摘要:物流业对国民经济和社会发展起着照耀的作用。物流产业发展的综合评价是指导地区物流产业发展的重要标准之一,本文在构建重庆市物流产业发展综合指标体系的基础上运用多元统计分析中的主成分分析方法对重庆近14年来的物流发展现状进行了综合评价,为重庆物流产业的发展提供了对策和建议,以提重庆市整体物流发展水平。
关键词:主成分分析 物流产业 综合评价
一、研究背景及文献回顾
物流业被称为“第三方利润源”和“经济黑大陆”从上世纪80年代传入我国后在社会各界引起高度的重视。近年来,我国物流业虽然发展很快,但仍然处于发展阶段,还存在很多制约物流业发展的因素。因此,很多学者从事研究物流业,为物流业发展提供对策。然而目前大多数学者局限于物流需求预测等方面的研究 ,而且更多地停留在理论层面上,很少对影响物流发展的诸因素进行有效的综合评价。而赵燕、张文杰 (2001) 把物流规模定义为从数量上反映物流产业和物流需求的指标 , 认为货运量和货物周转量在一定程度上可以用来衡量社会物流规模①;漆莉莉(2005)从物流与经济可持续发展的角度出发 , 建立了系列统计指标体系 , 通过因子分析法计算不同省份各物流指标的因子得分 , 从因子得分角度对我国东部地区物流发展状况进行了分析与测评②;唐中赋、顾培亮、任学锋 (2005)构造了港口物流发展的系统模型和综合评价指标体系 ,应用因子得分对我国上海、天津、广州、深圳等 8 个港口的物流发展水平进行了实证分析 , 给出针对性的政策建议③;李莉等 (2003) 以货运量和 GDP为指标 ,用最小二乘法对物流产业发展与国民经济整体水平提升作了相关性分析④等人虽然研究了物流发展的相关影响因素却没有对重庆市的物流业进行分析;康世瀛(2001)分析了重庆物流业的现状和需求,阐述了建立现代化的物流业所面临的各种挑战,并根据当前国内外形势提出了重庆市建立现代化大物流的对策和建议⑤,但是没有将影响物流发展的诸因素进行综合评价。本文从主成分分析的角度出发,以重庆市14年来的数据为例来探讨哪些因素是物流发展的主要因素 ,对重庆物流产业发展现状进行综合评价 ,从而为重庆的物流产业的发展提供一定的启示。
二、重庆市物流产业发展及评价
1.主成分分析的基本原理
主成分分析法也称主分量分析,是用降维的思想把反映样本某项特征的多个指标变量转化为少数几个综合变量的多元统计方法,原来是用于处理多维随机变量在线性变换下其分量相关问题的。它是通过求协方差或相关系数矩阵的特征值与特征根运算,按指定的贡献率求出几种原来随机变量主要信息的、相互无关的主成分,其在压缩随机变量个数不损失原有信息条件下方面作用是显著的。
在实证问题研究中,为了全面、系统地分析问题,我们必须考虑众多影响因素。这些涉及的因素在多元统计分析中称为变量。因为每个变量都在不同程度上反映了所研究问题的某些信息,并且指标之间彼此有一定的相关性,因而所得的统计数据反映的信息在一定程度上有重叠。在用统计方法研究多变量问题时,变量太 多会增加计算量和增加分析问题的复杂性,人们希望在进行定量分析的过程中,涉及的变量较少,得到的信息量较多。主成分分析正是适应这一要求产生的。
主成分分析基本步骤为:(1)确定要分析的变量,收集数据;(2)对原始数据进行标准化处理;(3)然后由标准数据求协方差矩阵;(4)求特征根并按照从小到大的顺序把特征根排列;(5)求特征向量和主成分的方差贡献率;(6)提取主成分;(7)最后求主成分得分,计算综合分值。
2.数据选取以及来源
评价指标的选取在选取反映物流产业发展竞争力的指标时,应力求较完善、全面、真实地反映规模和效益的状况,体现物流业的基本特征,并且各指标应独立性较强,据此,根据主成分分析的基本原理以及以前文献对指标的定义本文选取了以下指标如表(1):x1全市生产总值、x2社会消费品销售总额、x3公路里程、x4电话用户数量、x5车辆拥有量、x6货运周转量、x7第三产业从业人员数量。
表(1) 近14年来重庆市原始数据 年份 x1 x2 x3 x4 x5 x6 x7 1995 1016.25 4161295 22556 211370 40.86 3359847 380.08 1996 1187.47 4986299 26892 254406 75.5 3150421 397.23 1997 1360.24 5681890 27045 282865 145.4 2972254 412.56 1998 1440.56 6193991 27210 329972 197.01 2684566 428.31 1999 1491.99 6670104 28086 366645 277.78 2742000 443.23 2000 1603.16 7199508 30354 409059 428.43 3063900 458.94 2001 1765.68 7823114 30654 495798 583.5 3253200 474.7 2002 1990.01 8535962 31060 633218 838.33 3376300 485.7 2003 2272.82 9346711 31407 781250 1152.8 3680300 497.01 2004 2692.81 10683290 32344 839352 1454 5180300 503.64 2005 3070.49 12157584 98218 1107266 1632.31 6248968 511.89 2006 3452.14 14035809 100299 1320442 1790.1 8213853 520.66 2007 4122.51 16612275 104705 1444881 1900.03 10497955 541.2 2008 5096.66 20640937 108632 1628164 1969.8 14864332 560.36 亿元 万元 千米 辆 万户 万吨公里 万人 数据来源:《重庆市统计年鉴2009》 www.cqtj.gov.cn
3. 数据处理及计算过程
用spss11.5软件首先对原始数据进行标准化处理。
对数据进行KMO和Bartlett检验,以确定能否进行因子分析见表(2)。
表(2) KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .667 Bartlett's Test of Sphericity Approx. Chi-Square 256.514 df 21 Sig. .000 经过检验表明:KMO值为0.667,一般认为KMO值大于0.6,该样本数据就可以用于因子分子;Bartlett值为256.514,p<0.0001,即相关矩阵不是一个单位矩阵,可以进行因子分析。
然后再计算特征值,方差贡献率以及主成分载荷矩阵。
方差贡献率结果如表(3)。
表(3 ) 方差分析表
Total Variance Explained Comp-onent Initial Eigenvalues Extraction Sums of Squared Loadings Rotation Sums of Squared Loadings Total % of Variance Cumulative % Total % of Variance Cumulative % Total % of Variance Cumulative % 1 6.511 93.015 93.015 6.511 93.015 93.015 3.524 50.338 50.338 2 .305 4.357 97.372 .305 4.357 97.372 3.292 47.035 97.372 3 .142 2.028 99.400 4 .037 .531 99.931 5 .003 .040 99.971 6 .002 .028 99.999 7 8.203E-05 .001 100.000 Extraction Method: Principal Component Analysis.
由表(3)知,这两个主成分的累计方差贡献率为97.372%。表明提取的前两个主成分可以反映全部7个指标所具有的信息,能在一定程度上说明重庆物流产业发展的综合因素,因此提取前两个特征值的主成分。
求主成分的表达式:
F1=0.39zx1+0.39zx2+0.36zx3+0.39zx4+0.38zx5+0.37zx6+0.37zx7
F2=0.07zx1+0.05zx2+0.41zx3-0.06zx4-0.39zx5+0.54zx6-0.62zx7
(其中zx1~zx7为经过标准化处理的各指标数值)
计算主成分得分并排序:
表(4)主成分得分及排名 年份 F1 F2 F 排名 1995 -2.10697 0.829822 -13.4654 14 1996 -1.78311 0.649728 -11.4117 13 1997 -1.54292 0.427731 -9.91549 12 1998 -1.32417 0.184888 -8.56528 11 1999 -1.14153 -0.00494 -7.43401 10 2000 -0.92597 -0.18171 -6.08441 9 2001 -0.6632 -0.40588 -4.44189 8 2002 -0.36928 -0.63943 -2.59941 7 2003 -0.03811 -0.87876 -0.51616 6 2004 0.327636 -0.84806 1.87458 5 2005 1.563471 -0.10031 10.14917 4 2006 2.195703 0.048897 14.31114 3 2007 3.046156 0.199931 19.8945 2 2008 4.275514 0.718078 28.05689 1 对原始数据进行标准化处理计算出近14年的综合得分如表(4),从表(4)中可以看出,物流产业是随着经济快速发展而增长的,国民经济的发展与物流产业发展影响最为密切。从综合排名来看前九年数值为负,这说明重庆市物流产业是新兴产业,并且受经济发展水平影响显著。在这14年中重庆成立直辖市,中国加入WTO等等政策性的影响使得物流产业发展迅速,同时受到物流基础设施的影响也比较显著。