物流业升级是物流产业结构不断完善、产业效率和产业竞争力不断提高的过程^[1]。有关物流业升级的概念，不同学者存在不同看法。借鉴张立国^[2]对物流业升级的定义，将其界定为使物流服务水平提高的物流运行效率提升，物流市场结构优化以及物流业健康可持续发展。加快物流业升级具有重要的现实意义：一方面，物流业升级与经济增长间具有长期的相互促进作用^[3]，当前经济新常态重在调结构和稳增长，对传统物流业提出了转型升级的发展要求；另一方面，面对全国劳动力用工成本的不断上涨，社会物流成本仍居高不下，只有加快物流业转型升级并向智能物流发展方能解决用工成本上涨带来的影响^[4]。

目前有关物流产业升级的相关文献比较丰富，但主要围绕物流产业升级的策略与路径展开，且多数为理论分析。其中比较具有代表性的是张立国^[5]对物流业升级相关文献的梳理归纳，总结出物流产业升级主要从供应链与价值链、产业集群、现代科学技术应用和产业联动4个方面进行。这与本研究对相关文献的梳理情况基本吻合，在此借鉴该分类方法列举部分典型的研究成果：(1)基于供应链的物流产业升级研究。因供应链管理是物流管理的高级形态，辜胜阻等^[6]认为供应链管理为物流业转型升级提供了重要机遇，借助供应链管理可促动物流业转型升级。(2)基于产业集群的物流产业升级。这是一种横向思维下通过整合物流资源实现物流产业升级的观点，例如吴青^[7]基于产业协同理论指出利用物流产业集群可形成微观企业间的无缝式协作。(3)基于技术应用视角的物流产业升级。实现物流产业升级离不开现代化的信息技术，特别是互联网、大数据、云计算、人工智能等高新技术，多数学者从技术应用层面对加快物流产业升级建言献策。例如：吴利平^[8]、刘晓娜^[9]、马洁^[10]、Yan等^[11]分别探究了物联网技术、人工智能和大数据技术对物流产业升级的影响和价值。杨延海^[12]也指出发展智慧物流是变革与升级物流产业的关键点。(4)基于产业联动的物流产业升级。服务性是物流业的本质属性，为此，部分学者从被服务对象视角研究物流业升级的有效路径，例如：葛立国^[13]利用灰色关联度模型验证了消费需求升级对物流服务升级的拉动作用，蒋树雷等^[14]利用中介效应模型检验了数字经济对物流产业升级的影响。

相比之下，有关物流产业升级水平的测度研究比较稀缺。只有少数学者构建物流业升级的指标体系，尝试利用不同模型从实证分析视角测算不同区域的物流业升级程度。其中比较具有代表性的研究成果有张立国^[2]利用改进后的熵值法对全国西部地区物流业升级水平的测度研究，林鹏等^[1]利用G1-CRITIC法和TOPSIS法分析了北京和天津等16个省市的物流产业升级水平，王旭等^[15]采用熵权TOPSIS模型测算了长江经济带地区物流业的升级水平。

综上所述，目前有关物流产业升级的研究成果仍存在以下几方面不足：(1)研究主题以物流产业升级的路径探讨为主，极少数研究属于物流产业升级水平的测度分析。(2)研究方法多采用熵权法和TOPSIS法，缺乏其他实证方法的研究成果。尽管这些方法能够对建立的评价指标进行科学赋权，但研究不足在于未能体现正向指标与负向指标的差异性。从效率视角分析物流产业的升级过程，正向指标属于产出变量，其值越大越有利，负向指标属于投入变量，其值越小越合理。若将所有指标等同视之或只考虑正向指标，可能会影响评价结果的科学性与准确性。(3)研究内容多为定性研究，尤其对物流产业升级的影响因素缺乏实证分析。有关物流效率影响因素的研究方法多采用Tobit回归模型，但该模型受到样本量的限制通常适用于面板数据，且为避免作为影响因素指标的自变量间存在多重共线性，往往在影响因素的选取方面需格外谨慎。基于上述3点不足，本研究以全国31个省、自治区和直辖市的物流产业升级为研究对象，借助2011年，2014年，2017年和2019年的截面数据，利用数据包络分析从效率视角探究省域范围的物流产业升级水平，该方法将评价指标分为投入变量与产出变量从而使评价结果更为科学准确。同时借助全局莫兰指数检验物流产业升级的空间自相关性，从空间视角验证物流产业的空间溢出效应。此外利用地理探测器模型从宏观角度检测物流产业升级的影响因素并识别其中的关键驱动力因素，该模型属于近年来逐渐兴起的地理学研究工具，其优势之一便是有效克服了回归分析中自变量间时常存在强相关性的不足，从而使影响因素的选取更加自由宽泛。最后结合实证分析结果提出具有针对性的建议对策，以期为促进物流产业升级提供有益参考。

多数学者对物流产业升级的定义中均提到了产业效率，但尚未发现有基于效率视角分析物流产业升级的研究成果。目前评价效率的研究方法主要有数据包络分析(Data Envelopment Analysis, DEA)和随机前沿分析(Stochastic Frontier Analysis, SFA)2大类。前者适用于评价多投入、多产出情况下决策单元的效率且无需构造生产函数，后者适用于评价多投入、单产出情况下决策单元的效率且投入变量与产出变量必须符合严格的生产函数关系。鉴于物流产业是多项投入、多项产出的复杂系统，在此选择数据包络分析进行效率评价。物流产业在逐渐升级过程中，产业结构更趋合理、产业规模更趋高效，为此选取数据包络分析方法中的BCC模型测算省域范围的物流产业效率。物流产业升级是一种动态演化过程，在技术、人才、信息和资金等经济要素的流动下，某地区的物流产业升级势必会影响周边区域同时受周边区域物流产业升级的影响。为检验物流产业升级是否具备空间溢出效应，在获得省域范围物流产业效率的基础上借助全局莫兰指数可验证其空间自相关性。此外物流产业升级会受到诸多因素的影响，物流系统内部产业布局合理、规模有效能够加快其升级过程，物流系统外部市场需求、技术创新和政策支持等均会对物流产业升级产生重要影响。为此需进一步探究物流业升级的影响因素并识别关键驱动力因素，方能从物流系统内部与外部双维度提出推动物流产业升级的有效措施。

BCC模型假设一共有n个决策单元，每个决策单元(Decision Making Unit，DMU)的输入有s种，输出有t种，其公式可表示为：

(1)

式中，χ_j为第j个决策单元的投入变量。y_j为第j个决策单元的产出变量。λ_j为权重向量，θ为相应的效率值。s⁺和s^-为松弛变量，分别表示投入冗余与产出不足，若θ=1且s⁺=0，s^-=0，表示决策单元强DEA有效; 若θ=1且s⁺≠0或s^-≠0，表示决策单元弱DEA有效; 若θ < 1，则表示该决策单元DEA无效，即纯技术效率和规模效率中至少一方不是最佳。

全局莫兰指数用于检验变量间空间的相关性, 分为全局空间自相关与局部空间自相关^[16]。本研究利用全局莫兰指数检验省域范围物流产业升级的空间自相关性，具体公式如下^[17]：

(2)

式中，n为省域总数；W为二进制的邻近空间权值矩阵。

(3)

式中，Y_i为第i个省域的物流产业效率；W_ij为空间权重矩阵W中的元素，指区域或位置i与j之间的空间权重，设定若空间单元i与j相邻时，W_ij=1，否则W_ij=0。莫兰指数一般在[-1, 1]之间，[-1，0)代表负相关的程度，(0，1]代表正相关的程度，值越大则空间自相关程度越大，若莫兰指数为0，则地理变量的空间分布为随机状态。在验证统计学分析结果是否有意义时，前提是提出一个零假设。零假设代表统计分布结果为随机分布，莫兰指数通过P值和Z得分决定是否拒绝零假设。P值代表数据集的可靠性，Z得分和莫兰指数表明数据集有明显的聚集或离散现象。表 1为未经验证的P值、Z得分和置信度之间的关系^[18]。

地理探测器是王劲峰等提出的探测空间分异性并揭示其背后驱动力的一组统计学方法，最初用于测度环境因素对地方疾病的影响程度。该模型擅长自变量为类型变量、因变量为数值变量的分析且假设条件较少，故在诸多学科中被广泛运用^[16]。其基本思想是研究对象存在于特定的空间位置上，影响其演变的因素在空间上也具有一定的差异性, 若这一因素与研究对象的变化在空间上具有显著的一致性，则说明这一因素对研究对象空间差异的形成演化具有重要意义^[19]。为探究各地物流产业升级的驱动力因素，本研究采用地理探测器模型中的因子探测分析检测物流产业升级的影响因素。因子探测用q值来度量自变量对因变量分异的解释力，公式如下：

(4)

式中，h=1, …，n；L为自变量分为L层；N为样本总数；σ_h²为层h的方差；σ²为总方差；q为解释力，值域为[0, 1]且数值越大表明自变量对因变量的解释力越强。

本研究以全国31个省级行政单位的物流产业升级作为研究对象，研究重心包括测算物流产业效率、验证物流产业升级的空间自相关性及检测物流产业升级的关键驱动力因素，为此需从产业效率和影响因素2个维度构建评价指标体系。关于物流产业效率的评价指标，借鉴有关研究成果^[20-22]从投入产出两方面选取合适指标。最终以物流业增加值(亿元)、货运量(万吨)、货物周转量(亿吨公里)为物流业产出变量，以物流业从业人员(万人)、物流业固定资产投资量(亿元)、物流网络里程(万公里)为物流业投入变量。其中从业人员以公路、铁路、水路、航空、管道运输及装卸搬运业从业人数代替，物流网络里程为公路、铁路、内河航道里程的线路长度之和。

鉴于物流产业升级过程的复杂性与多样性，在梳理相关文献后，将物流产业的影响因素初步确定为市场需求、科研力度、政策支持、网络信息化水平及行业人才水平。其中，物流产业的市场需求主要包括生产需求、贸易需求和生活需求，在此以工业增加值(亿元)表示工业生产的物流需求，以经营单位所在地进出口总额(千美元)表示对外贸易的物流需求。同时以规模以上工业企业研发人员全时当量(人年)表示科技研发力度，以地方财政科学技术支出(亿元)表示地方政府对推动技术升级的政策支持，以人均互联网宽带接入端口数(个)和每十万人口高等学校平均在校生数(人)分别表示区域网络信息化水平和行业人才水平。为保证研究口径的一致性，所有数据均来源于国家统计局官网，研究时域定为2011年、2014年、2017年和2019年。

首先利用Deap 2.1软件中的BCC模型对全国31个省、自治区和直辖市分别作规模报酬可变情况下基于投入导向的物流产业效率测算，该模型将综合技术效率分解为纯技术效率和规模效率。其中，综合技术效率为1表示决策单元处于生产前沿面上，反之则处于DEA决策单元无效状态。另外纯技术效率是测度决策单元在规模报酬可变的生产前沿面上最佳投入与实际投入的比率，该值为1说明达到了技术上的有效且物流业投入结构合理。规模效率可用来判断物流业规模是否合理，该值为1时说明规模有效，资源配置达到最优。为观测物流产业升级的综合变化及产业结构合理性、产业规模有效性，将3种效率在2011年、2014年、2017年和2019年的测度结果整理成表 2。

如表 2所示，从时间维度看，2011年全国只有5个省域的物流产业综合技术效率值为1，包括位于华北地区的天津、河北和位于华东地区的上海、江苏、安徽，其余地区均处于非DEA有效状态。至2019年物流产业综合技术效率值为1的地区增加到7个，包括华北地区的天津、河北、山西，华东地区的上海、浙江和安徽，还有东北地区的辽宁。其中，相比2011年，山西、辽宁和浙江为新增DEA有效地区。从处于物流产业生产前沿面的省份来看，尽管2019年和2011年物流产业效率值等于1的省份均以华北地区和华东地区为主，但2019年新增省份中出现的辽宁、山西和浙江则反映出华北和华东的物流产业正逐步向周边的东北、西北和东南方向延伸。这说明物流产业发展升级并非静止不变而是处于动态演变过程中，当前华东与华北的物流产业相对有效且正向周边区域缓慢拓展。有关物流业升级的空间溢出效应将在下面研究中借助全局莫兰指数进行检验，在此不作赘述。

为分析省域范围物流产业升级的阻碍来源，在此将2019年的效率结果作为重要研究对象，经仔细观察后将各省域的物流产业升级情况分成以下5类：第1类是综合技术效率为1的地区，包括天津、河北、山西、辽宁、上海、浙江和安徽共7个省域。这些地区的物流产业发展情况相对良好，物流产业升级相对较快。第2类是纯技术效率值为1但规模效率值不为1的地区，包括江苏、山东、广东、西藏和宁夏共5个省域。这些地区的物流产业在升级过程中，在现有条件下技术利用率已达到相对合理的程度且产业结构相对合理，物流产业发展升级的阻碍主要来源于产业规模有效性较差。其中，江苏、山东和广东属于经济相对发达地区，在物流产业升级过程中难免存在资源过度投入情况，其规模收益类型显示为递减，其升级策略为适当精简物流产业规模。西藏和宁夏为经济欠发达地区，物流产业规模有限，其规模收益类型显示为递增，其升级策略为适当扩大物流产业规模。第3类是纯技术效率与规模效率均不为1但比较接近的地区，包括北京、福建、江西、内蒙古和河南共5个省域。这些地区在加快物流产业升级过程中，优化产业结构与调整产业规模基本同等重要。第4类是纯技术效率值远超过规模效率值的地区，包括海南和青海共2个地区，它们在推动物流产业升级的过程中，工作重心应置于调整产业规模方面。进一步观察可知，海南和青海的规模收益类型均为递增，说明加快物流产业升级应着力解决当地物流产业规模较小的问题，借助招商引资和政策倾斜积极扶持物流产业发展壮大。第5类是规模效率值远超过纯技术效率值的地区，包括吉林、黑龙江、湖北、湖南、广西、重庆、四川、贵州、云南、陕西、甘肃和新疆共12个省域，这些地区在加快物流产业升级过程中应将工作重心置于优化物流产业结构及提升技术利用率方面。根据表 2三种效率均值可绘制图 1，规模效率均值曲线呈现出轻微下降趋势，但纯技术效率均值曲线呈现出明显增长趋势，由此使综合技术效率均值呈略微上升趋势。这反映出各地物流产业正缓慢升级，产业结构不断优化、技术利用率整体上升但仍有部分地区的物流产业规模欠缺合理性，需根据实际情况适当调整。

图 1 物流产业综合技术效率、纯技术效率与规模效率变化趋势 Fig. 1 Changing trends of comprehensive technical efficiency, pure technical efficiency and scale efficiency of logistics industry

图选项

获得2011年、2014年、2017年和2019年全国31个省域的物流产业综合技术效率后，利用Geoda软件中的全局莫兰指数可检测物流产业升级的空间自相关性。在此将上述4个年份下利用物流产业综合技术效率测度的全局莫兰指数及其检验结果整理成表 3，上述年份内全局莫兰指数分别为0.540，0.529，0.480，0.533，P值均小于0.01，Z值均大于2.58，表明数据结果均通过了0.01的显著性检验，物流产业效率具有明显的空间自相关性，即物流产业发展升级具有显著的空间溢出效应，这与效率分析结果中2019年相比2011年出现的变化情况基本吻合。

为检验物流产业发展升级的外部影响因素，利用2011年、2014年、2017年和2019年的截面数据，以当年的物流产业综合技术效率为因变量，以影响因素指标为自变量，借助地理探测器模型检验各自变量对因变量的影响作用并利用因子探测器识别物流产业升级的关键驱动力因素，将结果整理成下表。表中X₁为规模以上工业企业研发人员全时当量(人年); X₂为工业增加值(亿元); X₃为人均互联网宽带接入端口数(个); X₄为经营单位所在地进出口总额(千美元); X₅为地方财政科学技术支出(亿元); X₆为每十万人口高等学校平均在校生数(人)。p值小于0.05的自变量通过了0.05的显著性检验，对应的q统计量具有参考价值。由表 4可知，2011年通过0.05的显著性检验的自变量有X₁和X₃，2014年通过0.05的显著性检验的自变量有X₁和X₂，2017年通过0.05的显著性检验的自变量只有X₂，2019年通过0.05的显著性检验的自变量包括X₁, X₄和X₅，此外X₂则通过了0.01的显著性检验。

如表 4可见：(1)推动物流产业升级的外部驱动力因素在物流业的不同发展阶段存在差异性。比较通过显著性检验的q统计量可以发现，将通过显著性检验且q统计量数值最大的自变量视为物流产业发展升级的关键驱动力因素，则2011年和2014年物流产业升级的外部驱动力因素为规模以上工业企业研发人员全时当量(人年)表示的科技研发力度，2017年和2019年促进物流产业升级的关键外部驱动力因素是工业增加值(亿元)代表的由于工业生产制造产生的物流需求。(2)推动物流产业升级的外部驱动力因素随时间发展呈现出多样化趋势。2011年和2014年通过显著性检验的只有2个自变量，2017年减少为一个自变量，但到2019年增加为4个自变量，这说明物流产业的发展升级不仅受到科技研发力度、工业发展状况的重要影响，对外贸易及地方政府的政策支持对物流产业升级的正向促进作用也逐渐凸显。(3)网络信息化水平和行业人才水平对物流产业发展升级的促进作用并不显著。其中，X₃人均互联网宽带接入端口数(个)表示的区域网络信息化水平仅在2011年通过了0.05的显著性检验，其对应的q统计量为0.321 8仅次于当年X₁规模以上工业企业R&D人员全时当量(人年)表示的科技研发力度变量，但该自变量在2014年、2017年和2019年均不显著，同样X₆每10万人口高等学校平均在校生数(人)表示的行业人才水平在上述被研究年份内均不显著。这反映出从全国31个省域范围来看，华东与华北地区的物流产业升级较快，但东北、西南和西北地区诸多省份的物流产业仍处于相对低端的发展阶段，致使技术利用率和人才吸纳水平相对有限。从侧面反映出加快物流产业发展升级的必要性，这是实现物流业由低端走向高端的必经之路。

加快物流业发展升级，既是物流业由传统走向现代、由低端走向高端的必然趋势，又是新常态下经济发展对物流业提出的必然要求。实现物流产业的发展升级，要求物流业结构不断优化、产业规模渐趋合理、产业效率逐渐提升，为此从产业效率视角探究物流产业的升级过程具有重要的理论意义和实践意义。本研究通过梳理相关文献，在对物流产业升级的概念进行界定的基础上，首先基于投入产出视角构建了物流产业效率的评价指标体系，利用数据包络分析中的BCC模型分别测算了2011年、2014年、2017年和2019年全国31个省域范围的物流产业效率，从综合技术效率、纯技术效率和规模效率3方面分析物流产业的升级水平及障碍来源。之后利用全局莫兰指数检验物流产业升级的空间自相关性，证实了物流产业升级具有显著的空间溢出效应。最后以物流产业效率为因变量，利用地理探测器模型检验了工业发展、对外贸易、科技研发力度、政府政策支持及网络信息化水平、行业人才水平对促进物流产业升级的影响作用。主要结论如下：

(1) 根据效率结果，全国省域范围的物流产业升级明显加快。从时间视角看，2011年、2014年、2017年、2019年全国31个省、自治区、直辖市的物流产业综合技术效率均值分别为0.640，0.647，0.662和0.681，反映出2011至2019年全国各省域物流产业的效率提升、升级加快。从空间视角看，全国各省域的物流产业发展不均衡、升级过程存在明显差异。以2019年各省域的物流业效率结果为例，处于物流业生产前沿面的主要是华北和华东地区，东北、西北、西南等地的物流业效率相对较低，仍处于物流产业发展相对低端阶段。

(2) 根据莫兰指数结果，2011年、2014年、2017年和2019年全国31个省域物流产业综合技术效率的全局莫兰指数均为正数且都通过了0.01的显著性检验，反映出物流产业效率具有明显的空间自相关性，即物流业发展升级是一种动态演化过程且具有显著的空间溢出效应，物流业升级会随着技术、人才、资金、市场等经济要素的流动逐步向周边区域延伸。

(3) 根据地理探测器结果，影响物流业发展升级的驱动力因素具有明显的差异性和多样化特征，即同一因素在不同时间节点上影响物流业升级的过程中所处的地位和发挥的作用是不同的，并且在不同时间阶段促使物流业升级的关键驱动力因素也存在明显差异，但工业发展产生的物流需求及区域科技研发力度仍是当前推动物流业发展升级的关键驱动力因素。

物流业是典型的复合型产业，物流业发展升级会受到系统内部诸如产业结构合理性、产业规模有效性、技术利用率、网络信息化水平、人才吸纳水平等因素的影响，也会受到系统外部诸如工业发展状况、对外贸易发展水平、地方政府的政策支持等因素的影响。因此加快物流产业的发展升级需从物流系统内外两方面同时入手。具体来看：

(1) 加强区域间经济合作，增强华东与华北地区物流产业对周边地区的有效辐射作用。基于物流产业效率的视角，华东地区与华北地区的物流产业发展相对有效，产业升级较快。应借助区域间的经济往来与合作交流，利用物流产业的空间溢出效应，以华东和华北为核心带动周边地区特别是东北、西北和西南地区的物流产业升级。

(2) 注重优化资源配置，调整产业规模。加快物流产业升级，需要一系列人员、技术、资金、设施设备、制度、方法等的协调配合。尤其是物流产业的资源配置需要进一步优化调整，方能实现“1+1＞2”的协同效果。在物流产业投入方面，经济发达地区往往存在过度投入且产业规模虽大但效益不高的问题，经济欠发达地区通常存在技术落后、产业规模偏小等问题。各地应根据自身的实际情况，做好实地调研工作，采取有效措施实现产业结构优化、产业规模有效的目的。

(3) 深化产业联动发展，加强制造业和对外贸易与物流业间的融合互动。当前工业生产与对外贸易产生的物流需求仍是有效拉动物流产业发展升级的关键驱动力，虽然产业间的联动融合早已不是新命题，但如何健全制度保障、完善工艺流程、加强信息交流等多方面全方位地实现制造业与物流业的完美融合还需进一步探索研究。

(4) 扩大科技研发力度，加强地方政府对技术创新的支持力度。实现物流产业的发展升级，需要推广先进技术的广泛应用，特别是物联网、大数据、云计算和人工智能等先进信息技术的普及应用同时打造智能化的物流系统信息平台，借此智能协调控制物流运作以大幅提升物流效率。这需要政府有关部门对科技研发大力支持，增加研发投入，增强地方政府的财政保障和制度保障。此外发展绿色物流也是物流产业升级的重要方向，在推动物流产业加速升级过程中应遵循绿色环保原则。

(5) 加快传统物流企业的转型升级，进一步提高专业化人才的福利待遇。当前全国高等教育已进入普及化阶段，劳动力的整体能力和素质均得到了显著提升，但目前专业化人才对物流产业升级的促进作用并不明显。这可能是由于全国多数地区的物流企业仍相对低端，对先进技术和高层次人才的需求度较低，致使物流行业内高素质人才数量较少，从而对整个行业的影响作用较小。此外物流企业对专业化人才的福利待遇相对较低也是另一客观原因，致使多数人才进入物流领域就业的主观意愿较低。推进物流业的革新与升级需要有能力、有思想、有创新的专业化人才来实施，为此应进一步推进校企协同育人，借助高校和企业共同培养能够满足社会需求的物流人才，同时物流企业也应提升对物流人才的重视程度，适当提高物流人才的福利待遇并制订有效的职业晋升路径。