制造业与物流业的协调发展

田强 刘岩 李娜 高鸽

[摘要] 制造业与物流业之间存在协同发展关系，探究它们的协调发展水平对提升制造业竞争力及推动物流业转型升级具有重要意义。为探究华东地区制造业与物流业的协调发展水平及影响因素，在构建两种产业协调发展评价指标体系的基础上，先利用耦合系统协调度模型测算2010—2019年华东地区六省一市制造业与物流业的协调发展水平，再利用地理探测器模型检测地区经济发展水平、地区经济结构合理性、城镇化水平、地区创新能力、网络信息化水平对两种产业耦合协调的影响作用。结果表明：2010—2019年华东地区制造业与物流业的耦合协调发展水平仍然较低，但六省一市均有不同程度的提高，制造业与物流业已由基本失调提升至轻微失调。各影响因素中网络信息化水平成为华东地区制造业与物流业协调发展的主要驱动因素，其余诸因素对两种产业的耦合协调也具有显著影响。各影响因素相互交互产生了双因子增强和非线性增强关系，共同作用于制造业与物流业的耦合协调且作用效果显著强于单个影响因素。最后基于上述观点提出相应的建议对策，以期为促进华东地区制造业与物流业的协调发展提供参考借鉴。

[关键词]制造业;物流业;耦合系统协调度;地理探测器;协调发展

一、 引言

制造业是国家综合实力和国际竞争力的重要体现，决定着一个国家在经济全球化格局中的国际分工地位[1]。2009年全球金融危机爆发后我国正式实施“制造业与物流业联动发展”工程，目的是推动主辅分离发展第三方物流，解决我国物流成本占GDP比重长期居高不下的問题，更好地促进制造业转型升级[2]。为实现我国由“制造大国”向“制造强国”的转型，国务院于2015年6月成立了国家制造强国建设领导小组以统筹推进制造强国战略1。***总书记指出：“制造业是实体经济的基础，实体经济是我国发展的本钱，是构筑未来发展战略优势的重要支撑。”2“十四五”规划也提出要“深入实施制造强国战略”3，由此可见，制造业在当前及未来我国经济社会发展中将长期居于重要地位[5]。

华东地区作为我国经济相对发达的地区，近二三十年已成为我国区域经济发展的标杆[6]。尽管该区域的制造业与物流业均取得了快速发展，但部分地区的制造业相对低端、规模大而效率低、成本过分高昂，以及物流业服务质量较低、效率有待提高等问题逐渐凸显。因此制造业需要摆脱物流效率低且成本高的困境，同时物流业也需要制造业的强力带动[7]，由此加强两种产业的联通互动并实现其协调发展成为突破当前两种产业各自发展瓶颈的重要突破口。实现制造业与物流业的“协调发展”，即在两种产业相互关联的基础上推进仓储、配送、运输、生产制造等环节的合作协调，即借助制造业推动物流业转型升级同时通过提升物流服务质量辅助制造业降本提质，并最终实现两种产业的协调发展、融合发展。因此从实证分析角度探究华东地区制造业与物流业的协调发展水平，进而深入剖析影响两种产业协调发展的影响因素及其相互作用，并据此提出相应的建议对策，具有重要的现实意义。

二、 文献综述

制造业与物流业的联动发展是顺应时代潮流的必然趋势，对于促进经济高质量发展和产业结构的升级具有重要意义[5]。目前学界对制造业与物流业之间的关系研究较多，主要包括以下几方面：

一是制造业与物流业之间的关系研究。Hui认为制造业与物流业是人类物质生活的两大支柱，它们的关系随着社会的发展不断变化并在当前的供应链整合阶段形成了合作伙伴关系[6]。Rehman等认为制造业与物流业的产业链接实质上是供应链的整合过程，包括了由物流业主导的物流链和制造业主导的供应链[7]。庄品珽、俞义指出制造业与物流业的产业关系实际上是两大产业在供求方面的相互依存关系[8-9]，孙金秀等指出为获取外部规模经济、深化产业分工、实现互动创新共同促使制造业与物流业由依存关系向协同关系发展[10]。

二是制造业与物流业协同程度的实证研究。余沛、弓宪文、苏涛永等利用耦合协调度模型分别测算了河南省、重庆市及我国制造业与物流业的协调发展水平[11-13]，此外董千里等和赵晓敏等则利用与耦合协调度模型类似的复合系统协同度模型分别测算了陕西省和上海市制造业与物流业的复合系统协同度[14-15]。尽管“耦合系统协调度”与“复合系统协同度”称谓不同，但其基本内涵是一致的，都是表征系统之间或系统组成要素之间在发展演化过程中彼此和谐一致的指标[16]。制造业与物流业都具有层次结构的模糊性和动态变化的随机性以及指标数据的不确定性，十分符合灰色理论[17]，因此王珍珍、沙颖、聂兴信等利用灰色关联度模型分别测算了我国、吉林省及西宁市在不同时期制造业与物流业的产业协调度[17-19]。

三是对制造业与物流业协调发展的影响因素研究。目前有关该领域的研究成果比较稀缺，具有代表性的有：董千里等对陕西省制造业与物流业的协调度研究中，结合实证分析结果指出自然资源禀赋与产业集聚对两种产业的协调发展具有影响[14]。李根在对我国制造业与物流业的协同发展做实证研究的基础上，指出经济条件、基础设施和行业分布等是制约各地制造业与物流业协同发展的重要因素[4]。弓宪文在分析我国制造业与物流业的协调演化时，针对协调度结果指出2008年国际金融危机及此后国家陆续出台的“装备制造业三年振兴规划”等政策对两种产业协调发展具有重要影响[12]。

综上所述，尽管目前有关制造业与物流业协调发展的研究成果比较丰富，但仍存在以下几点不足：第一，研究地域主要围绕全国或省域展开，涉及多省份区域的制造业与物流业协调发展的研究成果相对稀缺，专门针对华东地区制造业与物流业协调发展的研究成果更为少见。第二，多数研究成果都以产业协调度的测度为研究重心，涉及两种产业协调发展影响因素的实证研究十分稀缺。第三，目前对于产业协同发展影响因素的实证方法多采用各类回归分析展开，但回归分析存在自身局限性。一是选取影响因素作为自变量时需极力避免共线性问题，使部分影响因素不能同时选取;二是通常借助两个自变量的乘积项识别它们的交互作用，但事实上它们不一定是相乘关系还可能是相加、非线性增强、非线性减弱等关系类型[20]。地理探测器模型是近年来地理学研究中逐渐兴起的新型研究方法，这种方法不需要线性假设且具有明确的物理含义，可以避免多解释变量间共线性带来的估计误差且能够探究自变量对因变量的交互作用。为此本文以华东地区为例，运用耦合系统协调度模型测算2010—2019年华东地区六省一市制造业与物流业的协调发展水平，在此基础上借助地理探测器模型识别对华东地区制造业与物流业的协同发展具有重要影响的关键因素，最后结合实证分析结果提出具有针对性的建议对策，以期为推动华东地区制造业与物流业的协调发展提供有益参考。6F32320A-9C76-4A8B-8131-037E164E354B

三、 研究设计

1. 指标体系的构建

本文的研究重点分为两部分，一是测度华东地区制造业与物流业的协调发展水平，二是检测华东地区制造业与物流业协调发展的影响因素。为此需选取合适指标分别构建制造业与物流业协调度评价指标体系及影响因素指标体系，通过梳理相关文献参考现有研究成果，将选定的评价指标整理成表1和表2。

2. 研究方法

（1）耦合系统协调度模型

制造业与物流业相互影响并共同构成耦合系统，计算该耦合系统的协调度需先计算两种产业子系统的综合评价值，进而求得耦合度，最后计算协调度。具体步骤如下：

第一步计算制造业与物流业的综合评价值。若以[Ui]（i=1，2）分别表示制造业与物流业两个子系统，[uij]（i=1，2;[j=1，2，…，n）]表示两种产业子系统内[n]个评价指标的标准化数据，则子系统的综合评价值计算公式为：

[Ui=j=1nλijuij]  （1）

上式中[λij]是第[i（i=1，2）]个子系统内第[j（j=1，2，…，n）]个评价指标的权重值。为消除不同单位量纲对计算结果的影响，需对各指标原始数据作标准化处理。常用的数据标准化方法有均值法、极值法、比例法等，不同方法也会对计算结果造成影响。均值法会使标准化数据偏大，造成的结果将是产业综合评价值的最大值超过1;极值法的话则会出现0值，虽然也有不少学者在此基础上赋予标准化数据一个平移幅度使其避免出现0值，但平移幅度的取值又过于主观。因此本文采用比例法，既使标准化后的数据介于0到1之间又有效避免了0值的出现，公式如下：

[uij=xiji=1nxij]     （2）

上式中[xij]和[uij]分别表示第[i]个子系统第[j]个指标的原始数据和标准化数据，对于权重值[λij]的计算通常采用熵值法求得。指标权重的不同将使产业综合评价值不同，并影响后续的耦合度和协调度计算结果。为此本文采用熵值法求取指标权重，以消除人为主观因素的影响。这是一种客观赋权方法，其基本步骤在此不做赘述。

第二步计算两个子系统的耦合度，计算公式如下：

[C=2×U1×U2（U1+U2）212] （3）

上式中[U1]、[U2]分别表示制造业与物流业两个子系统的综合评价值，[C]为两种产业子系统的耦合度。可知，[C∈0，1]。[C=0]表示子系统间无关联且无序发展;[C∈（0，0.3]为低水平互动;[C∈（0.3，0.5]为颉颃阶段;[C∈（0.5，0.8]为相互磨合阶段;[C∈（0.8，1]为高水平互动阶段[21]。

第三步计算两个子系统的协调度。耦合度[C]虽能反映两个子系统间的耦合作用强度，但难以反映它们之间互动的整体功效和协调效应。耦合度主要衡量两个系统之间的联动程度，协调度主要衡量两个系统之间相互促进良性互动的水平[22]。在此构建制造业与物流业两个子系统的耦合系统协调度模型，计算公式如下：

[T=aU1+bU2 D=C×T    ] （4）

上式中[D]为协调度，[C]为耦合度，[T]为综合协调指数，[a]和[b]分别为制造业和物流业综合评价值[U1]和[U2]的待定系数，代表它们在协调发展过程中各自所处的地位和作用。部分学者认为制造业在国民经济中的地位和贡献高于物流业，因此[a]应大于[b]。在此借鉴弓宪文等的处理方法设定为[a=0.6]、[b=0.4][21]。对于两种产业协调发展的等级标准，在此借鉴余沛的耦合协调度评价标准[11]。不同学者的评判标准存在差异且具有一定的主观性，但就现有研究来看多数学者以数值0.5作为失调与协调的分界线，本文仍采用此方法。具体标准如表3所示：

（2）地理探测器模型

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种统计学方法，最初用于测度环境因素对地方疾病的影响程度[20]。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[23]。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[24]。为进一步探究制造业与物流业协调发展的驱动力并识别其主要影响因素，本文采用地理探测器模型中的因子探测和交互作用探测分别检测两种产业协调发展的影响因素及其交互作用。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：

[q=1-h=1LNhσ2hNσ2]  （5）

式中：[h=1，…，L]表示自变量分为[L]层，[N]为样本总数;[σ2h]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。

交互作用探测用于识别两个自变量交互作用时对因变量的解释力是增强作用、减弱作用抑或是独立作用。两个自变量对因变量交互作用的类型如表4所示[20]。

四、 实证分析

本文以华东地区为研究对象，相关省市包括上海市、江苏省、浙江省、安徽省、福建省、江西省和山东省。在测算华东地区制造业与物流业的协调发展水平并检验其影响因素的过程中，为确保统计口径的一致性，所有指标数据均来源于国家统计局官网，研究时域确定为2010—2019年。对物流业统计数据的处理参照前人研究成果，以交通运输、仓储及邮政业数据代替[25]。

1. 协调度测度结果

制造业与物流业各成体系，它们相互作用并逐渐演化成一个更加复杂的耦合协调巨系统。制造业与物流业分别作为该巨系统下的内部子系统，其各自发展水平需借助子系统综合评价值来衡量。首先利用公式（2）对各指标数据作标准化处理，然后利用熵值法求得各指标对应的权重值，将结果整理后得到表5。指标权重反映了该指标在整个评價指标体系中的地位和作用，权重越大表明该指标越重要。由表5可知，华东地区六省一市中制造业与物流业子系统评价指标体系中的重要指标存在明显差异。以制造业城镇单位就业人员平均工资（元）为例，该指标在上海市、江苏省、浙江省、福建省和山东省的制造业评价指标体系中权重最大，但在安徽省和江西省的制造业评价指标体系中权重最大的指标则是规模以上工业企业资产总计（亿元）。同样物流业增加值（亿元）在上海市、浙江省、安徽省、江西省和山东省的物流业评价指标体系中占据最大权重，而在江苏省和福建省物流业评价指标体系中权重最大的指标分别是物流业城镇单位就业人员（万人）和货物周转量（亿吨公里）。这反映出华东地区各省市拥有不同的资源禀赋，因此从业人员的薪资水平、工业企业资产规模、物流业从业人员规模、物流业活跃度等因素在各地区制造业与物流业发展过程中发挥作用的影响程度也不尽相同。6F32320A-9C76-4A8B-8131-037E164E354B

在获得了各指标的标准化数据及对应的权重值后，利用公式（1）可求得各地区制造业与物流业的综合评价值，将结果整理后得到表6。表6中“变化”一列为某地区制造业或物流业2019年数据与2010年数据之差，该值为正表示2019年相比2010年产业发展更加良好有序，反之则有所衰退。根据表6，华东地区六省一市的制造业综合评价值与物流业综合评价值在2010—2019年间呈整体上升趋势。就制造业综合评价值的变化情况来看，增量最大的是福建省，该值由2010年的0.060提升至2019年的0.148，之后依次是江西省、浙江省、安徽省、江苏省、上海市和山东省。就物流业综合评价值的变化情况来看，六省一市均有不同程度的增加，按增量由大到小排列依次是福建省、浙江省、江西省、上海市、安徽省、江苏省和山东省。不难发现，2010—2019年间福建省、江西省和浙江省的制造业综合评价值与物流业综合评价值均有大幅提升，说明这3个省份的制造业与物流业均取得了较快发展，两种产业协调度可能较高。在制造业综合评价值增量排名中其余地区的排名依次是安徽省、江苏省、上海市和山东省，在物流业综合评价值增量排名中则依次是上海市、安徽省、江苏省和山东省。这说明各地资源禀赋不同，制造业与物流业在各地的发展速度和发展状况存在差异。根据表6可进一步计算六省一市制造业综合评价值与物流业综合评价值的当年差值及差值的各年均值，绘制成图1。由图1可知，2010年华东各省市制造业综合评价值与物流业综合评价值的差值均为负数，换言之制造业综合评价值均小于对应的物流业综合评价值，说明此时制造业发展相对滞后于物流业发展。自2013年开始出现多个地区两种产业综合评价值的差值为正数，至2019年除了上海市和山东省的制造业仍滞后于当地的物流业外，其余地区的制造业发展均领先于物流业。这种领先是一种动态的、暂时的领先，会受到产业内部及外部环境等诸多因素的影响。整体来看，制造业发展强于物流业发展的地区，在两种产业协同发展过程中制造业居于主导地位，产业协同主要依靠制造业对物流业的带动效应;物流业发展强于制造业发展的地区，在两种产业协同发展过程中物流业居于主导地位，产业协同主要依靠物流业的推动作用。再观察均值的变化情况可知，该值经历了先上升后下降再上升的变化趋势，2010—2014年为负数，2015—2019年为正数，这种变化也说明在制造业与物流业互动协同过程中制造业的地位和作用不断上升。

在已求得制造业与物流业综合评价值的情况下，根据公式（4）可计算两种产业子系统的耦合度，将结果整理后得到表7。由表可知，2010—2019年华东地区六省一市制造业与物流业子系统的耦合度都十分接近1。观察后发现耦合度的最大值是2017年上海市制造业与物流业的耦合度0.999999595，最小值则是2010年江西省制造业与物流业的耦合度0.992232997，其余地区的两种产业耦合度处于最大值与最小值之间。尽管耦合度结果显示华东地区六省一市的制造业与物流业在2010—2019年间已处于高水平互动阶段，即两种产业的相互依赖性很强，但产业间的良性互动、相互促进效果需借助协调度结果衡量。

根据表7中的耦合度进一步计算各地区制造业与物流业的综合协调指数，并最终求得两种产业的耦合协调度，将协调度计算结果整理成表8。由表8可知：第一，2010—2019年间华东地区六省一市制造业与物流业的协调发展水平仍然较低。各地的耦合协调度处于0.2450～0.3800之间，根据余沛等的耦合协调度评价标准[11]，该水平仅为基本失调（0.2<[D]≤0.3）与轻微失调（0.3<[D]≤0.4）;第二，2010—2019年间华东地区六省一市制造业与物流业的耦合协调度均有提升。其中提升最快的是福建省，两种产业耦合协调度由2010年的0.2469增长到2019年的0.3800，涨幅高达53.91%。提升最少的是山东省，两种产业耦合协调度由2010年的0.2753增长到2019年的0.3327，涨幅仅为20.85%。2010年华东地区六省一市的制造业与物流业均处于基本失调水平，至2019年六省一市的制造业与物流业均处于轻微失调水平，反映出各地的两种产业协调程度缓慢提升。第三，2010—2019年间华东地区六省一市制造业与物流业的协调发展水平存在显著差异且呈现出动态的波动变化。按照表8中制造业与物流业的耦合协调度数值由大到小对华东地区六省一市进行排名，2010年两种产业协调水平最高的是上海市，2011年和2012年两种产业协调水平最高的是山东省，2013年和2014年两种产业协调水平最高的是江苏省，2015年和2016年排在首位的是江西省，2017年、2018年和2019年则是福建省的两种产业协调水平最高。利用协调度年度均值绘制图2，图2可直观反映2010—2019年间华东地区制造业与物流业的协调发展水平呈逐年缓慢递增趋势。

2. 影响因素测度结果

地理探测器能探测某因子（X）在多大程度上解释属性（Y）的空间分异性，但不能判别影响方向。为此借鉴潘方杰等的做法，在进行地理探测器分析之前先进行相关性分析[26]。通过相关系数的计算，以此判断所选取的5个影响因素指标是否与华东地区制造业与物流业的耦合协调度存在相关关系以及各影响因素的影响方向。借助SPSS22.0软件进行 Pearson相关分析，计算结果见表9。由表9可知，两种产业协调度与初步确定的各影响因素之间均存在显著的正相关性，说明地区经济发展水平等影响因素对制造业与物流业的协调发展具有正向影响作用。其中相关系数最高的是互联网发展水平，說明信息化建设对制造业与物流业的协调发展具有重要推动作用。为进一步检测影响因素对两种产业协调度的影响作用及它们之间的交互作用类型，在此基础上利用地理探测器模型作深入分析。鉴于地理探测器模型适用于因变量为数值型变量、自变量为类型变量的分析，在此借鉴黄小刚等和樊涵等的做法[27-28]，利用SPSS22.0软件“可视化分箱”功能中的“等百分位”分类法对选定的影响因素指标数据作离散化处理。参考多数研究成果将自变量通常分为5类的做法，将每个影响因素变量按其数据大小根据等百分位分类法也分成1—5的5类数字，之后利用地理探测器模型以2010—2019年华东地区制造业与物流业的耦合协调度为因变量，经离散化处理后的各影响因素指标数据为自变量作因子探测分析，将结果整理后得到表10。6F32320A-9C76-4A8B-8131-037E164E354B

根据表10中的因子探测结果，5个影响因素的[P]值均小于0.01，表明各影响因素均通过了1%的显著性检验，对华东地区制造业与物流业协调互动的影响作用十分显著。按照[q]统计量所反映的自变量对因变量分异性的解释程度，各影响因素中对两种产业协调发展影响最大的是网络信息化水平，这与相关性分析结果中网络信息化水平与两种产业耦合协调度的相关系数最大的情况完全吻合;其次是城镇化水平，之后依次是地区经济发展水平、经济结构合理性和地区创新能力。该结果表明2010—2019年间网络信息化建设是推动华东地区制造业与物流业协调发展的关键驱动力，这可能是因为以互联网为代表的现代信息技术特别是以互联网技术为依托的物联网、大数据、云计算和人工智能等技术，在推动制造业与物流业转型升级及实现两种产业互动融合的过程中发挥了重要作用。此外城镇化水平对两种产业协调度的影响仅次于网络信息化水平，可能是因为城镇化水平的不断提升促使居民消费水平大幅提升，从而有效刺激了市场需求，为制造业及物流业的发展扩大了市场牵引力。另外经济发展及第三产业在区域经济发展中地位的不断提升，对制造业与物流业的协调发展也起到了一定的促进作用。尤其是近年来各地积极响应供给侧结构性改革的号召，纷纷去产能、调结构，使得经济结构不断优化。此举既有利于推动传统制造业向现代集约型高效率的产业发展模式转变，也有利于加快物流业的转型升级。[5]个影响因素中地区创新能力对两种产业协调度的影响作用最薄弱，既说明技术创新已经对助推制造业与物流业的转型升级和协调发展发挥作用，又反映出当前华东地区的技术创新能力整体还不强、尚有较大提升空间。

地理探测器模型不仅提供了因子探测分析还提供了各因子的交互作用分析，将结果整理后得到表[11]。由表11可知：（1）5个影响因素两两交互作用下的因子探测力均大于两个因素中单个因素对两种产业耦合协调的探测力结果。以地区经济发展水平为例，该指标单独发挥作用时对两种产业协调度的探测力为0.3009，而该指标与其余4个指标中任何一个交互作用时的因子探测力均大于0.3009，其余指标间的交互作用也是如此。（2）5个影响因素交互作用下的因子探测力大小各异，其中地区经济发展水平与经济结构合理性交互作用时对制造业与物流业耦合协调度的解释力最强，高达0.7162，地区经济发展水平与地区创新能力交互作用时对两种产业耦合协调的解释力最弱，为0.4247，但也高于地区经济发展水平或地区创新能力单个指标时对两种产业协调度的解释力。（3）5个影响因素间的交互作用包括两类，分别是非线性增强与双因子增强。以地区经济发展水平与经济结构合理性的交互作用为例，它们交互后的解释力为0.7162，高于地区经济发展水平的解释力（0.3009）与地区经济结构合理性的解释力（0.3007）之和，即为“1+1>2”现象，又称非线性增强现象。其余指标间的交互作用均属于“弱[+]弱[>]强”现象，即两个影响因素交互作用后的因子探测力小于它们单独作用时各自的因子探测力之和但大于其中最大的因子探测力，又称雙因子增强现象。这说明华东地区制造业与物流业的耦合协调受到诸多因素共同制约且存在“木桶效应”，单一因子影响力不高但能影响两种产业的协调发展水平且两两交互后影响程度明显增强[23]。

五、 结论与建议

1. 结论

本文为探究华东地区制造业与物流业的协调发展水平及影响因素，首先利用耦合系统协调度模型测算2010—2019年该区域六省一市制造业与物流业的耦合协调度，结果表明：第一，该时域内华东地区制造业与物流业的协调发展水平仍然较低，目前正处于轻微失调状态;第二，该时域内华东地区制造业与物流业的协调发展水平均有不同程度的提升，其中福建省和山东省分别成为两种产业协调水平提升幅度最大和最小的省份;第三，该时域内华东地区制造业与物流业的协调发展水平呈现出动态的波动变化，其中上海市、山东省、江苏省均在不同时期做过华东地区制造业与物流业协调发展的“领头羊”。在分析了该地区制造业与物流业协调发展水平的基础上，利用地理探测器模型检测两种产业协调发展的影响因素。结果表明：第一，网络信息化水平成为2010—2019年间华东地区制造业与物流业协调发展的主要驱动力;第二，其余诸因素如地区经济发展水平、经济结构合理性、城镇化水平及地区创新能力对制造业与物流业的耦合协调也具有显著影响;第三，各影响因素间的两两交互作用包括双因子增强和非线性增强，对制造业与物流业耦合协调的作用效果均显著强于单个影响因素。

2. 建议

制造业作为国民经济发展的命脉产业，提升制造业竞争力水平不仅关系到国计民生，更关系到“制造强国”战略的顺利实施。物流业作为第三产业的重要组成部分，具有生产性服务业的本质属性。因此增强制造业与物流业的联通互动、深化产业间的分工合作、推动两种产业的协调发展，既有助于提升制造业竞争力又能推动物流业的转型升级。制造业与物流业在华东地区社会经济发展中占有重要地位，为推动该区域制造业与物流业的协调发展本文提出以下建议对策：

第一，深化制造业的供给侧结构性改革，使其向高端制造业发展，特别是要加强现代装备制造业的发展。目前制造业与物流业相互影响的过程中，制造业对物流业的带动作用仍大于物流业对制造业的推动作用。因此推动两种产业的协调发展，应进一步强化制造业对物流业的带动效应。第二，推进物流业的更新换代与产业升级，深化与现代制造业的融合发展。进一步强化分工与合作的基础上，借助先进的装备制造业实现物流业的更新换代，利用新型高效的物流设施设备加快产业转型升级。第三，把握关键驱动力及重要影响因素，从产业外部实施一揽子工程。其中提升网络信息化水平是实现两种产业协调共生的关键因素，此外推进供给侧结构性改革以优化区域经济结构，推进新农村建设以提升城镇化水平，增强区域创新能力以创新带动产业发展等均对华东地区制造业与物流业的协调发展具有促进作用。6F32320A-9C76-4A8B-8131-037E164E354B

参考文献：

[1] 汪应洛，刘子晗.中国从制造大国迈向制造强国的战略思考[J].西安交通大学学报（社会科学版），2013，33（6）：1-6.

[2] 高锦.制造业与物流业联动发展研究——基于“边际决定论”视角[J].会计与经济研究，2016，30（6）：109-117.

[3] 徐维祥，方亮.华东地区高新技术园区创新对区域经济增长影响的实证研究[J].经济地理，2015，35（2）：30-36.

[4] 李根.产业共生视角下制造业与物流业协同发展研究[J].商业经济研究，2016（22）：184-187.

[5] 李颖，李晶.制造业与物流业联动发展研究——评经济科学出版社《制造业与物流业联动的物流服务创新研究》[J].价格理论与实践，2019（9）：172.

[6] Hui H.Coordinated Joint Development of Manufacturing and Morden Logistics[J].Applied Mechanics and Materials，2013，2746（423-426）：2220-2223.

[7] Rehman K，Qian L D，Zhang Y.Study of Logistics and Manufacturing Industry Integration from the Perspective of Pakistan[J].International Journal of Engineering Research in Africa，2016（24）：172-180.

[8] 庄品珽.供求依存视角下中国流通业与制造业的互动发展[J].商业时代，2014（21）：9-11.

[9] 俞义.制造业与物流业供需配合研究——基于外包动机与承包能力视角[J].商业经济研究，2016（15）：198-199.

[10] 孙金秀，林晓炜.现代流通业与先进制造业协同性研究进展[J].北京工商大学学报（社会科学版），2014，29（1）：44-49.

[11] 余沛.河南省生产性服务业与制造业耦合协调度分析[J].统计与决策，2017（9）：111-113.

[12] 弓宪文.区域物流业与关联产业的融合及协调发展研究[J].铁道运输与经济，2017，39（4）：20-25.

[13] 苏涛永，张亮亮，赵鑫.制造业与物流业耦合对制造企业生产率的影响——基于产业共生视角[J].工业工程与管理，2020，25（3）：42-49.

[14] 董千里，张林，申亮.制造业与物流业联动发展的产业协调度研究——基于陕西省数据实证分析[J].技术经济与管理研究，2015（3）：119-123.

[15] 赵晓敏，佟洁.区域制造业与物流业的协调度——以上海市为例[J].系统工程，2018，36（5）：95-103.

[16] 王珍珍，陈功玉.我国制造业不同子行业与物流业联动发展协调度实证研究——基于灰色关联模型[J].上海财经大学学报，2010，12（3）：65-74.

[17] 王珍珍.我国制造业与物流业联动发展的时空分异探析——基于灰色关联模型的实证研究[J].福建师范大学学报（哲学社会科学版），2012（3）：31-39.

[18] 沙颖.物流业与制造业的灰色关联协调度测算研究[J].求索，2012（9）：44-46.

[19] 聂兴信，张鹤，海洋龙.特色制造业与物流业联动发展研究——以西宁为例[J].企业经济，2015（2）：96-100.

[20] 王劲峰，徐成东.地理探测器：原理与展望[J].地理学报，2017，72（1）：116-134.

[21] 弓宪文.我国制造业与物流业耦合协调测评及空间分异分析[J].资源开发与市场，2018，34（2）：242-248.

[22] 张林，张雯卿.普惠金融与农村产业融合发展的耦合协同关系及动态演进[J].财经理论与实践，2021，42（2）：2-11.

[23] 樊芷吟，徐佩，傅斌，等.公眾对泥石流灾害认知水平及影响因素研究——以四川省汶川县为例[J].西南师范大学学报（自然科学版），2021，46（1）：133-143.

[24] 王婧，杜广杰.中国城市绿色发展效率的空间分异及驱动因素[J].经济与管理研究，2020，41（12）：11-27.

[25] 朱慧，周根贵，任国岩.制造业与物流业的空间共同集聚研究——以中部六省为例[J].经济地理，2015，35（11）：117-124.

[26] 潘方杰，王宏志，宋明洁，等.基于GIS的中国A级物流企业时空演变特征及其影响因素[J].长江流域资源与环境，2020，29（10）：2186-2199.

[27] 黄小刚，邵天杰，赵景波，等.长三角城市群臭氧浓度的时空分异及驱动因素[J].长江流域资源与环境，2019，28（6）：1434-1445.

[28] 樊涵，王晓娟，杨朝辉，等.遵义市4种主要自然保护地空间分布特征及其影响因素研究[J].生态与农村环境学报，2020，36（3）：334-341.

基金项目：吉林省社科基金项目“吉林省智慧物流信息平台体系构建研究”（项目编号：2020C054）;吉林省教育厅项目“吉林省传统产业升级技术路径依赖评价及对策研究”（项目编号：JJKH20191229SK）;烟台市社科基金项目“新旧动能转换背景下烟台市制造业与物流业的协调发展研究”（项目编号：YTSK2021-130）。

作者简介：田强（1992-），男，硕士，烟台南山学院商学院讲师，主要研究方向为物流管理;刘岩（1979-），女，博士，长春大学管理学院教授，硕士生导师，主要研究方向为物流管理;李娜（1979-），女，博士，长春大学管理学院讲师，主要研究方向为物流管理;高鸽（1987-），女，硕士，烟台南山学院商学院讲师，主要研究方向为物流经济。

（收稿日期：2021-07-17  责任编辑：顾碧言）6F32320A-9C76-4A8B-8131-037E164E354B