基于主成分分析法的港口物流網絡研究
——以寧波舟山港為例

胡榮 鄭穎

（南京航空航天大學金城學院，江蘇 南京 211156）

1 概述

港口作為水路運輸的重要組成部分，在提供傳統貨物裝卸、中轉等服務的基礎上，依靠其獨特的地理位置、裝備設施、倉儲等優勢，已逐漸發展立體化、樞紐型交通運輸網絡。通過倉儲運輸、商業貿易、工業生產和社會服務等功能，港口實現了物流、商流、資金流、技術流、信息流的匯集，在物流服務中的地位和作用逐漸提高。對港口物流網絡進行合理評價研究則可以在一定程度上揭示港口物流的不足，從而不斷完善港口物流的發展。

目前，已有很多學者針對港口物流的各個方面建立評價模型，從而揭示目標港口物流的優缺點，輔助決策。國內學者楊健[1]等利用港口物流投入、產出指標，結合數據包絡分析建立了C2R 模型，定量分析港口物流生產力效率，為港口物流效率的提高提供了有效的建議；陳繼紅[2]等根據硬件基礎實力和軟環境服務能力，結合灰色關聯模型，實現了對沿海港口物流綜合服務能力的評價，有助于我國沿海城市物流服務環境的建設。

寧波舟山港以浙江省寧波市和舟山市為依托，位于中國大陸中部海岸線、“長江經濟帶”的南翼，“絲綢之路經濟帶”于寧波舟山港和“21 世紀海上絲綢之路”相匯集。寧波舟山組合港的成功將進一步實現我國港口資源優化配置和港口管理體制改革。因此，對其物流網絡展開研究分析具有必要性。本文以現有港口物流理論為基礎，利用主成分分析法，在寧波舟山港、上海港、天津港、大連港、連云港之間建立港口物流網絡評價模型，應用于寧波舟山港，為寧波舟山港提供決策服務。

2 主成分分析法原理

主成分分析在統計分析中應用廣泛，適用于人口統計學、地理系統分數量地理學等。它將數量較多的多維變量通過線性變換綜合為較少數個重要變量，且保留了原始數據絕大多數信息。

3 評價模型建立步驟

3.1 評價指標制定

本文綜合考慮了影響港口物流網絡內部環境和外部環境發展的多種因素，同時這些因素能夠在各港口間客觀地進行橫向比較，從而客觀評價港口物流網絡。本文選取了2016-2019 年的多組數據（數據來源于歷年《中國統計年鑒》和各地區統計年鑒），如表1 所示，最終將影響因素分為2大類、3 個一級指標、10 個二級指標，分別為反映港口物流生產規模的貨物吞吐量、集裝箱吞吐量、貨物吞吐量增速、集裝箱吞吐量增速；反映港口物流硬件設施基礎的碼頭長度、碼頭泊位數、萬噸級泊位數；反映港口腹地經濟環境的港口城市GDP、港口城市進出口總額、交通運輸、倉儲、郵電業務總額。

表1 寧波舟山港物流網絡評價指標

3.2 數據預處理

這里所收集到的數據量綱不同，表現為他們之間存在數量級或計量單位的差異，因而各個變量之間不具有綜合性，這樣會對結果造成大幅度影響，或因計量單位不統一導致計算結果不具有現實意義[3]。

因此，本文首先需要先對數據進行標準化處理，即無量綱化處理，用線性函數將原始數據線性化的方法轉換到[0，1]的范圍，以便消除各個指標間量綱和數量級的影響，歸一化公式如下：

其中，Xnorm為歸一化后的數據，X 為原始數據，

Xmax、Xmin分別為原始數據集的最大值和最小值。

該方法實現了對原始數據的等比例縮放。變量U1、U2、U3、U4、U5、U6、U7、U8、U9、U10歸一化后對應變量為X1、X2、X3、X4、X5、X6、X7、X8、X9、X10。

3.3 確定主成分的數量

本研究中采用的方法論是一種基于主成分分析的方法論，根據采集到的10 項二級指標通過SPSS 軟件進行主成分分析，得到如表2 結果。

從表2 可以看出，第一個主成分包含了全部64%的信息，第二個主成分包含了全部18%的信息，前2 個主成分累計貢獻率已經達到81.921%，大體上涵蓋了所有的指標信息。因此，選擇前兩個主成分即可解釋關鍵問題。

表2 總解釋方差

3.4 確定綜合評價函數

確定兩個主成分的特征向量，公式如下：

通過與歸一化后的數據相乘得出兩個主成分的表達式分別為：

主成分分析法通過線性變換將數據轉變到一個新的坐標系中。根據方差最大理論，投影維度是K 維變量空間中在最小二乘意義上最接近數據的線，這條線穿過平均點。將每個數據投影的第一大方差在第一個坐標上，即第一主成分，第二大方差在第二個坐標上，即第二主成分。

從表3 可以看出第一主成分（簡稱F1）對所有變量均具有載荷，且集裝箱吞吐量、萬噸級泊位數、碼頭泊位數、港口城市外貿進出口總額這些指標的載荷絕對值均在0.9 以上，在第一主成分得分較高；而第二主成分（簡稱F2）主要反映了貨物吞吐量和貨物吞吐量增速兩個指標的信息。

表3 成分矩陣

3.5 綜合評價結果

將各港口標準化后的數據帶入上述各方程，可得2019 年各港口的各主成分得分，如表4 所示，以及綜合得分和排名，如表5 所示。

表4 2019 年各成分得分

表5 2019 年綜合評價得分及排名

通過各主成分得分和綜合評價結果可知，2019 年各港口物流網絡排名依次為上海港、寧波舟山港、天津港、大連港、連云港。并且根據原始數據與綜合評價結果結合分析，可以幫助各港口做出物流網絡的優化決策。

3.6 方差分析結果

圖1 為根據調查和采樣點港口位置分區的PCA 得分箱線圖：（a）PC 1；(b) PC 2 。在箱線圖中，橫穿方框的線代表中位數。箱子的上下兩側顯示了上四分位數（Q3）和下四分位數（Q1）。 晶須延伸到由Q1+1.5(Q3-Q1) 和Q3+1.5(Q3-Q1)定義的區域內的最低和最高觀測值。超出這些限制的單個點為異常值，用星號繪制。

圖1 PCA 得分箱線圖

箱線圖1(a)顯示了一個虛構的數字的物流網絡評價指標。從該圖中，我們可以看到物流網絡評價指標從每個集合的最大值延伸到最小值，顯示了這兩個極端之間的范圍大小，例如，港口5（連云港）在PC 1 是個短框，意味著它們的數據點始終圍繞中心值徘徊; 港口1（寧波舟山港）歸屬于范圍大、分布廣類型，即數據較為分散。其次，在5 個不同港框架的中線（每組的“中間”值）皆位于其他四個框架之外，則組之間可能存在差異，可以很好地區分不同指標。反之，箱線圖圖1(b)出現了很多長框意味著有更多的可變數據。與此同時，港口1、4、5 的中線都位于相互框之間的重疊范圍內，我們將不得不采取另一個步驟來得出關于它們的組的結論。

4 結論

本文將多元統計學中的主成分分析法應用于港口物流網絡的評價問題，通過將與原有的多維變量簡化為少數綜合變量，對寧波舟山港、上海港、大連港、天津港、連云港2016-2019 年的10 項指標進行分析，得出了各港口物流網絡排名。結果表明，2019 年寧波舟山港的現有水平和綜合實力稍遜于上海港，但未來的發展潛力巨大。由此，為了提高寧波舟山港的物流網絡水平，應加大對基礎設施的資源投入，建立海鐵聯運、疏港鐵路等相結合的交通網絡。

影響港口物流發展的因素眾多，而在現實生活中，部分影響因素具有不確定性，無法用具體數值描述，不能直接和定量指標一起進行運算。因此我們可以考慮采用模糊評價方法，將定性指標量化更全面地評價港口物流網絡的發展，作者將在未來的研究中對該方法進行深入探討。