夏 艷，張 旭，陳建軍，徐 露

（上海工程技術(shù)大學(xué) 航空運(yùn)輸學(xué)院，上海 201600）

0 引言

我國物流信息化建設(shè)成為了物流行業(yè)發(fā)展的必然趨勢，但在建設(shè)物流信息化、自動化、智能化的同時，也存在價格戰(zhàn)、重復(fù)建設(shè)等難題。

隨著大數(shù)據(jù)時代的到來，越來越多的人開始關(guān)注大數(shù)據(jù)，海量數(shù)據(jù)的挖掘和利用，為生產(chǎn)率帶來了新一輪的增長。而現(xiàn)代物流更是依托于大數(shù)據(jù)和物聯(lián)網(wǎng)發(fā)展，積累的大量信息。因此，有效地組織和使用大數(shù)據(jù)成為了現(xiàn)代物流發(fā)展的突破口。

在未來，物流公司可以依托大數(shù)據(jù)和物聯(lián)網(wǎng)，積極建設(shè)智能物流體系和綠色快遞服務(wù)，使用戶體驗好感度提高，結(jié)合大數(shù)據(jù)來增強(qiáng)物流競爭力，提升物流效率，從而節(jié)約物流成本，讓用戶體驗到“精、快、好、省”的現(xiàn)代物流服務(wù)。

1 中國城市物流技術(shù)指數(shù)模型建立

近年來的發(fā)展經(jīng)驗表明，物流對城市經(jīng)濟(jì)發(fā)展具有巨大的拉動作用，尤其是對于地處交通樞紐的城市，物流的迅速發(fā)展將大大提高其在該地區(qū)的經(jīng)濟(jì)中心地位。在此背景下，如何找到一個合理的測評體系，來對中國不同城市的物流競爭力的方方面面進(jìn)行科學(xué)分析？這將會指導(dǎo)中國物流業(yè)未來的發(fā)展。否則各地政府及業(yè)界盲目投資物流項目，并不能有效協(xié)同全國性的物流網(wǎng)絡(luò)并發(fā)揮各城市的資源優(yōu)勢。

然而縱觀現(xiàn)有的較權(quán)威的物流評價體系，要么視角過于宏觀，沒有深入到城市或偏重于物流中的個別環(huán)節(jié)。此外，在構(gòu)建評價體系時只使用了從問卷調(diào)研中獲得的主觀數(shù)據(jù)，沒有通過大數(shù)據(jù)分析工具去采集分析實踐中的大量客觀數(shù)據(jù)，評價體系相對片面。

開發(fā)與研究中國城市物流技術(shù)指數(shù)模型的度量指標(biāo)需要建立一個全面而客觀的中國不同城市的物流技術(shù)指標(biāo)體系，通過標(biāo)桿及借鑒，促進(jìn)不同城市和區(qū)域間的產(chǎn)生競爭，為提升城市物流競爭力提供基于數(shù)據(jù)的科學(xué)指導(dǎo)，促進(jìn)物流業(yè)與政府合作，提高物流運(yùn)作效率；為政府制定物流產(chǎn)業(yè)規(guī)劃與促進(jìn)城市和區(qū)域合作提供科學(xué)依據(jù)。

1.1 研究和建立中國城市物流技術(shù)指數(shù)模型

模型中并不局限于物流領(lǐng)域中的個別主題，而是應(yīng)該涵蓋物流價值鏈中的關(guān)鍵環(huán)節(jié)及資源，從中識別影響物流技術(shù)發(fā)展的核心要素，分別為：環(huán)境、技術(shù)就緒、技術(shù)應(yīng)用。

進(jìn)一步地，需要研究各類“定性指標(biāo)”和“定量指標(biāo)”對物流技術(shù)的單獨/協(xié)同影響機(jī)理，從而建立較為全面的城市物流技術(shù)指數(shù)模型。

結(jié)合城市的真實情況，從功能性、可獲得性、可比性、非重疊性等原則出發(fā)，選擇政治和監(jiān)管環(huán)境指數(shù)、商業(yè)和創(chuàng)新環(huán)境指數(shù)、基礎(chǔ)設(shè)施及使用成本指數(shù)、人才素質(zhì)指數(shù)、企業(yè)應(yīng)用指數(shù)、政府應(yīng)用指數(shù)、個人應(yīng)用指數(shù)7個指標(biāo)作為二級指標(biāo)，如圖1所示。

圖1 城市物流技術(shù)二級指數(shù)體系

1.2 我國城市現(xiàn)代物流技術(shù)指數(shù)評估模型數(shù)據(jù)收集

本文以廣州、深圳、上海、南京、杭州、蘇州、北京、青島、寧波、武漢、天津、大連、重慶、成都、鄭州、廈門、南寧、長沙、西安、貴陽、沈陽、昆明、烏魯木齊這23個城市作為研究對象，城市現(xiàn)代物流技術(shù)指數(shù)評估體系中有3個一級指標(biāo)，分為環(huán)境、技術(shù)就緒、技術(shù)應(yīng)用指標(biāo)；7個二級指標(biāo)，分為政治和監(jiān)管環(huán)境指數(shù)、商業(yè)和創(chuàng)新環(huán)境指數(shù)、基礎(chǔ)設(shè)施及使用成本指數(shù)、人才素質(zhì)指數(shù)、企業(yè)應(yīng)用指數(shù)、政府應(yīng)用指數(shù)、個人應(yīng)用指數(shù)，指標(biāo)類型為定量指標(biāo)和定性指標(biāo)。

（1） 定量指標(biāo)

定量指標(biāo)的數(shù)據(jù)需要遵守準(zhǔn)確、權(quán)威、易查詢原則，主要來源于《中國統(tǒng)計年鑒》、《中國城市統(tǒng)計年鑒》、國家知識產(chǎn)權(quán)局網(wǎng)站、《中國互聯(lián)網(wǎng)感知數(shù)據(jù)報告》、《六普公報》、中國軟件評測中心、《中國政府網(wǎng)站績效評估指標(biāo)體系》、網(wǎng)絡(luò)搜索等。

（2） 定性指標(biāo)

城市現(xiàn)代物流技術(shù)指數(shù)評估體系中定性指標(biāo)的數(shù)據(jù)（如：企業(yè)應(yīng)用指數(shù)中的企業(yè)信息共享水平、企業(yè)創(chuàng)新能力、企業(yè)物流技術(shù)應(yīng)用等）通過設(shè)計問卷對物流企業(yè)和物流企業(yè)客戶進(jìn)行現(xiàn)有物流技術(shù)情況調(diào)查，包括企業(yè)技術(shù)應(yīng)用、政治和政策監(jiān)管、商業(yè)創(chuàng)新環(huán)境。將政治和政策監(jiān)管、商業(yè)創(chuàng)新環(huán)境方面指標(biāo)相應(yīng)題目答案劃分為7個等級，分別為（完全不同意、基本不同意、不太同意、不確定、部分同意、基本同意、完全同意），對應(yīng)得分為（1,2,3,4,5,6,7）。定性指標(biāo)根據(jù)問卷答案得出相應(yīng)的指標(biāo)得分。

（3）問卷數(shù)據(jù)效度分析

經(jīng)過量化以后的數(shù)據(jù)再通過SPSS軟件進(jìn)行問卷數(shù)據(jù)效度分析，本文問卷數(shù)據(jù)的檢測結(jié)果如表1所示，指標(biāo)個數(shù)為36個。經(jīng)過計算KMO統(tǒng)計量的值為0.713；Bartlett球形檢驗的顯著性P=Sig=0（＜0.05），表明選取的問卷數(shù)據(jù)樣本適合做主成分分析。

表1 KMO和巴特萊特球性檢驗

（4）一些可量化的公開數(shù)據(jù)收集

定量指標(biāo)的數(shù)據(jù)需要遵守準(zhǔn)確、權(quán)威、易查詢原則，主要來源于《中國統(tǒng)計年鑒》、《中國城市統(tǒng)計年鑒》、國家知識產(chǎn)權(quán)局網(wǎng)站、《中國互聯(lián)網(wǎng)感知數(shù)據(jù)報告》、《六普公報》、中國軟件評測中心、《中國政府網(wǎng)站績效評估指標(biāo)體系》、網(wǎng)絡(luò)搜索等。

2 因子分析法

因子分析是主成分分析的推廣，也是一種把多個變量化為少數(shù)幾個綜合變量的多變量分析方法，其目的是用有限個不可觀測的隱變量來解釋原始變量之間的相關(guān)關(guān)系。

因子分析主要優(yōu)點在于：①通過對原始變量間相關(guān)關(guān)系探測，將原始變量進(jìn)行重新組合，即將相關(guān)性高的變量分為一組，用共性因子代替該組變量；②尋找共性因子，簡化數(shù)據(jù)，減少分析變量個數(shù)。

結(jié)合城市現(xiàn)代物流技術(shù)指數(shù)體系的特征，為保證準(zhǔn)確度，降低隨機(jī)性，避免主觀因素，擬選取因子分析法作為主要的研究方法對城市現(xiàn)代物流技術(shù)進(jìn)行研究分析。

因子分析法一般分析步驟：

（1） 檢驗數(shù)據(jù)信度

因子分析法研究分析的要素之間需要有較緊密的關(guān)聯(lián)度，因此在分析之前，需要用SPSS軟件對數(shù)據(jù)進(jìn)行信度檢驗分析，檢測數(shù)據(jù)的可靠性。信度是指采用同一種方法對同一種對象測量時所得到結(jié)果的一致性程度。本文采用的是α信度系數(shù)法。

α信度系數(shù)法信度計算公式為：

其中，K為量表中題項的總數(shù)，S2i為第i題得分的題內(nèi)方差，S2T為全部題項總得分的方差；

α檢測的是數(shù)據(jù)內(nèi)在的一致性；

當(dāng)α信度系數(shù)小于0.7時，說明要素的數(shù)據(jù)不可靠，不適合做分析；

當(dāng)α信度系數(shù)大于0.7時，說明要素的數(shù)據(jù)可靠，適合做分析，信度系數(shù)越大數(shù)據(jù)則越可靠，最好在0.8以上。

將問卷量化數(shù)據(jù)與公開數(shù)據(jù)整理整合，再通過SPSS軟件用α信度系數(shù)法進(jìn)行數(shù)據(jù)信度分析，本文數(shù)據(jù)的檢測結(jié)果如表2所示：

表2 可靠性統(tǒng)計

本文Cronbach's alpha系數(shù)為0.958大于0.8，因此，本文數(shù)據(jù)內(nèi)在一致性程度高，可以使用。

（2） 原數(shù)據(jù)標(biāo)準(zhǔn)化

通過對定性數(shù)據(jù)與定量數(shù)據(jù)的整理分析，再經(jīng)過數(shù)據(jù)標(biāo)準(zhǔn)化公式。

SPSS標(biāo)準(zhǔn)化數(shù)值是變量值與其平均值的差與標(biāo)準(zhǔn)差的比值。

設(shè)標(biāo)準(zhǔn)化數(shù)值為z，標(biāo)準(zhǔn)化公式為：

本文選擇使用最值法，最值法也稱離差標(biāo)準(zhǔn)化，是對原始數(shù)據(jù)的線性變換，使結(jié)果落到［0.1］區(qū)間，轉(zhuǎn)換函數(shù)如下：

其中：max｛xj｝為樣本數(shù)據(jù)的最大值，min｛xj｝為樣本數(shù)據(jù)的最小值。這種方法有一個缺陷就是當(dāng)有新數(shù)據(jù)加入時，可能導(dǎo)致max和min的變化，需要重新定義。

（3）因子相關(guān)性的檢驗

相關(guān)系數(shù)矩陣中的大部分相關(guān)系數(shù)大于0.3，適合作因子分析。

另一方面可以從變量共同度的角度分析因子的相關(guān)性。共同度是指某一個在所有因子上的因子載荷平方和，它代表了所有因子合起來對該條目的變異解釋量，因子是用來代替繁多的條目的簡化測量指標(biāo)，那么共同度高即代表某個條目與其他條目相關(guān)性高。

例如：政治和監(jiān)管環(huán)境下的x1：政府對物流業(yè)的支持的共同度為0.863。根據(jù)Kaiser準(zhǔn)則，變量的共同度最好在0.70以上，本文變量共同度都滿足要求（如表3所示），變量轉(zhuǎn)為公共因子時，保留大量信息，數(shù)據(jù)分析效果明顯。

表3 變量共同度（部分）

（4）抽取共同因子，確定因子的數(shù)目以及因子求解的方法

碎石檢驗準(zhǔn)則是根據(jù)因子被提取的順序繪出特征值隨因子個數(shù)變化的散點圖，根據(jù)圖的形狀來判斷因子的個數(shù)。散點曲線的特點是由高到低，先陡后平，最后幾乎成一條直線。曲線開始變平的前一個點被認(rèn)為是提取的最大因子數(shù)。后面的散點類似于山腳下的碎石，可舍棄而不會丟失很多信息。

如圖2所示，有7個成分的特征值超過了1，只考慮這7個成分即可。

（5）使因子更具有命名可解釋性

通常最初因素抽取后，對因素?zé)o法作有效的解釋。這時往往需要進(jìn)行因子旋轉(zhuǎn)（rotation），通過坐標(biāo)變換使因子解的意義更容易解釋。

圖2 碎石圖

轉(zhuǎn)軸后，要決定因素數(shù)目，選取較少因素層面，獲得較大的解釋量。在因素命名與結(jié)果解釋上，必要時可將因素計算后的分?jǐn)?shù)存儲，作為其它程序分析的輸入變量。

表4 旋轉(zhuǎn)后的因子載荷矩陣（部分）

城市物流技術(shù)指數(shù)體系中一共有36個三級指標(biāo)來補(bǔ)充二級指標(biāo)，把36個三級指標(biāo)分為7個二級指標(biāo)后取平均，由主成分表和因子評分系數(shù)矩陣可知，F(xiàn)1因子主要描述的是政治和監(jiān)管環(huán)境，所以命名為政治和監(jiān)管環(huán)境因子；以此類推，F(xiàn)2可以稱為商業(yè)和創(chuàng)新環(huán)境因子；F3稱為人才素質(zhì)因子；F4命名為企業(yè)應(yīng)用因子；F5命名為個人應(yīng)用因子；F6命名為政府應(yīng)用因子；F7命名為基礎(chǔ)設(shè)施和使用成本應(yīng)用因子。因此，7個因子分別為F1：政治和監(jiān)管環(huán)境因子；F2：商業(yè)和創(chuàng)新環(huán)境因子；F3：人才素質(zhì)因子；F4：企業(yè)應(yīng)用因子；F5：個人應(yīng)用因子；F6：基礎(chǔ)設(shè)施和使用因子；F7：個人應(yīng)用因子。

（6）計算各樣本的因子得分

因子分析的最終目標(biāo)是減少變量個數(shù)，以便在進(jìn)一步的分析中用較少的因子代替原有變量參與數(shù)據(jù)建模。本步驟正是通過各種方法計算各樣本在各因子上的得分，為進(jìn)一步的分析奠定基礎(chǔ)。

通過SPSS軟件和公共因子得分函數(shù)，可以得出評價城市現(xiàn)代物流技術(shù)7個因子的得分，并將方差貢獻(xiàn)率作為因子權(quán)重，計算因子的綜合得分和23座城市現(xiàn)代物流技術(shù)的排名情況。所以由上述的方差貢獻(xiàn)率可得綜合的因子得分，計算出廣州、深圳、上海、南京、杭州、蘇州、北京這些城市的因子得分較高。

3 大數(shù)據(jù)創(chuàng)新

創(chuàng)建指數(shù)評價體系并不提倡局限于傳統(tǒng)方法，即單純通過問卷調(diào)研、檔案數(shù)據(jù)或二者的結(jié)合來開發(fā)指數(shù)評價體系。在大數(shù)據(jù)時代，我們期望在傳統(tǒng)數(shù)據(jù)分析的基礎(chǔ)上有所突破，能夠針對一些特定的實時數(shù)據(jù)，使用相應(yīng)的技術(shù)和工具和進(jìn)行大數(shù)據(jù)分析，開發(fā)出一些具備更好的時效性與實踐價值的指標(biāo)。

4 機(jī)遇與挑戰(zhàn)

運(yùn)用從問卷調(diào)研中獲得的主觀數(shù)據(jù)以及通過大數(shù)據(jù)分析工具去采集分析實踐中的大量客觀數(shù)據(jù)構(gòu)建以上評價體系，可以使得政府、企業(yè)和學(xué)術(shù)界獲得差異化的收益。在政府端，對于中央及各地方政府，可以在區(qū)域物流規(guī)劃、線路網(wǎng)絡(luò)優(yōu)化、物流服務(wù)體系建設(shè)、招商引資、政策支持等方面為其提供建議。在企業(yè)端，對于各類組織化物流企業(yè)（物流/快遞/冷鏈）、非組織化物流企業(yè)（零擔(dān)/貨代）、交通運(yùn)輸企業(yè)（鐵/公/空/港）、園區(qū)企業(yè)、第三方服務(wù)企業(yè)等，可以在優(yōu)化現(xiàn)有業(yè)務(wù)、拓展新區(qū)位、尋找新業(yè)務(wù)增長點等方面為其提供建議。在學(xué)術(shù)界端，期望開發(fā)的指數(shù)體系能夠成為權(quán)威的二手?jǐn)?shù)據(jù)源之一，推動相關(guān)領(lǐng)域的學(xué)術(shù)研究，履行社會責(zé)任。

一是雖然通過大數(shù)據(jù)分析工具去采集分析實踐中的大量客觀數(shù)據(jù)可以使得評價體系更加客觀全面。但如何有效地組織和使用大數(shù)據(jù)變成了新的挑戰(zhàn)。怎樣獲取有質(zhì)量，權(quán)威性的數(shù)據(jù)成為了首要難題。二是大數(shù)據(jù)的來源十分廣泛，一般單位主要用的是自身場景下積累的數(shù)據(jù)，算法不盡相同，這會導(dǎo)致評估結(jié)果在不同單位存在差異。三是個人隱私保護(hù)及信息安全問題。大數(shù)據(jù)的來源依賴個人的互聯(lián)網(wǎng)交易記錄以及社交網(wǎng)絡(luò)數(shù)據(jù)，這樣會使得隱私泄露風(fēng)險放大。四是企業(yè)與企業(yè)、內(nèi)部部門之間信息孤島現(xiàn)象普遍存在，數(shù)據(jù)不能及時交互、共享和集成，這樣數(shù)據(jù)融合應(yīng)用價值就很難被有效的挖掘利用。

5 未來的研究方向

不同類型的貨物運(yùn)到不同城市的物流成本/服務(wù)質(zhì)量的差異？導(dǎo)致成本/質(zhì)量變動的因素有哪些？分別會導(dǎo)致怎樣的變動方向？這些因素中的哪些核心因素會顯著地幫助一座城市成為業(yè)務(wù)想來的地方？基于多期指數(shù)，可以挖掘哪些隱含的變化趨勢？