基于熵权—灰色关联分析的区域物流创新能力评价

于丽静，柴晓杰，姜永强 YU Lijing,CHAI Xiaojie,JIANG Yongqiang

（1.烟台南山学院，山东 烟台 265713；2.山东南山铝业股份有限公司，山东 龙口 264006）

0 引言

区域物流创新能力是在一定地理范围的经济、社会和物流环境下，物流创新系统的主体（政府机构、物流企业、需求组织、科研机构）通过科技、管理、制度的改革，协调物流创新资源，不断将知识、技术、人力、资金等生产要素进行创造性整合后转化为新产品、新服务，从而提升区域物流创新产出，提高物流绩效，进而提升区域竞争力的能力。烟台市印发的《现代物流业发展规划（2011-2020年）》中提出了到2020年将现代物流业的发展重心从注重量的扩张转向质与量并重，加大服务创新力度，逐步提升物流服务层次、全市物流业发展水平和运作方式，达到国际先进水平，建成面向东北亚的区域性物流枢纽城市的目标。

烟台市作为“一带一路”战略的节点城市，抓住机遇，加快现代物流业的创新发展，对带动整个区域经济快速和谐发展起到重要作用。

从现有文献可以看出，不少学者认识到区域物流创新能力评价的重要性，对不同的研究对象，采用不同的方法进行了评价分析。姜明珠（2015）分别构建了区域物流能力和创新能力的指标体系，并基于1997～2013年我国的统计数据，以典型相关分析方法分析了两者的整体相关性、指标间关系等，在明晰我国物流发展与创新能力方面的问题后提出了发展的新路径[1]。王晓晶（2013）提出了区域物流创新的影响因素，并通过问卷访谈调查的方式分析了这些因素对辽宁区域物流创新的影响[2]。晏敬东（2015）构建了一个完善的区域物流评价指标体系，并采用灰色关联分析系统地对武汉市物流创新能力影响因素的整体关联性进行了实证分析，并提出了相关建议[3]。申静（2016）采用综合指数评价法和层次分析法构建了中国物流业服务创新能力评价指标体系，对2009～2013年中国物流业的服务创新能力进行了评价，并据此提出提升中国物流业服务创新能力的途径和策略[4]。李菽林（2013）引入支持向量机分析评价模型，构建物流企业绿色创新能力评价体系，并以湖南物流企业为样本，进行了实证评价分析[5]。苏龙（2016）分析了湖北商贸物流服务发展的优势及其与制度创新的内在关系，并提出了相关路径选择[6]。

以上研究都是对区域物流创新能力评价分析的有益探索，为我们的研究提供了理论基础。研究方法各有优缺点，相关分析法不仅需要大样本数量，还要求数据符合典型特征分布；问卷访谈调查法主观性强；支持向量机难以解决多类的分类问题；灰色关联分析的优点在于对样本数据量的要求并不严苛，且最终结果以排序的形式给出，具有较强的灵活性，同时还可用于赋权评价和决策参考[4]，但若将各指标赋予平均的权重值，则不能考察指标对创新能力的差异性影响。因此，本文借鉴文献[7-11]的做法，采用改进的灰色关联分析，构建区域物流创新能力评价指标体系，并利用2010～2015年烟台市指标数据进行物流创新能力进行综合评价，进一步探讨影响烟台市物流创新能力的影响因素并提出提升路径。

1 烟台市物流创新能力评价指标体系的构建

要能全面、客观、科学地反映区域物流创新能力的实际水平，在构建区域物流创新指标体系时应遵循科学性与客观性、系统性与整体性、可操作性、可比性与一致性、动态与静态相结合的原则。依据以上原则，在借鉴前人研究的基础上，笔者从区域物流创新投入能力、区域物流创新支撑能力、区域物流创新扩散能力和区域物流创新产出能力四个方面构建了烟台市区域创新评价体系框架，如表1所示。在指标选取的过程中，充分考虑了烟台市区域经济的特点。

表1 烟台市区域物流创新能力评价指标体系

2 熵权—灰色关联评价模型的构建

熵权—灰色关联度评价模型首先利用熵值法得到区域物流创新评价各指标的权重，然后利用灰色关联分析计算得到各评价指标的关联系数，并据此计算评价对象的加权灰色关联度，从而来测评评价对象的区域物流创新能力[10]。

2.1 熵值法计算原理

熵值法是根据不同评价对象各指标数据的差异程度来确定权重的方法，是一种客观赋权方法。因此，运用熵值法评价区域物流创新能力时，几乎可以排除主观因素的影响，可以通过对熵的计算来确定权重。如果物流创新评价能力在某项评价指标上的熵值越小，则说明该指标提供的评价信息量越大，不确定性就越小，所占的权重越大；反之，指标权重就越小。假设由m个年度n个评价指标构成的评价矩阵为：R=rij（）m*n,i=1,2,…,m;j=1,2,…,n，则运用熵值法计算烟台市现代物流业创新能力的计算步骤为：

（1）数据无量纲化处理

由于原始数据的计量单位不一致，所以在综合分析之前先对各指标的原始数据进行归一化处理，以避免因量纲差异导致的分析结果的偏差。

对于正向指标：

由于采用式（1）、式（2）进行的无量纲化处理结果中必然出现零值，导致数据结果不合理，所以为了消除0的影响，本文将坐标平移：

对于负向指标：

（2）计算各指标的熵值

（3） 计算指标权重

2.2 熵权—灰色关联分析

灰色系统理论是由著名学者邓聚龙教授首创的一种系统科学理论（Grey Theory），提出了对各子系统进行灰色关联分析的概念，意图透过一定的计算方法，寻求系统中各子系统（或因素）之间的数值关系。灰色关联分析是根据各因素变化曲线几何形状的相似程度，来判断因素之间关联程度的方法。此方法通过对动态过程发展态势的量化分析，完成对系统内时间序列有关统计数据几何关系的比较，求出参考数列与各比较数列之间的灰色关联度。与参考数列关联度越大的比较数列，其发展方向和速率与参考数列越接近，与参考数列的关系越紧密。

基于以上分析，构建熵权—灰色关联分析法对区域物流创新能力分析的计算步骤具体如下：

（2）采用式（1）、式（2）的方法对参考数列和比较数列的数据进行无量纲化处理。

（3）求参考数列与比较数列的灰色关联系数ξi（k）：

式（6）中：ρ为分辨系数，一般ρ∈0,（1） ，具体视情况而定，当ρ≤0.5463时，分辨力最好，本文取ρ=0.5。

（4） 计算关联度：

式（7）中：ω为采用熵值法求得的指标权重系数。

3 烟台市区域物流创新能力评价的实证研究

3.1 数据来源及处理

由于目前为止国内外还没有物流业产业分类体系，数据的界定和获取存在一定的困难，但因为交通运输、仓储与邮政业在物流业增加值中占比超过83%，基本能代表物流业实际情况，所以国内很多学者以交通运输、仓储与邮政业替代物流业，本课题也采用这种方法。本文选择烟台市2010～2015年鉴数据进行实证分析，本部分数据来源于《山东省统计年鉴》 （2011～2016年）、《烟台市统计年鉴》 （2011～2016年）、《中国物流年鉴》 （2011～2016年） 和烟台市统计公报（2011～2016年），数据来源真实可靠。需要特别说明的是，由于个别数据难以获取，采用线性拟合的方式进行了数据处理。笔者首先根据式（1）～式（3）对各指标数据进行了无量纲化处理，以消除由于量纲差异所带来的分析结果的偏差，结果为：

3.2 烟台市物流创新能力的分析

3.2.1 基于熵值法的权重确定

根据式（4）、式（5），可得到各三级指标的熵值、差异系数及权重值，将三级指标按类加总，得到烟台市区域物流创新能力评价体系各级指标的权重结果如表2所示。在三级指标体系中，科技、技术服务业固定资产投资指标权重（0.097）是18个指标中最高值，对物流创新能力的影响最大，而货物运输量指标的权重值（0.0336）最低，对物流创新能力的影响最小；在二级指标体系中，信息技术条件所占权重（0.1266）最高，物流创新产出所占权重（0.0636）最低；在一级指标体系中，区域物流创新支撑能力权重为0.4225，对区域物流创新能力影响最大，区域物流扩散能力权重只有0.1493，对区域物流创新能力影响最小。

表2 烟台市区域物流创新能力评价体系各级指标权重

3.2.2 基于熵权—灰色关联分析的创新能力计算

（1） 一级综合评价

从待评价的评价对象中找到各指标的最优值，将最优值的组合建立的样本作为参照的最优样本。根据各指标的经济意义，本课题将参照的最优样本确定为各指标序列的最大值组成的含6个变量的行向量。

人力投入A1对应的三级指标物流业年底就业人员数和物流业在岗职工平均工资的数据，经标准化后所形成的规格矩阵为：

选取参考数列为：

根据式（6）、式（7）得到区域物流创新投入能力在人力投入A1上的指标关联度为：

同理可以求得：

（2） 二级综合评价

根据一级评价结果，可得到区域物流创新能力在区域物流创新投入能力上的特征矩阵为：

根据上述矩阵，可得到区域物流创新能力在区域物流创新投入能力上的关联度为：

同理可以得到区域物流创新能力在区域物流创新支撑能力、区域物流创新扩散能力和区域物流创新产出能力上的关联度分别为：

（3） 三级综合评价

根据二级评价结果，可得到区域物流创新能力的规格化矩阵为：

同样根据式（6）、式（7）以及上述求得的各指标的权重值可以得到区域物流创新能力的关联度见表3和图1。

表3 2010～2015年间烟台市物流创新能力

4 结果分析

4.1 总体分析

通过图1可以看出，2010～2015年烟台市物流创新能力呈波动趋势，创新能力最高的年度是2012年，创新能力最低的年度是2010年；2010～2012烟台市物流创新能力稳步增长至2012年以后不断下降，在2015年物流创新能力又反弹提高，但未达到2012年的最高值。

图1 烟台市2010～2015年物流创新能力

4.2 一级指标分析

对烟台市物流创新能力的一级指标关联系数进一步分析可以看出：（1）考察期间各一级指标对区域物流创新能力的影响由高到低依次是：区域物流创新支撑能力＞区域物流创新产出能力＞区域物流创新投入能力＞区域物流创新扩散能力。（2）2010～2015年烟台市区域物流创新投入能力这一指标对物流创新能力的影响呈周期波动趋势，影响最大的年份是2012年，最小的是2015年；区域物流创新支撑能力这一指标对物流创新能力的影响也呈现波动趋势，2010和2015年的影响最高，2012年影响最低；区域物流创新产出能力这一指标对物流创新能力的影响总体平缓波动；区域物流创新扩散能力这一指标对物流创新能力的影响不变。如图2所示。

4.3 二级指标分析

对烟台市物流创新能力的二级指标关联系数进一步分析可以看出：（1）考察期间物流行业产出指标、人力投入指标、财力投入指标、财政服务水平指标对区域物流创新能力的影响均呈现波动规律；社会物流需求水平这一指标的关联系数从2010～2012年逐年降低后反弹上升，在2015年达到最高点，表明，在考察前期社会物流需求水平未能有效支撑物流创新，而在考察后期越来越成为物流创新的有力保证；考察期间信息技术条件这一指标的关联系数逐年降低，表明随着信息技术的不断成熟与完善，物流创新能力越来越不依靠信息技术条件的支撑。（2）从各年度来看，2010～2014年间物流行业产出这一指标对物流创新能力的影响最大，2015年社会物流需求水平这一指标对物流创新能力的影响最大，表明随着烟台市物流业的发展，社会对物流需求的要求越来越高，逐渐成为物流创新能力的有力支撑点。如图3所示。

图2 烟台市2010～2015年物流创新能力一级指标关联系数

图3 烟台市2010～2015年物流创新能力二级指标关联系数

5 结束语

本文首先界定了区域物流创新能力，接着在借鉴前人经验的基础上，构建了烟台市区域物流创新能力的评价指标体系，然后在构建熵权—灰色关联分析模型的基础上，计算得到各级评价指标的权重，最后计算得到2010～2015年烟台市物流创新能力并对评价结果进行了分析，以期对政府和物流部门提供借鉴。

（1）各级指标体系的权重结果显示，科技、技术服务业固定资产投资、信息技术条件和区域物流创新支撑能力对区域物流创新能力影响最大，因此，烟台市应在优化配置现有科技资源的基础上，侧重这三类指标在物流领域的投入，提升科技信息投入的产出成效。

（2）在考察期间，烟台市物流创新能力呈波动趋势，经过了2013～2014年的下降后于2015年反弹提高，虽未达到2012年的最高值，但提升幅度较大。因此，烟台市应通过强化制度建设和加强宣传以提升社会物流创新需求，同时应加强物流业R&D人员、经费投入以及财政支持，以形成对物流创新的有效支撑。

[1] 姜明珠.区域物流能力与创新化发展关系的实证研究[J].商业经济研究，2015(26):25-27.

[2] 王晓晶.辽宁省物流业创新影响因素分析[J].内蒙古财经大学学报，2013,11(3):75-79.

[3] 晏敬东，李莉.基于灰色模型的武汉区域物流创新影响因素分析[J].科技创业月刊，2016(19):7-9.

[4] 申静，耿瑞利，陈中华.中国物流业服务创新能力评价[J].技术经济，2016,35(5):38-45,131.

[5] 李菽林.基于支持向量机的物流企业绿色创新能力评价[J].系统工程，2013,31(2):100-105.

[6] 苏龙，袁永友.湖北商贸物流创新功能与流通业发展研究[J].商业经济研究，2016(6):88-90.

[7] 岳斯玮.基于熵值—灰色关联分析模型的产业结构转换能力评价[J].西南民族大学学报（自然科学版），2014,40(6):953-960.

[8] 程鹤，陈树文.基于复相关—灰色关联分析的高校科技创新能力指标体系的构建[J].科技管理研究，2016(6):117-123.

[9] 祝新，王邵.基于灰色关联分析模型的广西科技创新能力评价研究[J].科技进步与对策，2016,23(22):109-115.

[10]李自琼，李向东，陈晓雪.基于灰色关联度的开发区创新转型能力综合评价研究[J].宏观经济研究，2015(12):115-120.

[11]董红艳，杨晓艳.基于熵权灰色关联法的农产品物流能力研究——以山西省为例[J].价格月刊，2015(11):72-76.