周 燕,邬 跃,练 静

(北京物资学院 物流学院,北京 101149)

丝绸之路经济带下西部地区物流发展影响因素分析

周 燕,邬 跃,练 静

(北京物资学院 物流学院,北京 101149)

以丝绸之路经济带国内段分布在西部地区的五个省份作为研究对象,通过相关分析和主成分分析,对影响西部地区物流发展的因素进行筛选,再运用灰关联熵分析计算各因素对西部地区物流发展的影响差异,并对影响因素的重要程度进行排序。研究结果表明,货运周转量、铁路营业里程和公路里程、交通运输、仓储和邮政从业人员的影响作用最为突出。最后为丝绸之路经济带战略背景下,促进西部地区物流快速健康发展,提供针对性的对策建议。

西部地区；物流发展影响因素；相关-主成分分析；灰关联熵

1 引 言

丝绸之路是中国西部地区若干条线路之间相互连接而形成的通往欧洲、西亚的物流网络,习近平总书记提出的建设“丝绸之路经济带”倡议旨在“古丝绸之路”的概念上构建新的经济发展区域,从而扩大中国同周边国家的经济贸易联系。物流作为经济带贸易联通的重要支撑力量,对丝绸之路经济带的构建与运行具有决定性作用。丝绸之路经济带在西部地区的空间范围主要沿第二欧亚大陆桥分布,包括中国西部地区的陕西、甘肃、宁夏、青海以及新疆五个地区,“丝绸之路经济带”倡议的提出,给西部地区物流业赋予了加大力度先行发展的重要使命,推动西部地区物流快速发展成为“丝绸之路经济带”构建与发展的首要任务。

客观准确地研究和分析影响西部地区物流发展的关键因素,可以科学地认识西部地区的物流发展情况,然后针对各影响因素的重要程度趋利避害,对西部地区物流的发展进行合理布局,协调各因素推进西部地区的物流发展。在区域物流发展影响因素研究方面,国内外权威机构尚未建立统一的指标体系,但国内许多学者根据各自对区域物流的理解,从不同的角度构建了区域物流发展影响因素指标体系。张建升(2011)[1]选取物流网络密度、区域物流政策、人力资本存量、城市化率、市场开放度五个变量,采用夏普里值分解法(Shapley Value)对影响中国区域物流发展的影响因素进行分析。章文燕(2011)[2]运用灰色关联分析法,对选取的七个影响台州物流发展的因素生产总值、工业、第三产业、社会消费品总额、固定资产投资总额、进口总额、出口总额,进行重要程度分析。高胜(2013)[3]从经济社会发展指标、流通贸易类指标、产业结构类指标、环境类指标、其他补充指标五个方面选取17个指标,采用灰色关联分析对影响浙江省物流发展的影响因素进行分析。马丽容(2014)[4]从物流需求、资源条件、吐纳能力三个方面选取17个指标,运用灰色关联分析对影响甘肃省物流发展影响因素进行分析。王健(2014)[5]运用向量自回归模型(VAR),选取物流网路密度、物流资本和人力资本、产业结构、物流需求、政府调控五个变量,分析了影响福建省物流发展的因素。

2 西部地区物流发展影响因素指标体系的构建

通过分析已有的研究成果,发现区域物流发展影响因素指标的选取都是采用定性研究方法,是学者根据指标含义和个人经验,主观筛选的指标。建立合理的指标体系是分析西部地区物流发展影响因素的关键,本文根据可观测性原则初步海选指标,并采用相关分析和主成分分析相结合的定量研究方法对海选指标进行筛选,得到信息质量高的西部地区物流发展影响因素指标,建立起优化的西部地区物流发展评价指标体系。

2.1 指标海选与数据来源

通过对文献梳理归纳,结合西部地区物流发展的实际情况和可观测性原则,进行指标的海选,从物流需求、基础设施、贸易流通、吐纳能力、资源条件五个方面,建立了由5个一级指标和20个二级指标构成的西部地区物流发展影响因素海选指标体系。丝绸之路经济带在西部地区的空间范围具体包含：陕西、甘肃、宁夏以及青海、新疆西北五个地区,因此采集2010—2014年以上五个地区的年度数据。数据来源于国家统计局网站最新数据或由国家统计局网站所提供的数据计算得出。

2.2 基于相关性分析的指标筛选

首先通过初值化对表1海选出的影响西部地区物流发展的各项指标原始数据进行标准化处理,初值化是指所有数据均用第一个数据除,然后得到一个新的数列。然后通过计算同一准则层内两个指标之间的相关系数,两个指标的相关系数大于临界值,说明两个指标反映信息重复可删除其中的一个指标,从而避免指标的信息重复。应用SPSS软件计算标准化后的数据得到相关系数,给定相关系数临界值为0.9,筛选结果如表3所示。

2.3 基于主成分分析的指标筛选

在相关性分析的基础上,通过主成分分析筛选各准则层剩余的指标,删除因子负载较小的指标,保证筛选出的指标对最终结果有显著影响。输入标准化后的数据,利用SPSS软件完成主成分分析过程。累积方差贡献率达到85%时,选取第一主成分中因子负载绝对值大于0.9的指标和第二主成分中因子负载绝对值最大的指标。如果第一主成分的方差贡献率已超过85%,只选取第一主成分表达式中因子负载绝对值大于0.9的指标即可,筛选结果如表4所示。

表1 相关性分析筛选出的西部地区物流发展影响因素指标体系

表2 主成分分析筛选出的西部地区物流发展影响因素指标体系

2.4 指标体系构建

通过初步海选以及相关性分析和主成分分析相结合的定量筛选,从20个海选指标中筛选出了8个指标,最终得到的西部地区物流物流发展影响因素指标体系,如表4所示。

表3 定量筛选后的西部地区物流发展影响因素指标体系

3 基于灰关联熵的西部地区物流发展影响因素分析

在区域物流因素分析方面,学者多采用灰色关联分析方法进行研究,原因在于灰色系统理论适用于研究具有“少数据”“贫信息”“不确定性”特点的问题,而区域物流发展涉及领域众多,与区域经济中其他系统关系紧密,影响区域物流发展的因素广泛复杂,且具有明显的不确定性和随机性,同时研究区域物流发展的影响因素需要采用最近几年的统计数据,是一个小样本问题,这些典型的灰色性恰恰符合灰色系统的研究特点。

灰关联熵分析是在灰关联分析基础上发展的方法,将灰色关联分析与熵值理论相结合,弥补了灰色关联分析局部关联倾向和个性信息损失的缺点,灰关联熵分析可以充分利用个性信息,实现整体性接近,能更加科学真实地反映各个因素间的相对重要程度。因此,运用灰熵关联度分析法对影响西部地区物流发展的因素进行分析,通过比较灰关联熵和熵关联度找出影响西部地区物流发展的主要因素,为丝绸之路经济带背景下制定西部地区物流发展对策措施提供重要依据。

3.1 指标数据确定及无量纲化

我国目前没有专门的物流发展情况统计数据,根据国家统计局制定的国民经济行业分类标准,物流业属于第三产业中的交通运输、仓储和邮电业,通过查阅相关文献,最终采用最常用的交通运输、仓储和邮政业增加值来表示物流的发展。因此,以国家统计局发布的2011—2014年交通运输、仓储和邮政业增加值数据为参考数列。以上文选出的8个影响西部地区物流发展的主要影响因素：第三产业增加值、铁路营业里程、公路里程、邮电业务总量、邮政业务总量、货物周转量、地方财政交通运输支出、交通运输、仓储和邮政业从业人数各年份数据为比较数列。由于以上各影响因素间单位和数量级不一致,在进行灰熵关联分析前需要对原始数据进行无量纲化处理。常用的无量纲化的方法有初值化、均值化以及极值处理法等,延续上文采用初始化处理。

表4 2010—2014年西部地区物流发展及其主要影响因素

3.2 计算灰色关联系数

Δ1=0，0.0064，0.1572，0.1275，0.1278

Δ2=0，0.0085，0.0472，0.0582，0.1631

Δ3=0，0.0755，0.0321，0.1137，0.2035

Δ4=0，0.0373，0.2113，0.1515，0.8567

Δ5=0，0.0990，0.2175，0.1316，0.1367

Δ6=0，0.0422，0.0347，0.0624，0.0786

Δ7=0，0.0048，0.1909，0.0002，0.3413

Δ8=0，0.1018，0.1272，0.0035，0.1039

γ1(k)={1,0.9852, 0.7315, 0.7706, 0.7702}

γ2(k)={1, 0.9805, 0.9008, 0.8803, 0.7243}

γ3(k)={1, 0.8502, 0.9303, 0.7902, 0.6780}

γ4(k)={1, 0.9200, 0.6697, 0.7387, 0.3333}

γ5(k)={1, 0.8122, 0.6632, 0.7649, 0.7581}

γ6(k)={1, 0.9103, 0.9251, 0.8729, 0.8449}

γ7(k)={1, 0.9888, 0.6917, 0.9994, 0.5565}

γ8(k)={1, 0.8079, 0.7711, 0.9919, 0.8047}

3.3 计算灰关联熵

对关联系数γi(k)进行映射处理：

映射值Ph为分布密度值,此时Ph≥0,并且∑Ph=1, 得:

P1=[0.2349, 0.2314, 0.1718, 0.1810, 0.1809]

P2=[0.2229, 0.2186, 0.2008, 0.1962, 0.1615]

P3=[0.2354, 0.2001, 0.2190, 0.1860, 0.1596]

P4=[0.2731, 0.2512, 0.1829, 0.2017, 0.0910]

P5=[0.2501, 0.2031, 0.1659, 0.1913, 0.1896]

P6=[0.2196, 0.1999, 0.2032, 0.1917, 0.1856]

P7=[0.2360, 0.2334, 0.1633, 0.2359, 0.1314]

P8=[0.2285, 0.1946, 0.1762, 0.2267, 0.1939]

以Ph为属性信息的灰关联熵：

计算得比较数列的灰关联熵分别为：H1=1.6003,H2= 1.6033,H31.6007,H4=1.6000,H5=1.6078,H6=1.5837,H7=1.6030

3.4 计算熵关联度

灰熵是离散序列的分量值均衡程度的测度,灰熵越大序列就越均衡。在各属性值相等时取最大值,灰关联系数分布最均衡,灰熵取最大值,此最大值与序列属性值无关,只与属性元素的个数有关。设Hmax代表由n个属性元素组成的序列的灰熵最大值,记作Hmax=lnn,则序列Xi的熵关联度为:

Ei=Hi/Hmax

计算结果如下：E1=0.9943,E2=0.9962,E3=0.9946,E4=0.9651,E5=0.9942,E6=0.9990,E7=0.9840,E8=0.9960

确定灰关联序列的排序准则：比较数列的灰关联熵和熵关联度越大,比较数列与参考数列的灰关联系数分布映射越均衡、关联性越大,则该比较数列所对应的影响因素对参考数列的影响程度越大。根据计算结果,对西部地区物流发展的影响因素排序如下：货物周转量>铁路营业里程>交通运输、仓储和邮政业从业人数>公路里程>第三产业增加值>邮政业务总量>地方财政交通运输支出>邮电业务总量。

4 研究结论与发展建议

由以上计算结果可以看出,所选取影响因素的灰熵关联度都很高,代表这些影响因素与西部地区物流发展的关系相当密切。分析上述影响因素,可以有效地找出加快西部地区物流发展的切入点,有针对性地制定西部物流发展规划和相应的对策措施。

货运周转量对西部地区物流发展起最为关键性作用,这与运输是物流系统的重要功能环节和基本组成部分有关。不管在生产物流领域还是销售物流领域,产品的空间转移都是依靠运输功能实现的,而货物周转量指标同时包含了运输对象的数量和运输距离,可以全面地反映运输成果,是物流的发展的重要组成部分。从计算公式可知,货运周转量包含了物流里程因素和物流需求两方面,因此,可以通过促进西部地区不同运输方式的协调发展保障物流运输的畅通性,同时加快经济建设发展,提升西部地区物流需求量。

铁路营业里程和公路里程作为反映物流基础设施建设情况的因素,在影响因素排序中位列第二和第四,影响作用明显。应加快铁路及公路交通运输线路的建设,促进两种运输方式的密切衔接,加大对西部地区物流基础设施建设,加强物流网络密度对区域物流发展的带动作用,实现我国与丝绸之路经济带沿线国家交通基础设施的互联互通。

交通运输、仓储和邮政从业人员是影响西部物流发展的第三重要因素,这意味着物流业从业人数总体上影响着西部物流的发展,西部地区需要推进教育与物流的结合发展,调整物流人才结构,加快物流专业人才的培养力度,形成完善的西部地区物流人才教育培训体系。

虽然第三产业增加值在推动和抑制物流发展方面不如上述其他影响因素作用明显,但是,物流业作为第三产业的重要组成部分,政府在西部地区产业结构升级和产业结构调整方面,可以加大对第三产业的扶持力度,从而保障西部地区物流的高效发展。

地方财政交通运输支出对物流发展的影响程度位居第六,虽然没有其他因素关联程度强,但同样可以制约西部地区物流的发展,因此,可以通过政策倾斜,适当放宽对西部地区物流领域的投资,调整地方财政交通运输支出结构,为西部地区物流发展提供资金支持。

邮政业务总量和邮电业务总量在影响因素排序中居于后位,这说明西部地区的物流发展借助电子商务的部分相对较少,这与西部地区,特别是丝绸之路国内段覆盖的西北五个地区,电子商务相比其他地区较为落后的发展规律相符。因此,应加大西部地区物流节点布局力度,构建畅通高效的物流网络,挖掘西部地区电子商务物流的发展潜力,促使其推动西部地区物流业发展。

综上所述,区域物流作为区域经济的重要支撑力量,其影响因素复杂多变,作用程度和折射层面也各不相同。因此,首先需要科学地分析出西部地区物流发展的主要影响因素,并对影响因素的重要程度排序,然后再根据实际情况有针对性的具体分析,力求在推动物流的过程中把握关键点,有计划地发挥各影响因素对西部地区物流发展的拉动作用,使西部地区物流更好地发展,为丝绸之路经济带战略构想的实施,提供重要依据和坚实的支撑力量。

[1]张建升.区域物流发展差异及其影响因素研究[J].北京交通大学学报：社会科学版,2011,10(3):48-53.

[2]章文燕.基于灰色关联分析法的物流发展影响因素分析[J].统计与决策,2011(23):105-107.

[3]高胜,张希风.浙江省区域物流发展影响因素灰色关联分析[J].铁道运输与经济,2013,35(9):49-53.

[4]马丽容,马丁丑.区域物流发展影响因素的灰色关联分析——以甘肃省为例[J].中国物流与采购,2014(15):66-67.

[5]王健,刘荷.区域物流发展的影响因素研究——基于福建省的实证分析[J].华东经济管理,2014(3):22-27.

[6]迟国泰,曹婷婷,张昆.基于相关-主成分分析的人的全面发展评价指标体系构建[J].系统工程理论与实践,2012,32(1):111-119.

[7]赵尔奎,刘重新.基于灰色关联熵的陕西省文化产业发展战略研究[J].科技管理研究,2013,33(11):224-227.

[8]SunCC.CombiningGreyRelationAnalysisandEntropyModelforEvaluatingtheOperationalPerformance:AnEmpiricalStudy[J].Quality&Quantity,2014,48(3):1589-1600.

[9]LiY.SequenceofLogisticsDevelopmentAffectingFactorsBasedonGreyRelationEntropyAnalysis[C]//Logistics:TheEmergingFrontiersofTransportationandDevelopmentinChina.ASCE,2015:220-225.

[10]刘超.区域旅游业竞争力评价模型的构建和影响因素研究——以北京市为例[J].中国市场,2015(29):59-63.

[11]罗甜甜.湖南省经济增长影响因素实证分析[J].中国市场,2016(21).

10.13939/j.cnki.zgsc.2016.49.017

周燕(1991—),女,辽宁大连人,北京物资学院硕士研究生；邬跃(1956—),男,北京人,北京物资学院,教授；练静(1992—),女,河南商丘人,北京物资学院硕士研究生。