港口物流与腹地经济增长关系研究

《港口物流与腹地经济增长关系研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、港口物流与腹地经济增长关系研究——以岳阳港为例小组成员：龙春芳（引言及文献综述）罗澜、王有为（数据处理、PPT）吴鹏（实证分析）陈敬（结论与讨论）指导老师：陈志建III摘要岳阳港是湖南省唯一拥有长江深水岸线的港口，也是国家内河主要港口和一类口岸，是长江干线中上游三个亿吨大港之一[1]。本文以岳阳港港口物流与腹地经济增长之间的关系为研究对象，选取岳阳港2000—2014年港口货物吞吐量、集装箱吞吐量和国内生产总值等统计数据，计算了港口区位势；通过格兰杰因果关系检验港口物流与腹地经济增长之间的因果关系，并用logistic曲线来拟合货物吞吐量和GDP之间的数量变动关系，且对其进行边际分析

2、和弹性分析。结果表明：岳阳港拥有较好的区位优势；货物吞吐量与GDP之间存在双向格兰杰因果关系；集装箱吞吐量与GDP之间、集装箱吞吐量与货物吞吐量之间存在单向的格兰杰因果关系；湖南省GDP随着岳阳港港口物流的增长而增长。关键词：港口物流；经济增长；Granger因果检验；回归分析；弹性分析III目录摘要II一、引言1二、数据处理12.1综合测度方法:熵权法12.2区位势22.3数据来源及计算过程32.4港口—腹地系统空间关联性测度5三、实证分析83.1港口物流与经济增长相互关系的计量分析83.2港口物流与经济协同发展的回归分析103.3港口物流与经济增长的边际、弹性分析16四、结论与讨

3、论194.1岳阳港港口的综合能力在不断增强194.2腹地城市之间的区位势存在地区空间差异194.3港口物流可推动腹地城市的经济发展194.4岳阳港港口物流产业有很大的发展空间204.5扩大港口规模，发挥其对经济增长的作用20参考文献21III一、引言我国关于港口—腹地关系的研究,始于20世纪50年代初,以黄盛璋《中国港市之发展》的出版为标志[2]。近年来，随着港口功能的不断扩展，现代港口已经不再局限于连接内地与海域、负责货物运输等。港口物流产业已经发展成为我国国民经济的基础性产业之一，在国民经济增长中扮演着日益重要的角色[3]。港口物流发展与经济增长之间的关系也迅速得到我国学者的关注

4、，其中，王耀中等通过分析港口物流对经济增长的作用机理，选用多变量数据，研究了港口物流发展对我国经济增长的作用和贡献[4]；钟铭等运用协同理论，构建港口物流与城市经济协同度测度模型，并基于模型对大连市港口物流与城市经济协同发展程度进行了评价[5]；沈秦伟，韩增林等利用格兰杰因果检验、向量自回归模型及相应的脉冲响应函数分析了大连港口物流与城市经济增长的动态相关性和因果关系[6]；王报梅运用时间序列的平稳性检验、协整性检验、Granger因果检验等方法对GDP与港口货物吞吐量进行了计量分析[3]。在物流业日益成为“第三利润源”的今天，港口物流作为港城互动联结的重要桥梁和纽带地位凸显；目前，

5、国内在这一领域的研究，主要是沿海港口与区域经济的发展研究成果，用计量学理论定量和定性地分析了沿海港口与区域经济之间的关系，对内河航运与区域经济的研究成果较少[7]。而岳阳港的地理位置优越，岳阳又是适宜发展商贸流通的经济腹地，它处在“长三角”、“珠三角”两大经济圈西进、北上的枢纽地位，是一座典型的区域节点城市[8]。所以研究其港口物流与经济增长之间的关系，符合国家推进的中部崛起战略，也可以让其港口物流在国民经济中的地位得到更充分、合理的认识。综合国内学者的研究，可以看出国内学者对于港口区位势是如何影响国民经济这方面没有进行深入的研究，本文则在国内学者研究结果的基础上，先通过格兰杰因果检

6、验岳阳港港口物流与经济增长之间的因果关系；再根据检验结果选取合适的回归模型探索两者是相互怎样影响的；最后，通过计算出的岳阳港港口区位势和岳阳港港口物流产业对湖南省GDP的弹性系数来进一步研究区位势对国民经济的影响，这对于了解岳阳港港口物流产业对国民经济的贡献具有现实意义，22并且可以让政府机构能更加重视港口的发展，有利于岳阳港得到更充分地利用和更好地服务于国民经济。二、数据处理2.1综合测度方法:熵权法熵权法是一种基于数据事实的非主观赋权重的方法，主要依据各项数据指标本身所包含的信息量大小来进行权重赋予。利用熵权法能够充分利用数据中包含的信息，且熵权法结果更具有稳健性。基于此，本文采

7、用熵权法确定权重，以便较好保证指标评价结果的客观性和有效性。其基本原理是：若某项指标的指标值变异程度越大，熵越小，该指标提供的信息量越大，其权重也应越大，反之，指标值变异程度越小，熵越大，该指标提供的信息量越小，权重越小。因此，熵值法能够深刻地反映出指标信息熵值的效用价值，所给出的指标权重值比层次分析法和专家经验评估法信度更高。熵权法确定权重计算步骤如下：（1）构建原始指标数据矩阵:样本年份15年，评价指标2项,形成原始数据矩阵X=xij15×2(0≤i≤