陈　超　周德群

摘要：文章利用主成分聚类分析法对区域物流规划中各地区的物流发展进行综合评价并分析。将长江三角洲16个重要城市作为物流中心节点，利用主成分分析对各地区的物流发展综合实力进行评价，再利用新得到的综合主成分指标代替原来较多的评价指标，对长三角各地区的物流发展进行聚类分析，最后对长三角区域物流中心做出了总体规划。

关键词：物流规划；主成分分析；聚类分析；区域物流

中图分类号：F224文献标识码：A

Abstract: A synthetic method of principal component analysis (PCA) and cluster analysis is presented to evaluate and classify the regional logistics development in regional logistics planning. It considers the 16 cities of Yangtze River Delta region as the logistics centre points and uses principal component analysis to carry on the comprehensive evaluation of the regional logistics into several categories according to the new indexes obtained from PCA. The results show that this method can simplify the original complicated problem and lead to an objective, reliable and convincing conclusion.

Key words: component analysis; cluster analysis; regional logistics; logistics planning principal

随着经济的快速发展，物流业在我国得到了飞速发展，很多地区相继对各自的区域物流中心进行了规划。在区域物流规划过程中，有几个非常重要的问题要解决好：如何划分区域经济物流区域，以促进区域物流协调发展，并有利于整合区域物流资源存量；如何确定物流枢纽城市及区域物流中心城市，实现以点带面，共同发展；如何将物流特征相似的区域归类，针对不同类别的区域出台具有差异性的物流发展政策。通常人们处理这种问题大多以经验定性分析为主，主观随意性较大。鉴于此，在物流研究课题和物流规划实践总结的基础上，本文提出一种基于主成分聚类分析的客观分析方法对江苏省各地区的物流发展进行综合评价并分类，为制定区域物流发展规划提供参考和依据。基本思路是，首先建立区域物流发展评价指标体系，再分别利用主成分分析和聚类分析方法对长三角地区的物流发展进行综合评价并分类，最后得出结论。

1 区域物流发展评价指标体系

根据可比性、完整性、易获取性、非重叠性、定量和定性指标相结合等原则，建立区域物流发展评价指标体系。这些指标从不同角度反映了区域物流的发展特征。

社会经济发展类：综合反映了区域物流发展的社会经济基础。包括GDP(X1)和人均GDP(X2)。GDP反映一个城市的综合经济实力，该值越大说明经济发展水平越好，在区域物流中心系统中的地位就越重要。除了考虑GDP总量以外，还应该考虑GDP的人均状况，因为人均GDP越大表明单位人口对物流的需求越大，由此使得该城市的物流需求也越大。

生产消费流通类：包括农业总产值(X3)、工业总产值(X4)、新增固定资产(X5)、社会消费零售总额(X6)、进出口总额(X7)。它们分别从生产、消费、国内流通等不同角度反映了区域物流服务的需求状况和需求规模。

交通运输类：反映了区域物流发展的物质基础，公路里程(X8)和民用汽车用量(X10)。由于长三角地区便利的公路交通，该值越大表明该城市作为物流中心的地位越重要，并且对其公路运输枢纽的要求也越高。

人力资源类：反映了物流发展的人力资源和劳动者素质，包括交通运输仓储人员数量(X9)。反映了从事物流业的总体人员数量。

信息发展水平类：反映了物流信息发展水平，人均移动电话用户数(X11)、人均互联网用户数(X12)。

2 区域物流发展综合评价模型

由于评价指标较多，尽管经过了仔细筛选，但彼此之间难免存在着一定的相关，因而反映的信息在一定程度上有所重叠。主成分分析利用降维的思想，把原来较多的评价指标化为较少的综合主成分指标来代替，综合指标保留了原来变量的绝大多数信息，且彼此间互不相关，能够使复杂问题简单化。因此，可采用主成分分析对长三角地区的物流发展进行综合评价。设有n个区域，p个指标，初始样本矩阵

Zj即反映了第i个地区物流发展的综合实力。Zj值越高，说明该地区物流发展综合实力和竞争力越强，反之则越弱。

3 区域物流发展聚类分析模型

对长三角地区物流发展进行分析和归类，可以按照常规的聚类方法进行。但由于指标较多，计算繁琐且容易出错，鉴于前面主成分分析已经得到q个能够反映原始变量的绝大多数信息，且为彼此互不相关的综合主成分指标，因此可以采用这q个主成分指标对长三角地区的物流发展进行聚类分析，这样处理将使问题大大简化。由于在系统聚类法中，类平均法聚类时步伐比较适中

用类平均法进行聚类，画出聚类图，得到各地区物流发展的分类结果，并进行分析。

4 实证分析

长三角地区作为全国物流业起步早、发展快的地区，物流发展规划在对其物流实践具有重要作用。通过本文的研究对整个长三角地区物流系统规划提出一些具有建设性的意见。

下文将应用上述方法对其进行分析。具体数据见表1。

4.1长三角地区物流发展综合评价

限于篇幅，略去计算过程，直接给出结果。各主成分对应的特征值及方差贡献率见表2。

为了减少信息损失，使综合评价和后面的聚类分析最大程度地接近原始状态，本文取前2个主成分，此时累计方差贡献率A=88.24％，也就是说，这前2个主成分以88.24％的精度体现了原始指标体系。由式(3)和表2得到区域物流发展的综合评价函数为：Z=0.75*Y1+0.13*Y2+1(加1之后使得Z能大于0)。

最终得到长三角各地区物流发展的综合评价结果，详见表3(表中Zi值经过处理后均为正数)。根据这些指标所计算出的综合指数则比较全面地反映了一个城市在区域物流系统中的地位和作用，一个城市的综合评判值越大，这个城市在整个区域物流系统中的地位越高、作用越大。根据以下评价结果，可以将长三角各区域物流发展大致分为3个层次：第1层次{Zi>2}为上海，区域物流发展综合实力遥遥领先；第2层次{1Zi>0}为余下的城市物流发展综合实力较弱，分析结果与实际情况是相吻合的。

4.2长三角各地区物流发展聚类分析

取类间距离d=1时，分为3类，有的类间距离太大。可将取d=0.5，分为5类比较合适。长三角地区16个城市分为5类： 第一类：上海； 第二类：苏州、杭州；第三类：南京、无锡、南通；第四类：绍兴、台州、常州、嘉兴、扬州、泰州；第五类：湖州、镇江、舟山。最后：结合各城市所处的地理位置以及主成分聚类分析结果。将长三角区域物流中心划分为3个级别共包含11个地区，见表4。

表4长三角区域物流中心规划结果所示，上海在长三角区域物流中地位一枝独秀，凭借着强大的综合实力，成为一级物流中心，对其他各个城市都具有很大的辐射作用。在二级物流中心中，江苏有苏州、南京、无锡、南通在其中，苏州、无锡凭借较强的经济实力在整个长三角地区占有一席之地，而南京作为江苏的省会城市、政治文化中心也成为二级物流中心，而南通凭借着优越的地理优势、便捷的交通，与江苏的苏州、南京、无锡同时成为二级物流中心；浙江的二级城市为杭州与宁波，杭州与宁波的经济在浙江各地级城市排名都在前列。作为浙江的省会城市凭借强大的经济实力和省会城市所具有的有利地位在整个长三角地区物流得分中排名第3，得分为1.60分，而宁波不仅在经济方面突出，其优越的地理优势也使得其成为二级物流中心。 三级物流中心中，江苏有常州、扬州、泰州、镇江，浙江有绍兴、台州、嘉兴、湖州、周山。作为长三角地区三级物流中心，它们的经济实力一般，地理优势不明显，但是还是有较大的发展潜力。

5结论

(1)用主成分聚类的定量分析方法对长三角各地区的物流发展进行综合评价并分类，为区域物流规划提供了提供一定依据。利用得到的主成分指标组成新矩阵，作为聚类分析的样本矩阵，原理清晰，计算简单，大大减少了计算工作量。

(2)本文提出的分析方法对其他区域物流规划有较好的借鉴作用，在地区一级的物流规划中也同样适用，只需适当调整部分指标即可。

(3)物流枢纽城市应成为物流基础设施规划布局的极点，应使极点成为物流基础设施布局的增长中心，让枢纽城市发挥辐射效用。因此，应重点加强上海、南京、杭州、宁波、南通等枢纽城市物流基础设施布局的统筹规划，合理设计枢纽城市的物流格局和基础设施分布，将物流基础设施投资和建设工作的重点放在这些枢纽城市，最大限度地提高基础设施投入资金的使用效率。

(4)基于长三角物流圈在国内物流业中的重要地位，长三角物流圈必须不断完善物流系统，实现陆海空同步发展，进一步强化其对内地的辐射效应。因此，不仅要加强铁路公路交通设施建设，加大港口码头建设，还必须加强该地区空港基础设施投入，改变目前不合理的布局。

参考文献：

[1]马永刚． 长江三角物流基础设施布局优化研究[J]． 中国流通经济， 2008(1):13-15.

[2]李婷． 主成分聚类分析在区域物流规划中的应用——以广东省为例[J]． 物流科技， 2007(9):30-33.

[3]于秀林， 任雪松． 多元统计分析[M]． 北京： 中国统计出版社， 1999:154-162.

[4]方开秦． 实用多元统计分析[M]． 上海： 华东师范大学出版社， 1989:215-250.

[5] Johnson R A． Appliedmultivariate statistical analysis[M]． New Jersey： Prentice-Hall Inc, 1999：312-324.

[6]周启蕾． 物流业形成发展机理与推进策略[M]． 北京： 北京大学出版社， 2004:233-242.

[7]李旭宏， 胡文友． 区域物流中心规划方法[J]． 交通运输工程学报， 2002，2(1):85-88.

“注：本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文”。