[摘 要：文章選用2008—2022年長(zhǎng)三角城市群26個(gè)城市物流業(yè)面板數(shù)據(jù)，使用DEA-Malmquist模型測(cè)度各城市物流業(yè)效率，分析其時(shí)空演化機(jī)制，并通過空間計(jì)量模型探究物流業(yè)效率的影響因素和空間溢出效應(yīng)。研究結(jié)果表明：樣本期內(nèi)物流業(yè)效率總體呈波動(dòng)上升趨勢(shì)，空間自相關(guān)性日益顯著；經(jīng)濟(jì)密度、零售貿(mào)易業(yè)發(fā)展對(duì)物流業(yè)效率具有顯著提升作用，對(duì)物流產(chǎn)業(yè)集聚程度則呈制約作用；溢出效應(yīng)方面，物流業(yè)效率具有顯著正向空間溢出效應(yīng)，工業(yè)化進(jìn)程和政府干預(yù)也能正向帶動(dòng)相鄰地區(qū)物流業(yè)效率提升。研究結(jié)論可為長(zhǎng)三角城市群及其他地區(qū)物流業(yè)高質(zhì)量發(fā)展提供一定理論依據(jù)和政策參考。

關(guān)鍵詞：長(zhǎng)江三角洲；城市群；物流業(yè)效率；空間自相關(guān)分析；空間溢出效應(yīng)

中圖分類號(hào)：F259.27 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-5097（2024）09-0052-09 ]

Spatial-Temporal Evolution and Influencing Factors of Logistics Efficiency in the Urban

Agglomeration of the Yangtze River Delta

YE Chong， FENG Hao

（School of Economics and Management， Fuzhou University， Fuzhou 350108， China）

Abstract：This essay selects panel data on the logistics from 26 cities in the Yangtze River Delta urban agglomeration from 2008 to 2022. Utilizing the DEA-Malmquist model， it measures the efficiency logistics in each city， analyzes its spatial-temporal evolution mechanism， and explores the determinants and spatial spillover effects of logistics efficiency through a spatial econometric model. Research findings： During the sample period， the overall logistics efficiency showed a fluctuating upward trend， with spatial autocorrelation becoming increasingly significant. Economic density and the development of the retail trade had a significant positive impact on the efficiency of the logistics， while they constrained the degree of logistics agglomeration. In terms of spillover effects， the logistics efficiency had a significant positive spatial spillover effect. The industrialization process and the extent of government intervention could also positively drive the efficient development of the logistics in neighboring regions. The research conclusions can provide a certain theoretical basis and policy reference for the high-quality development of the logistics in the Yangtze River Delta urban agglomeration and other regions.

Key words：Yangtze River Delta; urban agglomeration; logistics efficiency; spatial autocorrelation analysis; spatial spillover effect

一、引 言

《中國(guó)物流發(fā)展報(bào)告（2022—2023）》顯示，2022年全國(guó)社會(huì)物流總支出為17.8萬億元，占GDP的14.7%，比上年同期上升0.1%［1］。物流業(yè)作為“第三利潤(rùn)源”的主要源泉，已成為支撐一二產(chǎn)業(yè)的戰(zhàn)略性新興服務(wù)產(chǎn)業(yè)。物流業(yè)運(yùn)轉(zhuǎn)效率的提升對(duì)于促進(jìn)中國(guó)產(chǎn)業(yè)結(jié)構(gòu)調(diào)整和經(jīng)濟(jì)高質(zhì)量發(fā)展都具有十分重要的作用。然而，美國(guó)物流費(fèi)用僅占總GDP的7.2%，全球平均比重也僅為11.7%。與之相比，我國(guó)物流費(fèi)用支出占比仍然較高，這說明目前我國(guó)物流業(yè)仍然存在不少短板。

2016年，國(guó)務(wù)院制定《長(zhǎng)江三角洲城市群發(fā)展規(guī)劃》，指出長(zhǎng)江三角洲（以下簡(jiǎn)稱長(zhǎng)三角）城市群位于“一帶一路”沿線和長(zhǎng)江經(jīng)濟(jì)帶下游，占據(jù)優(yōu)越的地理位置。2021年，長(zhǎng)三角城市群GDP產(chǎn)出占全國(guó)總量的24.1%，顯著高于其他城市群，是中國(guó)經(jīng)濟(jì)最為活躍的地區(qū)。然而，受自然條件、社會(huì)經(jīng)濟(jì)因素和交通基礎(chǔ)設(shè)施布局等方面的影響，該區(qū)域物流業(yè)發(fā)展并不均衡［2］，并呈現(xiàn)明顯的空間分布特征［3］。為進(jìn)一步優(yōu)化長(zhǎng)三角城市群物流網(wǎng)絡(luò)布局，促進(jìn)物流業(yè)均衡發(fā)展，提高物流業(yè)效率，進(jìn)而推動(dòng)地區(qū)經(jīng)濟(jì)高質(zhì)量發(fā)展，對(duì)該區(qū)域物流業(yè)效率的空間分布特征及其影響因素進(jìn)行研究具有重要的現(xiàn)實(shí)意義。

學(xué)界多采用數(shù)據(jù)包絡(luò)分析法（DEA）［4-8］、索洛殘值法［9］、隨機(jī)前沿函數(shù)法（SFA）［10-11］，從國(guó)家、省際、城市群等層面對(duì)物流業(yè)效率進(jìn)行實(shí)證分析。索洛殘值法及隨機(jī)前沿函數(shù)法由于其參數(shù)化特點(diǎn)，通常適用于單輸出情況，需要確定生產(chǎn)前端的具體函數(shù)形式，其對(duì)函數(shù)形式的準(zhǔn)確性也有較高要求［12］。數(shù)據(jù)包絡(luò)分析法作為一種非參數(shù)方法，會(huì)考慮決策單元（Decision-making units，DMUs）的內(nèi)部結(jié)構(gòu)和中間環(huán)節(jié)，從而更全面地評(píng)價(jià)DMUs的效率和績(jī)效，適合用各種輸入和輸出指標(biāo)衡量多個(gè)決策單元的相對(duì)效率［13］。Deng等將主成分分析法與數(shù)據(jù)包絡(luò)分析法相結(jié)合，構(gòu)建DEA-PCA模型，解決了DEA模型指標(biāo)選取困難的問題［14］。然而，DEA模型只能運(yùn)用于截面數(shù)據(jù)，無法從時(shí)間層面觀察物流業(yè)效率的變化。為了更準(zhǔn)確評(píng)價(jià)DMUs的時(shí)間變化趨勢(shì)并探究其原因，有學(xué)者將DEA與Malmquist指數(shù)模型結(jié)合，來測(cè)算物流業(yè)的動(dòng)態(tài)效率［15］。

在對(duì)物流業(yè)效率影響因素的研究中，已有研究多從物流活動(dòng)的投入、產(chǎn)出條件及外界經(jīng)濟(jì)、政策環(huán)境對(duì)物流業(yè)效率增長(zhǎng)的相關(guān)性方面展開。Schoyen等通過實(shí)證研究發(fā)現(xiàn)，集裝箱吞吐量、運(yùn)價(jià)和交付貨物的及時(shí)程度會(huì)影響港口的物流業(yè)效率［16］；曹炳汝和鄧?yán)蚓曛赋觯袌?chǎng)一體化指數(shù)、經(jīng)濟(jì)密度和交通密度是影響物流業(yè)效率的主導(dǎo)因素［17］；俞佳立和錢芝網(wǎng)認(rèn)為，對(duì)外開放程度、行業(yè)因素、信息化水平能顯著促進(jìn)長(zhǎng)江經(jīng)濟(jì)帶物流產(chǎn)業(yè)效率［18］；劉承良和管明明在低碳約束條件下進(jìn)行實(shí)證研究，提出經(jīng)濟(jì)增長(zhǎng)、市場(chǎng)環(huán)境、產(chǎn)業(yè)集中、信息化程度和宏觀調(diào)控均能顯著促進(jìn)物流業(yè)效率發(fā)展，而能源消耗具有不利影響［19］。另外，創(chuàng)新實(shí)驗(yàn)試點(diǎn)等政策性因素也對(duì)提高物流效率具有顯著影響［20］。

目前，從空間視角探討物流業(yè)效率時(shí)空演化和空間關(guān)聯(lián)性的研究較少，學(xué)者或分析區(qū)域間物流業(yè)效率的空間互動(dòng)關(guān)系［21］，或通過全局莫蘭指數(shù)測(cè)算其空間自相關(guān)關(guān)系。研究發(fā)現(xiàn)，物流業(yè)效率在一定區(qū)域范圍內(nèi)存在空間聚集現(xiàn)象［22-23］，學(xué)者在此基礎(chǔ)上，進(jìn)一步運(yùn)用空間計(jì)量模型測(cè)度物流業(yè)效率，探究其空間溢出機(jī)制［24］。

當(dāng)前關(guān)于物流業(yè)效率的研究，在研究對(duì)象、方法和視角等方面已取得一定進(jìn)展，并形成一些較為成熟的模型和理論，但在以下三個(gè)層面還存在一些不足：①現(xiàn)有研究多以全國(guó)省級(jí)行政區(qū)、區(qū)域經(jīng)濟(jì)帶、某一省份的地市或具體物流企業(yè)作為研究對(duì)象，少有文獻(xiàn)針對(duì)某一城市群進(jìn)行探討；②在測(cè)度物流業(yè)效率時(shí)，現(xiàn)有研究多關(guān)注物流業(yè)的靜態(tài)效率及其動(dòng)態(tài)演化特性，但關(guān)注效率變化的空間聯(lián)系較少；③現(xiàn)有研究分析物流業(yè)效率影響因素時(shí)，未進(jìn)一步考慮對(duì)效率的細(xì)化分解，難以探究其影響機(jī)制。為此，本文通過測(cè)度長(zhǎng)三角城市群的物流業(yè)效率和時(shí)空演化機(jī)制，并測(cè)算其影響因素和空間溢出效應(yīng)，為長(zhǎng)三角城市群及其他地區(qū)物流業(yè)高質(zhì)量發(fā)展提供一定的理論依據(jù)和政策參考。

二、數(shù)據(jù)和研究方法

（一）指標(biāo)選取和數(shù)據(jù)來源

本文綜合柯布-道格拉斯生產(chǎn)函數(shù)的定義，將物流業(yè)效率指標(biāo)體系分為投入指標(biāo)和產(chǎn)出指標(biāo)。

在投入指標(biāo)設(shè)定中：以各地區(qū)歷年的公路里程及交通運(yùn)輸、倉(cāng)儲(chǔ)和郵政業(yè)固定資產(chǎn)投資額作為代表性投入數(shù)據(jù)，反映政府部門對(duì)物流業(yè)的交通投入、資本投入指標(biāo)［25］；選取各地市交通運(yùn)輸、倉(cāng)儲(chǔ)和郵政業(yè)從業(yè)人員數(shù)作為人力投入指標(biāo)；考慮“互聯(lián)網(wǎng)+”的發(fā)展趨勢(shì)，將互聯(lián)網(wǎng)寬帶接入戶數(shù)作為通信技術(shù)投入指標(biāo)［17］。

在產(chǎn)出指標(biāo)的設(shè)定中，物流業(yè)作為重要的第三產(chǎn)業(yè)，其有效產(chǎn)出體現(xiàn)在創(chuàng)造經(jīng)濟(jì)價(jià)值和滿足社會(huì)需求兩方面。本文選取各地市歷年的交通運(yùn)輸、倉(cāng)儲(chǔ)和郵政業(yè)增加值［24］、貨運(yùn)量和貨物周轉(zhuǎn)量［25］作為物流業(yè)的產(chǎn)出指標(biāo)，分別代表物流業(yè)的經(jīng)濟(jì)產(chǎn)出和社會(huì)功能產(chǎn)出［26］。

本文選用2008—2022年長(zhǎng)三角城市群26個(gè)城市樣本面板數(shù)據(jù)，構(gòu)建長(zhǎng)三角城市群物流業(yè)效率指標(biāo)體系，具體見表1所列。

指標(biāo)體系中的原始數(shù)據(jù)，來源于2008—2022年的《中國(guó)城市統(tǒng)計(jì)年鑒》《江蘇統(tǒng)計(jì)年鑒》《浙江統(tǒng)計(jì)年鑒》《安徽統(tǒng)計(jì)年鑒》和知網(wǎng)大數(shù)據(jù)統(tǒng)計(jì)數(shù)據(jù)平臺(tái)。長(zhǎng)三角城市群物流業(yè)效率投入、產(chǎn)出指標(biāo)描述性統(tǒng)計(jì)，見表2所列。

（二）研究方法

1. DEA-Malmquist模型

Malmquist指數(shù)最早由Malmquist在消費(fèi)研究中提出［27］。本文借鑒Fare和Grosskopf（1992）［28］的研究，將基于產(chǎn)出的全要素生產(chǎn)率用Malmquist指數(shù)表示，其基本公式為：

[Mt0=dt0xt+1，yt+1/dt0xt，yt] （1）

[Mt+10=dt+10xt+1，yt+1/dt+10xt，yt] （2）

式（1）中的[dt0]為t時(shí)期的產(chǎn)出距離函數(shù)，下標(biāo)0表示基于產(chǎn)出的距離函數(shù)，測(cè)度在時(shí)間t的技術(shù)條件下，從t到t+1時(shí)期的物流技術(shù)效率變化；式（2）表示在下一時(shí)期的物流技術(shù)條件下，從這一時(shí)期到下一時(shí)期物流技術(shù)效率變化的Malmquist生產(chǎn)率指數(shù)。為避免因時(shí)期選擇隨意性造成的偏誤，本文用式（1）和式（2）中兩個(gè)Malmquist指數(shù)的幾何平均值，來估計(jì)從t到t+1時(shí)期的物流技術(shù)效率變化情況。

借鑒俞佳立和錢芝網(wǎng)（2018）［18］的研究，進(jìn)一步將Malmquist指數(shù)分解為綜合效率指數(shù)（TFP）、技術(shù)效率變化指數(shù)（ECH）、技術(shù)進(jìn)步變化指數(shù)（TCH）。具體地說：TFP表示某一時(shí)期物流業(yè)發(fā)展的綜合效率，如果TFP指標(biāo)大于1，則表示本期綜合效率相對(duì)于上一時(shí)期是增長(zhǎng)的；ECH表示各決策單元在不同時(shí)期生產(chǎn)可能集的生產(chǎn)前沿面上的技術(shù)效率變動(dòng)情況；TCH表示不同時(shí)期生產(chǎn)可能集的生產(chǎn)前沿面的移動(dòng)情況，即在投入、產(chǎn)出過程中隨著技術(shù)革新而帶來的效率提升。Malmquist模型的構(gòu)建及具體細(xì)化，如式（3）—式（5）所示：

[TFP=ECH×TCH] （3）

其中，ECH和TCH分別表示為：

[ECH=dt+1cxt+1，yt+1dtcxt，yt] （4）

[TCH=dtcxt+1，yt+1dt+1cxt+1，yt+1×dtcxt，ytdt+1cxt，yt12] （5）

2. 空間自相關(guān)模型

本文采用全局Moran's I指數(shù)對(duì)長(zhǎng)三角城市群物流業(yè)效率指標(biāo)的全局空間相關(guān)性進(jìn)行測(cè)算，計(jì)算模型為：

[I=∑ni=1∑nj=1wijYi-YYj-Y/S2∑ni=1∑nj=1wijS2=1n∑ni=1Yi-Y，Y=1n∑ni=1Yi] （6）

其中[：Yi]是第i個(gè)城市的數(shù)據(jù)，包含TFP、ECH、TCH三個(gè)指標(biāo)；n為城市數(shù)量[；w]為簡(jiǎn)單鄰近矩陣，若城市i與城市j相鄰[wij=1]，反之，則[wij=0；I]為全局Moran's I指數(shù)，其取值區(qū)間為［-1，1］，當(dāng)[I]大于0時(shí)，表示呈空間正相關(guān)特征，即綜合物流發(fā)展水平較高（或較低）的城市在空間上顯著集聚，當(dāng)[I]小于0時(shí)，表示呈空間負(fù)相關(guān)特征，即該城市與周邊城市的物流業(yè)效率水平存在顯著的空間異質(zhì)性，若該值為0，表示城市物流發(fā)展水平在空間上是隨機(jī)分布。

3. 空間計(jì)量模型

本文以空間杜賓模型作為測(cè)度長(zhǎng)三角城市群物流業(yè)效率溢出的主要空間計(jì)量模型，以空間滯后模型作為參照。

空間滯后模型的表達(dá)式為：

[TFPit=ρWkTFPit+Xitβ+εit] （7）

空間杜賓模型的表達(dá)式為：

[TFPit=ρWkTFPit+Xitβ1+WkXitβ2+εit] （8）

其中：[TFPit]為物流業(yè)綜合效率指數(shù)，i表示省份，t表示年份；[ρ]為物流業(yè)效率的空間溢出系數(shù)，當(dāng)[ρ]為正且具有顯著性時(shí)，表示該地區(qū)物流業(yè)效率受鄰近區(qū)域物流業(yè)發(fā)展的正向影響，當(dāng)[ρ]為負(fù)時(shí)，表示鄰近區(qū)域?qū)υ摮鞘芯哂胸?fù)向帶動(dòng)效應(yīng)；Wk表示第k種空間權(quán)重矩陣，文中設(shè)計(jì)的權(quán)重矩陣包括空間鄰近距離矩陣（WA）、空間直線距離矩陣（WD）和空間經(jīng)濟(jì)距離矩陣（WG）；Xit為解釋變量組合，包括物流產(chǎn)業(yè)集聚程度（Ins）、政府干預(yù)（Gov）、經(jīng)濟(jì)密度（Ede）、工業(yè)化進(jìn)程（Indu）以及零售貿(mào)易業(yè)發(fā)展（Ret）；[β]、[β1]、[β2]為解釋變量的回歸系數(shù)；ε為隨機(jī)誤差項(xiàng)。

三、物流業(yè)效率的空間關(guān)聯(lián)分析

（一）物流業(yè)效率分析

本文以2008年為基期，根據(jù)式（1）、式（2），對(duì)長(zhǎng)三角城市群26個(gè)城市的物流業(yè)效率進(jìn)行測(cè)算；根據(jù)式（3）—式（5），對(duì)2009—2022年的綜合效率指數(shù)及其分解效率指數(shù)變化情況進(jìn)行測(cè)算。結(jié)果如圖1所示。

由圖1可知，長(zhǎng)三角城市群物流業(yè)動(dòng)態(tài)效率在2009—2022年主要呈現(xiàn)波動(dòng)上升的演化規(guī)律。其中，2009—2015年，物流業(yè)效率增速總體維持在較低水平；2015年之后，進(jìn)入快速增長(zhǎng)期；但2020年之后，由于受新冠疫情影響，其增速有所減緩。分解情況顯示，ECH總體變化相對(duì)平穩(wěn)，說明14年間長(zhǎng)三角城市群的技術(shù)效率并未發(fā)生明顯變化。TCH波動(dòng)明顯，并且與TFP變化趨勢(shì)更加吻合，這表明14年間長(zhǎng)三角城市群技術(shù)進(jìn)步速度變化較大，是影響物流業(yè)效率變化的主要原因。

長(zhǎng)三角城市群各城市物流綜合效率演化情況見表3所列。

由表3可知，長(zhǎng)三角城市群的物流業(yè)效率總體提升較為明顯。東部沿海地區(qū)的效率值，樣本期內(nèi)總體保持在較高區(qū)間，物流業(yè)持續(xù)健康高速發(fā)展。內(nèi)陸地區(qū)的效率值，樣本期內(nèi)有較為明顯的進(jìn)步。2009年，有6個(gè)城市動(dòng)態(tài)效率值低于0.8，物流業(yè)效率增長(zhǎng)困難。而2017年之后，整體效率值均有較明顯的提升，平均效率值超過1，物流業(yè)效率實(shí)現(xiàn)有效增長(zhǎng)。此外，通過表3，可以發(fā)現(xiàn)長(zhǎng)三角物流業(yè)動(dòng)態(tài)效率逐漸呈空間集聚的特征。

（二）空間相關(guān)性分析

本文根據(jù)式（6）測(cè)度2009—2022年長(zhǎng)三角城市群物流業(yè)TFP、ECH和TCH的Moran's I指數(shù)，結(jié)果如圖2所示。具體來看，可將物流業(yè)效率的空間相關(guān)性演變分為三個(gè)階段：第一階段（2009—2012年），長(zhǎng)三角城市群物流業(yè)TFP的莫蘭指數(shù)較低，長(zhǎng)三角城市群物流業(yè)效率并未存在空間自相關(guān)性。第二階段（2013—2019年），除2018年外，三類指標(biāo)整體呈現(xiàn)逐步上升趨勢(shì)，長(zhǎng)三角城市群相鄰地區(qū)物流業(yè)效率的空間自相關(guān)性日趨顯著，逐步呈現(xiàn)物流業(yè)的空間發(fā)展趨同性。第三階段（2020—2022年），由于受新冠疫情影響，區(qū)域間物流來往和合作大量減少，長(zhǎng)三角城市群的空間相關(guān)性又回落到相對(duì)較低的水平。

四、物流業(yè)效率的影響因素

（一）研究假設(shè)

基于上述物流業(yè)效率Moran's I指數(shù)的測(cè)度，本文認(rèn)為物流業(yè)效率不僅受地區(qū)經(jīng)濟(jì)、政策環(huán)境的影響，還可能受周邊地區(qū)物流業(yè)效率和其他因素的影響。據(jù)此，本文提出三個(gè)假設(shè)。

H1：長(zhǎng)三角城市群物流業(yè)TFP受空間相鄰區(qū)域物流業(yè)效率的顯著影響。

H2：長(zhǎng)三角城市群物流業(yè)TFP受本地區(qū)或周邊地區(qū)物流產(chǎn)業(yè)集聚程度、政府干預(yù)、經(jīng)濟(jì)密度和零售貿(mào)易業(yè)發(fā)展的影響。

H3：長(zhǎng)三角城市群物流業(yè)TCH的影響機(jī)制與TFP一致，各因素通過影響TCH作用于TFP。

（二）變量說明

本文選取綜合效率指數(shù)、技術(shù)效率變化指數(shù)、技術(shù)進(jìn)步變化指數(shù)作為被解釋變量，選取物流產(chǎn)業(yè)集聚程度、政府干預(yù)、經(jīng)濟(jì)密度、工業(yè)化進(jìn)程、零售貿(mào)易業(yè)發(fā)展等5個(gè)影響因素作為解釋變量。主要變量和計(jì)算方法見表4所列。表中數(shù)據(jù)來自《中國(guó)城市統(tǒng)計(jì)年鑒》《江蘇統(tǒng)計(jì)年鑒》《浙江統(tǒng)計(jì)年鑒》《安徽統(tǒng)計(jì)年鑒》，部分缺失數(shù)據(jù)采用插值法處理。因2020年之后，新冠疫情對(duì)城市空間關(guān)聯(lián)性造成顯著影響［29］，本文選取2009—2020年的數(shù)據(jù)進(jìn)行計(jì)量，以規(guī)避新冠疫情對(duì)其他因素的干擾。

（三）空間權(quán)重矩陣

本文在空間計(jì)量經(jīng)濟(jì)學(xué)的框架下，研究長(zhǎng)三角城市群物流業(yè)效率溢出效應(yīng)。其中，所涉及的城市空間關(guān)聯(lián)因素是重要中間變量。因此，本文采用空間權(quán)重矩陣衡量時(shí)空效應(yīng)變化。具體來說，分別選取空間鄰近距離矩陣、空間直線距離矩陣、空間經(jīng)濟(jì)距離矩陣，從三個(gè)維度進(jìn)行分析，以測(cè)度鄰近關(guān)系、地理距離和經(jīng)濟(jì)距離對(duì)物流業(yè)效率的溢出效應(yīng)。具體計(jì)算方法見表4所列。

（四）實(shí)證結(jié)果分析

1. 空間相關(guān)性檢驗(yàn)

為了檢驗(yàn)TFP的空間依賴關(guān)系并確定合適的空間計(jì)量模型，參照Anselin和Hudak（1992）［33］、Anselin等（1996）［34］的研究，本文對(duì)三種空間權(quán)重矩陣分別進(jìn)行穩(wěn)健的LM-Lag檢驗(yàn)和穩(wěn)健的LM-Error檢驗(yàn)。

TFP空間依賴性檢驗(yàn)結(jié)果見表5所列。由表5可知，針對(duì)空間誤差（Spatial Error）、空間滯后（Spatial Lag）的檢驗(yàn)都至少存在一項(xiàng)拒絕了“無空間自相關(guān)”的假設(shè)，表明該模型具有顯著的空間效應(yīng)，適合進(jìn)一步進(jìn)行空間計(jì)量分析，且均拒絕空間杜賓模型（SDM）會(huì)退化為空間滯后模型（SAR）、空間誤差模型（SEM）的原假設(shè)。因此，本文以SDM回歸結(jié)果為主要依據(jù)，并參考周雷等（2024）［35］的研究，同時(shí)選取SAR的回歸結(jié)果作為參照，以提高結(jié)果的穩(wěn)健性。

另外，計(jì)量模型設(shè)定應(yīng)討論是否需要固定不隨時(shí)間變化的個(gè)體效應(yīng)或不隨個(gè)體變化的時(shí)間效應(yīng)，通過豪斯曼檢驗(yàn)證明，上述三種面板模型均不能接受固定效應(yīng)的假設(shè)。因此，本文采用隨機(jī)效應(yīng)模型，并使用聚類穩(wěn)健標(biāo)準(zhǔn)誤降低異方差影響，提高模型估計(jì)效率。

2. 基準(zhǔn)回歸

綜合效率指數(shù)（TFP）的空間計(jì)量結(jié)果見表6所列。結(jié)果表明，六種不同模型的空間自相關(guān)項(xiàng)都在5%水平上顯著為正，說明長(zhǎng)三角城市群物流TFP受相鄰地區(qū)的顯著溢出效應(yīng)影響，物流效率提升能夠帶動(dòng)周邊地區(qū)物流效率正向發(fā)展，H1得到驗(yàn)證。并且基于空間經(jīng)濟(jì)距離矩陣的正相關(guān)性更強(qiáng)，表明物流效率的空間溢出主要取決于城市間的經(jīng)濟(jì)聯(lián)系。除此之外，物流產(chǎn)業(yè)聚集程度在多個(gè)模型中均在1%水平上顯著為負(fù)，表明長(zhǎng)三角城市群物流產(chǎn)業(yè)集聚已呈負(fù)向擁擠效應(yīng)，遏制了當(dāng)?shù)匚锪鳂I(yè)發(fā)展。經(jīng)濟(jì)密度也在不同模型中顯著為正，表明社會(huì)經(jīng)濟(jì)發(fā)展能夠帶動(dòng)物流業(yè)發(fā)展。在解釋變量的溢出效應(yīng)計(jì)量回歸中，基于空間鄰近距離矩陣的政府干預(yù)、工業(yè)化進(jìn)程對(duì)相鄰城市有顯著的正向效應(yīng)，說明政府干預(yù)和工業(yè)化發(fā)展能有效帶動(dòng)鄰近城市物流TFP增長(zhǎng)。同時(shí)，政府干預(yù)、工業(yè)化進(jìn)程對(duì)本區(qū)域物流TFP的促進(jìn)作用在各模型中均不顯著，表明其主要通過影響周邊城市物流TFP來間接促進(jìn)本區(qū)域物流TFP的增長(zhǎng)。上述結(jié)論部分驗(yàn)證了H2，即物流產(chǎn)業(yè)集聚程度、政府干預(yù)和經(jīng)濟(jì)密度均能直接或間接影響物流業(yè)效率。

3. 分解效率回歸

為探究物流業(yè)效率的影響機(jī)制，本文進(jìn)一步對(duì)TCH和ECH進(jìn)行空間計(jì)量回歸，結(jié)果見表7所列。

與TFP回歸結(jié)果相似，在三種權(quán)重矩陣中，TCH均呈明顯的空間溢出效應(yīng)，說明地區(qū)物流技術(shù)進(jìn)步同樣可以帶動(dòng)周邊物流技術(shù)發(fā)展，呈現(xiàn)知識(shí)溢出特征。物流產(chǎn)業(yè)集聚和經(jīng)濟(jì)密度分別在1%水平上呈負(fù)向和正向作用，表明物流產(chǎn)業(yè)過度集聚導(dǎo)致的惡性競(jìng)爭(zhēng)會(huì)抑制物流技術(shù)的進(jìn)步，而社會(huì)經(jīng)濟(jì)發(fā)展則能促進(jìn)物流技術(shù)發(fā)展。另外，工業(yè)化進(jìn)程在空間鄰近距離矩陣中對(duì)周邊地區(qū)TCH具有促進(jìn)作用，周邊地區(qū)的工業(yè)化水平提升也能夠促進(jìn)物流技術(shù)進(jìn)步以適應(yīng)工業(yè)化進(jìn)程的要求，H3得到驗(yàn)證。這可能是由于技術(shù)保護(hù)等原因，政府干預(yù)對(duì)周邊地區(qū)TCH暫未產(chǎn)生顯著作用。

ECH也具有顯著的空間自相關(guān)效應(yīng)。周邊地區(qū)的物流效率提高，也能促進(jìn)當(dāng)?shù)匚锪骷夹g(shù)效率發(fā)展。然而，相較于其他因素，僅零售貿(mào)易業(yè)能同時(shí)在三種矩陣中，在1%水平上起顯著正向作用，說明除高速轉(zhuǎn)型發(fā)展的零售貿(mào)易業(yè)外，少有因素可以改變已經(jīng)趨于穩(wěn)定的物流技術(shù)效率。

4. 穩(wěn)健性檢驗(yàn)

前文的計(jì)量方法已在一定程度上對(duì)三類物流業(yè)效率空間溢出因素的穩(wěn)健性進(jìn)行了論證。在進(jìn)行空間面板計(jì)量分析后，本文通過普通OLS回歸模型進(jìn)行穩(wěn)健性檢驗(yàn)。三類物流業(yè)效率的普通面板數(shù)據(jù)回歸結(jié)果見表8所列。模型1表示TFP的設(shè)定面板模型，模型2和模型3分別表示ECH和TCH的設(shè)定面板模型。計(jì)量結(jié)果整體同前文分析一致，驗(yàn)證了估計(jì)的穩(wěn)健性。

五、結(jié)論與政策建議

（一）結(jié)論

本文選用2008—2022年長(zhǎng)三角城市群26個(gè)城市物流業(yè)面板數(shù)據(jù)，使用DEA-Malmquist模型測(cè)度各城市物流業(yè)效率，并探討其時(shí)空演化機(jī)制，及物流活動(dòng)的經(jīng)濟(jì)、政策環(huán)境等因素對(duì)其影響和空間溢出效應(yīng)，得出以下結(jié)論：①2009—2022年，長(zhǎng)三角城市群物流業(yè)動(dòng)態(tài)效率總體呈現(xiàn)波動(dòng)上升的演化規(guī)律。ECH相對(duì)平穩(wěn)，TFP總體受到TCH的影響，三類物流業(yè)效率指數(shù)在2013年之后，呈現(xiàn)空間自相關(guān)性特征并且逐漸顯著，但在2020年之后，由于受新冠疫情影響有所下降。②在物流業(yè)效率影響因素層面，城市經(jīng)濟(jì)密度對(duì)TFP具有顯著提升作用，而物流產(chǎn)業(yè)集聚程度會(huì)制約TFP發(fā)展。TCH的影響因素與TFP基本一致，而零售貿(mào)易業(yè)發(fā)展對(duì)TCH和ECH均具有顯著提升作用。③在物流業(yè)效率溢出效應(yīng)層面，TFP、TCH、ECH均呈顯著正向溢出機(jī)制，說明鄰近區(qū)域物流業(yè)效率是影響城市物流業(yè)效率變化的重要原因。另外，工業(yè)化進(jìn)程和政府干預(yù)也表現(xiàn)出一定的空間溢出效應(yīng)，說明相鄰城市的工業(yè)化進(jìn)程和政府干預(yù)均正向推動(dòng)當(dāng)?shù)匚锪鳂I(yè)效率指標(biāo)增長(zhǎng)。

（二）政策建議

根據(jù)對(duì)長(zhǎng)三角城市群物流業(yè)效率的時(shí)空演化特征、空間相關(guān)性分析及計(jì)量模型回歸的結(jié)論，本文提出以下政策建議。

第一，提高長(zhǎng)三角城市群區(qū)域物流合作水平。為推動(dòng)長(zhǎng)三角城市群區(qū)域物流協(xié)同發(fā)展模式，各城市之間要不斷加強(qiáng)跨區(qū)域物流分工合作，持續(xù)推進(jìn)國(guó)內(nèi)大循環(huán)，打通長(zhǎng)三角城市群生產(chǎn)、分配、流通、消費(fèi)的各個(gè)環(huán)節(jié)。物流業(yè)發(fā)展效率低的北部、西南部地區(qū)城市應(yīng)積極承接?xùn)|南部高效率城市物流產(chǎn)業(yè)轉(zhuǎn)移，并進(jìn)一步完善基礎(chǔ)設(shè)施建設(shè)，提高運(yùn)輸網(wǎng)絡(luò)密度，補(bǔ)齊高速鐵路、航空運(yùn)輸?shù)确矫娴亩贪?。加速區(qū)域物流標(biāo)準(zhǔn)化進(jìn)程，利用現(xiàn)有的公路、鐵路網(wǎng)絡(luò)及“黃金水道”的區(qū)域優(yōu)勢(shì)，持續(xù)推進(jìn)跨區(qū)域多式聯(lián)運(yùn)，避免不合理運(yùn)輸，解決物流活動(dòng)末端的“最后一公里”問題，以區(qū)域之間物流業(yè)協(xié)同發(fā)展的正向影響效應(yīng)，促進(jìn)長(zhǎng)三角城市群一體化發(fā)展。

第二，促進(jìn)制造業(yè)、零售貿(mào)易業(yè)轉(zhuǎn)型升級(jí)，鼓勵(lì)技術(shù)創(chuàng)新。政府應(yīng)鼓勵(lì)企業(yè)將大數(shù)據(jù)、人工智能、區(qū)塊鏈、物聯(lián)網(wǎng)等高新技術(shù)融入制造業(yè)，通過數(shù)字經(jīng)濟(jì)賦能傳統(tǒng)制造業(yè)，依托技術(shù)創(chuàng)新實(shí)現(xiàn)制造業(yè)高質(zhì)量發(fā)展。形成區(qū)域內(nèi)完善的產(chǎn)業(yè)合作機(jī)制，充分發(fā)揮制造業(yè)產(chǎn)業(yè)集群的正外部性溢出作用，促進(jìn)長(zhǎng)三角城市群區(qū)域經(jīng)濟(jì)協(xié)同發(fā)展。在零售貿(mào)易方面，應(yīng)鼓勵(lì)發(fā)展新零售業(yè)態(tài)模式，運(yùn)用互聯(lián)網(wǎng)、物聯(lián)網(wǎng)技術(shù)重構(gòu)零售業(yè)的成本、效率和體驗(yàn)，通過精準(zhǔn)庫(kù)存控制、智能配送等方法提高物流運(yùn)營(yíng)效率，滿足多樣化的客戶服務(wù)體驗(yàn)。

第三，打造精益化物流，實(shí)現(xiàn)物流業(yè)高質(zhì)量發(fā)展。長(zhǎng)三角城市群的政府部門在重視物流業(yè)發(fā)展速度的同時(shí)，更要重視其發(fā)展質(zhì)量。在鼓勵(lì)傳統(tǒng)物流行業(yè)轉(zhuǎn)型升級(jí)的同時(shí)，應(yīng)淘汰物流業(yè)落后產(chǎn)能。根據(jù)產(chǎn)業(yè)活動(dòng)和客戶需要，發(fā)展供應(yīng)、生產(chǎn)、儲(chǔ)存、運(yùn)輸產(chǎn)品過程中所需要的物流配套服務(wù)，避免物流業(yè)出現(xiàn)過飽和現(xiàn)象，進(jìn)而推進(jìn)長(zhǎng)三角城市群物流業(yè)高質(zhì)量、高效能發(fā)展。

參考文獻(xiàn)：

［1］中國(guó)物流與采購(gòu)聯(lián)合會(huì)，中國(guó)物流學(xué)會(huì).中國(guó)物流發(fā)展報(bào)告（2022—2023）［R］. 北京：中國(guó)財(cái)富出版社，2023.

［2］翟仁祥，陳勁滔.中國(guó)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.

［3］張定，曹衛(wèi)東，范嬌嬌，等.長(zhǎng)三角城市物流發(fā)展效率的時(shí)空格局演化特征與機(jī)制［J］.經(jīng)濟(jì)地理，2014，34（8）：103-110.

［4］MATTHIAS K，DOMINIC L.Long-Term Economic Sustainability of Humanitarian Logistics-A Multi-Level and Time-Series Data Envelopment Analysis［J］.International Journal of Environmental Research and Public Health，2021，18（5）：2219.

［5］QUAN C，YU S，CHENG X，et al. Comprehensive Efficiency Evaluation of Social Responsibility of Chinese Listed Logistics Enterprises Based on DEA-Malmquist Model［J］. Operations Management Research，2022，15（3/4）：1383-1398.

［6］GAN W，YAO W，HUANG S. Evaluation of Green Logistics Efficiency in Jiangxi Province Based on Three-Stage DEA from the Perspective of High-Quality Development［J］. Sustainability，2022，14（2）：797.

［7］QIN W，QI X. Evaluation of Green Logistics Efficiency in Northwest China［J］. Sustainability，2022，14（11）：6848.

［8］李妍，孫振清.碳排放約束下我國(guó)物流業(yè)運(yùn)行效率測(cè)算及其影響因素分析［J］.商業(yè)經(jīng)濟(jì)研究，2021，39（8）：75-78.

［9］徐宏毅，詹永雄，楊沛.我國(guó)物流業(yè)生產(chǎn)率實(shí)證研究［J］.中國(guó)集體經(jīng)濟(jì)，2009，24（28）：117-119.

［10］梁紅艷，王健.中國(guó)物流業(yè)發(fā)展對(duì)工業(yè)效率的影響及其渠道研究［J］.科研管理，2013，34（12）：120-126.

［11］韓東亞，劉宏偉.我國(guó)物流業(yè)技術(shù)效率及影響因素——來自上市公司的實(shí)證研究［J］.中國(guó)流通經(jīng)濟(jì)，2019，33（11）：17-26.

［12］DYSON R G，SHALE E A. Data Envelopment Analysis，Operational Research and Uncertainty［J］. Journal of the Operational Research Society，2010，61（1）：25-34.

［13］COOK W D，TONE K，ZHU J. Data Envelopment Analysis：Prior to Choosing A Model［J］. Omega，2014，44：1-4.

［14］DENG F，XU L，F(xiàn)ANG Y，et al. PCA-DEA-Tobit Regression Assessment with Carbon Emission Constraints of China's Logistics Industry［J］. Journal of Cleaner Production，2020，271（8）：122548.

［15］LI H，LI W. Carbon Emission Efficiency Evaluation and Dynamic Evolution Analysis of Logistics Industry：Taking the Provinces Along the Silk Road Economic Belt as An Example［J］. Environmental Science and Technology，2019，42（3）：165-171.

［16］SCHOYEN H，BJORBAEK C T，STEGER-JENSEN K，et al. Measuring the Contribution of Logistics Service Delivery Performance Outcomes and Deep-sea Container Liner Connectivity on Port Efficiency［J］. Research in Transportation Business and Management，2018，28：66-76.

［17］曹炳汝，鄧?yán)蚓?長(zhǎng)江經(jīng)濟(jì)帶物流業(yè)效率增長(zhǎng)影響因素［J］.經(jīng)濟(jì)地理，2019，39（7）：148-157.

［18］俞佳立，錢芝網(wǎng).長(zhǎng)江經(jīng)濟(jì)帶物流產(chǎn)業(yè)效率的時(shí)空演化及其影響因素［J］.經(jīng)濟(jì)地理，2018，38（8）：108-115.

［19］劉承良，管明明.低碳約束下中國(guó)物流業(yè)效率的空間演化及影響因素［J］.地理科學(xué)，2017，37（12）：1805-1814.

［20］DU G，LI W. Does Innovative City Building Promote Green Logistics Efficiency？ Evidence from a Quasi-Natural Experiment with 285 Cities［J］. Energy Economics，2022，114：106320.

［21］劉明，楊路明.區(qū)域物流的產(chǎn)業(yè)效率、空間互動(dòng)與協(xié)調(diào)發(fā)展——基于全國(guó)277個(gè)地市級(jí)城市的數(shù)據(jù)實(shí)證［J］.中國(guó)流通經(jīng)濟(jì)，2019，33（8）：34-44.

［22］曹炳汝，孔澤云，鄧?yán)蚓?長(zhǎng)江經(jīng)濟(jì)帶省域物流效率及時(shí)空演化研究［J］.地理科學(xué)，2019，39（12）：1841-1848.

［23］徐超毅，齊豫.我國(guó)區(qū)域物流業(yè)綠色發(fā)展效率測(cè)度和空間分析——以華東地區(qū)為例［J］.生態(tài)經(jīng)濟(jì)，2023，39（4）：81-88.

［24］高詹.城市物流效率及其空間溢出效應(yīng)——以河南省為例［J］.城市問題，2014（7）：62-68.

［25］鐘昌寶，錢康.長(zhǎng)江經(jīng)濟(jì)帶省域物流效率的空間差異研究——基于改進(jìn)的空間權(quán)重矩陣［J］.常州大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2016，17（5）：82-89.

［26］王博，祝宏輝，劉林.我國(guó)“一帶一路”沿線區(qū)域物流效率綜合評(píng)價(jià)——基于三階段DEA模型［J］.華東經(jīng)濟(jì)管理，2019，33（5）：76-82.

［27］MALMQUIST S. Index Numbers and Indifference Surfaces［J］. Trabajos De Estadistica，1953，4（2）：209-242.

［28］FARE R，GROSSKOPF S. Malmquist Productivity Indexes and Fisher Ideal Indexes［J］. The Economic Journal，1992，102（410）：158-160.

［29］陳陽(yáng)，唐曉華.產(chǎn)業(yè)集聚對(duì)制造業(yè)效率的影響研究——基于區(qū)域互動(dòng)的視角［J］.財(cái)經(jīng)論叢，2019（2）：2-20.

［30］劉徐方.外商直接投資、政府支出對(duì)中國(guó)技術(shù)進(jìn)步效應(yīng)的經(jīng)驗(yàn)分析［J］.工業(yè)技術(shù)經(jīng)濟(jì)，2016，35（3）：31-35.

［31］PARSLEY D，WEI S. Explaining the Border Effect：The Role of Exchange Rate Variability，Shipping Costs，and Geography［J］. Journal of International Economics，2001，55（1）：87-105.

［32］詹晶，馮旭明，宋朝方.“一帶一路”核心地區(qū)出口貿(mào)易對(duì)物流業(yè)發(fā)展驅(qū)動(dòng)效應(yīng)研究——基于LMDI模型［J］.價(jià)格月刊，2019（4）：44-53.

［33］ANSELIN L，HUDAK S. Spatial Econometrics in Practice，A Review of Software Options［J］. Regional Science and Urban Economics，1992，22（3）：509-536.

［34］ANSELIN L，BERA A K，F(xiàn)LORAX R J，et al. Simple Diagnostic Tests for Spatial Dependence［J］. Regional Science and Urban Economics，1996，26（1）：77-104.

［35］周雷，張?chǎng)?，董?數(shù)字金融創(chuàng)新有助于促進(jìn)實(shí)體經(jīng)濟(jì)高質(zhì)量發(fā)展嗎？——基于金融服務(wù)效率的機(jī)制分析與空間計(jì)量［J］.西安財(cái)經(jīng)大學(xué)學(xué)報(bào)，2024，37（1）：60-72.

［責(zé)任編輯：夏 麗，陳建華］