基于SPSS的多元分析在山東省物流產(chǎn)業(yè)中的應(yīng)用

張宏碩，龐凱民，徐 淼，劉 寧

（昆明理工大學(xué) 機電工程學(xué)院，云南 昆明 650500）

0 引言

專業(yè)分揀進一步加強、科技的提高以及經(jīng)濟全球化的快速發(fā)展，對物流產(chǎn)業(yè)提出了新的要求。人們對物流產(chǎn)業(yè)的需求逐漸增大，并給物流相關(guān)產(chǎn)業(yè)如倉儲配送業(yè)、交通運輸業(yè)以及通信行業(yè)等帶來快速發(fā)展。另外，物流業(yè)是推動經(jīng)濟快速增長的動力之一，其增長會使國民經(jīng)濟穩(wěn)步發(fā)展，同時降低國民經(jīng)濟成本，改變國民經(jīng)濟的增長方式，極為重要[1]。因此，物流業(yè)對于經(jīng)濟增長的影響及其與經(jīng)濟增長之間的聯(lián)系已經(jīng)成為現(xiàn)代物流領(lǐng)域研究的一個重要話題。本文將在運用 SPSS軟件的基礎(chǔ)上，對山東省物流產(chǎn)業(yè)的相關(guān)數(shù)據(jù)進行多種方法的分析，如因子分析、主成分和聚類分析，分析影響山東省物流產(chǎn)業(yè)發(fā)展的重要因素，并找出其制約因素，以山東省為例探討哪些因素是限制物流發(fā)展的主要因素，以此對山東省物流現(xiàn)狀進行綜合評價，并由此提出相應(yīng)的改進建議。這有利于山東省政府根據(jù)研究結(jié)論，制定出可以促進物流業(yè)發(fā)展的政策，對山東省制定有利于物流業(yè)發(fā)展的宏觀政策具有一定的現(xiàn)實意義。

1 相關(guān)理論方法

1.1 因子分析

因子分析[2]指的是從變量群中提取共性因子的統(tǒng)計技術(shù)方法。其基本思想是：根據(jù)相關(guān)性大小把變量分組，使得同組內(nèi)的變量之間相關(guān)性較高，不同組的變量不相關(guān)或相關(guān)性較低。每組變量代表一個基本結(jié)構(gòu)——公共因子。因子分析的方法有十幾種，如重心法、影像分析法，最大似然解、最小平方法、拉奧典型抽因法等，但這些方法本質(zhì)上都屬近似方法，基本是以相關(guān)系數(shù)矩陣為基礎(chǔ)的。因子分析的的步驟一般包括以下幾步：（1）對數(shù)據(jù)樣本進行標(biāo)準(zhǔn)化處理。（2）計算樣本的相關(guān)矩陣R。（3）求相關(guān)矩陣R的特征根和特征向量。（4）根據(jù)系統(tǒng)要求的累積貢獻率確定主因子的個數(shù)。（5）計算因子載荷矩陣 A。（6）確定因子模型。（7）根據(jù)上述計算結(jié)果，對系統(tǒng)進行分析。

1.2 主成分分析

主成分分析[3]是將許多具有相關(guān)性的指標(biāo)，重新組合使其成為一組新的無相關(guān)性的綜合指標(biāo)，這些綜合指標(biāo)就是原始指標(biāo)的線性組合，用這些綜合指標(biāo)去代替原指標(biāo)的一種統(tǒng)計方法。這樣的目的是既可反映原有信息，又起到降維作用。其主要原理是降維，致力于使原始數(shù)據(jù)的信息損失量達到最小。主成分分析對原有指標(biāo)的主要信息具有較完整的保留程度，彼此之間相互獨立，抓住了主要矛盾，使問題趨于簡單。同時，主成分分析中不同指標(biāo)的權(quán)數(shù)由系統(tǒng)自動分配，主要按其指標(biāo)的重要程度，由此一來就克服了人為賦權(quán)的主觀因素，使得分析結(jié)果更加準(zhǔn)確科學(xué)。假定有n個地理樣本，每個樣本共有p個變量描述，這樣就構(gòu)成了一個n×p階的數(shù)據(jù)矩陣

其基本步驟為：（1）確定分析變量，收集數(shù)據(jù)。（2）標(biāo)準(zhǔn)化處理。（3）標(biāo)準(zhǔn)化后的數(shù)據(jù)求協(xié)方差矩陣。（4）求R的特征值、特征向量和主成分的方差貢獻率。（5）提取主成分。（6）求主成分分值，計算綜合分值[4]。

1.3 聚類分析

聚類分析[5]是將物理對象或抽象對象的集合進行重新分組，最終分為由相似對象組成的多個類的統(tǒng)計學(xué)分析方法。其原則就是通過對比樣本中各事物的性質(zhì)差異，將相似性質(zhì)的事物歸為一類，將性質(zhì)不相似的事物盡量歸于不同類中。其中歐式距離[6]在聚類分析中用的最為廣泛。聚類的方法有很多，其主要有系統(tǒng)聚類法、k-均值法、模糊聚類和有序樣品聚類方法等。目前最常用的方法是系統(tǒng)聚類法，其基本思想是先將n個樣品各自算作一類，計算它們之間的距離，再將距離最近的兩類合并為一個新類，計算新類與其它各類的距離，每次減少一類，以此重復(fù)，進行兩個最近類的合并，直至所有的樣品合并為所需類數(shù)為止。其步驟為：（1）選擇“分析”—“分類”—“系統(tǒng)聚類”進入系統(tǒng)聚類設(shè)置選項卡（2）進入選項卡，將標(biāo)準(zhǔn)化后的數(shù)據(jù)作為變量，然后可以在當(dāng)中選擇聚類的各種方式方法及要生成的圖標(biāo)（3）點擊確定即可看到SPSS自動處理輸出的結(jié)果（4）根據(jù)SPSS輸出的結(jié)果進行分析。

2 數(shù)據(jù)獲取及模型求解

2.1 數(shù)據(jù)來源和指標(biāo)選取

本文以山東省為例，以 2017 年中國統(tǒng)計局所公布的數(shù)據(jù)，選取中國統(tǒng)計年鑒[7]中2016 年“地區(qū)生產(chǎn)總值”、“人均生產(chǎn)總值”以及“社會消費品零售額”作為影響物流需求規(guī)模的指標(biāo)；選取“公路里程以及民用汽車擁有量”作為影響物流供給的指標(biāo)；選取“第一產(chǎn)業(yè)產(chǎn)值”、“第二產(chǎn)業(yè)產(chǎn)值”和“第三產(chǎn)業(yè)產(chǎn)值”作為影響產(chǎn)業(yè)結(jié)構(gòu)的指標(biāo)。具體選擇的指標(biāo)如下所示：

其中，三大產(chǎn)業(yè)產(chǎn)值考慮了經(jīng)濟結(jié)構(gòu)對物流業(yè)規(guī)模的需求以及區(qū)域經(jīng)濟總量的影響。原始數(shù)據(jù)見表1所示。本文運用SPSS中的數(shù)據(jù)分析方法，對表1中數(shù)據(jù)進行處理分析，得出結(jié)論。

表1 山東省各地區(qū)8項主要指標(biāo)情況統(tǒng)計Tab.1 Statistics of eight main indexes in shandong province

2.2 聚類分析

使用系統(tǒng)聚類方法分析數(shù)據(jù)，為了使不同量綱、不同數(shù)量級數(shù)據(jù)相互之間可以比較，首先對數(shù)據(jù)進行標(biāo)準(zhǔn)化處理[8]；其次求出經(jīng)過標(biāo)準(zhǔn)化處理之后17地市數(shù)據(jù)的歐氏距離；假定17個城市作為17個類別，用類間距離法[9]定義每兩個城市之間的距離；將距離最近的類進行合并，然后重新計算距離，由此進行合并以此逐漸減少類的分法。經(jīng)過 SPSS處理的結(jié)果如圖1、圖2所示。

圖1 17個城市的樹狀聚類圖（組內(nèi)聯(lián)接）Fig.1 Tree cluster chart of 17 cities(intra-group connection)

圖2 17個城市的樹狀聚類圖（Ward法）Fig.2 Tree cluster chart of 17 cities (Ward method)

本文運用系統(tǒng)聚類中的組內(nèi)聯(lián)接法和 Ward法進行對比，對比結(jié)果大體一致。從上圖可看出， 17個城市被分做3大類：第一類包括（1），第二類包括（2，4，7，3），第三類包括（8，9，10，5，13，12，14，11，6，15，17，16）。1 代表的青島，作為全國首批沿海開放城市，國務(wù)院批準(zhǔn)的山東半島藍色經(jīng)濟區(qū)規(guī)劃核心區(qū)域龍頭城市，其在各個方面的優(yōu)勢明顯，物流發(fā)展情況高于其他城市；而9，13，12，14，11，5，6，15，17，8，10，16 代表的泰安、濱州、聊城、菏澤、濟寧、德州、棗莊、日照、東營、威海、萊蕪，這類城市在物流發(fā)展的通訊、經(jīng)濟、交通條件等方面水平類似，物流發(fā)展比較落后；4，7，2，3代表的濰坊、臨沂、煙臺、濟南，這些城市物流水平雖次于青島，但因其經(jīng)濟發(fā)展水平較高，物流發(fā)展有較大潛力。

2.3 主成分分析

本文對原始數(shù)據(jù)進行標(biāo)準(zhǔn)化[10]處理，從標(biāo)準(zhǔn)化數(shù)據(jù)出發(fā)，應(yīng)用統(tǒng)計軟件SPSS24.0，以因子分析的結(jié)果進行主成分分析。

（1）求相關(guān)系數(shù)矩陣的特征值和方差貢獻率[11]，并選取主成分個數(shù)，對標(biāo)準(zhǔn)化后的變量提取主成分Zi。按照方差貢獻率大于 85%的原則，提取前三個主成分進行綜合評價，見表2。

表2 總方差解釋Tab.2 Total variance interpretation

（2）提取主成分。如表2所示，提取前3個特征值的主成分，前三個主成分的累計方差貢獻率已達到89.397%，大于85%，表明提取的這3個主成分已經(jīng)可以基本反映8個指標(biāo)的所有信息，可以在一定程度上說明山東省物流產(chǎn)業(yè)發(fā)展的綜合指標(biāo)。由圖3的碎石圖可知，第一個主成分的特征值最高，第三個主成分之后的特征根趨勢變緩，且取值很小，都小于 1，說明它們對解釋原有變量的貢獻很小。因此選取前三個主成分較為合適。

圖3 主成分特征值的碎石圖Fig.3 Macadam diagram of principal component characteristic values

（3）求主成分的成分矩陣，確定每個主成分所表示的含義，見表3。

表3 成分矩陣Tab.3 Component matrix

由于x2是由第幾主成分解釋難以確定，因此為了對因子更好地進行解釋，需對因子進行旋轉(zhuǎn)。

由表4可得出：各主成分的貢獻率雖與旋轉(zhuǎn)前的有略微變化，但三個主成分的累積貢獻率一致，都是89.397%。

表4 旋轉(zhuǎn)后總方差解釋Tab.4 Interpretation of the total variance after rotation

由表5數(shù)據(jù)可以得出：1x，3x，4x，5x，主要由第一主成分解釋，可以解釋為第一主成分反映了物流情況中區(qū)域GDP、社會消費零售額以及物流供給產(chǎn)生的效果。6x，7x，8x主要由第二主成分解釋，可以解釋為物流情況中產(chǎn)業(yè)結(jié)構(gòu)的影響效果。2x主要由第三主成分解釋，可以解釋為物流情況中人均生產(chǎn)總值的影響效果。

表5 旋轉(zhuǎn)后的成分矩陣Tab.5 The rotated composition matrix

（4）求主成分得分系數(shù)矩陣和主成分表達式，并計算各個主成分得分和綜合主成分得分。如表 6所示。

由此可得，三個主成分的線性方程如下：

表6 成分得分系數(shù)矩陣Tab.6 Component score coefficient matrix

將各地區(qū)標(biāo)準(zhǔn)化后的數(shù)據(jù)代入三個主成分的線性方程，得到三個主成分得分。以每個主成分的方差貢獻率為權(quán)數(shù)對三個主成分進行加權(quán)求和，即構(gòu)建出綜合評價模型[12]：Z=0.41224Z1+0.29886Z2+0.18287Z3

把各地區(qū)三個主成分得分代入上式，即可得出各地區(qū)物流水平的綜合得分。分值越大，表明其物流能力越強。負分值并不表示物流發(fā)展水平差，分值只反映了物流產(chǎn)業(yè)發(fā)展的相對強弱。具體見表7。

表7 山東省各地區(qū)主成分得分Tab.7 Principal component scores of Shandong province

從表7的數(shù)據(jù)可看出，青島市排名第一，得分遠遠領(lǐng)先其他地區(qū)。青島是山東省重要中心城市、沿海開放城市、新一線城市，是全國首批沿海開放城市，國務(wù)院批準(zhǔn)的山東半島藍色經(jīng)濟區(qū)規(guī)劃核心區(qū)域龍頭城市，其因優(yōu)越的地理位置以及快速增長的經(jīng)濟情況成為山東省經(jīng)濟發(fā)展的核心城市，快速的經(jīng)濟增長推動這青島市物流產(chǎn)業(yè)的快步提升。萊蕪經(jīng)濟發(fā)展程度相對落后，物流基礎(chǔ)設(shè)備差，物流需求量低，因此其物流能力排名靠后。另外上表城市中最終得分為正值的有6個，負值的有11個，說明山東省各地區(qū)之間發(fā)展不平衡，物流產(chǎn)業(yè)發(fā)展目前總體來說并不容樂觀。上表中各城市經(jīng)濟經(jīng)濟水平和其物流能力的排名是相符合的。

3 結(jié)束語

本文基于 SPSS對山東省物流產(chǎn)業(yè)發(fā)展現(xiàn)狀進行綜合評價，從多種分析結(jié)果來看，山東省各城市物流發(fā)展差距較大。青島市，物流發(fā)展總得分最高，第一主成分得分1.796439，排名第一，第二主成分得分3.058178，排名第一，第三主成分得分0.730346，排名第四。說明其在經(jīng)濟環(huán)境、生產(chǎn)消費、產(chǎn)業(yè)結(jié)構(gòu)方面均具有較大優(yōu)勢，為其物流發(fā)展奠定了良好的環(huán)境基礎(chǔ)[13]，遠遠好過其余城市。第二類城市雖然第一主成分得分略低于青島，但第二主成分，第三主成分得分排名比較有優(yōu)勢，說明此類城市物流產(chǎn)業(yè)發(fā)展也較好，物流基礎(chǔ)設(shè)施建設(shè)相對完善，物流發(fā)展的環(huán)境基礎(chǔ)較好。第三類城市在三個主成分上得分均較低，其物流發(fā)展綜合水平較低。

分析結(jié)果表明，經(jīng)濟發(fā)展較快的青島、煙臺等地區(qū)，物流綜合得分較高，經(jīng)濟比較落后的萊蕪得分最低。經(jīng)濟發(fā)展是物流能力發(fā)展的基礎(chǔ)，而物流能力的高低是關(guān)乎地區(qū)未來發(fā)展的關(guān)鍵因素。因此，想要提高區(qū)域發(fā)展水平，必須提高區(qū)域物流能力，區(qū)域物流能力和區(qū)域經(jīng)濟[14]協(xié)同發(fā)展，加強對物流基礎(chǔ)設(shè)施的完善程度，加大對物流產(chǎn)業(yè)的投資，為區(qū)域物流創(chuàng)設(shè)一個良好的經(jīng)濟發(fā)展環(huán)境，從而促進區(qū)域經(jīng)濟和區(qū)域物流相互進步，共同發(fā)展。

本論文存在的不足之處在于缺乏動態(tài)性，以后的研究可以著重于從動態(tài)的角度分析山東省物流發(fā)展情況，做橫向?qū)Ρ龋瑢啄曛g的物流發(fā)展情況進行分析，從而找出17個城市中物流發(fā)展最快最好的城市做標(biāo)桿，以此為基礎(chǔ)為山東省物流未來的發(fā)展提供有效的依據(jù)。