我國區(qū)域物流節(jié)點城市發(fā)展的統(tǒng)計評價分析

　　摘要：文章在宏觀層次上構建一套以客觀指標構成的區(qū)域物流發(fā)展評價指標體系，從人口規(guī)模、經濟實力、工業(yè)規(guī)模、第三產業(yè)規(guī)模、物流主導產業(yè)規(guī)模五個方面來衡量我國11個節(jié)點城市的物流發(fā)展狀況，并運用因子分析、聚類分析對各個城市的物流發(fā)展差異進行了比較，最后給出相應的政策建議。

　　關鍵詞：區(qū)域物流;節(jié)點城市;因子分析;聚類分析

　　一、 引言

　　本文綜合以前學者的研究成果，突出不同區(qū)域的物流產業(yè)發(fā)展水平，提出更為簡便可行的指標體系，同時運用因子分析和聚類分析，對這些區(qū)域節(jié)點城市的物流發(fā)展水平進行比較研究，最后針對分析結果提出一些改進建議。

　　二、 區(qū)域物流發(fā)展指標體系的構建

　　1. 評價指標體系的建立。本文選取的指標力圖能夠反映區(qū)域物流發(fā)展的整體水平，通過對各種物流評價指標體系的比較，按照指標設置的原則，經過反復篩選，最終從人口規(guī)模、經濟實力、工業(yè)規(guī)模、第三產業(yè)規(guī)模、物流主導產業(yè)規(guī)模五個方面確立了現(xiàn)代區(qū)域物流評價指標體系，并將這些方面分解為9項二級指標(表1)。

　　2. 數(shù)據來源與分析步驟。本研究的數(shù)據來源于《中國城市統(tǒng)計年鑒2009》以及各城市統(tǒng)計年鑒，由于在17個區(qū)域物流節(jié)點城市中，數(shù)據符合要求的有11個城市，包括哈爾濱、長春、包頭、呼和浩特、太原、合肥、福州、長沙、昆明、?？凇y川，本文就以這些城市為研究對象。在數(shù)據準備階段完成之后，利用SPSS17.0for windows統(tǒng)計軟件從以下幾個方面展開分析。首先檢驗構建的區(qū)域物流評估指標系統(tǒng)，然后選擇因子分析法從9個具體指標中提取出n個公共因子，根據得到的因子得分，建立模型計算綜合得分，從而對各節(jié)點城市的物流綜合水平進行排序，為確保研究結果的科學性和可靠性，在因子分析的基礎上進一步進行聚類分析， 并利用聚類分析結果對全國區(qū)域物流節(jié)點城市的發(fā)展水平進行總體評價，并給出相應的政策建議。

　　三、 因子分析

　　1. 因子分析適用性檢驗。在指標綜合評價中利用因子分析的目的是從眾多的原有指標變量中提取出少量的具有代表性的因子，提取出的因子必須能夠代表不同的評價維度。其應用的前提是要求原指標之間具有較強的相關關系，否則就不能運用因子分析法，我們將原始數(shù)據進行標準化處理之后，采用KMO和Bartlett檢驗方法來檢測因子分析法的適用性。其檢測結果如表2所示。

　　Bartlett球度檢驗表明：Bartlett值=131.602。P接近于0，若顯著性水平為0.01，則拒絕相關矩陣為單位矩陣的原假設，相關矩陣與單位矩陣存在顯著差異，可以進行因子分析。取樣足夠的Kaiser-Meyer-Olkin檢驗是用于比較觀測相關系數(shù)值與偏相關數(shù)值的一個指標，其值越逼近1，表明對這些變量進行因子分析的效果越好，從表2中可見，KMO值大于0.5，因而可以對指標變量進行因子分析。

　　2. 因子提取。本文采用主成分分析法對指標數(shù)據進行因子分析，按照相關系數(shù)矩陣特征值大于1的標準，從原9個統(tǒng)計指標中提取二個主因子來表達其信息含量。表3是指標數(shù)據作因子分析后的因子提取和因子旋轉結果。第二列至第四列描述了因子分析的初始解對原有變量總體的刻畫情況;第二列合計是各成分的特征值。第一成分特征值合計=4.883，第二成分特征值為合計=1.797，這里只有前兩個因子的特征值大于1。第三列是各因子變量的方差貢獻率，即該因子刻畫的方差占原有變量總方差的比例;第四列是因子變量的累計方差貢獻率，表示前m個因子刻畫的總方差占原有變量總方差的比例。從表3中可見，如果提取2個公共因子，那么它們可描述原變量總方差的90.536%，大于80%，可以認為，這2個公因子基本反映了原變量的絕大部分信息。

　　3. 因子旋轉。因子分析的目的不僅是要找出主因子，更重要的是知道每個主因子的具體經濟意義。為便于對主因子進行解釋，一般須對因子載荷矩陣進行旋轉。本研究采用方差極大值法進行正交旋轉之后，得到9個指標的兩個因子負荷，如表4所示。

　　從表4可以看出，第一主成分對社會消費品零售總額、國內生產總值、第三產業(yè)增加值、年末總人口、工業(yè)總產值有絕對值較大的相關系數(shù)，第二個因子相關系數(shù)絕對數(shù)較大的正好是九個原始變量中的另外四個，即貨運總量、公路貨運量、鐵路貨物運量、交通運輸、倉儲及郵政業(yè)增加值。根據這些變量的原始含義可以對兩個因子進行命名。第一個因子主要概括了一般的社會人口規(guī)模、經濟實力、工業(yè)和第三產業(yè)的規(guī)模，可以命名為社會經濟因子。第二個因子主要概括了物流主導產業(yè)的情況，可以稱為物流產業(yè)因子。

　　根據表4的最終因子載荷矩陣，由此可以寫出如下因子分析的模型：

　　X1=0.979F1+0.024F2;X2=0.974F1+0.183F2;……;X9=0.324F1+0.879F2

　　Xi(i=1，2，…，9)代表了9個評價指標，公共因子F1表示社會經濟因子，F(xiàn)2表示物流產業(yè)因子。由于因子載荷矩陣是正交旋轉，這兩個因子之間不存在相關，避免了因子綜合評價的多重共線性，故可以代表不同的評價維度。

　　4. 因子得分。因子分析把原來的9個指標濃縮成相互獨立的2個公因子，一方面達到了降維的目的;另一方面也排除了指標之間的相關性，同時，SPSS根據因子得分函數(shù)自動計算各樣本的因子得分，并選取各因子的方差貢獻率為因子得分權重，計算各城市的綜合因子得分，其計算形式為：

　　F=0.511 09F1+0.394 26F2

　　每個城市的綜合因子得分反映了各節(jié)點城市區(qū)域物流綜合實力的強弱，將11個城市的綜合因子得分從高到低排序，如表5所示。

　　四、 聚類分析

　　聚類分析是研究“物以類聚”的一種多元統(tǒng)計分析方法。最常用最基本的一種聚類分析方法是層次聚類分析，此外還有動態(tài)聚類法、模糊聚類法、有序聚類法等，本研究采用層次聚類法。

　　層次聚類法的基本思想是，一開始將要歸類的n個變量看成一類，然后按事先規(guī)定好的方法計算各類之間的歸類指數(shù)(相似系數(shù)或距離)，根據指數(shù)大小衡量兩類之間的密切程度，將關系最密切的兩類并成一類，其余不變，即得n-1類;重新計算各類之間的歸類指數(shù)，再將關系最密切的兩類并成一類，其余不變，即得n-2類;如此進行下去，直到最后n個變量都歸成一類。

　　我們按照層次聚類法的步驟，首先經過運算將原始數(shù)據標準化，使具有不同量綱、不同數(shù)量級的數(shù)據能放在一起比較;然后用11個節(jié)點城市的標準化數(shù)據求出歐氏距離;最后應用Wald離差平方和法，按照使總的類內離差平方和增加最小的原則，使得類的分法逐漸減小。具體聚類過程見表6。

　　SPSS完成以上運算步驟后，可將11個城市分成2類~4類，如果按照四類來劃分，其中包頭距離其他城市較遠，單獨聚合為一類;屬于物流發(fā)展高水平的地區(qū);長沙、哈爾濱、長春、福州聚合為一類，屬于物流發(fā)展中等偏上地區(qū);合肥、呼和浩特、太原、昆明距離較近，聚合為一類，屬于物流發(fā)展中等偏下地區(qū);?？?、銀川聚合為一類，相對于全國其他九個節(jié)點城市來說，是屬于物流發(fā)展低水平地區(qū)(見表7)。

　　五、 結論及政策建議

　　第一類為包頭。作為中國著名的鋼鐵工業(yè)城市，包頭市一枝獨秀，在物流產業(yè)上具有明顯優(yōu)勢。區(qū)域物流發(fā)展在物流節(jié)點城市中處在領先水平，包頭市的物流產業(yè)因子得分最高，其貨運總量為38 841萬噸，遙遙領先于其他節(jié)點城市，這也決定了包頭市被單獨列為一類。但其社會經濟因子表現(xiàn)不佳，城市人口規(guī)模小，第三產業(yè)方面處于劣勢地位。然而物流產業(yè)的絕對優(yōu)勢使得包頭市的整體物流發(fā)展實力最強，最終得分排名第一。隨著我國城市化進程的快速發(fā)展，可以預見包頭市對第三產業(yè)的需求會逐漸加強。因此，包頭市需強化經濟發(fā)展的基礎，重點提升第三產業(yè)的增加值，發(fā)揮其鋼鐵物流的規(guī)模經濟優(yōu)勢，提高投資收益率，增強其持續(xù)發(fā)展的能力。

　　第二類包括長沙、哈爾濱、長春、福州，這四座城市的綜合排名靠前，其中哈爾濱的國內生產總值最高，在社會經濟因子得分方面名列前茅，顯示了較強的經濟實力和工業(yè)規(guī)模，但其物流產業(yè)因子表現(xiàn)平平，最終綜合排名位居亞軍。其余城市的因子得分也不均衡，主要表現(xiàn)在社會經濟因子得分排名高于物流產業(yè)因子的得分排名， 反映了其物流業(yè)的發(fā)展滯后于社會經濟的發(fā)展。因此，建議這類城市，在努力增強經濟實力的同時，要重點確定其物流發(fā)展的差異化戰(zhàn)略，根據自身城市定位和區(qū)位交通優(yōu)勢，優(yōu)先發(fā)展合適的交通運輸方式，加強物流基礎設施的建設，注重與區(qū)域城市的分工合作，形成良好的區(qū)域物流網絡系統(tǒng)，快速推進其物流業(yè)的發(fā)展。

　　第三類包括合肥、呼和浩特、太原、昆明，這四座城市綜合因子得分排名中等偏下，其中合肥和太原因子得分較不均衡，由于太原的傳統(tǒng)產業(yè)和地理區(qū)位優(yōu)勢，作為貫通南北的中西部交通樞紐，太原物流產業(yè)具有明顯的優(yōu)勢，2008年太原貨運總量達到20 962萬噸，其物流產業(yè)因子的排名僅次于包頭，但其社會經濟因子位次靠后，其第三產業(yè)規(guī)模也與包頭市相當，我們認為太原今后的發(fā)展重點是促進區(qū)域經濟的發(fā)展;合肥市近年來經濟快速增長，平均增長率約為17%，領跑于中部的省會城市，其社會經濟因子位列第五，屬中上等水平，但物流發(fā)展因子得分僅高于?？?、銀川，屬于較低水平，并且合肥與周邊省會城市相比，物流業(yè)的基數(shù)很小，增長速度相對較慢，合肥如果不快速擴大物流產業(yè)規(guī)模，將可能會失去周邊的物流市場。呼和浩特與昆明在各因子得分方面表現(xiàn)平平，特別是呼和浩特沒有突出的經濟表現(xiàn)，其經濟總量和貨運總量也處于下游。在今后的發(fā)展中，我們建議這些城市要重點培養(yǎng)一批優(yōu)勢支柱產業(yè)，加強交通基礎設施的建設，夯實其經濟基礎并發(fā)展優(yōu)勢物流產業(yè)。

　　第四類包括?？凇y川，由于經濟、地理、人口、文化及交通等原因，這兩座城市綜合排名比較靠后，二個因子的得分都很低，與以上三類城市有明顯的差異，在區(qū)域物流節(jié)點城市的比較中明顯處于劣勢，由于物流產業(yè)是為其他產業(yè)提供支持的生產性服務產業(yè)，經濟基礎對發(fā)展物流產業(yè)至關重要，?？?、銀川兩市首先要從產業(yè)經濟抓起，運用現(xiàn)代化的管理理念和手段，做好招商引資工作，提升其區(qū)域經濟的競爭力;其次應找準物流的發(fā)展定位，如海口市應著重發(fā)展港口物流和國際物流，然后將區(qū)域物流與支柱性產業(yè)形成有機的業(yè)務鏈，集中優(yōu)勢資源，發(fā)展最能體現(xiàn)自身特色的物流產業(yè)。

　　參考文獻：

　　1. 蒯人杰.關于區(qū)域物流節(jié)點合肥市物流發(fā)展契機的研究.物流技術，2009，(7):45-49.

　　2. Azzone.Measuring resources for supporting resource-based competition.Management Decision,1995，33(9):30-57.

　　3. 高杰.基于因子聚類分析的區(qū)域物流評價研究.重慶大學經濟與工商管理學院碩士論文，2007，(6)：39-61.

　　4. 黃群英.加快發(fā)展合肥現(xiàn)代物流業(yè)的分析與對策研究.合肥學院(社會科學版)，2008，25(5):8-16.

　　5. 周延，郭建林.基于因子分析和聚類分析的壽險公司財務分析.華東師范大學學報(哲學社會科學版)，2010，(2)：83-8.

《我國區(qū)域物流節(jié)點城市發(fā)展的統(tǒng)計評價分析》

上一篇：影子價格長短期劃分及其計算

下一篇：理工職稱論文發(fā)表水閘在水利工程中的分類和構