山东省17地市区域物流发展分析

吴庆鹏，马云缠 ，袁宏俊

(安徽财经大学 1.统计与应用数学学院;　2.国际经济与贸易学院，安徽 蚌埠　233030)



山东省17地市区域物流发展分析

吴庆鹏1，马云缠2，袁宏俊1

(安徽财经大学 1.统计与应用数学学院;2.国际经济与贸易学院，安徽 蚌埠233030)

摘要：一个地区的物流综合实力是和本地区经济发展紧紧联系在一起的，经济发展离不开物流系统稳定和可靠的运转，而区域物流发展的动力源自于社会经济需求，脱离不开经济这个母体。山东省17地市物流发展水平差异很大，对其进行研究，可以分析领先地区和落后地区存在的差距到底有多大，差距是否有扩大的迹象，以及从何处寻找物流发展的动力，带着这些提出的问题，拟利用主成分聚类分析的方法，选取16个和物流发展有关的重要指标进行研究分析，研究结果表明，山东省物流发展可以分成三大区域，并找出了这三个地区的物流节点中心城市。

关键词：区域物流；山东省；主成分聚类分析；物流节点中心城市

顾名思义，物流就是指货物的仓储、包装加工、搬运、装载、运输等过程。可以借助的工具和实现方式多种多样，运输效果的达成不尽相同，自然地理差异是造成输送方式存在差异的先天因素，也是一个很重要的因素。这种差异加剧了经济发展的不平衡，握有优势的地区凭借自身条件，完善基础设施，吸引优秀人才，改进技术装备，提高了物流效率，降低了企业运输环节成本，在竞争中占得先机。对一个地区物流进行研究，就要囊括这个地区的整体和部分，分析地区物流发展的有利条件和不利因素，找出这个地区的领先者和跟随者，从领先者身上学习先进的理念，从跟随者身上发现亮点，予以重视，培植增长点。

选择山东省作为研究对象，是因为本地区地理环境多样，经济发展水平参差不齐，物流发展差异化明显。拥有区位优势的沿海地区，基础设施完善，港口众多，海洋运输业发达，运输成本较低，具有很强的竞争力。处于边缘的山东南部地区，利用自己腹地广阔、劳动力丰富、薪资具有可比优势的特点，发展商贸物流业，渐成规模，成为重要的经济增长点。以济南为首的省会都市圈，拥有较多资源，但分布不均衡，既有超大城市，又有规模很小的城市，而人口规模又是影响需求的客观存在，规模小，发展的后备资源就有限，物流需求不足。因此，区域物流发展依赖于地区间的经济联系，在一个经济联系紧密的空间内，会形成相当规模的物流联系圈。

Nuno Limao和Anthony J.Venables(2001)采用不同数据研究了物流费用对地理和基础设施的依赖性，强调基础设施是物流费用的一个重要决定因素，尤其对内陆国家适用，论证了薄弱的基础设施是非洲贸易流通的相对低下的最主要原因。Laetitia Dablanc和Catherine Ross(2012)以物流中心城市亚特兰大和拥有众多国内和国际分配中心的皮德蒙特高原大西洋沿岸广大区域为研究对象，实例说明了大区域中物流设施及分配中心的“物流随意扩展”和物流活动的极化现象。K.Y.Yeung和W.L.Ruzzo(2001)利用主成分分析和聚类分析各自优势，发展了一种新的分析和挖掘基因表达数据的方法，比单独使用聚类分析效果要好。Chris Ding、He Xiaofeng (2004)把主成分分析、K均值聚类结合，介绍了这种方法运用步骤，并将其应用于DNA基因表达中，试验结果证实了其有效性。冯华和胡娟(2009)利用主成分分析法建立评价模型，对湖北省的物流与经济发展的相关性进行分析，并与其他省份进行了横向比较。李婷(2007)利用主成分聚类分析法对广东省重要城市的物流发展能力进行综合评价，并提出本地区物流中心规划方案。

国内外专家学者从物流角度出发，使用不同的方法，研究了不同的问题，也得出了不同的结论。在国内文献研究中，对山东省各地市区域物流的研究还很少，深入研究的更不多，笔者认为，在这个方面有必要进行展开研究。所以，立足于物流理论，扎根于实际，本文将在前人研究的基础上，结合自己对本地区物流发展的了解和看法，对山东省的各地区物流发展进行分析，提出了自己的一些看法，为相关研究的进行提供一定价值的参考。

1模型介绍

1.1主成分分析法。

主成分分析的模型介绍：设有n个样本，p个指标，组成矩阵X，其中

xij,i=1,2,…,n；j=1,2,…,p;则矩阵表示形式如下：

(2)求出相关系数，建立相关系数矩阵：R=(rij)p×p。相关系数求法的公式如下：

(3)求出相关系数矩阵的特征根λ1≥λ2≥…≥λp，根据特征根求出对应的单位特征向量aj。

(4)然后根据以上条件就可以得出主成分分析的表达式：

(5)接下来计算主成分方差贡献率和累计方差贡献率。方差贡献率公式和累计方差贡献率公式分别为：

将特征值按从大到小顺序排列，根据大于1的特征根有几个或者累计方差贡献率达到80%的需要的特征根个数，来确定本次主成分分析有几个主成分构成。

(6)最后是综合评价阶段。评价函数用主成分的各自方差贡献率作权重，与主成分乘积，然后累加而成。综合评价分数越高，说明本地区的物流发展综合实力越高，发展的潜力更大，相应就会具有很好的市场竞争力。

1.2 聚类分析法。

聚类分析方法是使用探索性思想来寻求问题答案，在实际运用过程中，没有统一的标准作指引，只能从数据本身开始进行探寻。每个人运用的方法不同，结论也会出现不一致，即使对同一样本进行分析，结果也可能相差很大。

K—均值聚类分析法和层次聚类分析法是两种最常用的聚类分析方法，本文选择后一种方法。层次聚类分析方法是通过观察样本或者变量间的远近关系，将亲密变量先结合在一起，然后再层层筛选结合，最后使变量聚合成一个总体。用它可以对样本进行聚类，也可以对变量聚类，对变量聚类就是R型聚类。R型聚类是以减少变量数量为目的，通过相同特征变量的结合来实现。

使用层次聚类方法，最重要的是找出变量间的远近关系。以变量间的亲密程度及变量与小类及小类与小类之间的距离远近作为评判准则，这一类方法有：欧式距离法、欧式距离平方、Chebychev等，本文选择欧式距离法(Euclidean Distance)，其公式为：

测量两个小类之间距离时，采用类间平均连锁法，这种方法使用两个小类内所有样本间的平均距离作为小类之间的距离。

2实证分析

本文选取GDP、人均GDP等16个指标来考察山东省物流发展情况。这些指标既能表征地区经济状况，又暗含或明释了物流信息，这些信息包含对地区物流发展规模、发展潜力、现阶段发展动力、现实状况和未来发展方向等方面的描述。有的指标单独成类，也有两、三个指标归属同一大类。各个指标归属类别和大类意义说明，都归总于表1中，表中给出的指标名称简化，在文章以后部分还会被使用到。采集数据时，2014年货运量和周转量数据缺失很多，但山东省2014年统计公报显示，全省货运量、货物周转量同比仅增长0.2%和0.9%，总体变化很小，保持了稳定状态，所以，用2013年货运量和货物周转量数据来替代2014年数据。

表1　主成分分析选择指标及指标意义

使用SPSS16统计分析软件，通过对原始数据进行标准化变换，可以得到一组矩阵数据，对新数据再求协方差便可以组成协方差矩阵，由协方差矩阵获得特征根，将特征根按从大到小顺序排列，再求出方差贡献率和累计方差贡献率，根据结果选择主成分。得到的特征根及方差贡献率等见表2。

表2　累计方差贡献率

根据特征根大于1，累计方差贡献率大于80%来选择主成分的准则，从表2的结果可以看到，提取两个主成分时条件得到满足。第一主成分的权重为57.635%，第二主成分权重为23.271%。则可以根据特征根对应的单位特征向量写出主成分公式：

F1=0.964x1*+0.199x2*+0.694x3*+…+0.737x16*

F2=0.227x1*+0.867x2*-0.420x3*+…+0.089x16*

其中F1,F2分别为第一主成分和第二主成分，由此便可以写出综合评价公式，记为Z：

Z=57.635%F1+23.271%F2

依据综合评价公式，将每个市标准化之后的原始数据代入公式，就可以得出各个市区域物流综合能力评价分数，根据分数进行排名。

表3　各市区域物流能力综合评价排名

主成分完成之后，将得到的各市前两个主成分组成新的矩阵，然后通过层次聚类法，对各市的区域物流发展能力进行层次划分。

表4

通过分析结果和综合山东省省情、各地发展实际，可把山东省划分为三大区域物流中心圈：青岛及周边城市组成的沿海物流圈、济南及周边城市构成的都市物流圈和临沂为核心的鲁南物流圈。在各自区域物流圈中，物流节点中心城市的选择依据是：结合地区规划，以聚类分析中层次更高、相同层次下主成分分析综合能力更强者作为区域物流中心城市。

3结束语

通过实证结果，并结合客观实际，将山东省17地市划分成了三大区域物流发展圈。通过分析发现，落后地区可以通过商贸物流行业的率先发展，来带动整个区域经济发展。经济发达地区，也存在种种限制，落后地区，发展区域物流的潜力也可以在条件得到满足情况下被释放出来。在区域物流发展上，山东省各市未来会成为一个衔接紧密、分工明确、通力合作、互利共赢的整体。这个整体中的成员都会得到发展，每个地区之间彼此联系，相互促进，从而降低整个区域的物流成本，提高山东省区域物流在全国范围内的竞争力，获取更好的发展经济良机。

参考文献

[1]Nuno Limao,Anthony J.Venables. Infrastructure, Geographical Disadvantage, Transport and Costs,Trade[J].The World Bank Economic Review,2001,15(3),pp.451-479.

[2]Laetitia Dablanc,Catherine Ross.Atlanta:A mega logistics center in the Piedmont Atlantic Megaregion(PAM)[J].Journal of Transport Geography,2012,24,pp.432-442.

[3]K.Y.Yeung,W.L.Ruzzo.Principal component analysis for clustering gene expression data[J]. BIOINFORMATICS,2001,17(9),pp.763-774.

[4]Chris Ding,He Xiaofeng.K-means Clustering via Principal Component Analysis[R]. Banff,CaNada: International Conference on Machine Learning,2004.

[5]冯华，胡娟．基于主成分分析的区域物流能力研究[J]．商业时代，2009(10)：16-17．

[6]李婷．主成分聚类分析在区域物流规划中的应用—以广东省为例[J]．物流科技，2007(9)：30-33．

Class No.:F127Document Mark：A

(责任编辑：郑英玲)

Regional Logistics Development in Seventeen Cities in Shandong Province

Wu Qingpeng，Ma Yunchan，Yuan Hongjun

(1.School of Statistics and Applied Mathematics , Anhui University of

Finance and Economics, Bengbu, Anhui 233030,China;

2.School of International Economics and Trade , Anhui University of

Finance and Economics, Bengbu, Anhui 233030，China)

Abstract：Logistics comprehensive strength of a region is closely linked with the economic development of the region. and the regional logistics development stems from the socio-economic needs . Since there are great differences among 17 cities in Shandong in the development of logistics . The paper analyzed the gap between the developed and the backward regions in the development of logistics . With the principal component and cluster analysis method, data of 16 cities are selected to be as the studying samples to be studied and the results shows that the logistics development in Shandong province can be divided into three regions. The paper argues that there are three central cities to be as the logistics node.

Key words：regional logistics; Shandong Province; principal component and cluster analysis; city center of logistics nodes

中图分类号：F127

文献标识码：A

文章编号：1672-6758(2015)12-0065-4

基金项目：安徽财经大学研究生科研创新 (编号：CXJJ2014067)；教育厅高等学校自然科学一般项目“基于集对分析理论的三参数区间数组合预测研究”(编号：KJ2013Z004)。