基于因子分析和聚类分析中国省域茶产业竞争力研究.docVIP

基于因子分析和聚类分析中国省域茶产业竞争力研究 　　摘要：以中国各省茶产业数据为依据，客观分析中国各地区茶产业竞争力现状。通过因子分析法和聚类分析法，对中国16个产茶省份的茶产业竞争力进行排序和聚类。结果表明，中国茶产业竞争力地区性差异显著，具体表现出4种发展类型，且多数地区茶产业发展存在不足。在对进行其分析阐述的基础上，提出了相应的对策建议。 　　关键词：茶产业；竞争力；因子分析；聚类分析；省域 　　中图分类号：F713.55 文献标识码：A 文章编号：0439-8114（2015）01-0215-04 　　中国的饮茶文化源远流长，而随着时代的发展，饮茶不再是中国人的专利，自19世纪80年代以来，世界茶叶消费量逐年增加，平均每年增速约为5%。全球茶叶贸易也随之发展，贸易额从2000年的29.24亿美元，增长到2010年的63.99亿美元[1]。但是随着肯尼亚、斯里兰卡等出口型产茶大国的崛起[2]，中国茶叶贸易也迎来巨大的挑战。此外，中国茶产业自身问题也不断显现，国际信誉屡屡下降，出口市场逐渐萎缩，出口价格自1997年开始持续走低[3]。作为世界公认的茶叶起源地，面对需求高涨的国际茶叶市场，中国茶产业的发展现状亟待改善[4]。客观分析中国各地区茶产业竞争力现状是改善和发展中国茶产业的基础和前提，基于此目的，首先采用因子分析法提取影响各省茶产业发展的共性因子，并根据因子得分对各省茶产业竞争力进行排名，然后利用共性因子进行聚类分析，对各省进行层次划分，找出每一层次集团的优势和劣势，以便从根本上了解中国茶产业竞争力现状。 　　1 指标设计与数据选取 　　1.1 指标设计 　　指标的选取应遵守完备性、简洁性、系统性、科学性和可获取性等原则[5]。本研究结合茶叶产业特点和指标选取的基本原则，构建中国省域茶产业竞争力评价指标体系[6]。如表1所示。 　　1.2 数据选取 　　由于2012年和2013年部分数据滞后和缺失，X1～X7、X10～X14选取2011年数据为样本数据，并且对于少部分缺失值采取整项删除的处理方式；由于数据缺失或某些地区茶资源极其匮乏，删除了部分如北京、上海、西藏等省（市）的样本，最终得到中国16个省份的全部数据。其中各省国家茶叶百强企业个数（X8）、茶叶区域品牌价值榜前90位所占个数（X9）的评选依据是前一年的产业数据，因此，X8、X9的样本数据选取2012年更为合理[7]。在全部样本数据中，2011年的数据来源于国家统计局、地方统计局以及《中国茶业年鉴》，其中X4、X5、X6、X7、X12、X13和X14的统计口径为国有及年销售收入在500万元以上的非国有企业[8-11]。X8、X9的数据来源于《2012年茶叶区域公用品牌价值评估报告》和《2012年中国茶叶行业百强企业》，具体样本数据见表2。 　　2 因子分析 　　由于指标繁多，原始数据复杂且存在共线性问题，因子分析可以根据原始数据相关系数矩阵提取能包含原始指标大部分信息的共性因子，达到数据降维的目的。 　　2.1 数据处理 　　在原始指标中，各指标含义有所差异，各个指标的波动会受到量纲和数量级的影响，为了消除这种影响，更全面地提取数据信息，利用SPSS 16.0软件先对原始数据进行Z-score标准化处理，公式为： 　　ZXij=（Xij-Xj）/Sj 　　式中，ZXij为标准化处理后的数据，Xij为标准化处理前的原始数据，Xj为原始数据平均数，Sj为原始数据标准差。 　　2.2 因子分析适宜性检验 　　利用SPSS 16.0对标准化后的数据进行因子分析，首先要对因子分析的适宜性进行检验，结果显示，KMO检验结果为0.5900.500，Bartlett球形检验的显著性水平为0.0000.005，说明原始数据适合做因子分析。 　　2.3 因子构造 　　SPSS 16.0的输出结果中，指标变量共同度（Communalities）显示的指标共同度均大于0.6，且大部分在0.9以上，说明公共因子能较好地体现各指标的信息。从公共因子中提取特征值大于1的因子，得到3个公共因子，各因子特征值与累计方差贡献率如表3所示。 　　表3显示，3个特征值大于1的公共因子累计方差贡献率达到86.467%80.00%，说明若以这3个公共因子为指标，能够包含原来14个指标体系中86.467%的信息，既起到了数据降维的作用，又最大程度地保留了原始数据的信息。 　　由于初始因子载荷阵不够明确，为了使各指标均能较明确地归于以上3个因子，用SPSS 16.0软件方差最大正交旋转变换（Varimax）对初始因子载荷阵进行旋转，经过多次迭代后得到的因子载荷阵如表4所示。 　　由表4可以看出，因子1在X3、X4、X7、X8、X12、X14 6个指标上的载荷值较