摘 要：作為我國先導(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改革的關(guān)鍵，智慧物流通過數(shù)智化實現(xiàn)物流各環(huán)節(jié)精細化、動態(tài)化、可視化，提升物流運作效率?；陟貦?quán)-TOPSIS模型測度我國2013—2021年京津冀、長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，綜合指數(shù)由高到低依次為珠三角、長三角和京津冀；三大城市群智慧物流發(fā)展綜合指數(shù)時序上整體呈現(xiàn)增長趨勢，集聚效應(yīng)顯著，增長幅度由高到低依次為珠三角、長三角和京津冀。進一步研究發(fā)現(xiàn)，科技發(fā)展、政府干預(yù)、產(chǎn)業(yè)結(jié)構(gòu)和對外開放程度對智慧物流發(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

中圖分類號：F259.2 文獻標(biāo)志碼：A 文章編號：1672-626X（2024）05-0034-10

一、引言

物流業(yè)是我國基礎(chǔ)性、戰(zhàn)略性、先導(dǎo)性產(chǎn)業(yè)，也是我國現(xiàn)代市場經(jīng)濟體系的重要組成部分。在傳統(tǒng)模式下，物流業(yè)面臨效率增長緩慢問題，需要向高質(zhì)量和現(xiàn)代化邁進，智慧物流就此應(yīng)運而生。2021年10月，習(xí)近平總書記在第二屆聯(lián)合國全球可持續(xù)交通大會開幕式上強調(diào)，“要大力發(fā)展智慧交通和智慧物流”。2022年1月，國家發(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，提升物流自動化、無人化、智能化水平”。黨的二十大報告提出，“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”。智慧物流通過數(shù)智化實現(xiàn)物流各環(huán)節(jié)精細化、動態(tài)化、可視化，提升物流運作效率，合理發(fā)展智慧物流成為我國物流業(yè)改革的關(guān)鍵。發(fā)展這一新興方向面臨諸多問題，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？如何促進其發(fā)展？要解決這些問題，需要一個科學(xué)、全面的智慧物流評價體系。測度我國智慧物流發(fā)展水平，探究其可能存在的影響因素，對于推進智慧物流發(fā)展和物流業(yè)現(xiàn)代化改革有著重要的理論和實踐意義。

二、文獻綜述

“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）認為，智慧物流是通過智能信息化技術(shù)，賦予物流系統(tǒng)自動感知、分析、決策及持續(xù)更新功能，實現(xiàn)物流產(chǎn)業(yè)價值融合，從而持續(xù)推進社會物流體系發(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)合并運用到物流系統(tǒng)的新物流管理方法[9]。這些研究都認可智慧物流是通過大數(shù)據(jù)、物聯(lián)網(wǎng)等方法，實現(xiàn)物流各環(huán)節(jié)更高效、更精細、更可視化的一種先進高端物流形態(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，衍生出自動導(dǎo)引、智慧調(diào)度等現(xiàn)代化新概念，帶動了快遞飛艇、Saa S+AI、自動駕駛等科技實現(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[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]、機器人[21]以及應(yīng)急物資保證[22]探索其實際應(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)角度測度我國物流智能化水平并考量其對產(chǎn)業(yè)績效的影響[23]；馬鳴晴等（2022）首次測評了2014—2019年我國 31個省份的智慧物流發(fā)展水平[24]；羅瑞和王琴梅（2022）運用Moran指數(shù)法等方法分析我國省際數(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動態(tài)面板數(shù)據(jù)分析方法，得出環(huán)境規(guī)制、交通運輸網(wǎng)絡(luò)和科技水平促進我國物流產(chǎn)業(yè)智慧化發(fā)展[26]；谷城和張樹山（2023）用社會網(wǎng)絡(luò)分析法和地理探測器，得出我國物流產(chǎn)業(yè)智慧化影響力從高到低依次為：創(chuàng)新能力、經(jīng)濟發(fā)展、教育程度、對外開放、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)研究多集中于省級層面，而省級層面的智慧物流發(fā)展水平是各省份中發(fā)達城市和欠發(fā)達城市平均后的展現(xiàn)，無法體現(xiàn)出各城市的發(fā)展水平以及大小城市之間的直觀差異，市級層面的討論更有利于各市政府部門制定相關(guān)政策。因此，本文選擇我國經(jīng)濟發(fā)達且物流業(yè)和智慧物流發(fā)展較好的地區(qū)——京津冀、長三角和珠三角沿海三大城市群，基于城市數(shù)據(jù)，測度智慧物流發(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)機器人市場規(guī)模等行業(yè)前沿設(shè)備數(shù)據(jù)，從智慧物流經(jīng)濟環(huán)境、經(jīng)濟活動、發(fā)展規(guī)模以及技術(shù)四個層面來衡量發(fā)展水平，但由于部分數(shù)據(jù)難以獲取，本文同時借鑒孫磊等（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€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)濟和基礎(chǔ)設(shè)施，一個城市及所在地區(qū)的經(jīng)濟發(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擁有量來衡量。智慧物流本身是物流業(yè)的一部分，整個物流行業(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)和城市對智慧物流的投入力度，所以引入物流發(fā)展要素作為一級指標(biāo)，選取物流從業(yè)人數(shù)、城市物流倉儲面積、快遞服務(wù)汽車數(shù)、郵路總長度和擁有各類郵政營業(yè)網(wǎng)點數(shù)來衡量。智慧物流區(qū)別于傳統(tǒng)物流的重要特點是其越來越高效的信息處理能力和越來越快的更新?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鳛橐患壷笜?biāo)，選取互聯(lián)網(wǎng)寬帶用戶數(shù)、移動電話用戶數(shù)、R&D人員全時當(dāng)量和R&D經(jīng)費支出來衡量。

（二）方法選取

實證研究常使用的測度發(fā)展水平的方法中，因子分析法無法反映全部指標(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)果能夠相對客觀地反映所測度的指標(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方法對發(fā)展水平進行分析。具體步驟如下：

第一步，指標(biāo)歸一化處理，計算第[α]個指標(biāo)在第[β]年所占比重。

[kαβ=kαβα=1nkαβ] （1）

第二步，計算指標(biāo)信息熵[Pβ]。

[pβ=-1lnβ=1n（kαβ×lnkαβ），（0≤pβ≤1）] （2）

第三步，計算各指標(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，計算各方案與正、負理想解的距離[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，計算各方案的相對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年我國三大城市群（京津冀、長三角和珠三角）數(shù)據(jù)進行研究。原始數(shù)據(jù)來自2014—2022年的《中國統(tǒng)計年鑒》《中國火炬統(tǒng)計年鑒》《中國城市統(tǒng)計年鑒》《中國人口和就業(yè)統(tǒng)計年鑒》《中國第三產(chǎn)業(yè)統(tǒng)計年鑒》以及涉及省份經(jīng)濟年鑒、國民經(jīng)濟和社會發(fā)展統(tǒng)計公報、郵政管理局所發(fā)布的郵政行業(yè)發(fā)展統(tǒng)計公報。缺失數(shù)據(jù)使用插值法（線性插值法）進行處理。

四、實證結(jié)果分析

（一）相對接近度

基于熵權(quán)-TOPSIS模型和具體計算公式，得到三大城市群共計48個城市2013—2021年智慧物流發(fā)展相對接近度（見表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，綜合指數(shù)由高到低依次為珠三角、長三角和京津冀，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)達的副省級城市，以及佛山和東莞兩市得分也遠超平均水平，同時這也與一直以來珠三角地區(qū)在高新產(chǎn)業(yè)上的領(lǐng)先有關(guān)。長三角高于京津冀，可能的原因是長三角氣候適宜、資源豐厚，物流投入高，長江水運優(yōu)勢和擁有的許多優(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、人才流失較嚴重、城市之間關(guān)聯(lián)較少，沒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)濟效益遠小于長三角的黃海和東海出?？凇?/p>

從各城市群內(nèi)部來看，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，向北遞減趨勢明顯，向南遞減較弱。長三角城市群內(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城市雖然相對遠離上海和杭州，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穩(wěn)定增長。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的11.54倍。這表明三大城市群內(nèi)部發(fā)展差異明顯，長三角城市群內(nèi)部發(fā)展水平差異最大。造成這一現(xiàn)象的原因可能是長三角城市群面積大，涵蓋區(qū)域廣泛，其三個省份中浙江省和江蘇省的地理區(qū)位、經(jīng)濟水平、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）。前十名幾乎沒有變化，這些城市的長期領(lǐng)先得益于其經(jīng)濟發(fā)展水平、產(chǎn)業(yè)基礎(chǔ)、物流資源、地理區(qū)位、政策優(yōu)勢等多方面因素。

2. 時間特征

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)增長趨勢，體現(xiàn)了智慧物流發(fā)展大方向的有效性。三大城市群增長幅度由高到低依次為珠三角、長三角和京津冀。

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)定增長型、波動增長型和倒退型三種類型。（1）發(fā)展水平每年穩(wěn)定增長，未出現(xiàn)倒退現(xiàn)象的是穩(wěn)定增長型，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、臺州、合肥、蕪湖、宣城、池州、滁州、江門、肇慶。（2）2013—2021年發(fā)展水平出現(xiàn)過倒退現(xiàn)象但2021年較2013年結(jié)果為增長的是波動增長型，其城市有：北京、天津、唐山、邯鄲、邢臺、張家口、承德、南京、無錫、鹽城、揚州、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。增長最為顯著的城市廣州由0.228增長到0.569，增幅0.341，增長速度遙遙領(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)促進其智慧物流的發(fā)展。北京、深圳和上海增長速度分別位居第二、三、四名，漲幅分別為0.174、0.152和0.151，作為我國一直以來的中心城市和改革開放重點城市，多項發(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、天津和上海三個直轄市是直接由中央管理的城市，而深圳經(jīng)濟特區(qū)在財政上具有很大的獨立性，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政策特殊城市后進行均值處理并繪制折線圖（見圖1）?？梢钥闯鲈谔蕹陛犑泻蜕钲谑械那闆r下，2013—2015年，長三角城市群發(fā)展幾乎停滯，京津冀和珠三角城市群則出現(xiàn)下降趨勢，可能的原因是在智慧物流發(fā)展起步階段，各種先進設(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摸索階段。2014年10月國務(wù)院發(fā)布《國務(wù)院關(guān)于印發(fā)物流業(yè)發(fā)展中長期規(guī)劃（2014—2020年）》，之后的2015—2018年三大城市群都迎來了一波較大幅度的增長并一直保持增勢至2021年。這說明國家物流政策的調(diào)控積極促進了智慧物流產(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)先于其他兩個城市群，進步速度也最快，這可能由于珠三角城市群是我國最早進行改革開放的地區(qū)，在接觸國內(nèi)外先進物流理念和管理方式上有著先發(fā)優(yōu)勢?？偟膩砜?，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速度也趨向于更快，發(fā)展水平處于末位的城市增長更為困難，甚至出現(xiàn)倒退，這說明智慧物流的發(fā)展在空間上存在集聚效應(yīng)，導(dǎo)致發(fā)達城市與欠發(fā)達城市的差距進一步拉大。

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、交通通達程度、政府干預(yù)、對外開放程度和科技發(fā)展六個方面分析我國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)展都離不開成本，而我國物流業(yè)還處于勞動密集型階段，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]。交通通達程度：交通運輸是物流業(yè)的核心，良好的交通網(wǎng)絡(luò)對物流業(yè)發(fā)展起著關(guān)鍵作用。交通通達程度用公路貨運量表示[33]。政府干預(yù)：政府的合理調(diào)控會對產(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]。對外開放程度：良好穩(wěn)定的國際貿(mào)易循環(huán)能反映該市物流的國際認可度，國際貿(mào)易認可意味著更多的國際進出口訂單，這也將推進智慧物流的發(fā)展。對外開放程度用進出口總額/GDP表示[35]?？萍及l(fā)展：科學(xué)技術(shù)是第一生產(chǎn)力，科技進步會推動所有行業(yè)飛速發(fā)展。科技發(fā)展用專利授權(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的范圍外無觀測值的受限變量，若采用OLS普通最小二乘法進行回歸分析，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，[βi]為待估參數(shù)，[α]為隨機誤差項。

（三）多重共線性檢驗

對選定的變量進行多重共線檢驗。本文使用的檢驗指標(biāo)是容許度（TOL）和方差膨脹因子（VIF）。計算公式為：TOLj=1-R2j=1/VIFj。當(dāng)TOL較小時，認為存在多重共線性。一般地，方差膨脹因子VIF大于10，認為具有高的多重共線性。VIF檢驗結(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模型無法進行條件最大似然估計，所以一般考慮使用混合效應(yīng)模型或隨機效應(yīng)模型。對所選數(shù)據(jù)進行Tobit模型的LR檢驗，得出p值小于0.05，LR檢驗結(jié)果拒絕了原假設(shè)，表明存在個體效應(yīng)，所以采用隨機效應(yīng)面板Tobit模型進行分析。

用Tobit模型對所選變量進行回歸分析，結(jié)果見表4?？梢钥闯觯锪鳂I(yè)固定資產(chǎn)投資額/GDP、專利授權(quán)量、進出口總額/GDP、第三產(chǎn)業(yè)/GDP的p 值都小于0.05，z 值都為正值，說明其代表的政府干預(yù)、科技發(fā)展、對外開放程度和產(chǎn)業(yè)結(jié)構(gòu)對智慧物流發(fā)展水平的影響正向顯著。物流業(yè)平均工資和公路貨運量的p 值分別為0.690和0.124，說明其代表的成本壓力和交通通達程度對發(fā)展水平的影響不顯著，可能的原因在于，交通發(fā)展對智慧物流發(fā)展影響存在滯后性；成本壓力的增加雖然會促進勞動力效率的提升，但影響了對智慧物流設(shè)備等的投入，從而平衡了其對智慧物流發(fā)展的影響。

專利授權(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)，科技進步對其發(fā)展的推動效果十分顯著。物流業(yè)固定資產(chǎn)投資額/GDP的z 值為4.2，排名第二，說明政府支持對智慧物流發(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，說明城市群轉(zhuǎn)向由第三產(chǎn)業(yè)引導(dǎo)的經(jīng)濟模式將更有利于智慧物流的發(fā)展。進出口總額/GDP的z 值為3.56，排名第四，說明我國智慧物流仍以國內(nèi)循環(huán)為主，國際貿(mào)易情況對國內(nèi)城市影響相對較小，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€層面構(gòu)建智慧物流發(fā)展水平指標(biāo)體系，運用熵權(quán)-TOPSIS模型測度我國三大城市群48個城市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)時序上整體呈現(xiàn)增長趨勢，增長幅度由高到低依次為珠三角、長三角和京津冀，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高的增長幅度，發(fā)展水平低的城市陷入難以大幅度增長甚至發(fā)展倒退的漩渦。（3）成本壓力和交通通達程度對智慧物流發(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)和對外開放程度對智慧物流發(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ETC代替?zhèn)鹘y(tǒng)收費站，高校增加物流專業(yè)、擴招物流專業(yè)研究生。企業(yè)多引進先進物流管理經(jīng)驗，并將更多經(jīng)費用于智慧物流相關(guān)科技研究和人才引進。（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)出臺政策適當(dāng)扶持目前智慧物流發(fā)展較差、進步緩慢以及發(fā)展倒退的城市，鼓勵各城市加強經(jīng)濟聯(lián)系，尤其是發(fā)達城市將部分弱勢產(chǎn)業(yè)向其他城市轉(zhuǎn)移、優(yōu)勢產(chǎn)業(yè)向周邊城市擴散，充分發(fā)揮擴散效應(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。同時縮小與發(fā)達城市經(jīng)濟差異將有助于提高欠發(fā)達城市智慧物流競爭力，從而縮小與發(fā)達城市智慧物流發(fā)展水平差異。（3）打造智慧物流“雙循環(huán)”。三大城市群是我國智慧物流發(fā)展最早、經(jīng)濟最發(fā)達的地區(qū)，肩負著帶領(lǐng)全國發(fā)展的重任，應(yīng)當(dāng)響應(yīng)我國“一帶一路”倡議，充分利用其所擁有的沿海區(qū)位優(yōu)勢，建設(shè)完善沿江、沿河、沿海港口和物流樞紐，增加進出口貿(mào)易規(guī)模，引進海外管理經(jīng)驗和先進設(shè)備，深化結(jié)構(gòu)側(cè)改革，積極打造出一批與國際接軌、具有強大競爭力的智慧物流企業(yè)，形成國內(nèi)國際雙循環(huán)相互促進發(fā)展格局。

參考文獻：

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

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

［3］ 黃彬.大數(shù)據(jù)時代傳統(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，袁澤沛.網(wǎng)購時代我國“智慧云物流”平臺體系與協(xié)同運營模式研究［J］.中國科技論壇，2013（7）：99-104.

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

［7］ 李永芃，張明.區(qū)塊鏈賦能智慧物流生態(tài)體系升級研究［J］.企業(yè)經(jīng)濟，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)+”背景下我國智慧物流轉(zhuǎn)型路徑探討［J］.商業(yè)經(jīng)濟研究，2018（12）：116-119.

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

［11］ 何黎明.中國智慧物流發(fā)展趨勢［J］.中國流通經(jīng)濟，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)鍵問題及對策建議［J］.經(jīng)濟縱橫，2021（10）：77-84.

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

［14］ 方菲，胡強.物流智慧化轉(zhuǎn)型對區(qū)域經(jīng)濟高質(zhì)量發(fā)展的影響——基于長江經(jīng)濟帶的實證分析［J］.商業(yè)經(jīng)濟研究，2023（24）：95-98.

［15］ 俞彤暉，陳斐.數(shù)字經(jīng)濟時代的流通智慧化轉(zhuǎn)型：特征、動力與實現(xiàn)路徑［J］.中國流通經(jīng)濟，2020（11）：33-43.

［16］ 田歆，王皓晴，汪壽陽，等.智能化對零售物流的影響：基于聯(lián)華華商的實證研究［J］.管理評論，2023（12）：272-281.

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

［18］ 錢慧敏，何江，關(guān)嬌.“智慧+共享”物流耦合效應(yīng)評價［J］.中國流通經(jīng)濟，2019（11）：3-16.

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

［20］ 孔超，丁璇，唐亦玲.5G+時代館配行業(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.“機器代人”時代的新型智能產(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)計為例［J］.規(guī)劃師，2023（7）：24-31.

［22］ 孫翊，吳靜，劉昌新，等.加快推進我國應(yīng)急物資儲備治理體系現(xiàn)代化建設(shè)［J］.中國科學(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)績效提升——基于WIOD數(shù)據(jù)及回歸模型的實證檢驗［J］.中國流通經(jīng)濟，2018（3）：36-43.

［24］ 馬鳴晴，李從東，楊衛(wèi)明.智慧物流發(fā)展水平的動態(tài)測評——基于中國省際面板數(shù)據(jù)的實證研究［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)計與決策，2022（17）：109-113.

［26］ 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，2021（10）：30-38.

［27］ 谷城，張樹山.中國物流產(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別及權(quán)重分析［J］.商業(yè)經(jīng)濟研究，2024（5）：100-103.

［29］ 劉秀.智慧物流對區(qū)域綠色經(jīng)濟發(fā)展的影響及作用機制——基于長江經(jīng)濟帶的實證［J］.商業(yè)經(jīng)濟研究，2023（22）：97-100.

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

［31］ 林煒.企業(yè)創(chuàng)新激勵：來自中國勞動力成本上升的解釋［J］.管理世界，2013（10）：95-105.

［32］ 薛陽，郭世樂，馮銀虎.長江經(jīng)濟帶數(shù)字物流與物流高質(zhì)量發(fā)展［J］.華東經(jīng)濟管理，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］ 王愛虎，TANATTARAT TAKURAKIAT.基于中泰對比視角的泰國物流業(yè)發(fā)展水平評價研究［J］.華南理工大學(xué)學(xué)報（社會科學(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)點城市物流效率及其空間溢出效應(yīng)［J］.商業(yè)經(jīng)濟研究，2024（9）：87-90.

［36］ 劉帥.中國經(jīng)濟增長質(zhì)量的地區(qū)差異與隨機收斂［J］.數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2019（9）：24-41.

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