数字经济背景下我国物流业高质量发展水平测度及时空演化研究

王先亮

摘  要：数字经济的发展影响着我国社会经济发展的各行各业。基于我国2015—2020年省域面板数据，从数字化水平、经济基础、创新发展能力和发展成果共享4个维度构建数字经济背景下的我国物流业高质量发展水平评价指标体系，基于改进的“纵横向”拉开档次法对我国31个省份的物流业高质量发展水平进行测度，基于Kernel核密度估计法、Moran'I指数分析我国物流业高质量发展动态演进趋势。

关键词：“纵横向”拉开档次法；物流业高质量发展指数；地区差异

中图分类号：F253    文献标志码：A

DOI：10.13714/j.cnki.1002-3100.2023.11.005

Abstract： The development of the digital economy affects all walks of life in China's social and economic development. Based on the provincial panel data of China from 2015 to 2020， the evaluation index system for the high-quality development level of China's logistics industry in the context of the digital economy is constructed from four dimensions： digital level， economic foundation， innovation and development capability， and sharing of development achievements. The high-quality development level of China's logistics industry in 31 provinces is measured based on the improved "vertical and horizontal" open grade method， and the Kernel density estimation method Moran'I index analyzes the dynamic evolution trend of high-quality development of China's logistics industry.

Key words： "vertical and horizontal" split grade method; high quality development index of logistics industry; regional differences

0  引  言

物流行業是支撑社会经济发展的基础性、战略性和全局性的产业。特别是在数字技术飞速发展和线上零售业如此发达的当下，物流业作为线下实体商品流通的媒介，物流业的高质量发展直接影响数字经济的高质量发展。数字技术升级带来物流行业新技术和新业态的转变，通过信息技术和供应链管理技术，实现物流货物在运输过程中自动化运作和高效化管理，提高物流行业整体的智能化，降低成本，减少资源消耗。凭借数字技术的发展，商品流通活动日渐频繁，加上产业政策的大力扶持，我国物流行业规模正在不断的扩大，社会物流总额也从2012年的177.32万亿元增加到2021年的335.2万亿元。

2017年党的十九大报告指出，我国经济已由高速增长阶段转向高质量发展阶段，处于转变发展方式的关键阶段，粗放的发展方式难以为继。2022年党的二十大进一步强调，高质量发展是全面建设社会主义现代化国家的首要任务。物流业高质量发展是经济高质量发展的重要组成部分，是实现我国经济高质量发展不可或缺的重要力量。因此，科学合理展开对我国物流业高质量发展水平的评价显得尤为重要，对推进物流业高质量发展乃至推动经济高质量发展具有深远的意义。

1  评价指标体系的构建与评价方法

1.1  物流业高质量发展水平评价指标体系

根据对物流业高质量发展相关文献的梳理和总结，学者们大多基于新发展理念来构建物流业高质量发展的评价指标体系，但当前物流业的发展与数字技术的发展息息相关，因此在构建物流业的评价指标体系时，必须将数字化水平考虑在内。本文在借鉴王强等[1]、孟勐珺等[2]、全春光等[3]学者对物流业高质量发展评价指标构建的基础上，从经济水平基础、创新发展能力和发展成果共享，加上数字化基础维度，构建物流业高质量发展水平评价指标体系，选取我国31个省份（由于港澳台缺乏相应数据，故删除）作为研究对象，对其物流业高质量发展水平进行评价。各项指标数据来自于2015—2020年的《中国统计年鉴》及《中国第三产业统计年鉴》以及各省份的统计年鉴。

1.2  模型选择及改进

目前，学术界关于动态综合评价方法有正交投影法[4]、全局熵值法[5]、时序全局主成分分析[6]、基于指标增长效应的理想解评价[7]、二次加权法[8]、“横纵向”拉开档次法[9]等，学术界对动态综合评价方法的研究处于相对成熟的阶段。由于层次分析法、熵权法、独立性权重系数等传统多目标评价方法多适用于截面数据的静态计算，在评价面板数据时会出现不同年份标准不一致的问题，导致评价结果出现较大误差，而利用“纵横向”拉开档次法就可以很好的解决这一问题。但是，“横纵向”拉开档次法同时也存在一些问题，该方法确定的权重最大程度追求各被评价对象之间的差异，但没有考虑到各指标之间的相对重要程度。

本文对该方法做出如下改进。第一，在考虑指标之间的相对重要程度时，采用熵值法对指标进行赋权。第二，借助郭亚军[9]和王常凯[10]的方法，采用“纵横向”拉开档次法对指标赋权。第三，基于博弈论组合赋权对上述两种指标权重进行组合赋权得到最终权重。

参照以往的研究，该方法的具体步骤如下：

步骤一：为保证所分析数据的量纲和量级数保持一致，需要对数据进行标准化处理，假设有n个研究对象，m个指标，k个测算年份，对各研究对象指标在不同年度的面板数据进行标准化处理，记标准化之后的数据为X■t■，本研究采用全局極差标准化方法对数据进行处理。

X■t■=■                               （1）

其中：maxx■t■、minx■t■表示第j个指标在所有时刻的最大值和最小值。

步骤二：熵权法计算权重。

计算第j个指标下第i个样本在s时间段占该指标的比重：

Y■t■=■

计算第j个指标的熵值：

e■=-k■Y■t■lnY■t■

计算第j个指标的信息效用值：

d■=1-e■

计算各项指标的权重：

ω■=■                                                 （2）

步骤三：为了测算在t时间段，各省份物流业高质量发展水平，设定综合评价函数：

y■t■=■ω■X■t■                                            （3）

为了尽量大的可能体现出各个评价对象之间的差异来确定权重w■，使得y■t■的总离差平方和取最大值：

e■=■■y■t■-■■                                           （4）

由于对数据做了标准化处理，即■=0，因此式（4）可简写为e■=ω■Hω，即：

e■=ω■■H■ω

其中：H■=X■t■X■t。为了使y■t■的总离差平方和达到最大值，此时ω■值可由式（5）规划问题确定，当ω■取■H■所对应的矩阵最大特征值的特征向量时，为规划最优解。

■                                            （5）

步骤四：对ω■和ω■进行如下组合，得到最终指标权重：

ω=■                                              （6）

2  物流业高质量发展水平测度结果与分析

2.1  物流业高质量发展综合发展指数测度及分析

本研究旨在对我国2015—2020年我国31个省份（不含港澳台）的物流业高质量发展水平程度进行测度，一方面为了最大化体现各省份物流业高质量发展水平的横向差异，另一方面保证各测度指标之间的重要程度差异，采用改进的“纵横向”拉开档次法计算出各省份的物流业高质量发展水平指数，结果如表2所示。从全国范围来看，2015—2020年中国省域物流业高质量发展指数表现出稳步提升的趋势，全国的物流业高质量发展指数均值从2015年的0.134上升至2020年的0.248；从三大经济地区①来看，物流业高质量发展水平呈现出“东部>中部>西部”的格局。具体来看，广东的物流业高质量发展指数独领全国，且从2015—2020年物流业高质量发展指数排名均为第一，此外，江苏、浙江、北京、山东和上海等东部地区省份排名稳定在前十，而排名始终靠后的有青海、甘肃、宁夏和西藏等西部地区省份。说明东部地区的物流业高质量发展水平处于领先地位，而中西部地区的物流业高质量发展相对弱势。

2.2  物流业高质量发展指数时空分布特征

为了更加直观地展现全国和三大经济地区的物流业高质量发展情况，绘制2015—2020年全国和三大经济地区物流业高质量发展指数均值及其变化趋势图，如图1所示。

从物流业高质量指数均值及其变化趋势来看，2015—2020年全国和三大经济地区的物流业高质量发展指数均值整体上呈现上升趋势。东部地区的物流业高质量发展平均指数均高于全国，而中部地区和西部地区的物流业高质量发展平均指数均低于全国水平。值得注意的是，在2020年，西部地区的物流业高质量发展平均指数出现下滑现象。从三大经济地区的增速水平来看，东部地区物流业高质量发展指数增速低于全国水平，中部地区的年物流业高质量发展指数增速基本与全国水平持平，而西部地区的物流业高质量发展指数增速在2016—2018年期间高于全国水平，但是在2018年之后，物流业高质量发展指数增速低于全国水平，在2020年出現了负增长。这可能是因为东部地区物流业高质量发展起点较高，会受到技术水平限制，规模效益递减等因素，导致物流业高质量发展难以取得大突破；而对于中西部地区，其基础设施建设，社会发展投入等方面存在较大的发展空间，而中部地区由于有着相对向好的发展基础，可以借鉴东部地区物流业发展经验，使得物流业高质量发展进程加快，而西部地区由于经济社会条件的落后，发展难度大，虽然前期可以借鉴东部地区的发展经验，但条件落后和发展底子差限制了其发展速度。

3  物流业高质量发展的动态演进趋势

3.1  Kernel核密度估计

为探究我国物流业高质量发展的动态特征，使用Kernel密度估计对全国范围和三大经济地区的物流业高质量发展的分布位置、形态、延展性和极化现象等特征进行分析，具体结果如图2所示。

图2（a）所展示的是全国范围内2015—2020年的中国物流业高质量发展的动态演进趋势，从分布位置上看，整体分布曲线呈现右移趋势，移动速度基本维持不变，说明我国物流业高质量发展处于匀速上升阶段；从分布形态上看，主峰高度整体上呈现下降态势，且主峰宽度也有所增大，说明中国的物流业高质量发展呈现分散化趋势，地区间的物流业高质量发展水平的差异不断增大；从分布延展性来看，曲线无明显左拖尾现象，2015年存在明显的右拖尾，2020年这种右拖尾现象减弱，说明中国物流业高质量发展省域层面差距在拉大，多极化现象在减弱。

图2（b）、图2（c）和图2（d）分别描述了2015—2020年我国三大经济地区物流业高质量发展的动态演进趋势。从分布位置上看，三大经济地区和全国物流业高质量发展趋势一致，整体上呈现右移趋势；具体来看，对于东部地区，2020年物流业高质量发展水平出现下降的趋势；而对于中西部地区，其物流业高质量发展速度基本维持匀速，说明中西部物流业高质量发展情况良好，处于稳定增长阶段。从分布形态来看，东部地区分布主线的主高峰经历了“下降—上升”的变化过程，且主峰逐渐变宽，慢慢褪去集中化特征；中部地区分布主线的主高峰均处于下降趋势，主峰逐渐变宽，失去集中化特征；西部地区分布主线的主高峰同样呈现下降趋势，主峰逐渐变宽，集中化程度减弱。从分布的延展性来看，东部地区的分布曲线表现出轻微的右拖尾，说明有个别省份物流业高质量发展较好；中部地区的分布曲线无明显拖尾特征，说明中部地区整体上物流业高质量发展差距不大；对于西部地区，其分布曲线在2015年无明显左右拖尾，处于高密度低水平聚集状态，但在演化过程中，主高峰下降，出现右拖尾现象，说明个别西部地区省份的物流业高质量发展高水平出现较大程度的上升。

3.2  Moran'I指数分析

采用Moran'I对我国物流业高质量发展的空间相关性进行分析，具体结果如表3所示。2015—2020年中国物流业高质量发展的Moran'I指数均为正值，均通过显著性检验，说明中国各省份的物流业高质量发展存在显著的正相关。

为进一步揭示我国物流业高质量发展的空间聚集模式，限于篇幅，本文绘制了2020年我国物流业高质量发展Moran'I散点图，如图3所示。2020年，处于第一象限（HH高效聚集型）有上海、浙江、江苏、山东、福建、安徽、河南和河北8个省份，主要为东部省份，全国占比25.81%，在这个象限的省份中，其物流业高质量发展水平较高，同时空间溢出效益大，带动周边省份的物流业发展，如上海市，其物流业高质量发展水平较高，周边省份江苏的物流业高质量发展水平也处于高水平梯队；处于第二象限（LH低效消散型）的省份有湖南、江西、天津、广西和海南5个省份，主要为中部省份，全国占比16.13%，在这个象限的省份中，其物流业高质量发展处于相对弱势，而周边省份的物流业高质量发展指数一般较高，如江西省，其周边省份浙江、福建和广东均处于物流业高质量发展第一梯队，但并没有吸收其空间溢出效益，自身物流业高质量发展水平较低；处于第三象限（LL低效聚集型）的省份有贵州、山西、重庆、云南、陕西、辽宁、内蒙古，吉林、黑龙江、新疆、甘肃、宁夏、青海和西藏14个省份，主要为中西部省份，全国占比45.16%，在这个象限的省份中，其物流业高质量水平较低，而周边省份的物流业高质量发展也一般较低，出现物流业高质量发展低水平聚集现象，如青海，甘肃和西藏等地，其周边城市同样都是物流业高质量低水平区域；处于第四象限（HL高效消散型）的省份有四川、湖北、广东和北京4个省份，主要为东部地区省份，全国占比9.68%，在这个象限的省份中，其物流业高质量发展水平较高，但周边省份物流业高质量发展水平较低，其空间溢出效应低，没有带动周边省份物流业高质量发展，如北京市，其物流业高质量发展水平较高，但周边省份的河北省物流业高质量水平较低。

4  结论与建议

数字经济在全球经济发展中扮演者愈来愈重要的角色，以5G技术、人工智能、大数据等为代表的数字技术正在飞速发展，数字技术与实体经济深入融合释放巨大的价值，在本文中主要讨论在数字经济发展的背景下，我国各省份物流业高质量发展现状。在现有文献研究的基础上，构建以“数字化水平”、“经济基础”、“创新发展能力”和“发展成果共享”为基础的物流业高质量发展评价指标体系，利用改进的“纵横向”拉开档次法对2015—2020年中国各省份的物流业高质量发展水平进行测度。

得出以下结论：第一，研究期内，中国物流业高质量整体发展态势良好，全国整体范围和三大经济地区的物流业高质量发展水平均呈现上升趋势。东部地区的物流业高质量发展指数整体上高于中西部物流业高质量发展指数，但东部地区物流业高质量发展增速低于中西部地区的物流业高质量发展增速。第二，基于Kernel核密度估计分析，全国范围物流业高质量发展水平分布曲线整体向右移，且右拖尾现象在减弱，说明我国的物流业高质量发展水平在整体上呈现上升期趋势，且集中化趋势在减弱，即各省份物流业高质量发展水平差距在拉大；从三大经济地区来看，三大经济地区的分布曲线整体向右移动，主峰宽度在不断加大，进一步说明我国物流业高质量发展水平集中化趋势在减弱。第三，基于空间Moran'I指数和散点图分析，Moran'I指数显示，我国的物流业高质量发展具有显著的空间依赖性，结合Moran'I散点图来看，第三象限的省份最多，占比达到45.16%，说明我国数物流业高质量发展存在明显的低水平聚集现象，且这种现象多存在于中西部地区省份。

基于以上研究结论，本文提出以下建议：第一，正視我国物流业高质量发展东中西部地区的差异，处理好物流业高质量发展过程中“质”与“量”的关系，对于东部地区，走“质中求量”的物流业高质量发展路径，即东部地区应聚焦“质”的提升，优化物流业发展结构，促进物流业高质量发展，在追求“质”发展的过程中谋求“量”上的持续增长；而对于中西部地区，走“量中谋质”的物流业高质量发展路径，即中西部地区发展物流业要考虑“量”的快速提升，如大力投入基础设施建设、优化物流业高质量发展环境等，在积累到足够“量”的基础上，谋求“质”的统一。第二，加强各地区的交流合作，充分利用和发挥物流业高质量发展的空间溢出效应，发挥发达地区物流业高质量发展的辐射作用，带动落后地区的物流业发展。

注：①根据中国统计局在2003年发布的标准，将我国大陆区整体上分为三大经济地区：东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、广西和海南12个省、自治区、直辖市；中部地区包括山西、内蒙古、吉林、黑龙江、安徽、江西、河南、湖北和湖南9个省、自治区；西部地区包括重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏和新疆10个省、自治区。

参考文献：

[1] 王强，姚正海. 长江经济带物流产业高质量发展水平的评价及其空间布局分析[J]. 物流科技，2022，45（8）：6-10，20.

[2] 孟勐珺，王应明，叶菲菲. 我国物流业高质量发展水平测度与空间分布特征研究[J]. 工业技术经济，2022，41（4）：103-110.

[3] 全春光，阳坚媚，郭红卫，等. 湖南省物流业高质量发展水平评价[J]. 物流科技，2021，44（8）：105-109.

[4] 李美娟，袁宁，徐林明. 基于正交投影法的动态评价方法[J]. 中国管理科学，2020，28（12）：208-219.

[5] 潘雄锋，刘清，彭晓雪. 基于全局熵值法模型的我国区域创新能力动态评价与分析[J]. 运筹与管理，2015，24（4）：155-162.

[6] 王晓林，白雪洁. 中国企业活力水平测度及时空差异性研究[J]. 软科学，2022，36（3）：91-98.

[7] 陶杰，刘治彦. 长江经济带高质量发展综合评价研究——基于动态TOPSIS模型的分析[J]. 价格理论与实践，2021（9）：111-115，202.

[8] 郭亚军. 动态综合评价的二次加权法[J]. 东北大学学报，1995（5）：547-550.

[9] 郭亚军. 一种新的动态综合评价方法[J]. 管理科学学报，2002（2）：49-54.

[10] 王常凯，巩在武. “纵横向”拉开档次法中指标规范化方法的修正[J]. 统计与决策，2016（2）：77-79.