中图分类号：F718.1；F746.2 文献标志码：A 文章编号：1671-7112(2015)04-0061-06 中国—东盟自由贸易区(CAFTA)的成立形成了一个覆盖1 300万平方公里、约有19亿消费者的经济圈。在此经济背景下，中国进而提出共建21世纪海上丝绸之路的重大发展战略，加强与沿线国家的政策沟通、设施联通、贸易畅通与资金流通。当前中国—东盟经贸合作方兴未艾，中国—东盟贸易增速远高于中国对外贸易平均增速。中国—东盟区域之间的经济要素流动速度加快、领域拓宽、规模扩大、层次提高，形成新的区域经济发展特点。 区域经济的变化使地区之间的产业互补性增强，改变了物流活动的环境，“一带一路”战略背景下中国—东盟区域之间将进一步形成运输通道、枢纽的网络化、规模化的物流需求，使得区域之间的物流发展态势产生新的变化。分析东盟国家物流发展现状，把握东盟国家物流发展特征，为中国—东盟区域之间的进一步深化物流合作打下坚实的基础，具有强烈的现实意义。 学者对中国—东盟区域物流合作发展的研究，主要集中在合作模式、机制设计与策略建议等角度，如李建春[1]剖析了广西与东盟国家发展贸易物流业的优势、双方在贸易物流过程中存在的问题和建议。刘润华[2]分析了云南—东盟物流产业对接面临的问题，提出了对接的具体策略，为合作发展提供参考建议。隋博文[3]分析了中国—东盟互联互通对港口物流的影响及其优化策略。较少文献对东盟国家区域物流发展现状、水平及特征开展深入定量分析与研究，本文运用系统聚类-模糊C均值聚类方法(SC-FCM)对东盟国家物流发展水平进行聚类实证研究，并对结果进行分析讨论，为后续深入开展中国—东盟区域物流合作研究提供支持。 一、东盟区域物流发展评价指标体系 区域物流发展评价指标体系的构建原则包括目的性、全面性、非重叠性以及易获取性等。依据指标体系建立原则，学者们开展了丰富的研究，James和Chris[4]比较了亚、欧物流体系，根据各国物流体系的完善性划分了级别，并提出了在世界范围内比较物流体系的一系列指标，为国际区域物流比较研究提供了有益的参考。张国权[5]从物流业务量、交通运输设施与设备、人员数量、经济因素等四个方面建立区域物流能力评价指标体系。王小丽[6]则从社会经济发展状况、消费流通状况、交通运输状况、物流业固定资产投资状况、物流业增加值、信息发展水平、人力资源状况等七个方面建立区域物流能力评价指标体系。 已有文献指标体系的建立侧重于一国境内物流发展水平和能力衡量，较少反映跨境物流合作能力和水平。基于探索东盟国家跨境区域物流合作的研究目的，指标体系的选取和建立须立足于有效促进跨国间物资与物流资源的流动。跨境物流要求有一条合理的、低成本的、无缝连接的服务产业链来支持物资的实体流动。 考虑指标体系建立的系统性、跨境性、数据可得性和真实性等原则，选取世界银行的LPI(物流绩效指数)作为东盟国家物流发展的评价指标体系。 物流绩效指数是交互式的基准测试工具，可以帮助各国识别在国际贸易物流绩效中面临的挑战和机遇，有助于提高国家或地区的物流绩效。指标体系和数据来源由世界银行联合学术机构、国际组织、私营企业以及国际物流从业人员共同完成，具有良好的系统性、实践性与真实性。 物流绩效指数是对一个国家或地区物流发展的认知，侧重国际贸易视角，由六大指标构成[7]：(1)海关效率：海关和边境管制机构清关流程的效率，包括速度、简单程度和可预见的手续，包含人员及过程的效率性；(2)基础设施：贸易与运输相关基础设施(如港口、铁路、公路及通讯科技)建设质量；(3)国际货运能力：安排具有竞争性价格货运的便利性，即是否有能力安排具有价格竞争力的运输；(4)物流质量与竞争力：物流服务(运输商、报关行)的竞争力和质量；(5)追踪能力：追踪与追溯货物运输的能力；(6)及时性：货物运输在既定或预期时间内的到货率。 二、东盟国家物流发展聚类实证分析 (一)系统—模糊C均值聚类(SC-FCM法) 系统—模糊C均值聚类法(SC-FCM法)由系统聚类(System Cluster)与模糊C均值聚类法有效结合构成，降低FCM法中分类数C值的主观性。 系统聚类(System Cluster)为将样本各设成一类，计算类与类之间的距离，选择距离最小的一对合并成新的一类，后计算新类与其他类之间的距离，再将距离最近的两类合并，直至所有的样品合为一类为止的聚类方法。本文选用欧式平方距离作为距离测度，组间联接法为聚类方法。 模糊集理论最早于1965年由美国加利福尼亚大学自动控制论专家Zadeh教授提出，后被广泛应用于各个领域。1973年，作为早期硬C均值聚类(HCM)方法的一种改进，Bezdek提出了模糊C均值聚类算法。模糊C—均值聚类分析法[8]根据所给的数据集X，确定的分类数C和待分类样本分属各聚类中心的隶属度u[，ik]计算出C个聚类中心，然后使用各样本到各聚类中心的加权距离平方和来衡量样本与聚类中心的接近程度，经迭代得到各样本分别属于各聚类中心的最终隶属度，从而判断样本所属的类别。
