考虑综合实力与成本的区域物流中心辐射范围研究

       一、引言

       物流成本在商品或服务的市场辐射范围确定方面发挥了重要作用。物流成本削减的乘法效应认为，物流成本的削减不仅直接增加了利润，同时由于物流成本的下降，商品的市场覆盖范围成倍增加，因此在既定价格水平下，随着市场覆盖范围的增加，销售量不断上涨，销售额也将成倍增加①。在经济地理领域杜能的农业区位理论、韦伯的工业区位理论以及克里斯塔勒的中心地理论，都将运输费用/交通费用作为理论的核心要素。基于以上理论，区域物流中心辐射范围的确定首要考虑的要素是物流成本。

       克里斯塔勒(W.Christaller)基于中心地的自然条件相同且是均值分布的平原，人口、收入、需求和消费方式相同；具有统一的交通体系，运费与距离成正比；买方与卖方均为理性经济人；中心地货物可以完全自由流通的中心地理论，认为中心地的产品销售范围，最初是以产地为圆心，最大销售距离为半径的圆形，在竞争的作用下，每个企业都想扩大自己的市场范围，因此圆形市场被挤压，最后形成了六边形的市场网络，如图1所示。然而区域是均质的假设与现实不符，例如有些地区交通便利，运输费用会比交通不发达的中心低，因此市场辐射范围也会大，在类似条件的作用下，每个中心地的辐射范围并非是严格相等的六边形，会随着不同条件的作用发生形变，向着有利条件的方向进行延伸、扩展。因此，在确定区域物流中心的市场辐射范围时，不仅要考虑物流成本具有局限性，还要综合考虑区域异质性。本文以综合实力为依据，对区域物流中心进行分类，再以等物流成本线为界限，确定同一类型区域物流中心的市场辐射范围。

      

       图1 克里斯塔勒的中心地理论的六边形市场区域

       二、区位理论

       区位是人类活动的空间，是某一事物的空间几何位置，因此产品或服务的市场辐射范围属于区位理论可解释的范畴。区位理论产生于19世纪20-30年代，其标志是杜能(J.H.V.Thunen)的农业区位理论。20世纪初，韦伯(A.Weber)创立了工业区位理论，其运输指向、劳动力指向和集聚指向三大理论是工业区位理论的核心。继韦伯之后，瑞典经济学家帕兰德(Tord Palander)和美国经济学家胡佛(E.M.Hoover)等人对工业区位理论作了进一步的完善和改进。20世纪30年代初，德国地理学家克里斯塔勒(W.Christaller)根据聚落和市场的区位，绘出了正六边形市场网络图，由此创立了中心地理论。

       德国经济学者廖什(A.Losch)利用克里斯塔勒理论的框架，以最大利润原则代替了最低费用原则，并建立了市场网络模型，把中心地理论发展成为产业的市场区位论。市场区位理论的出发点是利润最大化，着眼于市场的扩大和优化；核心思想是单一市场是以生产中心或销售中心为核心的正六边形形状；它的特点在于它把生产区位与市场结合起来，确定能够获得最大收益的地点。市场区位理论能够解释跨国企业的在全球生产、销售的经营行为，也能解释连锁销售分散网点、统一采购、配送的运作行为②。市场区位理论的核心应用还是聚焦于选址决策③，以企业利润最大化为目标，通过考虑原料因子、运输因子、劳动力因子、市场因子等影响因素，对比不同选址地域企业获得的利润情况，辅助企业进行决策。

       将区位理论应用于确定市场辐射范围的研究比较少见，尽管中心地理论与市场区位理论给出了单一产品或服务的市场形状，但对于具体产品或服务而言，六边形的边界在何处缺乏明确的鉴定方法，本文的研究将弥补这一不足。由于物流以成本最小为运作核心，且物流的差异度较低，根据霍特林模型，差异度较低的产品或服务供应商最终将围绕消费群体呈均匀对称分布④，因此本文在进行区域物流中心辐射边界分割时仍采用等成本线进行。

       三、全国性物流节点层次结构

       (一)全国性物流节点城市综合实力评价指标

       2009年，国务院印发的《物流业调整和振兴规划》确定了全国九大物流区域、十大物流通道，以及21个全国性物流节点城市和17个区域性物流节点城市⑤。目前，各全国性物流节点城市都在全力推动现代物流业发展，其中许多城市已取得了明显成效，但各节点城市的物流综合实力依然存在差距，这种差距决定了各节点在全国物流网络格局中的地位与作用⑥。

       下面我们依据城市物流综合实力内涵，选取7个一级指标、12个二级指标对21个物流节点城市进行评价，以全面、客观地判断济南市在全国物流网络格局中的地位和作用，如表1所示。

      

       1.数据采集与处理

       为了保证数据时间的一致性和数据的可获得性，我们选取2013年为时间节点，从各城市统计年鉴和《中国城市统计年鉴》中采集数据，详见表2。由于选取的指标反映的是不同方面的物流信息，所以存在数量及量纲的差异问题。本文采用“标准化方法(ZScores)”将原始数据进行标准化，标准化后的数据均值为0，标准差为1，标准化后的数据是没有单位的纯数量。