基于多元降维技术的福建省物流产业集聚力评价

黄焕宗

(黎明职业大学公共教学部，福建泉州 362000)

基于多元降维技术的福建省物流产业集聚力评价

黄焕宗

(黎明职业大学公共教学部，福建泉州 362000)

构建区域物流产业集聚力的原始评价指标体系，为克服原始评价指标之间信息重叠的影响，进行因子分析达到去除强线性关系的影响，在此基础上分析了福建省的物流产业集聚力，为研究物流产业集聚影响因素的相互关系，进行多维标度分析。结果表明，多元降维技术在物流产业集聚度多指标分析中具有显著作用。

现代物流业;集聚力;因子分析;多维标度分析

作为生产性服务业的重要组成部分，现代物流业在服务制造业的转型升级方面作用无可替代。与此同时，伴随着人们生活消费习惯和方式的改变，现代物流业在生活服务中的作用也日益提高。现代物流业在社会生活和生产重要作业的主要表现形式在于，现代物流业在制造过程和社会消费中起着降低物资消耗、提高劳动生产率的作用，进而达到优化资源配置、调整经济结构、改善投资环境的效果。而物流产业的集聚则是现代物流业发展到一定程度的必然结果。李兰冰［1］分析了制造业与物流业联动的机制，从理论角度得出物流产业集群化是现代物流业发展的必然趋势。葛金田等［2］认为物流产业的集聚是适应产业集群发展的必然结果。马丽［3］以物流产业集群效应为出发点，对物流产业集群的特征进行系统分析并据此探讨了物流产业集群的类型和形成因素。这些研究成果论证了物流产业集聚的理论成因并初步探讨了聚集的形态，但研究过程停留在定性分析范畴，没有对物流产业集聚作出适当的数量分析。朱佳翔等［4］实证研究了江苏交通物流产业的集聚效应，该研究构建了物流产业集聚效应的评价指标体系，研究结果表明物流产业的集聚对经济增长存在逐年递增的正效应。

当前的物流产业集聚实证研究成果往往是对集聚度或者集聚效应的研究，对于什么样的产业基础和消费基础导致物流产业的集聚也就是物流产业集聚力的数量研究则较少。文中在总结归纳已有研究成果基础上，构建了评价物流产业集聚力影响因素的初步指标体系，为剔除初步指标体系中的噪音，采用因子分析法对初步指标体系进行降维处理，得到基于因子分析法的物流产业集聚力评价指标体系和集聚力评价算法，并提出相关建议。

1 研究工具和研究方法

1.1 初步评价指标体系的建立

物流产业的集聚是产业集聚理论的一种实践形态，一般产业集聚所需的社会和经济条件一样是物流产业集聚的前提。李伊松等［5］在整合和细分“钻石模型”的基础上，研究了现代物流产业集聚的影响因素，结果显示，环境、市场、基础设施、企业和政府是影响物流产业集聚的主要因素;钟祖昌［6］提出基于空间经济学视角的物流产业集聚因素框架，包含市场需求、交通基础设施、制度和开放度等4个维度。综合这些研究成果，文中从物流产业发展的初始条件入手，主要从研究物流产业集聚的比较优势基础上构建了包括基础因素、交通因素、市场因素和软环境因素等四大影响因素(见图1)的物流产业集聚力初步评价指标体系(见表1)。基础条件考察的是发展现代物流业的社会经济发展总量情况，是决定物流业发展高度和强度的初始条件。交通条件主要考察了物流业发展的支撑能力。市场条件则是物流业发展的源动力，既有的物流服务对象研究视角主要集中在制造业范畴，然而伴随着人们生活消费方式的转变，物流业的生活型服务业角色在物流产业中的比重也在悄然增加。基于这一现状文中把社会消费总量也作为市场条件的重要指标来研究。软环境则是人力、研发和政策等因素的总称，是影响物流业集聚的重要辅助因素。

1.2 数据的获得

为保证分析结论客观，表1大部分指标数据都可以通过各级政府部门的统计公报获得。基础因素、交通因素、市场因素3个主要因素的评价因子数据全部来源于福建统计年鉴2014;软环境因素中科技支出、单位从业人员数量两项因子的数据来源于福建统计年鉴2014;在校生数量来源于福建省教育事业统计简明资料2012;政策激励度和社会开放度指标是典型的定性指标，其获取方法是德尔菲法。为减轻主观因素的噪音干扰，研究采用分层抽样方法采集数据，即把待访对象分成专家、物流从业人员、管理部门人员3层，每层平均分派样本数;通过面访形式请他们对海峡西岸主要城市的物流产业政策激励度和社会开放度进行评判并给出量化标度(1～5标度法)，共调查150人，获得有效样本141份，每份样本对每项指标的平均标度则为该项指标的指标值。

图1 物流产业集聚影响因素Fig.1 Factors affecting logistics industry agglom eration

表1 现代物流产业集聚力初步评价指标体系Tab.1 Prelim inary evaluation index system of the cohesion ofmodern logistics industry

1.3 研究模型

影响物流产业集聚力的因素指标体系可以看作一个多维空间中数据组成的变量集，变量集中的众多变量之间既有其结构关系，同时也可能存在一定程度的关联关系，也就是说初步评价指标体系之间存在一定程度的信息重叠。因而通过对数据进行简单算术和评价的办法明显存在统计意义上的噪声。基于降低噪声的出发点，文中选取了具有降维作用的因子分析模型和多维标度模型作为研究工具。

1.3.1 因子分析因子分析［7］是一种基于降维思想的数据简化方法。它研究了众多具有一定线性相关关系变量之间的内部依赖关系，通过总结出的几个抽象并且剔除了线性关系的变量来代表原始变量的绝大部分信息，这样的抽样变量被称为因子。其中原始变量是可观测的显在变量，因子则是不可观测的潜在变量。

物流产业集聚力初步评价指标体系可以看做变量空间:

假设该空间中的变量之间存在关联关系，可以降维为m＜n个因子表示的潜在变量空间，因而公式(1)可以表示为

公式(2)中f(t)=［f1(t)f2(t)…fm(t)］T表示的是公共因子，aij(k)=［a1(k)a2(k)…an(k)］T表示的是载荷向量，也就是第i个显在变量在第j个潜在变量上的负荷。s(t)称为特殊因子。为保证公式(2)中公共因子的线性无关性，特殊因子满足:

在公式(3)前提下，实现因子分析就是寻找Am∈Rn×m使得

1.3.2 多维标度分析法多维标度分析法也具有在保持原有变量空间结构不变前提下进行降维的功能，它跟因子分析法的主要区别在于多维标度分析法在将多维空间投射到低维空间的同时，通过坐标描点谱系图的形式将研究对象进行可视化。具体到物流产业集聚力研究，多维标度模型能够全面而又直观地再现原始各研究对象之间的关系，同时在此基础上也可按对象点之间距离的远近实现对各个研究对象的分类［8］。

物流产业集聚力的多维标度分析数学原理为［7，9-10］:

1)原始评价指标间关联规则的构建。将原始评价指标标准化，通过线性相关系数公式计算:

式中

且满足－1≤ρij≤1。由公式(5)可得相似矩阵P= (ρij)n×n。

2)多维模型构建。相似矩阵P=(ρij)n×n是距离阵

进行中心内积化计算而来，通过数学推导易知:

3)降维和可视化实现。假定矩阵(6)的r个最大特征值λ1≥λ2≥…≥λr＞0及其对应的单位特征向量存在，这r个点在p维空间上的坐标则是原始评价指标的可视化谱系图。适当降低r的取值到某个较低程度(一般是2或者3)，则获得一个较低维空间点集坐标，该坐标称原始评价矩阵的拟合构图，也就是完成可视化工作。降维规则一般可以由下述公式表示:

这里κ0一般由先验经验给定，也可以通过碎石图对特征根落差趋势判断实现。

2 福建省物流产业集聚力评价

2.1 福建省物流产业集聚力测算

对福建省物流产业集聚的评价除了需要在消除指标信息重叠基础上进行指标值的加权求和来测算集聚力，还应该评价影响集聚的因素之间互相作用的机制。根据这一研究目的，因子分析和多维标度分析结合的多元降维技术可以分别完成上述任务。文中使用SPSS 20.0实现因子分析和多维标度分析。为研究各初选指标之间线性关联的程度，首先进行相关系数阵计算，得到如表2所示的福建省物流集聚力评价指标相关系数矩阵。计算结果显示，大部分指标都存在跟其他指标相关系数达到0.8以上，表明初选指标间的线性关系明显，信息重叠严重，有必要进行适当的降维处理。

表2 福建省物流集聚力评价指标相关系数矩阵Tab.2 Cor relation coefficien tm atrix of logistics agglomeration evaluation index in Fujian Province

为研究原始评价指标所表示的信息在降维后分别由哪几个新的潜在指标表示，需要进行公共因子的抽取。通过公式(2)可以知道，公共因子是原始评价指标的线性组合，先验经验表明，原始评价指标矩阵最大的n个特征值之和占全部特征值和的比重(即方差贡献率)如果达到某个指标(一般是≥85%)，那么就表示有公共因子。表3表示的是原始指标特征值及其方差累计百分比。通过表3可知，前2个因子的方差累计百分比已经达到87.195%，也就是说，这2个公共因子可以解释原始指标信息的87.195%，因此选取公共因子个数为2。为说明这2个公共因子分别代表了哪些原始指标信息，需要进行成分矩阵的计算和公共因子的命名。表4显示的是标准正交旋转后所得的成分载荷阵。由表4可见，公共因子1主要代表了GDP、消费品零售总额、常住人口数、工业总产值、固定投资、从业人员数、在校生数等表征总量的指标，因而可以讲公共因子1命名为硬件因子;公共因子2则代表剩下其他指标信息，这些指标表征的是诸如区位优势、科学技术支出、政策激励度等相对指标，可以命名为软件因子。原始的14个评价指标信息大部分可由硬件和软件因子表示，并且过滤了重叠信息。在此基础上，海峡西岸各城市物流产业集聚力的计算可以由公式(8)表示:其中X*是X的标准化阵。

表3 原始指标矩阵特征值及其方差贡献率Tab.3 Eigenvalues of the original index m atrix and its contribution rate of variance

表4 旋转后的载荷阵Tab.4 M atrix table after rotating load

通过公式(8)的计算可以得到福建省各城市的物流产业集聚力如表5所示。

表5表明，福建省各城市的物流产业集聚得分具有明显的梯度，而且可以大致分为2个层次。福州、泉州、厦门位列前3，得分都大于1。这3个城市是福建省的三大中心城市，无论是经济总量还是软件水平在福建省都处于领先位置。厦门市是经济特区，各项政策和基础设施以及教育设施都处于领先，但其经济总量较小，基于因子分析的评价方法则萃取了总量因子作为第一公共因子，因此在该方法下，厦门的物流产业竞争力明显低于经济总量较大的福州和泉州。

表5 福建省各城市物流产业集聚力Tab.5 Logistics industry gathering situation table in cities in Fu jian Province

其他城市的物流产业集聚得分都在0.5分左右，与上述3个城市拉开了较大距离。究其原因，这些城市在软硬件方面都无法与上述3个城市抗衡。

2.2 福建省物流产业集聚影响因素可视化

科学的资源配置有助于区域产业集群减少低水平竞争进而促进整个区域产业的转型升级。福建省各城市物流产业的集聚力分析说明这个区域物流产业的布局具有明显的地域特征，根据该特征合理优化整个福建省的物流产业空间结构有其必要意义。

公式(6)的软件实现是一个迭代过程，迭代结果显示，表征模型精确程度的标准化初始应力为0.004 75，衡量模型拟合效果的DAF值为0.995 25。这2个检验指标说明，多维标度分析结果显著。表3的方差贡献率分析说明原始指标可以投射到二维空间进行可视化分析。这个二维空间点集坐标的计算可表示如下:

其中，λ1，λ2和e1，e2分别是矩阵P的前2个最大特征值及其对应特征向量。代入公式(9)可得如表6所示的福建省各城市物流产业集聚因素的二维投影空间点坐标。把这些坐标标度在直角坐标系上就是各评价指标的可视化构图(见图2)。

这个可视化构图表明物流产业分工的方向:福州和泉州是制造业发达地区，物流产业的产业链在该市应该侧重于物流机构与实体经济的融合;厦门拥有区位和政治优势，因而物流产业的上游配套应该重点在该市完成。这3个城市共同构成福建省区域物流主干节点。其他地区则应该定位于物流的有效支点并将重点物流产业下游产业链作为补充。

表6 福建省各城市物流产业集聚因素二维投影空间点坐标Tab.6 Factors of logistics industry agglom eration 2 dimensional projection space point coordinate

图2 福建省物流产业集聚影响因素可视化Fig.2 Visual com position of factors affecting logistics industry agglom eration in Fujian province

3 结语

因子分析和多维标度分析结合的多元降维技术具有去除重叠信息和可视化两大功能，为区域物流产业集聚度的研究提供了定量分析支持。根据文中分析结论，提出政策建议如下:

1)福建省的物流产业集聚情况符合经济发展的空间特征，说明文中所采用方法进行物流产业集聚力评价的信度。在未来的物流及相关产业规划中，多元统计方法的适当应用将有助相关部门得到定性分析的参考。

2)物流产业的集聚是经济总量和社会综合投入共同作用的结果。未来物流产业根据地域经济文化特征所作的分工和协作将有助于物流产业产出最大化和物流产业可持续发展的实现。

［1］李兰冰.物流产业集群的信任机制研究与政策启示［J］.商业经济与管理，2007(10):17.

LI Lanbing.A study on mechanism in logistics industrial cluster and the related policy suggestion［J］.Journal of Business Economics，2007(10):17.(in Chinese)

［2］葛金田，沈鹏飞，陈宁宁.基于区位熵法的济南市物流产业集聚度分析［J］.物流工程与管理，2012(1):93.

GE Jintian，SHEN Pengfei，CHEN Ningning.Analysis on logistics industry cluster degree in Jinan based on kocation quotient［J］.Logistics Engineering and Management，2012(1):93.(in Chinese)

［3］马丽.基于集群效应的物流产业集群形成机理分析［J］.中国市场，2010(3):62-63.

MA Li.Analysis on the formation mechanism of logistics industry cluster based on clustering effect［J］.Chinese Market，2010 (3):62-63.(in Chinese)

［4］朱佳翔，谭清美.江苏交通物流产业集聚效应实证分析［J］.统计与信息论坛，2012，27(4):102-105.

ZHU Jiaxiang，TAN Qingmei.An empirical study on agglomeration effect of Jiangsu transportation logistics tndustrials［J］.Statistics and Information Forum，2012，27(4):102-105.(in Chinese)

［5］李伊松，熊华妹，张文杰.物流产业集聚影响因素研究［J］.生产力研究，2008(7):120-122.

LIYisong，XIONG Huamei，ZHANGWenjie.Research on the factors of logistics industry agglomeration［J］.Productivity Studies，2008(7):120-122.(in Chinese)

［6］钟祖昌.空间经济学视角下的物流业集聚及影响因素［J］.山西财经大学学报，2011，33(11):57.

ZHONG Zuchang.Research on logistics industry agglomeration and its determinants basedon spatial economics［J］.Journal of Shanxi Finance and Economics University，2011，33(11):57.(in Chinese)

［7］何晓群.多元统计分析［M］.北京:中国人民大学出版社，2008.

［8］于秀林.多元统计分析及程序［M］.北京:中国统计出版社，1993.

［9］ZHOU Y G，XIA L X.Non-Quantitative Data Analysis and Applications Theory［M］.Beijing:Scientific Press，1993.

［10］陆忠华，胡永宏，沈斌，等.多维标度法(MDS)在构效关系分析中的应用［J］.计算机与应用化学，2007，24(3):286-290.

LU Zhonghua，HU Yonghong，SHEN Bin，et al.The application of MDSmethod in the structure-activity relationship research［J］.Computer and Application Chemistry，2007，24(3):286-290.(in Chinese)

(责任编辑:杨勇)

Evaluation of the Agglom eration for the Logistics Industry in Fu jian Province Based on the M ultip le Dimension Reduction Technology

HUANG Huanzong
(Department of Public Teaching，Liming Vocational University，Quanzhou 362000，China)

The regional logistics industry agglomeration original evaluation index system is established in this paper.In order to overcome the influence of the overlap of the information between the prim itive indexes by factor analysis to remove the influence of strong linear relationship，and on the basis of analyzing the logistics industry in Fujian Province，the logistics industry agglomeration the relationship between influencing factors，multi-dimensional scaling analysis are carried out.The research conclusions show that the multivariate dimension reduction technology has a significant effect in the logistics industry clustering degree analysis ofmany indices.

modern logistics industry，cohesion，factor analysis，multi-dimensional scaling analysis

F 259.27;F 224

A

1671－7147(2015)06－0869－06

2015－05－20;

2015－06－30。

福建省中青年教师教育科研项目(2014JB14178);泉州市社会科学规划项目(2014H02)。

黄焕宗(1982—)，男，福建泉州人，讲师，经济学硕士。主要从事统计分析技术及其应用研究。Email:99871589@qq.com.