基于因子和聚类分析的区域物流节点城市发展水平综合评价

李朝洪，刘晓林（东北林业大学 经济管理学院，黑龙江 哈尔滨 150040）LI Chao-hong, LIU Xiao-lin (School of Economics and Management,Northeast Forestry University,Harbin 150040,China)

在经济发展过程中，某个地区经济的发展速度与竞争能力直接受区域物流发展水平高低的影响[1]。因此对某个地区的区域物流发展水平进行客观、准确的分析和评价，并与周边各区域进行综合比较，不仅可以对该区域的物流发展水平进行准确的定位，还可以为相关物流产业发展政策和措施的出台提供参考，以达到进一步提升区域物流竞争力和推动整个区域国民经济发展的目的[2]。

1 指标构建和模型选择

1.1 区域物流评价指标体系的构建

根据构建评价指标体系的原则，本文结合我国具体国情和区域物流的特点，以全面、系统地对区域物流发展水平作出评价为目标，主要从人口规模、经济实力、工业规模、第三产业规模和物流主导产业规模5个方面确立了8项二级指标 （如表1所示）[3]。

表1 区域物流节点城市发展评价指标体系

1.2 模型选择

考虑到区域物流发展水平本身的模糊性和难以界定性，部分经济指标之间可能存在比较明显的相关性，从而导致评价结果不够理想状况的出现[4]。而鉴于因子分析法具有的降维思想，可以用综合指标来代替原来的指标，进而使复杂问题简单化。本文选取因子分析法对各区域性物流节点城市的区域物流发展水平进行综合评价，最后再用聚类分析法加以分类。这样不但使综合指标间的信息重复问题得到有效解决，还实现了综合分析的定性与定量相结合[5]。

2 实证分析

由于在全国17个区域物流节点城市中，数据符合要求的只有哈尔滨、包头、太原、合肥、拉萨、贵阳、福州、银川、西宁、长沙，本文以这10个城市2010年的相关统计数据为样本，对各市的物流发展状况进行实证分析 （数据来源于 《中国城市统计年鉴2010》以及各城市统计年鉴）。

2.1 物流节点城市物流发展水平的因子分析

（1）原始指标的标准化处理与适用性检验。为实现各指标之间的可比性，必须要消除指标的量纲，所以首先对原始数据进行标准化处理。然后采用KMO和Bartlett检验方法对因子分析法的适用性进行检验。其检测结果如表2所示。

表2 KMO检验和Bartlett球度检验

从表2中可以看出KOM （Kaiser-Meyer-Olkin）值大于0.5，且Bartlett值=115.388，其显著性水平是0.00，小于1%，说明各指标变量之间具有相关性，是适宜做因子分析的。

（2）提取公因子。根据标准化后的数据经过计算得到样本相关系数矩阵的特征值和方差贡献率 （见表3）。

表3 特征值和方差贡献率

表3表明变量相关系数矩阵有两个大的特征值5.379和1.833，若按照特征值大于1的标准提取公因子，则取这两个公因子。它们包含的信息量占总体信息量的百分比为90.013%。因此提取前两个公因子，已经可以对经济发展的总体水平进行总体描述[6]。

（3）因子旋转。为了简化因子载荷矩阵的结构，使每个变量仅在一个公因子上有较大的负荷，而在其余公因子上的负荷比较小，以便找出公因子的实际意义。本文对初始因子载荷矩阵进行方差最大旋转，旋转后的因子载荷矩阵如表4所示。

表4 旋转因子矩阵表

根据表4将8个指标按照高载荷分成两类，并结合专业知识对因子给予命名，得出第一个因子包括年末总人口数、地区生产总值、工业增加值、第三产业增加值、社会消费品零售总额5个指标，将其命名为经济发展水平因子。第二个因子包括货运总量、公路货运量和铁路货运量3个指标，将其命名为物流主导产业因子。

（4）计算因子得分。SPSS根据旋转后的因子载荷矩阵，运用Bartlett因子得分法自动计算出因子得分，按各公因子对应的方差贡献率占两个公因子总方差贡献率的比重作为权数进行加权汇总，计算各城市的综合因子得分，其计算形式为：

由此计算出的每个城市的综合因子得分充分反映各节点城市区域物流综合实力的强弱，根据因子得分对各区域物流节点城市进行排序，结果见表5。

表5 区域物流节点城市的因子得分、综合得分及排名

2.2 物流节点城市物流发展的聚类分析

聚类分析法就是根据样品或指标之间的 “相似性”或 “相近性”来将样品或指标进行归类的一种统计方法。将前面因子分析得到的2个主成分的分值作为聚类分析的样本矩阵，首先对数据进行标准化处理，然后采用系统聚类的类平均法进行聚类分析，得到的聚类树形图如图1。

图1 系统聚类分析的树状图

由图1可以看出，可将10个区域物流节点城市分为三类，第一类包括拉萨、西宁、太原、贵阳、银川和合肥；第二类包括哈尔滨、福州和长沙；包头则独自归为一类。

2.3 结果分析

根据前面因子分析和聚类分析的结果，综合考虑各区域物流节点城市所处的地理位置、经济发展水平等因素，将10个区域物流节点城市划分为三个类别。

第一类为物流发展水平中等偏下地区，包括拉萨、西宁、太原、贵阳、银川和合肥。这几个城市的综合得分排名分别为10、9、6、7、8、5，从物流发展综合实力来看均处于劣势。其中银川的物流主导产业因子位列第四，2010年银川市的货运总量达到了19 500万吨，充分显示出其交通枢纽的地理区位优势，但其经济发展水平因子仅排名第九，说明银川市经济发展速度过低，因此银川市的发展重点是大力促进区域经济的发展。西宁和拉萨综合排名及各因子排名都比较靠后，属于物流发展低水平地区，这也充分表明了这两个城市无论是在地理交通方面还是在经济文化发展水平方面，均处于不利状态，所以拉萨和西宁的区域物流发展需从全方位入手。太原、合肥、贵阳的因子得分和综合得分都比较均衡，表明这三个城市的物流发展比较稳定，其中合肥属于中等偏上水平，2010年除了铁路货运量仅为150.8万吨以外，其他指标的数值都很大，因此要想进一步促进合肥的物流发展，可以首先从铁路货运方面着手。

第二类为物流发展高水平地区，包括哈尔滨、福州和长沙，这三个城市的综合得分排名依次为2、4、1。其中长沙的地区生产总值、工业增加值、第三产业增加值和社会消费品零售总额均为最高，因此其经济发展水平因子排名位居第一，充分显示了长沙市的经济发展实力，另外其物流主导产业因子位居第二，说明长沙市物流产业的发展状况也很好，这也使得长沙市成为最具有区域物流发展综合实力的区域物流节点城市。哈尔滨市和福州市虽然综合排名和经济发展水平因子分别占据第二和第三位，但其物流主导产业因子得分仅排在第八和第七位，这充分显现出哈尔滨市和福州市物流产业发展的不足，因此在加快经济发展的同时，要针对自身地理区位优势，加快交通运输业的发展，注重与周边城市的合作，通过物流基础设施等的建设，促进区域物流发展的产业化进程。

第三类为物流发展水平中等偏上地区，包括包头市。包头市是我国著名的钢铁工业城市，铁路运输发达，其2010年的货运总量达到28 373.7万吨，其中铁路货运量为11 445.5万吨，是10个城市中货运总量和铁路货运量最高的城市，从而使其物流主导产业因子排名第一，这也决定了包头市被单独列为一类。但包头市经济发展水平因子仅排在第七位，从而导致其综合排名下降至第三位，从包头市2010年各指标数值看出，这主要是由包头市人口规模比较小，第三产业增加值过低造成的，所以提高包头市物流发展综合水平的最有效方法就是充分发挥其钢铁规模经济优势，提升第三产业的发展速度。

3 结 论

本文从人口规模、经济实力、工业规模、第三产业规模和物流主导产业规模5个方面确立了区域物流发展水平的评价指标体系，采用因子分析和聚类分析的定量分析方法对10个区域物流节点城市的物流发展进行了综合评价和分类，实现了两种方法的有机结合，模型原理清晰，计算简单，大大减少了计算工作量，结论客观、准确、较有说服力。

[1]魏修建，解芳.区域物流发展水平综合评价指标体系研究[J].中国商界，2008(12):61-62.

[2]周泰，王亚玲.基于模糊物元的区域物流发展水平评价[J].北京交通大学学报，2010(3):37-41.

[3]殷辉，张砚，李道芳.我国区域物流节点城市发展的统计评价分析[J].现代管理科学，2011(3):43-45.

[4]吴文一，刘丽.主成分分析和聚类分析在区域物流中心综合评价中的应用[J].技术与方法，2009(12):164-168.

[5]程慧燕，魏连雨.省域区域物流发展综合评价指标体系研究[J].物流科技，2010(9):48-51.

[6]刘磊，黄斌.因子分析法在教学评估中的应用[J].湖北工业大学学报，2006(1):23-26.