Abstract： In the era of \"carbon peaking and carbon neutrality\" regional digitization has brought new opportunities for the low -carbon development ofthe logistics industry. Basedon

Key words： Green Total Factor Productivity （GTFP） of the logisticsindustry;regional digitizationlevel; educational investment level;policy effect;econometricmodels

0引言

物流業(yè)作為國(guó)民經(jīng)濟(jì)重要組成部分，能源消耗與碳排放量大，占全國(guó)碳排放總量的 9% ，是節(jié)能減排重點(diǎn)領(lǐng)域。在黨的二十大精神指引下，推動(dòng)物流業(yè)綠色技術(shù)研發(fā)、產(chǎn)品創(chuàng)新，加速數(shù)字化與智能化應(yīng)用，推廣綠色包裝，成為經(jīng)濟(jì)社會(huì)發(fā)展和中國(guó)式現(xiàn)代化的重要課題。在數(shù)字化轉(zhuǎn)型浪潮下，鄒靜等研究發(fā)現(xiàn)數(shù)字經(jīng)濟(jì)可以通過(guò)優(yōu)化資源配置、產(chǎn)業(yè)結(jié)構(gòu)及人才結(jié)構(gòu)來(lái)提高GTFP；屠西偉等實(shí)證發(fā)現(xiàn)，企業(yè)數(shù)字化轉(zhuǎn)型可提高綠色技術(shù)創(chuàng)新與全要素生產(chǎn)率，實(shí)現(xiàn)碳減排并產(chǎn)生前向溢出效應(yīng)。黃宜等研究發(fā)現(xiàn)農(nóng)村數(shù)字化水平能有效降低農(nóng)業(yè)碳排放強(qiáng)度，并且存在空間溢出效應(yīng)；劉文俊等以A股上市制造企業(yè)為樣本，探討制造企業(yè)數(shù)字化轉(zhuǎn)型對(duì)企業(yè)GTFP的影響，研究發(fā)現(xiàn)數(shù)字化轉(zhuǎn)型能有效提升制造企業(yè)的GTFP。

現(xiàn)有文獻(xiàn)多聚焦數(shù)字經(jīng)濟(jì)、環(huán)境規(guī)制等對(duì)GTFP的影響，較少探討數(shù)字化水平對(duì)GTFP的作用，且鮮有針對(duì)物流業(yè)數(shù)據(jù)的深度分析。本文邊際貢獻(xiàn)在于：（1）研究數(shù)字化水平提升對(duì)物流業(yè)綠色全要素生產(chǎn)率的影響，拓展成果；（2）深入剖析其影響機(jī)制、經(jīng)濟(jì)效應(yīng)與政策影響，提供新視角；（3）基于理論與實(shí)證，提出“雙碳”目標(biāo)下數(shù)字化賦能GTFP的具體政策建議。

1理論分析與研究假說(shuō)

1.1區(qū)域數(shù)字化水平對(duì)物流業(yè)GTFP的直接影響本文結(jié)合前人的研究，從數(shù)字基礎(chǔ)設(shè)施、數(shù)字人力水平和數(shù)字創(chuàng)新發(fā)展這三個(gè)維度對(duì)其展開(kāi)評(píng)價(jià)。首先，數(shù)字物流融合基建是物流業(yè)發(fā)展的重點(diǎn)，需借助大數(shù)據(jù)、AI等技術(shù)改造傳統(tǒng)設(shè)施，推動(dòng)高質(zhì)量發(fā)展。其次，數(shù)字人力水平反映區(qū)域數(shù)字人才供給，復(fù)合型人才能促進(jìn)產(chǎn)業(yè)融合與綠色創(chuàng)新，提升創(chuàng)新效率。最后，數(shù)字技術(shù)通過(guò)智能化、自動(dòng)化、透明化和資源整合，全面優(yōu)化物流全鏈條，顯著降低能源消耗和碳排放，推動(dòng)行業(yè)向綠色、低碳方向轉(zhuǎn)型。因此，本文提出以下研究假設(shè)：

假設(shè)1：區(qū)域數(shù)字化水平正向影響物流業(yè)GTFP。

1.2作用機(jī)制

教育是人才培養(yǎng)及環(huán)保意識(shí)、綠色發(fā)展理念塑造的重要途徑。其一，教育投入能提升企業(yè)綠色技術(shù)創(chuàng)新能力，推動(dòng)產(chǎn)學(xué)研發(fā)展，促進(jìn)技術(shù)創(chuàng)新8。人才的引進(jìn)不僅能帶來(lái)綠色專利技能，還能增強(qiáng)企業(yè)對(duì)外來(lái)知識(shí)的吸收能力，進(jìn)而推動(dòng)物流業(yè)GTFP的提升。其次，教育投入水平的提高能增加人力資本的積累，從而間接推動(dòng)經(jīng)濟(jì)增長(zhǎng)，進(jìn)而加劇地區(qū)競(jìng)爭(zhēng)。因此，促進(jìn)物流業(yè)綠色發(fā)展，教育投入水平至關(guān)重要。因此，本文提出以下研究假設(shè)：

假設(shè)2：區(qū)域數(shù)字化水平對(duì)物流業(yè)GTFP的影響受教育投入水平的調(diào)節(jié)作用。

1.3物流業(yè)GTFP在區(qū)域數(shù)字化水平與經(jīng)濟(jì)發(fā)展水平間的中介效應(yīng)

隨著大數(shù)據(jù)、云計(jì)算等數(shù)字技術(shù)與物流行業(yè)的深度融合，系統(tǒng)地建設(shè)智慧物流園區(qū)等新型物流基礎(chǔ)設(shè)施，進(jìn)一步強(qiáng)化其在國(guó)民經(jīng)濟(jì)中的基礎(chǔ)性產(chǎn)業(yè)地位和作用。物流業(yè)綠色發(fā)展推動(dòng)綠色包裝、綠色倉(cāng)儲(chǔ)、綠色運(yùn)輸?shù)雀鳝h(huán)節(jié)協(xié)同運(yùn)行，為上下游企業(yè)提供更節(jié)能高效的服務(wù)，加快產(chǎn)品流通效率，助力企業(yè)擴(kuò)大市場(chǎng)。此外，物流業(yè)的發(fā)展帶動(dòng)產(chǎn)業(yè)鏈條的財(cái)富聚集，為國(guó)民經(jīng)濟(jì)創(chuàng)造財(cái)富，改善勞動(dòng)收入分配，并推動(dòng)需求增加]。因此，本文提出以下研究假設(shè)：

假設(shè)3：物流業(yè)GTFP在區(qū)域數(shù)字化水平與經(jīng)濟(jì)發(fā)展水平之間發(fā)揮中介作用。

1.4國(guó)家級(jí)大數(shù)據(jù)綜合試驗(yàn)區(qū)政策對(duì)物流業(yè)GTFP的直接影響

自國(guó)家級(jí)大數(shù)據(jù)綜合試驗(yàn)區(qū)政策實(shí)施以來(lái)，在試驗(yàn)區(qū)內(nèi)，各種前沿技術(shù)和創(chuàng)新模式得到廣泛應(yīng)用和深度探究，大數(shù)據(jù)綜合試驗(yàn)區(qū)將帶來(lái)經(jīng)濟(jì)推動(dòng)效應(yīng)、技術(shù)創(chuàng)新效應(yīng)和環(huán)境改善效應(yīng)。在經(jīng)濟(jì)推動(dòng)方面，學(xué)者們認(rèn)為國(guó)家級(jí)大數(shù)據(jù)綜合試驗(yàn)區(qū)可以對(duì)城市經(jīng)濟(jì)等產(chǎn)生積極影響[。在技術(shù)創(chuàng)新方面，崔建軍等[3發(fā)現(xiàn)大數(shù)據(jù)綜合試驗(yàn)區(qū)建立對(duì)企業(yè)綠色技術(shù)創(chuàng)新具有顯著驅(qū)動(dòng)力。在環(huán)境改善方面，Weietal.研究發(fā)現(xiàn)大數(shù)據(jù)綜合試驗(yàn)區(qū)通過(guò)優(yōu)化資本和勞動(dòng)力配置對(duì)GTFP產(chǎn)生積極影響，并且存在區(qū)域異質(zhì)性。因此，本文提出以下研究假設(shè)：

圖1作用機(jī)制圖

假設(shè)4：國(guó)家級(jí)大數(shù)據(jù)綜合試驗(yàn)區(qū)政策能夠提升物流業(yè)綠色全要素生產(chǎn)率。

根據(jù)上述4個(gè)假設(shè)，繪制如圖1所示的作用機(jī)制圖。

2研究設(shè)計(jì)

2.1 模型構(gòu)建

為探究假設(shè)1區(qū)域數(shù)字化水平對(duì)GTFP影響，構(gòu)建基準(zhǔn)回歸模型如下：

式中： ?GTFP_it 表示 i 省 （市）在 Φ_t 年的物流業(yè)綠色全要素生產(chǎn)率； Dig_it 表示 i 省 （市）在 χ_t 年的區(qū)域數(shù)字化水平；Controlu表示各個(gè)控制變量； μ_i 表示個(gè)體固定效應(yīng)； δ_ι 表示時(shí)間固定效應(yīng)； ε_it 表示隨機(jī)擾動(dòng)項(xiàng)。

為驗(yàn)證假設(shè)2間接作用機(jī)制，構(gòu)建調(diào)節(jié)效應(yīng)模型如下：

式中： 表示調(diào)節(jié)變量，其余表達(dá)式含義同上。

為驗(yàn)證假設(shè)3物流業(yè)GTFP的機(jī)制作用，構(gòu)建中介效應(yīng)模型如下：

LnGdp_it=γ₀+γ₁Dig_it+γ₂GTFP_it+γ₃Control_it+μ_i+δ_t+ε_it

其中： GTFP_it 為中介變量， LnGdp_it 為因變量，其余表達(dá)式含義同上。

為檢驗(yàn)假設(shè)4的政策效應(yīng)，參考邱子迅等5構(gòu)建多時(shí)點(diǎn)雙重差分模型如下：

鑒于兩次大數(shù)據(jù)試驗(yàn)區(qū)試點(diǎn)均在2016年獲批，故將 2016年定為政策時(shí)間節(jié)點(diǎn)。為消除個(gè)體差異和時(shí)間差異，本文在多時(shí)點(diǎn)雙重差分模型中引入地區(qū)固定效應(yīng)和時(shí)間固定效應(yīng)。 DiD_it 表示在 χ_t 年的 i ?。ㄊ校┲惺欠裨O(shè)立國(guó)家級(jí)大數(shù)據(jù)綜合試驗(yàn)區(qū)（設(shè)立值為1，反之為0）， η₀ 為常數(shù)項(xiàng)， η₁ 為政策影響系數(shù)， η₂ 為控制變量的估計(jì)系數(shù)，其余表達(dá)式含義同上。

2.2指標(biāo)選取

2.2.1被解釋變量：物流業(yè)綠色全要素生產(chǎn)率 （GTFP ）

借鑒成剛的研究方法，使用帶有非期望產(chǎn)出的超效率SBM模型來(lái)評(píng)估所有DMU的相對(duì)效率，但SBM模型無(wú)法描述物流業(yè)GTFP的動(dòng)態(tài)變化趨勢(shì)，本文結(jié)合包含非期望產(chǎn)出的GML指數(shù)測(cè)量物流業(yè)GTFP。參考劉戰(zhàn)豫等研究，以“交通運(yùn)輸、倉(cāng)儲(chǔ)和郵政業(yè)”相關(guān)數(shù)據(jù)來(lái)表征物流業(yè)，指標(biāo)選取如表1所示。

表1物流業(yè)GTFP指標(biāo)體系

參考裴愷程等計(jì)算物流業(yè)終端能源消耗量，使用《中國(guó)能源統(tǒng)計(jì)年鑒》中的“交通運(yùn)輸、倉(cāng)儲(chǔ)和郵政業(yè)”的一次能源消耗量作為能源投入，通過(guò)《綜合能耗計(jì)算通則》中的能源轉(zhuǎn)換系數(shù)（見(jiàn)表2），將其轉(zhuǎn)換為萬(wàn)噸標(biāo)準(zhǔn)煤并加總。

表2能源轉(zhuǎn)換系數(shù)表

參考馬飛等2研究，按表3對(duì)貨物周轉(zhuǎn)量和旅客周轉(zhuǎn)量進(jìn)行換算。

表3不同運(yùn)輸方式的綜合周轉(zhuǎn)量換算

參考余祖鵬等2研究，測(cè)算各省份物流業(yè)碳排放，具體計(jì)算如公式（6）所示，其中： E_i 表示物流業(yè)消耗的一次能源 i 的數(shù)量，12/44為二氧化碳中碳的質(zhì)量分?jǐn)?shù)，NCV表示平均低位發(fā)熱量，CEF表示碳排放系數(shù)，COF表示碳氧化因子，具體數(shù)值見(jiàn)表2。

此外，考慮到GML指數(shù)只反映GTFP的增長(zhǎng)情況，而非其本身，因此，借鑒邱斌等2以2013年為基期，令2013年的GTFP為1，其他年份的GTFP為當(dāng)年GML指數(shù)和上一年GTFP的乘積。

2.2.2解釋變量：區(qū)域數(shù)字化水平 （Dig ）

本文參考陳懷超等23研究，從數(shù)字基礎(chǔ)設(shè)施、數(shù)字人力水平和數(shù)字創(chuàng)新發(fā)展3個(gè)維度，并借助熵值法測(cè)算區(qū)域數(shù)字化水平。區(qū)域數(shù)字化水平指標(biāo)體系如表4所示。

2.2.3機(jī)制變量：教育投入水平 （lnEdu ）

考慮到我國(guó)教育投入的 80% 以上為財(cái)政投人，參考劉玉萍等24的方法，采用地方財(cái)政教育支出占地區(qū)生產(chǎn)總值比重來(lái)衡量。

2.2.4 控制變量

外商直接投資 （Fdi） ：以外商企業(yè)投資總額占地區(qū)生產(chǎn)總值的比重衡量，其影響機(jī)制復(fù)雜，對(duì)物流業(yè)綠色發(fā)展的影響存在不確定性。

人力資本水平 （Hhg^） ：以人均受教育年限表示。

能源消費(fèi)結(jié)構(gòu) （Fcs） ：以[1-煤炭消費(fèi)量/能源消費(fèi)總量（以標(biāo)準(zhǔn)煤計(jì)）]公式衡量。清潔能源結(jié)構(gòu)可推動(dòng)物流運(yùn)輸綠色能源使用，促進(jìn)物流業(yè)綠色發(fā)展。

表4區(qū)域數(shù)字化水平指標(biāo)體系

城鎮(zhèn)化水平 （Urb） ：以城鎮(zhèn)人口占年末常住人口的比重衡量，可改善居民的生活方式，通過(guò)影響物流網(wǎng)絡(luò)結(jié)構(gòu)等進(jìn)而影響

2.2.5數(shù)據(jù)來(lái)源與描述性統(tǒng)計(jì)

數(shù)據(jù)主要來(lái)源于《中國(guó)能源統(tǒng)計(jì)年鑒》、《CEADs中國(guó)碳核算數(shù)據(jù)庫(kù)》、《中國(guó)統(tǒng)計(jì)年鑒》、《中國(guó)第三產(chǎn)業(yè)統(tǒng)計(jì)年鑒》及各省份統(tǒng)計(jì)年鑒。對(duì)于部分缺失的數(shù)據(jù)，采用線性插值法補(bǔ)全。描述性統(tǒng)計(jì)結(jié)果如表5所示。

3實(shí)證結(jié)果與分析

3.1基準(zhǔn)回歸

表6中Dig系數(shù)均顯著為正，說(shuō)明區(qū)域數(shù)字化水平

表5描述性統(tǒng)計(jì)結(jié)果

能夠顯著提升物流業(yè)GTFP，且加入控制變量之后，系數(shù)依舊顯著為正，且總體變大，假設(shè)1成立。說(shuō)明隨著數(shù)字技術(shù)發(fā)展，新興技術(shù)與現(xiàn)代物流高度融合，實(shí)現(xiàn)物流體系數(shù)字化、智能化，進(jìn)而提升物流業(yè)整體的可持續(xù)性，促進(jìn)綠色發(fā)展。

表6基準(zhǔn)回歸結(jié)果

注：***、 ** 與 * 分別表示在 1% ！ 5% 和 10% 的水平上顯著；括號(hào)中的數(shù)值為標(biāo)準(zhǔn)差。

3.2機(jī)制分析

本文采用調(diào)節(jié)效應(yīng)模型檢驗(yàn)教育投人水平的機(jī)制作用，檢驗(yàn)結(jié)果如表7所示。

表7調(diào)節(jié)效應(yīng)檢驗(yàn)結(jié)果

注：***、 ^** 與*分別表示在 1% 、 5% 和 10% 的水平上顯著；括號(hào)中的數(shù)值為標(biāo)準(zhǔn)差。

在表7中，列（2）結(jié)果顯示，教育投入水平和數(shù)字化水平與教育投人水平的交互項(xiàng)均顯著為正。說(shuō)明教育投入水平對(duì)物流業(yè)GTFP具有促進(jìn)作用，同時(shí)，在數(shù)字化水平促進(jìn)物流業(yè)GTFP的過(guò)程中可產(chǎn)生正向調(diào)節(jié)作用，即隨著教育投入水平的提高，數(shù)字化水平對(duì)物流業(yè)GTFP的促進(jìn)作用就更明顯。假設(shè)2成立。

3.3 經(jīng)濟(jì)后果分析

本文采用中介效應(yīng)模型檢驗(yàn)物流業(yè)GTFP的中介作用，回歸結(jié)果如表8所示。

表8中介效應(yīng)檢驗(yàn)結(jié)果

注：***、 ^** 與 * 分別表示在 1% 、 5% 和 10% 的水平上顯著；括號(hào)中的數(shù)值為標(biāo)準(zhǔn)差。

在表8中，列（1）表明數(shù)字化水平對(duì)地區(qū)經(jīng)濟(jì)發(fā)展水平具有積極影響，列（2）展示數(shù)字化水平對(duì)GTFP的影響，回歸系數(shù)亦顯著為正，列（3）引入中介變量，此時(shí)GTFP的回歸系數(shù)為0.028，數(shù)字化水平的回歸系數(shù)為0.237，且小于列（1）中的0.266，可判定存在部分中介效應(yīng)。這說(shuō)明地區(qū)經(jīng)濟(jì)發(fā)展可以依靠區(qū)域數(shù)字化發(fā)展和物流業(yè)綠色發(fā)展來(lái)推動(dòng)，假設(shè)3成立。

3.4條件異質(zhì)性檢驗(yàn)

考慮到我國(guó)不同地區(qū)間的環(huán)境條件與資源稟賦存在差異，本文參照國(guó)家統(tǒng)計(jì)局將我國(guó)劃分為東部、中部、西部和東北四個(gè)經(jīng)濟(jì)區(qū)域，來(lái)探究地區(qū)差異性特征?；貧w結(jié)果如表9所示。

在東部和東北地區(qū)，數(shù)字化水平對(duì)物流業(yè)GTFP影響不顯著，但在西部顯著為正，說(shuō)明西部數(shù)字化對(duì)物流業(yè)GTFP促進(jìn)作用強(qiáng)，這得益于國(guó)家的重視。近年來(lái)，國(guó)家發(fā)改委出臺(tái)規(guī)劃，推動(dòng)西部陸海新通道數(shù)字化、綠色化發(fā)展。中部地區(qū)估計(jì)系數(shù)顯著為負(fù)，可能因地處交通核心，貨物退換、遷回運(yùn)輸?shù)任锪骰顒?dòng)頻繁，影響綠色全要素生產(chǎn)率提升。

表9地區(qū)異質(zhì)性檢驗(yàn)結(jié)果

注：***、**與 分別表示在 1% ！ 5% 和 10% 的水平上顯著；括號(hào)中的數(shù)值為標(biāo)準(zhǔn)差。

3.5穩(wěn)健性與內(nèi)生性檢驗(yàn)

不同時(shí)段結(jié)論或有異，樣本量少則檢驗(yàn)效能不足。為此，本文采用縮短時(shí)間范圍進(jìn)行穩(wěn)健性檢驗(yàn)，將樣本年限定為2013—2020年。在表10列（1）中可見(jiàn)，回歸結(jié)果在 1% 的顯著水平上為正，這說(shuō)明基準(zhǔn)回歸具有較好的穩(wěn)健性；參考柳卸林等[25學(xué)者的研究，以互聯(lián)網(wǎng)普及率替代原自變量衡量數(shù)字化水平，回歸結(jié)果如列（2）所示，在 5% 水平顯著為正，表明數(shù)字化仍能提升物流業(yè)GTFP，驗(yàn)證了基準(zhǔn)回歸的可靠性。

表10穩(wěn)健性檢驗(yàn)和內(nèi)生性檢驗(yàn)結(jié)果

注：***、 ^** 與*分別表示在 1% 、 5% 和 10% 的水平上顯著；括號(hào)中的數(shù)值為標(biāo)準(zhǔn)差。

為減弱反向因果干擾，參考郭家堂等[2以滯后一期解釋變量為工具變量進(jìn)行內(nèi)生性檢驗(yàn)。表10列（3）、列（4）顯示，工具變量對(duì)物流業(yè)GTFP有顯著正向影響，表明其與內(nèi)生變量相關(guān)性強(qiáng)。Anderson LM統(tǒng)計(jì)量為243.085，在 1% 水平顯著，說(shuō)明工具變量可識(shí)別。Cragg-DonaldWaldF統(tǒng)計(jì)量大于 Stock-Yogol0% 臨界值16.380，無(wú)弱工具變量問(wèn)題。為防模型遺漏變量，本文引入產(chǎn)業(yè)結(jié)構(gòu)水平 ?Str ，以第三產(chǎn)業(yè)增加值占地區(qū)生產(chǎn)總值比重衡量）為新控制變量。回歸結(jié)果如表10列5顯示，數(shù)字化水平系數(shù)為1.000（ _plt;0.01） ，與基準(zhǔn)回歸結(jié)論相符。

3.6政策效應(yīng)分析

3.6.1多時(shí)點(diǎn)雙重差分模型檢驗(yàn)

本文選取數(shù)字化水平較高的10個(gè)地區(qū)，運(yùn)用多時(shí)點(diǎn)雙重差分法實(shí)證分析。依據(jù)國(guó)家發(fā)改委名單，以2016年10月人選國(guó)家級(jí)大數(shù)據(jù)綜合試驗(yàn)區(qū)的北京、上海、河南、廣東為實(shí)驗(yàn)組，6個(gè)非試點(diǎn)省級(jí)行政區(qū)為控制組。大數(shù)據(jù)綜合試驗(yàn)區(qū)政策效應(yīng)如表11所示。

回歸結(jié)果顯示，無(wú)論是否加入控制變量，解釋變量系數(shù)均在 1% 水平顯著，表明設(shè)立大數(shù)據(jù)綜合試驗(yàn)區(qū)顯著促進(jìn)物流業(yè)綠色發(fā)展，假設(shè)4成立。試驗(yàn)區(qū)能推動(dòng)物流業(yè)數(shù)字化、智能化升級(jí)，實(shí)時(shí)監(jiān)測(cè)分析能耗、碳排放等環(huán)境指標(biāo)，構(gòu)建更環(huán)保高效的物流體系。

3.6.2平行趨勢(shì)檢驗(yàn)

為確保雙重差分模型適用性，本文以2016年大數(shù)據(jù)試驗(yàn)區(qū)批復(fù)為基準(zhǔn)，進(jìn)行“前四后四”平行趨勢(shì)檢驗(yàn)。檢驗(yàn)結(jié)果見(jiàn)圖2。結(jié)果顯示，政策實(shí)施前實(shí)驗(yàn)組與控制組物流業(yè)GTFP無(wú)顯著差異，政策實(shí)施后則呈現(xiàn)顯著差異，表明設(shè)立國(guó)家級(jí)大數(shù)據(jù)綜合試驗(yàn)區(qū)顯著促進(jìn)物流業(yè)GTFP提升。樣本通過(guò)平行趨勢(shì)檢驗(yàn)，多時(shí)點(diǎn)雙重差分模型適用本研究。

3.6.3 安慰劑檢驗(yàn)

為確保結(jié)果穩(wěn)健并排除同期其他政策或不可觀測(cè)因素干擾，本文開(kāi)展安慰劑檢驗(yàn)：隨機(jī)劃分實(shí)驗(yàn)組與對(duì)照組，重復(fù)基準(zhǔn)回歸500次，生成模擬DID系數(shù)密度分布圖（見(jiàn)圖3）。結(jié)果顯示，500個(gè)觀測(cè)值呈以0為中心的正態(tài)分布，表明其他政策或非觀測(cè)因素?zé)o顯著影響，研究通過(guò)安慰劑檢驗(yàn)。

注：空心點(diǎn)表示式5的估計(jì)系數(shù) η₁ ，短虛線表示聚類到城市層面的穩(wěn)健標(biāo)準(zhǔn)誤對(duì)應(yīng)的 95% 上下置信區(qū)間。

圖2平行趨勢(shì)檢驗(yàn)

圖3安慰劑檢驗(yàn)

注：***、**與*分別表示在 1% 、 5% 和 10% 的水平上顯著；括號(hào)中的數(shù)值為標(biāo)準(zhǔn)差。

4結(jié)論及政策建議

本文基于2013—2022年我國(guó)30省份面板數(shù)據(jù)，實(shí)證發(fā)現(xiàn)區(qū)域數(shù)字化水平能提升物流業(yè)GTFP，結(jié)論經(jīng)穩(wěn)健性與內(nèi)生性檢驗(yàn)后依然可靠。區(qū)域異質(zhì)性分析顯示，西部地區(qū)數(shù)字化對(duì)物流業(yè)GTFP的提升更顯著。此外，教育投入水平起正向調(diào)節(jié)作用，數(shù)字化通過(guò)提升物流業(yè)GTFP推動(dòng)經(jīng)濟(jì)發(fā)展，且設(shè)立國(guó)家級(jí)大數(shù)據(jù)綜合試驗(yàn)區(qū)顯著促進(jìn)了物流業(yè)綠色發(fā)展。

基于研究，本文提出三方面對(duì)策：（1）加快物流基建現(xiàn)代化：推進(jìn)國(guó)家物流樞紐建設(shè)，構(gòu)建“數(shù)字產(chǎn)業(yè) .+ 物流 + 生態(tài)”新型產(chǎn)業(yè)互聯(lián)網(wǎng)體系，增強(qiáng)社會(huì)創(chuàng)新與生產(chǎn)力。（2）實(shí)施大數(shù)據(jù)發(fā)展戰(zhàn)略：加大數(shù)字經(jīng)濟(jì)投資，深化其滲透力，構(gòu)建企業(yè)協(xié)同創(chuàng)新生態(tài)，培育數(shù)據(jù)產(chǎn)業(yè)集聚區(qū)，并強(qiáng)化政策、技術(shù)、人才等保障。（3）激發(fā)人才資源潛力：優(yōu)化人才政策，提供資金、落戶、住房等支持，改善待遇與環(huán)境，構(gòu)建長(zhǎng)效發(fā)展機(jī)制，明確晉升路徑，夯實(shí)數(shù)字化創(chuàng)新與城市綠色轉(zhuǎn)型的人才基礎(chǔ)。

參考文獻(xiàn)：

[1]鄒靜，王強(qiáng)，鄢慧麗，等.數(shù)字經(jīng)濟(jì)如何影響綠色全要素生產(chǎn)率？——來(lái)自中國(guó)地級(jí)市的證據(jù)[J].軟科學(xué)，2024，38（3）：44-52.

[2]屠西偉，張平淡．企業(yè)數(shù)字化轉(zhuǎn)型、碳排放與供應(yīng)鏈溢出[J].中國(guó)工業(yè)經(jīng)濟(jì)，2024（4）：133-151.

[3] 黃宜，李昕，池江濤，等．農(nóng)村數(shù)字化對(duì)農(nóng)業(yè)碳排放強(qiáng)度的空間溢出及門(mén)檻效應(yīng)研究[J].昆明理工大學(xué)學(xué)報(bào)（自然科學(xué)版），2024，49（1）：180-191.

[4]劉文俊，彭慧．區(qū)域制造企業(yè)數(shù)字化轉(zhuǎn)型影響綠色全要素生產(chǎn)率的空間效應(yīng)[J].經(jīng)濟(jì)地理，2023，43（6）：33-44.

[5]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，2024，38（3）：23-34.

[6] 黃濤．科技創(chuàng)新人才集聚對(duì)物流業(yè)綠色全要素生產(chǎn)率的影響——兼論空間效應(yīng)與門(mén)檻特征[J].技術(shù)經(jīng)濟(jì)與管理研究，2024（5）：110-116.

[7]汪旭暉，謝尋.數(shù)字科技創(chuàng)新引領(lǐng)物流業(yè)綠色低碳轉(zhuǎn)型的機(jī)制與路徑——基于京東物流的案例研究[J].經(jīng)濟(jì)與管理研究，

2024，45（5）：21-40.

[8]邵興東，余志鵬．高等教育投入、技術(shù)創(chuàng)新與經(jīng)濟(jì)增長(zhǎng)動(dòng)態(tài)關(guān)系研究[J].黑龍江高教研究，2020，38（10）：51-57.

[9]楊伊，胡俊男，譚寧．高等教育投入、人力資本結(jié)構(gòu)對(duì)區(qū)域經(jīng)濟(jì)增長(zhǎng)影響的外溢性研究[J]．黑龍江高教研究，2021，39（9）：36-44.

[10]劉帥，武宇超．智慧物流園區(qū)對(duì)城市經(jīng)濟(jì)高質(zhì)量發(fā)展影響研究——基于DID方法的實(shí)證分析[J]．中國(guó)礦業(yè)大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2023，25（6）：105-124.

[11]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（2）：97-100.

[12]楊玉琪，王小華．?dāng)?shù)字化賦能與城市經(jīng)濟(jì)高質(zhì)量發(fā)展——基于國(guó)家級(jí)大數(shù)據(jù)綜合試驗(yàn)區(qū)的準(zhǔn)自然實(shí)驗(yàn)[J].經(jīng)濟(jì)問(wèn)題探索，2023（12）：105-123.

[13]崔建軍，雍雁嵐，王少輝．國(guó)家級(jí)大數(shù)據(jù)綜合試驗(yàn)區(qū)與企業(yè)綠色技術(shù)創(chuàng)新[J].經(jīng)濟(jì)問(wèn)題探索，2023（12）：37-59.

[14]WEI JY，ZHANG XW.Theroleofbigdatainpromoting gree development：Basedonthequasi-naturalexperimentofthebigdataexperimentalzone[J].International JournalofEnvironmentalResearchandPublicHealth，2O23，20（5）：4097.

[15]邱子迅，周亞虹.數(shù)字經(jīng)濟(jì)發(fā)展與地區(qū)全要素生產(chǎn)率——基于國(guó)家級(jí)大數(shù)據(jù)綜合試驗(yàn)區(qū)的分析[J].財(cái)經(jīng)研究，2021，47（7）：4-17.

[16]成剛.數(shù)據(jù)包絡(luò)分析方法與MaxDEA軟件[M].北京：知識(shí)產(chǎn)權(quán)出版社，2014.

[17]OHD.AglobalMalmquist-Luenbergerproductivityindex[J].Journalof ProductivityAnalysis，2010，34（2）：18-197.

[18]劉戰(zhàn)豫，孫夏令．中國(guó)物流業(yè)綠色全要素生產(chǎn)率的時(shí)空演化及動(dòng)因分析[J].軟科學(xué)，2018，32（4）：77-81.

[19]裴愷程，穆懷中.環(huán)境規(guī)制對(duì)物流業(yè)綠色發(fā)展的影響研究——來(lái)自京津冀地區(qū)的實(shí)證檢驗(yàn)[].工業(yè)技術(shù)經(jīng)濟(jì)，2021，40（5）：107-114.

[20]馬飛，胡江艷，孫啟鵬，等．中國(guó)省際物流業(yè)碳排放績(jī)效測(cè)度及驅(qū)動(dòng)因素研究[J]．生態(tài)經(jīng)濟(jì)，2021，37（9）：27-33.

[21]余祖鵬，王孝行.流通數(shù)字化對(duì)流通產(chǎn)業(yè)碳排放的影響與作用機(jī)制[J]中國(guó)流通經(jīng)濟(jì)，2023，37（12）：26-35.

[22]邱斌，楊帥，辛培江.FDI技術(shù)溢出渠道與中國(guó)制造業(yè)生產(chǎn)率增長(zhǎng)研究：基于面板數(shù)據(jù)的分析[J].世界經(jīng)濟(jì)，2008（8）：20-31.

[23]陳懷超，田曉煜，范建紅.數(shù)字經(jīng)濟(jì)、人才數(shù)字素養(yǎng)與制造業(yè)結(jié)構(gòu)升級(jí)的互動(dòng)關(guān)系——基于省級(jí)面板數(shù)據(jù)的PVAR 分析［[J]科技進(jìn)步與對(duì)策，2022.39（19）：49-58.

[24]劉玉萍，李裕良．中國(guó)教育投入的非均衡性與動(dòng)態(tài)變化[J].統(tǒng)計(jì)與決策，2022，38（15）：60-65.

[25]柳卸林，張文逸，葛爽，等．?dāng)?shù)字化是否有利于縮小城市間發(fā)展差距？——基于283個(gè)城市的實(shí)證研究[J].科學(xué)學(xué)與科學(xué)技術(shù)管理，2021，42（6）：102-113.

[26]郭家堂，駱品亮．互聯(lián)網(wǎng)對(duì)中國(guó)全要素生產(chǎn)率有促進(jìn)作用嗎？[J].管理世界，2016（10）：34-49.