生鮮農(nóng)產(chǎn)品物流發(fā)展水平與路徑研究
——以江蘇省為例

曹炳汝，何根華 （江南大學(xué) 商學(xué)院，江蘇 無錫 214122）

0 引 言

2015年國務(wù)院辦公廳下發(fā)《關(guān)于加強鮮活農(nóng)產(chǎn)品流通體系建設(shè)的意見》，提出培育和扶植一大批生鮮產(chǎn)品的物流運輸企業(yè)和流通型企業(yè)，推動我國生鮮農(nóng)產(chǎn)品流通體系建設(shè)[1]。近年來，生鮮產(chǎn)品的流通問題一直困擾著我國城市生鮮農(nóng)產(chǎn)品的物流發(fā)展，國家也越來越重視生鮮農(nóng)產(chǎn)品的流通環(huán)節(jié)，因此對城市生鮮農(nóng)產(chǎn)品的研究十分必要。

本文密切結(jié)合區(qū)域發(fā)展的實際情況，立足江蘇省物流業(yè)的發(fā)展，目的是對特定城市區(qū)域發(fā)展生鮮產(chǎn)品物流提供政策參考依據(jù)。在定量分析的基礎(chǔ)上，以江蘇省為例研究生鮮農(nóng)產(chǎn)品物流的城市發(fā)展水平以及發(fā)展類別的劃分；在定性分析中，指出江蘇省各地市呈現(xiàn)這種狀態(tài)的原因以及今后發(fā)展路徑選擇的建議，對江蘇省城市生鮮農(nóng)產(chǎn)品物流的發(fā)展作些有益探討。

1 研究分析設(shè)計

1.1 指標體系的確立

由于對生鮮農(nóng)產(chǎn)品物流發(fā)展水平的評價指標尚未統(tǒng)一，本文在綜合以往學(xué)者的研究基礎(chǔ)上[2-5]，建立了評價綜合指標體系（表 1）。

在基礎(chǔ)設(shè)施下的二級指標有全社會固定資產(chǎn)投資、公路里程和機動車擁有量。固定資產(chǎn)投資是用貨幣量來表現(xiàn)的反映一個地區(qū)固定資產(chǎn)投資狀況的綜合性指標，能較好反映地區(qū)基礎(chǔ)設(shè)施的投入情況；同時公路里程與機動車擁有量都能夠很好地描述地區(qū)生鮮物流行業(yè)基礎(chǔ)設(shè)施的投入情況。

物流運作包含郵電業(yè)務(wù)量、交通運輸倉儲郵政業(yè)產(chǎn)值和公路貨運量。生鮮物流運作是描述地區(qū)生鮮物流行業(yè)發(fā)展情況的重要指標量，其中郵電業(yè)務(wù)量、交通運輸倉儲郵政業(yè)務(wù)產(chǎn)值和公路貨運量都能很好地表征地區(qū)生鮮物流在運作過程中的情況。

供給狀況包括第一產(chǎn)業(yè)農(nóng)業(yè)產(chǎn)值、第三產(chǎn)業(yè)服務(wù)業(yè)產(chǎn)值和農(nóng)林牧副漁總產(chǎn)值。這里的供給狀況是偏向本文研究的生鮮農(nóng)產(chǎn)品的供給，3個二級指標都是有關(guān)第一產(chǎn)業(yè)農(nóng)業(yè)和服務(wù)業(yè)的指標，農(nóng)業(yè)和服務(wù)業(yè)的發(fā)展情況可以用來表征生鮮農(nóng)產(chǎn)品的供給情況。

需求狀況包括人均生活消費支出、社會消費品零售總額和批發(fā)零售產(chǎn)值。這里的需求狀況是偏向生鮮農(nóng)產(chǎn)品的需求相關(guān)的因素，本文用人均生活消費支出、社會消費品零售總額和批發(fā)零售價格來表征。

經(jīng)濟水平包括地區(qū)國內(nèi)生產(chǎn)總值和第三產(chǎn)業(yè)產(chǎn)值。經(jīng)濟水平是指影響生鮮農(nóng)場品發(fā)展水平的經(jīng)濟要素，這里用地區(qū)國內(nèi)生產(chǎn)總值和第三產(chǎn)業(yè)產(chǎn)值表征。

表1 評價指標體系

1.2 方法的應(yīng)用說明

首先，利用上述建立的綜合評價指標體系，對生鮮物流發(fā)展狀況進行主成分分析。主成分分析是一種常用的統(tǒng)計分析方法，利用降維思想，能夠很好地避免因指標數(shù)據(jù)變量多樣而造成計算復(fù)雜、結(jié)果偏差等問題。首先，利用上述建立的綜合評價指標體系，對生鮮物流發(fā)展狀況進行主成分分析，從而設(shè)有n個樣品，每個樣品觀察p個指標變量，分別為x1,x2,…,xp。依次進行處理的步驟如下：

（1）由于原來指標數(shù)據(jù)的單位不同或是正負型指標，導(dǎo)致原始數(shù)據(jù)不能作為初始的評價數(shù)據(jù)，從而需要經(jīng)過處理使數(shù)據(jù)統(tǒng)一量綱。這里利用Z標準化方法使變量的標準差為1，均值為0。Z標準化過程表征為：記E（ X）=μ，Var（ X）=。

iii

則標準化后的過程為：

（2）建立變量的相關(guān)數(shù)據(jù)矩陣R：

（3）求R的特征根λ1≥λ2≥…≥λp＞0，且相應(yīng)的單位特征向量及累計方差貢獻率和主成分的個數(shù)，一般取特征值大于1且累計方差貢獻率大于等于85%即可作為主成分。

方差貢獻率：

累計方差貢獻率：

（4）計算主成分載荷矩陣，用其來反映主成分與原始變量之間的聯(lián)系。主成分載荷矩陣計算方法為：

（5）計算主成分得分：

（6）計算樣本數(shù)據(jù)的綜合得分：

在主成分分析的基礎(chǔ)上，接著進行系統(tǒng)聚類分析，從而將江蘇省的生鮮物流發(fā)展水平狀況進行分類。這里采用離差平方和法（Ward法）聚類分析，其基本思想是：使同類之間的樣品離差平方和盡量減小，異類之間的離差平方和盡量較大。

2 實證分析

2.1 區(qū)域生鮮物流發(fā)展水平分析

搜集江蘇省13個地市14個指標數(shù)據(jù)（數(shù)據(jù)來源于《江蘇省統(tǒng)計年鑒—2015》），經(jīng)過標準化處理后的數(shù)據(jù)作為主成分分析的數(shù)據(jù)源。調(diào)用SPSS22.0，建立指標之間相關(guān)系數(shù)矩陣R，并求出R的特征值以及特征向量，相關(guān)系數(shù)陣的特征值及方差貢獻率和累計方差貢獻率（表2）。這里按照特征值大小進行降序排序，把特征值大于1且累計方差貢獻率大于85%時的組件提取為主成分。

表2 特征值與累計方差貢獻率

第一主成分與第二主成分分別為：

F1=0.328ZX1+0.327ZX14+0.326ZX13+0.324ZX11+0.317ZX4+0.317ZX12+0.302ZX3+0.297ZX8+0.285ZX5+0.241ZX10+0.227ZX6-0.040ZX7-0.039ZX9+0.021ZX2

F2=0.014ZX1-0.063ZX14-0.046ZX13+0.009ZX11-0.034ZX4-0.064ZX12+0.134ZX3+0.168ZX8+0.138ZX5-0.265ZX10+0.109ZX6+0.536ZX7+0.531ZX9+0.522ZX2

表3 綜合得分表

江蘇省13個地市的生鮮物流發(fā)展水平由綜合得分得出（圖1），其中，0代表生鮮物流發(fā)展平均水平，大于1表示高于平均水平，且越大生鮮物流發(fā)展水平越高，小于1表示生鮮物流發(fā)展水平低于平均發(fā)展水平，且越小生鮮物流發(fā)展水平越低。

2.2 區(qū)域生鮮物流發(fā)展水平的聚類分析

調(diào)用SPSS22.0，將上述主成分分析得出的兩個主成分作為系統(tǒng)聚類分析的變量，Ward法系統(tǒng)聚類分析結(jié)果如圖2所示（圖中縱向數(shù)字1～13分別代表南京市、無錫市、徐州市、常州市、蘇州市、南通市、連云港市、淮安市、鹽城市、揚州市、鎮(zhèn)江市、泰州市、宿遷市）。

圖1 江蘇13個地市物流綜合發(fā)展水平

圖2 主成分數(shù)據(jù)系統(tǒng)聚類圖

根據(jù)圖2，其分類結(jié)果如下：

第一類：南京市、蘇州市。第二類：無錫市、常州市、鎮(zhèn)江市。第三類：徐州市、鹽城市、南通市。第四類：連云港、淮安市、揚州市、泰州市、宿遷市。

將主成分分析得來的數(shù)據(jù)直接作為聚類的數(shù)據(jù)來源時，聚類結(jié)果將江蘇省13個地市的生鮮物流發(fā)展水平劃分成四類，其中不合理之處有：通過主成分分析得到的綜合得分即生鮮農(nóng)產(chǎn)品物流發(fā)展水平排在倒數(shù)的鎮(zhèn)江市（綜合分值為負值，明顯低于一般水平），與無錫、常州劃分成相同的類別；主成分綜合得分比較靠前的徐州市（綜合分值為正值且比較靠前）劃分成第三類發(fā)展水平。這個聚類結(jié)果與上述主成分分析的生鮮農(nóng)產(chǎn)品物流發(fā)展水平的分類有些失真，本文繼續(xù)用原始指標變量標準化的數(shù)據(jù)進行系統(tǒng)聚類分析（圖3）。

根據(jù)圖3有原始數(shù)據(jù)標準化后的數(shù)據(jù)系統(tǒng)聚類圖，將江蘇省13個地市分為三類能很好地反映江蘇省生鮮物流發(fā)展的實際情況，因此采用此聚類結(jié)果（圖4）：

圖3 原始標準數(shù)據(jù)系統(tǒng)聚類圖

圖4 江蘇省各地市生鮮農(nóng)產(chǎn)品物流類別劃分圖

第一類：南京市、無錫市、蘇州市。第二類：徐州市、南通市、鹽城市。第三類：常州市、揚州市、鎮(zhèn)江市、泰州市、連云港市、淮安市、宿遷市。

3 原因分析與發(fā)展路徑選擇

3.1 主成分結(jié)果分析

在主成分1的表達結(jié)果中指標系數(shù)較大的七項為其關(guān)鍵指標，可以把第一主成分看成是由全社會固定資產(chǎn)投資、機動車擁有量、郵電業(yè)務(wù)量、交通運輸倉儲郵政產(chǎn)值、公路貨運量、第三產(chǎn)業(yè)產(chǎn)值、人均生活消費支出、社會消費品零售總額、批發(fā)零售產(chǎn)值、地區(qū)國內(nèi)生產(chǎn)總值和第三產(chǎn)業(yè)產(chǎn)值所刻畫的反映生鮮物流發(fā)展水平的綜合指標。

在主成分2中，第二、七、九項指標的影響比較大，可將之看成是反映公路里程、第一產(chǎn)業(yè)產(chǎn)值和農(nóng)林牧副漁總產(chǎn)值的綜合指標。

由圖1，區(qū)域生鮮物流發(fā)展水平從高到低分別是：蘇州市、南京市、徐州市、無錫市、南通市、鹽城市、常州市、揚州市、泰州市、淮安市、連云港市、鎮(zhèn)江市、宿遷市，其中，蘇州市、南京市、徐州市、無錫市、南通市、鹽城市等6市的生鮮物流發(fā)展水平高于江蘇的平均生鮮物流發(fā)展水平；其余7市的生鮮物流發(fā)展水平低于江蘇省平均生鮮物流發(fā)展水平。生鮮物流發(fā)展比較好的市分別是蘇州市、南京市、徐州市、無錫市和南通市等5市。

3.2 聚類結(jié)果分析與發(fā)展路徑選擇的建議

由以上分析，第二種數(shù)據(jù)來源（原始指標變量數(shù)據(jù)的標準化后得到）的聚類結(jié)果要比第一種聚類（主成分分析得到的兩個主成分等分作為聚類數(shù)據(jù)）的結(jié)果要好，因為被劃分為第一類的蘇州市、南京市、無錫市在物流發(fā)展水平的評價得分也是前幾名的，第二類的徐州市、南通市、鹽城市的物流發(fā)展水平評價得分在一般水平，而第三類的常州市、揚州市、鎮(zhèn)江市、泰州市、連云港市、淮安市、宿遷市的物流發(fā)展水平的評價得分值都是負值，均低于全省的平均發(fā)展水平，與前述主成分分析相吻合。因此，由系統(tǒng)聚類的方法將江蘇省13個地市的物流發(fā)展水平劃分為三類（圖4）。

生鮮物流發(fā)展水平劃為第一類的蘇州市、南京市、無錫市，歸為生鮮農(nóng)產(chǎn)品物流發(fā)展得最好的區(qū)域。江蘇省地區(qū)國內(nèi)生產(chǎn)總值排列前三的也分別是蘇州市、南京市、無錫市3市，因此3市擁有強大的經(jīng)濟發(fā)展實力，有關(guān)生鮮農(nóng)產(chǎn)品發(fā)展的因素，例如固定資產(chǎn)投資、機動車擁有量，第三產(chǎn)業(yè)充滿活力，交通倉儲運輸郵政業(yè)務(wù)發(fā)達等都推動著3市的生鮮物流的發(fā)展，具有良好的生鮮農(nóng)產(chǎn)品物流運行的基礎(chǔ)設(shè)施。無論是蘇州市、南京市還是無錫市的第一產(chǎn)業(yè)產(chǎn)值都比較低，農(nóng)業(yè)在經(jīng)濟的構(gòu)成中占很小的比例，3市的第一產(chǎn)業(yè)發(fā)展相對比較薄弱，因而3市的生鮮農(nóng)產(chǎn)品的供給是相對匱乏的，市場對當?shù)氐霓r(nóng)產(chǎn)品供給量是小于其自身的需求量的，其主要依靠外界供給生鮮農(nóng)產(chǎn)品。因此，蘇州市、南京市和無錫市可以利用其發(fā)展的優(yōu)勢，結(jié)合自身的短處，可以考慮將農(nóng)產(chǎn)品的流通作為自身發(fā)展的主要重點，發(fā)展以物流服務(wù)商為主導(dǎo)的生鮮農(nóng)產(chǎn)品供應(yīng)鏈模式。在該路徑模式下，因生鮮產(chǎn)品的供需地區(qū)不均衡，以物流服務(wù)商主導(dǎo)的生鮮供應(yīng)鏈，有利于3市未來更有效率地將區(qū)域外的生鮮產(chǎn)品及時供應(yīng)市場需求，同時能夠有效保證生鮮產(chǎn)品的質(zhì)量安全與新鮮度的要求，從而不但彌補了自身生鮮農(nóng)產(chǎn)品的供給不足，而且能有效利用基礎(chǔ)設(shè)施，發(fā)揮城市閑置資源的經(jīng)濟效益。

生鮮農(nóng)產(chǎn)品物流發(fā)展水平被劃分為第三類常州市、揚州市、鎮(zhèn)江市、泰州市、連云港市、淮安市、宿遷等市，其經(jīng)濟發(fā)展水平大都處于全省較低的水平，推動物流行業(yè)的基礎(chǔ)發(fā)展要素相對不足，而第一產(chǎn)業(yè)產(chǎn)值卻處于相對較高的水平。因而，這些市的生鮮農(nóng)產(chǎn)品的供給是處于相對充足的水平，而當?shù)氐氖袌鲂枨髤s比較小。因此，第三類的城市應(yīng)當發(fā)展以生產(chǎn)加工或批發(fā)為主導(dǎo)的生鮮農(nóng)產(chǎn)品供應(yīng)鏈模式，在該發(fā)展路徑的模式下，將當?shù)爻渥愕纳r產(chǎn)品經(jīng)過產(chǎn)品加工企業(yè)就地進行加工制造，或者通過建立大型的生產(chǎn)批發(fā)中心，解決生鮮產(chǎn)品的銷售問題，為農(nóng)民增收，提高地區(qū)經(jīng)濟發(fā)展水平。

處于生鮮物流發(fā)展水平第二類的徐州、南通、鹽城3市，由于其自身經(jīng)濟發(fā)展處于一般水平，并且其第一產(chǎn)業(yè)相對發(fā)達，農(nóng)產(chǎn)品的供給和需求處于一個相對平衡的發(fā)展水平，因此建議3市生鮮農(nóng)產(chǎn)品發(fā)展以生產(chǎn)加工或批發(fā)與物流服務(wù)商為主導(dǎo)相結(jié)合的生鮮農(nóng)產(chǎn)品物流發(fā)展模式。第二類地區(qū)因其特殊的經(jīng)濟發(fā)展水平與生鮮產(chǎn)品的供給因素，選擇的該路徑是前兩類狀態(tài)的一種綜合模式。

4 結(jié)論與討論

本文結(jié)合城市發(fā)展的實際與特色，運用主成分分析與聚類分析方法，提取影響城市生鮮農(nóng)產(chǎn)品物流發(fā)展的主要因素，對城市生鮮農(nóng)產(chǎn)品物流發(fā)展水平進行評分與分類，得出以下幾點認識：

第一，研究是建立在基礎(chǔ)設(shè)施、生鮮物流運作、供給狀況、需求狀況與經(jīng)濟水平等五個指標體系的基礎(chǔ)上，首先進行的主成分分析的結(jié)果可以發(fā)現(xiàn)影響生鮮產(chǎn)品的物流運作的主要因素，同時給出了江蘇省13個地市的生鮮物流發(fā)展水平的排序，排名先后是蘇州、南京、徐州、無錫、南通、鹽城、常州、揚州、泰州、淮安、連云港、鎮(zhèn)江、宿遷。其次，系統(tǒng)聚類的結(jié)果顯示可以將江蘇省13個地市的生鮮物流發(fā)展水平分為三類，第一類是發(fā)展水平較高的蘇州市、南京市和無錫市，可以選擇以物流服務(wù)商為主導(dǎo)的生鮮產(chǎn)品供應(yīng)鏈的發(fā)展路徑；第二類的徐州市、南通市和鹽城市其物流運作因素和供給需求因素均是處于一般的水平，建議發(fā)展以生產(chǎn)加工形式或批發(fā)形式與物流服務(wù)商為主導(dǎo)相結(jié)合的物流發(fā)展路徑；其余屬于第三類的城市由于其生鮮產(chǎn)品的供給大于其自身的生鮮產(chǎn)品需求，建議選擇以生產(chǎn)加工形式或批發(fā)形式為主導(dǎo)的生鮮農(nóng)產(chǎn)品供應(yīng)鏈發(fā)展路徑。本文對江蘇省13個地市的生鮮農(nóng)產(chǎn)品的發(fā)展水平作了比較詳細的分析與探討，對各市認清自身的發(fā)展水平和發(fā)展路徑的選擇具有較好的實踐意義。

第二，一方面，通過主成分分析提取影響樣本的主要因素，剔除其他影響較小的因素，從而使評價信息變得精簡，有利于評價結(jié)果更加接近實際情況；將聚類分析與主成分分析結(jié)合起來，把主成分分析的結(jié)果作為聚類分析的參考，有利于使最終的分類結(jié)果更加合理。本文中，對江蘇省13個地市聚類分析時，采用了兩種數(shù)據(jù)來源進行聚類，結(jié)果發(fā)現(xiàn)只有一種數(shù)據(jù)來源的結(jié)果與主成分分析的結(jié)果相吻合，因此，主成分分析前提成為了聚類分析的參考依據(jù)。

[1]國務(wù)院.國務(wù)院生鮮農(nóng)產(chǎn)品五大意見[EB/OL].(2015-03-23)[2017-11-25].http://www.cnlenglian.com/news/show-htm-itemid-14077.html.

[2] 趙英霞.中國農(nóng)產(chǎn)品物流評價指標體系的構(gòu)建[J].商業(yè)研究，2007(1):211-213.

[3]呂晶，樊世清.基于PCR的區(qū)域物流綜合發(fā)展水平影響因素實證研究——以江蘇省為例[J].現(xiàn)代城市研究，2010(8):80-84.

[4] 畢玉平.山東生鮮農(nóng)產(chǎn)品物流供應(yīng)鏈模式研究[D].楊凌：西北農(nóng)林科技大學(xué)（博士學(xué)位論文），2011.

[5] 陳鏡羽，黃輝.我國生鮮農(nóng)產(chǎn)品電子商務(wù)冷鏈物流現(xiàn)狀與發(fā)展研究[J].科技管理研究，2015(6):179-183.