绪论流通产业在国民经济发展中具有基础性、先导性的作用，但目前流通产业处于增长与发展的瓶颈。
从2009年开始，流通产业较第三产业来说，其增长速度呈持续下降态势，且渐渐落后于后者。
至2016年，流通产业和第三产业的整体增速分别为8.2%和11.0%。
与此同时，流通产业单位投入资本的回报率也在逐年下降，从2003年到2016年其单位投入资本的增加值已自2.91元下降至1.51元，下降的幅度高达48%。
更加紧要的是，流通业的正常运转需要大量的劳动力，具有传统劳动密集型的特征，而我国人口红利的时代正随着愈来愈严重的人口老龄化等问题逐渐消失。
因此，从传统意义上来说，资本和劳动这两种可有效推动流通产业发展的要素，都正在面临着新经济环境下的巨大考验，流通产业为了维持较高的增长速度和优良的发展质量，须尽快转型，寻找新的发展方式。
通过研究罗伯特·索洛的新古典增长理论可知，除了可以投入增加要素的方法促进经济增长之外，还可以通过运用科学技术创新从而进一步提升全要素生产率(TFP)的方式来促进经济增长。
著名经济学家蔡昉曾指出，在新常态下全要素生产率可以为经济的增长提供动力。
因此，以当下流通产业的状况来说，提高其全要素生产率，通过技术创新和组织制度革新等手段来推动流通产业的不断增长，是必然的选择。
由于我国流通产业在各区域的发展状况不平衡，而全要素生产率存在严重的空间分异性，所以，为了针对性地制定能够有效促进我国流通业的全要素生产率提升的策略，必须着力研究其空间关联性、影响其提升的重要因素和空间溢出效应。
一、相关文献回顾国外的学者在研究流通产业的全要素生产率时精力和内容大多放在零售业。
2003年Ratchford发现了美国的零售食品商店有一个令人困惑的现象，即其劳动生产率指数一直在下降，最终通过运用估计生产率的方法找到了这一问题的原因。
Barros＆Alves通过将全要素生产率分解成效率改善及技术进步，估算出葡萄牙零售连锁超市的全要素生产率，并提出促进零售连锁超市的全要素生产率增长还应注重管理。
之后，Jorge-moreno et al.选取了五个西方零售业公司作为研究对象，并估计分析了其在1998年至2006年生产率的增长情况。
同时还有部分国外学者研究分析了对零售业生产率产生影响的因素。
例如，Shin＆Eksioglu 通过运用Cobb-Douglas生产函数进行回归分析发现，无线射频识别技术(RFID)在一定程度上可以增加收入弹性，那是由于使用了RFID技术的零售商劳动生产率更高；Maican＆Orth 采用了动态结构模型对瑞典当地市场的进入条例进行了评估，通过分析其影响零售业生产力方式，研究发现未来零售业的生产力随着自由进入条例的增多呈增高趋势，同时还发现相较于大型商店或市场的生产力而言，小型的提升更多。
在国内以往的研究文献中可以看出，学者更多的专注于流通产业效率的研究，而现有相关研究文献中很少见到关于其全要素生产率方面的。
例如，刘振娥探究了影响我国流通产业全要素生产率增长的动力，以及其产生空间差异的原因，并分析了TFP跨期生产率的动态变化趋势;李晓慧运用Malmquist指数的方法计算了我国1993年至2008年流通产业的全要素生产率增长情况，得出其平均增长率为0.6%，并提出当前全要素生产率需进一步提高其对流通产业的作用;王良举、王永培基于超越对数生产函数对我国农村的流通产业进行了的随机前沿分析，结果发现，我国农村的流通产业具有明显的技术非效率问题，但这一问题并无持续现象，反而在一定程度上呈现降低趋势，且其效率空间差异也呈现逐步缩小的趋势。
而后，刁凯、赵洁琼、孙畅以及吴立力通过进一步研究我国山东省、河北省和长江经济带等地区流通产业的全要素生产率发现，其空间差异性是普遍存在于全域内的，与区域划分标准无关，而其提高则主要依赖于技术进步。
经过研究这些文献发现，其均未对影响流通产业的全要素生产率的因素综合能耗、人力投入进行深入研究。
尽管上述文献通过采用数据包络分析（DEA）方法或者随机前沿模型（SFA）的方法等对流通产业全要素生产率研究区域的尺度进行了测量，也有一部分研究是涉及到其影响因素方面，但同时又全都忽视了空间相关性是普遍存在于各区域间流通业的发展之中的。
依据地理学第一定律可知，所有事物都是在空间分布上相关联的，距离相近的事物比距离较远的事物关联性更紧密，所有我国省际流通产业的发展也具有一定程度的空间关联性。
柳思维、周洪洋的研究则证实了空间相关性是普遍且明显的存在于我国各省市自治区流通产业的产出效率中的。
但其空间相关性的研究并未涉及到流通产业的全要素生产率方面，同时也未进一步考虑到其影响因素的空间溢出效应等问题，且在过去研究中均未涉及相关问题。
所以，本文通过采用超效率SBM-DEA及Malmquist指数的方法估计了我国流通产业的全要素生产率，拟运用空间经济学的相关理论，检验其在不同省份间的空间相关性，尔后通过构建相关的空间计量模型，解析流通产业全要素生产率相关影响因素的直接和间接效应，最终制定更具针对性的科学合理的应对措施，进而推动流通产业的优化升级。
二、我国流通产业全要素生产率的空间关联分析本文选取了我国30个省份在2003年至2015年的样本数据进行研究，由于西藏自治区、台湾地区、香港及澳门的数据获取不全并未纳入研究范围。
本文借鉴了陈宇峰和章武滨等的研究，鉴于流通产业存在一定的特殊性，选取其资本、劳动力以及交通运输线路的长度作为投入变量，选取产业增加值作为产出变量，并采用超效率SBM-DEA、Malmquist指数的方法估计2004年至2015年我国流通产业的全要素生产率。
Hall＆Jones等分析发现，如果主要研究内容是不同经济主体之间的一段时间内的经济表现差异，则也应重点分析其生产力水平之间的相对差异。
本文在分析我国流通产业的全要素生产率存在的空间相关性时，选取指标为相对累积的全要素生产率(RTFP)，其公式为是: RTFP t i=ρi2003× (1)式(1)中，ρi表示第i个(i=1，2，…，30)省份基于2003年的效率值(运用超效率SBM-DEA 计算得到)，t为年份，TFP表示全要素生产率，RTFP表示相对累积的全要素生产率。
表1为我国流通产业的相对累计全要素生产率空间分布的四分位数情况，主要是通过计算观察年份为2005、2010和2015年的相关数据得出的，主要目的是便于分析流通产业在全要素生产率的增长方面的变化趋势。
从各省份的空间分布可以看出，流通业相对累积的全要素生产率大致分布表现为从东部向西部地区梯度递减的模式，也就是说在地理空间分布上呈现出极度不均衡的特征，且在周边地区之间非常接近，呈现很显著的空间集聚特征。
从时序上看来，10多年来我国流通产业全要素生产率的空间格局一直处于相对稳定的状态。
其中，东部地区绝大多数省份的流通产业相对累积的全要素生产率一直居高不下，只有海南比较例外；而在中部地区，湖南省、黑龙江省、山西省等流通产业的相对累积全要素生产率呈现一定程度的空间分布波动性，而江西省较为落后；西部地区的省份的流通产业在绝大部分年份均呈现较低相对累积的全要素生产率。
流通产业的空间四分位数的情况可以直观地看出所选取的我国30个省份的全要素生产率所呈现的空间分布特征，然而若要分析我国各省份之间流通产业的全要素生产率的增长在理论层面的空间依赖性及相关性存在与否，若是存在则以哪种模式存在等问题，仍须运用如下两种空间相关分析来确认，即全局及局部空间相关分析。
（一）全局空间相关分析本文首先对2004年至2015年我国30个省份的流通业的全要素生产率做全局空间相关性检验，在进行全局空间相关性分析测度时，本文选取了全局莫兰指数(Global Moran’sI)的方法，其公式如下:I=[n ij (x i－x)(x j－x)]/ n ij i-x)2=[n ij (x i－x)(x j－x)]/ S2ij (2)式(2)中，wij表示空间权重矩阵；n表示样本省份量为30;xi、xj则分别表示i省份和j省份的流通产业相对累积的全要素生产率观测值；x表示各省份的流通产业相对累积的全要素生产率的均值，即x=1/n i；S2=1/2i-x)。
合理准确的选取空间权重矩阵有利于分析我国流通产业的全要素生产率的空间相关性，与其影响因素的作用，主要是由于空间权重矩阵表现了所选空间单元之间的依赖与关联的程度。
本文基于邻接关系构建了邻接空间权重矩阵W1，以及基于地理上的距离的以区域之间的距离d的倒数作为空间权重的地理距离空间权重矩阵W2。
除构建以上两种矩阵外，鉴于流通产业的增长和经济基础之间的关系，还建立了基于经济距离的空间权重矩阵W3，其中，w ij表示为i地区与j地区的2005年至2015年的年均GDP的差额绝对值的倒数。
此外，无论是地理距离还是经济距离在一定程度上或许均存在局限性，因而本文还建立了综合考虑地理距离与经济距离的空间权重矩阵W4，并引进系数φ（介于0～1之间），即空间权重矩阵W4为φ与W2的乘积加(1－φ)与W3的乘积。
为了便于数据处理，本文参考邵帅等的研究成果，将φ设定为0.5。
为了计算简便，本文的空间权重矩阵均按行进行了归一化处理。
邻接空间权重矩阵的检验结果显示，2004年至2015年我国各省的流通产业的全要素生产率Moran’sI值介于0.25～0.45之间，即均为正值，且均通过了显著性检验，验证了我国省际的流通产业的全要素生产率具有空间相关性及显著性特征。
通过进行地理距离空间权重矩阵W2的的全局自相关检验、经济距离空间权重矩阵W3的全局自相关检验以及地理经济距离空间权重矩阵W4的全局自相关检验，发现全局自相关检验基本都达到了10%显著性水平，只是W3中的个别年份除外，验证了空间自相关在一定程度上是存在的。
（二）局部空间相关分析若需要深入分析各个区域内观测值是否在局域空间方面具备集群特征，以及分贡献于全局空间自相关较大的具体某区域单元，和在进行空间自相关的全域评估时对局域非平稳性的掩盖能达到多大的程度等问题时，均可通过局域空间自相关获得。
将全局空间自相关莫兰指数( Local Moran’s I)的统计量进行分解后可得局部莫兰指数统计量，其公式为:I i=(x i－x)/S2∑ij(x j－x) (3)通过对按照局部莫兰指数统计量得到的散点图进行分析，能够看出各区域与其相邻区域的空间关联程度及其的观测值之间具有的集聚特征。
在上述公式的计算结果中，若莫兰指数Ii为正值，则说明地区i的高(低)值被包围在邻近的同样的高(低)值中，若莫兰指数I i为负值，则说明地区i的高(低)值被包围在邻近的同样的低(高)值中；第一 (H—H型)与第三象限(L—L型)均表示其空间自相关的关系是正向的，即其表示的空间相关性均为相似观测值的，而在第二 (L—H型)与第四象限(H—L型) 均表示其空间自相关的关系是负向的，即其表示的空间相关性均为不同观测值的。
