中图分类号：F061.5 文献标识码：A 文章编号：1001-6260(2019)01-0001-19 一、引言及文献综述 中国物流与采购联合会公布的《2016年全国物流运行情况通报》指出，2016年中国社会物流总额达229.7万亿元，按可比价格计算比上年增长6.1％，增速提高了0.3个百分点。由此可见，随着社会经济的稳步增长，物流服务需求也随之水涨船高。事实上，中国物流业在快速发展的同时也存在诸多问题，如“东强西弱”的集聚态势、两极分化的“马太效应”等(唐建荣等，2017)。在此背景下，剖析物流产业的发展演化规律及其差异成因成为学术界关注的热点。 近年来，对物流产业发展驱动因素的相关研究屡见不鲜。如王健等(2014)采用向量自回归模型、格兰杰因果检验等方法对影响区域物流发展的因素进行的动态分析；唐建荣等(2015)基于经济、支撑和信息视角，运用结构方程模型，分析了城市物流业发展的驱动因素，同时对比了各区域的发展差异；陈恒等(2015)利用LMDI指数法分析了劳动力投入对于物流业发展的驱动效应，并甄别了影响物流业发展的要素；谢守红等(2015)利用TOPSIS法测算了长三角地区16市的物流业发展水平，结合岭回归方法探讨了城市物流业发展的驱动因素。这些研究从不同角度探讨了物流产业发展的驱动因素，但均未将产业发展的空间异质性纳入研究视域，从而忽略了地理单元之间的联系，导致分析结果可能存在偏差情况。 随着空间计量方法的发展，包含空间滞后和空间误差等在内的常系数模型被广泛应用于克服产业发展的空间自相关性，如蔡海亚等(2016)采用空间计量模型(SEM模型和SAR模型)分析了长江三角洲物流产业发展的时空格局演变及影响机理。然而，物流产业发展是经济水平、基础建设、资源禀赋等多核共振的结果，作用机理复杂，且不同时空分布下各驱动因素的作用力大小和方向并不尽相同。若要兼顾不同的作用，并识别区域特质因素的影响强度，此时常系数空间计量模型便不再满足研究要求。 20世纪90年代中期，地理加权回归模型(Geographical Weighted Regression，简记为GWR)作为一种可识别空间非平稳性的局部变系数模型被提出并得到广泛应用(Fotheringham et al.，1996)。GWR模型可以克服地理单元间的空间异质性，突破常系数模型的局限性，针对不同地区得出差异化的研究结论，其理论意义以及异质化的政策价值较为显著，且具有“因地制宜”的效果(吕光桦等，2011)，进而被广泛应用于不同行业研究中(王爱等，2017；马勇等，2017；Diniz-Filho et al.，2016；向书坚等，2016)。但GWR模型只能对截面数据进行回归，Wu et al.(2014)在GWR模型中加入时间效应，构建出时空地理加权回归模型(Geographical and Temporally Weighted Regression，简记为GTWR)，可以在时间和空间两个维度上捕捉不同空间单元的参数变异情况，从而可以有效弥补GWR模型的不足。时空地理加权回归作为一种能够有效识别非平稳性的方法，在理论上得到较好的发展，现实中也被广泛的应用(Fotheringhamet al.，2015；Guo et al.，2017；Chu et al.，2015；Liu et al.，2017；Bai et al.，2016)。 综上所述，考虑时间因素的时空变系数模型对于面板数据的适用性大大增强，并具备更加优良的统计性质(韩兆洲等，2017)，且目前国内外并不存在采用局部变系数模型研究相关问题的文献。有鉴于此，本文利用2005-2015年中国31个省区的面板数据，从时空异质性的角度研究物流产业发展的驱动路径，甄别出区域产业发展的“要核”，以厘清各因素间环环相扣的机制，进而准确揭示区域物流发展差异的症结所在。与现有文献相比，本文可能的贡献在于：(1)研究视角上，从异质性角度出发，分析了物流产业驱动因素的空间差异及时序波动；(2)研究方法上，采用前沿的时空地理加权回归模型，弥补了相关研究的空白，有效扩展了该方法的应用领域，丰富了物流产业发展的理论。 二、研究方法 为研究物流业的发展演化、驱动因素及其时空异质性，先利用TOPSIS模型评价物流产业发展水平，接下来利用核密度及探索性空间数据分析方法研究物流产业的演化状况，最后构建GTWR模型分析物流产业发展的驱动因素及其时空异质性。 (一)TOPSIS模型 TOPSIS模型最早是由Hwang et al.(1981)提出的，这一方法核心思路是构造一组理想解，通过衡量所有决策方案的结果与理想解的逼近程度来比较不同方案的优劣，本文主要借鉴TOPSIS模型来构建评价各省区物流产业发展的综合指标。熵权TOPSIS法是对传统TOPSIS法的改进，即通过熵权法确定评价指标权重，再通过TOPSIS法利用逼近理想解的技术确定评价对象的排序(李沙浪等，2014)。由于TOPSIS评价值是各省区的指标与正理想解和负理想解的相对余力，某个省区的评价值越高则该省区的各项指标离正理想解越近，这表示其物流产业发展水平越高。 (二)探索性空间数据分析 探索性空间数据法(ESDA)常用于分析空间数据自相关特性。空间自相关是指某要素与其邻近要素属性值在不同空间单元上的显著程度，用于度量对象的空间集聚度和关联性。本文通过全局Moran指数判断物流业发展的空间相关性(李沙浪等，2014)。全局Moran指数可以反映区域物流业发展空间分布特征，有效衡量空间邻接的省区物流业发展水平的相似度，具体公式如下：
