On Spatial-Temporal Evolution of Logistics Industry Agglomeration in Xinjiang, China, and Influencing Factors

doi:10.16716/j.cnki.65-1030/f.2024.05.007

Abstract

Abstract:

The paper uses panel data from 2011 to 2020 in counties and cities in Xinjiang, China, and combines the location quotient to measure the level of logistics industry agglomeration in Xinjiang. It uses spatial autocorrelation and the standard deviation ellipse analysis method to analyze the spatial-temporal evolution characteristics of logistics industry agglomeration in Xinjiang, China, and uses multiscale geographically weighted regression (MGWR) models to analyze the factors influencing logistics industry agglomeration in counties and cities in Xinjiang, China. The study shows that the level of logistics industry agglomeration in Xinjiang, China has decreased, and the counties and cities with relatively high levels of agglomeration are mainly concentrated along the railway lines. There is a clear spatial autocorrelation in logistics industry agglomeration in Xinjiang, with the number of H-H clustering areas gradually increasing and concentrated around Urumqi. The number of L-L clustering areas gradually decreases and concentrates in the counties and cities in southern Xinjiang. The evolution direction of logistics industry agglomeration in Xinjiang is stable and shows an expansion pattern of expanding rapidly at first and then slowly. The factors that promote logistics industry agglomeration in descending order of their contribution are economic development, government support, the proportion of the tertiary industry, location factors, the proportion of industry, and human capital. In the future, it is necessary to explore new paths to enhance agglomeration levels in a targeted manner, and formulate corresponding overall policies based on the contribution degree of different influencing factors and whether they have spatial heterogeneity, in order to promote the high-quality agglomeration of logistics industries in counties and cities in Xinjiang.

Key words: logistics industry clustering, spatial-temporal evolution, influencing factors, logistics industry in Xinjiang, China

CLC Number:

F259.27

LIN Qiuping, LI Songrui, ZHANG Shengyi, ZHANG Nan. On Spatial-Temporal Evolution of Logistics Industry Agglomeration in Xinjiang, China, and Influencing Factors[J]. Finance & Economics of Xinjiang, 2024, (5): 31-42.

Figures/Tables 6

年份	高度集聚	中度集聚	相对集聚	相对分散
2011	阿拉山口市、乌鲁木齐市、和静县、哈密市、博乐市、昌吉市、阿图什市、焉耆回族自治县、吐鲁番市、库车县、喀什市、奎屯市、塔城市、精河县、阿勒泰市、轮台县、阿克苏市、伊宁市、新和县、霍尔果斯市、富蕴县、伽师县、霍城县、拜城县、柯坪县	和田市、布尔津县、福海县、和硕县、玛纳斯县、阿合奇县、博湖县、额敏县、乌恰县	哈巴河县、托里县、沙湾县、阜康市、沙雅县、伊宁县、奇台县、和布克赛尔蒙古自治县、尉犁县、巩留县、乌苏市、特克斯县、温泉县、泽普县、吉木乃县、且末县、巴楚县、昭苏县、岳普湖县、呼图壁县、阿拉尔市、民丰县、于田县、青河县、库尔勒市、察布查尔锡伯自治县、叶城县、吉木萨尔县、木垒哈萨克自治县、克拉玛依市	阿瓦提县、乌什县、墨玉县、裕民县、阿克陶县、麦盖提县、塔什库尔干塔吉克自治县、疏附县、英吉沙县、温宿县、洛浦县、莎车县、策勒县、若羌县、皮山县、疏勒县、尼勒克县、和田县
2020	阿拉山口市、乌鲁木齐市、哈密市	奎屯市	吐鲁番市、昌吉市、奇台县、布尔津县、精河县、吉木萨尔县、轮台县、和硕县、福海县、呼图壁县、库车市、阿勒泰市、阿克苏市、阿图什市、柯坪县、伊宁市、巴楚县、温泉县、新和县、喀什市	和静县、博乐市、托里县、和布克赛尔蒙古自治县、木垒哈萨克自治县、和田市、玛纳斯县、叶城县、富蕴县、青河县、阜康市、沙雅县、伊宁县、疏勒县、霍尔果斯市、克拉玛依市、泽普县、莎车县、乌恰县、特克斯县、乌什县、沙湾县、额敏县、英吉沙县、温宿县、库尔勒市、新源县、阿合奇县、霍城县、拜城县、民丰县、若羌县、焉耆回族自治县、岳普湖县、墨玉县、且末县、吉木乃县、巩留县、塔城市、疏附县、博湖县、察布查尔锡伯自治县、尼勒克县、乌苏市、于田县、塔什库尔干塔吉克自治县、洛浦县、皮山县、裕民县、策勒县、伽师县、阿瓦提县、昭苏县、麦盖提县、阿克陶县、哈巴河县、尉犁县、和田县

References 26

[1]	鄢曹政, 殷旅江, 何波. 物流业集聚、空间溢出效应与农业绿色全要素生产率:基于省域数据的实证分析[J]. 中国流通经济, 2022(9):3-16.
[2]	寇冬雪, 黄娟. 生产性服务业集聚对制造业集聚的减排效应:基于2003—2019年285个城市面板数据分析[J]. 中国流通经济, 2021(11):78-88.
[3]	王钰, 疏爽. 物流产业集聚对区域经济增长的空间溢出效应研究:基于长三角城市群的实证分析[J]. 中南大学学报(社会科学版), 2021(1):76-89.
[4]	李天宇, 陆林, 张海洲, 等. 长三角城市群A级物流企业空间演化特征及驱动因素[J]. 经济地理, 2021(11):157-166.
[5]	高康, 王茂春, 张步阔. 长江经济带物流业集聚的时空格局与影响因素研究[J]. 资源开发与市场, 2018(9):1296-1303.
[6]	龚新蜀, 张洪振. 物流产业集聚的经济溢出效应及空间分异研究:基于丝绸之路经济带辐射省份面板数据[J]. 工业技术经济, 2017(3):13-19.
[7]	陈治亚, 周于轶. 基于POI的物流业空间集聚特征分析:以浙江省为例[J]. 铁道科学与工程学报, 2022(10):2862-2872.
[8]	赵学伟, 张志斌, 冯斌, 等. 西北内陆中心城市物流企业空间分异及区位选择:以兰州市为例[J]. 干旱区地理, 2022(5):1671-1683. doi: 10.12118/j.issn.1000-6060.2022.007
[9]	李利华, 王轩. 我国省域物流集群竞争力研究[J]. 经济地理, 2020(5):165-173.
[10]	潘方杰, 万庆, 冯兵, 等. 中国物流企业空间格局及多尺度特征分析[J]. 经济地理, 2021(6):97-106.
[11]	钟昌宝, 钱康. 长江经济带物流产业集聚及其影响因素研究:基于空间杜宾模型的实证分析[J]. 华东经济管理, 2017(5):78-86.
[12]	刘思婧, 李国旗, 金凤君. 中国物流集群的量化甄别与发育程度评价[J]. 地理学报, 2018(8):1540-1555. doi: 10.11821/dlxb201808011
[13]	曹炳汝, 芮进松. 制造业集聚对物流业空间演化的影响研究:以江苏省为例[J]. 地域研究与开发, 2019(2):44-49.
[14]	张大鹏, 曹卫东, 姚兆钊, 等. 上海大都市区物流企业区位分布特征及其演化[J]. 长江流域资源与环境, 2018(7):1478-1489.
[15]	李会, 任启龙, 毛广雄, 等. 中国物流企业时空格局演化分析[J]. 统计与决策, 2021(3):176-180.
[16]	徐秋艳, 房胜飞. 物流产业集聚的经济溢出效应及空间异质性研究:基于省际数据的空间计量分析[J]. 工业技术经济, 2018(2):58-65.
[17]	张璐璐, 赵金丽, 宋金平. 京津冀城市群物流企业空间格局演化及影响因素[J]. 经济地理, 2019(3):125-133.
[18]	周侃, 殷悦, 陈妤凡. 城市群水污染物排放的驱动因素及尺度效应[J]. 地理学报, 2022(9):2219-2235. doi: 10.11821/dlxb202209006
[19]	刘华军, 王耀辉, 雷名雨. 中国战略性新兴产业的空间集聚及其演变[J]. 数量经济技术经济研究, 2019(7):99-116.
[20]	FOTHERINGHAM A S, WENBAI Y, WEI K. Multiscale geographically weighted regression(MGWR)[J]. Annals of the American association of geographers, 2017(6):1247-1265.
[21]	TAYLOR M O, ZIQI L, WEI K, et al. MGWR:a python implementation of multiscale geographically weighted re-gresion for investigating process spatial heterogeneity and scale[J]. ISPRS international journal of geo-information, 2019(6):269-299.
[22]	HANCHEN Y, FOTHERINGHAM A S, ZIQI L, et al. Inference in multiscale geographically weighted regression[J]. Geographical analysis, 2020(1):87-106.
[23]	LI Z, FOTHERINGHAM A S, OSHAN T M, et al. Measuring bandwidth uncertainty in multiscale geographically weighted regression using akaike weights[J]. Annals of the American association of geographers, 2020(5):1-21.
[24]	董会忠, 姚孟超. 时空分异视角下物流产业集聚特征演化及关联因素分析[J]. 哈尔滨商业大学学报(社会科学版), 2019(6):51-61.
[25]	谢守红, 蔡海亚. 中国物流产业的空间集聚及成因分析[J]. 工业技术经济, 2015(4):51-58.
[26]	肖建辉. 粤港澳大湾区物流业高质量发展的路径[J]. 中国流通经济, 2020(3):66-81.

年份	Moran's I	E（I）	SD	Z-value	P值
2011	0.1459	-0.0120	0.0040	2.4934	0.0127
2012	0.1151	-0.0120	0.0037	2.0990	0.0358
2013	0.0928	-0.0120	0.0039	1.6704	0.0948
2014	0.0749	-0.0120	0.0014	2.3631	0.0181
2015	0.1647	-0.0120	0.0041	2.7525	0.0059
2016	0.1229	-0.0121	0.0041	2.1001	0.0357
2017	0.1644	-0.0121	0.0043	2.6929	0.0071
2018	0.1566	-0.0121	0.0042	2.6141	0.0089
2019	0.0928	-0.0121	0.0014	2.8491	0.0044
2020	0.1286	-0.0121	0.0036	2.3390	0.0193

年份	H-H	L-L	H-L	L-H
2011	博乐市、精河县	阿克陶县、塔什库尔干塔吉克自治县、疏勒县、英吉沙县、莎车县、叶城县、麦盖提县、皮山县、和田县、墨玉县	阿克苏市、和田市	温泉县、乌苏市
2014	精河县	阿克陶县、塔什库尔干塔吉克自治县、疏勒县、英吉沙县、莎车县、叶城县、麦盖提县、皮山县、和田县、墨玉县、岳普湖县、和田市	无	博乐市、乌苏市
2017	福海县、呼图壁县、昌吉市、和静县、吐鲁番市、轮台县	阿克陶县、塔什库尔干塔吉克自治县、疏勒县、英吉沙县、莎车县、叶城县、麦盖提县、皮山县、和田县、墨玉县、岳普湖县、和田市、巴楚县、洛浦县、策勒县、于田县	阿克苏市	博乐市、阜康市、吉木萨尔县、和硕县、托里县
2020	博乐市、精河县、昌吉市、吉木萨尔县、吐鲁番市	疏勒县、叶城县、和田县、和田市、莎车县	阿克苏市	乌苏市、阜康市、木垒哈萨克自治县

年份	CenterX	CenterY	XStdDist/km	YStdDist/km	Rotation	S/km²
2011	83.5148	42.8972	6.3530	3.0133	64.9093	546855.1911
2014	83.6043	42.9362	6.1195	2.9103	65.4524	508340.4688
2017	84.0654	43.1877	6.2312	2.9091	65.3859	515076.5796
2020	82.7388	42.1113	6.8716	3.0957	58.9509	615937.7951

变量	“十二五”时期			“十三五”时期
变量	MGWR	GWR	OLS	MGWR	GWR	OLS
常数项	44	54	84	44	53	84
人均GDP	46			58
工业占比	82			82
第三产业占比	46			44
平均工资	46			50
公共财政支出	82			82
R²	0.784	0.778	0.615	0.789	0.794	0.587
Adj.R²	0.730	0.720	0.580	0.736	0.736	0.560
AICc	155.174	168.937	173.754	153.225	156.275	179.592
残差平方和	18.131	18.655	32.37	17.738	17.297	34.700

时期	变量	带宽	均值	标准误	最小值	最大值	p≤0.01	p≤0.05	p≤0.1	+	-
“十二五”	常数项	44	0.202	0.111	-0.083	0.466	14.290	32.140	42.860	95.240	4.760
	人均GDP	46	0.446	0.135	0.186	0.667	44.050	90.480	98.810	100.000	0.000
	工业占比	82	0.382	0.020	0.351	0.415	100.000	100.000	100.000	100.000	0.000
	第三产业占比	46	0.666	0.284	0.274	1.060	96.430	100.000	100.000	100.000	0.000
	平均工资	46	-0.238	0.177	-0.598	0.054	47.620	51.190	54.760	5.950	94.050
	公共财政支出	82	0.105	0.020	0.058	0.138	0.000	0.000	21.430	100.000	0.000
“十三五”	常数项	44	0.158	0.115	0.003	0.424	20.240	28.570	34.520	100.000	0.000
	人均GDP	58	0.839	0.153	0.348	0.997	100.00	100.000	100.000	100.000	0.000
	工业占比	82	0.192	0.014	0.164	0.234	0.000	0.000	52.380	100.000	0.000
	第三产业占比	44	0.425	0.213	0.349	0.799	50.000	73.810	86.900	100.000	0.000
	平均工资	50	-0.279	0.151	-0.466	0.031	57.140	59.520	60.710	3.570	96.430
	公共财政支出	82	0.264	0.010	0.244	0.283	100.000	100.000	100.000	100.000	0.000