2018长三角制造业与区域物流联动发展研究

1111048

　　　　[摘要]长江三角洲作为中国经济增长的“领头羊”，其制造业的发展关系中国的世界制造业中心的建设。作为制造业发展支撑的现代物流业已成为制造业产业链上不可替代的角色。文章在相关理论研究的基础上，运用灰色关联分析从定量角度研究长三角区域物流与制造业的相关性，并就分析结果得出的长三角区域物流与制造业发展不相匹配提出了长三角区域物流联动发展的建议。
　　[关键词]制造业；区域物流；灰色关联度；联动发展
　　
　　一、引 言
　　
　　制造业与现代物流业的发展是互为依托的，现代物流业的发展是不能独立于其依托产业之外的，只有当制造业发展到一定程度，其物流需求发展到一定阶段，现代物流业才可能随之发展。现代物流业对于现代制造业的重要意义，在于其既为现代制造业提供了有效的配套，促进了产业链的延伸，在制造业上游为其组织采购原材料，又在生产下游为其提供良好的销售环境，现代制造企业要依赖现代物流为其将产品运往世界各地。现代物流已经成为制造业产业链上不可替代的角色。所以，在发展区域制造业的同时，现代物流业的发展是至关重要的，只有进一步提高区域物流业的发展水平，才能更好地支撑区域制造业的发展。
　　以“上海为龙头，苏浙为两翼”的长江三角洲，已经成为中国经济、科技、文化最发达的地区之一，已被公认为全球第六大都市圈、最有活力的地区之一。短短几年内，吸引了大量国际性制造业在此集聚，成为长江三角洲经济增长的支柱，也成为其参与国际分工的优势所在。
　　目前学术界对物流与制造业的研究主要集中在企业的微观层面，即制造业各产业链上的物流活动，而对制造业与物流在宏观上的关联度研究则比较少且主要侧重定性的分析。比如方晓昌从辽宁制造业物流供应链的战略层、管理层、企业层进行了研究。在分析了辽宁制造业发展总体趋势后，结合有关战略理论，提出了辽宁省制造业物流供应链发展战略；然后，从管理的角度出发，提出了辽宁制造业物流供应链管理模式；最后，从微观企业层，构建了供应链企业间合作连接方式与组织形式…。胡蔚波以制造企业为中心，从制造企业视角，在全球制造业物流发展的大背景下，比较物流联盟模式和制造企业原有物流模式(自营物流模式、传统外包物流模式)的优劣，从而证明了制造企业对物流联盟模式需求的必然性并提出了制造企业构建物流联盟的三种模式——供应链物流联盟、行业物流联盟、地区物流联盟。邱剑、赵明岚指出要完善制造业物流发展之路，关键是要实现生产组织和调度的自动化、供应链过程的一体化、逆向物流、虚拟仓库以及物流全球化。本文通过对相关理论的研究，运用灰色关联分析从定量的角度对制造业与物流的关系进行分析并就发展长三角区域物流提供了一些建议。出，之后灰色系统理论在许多方面应用获得成功。灰色系统理论中的灰色关联分析法是根据因素之一。
　　
　　二、灰色关联分析
　　
　　(一)灰色关联理论原理
　　灰色系统理论于1982年由邓聚龙教授首先提问发展趋势的相似或相异程度，亦即“灰色关联度”，衡量因素间关联程度的一种方法，是一种有效处理不确定变量相关关系的方法。该方法认为对于两个系统之间的因素，其随时间或不同对象而变化的关联性大小的量度，称为关联度。在系统发展过程中，若两个因素变化的趋势具有一致性，即同步变化程度较高，即可谓二者关联程度较高；反之，则较低。
　　
　　(二)灰色关联动态分析的建模步骤
　　1．建立原始数列的因变量参考数列和自变量比较数列
　　因变量参考数列又叫母序列，记作x(k)0：
　　x(k)0={x(1)0,x(2)0,x(3)0…，x(k)0}
　　自变量比较数列又叫子序列记作 x(k)i：
　　x(k)i={x(1)i,x(2)i,x(3)0…，x(k)0}(i=1，2，3…，n)
　　2．将原始序列进行初始化法、均值化法的无量纲化处理
　　消除数量级大小不同的影响，以便于进行计算和比较分析，一般采用初值化和均值化加以处理，即：x(k)i=x(k)i/x(1)0或x(k)i=x(k)i/xi
　　3．计算每个时刻点上母序列与各子序列差的绝对值，并从中取得最大差和最小差
　　差序列：△i(k)=|x(k)0-x(k)i|(i=1，2，3…n)
　　则差序列为：△i：(△i(1)，△i(2)…△i(k))
　　最大差：Δmax=max/i |x(k)0-x(k)i|
　　最小差：Δmin=min/i |x(k)0-x(k)i|
　　4．计算灰色关联系数
　　L(k)0i= Δmin+λΔAmax/Δ+λΔmax
　　其中L(k)0i是第k个点的子因素与母因素的相对差值。绝对差值△越大，L(k)0i越小，反之则L(k)0i越大。因此L(k)0i的大小描述了xi对x0。的影响程度，称之为xi与x0在k处的点关联度。式中λ为分辨系数，一般在0与1间选取，常取λ=0.5。　　5．计算灰色关联度R0i
　　为求总的关联度，需要考虑不同的观测点在总体观测中的重要性程度，则需要确定各点的权重。本文采用算数平均的方法计算灰色关联度R0i。
　　R0i=1/n ∑ L(k)0i
　　6．关联度排序
　　根据的大小排列关联序的先后顺序。关联度越接近于1，说明关联程度越大。根据经验，当λ=0.5时，两因素的关联度大于0.6便认为其关联性显著。
　　
　　三、长三角制造业与区域物流的灰色关联分析
　　
　　为分析长三角区域物流与制造业的相关性，本文选择了影响区域物流货运量以及货物周转量的六个关键因素，来分析比较其与长三角区域物流的关联性。
　　
　　(一)长三角货物运输量与其影响因素的相关度分析
　　则差序列为：
　　△1=(0，0.036187，0.134486，0.304866，0.510024)
　　△2：(0，0.067052，0.156132，0.111859，0.111333)
　　△3=(0，0.079794，0.389796，0.783443，0.865118)
　　△4=(0，0.052968，0.121889，0.242816，0.493621)
　　△5=(0，0.028077，0.037013，0.100409，0.407985)
　　△6=(0，0.00883，0.023761，0.049864，0.120056)最大差为△max=0.865118，最小差为△min=0，取λ=0.5，得关联系数表如表2。
　　由表2可知，地区生产总值、第一产业产值、制造业工业增加值、第三产业产值、社会消费品零售额以及城市居民人均可支配收人与货物运输量的关联度都超过0.6，达到显著相关性。在影响货物运输量的各相关因素中城市居民人均可支配收入与货物运输量的关联度最大，达到0.92146，这与长三角居民的生活水平有关，丰裕的可支配收入刺激了人们的消费需求从而加速了商品的流通。在与货物运输量相关的几项指标中，制造业工业增加值与货物运输量的关联度最低，为0.61186。这可能与长三角近几年来积极地进行制造业产业的转移和升级以及长三角区域物流与制造业发展不相匹配有关。
　　
　　(二)长三角货物周转量与其影响因素的相关度分析
　　则差序列为：
　　△1：(0，0.048046，0.065908，0.073568，0.045375)
　　△2=(0，0.055193，0.22471，0.343157，0.575982)
　　△3=(0，0.09165，0.32122，0.55215，0.40047)
　　△4=(0，0.064827，0.053311，0.011518，0.028972)
　　Δ5=(0，0.039936，0.031565，0.130889，0.056664)
　　Δ6=(0，0.00303，0.0448，0.1814，0.3446)最大差为△max=0.575982，最小差为Δmin=0，取λ=0.5，得关联系数。
　　各影响因素与货物周转量的相关度都比较高，除制造业工业增加值外，其他五项指标都与货物周转量呈显著相关性。其中第三产业产值与货物周转量的相关度最高，达到0.90604。这是由于近年来第三产业中服务业、交通运输和邮电通信业等的发展加大了对物流的需求，从而加大了货物的周转。