河南省城市物流发展水平实证分析

刘洪芹

（郑州升达经贸管理学院，郑州451191）

一、引言

物流业是国民经济的基础性、战略性产业，也是河南省政府确定的“十三五”服务业五大主导产业之一。近年来，关于河南省物流业发展评价的研究比较多。郭国峰、贾雨[1]（2018）研究认为，郑州、洛阳、南阳、新乡物流发展水平较高，漯河、鹤壁、济源物流发展较为落后。刘辉[2]（2016）研究认为，郑州是全省的物流枢纽中心，洛阳、南阳、安阳、商丘、信阳为省内区域物流枢纽中心。周文娟、马亚丽[3]（2018）的研究成果与郭国峰、刘辉基本一致。据了解，济源虽然区域面积和GDP总量偏小，但是经济发展迅速，2018年人均GDP达到8.78万元，城镇化率达62.36%，均居全省第二，所以济源在全省物流发展水平最为落后应该存在一定的疑问。经查证，这些研究有两点可以进一步改进。一是对评价指标的选取，由主观选取改为有理论依据的方法。二是对数据的选用由采用总量数据，改为更适合物流业特点的平均数据。

因此，现首先利用GEM改进模型和灰度系统理论对指标进行了遴选，然后结合物流业的特点，对各指标按照地域面积进行了密度化处理，再用因子分析法计算出各地市的竞争力密度（每万平方公里），结果也更能体现物流的地域平均发展水平。

二、GEM模型与评价指标的选取

GEM模型是研究区域性产业集群竞争力的模型，包括三个因素——基础（Groundings）、企业（Enterprises）和市场（Markets）。“基础”包括设施和资源两种要素，即企业集群的供给要素。“企业”包括企业自身和相关辅助行业。“市场”包括本地市场和外地市场，是企业集群的需求要素。该模型是对钻石模型的一种改进，以区域产业为研究对象，更加强调结构上的优势以及各要素之间的关联与互补作用。GEM模型虽然对各种产业集群有一定的普遍适用性，但是并没有考虑各种产业集群的自身特性。因此现根据物流行业的特性以及数据的可得性和客观性，对该模型稍作修正，增加政府因素和创新因素。

结合河南省历年统计年鉴，现采用了5个一级指标和24个二级指标来分析河南省18个地市的物流竞争力水平，详见表1。

三、实证分析方法

（一）灰色关联度分析

灰色关联度分析是我国数学家邓聚龙1982年提出的灰色系统理论的重要组成部分，主要研究系统因素间关系的强弱、大小和次序，依据表面上没有关系的若干个数字序列的实际几何曲线形状的相似度来判断其是否关联紧密，曲线越接近关联度越大，反之亦然。[4]经过三十多年的发展，该理论除了邓聚龙最早提出来的邓氏分析法之外，又有了不少改进方法，诸如绝对分析法、改进灰色绝对分析法、T型分析法和斜率分析法等。现最终采信所使用的邓氏分析法和斜率分析法的计算过程。

1.邓氏分析法的计算过程

对于ζ∈（0，1），令

则第i个指标的灰色关联度

其中，灰色分辨系数ζ采用通用的0.5进行计算。

2.斜率分析法的计算过程

则第i个指标的灰色关联度

至此，或可理解为何林苍晓老师明知没有先例可循仍屡屡逼迫自己绝境求生，为何创作团队明知难以甚至不可能像之前的作品那样讨得大部分观众的喝彩，却依然要投入更多的心血去把这部作品重新般上舞台。

（二）因子分析

因子分析法是研究从变量群中提取共性因子的统计方法，通过将关联度比较高的因素分类，以实现用少数几个隐藏因子来描述绝大多数的信息。

假设从观测样本要找出j个相互独立的主因子F1，F2，…，Fj。则因子模型为

其中aij为Fj的协方差，该模型写成矩阵形式为X=AF+ε，其中A为因子负荷矩阵，ε为残差因子。

四、数据与计算过程

（一）原始数据的选取

分析数据从2014-2018年河南省统计年鉴中选取。由于铁路通车里程是郑州铁路局的数据，并不能完全代表河南省，而且缺乏各地市的数据，因此刨除掉该指标。同时由于第一、二、三产业数据和GDP重复，因此去掉第一、二、三产业数据。

（二）灰色关联度分析计算过程及结果

为确保计算结果的严密性，现分别用五种常见方法对所选取的指标进行了计算。由于以货物周转量指标为参照指标，因此该指标的关联度均为1。

经综合五种方法的计算结果发现，邓氏分析法、绝对分析法和斜率分析法的后七位排名是一致的，同时参考其他方法的计算结果，刨除关联度比较低的内河通航里程、邮政行业业务总量、物流业总投资、国家预算资金、吸引外商投资、规模以上工业企业R&D项目数、电信业务量等7个指标，剩余13个指标作为进一步分析的依据。

（三）因子分析法计算过程及结果

1.数据的密度化处理。剩余的13个指标，查阅2018年河南省统计年鉴及各地市国民经济与社会发展统计公报得到2017年各地市的原始数据。为更加客观的评价各地市的物流平均发展水平，现对相关数据进行了密度化处理。除了每万人拥有大学生数、城镇居民人均可支配收入两个指标已经是平均指标外，其他11个指标均以统计年鉴中的数据除以所在地市的面积（万平方公里）计算出各指标每万平方公里所相应的密度。

表3 KMO和Bartlett的检验

表4总方差与特征值

3.主因子的提取。依据计算结果表4中累计的总方差和特征值，可以知道特征值大于1的有3个因子，并累计解释了90.538%的总体物流水平，说明指标数据内部一致性非常稳定，通过3个主要的因子就可以很好地评价各地市物流的总体竞争力。

表5的旋转成分矩阵是三个主因子的负荷因子，依据取值大小可以把13个因素分为三类，也就是3个主因子，分别为发展环境因子（包括区域内生产总值、社会消费品零售总额、城镇居民人均可支配收入、进出口贸易总额、载货汽车数、交通运输仓储及邮政业产值、集群内高校数量、国际互联网用户）、物流运输能力因子（包括交通运输仓储及邮政业从业人员、公路通车里程、公路货运总量公里、公路货物周转量）和创新能力因子（每万人拥有大学生数）。

表5旋转成份矩阵

4.各地市物流竞争力的计算。首先，对各地市2017年密度化后的数据进行标准化处理，这里采用Z-score方法进行标准化。Z-score方法利用正态分布的原理，将数据按比例缩放，使之落入一个特定区间，要求均值为零和方差为1，从而将不同量级的数据统一转化为同一个量级，以保证数据之间的可比性。标准化后的数据矩阵记做A，具体数值这里不再列出。其次，计算三个主因子的评价结果。记表5中的旋转成分矩阵（负荷因子）为X，三个因子的评价结果矩阵为[F1,F2,F3]，则[F1,F2,F3]=A*X。再次，表4中的方差贡献率为权重W，即则各地市的总评价F=A*X*W。最后，具体计算结果及排名如表6所示。

五、结论分析及发展对策

（一）结论分析

表6因子评价及总评价

按照计算结果，一是郑州具备绝对的物流中心地位，对周围地市的辐射非常明显。二是豫北的整体物流发展水平要高于豫南。三是全省物流发展很不均衡，高于全省平均水平（评价值大于0）的只有七个地市。四是济源不再是倒数第一，而处于中等偏下水平，处于平顶山和商丘之间。其中发展较快的城市主要有几个相距较近的城市群，第一个包含郑州、焦作，第二个包含安阳、鹤壁等，第三个包含漯河、许昌等。这三个城市群基本都沿着京广铁路线，分别占据了东西和南北的交通要道。省内其他地市的物流竞争力均低于全省平均水平，尤其是周口、南阳、驻马店、信阳等。

（二）发展对策

发展环境因子的影响比例达67.69%，基本上决定了区域的整体物流水平，可以说经济水平高，物流竞争力就高。依据F1和F的排名看，这个关系基本是一致的。因此要多管齐下发展一个地区的经济实力，经济实力决定了物流的需求水平，同时物流的发展也促进地区经济实力的提升。

运输能力因子F2反映一个地区企业的发展实力，城市物流竞争力的提升不仅靠宏观环境还要靠企业的微观实力，因此物流企业要练好内功创新发展提升服务水平。

创新能力因子F3反映一个城市的人力资源，尤其是高层次人力资源情况，周口、南阳、驻马店、信阳等城市要提升物流竞争力，还需加大物流人才的培养力度，可以采取校企合作订单式培养人才的模式，也要加大对现有物流从业人员的培训力度，提升从业人员素质。