5.4 模型分析

5.4.1 数据来源及说明

现有研究多从企业进入和退出种群数量的变化规律来刻画种群之间的演化关系，这不啻是一种很好的方式，特别对于种群数量的进入率和退出率的刻画比较准确。但是现有研究中所运用的企业行业目录在对企业数量进行提取的方法上存在比较大的不确定性，[3]所以，单纯从数量的角度来刻画种群特征在一定程度上也有失偏颇。当然，也有部分研究以种群的产值作为其规模分布的说明（即种群密度）（王子龙等，2006；唐强荣和徐学军，2009），通过产值变化的情况说明系统的演化规律。为了从总体上反映制造业与物流业发展的情况，为了与第4章中的指标统一和协调，本书仍然以每一年制造业工业增加值作为制造业发展的规模指标，以物流业货物周转量作为物流业发展的规模指标（如图5-1所示），其描述性统计见表5-1。

图5-1 1978～2013年制造业工业增加值与物流业货物周转量时间演化图

从图5-1大致可以判断出，制造业与物流业之间存在协同演化规律，初步验证了假设1，即制造业种群与物流业种群之间存在协同演化规律。

表5-1 制造业工业增加值与物流业货物周转量的统计性分析

5.4.2 模型结果分析

运用Eviews5.0软件对制造业种群与物流业种群之间的关系做深入的分析。从表5-2中可以看出，物流业货物周转量每年增加的数量与制造业工业增加值每年增加的规模存在显著的相关关系，其系数为0.616324，显著性检验值（调整后的R2）为0.611929，物流业货物周转量的增长与制造业的发展息息相关。从每年制造业工业增加值数值和物流业货物周转量数值中可以看出，物流业种群与制造业种群之间也存在线性关系，相关系数为0.767029，其显著性检验值（调整后的R2）为0.991967，从而验证了之前的理论假设2，即制造业与物流业之间存在显著的相关关系。

表5-2 制造业与物流业之间的简单回归分析

为了进一步验证制造业与物流业之间的关系，以下根据种群生态学的四个模型做进一步的分析，具体的模型参数估计结果如表5-3所示。

表5-3 制造业与物流业之间的种群生态模型回归结果

在传染病模型中，调整后的R2值为0.420442，F值为12.96999，模型的线性拟合效果很好，其中制造业与物流业之间的协同演化系数ρ₁为0.001491，说明制造业与物流业之间存在协同演化规律，传染系数ρ₂为0.517957，说明物流企业的变化会受到制造企业变化的传染，进一步验证了理论假设1和假设2。

在密度依赖模型中，ρ₁为0.207427，模型在P＜0.01的水平下显著，t值为5.095259，说明制造企业与物流企业之间存在互利行为，另外，ρ₂＜0，说明两者之间也存在一定程度的竞争关系，这种竞争程度比较小，主要是因为制造业与物流业之间更多的是一种互补关系，双方之间的竞争主要来自制造业选择自营物流的模式与物流企业所提供的服务之间的竞争，其函数关系式如式（5-5）所示：

ΔN_L（t）=-498.0993+0.207427N_M（t-1）-（8.59E-07）N2_M（t-1）　　　　　　（5-5）

对式（5-5）进行整理可得：

ΔN_L（t）=-（8.59E-07）［N_M（t-1）-20737.49］2+7524.009　　　　　　（5-6）

式（5-6）的图形为抛物线，即物流业货运量的变化与制造企业的规模存在倒U形关系，即制造业总产值的增加会促进物流业货运量加速增加，但超过某一阈值（此处为352978亿元）时，制造业总产值的增加反而会降低物流业货运量增加的速度（如图5-2所示）。

图5-2 密度依赖模型下制造业与物流业之间的关系

上述结果进一步验证了理论假设3。制造业产值的增加除了有量的原因之外还有质的原因，因此，制造业与物流业之间除了在量上的协调之外，更要充分做好质上的协调。

在二次型双密度依赖模型中，ρ₁=0.812562，ρ₂= 2.47E-07，如式（5-7）所示，

N_L（t）=14703.13+0.812562N_M（t）-（2.47E-07）N2_M（t）　　　　　　（5-7）

将其进行转化可以得到：

N_L（t）=（-2.47E-07）［N_M（t-1）-1644862.35］2+682979.45　　　　　　（5-8）

从中可以看出模型在P＜0.01的水平下显著，T值也显著，ρ₂＜0，接近于0，且曲线的最高点出现在制造业增加值为682979.45亿元时，可以近似地认为两者之间存在显著的线性关系，但直线的斜率很小，说明物流企业种群与制造企业种群之间的演化存在同步性。

就指数型双密度依赖模型而言，ρ₀为6130.94，ρ₁为0.812562，均大于零，得出两种群之间的密度同步增加，从而验证了假设4，即制造业种群规模的扩大，会增加物流业的种群规模。