碳排放强度对长江经济带物流业高质量发展的影响研究

Effect of Carbon Emission Intensity on High-Quality Development of Logistics Industry in Yangtze River Economic Belt

摘要

为探究碳排放对物流业高质量发展的影响作用，选取2010—2022年长江经济带省级面板数据，基于新发展理念测度长江经济带11省(市)的物流业高质量发展水平，并运用空间杜宾模型实证分析物流业碳排放强度对物流业高质量发展的空间影响效应。研究结果表明：物流业碳排放强度对物流业高质量发展具有反向影响作用且空间溢出效应明显；物流业碳排放强度对长江流域不同资源条件、发展水平的区域物流业高质量发展的空间效应存在差异，对资源较少、发展水平较低的上游地区溢出效应仍显著为负，而对资源丰富、发展水平较高的中下游地区溢出效应则呈现出空间阻滞作用。研究提出相关建议，以期为促进长江经济带乃至全国的物流业减排降碳、提升物流业高质量发展水平提供一定的决策参考。

Abstract

To explore the effect of carbon emissions on the high-quality development of the logistics industry, the provincial panel data of the Yangtze River Economic Belt from 2010 to 2022 were selected. The high-quality development level of the logistics industry in 11 provinces (cities) of the Yangtze River Economic Belt was measured based on the new development philosophy, and a spatial Durbin model was used to empirically analyze the spatial effect of the carbon emission intensity of the logistics industry on its high-quality development. The results show that the carbon emission intensity of the logistics industry has a reverse effect on its high-quality development, and the spatial spillover effect is obvious. The spatial effect of the carbon emission intensity of the logistics industry on its high-quality development varies in regions of the Yangtze River Basin with different resource conditions and development levels. The spillover effect on the upper reaches with fewer resources and lower development levels is still significantly negative, while the spillover effect on the middle and lower reaches with abundant resources and higher development levels shows a spatial blocking effect. Relevant recommendations are put forward to provide a reference for promoting carbon emission reduction in the logistics industry and improving the high-quality development level of the industry in the Yangtze River Economic Belt and even the whole country.

关键词

碳排放强度 / 物流业高质量发展 / 空间杜宾模型 / 溢出效应 / 低碳物流

Key words

Carbon Emission Intensity / High-Quality Development of Logistics Industry / Spatial Durbin Model / Spillover Effect / Low-Carbon Logistics

0　引言

得益于社会经济的快速发展，我国物流业取得了丰硕的成果，在物流枢纽建设、专业物流发展等方面成效显著。与此同时物流业仍面临成本费用高、生态负担重等问题，要继续巩固物流业的持续向好发展，必须加快行业高质量发展。与此同时，2020年我国提出将力争于2030年前使二氧化碳排放量达到峰值，努力争取2060年前实现碳中和。为完成“双碳”目标，各行业积极开展低碳减排行动。物流业作为我国碳排放增长最快的行业之一，“降碳”刻不容缓，探究碳减排对物流业高质量发展的影响作用以及可能存在的空间溢出效应，对于推进物流业高质量发展具有重要参考价值。

目前学术界关于物流业碳排放的研究多聚焦于碳排放测算与影响因素分析等方面，何琦等^[1]和周凌云等^[2]基于生命周期理论并结合碳排放因子法，分别构建了适用于铁路物流基地和铁路物流中心的碳排放测算模型；Huang等^[3]和王丽萍等^[4]利用投入产出法测算了我国物流业碳排放；李健等^[5]和付昱铭等^[6]采用碳排放因子法来估算物流业碳排放，同时利用LMDI分解方法分析物流业碳排放的驱动因素。

关于物流业高质量发展的研究主要集中在物流业高质量发展的测度评价与时空演化方面，穆晓央等^[7]和王鹏等^[8]从经济环境、规模水平等维度选取指标构建物流业高质量发展评价体系测度物流业发展质量水平；李娟等^[9]和曹允春等^[10]以物流业全要素生产率衡量物流业的发展质量；唐哲等^[11]、王东等^[12]和张宝友等^[13]基于新发展理念构建物流业高质量发展评价指标体系来度量物流业高质量发展水平，并利用Dagum基尼系数、核密度估计等方法揭示其时空特征。关于物流业的碳排放强度对其高质量发展影响的文献仍较为少见，禹久泓等^[14]实证检验了碳减排对经济高质量发展的推动作用；陈海龙等^[15]和戴前智等^[16-17]运用空间杜宾模型分析得出碳排放强度对经济高质量发展呈现反向影响关系，且这种影响存在空间溢出效应。

研究基于2010—2022年长江经济带省级面板数据，依据新发展理念构建物流业高质量发展评价指标体系，借助空间计量模型探究物流业碳排放强度对其高质量发展的影响以及可能存在的溢出效应，并考虑到长江流域地区间资源和发展水平的不同，分区域探讨其空间效应的异质性，以期为助力长江经济带因地制宜推进物流业节能减排、促进行业高质量发展提供实证参考。

1　研究设计

1.1　变量选取

（1）解释变量：碳排放强度(CI)。借鉴李健等^[5]的测度方法，采用联合国政府间气候变化专门委员会(IPCC)提供的估算方法计算长江经济带各省的物流业碳排放总量，并根据各地区物流业碳排放总量与物流业增加值的比值计算出碳排放强度。具体的测算公式如下。

C=\sum C_i=\sum _i{\alpha }_i\times {\eta }_i\times E_i(1)

S^t=\frac{C^t}{Y^t}(2)

式中：C_i为第i种能源的碳排放量，万t；{\alpha }_i为第i种能源的碳排放系数；{\eta }_i为第i种能源的折标准煤系数；E_i为第i种能源的消耗量，万t/亿m³/(亿kW·h)(不同类别的能源对应不同的单位)；S^t为第t年碳排放强度；C^t为第t年物流业碳排放总量，万t；Y^t为第t年物流行业增加值，亿元。

各类能源折标准煤系数和碳排放系数来源于IPCC《国家温室气体排放清单指南》及《中国能源统计年鉴》的规定，各种能源的折标准煤系数和碳排放系数如表1所示。

（2）被解释变量：物流业高质量发展水平(LD)。2017年中央经济工作会议指出高质量发展是能够满足人民日益增长的美好生活需要的发展，是体现新发展理念的发展。新发展理念即创新、协调、绿色、开放、共享的发展理念，是2015年党的十八届五中全会提出的，创新发展注重的是解决发展动力问题，协调发展注重的是解决发展不平衡问题，绿色发展注重的是解决人与自然和谐问题，开放发展注重的是解决发展内外联动问题，共享发展注重的是解决社会公平正义问题。因此，研究基于新发展理念的深刻内涵，结合长江经济带发展特征和物流业自身产业性质，同时依据指标选取的可行性、科学性和系统性原则，参考唐哲等^[11]、张宝友等^[13]的方法，从创新、协调、绿色、开放和共享5个维度选取20个指标构建长江经济带物流业高质量发展水平评价指标体系如表2所示。

创新能够通过技术进步带动物流效率提升，进而促进物流业发展质量提高。在创新发展维度上，除以物流业发明专利数量作为衡量物流技术创新的指标^[11]外，还可以从创新投入、创新产出两个方面进行衡量，在创新投入方面利用研发经费投入与研发人员投入来衡量，创新产出方面通过技术市场成交额占GDP比重来表征。协调发展彰显了对资源配置效率与均衡性的更高要求，有利于解决物流发展中不平衡不充分的问题。在协调发展维度上，从产业结构协调、物流业城乡协调、地区收入协调等方面进行衡量，分别选取物流业增加值占第三产业增加值的比重、农村投递路线、人均物流业产值与全国人均GDP的比例这3个指标来表示。绿色是实现物流业可持续发展的关键，减少污染和改善环境是提高绿色发展水平的有效手段。研究以物流业耗能和物流业效率衡量地区物流生产中对减少污染与浪费的努力程度，其中物流业耗能由能源消费总量、铁水货运量与公路货运量的比重这2个三级指标共同表征，物流业效率选择用物流业增加值占物流业固定资产投资额的比重来表征，以由建成区绿化覆盖率和人均公园绿地面积来代表的环境资源水平衡量地区对生态环境的保护和改善程度。高水平的对外开放是实现高质量发展的重要组成部分。在开放发展维度上，从对外贸易依存度与外资开放度2个方面进行衡量，分别利用进出口规模与外商投资规模进行表征。共享是发展的根本目的，物流发展成果惠及人民是满足人民美好生活需要的最终落实点。在共享发展维度上，物流行业的持续向好发展可以带来配套基础设施的完善与物流服务的充分供应，研究从物流发展成果共享、物流服务共享和物流基础设施共享3个方面进行衡量，通过物流业城镇单位就业人员平均工资与人均消费占人均GDP比重3个三级指标分别从收入与支出的角度来反映发展成果惠及人民的程度，以邮政营业网点数及快递量占年末常住人口的比重代表物流服务共享，以运输线路密度来反映物流基础设施共享。

此外，借鉴陈景华等^[1]的测算方法，采用熵值法对指标进行赋权并测算得出2010—2022年长江经济带11省物流业高质量发展水平的综合评价指数。

（3）控制变量。除核心解释变量会对被解释变量产生影响外还有诸多其他因素会对其产生影响，为避免其他因素的干扰，参考史言信等^[18]、李敏杰等^[19]的研究，引入4个控制变量：①政府干预水平(Gov)，用一般公共预算支出占地区生产总值的比重表示。政府通过对物流市场的监管与调控，可以避免恶性竞争，激励行业内部结构优化，改善物流产业发展状况。②经济发展水平(Rgdp)，用人均GDP表示。经济水平越高的地区越会通过人口、产业的集聚对物流高质量发展产生正向的影响。③人力资本水平(Hum)，采用地区平均受教育年限衡量。人才是第一资源，人力资本水平的提升能够为物流企业的技术创新、效率提升等提供人才保障。④研发投入强度(Rd)，用地区R&D经费内部支出占地区增加值的比重衡量。研发投入强度的加强为物流技术的创新研发与成果落地提供资金支持，有利于促进物流业高质量发展。

1.2　数据来源及处理

考虑到数据的可得性及合理性，选取2010—2022年长江经济带11省(市)为研究样本，测算所用原始数据主要来源于《中国统计年鉴》《中国第三产业统计年鉴》《中国科技统计年鉴》《中国能源统计年鉴》《中国城市统计年鉴》《中国人口和就业统计年鉴》和各省市统计年鉴、国家统计局官方网站以及民政部官方网站。由于现有的相关统计分类中，没有对于“物流业”的专门划分，参照刘华军等^[20]的做法，选取“交通运输、仓储和邮政业”的相关统计数据来代表物流业。对于缺失的数据采用插值法补齐。

此外，为保证模型回归的准确性，消除异方差和量纲问题的影响，对模型的所有变量均在取对数后再进行回归分析^[18]。与价格有关的变量均以2010年为基期进行平减处理。

1.3　空间模型设定

研究分析碳排放强度对物流业高质量发展的空间影响关系，在进行模型选取时，构建如下所示的空间计量模型。

\mathrm{l}\mathrm{n}L{D}_{it}=\rho W\mathrm{l}\mathrm{n}L{D}_{it}+\alpha C{I}_{it}+\beta WC{I}_{it}+\theta C_{it}+

\phi W{C}_{it}+{\mu }_i+{\lambda }_t+{\epsilon }_{it}(3)

式中：L{D}_{it}为被解释变量物流业高质量发展水平；C{I}_{it}为解释变量碳排放强度；C_{it}为控制变量；i和t分别为时间和地区；W为空间邻接权重矩阵；\rho为空间回归系数；{\mu }_i和{\lambda }_t分别为个体和时间固定效应；{\epsilon }_{it}为随机扰动项。

2　实证分析

2.1　物流业高质量发展水平测度结果与分析

2010—2022年长江经济带11省(市)物流业高质量发展水平如表3所示。由表3可知，长江经济带物流业高质量发展水平整体上有所提高，从2010年的0.189增加到2022年的0.322，均值为0.230，年均增长率为4.573%。2010—2022年各省份物流业高质量发展水平均值大于整体均值0.230的有上海、江苏、浙江、安徽4省(市)，均位于长江下游地区，原因在于长江三角洲地区经济优势突出、区位优势明显、对外物流便利、港口运输业发达、物流技术水平领先全域。进一步分析发现，研究期内贵州、浙江、四川的物流业高质量发展水平年均增长率位居前三，超过6%，省域内物流业高质量发展取得显著进展。

2.2　变量平稳性检验

在实施面板模型回归前需对各变量的平稳性予以检验，以此规避因其他因素的影响而可能出现的“伪回归”现象，选用LLC检验、IPS检验、Fisher-ADF检验来检验各变量的平稳性。面板数据变量平稳性检验结果如表4所示，各个变量在3种检验方法下均通过了平稳性检验，可以使用面板回归模型进行实证分析。

2.3　空间相关性检验

空间相关性用于表达各变量在空间中存在相互影响的关系。通常采用莫兰指数检验整体上的空间相关关系，全局Moran’s Ⅰ指数计算公式如下。

\mathrm{M}\mathrm{o}\mathrm{r}\mathrm{a}\mathrm{n}’s\mathrm{I}=\frac{n}{{\displaystyle \sum _{i=\mathrm{1}}^n}{\displaystyle \sum _{j=\mathrm{1}}^n}{W}_{ij}}\times \frac{{\displaystyle \sum _{i=\mathrm{1}}^n}{\displaystyle \sum _{j=\mathrm{1}}^n}{W}_{ij}(y_i-\overline{y})(y_j-\overline{y})}{{\displaystyle \sum _{i=\mathrm{1}}^n}(y_i{-\overline{y})}^{\mathrm{2}}}(4)

2010—2022年物流业碳排放强度与物流业高质量发展水平的全局Moran指数检验结果如表5所示，从表5中可以看出Moran’s Ⅰ指数均大于0且显著，说明在邻接权重矩阵下，长江经济带物流业碳排放强度和物流业高质量发展水平均存在空间相关关系，可以在后续探究其空间溢出效应。

2.4　空间计量模型选择检验

在确定具体的空间计量模型之前，需要对通过平稳性检验的变量进行多重共线性检验，检验结果得出方差膨胀因子(VIF)为5.75，小于经验值10，说明变量间不存在共性问题。

空间相关性检验结果显示，物流业碳排放强度和物流业高质量发展水平这2个变量均存在正向的空间相关关系，因此将空间效应考虑在内，构建空间计量模型实证研究长江经济带物流业碳排放强度对物流业高质量发展的影响情况，如式(3)所示。接着，由于面板空间计量模型分为空间滞后模型(SAR)、空间误差模型(SEM)和空间杜宾模型(SDM)，于是通过LM检验、LR检验、Wald检验以及Hausman检验来确定合适的模型形式。空间杜宾模型的选择检验结果如表6所示。由表6可知，①LM检验统计量均在5%的置信水平下显著，说明适用于构建SDM模型；②运用LR检验和Wald检验对空间计量模型的选择类型进行稳健性检验，检验结果显示空间杜宾模型不会退化为空间滞后模型或空间误差模型；③Hausman检验在1%的显著性水平下拒绝了使用随机效应模型的原假设，选择使用固定效应模型；④空间效应LR检验、时间效应LR检验均通过显著性检验，表明时空双固定效应模型更优。因此，选择使用时空双固定效应的SDM模型来进行实证分析。

2.5　基准回归结果分析

SDM模型回归结果如表7所示，表7展示了采用时空双固定效应的SDM模型估计的碳排放强度对物流业高质量发展的空间效应结果。lnCI及W×lnCI的系数在1%的统计水平下显著为负，表明碳排放强度对物流业高质量发展具有反向影响作用，且具有空间溢出效应。

从回归的估计结果来看，碳排放强度的估计系数为-0.327，即当某地的碳排放强度每降低1%，会使得当地的物流业高质量发展水平提高0.327%，说明碳排放强度的降低可以促进本地区的物流高质量发展。W×lnCI的估计系数反映的是本地区碳排放强度对周边地区物流业高质量发展的影响状况，其数值显著为负说明碳排放强度的降低不仅有利于本地区物流业的高质量发展，还能够带动周边地区物流业高质量发展水平的提升。

为避免空间杜宾模型点估计对结果产生的误差，运用偏微分法对总效应进行分解，空间杜宾模型效应分解结果如表8所示。从估计结果的系数来看，核心解释变量碳排放强度的效应分解结果均在5%的显著性水平下为负，即本地区和邻近地区的碳排放水平降低都对本地区的物流业高质量发展产生较为明显的正向作用。但是，相较于直接效应而言间接效应较小，可能的原因在于长江经济带目前的碳减排政策和措施仍处在初期阶段，各地物流业的绿色技术研发、节能低碳技术装备的推广等仍以本地区物流企业为主导，本地区产学研为主，地区间的联合协作与交流较少，且碳减排政策的试点与推广存在一定的时空滞后性，导致由碳排放强度降低所促进的物流业高质量发展效果主要来源于本地区，由邻近地区带来的促进效果相对较弱。

2.6　稳健性检验

为了保证研究结果的稳健性，选择更换空间权重矩阵为反距离权重矩阵和经济距离矩阵进行回归分析。回归结果显示，无论基于地理距离还是经济距离，碳排放强度对物流业高质量发展的影响均在1%的水平下显著为负，表明实证结果具有稳健性。从拟合优度角度来看，使用邻接权重矩阵进行回归分析时的拟合优度更高，说明原模型对数据的拟合程度更高。

与此同时，为了避免内生性问题，选择以解释变量的滞后一期作为工具变量再进行回归，以降低内生性问题的影响。变换空间权重矩阵以及解释变量滞后一阶的SDM模型回归结果如表9所示，可以看出物流业碳排放强度的系数没有发生明显变化且通过了1%的显著性检验，表明物流业碳排放强度对物流业高质量发展的影响依然显著，验证了回归结果的稳健性。

2.7　异质性分析

考虑到长江经济带不同流域的交通运输线路密度、生态资源禀赋、物流业高质量发展水平^[21]等因素的不同，结合长江流域划分，将长江经济带分为物流发展基础资源较少、高质量发展水平相对较低的上游地区和物流发展基础资源较丰富、物流业高质量发展水平相对较高的中下游地区并进行分样本回归。

碳排放强度影响物流业高质量发展的异质性分析结果如表10所示，可以看出碳排放强度对物流业高质量发展的影响作用存在差异，空间外溢效应也存在明显区别。与中下游地区相比，上游地区碳排放强度对物流业高质量发展的影响作用效果更大。究其原因在于长江上游地区物流业的发展长期依赖能源消耗，物流业的发展相对粗放，因此上游地区物流业高质量发展进程的推进仍主要依赖于减少碳排放量、提高生产效率，而中下游地区随着碳交易政策优先试点以及节能低碳技术装备的推广，物流业已逐渐摆脱对高碳能源的依赖，因此碳排放强度对中下游物流业高质量发展的影响作用较小。从空间溢出效应来看，不同于上游地区碳排放强度降低对周边地区物流业高质量发展的带动作用，中下游地区碳排放强度的降低反而会阻碍邻近地区的物流业高质量发展。可能的原因是中下游地区经济更为发达、产业链完整、物流业发展高度依赖产业聚集，当本地物流业通过技术创新或产业升级降低碳排放强度时，其竞争实力将进一步强化，吸引更多物流需求与资源流入，导致邻近发展相对落后地区物流资源被虹吸，挤压这些地区物流业的发展空间；而上游地区整体发展程度相对落后、技术水平较低、政策协同性更强，致使本地物流业碳排放强度降低的先进技术与成功政策经验更容易扩散，对周边地区更容易产生辐射带动作用。

3　结论与建议

研究选取2010—2022年长江经济带省级面板数据，运用时空双固定的空间杜宾模型实证分析了长江经济带地区物流业碳排放强度对物流高质量发展的空间影响效应，得出以下结论。

（1）在地理位置上邻接的地区，其物流业碳排放强度和物流业高质量发展水平均存在显著的空间相关关系，长江经济带地区物流业碳排放强度对物流业高质量发展的影响存在空间溢出效应。

（2）总体上，长江经济带物流业碳排放强度对物流业高质量发展起到反向影响作用，本地区物流业碳排放强度的降低不仅能够促进本地区物流业的高质量发展进程，还能够带动邻近地区物流业发展质量的提升，同时政府干预水平与研发投入强度的提高也能够显著促进本地区的物流业高质量发展，后者还会对周边地区物流业高质量发展产生积极影响。

（3）物流业碳排放强度对物流业高质量发展的空间效应存在区域异质性，与上游地区相比，资源更为丰富、发展水平相对更高的中下游地区碳排放强度对物流业高质量发展的影响作用更小，且中下游地区本地碳排放强度的降低甚至会对周边地区物流业高质量发展产生空间阻滞作用。

基于以上结论，为促进长江经济带因地制宜推进物流业节能降碳，加速物流业高质量发展，提出以下建议。

（1）持续完善物流业碳减排的相关政策，发挥政策导向作用，因地制宜制定合理的碳减排和物流业高质量发展计划。长江经济带各区域应注重发挥各自优势，同时补齐物流发展短板。发挥长江经济带地区的水运优势，引导物流运输公转水，完善水、铁、公路网的建设与有机衔接，建立现代化综合交通网络体系，积极拓展多式联运的低碳物流运输模式，利用物联网^[22]、区块链等技术发展智慧物流运输，加强绿色物流新技术和新设备的研发与应用。

（2）加大创新研发投入以及新技术的引进力度，运用新技术提高物流业生产效率。重视绿色物流技术自主创新能力的培育，把长江经济带的科研及人才优势转化为发展优势，以创新为核心培养物流业科技人才，加快突破一批绿色物流关键核心技术，推广使用循环包装及标准化物流集装箱，以绿色技术创新助力碳排放强度的降低，推动物流业高质量发展。

（3）加强区域协作和信息交流，促进区域间物流业均衡发展。充分发挥碳排放强度对物流业高质量发展的空间溢出作用^[16]，最大程度发挥上海、武汉、重庆3座超大中心城市的带动作用。政府应引导物流资源合理流向，避免物流资源集中于单一或少数省(市)，建立跨地区的信息共享平台，鼓励物流企业跨区域合作交流，缩小地区间物流业发展质量差距。

参考文献

[1] 何　琦，胡月琪. 铁路物流中心运营碳排放计算分析[J]. 铁道货运，2024，42(7)：63-68.

[2] HE Qi， HU Yueqi. Calculation and Analysis of Carbon Emissions from Railway Logistics Center during Operation[J]. Railway Freight Transport，2024，42(7)：63-68.

[3] 周凌云，王宇航，马　骏，等. 基于全生命周期评价的铁路物流基地碳排放测算及减排策略研究[J]. 铁道运输与经济，2024，46(10)：25-33.

[4] ZHOU Lingyun， WANG Yuhang， MA Jun，et al. Carbon Emission Calculation and Emission Reduction Strategies for Railway Logistics Base Based on Full Life Cycle Assessment[J]. Railway Transport and Economy，2024，46(10)：25-33.

[5] HUANG Q， LING J J. Measuring Embodied Carbon Dioxide of the Logistics Industry in China：Based on Industry Stripping Method and Input-Output Model[J]. Environmental Science and Pollution Research International，2021，28(38)：52780-52797.

[6] 王丽萍，刘明浩. 基于投入产出法的中国物流业碳排放测算及影响因素研究[J]. 资源科学，2018，40(1)：195-206.

[7] WANG Liping， LIU Minghao. Carbon Emission Measurement for China's Logistics Industry and Its Influence Factors Based on Input-Output Method[J]. Resources Science，2018，40(1)：195-206.

[8] 李　健，白子毅，李柏桐. 双碳背景下京津冀物流业碳排放脱钩及影响因素研究[J]. 城市问题，2022(5)：69-76.

[9] LI Jian， BAI Ziyi， LI Baitong. Decoupling of Carbon Emissions and Influencing Factors of Logistics Industry in Beijing-Tianjin-Hebei in the Background of Carbon Peaking and Carbon Neutrality Goals[J]. Urban Problems，2022(5)：69-76.

[10] 付昱铭，蒋惠园，唐勇平. 我国物流业碳排放脱钩状态及影响因素研究[J]. 铁道运输与经济，2024，46(11)：62-70.

[11] FU Yuming， JIANG Huiyuan， TANG Yongping. Decoupling Status and Influencing Factors of Carbon Emissions in China's Logistics Industry[J]. Railway Transport and Economy，2024，46(11)：62-70.

[12] 穆晓央，王　力，黄巧艺. 基于耦合协调度模型的物流业高质量发展路径探讨：以新疆为例[J]. 价格月刊，2019(12)：55-63.

[13] MU Xiaoyang， WANG Li， HUANG Qiaoyi. A Probe into the High-Quality Development Path of Logistics Industry Based on Coupling Coordination Degree Model：Taking Xinjiang as an Example[J]. Prices Monthly，2019(12)：55-63.

[14] 王　鹏，张茹琪，李　彦. 长三角区域物流高质量发展的测度与评价：兼论疫后时期的物流新体系建设[J]. 工业技术经济，2021，40(3)：21-29.

[15] WANG Peng， ZHANG Ruqi， LI Yan. Measurement and Evaluation of High Quality Development of Logistics in Yangtze River Delta：With a Discussion on the Construction of a New Logistics System in the Post-Epidemic Era[J]. Journal of Industrial Technological Economics，2021，40(3)：21-29.

[16] 李　娟，王琴梅. 中国四大板块物流业发展质量测度及平衡性研究：基于物流业效率视角[J]. 统计与信息论坛，2019，34(7)：76-84.

[17] LI Juan， WANG Qinmei. Research on Quality Measurement and Balance of Logistics Industry Development in the Four Major Sectors in China：Based on the Perspective of Logistics Industry Efficiency[J]. Statistics & Information Forum，2019，34(7)：76-84.

[18] 曹允春，李　彤，林浩楠. 我国区域物流业高质量发展实现路径：基于中国31个省市区的实证分析[J]. 商业研究，2020(12)：66-74.

[19] CAO Yunchun， LI Tong， LIN Haonan. Research on High-Quality Development Path of China's Regional Logistics Industry：An Empirical Study Based on 31 Provinces(Municipalities and Autonomous Regions)[J]. Commercial Research，2020(12)：66-74.

[20] 唐　哲，魏修建，陈　恒. 黄河流域物流业高质量发展水平的时空演变特征[J]. 统计与决策，2022，38(22)：96-101.

[21] 王　东，陈胜利. 中国物流业高质量发展的空间差异及分布动态演进[J]. 统计与决策，2022，38(9)：57-62.

[22] WANG Dong， CHEN Shengli. Spatial Difference and Distribution Dynamic Evolution of High-Quality Development of Logistics Industry in China[J]. Statistics & Decision，2022，38(9)：57-62.

[23] 张宝友，高家璐，谭旭睿，等. 中国物流业高质量发展水平评价与区域差异演变[J]. 经济地理，2023，43(9)：111-120.

[24] ZHANG Baoyou， GAO Jialu， TAN Xurui，et al. High-Quality Development Level Evaluation of China's Logistics Industry and Its Regional Inequality Evolution[J]. Economic Geography，2023，43(9)：111-120.

[25] 禹久泓，武传浩. 环境规制、碳减排如何助推经济高质量发展：基于中国省域面板的空间计量分析[J]. 生态经济，2022，38(7)：48-55.

[26] YU Jiuhong， WU Chuanhao. How Can Environmental Regulation and Carbon Emission Reduction Promote High-Quality Economic Development：Based on the Spatial Measurement Analysis of China's Provincial Panel[J]. Ecological Economy，2022，38(7)：48-55.

[27] 陈海龙，李　阳. 碳排放强度对经济高质量发展影响的空间效应分析[J]. 统计与决策，2022，38(23)：117-120.

[28] 戴前智，王　博，吴华清，等. 碳减排压力能驱动我国经济高质量发展吗？来自中国2010—2019年省域面板数据的证据[J]. 计量经济学报，2023，3(1)：128-147.

[29] DAI Qianzhi， WANG Bo， WU Huaqing，et al. Can Carbon Reduction Pressure Drive High-Quality Economic Development？ Evidence from China's Provincial Panel Data from 2010 to 2019[J]. China Journal of Econometrics，2023，3(1)：128-147.

[30] 陈景华，陈　姚，陈敏敏. 中国经济高质量发展水平、区域差异及分布动态演进[J]. 数量经济技术经济研究，2020，37(12)：108-126.

[31] CHEN Jinghua， CHEN Yao， CHEN Minmin. China's High-Quality Economic Development Level，Regional Differences and Dynamic Evolution of Distribution[J]. The Journal of Quantitative & Technical Economics，2020，37(12)：108-126.

[32] 史言信，熊天任. 数字化、制度环境与制造业高质量发展[J]. 当代财经，2022(11)：113-124.

[33] SHI Yanxin， XIONG Tianren. Digitalization，Institutional Environment and High-Quality Development of Manufacturing Industry[J]. Contemporary Finance & Economics，2022(11)：113-124.

[34] 李敏杰，王　健. 双向FDI、空间溢出与物流业高质量发展[J]. 统计与决策，2022，38(20)：184-188.

[35] 刘华军，郭立祥，乔列成，等. 中国物流业效率的时空格局及动态演进[J]. 数量经济技术经济研究，2021，38(5)：57-74.

[36] LIU Huajun， GUO Lixiang， QIAO Liecheng，et al. Spatial-Temporal Pattern and Dynamic Evolution of Logistics Efficiency in China[J]. The Journal of Quantitative & Technical Economics，2021，38(5)：57-74.

[37] 薛　阳，郭世乐，冯银虎. 长江经济带数字物流与物流高质量发展[J]. 华东经济管理，2024，38(3)：23-34.

[38] XUE Yang， GUO Shile， FENG Yinhu. Coupling and Coordination of Digital Logistics and High-Quality Logistics Development in the Yangtze River Economic Belt[J]. East China Economic Management，2024，38(3)：23-34.

[39] 张义川，杨文韬，陈　迎，等. 物联网技术在铁路集装箱运输中的应用研究[J]. 铁道货运，2022，40(5)：26-31.

[40] ZHANG Yichun， YANG Wentao， CHEN Ying，et al. Application of IoT in Railway Container Transportation[J]. Railway Freight Transport，2022，40(5)：26-31.

基金资助

教育部人文社会科学研究规划基金项目(22YJAZH159)

江西省社会科学规划项目(24GL16)