基于主成分聚類分析的農產品物流評價

劉子昂++高彥平++劉新亮+王雯

摘要：科學認識我國不同區域農產品物流水平是發展農產品物流的關鍵問題。但影響農產品物流評價的指標較多，各種指標之間也存在著相關關系。為了解決這一問題，首先建立了農產品物流評價體系，利用主成分分析的方法，對2011年全國31個省市農產品物流的相關數據進行分析，確定了2個主成分；并進一步采用聚類分析的方法將31個省市的農產品物流水平分為5類，對聚類結果進行分析；最后在此基礎上對各類地區提出了農產品物流的規劃建議。結果表明，主成分聚類分析可以有效解決評價指標較多和指標相關性較強的問題，利用這種分析方法研究農產品物流，所得聚類結果更加客觀，能夠較好地體現各類地區農產品物流的特點。

關鍵詞：農產品物流；主成分分析；聚類分析

中圖分類號： F252文獻標志碼： A

文章編號：1002-1302（2016）12-0553-03

收稿日期：2015-12-22

基金項目：國家自然科學基金（編號：61203150）。

作者簡介：劉子昂（1993—），男，北京人，碩士研究生，主要研究方向為供應鏈管理。E-mail：zane.liu@outlook.com。

統計數據表明，2003年我國農業總產值為12 870.11億元，并且逐年攀升，到2014年農業總產值達到了54 771.55億元。中國農業生產力發展迅速，因此高效開拓農產品市場、減少物流成本、提高農產品競爭力就成為了農業發展的重要問題，而發展農產品物流正是解決以上問題的關鍵[1]。雖然我國的農產品物流已經取得了一些進展，但總體來說，我國的農產品物流和發達國家相比還有很大的差距。

目前，我國農產品物流存在的問題主要體現在兩方面：一方面是農產品物流技術上的問題，農產品由于其自身特性，所以相對于其他產品的物流有其獨特的要求，例如生鮮農產品具有保質期短、容易腐爛變質的特點，因此要求在儲存和運輸過程中保持低溫。出于成本考慮，我國的農產品多采用常溫物流的方式，這就使得生鮮農產品在物流過程中出現極大的損耗。另一方面是因為我國地域遼闊，而農產品生產受環境制約的影響，不同地區的地質氣候不同，產出的農產品種類也就不同。另外由于城市的定位不一樣，不同城市的農產品產量也有很大差異。這種差異也為農產品物流造成了一定的難度。

因此，科學認識我國不同區域的農產品物流特點，將具有相似特點的地區進行聚類，并根據不同類別進行科學規劃是發展我國農產品物流的關鍵。評價農產品物流，首先需要建立農產品物流評價體系，國內已經有許多學者關注物流評價指標體系的研究，如：金芳芳等從基礎設施、產業規模、產業效率、經濟發展水平、信息化水平和物流支持產業6個方面選取指標，對“長三角”16個城市的物流競爭力進行評價并聚類[2]；李玉民等從社會經濟發展、生產消費流通、交通運輸、人力資源、信息發展水平、宏觀環境等幾個方面構建了區域物流評價指標體系[3]；趙英霞在論述了農產品物流評價指標體系構建原則的基礎上，從農產品物流發展外部環境、農產品物流內部流程和農產品物流總體效益3方面構建了中國農產品物流評價指標體系[4]。一些學者對農產品物流的評價問題進行了研究，如：王程等利用層次分析法對西部地區生鮮農產品物流水平進行評價，以評價結果和供需失衡程度為標準對生鮮農產品進行聚類[5]；曹炳汝等運用因子聚類分析方法對“長三角”16市進行分析研究，并確定了區域農產品物流樞紐城市布局[6]；楊蕾等利用平衡記分卡構建了農產品物流能力指標體系模型，將模糊數學（Fuzzy）和層次分析法（AHP）的方法相結合對農產品物流能力進行評價[7]；王道平等運用 K-Means聚類分析方法對我國各省（市、區）農產品物流模式進行分類[8]。

國內學者從很多方面建立農產品物流的評價指標體系，并且采用各種方法對農產品物流水平進行評價，但運用主成分分析和聚類分析的方法，對我國各省（市、區）農產品物流水平進行評價的研究并不多。本研究以我國區域農產品物流作為研究對象，對各個省（市、區）的農產品物流進行評價、聚類，科學認識每個省（市、區）的農產品物流水平，明確各個省（市、區）的農產品物流特點并做出合理規劃，最后有效提高農產品物流水平。

1農產品物流評價指標體系

雖然目前還沒有形成完全統一的物流評價指標體系，但構建的物流體系中基本都會包括物流基礎設施、經濟發展水平、信息化水平、人力資源水平等幾個方面。

本研究在借鑒國內外現有的物流水平評價指標的基礎上，綜合考慮農產品的生產、消費能力，提出了農產品物流評價指標體系。這個評價體系包括12個指標，分別從農產品生產能力、農產品消費能力、物流水平、信息化程度和物流人力資源水平等方面反映了各個省（市、區）的農產品物流水平（表1）。（1）農產品生產能力。農產品生產能力是指農產品生產、加工的能力。沒有農產品的生產、加工，就沒有農產品物流，可以說農產品生產能力是農產品物流的基礎，其中包括2個指標，[JP2]分別是農業總產值和機械初加工農產品數量。（2）農產品消費能力。農產品消費能力反映了一個地區的經濟水平和消費能力，包括3個指標，分別是GDP、社會消費品零售總額和年末人口數。（3）物流水平。其中包括貨運量、鐵路里程和公路里程，貨運量反映了物流運輸成果，鐵路和公路建設體現了一個地區的物流基礎設施水平。這些指標綜合體現了物流水平。（4）信息化程度。隨著物流的現代化，信息化程度也是影響物流能力的重要指標，包括郵電業務總量、固定電話用戶數和互聯網上網人數。（5）物流人力資源水平。人力資源是影響物流水平的重要因素，包括交通運輸就業人員數。

2農產品物流評價方法

本研究選取了12個指標來評價31個省（市、區）的農產品物流水平，如果直接分析這些數據的話，會出現2個問題：第一，數據量大給物流水平的評價造成了一定的難度；第二，各個指標之間存在相關性問題，指標信息的相關會使統計結果出現偏差[9]。運用主成分分析的方法可以降低變量維度，同時也能保證信息不會大量丟失。提取出的主成分個數遠遠少于原有指標的個數，并且有一定的命名解釋性，方便對數據進行分析、聚類。因此可以采用主成分分析的方法對各個省（市、區）的農產品物流進行評價。

主成分分析的求解步驟如下：

（1）對原有變量進行標準化處理。由于原始數據量綱不同，標準化處理可以消除這種不同對結果的影響，用式（1）對數據進行標準化。

[JZ（][WTHX][STHX]Zij=[SX（]（xij-uj）σj[SX）]。[JZ）][JY]（1）

得到的標準化矩陣記為[WTHX][STHX]Z，xij是第i個城市第j個指標的原始值，uj是第j個指標的均值，σj是第j個指標的標準差。

（2）計算簡單相關系數矩陣R。（3）提取主成分。求解特征方程，計算得到R的特征值和特征向量。根據特征值或累計方差貢獻率確定因子數。（4）因子的命名。用正交旋轉中的方差極大法進行因子旋轉，方便對主成分命名。（5）計算主成分得分。

聚類分析就是從數據出發，根據數據的特征和親疏程度進行分類，這種分類是不需要有先驗知識的。具有相似數據的個體聚為一類，數據差異較大的個體分到不同的類。聚類分析要求所選擇的變量之間不能存在較強的線性相關關系，主成分分析得到的主成分之間沒有線性相關性，主成分能夠反映原有數據的大部分信息，所以可以利用前面得到的主成分對各地區的農產品物流水平進行聚類分析。

[JP2]本研究采用K-Means聚類分析對各個省（市、區）的農產品物流水平進行聚類。K-Means聚類分析首先要自行確定聚類數目k，然后根據具體數據選擇k個合適的樣本作為初始類中心點，并計算每個樣本數據點到類中心點的歐氏距離

[JZ（]EUCLID（x，y）=[KF（]∑[DD（]ki=1[DD）]（xi-yi）2[KF）]。[JZ）][JY]（2）

根據所得到的歐氏距離和類中心點距離最短原則將樣本分為k類，重新計算所有數據的均值，將其作為類中心點，反復迭代最終得到滿足要求的我國各個省（市、區）農產品物流水平的聚類結果，分析各類區域的主成分得分和綜合得分，并根據最終類中心點情況和原始數據，對各類的農產品物流水平進行評價。

3實證分析

3.1數據來源

選取了2011年全國31個省（市、區）的12個指標的數據，其中機械初加工農產品數量來自于2012年《中國農業機械工業年鑒》，其他數據均來自于2012年《中國統計年鑒》。

3.2主成分分析

3.2.1主成分分析的前提條件主成分分析是為了將原有的多個變量綜合成主成分，主成分個數遠遠少于原有變量個數，因而主成分分析要求選取的變量間存在較高的相關關系。本研究利用巴特利特球度檢驗和KMO檢驗對數據進行分析，巴特利特球度檢驗統計量的觀測值為652.337，相應的P值接近0，如果顯著性水平為0.05，則應拒絕原假設，認為變量間存在相關關系。KMO值為0.798，所以原有變量適合進行主成分分析。另外，由于數據中存在少量缺失值，采用均值替換的方法進行處理。

3.2.2提取主成分及主成分命名利用主成分分析法，根據分析，提取2個特征值時，所有變量的共同度較高。由表2可以看出，所提取的2個主成分累計方差貢獻率為 87.111%，說明這2個主成分解釋了原有變量總方差的 87.111%，原有變量信息丟失較少，所以提取這2個特征值。

3.3聚類分析

運用K-Means聚類分析的方法對31個省（市、區）的農產品物流水平進行聚類，將前面主成分分析得到的2個主成分的得分作為分類變量，指定聚類數為5，分類結果見表5。

第1類包括廣東、江蘇。總體來看，這2個省（市、區）的農產品物流水平較高，從農業總產值和加工農產品數量來看，這2個地區的農產品生產和加工能力都較好。另外這2個地區的消費水平高，信息化程度高，物流基礎較好。所以這類地區應該均衡發展農產品物流，促進農產品物流水平的綜合提升。同時，提高對農產品物流設備的投入也十分重要，廣東和江蘇可以進一步提高農產品物流現代化水平，如帶頭使用低溫冷藏設備，降低農產品運輸和儲存過程中的損耗率。

第2類包括浙江、北京、上海。由數據可知，這類地區的農業生產、加工能力低，但社會經濟水平很高，農產品需求量大。這類地區的農產品主要依靠其他地區的供給。因此，要發展該類地區的農產品物流，應發揮區域物流優勢，提高農產品的運輸能力，加強建設農產品批發市場。另外，由于該地區的購買能力較高，人們對于新型購物方式比較容易接受，因此可以發展網上購買農產品方式，提高農產品銷量。

第3類包括福建、青海、寧夏、海南、天津、西藏、甘肅、重慶。這類地區的農產品物流水平不高，由數據可知，這些地區的農產品生產加工水平較低、物流基礎建設水平不高，物流從業人員很少。所以，應著重發展該地區的物流基礎設施建設，提高運輸能力，培養、引進物流專業人才。

第4類包括安徽、湖北、陜西、云南、江西、新疆、廣西、陜西、吉林、貴州、遼寧、內蒙古、黑龍江。這類地區的農產品物流有進一步提升的空間，由數據可知，該類地區的農產品生產能力、物流能力等都居于中等水平，可以結合各個地區地質、氣候的特點，進一步發展具有地區特色的農產品物流。

[JP2]第5類包括河南、四川、湖南、河北、山東。這些地區的農產品生產、加工能力遠超其他地區，人口眾多，對于農產品的需求也很大。該類地區應該是中國農產品生產的重要地區，在滿足本地區農產品需求的基礎上、也要為其他地區輸送農產品。因此這是發展農產品物流的重點地區。對這類地區而言，政府需要提高農產品物流設施的投入，確保農產品運輸通暢。

4結論

本研究運用主成分分析和聚類分析的方法，對農產品物流的評價問題進行了研究。首先建立了農產品物流評價指標體系，針對各個指標間存在相互關系的問題，運用主成分分析法提取了主成分，并且得到農產品物流水平的主成分得分和綜合得分。在主成分分析的基礎上，利用聚類分析進行聚類。通過分析我國31個省（市、區）的農產品物流水平，將31個省（市、區）聚為5類，分類結果說明這種方法具有一定的可行性和有效性。

評價農產品物流的指標多種多樣，本研究只是選取了其中12個指標，在此之外，還有許多其他指標可以分析。例如，

政治、文化、地理環境等方面，也會影響到一個地區的農產品物流水平，可以采用調查問卷和專家打分的方法收集這類數據。所以，在未來的研究中，可以進一步完善農產品物流評價指標體系。

[HS2*2]參考文獻：

[1]韓美貴，張兆同. 改善和發展我國農產品物流的思考[J]. 農村經濟，2005（2）：21-23.

[2]金芳芳，黃祖慶，虎陳霞. 長三角城市群物流競爭力評價及聚類分析[J]. 科技管理研究，2013，33（9）：183-187.

[3]李玉民，李旭宏，毛海軍，等. 主成分聚類分析在省域物流規劃中的應用[J]. 東南大學學報：自然科學版，2004，34（4）：549-552.

[4]趙英霞. 中國農產品物流評價指標體系的構建[J]. 商業研究，2007，1（1）：211-213.

[5]王程，王濤，蔣遠勝. 西部地區生鮮農產品物流水平評價和發展模式選擇[J]. 軟科學，2014，28（2）：136-139，144.

[6]曹炳汝，王靜芳. 農產品物流樞紐城市布局——以長江三角洲16市為例[J]. 江蘇農業科學，2015，43（1）：412-415.

[7][JP2]楊蕾，張義珍. 電子商務環境下基于Fuzzy-AHP的農產品物流能力評價模型構建[J]. 廣東農業科學，2010，37（10）：183-184.

[8]王道平，李鋒，程蕾. 我國農產品物流模式的實證研究——基于各省市的聚類分析法[J]. 財經問題研究，2011（2）：108-113.

[9]薛薇. 基于SPSS的數據分析[M]. 北京：中國人民大學出版社，2006.