长三角地区新型城镇化和物流业耦合协调分析

梁 雯，汪皖珍，刘志秀

（安徽大学 商学院，安徽 合肥 230601）

一、引言

长三角地区地理优势显著，是我国经济最发达的区域之一，不仅拥有强大的人才优势和工业基础优势，还拥有强大的辐射能力。随着该地区物流需求的持续攀升，现代物流的技术创新、功能整合与服务提升势必成为长三角地区发展的新动能。长三角一体化战略上升为国家战略更是为新型城镇化的推进和物流业的发展带来前所未有的机遇和挑战。因此，探讨新时代我国物流业与新型城镇化的发展和关系，对完成产业转型升级、推动供给侧结构性改革、培育经济增长新动力具有重要的理论和实际应用价值。

我国城镇化水平由新中国成立初的10.64%迅速增长，到2020年超过60%，城镇化建设成效明显，其规模和速度世界领先。但城镇化整体水平不高、质量较差，生态环境、城乡二元结构等依然是城镇化进程中必须要解决的关键性问题。长三角地区新型城镇化的发展还存在发展模式粗放、城镇集聚力和承载力不够、自然资源环境遭到破坏等问题。城镇化进程中出现的这些现象和问题与新时代的要求相悖。因此，本文采用数据包络分析法（DEA）对新型城镇化效率进行测算，根据测算结果对长三角地区近十年来新型城镇化发展现状进行分析并给出建议。物流业是我国现代服务业的重要组成部分。21世纪以来，物流业以几何级数增长的态势发展，全国社会物流总额从2004年的38.4万亿元增长至2020年的300.1万亿元，物流产业的发展正在引起各级政府的高度重视。然而，长三角地区物流行业受制于地理、资源和区域等因素的影响，各地区物流行业水平还有待提高，地区之间发展不平衡。因此，本文同样采用数据包络分析法（DEA）对物流业效率进行测算，并对长三角地区近十年来物流业发展现状进行分析并给出建议。

物流业和新型城镇化两者的协调关系随着我国经济由高速发展转向高质量发展变得越来越突出。一方面，新型城镇化为物流业提供了巨大的消费需求与广阔的空间基础；另一方面，物流业也为新型城镇化提供了强有力的保障。本文在对新型城镇化和物流业效率进行分析的基础上，针对新时代赋予城镇化和物流业的新特征，构建新型城镇化指标体系，将多元数据统计与熵值法引入协调效率评价模型构建与数据处理中，构建新时代物流业与新型城镇化耦合协调度评价模型，分析新时代物流业和新型城镇化协调发展水平，把握两者协调发展路径与趋势，总结归纳物流业和新型城镇化协调发展模式及特点，以期提高新时代长三角地区物流业运作效率，提升新型城镇化综合发展水平。

查阅已有研究资料可以发现，现有研究内容主要集中在以下三个方面。

（一）关于新型城镇化和物流业效率的研究

有学者从地理差异方面对新型城镇化效率进行分析并给出建议，结果表明，不论是从省域还是从国家层面上，新型城镇化效率都存在明显的上升期和瓶颈期。其中，吴旭晓［1］和李刚［2］用DEA模型测算了河南省新型城镇化效率，牟玲玲等［3］用超效率DEA模型测算了河北省新型城镇化效率，郑雁玲等［4］基于DEA模型对2011—2018年我国31个省（区、市）新型城镇化效率进行静态和动态分析评价。也有学者从环境视角来测算新型城镇化效率，如陈立泰等［5］选取2003—2010年我国279个地级及以上城市的面板数据来测算环境约束下的城镇化效率。

对物流产业效率方面的研究主要集中在区域物流效率的测算、物流效率影响因素的研究和评价模型的构建等诸多方面。在区域物流效率的测算方面，易燕［6］和龚雪［7］基于我国31个省域面板数据分别研究了我国物流产业绿色效率以及在降本增效背景下我国物流产业效率。曹炳汝［8］和郑金娥［9］等采用DEA模型测算了长江经济带省域物流效率，同时程长明［10］从资源环境出发测算了长江经济带物流业环境效率。蒋随［11］和姚山季［12］等将视角放在“一带一路”上，分别测算节点城市的低碳物流效率和城市物流效率。在物流效率影响因素的研究方面，李妍［13］基于省级面板数据对全国物流效率的影响因素进行研究，秦雯［14］对广东地级市物流效率的影响因素进行了研究。朱青山［15］基于2018年省级数据研究科技创新对我国物流业效率的影响，韩海轩［16］研究了人工智能技术对物流业效率的影响。在评价模型的构建方面，孟魁［17］和王博［18］使用三阶段DEA模型分别测算了中部六省和全国物流效率。龚雪［19］和唐庆松［20］等使用DEA-Malmquist模型来测算中国省域物流效率。潘立军等［21］使用超效率DEA模型对2008—2018年长株潭区域物流整体与各子要素的超效率值进行测算。孙云凤等［22］构建区域发展水平与交通系统耦合度模型，对云南省16个州市交通系统与区域发展水平耦合度的空间进行分析。

（二）关于新型城镇化和物流业关系的研究

新型城镇化和物流业的关系在理论研究中已经得到重视，采用的模型和方法较为丰富。丁斌等［23］用回归分析来研究我国2003—2013年新型城镇化与物流业发展的关系。梁雯等［24］用PVAR模型研究了2007—2016年长江经济带11省市新型城镇化、物流业和产业结构之间的关系。也有部分学者利用熵值法和耦合协调模型对新型城镇化与物流业关系展开研究。其中，梁雯等［25］从人口、经济、社会、空间和环境五个方面构建新型城镇化指标体系，从规模、投入和效益三个方面构建物流系统指标体系，研究长江经济带各省市新型城镇化和物流业之间的关系。陆欢等［26］基于2006—2016年我国31个省级行政区统计数据分析，认为我国城镇化发展水平和物流业发展水平均有很大程度提高，并且呈现东高西低的梯度型发展格局；城镇化与物流业发展的耦合协调度呈现上升趋势。吴垚等［27］认为长三角地区新型城镇化和物流产业差异明显。除此之外，也有学者对新型城镇化与旅游产业［28-29］、金融支持［30］、乡村振兴［31-32］之间的关系进行研究。

（三）创新研究

多数文章集中于研究新型城镇化和物流业两系统之间的关系或者单一地研究新型城镇化效率或物流业效率。本文将两个系统整合起来综合考虑，在利用DEA模型研究新型城镇化效率和物流业效率的基础上，利用熵值法和耦合协调模型研究两系统之间的协调发展水平。这种方法也有学者尝试，如程广斌等［33］使用DEA模型测算丝绸之路经济带经济系统的投入产出效率，使用熵权TOPSIS模型测度其生态系统质量，使用耦合协调度模型衡量两者之间的协调发展水平。很少有学者做长三角地区的物流和新型城镇化方面的研究，然而长三角地区作为我国经济发展最快、经济最具活力、经济规模最大的地区，把握好新型城镇化和物流业协调关系和效率问题对促进长三角经济发展有着重要的作用，然而目前相关研究尚有欠缺。

二、指标与数据来源

（一）指标体系

本文根据指标重要性、科学性以及区域性等原则，结合长三角地区新型城镇化和物流业的特点，选定的新型城镇化和物流业指标体系如表1所示。

表1 长三角地区新型城镇化和物流业指标体系

1.新型城镇化

为了更全面地反映新型城镇化的特征，借鉴已有研究经验，本文从劳动力投入、资本投入、能源消耗、公共设施和社会医疗保障投入五个方面来选取投入指标。选取的投入指标分别为城镇就业人员、城镇固定资产投资、能源消耗总量、公共交通客运总量和每万人医疗卫生床位数。从人口、经济和社会三个方面来选取新型城镇化的产出指标，选取的产出指标分别为人均社会消费品零售总额、城镇人口占比和第二、三产业产值之和。

2.物流业

我国的物流产业属于新兴行业，由于交通运输、仓储和邮政业在物流中占极大的比重，大部分研究都以交通运输、仓储和邮政业的相关指标来衡量物流业。本文选取的投入指标为交通运输、仓储和邮政业从业人员数、交通运输、仓储和邮政业固定资产投资额、运输线路长度和民用载货汽车拥有量，选取的产出指标为货运量和周转量。

（二）数据来源

数据来自2011—2020年我国长三角地区三省一市年度面板数据，主要来源于江浙沪皖四省市历年统计年鉴、中国统计局以及EPS数据库。受到条件的限制，对于若干不能直接获取的数据，采用插值法进行赋值。

三、效率研究

（一）DEA效率测度模型

数据包络分析法（DEA）是一种测算多投入多产出效率的分析方法。DEA最基本的两种模型是CCR模型和BCC模型。CCR模型对应规模效率不变，同时评价决策单元的技术有效性和规模有效性；BCC模型于1984年提出，假设规模效率可变，专门评价决策单元的技术有效性。

借鉴已有研究的经验，本文使用的是投入导向下的BCC模型。投入导向下对偶形式的BCC模型为：

其中，X是投入向量，Y是产出向量，j是决策单元，j=1，2，…，n，θ是决策单元的综合效率值，λ是决策变量，S是松弛变量。e=（1，…，1）T∈Em；ê=（1，…，1)T∈E，ε是非阿基米德无穷小。若θ=1，S+=S-=0，则表示决策单元DEA有效；若θ=1，S+≠0或S-≠0，则表示决策单元DEA弱有效；若θ＜1，则表示决策单元DEA存在无效情况。

（二）效率结果分析

本文采用DEAP 2.1软件来测算长三角地区新型城镇化效率和物流业效率。BCC模型包含综合技术效率、纯技术效率和规模技术效率，其中，综合技术效率=纯技术效率×规模技术效率。纯技术效率表示在不考虑规模效率的情况下，由管理和技术等因素所影响的效率。规模效率是指由企业规模所影响的效率，长三角地区2010—2019年新型城镇化效率和物流业效率结果描述如下。

1.长三角地区2010—2019年新型城镇化效率结果分析

综合技术效率结果分析如表2所示。2010—2019年长三角地区新型城镇化效率在0.742～1.000之间，平均值为0.946。其中，上海市和浙江省十年间始终保持在DEA有效状态；江苏省新型城镇化效率也始终处于很高的水平，从2010年的0.926提升到2019年的1.000，在2018年和2019年处于DEA有效状态；相比较而言，安徽省处于落后的地位，新型城镇化效率平均值为0.827，但是整体呈现出明显的上升趋势。按年份来看，2013年长三角地区新型城镇化平均综合技术效率最低，为0.924，此后几年呈现出明显的上升趋势。这表明2014年国家颁布《国家新型城镇化规划（2014—2020年）》政策的实施对长三角地区新型城镇化效率起到了一定的推动作用。需要注意的是，虽然江浙沪地区新型城镇化处在很高的水平，但不能仅仅停留在经济建设的层面，要逐步完成产业结构和社会结构转型，进一步激发新型城镇化政策的活力，为其他行业提供动力。

表2 2010—2019年长三角地区新型城镇化综合技术效率结果

纯技术效率结果分析如表3所示。2010—2019年长三角地区新型城镇化平均纯技术效率在0.991～1.000之间，平均值为0.999。上海市、浙江省和安徽省十年间长期稳定在DEA有效状态，江苏省除了2013年和2015年，其余年份也都稳定在DEA有效状态。可以看出，安徽省和江苏省综合效率没有达到DEA有效主要是受规模效率的影响，这是由于两省在新型城镇化进程中粗放型发展模式没有改变，对城镇化建设的理解不够或存在误解等因素，导致规模效益没有得到充分的发挥。

表3 2010—2019年长三角地区新型城镇化纯技术效率结果

规模技术效率结果分析如表4所示。2010—2019年长三角地区新型城镇化规模技术效率在0.742～1.000之间，平均值为0.947。其中，上海市和浙江省长期稳定在规模报酬不变的阶段，此时投入和产出已经达到最优状态；江苏省和安徽省规模技术效率都小于1，江苏省规模技术效率在0.926～1.000之间，平均值为0.962，整体保持在一个很高的效率水平，同时值得注意的是江苏省规模技术效率呈现出递增的趋势，并在2018年与2019年达到规模报酬不变阶段；相较于江浙沪地区，安徽省规模技术效率水平稍低，位于0.742～0.895之间，平均值为0.827，并且在2010—2019年长期处于规模报酬递增趋势。需要加快新型城镇化结构转型，避免城镇化无序发展和盲目扩张，才能适应时代和社会发展的要求，提高新型城镇化效率水平。

表4 2010—2019年长三角地区新型城镇化规模技术效率结果

2.长三角地区2010—2019年物流效率结果分析

综合技术效率分析如表5所示。2010—2019年长三角地区物流综合技术效率在0.524～1.000之间，平均值为0.881，各地区物流效率存在较大的差异。其中，2013年长三角地区平均综合技术效率最低，为0.800，此后整体呈现出明显的上升趋势，增至2019年平均综合技术效率最高为0.943，说明长三角地区整体物流水平正处于稳步增长的阶段。分地区来看，上海市和安徽省平均综合效率水平最高，始终处于DEA有效状态；浙江省综合技术效率在0.676～1.000之间，平均值为0.877，整体呈现出上升的趋势，并于2017—2019年处于DEA有效状态；江苏省综合技术效率在0.524～0.771之间，平均值为0.648，相比较而言，物流行业效率并没有得到有效提高，然而从2016年以后也表现出较为明显的增长趋势。

表5 2010—2019年长三角地区物流综合技术效率结果

纯技术效率分析如表6所示。2010—2019年长三角地区物流平均纯技术效率在0.683～1.000之间，平均值为0.940。安徽省纯效率水平最高，为1.000，长期稳定在DEA有效状态；上海市除了2018年，其余年份都稳定在DEA有效状态；浙江省除了2011年，其余年份也都稳定在DEA有效状态，浙江省平均纯效率水平为0.999，高于平均规模技术效率，说明浙江省综合技术效率水平主要是受到规模技术效率水平的影响；江苏省平均纯效率水平为0.782，平均规模技术效率水平为0.849，说明江苏省综合技术效率水平不高主要是受到纯技术效率水平不高的影响。因此，未来江苏省要加强物流行业基础设施建设，构建更为完整有效的物流网络。

表6 2010—2019年长三角地区物流纯技术效率结果

规模技术效率分析如表7所示。2010—2019年长三角地区物流平均规模技术效率在0.861～0.990之间，平均值为0.932。上海市和安徽省2010—2019年都处于规模报酬不变的阶段。浙江省和江苏省规模技术效率均小于1，说明投入和产出之间并没有达到最优状态，浙江省从2010—2016年处于规模报酬递增阶段，2016年以后增长至规模报酬不变阶段，江苏省规模技术效率在0.767～0.960之间，平均值为0.849，十年间均处于规模报酬递增阶段，可以继续扩大生产，提高物流效率。

表7 2010—2019年长三角地区物流规模技术效率结果

四、新型城镇化和物流业发展水平综合指数研究

结合已有研究经验，本文选用熵值法进行分析。熵值法通过（2）式至（7）式计算出各指标的权重，为耦合协调分析提供依据，主要包括以下几个步骤。

（一）指标标准化

当数据为正向指标时，处理所用公式为：

当数据为负向指标时，处理所用公式为：

其中，Xij是标准化后的数值，xij是第j项指标的原始数值，mj是Xij的最小值，Mj是Xij的最大值，j=1，2，…，m。

（二）指标赋权重

a.计算第j项指标下i地区的占比：

b.计算熵值：

其中，0≤ej≤1，k=1/ln n。

c.差异性系数处理：

d.计算权重：

（三）综合得分

将该指标标准化后的数据与该指标的权重相乘，再将该地区不同指标的加权求和得出地区i的综合得分：

（四）新型城镇化发展水平综合指数分析

根据上述公式可以计算出长三角三省一市2010—2019年的新型城镇化综合指数，如图1所示。

从图1可以看出，长三角地区十年间新型城镇化综合指数介于0.071 9～0.453 1之间，地区之间存在较大的差异。其中，浙江省和江苏省的城镇化水平不相上下并且保持在领先水平，上海市十年间新型城镇化综合指数平均值为0.238 0，处于中间水平，安徽省最低，其平均值为0.087 5。从十年间新型城镇化综合指数数据来看，江苏省综合指数最低值为0.353 7，是安徽省综合指数最高值0.108 8的3.25倍。

图1 新型城镇化水平综合指数

从时间顺序来看，江苏省和浙江省处于新型城镇化发展的领先水平，但是波动较大，且出现了明显的下降趋势。这是因为，江苏省和浙江省属于沿海城市，经济实力强，发展水平高，城市呈现人口饱和状态，城市资源的有限性使大量外来人员无法享受城市居民应有的待遇，制约了新型城镇化质量的提高［25］。上海市虽然新型城镇化水平较高，但是发展速率相对缓慢。安徽省新型城镇化综合指数整体呈现出上升的趋势，并逐渐缩小与沿海城市的差距，这是因为中部地区城市依托政府政策的支持以及毗邻东部沿海城市的地理位置优势，承接东部城市的产业转移，具有较强的环境及资源承载力［34］。

（五）物流水平综合指数分析

同理，利用前述公式也可以计算出长三角地区2010—2019年的物流业综合指数，如图2所示。

图2 物流水平综合指数分析图

从图2可以看出，长三角地区十年间物流业综合指数介于0.128 4～0.309 3之间，各地区物流业发展水平差异较为明显。其中，江苏省在经济、地理位置等优势的基础上，充分发挥了物流业的集聚效应，物流业平均发展水平最高达到0.284，浙江省物流业平均发展水平为0.227，江浙地区十年间物流业综合指数始终处于较高水平，但十年间波动较大，整体略有下降的趋势。安徽省物流业平均发展水平为0.237 0，整体呈现出明显的上升趋势，2009年安徽省颁发《安徽省现代物流业发展规划》，说明政府积极响应国家政策，给予物流行业极大的支持，推动了安徽省物流行业的发展。上海市物流业综合指数稳定在0.131左右，需要提高物流服务水平，提升物流效率，才能实现进一步的发展。

五、耦合协调度研究

（一）模型选择

1.耦合度

耦合度是用来衡量新型城镇化与物流业两个系统之间彼此影响的强弱程度。本文确定的耦合度模型为：

其中，U1为新型城镇化水平综合指数，U2为物流水平综合指数。耦合度C的含义为：系统与系统之间有紧密的关系，则耦合度最高为1；系统与系统之间没有一点关系，则耦合度最低为0；其他情况的耦合度在（0，1）之间。

2.耦合协调度

耦合度不能完全反应两个系统之间协同发展的程度，因此就要借助耦合协调度模型。耦合协调度是指新型城镇化和物流业两系统之间相互作用的良性耦合程度，可以表征各系统之间是在高水平上相互促进还是在低水平上相互制约。耦合协调度模型为：

其中，D代表耦合协调度，C代表耦合度，T是两系统的综合发展水平，a和b分别是新型城镇化和物流业的贡献度。本文认为，新型城镇化和物流业在我国经济发展过程中具有同等重要的地位，因此a和b均取0.5。

为了对新型城镇化和物流业的耦合度和协调度做出客观的评价，借鉴已有研究的成果，将耦合度和协调度进行等级划分，结果如表8和表9所示。

表8 耦合度等级

表9 耦合协调度等级

（二）耦合结果分析

根据上述模型，将新型城镇化和物流业系统的综合指数代入计算，得出两系统耦合度和耦合协调度的结果如图3所示。

图3 新型城镇化和物流业耦合度和耦合协调度结果

在图3中，耦合度C用条形图表示，耦合协调度D用折线图表示。从图3可以看出，2010—2019年长三角地区新型城镇化和物流业耦合度D在0.834 6～0.926 5之间，说明两系统之间长期处于高水平耦合阶段。其中，江苏省新型城镇化和物流业耦合度平均值最高为0.980，浙江省和上海市新型城镇化和物流业耦合度平均值分别为0.971和0.957，安徽省新型城镇化和物流业耦合度D在0.834 6～0.926 5之间，在2015年至2018年两系统的耦合度有所下降且低于0.9。

从另一方面来看，虽然耦合度稳定保持在较高的水平，但耦合协调度在0.354 5～0.599 7之间，横跨从低度失调到弱度协调三个阶段。分地区来看，耦合协调度水平最高的是江苏省，介于0.558 7～0.599 7之间，浙江省耦合协调度水平介于0.512 2～0.553 7之间，两省十年间都稳定在弱度协调状态，然而要想使物流业和新型城镇化实现更高水平的协调，还需要进行长时间的探索，不断创新和进步。上海市耦合协调度水平介于0.413 6～0.436 7之间，处于弱度失调状态，同时江浙沪地区新型城镇化和物流业整体协调发展水平呈现缓慢的下降趋势。安徽省耦合协调度水平介于0.354 5～0.403 4之间，经历了从低度失调到弱度失调的转变，整体呈现出缓慢的上升趋势。另外需要注意的是，江浙沪地区都处于物流业滞后状态，需要完善区域物流网络布局等以实现与新型城镇化系统在更高层次上的协调，安徽省处于新型城镇化滞后状态，说明安徽省新型城镇化为物流业发展提供的推动力不足。

六、结论与政策建议

（一）结论

第一，长三角地区新型城镇化平均综合技术效率在0.924～0.970之间。上海市和浙江省十年间始终处于DEA有效状态。江苏省十年间整体效率水平处于上升趋势，并于2018年至2019年处于DEA有效状态。相比较而言，安徽省处于落后的地位，新型城镇化综合技术效率平均值为0.827，但是整体呈现出明显的上升趋势。可以看出，上海市和浙江省把握住机遇，充分、有效地利用了技术和资源，实现了最优的投入和产出比；而安徽省和江苏省纯技术效率水平均高于各自省份的规模技术效率水平，综合效率没有达到DEA有效的原因主要是受规模效率的影响。

第二，长三角地区物流平均综合技术效率在0.800～0.943之间。上海市和安徽省十年间物流效率始终处于DEA有效状态。浙江省从2013年开始物流效率稳步提升，至2017以后保持在DEA有效状态。江苏省物流效率波动较大，但整体上也呈现出一定的上升趋势，物流效率水平从2010年的0.686上升至2019年的0.771。浙江省纯技术效率除了2011年，其余年份都保持在DEA有效状态，同时，规模报酬递增至2016年之后维持不变状态，所以，浙江省综合技术效率水平主要是受到规模技术效率水平的影响，而江苏省综合技术效率水平不高主要是受到纯技术效率水平不高的影响。

第三，长三角各地区2010—2019年新型城镇化水平存在较大的差异，差异性表现为从江苏省、浙江省、上海市到安徽省梯度递减。江苏省和浙江省城镇化综合指数较高，发展速率相对缓慢，波动较大，都出现了明显的下降趋势。上海市十年间新型城镇化综合指数稳定在0.416 4左右，处于中间水平。安徽省城镇化起点较低，但是新型城镇化综合指数整体呈现出上升趋势，并逐渐缩小与沿海城市的差距。

第四，长三角各地区2010—2019年物流业发展水平也存在较大的差异，差异性表现为从江苏省、浙江省到上海市梯度递减，而安徽省后来居上，于2013年之后超过浙江省位于第二梯度。江苏省物流业平均综合指数最高达到0.663 7，上海市在长三角地区中，物流业综合指数较低，平均综合指数为0.306 0，同时，除安徽省以外，江浙沪地区物流业整体发展水平缓慢。

第五，2010—2019年长三角地区新型城镇化和物流业两系统之间长期处于高水平耦合阶段，然而耦合协调度在0.354 5～0.599 7之间，横跨从低度失调到弱度协调三个阶段。其中，江苏省和浙江省长期处于弱度协调阶段，上海市长期处于弱度失调状态，安徽省经历了从低度失调到弱度失调的转变。同时需要注意的是江浙沪地区都是处于物流业滞后状态，而安徽省处于新型城镇化滞后状态。

（二）政策建议

第一，江浙沪地区2010—2019年新型城镇化效率都保持在很高的水平，安徽省新型城镇化效率水平相比较而言有差距，在未来发展过程中要增强江浙沪地区对安徽省的经济辐射作用，缩小地区差异，同时，安徽省政府也要因地制宜，结合本省资源、环境等实际情况，从人口、经济、社会、空间和环境五个方面入手加快新型城镇化产业结构和社会结构转型，发挥地方优势创新发展，全面提高新型城镇化的质量和效率水平。

第二，上海市和安徽省2010—2019年始终处于物流效率有效状态，而浙江省物流效率水平主要是受到规模技术效率水平的影响，江苏省物流效率水平主要是受到纯技术效率水平不高的影响，即规模因素和技术因素共同制约着江苏和浙江地区新型城镇化及物流业的发展。需要借助制度创新、管理理念创新等一系列方法，加强物流行业基础设施的建设，完善区域物流网络布局，加强信息化建设，从而提高物流业的质量和效率水平，有效引导物流产业进一步发展。

第三，长三角地区2010—2019年新型城镇化和物流业均处于高度耦合状态，但整体协调性还存在很大的提升空间。江浙沪地区都处于物流业滞后于新型城镇化状态，要顺应时代发展要求，创新物流体系，防止物流业滞后影响新型城镇化的发展。对于安徽省来说，新型城镇化滞后于物流业，需要根据政策不断创新，改变传统的发展模式，提高经济发展水平，加快城市化进程，建设更加科学的物流体系，防止既有物流能力的损失。