王春豪
(石河子大學(xué) 商學(xué)院,新疆 五家渠 831300)
主成分分析 (Principal Components Analysis,PCA)是采取數(shù)學(xué)降維的方法,找出幾個(gè)不相關(guān)的綜合變量代替原來(lái)眾多變量,使這些綜合變量能盡可能地代表原來(lái)變量的信息[1]。基于國(guó)內(nèi)學(xué)者提出的指標(biāo)體系[2-4],考慮數(shù)據(jù)的客觀性、與區(qū)域物流發(fā)展的相關(guān)性,建立新疆區(qū)域物流發(fā)展水平綜合評(píng)價(jià)指標(biāo)體系,如表1所示。其中,Y2主要從生產(chǎn)、消費(fèi)等方面反映區(qū)域物流需求狀況和規(guī)模,Y3主要反映區(qū)域物流發(fā)展的物質(zhì)基礎(chǔ)、供給能力和人力資源情況等。
表1 新疆區(qū)域物流發(fā)展水平評(píng)價(jià)指標(biāo)體系
設(shè)X為n×p維矩陣,n為樣本數(shù),p為評(píng)價(jià)指標(biāo)數(shù)。
(1)對(duì)原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。
(2)計(jì)算樣本相關(guān)矩陣R。
假定原始數(shù)據(jù)標(biāo)準(zhǔn)化后仍用X表示,則經(jīng)標(biāo)準(zhǔn)化處理后,數(shù)據(jù)的相關(guān)系數(shù)為:
(3)采用雅克比方法求相關(guān)系數(shù)矩陣R的特征值 (λ1,λ2,…,λp) 和相應(yīng)的特征向量am=(am1,am2,…,amp),m=1,2,…,p。
(5)計(jì)算主成分得分。將標(biāo)準(zhǔn)化的原始數(shù)據(jù)分別代入主成分表達(dá)式,得到主成分得分。
(6)計(jì)算綜合主成分得分,并且根據(jù)得分高低得出各樣本的排名。計(jì)算公式為:
為使時(shí)間序列數(shù)據(jù)[5]具有縱向可比性,以 1978年為基準(zhǔn)年,對(duì)X1、X2、X4、X5、X6的原始數(shù)據(jù)進(jìn)行相應(yīng)處理:將其分別對(duì)應(yīng)的 1978 年的 GDP 指數(shù)、人均 GDP 指數(shù)、工業(yè)總產(chǎn)值指數(shù)、批發(fā)和零售業(yè)指數(shù)、商品零售價(jià)格指數(shù)等定基為 100,利用 1978 年現(xiàn)價(jià)的數(shù)據(jù)折算為各年份可比價(jià)的時(shí)間序列。如1978年新疆 GDP 現(xiàn)價(jià)為39.07 億元,GDP 指數(shù)為 100,2000 年的 GDP 指數(shù)為 878.4,則 2000 年新疆 GDP 的可比價(jià)為 343.19 億元,由此可計(jì)算出 2000—2009 年的各指標(biāo)的數(shù)據(jù),如表2所示。
(1)原始數(shù)據(jù)標(biāo)準(zhǔn)化。利用 SPSS16.0 統(tǒng)計(jì)軟件,計(jì)算得出變量的相關(guān)系數(shù)矩陣R,計(jì)算R的特征值和貢獻(xiàn)率及累計(jì)貢獻(xiàn)率。按特征值大于1的原則提取2個(gè)主成分,第一主成分的貢獻(xiàn)率為 80.03%,第二主成分的貢獻(xiàn)率為 13.25%,2 個(gè)主成分的累計(jì)貢獻(xiàn)率為 93.28%,遠(yuǎn)大于 85%,如表3所示。
表2 2000—2009 年新疆區(qū)域物流發(fā)展水平各指標(biāo)處理后的數(shù)據(jù)
表3 相關(guān)系數(shù)矩陣R的特征值、貢獻(xiàn)率及累計(jì)貢獻(xiàn)率
(2)主成分載荷分析。由各原始變量的主成分載荷矩陣 (見(jiàn)表 4) 可以發(fā)現(xiàn),地區(qū)生產(chǎn)總值 (X1)、人均地區(qū)生產(chǎn)總值 (X2)、工業(yè)總產(chǎn)值 (X4)、批發(fā)零售貿(mào)易業(yè)總額 (X5)、社會(huì)消費(fèi)品零售總額 (X6)、運(yùn)輸周轉(zhuǎn)量 (X7) 6 個(gè)變量在第一主成分上有較高載荷,說(shuō)明第一主成分能夠反映這6個(gè)指標(biāo)的信息。地區(qū)生產(chǎn)總值增長(zhǎng)率 (X3) 和物流從業(yè)人員比例(X10) 在第二主成分上有較高的載荷,說(shuō)明第二主成分能夠反映這2個(gè)指標(biāo)的信息。因此,所提取的2個(gè)主成分基本可以反映絕大部分指標(biāo)的信息,能夠代替 10 個(gè) 變量進(jìn)行分析。
(3)計(jì)算主成分得分。
(4)計(jì)算綜合得分。對(duì)2個(gè)主成分的得分進(jìn)行加權(quán)求和,取其貢獻(xiàn)率作為權(quán)重。
表4 主成分載荷矩陣
通過(guò)計(jì)算得出 2000—2009 年新疆區(qū)域物流發(fā)展水平綜合得分,如表5所示。
表5 新疆區(qū)域物流發(fā)展水平綜合得分
從表5可以看出,第一主成分F1的得分排名與綜合得分排名是一致的,主要因?yàn)榈谝恢鞒煞值姆讲钬暙I(xiàn)率達(dá) 80.03%,基本反映出新疆區(qū)域物流發(fā)展?fàn)顩r。從綜合得分來(lái)看,自 2000 年以來(lái),新疆區(qū)域物流發(fā)展水平是逐年提升的。2000—2005 年處于低水平階段,從 2006 年開(kāi)始有了突破。主要原因是新疆于 2006 年開(kāi)始加大鐵路、公路、機(jī)場(chǎng)等基礎(chǔ)設(shè)施建設(shè),如烏魯木齊—精河鐵路復(fù)線、國(guó)道 312 線 (星星峽—哈密公路)、國(guó)道 312 線 (賽里木湖—霍爾果斯口岸公路)、國(guó)道 218 線 (清水河—伊寧高速公路)、國(guó)道 217 線 (那拉提—庫(kù)車公路)、喀納斯機(jī)場(chǎng)等。另外,政府加大對(duì)物流產(chǎn)業(yè)的投入,使得連鎖經(jīng)營(yíng)、物流配送、電子商務(wù)等新型流通業(yè)蓬勃發(fā)展。2006 年,“萬(wàn)村千鄉(xiāng)”市場(chǎng)工程新增了 30個(gè)試點(diǎn)縣 (市),總數(shù)達(dá) 52 個(gè);新改建標(biāo)準(zhǔn)農(nóng)家店3 500 家,總數(shù)達(dá)到 4 522 家,這對(duì)新疆區(qū)域物流水平的提升有著重要影響。
選取 2007—2009 年陜西、甘肅、青海、寧夏、新疆5省區(qū)統(tǒng)計(jì)年鑒中的連續(xù)3年的數(shù)據(jù)[6-9],運(yùn)用主成分分析法,以生產(chǎn)總值、人均地區(qū)生產(chǎn)總值、工業(yè)總產(chǎn)值、社會(huì)消費(fèi)品零售額、批發(fā)與零售貿(mào)易業(yè)總額的算術(shù)平均值及各省區(qū) 2009 年運(yùn)輸周轉(zhuǎn)量、運(yùn)輸網(wǎng)密度、運(yùn)輸線路長(zhǎng)度、物流從業(yè)人員比例為原始數(shù)據(jù),將新疆與其他4省區(qū)進(jìn)行橫向比較分析,如表6所示。
(1)原始數(shù)據(jù)標(biāo)準(zhǔn)化。利用 SPSS16.0 統(tǒng)計(jì)軟件,得出變量的相關(guān)系數(shù)矩陣R,并計(jì)算出R的特征值、貢獻(xiàn)率及累計(jì)貢獻(xiàn)率,如表7所示。按特征值大于1的原則提取的3個(gè)主成分,第一主成分貢獻(xiàn)率為 63.86%,第二主成分的貢獻(xiàn)率為 17.01%,第三主成分的貢獻(xiàn)率為 14.99%,3 個(gè)主成分的累計(jì)貢獻(xiàn)率為 95.85%,遠(yuǎn)大于 85%,能比較全面地反映問(wèn)題。
表6 2007—2009 年西北 5 省區(qū)區(qū)域物流發(fā)展水平評(píng)價(jià)指標(biāo)原始數(shù)據(jù)
表7 相關(guān)系數(shù)矩陣 R 的特征值、貢獻(xiàn)率及累計(jì)貢獻(xiàn)率
(2)主成分載荷分析。主成分載荷矩陣如表8所示。表8中,地區(qū)生產(chǎn)總值 (X1)、工業(yè)總產(chǎn)值(X4)、批發(fā)零售貿(mào)易業(yè)總額 (X5)、社會(huì)消費(fèi)品零售總額 (X6)、運(yùn)輸周轉(zhuǎn)量 (X7) 5個(gè)變量在第一主成分上有較高載荷,說(shuō)明第一主成分能夠反映這5個(gè)指標(biāo)的信息。人均地區(qū)生產(chǎn)總值 (X2) 和地區(qū)生產(chǎn)總值增長(zhǎng)率 (X3) 在第二主成分上有較高的載荷,說(shuō)明第二主成分能夠反映這2個(gè)指標(biāo)的信息。物流從業(yè)人員比例 (X10) 在第三主成分上有較高的載荷,基本能反映該指標(biāo)的信息。由此可見(jiàn),所提取的3個(gè)主成分基本可以反映絕大部分指標(biāo)的信息,能夠代替 10 個(gè)變量進(jìn)行分析。
(3)計(jì)算主成分得分。
表8 主成分載荷矩陣
(4)計(jì)算綜合得分。
通過(guò)計(jì)算得出西北5省區(qū)區(qū)域物流發(fā)展水平綜合得分,如表9所示。
表9 西北 5 省區(qū)區(qū)域物流發(fā)展水平綜合得分
從表9中可以看出,第一主成分得分排名與綜合得分排名是一致的,這是因?yàn)榈谝恢鞒煞值呢暙I(xiàn)率達(dá) 63.86%,基本反映了新疆區(qū)域物流發(fā)展的總體狀況。第二、第三主成分的貢獻(xiàn)率分別為 17.01%和 14.99%,說(shuō)明人均地區(qū)生產(chǎn)總值和物流從業(yè)人員比例是影響區(qū)域物流發(fā)展水平的重要因素。從綜合得分來(lái)看,陜西省區(qū)域物流發(fā)展水平排在第一位,新疆區(qū)域物流發(fā)展水平排在第二位。從分值來(lái)看,新疆區(qū)域物流發(fā)展水平比較低,與陜西省有一定差距,仍處于起步階段。
構(gòu)建區(qū)域物流發(fā)展水平綜合評(píng)價(jià)指標(biāo)體系,將區(qū)域經(jīng)濟(jì)基礎(chǔ)因素、區(qū)域物流需求因素、區(qū)域物流支持因素為一級(jí)指標(biāo),將地區(qū)生產(chǎn)總值、工業(yè)總產(chǎn)值、運(yùn)輸周轉(zhuǎn)量等 10 個(gè)變量為二級(jí)指標(biāo)。運(yùn)用主成分分析方法對(duì)新疆區(qū)域物流發(fā)展水平分別從縱向和橫向兩個(gè)方面進(jìn)行實(shí)證分析,新疆區(qū)域物流發(fā)展水平正逐年提升,在西北5省區(qū)中處于中上水平,隨著國(guó)家西部大開(kāi)發(fā)戰(zhàn)略的深入實(shí)施,以及全國(guó)對(duì)口支援新疆政策的逐步落實(shí),新疆區(qū)域物流水平將得到快速提升。由于區(qū)域物流發(fā)展水平的影響因素較多,對(duì)新疆區(qū)域物流發(fā)展水平做出縱向評(píng)價(jià),與其他4省區(qū)進(jìn)行橫向定量分析。因此,仍然需要進(jìn)一步研究和加強(qiáng)區(qū)域物流發(fā)展水平的綜合評(píng)價(jià)。
[1] 李衛(wèi)東. 應(yīng)用多元統(tǒng)計(jì)分析[M]. 北京:北京大學(xué)出版社,2008.
[2] 于亦文,周榮虎. 區(qū)域物流產(chǎn)業(yè)綜合實(shí)力評(píng)價(jià)研究——以中原城市群為例[J]. 現(xiàn)代管理科學(xué),2007(11):70-72.
[3] 朱幫助,李 軍. 基于主成分分析的區(qū)域物流發(fā)展水平綜合評(píng)價(jià)——以廣東省江門(mén)市為例[J]. 工業(yè)技術(shù)經(jīng)濟(jì),2008,27(5):105-107.
[4] 許小蒼. 基于主分量分析的重慶地區(qū)物流發(fā)展水平綜合評(píng)價(jià)[J]. 鐵道運(yùn)輸與經(jīng)濟(jì),2009,31(5):64-67.
[5] 新疆統(tǒng)計(jì)局. 新疆統(tǒng)計(jì)年鑒(2010)[M]. 北京:中國(guó)統(tǒng)計(jì)出版社,2010.
[6] 陜西省統(tǒng)計(jì)局. 陜西統(tǒng)計(jì)年鑒(2010)[M]. 北京:中國(guó)統(tǒng)計(jì)出版社,2010.
[7] 甘肅發(fā)展年鑒編委會(huì). 甘肅發(fā)展年鑒(2010)[M]. 北京:中國(guó)統(tǒng)計(jì)出版社,2010.
[8] 寧夏自治區(qū)統(tǒng)計(jì)局. 寧夏統(tǒng)計(jì)年鑒(2010)[M]. 北京:中國(guó)統(tǒng)計(jì)出版社,2010.
[9] 青海省統(tǒng)計(jì)局. 青海統(tǒng)計(jì)年鑒(2010)[M]. 北京:中國(guó)統(tǒng)計(jì)出版社,2010.