中国物流产业智慧化水平测度及影响因素

孙磊 张树山 郭坤

摘要：物流产业智慧化发展既是摆脱物流业目前困境的有效手段，也是直接影响我国经济发展质量以及竞争优势提升的关键点之一。从物流产业智慧化基础要素投入水平、智慧化服务应用水平以及智慧化效益水平三个维度构建评价指标体系，利用全局熵值法测度2006—2019年中国及29个省市自治区的物流产业智慧化水平，并在此基础上构建动态面板数据模型，通过系统GMM估计，实证检验成本压力、环境规制、政府干预、交通网络密度和科技水平等因素对物流产业智慧化水平的影响效应。实证结果表明，在研究期内，中国物流产业智慧化水平呈现出逐年递升的态势，但存在明显的地区差异；被解释变量的一阶和二阶滞后项对当期均产生显著的正向影响，说明物流产业智慧化发展中存在路径依赖效应；环境规制、交通运输网络和科技水平发挥了促进中国物流产业智慧化发展的重要作用，成本压力在一定程度上抑制了中国物流产业智慧化发展；不同的影响因素对物流产业智慧化各维度间的影响作用各异。为提高中国物流产业智慧化水平，应把握区域物流产业智慧化发展规律，建立物流产业智慧化标准体系，探索创新监管机制，明确各领域监管主体，推进新型基础设施建设，完善物流职业人才培养和培训体系。

关键词：物流产业；智慧化水平；全局熵值法；系统GMM估计

中图分类号：F250文献标识码：A文章编号：1007-8266（2021）10-0030-09

基金项目：国家社会科学基金项目“物流产业智慧化绩效生成机理与智慧物流体系构建对策研究”（18BJY180）

我国经济步入高质量发展阶段后面临诸多挑战，新一轮科技革命和产业变革也为中国物流产业提供了前所未有的机遇。当前我国物流产业绩效有待提高，物流能力结构性过剩，物流基础设施结构性缺失，制度性交易成本偏高，诚信、标准、人才、安全、环保等“软实力”不强，无法满足人民日益增长的对美好生活的需要[ 1-2 ]。物流产业智慧化发展既是摆脱目前困境的有效手段，也是直接影响我国经济发展质量以及竞争优势提升的关键点之一。物流产业智慧化是指物流产业以物联网、大数据、云计算、人工智能和5G/6G通信等新一代信息技术和智能装备对物流环节（运输、仓储、包装、搬运装卸、加工、配送以及相关物流信息等环节）和生命周期进行改造，最终实现降本、提质、增效、绿色以及提升物流产业竞争力发展目标的过程[3-6]。因此，引入科学合理的评价模型综合测度物流产业智慧化水平，识别影响物流产业智慧化水平的关键要素，拓展物流产业智慧化研究外延，无论是对于推进现代流通体系建设，还是对于中国物流产业智慧化发展的整体布局以及物流产业转型升级均具有重要理论价值和实践意义。

社会各界虽没有就物流产业智慧化概念达成共识，但均认同通过新一代信息技术对物流产业各基本环节的融合渗透以及理念的改变，提高物流产业绩效和物流产业竞争力的目的[ 7-8 ]。发展策略主要涉及企业层面的思维改變、产业层面的融合互动、制度层面的标准监管以及基础设施建设等方面[ 9-10 ]。物流产业智慧化技术应用主要是物联网[ 11 ]、云计算[ 12 ]、大数据[ 13 ]、人工智能[ 14 ]、区块链[ 15 ]等新一代信息技术在物流环节的应用。现有研究中，学者们主要从经济效益、制度、环境、技术等因素对物流产业智慧化的影响进行理论分析[ 16-17 ]。毋庸置疑，目前对物流产业智慧化的相关研究已获诸多成果，然而就总体而言，现有关于物流产业智慧化的研究多以定性的理论分析为主，鲜有以客观数据进行的定量研究，对物流产业智慧化水平进行测度的文献更是少之又少，仅有李丫丫等[ 6 ]从产业层面入手测算我国物流产业智能化水平并考察对产业绩效的影响，这是从国家整体层面对物流产业智慧化水平进行的评测分析。然而，我国幅员辽阔，各省市自治区发展程度不一，如何准确衡量各省市自治区的物流产业智慧化水平，各地区之间是否存在明显差异，哪些因素影响着中国物流产业智慧化水平，这些问题都亟待解决。本文的主要创新之处：一是界定了物流产业智慧化的内涵，构建了物流产业智慧化水平评价模型，并测度了中国及29个省市自治区物流产业智慧化水平；二是识别了物流产业智慧化水平的影响因素，并分析了这些因素对物流产业智慧化发展的影响。

（一）物流产业智慧化的内涵

物流产业智慧化具有丰富的内涵。

1.基础要素投入是物流产业智慧化的基础。智慧物流的目的是提供物流服务，新一代信息技术只是各个环节物流效率提升的手段，物流产业智慧化需要落实到人力资源和硬件装备等方面的基本要素投入。首先，作为传统的劳动密集型行业，物流产业的任何一个环节都离不开人的作用。与传统以体力劳动为主的人力资源投入不同，物流产业智慧化更依赖人的智力和脑力投入，需要高素质劳动力从事技术创新、管理决策、管控协调及维护智能物流装备及物流系统的正常运作等更有创造性和挑战性的工作。其次，智能物流装备是保证物流运作的基础要素，是实现物流信息采集标准化、电子化的保证。各种智能物流装备在物流各环节的广泛应用是物流产业智慧化的显著表现，既是人类智力转移的作用对象，也能减少人为因素干扰给物流运作带来的风险，提高物流效率。

2.智慧化服务应用水平是物流产业智慧化的核心。强调将大数据、人工智能以及物联网等新一代信息技术与物流活动进行融合，诸如需求预测、风险预测、决策辅助、智能调度等都是物流智慧化应用场景的高级形式。从成本角度来看，智能软件在物流产业的应用能够有效实现物流活动智能调度管理，优化资源配置和业务流程，提高物流效率，减少无效物流的能耗和排放，从而降低物流成本；从价值角度来看，对物流活动产生的海量数据进行深度挖掘，一方面可以优化物流的运营和决策，实现对物流资源的合理利用，另一方面可以深入了解用户习惯，提高服务水平。

3.经济效益与环境效益是物流产业智慧化发展的目的。物流产业智慧化的内涵绝不仅限于基础要素投入与服务应用，同时更关注其产生的经济效益与环境效益。物流产业智慧化既体现了物流产业降本、提质、增效和绿色的多元化发展诉求，也反映了物流效率以及劳动效率提升的诉求[ 18 ]。

（二）物流产业智慧化水平测度指标体系

在智能化水平的衡量中，陈秋霖等[ 19 ]、孙早和侯玉琳[ 20 ]主要采用机器人投入规模与智能化进行测度。但出于数据可得性限制，本文主要参考刘欢[ 21 ]、张万里等[ 4 ]的研究，结合物流产业智慧化的内涵和特征，从基础要素投入、服务应用水平与效益三个方面构建如下评价指标体系。

1.智慧化人力资源投入情况。由于物流从业人员的学历构成没有公布省级数据，本文以各地区高等教育人数比例乘物流从业人员作为代理变量。

2.智能化设备投入情况。选用的测度指标为电子信息制造业进口额占物流业增加值的比重。

3.软件普及和应用情况。采用的测度指标为软件产品销售收入占物流业增加值的比重。

4.信息资源采集能力。以各省份的移动电话普及率作为代理指标。

5.数据处理和存储能力。用数据加工处理和存储服务收入占物流业增加值的比重进行测度，包括信息技术咨询服务收入、数据服务和运营服务收入。

6.平台运营和维护情况。用各省份平台运营和维护服务收入占物流业增加值的比重进行衡量。

7.经济效益。采用的测度指标包括各省份的人均行业增加值和物流产业劳动生产率。

8.环境效益。以各省份物流产业能源消耗情况衡量，经查阅发现我国省市区2006—2019年物流产业能源消耗涉及煤类、油品类、天然气及液化天然气类、热力和电力等能源。

其中，前两项指标代表基础要素投入，中间四项指标代表服务应用水平，后两项指标代表效益水平。

（三）物流产业智慧化水平测度方法

现有研究大多基于传统的熵值法对指标体系进行客观评价，具有一定的局限性。本文引入全局熵值法，构建指标—时间—空间的三维时序立体数据表[ 22 ]。具体步骤如下：

（四）数据来源及处理

由于西藏和青海数据缺失，本文选取2006—2019年我国其余29个省份（不含港澳台）的数据进行研究。原始数据来自2007—2020年的中国统計年鉴、中国第三产业统计年鉴、中国电子信息产业统计年鉴、中国信息产业年鉴、中国环境统计年鉴、中国能源统计年鉴以及国研网和EPS全球统计数据/分析平台。文中涉及的行业增加值等相关指标均以2006年为基期，利用平减指数进行可比价格处理。个别缺失值利用插值法进行处理。物流行业能源消耗数据和折算标准煤系数来源于中国能源统计年鉴。

（一）中国物流产业智慧化水平分析

采用全局熵值法计算得到各指标权重后，计算2006—2019年中国物流产业智慧化基础要素投入水平、服务应用水平和效益水平的评价值，在此基础上获得中国物流产业智慧化水平的评价值，反映中国物流产业智慧化态势（参见表1）。

1.智慧化基础要素投入水平在样本期内整体呈现上升态势，投入逐年提高。2008年前，我国智慧化基础要素投入稳步积累，2009—2013年期间高速发展，这可能得益于我国在物流类基础设施领域的大量投资，物流自动化装备得到推广，条形码、电子标签等信息技术广泛应用，物流系统机械与自动化设备大量普及。同时物流人才培养成效显著，从业人员中大专及以上学历占比从9.3%增长到14.6%①，增长明显。智慧化基础要素投入在2014—2019年间在波动中逐渐增强，以自动导引运输车（Automated Guided Vehicle，AGV）、自主移动机器人（Automated Mobile Robot，AMR）为代表的智能仓储、分拣系统加速研发与应用，物流活动的效率、可视化及自动化水平得以显著提升。2013年后智慧化基础要素投入水平高于智慧化效益水平，并在2017年后高于智慧化服务应用水平和物流产业智慧化水平，这既说明智慧化基础要素投入是引领物流产业智慧化发展的重要基础，同时也说明智慧化基础要素投入是拉动物流产业智慧化水平稳定快速发展的主要动力。

2.物流产业智慧化服务应用水平持续提高，并与物流产业智慧化水平提升速率相近，说明智慧化服务应用水平是物流产业智慧化发展的关键环节。在样本期，随着移动互联网技术的不断发展，以手持终端设备、快递柜以及各种信息采集设备为主的智能终端设备的大量接入，提高了物流管理的效率和透明度。以物流集成信息系统和网络货运平台为典型模式的资源平台化、运力社会化，有助于集合社会零散资源和社会运力，优化运输组织，规范经营行为，提高运输市场的整体效率。特别是在大数据、云服务、物联网、人工智能和区块链等创新技术支持下，智慧化服务应用水平持续提高。同时需求结构加快调整，生活消费性物流高速发展，创新驱动模式变革，物流行业新商业模式不断出现，环保要求得到落实，基础工作稳步实施，政策环境持续向好，带动了中国物流产业智慧化水平的提升。

3.智慧化效益水平缓慢上升但提升幅度不尽如人意。2006—2008年呈现逐步提升态势，但2009年受国际金融危机影响增速出现回落，虽然2012年以后呈现出效益提升态势，但智慧化效益提升速度较慢，在一定程度上影响了中国物流产业智慧化进展步伐。从发展速率分阶段看，智能效益水平提升可分为两段：一是2006—2012年，这期间快递业伴随着电商平台的崛起而迅速发展，快递市场空间随之暴增，并在劳动力红利、资本和智慧物流支持下，最先获得了丰硕收益。二是2013—2019年期间，随着智慧化发展深入人心，智慧化基础要素投入大幅度增加，但这些投入发挥作用存在一定的滞后性，一定程度上使智能效益增长速度减缓。

4.中国物流产业智慧化水平呈现出缓慢上升转向快速增长的态势。自2006年“十一五”现代物流的产业地位得以确立以来，尤其在“工业4.0”“互联网+”“高质量”发展的大背景下，国家发布了多项政策促进物流产业智慧化快速发展。总体来看，在中国物流产业智慧化发展进程中，对比智慧化基础要素投入水平和智慧化效益水平可以发现，物流产业智慧化发展在初期阶段具有投入高、增长快、效益低的特点。只有当智慧化基础要素不断投入、核心技术不断提高、智慧化服务应用水平达到一定程度时，才会呈现低投入、高收益的高投资回报率特点。中国物流产业智慧化呈现出与发达国家不同的发展路径，更符合中国物流市场规模世界第一但技术能力、创新能力有待提升的现状，更有利于中国物流产业智慧化水平的持续稳定提升和某些重点物流行业（例如快递业、港口物流）的智慧化水平快速攀升到世界先进甚至领先行列。

（二）中国物流产业智慧化水平省际对比分析

中国物流产业发展程度差异大，物流产业智慧化水平具有显著的省际差异，根据三个评价指标并选取历年数据平均值，可以得到各省份物流产业智慧化水平，如表2所示。

从智慧化基础要素投入的视角看，前5名的省份分别为广东、上海、江苏、北京和天津，其智能物流设备以及智慧化人力资源投入均位居全国前列。然而，人力资源丰富的河南、河北等却排在10名以外，山东挤进前10位，其原因主要是智能物流设备投入的差异造成的。从物流产业智慧化服务应用视角看，北京、上海、广东、浙江、江苏等华北、华东地区省份名列前茅，原因是其经济发展水平高，互联网、软件开发和服务能力强。从智慧化效益视角看，广东、江苏、浙江等在其他两方面领先的地区却跌出前10名，原因应是这些地区经济发展水平高、人口密度大、能源消耗高以及规模效应递减，使物流效率和劳动效率相对低下，反而是宁夏、贵州这些中西部欠发达地区拥有后发优势，智慧化效益水平相对较高。

从物流产业智慧化水平总体来看，北京、上海、广东、江苏、天津处于第一梯队，是中国物流产业智慧化水平最高的省市。东部沿海地区是我国最早开放的地区，在经济、人才、交通、外贸等方面有着先发优势，也是最先接触国内国际先进物流理念和运作模式的地区，带动了物流产业智慧化的发展；新疆、云南、黑龙江、甘肃等地区，由于地处偏僻，不论是经济、教育，还是物流基础设施都相对落后，在接受新的物流技术和思想方面也较为缓慢，影响了物流产业智慧化发展。这表明中国物流产业智慧化与经济发展呈现出一定的趋同性，存在“马太效应”[ 23 ]。

（一）模型设定

众所周知，物流产业智慧化发展受多方面因素的影响，现有研究多以经济效益、制度、环境、技术等因素对物流产业智慧化的影响进行定性的理论分析[ 16-17 ]。采用实证方法考察物流产业智慧化的文献比较匮乏，与之相近的文献主要是中国物流产业发展和中国物流业效率的实证研究，中国物流产业发展的相关研究选取的影响因素主要包括科技水平、劳动力投入、环境规制、经济发展、基础建设、制度、对外开放、产业结构等[ 23-27 ]，中国物流业效率的相关研究选取的影响因素主要有市场一体化水平、政府干预、经济密度、交通密度、环境规制、科技水平等[ 28-32 ]。本文在众多学者研究成果基础上，结合中国物流产业智慧化的内涵特点，将物流产业智慧化的影响因素概括为成本压力、环境规制、政府干预、交通网络和科技水平等五个方面。由于路径依赖效应的存在，会使当期物流业智慧化水平受前期物流产业智慧化水平影响，为探究这种动态变化，构建系统GMM动态面板回归模型：

（二）变量说明与描述

被解释变量包括物流产业智慧化水平（模型1）、智慧化基础要素投入水平（模型2）、智慧化服务应用水平（模型3）以及智慧化效益水平（模型4）。具體解释变量（参见表3）说明如下：

1.成本压力。在一定时期内，我国的物流产业无法改变劳动密集型的基本事实，人口红利是物流行业低成本高速扩张的重要支撑[ 16 ]。但是，随着中国人口红利的逐渐消失，劳动力成本逐渐成为物流产业成本的重要组成部分，对物流企业形成成本压力从而直接影响其在智慧化方面的投入。成本压力以物流产业人均工资表示[ 33 ]。

2.环境规制。目前绿色环保愈加成为产业发展关注的重点，在环境规制下，企业需要通过一些措施减少能源消耗与污染排放[ 34 ]，物流产业智慧化发展是物流业节能减排的重要途径，因而环境规制成为影响物流产业智慧化的主要制度因素之一。本文采用各省份环境污染治理投资占GDP的比重表示环境规制强度[ 29 ]。

3.政府干预。市场经济引导产业发展常常存在失灵情况，政府调控在引导产业发展、协调行业运作方面可以发挥积极作用，通过物流规划、政策、资金和技术支持对物流产业智慧化产生影响。本文以政府财政支出占GDP比重来衡量政府干预[ 35 ]。

4.交通运输网络。布局合理完善的交通运输网络是开展各项物流活动、实现物流业正常运转的基础和保障。合理的交通运输网络布局、高效的物流基础设施运作能力能够有效降低物流运作成本，直接影响在智慧化方面的投入。本文借鉴唐建荣等[ 23 ]的研究，以铁路和公路营业里程之和占区域国土面积之比代表交通网络密度。

5.科技水平：科技水平是地区技术创新和技术人才水平的直接反映，相关的技术创新具有一定的公共属性[ 36 ]，有利于关键物流技术突破，形成核心技术优势，进而提高物流产业智慧化水平。本文选择各地区发明专利授权数量作为科技水平的衡量指标[ 37 ]。

（三）回归分析

为了对中国物流产业智慧化的影响因素进行深入分析，本研究使用Stata16软件并采用系统GMM动态面板数据分析方法进行模型估计，得到表4中的实证结果。从表4中可以发现，四个模型的一阶序列相关检验即AR1检验的p值均小于0.1，二阶序列相关检验即AR2检验和萨根（Sargan）检验的p值均大于0.1。四个模型的滞后期值对当期均产生显著的正向影响，证明了物流产业智慧化发展中路径依赖效应的存在。

1.成本压力的影响在模型1和模型2中均显著为负。一方面，在研究样本期内，成本压力的提高使物流企业需要将大量资本用于劳动力支出，降低对数字化基础设施、物流终端设备等方面的投入；另一方面，成本压力也倒逼物流企业通过智慧化升级提升劳动生产率，实现劳动力替代。

2.政府干预的影响在模型1至模型4中的回归系数有正有负。在模型2和模型4中显著为正，政府财政资金在基础要素投入上呈现出杠杆和引领作用，表现出社会福利的性质，通过税收及监管政策降低制度性成本，提高效益水平。在模型3中政府干预对服务开发应用的影响显著为负，说明各地区对物流产业智慧化发展的认识不足。物流产业智慧化发展，既需要硬件基础，也需要软件升级，政府财政资金投入存在缺陷会产生一定的资源浪费，也在一定程度上扰乱服务开发与应用的客观规律，对社会资本产生一定的挤出效应。也正是这两方面效应的存在，使模型1未达到统计意义上的显著。

3.环境规制的估计系数在模型1至模型4中均达到统计意义上的显著，同时在各模型中系数正负各异。各地区对环境保护的重视程度以及环境治理投入强度并未对物流产业智慧化产生显著影响。一方面，物流产业整体处于低利润水平，环境规制会增加物流成本开支，可能导致物流产业智慧化发展资金投入不足；另一方面，环境规制也会对物流产业智慧化发展起到促进作用，因为物流产业智慧化水平的提高，既能提高利润，也会缓解环境规制带来的成本增加，从而使环境效益超过成本增加的经济损失。

4.交通运输网络是物流业发展的外在保障，在模型1和模型4中的估计系数为正值，均在0.01水平上显著，表明完善的交通运输网络可以保障产业发展，推动产业进步。完善的交通运输网络可以提高货物换装的便捷性、兼容性，促进各种运输方式的顺畅衔接和高效中转，提升物流效率，降低区域间物流成本，从而直接影响物流产业智慧化。但是交通运输网络的影响在模型2和模型3中并未达到统计意义上的显著，说明传统概念中的物流基础已经无法有效提高物流产业智慧化基础要素投入水平和服务开发应用水平。

5.科技水平在各模型中的回归系数均显著为正值。科技水平是推动物流产业智慧化发展的主要动力，为物流各环节的运作提供了先进设备和优秀人才，全面提升了物流智慧化基础要素投入水平。各种物流服务模型与应用开发也随科技水平的提高而蓬勃发展，优化决策，整合资源，提高物流效率和经济效益，降低能耗，促进整体物流产业智慧化水平的提升。

（一）结论

本文从智慧化基础要素投入水平、智慧化服务应用水平以及智慧化效益水平三个维度测量了2006—2019年中国物流产业智慧化水平，实证检验了物流产业智慧化水平的主要影响因素。研究表明，在研究期内，中国物流产业智慧化水平呈现逐年递升的态势，但存在明显的地区差异，同时物流产业智慧化发展中存在路径依赖效应；不同的影响因素对物流产业智慧化不同维度间的影响作用各异，环境规制、交通运输网络和科技水平发挥了促进中国物流产业智慧化发展的重要作用，成本压力在一定程度上抑制了中国物流产业智慧化发展。政府干预、环境规制和科技水平在智慧化基础要素投入方面起到促进作用，成本壓力则起到抑制作用。环境规制和科技水平在智慧化服务应用方面起到促进作用，政府干预起到抑制作用。政府干预、交通运输网络和科技水平在智慧化效益方面起到促进作用，环境规制起到抑制作用。

（二）对策建议

根据研究过程和实证结果，可以得出促进中国物流产业智慧化进程的如下政策建议：

1.强化物流产业智慧化基础要素投入。应当积极鼓励和引导智能物流设备在物流产业的推广和应用，积极推进和落实“国家物流枢纽布局和建设规划”与“数字交通发展规划纲要”等新基础设施建设项目，促进物流资源互联互通和共享利用。完善物流职业人才培养和培训体系，培养复合型的技术技能人才，为中国物流产业智慧化进程提供足够的高质量人才，支撑保障物流产业智慧化的人才供给。

2.积极探索创新监管模式，顺应绿色环保趋势，用好短期治理、长期引导政策工具，激活物流运营主体活力，推进包括网络货运平台、智慧仓储配送等物流新模式的服务与应用的研究和推广，培育一批标杆企业和服务品牌，助力物流产业转型升级。抓住新一代信息技术商业应用的历史机遇，推进新基础设施建设，为实现物流产业运营和管理决策的全程管控与优化自治提供技术基础，全面提升物流产业智慧化水平。

3.把握区域物流产业智慧化发展规律，不同经济基础和产业条件下的产业发展政策应视地区和区域有的放矢，提高地区间技术共享和人才流动，制定区域性、多样化和系统性的物流产业智慧化发展政策。各级政府应进一步完善物流产业综合治理体系，提高自身治理能力，为物流产业智慧化发展营造更适宜的制度性环境。推动建立物流产业智慧化标准化体系，优化物流产业智慧化发展的各项审批流程。健全物流产业智慧化安全运行监管机制，明确各领域监管主体，及时惩处行业不规范行为，建立公平公正的市场竞争环境。

（三）研究不足与展望

首先，由于部分投入数据不可得，本文多项指标采用的是产出指标，会产生一定的高估产地和低估购入地问题。其次，本文探讨了多种因素对物流产业智慧化的影响，但不同影响因素之间的交互作用有待深入分析。最后，本文对回归模型仅做线性影响的假设，对于政府干预、环境规制等因素的非线性影响有待进一步探讨。

注释：

①根据各年中国劳动统计年鉴数据计算而得。

参考文献：

[1]何黎明.推进物流业高质量发展面临的若干问题[J].中国流通经济，2018（10）：3-7.

[2]魏际刚.中国物流业发展的现状、问题与趋势[J].北京交通大学学报（社会科学版），2019（1）：1-9.

[3]孙磊，张树山.智慧化升级的驱动因素及其对物流企业绩效的影响[J].中国流通经济，2020（2）：15-26.

[4]张万里，宣旸，睢博，等.产业智能化、劳动力结构和产业结构升级[J].科学学研究，2021（8）：1 384-1 395.

[5]李廉水，石喜爱，刘军.中国制造业40年：智能化进程与展望[J].中国软科学，2019（1）：1-9，30.

[6]李丫丫，王磊，彭永涛.物流产业智能化发展与产业绩效提升——基于WIOD数据及回归模型的实证检验[J].中国流通经济，2018（3）：36-43.

[7]王之泰.城镇化需要“智慧物流”[J].中国流通经济，2014（3）：4-8.

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

[9]张立国.我国物流业转型升级研究综述[J].技术经济与管理研究，2015（1）：125-128.

[10]张春霞，彭东华.我国智慧物流发展对策[J].中国流通经济，2013（10）：35-39.

[11]GOYAL S，HARDGRAVE B C，ALOYSIUS J A，et al.The effectiveness of RFID in backroom and sales floor invento？ ry management [J].International journal of logistics manage？ ment，2016（3）：795-815.

[12]SHEE H，MIAH S J，FAIRFIELD L，et al.The impact of cloud-enabled process integration on supply chain perfor？ mance and firm sustainability：the moderating role of top management [J].Supply chain management-an internation？ al journal，2018（6）：500-517.

[13]WANG G，GUNASEKARAN A，NGAI E W T，et al.Big da？ ta analytics in logistics and supply chain management：cer？ tain investigations for research and applications [J].Interna？ tional journal of production economics，2016，176：98-110.

[14]BIRKEL H S，HARTMANN E.Impact of IoT challenges and risks for SCM [J].Supply chain management-an inter？ national journal，2019（1）：39-61.

[15]WANG Y，HAN J H，BEYNON-DAVIES P.Understanding blockchain technology for future supply chains：a systemat？ ic literature review and research agenda [J].Supply chain management-an international journal，2019（1）：62-84.

[16]王帥，林坦.智慧物流发展的动因、架构和建议[J].中国流通经济，2019（1）：35-42.

[17]钱慧敏，何江，关娇.“智慧+共享”物流耦合效应评价[J].中国流通经济，2019（11）：3-16.

[18]汪鸣.我国物流产业转型发展路径研判[J].北京交通大学学报（社会科学版），2019（3）：9-15.

[19]陳秋霖，许多，周羿.人口老龄化背景下人工智能的劳动力替代效应——基于跨国面板数据和中国省级面板数据的分析[J].中国人口科学，2018（6）：30-42，126-127.

[20]孙早，侯玉琳.工业智能化如何重塑劳动力就业结构[J].中国工业经济，2019（5）：61-79.

[21]刘欢.工业智能化如何影响城乡收入差距——来自农业转移劳动力就业视角的解释[J].中国农村经济，2020（5）：55-75.

[22]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（4）：155-162.

[23]唐建荣，张鑫和.物流业发展的时空演化、驱动因素及溢出效应研究——基于中国省域面板数据的空间计量分析[J].财贸研究，2017（5）：11-21.

[24]陈恒，魏修建，魏晓芳.中国物流业发展的驱动因素及其动力来源——基于劳动力投入的视角[J].商业经济与管理，2015（11）：13-26.

[25]谢守红，蔡海亚.长江三角洲物流业发展的时空演变及影响因素[J].世界地理研究，2015（3）：118-125.

[26]任晓红，郭晓彤，王炜，等.高铁开通对物流业发展的影响——来自全国280个地级市的证据[J].产经评论，2020（5）：104-121.

[27]裴恺程，穆怀中.环境规制对物流业绿色发展的影响研究——来自京津冀地区的实证检验[J].工业技术经济，2021（5）：107-114.

[28]曹炳汝，邓莉娟.长江经济带物流业效率增长影响因素[J].经济地理，2019（7）：148-157.

[29]刘承良，管明明.低碳约束下中国物流业效率的空间演化及影响因素[J].地理科学，2017（12）：1 805-1 814.

[30]唐建荣，杜娇娇，唐雨辰.环境规制下的区域物流效率可持续发展研究[J].经济与管理评论，2018（5）：138-149.

[31]于丽英，施明康，李婧.基于Dea-Malmquist指数模型的长江经济带物流效率及因素分解[J].商业经济与管理，2018（4）：16-25.

[32]秦雯.粤港澳大湾区物流业效率的时空演化及提升路径[J].中国流通经济，2020（9）：31-40.

[33]林炜.企业创新激励：来自中国劳动力成本上升的解释[J].管理世界，2013（10）：95-105.

[34]黄清煌，高明.中国环境规制工具的节能减排效果研究[J].科研管理，2016（6）：19-27.

[35]于斌斌.产业结构调整与生产率提升的经济增长效应——基于中国城市动态空间面板模型的分析[J].中国工业经济，2015（12）：83-98.

[36]张瑞，孙夏令.中国省域物流业绿色全要素生产率的演进及溢出[J].商业研究，2020（3）：29-38.

[37]刘帅.中国经济增长质量的地区差异与随机收敛[J].数量经济技术经济研究，2019（9）：24-41.

责任编辑：方程

Research on the Measurement of Intelligent Level and Driving Factors of China’s Logistics Industry

SUN Lei，ZHANG Shu-shan and GUO Kun

（School of Economics and Management，Northeast Normal University，Changchun 130024，Jilin，China）

Abstract：The intelligent development of logistics industry is not only an effective means to get rid of the current predicament of logistics industry，but also an important key point that directly affects the quality of China’s economic development and the improvement of competitive advantages. The evaluation index system is constructed from three dimensions：the input level of basic elements，the application level of intelligent service and the benefit level of intelligentization of logistics industry. The overall entropy method is used to measure the intelligentization level of logistics industry in China and 29 provinces and autonomous regions from 2006 to 2019. And based on this，the authors build a dynamic panel data model；through the system GMM estimation，the authors empirically test the influence of cost pressure，environmental regulation，government intervention，traffic network density and technological level on the intelligent level of logistics industry. The results show that during the study period，the intelligent level of China ’ s logistics industry shows an increasing trend year by year，but there are obvious regional differences. The first and second lag terms of the explained variables have a significant positive impact on the current period，indicating the existence of‘path dependence’effect in the intelligent development of logistics industry. Environmental regulation，transportation network and scientific and technological level play an important role in promoting the intelligent development of China ’s logistics industry，and cost pressure inhibits the intelligent development of China ’s logistics industry to some extent. Different influencing factors have different effects on the dimensions of logistics industry intelligence. In order to improve the intelligent level of China ’ s logistics industry，we should grasp the law of intelligent development of regional logistics industry，establish the standard system，explore innovative regulatory mechanisms，clarify the main body of supervision in different fields，promote new infrastructure construction，and strengthen the training and training system of logistics professionals.

Key words：logistics industry；intelligent level；overall entropy method；system GMM estimation