基于主成分聚類分析的地區農產品電子商務發展分析

劉冰芳++劉金璐++周文晴

摘 要：本文以我國各省省會等為研究對象，依據農產品生產因素和電子商務發展因素選取8個指標，通過主成分分析提取出農業發展、電子商務水平、碎片化程度三個因子，繼而通過聚類分析將30個城市劃分為四類，其中更多的城市表現為農業發展較差、電子商務水平不高、生產碎片化的待發展型，并根據分析的結果，提出不同的城市可以選取的農產品電子商務發展方式。

關鍵詞：農產品電子商務；發展水平；主成分聚類分析

中圖分類號：F323.7 文獻標志碼：A 文章編號：1008-2697（2015）05-0064-04

農產品電子商務自2012年以來成為行業發展新熱點。2012年阿里網絡零售平臺農產品銷售額達198億元，2013年則實現翻番增長，生鮮產品成為增速最快的品類[1]。農產品電子商務前景可觀。但相比國外，我國的小規模、分散種植的農產品生產基本格局尤為特別。碎片化的小農經濟，集中凸顯了農業小生產與現代市場經濟大流通之間的矛盾，是分析農產品電子商務發展時有必要考量的因素。故本文將農產品生產碎片化程度納入各地農產品電子商務發展評價體系，通過因子分析找到其中的主要因子，評估各地發展水平，再借助聚類分析將各個城市發展水平劃分為不同類別以據此發現發展農產品電子商務的優劣勢，進而尋求多樣化的農產品電子商務發展方式。

一、研究設計

（一）評價體系構建

一個地區的農產品電子商務發展水平由當地農產品生產情況及電子商務發展水平構成。參考前人進行的研究工作，同時考慮數據的可獲得性、可比性及有效性，最終確定了8個指標用以衡量各地農產品電子商務發展水平（如表1所示）。

（二）數據來源

本文以我國大陸的31個省級行政區域（包括22個省、5個自治區、4個直轄市）的省會和首都北京為研究對象，數據來源于各市2013年國民經濟和社會發展統計公報及2014年統計年鑒。由于拉薩市的統計年鑒及統計公報在市統計局及其他相關統計網站上均沒有提供，無法獲得所需數據，故分析中剔除了拉薩市，具體研究中只包括30個城市的樣本數據。

收集電子商務發展因素數據時，選取阿里巴巴、淘寶網及天貓這3大網購平臺上的網商情況為數據來源，網商包括阿里巴巴上實地認證且經過企業身份認證的誠信通會員以及淘寶網、天貓的賣家，截止時間為2015年3月。計算網商數量及交易額依托網站提供的店鋪篩選功能，剔除并非以農產品為主營業務的店鋪。阿里巴巴上交易額分為10萬以下、10-50萬、51-100萬、101-500萬、501-1000萬及1000萬以上，分別以10萬、30萬、75萬、300萬、750萬及1000萬計算。淘寶網及天貓上則選取店鋪內價高和熱銷的商品10件計算，重復則在熱銷商品中順延，銷量相同取其中高價的商品交易額，以在節省人力和時間的同時最大限度地得到最接近的實際情況的數據。由此計算出各市網商數量及網商交易額，同時結合市統計年鑒及統計公報，計算得出單位人口網商數。

二、地區農產品電子商務發展分析

本文采用主成分聚類分析方法，選取我國大陸各省省會、直轄市和自治區首府共30個城市，對其進行農產品電子商務發展水平分析。

（一）主成分與聚類分析方法

主成分分析是利用降維的思想，在力保數據信息損失最少的原則下，把多個指標轉化成少數幾個綜合指標的一種對多變量數據進行最佳綜合簡化的多元統計方法。在主成分分析中，通常將轉化生成的綜合指標成為“主成分”。主成分是原始變量的線性組合，且主成分之間互不相關。這樣，只需考慮少數幾個主成分研究復雜問題，既不丟掉原始數據主要信息，又容易抓住主要矛盾，避開變量之間共線性的問題，便于進一步分析，提高分析效率。

聚類分析是根據“物以類聚”的道理，對樣品或指標進行分類的一種多元統計分析方法。本文所用的快速聚類法的思想是：開始按照一定方法選取一批聚類中心，讓樣品向最近的聚心凝聚，形成初始分類，然后按最近距離原則不斷修改不合理分類，直至合理為止[2]。

（二）主成分與聚類過程分析

1.原始數據預處理及檢驗

收集的數據反映了各地區農產品電子商務方面的不同信息，為了排除不同量綱對評價造成的干擾，在聚類分析前，首先對原始數據做無量綱處理。本文采用SPSS 22.0中的標準化處理方法。所得數據經KMO檢驗和Bartlett檢驗，結果KMO值為0.633>0.5，Bartlett顯著水平<0.05，即指標之間相互獨立，適合做主成分分析。

2.主成分分析法提取主因子

采用主成分分析法運用SPSS軟件分析得到2個初始特征值大于1的因子，累計方差貢獻率達到65.754%，解釋結果不理想。但第三個因子貢獻率較大，因此選取3個因子，其方差貢獻率分別為38.892%、26.863%及11.652%，累計貢獻率達到77.406%，即能夠解釋77.406%的變量。可以認為原來的8個指標能夠綜合成3個因子，作為評價各地農業碎片化下電子商務發展水平的主成分。

由于因子載荷矩陣不是惟一的，所以應該對因子載荷矩陣進行旋轉。用最大方差正交旋轉法處理3個因子后得出載荷矩陣（如表2所示）。第一主成分在X3（播種面積）、X4（產量）、X2（農業機械總動力）、X1（產值比）指標上有很高的載荷，有三個達到了0.8以上，因此將F1定義為農業因子。第二主成分在X7（網上交易額）、X6（網商數量）、X8（單位人口網商數）指標上載荷值較大，所以定義為電子商務因子。第三主成分在X5（龍頭企業數量）指標上有載荷值較大，所以定義為碎片化因子。3個主成分與現實中討論農產品電子商務時考慮的3個方面一致。

3.計算各主成分得分系數矩陣及綜合主成分得分

SPSS自動輸出的各主成分得分系數矩陣如表3所示。根據表2得出3個主成分的表達式：

F1=-0.699X1+0.818X2+0.848X3+0.836X4+0.069X5-0.047X6-0.038X7-0.214X8

F2=-0.296X1-0.105X2-0.096X3+0.112X4+0.156X5+0.929X6+0.947X7+0.782X8

F3=0.097X1+0.08X2-0.078X3+0.001X4+0.967X5+

0.107X6-0.061X7+0.273X8

各主成分乘以相應的權重加總，得出綜合測算公式為：

F=（F1*38.892+F2*26.863+F3*11.652）/77.406

4.聚類分析

綜合測算結果能夠反映各地農產品電子商務發展水平，但未能揭示3個因子的內在狀況和影響。因此對F1、F2、F3進行快速聚類，首先取聚類數為9，觀察各聚類中心位置，將聚類中心基本一致的類聚成新類，重新設置聚類數。直至當聚類數為4時，各類聚類中心距離基本一致，聚類中心位置清晰不重疊，所以將30個城市分為4類。

從表4可以看出，第一類F1<0，F2>0，F3<0，表現為農業發展一般，電子商務水平較高，碎片化程度高。類似地，第二類F1<0，F2<0，F3>0，表現為農業發展較差，電子商務水平較低，碎片化程度一般。第三類F1<0，F2>0，F3>0，表現為農業發展較差，電子商務水平較高，產業化程度高。第四類F1>0，F2<0，F3<0，表現為農業發展良好，電子商務水平一般，碎片化程度較高。

最終結果如表5所示。

三、地區農產品電子商務發展結果分析

由分析結果可知，重慶、昆明、石家莊、杭州、哈爾濱綜合得分較高，排名居前，但高分原因略有不同。同屬第四類的的重慶、昆明、石家莊和哈爾濱得分高主要源于當地農業發展良好，除昆明外的其他3個城市的機械化程度較高，產量大，可外銷。昆明機械化程度不高，農作物播種面積也不大，但農產品產出效率很高。杭州則是因為農業產業化發達，網商數量較多且地區常住人口少，農產品電子商務水平較高。聚類分析得出的4個類別中城市間優劣勢不同，也代表了以此為主要表現的四類城市農產品電子商務發展狀況。

第一類城市有北京、長沙、上海和成都，共性在于F1得分在0左右波動，F2得分為正，F3得分略有不同，為“碎片電商型”。北京、上海經濟繁榮，對于電子商務這一新興的交易形態接受度、采納度高，網商數量眾多且交易額高，有良好的電子商務基礎。但都是一線城市，農作物播種面積和產量有限，農業在產業結構中占比不大，缺乏進行農產品電子商務的物質支持。長沙和成都則另有特點，長沙網商人數不多，但經營著茶以及禽蛋這類標準化程度較高、客單價較高、適合進行網上交易的農產品，達到較高交易額。成都網商數量也不多，交易額高于平均水平，但是農作物播種面積大，有一定的農產品電子商務基礎條件。

第二類城市包括濟南、長春、南京、武漢、沈陽、合肥等二十個城市，共性在于F1 、F2普遍為負，為“待發展型”。其中包括農業發展明顯落后、生產產業化但電子商務有待發展以及3個維度都有待發展的3種城市群體。廣州、太原、蘭州、貴陽和西寧5個城市在農業機械總動力、播種面積、產量以及產值比上都明顯低于平均水平。且除廣州外，4個城市的電子商務發展處于較低水平。但廣州數量較多的農產品網商也并未充分發揮農產品電子商務的潛力。濟南、長春、南京、武漢、沈陽、合肥、福州、南昌、天津九個城市F3得分為正，表明生產較為產業化和集約化。其中濟南和南昌的產業化發展突出。濟南機械化程度高，產出效果良好。南昌機械化水平低、播種面積較小，產量不大，與當地數量較多的龍頭企業數量不相匹配。余下7個城市中，除南京和武漢外，農產品電子商務發展剛起步，網商數量少，網商交易額不高。南京雖電子商務發展良好但當地農作物播種面積小、產量小，農業發展不足以支撐其發展當地農產品電子商務。武漢則是網商數量尚可，但交易額不高。西安、鄭州、烏魯木齊、呼和浩特、海口及銀川6個城市基本表現出3個維度都不具優勢，農產品產量較低、生產碎片化。值得一提的是烏魯木齊以數量低于平均水平的網商和農作物播種面積，達到了高出平均水平的交易額。這一現象也與新疆瓜果在全國范圍內都享有盛譽，棗類、核桃、干果等農產品適合發展電子商務有關。

第三類城市只有杭州。在多次聚類分析中，杭州一直自成一類或偶爾和少數幾個城市分成一類。杭州是唯一的一個F2、F3得分都高于1的城市，為“產業電商型”。杭州農業龍頭企業數量達681家，居各市之首，同時單位人口網商數也是最高。可見杭州當地多是龍頭企業帶動農戶生產，產業化發展良好。此外浙商素來是經濟發展的重要推動力量，杭州網商數量眾多，達成的交易額高，但當地農作物播種面積小，產量少，沒有過多可外銷的農產品存量。

第四類城市有重慶、昆明、石家莊、哈爾濱及南寧，主要表現為F1得分高，F2、F3得分較低，為“碎片農業型”。昆明和南寧農業發展條件一般，但農產品產出效率很高。石家莊和哈爾濱分別在農業機械化及播種面積上各有優勢，達到了相差不多的農產品高產量，同時農業在該市產業結構明顯占據較大的比重，是典型的農業城市。重慶則是在機械化水平、播種面積、產量上都明顯超出平均水平，但產值較低，仍不失為一個農業發達的城市。

四、結論與啟示

本文通過上述數據分析，聚類后得到的3個因子為農業發展因子、電子商務水平因子及生產碎片化程度因子，與實際討論時考慮的3個方面吻合，表明可以以這3個維度直接衡量最終農產品電子商務發展水平。同時第一主成分為農業發展，第二主成分為電子商務水平，第三主成分為碎片化程度，表現了發展農產品電子商務時生產是否為碎片化影響較小，更應著力于提升農業實力與電子商務水平。

聚類分析后將30個城市分為4類：碎片電商型城市北京、長沙、上海和成都，其中上海和北京電子商務基礎良好，成都農產品儲備較大，而長沙選擇適合網絡交易的農產品交易進而電子商務發展良好；待發展型城市濟南、長春、南京等，同時此類也是最多城市所在類別，可再細分為農業發展明顯落后、生產產業化但電子商務有待發展以及三個維度都有待發展的3種城市群體；自成一類的產業電商型城市杭州；碎片農業型城市重慶、昆明、石家莊等。可根據不同類別基本情況，相應地提升發展農產品電子商務中相對不足的方面，選取不同的發展模式。如杭州可通過產業化的生產進而拉動農業發展，提高機械化程度、提升產量，為農產品電子商務發展奠定物質基礎，進而更好地發展農產品電子商務。

由于本文研究對象只包含各個省的省會、直轄市及自治區首府，并未包括該省其他城市，城市分析結果并不適用于描述該省情況，不適用于廣泛推廣。同時因為只選取了省會和首府，部分農產品電子商務發展得很好的城市，如安徽蕪湖——互聯網品牌“三只松鼠”的所在城市，并沒有計入研究范圍。當然，這也為后續研究提供了一種進一步完善的方向。

參考文獻：

[1]高紅冰等.中國新農人研究報告[R].杭州：阿里研究院，

2014.

[2]汪冬華.多元統計分析與SPSS應用[M].上海：華東理工大學

出版社，2010.

（責任編輯：湯欽樂）