基于多元降維技術(shù)的福建省物流產(chǎn)業(yè)集聚力評(píng)價(jià)

黃煥宗

(黎明職業(yè)大學(xué)公共教學(xué)部，福建泉州 362000)

基于多元降維技術(shù)的福建省物流產(chǎn)業(yè)集聚力評(píng)價(jià)

黃煥宗

(黎明職業(yè)大學(xué)公共教學(xué)部，福建泉州 362000)

構(gòu)建區(qū)域物流產(chǎn)業(yè)集聚力的原始評(píng)價(jià)指標(biāo)體系，為克服原始評(píng)價(jià)指標(biāo)之間信息重疊的影響，進(jìn)行因子分析達(dá)到去除強(qiáng)線性關(guān)系的影響，在此基礎(chǔ)上分析了福建省的物流產(chǎn)業(yè)集聚力，為研究物流產(chǎn)業(yè)集聚影響因素的相互關(guān)系，進(jìn)行多維標(biāo)度分析。結(jié)果表明，多元降維技術(shù)在物流產(chǎn)業(yè)集聚度多指標(biāo)分析中具有顯著作用。

現(xiàn)代物流業(yè);集聚力;因子分析;多維標(biāo)度分析

作為生產(chǎn)性服務(wù)業(yè)的重要組成部分，現(xiàn)代物流業(yè)在服務(wù)制造業(yè)的轉(zhuǎn)型升級(jí)方面作用無可替代。與此同時(shí)，伴隨著人們生活消費(fèi)習(xí)慣和方式的改變，現(xiàn)代物流業(yè)在生活服務(wù)中的作用也日益提高?，F(xiàn)代物流業(yè)在社會(huì)生活和生產(chǎn)重要作業(yè)的主要表現(xiàn)形式在于，現(xiàn)代物流業(yè)在制造過程和社會(huì)消費(fèi)中起著降低物資消耗、提高勞動(dòng)生產(chǎn)率的作用，進(jìn)而達(dá)到優(yōu)化資源配置、調(diào)整經(jīng)濟(jì)結(jié)構(gòu)、改善投資環(huán)境的效果。而物流產(chǎn)業(yè)的集聚則是現(xiàn)代物流業(yè)發(fā)展到一定程度的必然結(jié)果。李蘭冰［1］分析了制造業(yè)與物流業(yè)聯(lián)動(dòng)的機(jī)制，從理論角度得出物流產(chǎn)業(yè)集群化是現(xiàn)代物流業(yè)發(fā)展的必然趨勢(shì)。葛金田等［2］認(rèn)為物流產(chǎn)業(yè)的集聚是適應(yīng)產(chǎn)業(yè)集群發(fā)展的必然結(jié)果。馬麗［3］以物流產(chǎn)業(yè)集群效應(yīng)為出發(fā)點(diǎn)，對(duì)物流產(chǎn)業(yè)集群的特征進(jìn)行系統(tǒng)分析并據(jù)此探討了物流產(chǎn)業(yè)集群的類型和形成因素。這些研究成果論證了物流產(chǎn)業(yè)集聚的理論成因并初步探討了聚集的形態(tài)，但研究過程停留在定性分析范疇，沒有對(duì)物流產(chǎn)業(yè)集聚作出適當(dāng)?shù)臄?shù)量分析。朱佳翔等［4］實(shí)證研究了江蘇交通物流產(chǎn)業(yè)的集聚效應(yīng)，該研究構(gòu)建了物流產(chǎn)業(yè)集聚效應(yīng)的評(píng)價(jià)指標(biāo)體系，研究結(jié)果表明物流產(chǎn)業(yè)的集聚對(duì)經(jīng)濟(jì)增長存在逐年遞增的正效應(yīng)。

當(dāng)前的物流產(chǎn)業(yè)集聚實(shí)證研究成果往往是對(duì)集聚度或者集聚效應(yīng)的研究，對(duì)于什么樣的產(chǎn)業(yè)基礎(chǔ)和消費(fèi)基礎(chǔ)導(dǎo)致物流產(chǎn)業(yè)的集聚也就是物流產(chǎn)業(yè)集聚力的數(shù)量研究則較少。文中在總結(jié)歸納已有研究成果基礎(chǔ)上，構(gòu)建了評(píng)價(jià)物流產(chǎn)業(yè)集聚力影響因素的初步指標(biāo)體系，為剔除初步指標(biāo)體系中的噪音，采用因子分析法對(duì)初步指標(biāo)體系進(jìn)行降維處理，得到基于因子分析法的物流產(chǎn)業(yè)集聚力評(píng)價(jià)指標(biāo)體系和集聚力評(píng)價(jià)算法，并提出相關(guān)建議。

1 研究工具和研究方法

1.1 初步評(píng)價(jià)指標(biāo)體系的建立

物流產(chǎn)業(yè)的集聚是產(chǎn)業(yè)集聚理論的一種實(shí)踐形態(tài)，一般產(chǎn)業(yè)集聚所需的社會(huì)和經(jīng)濟(jì)條件一樣是物流產(chǎn)業(yè)集聚的前提。李伊松等［5］在整合和細(xì)分“鉆石模型”的基礎(chǔ)上，研究了現(xiàn)代物流產(chǎn)業(yè)集聚的影響因素，結(jié)果顯示，環(huán)境、市場(chǎng)、基礎(chǔ)設(shè)施、企業(yè)和政府是影響物流產(chǎn)業(yè)集聚的主要因素;鐘祖昌［6］提出基于空間經(jīng)濟(jì)學(xué)視角的物流產(chǎn)業(yè)集聚因素框架，包含市場(chǎng)需求、交通基礎(chǔ)設(shè)施、制度和開放度等4個(gè)維度。綜合這些研究成果，文中從物流產(chǎn)業(yè)發(fā)展的初始條件入手，主要從研究物流產(chǎn)業(yè)集聚的比較優(yōu)勢(shì)基礎(chǔ)上構(gòu)建了包括基礎(chǔ)因素、交通因素、市場(chǎng)因素和軟環(huán)境因素等四大影響因素(見圖1)的物流產(chǎn)業(yè)集聚力初步評(píng)價(jià)指標(biāo)體系(見表1)?；A(chǔ)條件考察的是發(fā)展現(xiàn)代物流業(yè)的社會(huì)經(jīng)濟(jì)發(fā)展總量情況，是決定物流業(yè)發(fā)展高度和強(qiáng)度的初始條件。交通條件主要考察了物流業(yè)發(fā)展的支撐能力。市場(chǎng)條件則是物流業(yè)發(fā)展的源動(dòng)力，既有的物流服務(wù)對(duì)象研究視角主要集中在制造業(yè)范疇，然而伴隨著人們生活消費(fèi)方式的轉(zhuǎn)變，物流業(yè)的生活型服務(wù)業(yè)角色在物流產(chǎn)業(yè)中的比重也在悄然增加?；谶@一現(xiàn)狀文中把社會(huì)消費(fèi)總量也作為市場(chǎng)條件的重要指標(biāo)來研究。軟環(huán)境則是人力、研發(fā)和政策等因素的總稱，是影響物流業(yè)集聚的重要輔助因素。

1.2 數(shù)據(jù)的獲得

為保證分析結(jié)論客觀，表1大部分指標(biāo)數(shù)據(jù)都可以通過各級(jí)政府部門的統(tǒng)計(jì)公報(bào)獲得?；A(chǔ)因素、交通因素、市場(chǎng)因素3個(gè)主要因素的評(píng)價(jià)因子數(shù)據(jù)全部來源于福建統(tǒng)計(jì)年鑒2014;軟環(huán)境因素中科技支出、單位從業(yè)人員數(shù)量兩項(xiàng)因子的數(shù)據(jù)來源于福建統(tǒng)計(jì)年鑒2014;在校生數(shù)量來源于福建省教育事業(yè)統(tǒng)計(jì)簡(jiǎn)明資料2012;政策激勵(lì)度和社會(huì)開放度指標(biāo)是典型的定性指標(biāo)，其獲取方法是德爾菲法。為減輕主觀因素的噪音干擾，研究采用分層抽樣方法采集數(shù)據(jù)，即把待訪對(duì)象分成專家、物流從業(yè)人員、管理部門人員3層，每層平均分派樣本數(shù);通過面訪形式請(qǐng)他們對(duì)海峽西岸主要城市的物流產(chǎn)業(yè)政策激勵(lì)度和社會(huì)開放度進(jìn)行評(píng)判并給出量化標(biāo)度(1～5標(biāo)度法)，共調(diào)查150人，獲得有效樣本141份，每份樣本對(duì)每項(xiàng)指標(biāo)的平均標(biāo)度則為該項(xiàng)指標(biāo)的指標(biāo)值。

圖1 物流產(chǎn)業(yè)集聚影響因素Fig.1 Factors affecting logistics industry agglom eration

表1 現(xiàn)代物流產(chǎn)業(yè)集聚力初步評(píng)價(jià)指標(biāo)體系Tab.1 Prelim inary evaluation index system of the cohesion ofmodern logistics industry

1.3 研究模型

影響物流產(chǎn)業(yè)集聚力的因素指標(biāo)體系可以看作一個(gè)多維空間中數(shù)據(jù)組成的變量集，變量集中的眾多變量之間既有其結(jié)構(gòu)關(guān)系，同時(shí)也可能存在一定程度的關(guān)聯(lián)關(guān)系，也就是說初步評(píng)價(jià)指標(biāo)體系之間存在一定程度的信息重疊。因而通過對(duì)數(shù)據(jù)進(jìn)行簡(jiǎn)單算術(shù)和評(píng)價(jià)的辦法明顯存在統(tǒng)計(jì)意義上的噪聲?；诮档驮肼暤某霭l(fā)點(diǎn)，文中選取了具有降維作用的因子分析模型和多維標(biāo)度模型作為研究工具。

1.3.1 因子分析因子分析［7］是一種基于降維思想的數(shù)據(jù)簡(jiǎn)化方法。它研究了眾多具有一定線性相關(guān)關(guān)系變量之間的內(nèi)部依賴關(guān)系，通過總結(jié)出的幾個(gè)抽象并且剔除了線性關(guān)系的變量來代表原始變量的絕大部分信息，這樣的抽樣變量被稱為因子。其中原始變量是可觀測(cè)的顯在變量，因子則是不可觀測(cè)的潛在變量。

物流產(chǎn)業(yè)集聚力初步評(píng)價(jià)指標(biāo)體系可以看做變量空間:

假設(shè)該空間中的變量之間存在關(guān)聯(lián)關(guān)系，可以降維為m＜n個(gè)因子表示的潛在變量空間，因而公式(1)可以表示為

公式(2)中f(t)=［f1(t)f2(t)…fm(t)］T表示的是公共因子，aij(k)=［a1(k)a2(k)…an(k)］T表示的是載荷向量，也就是第i個(gè)顯在變量在第j個(gè)潛在變量上的負(fù)荷。s(t)稱為特殊因子。為保證公式(2)中公共因子的線性無關(guān)性，特殊因子滿足:

在公式(3)前提下，實(shí)現(xiàn)因子分析就是尋找Am∈Rn×m使得

1.3.2 多維標(biāo)度分析法多維標(biāo)度分析法也具有在保持原有變量空間結(jié)構(gòu)不變前提下進(jìn)行降維的功能，它跟因子分析法的主要區(qū)別在于多維標(biāo)度分析法在將多維空間投射到低維空間的同時(shí)，通過坐標(biāo)描點(diǎn)譜系圖的形式將研究對(duì)象進(jìn)行可視化。具體到物流產(chǎn)業(yè)集聚力研究，多維標(biāo)度模型能夠全面而又直觀地再現(xiàn)原始各研究對(duì)象之間的關(guān)系，同時(shí)在此基礎(chǔ)上也可按對(duì)象點(diǎn)之間距離的遠(yuǎn)近實(shí)現(xiàn)對(duì)各個(gè)研究對(duì)象的分類［8］。

物流產(chǎn)業(yè)集聚力的多維標(biāo)度分析數(shù)學(xué)原理為［7，9-10］:

1)原始評(píng)價(jià)指標(biāo)間關(guān)聯(lián)規(guī)則的構(gòu)建。將原始評(píng)價(jià)指標(biāo)標(biāo)準(zhǔn)化，通過線性相關(guān)系數(shù)公式計(jì)算:

式中

且滿足－1≤ρij≤1。由公式(5)可得相似矩陣P= (ρij)n×n。

2)多維模型構(gòu)建。相似矩陣P=(ρij)n×n是距離陣

進(jìn)行中心內(nèi)積化計(jì)算而來，通過數(shù)學(xué)推導(dǎo)易知:

3)降維和可視化實(shí)現(xiàn)。假定矩陣(6)的r個(gè)最大特征值λ1≥λ2≥…≥λr＞0及其對(duì)應(yīng)的單位特征向量存在，這r個(gè)點(diǎn)在p維空間上的坐標(biāo)則是原始評(píng)價(jià)指標(biāo)的可視化譜系圖。適當(dāng)降低r的取值到某個(gè)較低程度(一般是2或者3)，則獲得一個(gè)較低維空間點(diǎn)集坐標(biāo)，該坐標(biāo)稱原始評(píng)價(jià)矩陣的擬合構(gòu)圖，也就是完成可視化工作。降維規(guī)則一般可以由下述公式表示:

這里κ0一般由先驗(yàn)經(jīng)驗(yàn)給定，也可以通過碎石圖對(duì)特征根落差趨勢(shì)判斷實(shí)現(xiàn)。

2 福建省物流產(chǎn)業(yè)集聚力評(píng)價(jià)

2.1 福建省物流產(chǎn)業(yè)集聚力測(cè)算

對(duì)福建省物流產(chǎn)業(yè)集聚的評(píng)價(jià)除了需要在消除指標(biāo)信息重疊基礎(chǔ)上進(jìn)行指標(biāo)值的加權(quán)求和來測(cè)算集聚力，還應(yīng)該評(píng)價(jià)影響集聚的因素之間互相作用的機(jī)制。根據(jù)這一研究目的，因子分析和多維標(biāo)度分析結(jié)合的多元降維技術(shù)可以分別完成上述任務(wù)。文中使用SPSS 20.0實(shí)現(xiàn)因子分析和多維標(biāo)度分析。為研究各初選指標(biāo)之間線性關(guān)聯(lián)的程度，首先進(jìn)行相關(guān)系數(shù)陣計(jì)算，得到如表2所示的福建省物流集聚力評(píng)價(jià)指標(biāo)相關(guān)系數(shù)矩陣。計(jì)算結(jié)果顯示，大部分指標(biāo)都存在跟其他指標(biāo)相關(guān)系數(shù)達(dá)到0.8以上，表明初選指標(biāo)間的線性關(guān)系明顯，信息重疊嚴(yán)重，有必要進(jìn)行適當(dāng)?shù)慕稻S處理。

表2 福建省物流集聚力評(píng)價(jià)指標(biāo)相關(guān)系數(shù)矩陣Tab.2 Cor relation coefficien tm atrix of logistics agglomeration evaluation index in Fujian Province

為研究原始評(píng)價(jià)指標(biāo)所表示的信息在降維后分別由哪幾個(gè)新的潛在指標(biāo)表示，需要進(jìn)行公共因子的抽取。通過公式(2)可以知道，公共因子是原始評(píng)價(jià)指標(biāo)的線性組合，先驗(yàn)經(jīng)驗(yàn)表明，原始評(píng)價(jià)指標(biāo)矩陣最大的n個(gè)特征值之和占全部特征值和的比重(即方差貢獻(xiàn)率)如果達(dá)到某個(gè)指標(biāo)(一般是≥85%)，那么就表示有公共因子。表3表示的是原始指標(biāo)特征值及其方差累計(jì)百分比。通過表3可知，前2個(gè)因子的方差累計(jì)百分比已經(jīng)達(dá)到87.195%，也就是說，這2個(gè)公共因子可以解釋原始指標(biāo)信息的87.195%，因此選取公共因子個(gè)數(shù)為2。為說明這2個(gè)公共因子分別代表了哪些原始指標(biāo)信息，需要進(jìn)行成分矩陣的計(jì)算和公共因子的命名。表4顯示的是標(biāo)準(zhǔn)正交旋轉(zhuǎn)后所得的成分載荷陣。由表4可見，公共因子1主要代表了GDP、消費(fèi)品零售總額、常住人口數(shù)、工業(yè)總產(chǎn)值、固定投資、從業(yè)人員數(shù)、在校生數(shù)等表征總量的指標(biāo)，因而可以講公共因子1命名為硬件因子;公共因子2則代表剩下其他指標(biāo)信息，這些指標(biāo)表征的是諸如區(qū)位優(yōu)勢(shì)、科學(xué)技術(shù)支出、政策激勵(lì)度等相對(duì)指標(biāo)，可以命名為軟件因子。原始的14個(gè)評(píng)價(jià)指標(biāo)信息大部分可由硬件和軟件因子表示，并且過濾了重疊信息。在此基礎(chǔ)上，海峽西岸各城市物流產(chǎn)業(yè)集聚力的計(jì)算可以由公式(8)表示:其中X*是X的標(biāo)準(zhǔn)化陣。

表3 原始指標(biāo)矩陣特征值及其方差貢獻(xiàn)率Tab.3 Eigenvalues of the original index m atrix and its contribution rate of variance

表4 旋轉(zhuǎn)后的載荷陣Tab.4 M atrix table after rotating load

通過公式(8)的計(jì)算可以得到福建省各城市的物流產(chǎn)業(yè)集聚力如表5所示。

表5表明，福建省各城市的物流產(chǎn)業(yè)集聚得分具有明顯的梯度，而且可以大致分為2個(gè)層次。福州、泉州、廈門位列前3，得分都大于1。這3個(gè)城市是福建省的三大中心城市，無論是經(jīng)濟(jì)總量還是軟件水平在福建省都處于領(lǐng)先位置。廈門市是經(jīng)濟(jì)特區(qū)，各項(xiàng)政策和基礎(chǔ)設(shè)施以及教育設(shè)施都處于領(lǐng)先，但其經(jīng)濟(jì)總量較小，基于因子分析的評(píng)價(jià)方法則萃取了總量因子作為第一公共因子，因此在該方法下，廈門的物流產(chǎn)業(yè)競(jìng)爭(zhēng)力明顯低于經(jīng)濟(jì)總量較大的福州和泉州。

表5 福建省各城市物流產(chǎn)業(yè)集聚力Tab.5 Logistics industry gathering situation table in cities in Fu jian Province

其他城市的物流產(chǎn)業(yè)集聚得分都在0.5分左右，與上述3個(gè)城市拉開了較大距離。究其原因，這些城市在軟硬件方面都無法與上述3個(gè)城市抗衡。

2.2 福建省物流產(chǎn)業(yè)集聚影響因素可視化

科學(xué)的資源配置有助于區(qū)域產(chǎn)業(yè)集群減少低水平競(jìng)爭(zhēng)進(jìn)而促進(jìn)整個(gè)區(qū)域產(chǎn)業(yè)的轉(zhuǎn)型升級(jí)。福建省各城市物流產(chǎn)業(yè)的集聚力分析說明這個(gè)區(qū)域物流產(chǎn)業(yè)的布局具有明顯的地域特征，根據(jù)該特征合理優(yōu)化整個(gè)福建省的物流產(chǎn)業(yè)空間結(jié)構(gòu)有其必要意義。

公式(6)的軟件實(shí)現(xiàn)是一個(gè)迭代過程，迭代結(jié)果顯示，表征模型精確程度的標(biāo)準(zhǔn)化初始應(yīng)力為0.004 75，衡量模型擬合效果的DAF值為0.995 25。這2個(gè)檢驗(yàn)指標(biāo)說明，多維標(biāo)度分析結(jié)果顯著。表3的方差貢獻(xiàn)率分析說明原始指標(biāo)可以投射到二維空間進(jìn)行可視化分析。這個(gè)二維空間點(diǎn)集坐標(biāo)的計(jì)算可表示如下:

其中，λ1，λ2和e1，e2分別是矩陣P的前2個(gè)最大特征值及其對(duì)應(yīng)特征向量。代入公式(9)可得如表6所示的福建省各城市物流產(chǎn)業(yè)集聚因素的二維投影空間點(diǎn)坐標(biāo)。把這些坐標(biāo)標(biāo)度在直角坐標(biāo)系上就是各評(píng)價(jià)指標(biāo)的可視化構(gòu)圖(見圖2)。

這個(gè)可視化構(gòu)圖表明物流產(chǎn)業(yè)分工的方向:福州和泉州是制造業(yè)發(fā)達(dá)地區(qū)，物流產(chǎn)業(yè)的產(chǎn)業(yè)鏈在該市應(yīng)該側(cè)重于物流機(jī)構(gòu)與實(shí)體經(jīng)濟(jì)的融合;廈門擁有區(qū)位和政治優(yōu)勢(shì)，因而物流產(chǎn)業(yè)的上游配套應(yīng)該重點(diǎn)在該市完成。這3個(gè)城市共同構(gòu)成福建省區(qū)域物流主干節(jié)點(diǎn)。其他地區(qū)則應(yīng)該定位于物流的有效支點(diǎn)并將重點(diǎn)物流產(chǎn)業(yè)下游產(chǎn)業(yè)鏈作為補(bǔ)充。

表6 福建省各城市物流產(chǎn)業(yè)集聚因素二維投影空間點(diǎn)坐標(biāo)Tab.6 Factors of logistics industry agglom eration 2 dimensional projection space point coordinate

圖2 福建省物流產(chǎn)業(yè)集聚影響因素可視化Fig.2 Visual com position of factors affecting logistics industry agglom eration in Fujian province

3 結(jié)語

因子分析和多維標(biāo)度分析結(jié)合的多元降維技術(shù)具有去除重疊信息和可視化兩大功能，為區(qū)域物流產(chǎn)業(yè)集聚度的研究提供了定量分析支持。根據(jù)文中分析結(jié)論，提出政策建議如下:

1)福建省的物流產(chǎn)業(yè)集聚情況符合經(jīng)濟(jì)發(fā)展的空間特征，說明文中所采用方法進(jìn)行物流產(chǎn)業(yè)集聚力評(píng)價(jià)的信度。在未來的物流及相關(guān)產(chǎn)業(yè)規(guī)劃中，多元統(tǒng)計(jì)方法的適當(dāng)應(yīng)用將有助相關(guān)部門得到定性分析的參考。

2)物流產(chǎn)業(yè)的集聚是經(jīng)濟(jì)總量和社會(huì)綜合投入共同作用的結(jié)果。未來物流產(chǎn)業(yè)根據(jù)地域經(jīng)濟(jì)文化特征所作的分工和協(xié)作將有助于物流產(chǎn)業(yè)產(chǎn)出最大化和物流產(chǎn)業(yè)可持續(xù)發(fā)展的實(shí)現(xiàn)。

［1］李蘭冰.物流產(chǎn)業(yè)集群的信任機(jī)制研究與政策啟示［J］.商業(yè)經(jīng)濟(jì)與管理，2007(10):17.

LI Lanbing.A study on mechanism in logistics industrial cluster and the related policy suggestion［J］.Journal of Business Economics，2007(10):17.(in Chinese)

［2］葛金田，沈鵬飛，陳寧寧.基于區(qū)位熵法的濟(jì)南市物流產(chǎn)業(yè)集聚度分析［J］.物流工程與管理，2012(1):93.

GE Jintian，SHEN Pengfei，CHEN Ningning.Analysis on logistics industry cluster degree in Jinan based on kocation quotient［J］.Logistics Engineering and Management，2012(1):93.(in Chinese)

［3］馬麗.基于集群效應(yīng)的物流產(chǎn)業(yè)集群形成機(jī)理分析［J］.中國市場(chǎng)，2010(3):62-63.

MA Li.Analysis on the formation mechanism of logistics industry cluster based on clustering effect［J］.Chinese Market，2010 (3):62-63.(in Chinese)

［4］朱佳翔，譚清美.江蘇交通物流產(chǎn)業(yè)集聚效應(yīng)實(shí)證分析［J］.統(tǒng)計(jì)與信息論壇，2012，27(4):102-105.

ZHU Jiaxiang，TAN Qingmei.An empirical study on agglomeration effect of Jiangsu transportation logistics tndustrials［J］.Statistics and Information Forum，2012，27(4):102-105.(in Chinese)

［5］李伊松，熊華妹，張文杰.物流產(chǎn)業(yè)集聚影響因素研究［J］.生產(chǎn)力研究，2008(7):120-122.

LIYisong，XIONG Huamei，ZHANGWenjie.Research on the factors of logistics industry agglomeration［J］.Productivity Studies，2008(7):120-122.(in Chinese)

［6］鐘祖昌.空間經(jīng)濟(jì)學(xué)視角下的物流業(yè)集聚及影響因素［J］.山西財(cái)經(jīng)大學(xué)學(xué)報(bào)，2011，33(11):57.

ZHONG Zuchang.Research on logistics industry agglomeration and its determinants basedon spatial economics［J］.Journal of Shanxi Finance and Economics University，2011，33(11):57.(in Chinese)

［7］何曉群.多元統(tǒng)計(jì)分析［M］.北京:中國人民大學(xué)出版社，2008.

［8］于秀林.多元統(tǒng)計(jì)分析及程序［M］.北京:中國統(tǒng)計(jì)出版社，1993.

［9］ZHOU Y G，XIA L X.Non-Quantitative Data Analysis and Applications Theory［M］.Beijing:Scientific Press，1993.

［10］陸忠華，胡永宏，沈斌，等.多維標(biāo)度法(MDS)在構(gòu)效關(guān)系分析中的應(yīng)用［J］.計(jì)算機(jī)與應(yīng)用化學(xué)，2007，24(3):286-290.

LU Zhonghua，HU Yonghong，SHEN Bin，et al.The application of MDSmethod in the structure-activity relationship research［J］.Computer and Application Chemistry，2007，24(3):286-290.(in Chinese)

(責(zé)任編輯:楊勇)

Evaluation of the Agglom eration for the Logistics Industry in Fu jian Province Based on the M ultip le Dimension Reduction Technology

HUANG Huanzong
(Department of Public Teaching，Liming Vocational University，Quanzhou 362000，China)

The regional logistics industry agglomeration original evaluation index system is established in this paper.In order to overcome the influence of the overlap of the information between the prim itive indexes by factor analysis to remove the influence of strong linear relationship，and on the basis of analyzing the logistics industry in Fujian Province，the logistics industry agglomeration the relationship between influencing factors，multi-dimensional scaling analysis are carried out.The research conclusions show that the multivariate dimension reduction technology has a significant effect in the logistics industry clustering degree analysis ofmany indices.

modern logistics industry，cohesion，factor analysis，multi-dimensional scaling analysis

F 259.27;F 224

A

1671－7147(2015)06－0869－06

2015－05－20;

2015－06－30。

福建省中青年教師教育科研項(xiàng)目(2014JB14178);泉州市社會(huì)科學(xué)規(guī)劃項(xiàng)目(2014H02)。

黃煥宗(1982—)，男，福建泉州人，講師，經(jīng)濟(jì)學(xué)碩士。主要從事統(tǒng)計(jì)分析技術(shù)及其應(yīng)用研究。Email:99871589@qq.com.