北京市低碳物流發展研究

姜月娜（北京交通大學 經濟管理學院，北京 100044）

北京市低碳物流發展研究

姜月娜
（北京交通大學 經濟管理學院，北京 100044）

運用主成分分析法和模糊灰色預測法研究北京地區低碳物流發展情況，構建低碳物流水平評價指標體系，收集北京2004-2014年各指標數據并進行實證分析，提取少數幾個不相關的變量來綜合反映原始指標數據中絕大部分信息，用spss分析出主成分因子，對2004-2014年北京市低碳物流發展水平進行評分，之后利用模糊灰色預測模型并借助matlab對北京市未來五年的低碳物流水平進行預測。實證表明，北京地區低碳物流能力呈逐年上升態勢。

低碳物流；主成分分析法；模糊灰色預測；北京市

1 引言

隨著物流業的發展，越來越多學者開始關注低碳物流的研究。李永林[1]對我國低碳物流效率進行了研究，指出我國低碳物流效率整體上較低，且區域間差異很大；李碧珍等[2]研究了福建省在推動低碳物流發展過程中的關鍵影響因素；李麗[3]對京津冀地區的低碳物流能力做了評價，認為政府對低碳物流發展有重要作用；唐建榮等[4]在對東部十省低碳物流效率分析后提出了當前物流降碳的緊要措施；田華杰、楊蓄［5］對冀東、冀中南、環京津經濟區區域物流能力進行了統計分析，并提出了物流產業布局與發展對策。

目前關于物流能力評價的研究成果相對較多，但針對區域低碳物流能力評價的研究較少。本文以北京市為研究對象，找出影響低碳物流水平的因素，對北京市低碳物流水平進行綜合評價，為提升區域低碳物流能力提供理論支持。

2 低碳物流水平指標體系的構建

綜合低碳物流業所處的內外部環境，考慮影響低碳物流發展的各因素，通過實地調研、查詢文獻，結合使用頻次較高的指標作為初始評價指標體系，把影響低碳物流水平的因素分為外在因素和內在因素，得到初始指標體系，再根據低碳物流的特點，突出低碳物流低排放、低能耗、低污染，把該指標體系分為目標層、準則層，具體指標見表1。

表1 低碳物流水平指標體系

3 基于主成分分析法的北京市低碳物流能力測定

3.1 北京市定性指標的量化處理以及指標數據收集

查閱《中國統計年鑒》、《北京統計年鑒》、《中國能源統計年鑒》，參考專家在《城市競爭力藍皮書：中國城市競爭力報告》中對政府管理能力打分，對上節中涉及到的定性指標進行量化處理，得出表2的北京市量化指標數據。

3.2 利用spss軟件做主成分分析

選取的34個量化指標可能存在相關性，增加了數據分析的困難。為了提高綜合利用原始隨機變量的能力以及更有效地提煉各個原始隨機變量所包含的有用信息，有必要用少數幾個不相關的隨機變量來綜合表示多個原始隨機變量的絕大部分信息。因此，本節將利用主成分分析法選擇少數無關的新變量指標來盡可能概括多個指標，通過對幾個主成分的數據整理和分析，提取對解決問題有用的信息。我們依據主成分分析法并利用spss軟件做出數據分析，并把收集的北京市量化指標數據導入spss中，進行主成分分析，所得結果見表3、表4和圖1。

圖1 碎石圖

由表5可得，特征值大于1的因子有5個，5個因子的特征值分別為21.772，4.656，2.145，2.052，1.386。各個因子的方差貢獻率分別為64.036%，13.693%，6.307%，6.035%，4.078%，且累計方差貢獻率達到了94%以上，故選取5個主成分F1、F2、F3、F4、F5來綜合反映34個原始指標變量所包含的信息，并用這5個主成分綜合得分情況來反映北京市低碳物流發展水平。由spss分析結果可得低碳物流發展水平評分函數：

低碳物流發展水平評分

=0.64F1+0.14F2+0.063F3+0.061F4+0.041F5

建立五個主成分：由于每一個載荷量表示主成分與對應變量的相關系數，所以新變量的表達不能從輸出窗口中直接得到，要用成分矩陣表3中的數據除以主成分相對應的特征值開平方根得到五個主成分中每個指標所對應的系數。故得到主成分表達式為：

F1=0.213 7×人均生產總值+0.213 4×居民消費水平+0.213 3×工資水平+0.213 6×人均社會消費品零售總額+0.213 0×人均可支配收入+0.209 6×進出口總值+0.074 3×居民消費價格指數+0.102 4×政府管理能力+0.213 8×從業人口+0.212 1×常住人口+0.1024×地理條件-0.009 8×人均道路面積+0.008 1×人均郵電業務總量+0.163 4×公路密度+0.186 3×鐵路網密度+ 0.210 2×人均物流業資產固定投資+0.212 4×物流從業人員人均產值+0.203 5×物流從業人員比重+0.203 1×貨物周轉量+0.208 5×旅客周轉量+0.212 9×物流業生產總值-0.029 1×貨運量+0.210 2×物流從業人員人均實現物流業增加值-0.087 3×物流業對GDP的貢獻率+ 0.171 3×商流競爭力+0.006 6×物流競爭力+0.059 8×固定資產投入增長率-0.050 9×物流從業人員增長率-0.1321×物流業產值增長率-0.098 7×居民人均儲蓄存款增長率+0.212 0×金融機構人均各項貸款余額+ 0.213 4×金融機構人均各項存款余額-0.197 2×物流業二氧化碳排放量+0.2100×物流業碳排放強度

表2 2004-2014年北京市低碳物流水平評價指標量化數據

表3 成分矩陣

F2、F3、F4、F5表達式依此類推。

根據所選取的五個主成分，帶入原始指標數據，得到2004-2014年北京市的低碳物流水平評分，見表6。

3.3 結果分析

為了更直觀地看出北京市低碳物流發展趨勢，根據3.2節所得評分情況，用matlab做出2004-2014年北京物流低碳水平的發展趨勢，如圖2所示。

由圖2可直觀看出，北京市近幾年低碳物流水平呈上升趨勢，且逐年提高幅度更為平穩，這與北京所處的地理位置以及政府管理有著密切關系。

由收集的數據可以看出，北京市近幾年物流從業人員、GDP、物流產業值增長率都有一定幅度的增長，說明勞動力的持續投入和資金支撐了北京地區物流競爭力在后續年份的上升。物流企業碳排放強度也在持續下降，反映出企業以及政府對物流低碳發展越來越重視。

表4 成分得分系數矩陣

4 模糊灰色預測模型預測北京市未來五年的低碳物流水平發展情況

使用灰色預測模型對北京市未來五年的低碳物流水平進行研究，采用3.2節中對北京市低碳物流水平主成分分析的結果，通過2004-2014年的得分來進行灰色預測，并用matlab軟件實現預測結果的分析，如圖3所示。

表6 北京市低碳物流水平評分表

圖2 北京市低碳物流水平發展趨勢

圖3 北京市未來五年低碳物流水平預測

預測結果表明，北京市低碳物流水平在未來五年情況樂觀，呈上升趨勢。經濟增長是北京地區物流增長的最終源泉，北京市的物流發展得益于北京地區地理優勢、人均生產總值以及政府部門對物流競爭環境的改善等。北京地區低碳物流的發展仍有很大的空間，政府要抓住北京的優勢大力發展低碳物流，各企業也要加強低碳建設。

[1]李永林.基于DEA的我國低碳物流效率研究[J].中國市場, 2014,(27):23-25.

[2]李碧珍,葉棋.福建省低碳物流發展影響因子評價[J].福建師范大學學報(哲學社會科學版),2014,(3):14-20.

[3]李麗.京津冀低碳物流能力評價指標體系構建[J].經濟問題研究,2013,(2):72-81.

[4]唐建榮,盧玲珠.低碳約束下的物流效率分析[J].中國流通經濟,2013,(1):40-47.

[5]田華杰,楊蕾.基于因子分析法的區域物流能力評價—以河北省為例[J].商業時代,2010,(36).

Study on Low-carbon Logistics Development in Beijing

Jiang Yuena
(School of Economics &Management,Beijing Jiaotong University,Beijing 100044,China)

In this paper,we used the PCA and fuzzy grey forecasting process to study current status of the low-carbon logistics industry in the Beijing area and built the corresponding logistics evaluation index system.Next,after collecting the indicator data of the area for the period 2004-2014,we had an empirical analysis in which we abstracted a few mutually uncorrelated variables to comprehensive reflect most of the information of the original indicator data,used the SPSS to identify the principal factors and scored the low-carbon logistics development level of Beijing in this period.At the end,we used the fuzzy grey forecasting model and Matlab to predict the low-carbon logistics levelof the city for thenext fiveyears.

low-carbon carbon;PCA;fuzzygrey forecasting;Beijing

F259.27

A

1005-152X(2017)04-0005-05

2017-02-25

姜月娜（1992-），女，河北邯鄲人，碩士研究生，研究方向：供應鏈物流。

doi∶10.3969/j.issn.1005-152X.2017.04.002