作為中國(guó)著名的鋼鐵工業(yè)城市，包頭市一枝獨(dú)秀，在物流產(chǎn)業(yè)上具有明顯優(yōu)勢(shì)。區(qū)域物流發(fā)展在物流節(jié)點(diǎn)城市中處在領(lǐng)先水平，包頭市的物流產(chǎn)業(yè)因子得分最高，其貨運(yùn)總量為38 841萬噸，遙遙領(lǐng)先于其他節(jié)點(diǎn)城市，這也決定了包頭市被單獨(dú)列為一類。

　　今天學(xué)習(xí)啦小編要與大家分享的是：。具體內(nèi)容如下，歡迎閱讀!

　　摘要：文章在宏觀層次上構(gòu)建一套以客觀指標(biāo)構(gòu)成的區(qū)域物流發(fā)展評(píng)價(jià)指標(biāo)體系，從人口規(guī)模、經(jīng)濟(jì)實(shí)力、工業(yè)規(guī)模、第三產(chǎn)業(yè)規(guī)模、物流主導(dǎo)產(chǎn)業(yè)規(guī)模五個(gè)方面來衡量我國(guó)11個(gè)節(jié)點(diǎn)城市的物流發(fā)展?fàn)顩r，并運(yùn)用因子分析、聚類分析對(duì)各個(gè)城市的物流發(fā)展差異進(jìn)行了比較，最后給出相應(yīng)的政策建議。

　　關(guān)鍵詞：區(qū)域物流;節(jié)點(diǎn)城市;因子分析;聚類分析
論文正文：

我國(guó)區(qū)域物流節(jié)點(diǎn)城市發(fā)展的統(tǒng)計(jì)評(píng)價(jià)分析

　　一、 引言

　　本文綜合以前學(xué)者的研究成果，突出不同區(qū)域的物流產(chǎn)業(yè)發(fā)展水平，提出更為簡(jiǎn)便可行的指標(biāo)體系，同時(shí)運(yùn)用因子分析和聚類分析，對(duì)這些區(qū)域節(jié)點(diǎn)城市的物流發(fā)展水平進(jìn)行比較研究，最后針對(duì)分析結(jié)果提出一些改進(jìn)建議。

　　二、 區(qū)域物流發(fā)展指標(biāo)體系的構(gòu)建

　　1. 評(píng)價(jià)指標(biāo)體系的建立。本文選取的指標(biāo)力圖能夠反映區(qū)域物流發(fā)展的整體水平，通過對(duì)各種物流評(píng)價(jià)指標(biāo)體系的比較，按照指標(biāo)設(shè)置的原則，經(jīng)過反復(fù)篩選，最終從人口規(guī)模、經(jīng)濟(jì)實(shí)力、工業(yè)規(guī)模、第三產(chǎn)業(yè)規(guī)模、物流主導(dǎo)產(chǎn)業(yè)規(guī)模五個(gè)方面確立了現(xiàn)代區(qū)域物流評(píng)價(jià)指標(biāo)體系，并將這些方面分解為9項(xiàng)二級(jí)指標(biāo)(表1)。

　　2. 數(shù)據(jù)來源與分析步驟。本研究的數(shù)據(jù)來源于《中國(guó)城市統(tǒng)計(jì)年鑒2009》以及各城市統(tǒng)計(jì)年鑒，由于在17個(gè)區(qū)域物流節(jié)點(diǎn)城市中，數(shù)據(jù)符合要求的有11個(gè)城市，包括哈爾濱、長(zhǎng)春、包頭、呼和浩特、太原、合肥、福州、長(zhǎng)沙、昆明、?？?、銀川，本文就以這些城市為研究對(duì)象。在數(shù)據(jù)準(zhǔn)備階段完成之后，利用SPSS17.0for windows統(tǒng)計(jì)軟件從以下幾個(gè)方面展開分析。首先檢驗(yàn)構(gòu)建的區(qū)域物流評(píng)估指標(biāo)系統(tǒng)，然后選擇因子分析法從9個(gè)具體指標(biāo)中提取出n個(gè)公共因子，根據(jù)得到的因子得分，建立模型計(jì)算綜合得分，從而對(duì)各節(jié)點(diǎn)城市的物流綜合水平進(jìn)行排序，為確保研究結(jié)果的科學(xué)性和可靠性，在因子分析的基礎(chǔ)上進(jìn)一步進(jìn)行聚類分析， 并利用聚類分析結(jié)果對(duì)全國(guó)區(qū)域物流節(jié)點(diǎn)城市的發(fā)展水平進(jìn)行總體評(píng)價(jià)，并給出相應(yīng)的政策建議。

　　三、 因子分析

　　1. 因子分析適用性檢驗(yàn)。在指標(biāo)綜合評(píng)價(jià)中利用因子分析的目的是從眾多的原有指標(biāo)變量中提取出少量的具有代表性的因子，提取出的因子必須能夠代表不同的評(píng)價(jià)維度。其應(yīng)用的前提是要求原指標(biāo)之間具有較強(qiáng)的相關(guān)關(guān)系，否則就不能運(yùn)用因子分析法，我們將原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理之后，采用KMO和Bartlett檢驗(yàn)方法來檢測(cè)因子分析法的適用性。其檢測(cè)結(jié)果如表2所示。

　　Bartlett球度檢驗(yàn)表明：Bartlett值=131.602。P接近于0，若顯著性水平為0.01，則拒絕相關(guān)矩陣為單位矩陣的原假設(shè)，相關(guān)矩陣與單位矩陣存在顯著差異，可以進(jìn)行因子分析。取樣足夠的Kaiser-Meyer-Olkin檢驗(yàn)是用于比較觀測(cè)相關(guān)系數(shù)值與偏相關(guān)數(shù)值的一個(gè)指標(biāo)，其值越逼近1，表明對(duì)這些變量進(jìn)行因子分析的效果越好，從表2中可見，KMO值大于0.5，因而可以對(duì)指標(biāo)變量進(jìn)行因子分析。

　　2. 因子提取。本文采用主成分分析法對(duì)指標(biāo)數(shù)據(jù)進(jìn)行因子分析，按照相關(guān)系數(shù)矩陣特征值大于1的標(biāo)準(zhǔn)，從原9個(gè)統(tǒng)計(jì)指標(biāo)中提取二個(gè)主因子來表達(dá)其信息含量。表3是指標(biāo)數(shù)據(jù)作因子分析后的因子提取和因子旋轉(zhuǎn)結(jié)果。第二列至第四列描述了因子分析的初始解對(duì)原有變量總體的刻畫情況;第二列合計(jì)是各成分的特征值。第一成分特征值合計(jì)=4.883，第二成分特征值為合計(jì)=1.797，這里只有前兩個(gè)因子的特征值大于1。第三列是各因子變量的方差貢獻(xiàn)率，即該因子刻畫的方差占原有變量總方差的比例;第四列是因子變量的累計(jì)方差貢獻(xiàn)率，表示前m個(gè)因子刻畫的總方差占原有變量總方差的比例。從表3中可見，如果提取2個(gè)公共因子，那么它們可描述原變量總方差的90.536%，大于80%，可以認(rèn)為，這2個(gè)公因子基本反映了原變量的絕大部分信息。

　　3. 因子旋轉(zhuǎn)。因子分析的目的不僅是要找出主因子，更重要的是知道每個(gè)主因子的具體經(jīng)濟(jì)意義。為便于對(duì)主因子進(jìn)行解釋，一般須對(duì)因子載荷矩陣進(jìn)行旋轉(zhuǎn)。本研究采用方差極大值法進(jìn)行正交旋轉(zhuǎn)之后，得到9個(gè)指標(biāo)的兩個(gè)因子負(fù)荷，如表4所示。

　　從表4可以看出，第一主成分對(duì)社會(huì)消費(fèi)品零售總額、國(guó)內(nèi)生產(chǎn)總值、第三產(chǎn)業(yè)增加值、年末總?cè)丝?、工業(yè)總產(chǎn)值有絕對(duì)值較大的相關(guān)系數(shù)，第二個(gè)因子相關(guān)系數(shù)絕對(duì)數(shù)較大的正好是九個(gè)原始變量中的另外四個(gè)，即貨運(yùn)總量、公路貨運(yùn)量、鐵路貨物運(yùn)量、交通運(yùn)輸、倉(cāng)儲(chǔ)及郵政業(yè)增加值。根據(jù)這些變量的原始含義可以對(duì)兩個(gè)因子進(jìn)行命名。第一個(gè)因子主要概括了一般的社會(huì)人口規(guī)模、經(jīng)濟(jì)實(shí)力、工業(yè)和第三產(chǎn)業(yè)的規(guī)模，可以命名為社會(huì)經(jīng)濟(jì)因子。第二個(gè)因子主要概括了物流主導(dǎo)產(chǎn)業(yè)的情況，可以稱為物流產(chǎn)業(yè)因子。

　　根據(jù)表4的最終因子載荷矩陣，由此可以寫出如下因子分析的模型：

　　X1=0.979F1+0.024F2;X2=0.974F1+0.183F2;……;X9=0.324F1+0.879F2

　　Xi(i=1，2，…，9)代表了9個(gè)評(píng)價(jià)指標(biāo)，公共因子F1表示社會(huì)經(jīng)濟(jì)因子，F(xiàn)2表示物流產(chǎn)業(yè)因子。由于因子載荷矩陣是正交旋轉(zhuǎn)，這兩個(gè)因子之間不存在相關(guān)，避免了因子綜合評(píng)價(jià)的多重共線性，故可以代表不同的評(píng)價(jià)維度。

　　4. 因子得分。因子分析把原來的9個(gè)指標(biāo)濃縮成相互獨(dú)立的2個(gè)公因子，一方面達(dá)到了降維的目的;另一方面也排除了指標(biāo)之間的相關(guān)性，同時(shí)，SPSS根據(jù)因子得分函數(shù)自動(dòng)計(jì)算各樣本的因子得分，并選取各因子的方差貢獻(xiàn)率為因子得分權(quán)重，計(jì)算各城市的綜合因子得分，其計(jì)算形式為：

　　F=0.511 09F1+0.394 26F2

　　每個(gè)城市的綜合因子得分反映了各節(jié)點(diǎn)城市區(qū)域物流綜合實(shí)力的強(qiáng)弱，將11個(gè)城市的綜合因子得分從高到低排序，如表5所示。

　　四、 聚類分析

　　聚類分析是研究“物以類聚”的一種多元統(tǒng)計(jì)分析方法。最常用最基本的一種聚類分析方法是層次聚類分析，此外還有動(dòng)態(tài)聚類法、模糊聚類法、有序聚類法等，本研究采用層次聚類法。

　　層次聚類法的基本思想是，一開始將要?dú)w類的n個(gè)變量看成一類，然后按事先規(guī)定好的方法計(jì)算各類之間的歸類指數(shù)(相似系數(shù)或距離)，根據(jù)指數(shù)大小衡量?jī)深愔g的密切程度，將關(guān)系最密切的兩類并成一類，其余不變，即得n-1類;重新計(jì)算各類之間的歸類指數(shù)，再將關(guān)系最密切的兩類并成一類，其余不變，即得n-2類;如此進(jìn)行下去，直到最后n個(gè)變量都?xì)w成一類。

　　我們按照層次聚類法的步驟，首先經(jīng)過運(yùn)算將原始數(shù)據(jù)標(biāo)準(zhǔn)化，使具有不同量綱、不同數(shù)量級(jí)的數(shù)據(jù)能放在一起比較;然后用11個(gè)節(jié)點(diǎn)城市的標(biāo)準(zhǔn)化數(shù)據(jù)求出歐氏距離;最后應(yīng)用Wald離差平方和法，按照使總的類內(nèi)離差平方和增加最小的原則，使得類的分法逐漸減小。具體聚類過程見表6。

　　SPSS完成以上運(yùn)算步驟后，可將11個(gè)城市分成2類~4類，如果按照四類來劃分，其中包頭距離其他城市較遠(yuǎn)，單獨(dú)聚合為一類;屬于物流發(fā)展高水平的地區(qū);長(zhǎng)沙、哈爾濱、長(zhǎng)春、福州聚合為一類，屬于物流發(fā)展中等偏上地區(qū);合肥、呼和浩特、太原、昆明距離較近，聚合為一類，屬于物流發(fā)展中等偏下地區(qū);?？?、銀川聚合為一類，相對(duì)于全國(guó)其他九個(gè)節(jié)點(diǎn)城市來說，是屬于物流發(fā)展低水平地區(qū)(見表7)。

　　五、 結(jié)論及政策建議

　　第一類為包頭。作為中國(guó)著名的鋼鐵工業(yè)城市，包頭市一枝獨(dú)秀，在物流產(chǎn)業(yè)上具有明顯優(yōu)勢(shì)。區(qū)域物流發(fā)展在物流節(jié)點(diǎn)城市中處在領(lǐng)先水平，包頭市的物流產(chǎn)業(yè)因子得分最高，其貨運(yùn)總量為38 841萬噸，遙遙領(lǐng)先于其他節(jié)點(diǎn)城市，這也決定了包頭市被單獨(dú)列為一類。但其社會(huì)經(jīng)濟(jì)因子表現(xiàn)不佳，城市人口規(guī)模小，第三產(chǎn)業(yè)方面處于劣勢(shì)地位。然而物流產(chǎn)業(yè)的絕對(duì)優(yōu)勢(shì)使得包頭市的整體物流發(fā)展實(shí)力最強(qiáng)，最終得分排名第一。隨著我國(guó)城市化進(jìn)程的快速發(fā)展，可以預(yù)見包頭市對(duì)第三產(chǎn)業(yè)的需求會(huì)逐漸加強(qiáng)。因此，包頭市需強(qiáng)化經(jīng)濟(jì)發(fā)展的基礎(chǔ)，重點(diǎn)提升第三產(chǎn)業(yè)的增加值，發(fā)揮其鋼鐵物流的規(guī)模經(jīng)濟(jì)優(yōu)勢(shì)，提高投資收益率，增強(qiáng)其持續(xù)發(fā)展的能力。

　　第二類包括長(zhǎng)沙、哈爾濱、長(zhǎng)春、福州，這四座城市的綜合排名靠前，其中哈爾濱的國(guó)內(nèi)生產(chǎn)總值最高，在社會(huì)經(jīng)濟(jì)因子得分方面名列前茅，顯示了較強(qiáng)的經(jīng)濟(jì)實(shí)力和工業(yè)規(guī)模，但其物流產(chǎn)業(yè)因子表現(xiàn)平平，最終綜合排名位居亞軍。其余城市的因子得分也不均衡，主要表現(xiàn)在社會(huì)經(jīng)濟(jì)因子得分排名高于物流產(chǎn)業(yè)因子的得分排名， 反映了其物流業(yè)的發(fā)展滯后于社會(huì)經(jīng)濟(jì)的發(fā)展。因此，建議這類城市，在努力增強(qiáng)經(jīng)濟(jì)實(shí)力的同時(shí)，要重點(diǎn)確定其物流發(fā)展的差異化戰(zhàn)略，根據(jù)自身城市定位和區(qū)位交通優(yōu)勢(shì)，優(yōu)先發(fā)展合適的交通運(yùn)輸方式，加強(qiáng)物流基礎(chǔ)設(shè)施的建設(shè)，注重與區(qū)域城市的分工合作，形成良好的區(qū)域物流網(wǎng)絡(luò)系統(tǒng)，快速推進(jìn)其物流業(yè)的發(fā)展。

　　第三類包括合肥、呼和浩特、太原、昆明，這四座城市綜合因子得分排名中等偏下，其中合肥和太原因子得分較不均衡，由于太原的傳統(tǒng)產(chǎn)業(yè)和地理區(qū)位優(yōu)勢(shì)，作為貫通南北的中西部交通樞紐，太原物流產(chǎn)業(yè)具有明顯的優(yōu)勢(shì)，2008年太原貨運(yùn)總量達(dá)到20 962萬噸，其物流產(chǎn)業(yè)因子的排名僅次于包頭，但其社會(huì)經(jīng)濟(jì)因子位次靠后，其第三產(chǎn)業(yè)規(guī)模也與包頭市相當(dāng)，我們認(rèn)為太原今后的發(fā)展重點(diǎn)是促進(jìn)區(qū)域經(jīng)濟(jì)的發(fā)展;合肥市近年來經(jīng)濟(jì)快速增長(zhǎng)，平均增長(zhǎng)率約為17%，領(lǐng)跑于中部的省會(huì)城市，其社會(huì)經(jīng)濟(jì)因子位列第五，屬中上等水平，但物流發(fā)展因子得分僅高于?？?、銀川，屬于較低水平，并且合肥與周邊省會(huì)城市相比，物流業(yè)的基數(shù)很小，增長(zhǎng)速度相對(duì)較慢，合肥如果不快速擴(kuò)大物流產(chǎn)業(yè)規(guī)模，將可能會(huì)失去周邊的物流市場(chǎng)。呼和浩特與昆明在各因子得分方面表現(xiàn)平平，特別是呼和浩特沒有突出的經(jīng)濟(jì)表現(xiàn)，其經(jīng)濟(jì)總量和貨運(yùn)總量也處于下游。在今后的發(fā)展中，我們建議這些城市要重點(diǎn)培養(yǎng)一批優(yōu)勢(shì)支柱產(chǎn)業(yè)，加強(qiáng)交通基礎(chǔ)設(shè)施的建設(shè)，夯實(shí)其經(jīng)濟(jì)基礎(chǔ)并發(fā)展優(yōu)勢(shì)物流產(chǎn)業(yè)。

　　第四類包括?？?、銀川，由于經(jīng)濟(jì)、地理、人口、文化及交通等原因，這兩座城市綜合排名比較靠后，二個(gè)因子的得分都很低，與以上三類城市有明顯的差異，在區(qū)域物流節(jié)點(diǎn)城市的比較中明顯處于劣勢(shì)，由于物流產(chǎn)業(yè)是為其他產(chǎn)業(yè)提供支持的生產(chǎn)性服務(wù)產(chǎn)業(yè)，經(jīng)濟(jì)基礎(chǔ)對(duì)發(fā)展物流產(chǎn)業(yè)至關(guān)重要，?？?、銀川兩市首先要從產(chǎn)業(yè)經(jīng)濟(jì)抓起，運(yùn)用現(xiàn)代化的管理理念和手段，做好招商引資工作，提升其區(qū)域經(jīng)濟(jì)的競(jìng)爭(zhēng)力;其次應(yīng)找準(zhǔn)物流的發(fā)展定位，如?？谑袘?yīng)著重發(fā)展港口物流和國(guó)際物流，然后將區(qū)域物流與支柱性產(chǎn)業(yè)形成有機(jī)的業(yè)務(wù)鏈，集中優(yōu)勢(shì)資源，發(fā)展最能體現(xiàn)自身特色的物流產(chǎn)業(yè)。