数字经济对绿色物流发展的影响机制及区域差异研究

尹慧 马骋 曹吉峰

摘要：基于2010—2021年中国30个省份面板数据，通过熵值法计算数字经济发展水平，构建固定效应模型和中介效应模型，从数字经济视角出发探究影响绿色物流发展的作用机制。研究结果表明，数字经济显著促进绿色物流发展，同时表现出明显区域差异，东部地区数字经济对绿色物流的影响在5%水平上显著，中部地区在1%水平上显著，而西部地区不显著；中介效应检验结果表明，数字经济可通过刺激技术创新、推动产业结构升级、提高绿色配送效率来促进绿色物流发展。

关键词：数字经济；绿色物流；数据包络分析；中介效应

中图分类号：

F259.2

文献标志码：A

中国作为全球第二大经济体，正加速迈入数字经济时代，不断向数字化、智能化转型[1-2]。《中国数字经济白皮书（2021年）》指出，数字经济产出已占国内生产总值（GDP）三分之一，成为推动经济增长的主要引擎之一。数字经济的快速发展推动生产生活方式的深刻变革，并给物流业发展提供新机遇[3]。与此同时，物流业的快速发展也带来环境污染与资源过度消耗等问题。因此，作为一种环保、可持续的物流方式，绿色物流受到越来越多的关注，强调物流过程中减少资源消耗、降低污染排放，实现经济效益与环境效益的双赢。为促进绿色物流发展，2021年《国务院关于加快建立健全绿色低碳循环发展经济体系的指导意见》发布，强调要加快绿色物流发展，要求以绿色物流为突破口，带动上下游企业发展绿色供应链。菜鸟、顺丰等物流企业已采取使用环保包装材料、快递包装回收等绿色物流措施[4-5]，但绿色物流的发展仍存在沟通效率低、配送路线欠优化、配送成本高等问题。而数字经济强调信息流、资金流、人才流的数字化[6]，通过提供先进大数据分析、人工智能等技术发挥海量数据处理能力，打破信息壁垒，优化物流路线，推动绿色物流发展[7]。目前数字经济与绿色物流均受到学术界的广泛关注[8-9]，但大多数学者往往将两者独立进行研究，忽略两者之间的关系。在现实绿色供应链中，将数字技术应用到绿色物流发展已成为企业解决信息沟通效率低、供应链协同不足、配送成本高等问题的有效手段。由此可见，数字经济和绿色物流的关系非常密切，深入研究数字经济发展对绿色物流的影响机制尤为必要。综上，本文基于2010—2021年中国30个省份的面板数据，考虑投入指标、期望产出指标、非期望产出指标维度，运用DEA-SBM模型测算绿色物流效率，构建固定效应和中介效应模型，探究数字经济对绿色物流的影响和作用机制，并将研究样本分为东、中、西部进行异质性检验，全面深入地分析二者关系。

1 研究假设

数字经济发展环境下，企业使用互联网技术赋能物流领域，降低业务资源消耗，实现生产管理效率的提升[10]。数字经济能满足物流行业的绿色发展需求，数字化运营平台通过覆盖物流运输全流程，突破行业多种限制因素，为绿色物流行业发展奠定坚实基础[11]。数字化转型能够提高物流业的整体运行效率，绿色物流发展离不开数字化转型，数字化已成为物流行业共识[12]。因此，提出假设：

H1：数字经济对绿色物流发展具有显著促进作用。

数字经济通过数字产业化和产业数字化直接促进技术创新水平提高[13]，数字经济对技术创新具有直接和间接促进效应，且直接效应的促进作用更强[14]。数字经济通过改变资本、创新、效率、劳动等要素在产业间的配置，推动技术创新[15]，而物流业作为新兴产业发展迅速，发展过程中由于缺乏技术、人才、设备等资源，出现资源利用不合理、能源过度消耗等问题[16]，影响绿色物流的可持续化发展。长期来看，技术创新水平的不断提升和大量先进物流设备的投入使用能够推动物流业的发展，降低物流成本，提高生产流通效率，是推动物流业发展进步与变革的重要力量。因此，提出假设：

H2：数字经济通过加强技术创新能力，推动绿色物流发展。

随着数字经济发展，数字技术可激发新模式、新产业、新业态的出现，对产业结构升级起到推动作用[17]。产业结构升级与绿色物流发展之间存在密切关系，产业结构优化使经济增长更具效率[18]和企业竞争更加激烈的同时，还使消费者对环保和可持续发展的意识逐渐增强并更加注重企业环保和社会责任[19]，促使企业采取更加环保的措施以提高自身竞争力。因此，提出假设：

H3：数字经济发展通过影响产业结构升级，促进绿色物流发展。

数字经济的发展是通过各种数字技术实现的，这些数字技术也能作用于物流行业，提高物流效率[20]，比如，通过数据分析和智能化手段预测某一地区的消费需求，从而提前安排货源和配送路线，减少空驶和重复行驶情况，降低碳排放量。数字技术的无尽连接能力和海量数据处理能力能够打破信息壁垒，形成纵向互联、横向相通的物流产业生态圈，弱化产业边界[21]，提高物流配送效率[22]，促进绿色物流发展。因此，提出假设：

H4：数字经济发展通过提高绿色配送效率，促进绿色物流发展。

2 研究设计

2.1 构建模型

为减少随年份或省份变化的不可观测因素的潜在影响，采用固定效应模型考察数字经济对绿色物流发展的影响，模型设定为

greenit=β0+β1digitit+β2Xit+ηi+λt+εit（1）

其中，greenit表示绿色物流，i为省份，t为年份，digitit为数字经济，β1为解释变量的回归系数，β0为截距项，Xit为控制变量，β2为控制变量的回归系数，ηi为省份固定效应，λt为年度固定效应，εit为随机干扰项。

为验证数字经济对绿色物流的作用机制，构建中介效应模型

Pit=θ0+θ1digitit+θ2Xit+ηi+λt+εit（2）

greenit=γ0+γ1digitit+γ2Pit+γ3Xit+ηi+λt+εit（3）

其中，Pit为中介变量，θ1为数字经济对中介变量的影响，γ1为核心解释变量估计系数，γ2为中介变量估计系数，r3为控制变量的估计系数。

2.2 变量说明

2.2.1 被解释变量 根据已有研究[23]，基于投入指标、期望产出指标和非期望产出指标层面构建绿色物流指标体系，采用DEA-SBM法[24]测度绿色物流发展水平（green）（表1）。

2.2.2 核心解释变量 根据已有数字经济指标衡量方法[25-26]和数字经济发展内涵，选取数字经济基础设施、技术发展、技术应用和发展规模作为一级指标构建数字经济指标体系，数字经济（digit）作为核心解释变量通过熵值法测算（表2）。

2.2.3 中介变量 技术创新（ln patent）：采用专利授权数的自然对数测度；产业结构升级（sh）：产业结构升级水平定义为sh=y1+2y2+3y3，其中，y1、y2、y3分别表示第一产业、第二产业、第三产业占国内生产总值比重；绿色配送效率（efficiency）：单位配送货物产生的碳排放量，即运货量/物流业碳排放。

2.2.4 控制变量 市场化水平（market）用《中国市场化指数—分省份市场化指数报告（2021）》中各省份的市场化总指数衡量；城镇化水平（urban）用常住人口城镇化率衡量；对外开放水平（ln trade）用年度进出口总额的自然对数衡量；经济发展水平（ln gdp）用国内生产总值的自然对数衡量；教育发展水平（human）用普通高校在校生人数占年末总人口的比重衡量。

2.3 数据来源

指标数据均源自《中国统计年鉴》《中国第三产业统计年鉴》《中国科技统计年鉴》及国家统计局官网。结合年鉴最新统计数据年份结果和年鉴统计指标年动态变化，确定研究区间为2010—2021年，采用线性插值法填充缺失数据年份（表3）。

3 实证分析

3.1 基准回归结果分析

基于2010—2021年的省级面板数据，采用模型（1）回归可知，数字经济在1%水平上对绿色物流具有显著促进作用（表4）。控制固定效应和省份特征后，省份数字经济指数每增加1个单位，促使绿色物流发展水平提高0.051个单位，市场化水平、教育发展水平与绿色物流发展水平存在显著的正向关系。H1由此验证。

整体样本划分为11个东部省份（北京、上海、广东、河北、山东、辽宁、浙江、天津、福建、江苏、海南）、8个中部省份（山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南）、11个西部省份（广西、四川、陕西、宁夏、贵州、甘肃、重庆、云南、青海、内蒙古、新疆），考察数字经济对绿色物流发展影响的区域异质性。东部、中部省份的核心解释变量系数显著为正，表明数字经济可明显促进东部、中部省份绿色物流发展，对西部省份绿色物流发展作用不明显。这是因为西部省份相较于东部、中部省份整体经济发展水平低，物流需求相对有限，制约绿色物流在西部地区的市场规模和发展潜力。西部地区数字经济基础设施和人才储备以及技术创新方面相对不足，进一步限制西部地区物流企业在数字技术方面的研发和应用能力。

3.2 内生性检验

为研究模型的内生性，用解释变量的滞后一期作为工具变量来拟合模型。表5中（1）列为工具变量对解释变量的回归模型结果，（2）列为自变量在控制工具变量后，对被解释变量的回归结果。结果表明，解释变量每增加一个单位，被解释变量将增加0.092个单位。通过豪斯曼检验来比较固定效应模型和控制工具变量后的模型，检验结果为chi2（6）=2.33（P=0.887），不具有显著性，表明基准回归模型不存在内生性问题。

3.3 稳健性检验

通过剔除直辖市、缩尾处理，基于原计量模型（1）重新回归完成稳健性检验（表6）。

（1） 剔除直辖市。由于天然的政策优势，可能存在较多影响直辖市绿色物流发展的因素，进而干扰估计结果的有效性。因此针对剔除直辖市（北京、天津、上海、重庆）的样本重新回归，核心解释变量的系数值有所下降，但仍然在1%的水平上显著，基本结论保持不变（表6）。

（2） 缩尾处理。极端值会增大回归方差，降低估计结果的有效性。为避免异常值的潜在影响，所有连续变量在1%和99%分位点做缩尾处理，以模型（1）为基础重新回归，核心解释变量的系数保持在1%的水平上显著为正，表明本文研究结论稳健。

综上，本文基本结论保持不变，回归结果具有稳健性，数字经济显著促进绿色物流发展。

3.4 中介效应检验

以技术创新为被解释变量采用模型（1）回归分析结果见表7第（1）列，核心解释变量的系数在10%水平上显著为正，表明数字经济发展有利于刺激技术创新。第（2）列为绿色物流发展同时对数字经济和技术创新进行回归的结果，核心解释变量的系数值相比表4第（1）列的结果0.051有所降低，且变量ln patent的系数在1%水平上显著为正。Sgmediation命令检验过程中提供的Sobel显著性检验在10%水平上显著，且技术创新在数字经济对绿色物流发展影响的中介效应比例为17.6%。因此，数字经济可以通过刺激技术创新，进而促进绿色物流发展。同理，表7第（3）、（4）列的产业结构升级和第（5）、（6）列的绿色配送效率影响机制检验也得到类似的结果。

技术创新的中介效应（17.6%）高于产业结构升级（10.4%）和绿色配送效率（2.4%），技术创新作为推动物流行业变革的核心动力，在数字经济时代尤为重要，新技术的出现和应用往往能够直接提升物流效率，从而推动绿色物流的发展。而产业结构升级是一个相对宏观和长期的过程，涉及整个物流产业链的调整和优化，其效应显现需要更长的时间；绿色配送效率的提高依赖于技术创新和基础设施支持，在数字经济的影响下，虽然绿色配送效率得到提升，但受到基础设施等多方面条件的制约，因此其中介效应比例较低。

综上，技术创新、产业结构升级和绿色配送效率在数字经济与绿色物流发展的关系中存在中介效应，作用链条为“数字经济发展——技术创新增多、产业结构升级、绿色配送效率提升——绿色物流发展”。数字技术的广泛应用使技术、信息、研发人员等资源的流动打破地域限制，促进绿色技术创新，提升绿色配送效率，为绿色物流发展提供强有力的技术支持。同时使原有产业生产效率提升，实现产业结构升级，进而大幅度提高绿色物流发展水平。由此可见，技术创新、产业结构升级、绿色配送效率是数字经济驱动绿色物流发展的有效途径。H2、H3、H4由此验证。

4 结论

本文通过熵值法测度中国30个省份2010—2021年间的数字经济发展水平，运用DEA-SBM模型测度绿色物流发展水平，分析检验数字经济对绿色物流的影响和作用机制。数字经济对绿色物流存在显著正向促进作用，数字经济可借助技术创新、产业结构升级、绿色配送效率提升的力量以推动绿色物流发展。由于西部地区经济发展相对落后，数字经济基础设施不完善，致使数字经济发展水平低，未能成为当地数字经济促进绿色物流发展的作用机制之一。据此建议，探索东中西部地区数字经济发展有效联动机制，将东部地区的技术、市场及人才等优势与中西部地区的丰富资源、政策支持等优势有效结合，推动形成东中西协调发展新格局；加大技术研发投入，促进数字化、智能化、自动化等融合创新，提高物流效率并降低成本；加强产业链合作，整合资源和技术，构建完整的绿色物流产业链；鼓励创业创新，积极引进先进的绿色物流技术和经验，推动绿色物流产业的升级和发展。

参考文献

[1]GUO Y X， DING H P. Coupled and coordinated development of the data-driven logistics industry and digital economy： A case study of Anhui Province[J]. Processes， 2022， 10（10）： 1-15.

[2]LI J， WANG Q M. Impact of the digital economy on the carbon emissions of China′s logistics industry[J]. Sustainability， 2022， 14（14）： 1-17.

[3]ZHANG W， LIU H L， YAO Y， et al. A study measuring the degree of integration between the digital economy and logistics industry in China[J].PloS ONE， 2022， 17（9）： 1-21.

[4]汪洋， 陈运军， 卢正才，等. “双碳”目标背景下数智化技术赋能菜鸟全链路绿色物流应用研究[J]. 物流科技， 2022， 45（14）： 52-55.

[5]陈燕. 物流的绿色包装——以顺丰物流为例[J]. 商场现代化， 2017（14）： 65-67.

[6]孙金岭， 朱沛宇. 基于SBM-Malmquist-Tobit的“一带一路”重点省份绿色经济效率评价及影响因素分析[J]. 科技管理研究， 2019， 39（12）： 230-237.

[7]梁雯， 郑锐. 长三角地区数字经济、制造业与物流业效率耦合协调发展研究[J]. 平顶山学院学报， 2023， 38（5）： 79-85.

[8]马述忠， 柴宇曦. 数字贸易成本及其分解：内涵与外延——兼论数字经济时代交易成本的节约路径[J]. 改革与战略， 2023， 39（5）： 18-33.

[9]刘傲宇. 数字经济背景下物流企业经营模式创新路径研究[J]. 商场现代化， 2023（19）： 8-10.

[10] 郭丰， 杨上广， 任毅. 数字经济、绿色技术创新与碳排放——来自中国城市层面的经验证据[J]. 陕西师范大学学报（哲学社会科学版）， 2022，51（3）： 45-60.

[11] 彭硕毅， 张营营. 区域数字经济发展与企业技术创新——来自A股上市公司的经验证据[J]. 财经论丛（浙江财经学院学报）， 2022， 289（9）： 3-13.

[12] 张蓉. 我国省域数字经济与绿色物流协同发展探讨[J]. 商业经济研究， 2023（18）： 90-94.

[13] 滕耀凯， 孙毅. 数字经济对城乡高质量融合发展的影响研究[J]. 青岛大学学报（自然科学版）， 2022， 35（3）： 64-71.

[14] 宋洋. 数字经济、技术创新与经济高质量发展：基于省级面板数据[J]. 贵州社会科学， 2020（12）： 105-112.

[15] 杨守德. 技术创新驱动中国物流业跨越式高质量发展研究[J]. 中国流通经济， 2019， 33（3）： 62-70.

[16] 王园园， 王亚丽. 数字经济能否促进产业结构转型？——兼论有效市场和有为政府[J]. 经济问题， 2023（3）： 35-44.

[17] 张姝， 王雪标. 数字经济对产业结构升级影响的实证检验[J]. 统计与决策， 2023， 39（3）： 15-20.

[18] 刘和东， 纪然. 数字经济促进产业结构升级的机制与效应研究[J]. 科技进步与对策， 2023， 40（1）： 61-70.

[19] 高秀丽，孟飞荣. 物流业发展对产业结构优化的实证分析——基于空间面板杜宾模型[J]. 热带地理， 2013， 33（6）： 703-710.

[20] 张韵钧， 李佛赏. 数字物流对区域绿色经济的赋能效应研究[J]. 商业经济研究， 2023（15）： 120-123.

[21] GAN W H， YAO W P， HUANG S Y. Evaluation ofgreen logistics efficiency in Jiangxi Province based on three-stage DEA from the perspective of high-quality development[J]. Sustainability， 2022，14（2）： 797-816.

[22] 凌梓华. 基于DEA模型数字经济对物流效率的影响研究[J]. 中国储运， 2023（3）： 74-75.

[23] 何景师， 王术峰， 徐兰. 碳排放约束下我国三大湾区城市群绿色物流效率及影响因素研究[J]. 铁道运输与经济， 2021， 43（8）： 30-36.

[24] TONE K. A slacks-based measure of efficiency in data envelopment analysis[J]. European Journal of Operational Research， 2001， 130（3）： 498-509.

[25] 赵涛， 张智， 梁上坤. 数字经济、创业活跃度与高质量发展——来自中国城市的经验证据[J]. 管理世界， 2020， 36（10）： 65-76.

[26] 汤渌洋， 鲁邦克， 邢茂源， 等. 中国数字经济发展水平测度及动态演变分析[J]. 数理统计与管理， 2023， 42（5）： 869-882.

Research on the Impact Mechanism and Regional Differences of

Digital Economy on the Development of Green Logistics

YIN Hui， MA Cheng， CAO Ji-feng

（School of Business， Qingdao University， Qingdao 266061， China）

Abstract：

Based on panel data of 30 provinces in China from 2010 to 2021， the development level of the digital economy was calculated by using the entropy method， and a fixed effect model and a mediation effect model were constructed to explore the mechanisms that affect green logistics development from the digital economy perspective. The research results show that the digital economy significantly promotes green logistics and exhibit significant regional differences. The impact of the digital economy on green logistics is significant at the 5% level in the eastern region， significant at the 1% level in the central region， and not significant in the western region. The test results of mediation effect indicate that the digital economy promotes the development of green logistics by stimulating technological innovation， pushing industrial structure upgrading， and improving green distribution efficiency.

Keywords：

digital economy; green logistics; data envelopment analysis; mediation effect