 其增长率也经历了先抑后扬的形状, 在2005 年经历了一个高点之后，近两年略有下降, 但总体依然有上升的趋势。
通过分析可以看出, 京津冀城市圈的物流产业发展速度较慢, 增长速度较不稳定, 也说明其物流业的发展还不够成熟。
图3 京津冀地区GDP与货运量散点图这里依然选取对数线性回归模型对两者进行回归分析, Y 即GDP , X 为货运量, 利用Eviews 软件，回归输出结果如表三表三Method: Least SquaresDate: 06/17/15 Time: 23:01Sample: 1995 2007Included observations: 13Variable Coefficient Std. Error t-Statistic Prob.C -11.51951 5.824161 -1.977883 0.0735LOG(X) 2.574073 0.500613 5.141843 0.0003R-squared 0.706185 Mean dependent var 18.42436 Adjusted R-squared 0.679475 S.D. dependent var 0.530046 S.E. of regression 0.300085 Akaike info criterion 0.571137 Sum squared resid 0.990562 Schwarz criterion 0.658052 Log likelihood -1.712392 Hannan-Quinn criter. 0.553272F-statistic 26.43855 Durbin-Watson stat 1.585096 Prob(F-statistic) 0.000322得到的结果如下:LOG(Y) = -11 .5195 + 2 .5741 ＊LOG(X)(-1 .98) (5 .14)R2=0.706回归结果良好, 参数均通过T 检验, 拟合优度达到70 .62 %, 且通过自相关检验, 得到的回归结果具有一定的经济意义。