一、 引言

　　本文綜合以前學者的研究成果，突出不同區(qū)域的物流產(chǎn)業(yè)發(fā)展水平，提出更為簡便可行的指標體系，同時運用因子分析和聚類分析，對這些區(qū)域節(jié)點城市的物流發(fā)展水平進行比較研究，最后針對分析結(jié)果提出一些改進建議。

　　二、 區(qū)域物流發(fā)展指標體系的構(gòu)建

　　1. 評價指標體系的建立。本文選取的指標力圖能夠反映區(qū)域物流發(fā)展的整體水平，通過對各種物流評價指標體系的比較，按照指標設置的原則，經(jīng)過反復篩選，最終從人口規(guī)模、經(jīng)濟實力、工業(yè)規(guī)模、第三產(chǎn)業(yè)規(guī)模、物流主導產(chǎn)業(yè)規(guī)模五個方面確立了現(xiàn)代區(qū)域物流評價指標體系，并將這些方面分解為9項二級指標。

　　2. 數(shù)據(jù)來源與分析步驟。本研究的數(shù)據(jù)來源于《中國城市統(tǒng)計年鑒2009》以及各城市統(tǒng)計年鑒，由于在17個區(qū)域物流節(jié)點城市中，數(shù)據(jù)符合要求的有11個城市，包括哈爾濱、長春、包頭、呼和浩特、太原、合肥、福州、長沙、昆明、?？凇y川，本文就以這些城市為研究對象。在數(shù)據(jù)準備階段完成之后，利用SPSS17.0for windows統(tǒng)計軟件從以下幾個方面展開分析。首先檢驗構(gòu)建的區(qū)域物流評估指標系統(tǒng)，然后選擇因子分析法從9個具體指標中提取出n個公共因子，根據(jù)得到的因子得分，建立模型計算綜合得分，從而對各節(jié)點城市的物流綜合水平進行排序，為確保研究結(jié)果的科學性和可靠性，在因子分析的基礎上進一步進行聚類分析， 并利用聚類分析結(jié)果對全國區(qū)域物流節(jié)點城市的發(fā)展水平進行總體評價，并給出相應的政策建議。

　　三、 因子分析

　　1. 因子分析適用性檢驗。在指標綜合評價中利用因子分析的目的是從眾多的原有指標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價維度。其應用的前提是要求原指標之間具有較強的相關(guān)關(guān)系，否則就不能運用因子分析法，我們將原始數(shù)據(jù)進行標準化處理之后，采用KMO和Bartlett檢驗方法來檢測因子分析法的適用性。

　　Bartlett球度檢驗表明：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，相關(guān)矩陣與單位矩陣存在顯著差異，可以進行因子分析。取樣足夠的Kaiser-Meyer-Olkin檢驗是用于比較觀測相關(guān)系數(shù)值與偏相關(guān)數(shù)值的一個指標，其值越逼近1，表明對這些變量進行因子分析的效果越好，KMO值大于0.5，因而可以對指標變量進行因子分析。

　　2. 因子提取。本文采用主成分分析法對指標數(shù)據(jù)進行因子分析，按照相關(guān)系數(shù)矩陣特征值大于1的標準，從原9個統(tǒng)計指標中提取二個主因子來表達其信息含量。。第二列至第四列描述了因子分析的初始解對原有變量總體的刻畫情況;第二列合計是各成分的特征值。第一成分特征值合計=4.883，第二成分特征值為合計=1.797，這里只有前兩個因子的特征值大于1。第三列是各因子變量的方差貢獻率，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方差貢獻率，表示前m個因子刻畫的總方差占原有變量總方差的比例。如果提取2個公共因子，那么它們可描述原變量總方差的90.536%，大于80%，可以認為，這2個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主因子的具體經(jīng)濟意義。為便于對主因子進行解釋，一般須對因子載荷矩陣進行旋轉(zhuǎn)。本研究采用方差極大值法進行正交旋轉(zhuǎn)之后，得到9個指標的兩個因子負荷。

　　第一主成分對社會消費品零售總額、國內(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)值有絕對值較大的相關(guān)系數(shù)，第二個因子相關(guān)系數(shù)絕對數(shù)較大的正好是九個原始變量中的另外四個，即貨運總量、公路貨運量、鐵路貨物運量、交通運輸、倉儲及郵政業(yè)增加值。根據(jù)這些變量的原始含義可以對兩個因子進行命名。第一個因子主要概括了一般的社會人口規(guī)模、經(jīng)濟實力、工業(yè)和第三產(chǎn)業(yè)的規(guī)模，可以命名為社會經(jīng)濟因子。第二個因子主要概括了物流主導產(chǎn)業(yè)的情況，可以稱為物流產(chǎn)業(yè)因子。

　　根據(jù)實驗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個評價指標，公共因子F1表示社會經(jīng)濟因子，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)，這兩個因子之間不存在相關(guān)，避免了因子綜合評價的多重共線性，故可以代表不同的評價維度。

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

　　F=0.511 09F1+0.394 26F2

　　每個城市的綜合因子得分反映了各節(jié)點城市區(qū)域物流綜合實力的強弱，將11個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，一開始將要歸類的n個變量看成一類，然后按事先規(guī)定好的方法計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)大小衡量兩類之間的密切程度，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;如此進行下去，直到最后n個變量都歸成一類。

　　我們按照層次聚類法的步驟，首先經(jīng)過運算將原始數(shù)據(jù)標準化，使具有不同量綱、不同數(shù)量級的數(shù)據(jù)能放在一起比較;然后用11個節(jié)點城市的標準化數(shù)據(jù)求出歐氏距離;最后應用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完成以上運算步驟后，可將11個城市分成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，單獨聚合為一類;屬于物流發(fā)展高水平的地區(qū);長沙、哈爾濱、長春、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，相對于全國其他九個節(jié)點城市來說，是屬于物流發(fā)展低水平地區(qū)。