摘 要：物流績效已經(jīng)成為衡量一個(gè)地區(qū)物流業(yè)綠色發(fā)展水平的重要指標(biāo)。為研究東北三省物流業(yè)綠色發(fā)展水平，本文選取東北三省2012—2021年的面板數(shù)據(jù)，采用熵權(quán)-Topsis模型，對東北三省的綠色物流績效進(jìn)行評價(jià)與分析。研究結(jié)果表明，東北三省的綠色物流績效整體呈上升趨勢，其中遼寧省的綠色物流績效遠(yuǎn)高于吉林省與黑龍江省，吉林省與黑龍江省相差不大。制約吉、黑二省綠色物流發(fā)展主要原因是經(jīng)濟(jì)發(fā)展和基礎(chǔ)建設(shè)較落后。東北三省地區(qū)應(yīng)重視物流基礎(chǔ)建設(shè)，提升綠色物流數(shù)字化，利用地理優(yōu)勢，促進(jìn)中外物流協(xié)同合作，發(fā)展綠色物流。

關(guān)鍵詞：雙碳目標(biāo)；熵權(quán)-Topsis；綠色物流績效；東北三省

中圖分類號：F 503" " " " 文獻(xiàn)標(biāo)志碼：A

目前，大多學(xué)者對國內(nèi)物流的研究均針對我國某個(gè)省或市，主要集中在中部、東部等地區(qū)，李喻[1]通過因子分析法對湖北省各市綠色物流績效指標(biāo)體系進(jìn)行構(gòu)建并對其進(jìn)行綜合排名，提出了改變“先污染后治理”的思想。王嘉誠等[2]基于三階段DEA對中國樞紐城市進(jìn)行低碳物流績效分析，剔除環(huán)境與隨機(jī)因素后，樞紐城市的平均綜合技術(shù)效率、純技術(shù)效率以及規(guī)模效率都有所提升。駱金鴻等[3]基于變異系數(shù)法和相關(guān)系數(shù)法從系統(tǒng)主體要素、市場要素和支持要素3個(gè)方面對2016—2021年中國長江各省經(jīng)濟(jì)帶農(nóng)產(chǎn)品冷鏈物流能力進(jìn)行評價(jià)并提出可行性建議。但是針對東北地區(qū)各省份綠色物流績效的研究還相對較少，忽略了振興東北的重要意義。

中俄經(jīng)貿(mào)合作興起、東北地區(qū)與俄羅斯港口互聯(lián)互通加強(qiáng)帶動?xùn)|北三省物流業(yè)蓬勃發(fā)展，因此研究東北三省綠色物流績效具有一定現(xiàn)實(shí)意義。東北三省擁有豐富的資源和優(yōu)越的地理位置，對我國的進(jìn)出口貿(mào)易做出了重要貢獻(xiàn)，但是與中部和南部省份相比，東北三省物流產(chǎn)業(yè)距離高效快捷、規(guī)劃合理和設(shè)施良好的現(xiàn)代綠色物流運(yùn)輸體系相差甚遠(yuǎn)。本文基于東北三省2012—2021年的相關(guān)數(shù)據(jù)，根據(jù)綠色物流的定義，從基礎(chǔ)設(shè)施、經(jīng)濟(jì)水平、運(yùn)營發(fā)展以及能源與環(huán)境4個(gè)方面構(gòu)建綠色物流績效評價(jià)體系[4]。結(jié)合雙碳背景，分析東北三省綠色物流發(fā)展中存在的問題，并得出結(jié)論。

1 綠色物流績效評價(jià)體系構(gòu)建

1.1 評價(jià)指標(biāo)的選取

科學(xué)、系統(tǒng)的評價(jià)指標(biāo)體系是綠色物流績效評價(jià)的基礎(chǔ)和前提，而影響評價(jià)結(jié)果真實(shí)性與準(zhǔn)確性的主要因素是評價(jià)指標(biāo)選取是否合理。因此，應(yīng)遵循系統(tǒng)性、科學(xué)性、實(shí)用性和通用可比性等原則進(jìn)行指標(biāo)選取。

與傳統(tǒng)的物流績效評價(jià)相比，綠色物流績效的評價(jià)更關(guān)注碳排放和能源消耗。因此構(gòu)建評價(jià)指標(biāo)體系時(shí)必須要有關(guān)于綠色物流發(fā)展方面的指標(biāo)。本文遵循指標(biāo)選取的相關(guān)原則，以東北三省地區(qū)綠色物流的發(fā)展現(xiàn)狀為基礎(chǔ)，從基礎(chǔ)設(shè)施、經(jīng)濟(jì)水平、運(yùn)營發(fā)展以及能源與環(huán)境4個(gè)方面選取了12個(gè)二級指標(biāo)，其中物流業(yè)二氧化硫排放量與物流業(yè)能源消費(fèi)總量為負(fù)向指標(biāo)，其余為正向指標(biāo)。綠色物流績效評價(jià)指標(biāo)體系見表1。

其中選取的正向投入指標(biāo)如下所示。1） 物流業(yè)固定資產(chǎn)投資額（X1）。該指標(biāo)是指交通運(yùn)輸、倉儲和郵政業(yè)固定資產(chǎn)投資額，可有效反映區(qū)域物流業(yè)有形資本的投入[5]。發(fā)展綠色物流必須利用先進(jìn)的技術(shù)手段和節(jié)能高效的設(shè)施設(shè)備，因此物流業(yè)固定資產(chǎn)投資額越高，發(fā)展綠色物流的力度越強(qiáng)，綠色物流發(fā)展水平也會越高。2） 等級公路里程（X2）。該項(xiàng)數(shù)據(jù)在一定程度上揭示了該地區(qū)道路的發(fā)展規(guī)模和基礎(chǔ)設(shè)計(jì)建設(shè)水平，同時(shí)也展現(xiàn)了該地區(qū)物流經(jīng)濟(jì)現(xiàn)狀。當(dāng)該地區(qū)等級公里里程數(shù)越高，物流基礎(chǔ)建設(shè)越優(yōu)化，物流運(yùn)輸效率就越高，即為該地區(qū)物流業(yè)綠色發(fā)展奠定了基石。3） 交通運(yùn)輸財(cái)政支出（X5）。該指標(biāo)是指用于物流行業(yè)各級政府財(cái)支出的總和。綠色物流的發(fā)展取決于政府的導(dǎo)向、管理和把控。當(dāng)物流業(yè)財(cái)政支出越多，說明政府的管理政策越嚴(yán)格，對綠色物流的發(fā)展越有利。4） 交通運(yùn)輸財(cái)政支出/財(cái)政總支出（X6）。該指標(biāo)是指用于物流業(yè)的財(cái)政支出與政府財(cái)政總支出的比值。交通運(yùn)輸財(cái)政支出/總財(cái)政支出值越大，說明政府對物流業(yè)的投入越大，對物流業(yè)綠色發(fā)展越有推動作用。5） 物流業(yè)從業(yè)人數(shù)（X9）。該指標(biāo)是指運(yùn)輸業(yè)、倉儲業(yè)以及郵政業(yè)當(dāng)年的從業(yè)人數(shù)。物流業(yè)從業(yè)人數(shù)能夠反映一個(gè)地區(qū)的物流業(yè)的發(fā)展規(guī)模，從業(yè)人數(shù)越多，物流業(yè)發(fā)展規(guī)模就越大，發(fā)展綠色物流的潛力也越大。6） 物流業(yè)集聚度（X10）。該指標(biāo)是指一個(gè)地區(qū)內(nèi)物流企業(yè)的聚集程度。物流業(yè)聚集度越高，該地區(qū)物流業(yè)發(fā)展越好，對該地區(qū)物流業(yè)的綠色發(fā)展越有幫助。

選取的正向產(chǎn)出指標(biāo)如下所示。1） 物流業(yè)增加值（X3）。該指標(biāo)是指某個(gè)地區(qū)一定時(shí)間內(nèi)物流業(yè)通過物流活動為社會創(chuàng)造的價(jià)值。該指標(biāo)是衡量物流行業(yè)發(fā)展規(guī)模的重要部分。物流業(yè)增加值高，就能為其綠色發(fā)展奠定穩(wěn)固的經(jīng)濟(jì)基礎(chǔ)。2） 物流業(yè)總產(chǎn)值（X4）。該指標(biāo)是指在一定時(shí)期內(nèi)，一個(gè)地區(qū)物流業(yè)所生產(chǎn)出的服務(wù)總價(jià)值。物流業(yè)總產(chǎn)值越高，代表物流業(yè)越發(fā)達(dá)，綠色物流程度越高。3） 貨物周轉(zhuǎn)量（X7）。該指標(biāo)是指貨物運(yùn)輸量與運(yùn)輸距離的乘積。物流運(yùn)輸環(huán)節(jié)的發(fā)展?fàn)顩r與該指標(biāo)密切相關(guān)。貨物周轉(zhuǎn)量增加，物流行業(yè)環(huán)節(jié)完善度越高，綠色物流發(fā)展空間越大。4） 貨運(yùn)量（X8）。該指標(biāo)是指各運(yùn)輸單位實(shí)際運(yùn)輸?shù)呢浳锟倲?shù)量，與地區(qū)經(jīng)濟(jì)增長密切相關(guān)，能夠反應(yīng)當(dāng)?shù)鼐用竦纳钚枨?、物流行業(yè)的運(yùn)營和管理情況。物流行業(yè)發(fā)展與貨運(yùn)量成正比，與綠色物流發(fā)展有極大關(guān)聯(lián)性。

選取的非期望產(chǎn)出指標(biāo)如下所示。1） 物流業(yè)二氧化碳排放量（X11）。該指標(biāo)為負(fù)向指標(biāo)，以地區(qū)物流業(yè)所用各種能源消耗量與排放系數(shù)相乘。物流業(yè)二氧化碳排放總量是指在所有物流環(huán)節(jié)中產(chǎn)生的二氧化碳?xì)怏w的總排放量。物流業(yè)綠色發(fā)展水平與其二氧化碳排放量成反比。2） 物流業(yè)能源消耗總量（X12）。該指標(biāo)為負(fù)向指標(biāo)，可以綜合反映物流業(yè)對化石能源煤的消耗和使用情況。物流業(yè)標(biāo)準(zhǔn)煤消耗總量越少，物流業(yè)能源結(jié)構(gòu)調(diào)整越完善，清潔能源使用越廣泛，綠色化程度越高。

1.2 熵權(quán)法確立指標(biāo)權(quán)重

本文利用熵權(quán)法來確定各指標(biāo)權(quán)重。熵值越大，說明體系越混亂，信息量越小，不確定性越大，權(quán)重越小。熵值越小，說明系統(tǒng)越有序，信息量越大，不確定性越小，權(quán)重越大[6]。具體計(jì)算步驟如下所示。

假設(shè)有m個(gè)待評價(jià)樣本，n項(xiàng)評價(jià)指標(biāo)，構(gòu)造原始數(shù)據(jù)矩陣如公式（1）所示。

（1）

式中：X為原始數(shù)列矩陣；m為待評價(jià)樣本；n為評價(jià)指標(biāo)個(gè)數(shù)；x為評價(jià)指標(biāo)。

為消除不同評價(jià)指標(biāo)數(shù)據(jù)差異性的影響，需要對各個(gè)指標(biāo)進(jìn)行歸一化或無量綱化處理。為了避免求熵值時(shí)對數(shù)出現(xiàn)0而無意義，需要為每個(gè)值加上較小的實(shí)數(shù)，本文選擇加上0.001。采用極值法進(jìn)行歸一化處理，分別如公式（2）、公式（3）所示。

對于值越大越好的指標(biāo)，即正向指標(biāo)如公式（2）所示。

（2）

式中：X'為正向指標(biāo)歸一化處理后的數(shù)據(jù)；Xij為第i個(gè)樣本第j項(xiàng)評價(jià)指標(biāo)的數(shù)值，其中，i=1，2，3，...，m；j=1，2，3，...，n；max（Xij）為數(shù)據(jù)最大值；min（Xij）為數(shù)據(jù)最小值。

對于值越小越好的指標(biāo)，即負(fù)向指標(biāo)如公式（3）所示。

（3）

式中：X'為負(fù)向指標(biāo)歸一化處理后的數(shù)據(jù)；Xij為第i個(gè)樣本第j項(xiàng)評價(jià)指標(biāo)的數(shù)值，其中，i=1，2，3，...，m；j=1，2，3，...，n；max（Xij）為數(shù)據(jù)最大值；min（Xij）為數(shù)據(jù)最小值。

計(jì)算第j項(xiàng)指標(biāo)下，第i個(gè)數(shù)據(jù)在該指標(biāo)中的占比，如公式（4）所示。

（4）

式中：Pij為第j項(xiàng)指標(biāo)下，第i個(gè)評價(jià)指標(biāo)的占比。

建立標(biāo)準(zhǔn)化矩陣，如公式（5）所示。

（5）

式中：P為標(biāo)準(zhǔn)化矩陣。

根據(jù)熵權(quán)法理論，計(jì)算第j個(gè)指標(biāo)的信息熵，如公式（6）所示。

（6）

式中：ej為第j個(gè)評價(jià)指標(biāo)的信息熵。

計(jì)算第j項(xiàng)指標(biāo)的差異系數(shù)，如公式（7）所示。

gj=1-ej （7）

式中：gi為第j項(xiàng)指標(biāo)的差異系數(shù)。

確定評價(jià)指標(biāo)的權(quán)重Wj，如公式（8）所示。

（8）

式中：Wj為第j項(xiàng)指標(biāo)的權(quán)重。

1.3 Topsis法排序評價(jià)

在多目標(biāo)決策分析中，Topsis法是一種高效的策略和一種接近理想解的排序方法。該法基于有限的評價(jià)對象與理想目標(biāo)的相似度進(jìn)行排序，并對評價(jià)對象進(jìn)行相對優(yōu)劣評價(jià)。不僅對數(shù)據(jù)沒有特殊要求，還能最大限度地利用相關(guān)數(shù)據(jù)信息，客觀真實(shí)地展示不同評價(jià)對象間的差異。

建立加權(quán)評價(jià)決策矩陣，將熵權(quán)法標(biāo)準(zhǔn)化矩陣X與熵權(quán)法計(jì)算所得權(quán)重W=（W1，W2，...，Wn）T相乘，如公式（9）所示。

Zij=Wj?Yij，i=1，...，m；j=1，...，n （9）

式中：Zij為加權(quán)決策評價(jià)矩陣。

計(jì)算正理想解和負(fù)理想解，分別如公式（10）、公式（11）所示。

（10）

式中：z+為正理想解；max{zij}為加權(quán)評價(jià)決策矩陣Z中正向指標(biāo)最大值；min{zij}為加權(quán)評價(jià)決策矩陣Z中負(fù)向指標(biāo)最小值。

（11）

式中：z-為負(fù)理想解；min{zij}加權(quán)評價(jià)決策矩陣Z中正向指標(biāo)最小值；max{zij}加權(quán)評價(jià)決策矩陣Z中負(fù)向指標(biāo)最大值。

Topsis法決策的關(guān)鍵是計(jì)算各評價(jià)指標(biāo)的標(biāo)準(zhǔn)化向量到正理想解和負(fù)理想解的距離，分別如公式（12）和公式（13）所示。

（12）

式中：Di+為各評價(jià)指標(biāo)到正理想解的距離。

（13）

式中：Di-為各評價(jià)指標(biāo)到負(fù)理想解的距離。

Di+值越小，說明與最優(yōu)解距離越近；Di-值越大，說明與最劣解距離越遠(yuǎn)。此時(shí)也是最理想的情況。

計(jì)算各對象到正理想解的貼近度。目標(biāo)與最優(yōu)目標(biāo)的接近程度可以用貼近度來表示，其取值為[0，1]，計(jì)算值越接近1，說明該評價(jià)對象的結(jié)果越趨于最優(yōu)水平，如公式（14）所示。

（14）

式中：Ci為各評價(jià)指標(biāo)的相對貼近度。

2 實(shí)證分析

2.1 數(shù)據(jù)來源

鑒于我國還沒有對物流業(yè)進(jìn)行明確劃分，因此數(shù)據(jù)庫沒有直接收集相關(guān)數(shù)據(jù)。根據(jù)現(xiàn)有研究，物流產(chǎn)業(yè)被視為交通運(yùn)輸業(yè)、倉儲業(yè)和郵政業(yè)這3個(gè)行業(yè)的綜合體，通常會采用這3個(gè)行業(yè)數(shù)據(jù)的總和來進(jìn)行替代物流行業(yè)的數(shù)據(jù)。本文以東北三省為研究區(qū)域，選擇其2012—2021年物流數(shù)據(jù)。本研究使用的數(shù)據(jù)匯總了《統(tǒng)計(jì)年鑒》和《國民經(jīng)濟(jì)與社會發(fā)展統(tǒng)計(jì)公報(bào)》中關(guān)于這3個(gè)產(chǎn)業(yè)的相關(guān)數(shù)據(jù)。由于部分?jǐn)?shù)據(jù)存在少量缺失，因此采用插值法予以補(bǔ)齊。

2.2 指標(biāo)熵值與權(quán)重分析

通過熵值法對東北三省2012—2021年綠色物流績效評價(jià)指標(biāo)數(shù)據(jù)進(jìn)行計(jì)算，得到

評價(jià)體系各指標(biāo)的權(quán)重，計(jì)算結(jié)果見表2。

由表2可知，在對東北三省綠色物流績效的測算過程中，投入指標(biāo)所占權(quán)重約為42.38%，產(chǎn)出指標(biāo)約占45.81%。由此可見，投入指標(biāo)與產(chǎn)出指標(biāo)對東北三省綠色物流發(fā)展貢獻(xiàn)近乎相同。投入指標(biāo)的二級指標(biāo)所占權(quán)重均在6%～8%，重要性比較均衡。其中物流業(yè)固定資產(chǎn)投資額與等級公路里程近目前最大降幅分別約為46.01%和33%。由此可見，在綠色物流發(fā)展前期，物流基礎(chǔ)設(shè)施的建設(shè)和運(yùn)輸體系的搭建尤為重要。隨著東北三省物流體系的完整化與規(guī)范化，物流業(yè)固定資產(chǎn)投資額與等級公路里程的占比也有所下降。產(chǎn)出指標(biāo)的二級指標(biāo)權(quán)重幾乎都在10%以上，所占權(quán)重最高的前2個(gè)是貨物周轉(zhuǎn)量約為13.37%，貨運(yùn)量約為12.54%，其中貨運(yùn)量所占權(quán)重逐年增長，至目前漲幅約為28.17%。由此可見，綠色物流的發(fā)展離不開人們的需求、企業(yè)和政府對物流業(yè)運(yùn)營管理的推動作用。而目前物流業(yè)二氧化碳排放量和物流業(yè)能源消耗量均為6%左右，所占權(quán)重較穩(wěn)定，也是東北三省綠色物流發(fā)展中需要特別關(guān)注、不可或缺的部分。

2.3 評價(jià)結(jié)果分析

計(jì)算出各指標(biāo)權(quán)重后，基于Topsis評價(jià)模型，利用MATLAB軟件結(jié)合加權(quán)后的數(shù)據(jù)，依次計(jì)算正理想解距離D+、負(fù)理想解距離D-和相對貼近度，結(jié)果見表3，各年各省份相對接近度折線圖如圖1所示。

分析圖1可知，遼寧省綠色物流發(fā)展水平在2012—2014年上升趨勢明顯，年平均增長率為6.76%。2014年遼寧省的物流業(yè)固定投資和貨物周轉(zhuǎn)量均為圖1中10年的最高值，貨運(yùn)總量為這10年內(nèi)第二，而相對貼近度也達(dá)到這10年內(nèi)最大值0.809。其主要原因是遼寧省的整體經(jīng)濟(jì)水平、省內(nèi)物流企業(yè)和物流基礎(chǔ)建設(shè)發(fā)展較快。2014年后遼寧省綠色物流發(fā)展水平出現(xiàn)了小幅度下降，最大降幅約為10.38%，其原因是遼寧省經(jīng)濟(jì)增長緩慢，多項(xiàng)反應(yīng)物流規(guī)模的指標(biāo)開始下降，非期待產(chǎn)出指標(biāo)能源消耗與碳排放水平卻出現(xiàn)上升。

黑龍江的綠色物流發(fā)展水平較穩(wěn)定，各年差異較小。2012年已達(dá)到圖1中前5年的較高水平0.345。2012年黑龍江物流業(yè)固定投資額僅有500余億元，但是其貨運(yùn)總量已達(dá)到6.5億余噸，物流業(yè)能源消耗量與二氧化碳排放量均為這5年間最低水平，降幅約為41.9%。2016—2019年，黑龍江綠色物流發(fā)展水平在三省中增幅最大，年平均增長率為7.15%。其原因是黑龍江省的物流固定投資上漲，漲幅均在900億元以上。政府上調(diào)了對黑龍江物流建設(shè)的投入，黑龍江的物流發(fā)展加快。同時(shí)，黑龍江政府的財(cái)政環(huán)保指數(shù)也同比增加4.2%，對環(huán)境污染治理的投入加大，使二氧化碳排放量明顯下降，2016—2019年降幅為26.27%。

吉林省綠色物流發(fā)展水平在東北三省中較落后，圖1中的10年平均相對貼近度約占遼寧省的41.89%，并在2013年出現(xiàn)了明顯下降，在2014年后逐漸上升至最高水平0.43，年平均增長率為6.37%。根據(jù)數(shù)據(jù)可知，吉林省的物流固定投資額逐年遞增，這10年增長近71.82%，物流規(guī)模有了大幅度提升。原因是吉林省清潔能源的使用率比傳統(tǒng)能源高，吉林省的非期望產(chǎn)出數(shù)據(jù)遠(yuǎn)低于其他2省，僅占遼寧省這10年平均能源消耗量的32.24%。隨著吉林物流業(yè)發(fā)展一片向好，在2019年，吉林省的二氧化碳排放量也達(dá)到了這10年的最低值，與2015年相比，降幅為14.13%。

3 結(jié)論

本文基于基礎(chǔ)設(shè)施、經(jīng)濟(jì)水平、運(yùn)營發(fā)展以及能源與環(huán)境4個(gè)維度、12個(gè)指標(biāo)構(gòu)建綠色物流評價(jià)指標(biāo)體系。選取黑龍江、吉林和遼寧3個(gè)省份2012—2021年的面板數(shù)據(jù)進(jìn)行實(shí)證分析。運(yùn)用熵權(quán)法對相關(guān)指標(biāo)數(shù)據(jù)進(jìn)行賦權(quán)，再運(yùn)用Topsis法進(jìn)行貼近度排序。經(jīng)實(shí)證分析，在2012—2021年這10年間，東北三省綠色物流發(fā)展水平存在較大差異，各省份間發(fā)展協(xié)同性較低。遼寧省的綠色物流發(fā)展迅速，接近吉林省和黑龍江省總和，這得益于遼寧省優(yōu)越的地理位置，豐富的自然資源和發(fā)達(dá)的工業(yè)體系。吉林省與黑龍江省早期差異較大，繼而吉林省呈現(xiàn)追趕之勢，繼而2個(gè)省份綠色物流發(fā)展水平也比較接近。在2019—2021年，東北三省綠色物流績效均有不同程度的下降和回暖趨勢，遼寧省尤為明顯，其主要原因是在新冠疫情期間，政府實(shí)行嚴(yán)格的交通管控和人員管控，人力資源、物力資源的空缺和抗擊給物流行業(yè)的發(fā)展帶來了較大沖擊。2020年后，由于疫情把控得當(dāng)，隨著經(jīng)濟(jì)復(fù)蘇，物流行業(yè)穩(wěn)健恢復(fù)，物流企業(yè)逐漸擺脫陰霾，快速進(jìn)入復(fù)工復(fù)產(chǎn)狀態(tài)，拉動供需兩端進(jìn)行實(shí)質(zhì)性提升，帶動了東北三省物流發(fā)展的回暖。根據(jù)東北三省綠色物流評價(jià)體系及其相關(guān)影響因素，東北三省未來綠色物流發(fā)展應(yīng)提高物流基礎(chǔ)建設(shè)，建立自貿(mào)試驗(yàn)區(qū)，打造應(yīng)急物流供應(yīng)鏈，從而實(shí)現(xiàn)多式聯(lián)運(yùn)，促進(jìn)中外協(xié)同發(fā)展，提升綠色物流體系穩(wěn)健性。

參考文獻(xiàn)

[1]李喻.湖北省綠色物流績效指標(biāo)體系構(gòu)建與評價(jià)研究[J].中國儲運(yùn)，2024（3）：15-116.

[2]王嘉誠，魏海蕊.基于三階段DEA的樞紐城市低碳物流績效分析[J].物流科技，2022，45（20）：1-5.

[3]王玲，嚴(yán)偉.“雙碳”目標(biāo)背景下綠色物流發(fā)展路徑研究[J].遼寧行政學(xué)院學(xué)報(bào)，2023（3）：40-45.

[4]駱金鴻，鄒娟平.基于EFA的區(qū)域農(nóng)產(chǎn)品冷鏈物流能力評價(jià)指標(biāo)體系構(gòu)建[J].中國新技術(shù)新產(chǎn)品，2024（1）：132-135.

[5]李美玉.基于熵權(quán)TOPSIS模型的華東地區(qū)物流競爭力評價(jià)[D].昆明：昆明理工大學(xué)，2023.

[6]劉天威，曾睿，龍晨宇，等.基于熵權(quán)TOPSIS的雅魯藏布江水電站選址綜合評價(jià)[J].中國新技術(shù)新產(chǎn)品，2023（9）：125-127.