摘 要：作為我國(guó)先導(dǎo)性產(chǎn)業(yè)的物流業(yè)面臨現(xiàn)代化改革，具備高質(zhì)量和現(xiàn)代化特征的智慧物流成為推動(dòng)改革的關(guān)鍵，智慧物流通過(guò)數(shù)智化實(shí)現(xiàn)物流各環(huán)節(jié)精細(xì)化、動(dòng)態(tài)化、可視化，提升物流運(yùn)作效率。基于熵權(quán)-TOPSIS模型測(cè)度我國(guó)2013—2021年京津冀、長(zhǎng)三角和珠三角三大城市群智慧物流發(fā)展綜合指數(shù)，建立Tobit回歸分析模型探究城市群智慧物流發(fā)展的影響因素。研究結(jié)果發(fā)現(xiàn)：三大城市群智慧物流發(fā)展綜合指數(shù)存在顯著的空間差異性，呈現(xiàn)由南向北、由中心城市向外圍遞減趨勢(shì)，綜合指數(shù)由高到低依次為珠三角、長(zhǎng)三角和京津冀；三大城市群智慧物流發(fā)展綜合指數(shù)時(shí)序上整體呈現(xiàn)增長(zhǎng)趨勢(shì)，集聚效應(yīng)顯著，增長(zhǎng)幅度由高到低依次為珠三角、長(zhǎng)三角和京津冀。進(jìn)一步研究發(fā)現(xiàn)，科技發(fā)展、政府干預(yù)、產(chǎn)業(yè)結(jié)構(gòu)和對(duì)外開(kāi)放程度對(duì)智慧物流發(fā)展有顯著正向影響。

關(guān)鍵詞：智慧物流；城市群比較；Tobit模型

中圖分類(lèi)號(hào)：F259.2 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1672-626X（2024）05-0034-10

一、引言

物流業(yè)是我國(guó)基礎(chǔ)性、戰(zhàn)略性、先導(dǎo)性產(chǎn)業(yè)，也是我國(guó)現(xiàn)代市場(chǎng)經(jīng)濟(jì)體系的重要組成部分。在傳統(tǒng)模式下，物流業(yè)面臨效率增長(zhǎng)緩慢問(wèn)題，需要向高質(zhì)量和現(xiàn)代化邁進(jìn)，智慧物流就此應(yīng)運(yùn)而生。2021年10月，習(xí)近平總書(shū)記在第二屆聯(lián)合國(guó)全球可持續(xù)交通大會(huì)開(kāi)幕式上強(qiáng)調(diào)，“要大力發(fā)展智慧交通和智慧物流”。2022年1月，國(guó)家發(fā)展改革委編制的《“十四五”現(xiàn)代流通體系建設(shè)規(guī)劃》指出：“加快發(fā)展智慧物流，積極應(yīng)用現(xiàn)代信息技術(shù)和智能裝備，提升物流自動(dòng)化、無(wú)人化、智能化水平”。黨的二十大報(bào)告提出，“加快發(fā)展物聯(lián)網(wǎng)，建設(shè)高效順暢的流通體系，降低物流成本”。智慧物流通過(guò)數(shù)智化實(shí)現(xiàn)物流各環(huán)節(jié)精細(xì)化、動(dòng)態(tài)化、可視化，提升物流運(yùn)作效率，合理發(fā)展智慧物流成為我國(guó)物流業(yè)改革的關(guān)鍵。發(fā)展這一新興方向面臨諸多問(wèn)題，如何衡量其發(fā)展水平？各城市群之間差異如何？制約智慧物流發(fā)展的因素是什么？如何促進(jìn)其發(fā)展？要解決這些問(wèn)題，需要一個(gè)科學(xué)、全面的智慧物流評(píng)價(jià)體系。測(cè)度我國(guó)智慧物流發(fā)展水平，探究其可能存在的影響因素，對(duì)于推進(jìn)智慧物流發(fā)展和物流業(yè)現(xiàn)代化改革有著重要的理論和實(shí)踐意義。

二、文獻(xiàn)綜述

“智慧物流”一詞在2009年《物流技術(shù)與應(yīng)用》中被提出，但目前缺乏統(tǒng)一定義。王智泓（2021）認(rèn)為，智慧物流是通過(guò)智能信息化技術(shù)，賦予物流系統(tǒng)自動(dòng)感知、分析、決策及持續(xù)更新功能，實(shí)現(xiàn)物流產(chǎn)業(yè)價(jià)值融合，從而持續(xù)推進(jìn)社會(huì)物流體系發(fā)展模式[1]。也有學(xué)者從管理學(xué)角度將其定義為將大數(shù)據(jù)[2～3]、云計(jì)算[4～5]、區(qū)塊鏈[6～7]和物聯(lián)網(wǎng)[8]等前端信息技術(shù)與現(xiàn)代管理制度結(jié)合并運(yùn)用到物流系統(tǒng)的新物流管理方法[9]。這些研究都認(rèn)可智慧物流是通過(guò)大數(shù)據(jù)、物聯(lián)網(wǎng)等方法，實(shí)現(xiàn)物流各環(huán)節(jié)更高效、更精細(xì)、更可視化的一種先進(jìn)高端物流形態(tài)[10～11]。隨著智慧物流與互聯(lián)網(wǎng)數(shù)字技術(shù)的深度融合，衍生出自動(dòng)導(dǎo)引、智慧調(diào)度等現(xiàn)代化新概念，帶動(dòng)了快遞飛艇、Saa S+AI、自動(dòng)駕駛等科技實(shí)現(xiàn)技術(shù)突破[12]。學(xué)者們分析了政策制度[13]、區(qū)域經(jīng)濟(jì)[14～15]和企業(yè)發(fā)展[16]等與智慧物流的融合[17～18]，并結(jié)合冷鏈物流[19]、5G[20]、機(jī)器人[21]以及應(yīng)急物資保證[22]探索其實(shí)際應(yīng)用。

關(guān)于智慧物流的定性研究已頗為豐富，定量研究中關(guān)于智慧物流發(fā)展水平方面，李丫丫等（2018）從產(chǎn)業(yè)角度測(cè)度我國(guó)物流智能化水平并考量其對(duì)產(chǎn)業(yè)績(jī)效的影響[23]；馬鳴晴等（2022）首次測(cè)評(píng)了2014—2019年我國(guó) 31個(gè)省份的智慧物流發(fā)展水平[24]；羅瑞和王琴梅（2022）運(yùn)用Moran指數(shù)法等方法分析我國(guó)省際數(shù)字物流發(fā)展水平差異[25]。關(guān)于智慧物流發(fā)展影響因素的研究方面，孫磊等（2021）基于系統(tǒng)GMM動(dòng)態(tài)面板數(shù)據(jù)分析方法，得出環(huán)境規(guī)制、交通運(yùn)輸網(wǎng)絡(luò)和科技水平促進(jìn)我國(guó)物流產(chǎn)業(yè)智慧化發(fā)展[26]；谷城和張樹(shù)山（2023）用社會(huì)網(wǎng)絡(luò)分析法和地理探測(cè)器，得出我國(guó)物流產(chǎn)業(yè)智慧化影響力從高到低依次為：創(chuàng)新能力、經(jīng)濟(jì)發(fā)展、教育程度、對(duì)外開(kāi)放、產(chǎn)業(yè)結(jié)構(gòu)、政府調(diào)控、交通基礎(chǔ)和資產(chǎn)投入[27]；肖超欄（2024）運(yùn)用AHP方法量化分析企業(yè)智慧物流發(fā)展水平的各影響指標(biāo)因素的權(quán)重，得出信息系統(tǒng)建設(shè)的影響最大[28]。

綜上，相關(guān)研究多集中于省級(jí)層面，而省級(jí)層面的智慧物流發(fā)展水平是各省份中發(fā)達(dá)城市和欠發(fā)達(dá)城市平均后的展現(xiàn)，無(wú)法體現(xiàn)出各城市的發(fā)展水平以及大小城市之間的直觀差異，市級(jí)層面的討論更有利于各市政府部門(mén)制定相關(guān)政策。因此，本文選擇我國(guó)經(jīng)濟(jì)發(fā)達(dá)且物流業(yè)和智慧物流發(fā)展較好的地區(qū)——京津冀、長(zhǎng)三角和珠三角沿海三大城市群，基于城市數(shù)據(jù)，測(cè)度智慧物流發(fā)展綜合指數(shù)，以城市群視角探究智慧物流發(fā)展的空間特征和影響因素。

三、指標(biāo)體系和研究方法

（一）指標(biāo)體系構(gòu)建

現(xiàn)有研究中較為全面的有馬鳴晴等（2022）[24]建立的指標(biāo)體系中引入工業(yè)機(jī)器人市場(chǎng)規(guī)模等行業(yè)前沿設(shè)備數(shù)據(jù)，從智慧物流經(jīng)濟(jì)環(huán)境、經(jīng)濟(jì)活動(dòng)、發(fā)展規(guī)模以及技術(shù)四個(gè)層面來(lái)衡量發(fā)展水平，但由于部分?jǐn)?shù)據(jù)難以獲取，本文同時(shí)借鑒孫磊等（2021）所建立的從基礎(chǔ)要素投入、服務(wù)應(yīng)用水平與效益三個(gè)方面衡量智慧物流發(fā)展水平的指標(biāo)體系[26]，結(jié)合智慧物流的特征，從發(fā)展環(huán)境基礎(chǔ)、物流發(fā)展要素與科技發(fā)展?jié)摿θ齻€(gè)層面構(gòu)建智慧物流發(fā)展水平指標(biāo)體系（如表1）。

物流發(fā)展環(huán)境包括物流經(jīng)濟(jì)和基礎(chǔ)設(shè)施，一個(gè)城市及所在地區(qū)的經(jīng)濟(jì)發(fā)展水平、基礎(chǔ)設(shè)施和物流繁榮程度等是其智慧物流發(fā)展的基礎(chǔ)，所以將物流發(fā)展環(huán)境基礎(chǔ)作為一級(jí)指標(biāo)納入智慧物流發(fā)展水平指標(biāo)體系，選取物流業(yè)增加值、貨物周轉(zhuǎn)量、快遞件數(shù)、快遞業(yè)務(wù)收入、高速公路里程和民用汽車(chē)擁有量來(lái)衡量。智慧物流本身是物流業(yè)的一部分，整個(gè)物流行業(yè)的要素投入也正向影響智慧物流的發(fā)展，其規(guī)模的大小能直接體現(xiàn)出地區(qū)和城市對(duì)智慧物流的投入力度，所以引入物流發(fā)展要素作為一級(jí)指標(biāo)，選取物流從業(yè)人數(shù)、城市物流倉(cāng)儲(chǔ)面積、快遞服務(wù)汽車(chē)數(shù)、郵路總長(zhǎng)度和擁有各類(lèi)郵政營(yíng)業(yè)網(wǎng)點(diǎn)數(shù)來(lái)衡量。智慧物流區(qū)別于傳統(tǒng)物流的重要特點(diǎn)是其越來(lái)越高效的信息處理能力和越來(lái)越快的更新?lián)Q代速度，而這需要與之匹配的科技潛力，因此引入科技發(fā)展?jié)摿ψ鳛橐患?jí)指標(biāo)，選取互聯(lián)網(wǎng)寬帶用戶數(shù)、移動(dòng)電話用戶數(shù)、R&D人員全時(shí)當(dāng)量和R&D經(jīng)費(fèi)支出來(lái)衡量。

（二）方法選取

實(shí)證研究常使用的測(cè)度發(fā)展水平的方法中，因子分析法無(wú)法反映全部指標(biāo)信息，AHP等方法存在主觀性因素，因此使用熵權(quán)-TOPSIS的組合方法，其結(jié)果能夠相對(duì)客觀地反映所測(cè)度的指標(biāo)，該方法先確定智慧物流發(fā)展水平指標(biāo)體系權(quán)重，得到新數(shù)據(jù)后再用TOPSIS方法對(duì)發(fā)展水平進(jìn)行分析。具體步驟如下：

第一步，指標(biāo)歸一化處理，計(jì)算第[α]個(gè)指標(biāo)在第[β]年所占比重。

[kαβ=kαβα=1nkαβ] （1）

第二步，計(jì)算指標(biāo)信息熵[Pβ]。

[pβ=-1lnβ=1n（kαβ×lnkαβ），（0≤pβ≤1）] （2）

第三步，計(jì)算各指標(biāo)差異系數(shù)[xβ]與指標(biāo)權(quán)重[hβ]。

[xβ=1-pβ] （3）

[hβ=xββ=1mxβ] （4）

第四步，構(gòu)建加權(quán)算數(shù)平均模型。

[Dα=β=1mkαβhβ] （5）

第五步，構(gòu)造規(guī)范化決策矩陣[B=（Bαβ）m×n]，再構(gòu)造加權(quán)規(guī)范化決策矩陣A，其中元素[Aαβ=hβBαβ]。

[Bαβ=kαβα=1mkαβ2β=（1，2，…，n）] （6）

第六步，確定正理想解與負(fù)理想解。A中元素[Aαβ]值越高，方案越靠近正理想解。

[A+=（A+1，A+2，…，A+m）={MAXAαβ|β=1，2，…，m}] （7）

[A-=（A-1，A-2，…，A-m）={MINAαβ|β=1，2，…，m}] （8）

第七步，計(jì)算各方案與正、負(fù)理想解的距離[S+α]、[S-α]。

[s+α=β=1m（A+β-Aαβ）2] （9）

[s-α=β=1m（A-β-Aαβ）2] （10）

第八步，計(jì)算各方案的相對(duì)接近度并按高低排列，[Cα]值越高，整體水平越高。

[cα=S-αS+α+S-α] （11）

（三）數(shù)據(jù)來(lái)源及處理

由于2013年以前較多城市相關(guān)研究數(shù)據(jù)缺失，所以本文選取2013—2021年我國(guó)三大城市群（京津冀、長(zhǎng)三角和珠三角）數(shù)據(jù)進(jìn)行研究。原始數(shù)據(jù)來(lái)自2014—2022年的《中國(guó)統(tǒng)計(jì)年鑒》《中國(guó)火炬統(tǒng)計(jì)年鑒》《中國(guó)城市統(tǒng)計(jì)年鑒》《中國(guó)人口和就業(yè)統(tǒng)計(jì)年鑒》《中國(guó)第三產(chǎn)業(yè)統(tǒng)計(jì)年鑒》以及涉及省份經(jīng)濟(jì)年鑒、國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展統(tǒng)計(jì)公報(bào)、郵政管理局所發(fā)布的郵政行業(yè)發(fā)展統(tǒng)計(jì)公報(bào)。缺失數(shù)據(jù)使用插值法（線性插值法）進(jìn)行處理。

四、實(shí)證結(jié)果分析

（一）相對(duì)接近度

基于熵權(quán)-TOPSIS模型和具體計(jì)算公式，得到三大城市群共計(jì)48個(gè)城市2013—2021年智慧物流發(fā)展相對(duì)接近度（見(jiàn)表2）。

（二）三大城市群智慧物流發(fā)展水平結(jié)果分析

1. 空間特征

根據(jù)表2得分結(jié)果，2013—2021年三大城市群城市智慧物流發(fā)展呈現(xiàn)出由南向北、由中心城市向外圍遞減趨勢(shì)，綜合指數(shù)由高到低依次為珠三角、長(zhǎng)三角和京津冀，發(fā)展綜合指數(shù)總體不高。

珠三角城市群整體綜合指數(shù)最高，得益于珠三角九座城市中有廣州和深圳兩座發(fā)達(dá)的副省級(jí)城市，以及佛山和東莞兩市得分也遠(yuǎn)超平均水平，同時(shí)這也與一直以來(lái)珠三角地區(qū)在高新產(chǎn)業(yè)上的領(lǐng)先有關(guān)。長(zhǎng)三角高于京津冀，可能的原因是長(zhǎng)三角氣候適宜、資源豐厚，物流投入高，長(zhǎng)江水運(yùn)優(yōu)勢(shì)和擁有的許多優(yōu)良港口使其物流發(fā)展速度更快，而京津冀尤其是河北省各城市物流基礎(chǔ)設(shè)施落后、人才流失較嚴(yán)重、城市之間關(guān)聯(lián)較少，沒(méi)有形成完善的物流體系。京津冀的出?？诓澈Ｗ鳛閮?nèi)海，為其提供的經(jīng)濟(jì)效益遠(yuǎn)小于長(zhǎng)三角的黃海和東海出?？凇?/p>

從各城市群內(nèi)部來(lái)看，京津冀城市群內(nèi)，北京發(fā)展遙遙領(lǐng)先，天津發(fā)展水平尚可，其余城市發(fā)展水平處于偏低區(qū)間，發(fā)展水平以北京為中心向外圍遞減，向北遞減趨勢(shì)明顯，向南遞減較弱。長(zhǎng)三角城市群內(nèi)，以上海和杭州為中心向外圍遞減，例外的是南京和合肥這兩座省會(huì)城市雖然相對(duì)遠(yuǎn)離上海和杭州，但發(fā)展水平仍然較高。珠三角城市群內(nèi)，發(fā)展水平呈現(xiàn)以廣州、深圳為中心向外圍遞減的格局，東莞市在廣州、深圳的雙重輻射下，發(fā)展水平十分亮眼且多年來(lái)穩(wěn)定增長(zhǎng)。綜合得分結(jié)果，京津冀城市群中第一名北京是最后一名衡水的15.75倍；長(zhǎng)三角城市群中第一名上海是最后一名池州的39.31倍；珠三角城市群中第一名廣州是最后一名江門(mén)的11.54倍。這表明三大城市群內(nèi)部發(fā)展差異明顯，長(zhǎng)三角城市群內(nèi)部發(fā)展水平差異最大。造成這一現(xiàn)象的原因可能是長(zhǎng)三角城市群面積大，涵蓋區(qū)域廣泛，其三個(gè)省份中浙江省和江蘇省的地理區(qū)位、經(jīng)濟(jì)水平、發(fā)展基礎(chǔ)、優(yōu)良港口和資源豐富程度都要優(yōu)于安徽省。

三大城市群所有城市中，2013年得分前十名的分別是上海（0.404）、北京（0.330）、廣州（0.228）、深圳（0.211）、天津（0.199）、南京（0.127）、杭州（0.122）、蘇州（0.098）、寧波（0.097）、唐山（0.090），2021年得分前十名的分別是廣州（0.569）、上海（0.555）、北京（0.504）、深圳（0.363）、天津（0.223）、南京（0.214）、杭州（0.187）、蘇州（0.177）、寧波（0.153）、東莞（0.143）。前十名幾乎沒(méi)有變化，這些城市的長(zhǎng)期領(lǐng)先得益于其經(jīng)濟(jì)發(fā)展水平、產(chǎn)業(yè)基礎(chǔ)、物流資源、地理區(qū)位、政策優(yōu)勢(shì)等多方面因素。

2. 時(shí)間特征

由表2可看出，2013—2021年三大城市群智慧物流發(fā)展綜合指數(shù)整體呈現(xiàn)增長(zhǎng)趨勢(shì)，體現(xiàn)了智慧物流發(fā)展大方向的有效性。三大城市群增長(zhǎng)幅度由高到低依次為珠三角、長(zhǎng)三角和京津冀。

2013—2014年和2019—2020年較多城市出現(xiàn)發(fā)展水平倒退的現(xiàn)象，前者可能是由于智慧物流處于起步階段，各項(xiàng)投入需要巨大成本，后者可能是由于突發(fā)公共衛(wèi)生事件沖擊了物流業(yè)發(fā)展。為更詳細(xì)地了解各城市智慧物流發(fā)展水平的變化情況，將各城市得分變化分成穩(wěn)定增長(zhǎng)型、波動(dòng)增長(zhǎng)型和倒退型三種類(lèi)型。（1）發(fā)展水平每年穩(wěn)定增長(zhǎng)，未出現(xiàn)倒退現(xiàn)象的是穩(wěn)定增長(zhǎng)型，其城市有：石家莊、保定、廊坊、滄州、衡水、上海、常州、蘇州、南通、泰州、紹興、湖州、臺(tái)州、合肥、蕪湖、宣城、池州、滁州、江門(mén)、肇慶。（2）2013—2021年發(fā)展水平出現(xiàn)過(guò)倒退現(xiàn)象但2021年較2013年結(jié)果為增長(zhǎng)的是波動(dòng)增長(zhǎng)型，其城市有：北京、天津、唐山、邯鄲、邢臺(tái)、張家口、承德、南京、無(wú)錫、鹽城、揚(yáng)州、鎮(zhèn)江、杭州、寧波、嘉興、金華、舟山、馬鞍山、安慶、廣州、深圳、佛山、東莞、惠州、珠海。（3）2021年發(fā)展水平較2013年降低的是倒退型，其城市有：秦皇島、銅陵、中山。增長(zhǎng)最為顯著的城市廣州由0.228增長(zhǎng)到0.569，增幅0.341，增長(zhǎng)速度遙遙領(lǐng)先，廣州物流業(yè)本身基礎(chǔ)雄厚，其作為制造業(yè)領(lǐng)頭羊的地位也持續(xù)促進(jìn)其智慧物流的發(fā)展。北京、深圳和上海增長(zhǎng)速度分別位居第二、三、四名，漲幅分別為0.174、0.152和0.151，作為我國(guó)一直以來(lái)的中心城市和改革開(kāi)放重點(diǎn)城市，多項(xiàng)發(fā)展政策促使北京、深圳和上海得以快速穩(wěn)定發(fā)展。第五名南京和第六名蘇州的漲幅分別為0.087和0.079，杭州漲幅為0.065，這可能與杭州的互聯(lián)網(wǎng)產(chǎn)業(yè)發(fā)達(dá)有關(guān)，金華漲幅為0.059，這可能得益于其下轄市義烏市規(guī)模巨大的快遞行業(yè)。漲幅比較小的城市有張家口、馬鞍山、池州、珠海，而秦皇島、銅陵等城市則出現(xiàn)不同程度的得分降低情況。

由于北京、天津和上海三個(gè)直轄市是直接由中央管理的城市，而深圳經(jīng)濟(jì)特區(qū)在財(cái)政上具有很大的獨(dú)立性，為得到更加客觀的三大城市群普遍發(fā)展水平，根據(jù)結(jié)果將三大城市群分別剔除直轄市和深圳四個(gè)政策特殊城市后進(jìn)行均值處理并繪制折線圖（見(jiàn)圖1）?？梢钥闯鲈谔蕹陛犑泻蜕钲谑械那闆r下，2013—2015年，長(zhǎng)三角城市群發(fā)展幾乎停滯，京津冀和珠三角城市群則出現(xiàn)下降趨勢(shì)，可能的原因是在智慧物流發(fā)展起步階段，各種先進(jìn)設(shè)備、前沿理念的引入消耗了大量投資，相關(guān)政策制度和政府、企業(yè)管理辦法也都處于初級(jí)摸索階段。2014年10月國(guó)務(wù)院發(fā)布《國(guó)務(wù)院關(guān)于印發(fā)物流業(yè)發(fā)展中長(zhǎng)期規(guī)劃（2014—2020年）》，之后的2015—2018年三大城市群都迎來(lái)了一波較大幅度的增長(zhǎng)并一直保持增勢(shì)至2021年。這說(shuō)明國(guó)家物流政策的調(diào)控積極促進(jìn)了智慧物流產(chǎn)業(yè)的發(fā)展。其中，珠三角城市群不僅發(fā)展水平明顯領(lǐng)先于其他兩個(gè)城市群，進(jìn)步速度也最快，這可能由于珠三角城市群是我國(guó)最早進(jìn)行改革開(kāi)放的地區(qū)，在接觸國(guó)內(nèi)外先進(jìn)物流理念和管理方式上有著先發(fā)優(yōu)勢(shì)?？偟膩?lái)看，2013—2021年，綜合指數(shù)在平均得分以上的城市中，京津冀所占比例減少，長(zhǎng)三角和珠三角所占比例增加。本身發(fā)展水平高的城市增長(zhǎng)速度也趨向于更快，發(fā)展水平處于末位的城市增長(zhǎng)更為困難，甚至出現(xiàn)倒退，這說(shuō)明智慧物流的發(fā)展在空間上存在集聚效應(yīng)，導(dǎo)致發(fā)達(dá)城市與欠發(fā)達(dá)城市的差距進(jìn)一步拉大。

五、智慧物流發(fā)展水平影響因素分析

（一）影響因素變量選取

以文獻(xiàn)綜述中列舉的研究為基礎(chǔ)，結(jié)合智慧物流的特征，從產(chǎn)業(yè)結(jié)構(gòu)、成本壓力、交通通達(dá)程度、政府干預(yù)、對(duì)外開(kāi)放程度和科技發(fā)展六個(gè)方面分析我國(guó)三大城市群智慧物流發(fā)展的影響因素。

產(chǎn)業(yè)結(jié)構(gòu)：物流業(yè)的發(fā)展受制于城市經(jīng)濟(jì)以及物流設(shè)備、物流人才狀況，涵蓋這些條件的相關(guān)產(chǎn)業(yè)鏈現(xiàn)狀是發(fā)展該產(chǎn)業(yè)的基礎(chǔ)，城市經(jīng)濟(jì)中與物流相關(guān)產(chǎn)業(yè)所占比重也影響著物流業(yè)發(fā)展。產(chǎn)業(yè)結(jié)構(gòu)用第三產(chǎn)業(yè)/GDP表示[29～30]。成本壓力：一切產(chǎn)業(yè)發(fā)展都離不開(kāi)成本，而我國(guó)物流業(yè)還處于勞動(dòng)密集型階段，成本控制影響著物流業(yè)發(fā)展。成本壓力用物流業(yè)平均工資表示[31～32]。交通通達(dá)程度：交通運(yùn)輸是物流業(yè)的核心，良好的交通網(wǎng)絡(luò)對(duì)物流業(yè)發(fā)展起著關(guān)鍵作用。交通通達(dá)程度用公路貨運(yùn)量表示[33]。政府干預(yù)：政府的合理調(diào)控會(huì)對(duì)產(chǎn)業(yè)發(fā)展起到正向作用。政府干預(yù)用物流業(yè)固定資產(chǎn)投資額/GDP表示[34]。對(duì)外開(kāi)放程度：良好穩(wěn)定的國(guó)際貿(mào)易循環(huán)能反映該市物流的國(guó)際認(rèn)可度，國(guó)際貿(mào)易認(rèn)可意味著更多的國(guó)際進(jìn)出口訂單，這也將推進(jìn)智慧物流的發(fā)展。對(duì)外開(kāi)放程度用進(jìn)出口總額/GDP表示[35]。科技發(fā)展：科學(xué)技術(shù)是第一生產(chǎn)力，科技進(jìn)步會(huì)推動(dòng)所有行業(yè)飛速發(fā)展?？萍及l(fā)展用專(zhuān)利授權(quán)量表示[36]。

（二）方法選取

Tobit模型常用于被解釋變量取值有限制的模型。被解釋變量智慧物流發(fā)展綜合指數(shù)值介于0～1的范圍外無(wú)觀測(cè)值的受限變量，若采用OLS普通最小二乘法進(jìn)行回歸分析，參數(shù)可能出現(xiàn)較大誤差，影響結(jié)果準(zhǔn)確性[37]，故構(gòu)建Tobit回歸模型進(jìn)行影響因素探討。

[C=β0+β1X1+β2X2+β3X3+...+βiXi+α] （12）

其中，[C]表示三大城市群智慧物流發(fā)展水平指數(shù)，[β0]為常數(shù)項(xiàng)，[βi]為待估參數(shù)，[α]為隨機(jī)誤差項(xiàng)。

（三）多重共線性檢驗(yàn)

對(duì)選定的變量進(jìn)行多重共線檢驗(yàn)。本文使用的檢驗(yàn)指標(biāo)是容許度（TOL）和方差膨脹因子（VIF）。計(jì)算公式為：TOLj=1-R2j=1/VIFj。當(dāng)TOL較小時(shí)，認(rèn)為存在多重共線性。一般地，方差膨脹因子VIF大于10，認(rèn)為具有高的多重共線性。VIF檢驗(yàn)結(jié)果如表3所示，所有自變量的VIF值均小于10，自變量間不存在顯著的多重共線性，所選變量合理。

（四）結(jié)果分析

首先，固定效應(yīng)Tobit模型無(wú)法進(jìn)行條件最大似然估計(jì)，所以一般考慮使用混合效應(yīng)模型或隨機(jī)效應(yīng)模型。對(duì)所選數(shù)據(jù)進(jìn)行Tobit模型的LR檢驗(yàn)，得出p值小于0.05，LR檢驗(yàn)結(jié)果拒絕了原假設(shè)，表明存在個(gè)體效應(yīng)，所以采用隨機(jī)效應(yīng)面板Tobit模型進(jìn)行分析。

用Tobit模型對(duì)所選變量進(jìn)行回歸分析，結(jié)果見(jiàn)表4。可以看出，物流業(yè)固定資產(chǎn)投資額/GDP、專(zhuān)利授權(quán)量、進(jìn)出口總額/GDP、第三產(chǎn)業(yè)/GDP的p 值都小于0.05，z 值都為正值，說(shuō)明其代表的政府干預(yù)、科技發(fā)展、對(duì)外開(kāi)放程度和產(chǎn)業(yè)結(jié)構(gòu)對(duì)智慧物流發(fā)展水平的影響正向顯著。物流業(yè)平均工資和公路貨運(yùn)量的p 值分別為0.690和0.124，說(shuō)明其代表的成本壓力和交通通達(dá)程度對(duì)發(fā)展水平的影響不顯著，可能的原因在于，交通發(fā)展對(duì)智慧物流發(fā)展影響存在滯后性；成本壓力的增加雖然會(huì)促進(jìn)勞動(dòng)力效率的提升，但影響了對(duì)智慧物流設(shè)備等的投入，從而平衡了其對(duì)智慧物流發(fā)展的影響。

專(zhuān)利授權(quán)量的z 值7.67，排名第一，這充分印證了科學(xué)技術(shù)是第一生產(chǎn)力，尤其是對(duì)于智慧物流這種新興的、結(jié)合各種前沿科技的產(chǎn)業(yè)，科技進(jìn)步對(duì)其發(fā)展的推動(dòng)效果十分顯著。物流業(yè)固定資產(chǎn)投資額/GDP的z 值為4.2，排名第二，說(shuō)明政府支持對(duì)智慧物流發(fā)展影響顯著，一方面政府主導(dǎo)物流基礎(chǔ)設(shè)施設(shè)備的建設(shè)與生產(chǎn)，使物流業(yè)企業(yè)有更好的發(fā)展能力；另一方面政府政策的引導(dǎo)和扶持能更有效地幫助物流業(yè)和上下游產(chǎn)業(yè)鏈串聯(lián)。第三產(chǎn)業(yè)/GDP的z 值為3.99，排名第三，說(shuō)明城市群轉(zhuǎn)向由第三產(chǎn)業(yè)引導(dǎo)的經(jīng)濟(jì)模式將更有利于智慧物流的發(fā)展。進(jìn)出口總額/GDP的z 值為3.56，排名第四，說(shuō)明我國(guó)智慧物流仍以國(guó)內(nèi)循環(huán)為主，國(guó)際貿(mào)易情況對(duì)國(guó)內(nèi)城市影響相對(duì)較小，但仍然是影響智慧物流發(fā)展不可忽視的因素。

六、結(jié)論與建議

本文從發(fā)展環(huán)境基礎(chǔ)、物流發(fā)展要素和科技發(fā)展?jié)摿θ齻€(gè)層面構(gòu)建智慧物流發(fā)展水平指標(biāo)體系，運(yùn)用熵權(quán)-TOPSIS模型測(cè)度我國(guó)三大城市群48個(gè)城市2013—2021年智慧物流發(fā)展水平，建立Tobit回歸分析模型探究三大城市群智慧物流發(fā)展的影響因素。研究結(jié)果表明：（1）三大城市群（除直轄市和深圳）中，珠三角城市群智慧物流發(fā)展水平最高，長(zhǎng)三角次之，京津冀發(fā)展水平較低。城市群內(nèi)，智慧物流發(fā)展綜合指數(shù)存在顯著的空間差異性。整體發(fā)展水平呈現(xiàn)南強(qiáng)北弱且分別以北京、上海、杭州、廣州和深圳為中心向外圍遞減的格局。（2）三大城市群智慧物流發(fā)展綜合指數(shù)時(shí)序上整體呈現(xiàn)增長(zhǎng)趨勢(shì)，增長(zhǎng)幅度由高到低依次為珠三角、長(zhǎng)三角和京津冀，存在明顯的規(guī)模集聚現(xiàn)象，城市層面上原本發(fā)展水平高的城市也更容易有相對(duì)高的增長(zhǎng)幅度，發(fā)展水平低的城市陷入難以大幅度增長(zhǎng)甚至發(fā)展倒退的漩渦。（3）成本壓力和交通通達(dá)程度對(duì)智慧物流發(fā)展的影響不顯著，科技發(fā)展、政府干預(yù)、產(chǎn)業(yè)結(jié)構(gòu)和對(duì)外開(kāi)放程度對(duì)智慧物流發(fā)展影響正向且顯著，程度依次減弱。

基于以上研究結(jié)果，提出以下建議：（1）提高智慧物流要素投入。政府應(yīng)將更多資金投入智慧物流基礎(chǔ)設(shè)施的生產(chǎn)和人才的培養(yǎng)，如修建高速公路和物流樞紐，推進(jìn)ETC代替?zhèn)鹘y(tǒng)收費(fèi)站，高校增加物流專(zhuān)業(yè)、擴(kuò)招物流專(zhuān)業(yè)研究生。企業(yè)多引進(jìn)先進(jìn)物流管理經(jīng)驗(yàn)，并將更多經(jīng)費(fèi)用于智慧物流相關(guān)科技研究和人才引進(jìn)。（2）縮小智慧物流城際間差異。城市群之間以及城市群內(nèi)部，政府應(yīng)出臺(tái)政策適當(dāng)扶持目前智慧物流發(fā)展較差、進(jìn)步緩慢以及發(fā)展倒退的城市，鼓勵(lì)各城市加強(qiáng)經(jīng)濟(jì)聯(lián)系，尤其是發(fā)達(dá)城市將部分弱勢(shì)產(chǎn)業(yè)向其他城市轉(zhuǎn)移、優(yōu)勢(shì)產(chǎn)業(yè)向周邊城市擴(kuò)散，充分發(fā)揮擴(kuò)散效應(yīng)，引導(dǎo)各市合力打造智慧物流生態(tài)產(chǎn)業(yè)鏈。欠發(fā)達(dá)城市要因地制宜，結(jié)合本地資源尋找更高效且更適合當(dāng)?shù)氐陌l(fā)展方式。同時(shí)縮小與發(fā)達(dá)城市經(jīng)濟(jì)差異將有助于提高欠發(fā)達(dá)城市智慧物流競(jìng)爭(zhēng)力，從而縮小與發(fā)達(dá)城市智慧物流發(fā)展水平差異。（3）打造智慧物流“雙循環(huán)”。三大城市群是我國(guó)智慧物流發(fā)展最早、經(jīng)濟(jì)最發(fā)達(dá)的地區(qū)，肩負(fù)著帶領(lǐng)全國(guó)發(fā)展的重任，應(yīng)當(dāng)響應(yīng)我國(guó)“一帶一路”倡議，充分利用其所擁有的沿海區(qū)位優(yōu)勢(shì)，建設(shè)完善沿江、沿河、沿海港口和物流樞紐，增加進(jìn)出口貿(mào)易規(guī)模，引進(jìn)海外管理經(jīng)驗(yàn)和先進(jìn)設(shè)備，深化結(jié)構(gòu)側(cè)改革，積極打造出一批與國(guó)際接軌、具有強(qiáng)大競(jìng)爭(zhēng)力的智慧物流企業(yè)，形成國(guó)內(nèi)國(guó)際雙循環(huán)相互促進(jìn)發(fā)展格局。

參考文獻(xiàn)：

［1］ 王智泓.我國(guó)智慧物流發(fā)展的現(xiàn)實(shí)困境及戰(zhàn)略思考［J］.商業(yè)經(jīng)濟(jì)研究，2021（14）：106-110.

［2］ 石榮麗.基于大數(shù)據(jù)的智慧物流園區(qū)信息平臺(tái)建設(shè)［J］.企業(yè)經(jīng)濟(jì)，2016（3）：134-138.

［3］ 黃彬.大數(shù)據(jù)時(shí)代傳統(tǒng)物流產(chǎn)業(yè)智慧化轉(zhuǎn)型路徑研究［J］.技術(shù)經(jīng)濟(jì)與管理研究，2021（12）：118-121.

［4］ SHEE H，MIAH SJ ，F(xiàn)AIRFIELD L ，PUJAWAN N. The Impact of Cloud-Enabled Process Integration on Supply Chain Performance and Firm Sustainability：the Moderating Role of Top Management［J］.Supply Chain Management：An International Journal，2018（6）：500-517.

［5］ 張向陽(yáng)，袁澤沛.網(wǎng)購(gòu)時(shí)代我國(guó)“智慧云物流”平臺(tái)體系與協(xié)同運(yùn)營(yíng)模式研究［J］.中國(guó)科技論壇，2013（7）：99-104.

［6］ 吳婷.區(qū)塊鏈賦能智慧物流平臺(tái)化發(fā)展的挑戰(zhàn)與應(yīng)對(duì)策略［J］.商業(yè)經(jīng)濟(jì)研究，2022（1）：105-108.

［7］ 李永芃，張明.區(qū)塊鏈賦能智慧物流生態(tài)體系升級(jí)研究［J］.企業(yè)經(jīng)濟(jì)，2021（12）：144-151.

［8］ BIRKEL HS，HARTMANN E. Impact of IoT Challenges and Risks for SCM［J］.Supply Chain Management：An International Journal，2019（1）：39-61.

［9］ 伍寧杰.“互聯(lián)網(wǎng)+”背景下我國(guó)智慧物流轉(zhuǎn)型路徑探討［J］.商業(yè)經(jīng)濟(jì)研究，2018（12）：116-119.

［10］ 王之泰.城鎮(zhèn)化需要“智慧物流”［J］.中國(guó)流通經(jīng)濟(jì)，2014（3）：4-8.

［11］ 何黎明.中國(guó)智慧物流發(fā)展趨勢(shì)［J］.中國(guó)流通經(jīng)濟(jì)，2017（6）：3-7.

［12］ 東方.新發(fā)展格局下智慧物流產(chǎn)業(yè)發(fā)展關(guān)鍵問(wèn)題及對(duì)策建議［J］.經(jīng)濟(jì)縱橫，2021（10）：77-84.

［13］ 劉仁軍，周欣.政府補(bǔ)貼與企業(yè)物流智慧化升級(jí)的演化博弈［J］.科技管理研究，2023（4）：185-192.

［14］ 方菲，胡強(qiáng).物流智慧化轉(zhuǎn)型對(duì)區(qū)域經(jīng)濟(jì)高質(zhì)量發(fā)展的影響——基于長(zhǎng)江經(jīng)濟(jì)帶的實(shí)證分析［J］.商業(yè)經(jīng)濟(jì)研究，2023（24）：95-98.

［15］ 俞彤暉，陳斐.數(shù)字經(jīng)濟(jì)時(shí)代的流通智慧化轉(zhuǎn)型：特征、動(dòng)力與實(shí)現(xiàn)路徑［J］.中國(guó)流通經(jīng)濟(jì)，2020（11）：33-43.

［16］ 田歆，王皓晴，汪壽陽(yáng)，等.智能化對(duì)零售物流的影響：基于聯(lián)華華商的實(shí)證研究［J］.管理評(píng)論，2023（12）：272-281.

［17］ 王帥，林坦.智慧物流發(fā)展的動(dòng)因、架構(gòu)和建議［J］.中國(guó)流通經(jīng)濟(jì)，2019（1）：35-42.

［18］ 錢(qián)慧敏，何江，關(guān)嬌.“智慧+共享”物流耦合效應(yīng)評(píng)價(jià)［J］.中國(guó)流通經(jīng)濟(jì)，2019（11）：3-16.

［19］ 張蓉.新零售時(shí)代生鮮農(nóng)產(chǎn)品“智慧+冷鏈”物流發(fā)展路徑探究［J］.商業(yè)經(jīng)濟(jì)研究，2022（9）：112-115.

［20］ 孔超，丁璇，唐亦玲.5G+時(shí)代館配行業(yè)智慧服務(wù)新生態(tài)研究［J］.出版發(fā)行研究，2022（1）：92-97.

［21］ 魏成，陳賽男，邱可盈，等.“機(jī)器代人”時(shí)代的新型智能產(chǎn)業(yè)空間需求與規(guī)劃響應(yīng)——以中山北部產(chǎn)業(yè)園規(guī)劃設(shè)計(jì)為例［J］.規(guī)劃師，2023（7）：24-31.

［22］ 孫翊，吳靜，劉昌新，等.加快推進(jìn)我國(guó)應(yīng)急物資儲(chǔ)備治理體系現(xiàn)代化建設(shè)［J］.中國(guó)科學(xué)院院刊，2020（6）：724-731.

［23］ 李丫丫，王磊，彭永濤.物流產(chǎn)業(yè)智能化發(fā)展與產(chǎn)業(yè)績(jī)效提升——基于WIOD數(shù)據(jù)及回歸模型的實(shí)證檢驗(yàn)［J］.中國(guó)流通經(jīng)濟(jì)，2018（3）：36-43.

［24］ 馬鳴晴，李從東，楊衛(wèi)明.智慧物流發(fā)展水平的動(dòng)態(tài)測(cè)評(píng)——基于中國(guó)省際面板數(shù)據(jù)的實(shí)證研究［J］.科技管理研究，2022（13）：189-198.

［25］ 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(jì)與決策，2022（17）：109-113.

［26］ 孫磊，張樹(shù)山，郭坤.中國(guó)物流產(chǎn)業(yè)智慧化水平測(cè)度及影響因素［J］.中國(guó)流通經(jīng)濟(jì)，2021（10）：30-38.

［27］ 谷城，張樹(shù)山.中國(guó)物流產(chǎn)業(yè)智慧化空間聯(lián)系的網(wǎng)絡(luò)結(jié)構(gòu)及其影響因素［J］.經(jīng)濟(jì)地理，2023（5）：117-127.

［28］ 肖超欄.智慧物流發(fā)展水平影響因素的維度識(shí)別及權(quán)重分析［J］.商業(yè)經(jīng)濟(jì)研究，2024（5）：100-103.

［29］ 劉秀.智慧物流對(duì)區(qū)域綠色經(jīng)濟(jì)發(fā)展的影響及作用機(jī)制——基于長(zhǎng)江經(jīng)濟(jì)帶的實(shí)證［J］.商業(yè)經(jīng)濟(jì)研究，2023（22）：97-100.

［30］ 謝守紅，蔡海亞.長(zhǎng)江三角洲物流業(yè)發(fā)展的時(shí)空演變及影響因素［J］.世界地理研究，2015（3）：118-125.

［31］ 林煒.企業(yè)創(chuàng)新激勵(lì)：來(lái)自中國(guó)勞動(dòng)力成本上升的解釋?zhuān)跩］.管理世界，2013（10）：95-105.

［32］ 薛陽(yáng)，郭世樂(lè)，馮銀虎.長(zhǎng)江經(jīng)濟(jì)帶數(shù)字物流與物流高質(zhì)量發(fā)展［J］.華東經(jīng)濟(jì)管理，2024（3）：23-34.

［33］ 張圣忠，孟迪，柴廷熠.關(guān)中平原城市群物流企業(yè)空間格局演化及影響因素研究［J］.世界地理研究，2024（4）：117-129.

［34］ 王愛(ài)虎，TANATTARAT TAKURAKIAT.基于中泰對(duì)比視角的泰國(guó)物流業(yè)發(fā)展水平評(píng)價(jià)研究［J］.華南理工大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2018（3）：26-35.

［35］ 李琳，朱璇.“一帶一路”背景下西部地區(qū)物流樞紐節(jié)點(diǎn)城市物流效率及其空間溢出效應(yīng)［J］.商業(yè)經(jīng)濟(jì)研究，2024（9）：87-90.

［36］ 劉帥.中國(guó)經(jīng)濟(jì)增長(zhǎng)質(zhì)量的地區(qū)差異與隨機(jī)收斂［J］.數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2019（9）：24-41.

［37］ 鄭兵云，楊宏豐.“一帶一路”中國(guó)沿海城市港口效率評(píng)價(jià)——基于DEA博弈交叉效率-Tobit模型［J］.數(shù)理統(tǒng)計(jì)與管理，2021（3）：502-514.