长三角城市群物流高质量发展测评

□文/刘天雯 李琳歆

（苏州科技大学商学院 江苏·苏州）

［提要］ 对区域物流进行综合评价是确保区域物流发展水平持续推进的前提。本文从区域发展水平、区域物流供给规模、区域物流运输设施建设第一维度构建具有全面性的区域物流评价体系，使用因子分析、聚类分析等方法，分析计算各指标权重，测度长三角地区的区域发展水平、区域物流供给规模，进行分析评价。

早在2009 年，物流业已被归入国家十大调整振兴产业之一，并逐步成为推进我国区域经济高质量发展的重要动力。通过对区域物流高质量发展的测评，能够更好地推进区域高质量发展的完成。着眼于长三角物流一体化高质量发展趋势，是提高资源空间配置效率的重要途径，同时也是其物流综合协调发展的动力。

一、长三角物流高质量发展指标体系

（一）指标体系构建。区域物流“质量”概念目前没有明确统一的定义。研究普遍认为，区域物流“质量”为区域物流发展的综合能力表现，是一个综合性指标。要全面描述长三角物流“质量”特征和状态，需要建立评价指标体系，即对区域物流发展综合能力进行衡量。

基于区域物流“质量”评价体系的全面性和复杂性，以及统计数据的质量和来源的可靠性，区域物流发展综合实力衡量的指标较多，本文选取区域经济发展水平、区域物流供给规模以及区域物流基础设施建设3 个一级指标，综合一致性、科学性、系统性、权威性和可获取性等原则，选取11 个二级指标，构建出长三角区域物流“质量”评价指标体系，如表1 所示。（表1）

表1 长三角区域物流“质量”评价指标体系一览表

（二）数据来源。上述评价指标中，江苏省、浙江省、上海市统计年鉴，江浙各城市统计年鉴及江苏、浙江、上海交通年鉴。考虑到统计数据的时延差异，基于相关年鉴2020 版，选择长三角41 个城市作为研究对象，获取相关数据并进行汇总分析，以客观反映当前长三角各城市物流高质量发展现状。

二、研究方法

（一）因子分析。因子分析法可以将多个变量用少数几个有代表性的公共因子来代替，以此来达到简化问题、方面分析的目的。因子分析从复杂繁多的指标中提取几个主要的公因子，通过公因子来反映原始指标，再计算相对方差贡献率作为所提取的公因子的权重，最后计算综合得分与排名，通过不同的公因子的得分以及总得分来综合反映长三角区域物流发展情况。

（二）聚类分析。聚类分析法是一种根据“物以类聚”的理念，对样本或指标进行分析的多元统计分析方法。其认为样本或变量之间存在着不同的相似性。根据所搜集的样本的观测指标，找出一些统计量，这些统计量可以度量样本或变量之间的相似度的高低，然后以此作为依据，将相似性较高的样本或变量进行聚合。

三、实证研究结果

（一）长三角城市群物流高质量发展水平排名

1、因子分析的适当性检验。表2 是变量的共同度表，表中给出了提取公因子前后各变量的共同度，所有共同度都在75%，甚至在90%以上，由此可知提取的公共因子已经包含了原始变量的大部分信息，因此对各变量的解释能力较强。（表2）

表2 变量共同度一览表

2、提取公因子。利用SPSS 软件，首先对数据进行标准化处理，再采用因子分析法和方差最大正交旋转法对测量物流发展的11 个指标进行分析。从表3 总方差解释表输出结果可以得出，共提取了四个公因子，且通过SPSS 结果碎石图可以看出提取四个因子是较为合适的。第一个公因子特征值为3.748，解释了总变量的34.074%；第二个公因子特征值为2.649，解释了总变量的24.084%；第三个公因子特征值为1.770，解释了总变量的16.094%；第四个公因子特征值为1.188，解释了总变量的10.803%。四个公因子累计贡献率已经到达85.056%，既达到了降维的效果又避免了信息的丢失。（表3）

表3 总方差解释一览表

3、解释因子变量。从表4 旋转后的公因子载荷矩阵看出，第一个因子在X1、X4、X5、X6、X11上有较高的载荷。第一个因子囊括了物流发展的经济环境、货运量和信息水平这些环境因子，定义为物流发展综合环境因子。第二个因子在指标X2、X3、X8上有较高的载荷，定义为物流经济发展因子。第三个因子在指标X7、X9上载荷较大，定义为物流运输能力因子。第四个因子在指标X10上载荷较大，定义为物流基础设施因子。（表4）

表4 旋转后的载荷矩阵一览表

以表5 中各公因子的方差贡献率占比作为权重可得公因子综合模型，可知长三角41 个城市公因子最终总得分。上海12.1956，排名第一，说明上海市物流发展水平最高，物流发展的最好；苏州市F 得分7.6854，与上海有较大差距，又比南京发展显著，排名第二；南京F 得分4.2547，排名第三；杭州F 得分3.7992，排名第四；无锡F 得分2.6707，排名第五；宁波F 得分2.5394，排名第六；合肥F 得分2.2581，排名第七；徐州F 得分1.8659，排名第八；南通F 得分1.4952，排名第九；嘉兴F 得分1.4261，排名第十；常州F 得分0.8404，排名第十一，这些城市F得分较高，说明物流发展水平较好。温州到镇江得分适中，说明物流发展水平适中，可进一步加强完善。这些城市得分偏低，说明物流发展水平较低，有待进一步提高。通过分析连云港到铜陵这19 个城市各项指标的排名可以发现，这些城市的几项指标得分都比较靠后，表明了整个城市的物流发展水平相对不佳，整体物流实力比较落后。因此，这几个城市需要在今后的物流建设过程中加大建设力度，尤其是区域发展水平、区域物流供给规模、区域物流运输设施建设等几个方面的建设。（表5）

表5 各公因子（综合）得分及排名一览表

（二）长三角城市群物流高质量发展类型划分。利用分层聚类法分析，截取冰柱图，以得到更加直观的分类结果以及聚类过程和步骤。横轴为聚类变量，纵轴为变量类别数。经过SPSS处理的冰柱图结果如图1 所示。（表6、图1）

表6 凝聚状态一览表

图1 经过SPSS 处理的冰柱图

从聚类表及冰柱图可得：当聚成2 类时，徐州、杭州、宁波、温州、亳州、蚌埠、阜阳聚成一类，其他个案自成一类；当聚成3类时，南京、连云港、宿迁、嘉兴、上海、合肥、宿州、滁州、六安聚成一类，徐州、杭州、宁波、温州、亳州、蚌埠、阜阳聚为一类，其他城市聚成一类；当聚成4 类时，南京、连云港、宿迁、嘉兴、上海、合肥、宿州、滁州、六安聚成一类，杭州、宁波、温州、亳州、蚌埠聚为一类，常州、阜阳聚成一类，其他城市聚成一类；当聚成5 类时，南京、连云港、宿迁、嘉兴、上海、合肥、宿州、滁州、六安聚成一类，无锡、常州、宿州、南通、淮安、盐城、衢州、绍兴、舟山、淮北聚成一类，徐州、阜阳聚成一类，杭州、宁波、温州、亳州、蚌埠聚成一类，其他城市聚成一类。

四、结论

从因子分析和聚类分析的结果可以看出，长三角各城市物流高质量发展水平有一定参差。上海，F1：19.6603、排名第一，F2：9.0087、排名第二，F3：3.3539、排名第三，说明其经济环境、人力资源、信息水平均具有优势，在综合方向上为物流高质量发展提供了综合性条件，且物流发展水平总得分最高，说明其物流发展程度最高，发展趋势最优。同时，相比于其他城市有较大优势。第二类城市物流发展情况较好，此类城市虽然在F1、F2 得分上，即综合物流环境、经济方面逊色于上海，但F3、F4，即物流运输能力及基础设施建设较好，尤其在F4，即基础设施建设水平上拥有较高能力，说明此类城市由于物流基础设施建设比较发达，物流发展的物质基础较好，最终导致物流发展水平较高。第三类城市在四个公因子上得分均较低，说明第三类城市在综合物流环境水平、物流经济发展水平、物流运输能力和基础设施配备方面均较落后，导致物流发展综合水平较低。

总体而言，长三角区域物流发展水平趋于高质量化，但其中各城市之间差异较为显著。通过综合运用聚类分析、因子分析等方法，建立物流发展水平综合评价体系，从物流综合发展的评价角度出发，对长三角物流高质量的发展作出合理的评价分析。其中，上海的综合物流发展水平最佳，在长三角区域乃至全国有着鲜明优势，池州、黄山、六安、铜陵等地的物流发展状况较为落后，在综合环境、经济发展水平、物流运输、基础设施建设等方面仍有欠缺，长三角区域物流高质量发展已有一定果实，且在国内具有一定先锋作用，但仍需进一步深化。继续推动长三角地区物流高质量发展，需要把智慧物流作为重要因素，开展平台智能数字化管理、推动物流信息关联与开放，并继续加强物流基础设施网络建设。