江苏省主要内河港口货物吞吐量的影响因素及预测.docVIP

江苏省主要内河港口货物吞吐量的影响因素及预测 　　【摘 要】 为正确预测内河港口货物吞吐量，以江苏省主要内河港口为例，从港口设施及腹地经济出发，采用主成分分析法提取影响江苏省内河港口货物吞吐量的3个因素：第二产业值、地区生产总值及社会消费品零售总额，并在此基?A上建立预测模型。结果表明，模型可以较为准确地预测出江苏省主要内河港口的货物吞吐量，该模型拟合是有效的。 　　【关键词】 主成分分析；内河港口；货物吞吐量；影响因素；预测 　　0 引 言 　　内河港口是在河流、湖泊、水库等水域内建造的港口。内河港口与沿海港口一样，在综合运输网中充当“车站”的作用，是运输网络的节点，其对于水路运输而言具有非常重要的作用。内河港口货物吞吐量是指一段时期内经水运输出、输入港区并经过装卸作业的货物总量，是反映内河港口生产经营活动成果的重要数量指标，也是衡量该地区城市建设和发展的量化参考依据。[1]内河港口的发展将促进港口城市的繁荣，城市的繁荣又为港口货运提供有力的支撑，港口与城市之间具有相辅相成、协调发展的关系。此外，随着我国水路运输业的发展，内河港口在综合运输网络中的作用也越来越突出，正确预测内河港口货物吞吐量对港口城市的发展十分重要。 　　影响内河港口货物吞吐量的因素有很多，不仅有港口自身因素，还有港口腹地经济因素。正确选择指标对预测江苏省内河港口货物吞吐量十分重要。近几年来，针对内河港口货物吞吐量的研究不多，且大多是依靠经验来选取变量的，但这样的做法很可能由于经验的偏误而遗漏主要的影响因素，从而使得模型出现偏差。因此，本文在前人的研究基础上，选取2007?D2015年影响江苏内河港口货物吞吐量的指标数据，采用主成分分析法提取影响江苏内河港口货物吞吐量最主要的几个因素建立预测模型，为预测江苏内河港口货物吞吐量提供重要参考。 　　1 建立模型 　　主成分分析法融汇了“降维”思想：利用线性组合的方法，将多个指标变成少数几个综合指标，使相关的指标化成不相关的指标，将问题简单化，在减少计算量的同时避免了由于信息重复所引起的虚假性。 　　设n个样品，x1，x2，…，xp-1，xp代表n个样品中各个样品观测的p项变量，得到初始数据阵为 　　X==（x1，x2，…，xp）（1） 　　式中： xi=（x1i，x2i，…，xpi）， i=1，2，…，p。 　　利用矩阵X的x1，x2，x3，…，xp这p个变量作线性组合，可得： 　　（2） 　　此外，主成分分析的步骤如下： 　　（1）建立样本矩阵； 　　（2）标准化初始数据； 　　（3）建立相关系数矩阵； 　　（4）根据特征值计算出方差贡献率及累计方差贡献率； 　　（5）求因子载荷矩阵：先取累计方差贡献率大于一定数值的主成分，然后求出所取的主成分的因子载荷矩阵，其中数值视解释精度而定，此处定为85%； 　　（6）求每个指标的综合得分：由因子载荷矩阵乘以主成分的方差贡献率可计算出综合得分，指标的综合得分可较全面地反应其影响程度[2]。 　　2 实证分析 　　2.1 指标选择依据及数据来源 　　根据江苏内河港口实际情况，选取2007?D2015年可能影响江苏内河港口货物吞吐量的指标数据（见表1），其中包括总人口x1、地区生产总值x2、第二产业值x3、第三产业值x4、进出口总额x5、货运量x6、社会消费品零售总额x7、泊位个数x8、泊位长度x9。 　　2.2 主成分分析 　　2.2.1 计算方差贡献率 　　为了消除量纲的影响，首先对数据进行标准化处理，其次对标准化处理后的数据求其方差百分比及累计方差贡献率，结果见表2。由表2可以看出：第一主成分方差贡献率为82.833%，特征根为7.455；第二主成分方差贡献率为12.351%，特征根为1.112。前两个主成分的累计贡献率为95.184%，特征根也均大于1，满足特征值大于1或累计方差贡献率达到85%以上的提取原则，因此选取前两个主成分，剩余可舍去。 　　2.2.2 计算因子载荷矩阵 　　为了使3个主成分可以充分代表9个指标的信息，依据所提取的主成分计算因子载荷矩阵，结果见表3。 　　2.2.3 计算各项指标的综合得分及排名 　　在主成分分析中，每个指标的综合得分及排名状况可以直观地反映该指标影响江苏内河港口货物吞吐量的程度。指标的综合得分可由主成分因子载荷乘以相应的贡献率求出，具体结果见表4。由表4得知，综合得分排名前3的指标分别为第二产业值、地区生产总值、社会消费品零售总额，表明这3个指标对江苏省内河港口货物吞吐量的影响最大的因素，因此在预测江苏省内河港口货物吞吐量时要着重考虑。 　　2.3 吞吐量预测 　　根据主成分分析结果，以第二产业值、地区生产总值、社会消费品零售总额为自变量，运用SPSS 14.0