姜月娜(北京交通大學(xué) 經(jīng)濟管理學(xué)院,北京 100044)
北京市低碳物流發(fā)展研究
姜月娜
(北京交通大學(xué) 經(jīng)濟管理學(xué)院,北京 100044)
運用主成分分析法和模糊灰色預(yù)測法研究北京地區(qū)低碳物流發(fā)展情況,構(gòu)建低碳物流水平評價指標(biāo)體系,收集北京2004-2014年各指標(biāo)數(shù)據(jù)并進行實證分析,提取少數(shù)幾個不相關(guān)的變量來綜合反映原始指標(biāo)數(shù)據(jù)中絕大部分信息,用spss分析出主成分因子,對2004-2014年北京市低碳物流發(fā)展水平進行評分,之后利用模糊灰色預(yù)測模型并借助matlab對北京市未來五年的低碳物流水平進行預(yù)測。實證表明,北京地區(qū)低碳物流能力呈逐年上升態(tài)勢。
低碳物流;主成分分析法;模糊灰色預(yù)測;北京市
隨著物流業(yè)的發(fā)展,越來越多學(xué)者開始關(guān)注低碳物流的研究。李永林[1]對我國低碳物流效率進行了研究,指出我國低碳物流效率整體上較低,且區(qū)域間差異很大;李碧珍等[2]研究了福建省在推動低碳物流發(fā)展過程中的關(guān)鍵影響因素;李麗[3]對京津冀地區(qū)的低碳物流能力做了評價,認為政府對低碳物流發(fā)展有重要作用;唐建榮等[4]在對東部十省低碳物流效率分析后提出了當(dāng)前物流降碳的緊要措施;田華杰、楊蓄[5]對冀東、冀中南、環(huán)京津經(jīng)濟區(qū)區(qū)域物流能力進行了統(tǒng)計分析,并提出了物流產(chǎn)業(yè)布局與發(fā)展對策。
目前關(guān)于物流能力評價的研究成果相對較多,但針對區(qū)域低碳物流能力評價的研究較少。本文以北京市為研究對象,找出影響低碳物流水平的因素,對北京市低碳物流水平進行綜合評價,為提升區(qū)域低碳物流能力提供理論支持。
綜合低碳物流業(yè)所處的內(nèi)外部環(huán)境,考慮影響低碳物流發(fā)展的各因素,通過實地調(diào)研、查詢文獻,結(jié)合使用頻次較高的指標(biāo)作為初始評價指標(biāo)體系,把影響低碳物流水平的因素分為外在因素和內(nèi)在因素,得到初始指標(biāo)體系,再根據(jù)低碳物流的特點,突出低碳物流低排放、低能耗、低污染,把該指標(biāo)體系分為目標(biāo)層、準則層,具體指標(biāo)見表1。
表1 低碳物流水平指標(biāo)體系
3.1 北京市定性指標(biāo)的量化處理以及指標(biāo)數(shù)據(jù)收集
查閱《中國統(tǒng)計年鑒》、《北京統(tǒng)計年鑒》、《中國能源統(tǒng)計年鑒》,參考專家在《城市競爭力藍皮書:中國城市競爭力報告》中對政府管理能力打分,對上節(jié)中涉及到的定性指標(biāo)進行量化處理,得出表2的北京市量化指標(biāo)數(shù)據(jù)。
3.2 利用spss軟件做主成分分析
選取的34個量化指標(biāo)可能存在相關(guān)性,增加了數(shù)據(jù)分析的困難。為了提高綜合利用原始隨機變量的能力以及更有效地提煉各個原始隨機變量所包含的有用信息,有必要用少數(shù)幾個不相關(guān)的隨機變量來綜合表示多個原始隨機變量的絕大部分信息。因此,本節(jié)將利用主成分分析法選擇少數(shù)無關(guān)的新變量指標(biāo)來盡可能概括多個指標(biāo),通過對幾個主成分的數(shù)據(jù)整理和分析,提取對解決問題有用的信息。我們依據(jù)主成分分析法并利用spss軟件做出數(shù)據(jù)分析,并把收集的北京市量化指標(biāo)數(shù)據(jù)導(dǎo)入spss中,進行主成分分析,所得結(jié)果見表3、表4和圖1。
圖1 碎石圖
由表5可得,特征值大于1的因子有5個,5個因子的特征值分別為21.772,4.656,2.145,2.052,1.386。各個因子的方差貢獻率分別為64.036%,13.693%,6.307%,6.035%,4.078%,且累計方差貢獻率達到了94%以上,故選取5個主成分F1、F2、F3、F4、F5來綜合反映34個原始指標(biāo)變量所包含的信息,并用這5個主成分綜合得分情況來反映北京市低碳物流發(fā)展水平。由spss分析結(jié)果可得低碳物流發(fā)展水平評分函數(shù):
低碳物流發(fā)展水平評分
=0.64F1+0.14F2+0.063F3+0.061F4+0.041F5
建立五個主成分:由于每一個載荷量表示主成分與對應(yīng)變量的相關(guān)系數(shù),所以新變量的表達不能從輸出窗口中直接得到,要用成分矩陣表3中的數(shù)據(jù)除以主成分相對應(yīng)的特征值開平方根得到五個主成分中每個指標(biāo)所對應(yīng)的系數(shù)。故得到主成分表達式為:
F1=0.213 7×人均生產(chǎn)總值+0.213 4×居民消費水平+0.213 3×工資水平+0.213 6×人均社會消費品零售總額+0.213 0×人均可支配收入+0.209 6×進出口總值+0.074 3×居民消費價格指數(shù)+0.102 4×政府管理能力+0.213 8×從業(yè)人口+0.212 1×常住人口+0.1024×地理條件-0.009 8×人均道路面積+0.008 1×人均郵電業(yè)務(wù)總量+0.163 4×公路密度+0.186 3×鐵路網(wǎng)密度+ 0.210 2×人均物流業(yè)資產(chǎn)固定投資+0.212 4×物流從業(yè)人員人均產(chǎn)值+0.203 5×物流從業(yè)人員比重+0.203 1×貨物周轉(zhuǎn)量+0.208 5×旅客周轉(zhuǎn)量+0.212 9×物流業(yè)生產(chǎn)總值-0.029 1×貨運量+0.210 2×物流從業(yè)人員人均實現(xiàn)物流業(yè)增加值-0.087 3×物流業(yè)對GDP的貢獻率+ 0.171 3×商流競爭力+0.006 6×物流競爭力+0.059 8×固定資產(chǎn)投入增長率-0.050 9×物流從業(yè)人員增長率-0.1321×物流業(yè)產(chǎn)值增長率-0.098 7×居民人均儲蓄存款增長率+0.212 0×金融機構(gòu)人均各項貸款余額+ 0.213 4×金融機構(gòu)人均各項存款余額-0.197 2×物流業(yè)二氧化碳排放量+0.2100×物流業(yè)碳排放強度
表2 2004-2014年北京市低碳物流水平評價指標(biāo)量化數(shù)據(jù)
表3 成分矩陣
F2、F3、F4、F5表達式依此類推。
根據(jù)所選取的五個主成分,帶入原始指標(biāo)數(shù)據(jù),得到2004-2014年北京市的低碳物流水平評分,見表6。
3.3 結(jié)果分析
為了更直觀地看出北京市低碳物流發(fā)展趨勢,根據(jù)3.2節(jié)所得評分情況,用matlab做出2004-2014年北京物流低碳水平的發(fā)展趨勢,如圖2所示。
由圖2可直觀看出,北京市近幾年低碳物流水平呈上升趨勢,且逐年提高幅度更為平穩(wěn),這與北京所處的地理位置以及政府管理有著密切關(guān)系。
由收集的數(shù)據(jù)可以看出,北京市近幾年物流從業(yè)人員、GDP、物流產(chǎn)業(yè)值增長率都有一定幅度的增長,說明勞動力的持續(xù)投入和資金支撐了北京地區(qū)物流競爭力在后續(xù)年份的上升。物流企業(yè)碳排放強度也在持續(xù)下降,反映出企業(yè)以及政府對物流低碳發(fā)展越來越重視。
表4 成分得分系數(shù)矩陣
使用灰色預(yù)測模型對北京市未來五年的低碳物流水平進行研究,采用3.2節(jié)中對北京市低碳物流水平主成分分析的結(jié)果,通過2004-2014年的得分來進行灰色預(yù)測,并用matlab軟件實現(xiàn)預(yù)測結(jié)果的分析,如圖3所示。
表6 北京市低碳物流水平評分表
圖2 北京市低碳物流水平發(fā)展趨勢
圖3 北京市未來五年低碳物流水平預(yù)測
預(yù)測結(jié)果表明,北京市低碳物流水平在未來五年情況樂觀,呈上升趨勢。經(jīng)濟增長是北京地區(qū)物流增長的最終源泉,北京市的物流發(fā)展得益于北京地區(qū)地理優(yōu)勢、人均生產(chǎn)總值以及政府部門對物流競爭環(huán)境的改善等。北京地區(qū)低碳物流的發(fā)展仍有很大的空間,政府要抓住北京的優(yōu)勢大力發(fā)展低碳物流,各企業(yè)也要加強低碳建設(shè)。
[1]李永林.基于DEA的我國低碳物流效率研究[J].中國市場, 2014,(27):23-25.
[2]李碧珍,葉棋.福建省低碳物流發(fā)展影響因子評價[J].福建師范大學(xué)學(xué)報(哲學(xué)社會科學(xué)版),2014,(3):14-20.
[3]李麗.京津冀低碳物流能力評價指標(biāo)體系構(gòu)建[J].經(jīng)濟問題研究,2013,(2):72-81.
[4]唐建榮,盧玲珠.低碳約束下的物流效率分析[J].中國流通經(jīng)濟,2013,(1):40-47.
[5]田華杰,楊蕾.基于因子分析法的區(qū)域物流能力評價—以河北省為例[J].商業(yè)時代,2010,(36).
Study on Low-carbon Logistics Development in Beijing
Jiang Yuena
(School of Economics &Management,Beijing Jiaotong University,Beijing 100044,China)
In this paper,we used the PCA and fuzzy grey forecasting process to study current status of the low-carbon logistics industry in the Beijing area and built the corresponding logistics evaluation index system.Next,after collecting the indicator data of the area for the period 2004-2014,we had an empirical analysis in which we abstracted a few mutually uncorrelated variables to comprehensive reflect most of the information of the original indicator data,used the SPSS to identify the principal factors and scored the low-carbon logistics development level of Beijing in this period.At the end,we used the fuzzy grey forecasting model and Matlab to predict the low-carbon logistics levelof the city for thenext fiveyears.
low-carbon carbon;PCA;fuzzygrey forecasting;Beijing
F259.27
A
1005-152X(2017)04-0005-05
2017-02-25
姜月娜(1992-),女,河北邯鄲人,碩士研究生,研究方向:供應(yīng)鏈物流。
doi∶10.3969/j.issn.1005-152X.2017.04.002