1 导论 电子商务物流作为战略性新兴产业，在转变经济发展模式中起着重要作用。电子商务物流已经从简单的经营业态发展成为一个市场容量巨大的产业，并逐渐形成电子商务物流产业生态，在城市层面，互联网和电子商务物流已成为决定城市竞争力的重要因素，促进电子商务物流的发展也被视为提高城市综合竞争力水平的有力手段。 电子商务物流作为现代化商业模式的典范，是城市优化产业结构、增强城市服务功能和竞争力的重要手段。目前，有关全面评价城市电子商务物流竞争力的深入研究尚不多见，电子商务物流的研究主要集中在概念界定、内涵和经验[1-2]、影响因素[3]、模式与路径[4-5]、消费者行为[6]上。 Komlosi E和Páger B[7]在应用全球创业和发展指数(GEDI)证明国家级创业绩效之后，采用全球竞争力指数(GCI)构建城市集聚效应指标体系，并利用指标的相关性和聚类分析进行城市集中度对国家竞争力和创业绩效的影响研究。Domareskiruiz T C等[8]运用了竞争力分析模型和规划模型对库里蒂巴公共关系的需求进行调查，分析了城市规划作为旅游目的地的竞争优势对城市旅游形象的贡献，确定了城市规划在城市旅游发展中的重要性和相关性。刘中艳和罗琼[9]运用灰色关联分析法从显示性指标和分析性指标两个角度构建了适合地级城市的旅游竞争力测度指标体系。霍云福和王玉彩[10]从商贸流通的视角研究了城市电子商务物流的综合竞争能力，并从人力资源、基础设施和财政保障等角度构建数据包络分析(DEA)模型进行实证研究，最后给出相适应的对策和建议。杨坚争等[11]在对跨境电子商务运营流程详细梳理的基础上进行了问卷设计，运用因子分析法对我国各地的跨境电子商务应用状况进行了研究分析，针对跨境电子商务发展中存在的困境和痛点问题，给出了具有建设性的对策建议。阿里研究院发布的《2014年中国电子商务示范城市发展指数报告》从电商发展指数和电商服务指数两个层面对中国电子商务示范城市进行综合排名。李征[12]从吸引力、管理力和辐射力3个层面，运用基于AHP的灰色关联评价模型，对城市的电子商务物流影响力进行实证分析。浩飞龙等[13]运用空间分析法和多元线性回归，从省域和城市两个层级分析电子商务物流发展水平的空间分布特征，并探讨其影响因素。 综合国内外研究，其一，过多强调电子商务物流对城市综合能力的经济效应，而忽略了社会、创新、人力等重要要素的影响，因而导致对城市电子商务物流竞争能力的研究存在局限性。其二，以定性研究为主，缺乏可靠的经验证据，尤其是缺乏对城市电子商务物流经济、社会基础以及创新基础的定量分析。因此，本文有两点创新之处：一则剔除传统定性研究的主观因素影响，所构建的城市电子商务物流评价体系能够更加多层次、多视角、全面客观反映城市的综合竞争力水平；二则在遵循评价原则的基础上，提出了基于FA-BP神经网络的城市电子商务物流竞争能力评价模型，以更为全面和客观地评价城市的电子商务物流竞争能力水平，既可推进电子商务物流影响经济社会发展的相关研究，也可为促进我国电子商务物流产业的持续健康发展提供科学依据。 2 城市电子商务物流竞争力评价模型构建 2.1 因子分析(FA)模型的建立 英国心理学家C.Spearman在20世纪初率先提出用于综合评价的因子分析模型，是指研究从变量群中提取共性因子的统计技术。该模型的特点是使用了大量的未知参数，其远远大于在传统的多变量分析中使用模型的未知参数数目。因子分析的基本原理是通过降维的思想把联系相关度较强的研究变量分在同一类中，最终把所有原始指标融合为能够较好解释整体的公共因子[14]。因子分析统计模型建立中的简约性经验原则要求一旦发现不能进一步产生显著效应的拟合指标数据，就立即停止参数数目的增加。通过因子分析模型分析，可以用较少合理数量的公因子反映原始数据的主体信息，在对原始信息有效解释的前提下减少信息的过度丢失，其原理如图1所示。
图1 因子分析原理图 因子分析在综合评价方面有其他评价方法不可比拟的优点，该方法的成功源于它的探索性，其各种变量之间的数据关系在研究中可以反复检验和论证。首先假设研究对象的个数为p，设定p个变量分别为X=(
)，用F代表多个变量具有相同解释原因的公共因子，两个公共因子的内积等于零，即两两正交。
代表那些影响其他变量的特殊因素的特殊因子，两者相互独立。于是因子分析的数学模型可表示为：
2.2 BP神经网络模型的建立 Rumelhart和McClelland在20世纪80年代中提出适用于模拟训练和仿真且具有较小误差效应的BP(Back Propagation)神经网络模型。因为它们的简单性和有效性，能够快速从模式中提取有用的信息。BP模型消除了传统回归方法在变量相互关系映射上的缺陷，准确地建立了输入变量和输出变量之间的映射关系[15-16]。
