周曉鳴,葉春明 (上海理工大學(xué) 管理學(xué)院,上海 200093)
作為第一產(chǎn)業(yè),農(nóng)業(yè)是國(guó)民經(jīng)濟(jì)的基礎(chǔ),農(nóng)業(yè)和農(nóng)村經(jīng)濟(jì)的健康發(fā)展事關(guān)國(guó)民經(jīng)濟(jì)發(fā)展的全局[1]。然而我國(guó)農(nóng)業(yè)發(fā)展相對(duì)滯后,農(nóng)產(chǎn)品流通效率低、成本高、損耗大。電子商務(wù)的發(fā)展,給農(nóng)產(chǎn)品物流的發(fā)展帶來(lái)了新的動(dòng)力。農(nóng)產(chǎn)品物流在電子商務(wù)平臺(tái)的引導(dǎo)下實(shí)現(xiàn)協(xié)調(diào)整合,將使農(nóng)產(chǎn)品生產(chǎn)者根據(jù)消費(fèi)者的需求合理安排生產(chǎn),減少因中間環(huán)節(jié)過(guò)多,市場(chǎng)需求失真而帶來(lái)的農(nóng)產(chǎn)品損耗,提高農(nóng)產(chǎn)品物流運(yùn)作的效率,有效降低農(nóng)產(chǎn)品損耗,為提高農(nóng)民收入水平奠定堅(jiān)實(shí)的基礎(chǔ)[2]。為此,大力發(fā)展農(nóng)產(chǎn)品物流勢(shì)在必行??茖W(xué)地評(píng)價(jià)農(nóng)產(chǎn)品物流的發(fā)展水平,有助于政府相關(guān)部門(mén)制定相關(guān)科學(xué)決策、改善農(nóng)業(yè)經(jīng)濟(jì)發(fā)展環(huán)境、促進(jìn)農(nóng)產(chǎn)品物流的健康發(fā)展。
因子分析法是一種降維的技術(shù),能夠在多種具有相關(guān)性的指標(biāo)中找出幾個(gè)主因子,用主因子來(lái)代替評(píng)價(jià)指標(biāo),簡(jiǎn)化對(duì)農(nóng)產(chǎn)品物流發(fā)展水平的評(píng)價(jià),縮小工作量[3]。因此本文采用因子分析法來(lái)研究我國(guó)農(nóng)產(chǎn)品物流的發(fā)展水平。
農(nóng)產(chǎn)品物流是物流業(yè)的一個(gè)分支,指的是為了物流業(yè)的一個(gè)分支從生產(chǎn)者到消費(fèi)者之間的物理性流動(dòng)。就是以農(nóng)業(yè)產(chǎn)出物為對(duì)象,通過(guò)農(nóng)產(chǎn)品產(chǎn)后加工、包裝、儲(chǔ)存、運(yùn)輸和配送等物流環(huán)節(jié),做到農(nóng)產(chǎn)品保值增值,最終送到消費(fèi)者手中的活動(dòng)。農(nóng)產(chǎn)品物流除了數(shù)量大、品種多的特點(diǎn)之外還具有以下特點(diǎn):農(nóng)產(chǎn)品物流要求高。一是由于農(nóng)產(chǎn)品與工業(yè)品不同,它是有生命的動(dòng)物性與植物性產(chǎn)品。所以,農(nóng)產(chǎn)品的物流特別要求“綠色物流”,在物流過(guò)程中做到不污染、不變質(zhì)。二是由于農(nóng)產(chǎn)品價(jià)格較低,一定要做到低成本運(yùn)行。三是由于農(nóng)產(chǎn)品流通涉及到保證與提高農(nóng)民的收入。因此,在物流過(guò)程中,一定要做到服務(wù)增值,即農(nóng)產(chǎn)品加工轉(zhuǎn)化,農(nóng)產(chǎn)品加工配送。農(nóng)產(chǎn)品物流難度大。體現(xiàn)在包裝難、運(yùn)輸難、倉(cāng)儲(chǔ)難。雖然我國(guó)農(nóng)產(chǎn)品物流活動(dòng)出現(xiàn)得比較早,但無(wú)論是在農(nóng)產(chǎn)品物流理論研究還是在實(shí)際操作上,我國(guó)農(nóng)產(chǎn)品物流的發(fā)展都很緩慢。
因子分析的概念最初起源于關(guān)于智力測(cè)驗(yàn)的探討,其作出突出貢獻(xiàn)的是20世紀(jì)初的心理學(xué)家Charles Spearman等。因子分析(Factor Analysis)作為多元統(tǒng)計(jì)分析技術(shù)的一個(gè)分支,用于處理多變量問(wèn)題,是一種降維、簡(jiǎn)化數(shù)據(jù)的技術(shù)[7]。因子分析的基本思想是肯定變量之間具有相關(guān)性,可以根據(jù)這種相關(guān)性進(jìn)行不同的分組組合,這樣,同一組的變量之間的相關(guān)性就比較高,不同組的變量相關(guān)性就較低,每一組的變量都代表不同的基本結(jié)構(gòu)。
將這一思想用數(shù)學(xué)模型表示為:
假設(shè)從原始變量集X={X1,X2,…,Xn}T中,提取出m個(gè)公共因子F={F1,F2,…,Fm}T,則每一個(gè)變量都可以表示成公共因子的線性函數(shù)與特殊因子之和,即:Xi=ai1Fi+ai2F2+…+aimFm+εi,i=1,2,…,n。
該模型用矩陣表示為:X=AF+ε
且滿足:①m<n;②Cov( F,ε )=0,即公共因子與特殊因子是不相關(guān)的;即各個(gè)公共因子不相關(guān),且方差為1即各個(gè)特殊因子不相關(guān),方差不要求相等。
模型中矩陣A稱為因子負(fù)載矩陣,aij稱為因子負(fù)載,是指第i個(gè)變量在第j個(gè)因子上的負(fù)荷。
用因子所能夠解釋的總方差來(lái)衡量每個(gè)公共因子對(duì)變量的解釋能力,通常稱為因子的貢獻(xiàn)(Contributions),記為Vi。它等于和該因子有關(guān)的因子負(fù)載的平方和,即:
如果一個(gè)變量在多個(gè)公共因子上有較大的負(fù)荷,或者多個(gè)變量在同一個(gè)公共因子上有較大的負(fù)荷,則說(shuō)明因子對(duì)多個(gè)變量都有較明顯的影響作用。為了更合理地對(duì)因子的實(shí)際背景解釋,可以通過(guò)因子旋轉(zhuǎn)使每個(gè)變量?jī)H在一個(gè)公共因子上有較大的負(fù)載,即讓同一個(gè)因子在各個(gè)變量上的負(fù)載盡可能的向靠近1和靠近0的兩極分離。
在因子分析模型X=AF+ε中,如果不考慮其特殊因子的影響,當(dāng)m=n且A可逆時(shí),所抽取的樣本在因子F上的得分可以表示為:F=A-1X。
但是,因子分析模型在實(shí)際中要求m<n,因此,不能精確計(jì)算出因子的得分情況,只能對(duì)因子得分進(jìn)行估計(jì)。
本文在查閱了大量的國(guó)內(nèi)外研究文獻(xiàn)的基礎(chǔ)上,通過(guò)德?tīng)柗品ㄅc相關(guān)領(lǐng)域?qū)<页浞譁贤ǖ幕A(chǔ)上,最終選出了8個(gè)指標(biāo),來(lái)代表農(nóng)產(chǎn)品物流能力的評(píng)價(jià)指標(biāo)。它們是地區(qū)生產(chǎn)總值X1()、農(nóng)林牧漁業(yè)總產(chǎn)值X2()、人均生產(chǎn)總值X3()、社會(huì)消費(fèi)品零售總額X4()、貨物周轉(zhuǎn)量X5()、民用汽車(chē)擁有量X6()、國(guó)際互聯(lián)網(wǎng)用戶數(shù)X7()、公路里程數(shù)X8()。數(shù)據(jù)來(lái)自2014年《中國(guó)統(tǒng)計(jì)年鑒》,選取我國(guó)31個(gè)省、市、自治區(qū)為研究對(duì)象。原始數(shù)據(jù)如表1所示:
將原始數(shù)據(jù)放入SPSS 22.0軟件中對(duì)我國(guó)31個(gè)省、市、自治區(qū)的8個(gè)指標(biāo)進(jìn)行因子分析。
2.2.1 數(shù)據(jù)標(biāo)準(zhǔn)化處理
由于經(jīng)濟(jì)意義和表現(xiàn)形式不同,各個(gè)定量指標(biāo)之間并不具有可比性,因此,為了對(duì)指標(biāo)進(jìn)行科學(xué)的綜合評(píng)價(jià),必須對(duì)各個(gè)指標(biāo)予以標(biāo)準(zhǔn)化處理。本文采用Zore法將指標(biāo)數(shù)據(jù)標(biāo)準(zhǔn)化。
2.2.2 因子分析
2.2.2.1 相關(guān)系數(shù)矩陣和變量共同度分析
對(duì)標(biāo)準(zhǔn)化數(shù)據(jù)進(jìn)行實(shí)證分析,通過(guò)計(jì)算得出8個(gè)指標(biāo)的相關(guān)系數(shù)矩陣及變量共同度表。從表2的相關(guān)系數(shù)矩陣中可以看到,矩陣中的變量存在較高的相關(guān)系數(shù),且相關(guān)系數(shù)顯著性檢驗(yàn)的p值存在大量的小于0.05的值,這表明原始指標(biāo)之間存在較強(qiáng)的相關(guān)性,具有進(jìn)行因子分析的必要性。從表3中可以看出,KMO=0.816,Bartlett球形檢驗(yàn)的p值為0.000,這也都說(shuō)明數(shù)據(jù)適合進(jìn)行因子分析。
2.2.2.2 提取特征向量和特征值
根據(jù)變量特征值大于1的原則,獲得兩個(gè)公因子F1、F2,且其累積方差貢獻(xiàn)率為87.734%(如表4所示)。說(shuō)明兩個(gè)公因子保留了原始數(shù)據(jù)的大部分信息,以此評(píng)價(jià)我國(guó)農(nóng)產(chǎn)品物流發(fā)展水平相當(dāng)大程度上減少了原始數(shù)據(jù)的復(fù)雜性。
2.2.2.3 建立因子載荷矩陣
因子載荷矩陣體現(xiàn)了原始變量與各因子之間的相關(guān)程度。為了更為準(zhǔn)確地解釋命名各個(gè)主因子,采用方差最大法對(duì)原始因子載荷矩陣(表5)進(jìn)行旋轉(zhuǎn),得出方差最大正交旋轉(zhuǎn)矩陣,如表6所示。
表1 原始數(shù)據(jù)
根據(jù)因子正交旋轉(zhuǎn)矩陣,可以將評(píng)價(jià)指標(biāo)分成兩個(gè)公因子并進(jìn)行命名。第一個(gè)公因子F1在X1、X2、X4、X5、X6、X7上有較大的載荷,公因子F2在X3、X8上有較大的載荷。
2.2.2.4 計(jì)算各因子得分與綜合評(píng)價(jià)得分并排序
表2 相關(guān)系數(shù)矩陣及相關(guān)顯著性檢驗(yàn)(Correlation Matrix)
表3KMO檢驗(yàn)與Bartlett球形檢驗(yàn)(KMO and Bartlett's Test)
表4 特征根與方差貢獻(xiàn)率表(Total Variance Explaied)
采用回歸法和SPSS 22.0自動(dòng)生成各主因子得分(表7),利用各主因子方差貢獻(xiàn)率占總方差貢獻(xiàn)率的百分比作為權(quán)重,然后與各主因子得分加權(quán)求和,得到我國(guó)31個(gè)省、市、自治區(qū)農(nóng)產(chǎn)品物流發(fā)展水平的綜合得分及排序。
用F1、F2分別表示各省、市、自治區(qū)農(nóng)產(chǎn)品物流發(fā)展水平在各個(gè)因子上的得分,則有:
2.2.2.5 結(jié)果分析
表5 旋轉(zhuǎn)前的因子載荷矩陣
表6 旋轉(zhuǎn)后的因子載荷矩陣
表7 因子得分矩陣
(1)排名結(jié)果總體分析。從綜合排名上看,廣東、山東、江蘇、河南、河北、浙江、四川是我國(guó)農(nóng)產(chǎn)品物流發(fā)展水平高的省市;湖北、遼寧、湖南、安徽的農(nóng)產(chǎn)品物流發(fā)展水平較高;福建、黑龍江、云南、陜西、廣西、內(nèi)蒙古、上海、江西、山西、北京、吉林、新疆、重慶的農(nóng)產(chǎn)品物流發(fā)展水平較低;貴州、甘肅、天津、海南、青海、寧夏、西藏的農(nóng)產(chǎn)品物流發(fā)展水平低。山西省的農(nóng)產(chǎn)品物流發(fā)展水平處于中等偏下水平,主要與山西山區(qū)及農(nóng)村的道路交通設(shè)施落后、農(nóng)產(chǎn)品運(yùn)輸企業(yè)的運(yùn)輸網(wǎng)絡(luò)不完善、缺乏冷凍冷藏設(shè)備和技術(shù)等方面有關(guān)。
但是,不同省份對(duì)應(yīng)的各因子排名與其最后的綜合排名并不完全一致,有些省份各因子的單項(xiàng)排名與最后的綜合排名存在很大的差距,說(shuō)明各省農(nóng)產(chǎn)品物流在各因子代表的因素上發(fā)展不平衡,進(jìn)而影響了綜合排名。
(2)從因子排名上分析。在因子F1上,廣東、山東、江蘇、浙江、河南、河北、遼寧的因子得分遠(yuǎn)遠(yuǎn)領(lǐng)先于其他省份,并借此提升了綜合排名。山西、吉林、江西、云南、重慶、新疆、貴州、甘肅、海南、寧夏、青海、西藏得分較低,排名靠后。
在因子F2上,四川、河南、云南、湖南、山東、湖北、貴州、黑龍江、新疆、河北的因子得分較高,而北京、天津、上海在因子F2上的得分遠(yuǎn)遠(yuǎn)低于其他省份,這說(shuō)明在因子F2上,北京、天津、上海不占優(yōu)勢(shì)。
各省份農(nóng)產(chǎn)品物流發(fā)展水平因子分析及排名如表8所示:
隨著我國(guó)經(jīng)濟(jì)近二三十年的持續(xù)增長(zhǎng),物流業(yè)也逐漸成為一個(gè)新的經(jīng)濟(jì)增長(zhǎng)點(diǎn),并在整個(gè)經(jīng)濟(jì)社會(huì)活動(dòng)中起到了越來(lái)越重要的作用。農(nóng)產(chǎn)品物流作為物流業(yè)的一條重要分支,對(duì)其發(fā)展水平進(jìn)行一個(gè)系統(tǒng)的研究,能夠?yàn)槲覈?guó)制定不同省份農(nóng)產(chǎn)品物流政策時(shí)提供一個(gè)基礎(chǔ)。在明確各個(gè)省份發(fā)展水平良莠不齊的基礎(chǔ)上,了解各省份目前的農(nóng)產(chǎn)品物流發(fā)展水平,為下一步制定針對(duì)性的戰(zhàn)略性政策提供參考。
當(dāng)然,本文也存在以下不足,首先農(nóng)產(chǎn)品物流發(fā)展水平指標(biāo)選取不夠全面,導(dǎo)致只提取到兩個(gè)因子,代表性較低。其次對(duì)31個(gè)省份研究,最終只算出一個(gè)農(nóng)產(chǎn)品物流發(fā)展水平排序,參考性不夠。因此,針對(duì)性的研究某一省份、某一地市的農(nóng)產(chǎn)品物流,探索適合本地區(qū)、本市的運(yùn)作模式是下一步的工作。
[1] 楊光華,林朝朋,謝小良.生鮮農(nóng)產(chǎn)品冷鏈物流模式與對(duì)策研究[J].廣東農(nóng)業(yè)科學(xué),2009(6):97-103.
[2]王道平,李鋒,程蕾.我國(guó)農(nóng)產(chǎn)品物流模式的實(shí)證研究——基于各省市的聚類分析法[J].財(cái)經(jīng)問(wèn)題研究,2011(2):108-113.
[3] 張艷新,趙慧峰,等.河北省農(nóng)產(chǎn)品物流對(duì)接京津的綜合發(fā)展水平評(píng)價(jià)[J].黑龍江畜牧獸醫(yī),2016(4):63-70.
[4] 王蕾,張紅麗.基于FAM—TOPSIS法農(nóng)產(chǎn)品物流發(fā)展水平評(píng)價(jià)[J].蘭州學(xué)刊,2014(5):140-145.
[5]董紅艷,楊曉艷.基于熵權(quán)灰色關(guān)聯(lián)法的農(nóng)產(chǎn)品物流能力研究——以山西省為例[J].價(jià)格月刊,2015(11):72-76.
[6] 曹小華.我國(guó)物流業(yè)市場(chǎng)績(jī)效實(shí)證研究[D].北京:北京交通大學(xué)(博士學(xué)位論文),2012.
表8 各省份農(nóng)產(chǎn)品物流發(fā)展水平因子得分及排名
[7] 嚴(yán)敏如.基于因子分析的我國(guó)電子商務(wù)物流配送模式選擇[J].商業(yè)經(jīng)濟(jì)研究,2015(21):36-38.
[8] 王雪華,等.管理統(tǒng)計(jì)學(xué):基于SPSS軟件應(yīng)用[M].北京:電子工業(yè)出版社,2014.
[9] 方凱,鐘漲寶,等.基于綠色供應(yīng)鏈的我國(guó)冷鏈物流企業(yè)效率分析[J].農(nóng)業(yè)技術(shù)經(jīng)濟(jì),2014(6):45-53.