基于主成分聚类分析的区域物流规划

——以长三角地区为例

作 者:

作者简介:
陈超,南京航空航天大学经济与管理学院硕士研究生;周德群,南京航空航天大学经济与管理学院副院长,特聘教授,博士研究生导师。(南京 210016)

原文出处:
物流科技

内容提要:

文章利用主成分聚类分析法对区域物流规划中各地区的物流发展进行综合评价并分析。将长江三角洲16个重要城市作为物流中心节点,利用主成分分析对各地区的物流发展综合实力进行评价,再利用新得到的综合主成分指标代替原来较多的评价指标,对长三角各地区的物流发展进行聚类分析,最后对长三角区域物流中心做出了总体规划。


期刊代号:F14
分类名称:物流管理
复印期号:2009 年 06 期

字号:

      文章编号:1002-3100(2009)03-0021-04

      随着经济的快速发展,物流业在我国得到了飞速发展,很多地区相继对各自的区域物流中心进行了规划。在区域物流规划过程中,有几个非常重要的问题要解决好:如何划分区域经济物流区域,以促进区域物流协调发展,并有利于整合区域物流资源存量;如何确定物流枢纽城市及区域物流中心城市,实现以点带面,共同发展;如何将物流特征相似的区域归类,针对不同类别的区域出台具有差异性的物流发展政策。通常人们处理这种问题大多以经验定性分析为主,主观随意性较大。鉴于此,在物流研究课题和物流规划实践总结的基础上,本文提出一种基于主成分聚类分析的客观分析方法对江苏省各地区的物流发展进行综合评价并分类,为制定区域物流发展规划提供参考和依据。基本思路是,首先建立区域物流发展评价指标体系,再分别利用主成分分析和聚类分析方法对长三角地区的物流发展进行综合评价并分类,最后得出结论。

      1 区域物流发展评价指标体系

      根据可比性、完整性、易获取性、非重叠性、定量和定性指标相结合等原则,建立区域物流发展评价指标体系。这些指标从不同角度反映了区域物流的发展特征。

      社会经济发展类:综合反映了区域物流发展的社会经济基础。包括GDP(X1)和人均GDP(X2)。GDP反映一个城市的综合经济实力,该值越大说明经济发展水平越好,在区域物流中心系统中的地位就越重要。除了考虑GDP总量以外,还应该考虑GDP的人均状况,因为人均GDP越大表明单位人口对物流的需求越大,由此使得该城市的物流需求也越大。

      生产消费流通类:包括农业总产值(X3)、工业总产值(X4)、新增固定资产(X5)、社会消费零售总额(X6)、进出口总额(X7)。它们分别从生产、消费、国内流通等不同角度反映了区域物流服务的需求状况和需求规模。

      交通运输类:反映了区域物流发展的物质基础,公路里程(X8)和民用汽车用量(X10)。由于长三角地区便利的公路交通,该值越大表明该城市作为物流中心的地位越重要,并且对其公路运输枢纽的要求也越高。

      人力资源类:反映了物流发展的人力资源和劳动者素质,包括交通运输仓储人员数量(X9)。反映了从事物流业的总体人员数量。

      信息发展水平类:反映了物流信息发展水平,人均移动电话用户数(X11)、人均互联网用户数(X12)。

      2 区域物流发展综合评价模型

      由于评价指标较多,尽管经过了仔细筛选,但彼此之间难免存在着一定的相关,因而反映的信息在一定程度上有所重叠。主成分分析利用降维的思想,把原来较多的评价指标化为较少的综合主成分指标来代替,综合指标保留了原来变量的绝大多数信息,且彼此间互不相关,能够使复杂问题简单化。因此,可采用主成分分析对长三角地区的物流发展进行综合评价。设有n个区域,p个指标,初始样本矩阵

      

      

      即反映了第i个地区物流发展的综合实力。值越高,说明该地区物流发展综合实力和竞争力越强,反之则越弱。

      3 区域物流发展聚类分析模型

      对长三角地区物流发展进行分析和归类,可以按照常规的聚类方法进行。但由于指标较多,计算繁琐且容易出错,鉴于前面主成分分析已经得到q个能够反映原始变量的绝大多数信息,且为彼此互不相关的综合主成分指标,因此可以采用这q个主成分指标对长三角地区的物流发展进行聚类分析,这样处理将使问题大大简化。由于在系统聚类法中,类平均法聚类时步伐比较适中,因此本文利用类平均法进行聚类分析。步骤如下:用主成分分析得到的前q个主成分组成一个新矩阵

      

      用类平均法进行聚类,画出聚类图,得到各地区物流发展的分类结果,并进行分析。

      4 实证分析

      长三角地区作为全国物流业起步早、发展快的地区,物流发展规划在对其物流实践具有重要作用。通过本文的研究对整个长三角地区物流系统规划提出一些具有建设性的意见。

      下文将应用上述方法对其进行分析。具体数据见表1。

相关文章: