基于“钻石模型”的区域物流产业竞争力评价研究

曲 敬

（哈尔滨理工大学经济学院，黑龙江哈尔滨150080）

【产业经济】

基于“钻石模型”的区域物流产业竞争力评价研究

曲 敬

（哈尔滨理工大学经济学院，黑龙江哈尔滨150080）

当前，我国物流产业发展中存在与电子商务发展不协调、物流发展规划与实际问题脱节等问题，运用Porter的钻石模型对区域物流产业的影响因素进行分析，在构建区域物流产业竞争力指标体系的基础上，选取15个省（区、市）作为样本，采用因子分析法，对各省（区、市）物流产业竞争力进行综合分析，结果表明我国物流产业发展不均衡，区域物流产业竞争力差异明显，呈现东强西弱的产业格局。

钻石模型；物流产业；竞争力评价；因子分析法

一、引言

随着科技进步和全球经济一体化程度的不断加深，以及电子商务时代的来临，传统的商业运作模式正在发生改变，形成了以B2B、B2C等为主体的新型电子商务模式，电子商务占我国GDP比重也逐年增加。而物流作为电子商务的重要环节，是商流、信息流、资金流的基础及载体，是买卖双方的纽带。随着电子商务规模的扩大，物流在电子商务体系的重要性也日益突出。然而，我国滞后的物流产业已制约了商务发展，如在“双十一”期间物流量激增，“爆仓”问题严重，物流从业人员素质低、物流对象混乱、暴力分拣等问题造成了物流与电子商务衔接的中断、电子商务需求旺盛、供给不及时的现象，影响了电子商务高效、便捷、安全的运营宗旨［1］。此外，物流产业作为基础性产业，被誉为“国民经济的命脉”、经济发展的加速器，其发展水平是体现一个国家或地区现代化程度及综合实力的重要标志。因此物流产业的发展日益成为学术界研究的热点问题，其中，物流产业发展的核心问题是提升物流产业竞争力，针对我国各区域物流产业发展不平衡，物流发展规划与实际问题脱节等问题，本文对我国各省（区、市）区域物流产业竞争力进行评价研究。

二、基于“钻石模型”的区域物流产业竞争力影响因素分析

（一）区域物流产业竞争力的钻石模型应用

Porter（1990）出版了《国家竞争优势》，根据对10个国家上百种产业发展历史的研究，归纳出著名的“钻石模型”，以分析国家如何在特定产业建立竞争优势。Porter认为决定某一产业竞争力的主要因素为生产因素、需求因素、企业战略结构及竞争对手、相关及支持性产业，这四个因素具有双向作用［2］。除这四大因素之外，还存在两大变数即政府和机会，其中政府政策的影响是不可忽视的，而机会具有不可预见性。

对区域物流产业竞争力影响因素的分析，是构建完善的区域物流产业竞争力评价指标体系的前提条件。本文基于Porter的钻石模型，构建了区域物流产业竞争力的钻石模型（见图1）。“钻石模型”在分析产业竞争力影响因素方面具有得天独厚的优势。这主要是因为：1.“钻石模型”从产业的角度出发，结合企业、政府政策等方面对产业竞争力影响因素进行分析，综合了宏观、中观、微观的各种因素，为进一步完善指标的选取，避免指标的遗漏，构建完善的产业竞争力评价指标体系提供基础。2.“钻石模型”是从产业价值链的角度来分析产业竞争力的影响因素，而不是从政治、经济、文化等方面进行分析，能够进一步精确产业竞争力评价指标体系指标的选取［3］。

图1 区域物流产业竞争力的“钻石模型”

（二）区域物流产业竞争力影响因素分析

物流产业作为基础性产业，几乎渗透到国民经济的各个部门之中，也造就了区域物流产业竞争力的众多影响因素，涉及到经济、政治、文化等各个方面。本文运用Porter的钻石理论，从生产要素、需求要素、企业战略结构、相关产业发展、政府作用和机会方面对影响区域物流产业竞争力的影响因素进行分析。

1.生产要素分析。Porter将生产要素划分为初级生产要素和高级生产要素，初级生产要素指自然资源、地理位置等，高级生产要素指人力资本、研究机构、基础设施等。在区域物流产业竞争优势中，初级生产要素重要性越来越低，高级生产要素对获得竞争优势具有不容置疑的作用，其中人力资本、基础设施对区域物流产业竞争力产生较重要的影响，能够为物流产业提供必要的人才及技术支撑，促进区域物流产业结构的转型及升级。

2.需求要素分析。Porter指出市场需求是产业发展的动力，是评价某个产业竞争力的重要指标之一。物流需求是一种衍生需求，其状况与一个地区的经济发展水平密切相关。通常，一个地区经济发展水平越高，这个地区内的所有行业发展越好，企业内部的采购、运输等活动就越多，从而物流需求也就越大。此外，人民的生活水平也对物流需求产生重要的影响，人民的生活水平越高，消费越趋向多元化，从而带动物流需求的增长，物流产业竞争力得到提高。

3.企业战略结构分析。Porter认为，企业的战略结构与产业竞争优势的形成与保持存在着密切的关系。区域内物流企业竞争力水平综合反映了物流主体提供物流服务及满足客户需求的能力大小，体现了物流主体的运作水平，反映了一定时期区域内物流企业的总体发展水平，是区域物流竞争力形成的关键因素［4］。物流企业竞争力并不仅仅局限于Porter所提到的企业战略结构与竞争因素，还应该包括企业的规模、技术投入、人力资源、运营绩效等多种因素，是物流企业综合实力的体现。

4.相关产业发展分析。Porter认为，任何一个行业都不可能独立存在，某一个行业是否具有国际竞争力与其上游产业及辅助产业密切相关。一个地区的相关产业竞争力越强，则区域物流产业竞争力越强。因此，在对区域物流产业竞争力水平进行分析时，必须要考虑物流供应链上下游产业的发展水平。

5.政府作用分析。Porter认为，直接参与产业竞争的是企业，而非政府，政府只是研究产业竞争力的辅助因素。然而我国的国情及经济制度决定了政府作用在影响产业竞争力方面绝对不能弱化，政府能够通过财政政策以及相应法律法规的出台对区域物流产业竞争力产生重要的影响。

6.机会分析。机会是指那些超出企业控制范围的突发事件，如技术的重大创新等，它既可以打破原有的竞争环境，也可以创造出竞争的“断层”，从而对相关产业的竞争力造成重大的影响［5］。由于机会具有很大的不确定性，因此本文不加以详细分析。

三、区域物流产业竞争力综合评价指标体系构建

（一）评价指标选取的原则

选取的评价指标不同，区域物流产业竞争力体系也就不同，要建立科学有效的评价体系，就必须遵循以下原则：

1.科学性原则：每个指标的选取必须有其科学内涵，本文是基于Porter的钻石模型构建的指标体系，进行指标的选取；

2.系统性原则：每个指标必须是相互作用、相互关联的，本文是基于钻石模型，从产业链的角度进行指标的选取；

3.可比性原则：指标的单位要统一，能够进行标准化处理；

4.可操作性原则：各个指标都应该客观真实，不得凭空捏造［6］。

（二）区域物流产业竞争力综合评价指标体系设计

本文中区域物流产业竞争力评价指标体系的建立主要依据Porter的钻石模型，从物流生产要素、需求、企业、相关产业6个方面进行构建，由于机会具有不可预知性，因此本文从以下5个方面进行指标的构建，构建思路如下：

1.物流生产要素。在区域产业竞争优势中，初级生产要素重要性越来越低，高级生产要素作用日益凸显。因此，在区域物流产业竞争力指标体系构建的过程中，摒弃了天然资源的指标，选取了每十万人中高等教育在校生人数（X1）、研究与发展费用（X2）、交通运输总里程（X3）、宽带接入用户人数（X4）4个指标进行分析。其中：每万人中高校毕业生人数＝（高校毕业生数／地区常驻人口数）*10000；交通运输总里程＝铁路总里程＋公路总里程。

2.物流需求状况。由于本国物流市场需求主要受经济发展水平和人民消费水平的影响，因此选取了地区国民生产总值（X5）、城镇居民人均可支配收入（X6）、全年农村居民人均纯收入（X7）3个指标进行分析。

3.物流企业竞争力。物流企业的规模、绩效水平等对区域物流产业竞争力产生重要影响，因此本文选取了全年各种运输方式完成货物周转量（X8）指标进行分析。

4.相关及支持性产业。“钻石模型”强调任何一个产业都不可能单独存在，第二产业以及第三产业中对物流活动产生巨大需求的子产业，都成为物流产业最重要的相关及支持产业。因此，在对物流产业竞争力进行分析时，选取了第二产业增加值（X9）、第三产业增加值（X10）两个指标进行分析［7］。

5.政府作用。政府主要通过财政政策来对区域物流产业发展施加影响，因此本文选取了公共财政预算收入（X11）、公共财政预算支出（X12）两个指标进行分析。

基于上述思路，本文构建区域物流产业竞争力评价体系如下（见表1）：

表1 区域物流产业竞争力指标体系

（三）评价方法的选取

本文拟采用因子分析法对区域物流产业竞争力评价指标体系进行定量分析。具体分析步骤：

1.本文依据物流产业的总体发展水平选取了我国15个省（区、市）作为样本，并结合区域物流产业竞争力评价指标体系所构建的指标变量，搜集有关的数据，列出样本数据的原始数据表并对原始数据进行标准化；

2.将区域物流产业竞争力综合评价所选取的样本数据进行KMO或Bartlett球体检验，看其是否适合进行因子分析；其中KMO值与1越接近则越适合进行因子分析，一般KMO值大于0.5则适合进行因子分析；Bartlett球体检验如果统计量相对较大则适合进行因子分析；

3.对相关系数矩阵求特征值和特征向量，并得出方差贡献率和累积方差贡献率，从而得到特征值大于1的几个公共因子，再判断这几个公共因子的累积方差贡献率之和是否达到一定值，能够全面反映所有变量信息，如其不是很明显，则对因子进行旋转；

4.运用线性函数计算各省（区、市）在各区域物流产业公共因子上的得分，根据公共因子权重求得各省（区、市）区域物流产业竞争力综合得分，进行相关排名；

5.根据因子分析的结果，得出有关区域物流产业竞争力评价的相关结论［8］。

四、区域物流产业竞争力的实证分析

（一）样本选取及数据来源

本文依据我国物流产业的总体发展水平选取了15个省（区、市）自治区作为样本，通过因子分析，运用线性函数计算各样本在各公共因子上的排名，根据公共因子权重求得各省（区、市）综合排名，明确各省（区、市）物流产业竞争力现状。本文拟从以下13个指标变量去进行实证研究：每十万人中高等教育在校生人数X1（人）、研究与发展经费支出X2（亿元）、交通运输总里程X3（公里）、宽带接入用户人数X4（人）、地区国民生产总值X5（亿元）、城镇居民人均可支配收入X6（元）、全年农村居民人均纯收入X7（元）、全年各种运输方式完成货物周转量X8（亿吨公里）、工业产业增加值X9（亿元）、第三产业增加值X10（亿元）、公共财政预算收入X11（亿元）、公共财政预算支出X12（亿元）。本文所运用的数据均来自2012年各省（区、市）统计局官网所公布的国民经济和社会发展统计公告及各省（区、市）统计年鉴，样本数据具体如表2所示：

表2 2012年全国15个各省（区、市）指标原始数据

数据来源：2012年各省统计年鉴及国民经济和社会发展公告

（二）部分省（区、市）物流产业竞争力评价

为了消除数据量纲上的差异，本文首先对选取的15省（区、市）的原始数据（表2）运用Spss17.0软件进行标准化处理，再根据标准化的数据进行KMO和Bartlett球体检验，以判断是否适合进行因子分析。通过检验，发现KMO值为0.653＞0.5，适合进行因子分析；且Bartlett球体检验的概率P值为0.000，检验结果表明适合进行因子分析（见表3）。

表3 KMO和Bartlett球体检验结果

根据标准化后的样本数据所得到的相关系数矩阵，运用Spss17.0软件可以得出公因子方差表，公因子方差表示所提取的公因子对每个变量的解释程度。本样本数据的公因子方差表（表4）如下，大部分变量共同度分布于0.7～0.9之间，表明公因子能较高程度解释每个变量的信息，表明所选择的指标和所搜集到的数据能很好地反映15个省（区、市）的物流竞争力的基本现状，为下面进行公因子提取提供了基础性支撑［9］。

表4 公因子方差

根据标准化后的相关系数矩阵，计算出相关系数矩阵的特征值及累计方差贡献率，判断所应选取的公因子的个数。本文将标准化后的相关系数矩阵运用Spss17.0软件分析，可以得到解释的总方差表（表5），发现经过最大方差正交旋转后前3个特征值全部大于1，且前3个成分的累积贡献度达到92.523%，因此确定选取3个主成分进行因子分析。

表5 解释的总方差

提取方法：主成分分析法

通过解释的总方差表，得到的3个主成分的累积贡献率达到92.523%，说明选取的3个主成分能反映绝大部分的基本指标信息量。再运用Spss17.0软件，根据正交旋转后的成分矩阵（表6），得到比较鲜明的公因子成分，完成对三级指标的基本解释。从表6可以看出，主成分1（Y1）主要是由变量X2（研究与发展费用）、X4（宽带接入用户人数）、X5（地区国民生产总值）、X9（工业产业增加值）、X10（第三产业增加值）、X11（公共财政预算收入）、X12（公共财政预算支出）决定的，它们的因子载荷分别为0.924、0.945、0.984、0.975、0.948、0.900、0.958，反映了二级指标中的基础设施、经济发展水平、相关产业支撑、政府作用指标，可以命名为区域物流产业的经济社会发展因子，将以上四类指标归为一大类看似矛盾，但在因子分析过程中，公共因子本身就是一个不可观测但又具有一定意义的变量，只要对原始变量具有较高的荷载，能够将原始变量归为合理的类别，就完成了因子分析降维、解释的目的，Y1的累积方差贡献率为56.111%，因此是研究区域物流竞争力时需要重点考虑的层面［10］。主成分2（Y2）主要由变量X3（交通运输总里程）、X6（城镇居民人均可支配收入）、X7（全年农村人均纯收入）、X8（全年各种运输方式完成货物周转量）决定的，它们的因子载荷分别为－0.752、0.878、0.869、0.838，反映了二级指标中的人民生活水平、物流企业规模与绩效等指标，可以命名为区域内物流企业发展规模与效率影响因子；Y1的累积方差贡献率为27.496%，也是研究区域物流竞争力时需要考虑的重要方面。主成分3（Y3）主要是由变量X1（每十万人中高等教育在校生人数）决定的，它的因子载荷为0.904，反映了二级指标中的人力资本指标，因此可以命名为物流产业人力资源供给因子，它对全部原始变量的方差贡献率为8.926%，因此对区域物流产业竞争力的解释相对差些。

表6 旋转成分矩阵a

提取方法：主成分分析法

运用Spss17.0软件，根据主因子的特征值所占比重作为权重，得到因子得分系数矩阵如下（见表7）：

表7 成分得分系数矩阵

根据因子得分系数矩阵，可以得出下列因子得分函数：

Y1＝0.083*X1＋0.155*X2＋0.130*X3＋0.136* X4＋0.160*X5－0.038*X6－0.030*X7－0.069*X8＋0.162*X9＋0.142*X10＋0.133*X11＋0.166*X12

Y2＝－0.256*X1－0.048*X2－0.300*X3＋0.001 *X4－0.054*X5＋0.346*X6＋0.297*X7＋0.398*X8－0.069*X9＋0.002*X10＋0.15*X11＋0.090*X12

Y3＝1.097*X1＋0.217*X2＋0.021*X3－0.141* X4＋0.018*X5－0.201*X6－0.061*X7－0.358*X8－0.007*X9＋0.039*X10＋0.110*X11＋0.059*X12

根据解释的方差表（表6）3个公因子旋转之后的方差贡献率作为权重，将各因子的得分加权求得综合得分，即15个省（区、市）区域物流产业竞争力的得分。综合得分函数如下：

Y＝56.111%*Y1＋27.496%*Y2＋8.926%*Y3

将搜集的15省（区、市）样本数据带入上述因子得分函数及综合得分函数，可以对15省（区、市）的物流产业竞争力进行综合的排名，具体如下表8：

（三）结果评价

在表8中，区域物流产业竞争力综合得分和各因子得分为负数，并不代表该地区的物流产业竞争力为负，而只是说明该地区的物流产业竞争力低于样本平均水平，根据表8可以得出如下结论：

1.我国区域物流产业发展不均衡，区域物流产业竞争力差异明显，呈现东强西弱的格局。通过选取的15省（区、市）样本数据的物流产业竞争力综合排名及得分状况，可以发现：综合得分＞0的有6个地区，包括广东、江苏、山东、上海、浙江、辽宁，他们的物流产业竞争力水平要高于样本平均水平，说明6省市的物流产业竞争力相对较强，其中得分最高的为广东省1.3302706，说明广东省物流产业最为发达，通过观察可以发现以上6个省（区、市）均为东部沿海发达省（区、市）；其余9个地区综合得分＜0，其物流产业竞争力水平要低于样本平均水平，说明这9个地区的物流产业竞争力水平较低。此外，综合得分最高的广东省与最低的吉林省－0.7613042，两者得分相差2.0915748，说明我国物流产业竞争力差距较大。根据表8各省（区、市）综合得分，可以发现我国物流产业发展不均衡，区域物流产业竞争力差异明显，呈现东部沿海地区物流产业强势，中西部地区物流产业弱势的产业格局。

2.区域物流产业竞争力与各公共因子排名不一致，且与有的单项因子差异很大。通过表8我们发现：权重较大的Y1（区域物流产业经济社会发展因子）综合得分方面，①综合得分＞0说明包括广东、江苏、浙江、山东、河南、四川6省区域物流产业经济社会发展水平高于样本平均水平，其余9个地区综合得分＜0，其区域物流产业经济社会发展水平低于样本平均水平，存在很大提升的空间；②在各区域综合排名与Y1排名一致性方面，包括广东、浙江、山东、江苏、吉林省，这5省的综合排名与Y1排名完全一致，其余9省（区、市）（上海除外）的物流产业竞争力综合排名与Y1排名不一致但相差不大，上海市的物流产业竞争力综合排在第4，而其Y1排名为11，相差很大，并且通过对9省（区、市）的观察发现，Y1排名低于综合排名的包括上海、辽宁、内蒙古、广西，说明他们可以在区域社会发展因子方面有相对较大提升的空间。

在Y2（区域内物流企业发展规模与效率影响因子）方面，通过表8我们发现：①在Y2（区域内物流企业发展规模与效率影响因子）综合得分方面，综合得分＞0包括广东、江苏、山东、浙江、河北、上海、辽宁7省（区、市），说明其区域内物流企业发展规模与效率影响因子水平高于样本平均水平，其余8省（区、市）综合得分＜0，其区域内物流企业发展规模与效率影响因子水平低于样本平均水平，存在较大改善的空间；②所选取的15省（区、市）物流产业竞争力综合排名与其Y2排名均不一致但差异不大。

在Y3（物流产业人力资源供给因子）方面，通过表8我们发现：①Y3综合得分＞0的包括江苏、上海、黑龙江、吉林、辽宁、湖北5省市，说明其区域物流产业人力资源供给水平高于样本平均水平，其余10省（区、市）综合得分＜0，其区域物流产业人力资源供给水平低于样本平均水平，存在改进的空间；②所选取的15省（区、市）物流产业竞争力综合排名与其Y3排名均不一致，且广东、浙江、黑龙江、吉林、湖北的物流产业竞争力综合排名与其Y3排名差异很大，其中广东、浙江的Y3排名远低于综合排名，说明其在物流产业人力资源供给水平方面存在相当大的潜力及改进空间。

五、结论

通过以上实证分析结果可知，我国目前物流产业发展不均衡，区域物流产业竞争力差异明显，呈现东部沿海地区物流产业强势、中西部地区物流产业弱势的东强西弱产业格局。此外，各区域的物流产业竞争力综合排名与区域物流产业经济社会发展因子、区域内物流企业发展规模与效率影响因子、物流产业人力资源供给因子排名存在不一致的现象，与有的单项因子差异很大。因此，这就要求政府在制定物流产业发展政策时要充分考虑各地区的差异。对于因子得分高于样本平均水平的省（区、市）继续保持和进一步提升物流产业质量，低于样本平均水平的，结合地区实际情况有的放矢地促进物流竞争力水平的提高，提出具有针对性的物流产业发展政策，避免资源浪费。

［1］王娟娟.电子商务时代的物流发展分析［J］.中国流通经济，2014（3）：54－59.

［2］MICHAEL E PORTER.The Competitive Advantage of Nations［M］.1990：71－83.

［3］杨秀云，郭永.基于钻石模型的我国创意产业国际竞争力研究［J］.当代经济科学，2010，32（1）：90－97.

［4］谭涛.区域物流竞争力水平分析与评价研究［D］.西南交通大学，2007.

［5］章荣武.“钻石模型”及其应用中国船舶工业产业竞争优势分析［D］.厦门大学，2007.

［6］臧旭恒.产业经济学［M］.北京：经济科学出版社，2007.

［7］高秀丽，王爱虎.区域物流竞争力综合评价体系及实证研究［J］.工业工程与管理，2010，15（4）：41－45.

［8］张冬梅，舒燕飞.区域经济分析方法［M］.北京：中国社会科学出版社，2011：82.

［9］江帆.基于因子分析法的区域物流产业竞争力研究［D］.南京：南京大学，2013.

［10］汪文雄，李启明.基于因子与聚类分析的中国建筑业产业竞争力研究［J］.数理统计与管理，2008，27（3）：329－337.

Currently，In view of the logistics industry development in our country and the electronic commerce development， there are problems which are e－conumerce development uncoordinated，the logistics planning out of the real，this paper uses Porter＇s diamond model to analyze the influence factors of the regional logistics industry and set up competitiveness evaluation index system of the regional logistics industry.Based on the regional logistics industry competitiveness evaluation index system，this paper uses factor analysis to analyze the logistics industry competitiveness of provinces and cities which selecting 15 Provinces and cities as sample.The analysis and conclusions are good for solving problemswhich about the logistics industry development and the electronic commerce development uncoordinated and so on.

diamond model；logistics industry；competitiveness evaluation；factor analysis

F259.27

A

2095－3283（2014）09－0071－07

（责任编辑：张彤彤）

曲敬（1989－），女，汉族，山东威海人，硕士研究生，研究方向：产业经济学。