关于数字经济与物流业高质量发展之间的关系,国内外研究成果颇为丰富。其中,国外学者Hidayat和Musari(2022)认为数字经济能够帮助东盟地区建设数字能源,进而推动相关物流业的发展。Nham和Thanh(2022)对促进欧洲国家循环化转型给出很多建议,其中最有效的就是发展数字经济,推动电商模式在各行业的应用。国内学者对于数字经济与物流业高质量发展的研究趋向于二者的融合方面。
数字经济对物流行业的发展能够产生一定程度的影响。第一,数字经济推动物流业创新发展。当前,物流行业进行技术创新的方式是通过引进、更新、采用新技术的方式,而数字经济对于这一转换过程具有显著的推动作用。一方面,物流业的高效离不开GPS等定位技术的支持,包括扫描、射频等。数字经济通过行业之间技术、资源、金融等方面的互补,为当地物流业的高质量发展提供一定的升级条件;另一方面,随着技术的革新,物联网、区块链等具有技术性与即时性的现代技术广泛应用于物流行业,进一步促使物流业衍生出适合本地发展的新模式,实现自身的高质量发展。第二,数字经济推动物流行业实现产业结构升级。产业结构的优化升级是保证自身活力、增强行业竞争优势的有效途径。数字经济的发展能够帮助物流业优化物流信息供需交换方式,通过科学方式精简物流环节,从而提升物流效率。此外,数字经济的发展在一定程度上推动物流信息的数字化,使得相关产业之间能够进行信息交换,进而实现内外部信息互通,促进产业之间的比例均衡。
物流业的高质量发展不仅受到数字经济的积极影响,也会反过来对数字经济发挥作用。首先,物流业高质量发展倒逼数字经济的发展。物流业的高质量发展能够优化行业的整体结构,带动物流相关产业的发展。从总体上来说,物流业的职能就是为了产品及运输提供相关服务,在生产者和消费者中间发挥纽带连接作用。而其高质量发展也推动相关流通行业的发展。反过来,流通业的发展会产生集聚效应,物流供应量进一步增大,物流行业的供需需求得到满足,进而产生更大的经济效益,推动数字经济的发展。其次,物流业的高质量发展提升物流企业竞争力。企业经营效益的好坏取决于自身竞争力的强弱。而物流企业由于具备高效的运营模式、产业结构,能够通过及时适应市场需求获取较强的竞争力。这种竞争力的提升不仅能够产生数字经济的直接效益,而且企业为了维持自身在金融、技术资源等方面的竞争力,也会不断通过自我学习、获取资源等方式来推动数字经济的发展。最后,物流业的高质量发展需要依托先进的信息技术和数字化工具,如物流管理系统、无人机配送等,这些技术的应用促进数字经济相关产业的创新和发展,推动数字经济产业链的完善和壮大。
关于数字经济的测量指标,选取
在理论分析基础上,为探究数字经济对物流业高质量的影响及空间溢出效应,分别构建普通最小二乘法(OLS)和空间杜宾模型(SDM),模型如下:
lnDDEjt=β+β1lnHDLIjt+β2Yjt+μj+λt+εjt(1)
lnDDEjt=ρ∑nz=1WjzlnDDEjt+αlnHDLIjt+β∑nz=1WjzlnHDLIjt+δXjt+θ∑nz=1WjzXjt+μj+λt+εjt(2)
其中,lnDDEjt为数字经济发展水平,lnHDLIjt表示物流业高质量发展水平,Yjt为产业结构、人力资本和开放程度等控制变量,j为选取的地区、t为选取的数据年份,Wjz为空间权重矩阵,μj和λt分别为个体和时间固定效应,εjt为随机扰动项。
为探究数字经济与物流高质量的协同发展关系,进一步构建二者之间的基础耦合度及耦合协调度模型,模型如下:
其中,c和D分别是数字经济与物流高质量基础耦合度和耦合协调度,取值均在0-1之间,且值越大,协调性越好。
为进一步探究数字经济与物流高质量的协同发展关系,构建模型(5),指标意义与前文一致。
HDLIjt=c+αβ-DDEjt+βYjt+μjt(5)
表3为数字经济与物流业高质量协同发展的基准回归分析结果。其中,第(1)(2)列均为使用OLS进行回归分析的结果,结果表明数字经济发展能够对物流业高质量发展产生显著的积极影响。而从控制变量角度进行分析,产业结构与物流业发展呈正比关系,产业结构水平越高,则物流业高质量发展水平越高。第(3)(4)列结果表明数字经济发展不仅能够对物流业高质量发展产生积极的促进作用,而且对周围相邻城市存在明显的空间溢出效应,能够带动周边城市数字经济发展,其溢出系数分别为0.78和0.75,W×lnDDE的系数分别为0.77和0.20。
根据上述分析结果,数字经济具有极强的空间溢出效应,为了探索其边界,本研究进一步构建空间阈值矩阵。每隔40公里进行回归,一直检验到周围280公里处,最终回归结果如表4所示。结果表明,数字经济对于周围城市的空间效应影响在120km范围内较强,随着距离的延长,直到280公里左右消失。这表明数字经济发展对于周边城市形成辐射效应,其本身具有跨区域性,因此能够突破传统组织模式限制,形成多中心空间网络结构。
注:***、**和*分别表示1%、5%和10%的统计显著性水平,括号内为标准误,下同。
工具变量检验。由于数字经济与物流业高质量发展之间存在一定的相互作用,可能造成内生性问题。因此,本研究在选择相关变量及工具等方面将会进一步强化模型识别功能,从而有效缓解内生性问题。首先,在选取解释变量与被解释变量时大多数研究偏向于选取数字类型指标,而本次研究则选取包括数字指标在内的其他类型指标。其次,对于因时间变化而导致的内生性问题,采用面板数据的工具进行处理。表5中,加入工具变量的回归结果表明,数字经济对物流业高质量发展的积极作用仍通过显著性检验,表明结果具有稳健性。
动态效应检验。在一般研究中,物流行业的发展程度具有明显的路径依赖性,其成长速度不仅受目前某些因素影响,也会受到过去某些因素影响。动态模型相较于静态模型既能检验是否具有空间溢出效应,也能避免内生性问题。因此,构建动态空间面板模型(6)进行检验。
lnHDLIjt=γlnHDLIjt-1+ρ∑nz=1WjzlnHDLjt+αlnDDEjt+β∑nz=1WjzlnDDEjt+δXjt+θ∑nz=1WjzXjt+μj+λt+εjt(6)
其中,lnHDLIjt-1为第j个城市在t-1年物流业高质量发展水平的对数值,其他变量含义与模型(2)一致。
表5中,lnHDLIjt-1通过显著性检验,表明物流业高质量发展水平具有路径依赖性,即若某一城市去年的物流业高质量发展水平较高,那么本年度也会有较高的物流业高质量发展水平。其他变量回归结果均与前文一致,表明数字经济对物流业发展具有显著促进作用,且与其具有协同发展关系。
为保证前文回归分析结果具备可靠性,避免面积小、村居多城市的物流质量被错误评估。按照城市边界用物流企业辐射范围、物流企业数目替换被解释变量,进行稳健性检验,如表6所示。表6的第(1)和第(2)列分别展示用物流企业辐射范围、物流企业数目替换被解释变量的回归结果,在W1和W2矩阵下其溢出系数ρ及对相邻城市的影响W×lnDDE系数均为正,且结果通过显著性检验,这表明回归结果通过稳健性检验。
数字经济与物流高质量发展协调耦合度测算及分析。以我国2014-2022年的面板数据为基础,根据模型(3)和(4)进行实证分析,得到数字经济与物流高质量发展二者之间的基础耦合度和耦合协调度测算结果,如表7所示。结果表明,数字经济与物流高质量发展之间的基础耦合度和耦合协调度都在逐年递增。
数字经济与物流高质量协同发展具体关系估计及分析。在数字经济与物流高质量发展之间耦合协调关系测度的基础上,进一步采用面板数据模型,通过模型(5)来验证数字经济与物流高质量协同发展的具体关系,如表8所示。结果表明,数字经济与物流业高质量发展之间存在相互作用关系,即数字经济是物流高质量发展的基础,只有数字经济快速发展,物流水平才能不断提升,相应的,要想推动物流的高质量发展,应大力发展数字经济。
本文构建数字经济与物流业高质量发展之间的耦合协调模型、空间面板模型、OLS模型及空间杜宾模型,通过实证分析得出以下结论:第一,数字经济发展能够对物流业高质量发展产生显著的积极影响,且具有较强的空间溢出效应。即数字经济能够促进物流业高质量发展且能够带动周边城市数字经济的发展。第二,物流业高质量发展水平具有路径依赖性,即若某一城市去年的物流业高质量发展水平较高,那么本年度也会有较高的物流业高质量发展水平。第三,数字经济与物流高质量之间存在相互作用关系,即数字经济是物流高质量发展的基础,只有数字经济快速发展,现代物流水平才能不断提升,相应的,要想推动物流的高质量发展,就必须大力发展数字经济。
数字经济的发展对于各个行业都产生了很大的影响,对于物流企业来说,更是其实现高质量发展的新引擎。首先,政府应当以系统的角度完善建设数字经济相关发展体系与机制,充分发挥数字经济的空间溢出效应,通过资源共享等缩小城市间数字经济发展水平的差异(
推动物流企业的数字化不仅符合时代发展趋势,而且有利于推动数字经济的发展,进而促进自身的高质量发展。为此,一方面,物流企业应当积极推行产业的数字化升级,推动物流行业的智能化,利用已有技术提升物流网络运营水平,根据电商企业的物流需求提供多样化、及时化服务,进一步延伸产业链。同时,构建物流企业智能化管理体系,利用云计算、大数据等技术实现供应链各个环节资源的流通、信息的共享,营造良好的物流企业运营环境;另一方面,要进一步优化物流企业的基础设施建设,为物流业的高质量发展奠定基础。各级政府要从宏观层面上规划物流行业基础设施的建设,统筹各方资源,搭建起覆盖面广、效率高的物流运输体系,建设更完善的物流网络,包括道路、铁路、水路和航空运输等,确保物流企业能够覆盖更广阔的区域,提供更便捷的运输服务。而物流企业自身也应做好资源的分配,根据城市、农村具体情况进行设施建设。及时引入先进的信息技术,如物联网、云计算和大数据分析等,优化物流管理和运输过程,提高物流效率和可视化监控能力。