主成分分析及聚类分析.doc

《主成分分析及聚类分析.doc》由会员分享，可在线阅读，更多相关《主成分分析及聚类分析.doc（11页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、泛珠三角区域物流发展水平综合评价研究资料来源：吴晓燕. 泛珠三角区域物流发展水平综合评价研究泛珠三角区域是我国最主要的经济发达地区之一，也是现代物流最为强劲的“增长极”，具有优越的地理、交通与经济区位优势。但是区域内有发达省份，也有不发达省份，有沿海的省份，也有内陆省份，有东部省份，也有西部省份，彼此之间存在不同的优势和劣势。因此对泛珠三角区域物流发展水平进行评估与分析，有利于明确广东、福建、江西、广西、海南、湖南、四川、云南、贵州九省(区)的区域物流发展现状及差异，找出区域间的优势互补项目，为区域内物流资源有效利用和合理共享、促进区域物流一体化发展提供方向和依据。评价区域物流综合发展水平是一

2、项很复杂的工作。选择并构建区域物流发展水平综合评价指标体系是评价的关键。因此选择指标构建评价指标体系，必须以综合评价目的为依据，对所要考察的事物进行认真分析，寻找出影响评价对象的因素，从中选出若干主要因素，构建成综合评价指标体系。在多指标综合评价中，如果指标选择不当，再好的综合评价方法也会出现差错，甚至完全失败。区域物流发展水平评价指标体系实际上就是利用具体的指标将区域物流所包括的功能、区域物流的内涵、特征具体化、层次化的统计描述和综合评价。为了合理评估区域物流发展综合水平，我们主要选取6个一级评价指标，20个次级评价指标对其进行评估，具体结构如下表：表1 区域物流发展水平评价指标体系一级评价

3、指标序次级评价指标社会经济发展类1GDP2人均GDP生产、消费流通类3农业总产值4工业增加值5社会消费品零售总额6进出口总额交通运输类7全社会货运量8公路密度9民用汽车拥有量10民用运输船舶拥有量11全社会货运周转量12交通运输仓储及邮电通信增加值信息发展水平类13邮电业务总量14移动电话用户15国际互联网用户16邮路总长度人力资源类17专业技术人员数量18高等学校普通本、专科在校学生数宏观环境类19现代物流发展氛围20地理区位 1、社会经济发展类经济发展是区域物流发展的基础保障，一个地区雄厚的经济基础有利于该物流的加速发展。一般来说，区域物流发展水平与区域的经济发展水平成正比。因此，我们考虑

4、GDP和人均GDP两个次级指标，他们综合反映了物流发展的社会经济基础。2、生产、消费流通类从物流需求源考虑，农业、制造业等产业中的物流需求主要是生产资料的位移、储存和流通加工等，这类产业的物流需求与各行业的产量产值存在正比关系，物流需求是商品需求的派生物，与消费品销售，生产资料市场直接相关，商品市场的规模直接决定物流需求的大小，因此物流需求也与社会消费品零售总额与进出口总额密切相关。总的来说，物流业是为生产、消费与流通等环节和领域服务的，农业总产值、工业总产值、社会消费品零售总额与进出口总额等均可以从不同角度反映区域物流的需求状况和需求规模。所以，我们选取农业总产值、工业增加值、社会消费品零售

5、总额、进出口总额，从生产、消费、流通等不同角度反映区域物流的需求状况和需求规模。3、交通运输类运输是物流的一项重要活动，主要完成实物从供应地到需求地的移动问题。区域内的交通道路等基础设施建设在很大程度上决定着运输的质量和速度。公路密度反映了交通道路基础设施建设水平。全社会货运量、全社会货运周转量:一方面它反映了贸易的活跃程度，另一方面也反映了该地区的交通运输条件。交通运输条件可被认为是推动区域物流一体化的一个重要条件。它标志着区域内商品、要素流动的难易程度，是地区基础设施的重要组成部分。民用汽车拥有量、民用运输船舶拥有量在一定程度上反映了交通设备的发展水平。交通运输仓储及邮电通信业增加值反映了

6、交通运输类增长速度。区域物流发展需要具有四通八达、畅通无阻的运输网络，有效衔接港口、机场、公路、铁路、内河等不同交通运输方式，形成综合运输网络系统，实现全程物流运输的无缝衔接。区域物流运输设施网络建设规划包括两个级别的规划：一是地域间物流运输系统，主要包括机场、港口、国道、省道、高速路、区域物流园区等基础设施和物流运输管理措施、政策环境建设规划；二是地域内物流运输系统，主要包括城市内各等级公路、立交桥、地铁、轻轨、内河、城市物流中心、配送中心和物流运输管理措施、政策环境建设规划。4、信息发展水平类物流信息是物流活动的指南，物流过程中所有的物流活动都是根据信息开展的，最终促使整个物流网络系统顺利

7、地运转。现代物流的一个核心问题是，通过物流信息对物流网络系统各种资源进行整合，提高物流网络系统的整体功能与效益。物流信息网络建设就是构筑统一的公共物流信息交换平台，建设良好的物流市场信息交换环境，使信息的采集、加工、处理、存储以及传输形成一个统一的整体，高效协调处理利用各种物流信息，实现现代物流的目标。物流产业信息化水平是一个综合指标。邮电业务总量包含邮政和电信两项产生的收入，是反映物流信息化发展水平的重要指标。近几年，我国的邮电特别是电信事业发展得非常快，这为我国的区域物流发展提供了巨大的技术平台。移动电话用户、国际互联网用户、邮路总长度从不同角度反映了物流信息基础设备和设施的发展水平。5、

8、人力资源类高素质人才是现代物流发展的关键因素。以市场为导向，针对企业需求，培养多层次的专业人才，加快物流人才教育培养工程建设;统筹规划物流人才队伍建设，优化配置全社会教育资源，建立包括正规物流学历教育、物流职业教育、企业岗位教育、物流证书培训等多种层次互相结合、互为补充的物流人才教育培养体系，培养多元化的物流人才，提高专业技术人员和取得国内外主要资格证书的人员占全体物流从业人员的比例，有效满足物流人才的多样性需求。物流产业人员素质指标是指一定时期内(通常为1年)各类专业技术人员、大专以上学历在物流产业从业人员中的比重。通过对物流业从业人员素质的横向、纵向的比较，可以衡量区域物流领域人才的现状、

9、差距及今后的培育方向、教育重点与方向。技术人员数量和高等学校普通本、专科在校学生数这两个指标在很大程度上能反映一个地区人力资源的状况。6、宏观环境类宏观环境是软环境，具体包括物流市场秩序与政策法律环境。物流业发展制度环境的好坏是否不仅影响着区域物流企业经营的状况，还直接决定着吸引外资及各方面投资的能力。地方性物流发展的政策措施是国家物流发展政策措施体系的重要组成部分，建设区域物流发展政策措施体系是区域物流发展的重要内容。政府应强化企业的市场主体地位，发挥市场配置资源的基础性作用，加强产业政策的宏观指导，注重体制创新、制度创新、人才创新、技术创新、政策创新和管理创新，制定物流发展促进政策措施、物

10、流活动规制政策措施，出台综合性政策措施、交通运输政策措施和物流相关专项政策措施，为现代物流营造良好的发展环境，积极推进现代物流的发展。研究表明，一个地区的制度、政策、市场经济氛围和人们的观念、意识等，对当地物流发展的影响很大：而地理区位显然是影响区域物流发展的重要因素之一。因此，这两个指标分别以现代物流发展氛围和地理区位列入指标体系。对于定性指标的评价可划分为9个等级，即极好，很好，好，较好，一般，较差，差，很差，极差，分别对应l，10区间的9，8，7，6，5，4，3，2，l，采用专家打分，并结合相关资料给出各指标的得分。以上20项指标对应数据如表2所示：表2 泛珠三角九省(区)物流发展评价指

11、标原始数据省份X1X2X3X4X5X6X7X8X9X10广东22366.54244351109.2160397882.64279.6564.78372.9612967福建6568.931864657136762345.8544.114120048.0169.793037海南894.5710871179.6265268.625.421018260.4616.4699江西4056.769440510.511891236.240.653399637.3348.365545湖南6511.3410426947.721312459.160.027753441.6478.349241广西4075.75878

12、8711.91176139751.823822626.2759.148317云南3472.897835559.312621034.447.436205142.55103.61174四川7385.1190601032.727242981.479.026735123.6913811358贵州1979.065052335.5795606.914.042177026.6446.772304X11X12X13X14X15X16X17X18X19X20广东3860.3990.532129.256406.6148688福建1573.1455.18519.421302.339778海南448.864.3474

13、.97203.969364986998457江西885.2300.6259.48798.41877535565湖南1628.6366.72366.641266.23488690665广西1098.3225.2323.781021.1330969866云南680.6163.08262.18898.824156四川916.6380.28458.271689.760954贵州646.5115.82172.08509.41096492647由于评价指标较多，尽管经过了仔细遴选，但彼此之间难免存在着一定的相关性，因而反映的信息在一定程度上有所重叠。请采用合适的方法对上述指标进行约减，并给出泛珠三角九省(

14、区)物流发展情况的排序。主成分分析利用降维的思想，可把原来较多的评价指标用约化后较少的综合主成分指标来代替，综合指标保留了原始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。把泛珠三角九省(区)物流发展评价指标原始数据代入SPSS软件，求得标准化数据的相关矩阵R可以看出20个指标彼此之间存在着较强的相关性，这样，20个指标反映的经济信息就有很大的重叠。再根据累积方差贡献率大于等于80%的原则，选入二个特征值，其对应的特征向量就是所需要的主成分个数，这两个特征值对应的二个主成分基本包含了全部指标具有的信息，求得相关矩阵R的特征值及方差贡献率(见表3)。表3Total Variance

15、 ExplainedComponentInitial EigenvaluesExtraction Sums of Squared LoadingsTotal% of VarianceCumulative %Total% of VarianceCumulative %115.24976.24376.24315.24976.24376.24323.09015.45291.6963.09015.45291.6963.6833.41395.109 4.4222.11197.219 5.2141.06998.288 6.174.86999.157 7.100.50199.658 8.068.342100

16、.000 94.64E-0162.32E-015100.000 103.99E-0161.99E-015100.000 113.56E-0161.78E-015100.000 122.30E-0161.15E-015100.000 131.84E-0169.21E-016100.000 147.80E-0173.90E-016100.000 15-1.11E-016-5.54E-016100.000 16-2.84E-016-1.42E-015100.000 17-3.57E-016-1.79E-015100.000 18-4.52E-016-2.26E-015100.000 19-4.86E

17、-016-2.43E-015100.000 20-5.72E-016-2.86E-015100.000 Extraction Method: Principal Component Analysis.Component Matrix(a) Component12var001.998.026var002.844.423var003.780-.584var004.974.187var005.997-.018var006.938.284var007.903-.273var008.473.723var009.963.008var010.751-.578var011.971.130var012.985.

18、021var013.979.147var014.984.079var015.986-.018var016.917.067var017.796-.574var018.748-.554var019.806.214var020.291.889Extraction Method: Principal Component Analysis.a 2 components extracted.由因子载荷矩阵可以看出，即公共因子F1在XIGDP(亿元)、X2人均GDP(元)、X3一农业总产值(亿元)、X4工业总产值(亿元)、X5社会消费零售总额(亿元)、X6进出口总额(亿美元)、X7全社会货运量(万吨)、X9

19、民用汽车拥有量(万辆)、X10民用运输船舶拥有量(艘)、x11货运周转量(万吨公里)、X12交通运输仓储及邮电通信业增加值(亿元)、X13邮电业务总量(亿元)、X14移动电话总量(亿元)、X15国际互联网用户(万户)、X16邮路总长度(公里)、X17专业技术人员数量(人)、X18高等学校普通本、专科在校学生数(人)、X19现代物流发展氛围上的载荷值都很大，反映了省(区)经济信息发展水平和物流需求规模。公共因子F2在X8公路密度(公里/百平方公里)、X20地理区位上的载荷较大，反映了省(区)的物流基础设施和地理区位水平。所以提取两个主成分是可以基本反映全部指标的信息，所以可以用两个新变量来代替原

20、来的二十个变量。但这两个新变量的表达还不能从输出窗口中直接得到，因为“Component Matrix”是指初始因子载荷矩阵，每一个载荷量表示主成分与对应变量的相关系数。用图表4 (初始因子载荷矩阵)中的数据除以主成分相对应的特征值开平方根便得到两个主成分中每个指标所对应的系数。将初始因子载荷矩阵中的两列数据输入到数据编辑窗口(为变量B1、B2)，在Compute variable对话框中输入“A1=B1/SQR(15.249)”【注：第二主成分SQR后的括号中填3.09】，即可得到特征向量A1。同理，可得到特征向量A2。将得到的特征向量与标准化后的数据相乘，然后就可以得出两个主成分表达式。以

21、每个主成分所对应的特征值占所提取主成分总的特征值之和的比例作为权重计算主成分综合模型：得出泛珠三角各省(区)物流发展水平的综合得分，即F=(76.522*F1+15.445*F2)/91.968其中，F是综合主成分值，代表了省区物流发展的实力水平，省区的F值越大，说明其物流发展的综合实力就越强，且在泛珠三角区域物流中的地位就越重要。具体见表5：表5 综合主成分值可以看出：泛珠三角区域内物流发展水平差异较大。除了广东省的综合主成分值远大于1外，其他均小于l，且第一位的广东与最后一位的贵州之间相差10.87。反映省区经济、信息发展水平和物流需求规模的主成分F1上得分最高的是广东省，远高于其他省市。这是因为广东省的经济发展水平高、物流需求大。反映省(区)物流基础设施和地理区位水平的公共因子F2上得分最高的是海南省。海南省的公路密度在九省(区)中仅次于广东省，海南省公路建设成绩斐然。将各省(区)在2个因子上的得分进行加权综合，就得到了综合得分。根据综合主成分得分可评价泛珠三角九省(区)的区域物流发展水平。依次是:广东、福建、湖南、四川、广西、江西、云南、海南、贵州。