我國(guó)區(qū)域物流資源配置水平的非均衡態(tài)勢(shì)及其時(shí)空演進(jìn)

宋二行，周曉唯

(陜西師范大學(xué) 國(guó)際商學(xué)院，陜西 西安 710119)

0 引言

物流業(yè)是一個(gè)囊括運(yùn)輸、倉(cāng)儲(chǔ)、流通及配送等多種行業(yè)的復(fù)合型產(chǎn)業(yè)，其在經(jīng)濟(jì)發(fā)展中所扮演的重要角色已經(jīng)得到學(xué)者們的普遍認(rèn)可。據(jù)國(guó)家統(tǒng)計(jì)局最新數(shù)據(jù)顯示，2010—2019年間我國(guó)物流產(chǎn)業(yè)增加值由18 783.6億元增加到42 802.1億元，10年間累計(jì)增長(zhǎng)幅度高達(dá)127.87%。物流業(yè)已逐步成為推動(dòng)我國(guó)經(jīng)濟(jì)增長(zhǎng)的重要抓手與縮小區(qū)域發(fā)展的著力點(diǎn)。但由于我國(guó)各省市在經(jīng)濟(jì)發(fā)展水平、地理位置及資源稟賦等方面都存在差異，使得我國(guó)物流資源配置水平在地區(qū)間呈現(xiàn)各不相同的局面。因此，在當(dāng)前我國(guó)提倡區(qū)域協(xié)調(diào)發(fā)展的大環(huán)境下，深入探究物流資源配置水平區(qū)域差異的長(zhǎng)期演變趨勢(shì)至關(guān)重要，一方面能夠推動(dòng)區(qū)域物流產(chǎn)業(yè)和經(jīng)濟(jì)發(fā)展，另一方面能為物流業(yè)均衡發(fā)展及政策制定提供新思路。

1 文獻(xiàn)綜述

當(dāng)前學(xué)者對(duì)我國(guó)區(qū)域物流資源配置水平的研究絕大部分圍繞物流效率展開，研究成果主要集中于3個(gè)方面：

1.1 對(duì)區(qū)域物流效率評(píng)價(jià)的研究

現(xiàn)有成果對(duì)區(qū)域物流效率評(píng)價(jià)的研究最為全面具體。小到對(duì)具體省份物流效率的測(cè)度，如曾佑新等利用DEA及其擴(kuò)展模型對(duì)江蘇省物流產(chǎn)業(yè)效率展開了評(píng)價(jià)[1]；鐘群英、朱順東將DEA模型和Malmquist指數(shù)結(jié)合起來(lái)具體地評(píng)價(jià)了江西省11個(gè)設(shè)區(qū)市的物流效率[2]。大到對(duì)我國(guó)整體物流效率的評(píng)價(jià)，如雷勛平等學(xué)者以DEA和超效率模型為基礎(chǔ)評(píng)價(jià)了2008年我國(guó)各省市物流效率并具體分析了各省市物流資源投入不足與投入沉余狀況[3]；張竟軼、張竟成通過(guò)三階段DEA模型給出了我國(guó)七大地區(qū)物流綜合技術(shù)效率、純技術(shù)效率及規(guī)模效率的具體數(shù)值和排名情況[4]；范建平等人在考慮非期望產(chǎn)出的基礎(chǔ)上，利用改進(jìn)EBM-DEA模型測(cè)算了2012年我國(guó)各省市物流業(yè)環(huán)境、經(jīng)濟(jì)和技術(shù)效率并分析了其地域特征[5]。同時(shí)，較多的學(xué)者評(píng)價(jià)研究了特定省群的物流效率，如Sun采用三階段DEA模型評(píng)價(jià)了東北三省的物流效率[6]；孟魁以同樣的方法研究了中部地區(qū)在能耗和碳排放約束下的物流效率并發(fā)現(xiàn)其存在非技術(shù)和非規(guī)模效率[7]；劉俊華等應(yīng)用DEA—Malmquist指數(shù)法實(shí)證分析了西部十二省市物流效率與技術(shù)變動(dòng)的演變過(guò)程[8]。此外，王琴梅和張玉在定義絲綢之路經(jīng)濟(jì)帶“核心區(qū)”的基礎(chǔ)上評(píng)價(jià)了國(guó)內(nèi)沿線各省的物流效率并予以排名[9]；楊愷鈞等通過(guò)建立考慮碳排放的SBM與GML模型對(duì)比分析了長(zhǎng)江經(jīng)濟(jì)帶上中下游三段的物流業(yè)全要素能源效率[10]。

1.2 對(duì)區(qū)域物流效率空間演化的研究

近年來(lái)，隨著空間計(jì)量的興起，學(xué)者們也逐步開始關(guān)注我國(guó)物流效率的空間格局。唐建榮等人利用DEA-Malmquist模型測(cè)算了江蘇省各地級(jí)市的物流效率，并在此基礎(chǔ)上通過(guò)ESDA分析了其空間格局，結(jié)果顯示江蘇省物流效率存在明顯的空間差異并在演變過(guò)程中伴隨著空間依賴特征[11]。鐘昌寶、錢康、曹炳汝等采用DEA-BBC模型和空間自相關(guān)分析對(duì)長(zhǎng)江經(jīng)濟(jì)帶物流效率空間相關(guān)的研究得出了類似的結(jié)論，即長(zhǎng)江經(jīng)濟(jì)帶物流效率在空間上存在正相關(guān)且效率高的省份主要集聚在中下游[12-13]。高康等通過(guò)超效率DEA-ESDA模型的研究表明我國(guó)西部地區(qū)物流效率呈現(xiàn)空間弱正相關(guān)，空間異質(zhì)性由西北向西南不斷增強(qiáng)[14]。張亮亮等借助PP-SFA發(fā)現(xiàn)在考慮能源和碳排放的前提下，中國(guó)物流產(chǎn)業(yè)技術(shù)效率在時(shí)序上呈下降態(tài)勢(shì)，在空間上呈明顯區(qū)域性[15]。唐建榮、唐萍萍用方向距離函數(shù)測(cè)算了2007—2016年中國(guó)各省市物流效率，并用ESDA及標(biāo)準(zhǔn)橢圓法探索了其空間相關(guān)，結(jié)果顯示我國(guó)物流產(chǎn)業(yè)效率的空間相關(guān)性顯著，東部地區(qū)效率優(yōu)于西部地區(qū)且差距在不斷擴(kuò)大[16]。劉明、楊路明對(duì)我國(guó)277個(gè)地級(jí)市物流效率空間相關(guān)展開研究后得出臨近區(qū)域物流效率之間有正向溢出效應(yīng)且能促進(jìn)相互之間協(xié)同發(fā)展的結(jié)論[17]。

1.3 對(duì)區(qū)域物流效率影響要素的研究

探索我國(guó)區(qū)域物流效率的影響因素也始終是學(xué)者們的關(guān)注點(diǎn)之一。余泳澤、武鵬利用隨機(jī)前沿生產(chǎn)函數(shù)探索發(fā)現(xiàn)影響我國(guó)物流效率的因素主要有經(jīng)濟(jì)發(fā)展水平、物流資源使用率及地區(qū)制度變遷等[18]。李煜、駱溫平發(fā)現(xiàn)環(huán)境規(guī)制對(duì)我國(guó)物流效率的影響在地區(qū)間各不相同，對(duì)東北地區(qū)的影響最明顯，對(duì)沿海地區(qū)的影響最不顯著[19]。袁丹和雷宏振認(rèn)為物流專業(yè)化程度及資源利用顯著影響物流效率，而經(jīng)濟(jì)實(shí)力、產(chǎn)業(yè)結(jié)構(gòu)及人力資本水平對(duì)物流效率的影響并不明顯[20]，但王琴梅和李娟經(jīng)過(guò)分析認(rèn)為合理的產(chǎn)業(yè)結(jié)構(gòu)是能夠?qū)α餍十a(chǎn)生顯著的正向影響的[21]，龔雅玲等人進(jìn)一步發(fā)現(xiàn)物流產(chǎn)業(yè)自身結(jié)構(gòu)是影響物流效率眾多因素中最為明顯的一個(gè)[22]。于麗英則通過(guò)研究發(fā)現(xiàn)技術(shù)進(jìn)步在物流效率變動(dòng)中扮演著重要角色[23]。除此之外，學(xué)者們發(fā)現(xiàn)影響我國(guó)區(qū)域物流效率的因素還有政府干預(yù)、產(chǎn)業(yè)集聚、開放程度及市場(chǎng)一體化等等[24-25]。

毋庸置疑，學(xué)者們關(guān)于我國(guó)區(qū)域物流資源配置效率已經(jīng)取得豐碩的研究成果，但仍存在不足之處：(1)當(dāng)前學(xué)者們對(duì)我國(guó)區(qū)域物流資源配置效率的評(píng)價(jià)方法大多以DEA模型為基準(zhǔn)。DEA模型只能宏觀的反映出物流效率的有效或者無(wú)效，對(duì)效率無(wú)效的地區(qū)尚可做進(jìn)一步對(duì)比分析，但對(duì)于效率有效(即DEA結(jié)果為1)的省份則無(wú)法進(jìn)行對(duì)比分析。(2)雖然學(xué)者們也注意到了我國(guó)物流資源配置水平的區(qū)域差異，但尚未有文獻(xiàn)對(duì)我國(guó)物流資源配置水平區(qū)域差異的來(lái)源及動(dòng)態(tài)演變過(guò)程做出深入研究。基于此，本研究將從以下方面做出進(jìn)一步研究：(1)采用熵權(quán)TOPSIS法對(duì)我國(guó)物流資源配置水平做出更為動(dòng)態(tài)化的評(píng)價(jià)。TOPSIS法有對(duì)數(shù)據(jù)要求低、測(cè)算結(jié)果客觀等優(yōu)點(diǎn)，其核心思想是通過(guò)測(cè)算各衡量指標(biāo)與“最優(yōu)解”和“最劣解”的距離進(jìn)而對(duì)各指標(biāo)進(jìn)行排序，這種“最優(yōu)解”思想與經(jīng)濟(jì)學(xué)所追求的“最優(yōu)資源配置”高度契合，非常適合用來(lái)測(cè)算物流資源配置水平。但TOPSIS法在確定各指標(biāo)的權(quán)重時(shí)存在嚴(yán)重的主觀傾向，很容易造成評(píng)價(jià)結(jié)果與實(shí)際情況相背離，而熵權(quán)法是一種應(yīng)用相當(dāng)廣泛的客觀賦權(quán)法，有效彌補(bǔ)了TOPSIS法的缺陷，從而對(duì)能夠?qū)ξ覈?guó)物流資源配置水平做出客觀、真實(shí)、有效的評(píng)價(jià)。從結(jié)果反映上來(lái)看，傳統(tǒng)慣用的DEA模型更多反映的是評(píng)價(jià)對(duì)象是否有效，其對(duì)效率有效的評(píng)價(jià)對(duì)象統(tǒng)一以1作為衡量尺度，無(wú)法直觀顯示出進(jìn)一步的區(qū)別，熵權(quán)TOPSIS法則能夠以不同的數(shù)字對(duì)不同評(píng)價(jià)對(duì)象進(jìn)行賦值，使得各評(píng)價(jià)省份的物流資源配置水平能夠被更為直觀、更為動(dòng)態(tài)地表達(dá)出來(lái)。(2)通過(guò)Dagum基尼系數(shù)及其分解、Kernel核密度估計(jì)及Markov鏈等方法明確我國(guó)區(qū)域物流差異的來(lái)源及其分布演進(jìn)過(guò)程。

2 物流資源配置水平綜合測(cè)度

2.1 評(píng)價(jià)指標(biāo)體系構(gòu)建

本研究中物流資源配置水平指的是對(duì)物流要素投入與產(chǎn)出之間關(guān)系的衡量。因此在構(gòu)建物流資源配置水平評(píng)價(jià)體系時(shí)須包含這兩個(gè)方面。基于C-D生產(chǎn)函數(shù)可知，生產(chǎn)要素主要包括資本、勞動(dòng)力和土地這3個(gè)方面，產(chǎn)出包括經(jīng)濟(jì)產(chǎn)出和非經(jīng)濟(jì)產(chǎn)出兩個(gè)方面。物流資本投入主要有經(jīng)濟(jì)資本投入和物質(zhì)資本投入，在參照前人研究基礎(chǔ)與綜合考慮數(shù)據(jù)可得性等原則上，本研究分別選取物流業(yè)全社會(huì)固定投資總額和民用載貨汽車數(shù)量作為物流資本投入衡量指標(biāo)。勞動(dòng)力投入方面以物流業(yè)從業(yè)人員數(shù)量作為代理變量。物流土地投入包括倉(cāng)儲(chǔ)建設(shè)占地、配送基地等，相比之下，在物流運(yùn)輸過(guò)程中發(fā)揮重要作用的鐵路、公路等用地更廣且能在一定程度上反映物流運(yùn)輸能力的大小，故本研究以公路里程作為物流土地投入的衡量指標(biāo)。從產(chǎn)出角度來(lái)看，一方面，貨運(yùn)周轉(zhuǎn)量屬于物流活動(dòng)過(guò)程中的“中間產(chǎn)出”，而完整物流活動(dòng)產(chǎn)出的初級(jí)形式體現(xiàn)在貨運(yùn)量上，因此以貨運(yùn)量和貨運(yùn)周轉(zhuǎn)量來(lái)衡量物流活動(dòng)的非經(jīng)濟(jì)產(chǎn)出；另一方面，物流經(jīng)濟(jì)活動(dòng)的最終結(jié)果需要經(jīng)濟(jì)效益來(lái)衡量，故以物流業(yè)生產(chǎn)總值的增加值作為經(jīng)濟(jì)產(chǎn)出的代表。

除此之外，現(xiàn)有研究表明，零售業(yè)發(fā)展與居民消費(fèi)水平也對(duì)物流效率有顯著影響，在物流資源配置中扮演重要角色[26]。基于評(píng)價(jià)體系構(gòu)建的科學(xué)性與綜合性考量，本研究將這二者也均納入物流資源配置水平評(píng)價(jià)體系當(dāng)中，并選取社會(huì)消費(fèi)品零售總額和城鎮(zhèn)居民年平均消費(fèi)來(lái)分別作為這二者的衡量指標(biāo)。綜合以上分析，構(gòu)建如表1所示的物流資源配置水平評(píng)價(jià)指標(biāo)體系。

表1 物流資源配置水平評(píng)價(jià)指標(biāo)體系Tab.1 Evaluation indicator system of logistics resource allocation level

2.2 評(píng)價(jià)方法與數(shù)據(jù)來(lái)源

2.2.1評(píng)價(jià)方法

本研究采用熵權(quán)TOPSIS法來(lái)測(cè)算我國(guó)物流資源配置的綜合水平。其建模步驟為：

步驟1：數(shù)據(jù)標(biāo)準(zhǔn)化處理。因涉及到熵權(quán)計(jì)算，本研究利用歸一化方法對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，處理公式為：

(1)

步驟2：以m個(gè)評(píng)價(jià)對(duì)象為列，n項(xiàng)評(píng)價(jià)指標(biāo)為行，構(gòu)建標(biāo)準(zhǔn)化矩陣：

Y=(yij)m×n(i=1, 2,…,m,j=1, 2,…,n)。

(2)

步驟3：計(jì)算信息熵：

(3)

步驟4：計(jì)算權(quán)重：

(4)

步驟5：構(gòu)建加權(quán)矩陣:

X=(xij)m×n,xij=wj×yij

(i=1, 2,…,m,j=1, 2,…,n)。

(5)

(6)

步驟7：利用歐氏距離公式計(jì)算評(píng)價(jià)對(duì)象的最優(yōu)距離和最劣距離：

(7)

步驟8：計(jì)算綜合評(píng)價(jià)指數(shù)：

(8)

其中C值越大，表明物流資源配置水平越高。

2.2.2數(shù)據(jù)來(lái)源

本研究以我國(guó)31省市為主要研究對(duì)象，并參照中國(guó)國(guó)家統(tǒng)計(jì)局的劃分標(biāo)準(zhǔn)，將31省市劃分為東部、中部和西部3大地區(qū)。東部地區(qū)包括北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東和海南等11個(gè)省市；中部地區(qū)包括山西、吉林、黑龍江、安徽、江西、河南、湖北、湖南等8個(gè)省份；西部地區(qū)包括內(nèi)蒙古、廣西、重慶、四川、貴州、云南、陜西、西藏、甘肅、青海、寧夏和新疆等12個(gè)省市。研究時(shí)段為2003—2017年。由于我國(guó)目前并沒(méi)有專門的物流統(tǒng)計(jì)出版物，因此本研究在數(shù)據(jù)選取方面采取學(xué)者們的一貫做法，以交通運(yùn)輸業(yè)、物流倉(cāng)儲(chǔ)業(yè)及郵政業(yè)來(lái)代替物流業(yè)。數(shù)據(jù)來(lái)源于2004—2018年《中國(guó)統(tǒng)計(jì)年鑒》及各省市統(tǒng)計(jì)年鑒。

2.3 評(píng)價(jià)結(jié)果分析

通過(guò)熵權(quán)TOPSIS評(píng)價(jià)方法對(duì)我國(guó)2003—2017年物流資源配置水平進(jìn)行了測(cè)算，結(jié)果如表2所示。從整體上來(lái)看，我國(guó)省際物流資源配置水平呈上升態(tài)勢(shì)。2003年全國(guó)省際物流資源配置水平的平均值為0.269，2017年的平均值增加到了0.305，增加幅度為13.38%，表明我國(guó)物流資源配置水平處于提升狀態(tài)，但年均增加幅度僅為0.96%，提升速度緩慢。東部地區(qū)物流資源平均配置水平由2003年的0.423上升到了2017年的0.436，提升幅度僅為3.07%，遠(yuǎn)低于全國(guó)平均上升水準(zhǔn)；中部地區(qū)物流資源配置水平的均值在15年里共增加了0.037，增幅為15.10%，略高于全國(guó)平均增加水平；西部地區(qū)是3大地區(qū)中增加最快的地區(qū)，共增加21.8%。從省級(jí)角度來(lái)看，2003年，廣東、上海和浙江這3省的物流資源配置水平最高，分別為0.658，0.572和0.545；2017年綜合評(píng)價(jià)水平最高的為廣東、山東和江蘇，說(shuō)明這些省市的物流資源配置水平相對(duì)較高。與此同時(shí)，2003—2017年間，有9個(gè)省市物流資源配置水平出現(xiàn)下降現(xiàn)象，其中下降最快的西藏在15年間年均下降幅度為4.89%，下降趨勢(shì)明顯。而物流資源配置水平提升最快的省份是貴州省，累計(jì)提升幅度高達(dá)134.41%，是31個(gè)省市中唯一增加速度超過(guò)100.00%的省份。另外，統(tǒng)計(jì)期內(nèi)有18個(gè)省市物流資源配置水平的增長(zhǎng)速度超過(guò)了全國(guó)平均速度。由此可見，在研究范圍內(nèi)，中國(guó)省級(jí)物流資源配置水平雖存在一定的個(gè)體異質(zhì)性，但從全局角度來(lái)看，仍呈現(xiàn)出向上提升發(fā)展的態(tài)勢(shì)。

表2 中國(guó)省際物流資源配置水平測(cè)算結(jié)果Tab.2 Calculating result of inter-provincial logistics resource allocation level in China

圖1描繪的是2003—2017年全國(guó)、東部、中部、西部及歷年省際最大差值的變化曲線。從曲線走勢(shì)來(lái)看，我國(guó)整體、東部、中部和西部物流資源配置平均水平都表現(xiàn)出緩慢波動(dòng)上升趨勢(shì)。東部地區(qū)波動(dòng)趨勢(shì)最為明顯，中部地區(qū)物流資源配置水平的演變路徑與全國(guó)大致相同，西部地區(qū)則呈現(xiàn)先小幅下降而后平穩(wěn)上升的兩階段態(tài)勢(shì)。從曲線位置來(lái)看，以全國(guó)平均水平為基準(zhǔn)線，東部地區(qū)物流資源配置水平曲線位于其上，且距離明顯；中部地區(qū)變化曲線稍微低于全國(guó)平均變化曲線；西部地區(qū)曲線位置則遠(yuǎn)低于全國(guó)平均曲線。可見，我國(guó)物流資源配置水平存在明顯的區(qū)域差異。以2003年為例，東部與中部、東部與西部、中部與西部物流資源配置水平的差值分別為0.178，0.258和0.08，到2017年這種差距變?yōu)?.154，0.235和0.081，地區(qū)間差距并未明顯縮小，區(qū)域物流資源配置水平的非均衡發(fā)展態(tài)勢(shì)仍未得到改善。另外，各省歷年最大差值曲線呈現(xiàn)上升狀態(tài)，說(shuō)明物流資源配置水平在省際之間的非均衡發(fā)展愈演愈烈。

圖1 2003年至2017年全國(guó)、各地區(qū)物流資源配置平均水平及省際最大差值變化趨勢(shì)Fig.1 Change trend of national, regional average logistics resource allocation levels and maximum difference between provinces from 2003 to 2017

3 中國(guó)物流資源配置水平的時(shí)序演進(jìn)

3.1 方法選取

3.1.1Dagum基尼系數(shù)及其分解法

Dagum基尼系數(shù)分解是一種以子群為單位的分解方法，它既克服了傳統(tǒng)基尼系數(shù)不能對(duì)地區(qū)展開分解的弊端，又能彌補(bǔ)錫爾指數(shù)無(wú)法考慮子樣本分布狀況的不足[27]。基于此，本研究將采取Dagum基尼系數(shù)及其分解法對(duì)我國(guó)物流資源配置水平的相對(duì)差異進(jìn)行分解，進(jìn)而揭示地區(qū)間物流資源配置水平差異的來(lái)源與構(gòu)成。總基尼系數(shù)計(jì)算公式為：

(9)

Dagum分解將總基尼系數(shù)分解為地區(qū)內(nèi)差異貢獻(xiàn)Gw,地區(qū)間差異貢獻(xiàn)Gnb和超變密度貢獻(xiàn)Gt3大部分，各部分計(jì)算公式為：

(10)

(11)

(12)

(13)

(14)

(15)

(16)

式中，F(xiàn)j(Fh)為j地區(qū)的累積概率密度函數(shù)；djh定義為地區(qū)間物流資源配置水平差值，可看作是地區(qū)j和h中所有yjh-yhr>0的樣本的平均值；pjh定義為物流資源配置水平的超變一階矩陣，即所有yhr-yji>0的樣本的平均值。

3.1.2Kernel核密度估計(jì)

Dagum基尼系數(shù)及其分解反映的是地區(qū)物流資源配置水平相對(duì)差異的分布演進(jìn)。為全面剖析地區(qū)間物流資源配置水平差異分布的演化過(guò)程，本研究將選擇非參數(shù)估計(jì)方法Kernel核密度估計(jì)來(lái)刻畫區(qū)域物流資源配置水平的絕對(duì)差異與分布演化[28]。其基本形式為：

(17)

(18)

3.1.3Markov鏈方法

Dagum基尼系數(shù)及其分解法與Kernel核密度估計(jì)法雖然能夠全面刻畫我國(guó)區(qū)域物流資源配置水平的外部演變趨勢(shì)，但無(wú)法明確其內(nèi)部演變規(guī)律，本研究將進(jìn)一步利用Markov鏈來(lái)揭示我國(guó)區(qū)域物流資源配置水平的內(nèi)部變化趨勢(shì)。馬爾可夫鏈的基本條件是，假定對(duì)概率空間(A，B，C)內(nèi)以一維可數(shù)集為隨機(jī)變量的集合X={xn∶n>0}，若隨機(jī)變量的取值都在可數(shù)集內(nèi)：X=si,si?s,且滿足:P{Xt+1|Xt,…,X1}=p{Xt+1|Xt}，則集合X可稱為馬爾可夫鏈[29]。在經(jīng)過(guò)轉(zhuǎn)移后可形成馬爾可夫轉(zhuǎn)移矩陣，基本形式為：

(19)

若將我國(guó)物流資源配置水平劃分為N種類型，則可以得到形如式(19)所示的N×N轉(zhuǎn)移概率矩陣M，便可以對(duì)物流資源配置水平的內(nèi)部演化特征展開分析。

3.2 相對(duì)差異演進(jìn)及其來(lái)源

3.2.1全國(guó)及地區(qū)內(nèi)相對(duì)差異演進(jìn)分析

表3給出了全國(guó)、分地區(qū)及各地區(qū)間物流資源配置水平的基尼系數(shù)，圖2描繪了全國(guó)及3大地區(qū)內(nèi)部物流資源配置水平基尼系數(shù)演變趨勢(shì)。從全國(guó)層面上來(lái)看，2003—2017年間，我國(guó)物流資源配置水平整體基尼系數(shù)下降了0.012 7，年均下降0.28%，物流資源配置水平的相對(duì)差異在縮小，朝著均衡發(fā)展的方向前進(jìn)。而其具體演變過(guò)程則呈現(xiàn)先上升后平穩(wěn)下降的兩階段特征。具體而言，在2003—2007年的增長(zhǎng)階段里，我國(guó)物流資源配置水平的基尼系數(shù)由0.315 0增加到研究時(shí)期內(nèi)的最大值0.343 7，增加幅度為10.16%，說(shuō)明在這段時(shí)間內(nèi)，我國(guó)整體物流資源配置水平的相對(duì)差異在擴(kuò)大，不均衡發(fā)展明顯加強(qiáng)。2007—2017年，除2012，2015和2016年出現(xiàn)些微的增加外，其他年份均表現(xiàn)為下降，并在2017年達(dá)到歷年物流資源配置水平基尼系數(shù)的最小值0.302 3，可見近10年來(lái)我國(guó)物流資源配置水平的非均衡發(fā)展態(tài)勢(shì)得到了相應(yīng)的改善，朝著均衡發(fā)展方向前進(jìn)。

分地區(qū)來(lái)看，東部、中部和西部物流資源配置水平基尼系數(shù)的均值分別為0.203 4，0.151 8和0.285 5，均小于全國(guó)平均值0.312 3，可見，3大地區(qū)內(nèi)部物流資源配置水平的相對(duì)差異都小于全國(guó)，意味著我國(guó)東部、中部和西部物流資源配置水平的均衡發(fā)展程度都要優(yōu)于全國(guó)。各區(qū)域橫向?qū)Ρ葋?lái)看，西部地區(qū)內(nèi)部物流資源配置水平的相對(duì)差異最大，東部次之，中部最為均衡。就演變過(guò)程而言，中部地區(qū)演變過(guò)程較為平緩，東部和西部地區(qū)則呈現(xiàn)出波浪式的復(fù)雜演變形態(tài)。從縱向演變結(jié)果來(lái)看，東部地區(qū)和中部地區(qū)物流資源配置水平的基尼系數(shù)分別由2003年的0.189 6和0.149 9上升到了2017年的0.229 6和0.172 1，增長(zhǎng)幅度分別為21.09%和14.81%，可見，東部和中部物流資源配置水平的相對(duì)差距在不斷擴(kuò)大，呈現(xiàn)出“馬太效應(yīng)”。西部地區(qū)基尼系數(shù)則由0.269 3下降到0.262 8，累計(jì)下降2.41%，意味著西部地區(qū)內(nèi)部物流資源配置水平的相對(duì)差異有改善跡象，但效果并不明顯。

表3 2003—2017年全國(guó)、分地區(qū)及地區(qū)間物流資源配置水平基尼系數(shù)Tab.3 Gini coefficients of national, regional and interregional logistics resource allocation levels from 2003 to 2017

圖2 2003—2017年全國(guó)及東中西三大地區(qū)物流資源配置水平基尼系數(shù)演變圖Fig.2 Evolution curves of Gini coefficient of logistics resource allocation levels in China, east, central and west regions from 2003 to 2017

3.2.2地區(qū)間相對(duì)差異演進(jìn)分析

從表3前后數(shù)據(jù)對(duì)比來(lái)看，地區(qū)間物流資源配置水平的基尼系數(shù)明顯高于地區(qū)內(nèi)基尼系數(shù)，說(shuō)明地區(qū)之間物流資源配置的不均衡發(fā)展態(tài)勢(shì)顯著高于地區(qū)內(nèi)。整個(gè)研究期內(nèi)，東-中部與東-西部之間的資源配置不均衡在波動(dòng)中縮小，年均分別下降0.54%和0.79%；中-西部的相對(duì)差異呈現(xiàn)擴(kuò)張態(tài)勢(shì)，年均增長(zhǎng)0.047%。

此外，東-西部物流資源配置相對(duì)差異的平均值分別高出東-中部和中-西部50.63%和70.00%，是物流資源配置水平相對(duì)差距最大的兩個(gè)地區(qū)，東-中部的相對(duì)差異略高于中-西部的相對(duì)差異，但差距并不明顯。從圖3的演進(jìn)趨勢(shì)上看，東-西部物流資源配置水平的相對(duì)差異沿著先上升后下降路徑演進(jìn)；東-中部和中-西部則沿著上下波動(dòng)的路徑演進(jìn)且中-西部的演進(jìn)過(guò)程相較更為平緩。

圖3 2003—2017年地區(qū)間基尼系數(shù)演進(jìn)趨勢(shì)Fig.3 Evolution trend of interregional Gini coefficients from 2003 to 2017

3.2.3地區(qū)相對(duì)差異來(lái)源及貢獻(xiàn)率

表4給出了我國(guó)物流資源配置水平相對(duì)差異的具體來(lái)源及貢獻(xiàn)占比。由表可知，我國(guó)物流資源配置水平相對(duì)差異的貢獻(xiàn)主要來(lái)自超變密度，地區(qū)間和地區(qū)內(nèi)分列二三位，但二者的差距較小。變化趨勢(shì)方面，地區(qū)間對(duì)物流資源配置水平相對(duì)差異的貢獻(xiàn)相當(dāng)平穩(wěn)，15年間僅增長(zhǎng)了0.93%；地區(qū)內(nèi)對(duì)物流資源配置水平相對(duì)差異的貢獻(xiàn)率分別在波動(dòng)中由21.99%穩(wěn)步上升到25.73%，超變密度的貢獻(xiàn)率則與之相反，由50.79%下降到46.12%。就波動(dòng)幅度而言，地區(qū)內(nèi)貢獻(xiàn)的波動(dòng)幅度為0.013 4，地區(qū)間貢獻(xiàn)的波動(dòng)幅度為0.024 3，超變密度貢獻(xiàn)的波動(dòng)幅度則為0.034 2。整體而言，超變密度仍在當(dāng)前我國(guó)物流資源配置水平的相對(duì)差異中占據(jù)主導(dǎo)位置。

表4 2003—2017年中國(guó)物流資源配置水平地區(qū)差異及其貢獻(xiàn)率Tab.4 Regional differences and contribution rates of logistics resource allocation level in China from 2003 to 2017

3.3 絕對(duì)差異演進(jìn)趨勢(shì)

本研究分別選取2003，2008，2013和2017年這4個(gè)年份作為Kernel核密度估計(jì)的樣本，最終估計(jì)結(jié)果如圖4所示。通過(guò)對(duì)核密度曲線位置、高度及波峰數(shù)量的對(duì)比分析，可進(jìn)一步明確我國(guó)物流資源配置水平絕對(duì)差異的動(dòng)態(tài)演進(jìn)歷程。

3.3.1全國(guó)物流資源配置水平絕對(duì)差異演進(jìn)

總體來(lái)看，全國(guó)歷年核密度曲線位置移動(dòng)并不明顯，2017年的曲線相對(duì)靠右，2008年的曲線峰波最高，2013年為雙峰形態(tài)。說(shuō)明我國(guó)整體物流資源配置水平提升緩慢，2017年的物流資源配置水平相對(duì)最高，但2008年物流資源配置水平的絕對(duì)差異最小，2013年存在極化現(xiàn)象。整體2003—2017年間，核密度曲線稍微右移，高度未發(fā)生明顯變化，說(shuō)明我國(guó)整體物流資源配置水平有所提升但絕對(duì)差異并未有太大變化。具體演進(jìn)來(lái)看，相比2003年，2008年核密度曲線高度上升，說(shuō)明我國(guó)物流資源配置水平的絕對(duì)差異在這一階段有所縮小；相較2008年，2013年的核密度估計(jì)曲線高度有了明顯的下降且在主峰的右邊出現(xiàn)了副峰，意味著我國(guó)物流資源配置水平的絕對(duì)差異在擴(kuò)大并產(chǎn)生了極化現(xiàn)象；2017年核密度估計(jì)曲線在升高的同時(shí)由雙峰形態(tài)變成了單峰形態(tài)，表明物流資源配置水平的相對(duì)差異再次縮小且極化發(fā)展得到了有效的控制。

3.3.2東部物流資源配置水平絕對(duì)差異演進(jìn)

總體來(lái)看，東部地區(qū)2013年核密度曲線位置最靠右，2003年曲線波峰高度最高且存在雙峰現(xiàn)象，說(shuō)明2013年?yáng)|部地區(qū)物流資源配置水平最高，而2003年物流資源配置水平的絕對(duì)差異雖然最小但存在著極化發(fā)展趨勢(shì)。整體2003—2017年間，核密度曲線高度明顯下降，說(shuō)明東部物流資源配置水平的絕對(duì)差異在擴(kuò)大。具體演進(jìn)來(lái)看，與2003年相比，2008年波峰高度明顯下降且寬度增加，同時(shí)雙峰形態(tài)消失，說(shuō)明東部物流資源配置水平的相對(duì)差異在擴(kuò)大但極化現(xiàn)象得到了控制；2013年曲線相較2008年波峰高度上升，同時(shí)位置向右移動(dòng)明顯，表明這一時(shí)期內(nèi)東部物流資源配置水平不僅得到了大幅度的提升且地區(qū)間的相對(duì)差距也得到了改善；與2013年相比，2017年核密度曲線波峰再次回落，意味著該階段內(nèi)東部物流資源配置水平的絕對(duì)差異呈增大態(tài)勢(shì)。

3.3.3中部物流資源配置水平絕對(duì)差異演進(jìn)

總體來(lái)看，中部地區(qū)2013年曲線的位置最靠右，2003年的波峰最高，2013年和2017年分別擁有3個(gè)和2個(gè)波峰，說(shuō)明在研究期內(nèi)，中部地區(qū)物流資源配置水平最高的年份為2013年，2003年的物流資源配置水平的絕對(duì)差異最小，同時(shí)中部地區(qū)是3大地區(qū)中物流資源配置水平極化現(xiàn)象最嚴(yán)重的地區(qū)，并在2013年達(dá)到頂峰。整體2003—2017年間，核密度曲線右移、高度下降且波峰數(shù)量增加，意味著中部地區(qū)物流資源配置水平在提升，但絕對(duì)差異也在擴(kuò)大并且有極化現(xiàn)象。具體演進(jìn)來(lái)看，與2003年相比，2008年曲線小幅向右移動(dòng)，波峰高度些微下降，說(shuō)明2008年中部地區(qū)物流資源配置水平與絕對(duì)差異都有所提高，但并不顯著；與2008年相比，2013年核密度曲線波峰高度呈墜崖式下落，寬度增大，峰狀由單峰變?yōu)槿澹馕吨谶@5年期間，中部物流資源配置水平的絕對(duì)差異急速擴(kuò)大并伴隨著嚴(yán)重的極化現(xiàn)象；對(duì)比2013年，2017年核密度曲線的位置向左稍微移動(dòng)，波峰高度幾乎未變化，波峰數(shù)量減少到了2個(gè)，說(shuō)明2017年中部地區(qū)物流資源的配置水平有所下降，絕對(duì)差異卻并未有效改善，但極化現(xiàn)象得到了一定的緩解。

3.3.4西部物流資源配置水平絕對(duì)差異演進(jìn)

總體來(lái)看，西部地區(qū)歷年核密度估計(jì)曲線的位置比較集中，相對(duì)而言2017年曲線位置最靠右，2003年的曲線峰波最高，峰形均以單峰呈現(xiàn)，并無(wú)明顯的多峰形態(tài)，代表著西部地區(qū)物流資源配置水平在2017年最優(yōu)，地區(qū)內(nèi)絕對(duì)差異最小的時(shí)期為2003年，研究期內(nèi)并未出現(xiàn)極化現(xiàn)象。整體2003—2017年間，核密度曲線右移，高度下降，說(shuō)明西部地區(qū)在物流資源配置水平提升的同時(shí)伴著相對(duì)差距的擴(kuò)大。具體演進(jìn)來(lái)看，2008年相比2003年，核密度曲線位置無(wú)明顯變化但波峰高度出現(xiàn)了下降，說(shuō)明西部物流資源配置水平的絕對(duì)差異在這一階段內(nèi)有擴(kuò)張態(tài)勢(shì)；與2008年相比，2013年核密度曲線小幅度右移，波峰高度再度下降，意味著2008—2013年間，西部地區(qū)物流資源配置水平有了一定的進(jìn)步，但配置水平的絕對(duì)差異再次擴(kuò)大；相對(duì)于2013年，2017年波峰明顯升高的核密度曲線表明西部地區(qū)物流資源配置水平的絕對(duì)差異開始朝著縮小的方向前進(jìn)。

圖4 全國(guó)及東部、中部和西部物流資源配置水平核密度估計(jì)圖Fig.4 Kernel density estimation curves of logistics resource allocation level in China and east, central and west regions

3.4 內(nèi)部動(dòng)態(tài)信息變化

下面將通過(guò)Markov轉(zhuǎn)移矩陣對(duì)我國(guó)物流資源配置水平的內(nèi)部動(dòng)態(tài)變化展開分析。根據(jù)Markov鏈的基本要求，需要先對(duì)我國(guó)各省市物流資源配置水平進(jìn)行分類，在此基礎(chǔ)上，計(jì)算出相應(yīng)的Markov轉(zhuǎn)移概率矩陣并加以分析。

本研究以我國(guó)各省市物流資源配置水平綜合評(píng)價(jià)指數(shù)為基本劃分依據(jù)，通過(guò)聚類分析的方法，將31省市物流資源配置水平共分為4種狀態(tài)：將低于綜合指數(shù)平均值50%的單元定義為物流資源配置低級(jí)發(fā)展水平，處于綜合評(píng)價(jià)指數(shù)平均值50%～100%的單元定義為物流資源配置初級(jí)發(fā)展水平，處于平均值100%～150%的單元定義為物流資源配置中級(jí)發(fā)展水平，高于平均值150%的單元定義為物流資源配置高級(jí)發(fā)展水平。計(jì)算結(jié)果如表5所示。

從整個(gè)研究期來(lái)看，首先，2003—2017年轉(zhuǎn)移矩陣斜對(duì)角對(duì)應(yīng)的概率分別為0.972 6，0.905 3，0.800 0和0.869 6，說(shuō)明我國(guó)省際物流資源配置水平保持初始發(fā)展?fàn)顟B(tài)的概率最低也達(dá)到了80%，其中，低級(jí)水平穩(wěn)定性最高，達(dá)到了0.972 6，可見我國(guó)物流資源配置水平存在明顯的路徑依賴；其次，物流資源配置低級(jí)水平、初級(jí)水平和中級(jí)水平發(fā)生狀態(tài)轉(zhuǎn)移的概率分別為0.027 4，0.094 6和0.200 0，資源配置水平越高，發(fā)生轉(zhuǎn)移的概率也隨之提高，意味著前期物流資源配置水平越低，越容易出現(xiàn)發(fā)展停滯現(xiàn)象；最后，除高級(jí)發(fā)展?fàn)顟B(tài)有0.010 9的概率向初級(jí)發(fā)展?fàn)顟B(tài)跨等級(jí)向下轉(zhuǎn)移外，其他發(fā)展?fàn)顟B(tài)均是在相鄰狀態(tài)之間以一定概率發(fā)生轉(zhuǎn)移，整個(gè)過(guò)程向上跨等級(jí)的轉(zhuǎn)移概率均為0，表明我國(guó)物流資源配置水平地區(qū)差異的演進(jìn)是一個(gè)循序漸進(jìn)的過(guò)程。

分階段來(lái)看，首先，與2003—2010年相比，2010—2017年間，我國(guó)物流資源配置水平處于低級(jí)、初級(jí)和中級(jí)水平的概率分別由0.947 4，0.853 9和0.746 4增加到了1.000，0.962 5和0.834 6，表明我國(guó)省際物流資源配置水平不斷趨于穩(wěn)定，存在固化傾向，尤其是處于低級(jí)配置水平的單元穩(wěn)定的概率達(dá)到了100%，因此要做好因水平固化而造成的地區(qū)差異進(jìn)一步擴(kuò)大的防范工作；其次，相比2003—2010年，2010—2017年處于低級(jí)、初級(jí)和中級(jí)狀態(tài)的省市向更高狀態(tài)轉(zhuǎn)移的概率分別下降了0.052 6，0.086 1和0.022 8，即我國(guó)物流資源配置水平的提升速度變得更加緩慢，地區(qū)間差異演進(jìn)速率放緩；最后，2003—2010年間，處于高級(jí)狀態(tài)的單元仍有0.021 3的概率跨等級(jí)向下轉(zhuǎn)移，而2010—2017年間，任意狀態(tài)都不存在跨等級(jí)轉(zhuǎn)移，表明我國(guó)省際物流資源配置水平逐漸趨于均衡，地區(qū)間的差異有縮小態(tài)勢(shì)。

表5 中國(guó)物流資源配置水平馬爾可夫概率轉(zhuǎn)移矩陣Tab.5 Markov probability transfer matrix of logistics resource allocation level in China

4 中國(guó)物流資源配置水平的空間演進(jìn)

4.1 中國(guó)物流資源配置水平的空間相關(guān)

莫蘭指數(shù)常被用于空間相關(guān)特征研究當(dāng)中，莫蘭指數(shù)的計(jì)算公式為：

(20)

Moran’s I指數(shù)在[-1,1]范圍內(nèi)取值，若Moran’s I指數(shù)大于0，說(shuō)明我國(guó)物流資源配置水平在空間上存在正向自相關(guān)，若Moran’s I指數(shù)小于0，則說(shuō)明我國(guó)物流資源配置水平在空間上存在負(fù)向自相關(guān)，若Moran’s I指數(shù)等于0，意味著我國(guó)物流資源配置水平在空間上不存在自相關(guān)關(guān)系。本研究借助GeoDa軟件測(cè)算了歷年我國(guó)物流資源配置水平的Moran’s I指數(shù)，結(jié)果如表6所示。

由表6結(jié)果可知，2003—2017年間我國(guó)物流資源配置水平Moran’s I指數(shù)的均值為0.350且歷年Moran’s I指數(shù)的數(shù)值均大于0，意味著我國(guó)物流資源配置水平在空間上存在明顯的正相關(guān)，空間集聚效應(yīng)顯著。

表6 2003—2017年中國(guó)物流資源配置水平Moran’s I指數(shù)Tab.6 Moran’s I index of s logistics resource allocation level in China from 2003 to 2017

4.2 中國(guó)物流資源配置水平的空間演進(jìn)

在確定我國(guó)物流資源配置水平在空間上存在正向相關(guān)的基礎(chǔ)上，進(jìn)一步通過(guò)Moran’s I指數(shù)散點(diǎn)圖來(lái)揭示其空間演進(jìn)規(guī)律。本研究以2003，2010和2017年為分析對(duì)象并繪制出對(duì)應(yīng)的物流資源配置水平Moran’s I指數(shù)散點(diǎn)圖，結(jié)果如圖5所示。

圖5 2003，2010及2017年中國(guó)物流資源配置水平Moran’s I指數(shù)散點(diǎn)圖Fig.5 Scattergram of Moran’s I index of logistics resource allocation level in China in 2003, 2010 and 2017

根據(jù)Moran’s I指數(shù)散點(diǎn)圖的常規(guī)分析方法，可按象限將我國(guó)物流資源配置水平分為4種類型。第1象限表示自身與周邊物流資源配置水平都高的地區(qū)，記作HH型；第2象限表示自身物流資源配置水平低而周邊配置水平高的地區(qū)，記作LH型；第3象限表示自身與周邊物流資源配置水平都低的地區(qū)，記作LL型；第4象限表示自身物流資源配置水平高而周邊配置水平低的地區(qū)，記作HL型。各省市演變路徑如表7所示。

表7 2003，2010及2017年Moran’s I指數(shù)散點(diǎn)圖結(jié)果匯總Tab.7 Summary of Moran’s I index scattergram results in 2003, 2010 and 2017

從表7可以直觀地看出，我國(guó)物流資源配置水平高(HH型)的省市高度集中在東部地區(qū)，物流資源配置水平低(LL型)的地區(qū)高度集中于西部地區(qū)，中部地區(qū)省市的物流資源配置水平在空間上更容易呈現(xiàn)異質(zhì)性(HL、LH型)。具體而言，整個(gè)研究期間內(nèi)，我國(guó)物流資源配置水平在空間演變路徑上未發(fā)生任何變動(dòng)的省市達(dá)到了24個(gè)，分別是上海、江蘇、山東、浙江、福建、河南、河北、北京、江西、廣西、山西、貴州、云南、陜西、西藏、黑龍江、青海、甘肅、新疆、寧夏、湖北、四川、廣東和海南(其中海南省始終位于二三象限的交接線上)，占比達(dá)到77.42%；經(jīng)過(guò)一定演變又回到最初路徑的省市有2個(gè)，分別是內(nèi)蒙古、遼寧，占比6.45%；空間演變路徑發(fā)生改變的省市共5個(gè)，分別是天津、安徽、重慶、湖南和吉林，占比16.13%。空間路徑在總體上未發(fā)生演變的省市多達(dá)26個(gè)，占比83.87%，可見我國(guó)區(qū)域物流資源配置水平在空間演變上存在明顯的路徑依賴。另外，在空間演變路徑發(fā)生改變的5個(gè)省市中，向更高物流資源配置水平集聚的省市有安徽、重慶和湖南，向物流資源配置低水平集聚的省市有天津和吉林。

5 結(jié)論

本研究利用熵權(quán)TOPSIS對(duì)我國(guó)省際物流資源配置水平綜合指數(shù)進(jìn)行了測(cè)算，在此基礎(chǔ)上，利用Dagum基尼系數(shù)分解、Kernel核密度估計(jì)及Markov鏈等方法實(shí)證分析了我國(guó)物流資源配置水平的地區(qū)差異及其時(shí)序分布演進(jìn)，同時(shí)根據(jù)Moran’s I指數(shù)對(duì)其空間演進(jìn)路徑進(jìn)行了刻畫，得到的主要結(jié)論有：

(1)熵權(quán)TOPSISI結(jié)果顯示我國(guó)整體物流資源配置水平呈現(xiàn)緩慢上升的態(tài)勢(shì)，東中西3大地區(qū)物流資源配置水平差距明顯，東部最優(yōu)，中部次之，西部最差，同時(shí)這種差距并沒(méi)有得到應(yīng)有的改善。另外，省際物流資源配置水平之間的差距有進(jìn)一步擴(kuò)大跡象，非均衡發(fā)展態(tài)勢(shì)顯著。

(2)Dagum基尼系數(shù)及其分解的結(jié)果表明我國(guó)整體物流資源配置水平的相對(duì)差異向縮小的方向前進(jìn)。東中西3大地區(qū)內(nèi)部物流資源配置水平的相對(duì)差異均小于全國(guó)，但東部與中部地區(qū)內(nèi)部物流資源配置水平的相對(duì)差異呈現(xiàn)出“馬太效應(yīng)”，西部地區(qū)內(nèi)部物流資源配置水平的相對(duì)差異雖有縮小但并不明顯。地區(qū)間的相對(duì)差異要高于地區(qū)內(nèi)且東部與西部是物流資源配置水平相對(duì)差異最大的兩個(gè)地區(qū)，相對(duì)差異的主要來(lái)源于超變密度，占比始終在50%左右。

(3)Kernel核密度估計(jì)結(jié)果表明我國(guó)整體物流資源配置水平的絕對(duì)差異在研究期內(nèi)并未明顯改變，絕對(duì)差異演進(jìn)速度緩慢。東部地區(qū)物流資源配置水平的絕對(duì)差異擴(kuò)大但極化發(fā)展態(tài)勢(shì)得到了控制；中部地區(qū)物流資源配置水平在絕對(duì)差異擴(kuò)大的同時(shí)伴隨著極化現(xiàn)象；西部地區(qū)物流資源配置水平的絕對(duì)差異也在擴(kuò)大，但擴(kuò)張幅度小于東部和中部。

(4)Markov概率轉(zhuǎn)移矩陣結(jié)果表明我國(guó)物流資源配置水平內(nèi)部演變速度緩慢，在時(shí)序演進(jìn)上存在明顯的路徑依賴；Moran’s I指數(shù)結(jié)果顯示我國(guó)物流資源配置水平存在空間自相關(guān)，東部地區(qū)呈現(xiàn)高水平集聚，西部地區(qū)為低水平集聚，其在空間演進(jìn)路徑上也存在明顯的路徑依賴。

基于以上研究結(jié)論，提出以下發(fā)展建議:

第一，加強(qiáng)落后地區(qū)物流業(yè)資金支持力度，提升對(duì)應(yīng)從業(yè)人員待遇。從物流資源配置傾向來(lái)看，東部地區(qū)物流業(yè)獲得的資金和人力支持都明顯優(yōu)于西部地區(qū)，這與地區(qū)經(jīng)濟(jì)發(fā)展息息相關(guān)。落后地區(qū)財(cái)政緊張，很難給予物流業(yè)太大的資金支持，同樣也會(huì)引起相應(yīng)從業(yè)人員待遇低，從業(yè)積極性不高等諸多問(wèn)題。中央財(cái)政應(yīng)加大對(duì)中西部落后地區(qū)物流業(yè)的資金補(bǔ)充力度，地方政府也需出臺(tái)相應(yīng)的從業(yè)人員優(yōu)惠政策予以配合，達(dá)到提升物流資源配置水平的目的。

第二，充分發(fā)揮地區(qū)優(yōu)勢(shì)，完善物流資源配置動(dòng)態(tài)監(jiān)管體系。一方面，各地區(qū)要利用好區(qū)位優(yōu)勢(shì)來(lái)提高自身物流資源配置水平。東部地區(qū)應(yīng)充分發(fā)揮好其在科技方面的領(lǐng)先優(yōu)勢(shì)，通過(guò)優(yōu)化資源有效使用率來(lái)提升物流資源配置水平；中部地區(qū)要利用好其作為連接?xùn)|西交通樞紐的區(qū)位優(yōu)勢(shì)，做好物流中轉(zhuǎn)工作，通過(guò)擴(kuò)大物流中間產(chǎn)出來(lái)實(shí)現(xiàn)資源配置水平的提高；西部地區(qū)則需要把握住其地域廣闊的發(fā)展優(yōu)勢(shì)，通過(guò)建立大型物流倉(cāng)儲(chǔ)基地、冷凍物流鏈等方式提升物流產(chǎn)出，提高資源配置水平。另一方面，定時(shí)監(jiān)測(cè)我國(guó)及三大地區(qū)物流資源配置水平，把握其動(dòng)態(tài)演變過(guò)程，國(guó)家層面需要統(tǒng)籌物流資源配置，進(jìn)而縮小地區(qū)間的發(fā)展差距，各地區(qū)尤其是東部和中部則需要進(jìn)一步對(duì)其范圍內(nèi)省際物流資源之間的配置進(jìn)行優(yōu)化，阻斷其內(nèi)部非均衡演化態(tài)勢(shì)。

第三，設(shè)立高水平物流資源配置示范點(diǎn)，構(gòu)建跨區(qū)域?qū)诤献鳈C(jī)制。物流資源配置水平在空間上存在明顯的正向集聚效應(yīng)，因此可以省際為基本單元，通過(guò)對(duì)輻射效應(yīng)最優(yōu)距離的測(cè)算，在中西部落后地區(qū)設(shè)立一批高物流資源配置水平示范點(diǎn)，發(fā)揮帶動(dòng)效應(yīng)，提升落后地區(qū)物流資源配置水平。此外，可選取部分高水平資源配置水平的省份與低水平資源配置的省份形成一一對(duì)口合作機(jī)制，借助發(fā)達(dá)地區(qū)的技術(shù)、發(fā)展思路和發(fā)展經(jīng)驗(yàn)等來(lái)加速落后地區(qū)的發(fā)展，同時(shí)有條件的對(duì)口省份可嘗試物流資源統(tǒng)一配置與調(diào)度，不斷促進(jìn)區(qū)域物流資源配置水平的提升與均衡發(fā)展。