物流景气指数与宏观经济指标的联动分析.pdf

技术与方法收稿日期2023-05-18基金项目2022年社会物流统计核算与报表制度的组织实施项目（2022CLICWLTJ01）作者简介吴江（1989-），男，山西吕梁人，中国物流信息中心中级经济师，研究方向：物流经济；吕浩然（2001-），男，山西吕梁人，北京林业大学经济管理学院学生，研究方向：数理统计；广敏（2001-），女，湖北鄂州人，武汉学院金融与经济学院学生，研究方向：电商物流；段晨（1988-），女，湖北襄阳人，湖北物资流通技术研究所中级统计师，研究方向：物流管理。doi:10.3969/j.issn.1005-152X.2023.07.008物流景气指数与宏观经济指标的联动分析吴江1，吕浩然2，广敏3，段晨4（1.中国物流信息中心，北京100711；2.北京林业大学，北京100711；3.武汉学院，湖北武汉430212；4.湖北物资流通技术研究所，湖北襄阳441002）摘要物流与宏观经济的关系不仅体现在物流对经济的促进作用上，还体现在其可以较为直观地展现宏观经济活力，是观察宏观经济发展的重要指标和参考。为了对这种双向互动关系进行量化分析，首先选用物流景气指数作为衡量物流活动的主要指标，并综合考虑宏观经济的各个方面，选用社会物流消费品零售总额、消费者价格指数和规模以上工业增加值为宏观经济指标，利用它们的月度环比数据构建向量自回归模型，以分析各指标联动关系的变化机理。之后将货运量指标引入模型，并与原有模型进行对比分析，进一步验证了物流景气指数与消费者价格指数、社会消费品零售总额有更紧密的联系。关键词物流景气指数；宏观经济指标；联动分析中图分类号F259.2；F224文献标识码A文章编号1005-152X(2023)07-0033-07Analysis of Coupling between Logistics Prosperity Index and Macroeconomic IndicatorsWU Jiang1,LV Haoran2,GUANG Min3,DUAN Chen4(1.China Logistics Information Center,Beijing 100711;2.Beijing Forestry University,Beijing 100711;3.Wuhan University,Wuhan 430212;4.Hubei Institute of Logistics Technology,Xiangyang 441002,China)Abstract:Logistics is related to macro-economy not only for its role in promoting economic development,but also for its ability to moreintuitively reflect the vitality of the macro-economy,thus making it an important indicator and reference for observing the macro-economy.Inorder to quantitatively analyze this two-way interactive relationship,first we chose the logistics prosperity index as the main indicator tomeasure logistics activities and after comprehensively considering all aspects of the macro-economy,selected the total retail sales of sociallogistics consumer goods,consumer price index and industrial added value above designated size as macroeconomic indicators.Next,usingthe month-on-month data,we constructed a vector autoregressive model to analyze the change mechanism of the coupling relationshipbetween the various indicators.Afterwards,we introduced the freight volume index into the model,and by comparing the model before andafter the introduction,further verified that the logistics prosperity index is tightly associated with the consumer price index and the total retailsales of social consumer goods.Keywords:logistics prosperity index;macroeconomic indicator;coupling analysis吴江，等：物流景气指数与宏观经济指标的联动分析0引言随着 十四五现代物流发展规划1的颁布，物流在国民经济中的重要作用被提升到更高的高度。物流业作为联动整个宏观经济的重要产业，其与宏观经济联系的紧密性已经毋庸置疑，但如何量化这一关系则面临比较大的阻碍，问题主要来自于如何对涵盖多种物流运输方式、运营模式、运作流程以及多方参与的物流行业进行综合量化。物流景气指数作为我国物流行业中为数不多的综合性指数，可为定量化研究物流与宏观经济的联动关系提供必要条件。1物流与宏观经济关系的理论研究1.1物流在促进经济发展中的重要作用目前对于物流如何促进经济发展的理论与实践研究主要体现在四个方面：首先，基于运输经济学理论，物流运输需求不仅产生于地理因素的差异，还在于良好的物流运输条件中蕴藏着促进地区专业化和-33技术与方法物流技术2023年第42卷第7期（总第442期）更好发挥产业规模经济优势的良性机制2。基于我国地区资源和产业分布不均衡的特点，以及在全球贸易中的重要地位，发展高质量的现代化物流产业是促进我国宏观经济发展的必然选择，无论是20世纪80年代“要想富、先修路”口号的提出还是现今颁布的 十四五现代物流发展规划，都在证明这一点。其次，高效的物流服务水平是扩大商品需求，提升市场活力的重要保障。我国经过数十年的发展，物流服务已经深入人们的日常生活，以电商物流、冷链物流、智慧物流、智慧仓储为基础，直播电商、网络购物、餐饮外卖、同城配送、即时零售、社区团购等新型业态不断兴起，不仅激发了市场活力，也极大地便利了人们的生活。专业化航空货运、海运服务、中欧班列的发展也为我国开拓世界市场提供了有力保障。再次，降低物流成本是提升经济活力的有效手段。从企业层面看，基于“第三利润源”3学说，降低物流费用是企业提高盈利能力，提升市场竞争力的有力手段。从社会层面看，在保证物流效率的前提下，合理降低社会物流成本是打消地区间隔、贸易壁垒，完善社会竞争机制的重要手段。在物流现代化发展过程中，共同配送、物流标准化、前置仓和物流基础设施建设，以及物流信息化智能化的发展都是这一手段的具体表现4。最后，物流区位优势是地区经济发展的强大助力。物流服务作为产品供应链的关键一环，对供应链的分布和形成至关重要。拥有高水平物流服务能力和区位优势的地区，将更有可能在产业供应链竞争中脱颖而出，赢得发展先机。从九省通衢的武汉，到港口水系汇集的上海、广州，再到以航空港发力的郑州，以及作为“一带一路”重要节点城市的西安、乌鲁木齐等，都是这一优势发挥的有力证明。1.2物流是宏观经济发展的重要体现物流业在促进经济发展的同时，其本身也是宏观经济发展的重要体现，具备宏观经济发展晴雨表的功能，主要体现在三个方面：首先，物流从本质上来说是经济活动的延续，是人们为了满足需求进行商品交换的最终环节。除部分服务产业外，绝大多数经济活动都伴随着物的流动，无论是生产和消费的链接，还是供给和需求的互动，都需要物流作为媒介来完成，这为我们通过观察物流活动来反映经济发展变化提供了理论依据。2023年2月国家发改委和统计局联合印发的 加强物流统计监测工作的通知5也指出，物流运行情况和发展趋势是服务宏观调控的重要内容。其次，相比于信息、资金的流动，物流活动更加直观，也更加真实。对于信息采集人员来说，公路货运中的货车流量变化、港口集装箱的动态变化、穿梭在城市中的外卖以及快递的繁忙程度，都是经济活动最直观的体现，比起需要查询财务报表或统计公报才能获得的信息、资金流动数据，物流数据的采集更容易、更快捷6。同时，物流活动的发生代表了商品流通或供应链活动已经发生，反映的是一系列经济活动的最终结果，是经济活动的客观真实体现7。最后，物流本身就是宏观经济中的重要一环。在物流基础设施建设方面，公路、铁路、港口、管道及内河航道的建设是我国宏观经济的重要组成部分。在物流运载工具发展方面，大型集装箱、LNG船舶、新能源货运车辆、航空货运装备、高铁快运车辆、快递无人机等，都是我国制造业创新发展的重要方向。在物流现代化发展方面，物流数字化、信息化、绿色化、智能化建设是我国新时期数字中国和智慧城市建设的重要内容。2指标选取与模型介绍2.1物流景气指数物流景气指数（LPI）8由中国物流与采购联合会于2013年提出，并于每月5日发布，至今已发布120期。LPI采用扩散指数9的形式，以50%为景气分界线，由业务量指数、新订单指数、平均库存量指数、库存周转次数指数、资金周转率指数、设备利用率指数、物流服务价格指数、主营业务利润指数、主营业务成本指数、固定资产投资完成额指数、从业人员指数和业务活动预期指数12个分项指数构成。LPI是通过了解每月众多物流企业在各分项指数上的表现，并对其进行综合量化后得到。相比于其他物流数据，LPI具有代表性、综合性、时效性和准确性等优势。首先，不同于来自港口、公路收费站、物流枢纽等节点的货运量、车流量、周转量数据，LPI的样本涵盖了大型、中小型、国有、民营等各类型物流企业，是通过调查企业运行情况来反映行业变化，具有更强的代表性。其次，相比于公路运价、社会物流总额等单一的统计数据，包含12个分项的LPI可以更加综合全面地反映物流业发展情况。最后，调查采用非定量的问卷形式，被调查者对每个问题只需做出定性的判断，在（比上月）上升、不变或下降三种答案中选择一种即可，不仅可以有效避免在统计定量数据时的可能误差，还使得LPI的发布时间大幅领先于其他物流数据，具有较强的时效性和准确性。2.2宏观经济指标选取在关于LPI的研究中，罗涛10运用VEC模型研究了其与消费者价格指数之间的关系。樊莹，等11分别-34技术与方法计算了物流扩散指数和物流综合指数，并研究了物流景气指数与国民经济（GDP）之间的关系。孙颖12运用VAR模型探讨了LPI与PMI的联动关系。舒服华，等13研究了LPI与中国仓储指数之间的关系。对相关研究总结梳理后发现，宏观经济指标主要由GDP、PMI等单一数据表示，并未综合考虑物流与宏观经济关联的各个方面。本文宏观经济指标的选取参考 宏观经济研究14每月公布的宏观经济指标变化情况，包括工业、固定资产投资、国内商业、进出口总额、利用外资、财政、金融、证券、物价九项指标。针对物流运行特征和数据的可获得性，对上述九项指标以及GDP进行了甄选和取舍，结果见表1。表1宏观经济指标选取宏观经济指标GDP工业固定资产投资国内商业进出口总额利用外资财政金融证券物价是否选用否是否是否否否否否是原因缺乏月度数据仅有累计数据，没有月度数据本次研究暂不单独考虑外贸本次研究暂不单独考虑外资非实物量指标，与物流无直接关系非实物量指标，与物流无直接关系非实物量指标，与物流无直接关系具体代表指标规模以上工业增加值社会消费品零售总额消费者价格指数由于VAR模型的参数较多，为了保证样本数据充足，本文主要以月度数据为主。通过进出口和利用外资进行的生产和消费，如果最终成为产生物流活动的实物商品，其本身也将成为工业增加值和社会消费品零售额的一部分，因此不单独将其加入模型。2.3建立Var相关性模型向量自回归模型（Vector Autoregression，VAR）15由Sims于1980年提出，是由多元时间序列变量组成的自回归模型，模型中每个变量是其他内生变量的滞后值，主要用于预测相互联系的时间序列系统以及分析 随 机 扰 动 对 变 量 系 统 的 动 态 影 响。设Yt=()y1t,y2t,.,ynt表示N1阶时序应变量列向量，则滞后P期的VAR模型具体形式为：Yt=i=1PiYt-i+Ut（1）其中：i()i=1,2,.,P是第i个待估参数NN阶矩阵。Ut=()u1t,u2t,.,uNtT是N1阶随机误差列向量。2.3.1单位根检验。单位根检验16主要解决的是数据平稳性问题，由于非平稳的时间序列数据之间可能存在相似的变化趋势，在进行回归时有可能出现没有关联的数据之间存在高度相关的特征，严重干扰实验结果。因此需要通过单位根检验（ADF）来确保时间序列数据在剔除了不变的均值和时间趋势以后，剩余的序列为零均值，同方差。通过单位根检验的标准是时间序列的t值小于三个置信度（10%，5%，1%），一般以小于5%为最低要求，即表示时间序列中不存在单位根，数据平稳。2.3.2协整性检验。协整性检验17的目的是判断同阶单整的变量间是否存在长期稳定的关系。当变量数大于两个时，一般采用Johanson检验，即当迹统计量大于临界值，或当似然概率值（LR）大于5%显著水平时，可认为变量之间存在协整关系，LR的计算公式为：LRM=-ni=M-1Nlog()1-i（2）式（2）中，M为协整向量的个数；i是按大小排列的第i个特征值，n为样本容量。2.3.3模型滞后阶数确定。VAR模型的滞后阶数（P值）不宜太小，否则将使得残差可能存在自相关，从而导致模型估计出现非一致性。同时也不宜太大，否则将大幅增加参数数量，降低模型自由度。确定P值通常使用赤池信息准则（AIC）和施瓦茨（SC）准则，即在增加P值的过程中使得AIC和SC同时最小。当使得AIC和SC最小的P值不一致时，一般使用LR检验来确定P值。即从最大滞后阶数开始，比较LR统计量和5%水平下的临界值，如果LRx20.05时，拒绝原假设，表示统计量显著，此时表示增加滞后值能够显著增大极大似然的估计值；否则，不拒绝原假设，每次减少一个滞后阶数，直到不拒绝原假设。2.3.4格兰杰因果检验。对于平稳的时间序列，或不平稳但存在协整关系的时间序列，可以应用格兰杰因果检验18来判断变量之间的因果关系。其原理是对于两个变量x，y，当x的前期信息使得y变量的s期预测值的均方误差（MES）变小时，就说明x在Granger意义下对y有因果关系，可由式（3）表示：MESE()yt+s|yt,yt-1,.=MESE()yt+s|yt,yt-1,.,xt,xt-1,.（3）具体方法是比较F统计量与临界值的大小，当F小于临界值时，即表示两变量之间存在因果关系。2.3.5参数估计与模型稳健性检验。VAR模型的待估参数数量取决于模型变量数量和变量滞后阶数。运用最小二乘法对模型参数进行估计，并形成系数矩阵。之后需要对模型进行稳健性检验，模型稳健性的条件是AR特征方程特征根的倒数绝对值均位于单位圆内（小于1），共有PN个AR根，其中P为VAR模型的滞后阶数，N为t期内生变量个数。模型通过稳定性检验是后续开展脉冲响应和方差分解的必要条件。吴江，等：物流景气指数与宏观经济指标的联动分析-35技术与方法物流技术2023年第42卷第7期（总第442期）2.3.6脉冲响应分析。脉冲响应分析是VAR模型的一项重要应用，它描述的是在随机误差项上施加一个标准差大小的冲击（来自系统内部或外部）后对内生变量的当期值和未来值所产生的影响（动态影响）。显示了任一扰动如何通过模型冲击其它所有变量的链式反应的全过程。相比于其他时滞性研究方法，脉冲响应分析反映的是系统内所有变量间的相互影响，而且能给出影响的程度与方向，结果准确。2.3.7方差分解。不同于脉冲响应函数是研究对每一个内生变量的冲击变化，方差分解是通过分析每一个结构冲击对内生变量变化（通常用方差来度量）的贡献度，进一步评价不同结构冲击的重要性。因此，方差分解给出了对VAR模型中变量产生影响的每个随机扰动的相对重要性信息。3实证分析3.1基于物流景气指数的VAR1模型基于统计局公布口径，工业增加值、消费者价格指数和社会消费品零售总额的数据形式主要以同比和环比增速为主。而物流景气指数主要表示物流企业本月相较于上月的经营变化情况，是一个环比概念。因此，本文选用2018-2022年物流景气指数和宏观经济指标的每月环比数据建立模型，见表2。表2物流景气指数与宏观经济指标LPI物流景气指数月度环比增速IVA规上工业增加值月度环比增速CPI消费者价格指数月度环比增速TRSCG社会消费品零售总额月度环比增速通过ADF检验后发现，在环比数据中，各项数据ADF值均小于1%、5%和10%的临界值，即表示通过单位根检验，数据为平稳数据。运算结果见表3。表3单位根检验结果变量名LPIIVACPITRSCGADF值-6.959-6.278-6.824-12.2171%临界值-3.553-3.548-3.546-3.5465%临界值-2.915-2.913-2.912-2.91210%临界值-2.595-2.594-2.594-2.594结论平稳平稳平稳平稳按照协整检验的必要条件，对于平稳的时间序列，可不进行协整检验。但本文为了明确各数据之间的相关关系，依然对上述数据进行了Johanson检验，由表4中数据可知，在各假设下，迹统计量均大于临界值，Prob值小于0.05，说明4组数据之间至少存在3种协整关系。表5是模型最大阶数的确定结果，LR统计量在P值为4时显著，即表示模型最大滞后4阶达到最佳。以4阶滞后为条件，对模型进行格兰杰因果检验后发现，CPI与IVA、LPI与CPI、TRSCG与CPI、LPI与IVA之间均存在因果关系，说明VAR模型的变量选择合理。结果见表6。表5模型最大阶数确定结果Lag012345LogL496.735 5530.367 5555.857 1574.539 2595.504 5612.351 3LRNA61.149 0942.637 1328.532 6128.970 31*20.828 77FPE1.94E-131.03E-137.34E-146.82E-145.97E-14*6.26E-14AIC-17.917 66-18.558 82-18.903 89-19.001 42-19.181 98-19.212 78*SC-17.771 67-17.828 88*-17.59-17.103 58-16.700 19-16.147 03HQ-17.861 2-18.276 55-18.395 80*-18.267 51-18.222 25-18.027 23表6格兰杰因果检验结果Null Hypothesis:IVA does not Granger Cause CPICPI does not Granger Cause IVALPI does not Granger Cause CPICPI does not Granger Cause LPITRSCG does not Granger Cause CPICPI does not Granger Cause TRSCGLPI does not Granger Cause IVAIVA does not Granger Cause LPITRSCG does not Granger Cause IVAIVA does not Granger Cause TRSCGTRSCG does not Granger Cause LPILPI does not Granger Cause TRSCGObs565656565656F-Statistic0.789 574.507 583.823 192.306 956.274 060.819 883.0875.315 941.550 650.037 40.925 711.393 76Prob.0.537 80.003 60.0090.071 90.000 40.5190.024 50.001 30.203 10.997 20.457 10.250 6由于所建立的模型包含4个变量且滞后期为4，使得模型参数达到64个，受篇幅所限本文只列出LPI为因变量时的模型参数，见式（4）。模型的稳健性检验如图1所示，16个特征根均位于单位圆之内，可进行下一步的脉冲响应分析和方差分解。LPI=-2.33*CPI(-1)+0.361*CPI(-2)-0.364*CPI(-3)-1.187*CPI(-4)-0.988*IVA(-1)+0.321*IVA(-2)+0.302*IVA(-3)+0.297*IVA(-4)+0.402*LPI(-1)-0.826*LPI(-2)-0.928*LPI(-3)-0.565*LPI(-4)-0.026*TRSCG(-1)+0.018*TRSCG(-2)+0.264*TRSCG(-3)-0.219*TRSCG(-4)+0.003（4）表4协整检验结果Unrestricted Cointegration Rank Test(Trace)HypothesizedNo.of CE(s)None*At most 1*At most 2*At most 3*Eigenvalue0.736 8920.608 8590.445 8870.335 293TraceStatistic189.815112.37457.930 1123.687 680.05Critical Value47.856 1329.797 0715.494 713.841 466Prob.*0000-36技术与方法图2（a）-图2（c）表示的是CPI、IVA和TRSCG分别对LPI的一个标准差冲击的响应；图2（d）-图2（f）表示的是LPI分别对CPI、IVA和TRSCG的一个标准差冲击的响应。横轴表示冲击作用的响应期间数（单位：月度），纵轴表示响应各变量的值，实线表示脉冲响应函数，代表了各变量对冲击的反应情况，虚线表示正负两倍标准差偏离带。由图2（a）-图2（c）可知，当在本期给LPI一个正冲击后，CPI有所上涨，并在第3期达到最高后波动下降，在7期达到最低点-0.18%，在9期之后逐渐趋于稳定。这表明LPI的环比上涨将对CPI造成三个季度的影响。CPI的前高后低可理解为物流景气水平上升意味着需求上涨，推高物价，之后随着供应逐渐充足，物价有所回落的过程。IVA在7期之后趋于稳定，表现形式为先升后降并循环两次，这一变化应该隐含着一种供应链的生产周期效应，即物流活动增强首先带动初级工业品生产增长，一段时间后次级工业品生产增长，最后产出最终工业品。TRSCG在6期趋于稳定。首次明显的上升出现在3个月以后，之后快速下降，在第5期达到最低点，表明LPI的上升可带动TRSCG的短期上升，但在最终消费完成后，TRSCG开始环比下降并最终趋于平稳。由图2（d）-图2（f）可知，当在本期给CPI一个正冲击后，LPI呈现先降后升、波动收敛的特征。表明价格上升对需求的抑制将在LPI上首先反映出来，而经济系统中的供给上升将在3个月后通过LPI的环比上升体现出来。当在本期给IVA一个正冲击后，LPI呈现先升后降，大幅波动，快速收敛的特征，在第3期便趋于平稳。物流和工业生产紧密的联系，使得规上工业增加值上升可以在短时间内有效促进LPI的增长，但持续时间较短。当在本期给TRSCG一个正冲击后，LPI也呈现先升后降的趋势，但持续时间较长，在第7期时趋于平稳。表明社会消费端的增长可以促进物流活动，但在活跃程度上不及工业所引起的物流活动变化。同时物流对消费端的敏感性也不及对工业生产端的敏感性强。对模型进行方差分解的结果如图3所示，其中横轴表示预测期，纵轴表示残差冲击百分比。各项结果分别表示CPI、IVA、LPI、TRSCG在各个时期的预测标准差中，由各变量残差冲击所造成的比例。图1模型稳健性检验结果图2脉冲响应结果0.0060.0040.0020.000-0.002-0.0040.060.040.020.00-0.02-0.04-0.060.040.020.00-0.02-0.04-0.060.040.020.00-0.02-0.04-0.060.040.020.00-0.02-0.04-0.060.080.040.00-0.04-0.080.060.040.020.00-0.02-0.04-0.06（a）（b）（c）（f）（e）（d）吴江，等：物流景气指数与宏观经济指标的联动分析-37技术与方法物流技术2023年第42卷第7期（总第442期）由图3可知，各变量对CPI的残差冲击在第10期趋于平稳，除其本身残差冲击占比51.6%以外，LPI残差对其冲击最高，占到33.9%，其次是TRSCG和IVA，说明物流活动对物价的形成起到了非常重要的作用。各变量对IVA的残差冲击也是在10期左右趋于平稳，除其本身残差冲击占比 50.1%以外，LPI 和TRSCG残差对其冲击相近，分别占比18.5%和19.3%，CPI占比最小，充分说明社会消费和物流活动是决定工业生产的重要因素。各变量对LPI的残差冲击在13期左右趋于平稳，IVA的残差对其冲击最高，达到36.4%，超过其本身的残差冲击，其次是CPI和TRSCG，说明工业生产对物流活动起到了决定性作用，而物价也在某种程度上影响了物流活动。各变量对TRSCG的残差冲击在13期左右趋于平稳，除其本身残差冲击占比38.7%以外，LPI残差对其冲击最高，占到36.3%，其次是IVA和CPI，说明物流活动也极大地影响了社会消费的活力，这一现象在疫情期间尤为明显，物流的不畅严重影响了人们的网络购物和消费。总体来看，物流与宏观经济的变化非常密切，除其自身外，LPI的残差对CPI、IVA和TRSCG均造成较大冲击。3.2VAR1与基于货运量的VAR2模型结果对比为了方便对比，本文在宏观经济指标不变的情况下，将 3.1 节模型中的 LPI环比增速数据换成货物运输 量（FT），并 重 新 建 立VAR2模型，以便于观察FT和 LPI 这两种代表物流活动的指标与宏观经济联动时的不同表现。经过验证，FT 同样通过了单位根检验，模型中的变量均为平稳数据，模型中各变量之间至少存在3个协整关系，模型的最大滞后阶数为4。在格兰杰因果检验中，CPI 与FT、CPI 与 IVA、TRSCG 与CP、TRSCG与FT 均存在因果关系，说明模型变量选取合理。与此同时，模型 16个特征根均位于单位圆之内，通过了稳健性检验。图4为对新建立的Var模型进行方差分解后的结果。表7为图3和图4中LPI、FT分别在各自的模型中对宏观经济指标CPI、IVA、TRSCG残差冲击程度的对比数据。由表7可知，对于CPI的残差冲击，VAR1中LPI占比超过VAR2中FT占比。表明相对于单一的货运量数据，更加全面的物流景气指数更能对物价的变动产生影响，这主要是因为经济系统的物流供给不仅在于量的多少，还在于供给效率，即物流企业的周转能力和盈利能力。对于IVA的残差冲击，VAR2中的FT占比更高，主要原因还是物流与工业生产之间的紧密联系，货运量是反映工业生产变化最直观的指标。对于TRSCG的残差冲击，VAR1中LPI的占比再次超过VAR2中的FT，说明在社会消费端，综合指数LPI相比单纯的货运量指标更能代表物流服务供给能力，以及其对消费端的影响。4结语本文主要是充分利用疫情三年物流景气指数及宏观经济各项指标数据剧烈波动的情况，通过VAR模型定量化研究物流与宏观经济的联动变化关系，研究结果表明：（1）物流景气指数的提高能够显著地促进宏观经济指标的增长，且持续时间超过半年。与此同时，CPI图3方差分解结果-38技术与方法的升高会短暂抑制物流活动，而工业生产和社会消费的提升会提升物流的活跃度。从时间上来看，这种影响最少将持续一个季度。（2）从影响程度来看，物流景气指数能够显著地影响CPI和社会消费品零售总额的变化，影响占比均超过30%。作为宏观经济供给系统的重要支撑，物流服务能力的提升在平抑物价，促进社会消费活力方面有着重要作用。（3）相比于货运量指标，更加综合全面的物流景气指数对消费者价格指数和社会消费品零售总额的影响更加明显，而货运量指标对规模以上工业品增加值的影响更加明显。这一结果也表明，随着我国物流事业的不断发展，直接面向消费者的物流服务对经济活动的影响效应在逐步增强，消费者对物流供给能力的要求也日趋多样和复杂。参考文献1国务院办公厅关于印发“十四五”现代物流发展规划的通知J.中华人民共和国国务院公报,2023(1):47-60.2金懋,欧国立.运输经济理论研究评述J.生产力研究,2010(9):251-253.3胡杰,邓海涛.论企业第三利 润 源 泉 J.特 区 经 济,2010(8):301-302.4刘文华.准确把握我国物流发展新使命创新物流现代化发展新路径J.中国经贸导刊,2023(1):30-32.5国家发展改革委办公厅,国家统计局办公室.关于加强物流统计监测工作的通知Z.2023.6吴江,张京震,胡焓.我国物流统计数据的现状分析与创 新 研 究 J.物 流 技 术,2022,41(11):1-6,21.7中国物流信息中心课题组,胡焓,孟圆.2020年物流运行情况分析J.物流研究,2021(1):1-4.8范云兵.中国物流业景气指数正式发布J.中国物流与采购,2013(6):23-24.9孟文强,孙曰瑶.制造业采购经理人指数赋权问题研究J.统计与决策,2014(1):24-26.10 罗涛.消费者价格指数与物流业景气指数关系研究J.经济研究导刊,2021(6):32-34.11 樊莹,程娟.物流景气指数与国民经济关系研究J.物流科技,2012,35(7):49-52.12 孙颖.物流业景气指数与制造业采购经理指数关系的检验J.统计与决策,2017(12):143-145.13 舒服华,杨桂山.基于VAR的中国仓储指数与中国物流业景气指数预测J.唐山学院学报,2017,30(6):62-67.14 中国宏观经济指标(2022年12月)J.宏观经济研究,2023(2):128.15 刘洪,王丹阳,高跃伟.稳态随机先验下MF-VAR预测模型及其应用J.统计与决策,2023,39(5):22-26.16 彭维湘.时间序列中DF单位根检验存在的问题及方法改进J.统计与决策,2022,38(21):53-56.17 陈艳,孙茂棚.第三产业经济增长与物流投入产出效率的关系:基于协整检验的实证分析J.商业经济研究,2017(16):86-88.18 樊亚文,周全,康彬.多尺度格兰杰因果在行为分析中的应用J.南京邮电大学学报(自然科学版),2020,40(1):75-81.图4VAR2模型方差分解结果表7VAR1与VAR2方差分解结果对比被冲击变量CPIIVATRSCG模型类别VAR1VAR2VAR1VAR2VAR1VAR2LPI33.9%18.5%36.3%FT20.2%27.8%31.4%吴江，等：物流景气指数与宏观经济指标的联动分析-39