長江經(jīng)濟(jì)帶數(shù)字物流與物流高質(zhì)量發(fā)展

[摘 要：推進(jìn)數(shù)字物流與物流高質(zhì)量協(xié)調(diào)發(fā)展是暢通雙循環(huán)的關(guān)鍵環(huán)節(jié)。文章基于2012—2021年長江經(jīng)濟(jì)帶11個省份數(shù)據(jù)，測算數(shù)字物流和物流高質(zhì)量發(fā)展水平，并利用耦合協(xié)調(diào)度、空間相關(guān)性和空間杜賓模型，剖析二者協(xié)調(diào)程度及空間效應(yīng)。研究表明：各省份數(shù)字物流和物流高質(zhì)量發(fā)展水平逐年增長，但地區(qū)間差異明顯；數(shù)字物流與物流高質(zhì)量發(fā)展協(xié)調(diào)程度穩(wěn)步上升，但流域內(nèi)具有高者恒高、低者恒低的“固化”特征，并呈現(xiàn)“下游gt;中游gt;上游”的空間格局；二者耦合協(xié)調(diào)度存在空間正相關(guān)性，但集聚特征呈“波浪式”演進(jìn)，地區(qū)差異未緩和；數(shù)字金融、成本壓力、人口密度、綠色治理和交通基礎(chǔ)設(shè)施等因素對二者耦合協(xié)調(diào)度產(chǎn)生不同影響。

關(guān)鍵詞：新發(fā)展格局；協(xié)調(diào)發(fā)展；區(qū)域差異；空間演化；空間杜賓模型

中圖分類號：F49；F259.27" " " 文獻(xiàn)標(biāo)識碼：A 文章編號：1007-5097（2024）03-0023-12 ]

Coupling and Coordination of Digital Logistics and High-Quality Logistics Development

in the Yangtze River Economic Belt

XUE Yang1，2，GUO Shile1，F(xiàn)ENG Yinhu1

（1. School of Economics and Management，Inner Mongolia University of Technology，Hohhot 010051，China；

2. Institute of Industrial Economics，Chinese Academy of Social Sciences，Beijing 100006，China）

Abstract：Promoting the coordinated development of digital logistics and high-quality logistics is a key element in smoothing dual circulation. Based on the data of 11 provinces in the Yangtze River Economic Belt from 2012 to 2021， the high-quality development level of digital logistics and logistics is measured，and the coordination degree and spatial effect of the two are analyzed by using the coupling coordination degree， spatial correlation and spatial Durbin model. The research shows that the level of digital logistics and high-quality logistics development in various provinces is increasing year by year，but the regional differences are obvious. The degree of coordination between digital logistics and high-quality development of logistics has been steadily increasing，but the basin has the \"curing\" feature that \"the high remains high， and the low remains low\"，and presents the spatial pattern of \"downstream gt; midstream gt; upstream\". There is a spatial positive correlation between the coupling coordination degree of the two，but the agglomeration characteristics show a \"wave\" evolution，and the regional differences are not alleviated. Factors such as digital finance， cost pressure， population density， green governance and transportation infrastructure have different effects on the degree of coupling coordination.

Key words：new development pattern；coordinated development；regional differences；spatial evolution；spatial Durbin model

一、引言及文獻(xiàn)綜述

當(dāng)前，世界正經(jīng)歷百年未有之大變局，單邊主義、保護(hù)主義蔓延，各國之間的博弈日益加劇。面對錯綜復(fù)雜的國內(nèi)外環(huán)境，黨的二十大報告強(qiáng)調(diào)，加快構(gòu)建以國內(nèi)大循環(huán)為主體、國內(nèi)國際雙循環(huán)相互促進(jìn)的新發(fā)展格局［1］。物流產(chǎn)業(yè)作為連接社會生產(chǎn)、分配、流通和消費等環(huán)節(jié)的紐帶，實現(xiàn)其高質(zhì)量發(fā)展對于加快構(gòu)建中國現(xiàn)代流通體系、暢通雙循環(huán)具有重要作用。然而，中國國家統(tǒng)計局?jǐn)?shù)據(jù)顯示，2022年中國社會物流總費用約占GDP的14.7%，與國際領(lǐng)先水平（8%）相比，尚存在一定差距。物流成本偏高、效率偏低、國際競爭力不強(qiáng)等現(xiàn)實問題，不僅制約著中國物流業(yè)實現(xiàn)高質(zhì)量發(fā)展，還對國民經(jīng)濟(jì)總體運行效率提升形成不利影響。當(dāng)前，人類社會已經(jīng)步入數(shù)字時代，《中華人民共和國國民經(jīng)濟(jì)和社會發(fā)展第十四個五年規(guī)劃和2035年遠(yuǎn)景目標(biāo)綱要》明確提出，加快數(shù)字化發(fā)展，建設(shè)數(shù)字中國。在此背景下，數(shù)字技術(shù)正快速融入物流產(chǎn)業(yè)，逐漸成為推動中國物流產(chǎn)業(yè)轉(zhuǎn)型升級、重構(gòu)組織模式、實現(xiàn)物流領(lǐng)域要素資源有效整合的新動能。由此可見，促進(jìn)數(shù)字技術(shù)與物流產(chǎn)業(yè)融合，將為提升中國現(xiàn)代物流競爭力、暢通雙循環(huán)發(fā)揮重要作用。

2014年，長江經(jīng)濟(jì)帶上升為國家重大戰(zhàn)略發(fā)展區(qū)域，其地理位置橫跨東、中、西三大板塊，區(qū)域人口規(guī)模和經(jīng)濟(jì)體量幾近占據(jù)中國的半壁江山［2］，是中國經(jīng)濟(jì)發(fā)展的重心所在和推進(jìn)高質(zhì)量發(fā)展的戰(zhàn)略高地。然而，受自然地理條件、歷史演變、區(qū)域產(chǎn)業(yè)政策等多方面因素影響，長江經(jīng)濟(jì)帶各省份物流產(chǎn)業(yè)發(fā)展不平衡、不充分的問題較為突出。因此，全面深入剖析長江經(jīng)濟(jì)帶數(shù)字物流與物流高質(zhì)量發(fā)展的相互作用，厘清二者協(xié)調(diào)發(fā)展的空間分異格局及影響因素，進(jìn)而制定相應(yīng)提升策略，對推動長江經(jīng)濟(jì)帶乃至全國經(jīng)濟(jì)高質(zhì)量發(fā)展具有重要意義。

通過文獻(xiàn)梳理發(fā)現(xiàn)，國內(nèi)外學(xué)者圍繞數(shù)字物流和物流高質(zhì)量發(fā)展展開了廣泛且深入的討論。數(shù)字物流早期由智慧物流發(fā)展而來，國際商業(yè)機(jī)器公司首次將智慧物流界定為通過射頻識別、全球定位等技術(shù)進(jìn)行管理的物流活動［3］。伴隨新一代數(shù)字技術(shù)推動互聯(lián)網(wǎng)發(fā)展，有學(xué)者認(rèn)為，數(shù)字物流是在現(xiàn)代物流活動中應(yīng)用物聯(lián)網(wǎng)技術(shù)［4］、信息技術(shù)［5］和物流技術(shù)［6］，進(jìn)而優(yōu)化生產(chǎn)作業(yè)流程的實體物流綜合管理。也有學(xué)者提出，數(shù)字物流是在計算機(jī)網(wǎng)絡(luò)、數(shù)據(jù)庫等數(shù)字技術(shù)支撐下，對物流所涉及的對象和活動進(jìn)行優(yōu)化的技術(shù)系統(tǒng)［7］。鑒于數(shù)字物流是以數(shù)字技術(shù)進(jìn)步為核心的新型物流形態(tài)，部分學(xué)者圍繞物流業(yè)投入、物流業(yè)產(chǎn)出和數(shù)字化水平三個層面對其進(jìn)行評價測度研究［8］，并揭示了互聯(lián)網(wǎng)普及率［3］、物流產(chǎn)業(yè)增加值［8］和區(qū)域經(jīng)濟(jì)發(fā)展［9］對數(shù)字物流發(fā)展均具有顯著驅(qū)動作用。

物流高質(zhì)量發(fā)展是推動中國經(jīng)濟(jì)高質(zhì)量發(fā)展［10］、暢通雙循環(huán)和滿足人民對美好生活向往的重要驅(qū)動力［11］。肖建輝認(rèn)為，物流高質(zhì)量發(fā)展的內(nèi)涵在于物流產(chǎn)業(yè)發(fā)展質(zhì)量高，并且能夠高質(zhì)量地服務(wù)經(jīng)濟(jì)發(fā)展和人民需求［12］。在界定內(nèi)涵的基礎(chǔ)上，有學(xué)者從不同維度構(gòu)建物流高質(zhì)量發(fā)展評價指標(biāo)體系。如翟仁祥和陳勁滔從物流科技創(chuàng)新、物流綠色生態(tài)、物流社會發(fā)展、物流對外開放和物流經(jīng)濟(jì)協(xié)調(diào)五個方面設(shè)計評價指標(biāo)體系［13］；唐哲等從“創(chuàng)新、協(xié)調(diào)、綠色、開放、規(guī)模、共享”六個維度，構(gòu)建黃河流域物流高質(zhì)量發(fā)展評價指標(biāo)體系［14］；周楠等以高效率、公平和綠色可持續(xù)為準(zhǔn)則，選取20項指標(biāo)構(gòu)建長江流域物流高質(zhì)量發(fā)展評價指標(biāo)體系［15］。此外，部分學(xué)者進(jìn)一步探討物流高質(zhì)量發(fā)展的空間格局、路徑與因素，表明現(xiàn)階段中國物流高質(zhì)量發(fā)展水平呈現(xiàn)“東優(yōu)西劣”的空間分布格局，且在相鄰省份之間存在空間溢出效應(yīng)［16］，而曹允春等［10］則從組態(tài)視角提出實現(xiàn)中國物流業(yè)高質(zhì)量發(fā)展的三條路徑。與此同時，還有學(xué)者研究發(fā)現(xiàn)，數(shù)字經(jīng)濟(jì)［11］和物流效率［17］也是促進(jìn)物流高質(zhì)量發(fā)展的重要手段。

需要指出的是，科學(xué)揭示數(shù)字物流與物流高質(zhì)量發(fā)展關(guān)系的研究成果較少，且僅局限于信息技術(shù)視角。如有學(xué)者關(guān)注到信息化技術(shù)在物流環(huán)節(jié)中主要起協(xié)調(diào)作用［18］，信息化技術(shù)的廣泛應(yīng)用［19］和物流產(chǎn)業(yè)信息化的持續(xù)加深［20］，將為物流全要素生產(chǎn)率和物流高質(zhì)量發(fā)展帶來正向效益［21］。

綜上所述，學(xué)界對數(shù)字物流和物流高質(zhì)量發(fā)展的研究已有一定深度，但多數(shù)是聚焦于兩者各自發(fā)展水平和影響因素而展開的定量分析，或只是通過信息技術(shù)視角闡釋信息化技術(shù)與物流高質(zhì)量發(fā)展的關(guān)系。那么，數(shù)字物流與物流高質(zhì)量發(fā)展的協(xié)調(diào)程度如何？二者協(xié)調(diào)關(guān)系是否存在區(qū)域差異和溢出效應(yīng)？這些問題的答案尚難以尋獲。基于此，本文可能的邊際貢獻(xiàn)如下：一是在對數(shù)字物流和物流高質(zhì)量發(fā)展進(jìn)行綜合測度的基礎(chǔ)上，從耦合協(xié)調(diào)角度對二者相互作用程度進(jìn)行探究，彌補(bǔ)既有研究僅注重兩系統(tǒng)單向影響的不足，拓展數(shù)字物流與物流高質(zhì)量發(fā)展的相互作用機(jī)制，為更好地利用數(shù)字物流促進(jìn)物流高質(zhì)量發(fā)展，進(jìn)而為提升長江經(jīng)濟(jì)帶現(xiàn)代流通競爭力、暢通雙循環(huán)提供有益借鑒；二是從空間視角對二者協(xié)調(diào)發(fā)展的區(qū)域差異和集聚特征進(jìn)行規(guī)律性探索，并進(jìn)一步在考慮區(qū)域交互作用下，著重討論影響二者協(xié)調(diào)發(fā)展的關(guān)鍵動因，以期為推進(jìn)長江經(jīng)濟(jì)帶數(shù)字物流與物流高質(zhì)量協(xié)調(diào)發(fā)展、縮小地區(qū)間差距提供優(yōu)化策略。

二、指標(biāo)體系構(gòu)建與數(shù)據(jù)說明

（一）指標(biāo)體系構(gòu)建

數(shù)字物流的宏觀呈現(xiàn)方式為物流產(chǎn)業(yè)數(shù)字化，而產(chǎn)業(yè)數(shù)字化是應(yīng)用數(shù)字技術(shù)重構(gòu)產(chǎn)業(yè)發(fā)展范式、推動數(shù)字與實體深度融合、實現(xiàn)能力躍遷的動態(tài)過程［22］，即通過數(shù)字技術(shù)賦能傳統(tǒng)產(chǎn)業(yè)轉(zhuǎn)型升級的過程。鑒于此，本文將數(shù)字物流界定為運用互聯(lián)網(wǎng)、數(shù)據(jù)庫、5G和人工智能等數(shù)字技術(shù)賦能全物流節(jié)點，以滿足多變性市場需要的新型物流形態(tài)。

在界定數(shù)字物流內(nèi)涵的基礎(chǔ)上，本文遵循指標(biāo)選擇的科學(xué)性、完整性和可獲得性原則，并借鑒相關(guān)研究成果，從物流投入、物流產(chǎn)出、數(shù)字化程度三個維度，構(gòu)建數(shù)字物流綜合評價指標(biāo)體系。其中，物流投入是提高數(shù)字物流水平的物質(zhì)基礎(chǔ)和必要保障，區(qū)域?qū)ξ锪鳟a(chǎn)業(yè)的投入力度直接影響區(qū)域數(shù)字物流發(fā)展水平，因此，本文從物流建設(shè)程度、人力資源投入兩個層面進(jìn)行評估，相應(yīng)的指標(biāo)包括物流業(yè)固定資產(chǎn)和物流業(yè)從業(yè)人員人數(shù)［23］。物流產(chǎn)出不僅是物流服務(wù)取得的成果，還是物流發(fā)展效果的直觀評價，因此選取貨運量和快遞量反映物流實體性產(chǎn)出規(guī)模［3］，以貨運周轉(zhuǎn)量［8］、物流業(yè)增加值［24］表征物流價值性產(chǎn)出規(guī)模。數(shù)字化程度能夠很好地反映數(shù)字技術(shù)發(fā)展的成熟程度以及數(shù)字化供給的完善程度，對夯實數(shù)字物流核心競爭力起到基礎(chǔ)性作用。參考已有研究，本文采用光纜線路長度表征數(shù)字基礎(chǔ)設(shè)施［25］，采用互聯(lián)網(wǎng)普及率和移動電話普及率反映數(shù)字化滲透程度［26］，并以電子商務(wù)銷售額［27］和電子商務(wù)采購額作為代理變量體現(xiàn)物流業(yè)數(shù)字交易量。具體指標(biāo)見表1所列。

高質(zhì)量發(fā)展是全面建設(shè)社會主義現(xiàn)代化國家的首要任務(wù)［1］，而高質(zhì)量發(fā)展就是體現(xiàn)新發(fā)展理念的發(fā)展［28］。為此，本文著眼于物流高質(zhì)量發(fā)展目標(biāo)，結(jié)合長江經(jīng)濟(jì)帶特征，從創(chuàng)新發(fā)展、協(xié)調(diào)發(fā)展、綠色發(fā)展、開放發(fā)展、共享發(fā)展五個維度，構(gòu)建物流高質(zhì)量發(fā)展綜合評價指標(biāo)體系。其中，創(chuàng)新發(fā)展作為物流高質(zhì)量發(fā)展的動力，是新時代衡量物流高質(zhì)量發(fā)展的重要標(biāo)尺。創(chuàng)新能夠提高長江經(jīng)濟(jì)帶物流效率，進(jìn)而提升物流發(fā)展質(zhì)量。具體指標(biāo)采用地方財政科學(xué)技術(shù)支出占地方財政一般預(yù)算支出比重，反映區(qū)域?qū)?chuàng)新的財政投入能力；以規(guī)模以上工業(yè)企業(yè)Ramp;D人員全時當(dāng)量表征區(qū)域創(chuàng)新人才強(qiáng)度［29］；選取規(guī)模以上工業(yè)企業(yè)專利申請數(shù)作為代理變量，體現(xiàn)區(qū)域創(chuàng)新產(chǎn)出［16］。協(xié)調(diào)發(fā)展是物流高質(zhì)量發(fā)展的內(nèi)生特點，有助于提高物流業(yè)資源利用和資源配置水平，進(jìn)而解決長江經(jīng)濟(jì)帶物流發(fā)展中不平衡不充分的問題。本文選取鐵路貨運量與公路貨運量之比（1）、物流業(yè)增加值占地區(qū)生產(chǎn)總值比重和城鄉(xiāng)投遞路線，從產(chǎn)業(yè)內(nèi)協(xié)調(diào)、產(chǎn)業(yè)間協(xié)調(diào)、城鄉(xiāng)協(xié)調(diào)三個角度，綜合測度協(xié)調(diào)發(fā)展的均衡性和充分性［30］。綠色發(fā)展作為物流高質(zhì)量發(fā)展的普遍形態(tài)，是實現(xiàn)物流可持續(xù)發(fā)展的前提條件，而提高綠色發(fā)展水平關(guān)鍵在于改善環(huán)境和減少污染。本文選取建成區(qū)綠色覆蓋率、森林覆蓋率表征區(qū)域?qū)ι鷳B(tài)環(huán)境進(jìn)行有效保護(hù)［31］，并以物流業(yè)二氧化碳排放量體現(xiàn)物流生產(chǎn)對環(huán)境的友好程度。開放發(fā)展作為物流高質(zhì)量發(fā)展的必由之路，能夠反映長江經(jīng)濟(jì)帶物流產(chǎn)業(yè)對國際市場的貢獻(xiàn)程度，但物流業(yè)要實現(xiàn)高水平對外開放，則需要從供需兩個方面進(jìn)行思考。本文選取經(jīng)營所在地貨物進(jìn)出口貿(mào)易額、外商投資企業(yè)進(jìn)出口總額反映需求擴(kuò)張的拉動效應(yīng)［11］；選取物流業(yè)法人單位數(shù)表征供給增加的推動效應(yīng)。共享發(fā)展作為物流高質(zhì)量發(fā)展的根本目標(biāo)，其主要目的是使更多的物流發(fā)展成果惠及人民，滿足人民生活需要。借鑒王東方和張華榮［32］的研究，選取郵政營業(yè)點、公路里程和人均城市道路面積，反映與物流業(yè)相關(guān)的公共基礎(chǔ)設(shè)施建設(shè)水平；以交通運輸財政支出占地方財政一般預(yù)算支出比重作為替代變量，表征相關(guān)基礎(chǔ)設(shè)施投入。具體指標(biāo)見表2所列。

（二）數(shù)據(jù)說明

鑒于相關(guān)統(tǒng)計年鑒中未單獨對“物流業(yè)”進(jìn)行劃分，故借鑒學(xué)界普遍采用的做法，以交通運輸、倉儲和郵政業(yè)的統(tǒng)計數(shù)據(jù)替代物流業(yè)數(shù)據(jù)。本文相關(guān)原始數(shù)據(jù)均來自2013—2022年《中國統(tǒng)計年鑒》《中國城市統(tǒng)計年鑒》《中國能源統(tǒng)計年鑒》《中國科技統(tǒng)計年鑒》等公開發(fā)布的數(shù)據(jù)。其中，物流業(yè)二氧化碳排放量不能直接獲取，本文選取物流業(yè)消耗量最大的7種能源，并運用IPCC排放因子法進(jìn)行測算，對于個別缺失數(shù)據(jù)采用線性插值法進(jìn)行補(bǔ)充。

三、研究設(shè)計與變量說明

（一）熵值法

選擇合適的指標(biāo)權(quán)重確定方法是科學(xué)測算數(shù)字物流和物流高質(zhì)量發(fā)展水平的前提。一般而言，確定權(quán)重的方法可以分為主觀賦權(quán)法和客觀賦權(quán)法兩大類。主觀賦權(quán)法能夠發(fā)揮各領(lǐng)域?qū)＜业闹R與專長，但賦權(quán)過程較為依賴決策者的偏好，難以保證重復(fù)實驗中結(jié)果的一致性與穩(wěn)定性［33］；客觀賦權(quán)法則根據(jù)各指標(biāo)數(shù)據(jù)之間關(guān)系和指標(biāo)變異程度，按照一定的運算規(guī)則，確定指標(biāo)在整個體系中的權(quán)重大小，能有效規(guī)避主觀隨意性帶來的誤差［34］。與同為客觀賦權(quán)方法的因子分析法、主成分分析法等常見方法相比，熵值法在數(shù)據(jù)處理過程中，信息損耗相對較少，且對樣本特征要求相對較低，能夠較全面真實地反映指標(biāo)屬性在整個評價體系中的重要性。因此，本文采用客觀賦權(quán)法中的熵值法對評價指標(biāo)進(jìn)行賦權(quán)。具體步驟如下：

第一步，數(shù)據(jù)標(biāo)準(zhǔn)化處理。

正向指標(biāo)：

[Zij=[Xij-min（Xij）]/[max（Xij）-min（Xij）]] （1）

負(fù)向指標(biāo)：

[Zij=[max（Xij）-Xij]/[max（Xij）-min（Xij）]] （2）

其中：[Xij（i=1，2，3，…，m; j=1，2，3，…，n）]為指標(biāo)的原始值；[max（Xij）]、[min（Xij）]分別為[i]地區(qū)第[j]指標(biāo)的最大值和最小值；[Zij]為標(biāo)準(zhǔn)化值。

第二步，對各項指標(biāo)進(jìn)行同度量化處理。

[Yij=Zij/∑vi=1][Zij] （3）

其中：[Zij]為標(biāo)準(zhǔn)化處理后的值；[∑vi=1][Zij]為第[j]項指標(biāo)[v]個省份之和；[Yij]為經(jīng)過同度量化處理后的值。

第三步，計算熵值[Eij]。

[Eij=-K Σ[Yij Ln（Yij）]]，[K=1/ln（10 m）] （4）

其中：熵值[Eij]越大，說明指標(biāo)離散程度越小，該指標(biāo)權(quán)重越大；反之，該指標(biāo)權(quán)重越小。

第四步，根據(jù)各指標(biāo)的熵值[Eij]計算差異系數(shù)[Hj]，再進(jìn)一步處理得到權(quán)重[Wij]，最后，通過各指標(biāo)權(quán)重測算出綜合水平[U]。

[Hj=1-Eij] （5）

[Wij=Hj/∑vi=1][Hj] （6）

[U=∑vi=1][Zij×Wij] （7）

（二）耦合協(xié)調(diào)度模型

為科學(xué)評價長江經(jīng)濟(jì)帶數(shù)字物流與物流高質(zhì)量發(fā)展的協(xié)調(diào)狀況，參照趙卉心和孟煜杰［35］的研究，構(gòu)建耦合協(xié)調(diào)度模型。

[C=2U1×U2/（U1+U2）2] （8）

[T=αU1×βU2] （9）

[F=（C×T）] （10）

其中：[C]為耦合值，[C∈[0， 1]]；[F]為耦合協(xié)調(diào)度，[F∈[0， 1]]；[T]為綜合協(xié)調(diào)指數(shù)，[T∈[0， 1]]；[α]和[β]分別為待定系數(shù)，且[α+β=1]，鑒于數(shù)字物流和物流高質(zhì)量發(fā)展在本研究中同等重要，故[α]和[β]均取值0.5。

（三）空間相關(guān)性模型

為探求二者耦合協(xié)調(diào)關(guān)系是否存在空間依賴性，本文采用Moran's [I]指數(shù)進(jìn)行檢驗。其中：[Moran's I]值的區(qū)間為［-1，1］，當(dāng)[Igt;0]時，表現(xiàn)為空間正相關(guān)的集聚現(xiàn)象；[I=0]時，表現(xiàn)為隨機(jī)分布狀態(tài)；[Ilt;0]時，表現(xiàn)為空間負(fù)相關(guān)的差異現(xiàn)象。

[I=n∑ni=1∑nj=1Eij（Ui-U）（Uj-U）∑ni=1∑nj=1Eij×∑ni=1（Ui-U）2] （11）

其中：[n]為評價個數(shù)；[Ui]和[Uj]為[i]和[j]的屬性值；[U]為平均值；[Eij]為空間權(quán)重矩陣。

（四）空間計量模型

為檢驗數(shù)字物流與物流高質(zhì)量發(fā)展耦合協(xié)調(diào)水平的空間溢出效應(yīng)，本文構(gòu)建空間杜賓模型（SDM）如下：

[Dit=β0+ρ∑ni， j=1WijDit+β1Xijt+θ∑ni， j=1WijXijt+μi+σt+εit] （12）

其中：[Dit]為被解釋變量，以二者耦合協(xié)調(diào)度表示；[β0]為常數(shù)項；[ρ]為空間自回歸系數(shù)；[β1]為解釋變量回歸系數(shù)；[Wij]為空間權(quán)重矩陣，本文選取空間相鄰矩陣形式，即兩省份相鄰，則[Wij]為1，否則為0；[Xijt]為解釋變量；[θ]為解釋變量空間滯后回歸系數(shù)；[μi]為個體固定效應(yīng)；[σt]為時間固定效應(yīng)；[εit]為隨機(jī)擾動項。

（五）解釋變量的選取

回顧既有文獻(xiàn)，本文認(rèn)為，選取影響數(shù)字物流與物流高質(zhì)量發(fā)展耦合協(xié)調(diào)的變量，既要考慮數(shù)字物流的影響因素，又要考慮作用于物流高質(zhì)量發(fā)展的變量。為此，本文著重從五個方面進(jìn)行探討。具體變量見表3所列。

（1）數(shù)字金融（Dig）。在微觀企業(yè)視角下，數(shù)字金融能夠通過緩解金融錯配和融資約束［36］，避免物流企業(yè)超前創(chuàng)新活動遭遇“融資難”問題，進(jìn)而推動企業(yè)技術(shù)改革與研發(fā)革新［37］。因此，數(shù)字金融在一定程度上可能會影響二者協(xié)調(diào)發(fā)展。本文以“數(shù)字普惠金融指數(shù)”表征數(shù)字金融。

（2）成本壓力（Cos）。現(xiàn)階段，中國物流業(yè)作為勞動密集型產(chǎn)業(yè)仍是不變的事實，人口紅利依舊是物流低成本高效擴(kuò)張的重要因素［38］。但隨著中國老齡化、少子化問題加劇，物流業(yè)所依托的人口紅利逐漸降低［39］，勞動力成本逐漸成為物流總成本費用的重要組成部分。因此，本文選取“物流業(yè)人均工資額”表征成本壓力。

（3）人口密度（Dpop）。基于城市經(jīng)濟(jì)理論，當(dāng)人口數(shù)量達(dá)到一定程度時，會產(chǎn)生“擁擠效益”，對人口流入地的公共設(shè)施供給形成負(fù)面影響，甚至引發(fā)各類“城市病”，進(jìn)而影響物流暢通。本文選取“每平方公里常住人口總數(shù)”表征人口密度。

（4）綠色治理（Gre）。綠色可持續(xù)發(fā)展作為經(jīng)濟(jì)與環(huán)境協(xié)同共進(jìn)的重要發(fā)展理念［40］，是產(chǎn)業(yè)轉(zhuǎn)型升級的關(guān)注要點。作為開放式的移動排放源，物流產(chǎn)業(yè)要實現(xiàn)高質(zhì)量發(fā)展，就更需要以綠色作為底色。本文選取“生態(tài)建設(shè)與保護(hù)投資額”表征綠色治理。

（5）交通基礎(chǔ)設(shè)施（Ins）。完善的交通基礎(chǔ)設(shè)施是有效降低商品往來成本的重要手段［41］，也是物流業(yè)擴(kuò)大運輸網(wǎng)絡(luò)通達(dá)性、便利性的支撐點。而在物流活動中，運輸成本占比高達(dá)總成本的50%以上，交通基礎(chǔ)設(shè)施的狀況顯然是影響物流發(fā)展的關(guān)鍵。本文選取“鐵路和公路營業(yè)里程之和占國土面積的比重”表征交通基礎(chǔ)設(shè)施。

四、實證分析

（一）數(shù)字物流和物流高質(zhì)量發(fā)展綜合水平分析

本文通過熵值法測算2012—2021年長江經(jīng)濟(jì)帶各省份數(shù)字物流和物流高質(zhì)量發(fā)展綜合水平，并借鑒周楠等［15］的研究，將10年樣本以5年為界，劃分成兩個階段進(jìn)行分析。

如圖1所示，研究期內(nèi)的長江經(jīng)濟(jì)帶數(shù)字物流綜合水平呈現(xiàn)波動上升趨勢，但不同時段數(shù)字物流增長速度不同。2012—2016年第一階段整體的數(shù)字物流綜合水平均值為0.155，階段標(biāo)準(zhǔn)差為0.097，階段均增速為22.00%，其中，僅有上海、江蘇、浙江和安徽的數(shù)字物流發(fā)展水平高于階段均值，可見，流域內(nèi)數(shù)字物流發(fā)展存在明顯的地區(qū)差異；2017—2021年第二階段整體的數(shù)字物流發(fā)展水平均值提升至0.273，同比增長76.13%，原因可能是，“互聯(lián)網(wǎng)+”“國家大數(shù)據(jù)戰(zhàn)略”等重要政策為長江經(jīng)濟(jì)帶數(shù)字技術(shù)發(fā)展奠定了良好基礎(chǔ)，進(jìn)而推動數(shù)字物流快速發(fā)展。此外，高于第二階段均值的有浙江、上海、江蘇、安徽和四川，階段標(biāo)準(zhǔn)差為0.129，較上一時段有所提高，意味著地區(qū)差異呈現(xiàn)略微擴(kuò)張的趨勢。值得注意的是，本階段均增速為11.9%，且中、上游各省份發(fā)展動力明顯高于下游。

如圖2所示，研究期內(nèi)的長江經(jīng)濟(jì)帶物流高質(zhì)量發(fā)展水平不斷提高，但變化幅度較為平緩。具體來看，2012—2016年第一階段的長江經(jīng)濟(jì)帶物流高質(zhì)量發(fā)展水平均值為0.243，階段標(biāo)準(zhǔn)差為0.139，階段均增速為3.25%，只有江蘇、浙江和上海的物流高質(zhì)量發(fā)展水平高于流域階段均值。其中，排名第一的江蘇，綜合水平高達(dá)0.581，較排名末位的貴州高出3.36倍。不難看出，流域內(nèi)各省份物流發(fā)展也存在顯著差異性。2017—2021年第二階段的長江經(jīng)濟(jì)帶物流高質(zhì)量發(fā)展水平均值為0.311，同比增長27.90%，高于階段均值的省份仍是江蘇、浙江和上海，而階段標(biāo)準(zhǔn)差為0.170，表明流域內(nèi)物流高質(zhì)量發(fā)展在省際的差異呈現(xiàn)擴(kuò)大趨勢。此外，本階段增速為7.55%，較2012—2016年有顯著增長。究其原因，可能在于《關(guān)于推動物流高質(zhì)量發(fā)展促進(jìn)形成強(qiáng)大國內(nèi)市場的意見》等文件相繼出臺，一定程度上激發(fā)了長江經(jīng)濟(jì)帶各省份物流高質(zhì)量發(fā)展?jié)摿Α?/p>

此外，從數(shù)字物流和物流高質(zhì)量發(fā)展各自的趨勢看，二者之間存在趨強(qiáng)效應(yīng)，即數(shù)字物流發(fā)展程度越突出，其物流高質(zhì)量發(fā)展水平也越高，初步顯現(xiàn)出數(shù)字物流與物流高質(zhì)量發(fā)展具有一定的協(xié)同關(guān)聯(lián)性。

（二）數(shù)字物流與物流高質(zhì)量發(fā)展耦合協(xié)調(diào)度分析

本文通過耦合協(xié)調(diào)度模型測算2012—2021年長江經(jīng)濟(jì)帶各省份數(shù)字物流與物流高質(zhì)量發(fā)展的耦合協(xié)調(diào)度及區(qū)域均值。進(jìn)一步地，為明確兩系統(tǒng)的耦合協(xié)調(diào)階段，借鑒時朋飛等［42］的研究，對耦合協(xié)調(diào)度進(jìn)行10個等級劃分。具體見表4、表5所列。

表4顯示，2012—2021年長江經(jīng)濟(jì)帶各省份數(shù)字物流與物流高質(zhì)量發(fā)展的相互作用關(guān)系逐年增強(qiáng)，二者之間呈現(xiàn)相互支撐的良性態(tài)勢。具體而言：2012年，協(xié)調(diào)水平最高的江蘇（0.604）處于初級協(xié)調(diào)階段，上海（0.546）和浙江（0.524）處于勉強(qiáng)協(xié)調(diào)階段，其余8個省份介于0.198～0.381，均處于失調(diào)階段；2021年，二者耦合協(xié)調(diào)水平有了質(zhì)的飛躍，其中，江蘇（0.794）、浙江（0.788）、上海（0.696）、安徽（0.578）、四川（0.575）、湖北（0.539）和湖南（0.505）均跨入勉強(qiáng)協(xié)調(diào)及以上階段，其余省份雖依舊表現(xiàn)為失調(diào)類型，但增長速度穩(wěn)中有進(jìn)，有望在未來實現(xiàn)突破，并轉(zhuǎn)向協(xié)調(diào)類型。

為進(jìn)一步展示長江經(jīng)濟(jì)帶整體及上、中、下游地區(qū)耦合協(xié)調(diào)水平的時序演化進(jìn)程，繪制耦合協(xié)調(diào)度分區(qū)域均值圖。如圖3所示，下游地區(qū)耦合協(xié)調(diào)度始終保持“領(lǐng)頭羊”位置，由2012年的勉強(qiáng)協(xié)調(diào)（0.514）上升至2021年的中級協(xié)調(diào)（0.714），上升幅度為38.92%，年均增長率達(dá)3.72%；中游地區(qū)從2012年的輕度失調(diào)（0.327）上升至2021年的勉強(qiáng)協(xié)調(diào)（0.505），上升幅度為54.39%，年均增長率達(dá)4.95%；上游地區(qū)耦合協(xié)調(diào)度最低，但增長速度最快，由2012年的中度失調(diào)（0.276）提升至2021年的瀕臨失調(diào)（0.473），上升幅度為71.54%，年均增長率達(dá)6.22%。伴隨時間的推移，雖然各地區(qū)耦合協(xié)調(diào)水平都實現(xiàn)了不同程度的躍遷，但中、上游地區(qū)始終低于長江經(jīng)濟(jì)帶平均水平。由此可見，耦合協(xié)調(diào)度高值區(qū)對低值區(qū)的輻射作用有限，流域內(nèi)耦合協(xié)調(diào)度最好與最次區(qū)域呈現(xiàn)“固化”特征。

為體現(xiàn)流域內(nèi)耦合協(xié)調(diào)度的空間演化特征，本文進(jìn)一步借助ArcGIS10.8軟件進(jìn)行可視化呈現(xiàn)，如圖4所示。

縱觀2012年和2021年兩個時間截面，處于失調(diào)類型的省份大部分位于上游地區(qū)，中游地區(qū)僅江西省仍處于瀕臨失調(diào)階段，下游地區(qū)均達(dá)到初級協(xié)調(diào)及以上水平。顯然，流域內(nèi)耦合協(xié)調(diào)度呈現(xiàn)“下游較高、中游次之，上游相對滯后”的不均衡空間格局。

（三）數(shù)字物流與物流高質(zhì)量發(fā)展耦合協(xié)調(diào)度的空間相關(guān)性分析

為判斷數(shù)字物流與物流高質(zhì)量發(fā)展在空間上是否存在策略互動，本文運用STATAMP17軟件，基于空間相鄰權(quán)重矩陣，測算2012—2021年長江經(jīng)濟(jì)帶各省份數(shù)字物流與物流高質(zhì)量發(fā)展耦合協(xié)調(diào)度的全局[Moran's I]指數(shù)。具體見表6所列。

由表6可見，研究期內(nèi)耦合協(xié)調(diào)度的全局Moran's [I]指數(shù)為正值，且均通過1％水平的顯著性檢驗，表明流域內(nèi)數(shù)字物流與物流高質(zhì)量發(fā)展的耦合協(xié)調(diào)度在空間分布上存在空間正相關(guān)性，即存在高值區(qū)與高值區(qū)集聚、低值區(qū)與低值區(qū)集聚的情況。從數(shù)值來看，2012—2021年的全局Moran's [I]指數(shù)在0.503～0.587區(qū)間波動且差值為0.084。其中，2012—2014年全局Moran's [I]值不斷下降，這意味著流域內(nèi)的空間集聚效應(yīng)逐漸變?nèi)酰?014—2015年全局Moran's [I]值出現(xiàn)上漲但未超過峰值；2015—2019年全局Moran's [I]指數(shù)又呈現(xiàn)顯著下降，說明空間集聚趨勢繼續(xù)減弱，各省份的耦合協(xié)調(diào)度差異有所緩解；2019—2021年全局Moran's [I]指數(shù)又繼續(xù)呈現(xiàn)上升趨勢。總的來說，研究期內(nèi)的“高-高”和“低-低”集聚特征呈“波浪式”演進(jìn)，側(cè)面反映了長江經(jīng)濟(jì)帶數(shù)字物流與物流高質(zhì)量協(xié)調(diào)發(fā)展關(guān)系的省際差異仍未出現(xiàn)明顯緩和跡象。為此，有必要進(jìn)一步探究耦合協(xié)調(diào)度的影響因素。

（四）數(shù)字物流與物流高質(zhì)量發(fā)展耦合協(xié)調(diào)度的影響因素分析

前文分析表明，長江經(jīng)濟(jì)帶數(shù)字物流與物流高質(zhì)量發(fā)展耦合協(xié)調(diào)度具有顯著的空間相關(guān)性，故應(yīng)使用考慮空間因素的空間計量模型。在實證檢驗前，本文利用如下檢驗確定最優(yōu)模型。第一步，利用LM檢驗考察模型是否存在空間效應(yīng)，得到LM-error、Robust LM-error、LM-lag和Robust LM-lag均在至少5％的水平下通過顯著性檢驗，說明模型估計的殘差具有空間相關(guān)性；第二步，采用固定效應(yīng)模型進(jìn)行Hausman檢驗，結(jié)果顯示其P值在1％顯著性水平下拒絕原假設(shè)，說明選取固定效應(yīng)模型較為合適；第三步，進(jìn)行LR檢驗以判斷模型是否可退化為空間自回歸模型（SAR）或空間誤差模型（SEM），結(jié)果得到LR-sar、LR-sem均在1％的水平下顯著，表明空間杜賓模型（SDM）不可退化為空間自回歸模型（SAR）或空間誤差模型（SEM）；第四步，分別使用時間固定效應(yīng)、空間固定效應(yīng)和時空雙固定效應(yīng)的空間杜賓模型（SDM）進(jìn)行回歸。此外，從[R2]值看，空間固定效應(yīng)的SDM模型[R2]值最大，為0.669，表明該模型的擬合度最好。因此，本文使用空間固定效應(yīng)的SDM模型進(jìn)行分析。具體結(jié)果見表7、表8所列。

由表8可知，數(shù)字金融（Dig）對數(shù)字物流與物流高質(zhì)量發(fā)展的耦合協(xié)調(diào)度具有正向影響，回歸系數(shù)為0.447，并在1％的置信水平下顯著，這意味著數(shù)字金融水平越高，越有利于二者協(xié)調(diào)發(fā)展。可能是因為數(shù)字金融具有低成本、便利性等特征。一方面，資金的有效供給能夠促進(jìn)物流產(chǎn)業(yè)結(jié)構(gòu)升級和數(shù)字化轉(zhuǎn)型；另一方面，數(shù)字金融能夠拓寬物流企業(yè)融資渠道，使物流企業(yè)在超前創(chuàng)新時避免“融資難”問題，進(jìn)而增強(qiáng)物流產(chǎn)業(yè)創(chuàng)新能力。成本壓力（Cos）的回歸系數(shù)為-0.177，在10％的置信水平下顯著，表明成本壓力對二者耦合協(xié)調(diào)發(fā)展具有阻滯作用。成本壓力加大會迫使物流企業(yè)將大量資本用于成本支出，從而降低物流配套化設(shè)施、數(shù)字化設(shè)備等投入，進(jìn)而影響物流業(yè)發(fā)展。人口密度（Dpop）對二者協(xié)調(diào)發(fā)展具有負(fù)向影響且在1％的置信水平下顯著。表明人口密度越大，反而越不利于數(shù)字物流與物流高質(zhì)量協(xié)調(diào)發(fā)展。一方面，在推進(jìn)數(shù)字物流和物流業(yè)高質(zhì)量發(fā)展的過程中，市場對勞動力的需求逐漸由“量”轉(zhuǎn)向“質(zhì)”，而“量”的提升并不能滿足現(xiàn)階段物流產(chǎn)業(yè)發(fā)展的需要，反而會因為惡性競爭影響二者協(xié)調(diào)發(fā)展；另一方面，人口數(shù)量的不斷增加可能會引起城市資源短缺、交通擁擠等一系列問題，從而使得物流活動無法暢通、效益受損，可能導(dǎo)致物流資本投入減少，影響二者耦合協(xié)調(diào)。綠色治理（Gre）的回歸系數(shù)為0.013，但作用效果尚不顯著。交通基礎(chǔ)設(shè)施（Ins）的回歸系數(shù)為0.121，在5％的置信水平下顯著，這意味著交通基礎(chǔ)設(shè)施建設(shè)有利于耦合協(xié)調(diào)度提高。交通基礎(chǔ)設(shè)施的完善不僅縮短了時空距離，提高了物流運輸環(huán)節(jié)的便利性和通達(dá)性，還降低了物流產(chǎn)業(yè)運輸成本，從而使得物流業(yè)“有賺頭”，吸引各經(jīng)濟(jì)利益主體投資該產(chǎn)業(yè)，進(jìn)而影響二者耦合協(xié)調(diào)發(fā)展。

在空間杜賓模型（SDM）中，總效應(yīng)可分解為直接效應(yīng)和間接效應(yīng)，即某個地區(qū)的解釋變量不僅能夠影響本地區(qū)的被解釋變量，還能影響鄰近地區(qū)的被解釋變量。為了清晰地刻畫各影響因素溢出效應(yīng)的強(qiáng)弱和方向，本文采用偏微分方程的方法繼續(xù)探究各影響因素的直接效應(yīng)和間接效應(yīng)，具體見表9所列。

表9顯示，數(shù)字金融（Dig）對二者耦合協(xié)調(diào)度的直接效應(yīng)和間接效應(yīng)分別為0.436和-0.339，均在1%水平下顯著，這意味著數(shù)字金融發(fā)展每上升1%，就會促進(jìn)本地區(qū)耦合協(xié)調(diào)度增加0.436%，但對鄰近地區(qū)的耦合協(xié)調(diào)度則會產(chǎn)生抑制作用。可能的原因是，數(shù)字金融具有虹吸效應(yīng)，并且會產(chǎn)生本地市場效益，即在不完全競爭市場條件下，數(shù)字金融通過優(yōu)化本地資源配置，進(jìn)而強(qiáng)化經(jīng)濟(jì)活動在本地區(qū)集聚，阻礙關(guān)聯(lián)地區(qū)的發(fā)展。成本壓力（Cos）對數(shù)字物流與物流高質(zhì)量協(xié)調(diào)發(fā)展的直接效應(yīng)為

-0.163、間接效應(yīng)為0.434，分別通過10%和1%的顯著性檢驗，說明成本壓力每提高1%，會導(dǎo)致本地區(qū)耦合協(xié)調(diào)度下降0.163%，效應(yīng)方向與前文一致，但會“逆向促進(jìn)”鄰近地區(qū)的耦合協(xié)調(diào)度增加0.434%。形成這種現(xiàn)象是由于成本上漲會導(dǎo)致物流行業(yè)營商環(huán)境不佳，部分本地區(qū)物流企業(yè)甚至出現(xiàn)虧損、退出。為了追逐原有的或更大的利潤空間，企業(yè)會向成本較低的地區(qū)轉(zhuǎn)移，從而提高周邊地區(qū)耦合協(xié)調(diào)度。人口密度（Dpop）對數(shù)字物流與物流高質(zhì)量協(xié)調(diào)發(fā)展的直接效應(yīng)、間接效應(yīng)分別為-0.092和-0.199，均在1%的水平下顯著，表明人口密度增長均會對本地區(qū)和鄰近地區(qū)的耦合協(xié)調(diào)發(fā)展產(chǎn)生抑制作用。綠色治理（Gre）對二者協(xié)調(diào)發(fā)展的直接效應(yīng)和間接效應(yīng)均為正值，但直接效益并未通過顯著性檢驗。交通基礎(chǔ)設(shè)施（Ins）對耦合協(xié)調(diào)度的直接效應(yīng)和間接效應(yīng)分別為0.135和0.279，分別通過5%、10%的顯著性檢驗，再次印證了交通基礎(chǔ)設(shè)施對二者耦合協(xié)調(diào)度具有拉動作用。隨著交通基礎(chǔ)設(shè)施不斷完善，流域內(nèi)不同地區(qū)得以連接成一個完整的運輸網(wǎng)絡(luò)，進(jìn)而降低物流成本、促進(jìn)物流效率并在一定程度上可能為物流產(chǎn)業(yè)帶來資金投入。因此，交通基礎(chǔ)設(shè)施的完善能夠提高本地或鄰近地區(qū)的耦合協(xié)調(diào)度。

五、研究結(jié)論與政策建議

（一）研究結(jié)論

本文通過構(gòu)建數(shù)字物流和物流高質(zhì)量發(fā)展評價指標(biāo)體系，運用熵值法測算2012—2021年長江經(jīng)濟(jì)帶11個省份的數(shù)字物流和物流高質(zhì)量發(fā)展水平，并利用相關(guān)模型對長江經(jīng)濟(jì)帶數(shù)字物流與物流高質(zhì)量協(xié)調(diào)發(fā)展關(guān)系及空間溢出效應(yīng)進(jìn)行系統(tǒng)探討，研究結(jié)論如下：

第一，長江經(jīng)濟(jì)帶數(shù)字物流發(fā)展水平呈增長趨勢。2017—2021年，時段均值較2012—2016年增長76.13%，且時段標(biāo)準(zhǔn)差也出現(xiàn)相應(yīng)上升，這意味著各省份數(shù)字物流發(fā)展差異顯現(xiàn)略微擴(kuò)張跡象。與此同時，流域內(nèi)物流高質(zhì)量發(fā)展水平不斷提升，且階段均增速由3.25%提升至7.5%，但始終僅有江蘇、浙江、上海高于階段均值。而階段標(biāo)準(zhǔn)差由0.139上升至0.170，進(jìn)一步表明物流高質(zhì)量發(fā)展在區(qū)域間的差異呈擴(kuò)大趨勢。

第二，長江經(jīng)濟(jì)帶數(shù)字物流與物流高質(zhì)量發(fā)展協(xié)調(diào)程度逐年增強(qiáng)，各省份均實現(xiàn)不同程度的躍遷。從區(qū)域板塊看，下游地區(qū)耦合協(xié)調(diào)水平始終高于中、上游地區(qū)，且明顯高于流域內(nèi)平均水平。同時，高耦合協(xié)調(diào)值區(qū)域?qū)Φ椭祬^(qū)輻射作用有限，流域內(nèi)耦合協(xié)調(diào)度最好與最次區(qū)域具有“固化”特征，并且呈現(xiàn)“下游較高、中游次之，上游相對滯后”的空間分異格局。

第三，長江經(jīng)濟(jì)帶耦合協(xié)調(diào)度存在顯著空間正相關(guān)性。伴隨時間的推移，全局Moran's I指數(shù)呈“波浪式”演進(jìn)，但空間集聚效應(yīng)并未減弱，這意味著省際層面耦合協(xié)調(diào)度差異仍未出現(xiàn)緩和現(xiàn)象。

第四，數(shù)字金融、成本壓力、人口密度、綠色生態(tài)和交通基礎(chǔ)設(shè)施等因素會對耦合協(xié)調(diào)度形成不同的影響。具體表現(xiàn)為：數(shù)字金融和交通基礎(chǔ)設(shè)施顯著提高本地區(qū)耦合協(xié)調(diào)度，而成本壓力和人口密度會給本地區(qū)耦合協(xié)調(diào)度帶來消極影響；成本壓力、綠色治理和交通基礎(chǔ)設(shè)施能夠促進(jìn)鄰近地區(qū)耦合協(xié)調(diào)度提升，而數(shù)字金融和人口密度會抑制鄰近地區(qū)耦合協(xié)調(diào)度。

（二）政策建議

第一，立足于長江流域空間分布廣、物流基礎(chǔ)環(huán)境差異大的實際，以數(shù)字物流建設(shè)為抓手，做好流域物流高質(zhì)量發(fā)展頂層設(shè)計。一方面，要做好“識別”，但不僅僅是密集頒布一系列相關(guān)政策文件；另一方面，要做好“賦能”，但并非簡單嵌入5G、物聯(lián)網(wǎng)為代表的前沿數(shù)字技術(shù)。政府應(yīng)準(zhǔn)確把握上、中、下游地區(qū)物流發(fā)展現(xiàn)狀，因時、因地精準(zhǔn)制定不同地區(qū)的物流高質(zhì)量發(fā)展策略。具體而言：上游地區(qū)數(shù)字物流發(fā)展起步較晚，應(yīng)著力加強(qiáng)數(shù)字物流基礎(chǔ)設(shè)施建設(shè)，推動5G基站、物流園區(qū)信息平臺等項目落地，盡快彌補(bǔ)數(shù)字物流基礎(chǔ)設(shè)施薄弱環(huán)節(jié)，縮小與中、下游地區(qū)的差距；中游地區(qū)應(yīng)重視其銜接上、下游地區(qū)的空間優(yōu)勢，著力構(gòu)建跨省物流服務(wù)協(xié)調(diào)機(jī)制，整合跨區(qū)域數(shù)字物流基礎(chǔ)設(shè)施資源，實現(xiàn)區(qū)域間數(shù)字物流聯(lián)動發(fā)展；下游地區(qū)應(yīng)充分利用其物流發(fā)展優(yōu)勢，進(jìn)一步完善物流科技創(chuàng)新體系，聚焦關(guān)鍵數(shù)字物流核心技術(shù)突破，以發(fā)揮創(chuàng)新型物流地區(qū)的“頭雁效應(yīng)”。

第二，著力推動傳統(tǒng)物流基礎(chǔ)設(shè)施數(shù)字化改造，加快新型物流基礎(chǔ)設(shè)施建設(shè)，夯實長江經(jīng)濟(jì)帶物流高質(zhì)量發(fā)展的支撐條件。現(xiàn)階段，物流基礎(chǔ)設(shè)施陳舊是制約物流高質(zhì)量發(fā)展的短板。一方面，通過“新技術(shù)+舊基建”的方式，推進(jìn)新興技術(shù)與“舊基建”深度融合，完善長江經(jīng)濟(jì)帶物流基礎(chǔ)設(shè)施。深入推動5G、車聯(lián)網(wǎng)、GIS、GPS、物聯(lián)網(wǎng)等新一代信息技術(shù)在物流園區(qū)、倉儲物流配送中心等基礎(chǔ)設(shè)施的應(yīng)用，實現(xiàn)物流各環(huán)節(jié)場景化、智能化和定制化革新與升級。另一方面，聚焦新一代設(shè)施設(shè)備的深度應(yīng)用，建設(shè)新型物流基礎(chǔ)設(shè)施，如推廣數(shù)字終端、無人機(jī)、AGV、RFID等新一代設(shè)施產(chǎn)品在更多物流細(xì)分領(lǐng)域應(yīng)用，建成無人倉庫、智慧港口、智慧物流樞紐、智能物流園區(qū)和智能倉儲基地等新型物流基礎(chǔ)設(shè)施。

第三，發(fā)揮長江“黃金水道”天然優(yōu)勢，提升長江經(jīng)濟(jì)帶“江-陸-空-海”物流互聯(lián)互通發(fā)展水平。實證顯示，交通基礎(chǔ)設(shè)施能夠有力促進(jìn)數(shù)字物流與物流高質(zhì)量協(xié)調(diào)發(fā)展。長江經(jīng)濟(jì)帶應(yīng)充分利用其航道運輸便利條件，發(fā)揮“黃金水道”作用。一方面，拓寬流域內(nèi)水路運輸縱深，積極聯(lián)動支、干線港口樞紐，如圍繞上海港、連云港、南京港、武漢港和重慶港等大型港口建立“橋頭堡”組織樞紐，強(qiáng)化鄰近地區(qū)中小型港口分工協(xié)作，形成“多核心-邊緣”互動模式，實現(xiàn)水源線互聯(lián)互通；另一方面，加快構(gòu)建與流域內(nèi)港口樞紐相銜接的公路、鐵路、航空等交通運輸網(wǎng)絡(luò)，強(qiáng)化公-海、鐵-海、空-海等不同物流樞紐間的聯(lián)運方式，充分發(fā)揮長江經(jīng)濟(jì)帶內(nèi)陸港口以點帶線、以線帶面的牽引能力，全力打造互聯(lián)互通的交通運輸網(wǎng)絡(luò)。

第四，加大數(shù)字人才、數(shù)字金融等配套要素支持力度，為長江經(jīng)濟(jì)帶物流高質(zhì)量發(fā)展提供持久動力。政府可以作為牽頭單位，積極引導(dǎo)高校和企業(yè)打破培育邊界，著力開展以提高物流從業(yè)人員整體素質(zhì)為突破口的教育改革，促進(jìn)物流從業(yè)人員提升能力，滿足物流高質(zhì)量發(fā)展對勞動力由“量”向“質(zhì)”轉(zhuǎn)變的要求。同時，進(jìn)一步完善地方數(shù)字金融服務(wù)體系，打破金融要素流動壁壘，拓寬溝通渠道，進(jìn)而充分發(fā)揮數(shù)字金融應(yīng)用作用。

注 釋：

（1）2018年，國務(wù)院印發(fā)的《打贏藍(lán)天保衛(wèi)戰(zhàn)三年行動計劃》提出，優(yōu)化調(diào)整貨物運輸結(jié)構(gòu)，大幅提升鐵路貨運比例。本文簡稱“公轉(zhuǎn)鐵”。

參考文獻(xiàn)：

［1］習(xí)近平.高舉中國特色社會主義偉大旗幟 為全面建設(shè)社會主義現(xiàn)代化國家而團(tuán)結(jié)奮斗［N］.人民日報，2022-10-26（1）.

［2］謝泗薪，孫敏，秦皓.綠色物流引領(lǐng)長江經(jīng)濟(jì)帶高質(zhì)量發(fā)展的時空差異及引領(lǐng)戰(zhàn)略構(gòu)建——基于韌性經(jīng)濟(jì)視角［J］.中國流通經(jīng)濟(jì)，2022，36（9）：17-31.

［3］李曉梅，崔靚.數(shù)字物流、區(qū)域經(jīng)濟(jì)與碳環(huán)境治理耦合及影響因素——基于我國30個省級面板數(shù)據(jù)的實證檢驗［J］.中國流通經(jīng)濟(jì)，2022，36（2）：11-22.

［4］SRIVASTAVA B. Radio Frequency ID Technology：The Next Revolution in SCM［J］.Business Horizons，2004，47（6）：60-68.

［5］MCFARLANE D，GIANNIKAS V，LU W. Intelligent Logistics：Involving the Customer［J］.Computers in Industry，2016，81：105-115.

［6］呂廣超，關(guān)忠良.數(shù)字物流體系結(jié)構(gòu)研究［J］.數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2003（8）：95-97.

［7］張則強(qiáng)，程文明，鐘斌，等.數(shù)字物流與可持續(xù)發(fā)展［J］.科技管理研究，2007（4）：47-49.

［8］崔靚，李曉梅，姚若羲.數(shù)字物流、生態(tài)環(huán)境治理與區(qū)域經(jīng)濟(jì)增長的耦合協(xié)調(diào)度分析［J］.統(tǒng)計與決策，2023，39（1）：29-33.

［9］羅瑞，王琴梅.數(shù)字物流高質(zhì)量發(fā)展水平區(qū)域差異及空間收斂性研究［J］.統(tǒng)計與決策，2022，38（17）：109-113.

［10］曹允春，李彤，林浩楠.我國區(qū)域物流業(yè)高質(zhì)量發(fā)展實現(xiàn)路徑——基于中國31個省市區(qū)的實證分析［J］.商業(yè)研究，2020（12）：66-74.

［11］羅瑞，王琴梅.中國城市數(shù)字經(jīng)濟(jì)對物流業(yè)高質(zhì)量發(fā)展的影響［J］.城市問題，2022，（6）：35-46.

［12］肖建輝.物流高質(zhì)量發(fā)展研究述評與展望［J］.中國流通經(jīng)濟(jì)，2020，34（8）：14-26.

［13］翟仁祥，陳勁滔.中國沿海地區(qū)物流經(jīng)濟(jì)高質(zhì)量發(fā)展研究［J］.華東經(jīng)濟(jì)管理，2023，37（6）：79-89.

［14］唐哲，魏修建，陳恒.黃河流域物流業(yè)高質(zhì)量發(fā)展水平的時空演變特征［J］.統(tǒng)計與決策，2022，38（22）：96-101.

［15］周楠，陳久梅，但斌，等.高質(zhì)量發(fā)展下區(qū)域物流與區(qū)域經(jīng)濟(jì)時空耦合及影響因素——以長江經(jīng)濟(jì)帶為例［J］.軟科學(xué)，2022，36（10）：84-92.

［16］王東，陳勝利.中國物流業(yè)高質(zhì)量發(fā)展的空間差異及分布動態(tài)演進(jìn)［J］.統(tǒng)計與決策，2022，38（9）：57-62.

［17］李娟，王琴梅.基于效率視角的河南省物流業(yè)發(fā)展質(zhì)量研究［J］.管理學(xué)刊，2019，32（2）：25-35.

［18］JAYARAM J，TAN K.Supply Chain Integration with Third-party Logistics Providers［J］.International Journal of Production Economics，2010，125（2）：262-271.

［19］何黎明.2017年我國物流業(yè)發(fā)展回顧與展望［J］.中國流通經(jīng)濟(jì)，2018，32（2）：3-7.

［20］何玉華，俞立平.基于面板數(shù)據(jù)變系數(shù)模型的信息化與物流關(guān)系研究［J］.情報雜志，2012，31（4）：107-111.

［21］曾倩琳.信息化發(fā)展對物流業(yè)生產(chǎn)率的空間溢出效應(yīng)［J］.中國流通經(jīng)濟(jì)，2016，30（9）：38-48.

［22］嚴(yán)子淳，李欣，王偉楠.數(shù)字化轉(zhuǎn)型研究：演化和未來展望［J］.科研管理，2021，42（4）：21-34.

［23］蘇永偉，劉澤鑫.物流效率、技術(shù)創(chuàng)新與現(xiàn)代服務(wù)業(yè)發(fā)展的門檻效應(yīng)研究——來自省級面板數(shù)據(jù)的分析［J］.宏觀經(jīng)濟(jì)研究，2022（7）：149-162.

［24］周泰.低碳視角下區(qū)域物流與生態(tài)環(huán)境協(xié)調(diào)發(fā)展研究［J］.統(tǒng)計與信息論壇，2021，36（6）：62-72.

［25］岳宇君，馬藝璇.數(shù)字化發(fā)展對環(huán)境治理效率的影響及其內(nèi)在機(jī)理——兼論制度環(huán)境的調(diào)節(jié)效應(yīng)［J］.華東經(jīng)濟(jì)管理，2023，37（9）：68-76.

［26］范合君，吳婷.中國數(shù)字化程度測度與指標(biāo)體系構(gòu)建［J］.首都經(jīng)濟(jì)貿(mào)易大學(xué)學(xué)報，2020，22（4）：3-12.

［27］楊文溥.中國產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型測度及區(qū)域收斂性研究［J］.經(jīng)濟(jì)體制改革，2022（1）：111-118.

［28］劉鶴.必須實現(xiàn)高質(zhì)量發(fā)展［N］.人民日報，2021-11-24（6）.

［29］李詩音，蘇欣怡，符安平.長江中游城市群經(jīng)濟(jì)韌性對高質(zhì)量發(fā)展的影響［J］.經(jīng)濟(jì)地理，2022，42（10）：19-24.

［30］王琴梅，羅瑞.物流業(yè)高質(zhì)量發(fā)展對區(qū)域全要素生產(chǎn)率的影響研究——來自中國264個城市的證據(jù)［J］.軟科學(xué)，2023，37（1）：58-68.

［31］楊傳明，姚楠，宋青，等.長三角城市群高質(zhì)量發(fā)展水平測度及時空差異分析［J］.華東經(jīng)濟(jì)管理，2022，36（6）：30-38.

［32］王東方，張華榮.我國城市物流高質(zhì)量發(fā)展失配度分析［J］.中國流通經(jīng)濟(jì)，2022，36（9）：32-46.

［33］郭蕓，范柏乃，龍劍.我國區(qū)域高質(zhì)量發(fā)展的實際測度與時空演變特征研究［J］.數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2020，37（10）：118-132.

［34］王軍，朱杰，羅茜.中國數(shù)字經(jīng)濟(jì)發(fā)展水平及演變測度［J］.數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2021，38（7）：26-42.

［35］趙卉心，孟煜杰.中國城市數(shù)字經(jīng)濟(jì)與綠色技術(shù)創(chuàng)新耦合協(xié)調(diào)測度與評價［J］.中國軟科學(xué)，2022（9）：97-107.

［36］張佳佳.數(shù)字金融、技術(shù)創(chuàng)新與企業(yè)競爭力——來自中國A股上市企業(yè)的實證證據(jù)［J］.南方金融，2023（1）：23-36.

［37］侯層，李北偉.金融科技是否提高了全要素生產(chǎn)率——來自北京大學(xué)數(shù)字普惠金融指數(shù)的經(jīng)驗證據(jù)［J］.財經(jīng)科學(xué)，2020（12）：1-12.

［38］孫磊，張樹山，郭坤.中國物流產(chǎn)業(yè)智慧化水平測度及影響因素［J］.中國流通經(jīng)濟(jì)，2021，35（10）：30-38.

［39］何黎明.我國物流業(yè)2022年發(fā)展回顧與2023年展望［J］.中國流通經(jīng)濟(jì)，2023，37（2）：3-7.

［40］孔芳霞，劉新智，周韓梅，等.新型基礎(chǔ)設(shè)施建設(shè)與城市綠色發(fā)展耦合協(xié)調(diào)的時空演變特征與影響因素［J］.經(jīng)濟(jì)地理，2022，42（9）：22-32.

［41］文雁兵，張夢婷，俞峰.中國交通基礎(chǔ)設(shè)施的資源再配置效應(yīng)［J］.經(jīng)濟(jì)研究，2022，57（1）：155-171.

［42］時朋飛，李星明，熊元斌.區(qū)域美麗中國建設(shè)與旅游業(yè)發(fā)展耦合關(guān)聯(lián)性測度及前景預(yù)測——以長江經(jīng)濟(jì)帶11省市為例［J］.中國軟科學(xué)，2018（2）：86-102.

［責(zé)任編輯：陳建華］