基于云PDR的区域物流能力评价研究

张 旭，袁旭梅，王亚娜，魏福丽

(燕山大学 经济管理学院，河北 秦皇岛 066000)

一、引 言

物流业是具有显著关联效应的复合型产业，在促进产业结构调整、转变经济增长方式方面发挥着重要作用。2019年2月26日，国家发展改革委、交通运输部等24个部门联合发布《关于推动物流高质量发展促进形成强大国内市场的意见》，物流业的地位和作用进一步凸显。区域物流是伴随城市群、经济区发展起来的物流活动体系，正在逐渐成为区域经济系统不可或缺的组成部分，支撑和保障着区域经济的正常运行和快速发展。然而，区域物流设施落后、人才匮乏、规模效应不强、差异突出等问题仍不容忽视，如何提升区域物流能力是区域经济社会发展面临的重要问题。

国外关于物流能力的研究多以密歇根州立大学(MSU)提出的32种物流能力要素为基础，开展企业物流、供应链物流等微观层面的研究。在宏观层面的区域物流研究方面，Pekkarinen[1](2005)以俄罗斯西伯利亚地区为例对其物流能力进行了定量研究；Anand[2](2012)分析、总结并综述了城市物流的建模方法；Ekici[3](2016)等人在建立评价指标体系的基础上，利用人工神经网络法评价土耳其的物流能力。在吸取国外研究经验的基础上，国内学者对于区域物流的研究主要集中在区域物流能力的评价指标体系与方法[4-8]以及其与区域经济发展的关系[9-11]等方面。周泰等[4-5](2008，2016)提出了以基础设施支撑能力、信息系统保障能力、经营管理运作能力、发展环境支持能力为要素的三层区域物流能力量化指标体系，建立了区域物流能力评价的模糊物元模型，并以中国西部12个省区为例进行了实证研究；王岳峰等[6](2010)构建了包括要素性资源、结构性资源和环境三个一级指标及其对应的15个二级指标在内的区域物流能力评价指标体系，并基于盲数测评模型进行评价；刘林等[7](2012)设计了由区域物流资源和区域物流效率两个一级指标以及与之对应的9个二级指标构成的区域物流能力评价指标体系；曹炳汝等[8](2018)提出的区域物流评价指标体系包括物流基础设施、人力资源与信息化建设、物流业务量以及经济发展水平四个一级指标，并以ANP-TOPSIS方法对江苏省区域物流能力进行评价。研究方法方面，作为典型的多准则决策问题，区域物流能力的评价研究涉及了熵值法、灰色关联度法、模糊物元法、层次分析法(AHP)、TOPSIS法、因子分析法、粗糙集等常用决策方法。

优势关系(Dominance Relation, DR)是Greco等提出的用于刻画优势程度的工具，能够解决粗糙集方法计算中的连续属性和偏序关系问题[12-14]。然而，该工具容错能力较差，对数据要求较为严格，实际应用中限制较多。为此，翁世洲等[15](2015)考虑两个方案中满足优劣关系的属性个数和比例，提出了基于概率优势关系的粗糙集模型；进一步地，考虑到决策者的主观模糊性和随机性，本研究团队[16](2019)提出一种云模型与概率优势关系(PDR)相结合的云概率优势关系(云PDR)方法，通过计算期望、熵、超熵，对方案进行评价与对比。综上，本文采用云PDR方法对区域物流能力进行评价和分类。首先，通过分析区域物流能力的内涵和影响因素，结合前人研究和相关数据，确定评价指标体系；其次，采用云PDR方法对2012—2016年京津冀、哈长、长三角、中原、长江中游、北部湾和成渝区域的物流能力进行评价，探索考察期内各区域物流能力的水平及变化情况，分析区域内部各省(市)物流能力的水平和变化差异；最后，分别依据“综合水平-波动”和“投入-产出”对各区域及其内部省(市)进行分类。通过上述基于数据的评价与分类结果，提出针对性建议，以期为区域物流能力的提升提供依据和参考。

二、区域物流能力与评价指标体系的确定

(一)区域物流能力的内涵与影响因素

区域物流作为物流的一个子系统，是在以区域为基本单位的经济范围内，通过物流各环节和功能实现该经济范围内外的物品从供应地向接收地的实体流动，能够为区域经济的发展提供支持和保障。据此，研究综合周泰[4](2008)、王岳峰[6](2010)等学者的观点，认为区域物流能力是区域物流主体依托区位优势与资源，为所在区域社会经济发展提供物流支撑与服务的综合能力，有利于深化区域分工、优化空间布局[7]，同时也可以作为衡量物流服务水平的标准，对于区域物流发展规划和相关政策的制定具有指导意义。

区域物流能力是一个涉及不同因素的多维概念，受到多种因素的影响[7]：一方面，地理位置、气候条件、基础设施、物流人才、技术能力、资金支持等生产要素是物流发展的基础性因素；另一方面，区域的经济发展水平、居民生活水平以及相关物流发展政策与方针等外部因素也会影响区域物流能力的发展。同时，作为第三产业的重要组成部分，物流业的发展也离不开第一、二产业的支持。

(二)预选评价指标集构建

区域物流能力评价是目前学术界关注的热点问题，而影响区域物流能力的因素有很多，本文以“物流”“能力”“评价”等为主题在中国期刊全文数据库检索，共检索出2011—2019年间相关文献481篇，其中涉及到的区域物流能力评价指标包含：每10万人中高等学校平均在校生数、互联网上网人数、货运量、货物周转量、物流发展氛围；物流业增加值、货物处理量、物流业增加值占GDP比重、公路密度、物流业固定投资额比重、GDP增长率；铁路运营里程、机场航线、港口吞吐量、移动固定电话普及率、物流贡献率；物流从业人员数量、电信业务总量、消费品零售额、人均财政收入、高速公路里程数、第三产业增长速度；交通运输投资、公路里程[17]；居民消费水平、进出口总额、财政收入、财政支出[18]等等。基于此并结合前述区域物流能力的内涵及影响因素，提出区域物流能力评价预选指标集，见表1。

表1 区域物流能力评价预选指标集

续表1

编号指标单位编号指标单位编号指标单位C6物流业增加值占比%C14固定资产投资额占比%C22地方财政交通运输支出亿元C7人均GDP元/人C15社会消费品零售总额亿元C23第三产业占GDP的比重%C8GDP亿元C16地方财政税收收入亿元

(三)基于因子分析的评价指标体系确定

根据确定的23个预选指标，基于北京、黑龙江、上海、山东、湖北、广东、四川7个省(市)2016年的真实样本数据，通过因子分析法对指标进行检验、筛选和分类。

1.计算指标分辨力。以变异系数表示各指标分辨力，计算结果见表2。其中，指标C6的变异系数为0.06，说明各省(市)的物流能力在物流业增加值占比上趋于一致，因此,剔除指标C6。

表2 各指标变异系数

2.计算各指标相关度。通过相关系数分析指标相关度，结果显示，指标C10与C17、C11与C18的相关系数均大于0.9，存在较严重的信息重叠，因此，分别仅选择一个C11和C17作为评价指标。

3.提取公因子并命名。(1)对通过分辨力和相关性检验的20个有效指标进行KMO(0.875)和Bartlett球形检验(Sig值为0.000)，满足度量标准，说明其适合进行因子分析；(2)采用主成分分析法和Kaiser标准提取主因子，结果显示，前4个因子的特征值均大于1，且累积方差贡献率达到96.985%，说明这4个因子包含了20个指标的绝大部分信息量，可以较全面地反映区域物流的能力水平，因此,将其作为主因子，分别记作A1、A2、A3、A4；(3)根据正交旋转后的因子载荷矩阵(见表3)分析各主因子涵盖的指标并命名。主因子A1在指标C1、C4、C9、C11、C12、C14、C17、C19上载荷系数较大，包含了交通运输条件和信息发展水平的情况，命名为“物流基础设施”因子；A2在C3、C7、C8、C16、C22、C23上具有较大载荷，主要反映了物流发展的经济、政策环境，因此，称为“物流发展环境” 因子；A3在C13和C20两个反映物流人才资源的指标上载荷较大，故称为“物流人才”因子；A4在指标C2、C5、C15、C21上具有较大载荷，这四个指标都与区域物流的产出规模相关，可称为“物流产出规模”因子。

表3 因子分析旋转后的载荷矩阵

续表3

主因子物流基础设施物流发展环境物流人才物流规模地方财政税收收入C160.4100.8410.1080.331互联网宽带接入用户C170.851-0.4050.3090.060公路营运汽车拥有量C190.893-0.5760.4620.040每10万人高等学校平均在校生数C20-0.2020.0050.909-0.281邮电业务总量C210.058-0.003-0.0060.992地方财政交通运输支出C22-0.1670.966-0.088-0.039第三产业占GDP的比重C23-0.1060.979-0.1190.010

运用SPSS软件计算每一个主因子的α系数，结果显示，各主因子的α系数均大于0.7，满足判断标准，指标具有良好的内部一致性。

(四)区域物流能力评价指标体系

最终所构建的区域物流能力评价指标体系见表4。

表4 区域物流能力评价指标体系

三、云概率优势关系(云PDR)法

云概率优势关系(云PDR)法是将概率优势关系引入传统粗糙集方法，并结合云模型提出的一种多准则决策方法，能够同时分析评价对象的综合水平和波动情况。一方面，该方法无需确定权重即可对各研究对象进行评价，有效避免了AHP、DEA、粗糙集等方法确定指标权重造成的决策主观性问题；另一方面，云PDR方法通过各对象在各指标下的两两比较分析优劣关系，计算评价结果，与因子分析方法相比，鲁棒性较强，数据搜集的误差对评价结果的影响较小。上述特点与优势使云PDR方法对于分析指标数量多、数据繁杂、结果变化性强的区域物流能力评价问题具有较强的适用性。

基于云模型和概率优势关系的相关方法与理论，云概率优势关系(云PDR)法的具体步骤如下[15]：

Step1 属性值的云转换

根据云模型的概念与特点，首先需要将原始数据转化为相应的云滴形式，即Xi(Exi,Eni,Hei)。

(1)

其中，期望Ex、熵En和超熵He分别为对象i在属性c下k个实际值fick的平均水平、波动情况和可能出现的随机性。

Step 2 云优势度的计算

设属性cn下对象xi的云属性值为Xi(Exi,Eni,Hei)，对象xj的云属性值为Xj(Exj,Enj,Hej)，两对象之间Ex、En和He的优势度见表5。

表5 两对象Ex、En和He的优势度

其中，pc′(xi,xj)、pc″(xi,xj)和p‴c(xi,xj)分别表示对象xj相比于xi在属性c下期望Ex、熵En和超熵He的优势度。根据云滴比较规则，Exj>Exi时，p'c(xi,xj)=1，表示对于期望Ex，xj优于xi，pc′(xi,xj)=0.5，表明xj与xi不相上下；相反，Enj>Eni、Hej>Hei时，pc″(xi,xj)、pc‴(xi,xj)均为0，表示对于熵和超熵，xj劣于xi，即xj波动更明显、不确定性更强烈。反之亦然。特别地，当xi、xj其中有一个值缺失(*)时，pc′(xi,xj)、pc″(xi,xj)、pc‴(xi,xj)取值均为0.5。

综上，在属性c下对象xj相较于xi的云优势度可记为

pc(xi,xj)=[pc′,pc″,pc‴]

(2)

类似地，对象xj在全体属性集C下不劣于xi的云优势度可记为

pC(xi,xj)=[pC′,pC″,pC‴]

(3)

其中，

(4)

|c′|、|c″|和|c‴|分别表示在Ex、En和He下xj占优的属性个数，即pc′(xi,xj)，pc″(xi,xj)和pc‴(xi,xj)中取值为1的属性；|b|表示xj与xi不相上下的属性个数，即pc″(xi,xj)，pc″(xi,xj)和pc‴(xi,xj)中取值为0.5的属性；|C|为全体属性集的数量。

Step 3计算α概率云优势类、云优势矩阵和综合云优势度

Step 3.1 计算α概率云优势类

(5)

Step 3.2 计算云优势矩阵

(6)

Step 3.3 计算综合云优势度

(7)

综上，综合云优势度即为各对象Ex、En和He的评价结果。

四、实证分析

(一)研究样本及数据来源

根据国务院相关批复以及《国家新型城镇化规划(2014—2020年)》，研究选取京津冀城市群(北京、天津、河北)、哈长城市群(吉林、黑龙江)、长三角城市群(上海、江苏、浙江)、中原城市群(山西、安徽、山东、河南)、长江中游城市群(湖北、湖南、江西)、北部湾(广东、广西、海南)和成渝城市群(重庆和四川)7个典型国家级城市群区域及其中的20个省(市)为研究对象。考虑到指标数据的完整性与可获取性，以2012—2016年的相关数据为样本，探索区域及其内部各省(市)之间物流能力水平与波动情况。其中，各区域数据以其所包含省(市)在指标下取值的均值表示。上述数据均来自《中国统计年鉴》、各省(市)地方统计年鉴以及相关统计局网站等统计数据与资料。

(二)区域物流能力综合评价

1.区域内各省(市)物流能力综合评价

各区域内省(市)物流能力水平及波动情况见表6。

由表6并根据云优势度比较规则可以得出如下结论：

(1)从物流能力水平来看，各省(市)存在显著差异。京津冀、哈长、长三角、中原、长江中游、北部湾、成渝7个区域内部各省(市)物流能力水平的排名情况依次为：北京、河北、天津；黑龙江、吉林；江苏、浙江、上海；山东、河南、安徽、山西；湖南、江西、湖北；广东、广西、海南；四川、重庆。以京津冀区域为例，北京在物流人才和物流发展环境方面表现突出，河北的优势主要体现在物流基础设施和产出规模方面。

(2)从物流能力的波动情况来看，各省(市)亦表现出不同特征。有的省(市)波动较大，如江苏、浙江、山东、河南、广东、四川；有的则相对平稳，如北京、河北、山西、湖北、重庆；还有一些省(市)，如天津、海南、吉林和黑龙江，其物流能力水平则处于持续稳定的发展状态。以北京为例，其物流发展环境波动较大，而物流基础设施水平则表现的非常稳定。

2.区域间物流能力综合评价

各区域物流能力综合水平及波动情况见表7。

表6 2012—2016年各省(市)整体和各指标的综合云优势度(Ex,En,He)

表7 2012—2016年区域整体和各指标的综合云优势度(Ex,En,He)

由表7并根据云优势度比较规则可以得出如下结论：

(1)从物流能力水平来看，各区域差距明显。长三角(0.93)、北部湾(0.79)和中原区域(0.64)占据前三，物流能力最强；京津冀区域物流能力处于中等水平；成渝地区和长江中游地区物流能力较弱，而哈长地区的综合优势度仅为0.07。从一级指标看，长三角区域在各指标下的表现均较好，北部湾和中原区域的制约因素主要为物流人才，长江中游区域物流能力提升的制约因素主要为物流发展环境，京津冀区域的物流基础设施和产出规模较弱，成渝区域物流人才和发展环境较弱。

(2)从物流能力波动来看，7个区域情况各不相同。具体表现为：长三角和北部湾区域波动最大，成渝和中原区域次之，长江中游和京津冀区域相对稳定，而哈长地区则居于最稳定之位。一级指标的波动性方面：长三角地区的波动主要表现为基础设施和物流人才，北部湾地区主要为物流基础设施，成渝和中原区域的波动因素主要为物流人才。

(三)区域物流能力分类

以区域物流能力评价结果为依据，从区域物流能力的“综合水平-波动”和“投入-产出”两方面对7个区域和20个省(市)进行分类，结论如下：

1.区域物流综合能力的“水平-波动”分类

考虑区域物流能力的综合水平和波动两个维度，可以将区域物流能力分为4种类型，每种类型的命名和特点如下：

Ⅰ持续提升型。高水平，高波动。物流人才和基础设施丰富，发展环境良好，物流产出效益显著，且不断向好的方向发展。

Ⅱ稳定发展型。高水平，低波动。该类型的物流竞争能力相对较高，且一直表现为稳定良性发展的态势。

Ⅲ探索追赶型。低水平，高波动。虽然该类型的物流竞争能力相对较低，但其一直在从各个方面探寻合适的发展路径，为提升竞争能力不断努力。

Ⅳ保守落后型。低水平，低波动。与其他类型相比，该类型的物流能力和在各方面的表现相对落后。

7个区域物流能力分类结果如图1所示，其中横轴越接近1，表示波动程度越小。I型区域包括长三角、北部湾和中原地区；II型区域为京津冀区域；III型区域为成渝区域；IV型区域包括长江中游和哈长区域。

20个省(市)的物流能力分类结果如图2所示。I区域包括广东、江苏、浙江、山东、四川、河南、上海、湖南、江西；II型区域为北京和河北；III型区域为安徽；IV型区域包括黑龙江、湖北、山西、重庆、广西、吉林、天津、海南。

2.区域物流能力的“投入-产出”分类

以物流人才和基础设施指标为物流投入，以物流产出规模指标为物流产出，从“投入-产出”维度可将区域物流能力分为4类：

Ⅰ高效型。低投入，高产出。物流投入得到高效转化，物流产出显著。

Ⅱ积极型。高投入，高产出。物流业发展活跃，较为重视物流人才和基础设施投入，相应的产出也较多。

Ⅲ低效型。高投入，低产出。物流发展的投入产出比相对较低，投入的消化吸收与转化效果不理想。

Ⅳ保守型。低投入，低产出。对物流业发展持保守态度，投入力度相对较小，相应的产出也较少。

7个区域的分类结果如图3所示。I型区域包括中原地区；Ⅱ型区域为北部湾和长三角地区；Ⅲ型区域包含京津冀和成渝地区；Ⅳ型区域为长江中游和哈长地区。

20个省(市)的分类结果如图4所示。I型省(市)仅包含上海；Ⅱ型省(市)为河北、江西、河南、湖南、山东、浙江、四川、广东、江苏；Ⅲ型省(市)为北京；Ⅳ型省(市)包括安徽、广西、山西、湖北、黑龙江、重庆、吉林、天津和海南。

五、结论与建议

基于数据分析确定的评价指标，运用所提出的云概率优势关系(云PDR)方法，对7个区域和20个省(市)区域物流能力的水平和波动情况进行评价与分类，识别关键制约与促进因素，研究结论如下：

1.在物流能力的水平和波动方面，各区域及省(市)差异显著，具有不同的驱动因素与薄弱环节。北部湾地区和中原地区的制约因素为物流人才，京津冀地区为基础设施，成渝地区和长江中游地区为物流发展环境，哈长地区在物流人才、基础设施、产出规模、物流发展环境方面均表现平平。

2.从“综合水平-波动”和“投入-产出”两个维度，7个区域分属于不同的物流发展类型，长三角地区和北部湾地区属于积极的持续提升型，中原区域属于高效的持续提升型，京津冀地区和成渝地区分别为低效的稳定发展型和低效的探索追赶型，长江中游和哈长地区属于保守落后型。

结合上述研究结论，针对不同区域的发展特征和所属类型，提出相应的物流能力提升建议：

1.物流发展处于保守落后型的区域应该进一步加强物流发展意识，合理利用自身优势资源，发展地方特色物流业。例如，根据前述数据分析结果，哈长等地区物流能力较为落后，物流人才、基础设施、产出规模及物流发展环境表现相对欠佳，而其根源为物流发展意识薄弱，应从物流发展意识入手提升物流能力。

2.物流能力与发展水平相对平稳的区域应该加快物流基础设施建设，如现代化仓储设施、物流园区、配送中心等的建设，并在此基础上推进区域内物流信息交流与资源共享，共同促进区域物流能力的提升。例如，京津冀地区物流发展的制约因素主要为与物流相关的基础设施不足，应从此方面推进物流能力提升。

3.物流发展相对活跃的区域应该重视物流专业人才的引进，加大物流教育投入力度，完善物流人才培养体系。例如，中原和北部湾等地区物流发展的制约因素主要体现为人力资源无法满足物流业快速发展的需求，人才的培养与引进是其物流能力提升的关键。

4.物流能力与发展水平较高的区域应该在保持现有发展的基础上，积极探索、引进先进的物流技术，努力提升物流投入产出效率。例如，包括上海、江苏、浙江等发达城市的长三角地区，其物流能力呈现持续的上升态势，物流人才和基础设施丰富，物流发展环境良好，应从效率优化方面进一步提升物流能力。