2023年10月，习近平在南昌召开的进一步推动长江经济带高质量发展座谈会上强调“推动长江经济带高质量发展，坚持生态优先、绿色发展，强化区域协同融通，更好支撑和服务中国式现代化”^[1]. 长江经济带覆盖11个省市，横跨东中西三大板块，生态地位突出，是引领全国高质量发展的关键牵引力量^[2]. 物流业作为现代经济体系中的重要组成部分，是连接生产与消费的关键纽带，其作为支柱产业的地位日益凸显. 2021年2月，国务院印发《关于加快建立健全绿色低碳循环发展经济体系的指导意见》，明确提出要全方位推行绿色流通，打造绿色物流^[3]. 这不仅是我国实现“双碳”目标的重要举措，也是物流行业转型升级的必然选择. 《“十四五”现代物流发展规划》提出要加快物流数字化转型，推进物流智慧化改造，促进物流网络化升级，深入推进物流领域节能减排. 数字经济以技术设施为基础，创新能力为关键，依托数字技术加速物流改革，是推动绿色物流发展的主要驱动力. 在数字经济强有力的技术支撑下，绿色物流也为数字经济的增长提供新的活力，同时降低能源消耗和污染物排放，有利于促进数字经济与生态环境和谐共生. 由此可见，绿色物流-数字经济-生态环境系统有机融合与协调发展，对于促进长江经济带物流业绿色化转型、提高长江经济带数字经济水平与推进长江经济带生态环境可持续发展具有重要意义.

目前，关于绿色物流、数字经济和生态环境三者关系的研究，主要集中于两两之间的互动：①绿色物流与数字经济. 一是数字经济赋能绿色物流，促进物流业高质量发展. 数字经济有利于实现物流产业升级，在提高产业发展规模、增加产业绩效的同时，降低了资源的损耗及污染排放^[4]. 同时，数字经济关注技术创新，通过产业结构升级，居民收入提升^[5]，要素配置效率的改进^[6]显著促进绿色物流发展. 二是绿色物流与数字经济的耦合协调关系. 学者们普遍认为我国数字经济与绿色物流的耦合协调度呈现增长态势，经历了由濒临失调向勉强协调的阶段式跨越^[7]，且在空间上存在明显的区域差异，呈两极分化态势，但差异在逐年缩小^[8]. 其中长江经济带两者耦合协调度表现出“下游 > 中游 > 上游”的东强西弱发展格局^[9]. ②绿色物流与生态环境. 一是物流业对生态环境的影响. 传统物流业能源消耗高，碳排放量大，产生物理垃圾和交通拥挤，对生态和环境保护形成巨大的挑战^[10]. 在高能耗、高污染和高排放的传统物流业发展背景下^[11]，应通过改进完善绿色物流基础设施、引导物流企业低碳化转型和制定绿色物流发展规划等方式提升生态环境绿色化水平^[12]. 二是物流业与生态环境的耦合协调关系. 各省份两者耦合协调度呈逐年上升态势，但地区间差异较大，人均可支配收入对耦合协调度的影响最大^[13]. ③数字经济与生态环境. 一是数字经济对生态环境的影响. 学者们提出，数字经济通过构建资源节约和环境友好型经济发展模式^[14]，对生态环境具有显著的正向促进作用^[15]，具有显著的碳减排效应^[16]，且创新能力与能源强度是重要的控碳机制^[17]. 亦有学者指出数字经济不仅改善生态环境，生态环境同样对数字经济发展发挥重要的导向和约束作用^[18]. 二是数字经济与生态环境的耦合协调关系. 研究发现我国数字经济和生态环境的耦合协调度空间差异特征明显，呈现“东部高协调转型、中西部失调脱离”的协调等级演变格局^[19]. 两者耦合协调度在空间上也具有显著集聚特征，并呈现由东向西、由南向北降低的趋势^[20]. 三是数字经济与生态环境协调发展的影响因素. 学者们指出产业升级工业化、城镇化对二者协调发展的影响最大^[21]，亦有学者认为绿色创新和产业结构优化是数字经济影响生态环境的重要机制^[22].

综上所述，现有研究多聚焦于绿色物流、数字经济和生态环境两两系统间的协调发展研究，鲜有学者对绿色物流、数字经济和生态环境这三者之间的耦合协调关系进行分析. 基于此，本文基于2014~2023年长江经济带省级面板数据，利用耦合协调度模型系统测度三系统耦合协调水平，运用空间自相关模型和核密度法等进行时空特征分析，通过障碍度模型探讨准则层和指标层主要障碍因子和障碍度，并通过面板Tobit计量模型探析其影响因素，以期为推动长江经济带绿色低碳高质量发展提供实证参考.

1 理论分析

绿色物流、数字经济和生态环境这三者的交互耦合是一个融产业-经济-生态于一体的复杂系统. 三者作为一个有机系统，其内在耦合机制体现为多层次、闭环式的协同演进关系. 首先，绿色物流的实践持续生成场景化数据流，不断校准数字技术模型的应用边界，推动数字工具与真实需求的深度适配，形成实践和技术的良性循环，从而保障数字经济高效运转；数字经济则通过其数据驱动、智能优化等技术能力，引导和规范物流行业的发展方向，为其向绿色化、可持续化发展提供核心动力和技术路径^[23]. 其次，绿色物流的核心目标直接服务于生态保护，肩负着实现“双碳”目标的重要使命，通过优化运输效率、提升仓储管理水平和采用清洁能源等方式，显著提高资源利用率，有效减少污染排放和碳排放，直接改善和促进生态环境的可持续发展；而生态环境的政策压力和碳排放约束驱动物流行业必须向绿色化转型，成为绿色物流发展的核心外部驱动力和刚性约束条件，促进绿色物流持续发展. 最后，发展数字经济、推进人与自然和谐共生的现代化是实现高质量发展的重要举措^[24]. 数字经济的投入增加，会有更多新技术应用于生产和生活，从而提高资源利用率，减少环境污染，促进生态环境绿色发展；生态环境保护的紧迫需求和可持续发展目标，也引导和塑造数字经济的发展方向，推动其聚焦于开发更高效、更低碳的绿色技术和解决方案，不断驱动数字经济发展.

综上，绿色物流既是数字经济与生态环境间物质与信息交换的实体承载，也是二者互动的实践场景；数字经济通过数据整合与智能分析，不仅优化物流过程的资源与环境效能，也提升环境状态的实时感知与响应能力，从而强化生态约束对系统运行的反馈作用；生态环境则为绿色物流和数字经济共同提供目标导向和规制框架，推动两者在减排、节能和循环等绿色维度实现技术融合与模式创新. 因此，绿色物流、数字经济和生态环境三元协同不仅依赖两两之间的双向作用，更表现为一种系统性的共生演进：数字技术赋能绿色物流提升生态效益，生态目标促进数字工具持续创新，而绿色物流的规模化建设反过来沉淀数据、验证技术和完善规则，推动整个系统向绿色、智慧和可持续的高级形态动态发展. 绿色物流、数字经济和生态环境三者（GDE系统）协同发展机制如图 1所示.

2 材料与方法 2.1 评价指标体系构建

依据《“十四五”现代物流发展规划》《“十四五”数字经济发展规划》和国家发改委等部门发布的《绿色发展指标体系》，同时借鉴已有研究^[25~28]，从基础设施、经济效率和环境影响这3个维度构建绿色物流评价指标体系；从发展基础、发展规模和发展潜力这3个维度构建数字经济评价指标体系；从环境污染、环境治理和环境状态这3个维度构建生态环境评价指标体系，如表 1所示.

2.2 数据来源与处理

本文以长江经济带11个省市为研究对象，时间跨度为2014~2023年. 数据主要来源于《中国统计年鉴》《中国科技统计年鉴》《中国能源统计年鉴》、EPS数据库、北京大学数字金融研究中心，以及各省市历年的统计年鉴和统计公报. 为确保数据完整性，对个别缺失数据采用相邻年份线性插值法或移动平均法补齐.

2.3 研究方法 2.3.1 耦合协调度模型

耦合协调度模型是测度两个及以上子系统之间相互作用和协调发展的量化工具. 为测算GDE系统耦合协调发展水平，在熵值法^[29]评估各子系统综合发展水平的基础之上，引入耦合协调度模型分析GDE系统间的互动关系，其公式如下^[30]：

C=3×U1×U2×U33U1+U2+U3

(1)

T=αU1+βU2+γU3

(2)

D=C×T

(3)

式中，U₁、U₂和U₃分别为绿色物流、数字经济和生态环境这3个子系统发展水平，通过熵值法测度得到. α、β和γ分别为各子系统的权重系数，其总和为1，本文认为3个子系统同等重要，故取α=β=γ=1/3；C为耦合度；T为协调度；D为耦合协调度. 参考已有研究文献^[31]，将耦合协调水平，划分为10个等级，如表 2所示.

2.3.2 空间自相关模型

空间自相关分析通常包括全局空间自相关与局部空间自相关两种方法^[32，33]. 其中，全局空间自相关主要用于衡量整个研究区域内空间数据的整体分布特征，判断其是否存在集聚或离散的空间格局，并评估该格局的强度与显著性，常用的测度指标为全局莫兰指数（Moran's I）. 而局部空间自相关则侧重于揭示不同空间单元与其邻近区域之间的局部空间异质性，用于识别局部空间集聚或异常现象，并检验其显著性，通常采用局部莫兰指数（Local Moran's I）进行度量.

全局莫兰指数计算公式为：

$ \text {Moran's } I=\frac{n \sum\limits_{i=1}^n \sum\limits_{j=1}^n \boldsymbol{w}_{i j}\left(D_i-\bar{D}\right)\left(D_j-\bar{D}\right)}{\left(\sum\limits_{i=1}^n \sum\limits_{j=1}^n \boldsymbol{w}_{i j}\right) \sum\limits_{i=1}^n\left(D_i-\bar{D}\right)^2} $

(4)

局部莫兰指数计算公式如下：

$ \text {Local Moran's } I=\frac{n\left(D_i-\bar{D}\right) \sum\limits_{j=1}^n \boldsymbol{w}_{i j}\left(D_j-\bar{D}\right)}{\sum\limits_{i=1}^n\left(D_i-\bar{D}\right)^2} $

(5)

式中，D_i和D_j表示i省份和j省份的GDE系统耦合协调水平，D¯表示D的均值，w_ij表示空间权重矩阵，本文采用邻接权重矩阵，即当i省份与j省份相邻时，权重为1，否则为0.

2.3.3 核密度估计法

为了直观地展示长江经济带GDE系统耦合协调水平的动态演进趋势，本文采用核密度估计法对三系统协同演变进程进行深入分析^[34]. 核密度估计是一种非参数估计方法，其核心在于通过平滑的连续密度曲线对随机变量的概率分布进行估计，从而揭示其分布特征. 通过分析核密度曲线的中心位置、形状及其延展性，能够有效反映长江经济带GDE系统耦合协调的动态演进特征. 核密度函数公式如下所示：

f(z)=1nh∑i=1nKZi-zh

(6)

式中，Z_i为独立同分布的观测值，n为观测值个数，h为带宽，K（）为核函数，本文选用高斯核密度函数.

2.3.4 障碍度模型

为深入分析主要障碍因子对GDE系统耦合协调度的影响程度，引入了障碍度模型. 该模型能够定量评估GDE系统协同发展过程中各指标所带来的负面影响与偏离程度. 一般而言，评价指标的障碍度越低，则表明其对系统耦合协调的制约作用越小；反之，障碍度越高，则其对系统协调发展的阻碍作用越显著^[35]. 障碍度测算公式如下：

Qij=wj×(1-yij)∑j=1nwj×(1-yij)

(7)

式中，Q_ij表示第i个省份第j项指标的障碍度，y_ij表示标准化处理后的数据；w_j表示指标权重；m表示指标个数.

2.3.5 Tobit模型

面板Tobit模型适用于因变量取值受限的情况，考虑到耦合协调度在0到1的区间内，为避免OLS估计所导致的偏误，选用面板Tobit模型对GDE系统耦合协调的影响因素进行分析^[36]. 模型形式如下：

$ \begin{aligned} D_{i t}= & d_0+d_1 \mathrm{ECO}_{i t}+d_2 \mathrm{IS}_{i t}+d_3 \mathrm{ER}_{i t}+ \\ & d_4 \mathrm{EX}_{i t}+d_3 \mathrm{GOV}_{i t}+d_5 \mathrm{PE}_{i t}+\delta_{i t} \end{aligned} $

(8)

式中，D为耦合协调度，d₀为常数项，d₁、d₂、d₃、d₄、d₅为影响系数，δ_it为随机扰动项，i为地区，t为时间，ECO、IS、ER、EX、GOV和PE为自变量. 其中，ECO为经济发展水平，IS为产业结构，ER为环境规制，EX为对外开放程度，GOV为政府干预，PE为人口密度.

3 结果与讨论 3.1 GDE系统耦合协调时空演变分析 3.1.1 时序演变分析

利用熵值法和耦合协调度模型测度长江经济带各省市GDE系统耦合协调水平，如图 2所示. 从中可知，样本研究期间，长江经济带及各省市GDE系统的耦合协调水平均呈现上升趋势. 具体来看，长江经济带整体耦合协调水平由2014年的0.45上升为2023年的0.64，增幅为42.22%，从濒临失调上升为初级协调. 根据各省市的耦合协调平均水平划分为3个梯度：第一梯度（0.6~0.7）的省市有上海市、江苏省和浙江省，均属于长江下游地区；第二梯度（0.5~0.6）的省市有安徽省、江西省、湖北省、湖南省和重庆市，主要集中在长江中游地区；第三梯度（0.4~0.5）的省份有四川省、贵州省和云南省，均属于长江上游地区. 将各省市与长江经济带的耦合协调平均水平进行比较，处于整体平均水平之上的省市有上海市、江苏省、浙江省和安徽省，其他省市均低于整体平均水平，长江经济带的耦合协调水平呈现出显著差异. 原因在于，下游地区自然资源丰富、产业基础完备、政策支持有力且市场潜力巨大^[37]，在驱动GDE系统耦合协调发展方面具有显著优势；相比之下，上游和中游地区则面临多重约束. 上游地区生态环境脆弱，资源环境承载力低，产业准入受限，难以将资源优势转化为跨越式动能；中游地区虽具备一定产业基础，但多处于产业链中低端，创新能力与高端要素集聚能力相对不足^[38]，转型升级阻力较大. 因此，应持续推进长江经济带协调发展战略，进一步强化生态环境约束下的区域协同机制，推动绿色要素跨区域流动，既要保持长江下游地区的技术资源和创新优势，也要引导长江中游地区平稳升级转型，同时支持长江上游地区突破协调发展壁垒，促进整体协调发展.

3.1.2 空间演变分析

借助ArcGIS 10.2软件呈现代表年份（2014年、2017年、2020年和2023年）长江经济带GDE系统的耦合协调度空间演变过程，如图 3所示. 从整体来看，各地区在代表年份的耦合协调水平从高到低依次为长江经济带下游地区、中游地区和上游地区，呈现出“东高、中平、西低”的显著空间分布特征. 从各省市的耦合协调水平来看，2014年有轻度失调、濒临失调、勉强协调和初级协调4种等级，其中濒临失调及以下的省市有四川省、云南省、贵州省、重庆市、湖南省、湖北省、江西省和安徽省，占比为72.73%. 2017年耦合协调等级中轻度失调消失，只有濒临失调，勉强协调和初级协调3个等级，其中濒临失调的省市占比降低为54.55%，安徽省和湖北省从濒临失调升级为勉强协调水平，这一转变与《“十三五”现代综合交通运输体系规划》推动多式联运枢纽建设等相关政策的实施密切相关. 2020年耦合协调等级中濒临失调消失，新增了中级协调等级，其中勉强协调的省市占比为63.64%，上海市和浙江省从初级协调升级为中级协调等级，这得益于国家数字经济创新发展试验区等相关政策的实施^[39]. 2023年协调等级与2020年一致，但各协调等级的占比结构发生了较大变化. 其中，勉强协调占比仅为27.27%，初级协调和中级协调的占比得到了很大提升，反映出生态环境政策与绿色技术应用在推动系统协调中的关键作用，更是受益于“双碳”目标下智慧物流与生态补偿机制的深度融合，通过优化物流网络布局、提升运输效率和生态补偿机制的完善等^[40]，为区域协调发展提供了重要支撑.

3.1.3 动态演进分析

长江经济带整体和长江经济带上游、中游和下游三地区的GDE系统耦合协调水平的动态演进趋势如图 4所示. 由图 4（a）可知，从分布位置来看，样本研究期内长江经济带整体GDE系统的耦合协调水平的核密度曲线整体呈现右移趋势，说明长江经济带耦合协调水平逐年提高，主要原因可能为“双循环”战略的持续推动，数字经济和绿色技术的深度融合，各省市间协调发展机制成熟. 从分布态势来看，长江经济带GDE系统耦合发展水平核密度曲线的波峰高度呈上升→下降→上升的波动趋势，波峰宽度逐渐变窄，说明长江经济带GDE系统耦合协调水平的绝对差异在不断缩小. 这主要源于《长江经济带生态环境保护规划》《长江经济带发展规划纲要》等一系列重要文件的相继出台^[41]，以及生态补偿、排污权交易和绿色低碳转型等多项政策工具的稳步推进，正在有效打破长期以来制约区域协同的行政壁垒，显著增强地区间协同减排的共识与行动力. 从分布延展性来看，长江经济带GDE系统耦合协调水平的核密度曲线整体存在明显的右拖尾的现象，说明长江经济带同时存在耦合协调发展水平较高和较低的省市，并且从整体上来说耦合协调水平较高省市的增长速度高于耦合协调水平较低省市的增长速度，导致长江经济带各省市间的绝对差异逐渐增大. 这主要源于长三角区域发展战略自获批以来，部分区域出现开发强度过高、生态环境压力加剧的问题，环境污染现象日益显现，这导致区域内不同城市和地区之间的发展水平也存在明显不均衡现象. 从分布的波峰数量来看，研究期内长江经济带GDE系统耦合协调水平核密度曲线均呈单峰分布，说明耦合协调水平集中趋势显著.

由图4（b）~4（d）可知，长江经济带上游、中游和下游三地区核密度曲线均右移，说明各地区耦合协调水平在研究期内均呈现整体提升的共同趋势. 然而，其发展特征存在显著差异：下游地区的核密度曲线波峰宽、右拖尾明显，说明耦合协调水平绝对差异最大且持续拉大，主要原因为下游地区经济发展水平较高，各省市在绿色技术应用、环境治理投入和产业转型进度上存在显著不均衡所致. 核密度曲线的波峰数量呈现出单峰→多峰→单峰的趋势，且两峰间距较大，说明经历了从严重极化到差距有所缩小的过程，这一变化反映出在“生态优先、绿色发展”政策引导下，长江经济带下游跨区域合作机制逐步完善，部分落后地区通过产业升级与环境治理加快了追赶步伐^[42]；中游地区GDE系统耦合协调水平核密度曲线波峰宽度较窄，说明各省市间绝对差异最小，但核密度曲线由单峰变为间距大的双峰，后期拖尾显现，差异扩大，说明极化现象最严重且加剧，这主要是由于湖北省、湖南省等省份的数字经济和绿色创新推进较快，但辐射带动作用不强，传统工业省份绿色转型缓慢，加上生态补偿机制尚不完善、环境治理投入不均，导致中游地区协同发展水平差异不断扩大；上游地区GDE系统耦合协调水平核密度曲线始终为单峰，波峰高度呈现上升→下降→上升的趋势，波峰宽度先变宽后缩窄，说明其发展最为均衡，绝对差异经历了先扩大后缩小的过程，但核密度曲线存在拖尾，说明不同省市间的绝对差距也在逐渐拉大，反映出尽管由于政策推动整体改善，但部分生态脆弱地区在绿色技术获取能力、环境治理资金投入方面仍存在显著差距，影响了区域耦合协调水平发展进程.

3.2 GDE系统耦合协调空间自相关分析 3.2.1 全局空间自相关分析

2014~2023年长江经济带GDE系统耦合协调度全局莫兰指数如表 3所示. 从中可知，全局莫兰指数在0.696到0.763之间波动，所有年份均通过了1%的显著性检验，表明长江经济带GDE系统耦合协调水平呈现出显著的正向空间集聚特征. 具体而言，全局莫兰指数从2014年的0.7波动性上升至2023年的0.75，这说明长江经济带GDE系统耦合协调发展空间集聚程度存在显著增强趋势. 这一现象表明，长江经济带在推动协调发展的过程中，应进一步强化各地区之间的政策协同和合作机制^[43]，促进资源要素的自由流动与高效配置，充分发挥长江下游在经济、科技和创新等方面的引领功能，通过产业专业、技术扩散和基础设施互联互通等方式，实现精准集聚和有序扩散的动态平衡.

3.2.2 局部空间自相关分析

为了更加具体清晰地展示GDE系统耦合协调发展的空间特点和局部特征，计算代表年份各省市的局部莫兰指数，并绘制局部莫兰指数散点图，如图 5所示. 根据局部莫兰指数值划分为4个区域，第一至第四象限依次代表高-高集聚（H-H）、低-高分异（L-H）、低-低集聚（L-L）和高-低分异（H-L）的空间关联模式. 由图 5可知，H-H集聚区域有上海市、江苏省、浙江省和安徽省，全部分布在长江下游，主要原因可能为长江下游地区经济总量规模雄厚，带动整个地区的耦合协调水平稳步发展；L-H分异区域只有江西省，属于长江中游地区，其自身的耦合协调水平低于长江经济带均值，但周边的省市发展水平明显较高，形成东高中低的空间集聚特征. L-L集聚区域有四川省、贵州省、湖南省、湖北省、云南省和重庆市，大多集中在长江上游，主要原因可能是该地区的经济发展水平较低，资源相对匮乏^[44]，导致绿色物流、数字经济和生态环境发展水平较低，三者难以达到协调发展的水平，形成了L-L集聚的状态.

3.3 GDE系统耦合协调障碍因子分析

为了进一步探索影响长江经济带GDE系统耦合协调发展的主要障碍因子，运用障碍度模型，对2014~2023年长江经济带耦合协调发展各准则层和指标层的障碍度进行测度，结果如表 4和表 5所示.

3.3.1 准则层障碍因子分析

由表 4可知，2014~2023年长江经济带GDE系统准则层障碍度从高到低依次为经济效率（39.75%）、基础设施（16.52%）、发展规模（15.37%）和发展潜力（11.00%），其平均障碍度均在10%以上，合计占比超过80%，是影响GDE系统耦合协调发展的主要障碍因子.

进一步来看：经济效率的影响在研究期间始终保持高位且呈上升趋势，这说明经济因素是制约长江经济带GDE系统耦合协调发展的核心因素. 一方面，绿色物流的建设需要大量的资金投入，用于优化运输方式、提升资源利用效率以及推广低碳技术，经济实力是推动绿色物流高效运行的关键支撑；另一方面，数字经济是经济社会发展到一定水平的产物，是生产力进步的体现，其发展需要依托成熟的经济体系、完善的基础设施以及高效的技术支持，这些都对经济发展提出了更高的要求^[45]；此外，随着区域内人口规模和经济活动的增加，资源有限性使得生态环境压力不断加剧，而绿色化转型的步伐相对缓慢. 因此，经济效率深刻影响着绿色物流的转型升级、数字经济的普及应用以及生态环境的优化改善，成为制约GDE系统耦合协调度提升的最主要障碍因子. 其次，基础设施的障碍度呈上升趋势. 2020年其障碍度水平超越发展规模，成为第二大障碍因子，这表明基础设施建设的滞后性对GDE系统的耦合协调发展产生了显著制约. 完善的基础设施构建是绿色物流和数字经济高效运行的基础，包括交通网络、通信设施和能源供应等. 基础设施的不足不仅限制了数字经济的普及和应用，也影响了绿色物流的效率和可持续性. 因此，加强基础设施建设，提升其承载能力和覆盖范围，是未来促进长江经济带GDE系统耦合协调度水平提升的重要举措. 最后，发展规模和发展潜力的障碍度呈下降趋势，二者均属于数字经济的准则层. 这一趋势表明，国家的大力扶持以及各省的重视在促进数字经济发展方面取得了一定成效. 然而，尽管发展规模和潜力的障碍度有所下降，但其仍处于较高水平，说明数字经济的发展仍需进一步加强，以更好地支撑GDE系统的耦合协调发展.

3.3.2 指标层障碍因子分析

为深入分析评价指标对长江经济带GDE系统耦合协调水平的影响，在准则层障碍因子识别的基础上，进一步开展指标层障碍因子识别，按障碍度均值对代表年份指标层障碍因子排序，如表 5所示. 人均货物周转量（A6）、人均邮政业务量（A8）、邮政营业网点密度（A1）、高技术企业数（B9）和电信业务量/GDP（B6），这5个指标是制约长江经济带GDE系统耦合协调水平排名前五的障碍因子，障碍因子会随着时间的推移发生变化. 具体而言，2014年，人均货物周转量（A6）是制约耦合协调水平提升最重要的障碍因子，人均邮政业务量（A8）紧随其后，邮政营业网点密度（A1）位列第三. 2014年正值长江经济带战略上升为国家战略的开局之年，国内正处于经济增长与生态保护平衡的攻坚期，面临着传统货运污染突出、物流基础设施区域失衡及电商增长带来的资源压力加剧等多重挑战. 在这一时代背景下，这3个指标恰好反映了当时经济社会发展的突出问题，成为制约长江经济带GDE系统耦合协调水平提升的关键障碍因子. 2017年，人均货物周转量（A6）和人均邮政业务量（A8）仍然是最主要的两个障碍因子，同时邮政营业网点密度（A1）紧随其后. 这一时期，随着电商经济的快速发展，物流配送需求进一步增加，而邮政营业网点密度和人均邮政业务量的不足，成为制约绿色物流发展的主要瓶颈. 2020年，人均货物周转量（A6）同样是最主要的障碍因子，但邮政网点密度（A1）则超越人均邮政业务量（A8），上升为第二大障碍因子. 这反映出在数字经济高速发展和绿色转型背景下，原有的邮政网点密度可能无法有效支撑这种快速、广覆盖和高频次的绿色配送需求，对末端物流配送的需求激增且日益分散化. 2023年，人均货物周转量（A6）、邮政网点密度（A1）和人均邮政业务量（A8）继续位居前三. 人均货物周转量（A6）排名历年位居高位，这是由于长江经济带运输货运量逐年增加，导致物流业碳排放居高不下，其传统发展模式与生态环境之间的矛盾日益凸显，造成生态环境持续承压.

3.4 GDE系统耦合协调影响因素分析

为进一步深入剖析长江经济带GDE系统耦合协调的影响因素，参考已有研究，结合长江经济带发展实际以及障碍因子分析结果，以长江经济带GDE系统耦合协调度作为因变量，以经济发展水平（ECO）、产业结构（IS）、环境规制（ER）、对外开放程度（EX）、政府干预（GOV）和人口密度（PE）作为自变量，分别由人均GDP、各地区第三产业总产值占GDP的比例、污染治理投资总额占物流业增加值比例、进出口总额占GDP比例、地方政府财政支出与国内生产总值之比和每平方公里人数来衡量. 运用Stata软件，因LR检验结果的P值小于0.01，选择随机效应面板Tobit模型，对长江经济带及三大地区GDE系统耦合协调的影响因素进行分析，结果如表 6所示.

由表 6可知，从长江经济带整体层面来看：①经济发展水平（ECO）对GDE系统耦合协调度具有显著正向影响，这表明人均GDP增加有助于系统耦合协调水平上升. 经济实力为耦合协调提供关键支撑，高收入地区通过绿色补贴与碳交易机制，平衡短期增长与长期可持续目标；欠发达地区则受限于财政约束，难以突破先污染后治理的路径. ②产业结构（IS）在1%水平上显著，同样对耦合协调度有显著正向影响，这说明第三产业总产值占GDP比例越高越有利于GDE系统的耦合协调发展. 物流业和数字经济都属于第三产业，且极易与其他第三产业相互渗透、融合发展. 因此，第三产业总产值占GDP比例提高有助于提高经济的整体运行效率，促进耦合协调水平提高. ③环境规制（ER）的回归系数并不显著，可能是由于长江经济带上中下游发展差异较大，环境规制在不同地区存在显著差异^[46]，产生的正面和负面影响有可能相互抵消，对耦合协调度促进作用有限，因此并不显著. ④对外开放程度（EX）对耦合协调度的影响同样不显著. 一方面，外商投资引入为地区产业发展带来了丰富的技术资源与资本要素，能够有效推动区域产业结构优化升级，加速数字化转型进程；另一方面，外商投资也可能引发“污染避难所”效应，导致区域生态环境质量下降，从而在一定程度上抵消了其对耦合协调度的正向作用，使得其整体影响未能在统计上呈现显著性. ⑤政府干预（GOV）在5%的水平上显著，其回归系数为负. 这说明政府过度干预对GDE系统耦合协调发展产生了抑制作用. 过度政府干预扭曲了市场资源配置机制，导致绿色物流与数字经济投入受到影响，弱化了技术创新与生态治理的协调效能^[47]. ⑥人口密度（PE）与耦合协调度呈现显著负相关，且在1%水平上显著. 这源于过高的人口集聚加剧了资源环境系统的承载压力，激增的生活污染排放超出生态环境自净能力阈值，从而抑制了耦合协调度的提高.

从地区层面来看，回归结果表明：GDE系统耦合协调的影响因素存在区域异质性. ①上游地区：产业结构（IS）和人口密度（PE）的回归系数不显著，可能源于其特定的发展阶段与地理特征. 上游地区工业化进程相对滞后，其产业结构虽偏向资源型或农业型，整体经济规模与物流、数字经济活动的关联度较低^[48]；同时，上游地区人口集聚度远低于中下游，人口密度尚未达到能够显著影响物流网络效率、数字基础设施利用率或产生规模环境效应的阈值. ②中游地区：环境规制（ER）和人口密度（PE）的回归系数不显著，可能源于政策执行效力与人口流动特征的共同作用. 在环境规制方面，中游省份正处于工业化中后期，环境监管体系虽已建立，但可能存在实际执法力度与政策文本要求存在差距，导致环境规制对企业和产业行为的实际约束与激励效果不彰，未能有效传导至绿色物流与数字经济的协同层面^[49]. 另外，中游地区作为重要的人口输出地和承接地的双重角色，其人口集聚效应被复杂的人口流动所稀释. 虽然部分地区人口密度不低，但大量劳动力外流或内部流动频繁，削弱了常住人口密度作为稳定需求侧驱动因素的影响力，使其对GDE系统耦合协调的净效应变得不显著. ③下游地区：对外开放程度（EX）的回归系数不显著，可能源于其高度开放背景下的结构转型与质量提升. 下游长三角地区已是中国对外开放度最高的区域之一，外贸规模基数巨大，仅单纯的贸易量或外资流入量的增长，对区域内已相对成熟的绿色物流体系、数字经济生态和环境治理模式的边际推动效应递减^[50]. 此外，下游地区内部产业升级和消费驱动型经济增长模式日益突出，一定程度上降低了对传统外贸拉动的依赖，使得对外开放程度在解释GDE系统协同发展时的相对重要性下降.

4 建议

（1）构建“一体协同、多点联动”的区域协调发展机制. 一方面，强化长江经济带的全局统筹能力，通过建立省级间生态补偿、产业协作与科技共享平台，缩小上下游发展差距，缓解局部省份协同水平较低的问题. 另一方面，应深化空间集聚效应的正向引导，充分发挥下游地区的引领作用，通过技术输出、产业辐射和人才交流等方式，促进产业转移与承接，实现优势互补. 此外，还需建立动态监测与评估体系，定期跟踪各省市GDE系统耦合协调水平的变化，及时调整政策工具，推动长江经济带迈向高质量一体化发展.

（2）聚焦“降本增效”与“基建升级”双轮驱动. 一方面，着力提升全要素生产率，通过大力推广多式联运，优化运输结构，切实降低物流成本、提升综合运营效率；同时，深化“放管服”改革，清理规范物流领域的行政性收费与制度性成本，激发市场活力. 另一方面，推动传统物流基础设施的数字化、绿色化智能化升级. 不仅要合理加密、优化城乡末端服务网点布局，更要加快建设智慧物流园区、大数据中心等新型基础设施，提升基础设施的服务能级与产出效率，从而有效化解当前的发展瓶颈，不断提升GDE系统的耦合协调水平.

（3）以核心驱动力为抓手，实施“精细化调控”. 一方面，强化创新驱动与产业升级，大力发展数字经济和绿色低碳产业，以高质量经济结构夯实协调发展的基础. 同时，优化国土空间规划，引导人口与产业协同布局，缓解核心城市的人口压力，提升资源环境承载效率. 另一方面，精准识别上、中、下游不同省份的主导因素与关键短板，据此制定差异化的任务清单与考核指标，确保各项政策在地方层面能落地、见实效，最终实现全域协调发展的整体性跃升.

5 结论

（1）长江经济带GDE系统耦合协调水平整体呈上升趋势，由濒临失调上升为初级协调，但各省份的耦合协调发展存在差异，形成下游 > 中游 > 上游的“东高、中平、西低”局面. 在动态演进方面，长江经济带整体和长江经济带上游、中游、下游三地区的GDE系统耦合协调水平核密度曲线整体均呈现右移趋势，整体耦合协调水平集中趋势显著，但各地区的演变发展特征存在显著差异.

（2）长江经济带GDE系统耦合协调水平全局空间正相关特征显著，且集聚态势逐渐增强. 局部空间关联特征以H-H集聚和L-L集聚为主. H-H集聚区域有上海市、江苏省、浙江省和安徽省，均为长江下游城市，L-L集聚区域有湖南省、湖北省、重庆市、贵州省、四川省和云南省，分布在中游和上游，L-H分异区域只有江西省，H-L分异区域空白.

（3）GDE系统耦合协调水平准则层障碍因子，按障碍度均值排名前四的为经济效率、基础设施、发展规模和发展潜力，合计占比超过80%，为主要障碍因子. 其中经济效率、基础设施的障碍度在逐年上升，而发展规模和发展潜力的障碍度在逐年下降. 从指标层来看，制约长江经济带GDE系统耦合协调水平的障碍因子主要为人均货物周转量、人均邮政业务量和邮政营业网点密度，障碍度均值都大于10%.

（4）GDE系统耦合协调水平受到多种因素的影响，其中经济发展水平、产业结构、政府干预和人口密度均对耦合协调水平产生显著影响，即提升经济发展水平、优化产业结构、减少政府干预和降低人口密度，均会促进长江经济带GDE系统耦合协调水平的提升. 环境规制和对外开放程度对GDE系统耦合协调水平的影响并不显著，即两者不是影响GDE系统耦合协调水平的关键因素. 影响因素对GDE系统耦合协调水平的影响存在区域异质性.