薛若禹 廖吉林

摘? 要：文章以長(zhǎng)三角物流企業(yè)技術(shù)創(chuàng)新意愿為因變量，選取企業(yè)內(nèi)部因素、供應(yīng)鏈合作因素和外部環(huán)境因素3個(gè)一級(jí)指標(biāo)，構(gòu)建了基于Logistic多元回歸和AHP的混合因子模型。結(jié)果顯示外部環(huán)境因素影響最顯著，且競(jìng)爭(zhēng)激烈程度和企業(yè)所在城市兩個(gè)二級(jí)指標(biāo)影響較大;其次是企業(yè)內(nèi)部因素，以企業(yè)經(jīng)營(yíng)規(guī)模和員工整體水平影響較大;最后是供應(yīng)鏈合作因素，以供應(yīng)鏈穩(wěn)定性影響最顯著。綜合研究結(jié)果，結(jié)合長(zhǎng)三角實(shí)際從政府、企業(yè)和供應(yīng)鏈層面提出了相關(guān)政策建議。

關(guān)鍵詞：物流企業(yè);技術(shù)創(chuàng)新;影響因素;Logistic-AHP混合模型

中圖分類(lèi)號(hào)：F253.9? ? 文獻(xiàn)標(biāo)識(shí)碼：A

Abstract： Taking the technological innovation willingness of logistics enterprises in the Yangtze River Delta as the dependent variable， this paper selects three first level indicators of internal factors， supply chain cooperation factors and external environmental factors， and constructs a mixed factor model based on logistic multiple regression and AHP. The results show that the external environmental factors have the most significant impact， and the two secondary indicators of fierce competition and the city where the enterprise is located have a greater impact; the second is the internal factors of the enterprise， with the enterprise business scale and the overall level of employees having a greater impact; the last is the supply chain cooperation factors， with the supply chain stability having the most significant impact. Finally， based on the research results and the reality of the Yangtze River Delta， the paper puts forward relevant policy suggestions from the government， enterprises and supply chain level.

Key words： logistics enterprises; technological innovation; influencing factors; logistic-AHP mixed model

0? 引? 言

伴隨著長(zhǎng)三角一體化和信息化進(jìn)程的加快，諸多物流企業(yè)生存壓力驟增。一方面，長(zhǎng)三角外向型經(jīng)濟(jì)發(fā)展迅速，吸引了眾多跨國(guó)物流企業(yè)入駐，同時(shí)也加劇了區(qū)域內(nèi)物流企業(yè)同質(zhì)化競(jìng)爭(zhēng);另一方面，新冠肺炎疫情長(zhǎng)期存在催生了顧客對(duì)物流響應(yīng)性、安全性、精準(zhǔn)溯源追蹤等方面的新需求，給長(zhǎng)三角物流企業(yè)帶來(lái)機(jī)遇的同時(shí)也帶來(lái)了更多挑戰(zhàn)與不確定性[1]。為迅速建立新競(jìng)爭(zhēng)優(yōu)勢(shì)，順應(yīng)各大物流商對(duì)物聯(lián)網(wǎng)、大數(shù)據(jù)、AI等前沿技術(shù)布局，快速調(diào)整發(fā)展戰(zhàn)略進(jìn)行技術(shù)創(chuàng)新對(duì)多數(shù)物流企業(yè)來(lái)說(shuō)已迫在眉睫。但需要注意的是，受多方因素制約，很多時(shí)候企業(yè)無(wú)法直接感知當(dāng)前的技術(shù)創(chuàng)新需求，或者說(shuō)其有意愿卻迫于環(huán)境無(wú)法進(jìn)行創(chuàng)新活動(dòng)，因此研究長(zhǎng)三角地區(qū)物流供應(yīng)鏈節(jié)點(diǎn)企業(yè)技術(shù)創(chuàng)新影響因素，對(duì)相關(guān)部門(mén)有針對(duì)性合理引導(dǎo)物流企業(yè)自主創(chuàng)新，幫助其破解生存困局，促進(jìn)物流供應(yīng)鏈穩(wěn)定健康發(fā)展具有重要意義。

1? 長(zhǎng)三角物流供應(yīng)鏈技術(shù)創(chuàng)新影響因素分析

1.1? 因變量選取

長(zhǎng)三角地區(qū)現(xiàn)有物流供應(yīng)鏈具備一定穩(wěn)定性，打破這種平衡需要充分考慮供應(yīng)鏈節(jié)點(diǎn)企業(yè)意愿，研究顯示不同生命周期中企業(yè)自主創(chuàng)新意愿明顯不同，處于成熟期的企業(yè)更有能力、資源和動(dòng)力實(shí)施技術(shù)創(chuàng)新項(xiàng)目[2]。因此本文以長(zhǎng)三角不同規(guī)模、處于不同發(fā)展階段的多家第三方物流企業(yè)作為研究對(duì)象，選取“貴企業(yè)是否有意愿實(shí)施技術(shù)創(chuàng)新？”為因變量問(wèn)項(xiàng)，設(shè)置“是，我覺(jué)得實(shí)施技術(shù)創(chuàng)新十分迫切A”，“是，但我目前沒(méi)有余力實(shí)施技術(shù)創(chuàng)新A”，“否，我覺(jué)得沒(méi)有必要實(shí)施技術(shù)創(chuàng)新A”三種答案情形以供備選，結(jié)果顯示三種答案分別占比23.3%，57.8%，18.9%。

1.2? 自變量選取

探究長(zhǎng)三角地區(qū)物流供應(yīng)鏈技術(shù)創(chuàng)新影響因素，關(guān)鍵在于回答為什么供應(yīng)鏈節(jié)點(diǎn)企業(yè)會(huì)傾向于創(chuàng)新或者采取創(chuàng)新行為，針對(duì)該類(lèi)問(wèn)題陳心媛等[3]指出應(yīng)當(dāng)從內(nèi)、外部?jī)煞矫嬉蛩貋?lái)進(jìn)行分析，本文則依據(jù)研究對(duì)象特點(diǎn)進(jìn)一步細(xì)化至物流企業(yè)自身因素、物流供應(yīng)鏈合作因素和外部環(huán)境因素三方面內(nèi)容。

（1）物流企業(yè)內(nèi)部因素

物流企業(yè)自身因素一般從內(nèi)部出發(fā)，首先是企業(yè)家背景，即企業(yè)家決策能力的度量指標(biāo)，具體量化為總經(jīng)理（或董事長(zhǎng)）是否有過(guò)國(guó)內(nèi)一流大學(xué)就讀經(jīng)歷（或大廠工作、留學(xué)經(jīng)歷等）;其次是企業(yè)經(jīng)營(yíng)規(guī)模，按公司法規(guī)定的交通運(yùn)輸及郵政業(yè)經(jīng)營(yíng)規(guī)模劃分方式如表1所示，通常較大的企業(yè)規(guī)模、較快的發(fā)展速度及較高的盈利水平等會(huì)使得企業(yè)更有余力實(shí)施技術(shù)創(chuàng)新活動(dòng);最后在對(duì)企業(yè)創(chuàng)新能力進(jìn)行研究時(shí)使用“員工學(xué)歷水平”，即通過(guò)計(jì)算企業(yè)本科以上學(xué)歷員工占企業(yè)員工總數(shù)比例這一指標(biāo)來(lái)表示企業(yè)員工整體水平，超過(guò)40%設(shè)為高水平，10%～40%為中等水平，低于10%為低水平[4]。

（2）物流供應(yīng)鏈合作因素

考慮供應(yīng)鏈合作因素對(duì)物流企業(yè)技術(shù)創(chuàng)新意愿的影響，是因?yàn)楣?yīng)鏈上諸多企業(yè)一般基于信任和長(zhǎng)期關(guān)系的維持展開(kāi)合作，這種環(huán)境下知識(shí)擴(kuò)散和轉(zhuǎn)移更加迅速，并且中上游核心物流企業(yè)有更多渠道了解客戶(hù)具體需求，為滿(mǎn)足客戶(hù)對(duì)提高現(xiàn)有產(chǎn)品性能和新產(chǎn)品研發(fā)需要，其自然會(huì)投入更多資金、人力等進(jìn)行研發(fā)活動(dòng)，也就促進(jìn)了企業(yè)創(chuàng)新[5]。據(jù)此，設(shè)置合作投入度、穩(wěn)定性和透明度三個(gè)二元指標(biāo)變量來(lái)分析合作因素對(duì)物流供應(yīng)鏈創(chuàng)新的影響，其中投入度指合作企業(yè)人、財(cái)、物投入情況，穩(wěn)定性則是指雙方或多方是否存在長(zhǎng)期合作關(guān)系，而透明度是指合作信息的公開(kāi)與對(duì)稱(chēng)。

（3）外部環(huán)境因素

企業(yè)技術(shù)創(chuàng)新除了受到自身因素和供應(yīng)鏈關(guān)系影響外，還受到企業(yè)所處市場(chǎng)環(huán)境及政府政策導(dǎo)向等外部環(huán)境因素影響[6]。考慮到不同發(fā)展戰(zhàn)略的企業(yè)對(duì)競(jìng)爭(zhēng)對(duì)手感知不同，選用競(jìng)爭(zhēng)激烈程度來(lái)描述企業(yè)所處的市場(chǎng)環(huán)境，并且物流企業(yè)受規(guī)模、所在城市等因素影響，其對(duì)政府政策導(dǎo)向的感知同樣存在差異，因此選取政府支持力度作為第二個(gè)外部環(huán)境因素測(cè)量指標(biāo)。最后，長(zhǎng)三角作為中國(guó)物流產(chǎn)業(yè)示范區(qū)域，雖總體水平遠(yuǎn)高于全國(guó)平均水平，但其內(nèi)部發(fā)展卻存在顯著的城市差異，基于既往研究結(jié)果[7]，將企業(yè)所在城市也作為影響創(chuàng)新的外部因素之一，為該變量設(shè)置對(duì)應(yīng)變量值，即上海=1，合肥，南京，杭州，蘇州=2，其它=3。

綜合上述研究分析并結(jié)合現(xiàn)有資料查閱，初步確定物流供應(yīng)鏈創(chuàng)新意愿的影響因素如表2所示：

2? 模型選擇與數(shù)據(jù)準(zhǔn)備

2.1? 模型選取

本研究實(shí)證過(guò)程中選取的因變量和自變量指標(biāo)多難以量化，或使用連續(xù)型變量值時(shí)無(wú)顯著變化，因此最終數(shù)據(jù)收集時(shí)均處理成二元或多元選擇變量，該特點(diǎn)符合Logistic回歸模型的使用場(chǎng)景，所以選用該模型來(lái)對(duì)數(shù)據(jù)進(jìn)行初步分析[8]。Logistic模型的常用形式為：

ln=fx=α+∑βx+ε，i=1，2，…，n

其中：a為物流企業(yè)愿意進(jìn)行技術(shù)創(chuàng)新的概率;1-a為不愿意進(jìn)行技術(shù)創(chuàng)新的概率，x是模型的解釋變量;α和ε分別為常數(shù)項(xiàng)和誤差項(xiàng);β則對(duì)應(yīng)模型中各解釋變量的系數(shù)。

2.2? 數(shù)據(jù)收集

研究中采用問(wèn)卷調(diào)查方式收集一手?jǐn)?shù)據(jù)，以長(zhǎng)三角地區(qū)物流企業(yè)管理層人員作為調(diào)查對(duì)象，通過(guò)線下紙質(zhì)版和在線電子版相結(jié)合的形式向物流企業(yè)發(fā)放了150份問(wèn)卷，其中直接發(fā)放紙質(zhì)問(wèn)卷30份，通過(guò)網(wǎng)絡(luò)形式發(fā)放問(wèn)卷120份，剔除無(wú)效和問(wèn)題問(wèn)卷后共計(jì)回收有效問(wèn)卷90份。樣本企業(yè)中上海市占比13.3%，南京、蘇州、杭州、合肥四市占比56.7%，其他城市占比30%;且有效樣本廣泛涉及不同規(guī)模企業(yè)，其中小微型企業(yè)占比43.3%，中型企業(yè)占比45.6%，大型企業(yè)占比11.1%，其余二級(jí)指標(biāo)在樣本數(shù)據(jù)中的具體占比分布如表2的“樣本邊際百分比”一列所示。

3? Logistic-AHP混合模型的建立與求解

3.1? Logistic模型的建立與求解

本文使用SPSS22軟件對(duì)物流供應(yīng)鏈節(jié)點(diǎn)企業(yè)技術(shù)創(chuàng)新影響因素下的9個(gè)二級(jí)指標(biāo)數(shù)據(jù)進(jìn)行建模求解，采用主效應(yīng)模型，不經(jīng)過(guò)逐步回歸直接指定進(jìn)入模型的自變量，并勾選偽R方、模型擬合信息、擬合優(yōu)度、分類(lèi)表等統(tǒng)計(jì)量參數(shù)用于說(shuō)明模型質(zhì)量，最終得到多元Logistic模型回歸結(jié)果如表3、表4所示。

讀取模型擬合信息表中似然比檢驗(yàn)指標(biāo)，顯著性值遠(yuǎn)小于0.05，說(shuō)明基本模型有統(tǒng)計(jì)意義，通過(guò)檢驗(yàn)。偽R方一列中依次計(jì)算出了考克斯—斯奈爾、內(nèi)戈?duì)柨坪望溈朔ǖ沁@3個(gè)偽R方值，其中最低值為0.850，三個(gè)值均偏高，說(shuō)明模型對(duì)原始變量變異的解釋程度良好，擬合程度優(yōu)秀。此外，如表4所示的模型似然比檢驗(yàn)表計(jì)算結(jié)果顯示，除x2外其余二級(jí)指標(biāo)顯著性均小于0.05，同時(shí)考慮到原始數(shù)據(jù)中大中小型企業(yè)樣本數(shù)量嚴(yán)重失衡情況下該指標(biāo)顯著性仍達(dá)0.081，故在誤差范圍內(nèi)依舊保留物流企業(yè)規(guī)模這一指標(biāo)作為物流供應(yīng)技術(shù)創(chuàng)新的內(nèi)部影響因素之一。

3.2? 改進(jìn)AHP模型的建立與求解

Logistic多元回歸會(huì)對(duì)顯著性指標(biāo)生成最終的參數(shù)列表，從而對(duì)目標(biāo)值進(jìn)行解釋和預(yù)測(cè)，但由于樣本數(shù)據(jù)造成的偏差常常使得部分指標(biāo)值在回歸過(guò)程中被篩除。因此，本研究將傳統(tǒng)多元Logistic模型與層次分析法相結(jié)合，依據(jù)前者的變量系數(shù)調(diào)整專(zhuān)家判斷矩陣從而確定最終權(quán)重，即得到各個(gè)因素對(duì)物流供應(yīng)鏈節(jié)點(diǎn)企業(yè)技術(shù)創(chuàng)新意愿影響程度。該方法既盡可能多地保留了可用的原始指標(biāo)，也通過(guò)參考客觀模型系數(shù)值在一定程度上降低了層次分析法的主觀性。

首先以物流供應(yīng)鏈節(jié)點(diǎn)企業(yè)技術(shù)創(chuàng)新A作為決策層，構(gòu)建如表2所示的三層結(jié)構(gòu)模型，利用Yaahp軟件生成專(zhuān)家評(píng)分表，以Logistic參數(shù)列表顯示的指標(biāo)系數(shù)相對(duì)大小為依據(jù)，多次填寫(xiě)1～9標(biāo)度評(píng)分表格，最后采用加權(quán)算術(shù)平均法處理表格數(shù)據(jù)，得到最終的各層級(jí)判斷矩陣如表5所示。

選用和法計(jì)算判斷矩陣特征向量和特征根λ，歸一化后得出具體的指標(biāo)權(quán)重如表2所示，再依次計(jì)算得各指標(biāo)層A、B、B、B的一致性比率CR均小于0.1，表示通過(guò)總體一致性檢驗(yàn)，可認(rèn)為模型各指標(biāo)權(quán)重安排合理，不需要重復(fù)修正。

3.3? 模型結(jié)果分析

Logistic-AHP混合模型最終計(jì)算結(jié)果顯示，二級(jí)指標(biāo)中競(jìng)爭(zhēng)激烈程度C、企業(yè)所在城市C、企業(yè)經(jīng)營(yíng)規(guī)模C、員工整體水平C、政府支持力度C、供應(yīng)鏈合作穩(wěn)定性C、企業(yè)家背景C7個(gè)因素權(quán)重從大到小的和為0.9516，表明以上7個(gè)因素較顯著地影響了調(diào)研范圍內(nèi)物流供應(yīng)鏈節(jié)點(diǎn)企業(yè)實(shí)施技術(shù)創(chuàng)新意愿，且3個(gè)一級(jí)指標(biāo)中外部因素影響最大，企業(yè)內(nèi)部因素影響次之，供應(yīng)鏈合作因素對(duì)創(chuàng)新意愿影響最小。

（1）外部環(huán)境因素：行業(yè)競(jìng)爭(zhēng)激烈程度和企業(yè)所在城市是長(zhǎng)三角物流供應(yīng)鏈節(jié)點(diǎn)企業(yè)技術(shù)創(chuàng)新外部環(huán)境因素中影響最大的兩個(gè)，且對(duì)競(jìng)爭(zhēng)感知越明顯及所處城市經(jīng)濟(jì)發(fā)展水平越高的物流企業(yè)，往往更愿意并有實(shí)施技術(shù)創(chuàng)新活動(dòng)的迫切需要。樣本數(shù)據(jù)中有近70%的物流企業(yè)來(lái)自于滬、合、寧、蘇、杭五市，這也使得C與C的交互作用更加明顯，即一、二線城市物流企業(yè)確實(shí)能感知到更激烈的競(jìng)爭(zhēng)環(huán)境。

此外，我國(guó)物流業(yè)與發(fā)達(dá)國(guó)家相比起步較晚，即使是長(zhǎng)三角地區(qū)的中大型物流企業(yè)也有相當(dāng)比例仍處于成長(zhǎng)期，因此我國(guó)現(xiàn)行的大多數(shù)稅收激勵(lì)政策對(duì)這些盈利不穩(wěn)定、具有一定經(jīng)營(yíng)風(fēng)險(xiǎn)并且信貸資金額度較低的物流企業(yè)來(lái)說(shuō)，很難享受到實(shí)質(zhì)的稅收優(yōu)惠。而相對(duì)來(lái)說(shuō)環(huán)境更為寬松的小微型物流企業(yè)，由于數(shù)量眾多、盈利能力弱、很長(zhǎng)時(shí)期內(nèi)尚處于“求生存”階段，也很難直接感知政府扶持和政策紅利[9]。所以，政府支持力度對(duì)物流企業(yè)技術(shù)創(chuàng)新雖影響顯著，但相較于以上兩個(gè)因素影響力稍弱。

（2）物流企業(yè)內(nèi)部因素：樣本數(shù)據(jù)中小微物流企業(yè)占比88.9%，而大型企業(yè)僅占11.1%，極端數(shù)據(jù)呈偏態(tài)分布，使得單獨(dú)Logistic回歸結(jié)果中企業(yè)經(jīng)營(yíng)規(guī)模這一因素的影響不顯著，因此在混合模型中增加了C的得分，修正后將其權(quán)重調(diào)整為0.1278，處于顯著區(qū)間內(nèi)。

單獨(dú)Logistic回歸還表明企業(yè)員工整體水平和管理層學(xué)歷背景對(duì)其創(chuàng)新活動(dòng)有著顯著影響，這與混合模型結(jié)果一致。不難理解，樣本物流企業(yè)人才結(jié)構(gòu)中54.4%處于中、高水平，超半數(shù)物流企業(yè)管理人員有過(guò)國(guó)內(nèi)外高水平教育經(jīng)歷，還有相當(dāng)數(shù)量由高尖端人才團(tuán)隊(duì)發(fā)起的技術(shù)型物流初創(chuàng)企業(yè)，這也是長(zhǎng)三角經(jīng)濟(jì)發(fā)達(dá)和區(qū)位優(yōu)勢(shì)下獨(dú)特的人才現(xiàn)象，且隨著其物流網(wǎng)絡(luò)進(jìn)一步升級(jí)和擴(kuò)張，未來(lái)人才對(duì)技術(shù)創(chuàng)新的作用會(huì)更加突顯。

（3）物流供應(yīng)鏈合作因素：供應(yīng)鏈合作因素對(duì)物流企業(yè)技術(shù)創(chuàng)新的影響，按權(quán)重從大到小排序依次是穩(wěn)定性、投入度和透明度。得益于長(zhǎng)三角整體健康的物流環(huán)境，樣本數(shù)據(jù)中投入度和透明度水平均高于50%，較小的總體偏差使得區(qū)域內(nèi)物流企業(yè)技術(shù)創(chuàng)新受二者影響也較小。而受2020年疫情影響，長(zhǎng)三角原有物流供應(yīng)鏈穩(wěn)定性受到?jīng)_擊，樣本數(shù)據(jù)中近三分之二的企業(yè)表示當(dāng)前供應(yīng)鏈伙伴合作穩(wěn)定性較差，其與上下游合作響應(yīng)性、物流配送效率及運(yùn)營(yíng)成本等直接關(guān)聯(lián)，給物流企業(yè)實(shí)施技術(shù)創(chuàng)新帶來(lái)了更大風(fēng)險(xiǎn)，成為影響其創(chuàng)新活動(dòng)較為顯著的因素之一。

4? 政策建議

首先，要鼓勵(lì)滬、合、寧、蘇、杭五市的物流企業(yè)展開(kāi)創(chuàng)新合作，加強(qiáng)對(duì)附近城市的輻射和帶動(dòng)作用，進(jìn)一步保持長(zhǎng)三角地區(qū)公平透明的物流行業(yè)環(huán)境，降低和清除行業(yè)競(jìng)爭(zhēng)性技術(shù)的市場(chǎng)準(zhǔn)入條件和障礙，努力建成以上海為核心、多個(gè)城市為副中心的創(chuàng)新型物流網(wǎng)絡(luò)。其次，要縮小與發(fā)達(dá)國(guó)家物流企業(yè)員工學(xué)歷水平的差距，繼續(xù)加大長(zhǎng)三角物流人才引進(jìn)和培育力度，尤其是高尖端智慧物流技術(shù)和管理人才[10]。同時(shí)引導(dǎo)各類(lèi)創(chuàng)新要素向中心內(nèi)頭部物流企業(yè)聚集，將市場(chǎng)競(jìng)爭(zhēng)作為優(yōu)化行業(yè)資源配置的首要手段，從而帶動(dòng)中小企業(yè)進(jìn)行技術(shù)創(chuàng)新。最后依托長(zhǎng)三角的產(chǎn)業(yè)協(xié)同優(yōu)勢(shì)，結(jié)合政府的統(tǒng)籌作用適當(dāng)進(jìn)行資源補(bǔ)充，加快建設(shè)開(kāi)發(fā)完備的供應(yīng)鏈共享信息平臺(tái)保障供應(yīng)鏈運(yùn)行穩(wěn)定，為物流企業(yè)實(shí)施技術(shù)創(chuàng)新保駕護(hù)航。

參考文獻(xiàn)：

[1] 王祚宇. 基于大數(shù)據(jù)的電商平臺(tái)生鮮食品供應(yīng)鏈優(yōu)化研究[J]. 物流工程與管理，2021，43（1）：98-101.

[2] 丁景. 電子商務(wù)平臺(tái)企業(yè)發(fā)展戰(zhàn)略研究——以淘寶為例[J]. 物流工程與管理，2020，42（12）：104-106.

[3] 陳心媛，等. 新零售背景下盒馬鮮生運(yùn)營(yíng)策略研究[J]. 物流工程與管理，2020，42（11）：21-23，28.

[4] 閆晗. 精準(zhǔn)扶貧視角下農(nóng)產(chǎn)品農(nóng)校對(duì)接問(wèn)題研究[J]. 物流工程與管理，2020，42（11）：112-114.

[5] 趙巍. 競(jìng)爭(zhēng)新形勢(shì)下互聯(lián)網(wǎng)企業(yè)品牌延伸策略研究[J]. 物流工程與管理，2020，42（9）：151-153.

[6] 王思賢. 貿(mào)易戰(zhàn)背景下我國(guó)木質(zhì)家具出口對(duì)策研究[J]. 中國(guó)林業(yè)經(jīng)濟(jì)，2020（5）：47-50.

[7] 高麗. 基于PCA-MLRM的大學(xué)生網(wǎng)絡(luò)信貸風(fēng)險(xiǎn)認(rèn)知實(shí)證研究[J]. 中國(guó)林業(yè)經(jīng)濟(jì)，2020（6）：138-141.

[8] 葉飛. 綠色供應(yīng)鏈管理驅(qū)動(dòng)因素、綠色設(shè)計(jì)與績(jī)效關(guān)系[J]. 科學(xué)學(xué)研究，2010，28（8）：1230-1239.

[9] 張然. 新形勢(shì)下國(guó)有糧食企業(yè)糧食物流管理對(duì)策研究[J]. 物流科技，2020，43（2）：36-38.

[10] 陳心媛. 基于AHP的菜鳥(niǎo)驛站末端物流服務(wù)質(zhì)量提升研究[J]. 物流工程與管理，2021，43（1）：21-23，26.