王輝坡, 王利梅
(河北工程大學(xué) 管理工程與商學(xué)院,河北 邯鄲 056038)
作為以物流互聯(lián)網(wǎng)和物流大數(shù)據(jù)為依托,通過協(xié)同共享創(chuàng)新模式和人工智能先進技術(shù)重塑產(chǎn)業(yè)分工、再造產(chǎn)業(yè)結(jié)構(gòu)、轉(zhuǎn)變產(chǎn)業(yè)發(fā)展方式新生態(tài)的智慧物流行業(yè),近年來隨著信息技術(shù)的不斷發(fā)展,已成為新的經(jīng)濟增長點,并且我國智慧物流市場規(guī)模呈現(xiàn)出高速增長的態(tài)勢。據(jù)中商產(chǎn)業(yè)研究院有關(guān)數(shù)據(jù)顯示,2020年中國智慧物流市場規(guī)模近6000億元,2021年中國智慧物流市場規(guī)模達(dá)6477億元,同比增長10.9%。他們預(yù)測,2023年中國智慧物流市場規(guī)模將達(dá)7903億元。從資本角度來講,市場的形成依賴于經(jīng)濟的快速增長,那么智慧物流市場之所以能保持高速增長的態(tài)勢,與經(jīng)濟的發(fā)展是否有著必然的聯(lián)系,將成為本文的研究重點。京津冀地區(qū)作為國家經(jīng)濟發(fā)展的重要區(qū)域之一,特別是伴隨智慧物流產(chǎn)業(yè)的快速崛起,日益受到業(yè)界和政府的關(guān)注。所以研究京津冀區(qū)域智慧物流發(fā)展水平與經(jīng)濟增長之間的關(guān)系對數(shù)字化背景下物流產(chǎn)業(yè)轉(zhuǎn)型升級、數(shù)字經(jīng)濟與物流產(chǎn)業(yè)融合以及提高流通效率有著重要的理論和現(xiàn)實意義。
智慧物流是利用大數(shù)據(jù)、云計算、智能制造等智能信息技術(shù),使供應(yīng)鏈系統(tǒng)更加智能化和自動化的物流形式。[1]近十年來,隨著科技的進步,學(xué)者們越來越重視智慧物流的研究。例如,有的學(xué)者對智慧物流是什么、發(fā)展現(xiàn)狀如何、存在什么問題等方面進行了研究。[2-7]有的學(xué)者則從政府的角度研究了政府鼓勵政策對智慧物流的影響[8-9],并研究智慧物流的未來趨勢[10]。有的從公司的角度設(shè)計先進的智能算法來解決倉儲和配送以及優(yōu)化問題[11-13],并研究了無線傳感器[14-15]、物聯(lián)網(wǎng)[16-18]、區(qū)塊鏈、人工智能[19]和云計算[20]等技術(shù)在物流中的應(yīng)用,還研究了智能物流公司的戰(zhàn)略選擇,如定價策略[21]、選址策略[22]和協(xié)同創(chuàng)新策略[23]。與這些研究不同的是,本文的研究重點是構(gòu)建智慧物流發(fā)展情況評價指標(biāo),運用空間計量的方法研究智慧物流發(fā)展與經(jīng)濟增長之間的關(guān)系,分析智慧物流發(fā)展是否得益于經(jīng)濟的發(fā)展。
在現(xiàn)代經(jīng)濟中,物流的發(fā)展已經(jīng)成為經(jīng)濟增長的主要動力和現(xiàn)代化的標(biāo)志,物流業(yè)被稱為經(jīng)濟增長的“新引擎”和“第三利潤源”。所以,物流發(fā)展與經(jīng)濟發(fā)展之間的關(guān)系一直以來都是國內(nèi)外學(xué)者們的研究重點。他們通過構(gòu)建不同的數(shù)學(xué)模型,使用不同的分析方法對物流與經(jīng)濟增長之間的關(guān)系進行研究后發(fā)現(xiàn),經(jīng)濟發(fā)展必然導(dǎo)致物流需求增長,進而導(dǎo)致物流供給能力的提高,而物流供給能力的提高又反過來促進了經(jīng)濟的增長,而且有利于帶動其他產(chǎn)業(yè)的發(fā)展[24-25]。物流與不同的經(jīng)濟要素之間的關(guān)系也不盡相同,王雨琪(2022)[26]基于灰色關(guān)聯(lián)分析研究了腹地經(jīng)濟對港口物流的影響,發(fā)現(xiàn)進出口總額、第一產(chǎn)業(yè)增加值和工業(yè)增加值對港口物流增長影響較大,固定資產(chǎn)投資和第三產(chǎn)業(yè)增加值對港口物流的發(fā)展影響較小。Xie Ruhe(2022)[27]發(fā)現(xiàn),第三產(chǎn)業(yè)增加值、人均國內(nèi)生產(chǎn)總值(GDP)和居民消費水平是影響冷鏈物流發(fā)展的主要因素,人均冷庫容量、道路冷鏈貨運周轉(zhuǎn)量和冷鏈物流人力用量是影響經(jīng)濟發(fā)展的主要因素。賀玉德等(2015)[28]構(gòu)建DEA模型,研究了四川省區(qū)域物流和區(qū)域經(jīng)濟發(fā)展之間的協(xié)同發(fā)展效度,提出從建立產(chǎn)業(yè)集群和產(chǎn)業(yè)聯(lián)動角度來實現(xiàn)兩者之間的協(xié)同發(fā)展。所以,人們已經(jīng)認(rèn)識到,經(jīng)濟增長對現(xiàn)代物流的需求刺激了現(xiàn)代物流的發(fā)展,認(rèn)為物流與經(jīng)濟發(fā)展之間的關(guān)系不是相互排斥的,而是相互作用的。換句話說,物流促進了經(jīng)濟的發(fā)展,而經(jīng)濟的發(fā)展要求物流的進一步發(fā)展,從而推動了物流業(yè)的完善。
綜上所述,目前關(guān)于物流發(fā)展對經(jīng)濟影響的研究多于經(jīng)濟發(fā)展會給智慧物流發(fā)展帶來何種變化的研究,并且對于智慧物流的研究主要集中在發(fā)展趨勢和新技術(shù)的應(yīng)用。所以,本文基于以上兩點通過構(gòu)建智慧物流測評指標(biāo)衡量京津冀區(qū)域智慧物流發(fā)展水平,運用空間計量的方法分析了經(jīng)濟要素對智慧物流發(fā)展的影響。
進行空間計量分析的前提條件是所研究的屬性是否存在空間相關(guān)性。全局空間自相關(guān)分析屬性值在整個區(qū)域空間上的特征描述,主要是用來說明空間鄰接或空間臨近區(qū)域單元具有的相似程度[29]。全局Moran′s I指數(shù)是測度空間相關(guān)性最常用的指數(shù),取值范圍在[-1,1]之間,若0 (1) 根據(jù)地理學(xué)第一定律指出“任何實物都是緊密相連的,且越相鄰的事物連接越緊密”。而空間權(quán)重矩陣即可描述事物間的關(guān)聯(lián)程度。根據(jù)類型可分為鄰接矩陣和距離矩陣。鄰接矩陣遵循傳統(tǒng)定義,即有共同邊界的城市為1,否則為0。[31]考慮到鄰接矩陣的構(gòu)建依據(jù)是兩個地區(qū)是否相鄰,其體現(xiàn)的空間關(guān)系過于簡單,可能會對真實的空間關(guān)系反映得不太全面,所以本文為了保證相關(guān)因素對京津冀區(qū)域智慧物流發(fā)展作用的全面性,采用經(jīng)濟距離矩陣進行計算。經(jīng)濟距離矩陣計算公式如下: (2) 其中,PGDP取值為考察期中相應(yīng)城市的平均值。 考慮到影響京津冀區(qū)域智慧物流發(fā)展的各個要素在區(qū)域內(nèi)流動較為頻繁,一個城市的智慧物流發(fā)展很可能受到周邊城市技術(shù)、經(jīng)濟等的溢出影響。所以,如果忽略它們在空間上的相關(guān)性或許會導(dǎo)致模型設(shè)定出現(xiàn)誤差,因此,本文在構(gòu)建空間計量模型時,首先將模型設(shè)定為空間杜賓模型(SDM),再通過空間計量檢驗判斷其是否會退化為空間自回歸模型(SAR)或者空間誤差模型(SEM)。模型設(shè)定如下: (3) 熵權(quán)法是一種客觀賦權(quán)的評價方法,操作性強,并且能夠有效反映數(shù)據(jù)隱含的信息。TOPSIS是一種基于距離的綜合評價方法,通過檢測待估對象到最優(yōu)解和最劣解的距離進行排序。熵權(quán)-TOPSIS法是將熵權(quán)法的客觀賦權(quán)與TOPSIS法的多屬性決策排序相結(jié)合,在TOPSIS法構(gòu)造加權(quán)規(guī)范化矩陣的過程中,利用熵權(quán)法得到的權(quán)重加以運算[32]。這樣不僅保持了熵權(quán)法的客觀性,又包含了TOPSIS法的嚴(yán)謹(jǐn)性,可以幫助決策者得出更加科學(xué)的評價。本文基于熵權(quán)-TOPSIS法構(gòu)建了京津冀區(qū)域智慧物流發(fā)展指標(biāo)。 被解釋變量為IL,表示一個地區(qū)的智慧物流發(fā)展水平。參考文麗青(2015)[33]、張建超等(2017)[34]等對智慧物流指標(biāo)的選取,本文選取產(chǎn)業(yè)規(guī)模和數(shù)字化水平作為一級指標(biāo),并對應(yīng)選取了八個二級指標(biāo),通過熵權(quán)-TOPSIS法得到最終衡量智慧物流發(fā)展水平的綜合指標(biāo),具體見表1。 表1 智慧物流評價指標(biāo)體系及權(quán)重 文章利用SPSSPRO對智慧物流數(shù)據(jù)處理后得出京津冀區(qū)域內(nèi)各城市智慧物流發(fā)展情況,最終得分見表2。根據(jù)表2得分?jǐn)?shù)據(jù)可知,京津冀區(qū)域智慧物流發(fā)展極不平衡,北京高分領(lǐng)跑,天津、石家莊位列第二、三位,其他城市的得分則相對較低,并且經(jīng)濟越發(fā)達(dá)的地方智慧物流的綜合得分越高。 表2 各城市智慧物流發(fā)展綜合得分 核心解釋變量為經(jīng)濟水平,使用人均GDP來表示。其他控制變量有服務(wù)業(yè)水平,使用第三產(chǎn)業(yè)增加值表示;交通基礎(chǔ)設(shè)施水平,用年末實有城市道路總面積表示;人力資本,使用交通運輸、倉儲和郵政業(yè)從業(yè)人員表示;科研投入,使用R&D經(jīng)費投入強度表示。具體變量描述見表3。 表3 變量說明 文中被解釋變量及解釋變量的數(shù)據(jù)均來源于2016—2021年《中國城市統(tǒng)計年鑒》、各城市2015—2021年《國民經(jīng)濟和社會發(fā)展統(tǒng)計公報》以及各省市2015—2021年《科技發(fā)展情況統(tǒng)計公報》。電子商務(wù)交易額數(shù)據(jù)來源于商務(wù)部官網(wǎng)和電子商務(wù)發(fā)展相關(guān)行業(yè)報告。兩化融合指數(shù)根據(jù)工業(yè)和信息化部官網(wǎng)、新聞快報以及行業(yè)報告數(shù)據(jù)整理得到。 為檢驗京津冀區(qū)域智慧物流發(fā)展水平及經(jīng)濟增長之間是否存在空間上的聯(lián)系,文章利用STATA 16.0進行單變量的全局Moran’s I指數(shù)分析,具體結(jié)果見表4。 表4 智慧物流發(fā)展水平及經(jīng)濟發(fā)展水平的Moran’s I指數(shù)值 通過表4可以看出京津冀區(qū)域智慧物流發(fā)展水平在空間上呈現(xiàn)正向相關(guān)性,且經(jīng)濟發(fā)展上也呈現(xiàn)明顯的正相關(guān),這表明京津冀區(qū)域智慧物流發(fā)展水平及經(jīng)濟發(fā)展之間存在空間上的相關(guān)性。 空間計量模型的篩選一般是先不考慮空間因素的影響,對數(shù)據(jù)進行OLS回歸、LM檢驗和豪斯曼檢驗,根據(jù)檢驗結(jié)果判斷是否引入空間計量模型,以及采用何種空間計量模型。表5為LM檢驗和豪斯曼檢驗結(jié)果。 表5 LM及豪斯曼檢驗 LM檢驗是為了檢驗各變量之間是否具有空間分布屬性,模型是否有必要引入空間計量模型。從表5可以看出LMerr和LMlag的P值在1%的顯著性水平下通過顯著性檢驗,所以拒絕原假設(shè),應(yīng)使用空間計量模型來解釋滯后項的空間性關(guān)系。豪斯曼檢驗的結(jié)果是為了判斷空間計量模型使用固定效應(yīng)還是隨機效應(yīng),根據(jù)表中反映的檢驗結(jié)果可以確定拒絕使用隨機效應(yīng)模型的假設(shè),應(yīng)該使用固定效應(yīng)模型進行后續(xù)的操作。 經(jīng)過LM檢驗和豪斯曼檢驗后確定模型應(yīng)該使用固定效應(yīng)的空間計量模型,但是LM檢驗僅僅是基于統(tǒng)計推斷,沒有考慮到包容性更強的SDM模型是否適用,那么就可能導(dǎo)致模型選擇錯誤。因此還需要通過LR和Wald檢驗來進一步驗證SDM是否會退化成SAR或SEM。根據(jù)表6的檢驗結(jié)果可以看出LR檢驗和Wald檢驗均通過了顯著性水平檢驗,說明SDM不會退化為SAR或SEM,所以最終選定固定效應(yīng)的SDM 模型為本文的最終解釋模型。 表6 LR和Wald檢驗 固定效應(yīng)模型有三種,分別是時間固定效應(yīng)模型、個體固定效應(yīng)模型和雙固定效應(yīng)模型,表7為三種固定效應(yīng)的SDM模型的回歸結(jié)果對比。 表7 三種固定效應(yīng)模型比較 根據(jù)表7的三種固定效應(yīng)的對比結(jié)果可以看出,雙固定效應(yīng)的空間系數(shù)通過了31%的顯著性水平檢驗,這說明京津冀區(qū)域智慧物流發(fā)展在空間分布上具有顯著的空間相關(guān)性。根據(jù)擬合優(yōu)度(R-squared) 的結(jié)果來看,雖然個體固定效應(yīng)優(yōu)于雙固定效應(yīng),但是根據(jù)Log-likelihood最大和AIC最小原則,雙固定效應(yīng)模型比個體固定效應(yīng)模型效果更好,所以最終篩選出的模型為雙固定效應(yīng)的SDM。 根據(jù)空間效應(yīng)分解理論,將總效應(yīng)分解為直接效應(yīng)和間接效應(yīng)來解釋回歸結(jié)果中的系數(shù)所表示的各個解釋變量的變化對智慧物流發(fā)展的影響,具體分解結(jié)果見表8。 表8 雙固定效應(yīng)的SDM效應(yīng)分解 人均生產(chǎn)總值(PGDP)的直接效應(yīng)系數(shù)為0.295,且在5%水平下顯著,這說明經(jīng)濟增長能夠有效促進區(qū)域智慧物流的發(fā)展,即本地區(qū)人均GDP每增加1%,智慧物流發(fā)展指數(shù)將會增加0.295%。間接效應(yīng)系數(shù)為2.149,且在10%水平下通過了顯著性檢驗,這表明京津冀區(qū)域內(nèi),本地區(qū)經(jīng)濟發(fā)展對周邊城市的智慧物流發(fā)展產(chǎn)生促進作用,即本地區(qū)人均GDP每提高1%,周邊城市智慧物流發(fā)展指數(shù)將會上升2.149%。從總體上來看,京津冀區(qū)域整體經(jīng)濟發(fā)展水平的提升也有助于智慧物流的發(fā)展。這是因為雖然京津冀區(qū)域內(nèi)各城市間的經(jīng)濟發(fā)展水平差距較大,但它們空間上相互關(guān)聯(lián),從而表現(xiàn)出總體上經(jīng)濟發(fā)展對智慧物流發(fā)展會有正向的促進作用。 第三產(chǎn)業(yè)增加值(TA)的直接效應(yīng)系數(shù)為0.123,但不顯著;其間接效應(yīng)系數(shù)為-1.147,但不顯著,這說明空間溢出效應(yīng)不明顯。雖然第三產(chǎn)業(yè)增加值對智慧物流發(fā)展的空間溢出效應(yīng)還不是很明顯,但是近兩年物流行業(yè)逐漸成為服務(wù)業(yè)中的支柱產(chǎn)業(yè)。隨著以蜂巢為代表的智能快遞柜在一些大中城市的逐漸普及,無接觸配送進一步促進了物流的智能化發(fā)展,可以說服務(wù)業(yè)水平的提升促進了智慧物流的發(fā)展。所以,隨著京津冀區(qū)域協(xié)同發(fā)展的進一步加強,第三產(chǎn)業(yè)的高度融合,未來第三產(chǎn)業(yè)的發(fā)展終將促進本地物流智慧化水平的提升。 年末實有城市道路總面積(RS)的直接效應(yīng)系數(shù)為0.614,且在10%水平下顯著,這表明作為物流發(fā)展的基本交通設(shè)施,城市道路面積的增加會有效促進本地區(qū)智慧物流水平的提升,即城市道路面積每增加1%,智慧物流發(fā)展指數(shù)將會增加0.614%;間接效應(yīng)系數(shù)為1.161,但沒有通過顯著性檢驗,表明本地物流基礎(chǔ)設(shè)施的發(fā)展對周邊城市智慧物流的發(fā)展的促進作用不是很明顯,這可能是因為隨著京津冀區(qū)域協(xié)同發(fā)展的不斷深入,交通的互聯(lián)互通已經(jīng)基本達(dá)到深度融合的狀態(tài),交通的便利極大激發(fā)了智慧物流的發(fā)展,所以對周邊城市智慧物流的發(fā)展的促進作用將會逐漸減弱。 交通運輸、倉儲和郵政業(yè)從業(yè)人員(LP)表示與物流業(yè)相關(guān)的人力資本情況,其直接效應(yīng)系數(shù)和間接效應(yīng)系數(shù)均為負(fù)數(shù)且不顯著。一般來說,隨著物流行業(yè)的智慧化程度不斷加深,物流行業(yè)的相關(guān)從業(yè)人員應(yīng)該稍有減少,但是根據(jù)模型的檢測結(jié)果來看,從業(yè)人員的增加對智慧物流發(fā)展水平的抑制作用并不是很明顯。究其原因,物流業(yè)屬于勞動密集型行業(yè),在推進智慧物流時,不斷有新的行業(yè)形態(tài)進來,會解決更多人的就業(yè)。智能化帶來的是效率的提升,一方面物流行業(yè)不可能全部無人化,另一方面機器也需要人來管理,因此,在一些崗位消失的同時又會伴隨新的崗位出現(xiàn),所以從業(yè)人員很有可能會出現(xiàn)不降反升的現(xiàn)象。 R&D經(jīng)費投入強度(RD)的直接效應(yīng)系數(shù)為0.155,且在5%水平下顯著。這說明R&D經(jīng)費投入強度增加能夠促進智慧物流的發(fā)展,即本地區(qū)R&D經(jīng)費投入強度每增加1%,智慧物流發(fā)展指數(shù)將會增加0.155%;間接效應(yīng)系數(shù)為0.953,且通過了1%水平的顯著性檢驗,表明R&D經(jīng)費投入強度的外溢作用非常明顯。即本地區(qū)R&D經(jīng)費投入強度每增加1%,周邊城市智慧物流發(fā)展水平將會提升0.953個百分點。這是因為,隨著京津冀一體化發(fā)展的深入發(fā)展,區(qū)域內(nèi)物流企業(yè)的科技和人才共享機制逐漸形成,R&D經(jīng)費投入強度將會促進區(qū)域智慧物流整體向前發(fā)展。 通過分析2015—2021年京津冀區(qū)域智慧物流發(fā)展指數(shù)的走勢,發(fā)現(xiàn)若城市前期的智慧物流指數(shù)高,那么后期的指數(shù)也會較高。這說明智慧物流發(fā)展指數(shù)可能存在空間上的路徑依賴,也就是說智慧物流發(fā)展指數(shù)前期高會影響當(dāng)前的指數(shù)大小,同時考慮到智慧物流發(fā)展指數(shù)的空間滯后性,為增加模型的穩(wěn)健性,所以在模型中加入時空滯后交互項。參考羅海平(2021)[35]、李婧(2010)[36]、張?zhí)N萍等(2018)[37]在原有的靜態(tài)空間面板杜賓模型(SSDM)的基礎(chǔ)上構(gòu)建動態(tài)空間面板杜賓模型(DSDM),其表達(dá)式如下: (4) 其中wijlnILit為空間滯后項,wijlnILit-1為時空滯后交互項,lnILit-1為時間滯后項。X為控制變量,具體回歸結(jié)果見表9。 表9 動態(tài)空間面板杜賓模型回歸結(jié)果 靜態(tài)空間面板杜賓模型的LL值和AIC值分別為74.553、-125.107(見表7雙固定效應(yīng)),動態(tài)空間杜賓模型LL值和AIC值分別為79.106、-132.212(見表9注釋),同樣根據(jù)根據(jù)Log-likelihood最大和AIC最小原則,發(fā)現(xiàn)DSDM的效果要比SSDM好。 從長期和短期角度對比分析可知,PGDP對IL的短期直接效應(yīng)和短期總效應(yīng)雖然均小于長期直接效應(yīng)和長期總效應(yīng),但是短期間接效應(yīng)和短期總效應(yīng)均在5%水平下通過了顯著性檢驗。這表明,短期內(nèi)京津冀區(qū)域經(jīng)濟的發(fā)展對智慧物流的發(fā)展存在正向的促進作用,且從長期發(fā)展的角度來說,區(qū)域內(nèi)經(jīng)濟的整體向前向好發(fā)展能夠推動區(qū)域智慧物流的發(fā)展。 本文首先運用熵權(quán)-TOPSIS法測算出京津冀區(qū)域智慧物流各城市的發(fā)展水平,隨后基于空間計量的方法對京津冀區(qū)域智慧物流的發(fā)展在空間上的相關(guān)性進行分析,研究發(fā)現(xiàn):(1)雖然京津冀區(qū)域內(nèi)智慧物流發(fā)展從空間上能夠表現(xiàn)出明顯的相關(guān)性,但是區(qū)域內(nèi)智慧物流發(fā)展情況極不平衡。根據(jù)熵權(quán)法測算的智慧物流發(fā)展指數(shù)情況來看,北京智慧物流發(fā)展“一馬當(dāng)先”,天津、石家莊緊隨其后,但是其他城市的智慧物流發(fā)展情況相比這三個城市有一定的差距。(2)各經(jīng)濟要素的發(fā)展會對京津冀區(qū)域智慧物流的發(fā)展產(chǎn)生影響。從空間相關(guān)性系數(shù)來看,人均生產(chǎn)總值的增加無論是對本地區(qū)還是周邊地區(qū)的智慧物流發(fā)展均起到促進作用;第三產(chǎn)業(yè)增加值對智慧物流發(fā)展的影響不顯著;城市道路作為物流的基礎(chǔ)設(shè)施會促進本地智慧物流的發(fā)展,但對周邊城市智慧物流發(fā)展的促進作用不明顯;物流相關(guān)從業(yè)人員對本地區(qū)和周邊城市智慧物流的發(fā)展的抑制作用都不明顯;R&D經(jīng)費投入強度會促進本地區(qū)和周邊城市智慧物流的發(fā)展,且促進作用明顯。所以也可以看出智慧物流發(fā)展需要依賴于經(jīng)濟的發(fā)展和科技的進步,可以說經(jīng)濟的發(fā)展為智慧物流的發(fā)展提供了保障,而智慧物流的發(fā)展又對經(jīng)濟起到了“反哺”的作用。 未來京津冀區(qū)域智慧物流的發(fā)展應(yīng)從以下幾方面入手:一是依托智慧城市建設(shè),促進物流產(chǎn)業(yè)智慧化發(fā)展,搭乘數(shù)字經(jīng)濟發(fā)展快車,加快物流產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型升級,借助兩化融合的東風(fēng),深入做好物流產(chǎn)業(yè)的信息化建設(shè);二是京津冀區(qū)域協(xié)同發(fā)展經(jīng)過七八年的融合之后,交通網(wǎng)絡(luò)強度已經(jīng)處于比較高的水平,但是區(qū)域物流發(fā)展不平衡,層級化明顯,所以想要進一步促進區(qū)域內(nèi)智慧物流的發(fā)展,必須突破地理位置的行政限制,充分發(fā)揮核心城市和橋梁城市的主導(dǎo)作用;三是加強區(qū)域內(nèi)的人才交流和人才培養(yǎng),加大物流科技創(chuàng)新投入和物流科技人才培養(yǎng),加大對企業(yè)科技創(chuàng)新的扶持力度和政策支持。 本文從空間計量的角度對智慧物流發(fā)展與經(jīng)濟發(fā)展進行了相關(guān)性分析,從分析方法上對智慧物流發(fā)展與經(jīng)濟發(fā)展的關(guān)系研究進行了創(chuàng)新,但是還存在一些不足,主要在兩方面:一是在選取構(gòu)建智慧物流指標(biāo)時可能不是很全面,有可能漏掉一些重要指標(biāo),可能導(dǎo)致最終的智慧物流指數(shù)包含的信息不是很準(zhǔn)確;二是研究樣本的數(shù)據(jù)橫跨的年度時間為7年,所以樣本范圍可以適當(dāng)擴大。 隨著物聯(lián)網(wǎng)、區(qū)塊鏈、大數(shù)據(jù)、人工智能等技術(shù)的發(fā)展,物流作業(yè)的智慧化是必然趨勢。但是“京津冀”作為重要的經(jīng)濟戰(zhàn)略單元是一個整體,所以區(qū)域內(nèi)智慧物流的發(fā)展應(yīng)該是“百花齊放”,而不是現(xiàn)在的“一枝獨秀”。未來京津冀區(qū)域智慧物流的發(fā)展應(yīng)當(dāng)緊隨數(shù)字經(jīng)濟發(fā)展,依托智慧城市建設(shè),天津需要持續(xù)發(fā)力,盡快成為區(qū)域內(nèi)的第二個智慧物流發(fā)展的主引擎;河北省內(nèi)各城市的智慧物流發(fā)展不平衡現(xiàn)象尤為顯著,各城市需要借助數(shù)字經(jīng)濟發(fā)展的東風(fēng),進一步夯實智慧物流發(fā)展的基礎(chǔ),圍繞自身優(yōu)勢在各自擅長的領(lǐng)域形成智慧物流的發(fā)展優(yōu)勢,力求縮小與北京的智慧化發(fā)展差距。(二)空間權(quán)重設(shè)定
(三)空間計量模型的設(shè)定及效應(yīng)分解
(四)熵權(quán)-TOPSIS法
三、變量選取及數(shù)據(jù)來源
(一)被解釋變量
(二)解釋變量及控制變量
(三)數(shù)據(jù)來源
四、實證分析
(一)空間相關(guān)性分析
(二)空間計量模型篩選及回歸分析
(三)空間效應(yīng)分解
(四)模型穩(wěn)健性檢驗
五、結(jié)論及展望
(一)結(jié)論
(二)政策與建議
(三)不足與展望