基于FA-BP神經網絡的城市電子商務物流競爭能力研究

趙文德，胡子瑜，黃麗娟，盛 鑫

（1.廣州番禺職業技術學院 管理學院，廣東 廣州 511483；2.廣州大學 工商管理學院，廣東 廣州 510006）

1 導論

電子商務物流作為戰略性新興產業，在轉變經濟發展模式中起著重要作用。電子商務物流已經從簡單的經營業態發展成為一個市場容量巨大的產業，并逐漸形成電子商務物流產業生態，在城市層面，互聯網和電子商務物流已成為決定城市競爭力的重要因素，促進電子商務物流的發展也被視為提高城市綜合競爭力水平的有力手段。

電子商務物流作為現代化商業模式的典范，是城市優化產業結構、增強城市服務功能和競爭力的重要手段。目前，有關全面評價城市電子商務物流競爭力的深入研究尚不多見，電子商務物流的研究主要集中在概念界定、內涵和經驗[1-2]、影響因素[3]、模式與路徑[4-5]、消費者行為[6]上。

Komlosi E和Páger B[7]在應用全球創業和發展指數（GEDI）證明國家級創業績效之后，采用全球競爭力指數（GCI）構建城市集聚效應指標體系，并利用指標的相關性和聚類分析進行城市集中度對國家競爭力和創業績效的影響研究。Domareskiruiz T C等[8]運用了競爭力分析模型和規劃模型對庫里蒂巴公共關系的需求進行調查，分析了城市規劃作為旅游目的地的競爭優勢對城市旅游形象的貢獻，確定了城市規劃在城市旅游發展中的重要性和相關性。劉中艷和羅瓊[9]運用灰色關聯分析法從顯示性指標和分析性指標兩個角度構建了適合地級城市的旅游競爭力測度指標體系?；粼聘：屯跤癫蔥10]從商貿流通的視角研究了城市電子商務物流的綜合競爭能力，并從人力資源、基礎設施和財政保障等角度構建數據包絡分析（DEA）模型進行實證研究，最后給出相適應的對策和建議。楊堅爭等[11]在對跨境電子商務運營流程詳細梳理的基礎上進行了問卷設計，運用因子分析法對我國各地的跨境電子商務應用狀況進行了研究分析，針對跨境電子商務發展中存在的困境和痛點問題，給出了具有建設性的對策建議。阿里研究院發布的《2014年中國電子商務示范城市發展指數報告》從電商發展指數和電商服務指數兩個層面對中國電子商務示范城市進行綜合排名。李征[12]從吸引力、管理力和輻射力3個層面，運用基于AHP的灰色關聯評價模型，對城市的電子商務物流影響力進行實證分析。浩飛龍等[13]運用空間分析法和多元線性回歸，從省域和城市兩個層級分析電子商務物流發展水平的空間分布特征，并探討其影響因素。

綜合國內外研究，其一，過多強調電子商務物流對城市綜合能力的經濟效應，而忽略了社會、創新、人力等重要要素的影響，因而導致對城市電子商務物流競爭能力的研究存在局限性。其二，以定性研究為主，缺乏可靠的經驗證據，尤其是缺乏對城市電子商務物流經濟、社會基礎以及創新基礎的定量分析。因此，本文有兩點創新之處：一則剔除傳統定性研究的主觀因素影響，所構建的城市電子商務物流評價體系能夠更加多層次、多視角、全面客觀反映城市的綜合競爭力水平；二則在遵循評價原則的基礎上，提出了基于FA-BP神經網絡的城市電子商務物流競爭能力評價模型，以更為全面和客觀地評價城市的電子商務物流競爭能力水平，既可推進電子商務物流影響經濟社會發展的相關研究，也可為促進我國電子商務物流產業的持續健康發展提供科學依據。

2 城市電子商務物流競爭力評價模型構建

2.1 因子分析（FA）模型的建立

英國心理學家C.Spearman在20世紀初率先提出用于綜合評價的因子分析模型，是指研究從變量群中提取共性因子的統計技術。該模型的特點是使用了大量的未知參數，其遠遠大于在傳統的多變量分析中使用模型的未知參數數目。因子分析的基本原理是通過降維的思想把聯系相關度較強的研究變量分在同一類中，最終把所有原始指標融合為能夠較好解釋整體的公共因子[14]。因子分析統計模型建立中的簡約性經驗原則要求一旦發現不能進一步產生顯著效應的擬合指標數據，就立即停止參數數目的增加。通過因子分析模型分析，可以用較少合理數量的公因子反映原始數據的主體信息，在對原始信息有效解釋的前提下減少信息的過度丟失，其原理如圖1所示。

因子分析在綜合評價方面有其他評價方法不可比擬的優點，該方法的成功源于它的探索性，其各種變量之間的數據關系在研究中可以反復檢驗和論證。首先假設研究對象的個數為p，設定p個變量分別為用F代表多個變量具有相同解釋原因的公共因子，兩個公共因子的內積等于零，即兩兩正交。εi代表那些影響其他變量的特殊因素的特殊因子，兩者相互獨立。于是因子分析的數學模型可表示為：

可以表示為下列矩陣形式：

其中X=(X1,X2,…,XP)T，F表示公共因子，F=(F1,F2,…,Fq)T，ε表示特殊因子，ε=(ε1,ε2,…,εq)T。

這里A=（aij）p×q稱為因子載荷矩陣，aij是第i個變量在第j個因子上的負荷。如果把變量Xi看成n維空間上的一點，則aij表示它在坐標軸F上的投影。aij的大小表明了xi對公共因子Fj的依賴程度。

圖1 因子分析原理圖

2.2 BP神經網絡模型的建立

Rumelhart和McClelland在20世紀80年代中提出適用于模擬訓練和仿真且具有較小誤差效應的BP（Back Propagation）神經網絡模型。因為它們的簡單性和有效性，能夠快速從模式中提取有用的信息。BP模型消除了傳統回歸方法在變量相互關系映射上的缺陷，準確地建立了輸入變量和輸出變量之間的映射關系[15-16]。

如圖2所示，假設輸入層的變量為m，其中m=(X1,X2,...,X18)，輸出層的變量為n，其中輸出層和變量個數為1，隱藏層的變量為k。隱藏層的輸出是bj，其中θj是隱藏層的閾值，θk為輸出層的閾值，f1為隱藏層的傳遞函數，f2為輸出層傳遞函數，wij為從輸入層到隱藏層的權重，wjk為從隱藏層到輸出層的權重。然后可以得到網絡的輸出yk，所需的輸出tk，具體模型公式如下：

計算輸出層的輸出yx如下：

通過網絡實際輸出定義錯誤函數，如下所示：

圖2 BP神經網絡結構圖

3 實證分析

3.1 評價指標體系的構建與數據來源

3.1.1 城市電子商務物流競爭能力評價指標體系的構建。城市電子商務物流競爭能力評價指標選取應遵循可比性、完整性、易獲取性、非重疊性、定量與定性相結合等原則[17-18]。綜合以上，結合國內外研究現狀，為了能夠全面客觀的反映城市的電子商務物流競爭能力水平，在參考相關資料的基礎上，引入信息基礎、人力基礎和創新基礎等新穎因素，從經濟基礎、物流基礎、信息基礎、商業基礎、消費基礎、人力基礎和創新基礎等七個層面構建了城市電子商務物流競爭能力評價指標體系，本文構建的評價指標體系見表1。

表1 城市電子商務物流競爭能力評價指標體系

3.1.2 數據來源及說明。國家電子商務示范城市是指電子商務應用較為普及，電子商務年度交易總額較高的城市。其目的是降低能耗，發展綠色經濟[12]。第一批國家電子商務示范城市包括上海、北京、廣州、深圳在內的23個城市，第二批國家電子商務示范城市包括東莞、長沙、西安在內的30個城市，兩批共計53個城市。本文以國家電子商務示范城市名單為研究對象，從中抽取30個城市作為研究樣本，運用基于FA-BP神經網絡的城市電子商務物流競爭能力評價模型進行評價。

根據所構建的城市電子商務物流競爭能力評價體系，選取城市2015年相關指標數據。所構建的城市電子商務物流競爭能力評價體系中的18個指標數據來源于各城市統計局公布的2015年度統計年鑒、各城市社會經濟統計公報等。

3.2 數據分析及結果

3.2.1 因子分析。因子分析的前提條件是原始指標體系中各變量間的聯系相關度較強，KMO和Bartlett檢驗能夠有效確定本文中的30個樣本數據是否適合因子分析，KMO統計量越接近1，變量相關性越強，因子分析效果越好；Bartlett球形檢驗結果可以判斷顯著性是否較好。SPSS的因子分析詳細結果見表2。

表2 因子分析的前提條件檢驗

通過因子分析可以看到，5.815作為第一個主成分特征值，32.303%是其所能夠解釋的原始變量的變差；32.037%是第二個主成分能夠解釋的原始變量的變差；第三個主成分能夠解釋10.332%的原始變量的變差，6.889%是第四個主成分能夠解釋的原始變量的變差，合計前四個主成分可以解釋81.561%的原始變量信息，有較好的代表性，因此提取這4個公因子，見表3。

表3 解釋的總方差

由SPSS19.0軟件計算得到各城市公因子得分及排名。從表4可以得知，北京、上海、廣州、深圳在第l公因子上的得分分別為4.505 2、1.504 0、-1.149 1、1.351 0，遠遠高于其他城市，這表明在經濟能力和消費能力上，這些城市擁有無法比擬的優勢；在第2公因子上蘇州、南京、廣州、深圳得分最高，說明該類地區電子商務的消費能力和創新能力對電子商務物流發展有正面影響；在第3公因子上蘇州、哈爾濱、重慶、貴陽的得分較高，說明其電子商務的物流基礎和信息基礎比較合理；在第4公因子上福州、上海得分最高，說明其人力資源相對充足。以各公因子特征值方差貢獻率作為權數反映全國30個城市電子商務物流競爭能力的綜合測評得分，測算模型為：F=0.396 1×F1+0.392 8×F2+0.126 7×F3+0.084 4×F4，式中，各城市的公因子得分分別為F1、F2、F3、F4；各城市的綜合得分為F。依據SPSS工具測算和合理微調，測算出全國30個樣本城市的電子商務物流競爭能力的綜合得分和排序。

3.2.2 BP神經網絡分析。本文根據BP神經網絡工具箱的主要函數，結合已建立的城市電子商務物流競爭能力評價系統和上述因子分析后的樣本集，構建三層BP神經網絡模型進行綜合評價。選取其中30個城市進行樣本訓練，將構建經濟基礎、物流基礎、信息基礎、商業基礎、消費基礎、人力基礎、創新基礎等共計18個指標進行因子分析，所得到的因子得分矩陣作為輸入層，隱藏層網絡結構的神經元節點個數為10，輸出層的節點數為1。

用Matlab工具進行BP神經網絡訓練，可以得到BP模型的訓練過程和誤差趨勢、預測誤差圖以及BP神經網絡曲線擬合結果。測試結果如圖3和圖4所示。

表4 各城市電子商務物流競爭能力因子得分表

圖3 BP模型的訓練過程

圖4 BP神經網絡曲線擬合

由圖3和圖4分析可知，BP神經網絡仿真模擬結果和期望結果誤差在較優合理區間內，通過Matlab工具所構建的BP神經網絡能夠很好的反映輸入層指標與輸出層結果之間的關系。結合SPSS因子分析（FA）所得到的各城市得分與排名，利用BP神經網絡模型對其進行模擬仿真，并進行最終的綜合評價。通過對比，前后評價結果的誤差在較優的合理區間內，基于FA-BP神經網絡的城市電子商務物流評價模型能夠進行較為客觀、全面的定性分析和驗證，不僅使綜合評價結果得到了量化分析，同時還保證了評價結果的相對合理性和準確性。

結合上述結果，將各城市的綜合得分進行梯隊劃分，見表5。其中，北京、上海、廣州、深圳、杭州電子商務物流競爭能力綜合得分排在前五名，分別是1.792 2、1.436 5、0.927 7、0.725 7、0.338 2；長春、太原、呼和浩特電子商務物流競爭能力綜合得分排名靠后，分別為-0.513 3、-0.544 8、-0.589 1。根據電子商務物流競爭能力綜合得分情況，將30個樣本城市劃分為三個梯隊，其中第一梯隊為北京、上海、廣州、深圳，該梯隊具有雄厚的經濟基礎和人才支撐，擁有完善的電子商務產業支撐體系、發達的物流體系和信息基礎設施。第二梯隊包含了杭州、天津、成都、蘇州、武漢、重慶、南京、長沙，該梯隊的城市在經濟上有著實力較強的腹地支撐，交通區位優越，政策和環境支持，與電子商務相配套的基礎服務設施齊全，跨境電商貿易繁榮。第三梯隊為寧波、西安、合肥、沈陽、泉州、鄭州、濟南、福州、廈門，該梯隊的城市不僅有著便捷的交通區位優勢，同時還擁有因為歷史積淀形成的特色產業，例如作為海上絲綢之路起點的泉州，不僅擁有悠久燦爛的歷史文化底蘊，隨著經濟的發展目前已經在紡織鞋服、建筑建材、工藝陶瓷制品、電子信息、旅游服務等方面具有眾多本地特色和優勢的知名品牌，同時還具有濃厚的創業環境和氛圍，創業、創新意識與電商結合，經濟發展迅速。第四梯隊包含哈爾濱、貴陽、南寧、石家莊、昆明、南昌、長春、太原、呼和浩特，該梯隊城市的電子商務物流競爭能力相對較弱，不僅缺乏區位和政策上的優勢，同時相關的物流基礎配套設施不完善，人才資源供給不足，電子商務產業發展后勁不足[19-20]。

表5 因子得分下的城市梯隊分類

4 結束語

本文構建了基于FA-BP神經網絡的城市電子商務物流發展競爭能力評價模型，利用因子分析方法對全國30個電子商務示范城市進行定量分析，通過所提取的經濟與商業基礎、創新與消費基礎、物流與信息基礎、人力基礎等因子來深入分析城市電子商務物流發展目前存在的問題以及主要影響因素。在此基礎上，將SPSS對城市電子商務原始數據分析所得到的因子得分矩陣進行BP神經網絡分析的模擬和仿真，運用訓練好的BP神經網絡分析方法進行城市電子商務物流競爭能力評價，并將其劃分為不同的城市梯隊。通過結論給我們的啟示如下：

（1）借助不同主體間的協同合作力量，結合城市特色和區位優勢，摸索與城市經濟發展相匹配的電子商務物流新模式和新路徑，以政府為依托和指導，以電商示范基地和電子商務物流龍頭企業為載體，深度促進電子商務物流與農業、工業、金融、文化、物流、旅游等具有本地特色優勢行業的融合創新。

（2）大力發展與電子商務物流相關的配套服務業，借力互聯網新工具實現區域經濟創新升級。加強電子商務交易安全認證及信用體系建設，加快電子商務認證應用推廣，推動第三方支付平臺建設，深化物流配送體系建設。鼓勵和支持電子商務相關配套服務企業的成立和發展，逐步建立專業化、多元化的服務體系，促進網商與服務商、服務商與服務商之間的交流與合作，發揮電子商務服務業的集聚效應。

（3）加強電子商務物流人才培養，促進電子商務知識共享。為了實現城市電子商務物流的健康持續、綠色高效發展，充足“造血式”的人力資源支撐保障是關鍵。建議政府、企業、學校、協會等通力合作，采取多種模式相結合的方式，大力培養電子商務物流人才。同時，通過優秀評選、媒體報道、講座論壇等方式，促進應用電子商務物流的經驗交流和知識共享，營造良好的氛圍，支持電子商務人才成長。

（4）鼓勵示范城市先行先試，探索制度創新，始終保持領先性電子商務物流迅速發展，不斷帶來新突破、新需求。建議鼓勵示范城市不斷追求電子商務物流產業相關制度的創新、電子商務物流相關配套服務的創新、電子商務物流管理體系的創新等，最大限度釋放電子商務物流的發展潛力，示范城市由此才能始終保持領先性，從而更好地發揮示范帶動作用。

由于研究時間和地域有限，本文存在一定的局限性。具體地，由于城市電子商務物流競爭能力的影響因素眾多，在今后的研究中可以考慮加入電子商務物流生態類指標因素，使評價模型得到進一步的完善。另外，在數據分析部分，所選取的30個城市數據可以作為樣本代表，但是在一定程度上具有地域局限性。因此，今后的研究可以考慮收集更多地域性的數據進行驗證和改進。