基于模糊物元模型对安徽省生鲜农产品物流能力评价的实证分析
2020-12-01宋换换隋文文程元栋
宋换换,隋文文,程元栋*
1.安徽理工大学经济与管理学院,安徽淮南,232001;2.济宁任城区社会保险事业中心,山东济宁,272000
1 问题的提出与相关研究
安徽省在地形上主要以平原、丘陵和低山为主,受地形地势限制,安徽省的农业生产和流通处于一种小而散的经营模式,整体的物流能力在长三角地区相对落后。因此,有必要对安徽省的生鲜农产品物流能力进行评价。关于评价生鲜农产品物流能力的研究中,王秀梅等[1]采用主成分分析法和因子分析法综合评价了广东省的农产品物流能力,结果显示区域经济发展水平和道路交通设施与物流水平正相关,并对广东省农产品物流的发展提出了可行性建议。陈远才[2]用主成分分析法评价了河南省 18 地市农产品的物流水平,利用聚类分析法对不同物流水平的城市进行分类,为分类城市选择了合适的物流模式,并据此提出了建设性的意见。 刘子昂等[3]等结合主成分分析和聚类分析法,选取了12个指标数据对2011年全国31个省(市、区)的农产品物流水平进行了评价研究。胡毅[4]将熵权法和模糊物元评价模型运用到物流领域,以此对中部地区的物流水平作出评价,以期分析出原因拉平与东部地区的差距。张于贤等[5]运用熵权法和灰色关联度法对中部地区的六个省份的农产品物流水平进行测度分析,得出可以通过提高第三产业来促进中部地区的农产品物流水平。
国内很多学者都对我国生鲜农产品物流能力作出了评价研究,取得了不错的研究成果,但基于安徽生鲜农产品物流能力研究的还较少,而且存在部分指标难以量化,不易得出相对精确结果的问题。本文采用了基于熵权法的模糊物元模型,从定量的角度科学选择合适的评价指标,对安徽省2010—2017年的物流能力作出了实证研究,以期为生鲜农产品物流发展水平问题提供参考。
2 生鲜农产品物流能力评价指标体系的构建
从现有的文献来看,关于生鲜农产品物流能力评价的指标体系的构建并未形成统一意见。根据研究者视角不同,所分析出的评价指标也有所不同。因此参考了王秀梅[1]、陈远才[2]、胡毅等[4]的研究成果,在考虑安徽省实际情况与统计数据的可获得性基础上,从生鲜农产品生产能力、生鲜农产品消费能力、物流基础设施水平和物流信息化水平四个方面构建了安徽省生鲜农产品物流能力的评价指标系统,具体如下。
生鲜农产品生产能力是农产品物流的基础,反映了农产品的生产水平,包括主要农产品产值、主要生鲜农产品产量和农林牧渔业固定资产投资。生鲜农产品消费能力集中反映了该地区的消费能力和经济水平,包括地区GDP和社会消费品零售总额。物流基础设施水平在一定意义上反映了生鲜农产品运输的质量和速度,可以从公路总里程、公路货物周转量、货运量和交通运输、仓储业和邮政从业人员数进行衡量。物流信息化水平是衡量物流信息能力的重要指标,包括邮电业务总量、固定互联网宽带接入用户总数和移动电话用户总数。因此,整个指标体系分4个一级指标和12个二级指标,具体见表1。
表1 生鲜农产品物流能力评价指标体系
3 生鲜农产品物流能力评价模型
3.1 构建模糊物元矩阵模型
模糊物元分析法[6-7]是处理不相容信息的理论方法之一,能够对事物特征对应的量值所具有的模糊性和影响事物多重因素间的不相容性进行综合分析。由“年份、评价指标、模糊量值”构成的有序三元组对生鲜农产品物流能力的基本元进行描述,用R=(M,C,V)表示,矩阵形式如下:
(1)
其中,Mi表示第i个年份(i=1,2,…,m),Cj表示第j个二级指标(j=1,2,…n),Vij表示第i个年份的第j个指标所对应的量值。
3.2 计算从优隶属度
各个评价指标Cj对应的模糊量值从属于标准样本的对应量值的隶属程度即为从优隶属度。根据已经建立的生鲜农产品物流能力评价指标体系,选取了最大最优型评价指标,计算方法如下式:
(2)
式中,uij为第j项评价指标在第i年的从优隶属度,maxvj和minvj为各指标在所有年份中的最大最小值,vij是初始指标值,从优隶属度矩阵如下:
(3)
3.3 建立最优模糊物元和差平方复合模糊物元
maxuj为j项评价指标的最大从隶属度,Δij=[(maxuj)-uij]2
差平方复合模糊物元矩阵如下:
(4)
3.4 用熵权法计算权重
熵权法能够减少主观因素的影响,在确定权重时更加客观、真实和准确。因此本文采用熵权法[8]来衡量生鲜农产品物流能力评价指标的权重。具体操作步骤如下:
(1)原始数据矩阵进行标准化。
(2)定义熵,计算第j个评价指标的熵值。
(5)
其中,当rij=0时,Ej=0。
(3)定义指标的熵权。
(6)
3.5 计算欧式贴近度
欧式贴近度表示被评价样本与标准样本之间的贴近的程度,其值越大说明越接近,反之就越远,RρH和ρHi分别为整体系统和各个子系统的欧式贴近度,计算公式如下:
(7)
(8)
4 实证分析
下面以2011—2018年《中国统计年鉴》《安徽统计年鉴》等数据对其进行分析。
4.1 生鲜农产品的权重分析
依据熵权法计算步骤,得到各评价指标的权重见表2、表3。
表2 一级评价指标的权重
表3 二级评价指标的权重
从表2、表3可以看出,物流信息化水平对安徽省生鲜农产品物流能力影响权重最大,说明物流的信息化水平对农产品的物流能力的提升具有较强的促进作用,应当加强信息网络基础设施的建设力度,提高信息网络覆盖面和移动互联网普及率,着力于发展物流信息系统,从而提升物流信息化水平。在物流信息化水平这个一级指标中,邮电业务总量(C10)指标权重最大,由此可见此指标对安徽省生鲜农产品物流能力评价指标的影响较大,这是由于邮电业务总量在整体上反映了在一定时期内邮电业务发展的总成果,是研究邮电业务量构成和发展趋势的重要指标。邮电通信业务的发展,在很大程度上推动了物流业的发展,快递物流业务规模的扩大,移动用户的增长,互联网用户的激增。居民的消费结构升级,网络意识增强都在一定程度上促进了物流业的发展,对生鲜农产品物流能力产生了不小的影响。
生鲜农产品生产能力的影响权重次之,应加大农林牧渔业固定资产的投资,运用现代化设备提高农产品产值产量。物流基础设施水平也对生鲜品物流能力具有一定影响,因此要完善安徽省内的基础设施建设,加强物流队伍人才管理,重视物流专业人才培养。在生鲜农产品生产能力这个一级指标中,农林牧渔业固定资产投资(C3)指标权重最大,因此农林牧渔业固定资产投资C3对安徽省生鲜农产品物流能力评价指标的影响最大,说明对农业的高投入将推动农业的高质量发展,也与农业设施装备的增强以及科技支撑水平的提高息息相关。
物流基础设施水平的影响权重较小。应增强物流基础设施建设,完善省内交通基础设施以及提高铁路公路空运的运营里程。加大铁路以及高速路的建设,推动城市道路规划和农村公路的建设。发展航空运输业,升级机场现有设施。在物流基础设施水平这个一级指标中,公路总里程(C6)指标权重较小也与一级指标相呼应。加大建设农村公路,挖掘农村物流市场的巨大潜力,农村和城市公路系统的共同发展必将为地区物流产业转型奠定重大基础。
生鲜农产品消费能力影响权重最小,说明地区生产总值和社会消费品零售总额对安徽省生鲜农产品的影响相对来说较小。应当促进居民的消费水平,特别是农村地区的消费水平,改善农村的基础设施建设,拓宽农村居民消费渠道,从而最终促进生鲜农产品的物流水平。
4.2 生鲜农产品物流能力态势分析
结合表3中评价指标的权重计算结果,计算出2010—2017年的欧式贴近度,如表4。由表4可看出,2010—2017年间,安徽省生鲜农产品物流能力呈现稳步上涨趋势。
表4 2010—2017年的欧式贴近度
生鲜农产品生产能力、生鲜农产品消费能力、物流基础设施水平以及物流信息化水平的欧式贴近度分析。2010—2017年间,安徽省生鲜农产品物流能力构成以及发展趋势见表5。
表5 一级指标的欧式贴近度
从表5可看出,物流信息化水平一直呈现稳步增长的趋势,这是由于近几年网络技术和物联网的快速发展以及邮电业务的普及,邮电业务总量、互联网宽带接入用户对生鲜农产品物流能力起到了积极的促进作用。生鲜农产品生产能力在2011年有所下降,之后几年一直快速增长,到2015年增长速度又再次放缓。这是由于那些年我国有较大的经济整体下行压力,经济结构调整和产业升级正处于至关重要的时期,经济增长相对变缓,且尚未形成经济增长的新动力,导致生鲜农产品生产能力生产动力不足,当新动力跟上时,生鲜农产品物流能力也就逐步在提升。物流基础设施水平从2010—2013年一直增长,2013年之后发展水平缓慢平滑降低。生鲜农产品消费能力一直呈现小幅增长趋势。
4.3 总结与讨论
生鲜农产品生产能力的提高对安徽省整体农产品物流能力有很大的促进作用,农林牧渔业固定资产投资在农产品生产能力中占比最大,因此农业的高投入将推动农业的高质量发展,应当增强农业设施装备以及提高科技对农业的支撑水平。安徽省的生鲜农产品消费能力也较高,提升经济水平,改善物流基础设施水平,促进物流信息化发展水平。
5 结 论
通过建立安徽省生鲜农产品物流能力评价指标体系,将熵权法和模糊物元模型结合使用,结合欧式贴近度理论,选取安徽省2010—2017年的数据进行实证分析,这在很大程度上削减了在物流能力评价中的指标权重在确定过程中的主观性,以至能够更好地拟合安徽省生鲜农产品物流能力的趋势的变化发展规律。结果表明:农林牧渔业固定资产投资以及邮电业务总量是影响安徽省生鲜农产品物流能力的主要因素,因此要加大安徽省农林牧渔业固定资产的投资,增强物流基础设施设备建设,加大移动互联网的普及率,提升信息网络覆盖率以及增强信息网络的基础设施建设水平。而主要生鲜农产品产量以及公路总里程对其影响有限;整体来看,物流信息化水平对安徽省生鲜农产品物流能力影响权重最大;安徽省生鲜农产品物流能力呈逐年上升趋势。
本文的实证分析结果与实际情况基本吻合,但在选取评价指标的时候,由于数据的可得性限制,没有选取一些跟冷链物流的相关数据,比如:冷冻、冷藏车数量容量;冷链流通率、冷链流通率;冷链物流企业数量等。在日后的研究中,希望能选取更加客观、科学且具有能够得到普遍认可的指标。