梁 雯，劉志秀，汪皖珍

(安徽大學(xué) 商學(xué)院，合肥 230601)

一、引言

在中美貿(mào)易摩擦和新冠肺炎疫情的雙重影響下，我國經(jīng)濟(jì)受到了負(fù)面沖擊，而此時新興的數(shù)字經(jīng)濟(jì)卻彰顯出巨大的發(fā)展?jié)摿?，正在加速向?jīng)濟(jì)社會各領(lǐng)域、各環(huán)節(jié)滲透賦能，其對GDP的貢獻(xiàn)程度不斷創(chuàng)新高，成為驅(qū)動經(jīng)濟(jì)高質(zhì)量增長和轉(zhuǎn)變發(fā)展方式的強有力的“發(fā)動機”。黨的十九屆五中全會強調(diào)，欲形成現(xiàn)代產(chǎn)業(yè)體系，實現(xiàn)經(jīng)濟(jì)體系升級優(yōu)化，務(wù)必發(fā)展戰(zhàn)略性新興產(chǎn)業(yè)，提升產(chǎn)業(yè)鏈供應(yīng)鏈現(xiàn)代化水平，推動數(shù)字化轉(zhuǎn)型。2022年的《政府工作報告》也提出要緊緊扭住供給側(cè)結(jié)構(gòu)性改革，重視需求側(cè)管理，順應(yīng)數(shù)字化趨勢，加快釋放數(shù)字經(jīng)濟(jì)新活力。2021年我國數(shù)字經(jīng)濟(jì)規(guī)模達(dá)到45.5萬億元，較“十三五”初期擴張了1倍多，同比名義增長16.2%，高于GDP名義增速3.4個百分點，占GDP比重達(dá)到39.8%?？梢姡瑪?shù)字經(jīng)濟(jì)對于我國經(jīng)濟(jì)增長的支撐作用非常顯著。

我國區(qū)域經(jīng)濟(jì)發(fā)展演進(jìn)的時間較長，而且在空間維度上經(jīng)濟(jì)發(fā)展重心歷經(jīng)了從沿海轉(zhuǎn)向內(nèi)地、再由內(nèi)地轉(zhuǎn)向沿海的過程，形成了當(dāng)前的區(qū)域空間新格局。黨的十八大以來，我國繼續(xù)貫徹實施區(qū)域發(fā)展總體戰(zhàn)略、充分發(fā)揮各地區(qū)比較優(yōu)勢、優(yōu)先推進(jìn)西部大開發(fā)、積極堅持東部地區(qū)率先發(fā)展的整體思想，確定了我國區(qū)域經(jīng)濟(jì)發(fā)展的主流方向。長江經(jīng)濟(jì)帶囊括了多個對全國經(jīng)濟(jì)起著核心支撐作用的重要城市群，如長三角城市群、長江中游城市群、成渝城市群等。其中，長江上游貴州省的大數(shù)據(jù)產(chǎn)業(yè)、中游地區(qū)享譽全球的“中國聲谷”和“中國光谷”以及下游長三角的新興特色產(chǎn)業(yè)發(fā)展得如火如荼，為長江經(jīng)濟(jì)帶數(shù)字經(jīng)濟(jì)的快速發(fā)展奠定了基礎(chǔ)。

借力于新一代信息技術(shù)的顛覆性變革，物流業(yè)作為國民經(jīng)濟(jì)的動脈和基礎(chǔ)，其新的發(fā)展機遇接踵而至。2022年國務(wù)院發(fā)布的《關(guān)于印發(fā)〈“十四五”數(shù)字經(jīng)濟(jì)發(fā)展規(guī)劃〉的通知》，提出了“重點行業(yè)數(shù)字化轉(zhuǎn)型提升工程”，將智慧物流列入七個重點行業(yè)之中，并要求加快對傳統(tǒng)物流設(shè)施的數(shù)字化改造升級，構(gòu)建以物聯(lián)網(wǎng)大數(shù)據(jù)技術(shù)為中樞的需求、庫存和物流信息動態(tài)共享的智能物流模式。自長江經(jīng)濟(jì)帶戰(zhàn)略推行以來，經(jīng)濟(jì)高速增長正向刺激了沿江城市群的物流需求，為區(qū)域物流發(fā)展提供了現(xiàn)實的市場條件[1]。同時，物流業(yè)的發(fā)展有效推動了都市圈其他產(chǎn)業(yè)的聯(lián)動發(fā)展，也為長江經(jīng)濟(jì)帶健康發(fā)展提供了必要條件。據(jù)此，分析長江經(jīng)濟(jì)帶數(shù)字經(jīng)濟(jì)與區(qū)域物流業(yè)發(fā)展之間的聯(lián)結(jié)機制，對于打造我國經(jīng)濟(jì)新支撐帶、擴大內(nèi)需具有重要意義。

二、文獻(xiàn)回顧

經(jīng)過改革開放，我國區(qū)域經(jīng)濟(jì)獲得了前所未有的增長，有效解放和發(fā)展了生產(chǎn)力。但是，在由大國向強國跨越的過程中，區(qū)域間差距、環(huán)境污染等不平衡、不充分問題仍然是我國區(qū)域經(jīng)濟(jì)高質(zhì)量發(fā)展的梗阻。我國區(qū)域經(jīng)濟(jì)亟待從傳統(tǒng)的要素驅(qū)動增長型轉(zhuǎn)變?yōu)閯?chuàng)新驅(qū)動增長型，而數(shù)字經(jīng)濟(jì)正是數(shù)字化轉(zhuǎn)型時代的新引擎。

有關(guān)數(shù)字經(jīng)濟(jì)的研究，國外學(xué)者Albouy較早地將基于云計算的大數(shù)據(jù)分析技術(shù)與區(qū)域發(fā)展影響因素及政策效果評估等結(jié)合起來進(jìn)行研究[2]。Teece提出創(chuàng)新者的價值捕獲問題存在于整個數(shù)字經(jīng)濟(jì)中，移動數(shù)據(jù)革命背后一系列新的服務(wù)生態(tài)系統(tǒng)如雨后春筍般涌現(xiàn)，包括流媒體、云計算、物聯(lián)網(wǎng)和移動支付系統(tǒng)等[3]。Baldwin提出人工智能、機器人、5G和VR等技術(shù)正逐步消解服務(wù)業(yè)“面對面”的特征，極大降低了貨物的運送成本、人的轉(zhuǎn)移成本、觀念的轉(zhuǎn)移成本，從而使生產(chǎn)環(huán)節(jié)進(jìn)一步發(fā)生空間分離[4]。為有效釋放中國數(shù)字經(jīng)濟(jì)的活力，國內(nèi)研究亦未停止過對符合中國特色的經(jīng)濟(jì)提質(zhì)增效之路的探索。馬香品指出，中國數(shù)字經(jīng)濟(jì)起源于電子商務(wù)，它一經(jīng)誕生便迅速且全面地席卷了居民消費領(lǐng)域，并且近幾年又憑借技術(shù)的力量重塑了居民消費模式，不斷拓寬消費場景邊界，尤其是在消費端大數(shù)據(jù)帶來的流通環(huán)節(jié)的減少和空間障礙的突破，有效推動了居民消費的結(jié)構(gòu)優(yōu)化[5]。金環(huán)等從數(shù)字經(jīng)濟(jì)發(fā)展對區(qū)域創(chuàng)新差距的影響效應(yīng)來分析，認(rèn)為數(shù)字經(jīng)濟(jì)產(chǎn)生的空間溢出效應(yīng)能夠縮小區(qū)域創(chuàng)新差距，數(shù)字經(jīng)濟(jì)為區(qū)域創(chuàng)新發(fā)展帶來的是“數(shù)字紅利”而非“數(shù)字鴻溝”[6]。謝璐等認(rèn)為，面對城鄉(xiāng)二元體制制約和其他困境，需要準(zhǔn)確把握數(shù)字技術(shù)和數(shù)字經(jīng)濟(jì)助力城鄉(xiāng)融合發(fā)展的實踐路徑[7]。

效率被廣泛認(rèn)為是評價物流業(yè)發(fā)展水平的重要綜合指標(biāo)，能夠直觀地反映某一地區(qū)物流業(yè)的實際發(fā)展情況[8]。對物流業(yè)效率的已有研究大體上可以分為三個方向：企業(yè)層、行業(yè)層以及區(qū)域?qū)印Ｊ紫?，在微觀的企業(yè)層面，王瑛從地理學(xué)角度分析了物流企業(yè)空間形態(tài)的變化過程及原因，并具體闡明了不同物流企業(yè)空間形態(tài)變化的特征[9]；謝文佳利用投入產(chǎn)出模型對國內(nèi)幾家典型物流企業(yè)的效率進(jìn)行了測度，發(fā)現(xiàn)各企業(yè)之間的物流業(yè)效率存在顯著差異，這是由物流企業(yè)投入產(chǎn)出過剩和技術(shù)創(chuàng)新管理經(jīng)驗缺乏造成的[10]。其次，在中觀的行業(yè)層面，劉華軍等通過構(gòu)建全局超效率EBM模型測度了我國省域物流業(yè)效率[11]；劉承良等基于低碳環(huán)保的視角，通過構(gòu)建較為系統(tǒng)的理論和實證框架，對省級物流業(yè)效率的空間分布進(jìn)行了研究[12]。最后，在宏觀的區(qū)域?qū)用?，學(xué)者們主要針對不同的區(qū)域物流業(yè)效率而展開研究，如長江經(jīng)濟(jì)帶[13]、泛環(huán)渤海經(jīng)濟(jì)圈[14]、京津冀區(qū)域[15]等，并且通過實證模型測度了特定區(qū)域的物流業(yè)效率，同時提出了提升區(qū)域物流業(yè)效率的對策建議。

數(shù)字技術(shù)與實體經(jīng)濟(jì)的深度融合無疑是新經(jīng)濟(jì)創(chuàng)新發(fā)展的主要趨勢，數(shù)字物流正是該背景下的產(chǎn)物，所謂數(shù)字物流即是對物流業(yè)進(jìn)行的數(shù)字化創(chuàng)新改造。關(guān)于數(shù)字經(jīng)濟(jì)與物流業(yè)的互動機理，學(xué)者們大體圍繞新技術(shù)、新要素、新模式及新“人力”等展開論述(見圖1)。張則強等首次提出了數(shù)字物流的概念，將數(shù)字物流界定為“在計算機網(wǎng)絡(luò)、數(shù)據(jù)庫、仿真和虛擬現(xiàn)實等技術(shù)的支撐下，應(yīng)用數(shù)字技術(shù)處理物流活動的技術(shù)系統(tǒng)”，其本質(zhì)是物流信息的數(shù)字化[16]。吳謝玲認(rèn)為，我國物流企業(yè)向數(shù)字化、信息化邁進(jìn)的步伐比較緩慢，需要充分利用數(shù)字協(xié)同和網(wǎng)絡(luò)智能技術(shù)，集成物流供應(yīng)鏈中制造、技術(shù)、服務(wù)等關(guān)鍵流通要素，實現(xiàn)各類資源的優(yōu)化配置[17]。俞彤暉等從流通智慧化轉(zhuǎn)型的本質(zhì)內(nèi)涵角度分析，認(rèn)為流通智慧化轉(zhuǎn)型具有跨界融合的特征，而且數(shù)字技術(shù)的嵌入會對原有流通模式造成創(chuàng)造性破壞，從而形成多業(yè)態(tài)融合共生的新模式[18]。張衛(wèi)昌認(rèn)為在整個物流行業(yè)的多個節(jié)點中，中轉(zhuǎn)集散點是物流模式演變的核心場景，應(yīng)該對其增加自動化、智能化設(shè)備的研發(fā)投入，以便在提高作業(yè)效率的同時降低工作損耗[19]。李曉梅等在梳理數(shù)字物流與區(qū)域經(jīng)濟(jì)的關(guān)系時，還考慮了數(shù)字化發(fā)展水平，認(rèn)為數(shù)字物流高質(zhì)量發(fā)展能夠反哺區(qū)域經(jīng)濟(jì)[20]。

圖1 數(shù)字經(jīng)濟(jì)與物流業(yè)的互動機理

整理以往的文獻(xiàn)資料發(fā)現(xiàn)，無論是對數(shù)字經(jīng)濟(jì)還是對物流業(yè)效率，相關(guān)研究都已十分豐富，皆具理論和實際價值，但仍存在以下不足：(1)較多的文獻(xiàn)是單獨研究物流業(yè)效率，并沒有系統(tǒng)地結(jié)合數(shù)字經(jīng)濟(jì)探究物流業(yè)效率的增長機制；(2)有關(guān)數(shù)字經(jīng)濟(jì)的指標(biāo)量化研究成果不足，樣本選擇多以橫截面數(shù)據(jù)或以時間序列為主，略顯單薄。據(jù)此，本文可能的邊際貢獻(xiàn)在于：(1)將數(shù)字經(jīng)濟(jì)嵌入物流領(lǐng)域的研究中，進(jìn)一步拓展物流業(yè)的研究邊界；(2)構(gòu)建包含數(shù)字經(jīng)濟(jì)基礎(chǔ)設(shè)施水平、數(shù)字產(chǎn)業(yè)發(fā)展、數(shù)字人才、數(shù)字普惠金融等指標(biāo)的復(fù)合數(shù)字經(jīng)濟(jì)評價指標(biāo)體系，確保研究結(jié)果的合理性與科學(xué)性；(3)選用長江經(jīng)濟(jì)帶11個省市2010-2019年的面板數(shù)據(jù)，借助“熵值法-三階段DEA-Malmquist指數(shù)-耦合協(xié)調(diào)度”復(fù)合計量模型，盡可能嚴(yán)謹(jǐn)?shù)亟沂緮?shù)字經(jīng)濟(jì)與物流業(yè)效率之間的協(xié)調(diào)發(fā)展?fàn)顩r。

三、研究方法與指標(biāo)體系

(一)三階段DEA模型

DEA是一種非參數(shù)方法，主要用于衡量個體或單位的投入產(chǎn)出效率。一般來說，DEA實質(zhì)上是線性規(guī)劃模型，它追求決策單元效率的最大化。傳統(tǒng)DEA模型通常會受到三個因素的干擾：隨機誤差項、內(nèi)部管理低效率和外部環(huán)境。據(jù)此，F(xiàn)ried等首次提出三階段DEA方法，消除隨機干擾和外部變量的影響，從而得到僅反映經(jīng)營管理水平的更純粹的生產(chǎn)率[21]。本文構(gòu)建的三階段DEA模型其計算過程如下。

1.第一階段：傳統(tǒng)DEA模型

采用傳統(tǒng)DEA方法測度物流業(yè)效率，其中物流業(yè)綜合技術(shù)效率(TE)由純技術(shù)效率(PTE)和規(guī)模效率(SE)表示，即TE=PTE×SE。通過計算目標(biāo)投入值與原始投入值的差值得出松弛變量。因物流業(yè)的投入變量易受控制，所以本文選用DEA-BCC模型，其對偶形式可表示為：

minθ-ε(e-TS-+eTS+)，

(1)

式中，j=1，2，…，n表示決策單元；X代表投入變量；Y代表產(chǎn)出變量；S-，S+分別對應(yīng)投入和產(chǎn)出的松弛變量。若θ=1，S-=S+=0，則決策單元有效；若θ=1，S-≠0或者S+≠0，則決策單元弱效率；若θ<1，則決策單元非有效。

2.第二階段：類SFA模型

構(gòu)建以投入松弛變量為因變量、外部環(huán)境變量為自變量的隨機前沿模型，并將混合擾動項進(jìn)一步分離出管理無效率項和隨機誤差項，最后計算得出調(diào)整后的投入值。本文構(gòu)建的類SFA模型公式可表示為：

Sik=fi(Zk；βi)+vik+μik。

(2)

式中，i=1，2，…m；k=1，2，…，n；Sik代表第k個決策單元第i項投入的松弛變量；Zk和βi分別是環(huán)境因素及其待估參數(shù)；vik是隨機誤差；μik是管理無效率。

3.第三階段：調(diào)整的DEA模型

用第二階段調(diào)整后的投入值替換原始投入值，重復(fù)第一階段DEA-BCC模型的測算步驟，最終，在去除環(huán)境因素和隨機誤差后，得到相對客觀的效率值。

(二)Malmquist指數(shù)

考慮到三階段DEA模型僅用于評估各決策單元的靜態(tài)效率，無法衡量效率的變化程度，因此，本文添加了Malmquist指數(shù)方法，對物流業(yè)效率的動態(tài)變化過程進(jìn)行分析。將調(diào)整后的投入值和原始產(chǎn)出值代入DEA-Malmquist模型中進(jìn)行計算，得到剔除環(huán)境因素和隨機誤差的物流業(yè)全要素生產(chǎn)率。測算公式如下：

(3)

式中，TFP表示物流業(yè)全要素生產(chǎn)率；xt為t時期的投入，yt為t時期的產(chǎn)出；(xt，yt)在t期的距離函數(shù)為dt(xt，yt)，在p期的距離函數(shù)為dt(xp，yp)；(xp，yp)在t期的距離函數(shù)為dp(xt，yt)，在p期的距離函數(shù)為dp(xp，yp)。

(三)熵值法

1.指標(biāo)標(biāo)準(zhǔn)化

每個指標(biāo)的性質(zhì)、量綱等特征均存在一定的差異，對于涉及這些不同指標(biāo)的評價模型則無法將它們綜合起來評價。因此，為了避免量綱和變量自身特征對結(jié)果準(zhǔn)確性產(chǎn)生影響，本文對數(shù)據(jù)先進(jìn)行標(biāo)準(zhǔn)化處理，過程如下。

(ⅰ)正向指標(biāo)標(biāo)準(zhǔn)化

(4)

(ⅱ)負(fù)向指標(biāo)標(biāo)準(zhǔn)化

(5)

式中，Yij是第j項指標(biāo)標(biāo)準(zhǔn)化后的數(shù)值，yij是第j項指標(biāo)的原始數(shù)據(jù)，1≤j≤m。

2.確定指標(biāo)權(quán)重

權(quán)重反映出各項指標(biāo)對某一事物的貢獻(xiàn)度，具體計算步驟如下。

(ⅰ)計算第j項指標(biāo)占比

(6)

(ⅱ)計算第j項指標(biāo)熵值

(7)

(ⅲ)計算第j項指標(biāo)冗余度

dj=1-ej。

(8)

(ⅳ)計算第j項指標(biāo)權(quán)重

(9)

(ⅴ)計算綜合評價得分

(10)

(四)耦合協(xié)調(diào)度模型

耦合本為物理學(xué)專有名詞，原義為當(dāng)兩個或兩個以上電路構(gòu)成一個網(wǎng)絡(luò)時，其中一個電路中電流或電壓發(fā)生變化，能直接影響其他電路相應(yīng)的變化。這一概念被引入社會學(xué)研究中則強調(diào)系統(tǒng)間的相互作用。協(xié)調(diào)為系統(tǒng)從無序到有序的發(fā)展過程，更側(cè)重于系統(tǒng)間的融合發(fā)展趨勢。

以三階段DEA-Malmquistm模型和熵值法分別測算出物流業(yè)全要素生產(chǎn)率和數(shù)字經(jīng)濟(jì)綜合指數(shù)，繼而構(gòu)建耦合協(xié)調(diào)度模型，深入探究數(shù)字經(jīng)濟(jì)與物流業(yè)效率協(xié)調(diào)發(fā)展問題。

1.計算耦合度

(11)

當(dāng)C=1時，表明系統(tǒng)間各要素間聯(lián)系緊密；當(dāng)C=0時，表明系統(tǒng)間各要素幾乎無聯(lián)系。U為數(shù)字經(jīng)濟(jì)綜合指數(shù)(即Ui表示的綜合評價得分)，TFP為物流業(yè)全要素生產(chǎn)率。

2.計算耦合協(xié)調(diào)度

(12)

式中，α，β是待定系數(shù)，且α+β=1，本文將物流業(yè)效率與數(shù)字經(jīng)濟(jì)兩個系統(tǒng)視作同等重要，因此α=β=0.5。

(五)指標(biāo)體系

本文的數(shù)據(jù)均來自國家統(tǒng)計局網(wǎng)站、《中國統(tǒng)計年鑒》以及各省市歷年的統(tǒng)計年鑒。由于指標(biāo)數(shù)字普惠金融無法從上述途徑直接獲取，遂通過借鑒現(xiàn)有文獻(xiàn)進(jìn)行補充。

數(shù)字經(jīng)濟(jì)的指標(biāo)選取。參考現(xiàn)有研究，從數(shù)字經(jīng)濟(jì)基礎(chǔ)設(shè)施水平、數(shù)字經(jīng)濟(jì)產(chǎn)業(yè)發(fā)展水平、數(shù)字人才和數(shù)字普惠金融四個維度對數(shù)字經(jīng)濟(jì)的發(fā)展水平進(jìn)行測度。其中，關(guān)于對數(shù)字普惠金融的衡量，本文借用北京大學(xué)數(shù)字金融研究中心和螞蟻金服集團(tuán)共同編制的數(shù)字普惠金融發(fā)展指數(shù)來實現(xiàn)[22]。

物流業(yè)效率指標(biāo)選取。其一，本文選取勞動力投入和資本投入為投入指標(biāo)的兩個維度，分別對應(yīng)著城鎮(zhèn)物流從業(yè)人員以及物流業(yè)固定資產(chǎn)投資。其二，產(chǎn)出指標(biāo)選用貨運量和物流業(yè)增加值。鑒于物流業(yè)尚未形成專門的統(tǒng)計分類，故沿用前人的做法，以交通運輸、倉儲和郵政業(yè)來代表整個物流行業(yè)。其三，環(huán)境變量側(cè)重于選擇對物流業(yè)具有一定影響力且不受決策單元本身控制的因素，本文選用人均GDP、政府支持以及對外開放程度三個環(huán)境變量。

數(shù)字經(jīng)濟(jì)與物流業(yè)效率協(xié)調(diào)發(fā)展的評價指標(biāo)體系如表1所示。

表1 數(shù)字經(jīng)濟(jì)與物流業(yè)效率協(xié)調(diào)發(fā)展的評價指標(biāo)體系

四、實證分析

(一)三階段DEA測算物流業(yè)效率

1.第一階段的測算結(jié)果

運用Deap2.1軟件測算出全國31個省市2010-2019年的物流業(yè)效率值。由于數(shù)據(jù)量j較大，加之第一階段得出的評估結(jié)果并沒有去除環(huán)境因素和隨機誤差的影響，這一階段的結(jié)果將在第三階段進(jìn)行部分披露。

2.第二階段類SFA模型的回歸結(jié)果分析

利用Frontie4.1軟件，去除隨機誤差和環(huán)境因素的干擾，以第一階段獲得的投入松弛變量對環(huán)境變量進(jìn)行回歸，結(jié)果如表2所示。

表2 類SFA模型的回歸結(jié)果

表2結(jié)果顯示，單邊廣義似然比檢驗即LR都通過了臨界值水平，拒絕不存在無效率項的原假設(shè)，即驗證了本文采用類SFA模型的客觀性。另外，除了政府支持外，人均GDP和對外開放程度對投入指標(biāo)松弛變量的回歸結(jié)果都通過了1%的顯著水平，這意味著環(huán)境變量明顯影響著投入冗余。其中，人均GDP與物流業(yè)固定資產(chǎn)投資的冗余變量之間呈現(xiàn)負(fù)向關(guān)系，說明人均GDP的不斷提高會促進(jìn)物流業(yè)資本投入，從而使經(jīng)濟(jì)效益增加；人均GDP對城鎮(zhèn)物流從業(yè)人員松弛變量的估計系數(shù)為正，表明人均GDP會刺激物流業(yè)的需求，而投入過量的人力資源反而造成資本冗余。此外，在1%的顯著性水平下，對外開放程度對物流業(yè)固定資產(chǎn)投資松弛變量的估計系數(shù)為正，說明對外開放程度越高越會造成國內(nèi)物流業(yè)固定資本的積聚，從而造成要素的使用效率降低；對外開放程度對城鎮(zhèn)物流從業(yè)人員松弛變量的估計系數(shù)為負(fù)，說明隨著對外開放程度的提高，會加速刺激市場對物流人才的需求，實現(xiàn)人力和物資的充分利用。

3.第三階段的結(jié)果分析

將去除環(huán)境因素和隨機誤差影響后測算出的全國31個省市2010-2019年的物流業(yè)效率值歸為東部、中部、西部三大經(jīng)濟(jì)區(qū)，這里選取2019年第三階段的結(jié)果與第一階段的結(jié)果進(jìn)行對比分析，結(jié)果如表3所示。

表3 2019年第一、三階段DEA結(jié)果

由表3可知，三大經(jīng)濟(jì)區(qū)中，東部地區(qū)物流業(yè)的平均綜合技術(shù)效率遠(yuǎn)超全國平均水平，位居第一，西部地區(qū)最低，尚未達(dá)到平均水平，整體呈現(xiàn)出“東部>中部>西部”的空間梯度差異。而且調(diào)整后西部地區(qū)的物流業(yè)規(guī)模效率水平也相對較低，因此，今后在布局物流節(jié)點時，應(yīng)兼顧用戶需求和地域特征，將零散的物流需求整合為大批量有效的市場需求，通過物流企業(yè)集聚達(dá)到規(guī)模效率。

通過對比第一、第三階段計算出的物流業(yè)效率水平，發(fā)現(xiàn)調(diào)整后31個省市物流業(yè)綜合技術(shù)效率發(fā)生了明顯改變，說明其受隨機誤差和外部環(huán)境因素的影響較大。調(diào)整后，多數(shù)地區(qū)綜合技術(shù)效率和規(guī)模效率下降明顯，說明人均GDP、對外開放程度等環(huán)境變量對綜合技術(shù)效率和規(guī)模效率起到了促進(jìn)作用；但這些地區(qū)純技術(shù)效率的上升幅度則較大，這在很大程度上歸因于國家政策的實施，比如2014年國務(wù)院發(fā)布了《物流業(yè)發(fā)展中長期規(guī)劃(2014-2020年)》，將物流業(yè)置于戰(zhàn)略位置，并提出了將“互聯(lián)網(wǎng)+高效物流”納入“互聯(lián)網(wǎng)+”的重要舉措，這為我國物流業(yè)的發(fā)展提供了方針指導(dǎo)。表3中顯示，北京、天津、重慶等發(fā)達(dá)城市物流業(yè)綜合技術(shù)效率相對不高，可能的原因是受制于有限的空間資源，使得傳統(tǒng)物流發(fā)展模式與新興數(shù)字經(jīng)濟(jì)不適配，因此，需要利用自身科技優(yōu)勢突破空間阻力，以提高現(xiàn)有物流資源的利用效率。

(二)數(shù)字經(jīng)濟(jì)發(fā)展現(xiàn)狀

圖2是由熵值法(公式4-10)計算得出的2019年中國31個省市數(shù)字經(jīng)濟(jì)綜合指數(shù)。從整體來看，數(shù)字經(jīng)濟(jì)發(fā)展存在明顯的地區(qū)異質(zhì)性。分地區(qū)而言，東部地區(qū)以長三角地區(qū)和廣東省發(fā)展勢頭最為迅猛，且居于全國領(lǐng)先水平；中部地區(qū)的河南省、湖北省和湖南省發(fā)展形勢較好；西部地區(qū)的陜西省、四川省和重慶市則為發(fā)展形勢良好省市的代表。另外，一些邊陲地區(qū)如內(nèi)蒙古自治區(qū)、西藏自治區(qū)、海南省等地區(qū)數(shù)字經(jīng)濟(jì)仍處于較低水平，可通過借助周邊較發(fā)達(dá)地區(qū)的溢出效應(yīng)來促進(jìn)自身發(fā)展，并挖掘本地區(qū)數(shù)字經(jīng)濟(jì)的發(fā)展?jié)摿Α?/p>

圖2 2019年各省市數(shù)字經(jīng)濟(jì)綜合指數(shù)

(三)長江經(jīng)濟(jì)帶數(shù)字經(jīng)濟(jì)與物流業(yè)效率的耦合協(xié)調(diào)度分析

將長江經(jīng)濟(jì)帶11個省市數(shù)字經(jīng)濟(jì)綜合指數(shù)和物流全要素生產(chǎn)率的數(shù)據(jù)單獨列出，測算該區(qū)域11個省市的數(shù)字經(jīng)濟(jì)與物流業(yè)效率的耦合協(xié)調(diào)度，結(jié)果如表4所示。

表4 2011-2019年長江經(jīng)濟(jì)帶數(shù)字經(jīng)濟(jì)與物流業(yè)效率的耦合協(xié)調(diào)度

結(jié)合梁雯等[23]對協(xié)調(diào)等級制定的劃分標(biāo)準(zhǔn)(見表5)可知，9年間，江蘇省的協(xié)調(diào)等級最高，均處于初級協(xié)調(diào)階段；浙江省位居其后，介于勉強協(xié)調(diào)階段和初級協(xié)調(diào)階段之間；上海市、湖南省、湖北省和四川省基本處于勉強協(xié)調(diào)階段。安徽省正從瀕臨失調(diào)階段轉(zhuǎn)至勉強協(xié)調(diào)階段；江西省、重慶市、云南省則正處于瀕臨失調(diào)階段。此外，貴州省的協(xié)調(diào)水平最低，但已由輕度失調(diào)階段上升至瀕臨失調(diào)階段。

表5 協(xié)調(diào)等級劃分標(biāo)準(zhǔn)

值得注意的是，長江經(jīng)濟(jì)帶11個省市在2011-2019年的數(shù)字經(jīng)濟(jì)與物流業(yè)效率的耦合協(xié)調(diào)度均呈現(xiàn)上升趨勢，只是各地區(qū)的增長幅度存在差異。首先，長三角有3個省市(上海市、江蘇省和浙江省)的數(shù)字經(jīng)濟(jì)與物流業(yè)效率的協(xié)調(diào)水平處在發(fā)展的前沿，安徽省則相對落后，數(shù)字經(jīng)濟(jì)與物流業(yè)有待進(jìn)一步融合。江浙滬地區(qū)位于長江下游，地處江海的交匯處，受益于先進(jìn)政策的引領(lǐng)，譬如上海市和浙江省分別發(fā)布《上海加快發(fā)展數(shù)字經(jīng)濟(jì)推動實體經(jīng)濟(jì)高質(zhì)量發(fā)展的實施意見》以及《浙江省數(shù)字經(jīng)濟(jì)五年倍增計劃》，致力于打造數(shù)字產(chǎn)業(yè)化的樣板工程，因此，江浙滬地區(qū)是帶動全國數(shù)字經(jīng)濟(jì)增長的重要引擎。其次，位于長江中游的湖北省和湖南省協(xié)調(diào)情況比江西省更為樂觀，而且這兩個地區(qū)在電子信息、醫(yī)療和汽車等方面存在的產(chǎn)業(yè)優(yōu)勢可以推動區(qū)域數(shù)字經(jīng)濟(jì)與實體產(chǎn)業(yè)的協(xié)調(diào)發(fā)展。最后，長江上游除了四川省處在勉強協(xié)調(diào)階段外，其他地區(qū)或處于瀕臨失調(diào)階段或處于輕度失調(diào)階段，并與其他省市相比協(xié)調(diào)程度相差較大。

五、結(jié)論與建議

(一)研究結(jié)論

本文基于三階段DEA-Malmquist模型和熵值法對我國東部、中部和西部地區(qū)的物流業(yè)效率及數(shù)字經(jīng)濟(jì)發(fā)展水平依次進(jìn)行了測度，分析了二者時空變化特征。在此基礎(chǔ)上，以長江經(jīng)濟(jì)帶11個省市為深入研究對象，運用耦合協(xié)調(diào)度模型分析了該區(qū)域數(shù)字經(jīng)濟(jì)與物流業(yè)效率之間的耦合協(xié)調(diào)發(fā)展情況，得出如下結(jié)論。

首先，物流業(yè)純技術(shù)效率對綜合技術(shù)效率提升的貢獻(xiàn)率最高，而規(guī)模效率降低是制約綜合技術(shù)效率增長的主要原因，說明各地物流業(yè)存在規(guī)模分散、節(jié)點建設(shè)不合理等現(xiàn)象。此外，人均GDP和對外開放程度顯著影響物流市場需求，促進(jìn)物流業(yè)人力與物力資源的合理利用，而政府支持程度對物流業(yè)效率未呈現(xiàn)顯著的促進(jìn)作用。

其次，2011-2019年長江經(jīng)濟(jì)帶數(shù)字經(jīng)濟(jì)與物流業(yè)效率的耦合協(xié)調(diào)度總體上表現(xiàn)出螺旋式上升狀態(tài)。在下游地區(qū)，江蘇省達(dá)到了初級協(xié)調(diào)等級，上海市和浙江省達(dá)到勉強協(xié)調(diào)或初級協(xié)調(diào)，安徽省則從瀕臨失調(diào)階段轉(zhuǎn)向了勉強協(xié)調(diào)階段。在中游地區(qū)，湖北省和湖南省皆已達(dá)到勉強協(xié)調(diào)等級，但是江西省仍處于瀕臨失調(diào)的階段。在上游地區(qū)，除四川省達(dá)到了勉強協(xié)調(diào)階段外，重慶市、貴州省和云南省尚處于瀕臨失調(diào)或輕度失調(diào)階段。由此可見，區(qū)域間協(xié)調(diào)發(fā)展存在空間異質(zhì)性，主要以長三角地區(qū)為核心增長極。

(二)對策建議

基于上述實證分析，針對如何促進(jìn)長江經(jīng)濟(jì)帶數(shù)字經(jīng)濟(jì)與物流業(yè)效率的高質(zhì)量協(xié)調(diào)發(fā)展問題提出以下對策建議。

第一，加大數(shù)字技術(shù)投入，以科技賦能推動物流產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型。傳統(tǒng)經(jīng)濟(jì)理論認(rèn)為，服務(wù)業(yè)若不使用高效率的機器設(shè)備，僅以人力資源為主要供給要素，缺乏規(guī)模經(jīng)濟(jì)，會導(dǎo)致勞動生產(chǎn)率長期保持在一個不變的水平。目前國內(nèi)物流智能設(shè)備采用的關(guān)鍵零部件主要依賴進(jìn)口，多數(shù)物流企業(yè)仍舊采取技術(shù)跟隨策略，缺乏本土的自主研發(fā)能力和高端物流專業(yè)人才。這需要政府聯(lián)合各物流主體共同采取措施，將資金投入到先進(jìn)設(shè)備的制造和科技創(chuàng)新人才的培養(yǎng)當(dāng)中，引導(dǎo)社會資本參與物流業(yè)數(shù)字化轉(zhuǎn)型，重塑供應(yīng)鏈生產(chǎn)作業(yè)方式，為物流業(yè)創(chuàng)造數(shù)字化勞動力(如智能機器人AMR)，促使人機交互協(xié)同創(chuàng)造價值。

第二，解決長江經(jīng)濟(jì)帶地區(qū)間物流業(yè)發(fā)展水平差距較大的問題，必須立足區(qū)域整體，共建共享物流信息平臺、新型基礎(chǔ)設(shè)施，形成物暢其流、統(tǒng)一開放的物流市場體系。針對長江經(jīng)濟(jì)帶上中下游物流資源和行政體制分割，以及下游發(fā)達(dá)地區(qū)對中上游地區(qū)現(xiàn)代物流的輻射和帶動作用不足、組織化程度低、地方爭食戰(zhàn)略紅利等現(xiàn)狀，各省市務(wù)必本著長江經(jīng)濟(jì)帶總體效益最大化的目標(biāo)科學(xué)制定本地物流發(fā)展規(guī)劃，貫徹新發(fā)展理念，注重效益，既要算經(jīng)濟(jì)賬，又要算綜合賬。通過設(shè)置嚴(yán)格統(tǒng)一的物流行業(yè)標(biāo)準(zhǔn)，有針對性地建立必要的跨區(qū)域生態(tài)經(jīng)濟(jì)補償機制和各省市協(xié)調(diào)發(fā)展的聯(lián)動制度來打破不同物流系統(tǒng)之間的“豎井”，淘汰產(chǎn)能過剩的落后產(chǎn)業(yè)，擯棄同質(zhì)化競爭，努力形成各具特色的優(yōu)勢產(chǎn)業(yè)結(jié)構(gòu)。同時還應(yīng)堅決落實“共抓大保護(hù)，不搞大開發(fā)”要求，將低碳思路嵌入經(jīng)濟(jì)發(fā)展全過程。

第三，針對安徽省、江西省和云貴等地區(qū)數(shù)字物流發(fā)展落后的現(xiàn)狀，解決的辦法是：首先，利用上海市、浙江省、江蘇省的核心外溢效應(yīng)來帶動安徽省、江西省數(shù)字物流的發(fā)展；其次，著力彌補云南省和貴州省的區(qū)位劣勢，加強交通、能源、水利等網(wǎng)絡(luò)型新基建的全面覆蓋，有效提升網(wǎng)絡(luò)效益，同時，政府應(yīng)出臺利好政策，譬如加大資金投入力度、對物聯(lián)網(wǎng)和AI等物流業(yè)前沿技術(shù)研發(fā)給予減稅降費等，以釋放這些地區(qū)數(shù)字物流內(nèi)在發(fā)展?jié)摿Γ涌焱七M(jìn)物流業(yè)信息化布局建設(shè)；最后，這些地區(qū)皆存在大量零散的物流資源，需要科學(xué)合理布局物流節(jié)點，形成物流產(chǎn)業(yè)集聚優(yōu)勢，以刺激物流市場有效需求并降低供應(yīng)鏈運作成本。