数字经济背景下智慧供应链发展水平测度
2024-04-29刘宇张思宇
刘宇 张思宇
关键词：智慧供应链；博弈论组合赋权法；系统聚类分析；马尔科夫链
中图分类号：F252 文献标识码：A 文章编号：2096-7934（2024）01-0019-12
一、引言
当前，地缘冲突、能源危机、保护主义与全球粮食危机等带来的供应链中断危机层出不穷，保障供应链的平稳运行是保证国民经济正常运转不可或缺的环节。2017年国务院出台的《关于积极推进供应链创新与应用的指导意见》以及2018年由商务部等8个部门出台的《关于开展供应链创新与应用试点的通知》都旨在推动供应链的智慧化发展，以柔性、敏捷性更强的智慧供应链应对供应链运作的不确定，进而织密、织牢民生保障网。与此同时，在数字经济背景下，智慧供应链的进步是数字经济发展的体现之一，有助于推动数字经济落到实处。而智慧供应链发展水平评价则是促进智慧供应链发展的重要步骤，对智慧供应链的发展水平进行评价，分析区域智慧供应链发展态势及聚类特征，根据分析结果提出相应政策与措施能进一步推动智慧供应链的良性发展。为此，本文旨在构建智慧供应链发展水平评价体系，为智慧供应链的发展提供更多依据。
就目前来看，国内外学者对供应链评价的研究较为丰富，但对智慧供应链发展水平评价的相关理论研究与实证研究仍寥寥无几。从评价对象来看，目前的研究对象多为某一特定企业或者行业，对区域供应链发展水平的评价较少，但对区域供应链进行研究能够较客观、有效地衡量供应链发展进程，挖掘供应链发展过程中存在的问题。李艳梅［1］（2020）构建了区域供应链发展潜力的指标体系，运用熵权法对我国跨境电商综合试验区城市供应链发展潜力进行评价，并根据其评价结果对区域供应链发展提出了政策上的几点建议。吴越［2］等（2023）对京津冀地区供应链网络的演化特征进行分析，依据分析结果提出经济发展水平、宏观政策、物流资源配置是影响区域供应链发展关键的因素。从评价体系来看，对于企业与行业供应链绩效评价，研究者多基于供应链运作参考模型（以下简称“SCOR模型”）、平衡计分卡（以下简称“BSC”）以及ROF（资源、输出、柔性）体系构建指标体系［3］，而对于区域供应链发展水平评价，研究者的指标体系分类较为分散。刘伟华（2021）［4］等学者在李玉凤和邢淋淋［5］（2017）等的研究基础上从基础设施建设情况、人力资源投入情况、供应链资金投入情况及供应链企业创新情况四个角度构建了城市智慧供应链评价指标体系。彭树霞等［6］（2021）结合智慧供应链相关文献和政府对智慧供应链行业的规划，提炼出供应链智慧化进程中的主要影响因素，从智慧供应链发展的创新性指标、协调性指标以及可持续性指标构建了智慧供应链评价指标体系。李波等［7］（2022）则基于我国供应链发展现状构建了市场、智慧技术、供应链和国家政策四个视角的智慧供应链评价指标体系。总而言之，针对于区域供应链发展水平评价指标体系，学者们制定的指标划分维度比较分散，指标选取内容也有较大差别。
由于物联网、大数据及云计算等技术的普及与运用，我国的智慧供应链推进进程比较迅速，但对智慧供应链发展水平评价相关理论与实践研究的支撑却较少，这影响了智慧供应链的发展。因此，本文在已有研究的基础上，基于ROF体系建立区域智慧供应链发展水平评价指标体系，旨在对区域智慧供应链发展水平评价提供依据，根据实证分析结果对区域智慧供应链发展提供建议。
二、研究设计
（一）智慧供应链发展水平指标体系构建
目前，国内外学者对区域智慧供应链发展水平评价的相关研究较少，其评价指标体系的构建更是匮乏，刘伟华、彭树霞等学者对智慧供应链发展水平评价指标体系的构建做出了较大的贡献，但这些学者构建的指标体系的依据各不相同，划分维度大相径庭，在指标选取上也存在一定的差异性。上文提到的SCOR模型和BSC模型主要是对某一特定企业或行业进行供应链评价时的理论依据，ROF体系是从影响供应链战略目标的几个影响因素入手，没有针对采购、生产及交付等某一特定环节的评价，比较适用于区域供应链发展水平评价体系的构建。因此，本文将依据ROF体系，对智慧供应链发展水平评价指标体系进行维度划分，将其划分为资源测度、输出测度和柔性测度三个维度，从区域资源、输出及柔性三个方面来评价其智慧供应链发展水平。
霍佳震教授（2002）提出针对集成式供应链的绩效评价可以从顾客价值和供应链价值来衡量，其中供应链价值可以从投入、产出和财务三个角度来衡量，顾客价值则主要依据柔性、可靠性等来衡量［8］。霍佳震教授提出的该评价体系中供应链投入包括人力成本、资产成本、信息成本和物流成本，产出则包括效益性指标（收入）和非效益性指标（对供应链发展有长期影响的指标），财务指标则用来衡量企业内部的盈利情况，本文针对区域供应链发展水平评价，不涉及某一具体企业的内部盈利。因此，不涉及财务指标。而一般而言，ROF模型中资源测度包括人力资源、设施设备、资本等，输出测度为供应链的产出效益，柔性测度则为供应链应对风险的能力［9］。尽管霍教授提出的该评价体系适用于供应链的绩效评价，但供应链的绩效一定程度上也能体现供应链的发展水平。因此，从供应链的资源、输出和柔性来评价供应链发展水平也相对合理。在此基础上，本文再根据“十四五”数字经济发展相关指标以及国务院出台的《关于进一步推进供应链创新与改革》文件的相关要求选取资源、输出、柔性指标，具体说明如下。
1.资源测度指标
资源及投入是衡量供应链发展的重要指标，资本投入、人力资源投入是资源测度最基本的衡量指标。根据以往研究者对区域物流、供应链发展的研究，主要选取与交通运输、仓储和邮政业的相关指标。因此，本文选取交通运输、仓储与邮政业的固定资产投入、从业人数及每年建成的项目数量来衡量供应链发展的资本及人力投入。针对供应链智慧度发展的资源，依据数字经济相关指标及智慧供应链可视化、移动化与自动化的相关特征，本文选取长途光缆线路长度、软件和信息技术服务业投资；科学研究和技术服务业从业人数；信息传输、软件和信息技术服务业从业人数；信息传输、软件和信息技术服务业建成项目数及有效发明专利数这6个指标来衡量供应链智慧度的发展资源。其中，长途光缆线路长度和信息传输、软件和信息技术服务业用来衡量移动化与信息化，科学研究和技术服务业及有效专利则是推动供应链自动化、智能化的重要因子和资源。
2.输出测度指标
输出测度为供应链的产出效益，即供应链带来的市场需求及效益。物流是供应链的重要环节之一，货物运输量与货物周转量能够较好衡量一个地区的物流市场需求。电子商务交易规模、软件和信息技术服务业规模、网上零售规模以及企业互联网平台应用率是“十四五”规划中数字经济发展的指标，在一定程度上能体现供应链在移动端、信息化上的产出，分别用企业电子商务交易总额（即电子商务销售额和电子商务采购额的总和）、软件和信息技术服务业收入、网上零售额以及每百家企业拥有的网站数量衡量。除此之外，本文还依据以往研究者对供应链发展评价的相关指标选取了第三产业生产总值这个指标。
3.柔性测度指标
柔性是供应链应对环境变化时的适应能力，供应链需要有一定的柔性来应对环境的变化，顾客对产品品类、数量的需求变化都会造成供应链环境的变化。但是，在顾客端却不存在环境的变化，顾客在意的是自身的需求能否快速得到响应与满足。因此，本文选取了货车周转时间和规模以上工业企业存货占资产比率两项指标来衡量供应链的柔性发展水平。货车周转时间越长说明供应链的时间柔性越差，而智慧供应链的自动化程度较高，运作效率也较高，因此该指标一定程度上也能反映智慧供应链自动化的潜在水平。规模以上工业企业存货占资产比率能够反映区域供应链的库存水平，库存越高对需求变化的反应能力越迟顿，供应链柔性越差。
综合上述依据，本文从资源、输出和柔性三个维度，选取了18个指标，构建了智慧供应链发展水平评价体系，具体指标如表1所示。
表1 智慧供应链发展水平指标体系
（二）研究方法
目前来看，针对区域供应链发展水平的测度或评价的相关研究较少，李波等将纵横向拉开档次法和双向激励法进行结合对我国发达六省市的智慧供应链发展水平进行了评价，彭树霞等运用基于层次分析法和熵权法的组合赋权方法构建了智慧供应链的发展指数，刘伟华等则运用层次分析法和信号灯模型构建了城市智慧供应链发展动态预测模型。本文在过往研究的基础上，运用博弈论组合赋权法将主、客观赋权方法进行结合，确定指标体系的各项权重。其中，主观赋权法选择应用范围最广、应用最频繁的层次分析法，客观赋权法选择基于评价对象面板数据、能够凸显出指标信息熵的熵权法。运用组合赋权法确定评价指标体系中的各项指标后，根据权重计算出各被评价对象的综合评价值，再运用系统聚类法对被评价对象进行聚类分析，最后运用马尔科夫链探究被评价对象智慧供应链发展状态的转移特征。
1.层次分析法
层次分析法能够体现某领域专家的判断力，是一种比较主观的评价方法。该方法是依据本行业专家的意见，对各层级的指标进行两两之间的优先级判断，验证判断矩阵的一致性，最后再通过计算判断矩阵的特征向量得到各指标的权重。
该方法主要分为建立层级结构模型、构建判断矩阵与一致性检验这三个步骤，本文依据ROF模型构建了二层结构，一级指标为资源、输出和柔性，各一级指标下又有若干二级指标，在具体的运算过程中，先依据1-9相对重要程度标度法两两之间进行比较构建判断矩阵，再依据判断矩阵的最大特征值和特征向量计算各指标的权重，最后检验计算出的一致性指标是否能通过一致性检验，如果可以则得到各指标的最终权重，如果无法通过，则需要对判断矩阵进行调整，直到能通过一致性检验。
2.熵权法
熵权法是一种依据信息熵来计算权重的客观赋权方法，信息熵越小的指标在综合评价时的影响越大，即权重越大。按照信息熵的定义，若一项指标的离散程度越大则信息熵越小，即权重越大。运用熵权法对指标进行赋权比较客观，能够避免人为带来的主观因素，普遍适用于时序数据、截面数据或面板数据指标的权重计算，该方法主要有以下几个步骤：
（1）数据规范化。本文指标体系中涉及的数据大多是与效益有关的正向指标，只有柔性中涉及的两项指标是负向指标，因此本文要对负向指标的相关数据进行正向化处理。除此之外，由于各时序数据的量纲不同，不对数据进行相关处理会使评价存在不合理性，需要统一量纲消除这种不合理性。
本文运用极差变换法对数据进行规范化处理，使得变换后每个指标都为正向指标，最优值为1，最劣为0。具体计算方法如下：
①极大型指标：
②极小型指标：
其中，X表示原数据，X′表示处理后的数据，max和min分别表示该组数据中的最大值与最小值。
（2）计算指标权重。熵权法的重要原理是计算各指标数据的离散程度，依据数据的离散程度来确定指标权重，具体步骤如下：
①数据平移：用极差变换法对数据进行标准化处理时会产生0值，0值会对接下来的计算步骤产生影响，所以第一步先对标准化后的每个数据加一个固定值a进行平移。
②熵值计算：依据信息熵的计算公式计算各指标的信息熵。
其中，K表示调节参数，K的计算公式如公式（5）所示，其中z表示每个指标拥有的截面数据数量：
③数据归一化：将计算出来的信息熵进行归一化处理。
④信息冗余度计算：各指标的信息冗余度di的计算方式如公式（7）所示。
⑤权重计算：依据各指标的信息冗余度计算其权重wi，其中n表示指标数量。
3.博弈论组合赋权法
组合赋权法是一种依据组合系数对多种赋权法进行整合的赋权方法，能较好地综合多种赋权方法的优势，本文运用组合赋权法将层次分析法与熵权法计算出的权重进行组合，解决单一赋权法过于主观或客观的问题。组合赋权法的关键在于组合系数的确定，博弈论是研究具有斗争或者竞争性质现象的数学方法，从本质上来说主观赋权和客观赋权具有一定的对立性，因此，本文的组合系数采用博弈论组合赋权法确定，即组合系数依据组合后的权重与原来各权重的离差最小这个基本原理来确定，该方法分为以下几个步骤：
①构造综合权重w：运用n种方法计算组合权重，各方法计算出的权重为wi（i=1，2……n）组合系数为α*i（i=1，2……n），综合权重w的表达式如公式（9）所示：
②基于离差最小思想构建目标函数并计算组合系数：依据离差最小化思想可以建立公式（10）所示目标函数，依据该目标函数可以计算得到归一化前的组合系数αi（i=1，2……n）。
③对组合系数进行归一化处理：
④计算综合权重：依据归一化的组合系数及综合权重计算方法计算出组合后的综合权重。
4.系统聚类法
系统聚类法是聚类分析的一种方法，其原理是先将最靠近的对象聚为小类，再把已经聚成的小类按照距离最近的方式聚类，直到所有对象聚成一个大类为止。该方法的算法流程如图1所示：
图1 系统聚类法流程
5.马尔科夫链统计分析方法
马尔科夫链统计分析方法是通过计算转移概率来构建转移概率矩阵进而对一段时间内各发展类型相互之间的状态转移的概率，马尔科夫链的一大特点是状态xt的分布情况仅与xt-1的状态分布有关。本文运用马尔科夫链对省域智慧供应链发展水平状态转移特征进行分析，该模型随机变量的概率满足以下条件：
设定转移矩阵中的元素为Pij，则Pij的计算公式如公式（13）。其中nij为观测期内由t-1年属于i类型转移到t年属于j类型的省份数量，ni则表示在观测期内属于i类型的省份数量，将智慧供应链的发展分为N个状态则可以构建出N×N的状态转移矩阵。
三、实证分析
长江经济带覆盖11省市，人口和经济总量超过全国的40%，是我国具有全球影响力的内河经济带，也是东中西合作的协调发展带，通过研究长江经济带智慧供应链的发展水平探索提升长江经济带智慧供应链发展水平的路径，依托智慧供应链发展水平的提升来推动该区域经济的数字化及不同省份之间的协调发展对经济的高质量发展起着至关重要的作用。因此，本文以长江经济带的11个地区为被研究对象，考虑到数据的可获取性以及国务院出台供应链创新相关文件的时间节点，本文依据该区域2016年至2021年的相关数据对其智慧供应链发展水平进行评价。
本文选取的数据主要来源于统计局公布的统计年鉴，其中，网上零售额O1、第三产业生产总值O2、货物运输量O3、货物周转量O4、货车周转时间F1及规模以上工业企业存货占资产比率F2这6项指标的相关数据来自《上海统计年鉴》《江苏统计年鉴》《安徽统计年鉴》等长江经济带11省（市）的统计年鉴，其余指标的相关数据均来自《中国统计年鉴》。由于本文涉及到的指标较多、地区较广、年份上也存在一定跨度，因此，在进行数据收集时尽可能地保证数据口径的一致性与可比性，对于个别缺失值进行了缺失值处理。
（一）基于综合评价方法的智慧供应链发展水平分析
首先依据5位专家构建的判断矩阵运用层次分析法计算出各指标的权重w1，其次运用熵权法依据长江经济带2016年至2021年各指标的面板数据计算出各指标的权重w2，根据博弈论组合赋权法的原理，代入w1与w2计算得到组合系数α*1和α*2分别为0.5189和0.4811，最后再运用线性组合的方式计算得到综合权重w，各指标对应的w1、w2以及w如表2所示。
表2 各指标各指标对应的各项权重
将计算出的综合权重与长江经济带各指标的面板数据线性加权可以得到各地区2016年至2021年智慧供应链发展水平的综合得分，各地区综合得分如表3所示，各地区2016年至2021年综合得分发展趋势如图2所示。
表3 长江经济带各省（市）智慧供应链发展水平综合得分比较
图2 长江经济带各地区2016-2021年发展趋势比较
从表3的测算数据及图2的发展趋势比较可以得知，从时间维度上来看，长江经济带各地区2016年至2021年智慧供应链发展水平尽管存在波折，但总体上呈上升趋势。其中，从增速来看，2019年至2020年长江经济带智慧供应链发展水平上升趋势较为平缓且部分地区出现回落现象，这大概率是2020年的新冠肺炎疫情带来了较大的供应危机和国民经济发展的回落，进而给智慧供应链的发展造成了一定程度上的停滞。2020年至2021年的整体上升趋势最显著，这说明2020年以后，长江经济带在疫情常态化的背景下，进一步推进了数字经济的发展，明确了智慧供应链对供应链平稳运作的重要性，通过加大对智慧供应链的人力、资本等投资实现了智慧供应链的进一步发展。
从空间维度上来看，长江经济带各地区智慧供应链发展水平不一，存在一定差异，发展不协调的现象较为明显。智慧供应链发展水平较高的地区主要为四川省和集中在长江经济带下游的江浙沪地区，而云南、贵州和江西则由于资源、产业结构、地理位置等原因智慧供应链发展仍处于较低水平。其中，从增速来看，上海和浙江的增速始终为正，增速较快且较持续，波折较小，而江苏省尽管智慧供应链发展水平始终处于较高的位置，但其增速一直较慢且在该时期内出现了回落的现象。这说明大力投资和发展科学技术行业的上海和大力发展数字经济的浙江依托科技发展和模式的更新及电子商务实现了智慧供应链发展水平的稳步增长，而以重工业为主要支柱的江苏省在智慧供应链发展前期具有经济体量上的优势，随着智慧供应链发展对第三产业发展水平要求的提升，江苏省智慧供应链发展水平的增长存在动力不足的现象。
（二）系统聚类结果分析
结合文章对长江经济带各地区智慧供应链发展水平的测算结果，运用SPSS软件，依据聚类分析的逻辑原理画出2016年至2021年的聚类谱系，对长江经济带各地区智慧发展水平划分层次，进行分类，确定分类数和每个省份所属的类别，2021年聚类谱系如图3所示。
图3 2021年聚类谱系
从聚类谱系可以得知，长江经济带的智慧供应链发展水平可以分为四类，低水平、中水平、中高水平和高水平类。在2016年至2021这6年内，其中，江西省、云南省始终位于低水平类；贵州省除2018年属于中水平类，其余期间均属于低水平类，湖北省、安徽省、浙江省以及四川省2016年至2018年均属于中高水平类；2019年后安徽省逐渐转为中水平类，反之，浙江省则逐渐转为高水平类。上海和江苏省在此期间内则始终保持在高水平类内。
根据聚类结果可以得知，长江经济带智慧供应链发展水平在地域上存在不均衡、不协调的现象，不同地区之间智慧供应链发展水平差距较大，发展水平较高的地区主要集中在长江经济带中下游的发达地区。从各地区三项一级指标的得分来看，属于智慧供应链发展低水平类的地区在资源指标上均得分较低，与高水平发展类差距较大，这说明，低水平类地区在智慧供应链发展上缺乏资金与人力，对信息化、数字化以及科研的投入也有待提高。
（三）马尔科夫链统计结果分析
为了进一步探索长江经济带智慧供应链发展水平的内部转移特征，结合测算的数据和系统聚类的结果将发展水平分为四类，按照四分位划分的方法各水平对应的区间min，1.1885；1.1885，1.3424；1.3424，1.4538；1.4538，max。将2016年至2021年长江经济带各地区智慧供应链发展综合得分面板数据代入随机马尔可夫模型，测算得到长江经济带一年后各水平类转移到其它水平类的概率，随机马尔科夫链状态转移概率矩阵如表4所示，矩阵对角线以外的数值表示向其它状态转移的概率。
表4 长江经济带智慧供应链发展水平状态转移概率矩阵
根据表4的状态转移矩阵可以得知各水平类向其它类转移的概率，主对角线概率明显高于转移概率，低水平类维持自身状态不变的概率为92.86%，中水平类维持自身状态不变的概率为73.33%，中高水平类维持自身状态不变的概率为78.57%，高水平类维持自身状态的概率为100%，这说明一年以后长江经济带各个水平类维持现有水平的概率大于状态发生转移的概率。与此同时，中、中高水平类向更高水平转移的概率明显大于更低水平类转移的概率，例如，中水平类向更低水平和更高水平类转移的概率分别为6.67%和20%，往高水平类转移的概率远大于往低水平类转移的概率。因此，总体来看，长江经济带各地区智慧供应链一定时期内的发展状态总体向好，较为乐观，整体上呈上升态势。
四、总结及建议
（一）总结
本文在数字经济背景下，首先，以智慧供应链的内涵及特征为出发点，从资源、输出和柔性三个层面构建了智慧供应链发展水平的评价指标体系，采用综合了主观层面层次分析法与客观层面熵权法的博弈论组合赋权法确定指标权重，并以我国连接东西地区的长江经济带为实例，测算了长江经济带11省（市）2016年至2021年智慧供应链发展水平。其次，结合测算结果运用系统聚类分析方法对长江经济带各地区智慧供应链发展水平进行聚类，分析该地区智慧供应链发展水平空间分布特征，发现该地区智慧供应链发展水平存在不协调的现象。最后，依据测算出的结果运用随机马尔科夫链探索长江经济带智慧供应链发展水平的内部转移特征，进一步判断接下来一段时间长江经济带智慧供应链发展的总体趋势。
（二）建议
从长江经济带的测算结果来看，各地区智慧供应链发展水平不一，存在较大差异，既存在普遍性问题又存在个性化发展问题。对于各地区智慧供应链发展水平不协调的问题，可以通过加强地区之间的协同、整合地区间的资源，优化区域内的资源配置，发挥下游智慧供应链资金、人力资源丰厚的优势，带动欠发展地区智慧发展水平的提升。欠发展地区要以当地的产业特点为中心形成不同特色的供应链集群，依托特色供应链集群融入智慧供应链发展水平较高地区。
从普遍性问题来看，长江经济带各地区在交通运输项目建成数、网上零售额、软件和信息技术服务业收入三项指标上得分普遍较低。因此，在大力发展智慧智慧供应链时要注意加大基础设施的应用、依托电子商务等提高供应链的产出比、通过提升信息化的应用来提高供应链的信息化、数据化程度，同时增加软件和信息技术服务业的收入。依托物联网、大数据、云计算等技术，通过加大智慧供应链发展的基础设施等实现智慧供应链发展水平的提升。
从个性化问题来看，以云南省、贵州省、江西省为代表的低水平类和以湖南省、重庆市、安徽省为代表的中水平类在资源测度中的交通运输、邮政业从业人数、科学研究和技术服务业从业人数、有效发明专利数等资源指标下得分与其它较高水平类差距较大。人力资源和与信息化有关的科技投入对智慧供应链的发展至关重要，相对于其它地区而言，这三个省份的人才的吸引政策、科技投入占比等仍有待进一步改善。对于这类发展智慧供应链时在资源维度上存在一定程度上匮乏的省份，可以采取“需求+资源”双向拉动的方式，依托电子商务扩大市场需求的同时合理布局产业结构，加大科学与信息技术投入。针对上海市、浙江省、江苏省等较高水平类可以采取“需求+技术”双向拉动的方式，与邻近省份达成协作的同时进一步加大数字化、信息化技术的投入，建立更加完善的人才吸引政策，依托技术和市场体量的优势实现智慧供应链发展水平的稳步增长。
总而言之，在数字经济背景下，实现智慧供应链的良性发展需要分析地区优劣势，找好抓点与驱动因子，制定合理、适宜的发展战略。
参考文献：
［1］李艳梅.我国区域物流供应链发展潜力测度及经济影响——以跨境电商综合试验区城市为例［J］.商业经济研究，2020，807（20）：115-118.
［2］吴越，李仰光.京津冀物流供应链网络演化特征及其影响因素研究［J］.商业经济研究，2023，860（1）：183-185.
［3］洪伟民，刘晋.供应链绩效评价研究综述［J］.商业研究，2006（8）：17-21.
［4］刘伟华，侯家和，袁超伦，等.基于改进的信号灯预警模型的城市智慧供应链发展动态预测研究［J］.工业技术经济，2021，40（2）：56-64.
［5］李玉凤，邢淋淋.智慧供应链绩效评价指标体系构建［J］.统计与决策，2017，471（3）：183-185.
［6］彭树霞，李波，甄紫嫣.智慧供应链发展指数的构建及评价研究［J］.工业技术经济，2021，40（11）：44-52.
［7］李波，韩飞燕，陈圣，等.基于综合评价方法的智慧供应链发展路径研究——以我国发达地区六个省市为例［J］.华东经济管理，2022，36（2）：66-74.
［8］霍佳震，隋明刚，刘仲英.集成化供应链整体绩效评价体系构建［J］.同济大学学报（自然科学版），2002（4）：495-499.
［9］程羽，李红.基于ROF模型的农产品供应链企业绩效评价［J］.江苏农业科学，2021，49（1）：202-208.
基金项目：2022年江西省社会科学基金项目“江西省新能源汽车制造业供应链智慧化升级机理及对策研究”（22GL20）
Measurement of the Development Level of Intelligent Supply
Chain under the Background of Digital Economy：
Take the Yangtze River Economic Belt as an Example
LIU Yu，ZHANG Si-yu
（Jiangxi University of Science and Technology， Business School， Nanchang， Jiangxi 330013）
Abstract：The integration of technologies such as the Internet of Things， cloud computing and big data has promoted the development of the digital economy as well as the regional smart supply chain.The Yangtze River Economic Belt is an important region connecting the east and west， and the development level of its smart supply chain is an important basis for judging its benign development.Therefore， based on the background of digital economy， this paper constructs an evaluation system for the development level of intelligent supply chain in the Yangtze River Economic Belt from three dimensions of resources， output and flexibility， uses the combination weighting method of game theory to determine the weights of each index， and calculates the development level of intelligent supply chain in 11 provinces （municipalities） of the Yangtze River Economic Belt from 2016 to 2021.By using the method of systematic clustering analysis and Markov chain statistical analysis， this paper explores the spatio-temporal characteristics and future development trend of intelligent supply chain in the Yangtze River Economic Belt， and puts forward corresponding suggestions on the development of intelligent supply chain according to the analysis results.
Keywords： intelligent supply chain; combinatorial weighting method of game theory; system cluster analysis; markov chain
