基于因子聚類分析的江西省區域農產品物流能力評價

摘 要：農業作為第一產業，在江西省乃至全國的社會經濟發展中都占據重要地位。而農產品物流對農業發展有直接影響。基于現有研究，選取9個指標，借助統計分析軟件SPSS20.0對江西省11個市的農產品物流能力進行評價；發現其農產品物流能力普遍較弱，且各市農產品物流發展極不均衡，差異較大；并據此提出促進江西省農產品物流發展的相關建議。

關鍵詞：農產品物流；物流能力評價；因子分析；聚類分析

中圖分類號：F252.8 文獻標志碼：A 文章編號：1674-7909（2023）19-42-5

0 引言

江西省位于我國東南部，地處長江中下游南岸，東鄰浙江省、福建省，南連廣東省，西靠湖南省，北毗湖北省、安徽省而共接長江，地理位置優越、交通便利，是我國重要交通樞紐之一。同時，江西省氣候適宜，屬亞熱帶溫暖濕潤季風氣候區，降水量豐富、四季分明，適合多種農作物的生長，是我國重要的農業生產基地，農產品種類多樣且豐富，具有發展農產品物流的良好基礎條件。

隨著經濟的迅速發展和消費水平的逐漸提高，人們對農產品的要求不再限于基本的口味和外觀，還要求農產品綠色有機的生產過程及保鮮、快速的運輸，由此引發的產業轉型和升級刻不容緩。另外，低端的農產品本身價值雖然并不高，但是通過加工、包裝及高效的物流等，可以在很大程度上提升農產品的附加值，從而增加農民收入，促進農業農村發展。

從實際來看，目前江西省大部分農產品生產者和農產品物流經營者缺乏對農產品物流發展的了解和重視，只是將其當作農產品的流通方式，并沒有將其作為產業轉型升級和提高農民收入的重要途徑。農業本身只是影響農產品物流發展的表面因素，影響農產品物流發展的潛在因素還有很多。基于此，筆者通過因子聚類分析，評價江西省11個市農產品物流能力，并提出相關改進建議，以期更好地發揮江西省農業資源優勢，促進江西省經濟發展。

1 研究綜述

物流是指物品的實體流動過程，包括對運輸、儲存、裝卸、搬運、包裝、流通加工、配送、信息處理等基本功能的實施和管理［1］。然而，對于農產品物流的定義尚未有一個統一的概念。張倩［2］、王冬［3］研究認為，農產品物流是指為了滿足用戶的需求并實現農產品價值，始于生產者生產的農產品物質實體及相關信息，并以農產品最終送達消費者為結束的農產品物質和價值的轉移活動。

有學者研究認為，農產品物流能力是指農產品物質實體及相關信息在從生產者到消費者的整個物流過程中，各物流環節為了實現農產品價值轉移與增值和組織目標進行合理的資源配置，并運用各項技術，同時從事統籌、規劃、協調等管理活動，進而提高農產品物流的效率、提升消費者滿意度、降低農產品物流成本的能力。農產品物流能力的特征主要體現在整體性、時效性、穩定性和發展性等方面［4］。在了解農產品物流能力相關理論和特征后，要想對農產品物流能力進行評價，必須著手建立農產品物流能力評價指標體系。陳香［5］在遵循整體性原則、統籌兼顧原則和因地制宜原則的基礎上，確立了包括公路覆蓋率、農產品物流扶持政策等16項指標的農產品物流能力評價指標體系。大部分學者鑒于數據可比性和可獲得性，只選取了基礎設施能力、物流協調能力、物流運營能力及政策環境支持4個維度中的部分指標建立農產品物流能力評價指標體系。例如，田淑芳等［6］選取了境內公里數、農林牧漁業總產值等8項指標評價區域農產品物流能力。而程露露［7］選擇用區域生產總值（Gross Domestic Product，GDP）、區域人口數等10個指標對區域農產品物流能力進行評價。

2 指標選取與數據來源

筆者在考慮數據可比性和可獲得性的基礎上，參考《江西統計年鑒：2019》［8］和2018年江西省各地級市國民經濟和社會發展統計公報，選取區域經濟發展水平、區域農村物流發展潛力、區域信息化程度3個維度的地區人均GDP（X₁）、社會消費品總額（X₂）、居民可支配收入（X₃）、農林牧漁業總產值（X₄）、境內公里數（X₅）、民用載貨汽車擁有量（X₆）、貨運總量（X₇）、互聯網接入用戶數（X₈）、移動電話年末用戶數（X₉）等9個指標構建江西省區域農產品物流能力評價指標體系（見表1），同時選取江西省11個市作為樣本。

3 研究方法

3.1 因子分析

因子分析是一種從變量群中提取共性因子的統計技術，主要原理是將所觀測變量進行分類。其將相互聯系較為緊密，即相關性較強的變量分為一類，不同類的變量之間相關性較弱。因子分析可通過少數幾個因子反映原變量的大部分信息，這樣既抓住了問題的本質，又達到了濃縮數據的目的，具有客觀性、可操作性強等特點。筆者利用SPSS20.0軟件對選取的9個指標進行因子分析，包括因子變量構建、主因子解釋與命名、因子得分計算并排名，最后得出相關結論。

3.2 聚類分析

聚類分析是根據對象之間的相似性度量，將對象劃分為若干組的方法，主要原理是將一組相似的對象（數據點或觀測值）分成具有相似性的類別或簇，目標是得到較高的簇內相似度和較低的簇間相似度，使簇間的距離盡可能大，簇內樣本與簇中心的距離盡可能小。筆者利用SPSS20.0軟件，根據因子分析法得出的主因子得分計算江西省11個市的相似性，得到江西省各市農產品物流能力系統聚類樹狀圖，最后綜合各項分析結果將11個市劃分為多個類別，并對各個類別進行分析，進而得出相關結論。

4 江西省區域農產品物流能力實證分析

4.1 原始數據的標準化處理

由于各指標原始數據的單位不同及其數值大小和離差的不同等，可能導致分析結果的偏差，因而筆者利用SPSS20.0軟件對原始數據進行Z-Score標準化處理。Z-Score標準化處理方法是基于原始數據的均值和標準差進行數據的標準化，輸出數據結果如表2所示。

4.2 江西省區域農產品物流能力因子分析

4.2.1 KMO和Bartlett球形檢驗

為判斷數據是否適合進行因子分析，筆者利用SPSS20.0對標準化數據進行KMO和Bartlett球形檢驗。檢驗結果顯示，選取的9個指標的KMO值為0.583，處在0.5～0.6，雖然大于最低標準0.5，但檢驗結果不夠理想；然而Bartlett球形檢驗結果的相伴概率為0，小于顯著性水平0.05，因此拒絕Bartlett球形檢驗的零假設。綜合考慮兩項檢驗結果，筆者認為所選取的9個指標適合進行因子分析。

4.2.2 主因子提取

因子分析的結果如表3所示。在2個初始特征值大于1的因子中，第1個因子平均代表了5.366個指標的信息，第2個因子平均代表了2.335個指標的信息，2個因子的累計方差貢獻率達到85.564%。因此，筆者提取前2個因子作為主因子評價江西省區域農產品物流能力。

4.2.3 因子旋轉

由于因子需要有實際含義，為了使因子載荷矩陣中系數更明顯，可進行“旋轉”，將因子與原始變量的關系進行重新分配，使因子的意義更加明確與合理，有利于數據的解讀和應用，旋轉后的因子荷載矩陣如表4所示。顯然在經過旋轉后，社會消費品總額、農林牧漁業總產值、境內公里數、民用載貨汽車擁有量、貨運總量、互聯網接入用戶數及移動電話年末用戶數等7個指標在第1主因子上有較大的載荷，而地區人均GDP和居民可支配收入在第2主因子上有較大的載荷。

根據各指標意義和屬性并結合相關行業知識可以發現，與主因子1關系密切的社會消費品總額、農林牧漁業總產值、貨運總量主要反映該區域農產品物流的供給和需求狀況，而境內公里數、民用載貨汽車擁有量、互聯網接入用戶數和移動電話年末用戶數4個指標主要反映該區域農產品物流基礎設施情況。因此，筆者將主因子1命名為物流基礎因子。同理，與主因子2關系密切的地區人均GDP和居民可支配收入主要反映一個區域的經濟水平，故筆者將主因子2命名為區域經濟因子。具體因子結構情況如表5所示。

4.2.4 因子得分

確定因子以后，需要計算各因子在樣本數據上的具體數值。利用SPSS20.0軟件，計算得到因子得分系數矩陣（如表6所示），根據該矩陣可以得到因子評分表達式為

F₁=0.109X₁+0.273X₂+0.078X₃+0.135X₄+0.091X₅+0.121X₆+0.104X₇+0.245X₈+0.232X₉ （1）

F₂=0.337X₁+0.244X₂+0.332X₃-0.130X₄-0.180X₅-0.118X₆-0.018X₇+0.082X₈+0.050X₉ （2）

在此基礎上，為了更好地進行比較分析，筆者進一步計算2個主因子的綜合得分（F）。根據2個主因子旋轉后的累積方差貢獻率作為權重，得到2個主因子綜合得分表達式為

F=（0.495 47F₁+0.360 17F₂）/0.855 64 （3）

之后，通過SPSS20.0軟件計算得到江西省11個市的2個主因子得分和排名及主因子綜合得分和排名。由表7可知，除南昌市、九江市、贛州市、上饒市外，其余7市的主因子綜合得分均為負數。由此可見，江西省區域農產品物流能力普遍較弱，且各區域農產品物流發展極不均衡，差異較大。

4.3 江西省區域農產品物流能力聚類分析

為了進一步分析江西省區域農產品物流水平和結構，筆者根據此前因子分析提取的2個主因子作為變量，利用SPSS20.0對江西省11個市農產品物流能力進行系統聚類分析，得到聚類分析樹狀圖如圖1所示。

根據因子分析的結果，筆者將江西省11個市的農產品物流能力分成4類：第一類，物流基礎完善且區域經濟發達；第二類，物流基礎高于區域經濟；第三類，區域經濟高于物流基礎；第四類，物流基礎欠缺且區域經濟落后。具體結果如表8所示。

由圖1、表8可知，南昌市作為江西省省會城市，自身單獨作為一類，其在農產品物流能力上表現最強并且遠強于其他城市；贛州市也單獨作為一類，但在樹狀圖中與其他城市還是存在一些關聯，其在農產品物流能力上表現較強的原因主要體現在其發達的物流基礎上；九江市、上饒市、宜春市、撫州市和吉安市作為第三類城市，它們在農產品物流能力上表現一般，這5個城市的特點主要體現在物流基礎較強，但是區域經濟發展稍弱；第四類城市包括新余市、鷹潭市、萍鄉市、景德鎮市，這4個城市在農產品物流能力上表現較弱，其特點主要表現為區域經濟較強，但物流基礎薄弱，最終削弱了城市整體的農產品物流能力。

5 結論及建議

5.1 結論

綜合當下國內農產品物流形勢，江西省各區域人文環境、生態環境和地理地形等一系列因素和各區域農產品物流能力因子分析和聚類分析結果，筆者得出以下結論。

①江西省部分區域的農產品物流能力較強主要得益于當地土地面積較大和人口眾多。例如，贛州市作為江西省土地面積最大、人口最多的城市，盡管其人均GDP最低，但其便利的交通、豐富的勞動力是其在物流能力主因子綜合得分中排名第2的主要原因。此外，在江西省區域農產品物流能力聚類分析中，第三類城市（包括九江市、上饒市、宜春市、撫州市和吉安市）均為江西省面積較大、人口較多的城市，其在物流基礎設施上相較于第四類城市有明顯的優勢。例如，新余市、鷹潭市、萍鄉市和景德鎮市的經濟水平較高，交通也相對便利，但農產品物流能力卻低于經濟水平較低地區，它們很大程度受限于勞動力的不足和土地的匱乏。

②江西省作為內陸省份，山區較多而平原較少，境內地形呈南高北低，北靠長江，還有全國第一大淡水湖鄱陽湖，這使得北部的九江市和上饒市擁有豐富的水資源和良好的水利條件。九江市因為其便利的水上交通和水產資源，其物流基礎和區域經濟均排在全省前列。

③江西省南部大部分城市山區較多，不利于水稻、蔬菜等作物的大面積種植，交通也相對不便。而如今電子商務迅猛發展，為特色農產品開拓了巨大的市場，促進了農產品的消費，極大地刺激了農產品物流需求。例如，較為有名的“贛南臍橙”“南豐蜜橘”等，都極大地推動了當地農產品物流的發展。

5.2 建議

①加強農產品物流基礎設施建設。盡管江西省整體的交通網絡比較完善，但是作為農產品主要生產基地的山區農村，其公路覆蓋率仍然較低。江西省應重點加強農村地區公路建設，保障農產品物流運輸。此外，物流離不開倉儲，有關部門應根據各區域農產品物流情況建設相適應的農產品倉儲和配送中心等設施。

②加強區域合作，共同增強農產品物流能力。江西省各區域農產品物流能力差異較大。南昌市作為唯一的第一類城市，其農產品物流能力遠強于其他城市。與之接壤的九江市、上饒市、宜春市和撫州市均為第三類城市，物流基礎相對較好，且九江市背靠長江，水上交通便利。基于此，上述城市可以南昌市和九江市為中心，大力發展南昌農產品物流圈和贛江-長江農產品水運物流體系，以帶動江西省北部各區域農產品物流的發展。第二類城市贛州市地處江西省最南端，與廣東省、福建省兩沿海省份相鄰，農產品物流能力較強。江西省中南部吉安市、撫州市等地可以贛州市為中心，建立外向型農產品物流體系，以促進農產品外銷，從而大力發展經濟。

③發展壯大農業產業。相關部門可以引導農民根據市場需求、自然條件等規模化發展農業產業，提升農產品的品質和附加值。同時，幫助并促進農民對農產品進行加工和推廣，推動產業升級，從而克服農產品生產分散、成本相對較高、銷售渠道窄和農產品物流投資吸引力弱等問題。

④培養農產品物流相關人才。相關部門可以組織農民參加培訓，提高農民對市場的認知，同時加大對農產品物流科研和專業人才培養的投入力度，推動區域農產品物流專業化發展。

⑤構建農產品物流信息平臺。政府相關部門可以構建正規的農產品物流信息平臺，充分利用電子商務、生鮮物流的發展及人們對綠色、有機食品的關注，促進農產品消費，提高農產品物流速度，引導江西省農產品物流向著現代物流形式發展。

參考文獻：

［1］中華人民共和國國家質量監督檢驗檢疫總局，中國國家標準化管理委員會.物流術語：GB/T 18354—2006［S］.北京：中國標準出版社，2007.

［2］張倩.淺議農產品物流［J］.農村經濟，2003（9）：48-50.

［3］王冬.農產品物流能力形成及提升機制研究［J］.價格月刊，2015（1）：68-70.

［4］樂婷.農產品物流能力與流通效率關聯性的實證研究［D］.武漢：武漢理工大學，2012.

［5］陳香.基于結構方程模型的農產品物流流通能力分析［J］.物流技術，2014（1）：248-250.

［6］田淑芳，陸克斌.基于因子聚類分析的安徽省區域農產品物流能力評價［J］.南陽理工學院學報，2016（3）：41-44.

［7］程露露.基于因子分析法下的江西省農產品物流發展研究［J］.物流工程與管理，2018（7）：40-42.

［8］江西省統計局，國家統計局江西調查總隊.江西統計年鑒：2019［M］.北京：中國統計出版社，2008.