基于因子分析的山东省17地市物流发展水平实证研究

2014-09-21高爱霞满广富

山东农业大学学报（社会科学版） 2014年3期

关键词：物流业山东省物流

□高爱霞满广富

□高爱霞1满广富2

通过选择反应物流发展水平的17个指标构建指标体系，以 2012年山东省17地市数据为样本，运用因子分析方法对相关数据进行了分析评价，提取4个公共因子，再结合聚类分析法将山东省17个地市物流发展水平分为三类，为此提出相应的政策建议。

物流发展水平；指标体系；因子分析

一、引言

近年来，随着国民经济的发展和投资力度的加大，山东省物流业得到了较快发展，正逐步成为支柱产业。来自省交通与物流处统计数据显示，截止2012年底，山东省物流业增加值同比增长12%，约占全省GDP的7.3%。预计到2015年，社会物流总额将完成17万亿元，年均递增12%；物流业增加值将完成4770亿元，年均递增13%，占GDP的比重将达到7.5%，占第三产业的比重将达到20%以上。山东省物流业的整体发展依赖于各地市物流业的发展，因此对各地市的物流发展水平进行评估显得尤为重要。

尽管国内学者对物流领域进行了大量有益的研究，但对物流发展水平进行方面的研究较少，尚处于初级阶段，无完整的体系，一些学者尝试从不同的角度建立了对区域物流发展水平的评价指标体系，并用不同的评价方法进行了研究。如汪波等人[1]采用AHP层次分析和模糊评价相结合的方法对天津地区的物流发展水平进行了研究；金凤花等人[2]基于物流场势模型采用层次分析和聚类分析相结合的方法对我国30个省级区域物流的发展水平进行了评价研究；魏修建等人[3]采用ANP网络层次分析法对我国31个省市的省域物流业综合发展水平进行了实证研究；刘国新等人[4]用最优脱层和神经网络相结合的方法对对武汉地区物流发展水平进行了综合评价分析；周泰等人[5]采用模糊物元和熵值相结合的方法对广州、深圳等珠三角9个地区的物流发展水平进行了评价分析等。

由于物流发展水平评价的系统性和复杂性，上述方法在评价指标的权重确定上具有一定的主观性和随意性。为此，目前一些学者开始探索并采用主成分分析、因子分析等方法，以克服人为确定权重的缺陷，使得评价结果更客观、合理。如王春豪[6]采用主成分分析法对新疆区域物流发展水平进行了横向和纵向的评价研究；许小苍[7]采用主成分分析法构建了区域物流发展水平综合评价模型，并对重庆市的物流发展水平进行了实证分析；朱帮助等人[8]采用主成分分析法构建评价模型对广东省江门市区的物流发展水平进行了实证分析；郑广文等人[9]采用因子分析评价模型对我国 31个省市的区域物流水平进行了实证研究等。

但是仅仅用主成分分析和因子分析等单一分析方法对各研究对象的指标数据分析后，只能得到各研究对象的得分和排名，如何对因子得分进行进一步的分析和综合评价？为此，本文在吸收和借鉴前人研究的基础上，采用因子分析法从实证角度对山东省17地市的物流发展水平进行评价，再根据17地市公共因子得分情况，进行聚类分析，由于因子得分提取了原样本数据的核心信息，排除了次要信息的干扰，因此其聚类分析结果不仅能体现愿样本数据的核心特征，而且其分类过程更加合理、细致。根据聚类分析树状谱系图，对17个地市进行分类，并结合实际情况，提出相应的政策性建议，以推动物流业的健康可持续发展提供理论参考。

二、山东省17市物流发展水平评价指标选取

物流发展水平可以从很多方面来体现,在遵循指标数据科学性、代表性、地区性、客观性、可比性的原则之下,以山东省17个地市为样本，根据山东统计年鉴和交通与物流处山东省物流业发展情况调研报告，选取各地市2012年能反映其物流发展水平的 17项评价指标，建立起相应的评价指标体系(表1)。该物流发展水平评价指标体系包括三级指标层，一级目标层对各地市物流发展水平评价评价，二级指标指标层选取各地市反映物流发展水平的物流总额、物流业增加值、物流业投资完成额等三个相关指标，其中物流总额，包括农产品物流总额、工业品物流总额、进口货物物流总额、外地货物过境总额、外地货物流入总额、再生资源物流总额、单位与居民物品物流总额等7个三级指标，并用X1、X2、X3、X4、X5、X6、X7来表示各个变量数据；物流业增加值，包括物流业增加值(亿元)、物流增加值占GDP(%)、物流增加值占三产(%)等3个三级指标，并用X8、X9、X10来表示各个变量数据；物流业投资完成额，包括固定资产投资(亿元)、物流相关行业固定资产投资(亿元)、交通运输业(亿元)、邮政仓储业(亿元)、批发零售业(亿元)、物流投资额占全省的比重(%)、物流投资占全部投资(%)等7个三级指标，并用X11、X12、X13、X14、X15、X16、X17来表示各个变量数据。

三、基于因子模型的山东省17地市物流发展水平分析

因子分析法(Factor Analysis Method)是一种多元统计分析方法,在社会科学领域中,应用最广的是把信息重叠、具有错综复杂关系的X1，X2，X3，…，Xk等多个变量,转化为少数具有概念化意义且彼此独立的F1，F2，F3，…，Fi等几个公共因子(Common Factor)，每一个公共因子均为原始变量的线性组合，从而在减少了分析指标数量的同时，尽可能保留了原有指标所体现的信息，对指标进行全面的分析。

其模型理论中，假设评价总体有n个观测单位，k个评价指标，因子分析的数学模型就是把n个观测单位分别表示为p(p

Zj=aj1F1+aj2F2+ aj3F3+…+ ajpFp+Uj

其中：Zj为第j个变量的标准化分数；Fi为公共因子；p为所有变量公共因子的数目；

Uj为所有变量Zj的唯一因子；aji为因子负因子载荷(Pattern Loading),表示第i个公共因子对j个变量方差的贡献。

(一)因子分析模型使用适宜度检验

根据因子分析模型理论和方法，对山东省17个地市选取的17个评价指标进行标准化变换，利用SPSS19.0软件进行因子分析。首先计算相关系数矩阵，并选择KMO and Bartlett's test of sphericity对相关系数矩阵进行统计学检验，以检测样本是否适宜做因子分析。 KMO值判断准则是：在进行因子分析时，KMO值最好在0.80以上，KMO值如在0.70以上勉强可以接受，如果KMO值在0.60以下，则不宜进行因子分析[10]。结果显示，KMO检验结果为 0.731，Bartlett's球形检验结果为0.000< 0.050，说明17个评价指标之间存在较强的相关关系，数据适合做因子分析。

(二)提取公共因子

以主成分分析法为因子提取法，按照特征值≥1的原则，运用统计软件 SPSS 19.0分析，统计结果显示有四个满足条件的特征值，它们的贡献率分别为：46.702%、18.848%、14.545%、6.61%，其对样本方差的累计贡献率达到了86.71%，大于 80%，说明能够较好涵盖17个指标的所有信息，见表2所示，因此将由这4个公共因子对原始的17个评价指标来解释。

表1 2012年山东省17地市物流业发展水平评价指标体系

表2 累计方差贡献率

(三)确定因子载荷矩阵和旋转因子载荷矩阵

同样运用统计软件 SPSS 19.0分析，采用主成分分析法提取因子载荷矩阵，见表3所示，发现初提的因子载荷矩阵中各公共因子的典型代表变量不是很突出，各指标在几个公共因子上均有相当程度的载荷值，难以作出有效的解释。为此，通过方差最大(Varimax)正交旋转，提取旋转因子载荷矩阵，旋转的目的在于改变指标在各个公共因子上的负荷量的大小，使得原来大的更大，小的更小，这样使公共因子的意义更加直观，便于解释，见表4所示。

表3 因子载荷矩阵a

提取方法 :主成份。a. 已提取了 4 个成份。

表4 旋转因子载荷矩阵a

提取方法 :主成份。旋转法 :具有 Kaiser 标准化的正交旋转法。a. 旋转在 6 次迭代后收敛。

从表4旋转后的公共因子载荷矩阵可以看出第1公共因子在X15、X17、X12、X16、X13上载荷量大，定义为区域物流业发展投资因子；第2公共因子在X2、X14、X11、X3上载荷量大，定义为区域物流业相关产业发展规模因子；第3公共因子在X7、X5、 X1、 X8上载荷量大，定义为区域物流业需求潜力因子；第4公共因子在X9、 X4、X6、X10上载荷量大，定义为区域物流业发展速度因子。

(四)构建物流发展水平综合评价模型，根据因子得分排序

由 SPSS 19.0软件分析得到山东省各地市物流业发展公共因子得分，对山东省17地市的物流发展水平进行了量化描述，见表5所示。据此可从不同角度对各地市物流发展水平进行分析比较。在第1公共因子上青岛和泰安的得分远远高于其他地市，这说明其在物流业方面的投资远远高于其他地市；在第2共公因子上综合排名第三的泰安得分最低，说明该类地市虽然物流业综合水平发展较好，但是和物流业相关的其他产业发展规模不大，对整个地市物流业发展有负面影响，导致物流业发展缓慢；在第3公共因子上济南、潍坊、青岛的得分较高，说明其物流需求潜力比较大；在第4公共因子上临沂得分最高，说明该地市物流业增长速度最快。

以各个公共因子特征值方差贡献率作为加重权数，计算反映山东省17个地市物流发展水平的综合得分，其评价模型为：F总= 46.702F1+ 18.848F2+ 14.545F3+ 6.610F4。

从表5综合得分和排名来看，山东省17地市物流业发展很不平衡，发展水平差异较大。17个地市物流发展水平的综合得分排名依次为青岛、烟台、泰安、威海、临沂、滨州、济南、日照、济宁、东营、淄博、聊城、枣庄、德州、菏泽、潍坊、莱芜。综合得分在山东省各地市物流业发展平均水平之上的有8个地市，仅占 47.06%。其中，青岛的物流业发展最好，主要得益于它在物流业投资、物流业相关产业发展规模等方面的绝对优势；烟台虽然位列第二，但其在 F4上的得分为-0.77，排名在第16位，物流业发展速度处于整个山东省物流业发展平均水平之下。与烟台综合得分相差不大处在第三位的泰安，在F1和F3公共因子上的得分分别是1.63和0.15，均为正值，这说明泰安在物流业发展的方面的投资和物流业需求潜力方面在整个山东省表现较突出，使泰安的物流业竞争力在山东省处于相对优势地位。综合得分在平均水平之下有9个地市，包括东营、淄博、聊城、枣庄、德州、菏泽、莱芜、济宁、潍坊，这说明山东省大多数地市的物流业在物流产业投资、物流相关产业发展规模、物流需求潜力和物流发展速度等方面发展不平衡，物流发展水平不高，且这9个地市之间的差距也很大，有三个以上公共因子得分均为负值的有7个，包括东营、淄博、聊城、枣庄、德州、菏泽、莱芜，济宁和潍坊尽管有两个公共因子得分为正值，但是由于济宁物流整体发展水平不高，导致综合得分为负值，而潍坊在F2和F3上公共因子得分为0.67和1.35，分别处于第5位和第2位，尽管物流业相关产业发展规模较大、物流业需求潜力较强，但是由于潍坊物流业投资太少，处于整个山东省的最低位置，导致潍坊物流业发展速度太慢，就分析来看潍坊物流业发展潜力比较大，将来急需加大物流业投资，以更好更快促进潍坊物流业的发展。

表5 各地市公共因子得分、综合得分、排序

(五)根据各地市因子综合得分情况，对17个地市进行聚类分析

聚类分析是依据研究对象的个体特征，根据其亲疏程度在没有先验知识的情况下进行自动分类的方法。其基本原理是首先将一定数量的样本或指标各自看成一类，然后，将亲疏程度最高的两类进行合并，然后考虑合并后的类与其他类之间的亲疏程度，再进行合并。重复这一过程，直到将所有的样本(或指标)合并为一类。本文采用Q型聚类法对各地市物流发展水平进行聚类，它使类内部个体特征之间具有相似性，不同类间个体特征的差异性较大。利用SPSS 19.0统计分析软件，对17个地市的因子得分进行聚类分析，通过比较，可知采用离差平方和法(Ward’s method)并选择平方欧氏距离(Squared Euclidean distance)，分类结果较好，聚类分析树状谱系图如图1所示。

由聚类分析树状谱系图，17个地市的物流发展水平可以分为三类：第一类为孤立的点，包括1个元素为2；第二类包含7个元素：6、9、11、1、13、16、10；第三类包含9个元素为：4、15、3、5、8、7、12、14、17。为此，将17个地市分类如表6所示。由图1和表6的聚类分析的结果可以看出：第一类为青岛，青岛近年来经济发展速度快，区域优势明显，其物流发展水平最高；第二类为烟台、泰安、日照、济南、临沂、威海、滨州等7个地市，该7个地市物流发展水平较高，将来要进一步加大物流业投入，出台鼓励物流业发展的优惠政策，充分利用地区优势和特色，加快传统物流业的改造，加大高素质物流人才的引进，加快物流业信息化进程，加快交通运输业、邮政仓储业、批发零售业等相关产业的发展。第三类为枣庄、聊城、淄博、东营、济宁、潍坊、莱芜、德州、菏泽等9个地市，该9个地市物流发展水平最低，物流业投入方面水平低，物流基础设施落后，物流业整体发展水平缓慢。对于这种情况，应该加大政府政策的导向性，消除物流业发展的体制障碍，多方筹资加大物流投入，加快物流业基础设施建设，结合地区资源优势，优化产业结构，重视物流相关产业的发展。

图1 聚类分析树状谱系图

类别地市第一类青岛第二类烟台、泰安、日照、济南、临沂、威海、滨州第三类枣庄、聊城、淄博、东营、济宁、潍坊、莱芜、德州、菏泽

四、结论与建议

本文采用因子分析法评价了山东省17个地市的物流发展水平,并基于因子得分用聚类分析法对17个地市的物流发展水平进行了聚类分析，研究发现青岛物流发展水平在全省最高,其次是处于一般水平的烟台、泰安、日照、济南、临沂、威海、滨州，而枣庄、聊城、淄博、东营、济宁、潍坊、莱芜、德州、菏泽等9个地市物流发展水平最低，呈现出山东省物流发展水平各地市发展不平衡，整体上差距大的特点。为此，对山东省物流业的发展提出如下建议：(1)各地市重视物流业的投入，出台鼓励物流业发展的优惠政策。在表2中物流业投入因子的贡献率最大为46.7%，物流业的投入程度对物流业的发展水平影响最大，加大政府政策的导向性，消除物流业发展的体制障碍，多方筹资加大物流投入。(2)重视物流相关产业的发展，刺激物流业潜在需求。加快交通运输业、邮政仓储业、批发零售业等相关产业的发展，加快传统物流业的改造，优化产业结构，重视农产品物流。(3)促进山东省各地市物流业协同发展。应当继续保持青岛物流业快速健康发展的同时，努力加快其他各地市物流业的快速发展，以健全各地市物流业协同互动机制，推动山东省物流业和谐发展，顺利实现十二五规划目标。

[1] 汪波，杨天剑，赵艳彬.区域物流发展水平的综合评价[J].工业工程，2005,(1)：83-86.

[2] 金凤花，李全喜，孙磐石．基于场论的区域物流发展水平评价及聚类分析[J].经济地理，2010,(7)：1138-1143.

[3] 魏修建，郑广文，张丽淑.基于ANP的省域物流业综合发展水平探析[J].现代财经，2012,(11)：101-110.

[4] 刘国新.武汉地区物流业发展水平综合评价[J].工业技术经济，2004,(4)：101-104.

[5] 周泰，王亚玲.基于模糊物元的区域物流发展水平评价[J].北京交通大学学报(社会科学版)，2010,(7)：37-40.

[6] 王春豪.基于PCA的新疆区域物流发展水平综合评价[J].铁道运输与经济，2011,(7)：53-57.

[7] 许小苍.基于主分量分析的重庆地区物流发展水平综合评价[J].铁道运输与经济.2009,(5)：64-66.

[8] 朱帮助，李军.基于主成分分析的区域物流发展水平综合评价———以广东省江门市为例[J].工业技术经济，2008,(5)：105-107.

[9] 郑广文，魏修建，郝渊晓.我国省域物流业发展水平实证研究[J].东北财经大学学报，2013,(1)：90-96.

[10] 吴明隆，涂金堂.SPSS与统计应用分析[M].东北财经大学出版社，2012:688-712.

2014-03-05

山东省高等院校人文社科研究计划项目“山东省中小型物流企业竞争力提升对策研究——基于巴尼VRIO模型的视角”(J13WG84)。