基于SPSS对山东省物流服务水平的实证研究.docVIP

基于SPSS对山东省物流服务水平的实证研究 　　摘要：文章采用因子分析原理，通过SPSS软件对数据进行处理，对近十年山东省物流服务水平进行绩效评价。通过对所得数据结果进行分析，找出了导致该省物流服务水平发生波动的主要影响因素，并在此基础上提出相应的对策与建议。 　　关键词：物流服务水平；因子分析；SPSS 　　近年来，我国物流业发展势头迅猛，并且随着一带一路战略的提出和进一步实施，物流业又迎来了发展的新契机。就经济发展排名靠前的山东省而言，研究如何不断提高物流服务水平，对山东省在新常态下搞好区域经济持续健康发展具有重要意义。 　　国内外诸多学者都对物流服务方面进行了大量的研究，如汪波等采用AHP 层次分析法和模糊评价方法对天津地区的区域物流发展水平进行了研究；朱帮助等基于主成分分析法，建立主成分分析综合评价模型，对江门市的物流发展水平进行了时间序列分析；冯华等通过综合主成分指标来分析区域经济与区域物流能力之间的相关性。本文拟采用因子分析法来评价山东省2005～2014年的物流服务水平。 　　一、物流服务水平发展的实证研究 　　（一）指标测评体系的构建 　　在遵循所使用数据应当具有科学性、可比性、可操作性的基础上，本文参考已有的研究成果，选取了其中使用频度较高的九项指标来反映近十年来山东省物流服务的发展状况：X1――物流业就业人员；X2――互联网使用人数；X3――公路通车里程；X4――铁路通车里程；X5――内河航道里程；X6――货运量；X7――货运周转量；X8――载货车辆；X9――物流业固定资产投资总额。 　　（二）数据处理 　　本文所处理的数据全部来源于《中华人民共和国统计年鉴》和国家统计局网站的相关资料，都是国家的标准统计数据，具有较强的客观性和准确性。 　　1. 数据无量纲化 　　SPSS20.0统计软件会将收集到的多种不同单位的数据自动标准化，标准化后的数据均值为零，标准差为1，这样做的目的是为了使得实证过程中因子分析结果不受数据量纲的影响。另外，本文用于因子分析的原始数据均保留小数点后2位。 　　2. 因子分析前提条件的检验 　　KMO检验主要测试原始变量之间的偏相关性，其取值在0～1之间，若KMO数值越接近于1，则表示诸多变量间的偏相关性越强；而Bartlett球形检验评测的是相关矩阵是否为单位矩阵，若Bartlett统计值较大并且其显著性概率小于1，则应拒绝相关矩阵为单位矩阵的零假设，即判定为各变量存在较为显著的相关性，可进行因子分析。 　　KMO 检验的结果取值为0.6960.6，而Bartlett球形度检验的显著性概率为0.0000.05，这说明原始数据之间存在较显著相关性，比较适合进行因子分析。 　　3. 提取公因子 　　在提取公因子时，本文采用最常见的主成分分析法。在此基础上，通过最大方差法对初始因子载荷矩阵进行旋转，这样可以让提取出的公因子更加明显并且使得因子载荷矩阵中的系数更为显著。在处理结果中有两个主成分的初始特征根值大于1，且累计方差贡献率为89.616%，因此可以认为前两个主成分可以反映原有变量的绝大部分信息，能够作为物流服务水平评价的公因子。 　　（三）计算得分 　　1. 由因子得分矩阵写出的因子表达式为： 　　F1=0.208X1+0.204X2+0.076X3+0.3X4-0.057X5+0.187X8+0.286X9 　　F2=0.394X6+0.608X7 　　2. 总因子得分公式表示为：F=W1F1+W2F2 　　三、结果分析 　　首先，物流设施规模得分总体呈上升趋势。目前全省公路通车总里程达到25.95万公里，五纵四横一环的高等级公路网主骨架初步形成；17个地级市全部由高速公路连通，各县市均有二级以上公路相通；四横四纵的铁路网也已将省内所有地级市全部覆盖。山东省在物流基础设施方面的确取得了长足的发展，这为省内物流业的进一步发展奠定了必要的物质基础。 　　其次，2005～2011年期间物流量得分增长迅猛，2011年以后却遭遇滑铁卢。从宏观数据来看，2011年以后中国GDP增速一直往下掉，从两位数到一位数，中国经济进入了增长速度换档期的特殊阶段。物流业衔接生产与消费，物流业务量的回落反映出了整个宏观经济的走势，与新常态下中国整体经济的发展趋势相吻合。 　　四、建议与对策 　　（一）立足于基础设施的硬件和软件建设 　　从硬件方面来讲，省内物流基础设施分布不均、等级偏低、物流技术装备落后等现实问题已成为物流业转型的绊脚石。如何在现有物流基础设施规模的基础上继续加大对基础设施的投入力度成为快速提升本省物流服务水平的当务之急。从软件方面来说，从中国物流与采购联合会统计数据显示，我国物流企业的信息化程度较低，仅为18%左右；物流信息化技