EN中文

经济地理 >

2025 , Vol. 45 >Issue 5: 113 - 121

DOI: https://doi.org/10.15957/j.cnki.jjdl.2025.05.012

产业经济与创新发展

新疆物流企业时空分布特征及其影响因素

  • 牟能冶 , 1, 2 ,
  • 番惠媚 , ※ ,
  • 王慧妍 2 ,
  • 王文靓 2 ,
  • 郭杜杜 1
展开
  • 1.新疆大学 交通运输工程学院，中国新疆 乌鲁木齐 830017
  • 2.西南交通大学 交通运输与物流学院，中国四川 成都 611756
※番惠媚（2001—），女，硕士研究生，研究方向为城市与区域物流。E-mail：

牟能冶（1982—），男，博士，教授，研究方向为物资经济与区域物流。E-mail：

收稿日期: 2024-11-11

  修回日期: 2025-02-27

  网络出版日期: 2025-07-07

基金资助

新疆维吾尔自治区重点研发计划项目(2022B01015-1)

收起

Spatio-temporal Distribution Characteristics and Influencing Factors of Logistics Enterprises in Xinjiang Uygur Autonomous Region

  • Mou Nengye , 1, 2 ,
  • FAN Huimei , ※ ,
  • WANG Huiyan 2 ,
  • WANG Wenjing 2 ,
  • GUO Dudu 1
Expand
  • 1. School of Traffic and Transportation Engineering，Xinjiang University，Urumqi 830017，Xinjiang，China
  • 2. School of Transportation and Logistics，Southwest Jiaotong University，Chengdu 611756，Sichuan，China

Received date: 2024-11-11

  Revised date: 2025-02-27

  Online published: 2025-07-07

Fold

摘要

文章基于物流企业数据，运用核密度、空间分析和地理探测器模型等方法，探究了2011、2015、2019和2023年新疆物流企业的时空分布特征及其影响因素。结果表明：①新疆物流企业总体上呈现以乌鲁木齐市为主要核心区域，大部分市州为边缘区域的“核心—边缘”空间分布格局。②新疆物流企业在不同研究年份均表现出一定的聚集分布模式，高高聚集区主要分布在乌鲁木齐市，低低聚集区较多但数量在逐年减少，由连片分布逐步演变为局部聚集。③新疆物流企业的空间分布受交通条件、经济因素、市场因素和政策环境4个维度因素的共同作用，其中经济发展水平、市场规模和区域政策是影响新疆物流企业时空分布的主要因素，市场规模与区域政策的交互作用最为显著，居民消费水平与产业结构状况的交互作用呈增强趋势。研究结论可为优化新疆物流产业布局、促进经济交流与区域协同发展提供借鉴参考。

关键词： 物流企业; 集聚特征; 交通可达性; 市场规模; 区域政策; 区域协同发展; 新疆

本文引用格式

牟能冶 , 番惠媚 , 王慧妍 , 王文靓 , 郭杜杜 . 新疆物流企业时空分布特征及其影响因素[J]. 经济地理, 2025 , 45(5) : 113 -121 . DOI: 10.15957/j.cnki.jjdl.2025.05.012

Abstract

Based on the data of logistics enterprises, this article investigates the spatial and temporal distribution of logistics enterprises in Xinjiang Uygur Autonomous Region by means of kernel density, spatial analysis and geographic detector model. The results indicate that: 1) Overall, logistics enterprises in Xinjiang Uygur Autonomous Region mainly present a "core-periphery" spatial distribution pattern with Urumqi as the main core area and other regions as the peripheral areas. 2) Logistics enterprises exhibit a certain aggregation distribution pattern in different years. High-high aggregation areas are mainly distributed in Urumqi. It has many areas with low-low aggregation, but their number is decreasing year by year, gradually evolving from contiguous distribution to local aggregation. 3) The spatial distribution of logistics enterprises in Xinjiang Uygur Autonomous Region is jointly affected by four factors: transportation condition, economic factor, market factor, and policy environment, among which economic development level, market scale, and regional policies are the main factors influencing the spatio-temporal distribution of logistics enterprises in Xinjiang Uygur Autonomous Region. The interaction between market scale and regional policies is the most significant, and the interaction between residents' consumption level and industrial structure condition shows an increasing trend. This research can provide references for optimizing the layout of the logistics industry in Xinjiang Uygur Autonomous Region and promoting economic exchanges and regional coordinated development.

Key words： logistics enterprises; agglomeration characteristics; traffic accessibility; market scale; regional policy; regional coordinated development; Xinjiang Uygur Autonomous Region

现代物流业作为连接生产与消费的重要环节，在经济发展中的重要性日益凸显，尤其在中国，现代物流业已成为支撑国民经济发展的先导性、基础性、战略性产业。而物流企业作为从事物流活动的经济实体，是现代物流产业发展的核心，在推动经济增长和促进区域发展方面发挥着重要作用[1]。随着中国“一带一路”倡议的实施，新疆在推动共建丝绸之路经济带和21世纪海上丝绸之路中扮演着至关重要的角色，其特殊的地理位置使其成为连接欧亚大陆的重要枢纽，具有巨大的经济发展潜力，对于物流业的需求也将进一步扩大。在此背景下，研究新疆物流企业的时空分布特征及其影响因素，对于优化该区域物流产业空间布局，促进区域间的经济交流具有重要的现实意义。
国内外学者对于物流企业的相关研究主要集中在创新发展路径[2-3]、绿色物流[4-8]、空间布局与区位选择[9-14]、产业融合与协同发展[15-19]、空间网络结构[20-23]等方面，其中物流企业的空间布局尤其受到学者们的广泛关注。一方面，学者们通过空间分析技术，探讨了物流企业在不同地理区域的分布特征。如傅丽华等运用标准差椭圆、全局空间自相关等多种方法研究了长株潭地区A级物流企业的空间聚集模式，揭示了该地区物流企业布局的时空变化特征[24]。另一方面，部分研究着重分析了影响物流企业时空分布的因素，包括交通基础设施[25]、经济发展水平[26]、市场规模[27-28]和政策环境[29]等。这些研究为理解物流企业的时空分布提供了基础，但现有研究多聚焦于北京[30]、上海[31]、京津冀城市群[26]、长三角城市群[1]等发达地区，对中西部地区物流协调发展的关注度不足。例如，赵学伟等以兰州市为案例区分析了西北内陆中心城市物流企业的空间分布特征，并通过负二项回归模型探究了其区位选择的影响因素[32]；林秋平等在分析乌鲁木齐市物流企业时空演变特征的基础上，运用地理探测器和多尺度地理加权回归进一步探究了其影响因素[33]。但二者都仅对单一因素的独立影响进行了分析，忽视了因素之间的交互作用效果，未能全面揭示各因素之间的复杂关系。
鉴于此，本文以新疆为研究区域，选取2011、2015、2019和2023年为研究年份，采用核密度分析和空间自相关分析方法探究其物流企业的时空分布特征；在此基础上借助地理探测器识别新疆物流企业布局的关键影响因素，并分析各因素间的交互作用，以期为优化新疆物流产业布局、促进经济交流与区域协同发展提供决策参考和经验借鉴。

1 研究区域、研究方法与数据来源

1.1 研究区域概况

新疆维吾尔自治区地处中国西北部，幅员辽阔，总面积达166万km2，约占中国陆地面积17.3%，是中国陆地面积最大的省级行政区。新疆位于亚欧大陆的中心地带，毗邻俄罗斯、蒙古国、哈萨克斯坦等8个国家，是古丝绸之路的重要门户，同时也是第二座“亚欧大陆桥”的必经之地，具有极其重要的战略地位和巨大的经济发展潜力。随着中国“一带一路”倡议的实施，新疆在推动共建丝绸之路经济带和21世纪海上丝绸之路中扮演着至关重要的角色，成为丝绸之路经济带上重要的交通枢纽和商贸物流中心。因此，本文以新疆全域为研究区，包括4个地级市、5个地区、5个自治州及12个自治区直辖县级市（文中简称“市州”）。

1.2 研究方法

1.2.1 核密度分析

核密度分析是在空间分析范围内，在地图上为每个点创建一个核，并根据邻近核的数量和距离计算每个位置的密度值，再基于每个位置密度值进行差值来创建连续的密度面，可以直观体现出分析目标在空间上的聚集情况。
针对物流资源布局情况，可通过空间密度图来解释空间数据的分布情况，以便更好地理解物流资源空间数据的分布特征。本文运用核密度分析法对新疆物流企业在区域内的分布特征和变化趋势进行探究。

1.2.2 空间自相关分析

空间自相关是一种衡量空间上相邻或接近区域的数据值之间是否存在相似性的统计分析方法，可用于分析地理空间数据的分布特性。地理学中通常存在随机分布、离散分布和聚集分布3种定性的空间分布模式，其表现出的空间特征各有不同[34]。本文主要运用全局莫兰指数 I G（Global Moran's I）和局部莫兰指数 I L（Local Moran's I）研究新疆物流企业的空间分布特征。其中，全局莫兰指数可以对研究区域中样本数据所表现的总体特征进行定量描述，而局部莫兰指数则能够在更微观的尺度上对空间分布进行探索，反映各个区域的空间聚集特征。

1.2.3 地理探测器

地理探测器是一种用于空间数据分析的统计方法，主要应用于分析影响因子与空间分布特征之间的关系，包括分异及因子探测、交互作用探测、风险探测、生态探测4个探测器[1]。本文利用其中的分异及因子探测和交互探测识别新疆物流企业空间分布的影响因素及其交互作用。其中分异及因子探测主要通过地理探测器q统计量测度空间分异性，值域为[0,1]，q值越大说明该因子对物流企业空间分异的影响程度越大，反之则越小。
交互探测通过比较因子叠加前后的q值判断因子之间是否存在交互作用，即主要比较 q X 1、 q ( X 2 )和 q X 1 ⋂ X 2之间的关系。若两因子叠加后的q值较单因子提升越大说明其交互作用越强。

1.3 数据来源

本文选取2011、2015、2019和2023年为研究年份，探究新疆物流企业的时空分布特征及其影响因素。所用数据包括：①物流企业数据。新疆物流企业数据来源于企查查网站（https://www.qcc.com/）。具体做法是：首先于2024年4月以“物流”“仓储”“运输”为关键词获取了新疆域内注册资本在500万元及以上的物流企业数据，去除重复、错误数据后共得到12579个有效数据；然后结合企业注册时间进行整理，即各研究年份物流企业在业总量为注册时间在当年及以前且截至当年没有注销的企业数量；最后根据企业所在地区，以市州为研究单元进行统计，得到各市级研究单元的各年份物流企业数量。②社会经济数据。本文用于研究新疆物流企业时空分布影响因素的社会经济统计数据均来源于历年的新疆维吾尔自治区统计年鉴和各市州统计公报，部分缺失的数据通过插值法、平均增长率法等方法补齐。

2 新疆物流企业时空分布特征

2.1 时空分布特征

基于百度API平台，以市州为研究单元进行统计，得到所有物流企业地址的经纬度矢量数据，并在ArcGIS中进行可视化处理（图1）。结果表明，新疆物流企业数量增长较快，但各市州差异明显。从时间上看，2011年新疆物流企业数量较少且分布较为分散；到2023年，新疆物流企业数量大幅增长，但主要集中在乌鲁木齐市，其他市州的增长幅度较小。从空间上看，乌鲁木齐市和昌吉回族自治州的物流企业最多，占总数的38.9%；喀什地区的物流企业数量增长幅度最大，2011—2023年增长12倍；相对来说，阿勒泰地区和克孜勒苏柯尔克孜自治州物流企业增长较慢。
图1 新疆物流企业空间分布演变

Fig.1 Spatial-temporal distribution of logistics enterprises in Xinjiang Uygur Autonomous Region

2.2 时空集聚特征

为了更直观地反映出不同研究年份新疆物流企业的空间聚集特征，本文借助ArcGIS对有时序分布的物流企业数据进行核密度分析。以2023年物流企业核密度自然分裂点为间断点，将新疆物流企业核密度划分为5个等级，从而得到新疆物流企业在不同时期的核密度分布（图2）。具体来说，不同年份新疆物流企业的核密度分布区间依次为：2011年（0，1497.66）、2015年（0，3237.05）、2019年（0，7820.13）、2023年（0，11916.36）。总体上，乌鲁木齐市的物流企业分布密度明显高于其他市州。且随着物流业的发展，新疆物流企业的密度大幅提升，从2011年的1497.66增至2023年的7820.13。
图2 新疆物流企业核密度分布变化

Fig.2 Kernel density distribution of logistics enterprises in Xinjiang Uygur Autonomous Region

时间演变上，2011年几乎没有高密度区域，只有乌鲁木齐市出现中等密度区域。2015年，哈密市、昌吉回族自治州、塔城地区、巴音郭楞蒙古自治州西北部、喀什地区西北部以及阿克苏地区出现了较低密度区域，显示出一定的聚集现象。2019年，新疆物流企业数量大幅增加，最高密度较2015年增加一倍多，其中乌鲁木齐市形成高密度区域，且密度向外递减；哈密市和喀什地区西北部密度显著增长，出现了中等密度区域；与此同时，新疆其他市州也开始出现了物流企业聚集区，呈现出明显的聚集现象。到2023年，随着国家物流枢纽及承载城市的建设，物流企业数量大幅增长，乌鲁木齐市的高密度、较高密度区域和哈密市、喀什地区的中等密度区域进一步扩大，同时也出现了较多的中等密度和较低密度区域，进一步说明新疆物流企业的聚集现象。
空间分布上，乌鲁木齐市是高密度区的集中区域。随着物流枢纽城市的发展，哈密市、喀什地区、石河子市、阿克苏地区以及和田地区的物流企业密度有所增长，而新疆北部和东南部的阿勒泰地区、巴音郭楞蒙古自治州内部城市物流企业密度较低，整体上形成了以乌鲁木齐市为主要核心区域，大部分地区为边缘区域的“核心—边缘”空间格局。

2.3 空间自相关特征

为确定新疆各市州的物流企业数量是否在空间上相关，本文运用全局莫兰指数研究新疆物流企业空间分布的总体特征，并通过局部莫兰指数探究各个市州的空间聚集特征。考虑到莫兰指数的计算需要至少30个样本数据，以区县为研究单元，利用ArcGIS的分析工具进行全局莫兰指数分析（表1）。结果显示，4个年份物流企业的全局莫兰指数均大于0，且在1%的置信水平上显著，表明物流企业在不同研究年份均具有空间正相关性，表现为聚集分布模式。
表1 新疆物流企业全局莫兰指数

Tab.1 Global Moran's index of logistics enterprises in Xinjiang Uygur Autonomous Region

年份 Global Moran's I指数 Z得分 空间分布模式
2011 0.27 5.51 聚集分布
2015 0.23 5.26 聚集分布
2019 0.20 4.31 聚集分布
2023 0.17 3.81 聚集分布
从时间上看，全局莫兰指数呈现出下降趋势，表明物流企业分布的空间正相关性正在逐渐减弱，意味着高密度聚集区域（如乌鲁木齐市）的物流企业增长速度低于新兴聚集区域（如喀什地区、哈密市等），使得整体分布更加均衡。可能原因是，随着“一带一路”倡议的实施，新疆多个市州获得政策扶持和基础设施建设支持，特别是在南疆铁路等交通设施改善后，边缘地区的物流企业密度得到显著提升。尽管核心区域的吸引力仍然很强，但边缘区域的物流产业发展也在逐渐崛起，这一趋势符合区域协调发展的目标。
基于全局莫兰指数，利用ArcGIS空间管理工具中的聚类和异常值分析工具，计算局部莫兰指数以进一步分析物流企业的空间聚集特征及时间演化机理，并分别叠加研究单元的行政范围进行可视化（图3）。结果显示，新疆物流企业的聚集地主要集中在乌鲁木齐市、阿克苏地区、哈密市、喀什地区、和田地区以及巴音郭楞蒙古自治州西部。其中，高高聚集区主要分布在乌鲁木齐市；高低聚集区主要分布在阿克苏地区；低高聚集区主要分布在高高聚集区周围，与聚集区的分布特征相吻合。从结果中还可以看出，大多数聚集区为低低聚集区，这主要是因为乌鲁木齐市的物流企业在数量和密度上都处于领先地位，故即使呈现一定的聚集性，也大多为低低聚集区。并且，低低聚集区的数量在逐年减少，由连片分布变为局部聚集。总体上来看，聚集性正在减弱，与全局莫兰指数分析结果一致，进一步表明新疆的物流业联系尚有较大的提高空间，应该充分发挥高高聚集区的辐射作用，带动周边地区的物流发展，同时挖掘低高聚集区的发展潜力。部分物流枢纽如伊犁哈萨克自治州、阿勒泰地区等市州的物流企业数量分布较少，聚集性不明显。
图3 新疆物流企业局部空间自相关类型演变

Fig.3 Evolution of local spatial autocorrelation type of logistics enterprises in Xinjiang Uygur Autonomous Region

3 新疆物流企业时空分布影响因素

3.1 影响因素及指标选取

物流企业的空间分异受多种因素的影响，蒋天颖等在研究中发现区位通达度、集聚要素、政府政策是物流企业空间格局形成的主要影响因素[35]；潘方杰等则认为经济实力、产业结构状况和市场规模对物流企业布局有重要影响[27]。基于已有相关研究，同时考虑数据的可获得性，本文从交通条件、经济因素、市场因素和政策环境4个维度综合选取8项指标进行研究，具体解释见表2。
表2 新疆物流企业分布影响因素指标及说明

Tab.2 Influencing factors of the spatio-temporal distribution of logistics enterprises in Xinjiang Uygur Autonomous Region and their explanations

维度 指标 指标计算方法 分级
交通条件 交通可达性 平均旅行时间（h） 5级
经济因素 经济发展水平 地区生产总值（亿元） 5级
产业结构状况 第三产业增加值占GDP比重（%） 5级
市场因素 市场规模 社会消费品零售总额（亿元） 5级
居民消费水平 城镇居民人均可支配收入（元/人） 5级
货运需求 地区货运量（万 t） 5级
政策环境 区域政策 地方财政支出（亿元） 5级
对外开放水平 进出口总额（亿美元） 5级
具体而言，①交通条件方面。良好的交通可达性能够减少运输成本，提高运输效率，因此会对物流企业的空间分布产生影响，交通可达性强的地区往往更容易吸引物流企业落户，形成集聚效应。②经济因素方面。经济发展水平高的地区物流需求相对较大，有利于物流企业的聚集；产业结构的合理性和多样性影响物流的需求和服务类型，在第三产业占比高的区域，物流企业往往能够获得更为丰富和多样的货运需求，从而容易在这些区域集中布局。③市场因素方面。市场规模较大的地区能够支持更多的物流企业发展；居民消费水平越高的地区，物流需求越为旺盛；而货运需求则直接决定了物流企业的市场潜力。④政策环境方面。政府对物流业发展的资金投入和政策支持将影响物流企业的区位选择；而对外开放程度高的地区，通常能够吸引更多的跨国物流企业投资，从而推动当地物流企业的发展和布局。

3.2 指标影响力分析

首先借助ArcGIS软件中的自然断裂划分将各研究年份新疆物流企业时空分布影响因素指标值分为5级，由此将连续数据转换为类别数据；然后再将分类数据导入地理探测器模型，利用分异及因子探测器测算每个指标的影响力q值（表3）。其中，q值越大表示指标对物流企业分布的影响力越大，说明其是影响新疆物流企业空间分布的主要因素。
表3 影响因素指标q值探测结果

Tab.3 q-value detection results of influencing factor indicators

维度 指标 2011 2015 2019 2023
交通条件 交通可达性 0.047 0.057 0.032 0.022
经济因素 经济发展水平 0.955*** 0.645** 0.656** 0.692**
产业结构状况 0.216 0.029 0.348 0.437
市场因素 市场规模 0.967*** 0.955*** 0.904*** 0.920***
居民消费水平 0.167 0.043 0.063 0.183
货运需求 0.869*** 0.318 0.500* 0.288
政策环境 区域政策 0.644** 0.663** 0.688** 0.569**
对外开放水平 0.516** 0.328 0.356 0.405

注：***、**和*分别表示在1%、5%和10%的置信水平上显著。

从单个指标影响力来看，经济发展水平、市场规模和区域政策是影响新疆物流企业时空分布的主要因素。其中，市场规模的影响力最大，q值在各研究年份上均大于0.9，且在1%的置信水平上显著，是新疆物流企业时空分布的关键影响因素；其次是经济发展水平和区域政策，各研究年份的q值均在0.6以上，且在5%的置信水平上显著；而交通可达性、产业结构状况和居民消费水平对新疆物流企业分布的影响力则相对较弱，各研究年份q值均小于0.3。
从时间趋势来看，经济发展水平在2011年的q值为0.955，仅次于市场规模，而到2015年，q值下降至0.645，随后又缓慢回升至2023年的0.692，表明经济发展水平对新疆物流企业分布的影响力波动较大，但总体上呈现减弱趋势。市场规模的影响力最为稳定，虽有小幅下降但始终对新疆物流企业分布保持着高影响力，再次说明市场规模是影响新疆物流企业时空分布的关键因素。货运需求的q值由2011年的0.869大幅下降至2015年的0.318，在2019年有所提升，但2023年又呈现出下降趋势，表明货运需求对新疆物流企业分布的影响力不稳定，前期为主要影响因素，但影响力波动较大。区域政策的q值在2015和2019年均有小幅提升，但在2023年下降至0.569，说明区域政策对新疆物流企业时空分布的影响力存在波动，但波动幅度较小，总体上影响力较为稳定。对外开放水平在前期对新疆物流企业分布表现出一定的影响力，但在2015年有所下降，虽然2019和2023年均呈现出上升趋势，但总体上影响力较弱，并非主要影响因素。
综上，各因素影响力在时间上的变化揭示了其对物流企业空间分布的具体作用和动态特征。前期，市场规模、经济发展水平和货运需求是物流企业布局的核心驱动因素，该时期乌鲁木齐市、昌吉回族自治州等市州凭借其经济和市场规模优势为物流企业提供了充足的货运服务需求，因此吸引了大量物流企业的聚集。中期，区域政策的影响力持续增强，这一阶段喀什地区、哈密市等市州作为新疆物流节点城市布局中的一级物流节点，受益于区域政策支持，吸引了大量资本和企业资源聚集，进而促进了物流企业向该地区扩展。后期，随着政策扶持的扩散，其影响力有所减弱，市场规模的支持作用再次凸显，这一时期哈密市、喀什地区、石河子市、阿克苏地区以及和田地区由于在物流枢纽城市发展过程中市场规模得到进一步扩大，对物流企业的吸引力有所提升。

3.3 影响因素交互作用分析

在分析单个因素影响力的基础上，本文还借助交互探测对各影响因素之间的交互作用进行了探究（图4）。从结果可以看出，影响因素两两交互作用后的影响力均大于单个因素独立作用的影响力，说明新疆物流企业时空分布受到各影响因素的综合作用，影响因素之间存在明显的交互效应。具体而言，在分异及因子探测中通过显著性检验的经济发展水平、市场规模和区域政策3个因素，在进行交互探测时的q值较高，进一步说明这3个因素是新疆物流企业空间时空分布的主要影响因素，且它们的共同作用对新疆物流企业分布影响较大。其中，市场规模和区域政策交互作用后的q值在各研究年份均大于0.94，表现出很强的影响力且较为稳定。除此之外，单一影响力较弱的交通可达性、产业结构状况和居民消费水平在与经济发展水平、市场规模、区域政策交互作用后的影响力均得到显著提升。
图4 影响因素交互作用探测结果演变

Fig.4 Interaction detection results of influencing factors

值得注意的是，从时间上看，市场规模与区域政策的交互作用始终是物流企业空间分布的核心驱动力，这是由于政策支持通过财政补贴和税收优惠等措施降低企业的初期投入和运营成本，而市场规模直接决定了物流企业的服务需求和潜在收益，二者都将直接影响物流企业的布局决策，因此交互影响力显著。区域政策与经济发展水平的交互作用有所减弱，而居民消费水平与产业结构状况的交互作用总体呈增强趋势，说明随着产业结构的升级和居民消费能力的提升，对物流服务的需求更加多样化，促使企业在资源配置上更加关注居民消费行为和产业结构对其经营模式的影响，而不再单纯依赖于政策和经济发展水平。此外，交通条件与其他因素的交互作用趋于均衡，说明随着交通基础设施的持续投入与完善，新疆交通运输网络的覆盖范围显著提升，交通条件对物流企业布局的制约作用减弱。
综合因子探测和交互探测的结果可以判断，经济发展水平、市场规模和区域政策是影响新疆物流企业时空分布的主要因素，并且与其余因素作用后的影响力更为显著。其中，市场规模和区域政策的交互作用对新疆物流企业时空分布表现出极强的影响力，说明在扩大市场规模的同时增强对物流业的资金投入和政策支持有利于新疆物流企业的空间聚集。居民消费水平与产业结构状况的交互作用有增强趋势，表明物流企业在布局时越来越注重市场需求和产业结构。

4 结论与建议

4.1 结论

本文以新疆为研究区域，选取2011、2015、2019和2023年为研究年份，基于核密度分析、空间自相关分析和地理探测器等方法分析了新疆物流企业时空分布特征以及影响因素。主要结论如下：①研究期内新疆物流企业数量快速增长，但发展不平衡。物流企业主要集中在乌鲁木齐市和昌吉回族自治州，相比之下，喀什地区的企业数量增长最为显著，而阿勒泰地区和克孜勒苏柯尔克孜自治州增长较慢，整体上形成以乌鲁木齐市为核心的“核心—边缘”空间格局。②各研究年份的全局莫兰指数均大于0，P值均小于0.01，表明物流企业在不同年份均呈现出空间正相关性，表现为聚集分布模式。聚集地主要集中在乌鲁木齐市、阿克苏地区、哈密市等地。其中，高高聚集区主要在乌鲁木齐市，低低聚集区逐渐减少，反映出聚集性正在减弱，整体联系尚需提升。③从单个指标影响力来看，经济发展水平、市场规模和区域政策是新疆物流企业时空分布的主要影响因素。其中，市场规模的影响力最大且最为稳定，经济发展水平的影响力整体呈下降趋势，区域政策的影响力存在波动但相对稳定。④新疆物流企业的时空分布受到多个影响因素的综合作用，且各因素之间存在明显的交互效应。其中市场规模与区域政策的交互作用表现稳定且影响显著，居民消费水平与产业结构状况的交互作用总体呈增强趋势。

4.2 对策建议

根据上述研究结论，本文提出以下建议：①鼓励区域协同发展。鉴于物流企业主要集中在乌鲁木齐市和昌吉回族自治州，政府可通过设立财政补贴、税收优惠等政策鼓励物流企业向喀什、阿勒泰和克孜勒苏柯尔克孜等发展较慢地区扩展，帮助各地企业共同应对市场挑战，缩小区域发展差异；同时创新“东部+新疆”园区共建机制，推动东部发达省份与新疆合作建设数字化边境仓储设施、农产品集拼中心等载体。②强化核心区域辐射作用。依托乌鲁木齐市的核心地位，优化公路、铁路和航空网络，加强与周边地区的交通连接；同时建立物流合作机制，支持企业跨区域合作，形成更为紧密的物流服务网络。③加强政策扶持与市场开拓。鉴于经济发展水平、市场规模和区域政策的强影响力以及市场规模与区域政策的显著交互作用，政府应针对物流企业密度较低的区域提供更为精准的政策支持（如优化中欧班列补贴政策），对经新疆口岸出境的国内段运输成本给予梯度补贴；积极申报国家物流枢纽承载城市政策支持，吸引更多企业参与区域物流建设，争取东部地区头部企业在疆设立西北区域总部，共享东部地区的管理经验和客户资源，进一步提升整体物流产业发展水平。④推动消费升级与产业优化。针对居民消费水平和产业结构状况交互作用的增强趋势，应加快推动消费升级，激发市场需求，进而促进物流行业的需求增长，引入国际供应链管理机构，通过国内大型展会平台建立直达消费市场的物流通道，推动中亚特色农产品品牌化运营；同时推动高附加值产业和现代服务业的发展，促进产业结构优化，进一步优化新疆物流产业布局。

4.3 讨论

本文研究了新疆物流企业的空间异质性问题，重点关注物流企业的时空分布特征及其影响因素，对于优化新疆物流产业布局和促进区域协同发展具有一定的现实意义和参考价值。值得注意的是，与东部地区相比，新疆物流企业中国有控股及政企合作项目占比较高，且服务范围呈现“外向型”特征，涉及跨境物流业务较多。这种差异导致相同影响因素的作用强度呈现区域异质性，如市场规模在东部地区主要通过企业自发集聚形成空间格局，而在新疆更多依赖政府主导的园区载体建设；且新疆国有企业对财政补贴及“一带一路”政策红利的敏感度高于东部地区民营企业。此外，需要指出的是，为了使研究更聚焦于稳定且有长期发展能力的企业分布，本文仅选择了注册资本500万元及以上的企业作为筛选条件。该筛选标准可能忽略了一些发展潜力较大的中小型物流企业的分布特征，未来研究可以结合营业收入、员工人数等更多维度的指标，以更全面地揭示物流企业的时空分布规律。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
李天宇, 陆林, 张海洲, 等. 长三角城市群A级物流企业空间演化特征及驱动因素[J]. 经济地理, 2021, 41(11):157-166.

DOI

[2]
苏欣. 绿色供应链视角下的我国物流企业创新发展路径探讨[J]. 商业经济研究, 2021(8):110-113.

[3]
彭永涛, 朱俊洁. 数字经济背景下物流企业竞争优势提升路径——基于模糊集定性比较分析[J]. 商业经济研究, 2024(1):95-100.

[4]
杨扬, 徐新扬. 考虑碳税政策的物流企业低碳行为演化研究[J]. 安全与环境学报, 2021, 21(4):1750-1758.

[5]
姜晓红, 陈莎, 张毅. 物流企业碳排放总量与效率测算方法[J]. 交通运输系统工程与信息, 2022, 22(2):313-321.

[6]
郑琰, 贲宇姝, 王康得, 等. 物流企业的碳排放效率评价及驱动因素分析[J]. 交通运输系统工程与信息, 2023, 23(2):11-21.

[7]
Zhao P, Li Z, Xiao Z, et al. Spatiotemporal characteristics and driving factors of CO2 emissions from road freight transportation[J]. Transportation Research Part D:Transport and Environment, 2023,125:103983.

[8]
Shou Y, Wu C, Shao J, et al. Does green technology innovation contribute to logistics companies' market value? The effects of stakeholder engagement and public attention[J]. Transportation Research Part E:Logistics and Transportation Review, 2023,176:103227.

[9]
朱慧, 周根贵. 国际陆港物流企业空间格局演化及其影响因素——以义乌市为例[J]. 经济地理, 2017, 37(2):98-105.

[10]
刘思婧, 孙文杰, 李国旗. 基于生态位理论的重庆市物流企业优势区位及影响因素研究[J]. 地理科学, 2020, 40(3):393-400.

DOI

[11]
Sakai T, Beziat A, Heitz A. Location factors for logistics facilities:Location choice modeling considering activity categories[J]. Journal of Transport Geography, 2020,85:102710.

[12]
张圣忠, 柴廷熠. 西安市物流企业空间格局演化及影响因素分析[J]. 世界地理研究, 2021, 30(6):1275-1285.

DOI

[13]
Yang Z, Chen X, Pan R, et al. Exploring location factors of logistics facilities from a spatiotemporal perspective:A case study from Shanghai[J]. Journal of Transport Geography, 2022,100:103318.

[14]
张圣忠, 孟迪, 柴廷熠. 关中平原城市群物流企业空间格局演化及影响因素研究[J]. 世界地理研究, 2024, 33(4):117-129.

DOI

[15]
弓宪文. 区域物流业与关联产业的融合及协调发展研究[J]. 铁道运输与经济, 2017, 39(4):20-25.

[16]
张季平, 陶君成, 尤美虹. 大数据驱动制造企业与物流企业协同发展的实证研究[J]. 中国流通经济, 2020, 34(2):3-14.

[17]
陈胜利, 王东. 制造业与物流业融合发展的空间差异及动态演进[J]. 统计与决策, 2022, 38(22):102-107.

[18]
Mu N, Wang Y, Tian P. Spatio-temporal distribution characteristics of the cooperation between logistics industry and economy in southwest China[J]. International Journal of Computational Intelligence Systems, 2022, 15(1):7.

[19]
王玲, 李悦晴. 城市群视域下我国物流业与制造业双向共聚水平的测度及其空间特征[J]. 经济地理, 2023, 43(5):128-138.

DOI

[20]
宗会明, 吕瑞辉. 基于物流企业数据的2007—2017年中国城市网络空间特征及演化[J]. 地理科学, 2020, 40(5):760-767.

DOI

[21]
Mu N, Wang Y, Wang M, et al. The co-evolution of the regional logistics network in the Chengdu-Chongqing region based on node attraction[J]. International Journal of Computational Intelligence Systems, 2022, 15(1):25.

[22]
Li J F, Liu W W, Yu X S, et al. Research on the spatial-time evolution and influence mechanism of logistics network structure in Zhengzhou metropolitan area[J]. IEEE Access, 2023,11:41596-41608.

[23]
李晓梅, 黄俊. 多尺度视角下中国冷链物流企业的县域网络结构及驱动机制[J]. 热带地理, 2023, 43(4):669-680.

DOI

[24]
傅丽华, 江雪辉. 长株潭A级物流企业时空变化特征分析[J]. 湖南师范大学自然科学学报, 2023, 46(5):72-79.

[25]
Van den Heuvel F P, De Langen P W, Van Donselaar K H, et al. Spatial concentration and location dynamics in logistics:The case of a Dutch province[J]. Journal of Transport Geography, 2013,28:39-48.

[26]
张璐璐, 赵金丽, 宋金平. 京津冀城市群物流企业空间格局演化及影响因素[J]. 经济地理, 2019, 39(3):125-133.

DOI

[27]
潘方杰, 万庆, 冯兵, 等. 中国物流企业空间格局及多尺度特征分析[J]. 经济地理, 2021, 41(6):97-106.

DOI

[28]
江雪辉. 长株潭A级物流企业时空格局变化特征及影响因素研究[D]. 株洲: 湖南工业大学, 2022.

[29]
李国旗, 金凤君, 陈娱, 等. 基于POI的北京物流业区位特征与分异机制[J]. 地理学报, 2017, 72(6):1091-1103.

DOI

[30]
谢永琴, 魏晓晨. 北京物流企业空间布局演化及影响因素分析[J]. 陕西师范大学学报(自然科学版), 2019, 47(2):106-115.

[31]
张大鹏, 曹卫东, 姚兆钊, 等. 上海大都市区物流企业区位分布特征及其演化[J]. 长江流域资源与环境, 2018, 27(7):1478-1489.

[32]
赵学伟, 张志斌, 冯斌, 等. 西北内陆中心城市物流企业空间分异及区位选择——以兰州市为例[J]. 干旱区地理, 2022, 45(5):1671-1683.

DOI

[33]
林秋平, 李松芮, 杨上广, 等. 乌鲁木齐市物流企业区位时空演化、影响因素和发展策略研究[J]. 干旱区地理, 2024, 47(7):1252-1262.

DOI

[34]
汪敏. 成渝地区双城经济圈区域物流网络协同演化研究[D]. 成都: 西南交通大学, 2022.

[35]
蒋天颖, 史亚男. 宁波市物流企业空间格局演化及影响因素[J]. 经济地理, 2015, 35(10):130-138.

Options
文章导航

/

〈 〉