基于因子分析法的安徽省主要城市快递业市场容量比较研究

文静

（池州学院，安徽池州247000）



基于因子分析法的安徽省主要城市快递业市场容量比较研究

文静

（池州学院，安徽池州247000）

摘要：当前安徽省各个城市的快递行业发展迅速，市场容量不断扩大。在当前环境下，开展安徽省不同城市快递市场容量的比较研究，对快递业的长远发展，以及网点布局意义重大。

关键词：因子分析法；快递业；容量比较

一、快递业相关影响因素及其作用

（一）地区经济总量

快递业是安徽重要的新兴产业，其本身创造的价值在不断增加。快递业是物流业的重要构成，而物流业又是国民经济发展的基础产业之一。物流业的成长能降低成本，拉动国民经济发展，能推动产业转型升级。所以国家日益重视物流业发展，出台了较多推动其发展的政策，并且往往经济规模巨大的城市，其信息、物资、人才的流动性往往也较强。城市的经济发展规模可以通过国民生产总值等指标反映。

（二）工业总量

人们的日常生活需要最多的是工业产品，工业能够满足群众日益提高的物质和精神需求。而快递业运输的内容主要是以社会上的工业品为主。工业发达的城市往往需要便利的交通使产品从厂家运达客户端，这类城市往往都有极大的快递市场需求。

（三）国内贸易交易总量

快递业往往是通过电子商务产业间接带动消费，同时也是电子商务产业链的关键环节。电子商务产业需要快递行业为客户提供物流和配送。当前网络购物作为电子商务的一个重要业务蓬勃发展，网络消费对拉动国内贸易发展，促进快递业的发展作用不可忽视。

（四）信息化程度快递业发展与信息业的发展，尤其是宽带网络发展紧密关联。近几年来，随着宽带上网的人数增加，网络成为联系商家和客户的重要桥梁，而快递成为网络购物配送的基础，因此信息化程度影响巨大，本文选取的反映信息化程度的指标是互联网上网人数。

（五）交通发达程度

当前，城市经济发展以及贸易额增长，要求城市的交通运输也能跟上。快递业相比于传统的货物传递方式速度更快，但是对城市交通运输能力要求更高。只有城市具备较强的交通运输能力，快递业才能发展。本文选取交通业、仓储业、邮政业的总产值，以及货物的运输量和周转量反映城市的交通发达程度。

（六）对外贸易总量

对外贸易对快递业也有积极影响。自我国加入世贸组织以来，我国的国际贸易增长迅速，交易规模也日益扩大，市场趋于稳定，这也有利于快递业的发展。所以本文采用对外贸易总额来定量分析其对快递行业的影响。

二、安徽省主要城市快递业市场容量比较的指标体系及分析方法

（一）指标体系构建

为了对安徽省16个地市快递业市场容量做出比较分析，本文选取2014年安徽省16个地市的地区经济总量、工业化程度、国内贸易总量、信息化程度、交通发达程度、对外贸易总量作为一级指标，地区生产总值等作为二级指标。所有指标的数据来源于各地市的2014年统计公报以及当地统计局网站公布数字等。

表1：快递业容量衡量指标体系

（二）分析方法选择

为了更准确地评测某一事物，我们往往选用很多测评指标，以便尽可能完整地评测对象。但统计指标越多，统计分析的难度就更大。原因是：首先，由于指标与测评对象的关联程度不一，因此权重不一，主观测评难免失之偏颇。其次，收集的指标越多，耗费的成本越大。而因子分析法能较好地解决这类问题。因子分析法是一种多元统计分析方法，主旨是用最少的并且相互独立的因子来反映原变量的绝大多数信息，主要方法是通过探讨变量之间的相关系数矩阵的结构，最后通过能控制基本所有变量的少数随机变量来描述多个变量的相互关系。因子分析法可以消除指标与指标的信息重复，对事物的本质进行抽象，不但能够用来综合评价，而且还能对产生影响的主要因素进行分析。

三、基于因子分析法的安徽省主要城市快递业市场容量比较分析

（一）运用因子分析法分析比较安徽省主要城市快递业市场容量的主要过程

在对指标体系及其相关数据进行整理后，首先利用SPSS统计软件对原始数据进行标准化的处理，以便消除数据量纲的影响,然后对得到的标准化数据进行KMO（Kaiser-Meyer-Olkin）取样适当性度量以及Bartlett球形检验方法检验，看是否适合使用因子分析法，结果如下：

表2：KMO和Bartlett的检验

从上表看出，KMO检验值为0.670，Bartlett值为0，这说明变量与变量之间相互有相关性，因此，本文所建指标体系适合使用因子分析法。

下面根据因子分析法的原理，利用SPSS统计软件进行降维处理，提取的主成分不宜太多，主要按照累计方差贡献率大于80%或者特征值大于1的原则选择，计算主因子特征值、累计方差贡献率如下表所示：

表3：解释的总方差

提取方法：主成份分析法。

在方差解释表中能看出，在利用2项公因子来代替原有的10项指标后，累计方差贡献率（也就是模型的解释力）高达87.058%，大于80%，证实2项公因子可得到良好效果。

初始荷载矩阵中各主因子的典型代表变量不够突出，需要对公因子来进行方差最大化的正交旋转，希望能够找到解释更明确，并且实际意义更突出的公因子，经过旋转后，公因子对Xi的贡献为hi2。经过正交旋转后，得到的荷载矩阵见下表：

表4：旋转后的荷载矩阵a

提取方法：主成份。

旋转法：具有Kaiser标准化的正交旋转法。a.旋转在3次迭代后收敛。

公因子F1在地区经济总值、规模以上工业增加值、规模以上工业企业数、零售商品总额、社会消费品零售总额以及交通运输业、仓储业、邮政业增加值、进出口贸易上载荷较大，将F1命名为宏观经济因子，公因子F2在互联网上网人数、货物运输量、货物周转量上荷载较大，将F2命名为信息和物流因子。

经过初步处理后，每一个因子Fi都代表着几个解释变量，因此在衡量各个解释变量Xi对快递容量的解释程度就可以用F1，F2来解释，但是每个变量对因子的贡献程度各有差异，因此需要构造一个线性函数用于表达这种关系：

表5：成份得分系数矩阵

提取方法：主成份。

旋转法：具有Kaiser标准化的正交旋转法。构成得分。

将上表中的系数和原数据相乘即得到每个因子的表达式：

最后，得到安徽省16个地市快递容量的综合得分及排名情况如下表所示。要说明的是各个因子得分的均值是0，原因是对原始指标进行了标准化处理。计算所得F值均值也是0。负值得分仅表明该地区在该方面的得分低于整体平均水平，正值则表示高于整体平均水平。

?

（二）因子分析结果

根据因子分析结果，我们可看出合肥、芜湖、安庆、阜阳、蚌埠等地区快递容量相对较大，尤其是合肥市领先于其他城市，这与其经济总量较大、人口总量较大、电子商务发达以及交通便利等因素有关。芜湖市的快递容量次高。这与芜湖市在安徽省的次中心城市地位有关。合肥、芜湖、安庆、阜阳、蚌埠等市的快递容量较大，且相差较大。其他市则呈相差不大，基本呈依次降低态势。

四、总结

从最终的的结果分析，我们能发现安徽省16个主要城市之间的快递市场容量差异较大。总的来说，有以下特点：（1）大部分城市快递容量与城市经济总量排名，以及与工业经济排名基本吻合，说明经济总量和工业经济规模对快递业的带动和影响较大，快递企业可考虑优先布局在这类地区，尤其是具有较大实力的快递企业可优先布局在这类地区取得先发优势，占据市场份额；（2）部分地市快递容量稍弱于经济排名，原因可能在于这些地区经济总量较大，但是受到了其他方面的限制，比如马鞍山市在其他方面的排名均弱于经济排名。可见快递企业在地区布局的时候不仅要考虑经济总量，还要综合考虑其他因素；（3）对相对弱小的快递企业而言，在市场份额的争夺中，应该避开与领先快递企业的价格战。在市场竞争较弱的二三类城市中，应尽早进入市场网点优化布局。

参考文献：

[1]季彤.快递业发展影响因素分析[D].南京邮电大学，2012.

[2]曹雪梅.河北省快递业升级能力评价及提升对策研究[D].燕山大学，2014.