EN中文

经济地理 >

2025 , Vol. 45 >Issue 5: 93 - 102

DOI: https://doi.org/10.15957/j.cnki.jjdl.2025.05.010

产业经济与创新发展

沿海地区物流服务数智化水平格局变化及其影响因素

  • 王泽宇 , 1, 2 ,
  • 倪梦笛 1 ,
  • 宋洹 3 ,
  • 赵莉 , ※
展开
  • 1.辽宁师范大学 海洋可持续发展研究院，中国辽宁 大连 116029
  • 2.北部湾大学 北部湾海洋发展研究中心，中国广西 钦州 535011
  • 3.辽宁师范大学 地理科学学院，中国辽宁 大连 116029
  • 4.中国医科大学 学生工作部，中国辽宁 沈阳 110122
※赵莉（1978—），女，博士，研究方向为海洋经济地理。E-mail：

王泽宇（1981—），女，博士，教授，研究方向为海洋经济地理。E-mail：

收稿日期: 2024-11-13

  修回日期: 2025-03-01

  网络出版日期: 2025-07-07

基金资助

国家自然科学基金项目(42471209)

教育部基地重大项目(22JJD790030)

辽宁省社会科学规划基金重大委托项目(L24ZD025)

辽宁省研究生教育教学改革研究项目(LNYJG2023269)

辽宁省委组织部兴辽英才计划四个一批人才项目(XLYC2410002)

收起

Evolution and Influencing Factors of Logistics Service Intellectualization Level in China's Coastal Areas

  • WANG Zeyu , 1, 2 ,
  • NI Mengdi 1 ,
  • SONG Huan 3 ,
  • ZHAO Li , ※
Expand
  • 1. Institute of Marine Sustainable Development，Liaoning Normal University，Dalian 116029，Liaoning，China
  • 2. Beibu Gulf Ocean Development Research Center，Beibu Gulf University，Qinzhou 535011，Guangxi，China
  • 3. School of Geographical Sciences，Liaoning Normal University，Dalian 116029，Liaoning，China
  • 4. China Medical University，Shenyang 110122，Liaoning，China

Received date: 2024-11-13

  Revised date: 2025-03-01

  Online published: 2025-07-07

Fold

摘要

文章基于5A级物流企业数据，从物流基础服务供给能力和物流数字服务供给能力两方面构建物流服务数智化水平指标体系，运用虚拟最劣解TOPSIS方法评价中国沿海地区2011—2021年的物流服务数智化水平；在此基础上，采用Dagum基尼系数和核密度探究其时空格局演变规律，并通过地理探测器实证分析了其影响因素。结果表明：①2011—2021年中国沿海地区物流服务数智化水平逐年攀升，其中物流数字服务供给能力贡献突出，年均增长率为14.04%。②中国沿海地区物流服务数智化水平时序演变分段现象明显，其中2011—2015年物流服务数智化水平在低值区集中，2016—2021年物流服务数智化飞速发展，数字经济与产业深度融合、数字消费推动物流服务创新是关键。③空间格局方面，低水平区分布范围保持稳定，较高水平区由中部向南北方向扩展，高水平区向南部转移；区域差异方面，三大海洋经济圈的总体差异和组间差异呈波动扩大趋势，组内差异演化趋势各异，东部海洋经济圈整体发展态势良好，区域内差异逐渐缩小，而南部和北部海洋经济圈的区域内差异则有所增大。④影响因素方面，区域经济发展、地方政府扶持和区域数字化市场是物流服务数智化的主导影响因素，解释力集中在0.65~0.85；区域物流基础是支持相关服务的根本，其与其他因素的交互作用远超单因子影响，集中在0.7~0.9；地方政府扶持是打破路径依赖，促进区域物流服务转型发展的关键。

关键词： 物流服务; 数智化水平; 5A级物流企业; 数智平台; 物流示范园区; 地方政府扶持

本文引用格式

王泽宇 , 倪梦笛 , 宋洹 , 赵莉 . 沿海地区物流服务数智化水平格局变化及其影响因素[J]. 经济地理, 2025 , 45(5) : 93 -102 . DOI: 10.15957/j.cnki.jjdl.2025.05.010

Abstract

Based on the data of 5A-level logistics enterprises, this paper constructs an index system of logistics service intellectualization level from two aspects: logistics basic service supply capacity and logistics digital service supply capacity, and evaluates the logistics service intellectualization level in China's coastal areas from 2011 to 2021 using the improved TOPSIS method. It explores the evolution law of the logistics service intellectualization level using Dagum Gini coefficient and kernel density, and empirically analyzes the influencing factors by means of geographic detectors. The results show that: 1) From 2011 to 2021, the level of logistics services intellectualization in coastal areas increased year by year, among which the supply capacity of logistics digital services made outstanding contributions, with an average annual growth rate of 14.04%. 2) The logistics service intellectualization level showed the clearly segmented evolution characteristic in China's coastal areas. In 2011-2015, the level of logistics service intellectualization was concentrated in low-value areas, and it developed rapidly in 2016-2021. The deep integration between digital economy and industry, as well as the promotion of logistics service innovation by digital consumption, are the keys for the development of he logistics service intellectualization. 3) In terms of spatial pattern, the distribution of low-level areas remained stable, while the high-level areas expanded from the middle of China's coastal areas to the north and south of China's coastal areas, and the high-level areas shifted to the south of China's coastal areas. The overall and inter-group differences of the three major marine economic circles are fluctuating and expanding, and the evolution trend of intra-group differences is different. The overall development trend is good in the eastern marine economic circle, and the intra-regional differences are gradually narrowing, while the intra-regional differences are increasing in the southern and northern marine economic circles. 4) In terms of influencing factors, regional economic development, local government support and regional digital market are the leading influencing factors of logistics services, the values of their explanatory power is in 0.65-0.85. Regional logistics foundation is the foundation for supporting related services, and its interaction with other factors far exceeds the influence of single factor, the values of their explanatory power is in 0.7-09. Local government support is the key to break the path dependence and promote the transformation and development of regional logistics services.

Key words： logistics service; intellectualization level; 5A-level logistics enterprises; digital intelligence platform; logistics demonstration park; local government support

数字背景下物流服务向数智化转型不仅是数字技术赋能物流业的重要方向，更是满足复杂多变的生产和消费需求、延伸产业链、提升价值链、打造供应链的关键所在[1]。习近平总书记在党的二十大报告中强调“建设高效畅通的流通体系，降低物流成本”以及“着力提升产业链供应链韧性和安全水平”，为物流业锚定了未来发展的关键任务。2022年国务院印发的《“十四五”现代物流发展规划》也明确将“推动物流提质增效降本”列为“十四五”时期现代物流发展的重要任务之一。沿海地区在降低物流成本、促进要素有效流动以及连接东西贸易中发挥着不可替代的作用[2-3]，截至2022年，全国57%的5A级物流企业布局于此。但沿海地区的物流服务仍存在诸多问题，如物流企业在物流服务中应用的软件开发和专利实际效果欠佳、实际配送路线不合理、数智平台建设有待升级等。因此，深入探究中国沿海地区物流服务数智化水平的时空格局演变及影响因素，对于推动数字经济背景下区域物流经济协调发展、完善现代物流服务体系、加快构建高效畅通的现代流通体系具有重要意义[4]。
目前，国内外学者对物流服务数智化的研究尚处于起步阶段。Vargo和Lusch提出服务主导逻辑及其核心价值共创后[5-6]，Peltier和Li等从价值视角出发，深入分析数字信息在物流供应链中的流动情况，发现物流企业依托数字化平台和数字金融服务，能够有效提升产销商与消费者之间的信息流通效率，进而推动宏观物流供应链的增值[7-8]。通过问卷调查和客户访谈结果赋值的定性研究主要包括第三方物流企业的客户服务效率[9]、考虑金融的最优物流服务策略[10]和商业货运汽车运输公司物流服务水平[11]。国内相关研究主要集中在以下3个方面：①物流服务转型研究。多数学者基于生态系统和可持续视角[12-13]，运用案例分析法探讨数字化转型下物流服务的发展变化，发现企业可通过整合服务网络、持续升级平台以及加强服务创新等举措，推动物流服务发展转型。同时，物流服务数智化发展还能显著加深物流服务生态系统内各主体之间的联系，增强彼此之间的相互影响。也有学者从价值视角出发[14-15]，定性分析物流服务生态系统内各主体多样化的价值目标对物流服务发展转型的影响，指出物流企业需要进行转型，构建平台化、生态化的企业组织[16]，并借助数智化方式重构物流基础设施，不断优化消费场景，以提供契合消费需求的物流服务[1]。②数智背景下物流企业运营模式研究。多数学者通过对比企业传统运营模式与当前的运营模式，发现大型物流企业正积极运用数字技术在产品、服务、管理等多方面进行创新[17-18]，如传统运营模式主要依靠技术创新提高效率、增加运量和扩大规模，而当前物流企业的运营更注重生态规模和多主体合作，强调借助数智平台实现各部门之间的有效连接，推动供应链、价值链向高端化、智能化方向延伸[19-20]。③数字技术对物流服务数智化影响研究。王军和张英浩等运用空间计量模型计算发现，数字技术通过推动商业模式创新促进了消费增长，同时也间接影响了物流服务的发展[21-22]。例如，数字技术对物流服务提出了三方高效沟通、产品准时送达、运输过程可视化等新要求，从而加速了物流服务数智化的进程[23]。
现有研究从不同视角对物流服务数智化进行了有益探索，但仍有不足之处：①多数学者基于价值和生态系统视角对物流服务进行定性分析，未充分考虑数字技术协同价值需求下的物流服务实际发展情况。②受限于生态学中个案模式的定性分析方法，在分析地区时空格局演变规律方面相对薄弱。沿海地区因独特的地理位置，在数字技术的推动下物流服务实现快速发展，却也面临着数智化转型难题，亟需深入探究其物流服务数智化水平的时空格局。③研究数据多来自地方统计数据和调查问卷，未能体现数字技术通过影响消费和物流企业转型进而对物流服务产生的影响，导致对物流服务水平的评价存在滞后性。鉴于此，本文选取5A级物流企业数据，从物流基础服务供给能力和物流数字服务供给能力两方面构建物流服务数智化水平指标体系，运用基于虚拟最劣解的TOPSIS法测度2011—2021年我国沿海地区物流服务数智化水平；在此基础上，采用核密度估计和Dagum基尼系数识别其时空分异特征，并通过地理探测器实证分析物流服务数智化水平的影响因素及其相互关系。研究结果有助于明确当前数字技术赋能背景下区域物流服务的转型发展情况，为沿海地区物流服务未来发展提供决策依据。

1 研究方法与评价指标体系构建

1.1 研究方法

1.1.1 基于虚拟最劣解的TOPSIS

本文采用基于虚拟最劣解TOPSIS方法对我国沿海地区的物流服务数智化水平进行评价。采用虚拟最劣解替代最劣解，先构造多指标问题的理想解与虚拟最劣解，并以靠近理想解和虚拟最劣解为两个基准，作为评价依据[24-25]。在确定指标权重时选取客观赋权法中常用的熵权法，计算出各变量的权重系数。首先根据原始数据建立n对象的m个指标的空间矩阵，将原始空间矩阵作同趋势化处理，得到标准化矩阵；继而运用熵权法计算各个指标j的权重系数w，并建立加权规范化矩阵，确定最优解与最劣解。

1.1.2 Dagum基尼系数

Dagum基尼系数广泛应用于空间非均衡问题的分析。我国沿海地区物流服务数智化水平具有明显的样本数据交叉重叠问题，即三大海洋经济圈内同时存在高水平区和低水平区，为了准确测度出子群间交叉重叠对区域差异的影响程度，本文采用Dagum基尼系数及其分解方法来详细分析我国沿海地区物流服务数智化水平的区域差异，并将其分解为组内差异和组间差异。计算公式见相关文献[25-26]。

1.1.3 核密度估计

核密度估计（Kernel Density Estimation）用于直观展示数据本身的分布特征，是当前分析地理事物特征差异变化较具代表性的统计方法，基于物流服务数智化水平评价结果，使用核密度估计探究数据分布特征。计算公式见相关文献[24,26]。

1.1.4 地理探测器

地理探测器是一种识别地理现象空间分异性并揭示其背后驱动力的统计学方法，包括因子探测、交互探测、风险探测和生态探测4个模块。综合考虑到物流服务数智化水平影响因素分析的需要，本文采用地理探测器因子探测和交互探测子方法[27-28]。因子探测器用于测度不同变量对物流服务数智化水平的解释程度，用q值度量。
交互作用探测器用于判断不同影响因子 X i的两两交互作用对因变量Y的空间分层异质性解释程度的增强或减弱作用。通过比较单个因子 X 1和 X 2分别对因变量 Y的解释程度以及 X 1、 X 2两个影响因子交互作用时对 Y的解释程度，确定影响因子交互作用的类型，或这些因子对 Y的影响是相互独立的。因子之间的交互作用类型及判据见表1。
表1 交互作用类型及判据

Tab.1 Types and criteria of interaction result

交互类型 判据依据
非线性减弱 q（X1∩X2）<min[q（X1），q（X2）]
单因子非线
性减弱		 min[q（X1），q（X2）]<q（X1∩X2）<max[q（X1），q（X2）]
双因子增强 q（X1∩X2）>max[q（X1），q（X2）]
非线性增强 q（X1∩X2）>q（X1）+q（X2）
独立 q（X1∩X2）=q（X1）+q（X2）

1.2 理论基础与指标构建

数字物流的发展是物流服务数智化的基础，信息技术变革初期，张则强等从制造自动化角度提出数字物流的功能目标模型，其目标是优化时间（Time）、质量（Quality）、成本（Cost）、服务（Service）和环境（Environment）等综合要素，实现整体效益的最大化[29]。随着数智化物流平台建设以及服务主导逻辑的发展，物流服务数智化转型已经成为物流业未来发展的趋势。当前学术界尚未明确物流服务数智化的内涵，结合多数学者对菜鸟[12]、壹米滴答[14]和海尔[17]等物流相关企业数智转型的分析，物流服务数智化强调物流基础、企业网址、数智平台、软件设施以及电商消费等的作用。综上，认为“物流服务数智化”内涵是指：在区域物流基础不断发展完善和服务主导逻辑的背景下，物流企业通过数智平台建设，提高物流效率（Time）和质量（Quality）以实现降本增效（Cost）和绿色物流发展（Environment），连接产销商（上游）和服务对象（下游），使价值链上各主体之间的横向连接与物理层虚拟互联程度加深，物流服务水平（Service）向高端、智能方向发展（图1）。
图1 物流服务数智化内涵理论框架

Fig.1 Theoretical framework of the connotation of logistics service intellectualization

在吸收和借鉴相关研究成果[14-17,30]的前提下[15-17,29]，考虑数字经济[29]与物流业融合发展态势，从物流基础服务供给能力和物流数字服务供给能力两个维度构建物流服务数智化水平评价指标体系（表2），对物流服务数智化水平进行综合测度。具体指标选取含义如下：
表2 物流服务数智化水平评价指标体系及说明

Tab.2 Evaluation index system of logistics service intellectualization level

维度 一级指标 二级指标 单位 权重
物流
基础
服务
供给
能力
A1		 基础资源B1 交通运输、仓储及邮政业从业人员数C1 万人 1.980
物流就业密度LED1C2 - 3.314
专利授权数2C3 件 5.228
金融业产值3C4 亿元 2.282
交通运输、仓储及邮政业固定资产投资额C5 亿元 2.758
基础设施B2 铁路里程C6 km 2.670
内河航道里程C7 km 6.701
公路里程C8 km 2.770
民用运输船舶拥有量C9 艘 6.868
民用载货汽车拥有量C10 万辆 2.826
基础规模B3 物流业占GDP比重C11 - 2.220
快递业务总量C12 万件 8.314
货物运输量C13 万t 1.957
货物周转量C14 亿t·km 2.380
社会消费品零售总额C15 亿元 2.527
进出口贸易总额C16 万美元 5.522
物流
数字
服务
供给
能力
A2		 数智平台B4 区域内5A级物流企业拥有的网址数C17 个 2.970
区域内5A级物流企业建设的数字化平台数C18 个 5.233
数智创新B5 区域内5A级物流企业的计算机软件著作权数量C19 个 9.498
区域内5A级物流企业实用和发明专利数量C20 件 14.041
数字服务
规模B6		 电子商务销售额C21 亿元 5.267
移动互联网用户数C22 万户 2.674

注：1.为综合考虑劳动力和地域面积带来的物流业基础资源绝对规模的差异，本文参照李国旗等的研究[32]，计算物流就业密度LED，公式为： L E D = E i g / A g。式中：Eig表示g地区产业的实际就业人口，Ag表示g地区的土地面积。2.考虑金融业与物流服务的互相支持，本文将区域金融业产值[33-35]纳入物流基础资源评价指标体系。3.区域专利授权数反映该地区的科技资源竞争力，选取区域专利授权数[35-36]从基础资源方面反映区域物流基础情况。指标C1~C16、C21~C22来源于统计数据和国家网站，C17~C18来源于企业年报，C19~C20来源于天眼查。

①物流基础服务供给能力包括基础资源、基础设施和基础规模3个方面。基础资源越好、基础设施越完善、基础规模越大，物流配送速度越快，配送路径选择越合理，整体物流服务水平越高，越容易促进企业之间的竞争与合作，进而促进各产业部门间联系程度加深，为物流服务数智化提供了可能[31]，借鉴谷城、戴德宝、李国旗等的研究[3,30,32]，选取经济、规模、劳动力、科技、交通等指标，用变量C1~C16衡量。
②物流数字服务供给能力包括数智服务平台、数智服务创新、数字服务规模3个方面。借鉴吴群、李立望等的研究[14-15]，企业数智平台和网址提供了企业的相关信息和合作方式，加深各产业部门与物流业间的联系程度，平台和网址的建设既是企业提供数智化服务的主要工具，保证了信息的有效流通，也是数字技术赋能物流企业数智化转型的明显表现，用变量C17~C18衡量。借鉴张路娜、罗建强等的研究[16-17]，数智服务创新是物流企业利用数字技术开发计算机软件，对现有管理模式和物流运输过程等的数智化创新，通过智能系统、智能化分拣设备、智能识别运单系统以及智能调度车辆系统等，促进物流管理模式和物流运输过程向更高端、智能方向发展，以实现物流业降本增效，用变量C19~C20衡量。借鉴王军、张英浩等的研究[21-22]，数字服务规模表明在数字经济促进新业态的背景下，物流业需要提供的满足新商业经济模式的物流服务规模，用变量C21~C22衡量。

1.3 数据来源

本文选取中国沿海地区为研究区域，具体包括天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、广西和海南11个省（自治区、直辖市）（文中简称“省份”）；时间跨度为2011—2021年。相关数据来源于2012—2022年《中国统计年鉴》、各省份统计年鉴以及国家统计局、工业和信息化部、中国物流与采购联合会、行业公开信息、企业年报等，对于个别缺失数据，通过线性插值法和依据历年增长幅度估算进行补全。此外，国家电子商务示范基地数量来源于商务部电子商务和信息化司网站（http://dzsws.mofcom.gov.cn/），示范物流园区数据来源于国家发展和改革委员会网站（https://www.ndrc.gov.cn/）。物流企业选取2022年1月1日之前被中国物流与采购联合会（http://csl.chinawuliu.com.cn/）评选为5A级的物流企业，并在天眼查（https://www.tianyancha.com/）中查询企业状态，选取存续、在业的企业，共计228个；在此基础上，通过巨潮资讯网（http://www.cninfo.com.cn/new/index）获得上述物流企业年报；最后通过大数据爬虫的方法获取企业年报内关于数智平台的有效信息。

2 物流服务数智化水平时空格局演变

2.1 物流服务数智化水平测度结果

本文基于虚拟最劣解TOPSIS法计算得出2011—2021年中国沿海省份物流服务数智化水平评价结果（表3）。总体来看，研究期内物流服务数智化水平逐年提高，由2011年的0.195增至2021年的0.329，年均增长率为5.40%，各区域通过逐渐完善物流基础、扩大物流服务规模、应用数字技术提高服务效率、打造数智平台促进各部门之间的联系等措施，逐步向数智化转型。
表3 2011—2021年中国沿海省份物流服务数智化水平评价结果

Tab.3 Evaluation results of logistics service intellectualization level in China's coastal areas in 2011-2021

省份 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 均值
天津 0.100 0.100 0.091 0.091 0.099 0.095 0.096 0.096 0.115 0.118 0.120 0.102
河北 0.208 0.217 0.226 0.231 0.236 0.240 0.250 0.270 0.282 0.312 0.323 0.254
辽宁 0.171 0.171 0.173 0.177 0.185 0.181 0.193 0.197 0.190 0.187 0.194 0.184
上海 0.205 0.202 0.231 0.255 0.293 0.323 0.354 0.379 0.392 0.423 0.470 0.321
江苏 0.355 0.359 0.364 0.371 0.370 0.373 0.392 0.403 0.428 0.450 0.472 0.394
浙江 0.214 0.222 0.237 0.253 0.262 0.272 0.286 0.305 0.328 0.355 0.387 0.284
福建 0.166 0.169 0.178 0.181 0.192 0.201 0.214 0.220 0.223 0.235 0.253 0.203
山东 0.224 0.231 0.237 0.259 0.277 0.296 0.319 0.338 0.347 0.360 0.389 0.298
广东 0.317 0.335 0.367 0.390 0.419 0.480 0.532 0.594 0.629 0.666 0.713 0.495
广西 0.134 0.138 0.146 0.157 0.163 0.167 0.174 0.176 0.181 0.194 0.219 0.168
海南 0.047 0.054 0.059 0.065 0.062 0.060 0.074 0.051 0.056 0.053 0.081 0.060
均值 0.195 0.200 0.210 0.221 0.232 0.244 0.262 0.275 0.288 0.305 0.329 0.251
分维度看，研究期内中国沿海地区物流数字服务供给能力变化较大，由0.085增至0.317，年均增长率为14.04%。相比物流数字服务供给能力，物流基础服务供给能力基础较好但增长幅度小（图2）。物流数字服务供给能力对物流服务数智化水平的增长起重要作用，“数字化+智能化”转型已经成为当前研究物流服务的重要部分。
图2 2011—2021年中国沿海地区物流服务数智化水平均值变化趋势

Fig.2 Trend of average value of logistics service intellectualization level in China's coastal areas in 2011-2021

究其原因，物流基础是区域长期经济发展的结果，沿海地区物流基础建设较早，近年来发展速度放缓，且存在物流业劳动力缺少、运输工具不足等问题，研究期内增长幅度较小，由0.239增至0.340，年均增长率仅为3.59%。随着数字技术赋能商业经济模式创新导致服务规模不断扩大和服务需求不断升级，沿海地区物流数字服务供给能力显著提高：一方面，数字技术赋能商业模式创新，催生出“直播销售”“新零售”等一系列新产业新业态，如杭州近些年来成为电商直播的龙头，沿海地区数字服务规模促进作用显著，带动区域内物流基础资源增加和物流基础规模扩大；另一方面，沿海地区内多数5A级物流企业数智意识增强，实现数字化平台从无到有，管理模式和运输过程不断升级，运输信息联入数字平台等突破，并凭借其长久以来形成的采购和分销优势，通过可视化、智能化运输过程，整合物流、加工和供应链金融等优势资源为生态系统内各主体提供服务，促进沿海地区物流数字服务供给能力显著提高和数智化水平增加。

2.2 物流服务数智化水平时序演变特征

为更好地分析物流服务数智化水平基于时间序列的动态演化特征，本文运用EViews11软件绘制2011—2021年中国沿海地区物流服务数智化水平的核密度分布图，并选取位置、形状、峰值变化明显的2011、2016和2021年3个年份进行具体分析（图3）。
图3 2011—2021年中国沿海地区物流服务数智化水平的核密度分布变化趋势

Fig.3 Kernel density distribution of logistics service intellectualization level in China's coastal areas in 2011-2021

从位置来看，3个年份的密度函数中心呈现向右移动趋势，物流服务数智化整体向更高水平发展，其中2016—2021年向右移动幅度明显大于2011—2016年，反映了2011—2021年物流服务数智化水平增加速率发生变化，说明后期物流服务数智化水平发展好于前期。具体来看，2016年前正处于数字技术大规模突破以及大规模商业化初期，数字技术与产业联系不强，数智创新较弱，且物流基础发展动力不足，物流服务数智化发展缓慢；2016年后移动互联网普及较快[16]，数字经济与产业融合不断加深，数字消费促进物流服务创新，物流服务数智化飞速发展。
从形状来看，2011年中国沿海地区物流服务数智化水平的核密度曲线为双峰，曲线宽度较窄，2016和2021年物流服务数智化水平核密度曲线为单峰，曲线较宽。具体而言，2016年之前，物流服务数智化水平在两个低值区集中；2016年以后，曲线整体宽度逐渐变大，向右侧延展明显。研究初期，各区域物流数字服务供给能力均较低，物流基础设施依靠国家基础设施建设，差距较小；研究期末，物流服务数智化整体向较高水平发展，但由于各区域物流基础、数智创新和数字服务规模等存在较大差异，区域物流需求以及数字技术的赋能使得区域差异明显增大。
从峰值来看，2011年中国沿海地区物流服务数智化水平的核密度峰值最大，2021年核密度峰值最小，研究期内物流服务数智化水平核密度峰值呈逐渐下降、向右移动趋势。其中，2011—2015年各区域物流服务数智化水平集中在低值区，整体物流服务数智化水平不高，为起步阶段；2016—2021年各区域物流服务数智化整体向较高水平发展，物流服务数智化水平时序演变上分段现象明显。

2.3 物流服务数智化水平空间演变分析

依托ArcGIS软件，使用自然断点法将物流服务数智化水平划分为4个梯度，依次为低水平区[0.001,0.119]、较低水平区（0.119，0.323]、较高水平区（0.323，0.472]和高水平区（0.472，0.713]，选取物流服务数智化水平2个阶段的起止年份，绘制物流服务数智化水平空间格局演变图（图4），探究中国沿海地区物流服务数智化水平空间格局演变特征。
图4 中国沿海地区物流服务数智化水平空间格局演化

注：基于自然资源部标准地图服务网站下载的审图号为GS（2019）1825号的标准地图制作，底图边界无修改。

Fig.4 Evolution of the spatial pattern of logistics service intellectualization levelin China's coastal areas

整体来看，研究区物流服务数智化水平空间格局变化明显，总体演化水平向好，低水平区分布范围不变，稳定在研究区北部和最南部；较低水平区分布范围缩小，由2011年在研究区北部和南部连片分布逐渐演变为间隔分布；较高水平区由单一省份分布逐渐扩大，在研究区中部连片分布；高水平区自2015年后出现在南部，分布区域并未扩展。

2.4 物流服务数智化水平区域差异分析

核密度的结果强调了中国沿海地区物流服务数智化水平区域差异逐渐扩大，因此，基于StataSE16软件进一步测算2011—2021年三大海洋经济圈物流服务数智化水平的总体基尼系数，并对其区域差异进行分解（表4）。
表4 Dagum基尼系数及其分解结果

Tab.4 Dagum Gini coefficient and its decomposition result

年份 总体差异 组内差异 组间差异 贡献率/%
1 2 3 2→1 3→1 3→2 GW Gnb Gt
2011 0.238 0.146 0.129 0.316 0.202 0.271 0.301 27.601 39.899 32.500
2012 0.240 0.153 0.133 0.314 0.204 0.274 0.295 28.063 36.584 35.353
2013 0.243 0.170 0.106 0.319 0.210 0.285 0.290 27.766 37.471 34.763
2014 0.246 0.184 0.089 0.315 0.218 0.288 0.292 27.312 38.491 34.197
2015 0.250 0.183 0.078 0.329 0.220 0.296 0.299 27.073 37.732 35.194
2016 0.269 0.204 0.070 0.356 0.235 0.324 0.317 27.100 37.233 35.667
2017 0.273 0.211 0.069 0.355 0.242 0.328 0.320 27.108 37.432 35.460
2018 0.295 0.221 0.060 0.402 0.242 0.366 0.350 27.114 34.845 38.041
2019 0.297 0.211 0.058 0.405 0.248 0.366 0.357 26.580 36.177 37.244
2020 0.301 0.218 0.052 0.409 0.253 0.374 0.360 26.317 37.169 36.515
2021 0.295 0.228 0.043 0.381 0.267 0.363 0.344 25.866 40.160 33.974

注：分组代号1、2、3分别代表北部海洋经济圈、东部海洋经济圈、南部海洋经济圈。Gw为组内成分，Gnb为组间成分，Gt为超变密度成分，G=Gw+Gnb+Gt。

结果表明，2011—2021年中国沿海地区物流服务数智化水平的总体差异呈扩大态势。就组内差异演化趋势来看，三大海洋经济圈的物流服务数智化水平存在明显的差异演化，东部海洋经济圈的区域内差异自2012年后逐年减小，北部海洋经济圈和南部海洋经济圈的区域差异波动增大。就组间差异演化趋势来看，各区域间差异均呈波动增大态势，东部海洋经济圈与北部海洋经济圈的区域间差异最小，北部海洋经济圈与南部海洋经济圈的区域间差异增加最大，南部海洋经济圈与东部海洋经济圈的区域间差异增加最小。
分区域看，东部海洋经济圈组内差异最小。研究初期，江苏的物流基础服务供给能力高于上海和浙江，物流数字服务供给能力略差于上海和浙江，上海和浙江的物流服务数智化水平相近，物流基础服务供给能力的差距是导致东部海洋经济圈早期差异形成的主要原因。到2021年，上海的申通快递、圆通快递等5A级物流企业的发展促进了上海物流数字服务供给能力提升，上海的物流服务数智化水平逐渐接近江苏。与上海和江苏相比，浙江的物流数字服务供给能力较弱，区域内物流企业数智平台建设和数智创新实力不强，但由于浙江的物流基础服务供给能力研究期内发展较好，浙江的物流服务数智化水平仍呈增长态势。最终，东部海洋经济圈内各区域的物流服务数智化水平接近，区域内差异减小。
南部海洋经济圈组内差异最大，研究期内波动上升。广东的物流服务数智化水平研究期内增长明显，处于领先地位，广东的物流基础较好，省内物流企业数量多、规模大，在物流服务数智化发展起步阶段就意识到数智平台的重要性，利用供应链金融和“互联网+”开展新业态新模式，将物流服务嵌入到商品流通的各个环节，促进了各产业部门间的联系。海南与广东刚好相反，海南的物流服务数智化水平在中国沿海省份中排名最后，物流基础差，缺少5A级物流企业，物流数字服务供给能力弱，研究期内物流基础服务供给能力和物流数智化服务供给能力水平增加不明显。广西与福建的物流基础服务供给能力和物流数字服务供给能力略好于海南，三省与广东两极分化严重，因此，南部海洋经济圈的区域内差异位于三大海洋经济圈的首位。
北部海洋经济圈组内差异增长最大。研究期初，北部海洋经济圈的组内差异与东部海洋经济圈类似，但区域内各省份发展不同步，物流服务数智化发展较好的山东和河北发展速度较快，物流服务数智化水平较低的天津和辽宁研究期内增长不大，导致区域内并未形成追赶发展和同步发展的结果。究其原因，山东的物流企业数量多、数智平台建设好，河北的数智创新能力强。天津与辽宁的物流基础服务供给能力和物流数字服务供给能力均较弱，区域内基础资源、基础设施和基础规模均较小，且区域内5A级物流企业数量少、数智化意识薄弱、数智平台构建能力和数智创新能力不强，使得研究期内天津与辽宁的物流服务数智化转型受限，区域内差异逐年增大。
图5 2011—2021年中国沿海地区物流服务数智化水平区域差异演变趋势

Fig.5 Evolution trend of regional differences of logistics service intellectualization level in China's coastal areas in 2011-2021

3 物流服务数智化水平影响因素分析

3.1 物流服务数智化水平影响因素选取

为进一步厘清中国沿海地区物流服务数智化水平空间分异特征形成的内在机理，结合相关学者研究成果[21-22,32,37-39]，认为物流服务数智化水平主要受到区域经济发展、区域物流基础、地方政府扶持、区域市场等方面的影响，本文选取解释变量建立指标体系（表5），并运用地理探测器进行因子探测及交互探测分析。具体影响因素解释如下：①区域经济发展对服务型经济活动具有正向的影响，区域经济发展较好的地区物流需要承担的活动也越多，选取地区GDP表示。②区域物流基础反映了区域物流的整体发展情况，物流业相对集中发展的区域，区域物流整体水平较高，物流服务数智化转型潜力较大，借鉴李国旗等的测算[32]，用区域物流集群和物流就业密度反映该区域物流业的发展规模，用区域互联网移动用户数代表与物流相关的信息通信基础。③地方政府对物流业的扶持对物流服务数智化转型起关键作用，参考王军、张英浩等的研究[21-22]，选取国家示范物流园区数量[21]和国家电子商务示范基地数量[22]表征政府对影响物流服务数智化转型发展相关活动的扶持力度。④区域市场包括区域数字化市场和区域基础市场两方面，其中区域数字化市场选取区域网上零售额和区域电子商务销售额表示，数字支付对消费具有明显的拉动作用[37]，数字化市场规模越大，说明数字经济背景下区域的实际消费水平越高，进而要求物流企业提供数智化服务以满足新消费需求；区域基础市场选取区域人口数量和区域居民人均可支配收入表示[38]，基础市场规模越大，新商业模式的潜在客户越大，数字技术赋能消费者消费的潜力越大，对促进物流服务数智化水平提高具有积极作用。
表5 物流服务数智化水平影响因素指标与q值结果

Tab.5 Index and q value of influencing factors of logistics service intellectualization level

影响因素类型 序号 影响因素指标 单位 q值
区域经济发展 X1 地区GDP 亿元 0.748***
区域物流基础 X2 区域物流集群 - 0.180**
X3 物流就业密度 - 0.338***
X4 区域互联网移动用户数 万户 0.844***
地方政府扶持 X5 国家示范物流园区数量 个 0.556***
X6 国家电子商务示范基地数量 个 0.570***
区域数字化市场 X7 区域网上零售额 亿元 0.646***
X8 区域电子商务销售额 亿元 0.698***
区域基础市场 X9 区域人口数量 万人 0.682***
X10 区域居民人均可支配收入 元/人 0.294***

注：***、**、*分别表示在1%、5%和10%的水平下显著。

由于2016年首次公布国家物流示范园区，国家电子商务示范基地数量2016年前仅公布了2012和2015年两批，区域网络销售额自2015年开始统计，且2016年以后为物流服务数智化飞速发展阶段，消费型物流需求增长成为亮点[39]，产业数字化进展明显[18]。因此，仅对物流服务数智化飞速发展阶段进行影响因素实证分析，从5个方面选取10个指标，使用地理探测器探究影响因素，首先需要利用ArcGIS自然断点法对自变量进行离散化分级（5级），然后用GeoDetector计算选定的影响因素对物流服务数智化水平的解释力值q，得到各影响因素对物流服务数智化水平的影响（表5）和各影响因素因子解释力排序。

3.2 因子探测分析

从各影响因素因子解释力排序图来看，各因子对物流服务数智化水平均有显著的驱动作用，因子解释力排序为区域互联网移动用户数>地区GDP>电子商务销售额>区域人口数量>区域网上零售额>国家电子商务示范基地数量>国家示范物流园区数量>物流就业密度>区域居民人均可支配收入>区域物流集群（表5）。其中，区域互联网移动用户数和地区GDP是影响沿海地区物流服务数智化水平的主要因素，因子解释力集中在0.70~0.85，区域经济和信息化基础越好，数字技术赋能物流服务越容易。其次是区域电子商务销售额、区域人口数量、区域网上零售额、国家示范物流园区数量和国家电子商务示范基地数量，因子解释力集中在0.55~0.70，数字技术通过促进电子消费模式来促进物流服务转型发展。物流就业密度、区域人均可支配收入和区域物流集群是次要因子，解释力较低，集中在0.15~0.35，表明当前仅凭产业集聚、劳动力增加难以促进物流服务数智化转型，符合当前服务主导逻辑下消费者体验对数智转型的主要作用，部分传统要素的促进作用较小。结果表明区域经济发展、区域数字化消费和地方政府扶持对物流服务数智化转型发展具有重要影响，物流服务数智化转型易发生于区域经济基础较好、数字消费较大以及物流园区发展较好的区域，仅凭区域物流基础改善难以促进物流服务数智化转型发展。

3.3 交互探测分析

在地理探测器因子探测的基础上，考虑到物流服务数智化水平可能会受多种因素叠加影响，进一步采用地理探测器交互探测考察双因子作用的影响和类型（图6）。各影响因素的交互探测结果显示，中国沿海地区物流服务数智化水平受到双因子共同作用的影响，多数为双因子增强，少数为非线性增强，双因子交互的解释力明显高于单因子的解释力。
图6 影响因素交互探测结果

Fig.6 Interactive detection diagram of influencing factors

双因子排名集中在0.85以上的为区域网络零售额、区域电子商务销售额以及区域互联网移动用户数与其他影响因素的交互作用，表明数字技术带来了物流服务数智化转型发展的机遇，数字消费方式需要在区域自身条件基础上才能发挥较大作用，数字消费方式是物流服务数智化转型的重要动因。
国家示范物流园区数量和国家电子商务示范基地数量与区域经济发展的交互作用相比其他影响因素的交互作用更低，说明地方政府对相关经济活动的扶持能突破区域经济发展的限制进而对物流服务数智化发展起作用，是经济发展相对较低区域实现突破转型的重要途径。
此外，值得注意的是因子探测中因子解释力集中在0.15~0.30的物流就业密度、区域人均可支配收入和区域物流集群与其他因子的双因子探测结果基本集中在0.8以上，多为非线性增强，突出区域物流基础是支持相关服务的根本，良好合理的区域物流基础和消费潜力才能更好地发挥其他影响因素的作用。

4 结论与展望

4.1 结论

本文基于5A级物流企业数据，从物流基础服务供给能力和物流数字服务供给能力两方面构建物流服务数智化水平指标体系，运用虚拟最劣解TOPSIS方法评价中国沿海省份2011—2021年的物流服务数智化水平；在此基础上，应用EViews、Stata和ArcGIS揭示物流服务数智化水平的时空分异特征，并结合地理探测器实证分析了物流服务数智化水平的影响因素。主要结论如下：
①20111—2021年中国沿海地区物流服务数智化水平逐年提高，年均增长率为5.40%。分维度看，物流基础服务供给能力基础好但提升幅度小，物流数字服务供给能力贡献较大，年均增长率为14.04%，其中“数字化+智能化”赋能物流服务是转型的关键。
②中国沿海地区物流服务数智化水平时序演变分段现象明显，其中2011—2015年为起步阶段，物流服务数智化水平在低值区集中；2016—2021年物流服务数智化飞速发展，数字经济与产业深度融合、数字消费推动物流服务创新是关键。
③空间演变方面，研究初期呈现较低水平区连片分布的空间格局，研究期末低水平区分布范围不变，较高水平区自中部向南北扩展，高水平区在2016年首次出现在南部。区域差异方面，三大海洋经济圈的总体差异和组间差异呈波动增大态势，组内差异演化趋势不同，东部海洋经济圈的组内差异自2012年后逐年减小，而南部和北部增大。
④地理探测器实证结果显示，影响物流服务数智化水平的因素均显著。其中，单因子解释力排序为区域互联网移动用户数>地区GDP>电子商务销售额>区域人口数量>区域网上零售额>国家电子商务示范基地数量>国家示范物流园区数量>物流就业密度>区域居民人均可支配收入>区域物流集群。双因子交互作用较强的是区域数字化市场与其他因素的共同影响，集中在0.85~0.95；地方政府扶持与区域经济发展的双因子增强作用最弱，政府的支持是区域打破路径依赖的关键；区域物流基础与其他影响因素的交互作用远远高于单因子影响，集中在0.7~0.9，不可忽视区域物流基础与其他影响因素的共同作用。

4.2 展望

本文定量测度中国沿海地区的物流服务数智化水平，分析时空分异特征及影响因素，丰富了企业数字化转型以及物流服务的实证研究，但仍有不足之处：受限于数据可获得性及统计口径的变化，物流服务数智化水平仅通过区域内5A级物流企业的数据计算得到，因此未来研究重点可基于A级物流企业数据测度物流服务数智化水平，从而更加全面地量化物流服务数智化水平。同时，未来可将企业数据、港口物流数据与区域数据进行更多整合，构建物流数智数据库，进一步将中国沿海地区物流服务与港口外贸、供应链物流等进行研究，进而更科学地服务于国内大循环和国内国际双循环的流通体系。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
成荣. 数智化重构物流基础设施[J]. 中国物流与采购, 2019 (24):62.

[2]
周建平, 刘程军, 徐维祥, 等. 电子商务背景下快递企业物流网络结构及自组织效应——以中通快递为例[J]. 经济地理, 2021, 41(2):103-112.

[3]
谷城, 张树山. 中国物流产业智慧化空间联系的网络结构及其影响因素[J]. 经济地理, 2023, 43(5):117-127.

[4]
郝玉柱. 双循环新发展格局下统筹推进现代流通体系建设观点综述[J]. 中国流通经济, 2020, 34(11):3-17.

[5]
Furrer O, Yu Kerguignas J, Delcourt C, et al. Twenty-seven years of service research:A literature review and research agenda[J]. Journal of Services Marketing, 2020, 34(3):299-316.

[6]
Koskela-Huotari K, Vink J, Edvardsson B. The institutional turn in service research:Taking stock and moving ahead[J]. Journal of Services Marketing, 2020, 34(3):373-387.

[7]
Peltier J W, Dahl A J, Swan E L. Digital information flows across a B2C/C2C continuum and technological innovations in service ecosystems:A service-dominant logic perspective[J]. Journal of Business Research, 2020,121:724-734.

[8]
Li W, He X, Nie K. Pricing decision research for TPL considering different logistics service level influencing the market demand[J]. Journal of Industrial Engineering and Management, 2013, 6(1):267-275.

[9]
Abdullah R, Razi M A, Taib M Y M, et al. Customer services and its efficiency level of 3rd party logistics companies[J]. International Journal of Innovative Technology and Exploring Engineering, 2019, 8(12):5624-5629.

[10]
Zhang C, Fan L W, Tian Y X. Optimal operational strategies of capital-constrained supply chain with logistics service and price dependent demand under 3PL financing service[J]. Soft Computing, 2020, 24(4):2793-2806.

[11]
Kadłubek M, Jereb B. Measurement of the logistic customer service level in commercial cargo motor transport companies[J]. Logistics & Sustainable Transport, 2015, 5(1):8-15.

[12]
魏冉, 刘春红, 张悦. 物流服务生态系统价值共创与数字化能力研究——基于菜鸟网络的案例研究[J]. 中国软科学, 2022(3):154-163.

[13]
吴群, 朱嘉懿. 平台型物流企业供应链生态圈可持续协同发展研究[J]. 中国软科学, 2022(10):114-124.

[14]
董晓松, 许仁仁, 赵星, 等. 基于价值视角的制造业数字化服务转型机理与路径——仁和集团案例研究[J]. 中国软科学, 2021(8):152-161.

[15]
李立望, 黄德海. 基于价值共创的智慧物流平台生态体系构建研究[J]. 生态经济, 2022, 38(7):79-84.

[16]
张路娜, 胡贝贝, 王胜光. 数字经济演进机理及特征研究[J]. 科学学研究, 2021, 39(3):406-414.

[17]
罗建强, 蒋倩雯. 数字化转型下产品与服务创新优先级演化分析——基于海尔智家案例[J]. 科学学研究, 2022, 40(9):1710-1720.

[18]
宗会明, 周素红, 闫小培. 全球化下地方综合服务型物流企业的空间网络组织——以腾邦物流为案例[J]. 地理研究, 2015, 34(5):944-952.

[19]
沈馨怡, 吴松强. 数智化发展、双重网络嵌入与新创企业韧性——长三角中小集成电路企业的实证研究[J]. 科学学研究, 2024, 42(4):797-804.

[20]
Akaka M A, Koskela-Huotari k, Vargo S L. Formalizing service-dominant logic as a general theory of markets:Taking stock and moving forward[J]. AMS Review, 2021,11:375-389.

[21]
王军, 刘小凤, 朱杰. 数字经济能否推动区域经济高质量发展?[J]. 中国软科学, 2023(1):206-214.

[22]
张英浩, 汪明峰, 汪凡, 等. 中国直播电商发展的空间差异与影响机理研究[J]. 地理科学, 2022, 42(9):1555-1565.

[23]
曾锵. 大数据驱动的商业模式创新研究[J]. 科学学研究, 2019, 37(6):1142-1152.

[24]
王泽宇, 王焱熙. 中国海洋经济弹性的时空分异与影响因素分析[J]. 经济地理, 2019, 39(2):139-145,151.

[25]
李旭辉, 何金玉, 严晗. 中国三大海洋经济圈海洋经济发展区域差异与分布动态及影响因素[J]. 自然资源学报, 2022, 37(4):966-984.

[26]
孙晓, 刘力钢, 陈金. 东北三省旅游经济质量的区域差异、动态演进及影响因素[J]. 地理科学, 2021, 41(5):832-841.

[27]
王泽宇, 唐云清, 韩增林, 等. 中国沿海省份海洋船舶产业链韧性测度及其影响因素[J]. 经济地理, 2022, 42(7):117-125.

[28]
王劲峰, 徐成东. 地理探测器:原理与展望[J]. 地理学报, 2017, 72(1):116-134.

[29]
张则强. 基于仿生的数字物流平衡问题理论与应用研究[D]. 成都: 西南交通大学, 2006.

[30]
戴德宝, 范体军, 安琪. 西部地区物流综合评价与协调发展研究[J]. 中国软科学, 2018(1):90-99.

[31]
余运江, 杨力, 任会明, 等. 中国城市数字经济空间格局演化与驱动因素[J]. 地理科学, 2023, 43(3):466-475.

[32]
刘思婧, 李国旗, 金凤君. 中国物流集群的量化甄别与发育程度评价[J]. 地理学报, 2018, 73(8):1540-1555.

[33]
谌玲. 金融业促进区域物流发展的内生机制研究——基于非限制性VAR模型的全视角分析[J]. 物流技术, 2014, 33(11):110-112,134.

[34]
李金沙. 数字金融对物流业高质量发展的影响研究[J]. 物流工程与管理, 2024, 46(2):105-106,93.

[35]
李利华, 王轩. 我国省域物流集群竞争力研究[J]. 经济地理, 2020, 40(5):165-173.

[36]
周正祥, 戴红梅, 查嫣媛. 数字交通赋能经济高质量发展的困境及对策研究[J]. 中国软科学, 2023 (9):86-94.

[37]
姜舸, 安同良, 陈孝强. 新发展格局下的互联网与数字经济研究——第二届互联网与数字经济论坛综述[J]. 经济研究, 2021, 56(4):198-200.

[38]
刘念, 简兆权, 刘洋. 服务供应链整合战略演进与服务创新能力升级[J]. 科学学研究, 2020, 38(1):145-157.

[39]
何黎明. 中国智慧物流发展趋势[J]. 中国流通经济, 2017, 31(6):3-7.

Options
文章导航

/

〈 〉