中国各省市物流发展水平实证探究.docVIP

中国各省市物流发展水平实证探究摘 要：通过因子分析法对我国各省市物液发展水平进行实证研究。 关键词：因子分析；指标体系；物流管理 中图分类号：F252.24 文献标识码：A 文章编号：1672-3198(2009)06-0069-02 1 引言 物流是指物料或商品在空间上和时间上的位移。物流业在服务贸易领域中占有举足轻重的地位，它连接社会经济的各个部分，成为国民经济发展的基础产业。对物流水平的评价，近代的学者们提出了许多不同的分析方法。理论上来说，经济发达的东部地区省份物流业应该最发达，中部地区省份次之，西部地区省份应该最差。本文拟通过因子分析方法对各省市物流水平进行研究，运用SPSS13.0 for windows 对 31 个省市的物流情况进行分析，确定影响物流水平的因子，从而实现对影响物流水平提高的因子实施管理和控制的目的。 2 因子分析的基本思想和分析步骤 2.1 因子分析的基本思想 因子分析(factor analysis)是一种数据简化的技术。它的核心是用较少的互相独立的因子反映原有变量的绝大部分信息，同时形成反映因子和指标包含信息量的权数，以计算综合评价值。这样在指标权重的选择上克服了主观因素的影响，有助于客观地反映样本间的现实关系。 2.2 因子分析的步骤 第一步，选择所分析的变量。用定性分析和定量分析的方法选择变量，因子分析的前提条件是观测变量间有较强的相关性，因为如果变量之间无相关性或相关性较小的话，他们不会有共享因子，所以原始变量间应该有较强的相关性。 第二步，对原始数据进行标准法处理，得到标准化矩阵X，以消除量纲的影响。 第三步，计算所选原始变量的相关系数矩阵。相关系数矩阵描述了原始变量之间的相关关系。可以帮助判断原始变量之间是否存在相关关系，这对因子分析是非常重要的，因为如果所选变量之间无关系，做因子分析是不恰当的。并且相关系数矩阵是估计因子结构的基础。 第四步，计算相关系数矩阵的特征值及相应的特征向量和贡献率。 第五步，提取公共因子。这一步要确定因子求解的方法和因子的个数。需要根据研究者的设计方案或有关的经验或知识事先确定。因子个数的确定可以根据因子方差的大小。只取方差大于1(或特征值大于1)的那些因子，因为方差小于1的因子其贡献可能很小；按照因子的累计方差贡献率来确定，一般认为要达到70%才能符合要求。 第六步，因子旋转。通过坐标变换使每个原始变量在尽可能少的因子之间有密切的关系，这样因子解的实际意义更容易解释，并为每个潜在因子赋予有实际意义的名字。 第七步，计算因子得分。对各因子得分以及因子信息贡献率作为加重权数，计算各样本的综合得分，根据样本综合得分的高低，可以对样本进行综合评定。 3 各省市物流发展水平的实证研究 3.1 指标体系的建立 以全国 31 个省市为样本，选取了能代表物流发展水平的 8 个指标建立指标体系。他们分别是 x1 铁路营业里程，x2 公路里程，x3 货物量，x4 货物周转量，x5 公路汽车拥有量，x6 交通，邮政等运输总产值，x7 地区总产值，x8 居民的消费水平。 3.2 因子分析的具体过程及结果分析 (1)进行 KMO 检验及球型检验，以判断数据是否适合于因子分析。由表1可看出 KMO=0.776 适合做因子分析。 (2)计算各变量的特征值、贡献率、累计贡献率以及旋转后的因子载荷矩阵。公共因子的贡献率反映了每个公因子包含原指标的信息量度，累积贡献率表示相应几个公共因子累计反映原指标的信息量。由表二可知前两个因子的累计贡献率达到81.630%，可以满足解释因子分析用变量子集来解释整个问题的要求。所以，8个变量可以用2个主因子来解释。第一因子在货运量、公路汽车拥有量、交通、邮政等运输总产值和地区总产值这些指标上的载荷较大，可以解释为地区物流所占地区总产值的比率，第二因子在铁路营业里程、公路里程、货运周转量和居民消费水平这些指标上的载荷较大，可以解释为地理位置优势对地区物流的影响。 表2 各变量的特征值、贡献率及累计贡献率 (3)计算因子综合得分。为了我们便于比较分析各地区的物流发展水平的差异，以便采取措施提高地区的物流发展水平，现列出各省市的因子得分表，并以各因子信息的贡献率作为加权数，计算各省市的综合得分，公式为：Zi=0.53652F1i+0.27978F2i (i=1，2，3……31)F1i和F2i的系数为各因子的信息贡献率，它是各因子的方差贡献率与两个主因子的累计贡献率的比值，综合得分值高，表明省市的物流水平高。因此，通过表三的比较可知各省市的物流发展水平的高低。 4 结论与建议 4.1 结论 从上面的表三可看