中国物流业与数字经济融合水平时空分异及影响因素研究

李晓华, 柴 一, 叶爱山, 马信华, 叶爱红, 邓洋阳

(1.南通理工学院 商学院, 江苏 南通 226002; 2.昆山煊赫五金工业有限公司 技术研究院, 江苏 苏州 215321)

依托于互联网的飞速发展,以大数据、物联网等数字技术为载体的数字经济正在向社会发展的多个领域加速渗透。数字经济已成为稳增长促转型的重要引擎,并将成为中国经济新的重要增长点。根据《数字中国发展报告(2022年)》,2022年中国数字经济规模已超50万亿元,占GDP比例提升至41.5%。作为极具发展活力以及广泛辐射力的经济新形态,数字经济将为传统企业带来转型升级的新动力。物流业是支撑国民经济发展的基础性、战略性、先导性产业,其高质量发展不仅能促进国民经济发展,更是畅通国民经济双循环和满足人民对美好生活向往的关键环节。借助于数字经济、数字技术的颠覆性变革,我国物流业的发展面临许多机遇。国务院《关于印发“十四五”数字经济发展规划的通知》将物流业纳入为重点行业,提出大力发展智慧物流,加快建设跨行业、跨区域的物流信息服务平台,构建以物联网大数据为中枢的智能物流模式,物流业将全面进入数字化时代。为此,本文旨在测度我国物流业与数字经济融合水平,并分析其时空差异,探寻物流业与数字经济融合水平内在差异的影响因素,为提升中国数字经济产业和物流产业融合水平以及物流业可持续发展提供可行建议。

1 文献综述

现有关于数字经济与物流业的研究主要集中在两个方面:一是数字经济对物流业的影响。卢亚和[1]基于交易成本的中介效应,实证研究发现我国数字经济能够降低市场交易成本,间接推动物流效率提升;罗瑞和王琴梅[2]利用284个地级市的数据,实证检验数字经济对物流业高质量发展水平具有显著提升作用,并且发现其影响具有空间溢出效用;Guo等[3]以安徽省为例构建协同模型,评价了数字经济与物流业复合系统协同发展水平,结果发现物流业与数字经济的发展水平呈现波动增长趋势;蒋树雷和张臻[4]构建固定效应模型和中介效应模型,实证发现数字经济能够通过提高物流业创新程度促进物流产业升级;张宇航[5]针对我国30个省份的数据,实证分析数字经济发展对物流业技术创新的影响,发现二者存在非线性关系,总体程度上呈递增趋势;李丫丫等[6]基于WIOD数据和KPWW方法,研究我国物流业的智能化水平对物流业发展的影响,发现物流产业智能化不仅促进物流业生产方式转变,而且能够扩大社会物流需求。二是数字经济对产业融合发展水平的影响及测算。王先亮[7]构建以数字经济为基础的物流业高质量发展评价体系,对“十三五”期间中国各省份的物流业高质量发展水平进行测度;赵霞和宁忆童[8]测算双循环背景下流通服务业和制造业融合度,实证检验互联网对流通服务业与制造业融合的促进机制;钞小静和元茹静[9]通过测算中国282个地级市制造业与服务业融合发展水平,研究数字经济对两业融合的影响,结果发现数字技术显著提升了两业的融合发展水平;周明生和张一兵[10]在理论分析数字技术对制造业、服务业融合的影响机制的基础上,利用中国214个地级市数据进行实证分析,结果表明数字经济水平提升显著促进两业融合,并且存在区域异质性,主要表现为东北地区>西部地区>东部地区>中部地区。

当前的研究,对于理解数字经济和物流业融合水平具有重要借鉴意义,物流业的发展与数字经济的关系十分紧密,数字经济对物流业发展的促进作用比较明显,但是在产业融合研究方面,现有文献对制造业和服务业的融合状况研究较多,有关数字经济与物流业的融合关系研究较少,并且对于数字经济和物流业融合水平影响因素的研究也较缺乏。因此,本文结合中国30个省份的省际数据,首先利用熵权-TOPSIS、耦合协调度模型测度物流业与数字经济融合水平,其次采用基尼系数、莫兰指数分析融合水平时空差异,最后通过Tobit回归模型研究其影响因素,为加速我国物流业与数字经济融合,促进物流业更高质量发展提供参考。

2 物流业与数字经济融合水平测度

2.1 熵权-TOPSIS法

熵权-TOPSIS模型[11]能充分利用原始数据,客观反映指标的作用,计算如下。

第一,数据标准化。

正向指标:

(1)

逆向指标:

(2)

式中:yij为标准化处理后的数据;xij为原始数据;maxxj、minxj分别对应指标数据的最大值和最小值。

第二,计算指标权重。

(3)

(4)

(5)

式中:Fij为样本i第j个指标的比重;Ej为第j个指标的熵值;Wj为第j个指标的权重。

第三,计算综合指数。

(6)

(7)

(8)

(9)

2.2 耦合协调度模型

耦合协调度模型[12]能有效检验对象间协调发展情况,计算公式如下。

(10)

T=α1U1+α2U2

(11)

(12)

式中:C为耦合度;T为综合协调指数;D为耦合协调度;α1和α2为待定系数,且α1+α1=1。耦合协调度划分参考徐维祥等[13]的研究。

2.3 构建指标体系

首先聚焦于数字经济与物流业的融合水平测度,因此在借鉴国内外相关研究的基础上,立足数字经济发展现状以及未来发展潜力,进一步结合物流业发展特征,最终建立如表1和表2所示的中国物流业、数字经济综合评价体系。此外,考虑数据的可获取性和完整性,以我国30个省份为研究对象,数据来源为历年《中国统计年鉴》《中国电子信息年鉴》《中国信息年鉴》《中国环境年鉴》《中国第三产业统计年鉴》等。

表1 中国物流业发展水平评价体系

表2 中国数字经济发展水平评价体系

2.4 物流业与数字经济融合水平

2012—2021年我国物流业与数字经济融合水平的测度情况如表3所示。结果显示,我国物流业与数字经济融合水平整体协调程度为濒临失调,融合水平均值为0.428。从表3中可知,共有14个省份的融合水平高于全国平均,其中,广东的物流业与数字经济融合水平最高,为0.699,处于初级协调,物流业与数字经济融合水平最低的地区为宁夏,融合水平指数仅为0.286,处于中度失调。具体来看,广东的物流业与数字经济融合水平约为宁夏的2.44倍,表明我国物流业与数字经济融合水平的区域差异明显。从发展趋势来看,2012—2021年,广东的物流业与数字经济融合水平与宁夏相比,从2.02倍上升至2.79倍,表明随着时间的推移,物流业与数字经济融合水平的差距在经济发达地区和欠发达地区之间不断扩大。

表3 2012—2021年中国物流业与数字经济融合水平指数

对我国物流业与数字经济融合失衡问题进行初步分析,结合融合水平最高和最低的省份所在地区发展情况,考虑将现有的融合水平差异归因于资源禀赋、数字人才和产业结构的不同。具体而言,在资源禀赋方面,融合水平最高的广东位于地理位置优越的东部地区,能够在国家政策支持下打造经济圈,基础设施和数字化基础相对完善,为数字经济的快速增长提供了经济基础。相较而言,融合水平最低的宁夏位于西部地区,由于地理和经济等因素的制约,数字基础建设相对薄弱,数字经济发展滞后。其次,在数字人才结构方面,互联网和信息通信等领域的数字化人才主要分布在京津冀、长三角和珠三角等地,中部和西部地区则比较缺乏,因此数字人才的数量和结构严重失衡,这也为物流业数字化转型和数字经济与物流业融合带来了挑战。最后,区域产业结构的差异也影响了物流业与数字经济融合水平的差异。东部地区以创新型产业和高端制造业为主导,而中西部地区仍主要依靠低端制造业,物流需求相对不足,物流企业缺乏数字化转型动力。以上因素相互作用,导致物流业与数字经济融合失衡的问题日益突出,需要在政策、技术和人才等方面进行全方位的协同推进。

3 物流业与数字经济融合水平的时空差异研究

3.1 Dagum基尼系数与莫兰指数

Dagum[14]基尼系数按照子群分解基尼系数,以此刻画地区发展不平衡问题。参照杨海明等[15]的研究,总体基尼系数G可以分解为区域内差异贡献Gw、区域间差异贡献Gb和区域间超变密度差异贡献Gs三部分,即G=Gw+Gb+Gs,计算公式分别为

(13)

(14)

(15)

(16)

莫兰指数是一种分析空间自相关的方法,式(17)和式(18)分别为全局和局部莫兰指数。

(17)

(18)

3.2 物流业与数字经济融合水平的时间差异

从总体时间差异角度看,2012—2021年我国物流业与数字经济融合水平的基尼系数为0.12～0.15,并有明显上升趋势,如图1所示。说明我国不同地区的物流业与数字经济融合水平存在不均衡性,并且随时间变化在波动中上升。融合水平波动的转折点在2014年,2014年以前,总体基尼系数由0.133下降至0.122,可能的原因是,该时期中国制定《物流业调整和振兴规划》,促进物流业发展,减缓了融合不均衡现象。然而,2014年以后,总体基尼系数持续上升,并且增速自2019年有较大提升,由0.122上升到0.143,可能的原因是,该时期为《物流业发展中长期规划(2014—2020年)》实施初期,不同地区自身经济基础和区域政策的差异加剧了融合不均衡;其次,在2019年不同地区受新冠肺炎疫情影响不同,因此物流业发展的区域间差距进一步扩大。

图1 2012—2021年中国物流业与数字经济融合水平的总体基尼系数

从区域内时间差异角度看,2012—2021年我国四大区域内的物流业与数字经济融合水平差异及变化趋势如图2所示。可以看出,东部地区融合水平差异的均值最高,达0.128。东部地区内既包含物流业与数字经济融合水平较高的北京、广东等地,又包含融合水平较低的天津、海南等地,因此东部地区整体融合水平差异巨大。西部地区的融合水平差异均值其次,为0.083,中部地区差异均值最小,仅为0.052。物流业与数字经济融合水平区域内差异波动较大的是东北和西部地区,而东部和中部地区波动相对较小。具体而言,东北地区的区域内融合水平差异呈下降趋势,由0.082下降至0.047,降幅超过40%。西部地区在波动中显现出上升趋势,在2018年后,由0.077上升至0.092。以上分析可以看出,东部地区、东北地区以及西部地区是当前物流业与数字经济融合水平差异的主要来源,由于东部地区中的北京、广东,东北地区中的辽宁,西部地区中的四川等地在各自的区域中融合水平均处于绝对领先地位,这些“领头羊”通过虹吸效应,加剧了区域内资源分配的不均。

图2 2012—2021年中国物流业与数字经济融合水平的区域内基尼系数

从区域间时间差异角度看,2012—2021年我国物流业与数字经济融合水平的区域间差异及变化趋势如图3所示。可以看出东部地区与西部、东北、中部地区的物流业与数字经济融合水平差异最大,其中,东部与西部差异>东部与东北差异>东部与中部差异。东部地区的融合水平较高,其高水平协同发展得益于良好的物流业与数字产业发展基础和政策环境,如广东等地经济实力较强,物流需求巨大。西部地区如青海、宁夏等地,数字基础设施建设尚不完善,同时物流需求不足,融合水平提升比较困难。西部-东北的区域间差异呈波动下降趋势,东部-中部的区域间差异呈波动上升趋势,中部-西部的区域间差异变化较平稳。东部-西部、东部-东北、中部-东北的区域间差异呈先下降,后上升的趋势,特别是东部-东北地区的差异上升幅度较大,从0.155上升至0.220。东部和东北地区在物流业和数字经济的融合和发展政策上存在着较大差异,东部地区政策较为明确,政府积极推动物流产业和数字经济的互联互通,打造物流枢纽和数字经济中心,构建完善的产业链和价值链。东北地区对于物流业和数字经济的融合和发展支持较少,过去以重工业为主,未充分发挥区位和资源优势,未能形成明确的区域定位和规划,制约物流业和数字经济的融合发展。

图3 2012—2021年中国物流业与数字经济融合水平的区域间基尼系数

3.3 物流业与数字经济融合水平的空间差异

2012—2021年我国物流业与数字经济融合水平的全局莫兰指数如表4所示,可以看出在我国物流业与数字经济融合水平存在明显的正相关,这意味着我国物流业与数字经济融合水平在空间上存在着明显的正向空间集聚效应。简言之,物流业和数字经济在不同地理区域之间的融合水平趋向于集中在特定的区域,形成聚集效应。这一研究结果表明,物流业与数字经济的融合水平在空间上存在着一定的不均衡性,某些地区的物流业和数字经济融合表现出较高的水平,而其他地区则相对较低。这可能是由于特定地区具有更完善的数字基础设施、更发达的物流网络以及更便利的数字经济应用环境,从而推动了该地区物流业与数字经济的融合水平的提升。

表4 2012—2021年中国物流业与数字经济融合水平的全局莫兰指数

图4和图5分别为2012年和2021年我国物流业与数字经济融合水平的莫兰指数散点图,通过分析可以看出中国30个省份的空间分布特征及变化情况。莫兰散点图中位于第Ⅰ、第Ⅲ象限的地区具有空间正相关关系,即高-高集聚,处在第Ⅱ、第Ⅳ象限的地区具有空间负相关关系,即高-低集聚和低-高集聚。首先通过观察图4可知,2012年位于第Ⅱ和第Ⅳ象限具有空间负相关关系的地区包括海南、天津、江西、内蒙古、湖南、四川、北京以及广东;其次通过观察图5可知,到2021年第Ⅱ和第Ⅳ象限增加了辽宁和广西,减少了内蒙古。从数量上比较,2012年与2021年第Ⅱ和第Ⅳ象限的地区数均约占总样本的30%,这在某种程度上反映中国30个省份的物流业与数字经济融合存在空间依赖性,即融合水平高或融合水平低的地区在地理空间均趋于集中。该结果对于深入理解并促进各地区物流业和数字经济的协同发展提供了参考依据。

图4 2012中国物流业与数字经济融合水平的莫兰指数散点图

图5 2021年中国物流业与数字经济融合水平的莫兰指数散点图

4 物流业与数字经济融合水平的影响因素研究

4.1 Tobit模型

为进一步研究我国物流业与数字经济融合水平的影响因素及影响程度,在现有文献研究的基础上,参考唐红涛等[16]、李义华和孙雅伦[17]、刘传辉[18]的研究,结合前文物流业与数字经济融合水平时空分异情况,最终选择产业结构(STRU)、政府机制(GOVERN)、基础设施(INFRA)、经济发展(RGDP)和外商直接投资(FDI)5个基本影响因素作为控制变量,并通过Tobit回归分析各变量的影响程度。Tobit模型采用极大似然法的截取回归模型,避免了普通最小二乘法回归分析导致的参数估计有偏的情况。根据以上5个影响因素,建立Tobit回归模型。

Yit=a0+a1x1it+a2x2it+a3x3it+a4x4it+

a5x5it+εit0

(19)

式中:Yit为物流业与数字经济融合水平;a1、a2、a3、a4、a5分别为5个控制变量的回归系数;εit0为回归误差项。

各控制变量的数据选取依据分别是:产业结构(STRU)数据由第三产业占GDP比例表示;政府机制(GOVERN)数据由地方财政一般预算支出占地区生产总值比例表示;基础设施(INFRA)数据由人均城市道路占有面积表示;经济发展(RGDP)数据由地区人均生产总值的对数值表示;外商直接投资(FDI)数据由年平均汇率折算的外商投资企业投资总额占地区生产总值的比例表示。数据来源于2012—2021年《中国统计年鉴》和《中国城市统计年鉴》。

4.2 回归结果分析

针对上述Tobit模型进行回归,其结果如表5所示。回归结果说明在1%的水平上产业结构、经济发展对物流业与数字经济融合水平呈显著正相关关系,回归系数为0.093和0.092,这意味着随着产业结构和经济发展水平的提高,物流业与数字经济融合水平也随之增加。具体而言,产业结构、经济发展每提高1个单位,物流业与数字经济融合水平就将提高0.093和0.092个单位,反映产业结构和经济发展对融合水平的影响程度较高。基础设施在5%的显著性水平上对物流业与数字经济融合水平正向影响,表明基础设施对物流业与数字经济融合水平的提升也有促进作用。此外,在1%和5%的水平上政府机制、外商直接投资对物流业与数字经济融合水平呈显著负相关关系,对于政府机制,其回归系数为-0.230,表明目前的政府机制尚不能起到促进物流业与数字经济融合的作用。对于外商直接投资,其回归系数为-0.003,说明外商直接投资对物流业与数字经济融合水平的影响也较为有限。

表5 Tobit回归结果

综上所述,基于回归模型的分析结果表明,在当前情况下,产业结构、经济发展水平、基础设施对物流业与数字经济融合水平具有显著的正向影响,而政府机制和外商直接投资对融合水平的影响是负向的。因此在促进物流业与数字经济融合方面,应重点关注产业结构、经济发展和基础设施,通过调整和优化产业结构,提升经济发展水平,可以有效提升物流业与数字经济融合水平。同时,需要进一步研究和改进政府机制,以提供更加有利于促进融合的政策环境和支持措施,提升物流业与数字经济融合的效率和质量。此外,需要在吸引外商直接投资方面采取更加积极的措施,以吸引更多的外资流入物流业和数字经济领域,推动其融合发展。

5 结论与建议

本文对中国物流业与数字经济融合水平的时空差异及影响因素进行了深入探究。首先,建立物流业、数字经济综合评价指标体系,并利用熵权-TOPSIS模型、耦合协调度模型对2012—2021年中国30个省份的物流业与数字经济融合水平进行测度。其次,利用Dagum基尼系数及莫兰指数对物流业与数字经济融合水平的区域差异进行分析。最后,通过Tobit回归模型分析物流业与数字经济融合水平的影响因素。

5.1 结论

第一,我国不同地区物流业与数字经济融合水平存在明显差异。融合水平最高的是广东和北京,融合水平最低的是宁夏和青海,并且区域差异有随时间扩大的趋势。

第二,我国物流业与数字经济融合水平的总体基尼系数呈波动上升趋势。东部、东北、西部地区是当前融合水平区域内差异的主要来源,东部地区与西部、东北、中部地区的区域间差异最大。

第三,我国物流业与数字经济融合水平在空间上呈现出明显的正向空间集聚效应,并具有空间依赖性的特点,即融合水平高或融合水平低的地区在地理空间均趋于集中。

第四,我国物流业与数字经济融合水平的影响因素有产业结构、政府机制、基础设施、经济发展和外商直接投资,其中,产业结构、经济发展、基础设施对物流业与数字经济融合水平呈显著正相关关系,政府机制、外商直接投资呈显著负相关关系。

5.2 建议

第一,统筹规划物流业和数字经济的深度融合,打造数字经济与物流业融合发展经济圈。促进各类资源要素的流动,推动数字产业化和产业数字化发展,利用数字经济产生新的物流产品及服务。

第二,依托现有区域网络,打破经济发展水平、地理位置等对数字经济和物流业融合发展的制约,加强物流基础设施的空间布局,为数字经济与物流业深度融合打造坚实基础。同时发挥数字经济驱动力,促进物流业和数字经济的可持续发展。

第三,重点发挥核心城市引领作用,提升区域网络融合紧密程度。以物流业与数字经济融合水平较高的城市为核心,辐射带动毗邻地区物流业与数字经济融合,激发其他地区发展潜力,以点带面实现协调发展。

第四,在推进地区间跨区域跨领域合作的同时,需根据不同地区的资源、产业结构等特点,制定和完善符合本地的政策及发展规划,打造差异化优势,重视数字人才的培育和引进,为物流业数字化持续注入活力。