江蘇省城市物流發展水平實證分析

沙如雪

(南京財經大學，江蘇 南京 210023)

一、引言

物流業是支撐國民經濟發展的基礎性、戰略性和先導性產業，與人們的日常生活息息相關。黨的十八大以來，在習近平總書記關于現代物流業重要論述的指導下，我國現代物流業發展質量明顯提高，公路、鐵路、水運等貨運量以及快遞業務量的發展速度均躍居全球前列，物流政策環境不斷優化，物流業不斷發展壯大。

物流業的高質量發展可以促進一系列相關產業的發展。因此，物流業的發展水平已成為衡量一個國家實力和現代化水平的重要指標之一。經過幾十年的努力，自2013年以來，中國已成為物流業發展大國，擁有世界頂級的物流市場。

物流業的穩定高效發展與促進區域經濟發展密切相關。江蘇省地處中國東部沿海地區、長江經濟帶，經濟發展綜合水平一直走在全國前列，全省整體經濟特征為“南強北弱”。2019年10月，江蘇成為全國首批交通電力試點地區之一。在這種背景下，研究江蘇省區域物流發展水平，全面認識江蘇省物流業發展差異，有利于促進江蘇省城市物流業健康可持續發展，提高江蘇省整體經濟發展水平。

目前中國學者對物流業的發展進行了一系列的研究。劉洪芹運用GEM模型選取指標，分析河南省各城市物流發展水平狀況，并提出相應建議。孫國釗從物流競爭力的角度構建了長江經濟帶城市物流競爭力評價體系。胡毅標準化全國數據、綜合熵權法和模糊物元模型評價中部地區物流發展。郭鑫、徐君運用密切值法對長江經濟帶物流發展水平進行了綜合評價。王明嚴、李蕓嘉系統地回顧了區域物流競爭力的研究方法、范圍和對象，并對未來物流發展水平的研究方向進行了展望。因素分析和聚類分析在物流綜合分析中應用并不廣泛。鑒于此，本文采用因子分析法對關聯度高的指標進行分析，并對江蘇省13個市的物流發展水平進行評價。同時，通過聚類分析，根據地級市物流發展水平的不同對城市進行聚類。

二、評價指標體系的構建

(一)評價指標體系設計原則

為構造出一套有關物流業發展水平的科學合理且可行性較強的評價指標體系，現根據如下三個原則選取本文所需的指標。

1.科學性

指標體系的選取要有代表性，科學合理，能夠全面地反映江蘇省各市的發展水平和綜合實力，并且可以進一步找出各城市之間的差異性。

2.系統性

各指標之間要有必然的邏輯關系，它們不僅要從差異的側面反映出物流業的競爭上風和薄弱環節，并且還要反映各部分之間的內在聯系。

3.可行性

在選擇指標時，應強調整體的可行性。指標選擇的計量尺度和計算方法必須統一，必須選擇概念清晰、數據容易獲取、計算方便的指標。數據來源應真實可靠，避免出現不合邏輯、不準確且無效的數據。

(二)評價指標體系

本文在參考大量關于城市物流發展水平評價指標體系的文獻并全面考慮數據來源、研究層次以及全面性的前提下，結合江蘇省各市物流業發展水平的研究現狀，構造了包括兩級指標的物流發展水平評價指標體系，如表1所示。

表1 物流發展水平評價體系

(三)相關指標說明

1.經濟發展水平

物流作為一種衍生需求，是經濟的重要組成部分，在經濟發展中發揮著重要作用。城市經濟發展水平的高低間接決定了城市物流的發展水平。經濟發展水平越高，對貨物運輸、包裝、倉儲、配送和加工物流服務的需求就越大。因此，物流的發展與經濟的發展是正相關的。本文從區域生產總值、人均生產總值、區域常住人口數和城市常住居民人均可支配收入四個指標對城市經濟發展水平進行評價。

2.物流產業規模

影響物流規模的因素很多，其中物流需求是主導因素。本文通過查閱大量文獻，選擇用社會消費品零售總額、進出口總額和郵政業務總額這三個指標來衡量物流業的規模。

3.物流發展基礎

城市物流業的發展離不開城市良好的基礎設施。本文以公路貨運量、公路里程為計量指標，通過城市基礎設施的發展規模來反映區域物流的發展潛力。

4.信息化程度

物流業的飛速發展，離不開現代通信技術的廣泛使用。較高的物流效率不僅能為企業節省運營成本，還能帶來優質的服務體驗。一個地區的信息化水平在一定程度上決定了現代物流業發展的前景，本文以互聯網寬帶接入用戶和年末移動電話用戶作為衡量指標，來反映一個地區的信息化水平。

三、物流發展水平的定量評價

(一)原始數據收集

本文的數據主要來源于?2020年江蘇統計年鑒?，選取了2019年江蘇省城市物流業發展水平相關指標數據進行綜合評價分析。共選取了11個指標數據，且均為正指標。

(二)研究方法

關于物流發展水平的評價方法有很多種，本文根據研究對象和研究實際情況采用因子分析和聚類分析。

因子分析(factor analysis):利用降維思想，用幾個不相關的綜合變量來表示多個關系復雜的原始變量，這些綜合變量可以盡可能多地包含原始變量的信息。因子分析模型為:設有

n

個相關性較強的可觀測隨機變量，即

X

，

X

，…，

X

，現從中提取公共因子

F

，

F

，…，

F

(

m

≤

n

)，則模型的矩陣形式為:

X

＝

AF

＋

ε

。即:

其中，公共因子

F

，

F

，…，

F

相互獨立且不可測，

ε

，

ε

，…，

ε

為特殊因子，相互獨立，且與公共因子的協方差為零。

聚類分析(cluster analysis):將相似度較大的聚類歸為一類，將另一些相似度較大的聚類歸為另一類，以此類推，最終形成完整的分類體系。最后再用一個樹狀圖來表示所有樣品間的親近程度。

(三)實證分析

1.因子分析

(1)原始數據處理與檢驗。本文主要使用的統計軟件為SPSS，對表1中的11個指標數據進行因子分析。由于數據中缺失值較少，故采用均值替代法進行處理。由于數據之間的差距很大，為了減少數據差異，并消除數據差異造成的影響，應該對數據進行標準化處理，使因子分析的結果更加準確。公式如下:

其次，在進行因子分析前，需要對原始數據進行KMO和Bartlett球形檢驗，判斷其是否適合做因子分析。

從表2中數據可看出，KMO的值為0.722>0.6，適合進行因子分析。此外，Bartlett球形檢驗值為262.760，對應的概率接近0.000<0.05，拒絕原假設H0，表明原始變量之間相關性較強。因此，該數據可以進行因子分析。

表2 KMO和Bartlett的檢驗結果

(2)公共因子的提取。本文采用主成分分析法提取主因子，從原始數據的相關矩陣中得到矩陣的特征值和特征向量。根據初始特征值大于1、累積方差貢獻率大于85%的原則，從矩陣中提取公因子，如表3所示。

表3 解釋的總方差

從表3的數據可以看出，本文提取了兩個公因子，分別記為

F

，

F

，提取的公因數旋轉后的累積方差貢獻率達到90.416%，基本代表了原變量的大部分信息，可以作為評價和分析城市物流發展水平的主因子。

此外，為使分析更加清晰直觀，可由因子的特征值及因子的數量關系畫出相應的碎石圖。從圖1的碎石圖中可以看出，前兩個因子對應的曲線較為陡峭，而從第三個因子開始對應的曲線趨于平緩。此外，碎石圖表明，前兩個因子的特征值都大于1。因此，選擇前兩個公共因子作為本研究的主因子較為合適。

圖1 碎石圖

(3)旋轉前后的因子載荷矩陣。通過對提取的公共因子進行分析，得出成分矩陣，也就是因子載荷矩陣。為了使因子分析法求出的因子載荷矩陣簡化，便于對主成分進行專業上的解釋，需要進行因子旋轉。本文采用方差最大法對因子載荷矩陣進行正交旋轉，使各公共因子的方差差異性達到最大。由此得到旋轉后的因子載荷矩陣，即旋轉后的成分矩陣，如表4所示。

表4 旋轉后的成分矩陣

續表

由表4中數據可以看出，雖然公共因子解釋數據的能力沒有發生變化，但是，旋轉后的因子載荷矩陣發生了變化，各指標在公共因子上的載荷量更加接近于0或者正負1。

(4)各因子得分函數。運用回歸法根據四個公共因子求得因子得分系數矩陣，如表5所示。

表5 成分得分系數矩陣

由于原始數據經過標準化，所以根據標準化數據求出的因子得分系數只是一個相對數，數據有正有負，在正負1之間，數據為正表明該因子得分超過平均水平，數據為負表明低于平均水平。

(5)因子得分與排名。在因子得分系數矩陣的基礎上，運用回歸法求得各因子得分函數:

F

＝0

.

105

X

－0

.

035

X

＋0

.

207

X

＋0

.

008

X

＋0

.

141

X

＋0

.

082

X

＋0

.

125

X

＋0

.

173

X

＋0

.

182

X

＋0

.

15

X

＋0

.

07

X

F

＝0

.

065

X

＋0

.

319

X

－0

.

219

X

＋0

.

248

X

－0

.

025

X

＋0

.

1

X

＋0

.

014

X

－0

.

162

X

－0

.

45

X

－0

.

042

X

＋0

.

118

X

在因子得分函數的基礎上，以各因子的方差貢獻率占個因子總方差貢獻率的比重作為權重進行加權匯總，得出各地區的綜合得分

F

，即:

F

＝(64

.

634×

F

＋25

.

783×

F

)

/

90

.

416對表5中數據進行處理計算得主因子得分

F

、

F

及綜合得分

F

，并根據得分對變量進行排序，得到江蘇省13個市物流發展水平的因子得分及綜合排名表(表6)。

表6 江蘇省13個市物流發展水平的因子得分與排名

續表

從表6中的因子得分和排名可以看到，在第一公共因子上得分較高的為蘇州、南京、徐州、南通等，主要是經濟較發達的城市，這些城市交通便利、人口眾多，表明該區域有巨大的物流需求和良好的物流基礎設施；在第二個公共因子上，無錫、常州、南京、鎮江等城市得分較高，主要集中在蘇南地區，表明該區域的人均經濟發展水平高，消費能力較強，物流發展潛力大；蘇州、南京、無錫、徐州等城市的綜合因子得分排名靠前，表明這些城市的物流業綜合實力較強。

(6)因子分析結果。為了使分析更加直觀清晰，將2019年江蘇省13個市的物流發展水平的因子得分及綜合排名表(表6)轉為柱形圖，如圖2所示。

圖2 2019年江蘇省13市因子得分柱狀圖

從圖2可以看出，整體上可以將因子分成兩類，即大于0的和小于0的，其綜合得分大于0的城市代表物流業發展狀況良好，而小于0的城市相對來說還有薄弱環節，需要進一步改進。總的來說，2019年蘇州、南京、無錫、徐州等地的物流發展水平綜合得分大于0，高于全省平均得分，而宿遷、淮安、連云港、鎮江等地的物流發展水平綜合得分小于0，低于全省平均得分。

具體來說，從全省綜合得分排名來看，蘇州、南京、無錫2019年物流發展水平綜合得分遠高于其他城市，處于全省中上等水平；徐州、南通、常州相對于蘇州、南京這些城市，物流發展水平綜合得分有一定的差距，但是仍然處于全省中等水平；而剩余城市如宿遷、連云港等地區在綜合得分上大多小于0，低于全省均分，處于全省中下等水平。

目前，從以上的排名得分來看，城市物流發展水平與地理位置、地區經濟發展水平有一定的聯系。一般來說，地理位置優越的地區有一定的經濟發展優勢，綜合實力較強，相應地，物流業的發展也不落后。

2.聚類分析

根據表6得到的綜合得分，對江蘇省13個市進行聚類分析，其中度量標準采用平方歐氏距離，類別間距離采用組間聯接法，得到聚類分析的樹狀圖，如圖3所示。

圖3 聚類分析樹狀圖

根據圖3聚類分析得出的結果，本文將13個城市的物流發展水平分為三類，結果如表7所示。

表7 聚類分析結果

第一類是物流發展水平較高的城市，即蘇州和南京。2019年，蘇州物流發展水平綜合得分為1.8，南京物流發展水平綜合得分為1.2，分別位居江蘇省第一、第二位。蘇州和南京都是經濟發展規模大、工業基礎強、貿易流通繁榮的城市。這些條件支持了物流業的強勁發展，為未來物流競爭提供了強大的潛力。

第二類是物流發展水平較高的城市。從表7可以看出，江蘇省物流發展水平較高的城市有無錫、徐州、南通、常州，其綜合得分均超過0，在全省排名較為靠前。這些城市處于江蘇省中上游的經濟發展規模和物流供給能力，反映了這些城市經濟實力強、物流需求大、信息化水平高，物流基礎設施建設相對完善，物流業未來的發展潛力不可低估。

第三類是具有一般物流發展水平的城市，即淮安、宿遷、連云港、鎮江、泰州、鹽城、揚州等城市。這些城市的綜合得分為負，說明這些城市的物流發展水平低于江蘇省物流業發展的平均水平。

四、結論及建議

(一)結論

本文通過構建物流發展水平評價體系研究了2019年江蘇省內13個城市的物流發展水平的高低關系，通過因子分析得出蘇州、南京、無錫的物流發展水平綜合得分遠遠高于其他城市，處于全省中上等水平；徐州、南通、常州相對于蘇州、南京這些城市，其物流發展水平綜合得分有一定的差距，但是仍然處于全省中等水平；而剩余城市如宿遷、連云港等地區在綜合得分上大多小于零，低于全省均分，處于全省中下等水平。

接著利用因子分析的得分情況進行聚類分析，分析得出可以將13個城市的物流發展水平分為三類，第一類為物流發展水平高的城市，即蘇州、南京，第二類為物流發展水平較高的城市，有無錫、徐州、南通、常州，第三類為物流發展水平一般的城市，為淮安、宿遷、連云港、鎮江、泰州、鹽城、揚州等城市。

從因子分析和聚類分析研究的結果來看，物流發展水平與地理位置及地區經濟發展水平有一定的聯系，江蘇省內物流發展水平呈現較為明顯的地區差異，蘇南地區城市經濟發展水平較高，基礎設施完善，物流業規模大，信息化程度高，發展水平較高。一般來說，地理位置優越的地區有一定的經濟發展優勢，綜合實力較強，相應地，物流業的發展也不落后。

(二)建議

現代物流業是支撐國民經濟發展的基礎性行業，也是引導產業布局創新的先導性產業。通過區域協同、韌性聯動，加強物流業在地區間的聯系，使得各地區的物流業發展逐漸趨向均衡發展。江蘇省內物流發展水平較高的地區如蘇州和南京，可以通過加強區域物流合作來解決地區間發展的不均衡問題。構建“通道＋樞紐＋網絡”的現代物流體系，以適應復雜多變的經貿環境，把握經濟高質量發展的時代要求。值得注意的是，物流業的發展離不開新平臺、新技術、新理念的融合，在加強區域協同發展的同時要注重加強物流業的創新。同時，在物流業發展態勢逐漸良好的情況下，也要更加注重綠色健康的發展，加強科技創新、加強智能研發的同時減少能耗，提升企業效率，夯實科學完備的現代物流基礎體系。