基于聚類分析的中國郵電產業業務分布研究

成亞利，王 波

（上海理工大學 管理學院，上海 200093）

CHENG Ya-li,WANG Bo

(Management School,University of Shanghai for Science and Technology,Shanghai 200093,China)

0 引言

隨著電子商務和科學技術的不斷發展，郵電行業在人們日常生活中發揮著越來越大的作用，郵電產業在中國是具有中國特色的產業。在國內，高潔[1-2]首先采用多元模糊推理預測方法進行郵電業務總量預測的研究，通過模糊推理得到業務量預測結果，并將結果跟模糊神經元網絡預測法的結果進行比較，表明多元模糊推理預測方法是有效的。而后她提出一種新的預測方法——可拓聚類預測方法，并用該方法進行郵電業務總量預測的研究，通過聚類分析得到郵電業務量預測值，結果表明可拓聚類預測方法是有效的。袁正[3]以1997年全國投入產出表為基礎，把國民經濟整合成包括第一產業、第二產業、不包括郵電業的第三產業以及郵電業的四個部分。計算出直接消耗系數矩陣和列昂惕夫逆矩陣，并在此基礎上分析郵電業的各種產業波及特性，如影響力、感應度、生產誘發系數、產值波及效應以及價格波及效應。仲偉[4]在對郵電業基于發展變化的產業特性進行規范經濟學分析的同時，著重利用投入產出表這一有力的宏觀經濟分析工具進行定量考察，找出判斷產業性質和國民經濟部門間影響的事實數據。最后利用計量經濟學方法依據現有資料嘗試對今后幾年郵電業及相關部門總產出、中間投入和最終投入的數值加以預測。張畢西等[5]以我國各地運輸、郵電通信業就業人數分布為例來說明模糊聚類、判優與識別的應用，同時這種方法同樣可用于各行各業就業分布情況的分析、歸類。康國棟等[6]采用時間序列和空間差異相結合的方法，分析了近20年來我國郵電業的發展，通過對我國31 個省區人均郵電業務量的分析，將其劃分為5 個等級，結果發現人均郵電業務量與人均GDP 呈正相關關系。在此基礎上，以人口和人均GDF 為變量，建立了我國郵電業的地域需求模型，發現科技進步和經濟發展是我國各省區郵電需求的關鍵增長因素。曹小曙等[7]利用基尼系數，分析廣東省郵電通信業務量1980～2006年的變化趨勢，在此基礎上，選取1985年、1995年和2005年3 個時間斷面，利用因子分析剖析郵電業務水平的空間分布格局，進而構建郵電通信發展指數P，反映各市的郵電通信發展速度。蔡亮亮[8]在灰色GM（1,1）模型的基礎之上對全國郵電業務總量的數據進行了分析。結合新陳代謝的方法，將修正后得到的GM（1,1）模型與馬爾科夫鏈模型進行結合，提出了改進的灰色馬爾科夫模型預測方法。利用改進后的灰色馬爾科夫模型對全國郵電業務總量進行了預測，預測的結果表明，采用改進后的灰色馬爾科夫預測模型能夠較準確地預測全國郵電業務總量的范圍，預測值的精度和準確度都有了較大的提升，效果令人滿意。

關于郵電行業的研究不勝枚舉，但對于郵電行業的時間分布的研究確實不多。為充分滿足顧客需求，積極提高郵電行業的工作效率，加強人力資源的有效分配，掌握郵電行業每年的淡旺季和業務量的分布就顯得尤為重要。因此，文章選取郵電行業2013年各月份的數據，結合主成分分析和聚類分析的統計方法，對2013年郵電行業業務的時間分布進行分析。

1 指標選取和數據來源

對于現有的郵電業務類型，諸如3G 移動電話用戶，正在飛速增長，沒有很大的分析意義。為此，文章選取近年來發展比較穩定的業務類型：包件、快遞、匯票、訂銷報紙累計數、定銷雜志累計數、固定電話用戶、移動電話用戶和移動短信業務量。

從國家統計局月度報表中選取8 個業務類型的全國2013年1～12 個月份的郵電業務的業務量，整理如表1：

表1 2013年各項郵電業務月度數據 單位：萬

2 主成分分析

運用SPSS[9]，對2013年8 個業務類型的月度數據進行因子分析，得出一系列指標及其對應圖表，并對其進行一一分析。其中用主成分[10]的方法，進行因子的抽取，缺失值使用均值進行替換。

2.1 初始相關性

由表2 知，本文選取的8 個因素之間的初始相關性。如快遞和固定電話用戶（-0.851）、快遞和移動電話用戶（0.836）、快遞和移動短信業務量（-0.815）、移動電話用戶和固定電話用戶（-0.996）之間的相關系數較大。且其對應的Sig 值也較小（都為0.000），說明這4 對對變量之間存在著較為顯著的相關性，進而說明了有進行因子分析的必要。

2.2 KMO 檢驗和Bartlett 球型檢驗

由表3 知：KMO 取值0.563 尚可做因子分析。Bartlett 的球形度檢驗統計量的Sig=0.000＜0.01，由此否定相關矩陣為單位陣的零假設，即認為各變量之間存在著顯著的相關系，這與相關矩陣得出的結論相符。

2.3 公因子方差

由表4 知：所提取的公因子對于各個原始變量的解釋效果不錯。

2.4 解釋的總方差

表5 顯示了各主成分解釋原始變量總方差的情況。在實際應用中有些研究工作者習慣于保留特征值大于1 的那些主成分，但這種方法缺乏完善的理論支持。在大多數情況下，當時即可使所選主成分保持信息總量的比重達到85%以上。在本文中看到當保留3 個主成分為宜，這3 個主成分集中了原始8 個變量信息89.498%，可見效果是比較好的。保存主成分分析所得的3 個公因子：FAC1_1，FAC2_1，FAC3_1。

3 系統聚類分析

以這3 個因子：FAC1_1，FAC2_1，FAC3_1 為變量，對不同業務量的月份進行系統聚類分析，得出冰柱圖，樹狀聚類圖如圖1。

由圖1 可知郵電業務量不同的月份的聚類情況。若是將其分為三類，則（2）為第一類，（3）為第二類，（1，4，5，6，7，8，9，10，11，12）為第三類。

4 結論與建議

對于聚類分析的結果，從宏觀層面分析發現郵電行業是一個業務量偏穩定狀態的行業。結果表明，2、3月份業務量相對于其他月份出現了極大的偏差，但是就其本身來講，各種業務量都很接近。結合中國的實際國情，人為地將這兩類歸結聚為一類，對郵電行業的整體業務偏穩定狀態和2、3月份業務偏多的原因進行分析。

表2 相關矩陣

表3 KMO 和Bartlett 的檢驗

表4 公因子方差

表5 解釋的總方差

圖1 樹狀聚類圖

對于郵電行業的整體業務偏穩定狀態的原因有如下2 點：

（1）國家相關政策的支持。郵電業是國家重要的社會公用事業，也是現代服務業的重要組成部分，郵政業在促進國民經濟和社會發展、保障公民基本通信權益等方面，發揮著十分重要的作用，受國家相關政策的保護。

（2）郵電行業和鐵路航空等交通運輸業協作運營。隨著電子商務的日益繁榮，各個行業也形成了較為穩定的協作關系。

對于2、3月份業務偏多的原因有如下4 點：

（1）在每年的年初是企業上一年賬務的結算和納稅的申報時期，這期間可能會有各公司向稅務機關以及稅務機關向企業寄送相關納稅申報材料。

（2）從審計的角度考慮，在年初公司的賬務也陸續進入年審階段，在這期間各企業的審計項目組在對企業進行審計的過程中需要向與企業有業務往來的銀行、供應商和主要客戶進行函證和電話詢問等。所有的函證業務是通過寄發征詢函的方式，這也增加了郵電行業在這一時期的業務量。

（3）年初節假日和商家的促銷活動，增加了包件和快遞的業務量。同時，節假日為忙碌的人們提供了交流問候的機會，使得電話短信的使用量急劇增加，也是郵電行業業務量猛增的原因之一。

（4）受季節影響，年初氣溫偏低，人們更傾向于網上購物，增加的郵電的業務量。

根據以上分析，可以給出如下建議：2、3月份，郵電行業處于旺季，可增派臨時員工和臨時物流車輛，增加窗口數，輪班倒崗，提高管理效率等方法以緩解旺季壓力，更好地滿足消費者需求。同時可以用提高獎金等激勵措施來調動員工工作的積極性和提高服務質量。

[1]高潔.應用多元模糊推理預測方法進行郵電業務總量預測[J].南京郵電學院學報（自然科學版），2000(1):58-62.

[2]高潔.可拓聚類預測方法及其在郵電業務總量預測中的應用[J].系統工程，2000,18(3):73-77.

[3]袁正.我國郵電業的產業波及特性研究[J].產業經濟研究，2003(6):52-57.

[4]仲偉.基于投入產出分析的我國郵電業發展績效評價[D].福州：福州大學（碩士學位論文），2006.

[5]張畢西，謝祥添.模糊聚類、判優與識別及其在全國各地運輸、郵電通信業就業的應用[J].價值工程，2007(4):37-39.

[6]康國棟，孫根年，王美紅.我國郵電業發展的地域需求模型研究[J].統計與決策，2008(16):95-97.

[7]曹小曙，李琳娜.廣東省郵電通信業發展空間差異變動[J].地理研究，2009(1):182-190.

[8]蔡亮亮.改進的灰色馬爾科夫模型及其對全國郵電業務總量的預測[D].南京：南京郵電大學（碩士學位論文），2013.

[9]賈麗艷，杜強.SPSS 統計分析標準教程[M].北京：人民郵電出版社，2010:253-309.

[10]何曉群.多元統計分析[M].4 版.北京：中國人民大學出版社，2004:54-194.