基于因子分析法的“一带一路”沿线省市物流能力比较研究＊

2019-03-13王杰，闫军，2，徐旦

科技与创新 2019年4期

王杰，闫军，2，徐旦

（1.兰州交通大学机电技术研究所，甘肃兰州 730070；2.甘肃省物流与信息技术研究院，甘肃兰州 730070）

1 引言

目前，物流业被视为国民经济发展的动脉及基础性产业，其发展水平成为衡量我国现代化程度及综合国力的重要指标。2013年“一带一路”倡议的提出，使我国物流业迎来了巨大的发展契机，同时，也给我国物流业带来了新的挑战。在“一带一路”倡议的最终规划中，共圈定了西北、西南等18个省份，对这18个省份的物流发展能力进行比较研究有利于政府从宏观上把握“一带一路”沿线省份的物流发展状况，为政府进行调控及企业制订相关物流措施提供依据。因此，本文以“一带一路”沿线18个省市为研究对象，运用因子分析法对其物流发展能力进行比较分析，并提出合理化建议。

2 “一带一路”沿线省市物流能力比较

2.1 选取评价指标

结合我国2017年统计年鉴，根据指标选取的原则，参考了相关文献，最终选择了反映“一带一路”沿线18个省市的物流发展能力指标：人均GDP、人口规模、社会消费品零售总额、固定资产投资、货运周转量、公路里程、铁路营运里程、邮电业务总量及民用载货汽车拥有量9项指标。

2.2 评价指标标准化处理

本文对“一带一路”沿线18个省市2017年相关数据进行收集整理，并运用SPSS软件将各省市指标进行标准化处理。

2.3 因子分析法的检验

在运用因子分析法进行统计分析前，需要对标准化后的指标进行检验，其目的是判断该研究对象是否适合运用因子分析法进行研究。本文采用KMO及Bartlett球度检验。通过SPSS软件分析发现，KMO的值为0.545＞0.5，Bartlett球度检验的近似卡方值是215.136，自由度是36，P=0.000，表明各变量间存在着相关性，所选指标适合进行因子分析，具体如表1所示。

表1 KMO和Bartlett的检验

2.4 确定公共因子

鉴于变量间相关性高且较多，所以选取具有代表性的公因子进行计算。公因子提取结果如下。

2.4.1 解释总方差表

解释总方差表是变量矩阵运行得出的结果，包括特征值、因子方差贡献率和累计贡献率。由表2可以看出，所提取的两个公因子特征值均大于1，且累计贡献率达到84.901%，能够较全面的反映所包含信息。

表2 解释的总方差

2.4.2 因子碎石图

从图1可以看出，前2个因子的碎石图相对陡峭，之后碎石图平缓，故只选取前2个因子就能反映大部分的信息。

2.5 计算因子得分

运用SPSS得出变量因子得分矩阵如表3所示。

图1 碎石图

表3 成分得分系数矩阵

根据因子等分矩阵，得到因子得分函数如下：

将18个省市的相关数据带入因子得分函数中计算得到对应省市的公共因子得分和排名，并根据所提取的公共因子得分及信息贡献率，对其进行加权，得到各省市的综合得分及排名。“一带一路”沿线省市因子得分及综合排名如表4所示。

3 结论

根据表4可以看出，“一带一路”沿线省市物流能力发展不均衡，发展最好与最差省市之间差距较大。其中，广东、浙江及云南省物流发展能力较高，综合得分均大于0.5；内蒙古、陕西、辽宁、广西、福建、黑龙江、新疆物流发展能力一般，得分在0～0.5；重庆、甘肃、吉林、上海、青海、西藏、宁夏、海南物流发展能力较低，综合得分均小于0.