徐超毅，徐宏進(jìn)，齊 萌

(安徽理工大學(xué)經(jīng)濟(jì)與管理學(xué)院 安徽 淮南 232001)

隨著經(jīng)濟(jì)社會(huì)的飛速發(fā)展和人們對(duì)物流業(yè)認(rèn)識(shí)的逐步深入，物流業(yè)被稱為“21世紀(jì)最具有發(fā)展?jié)摿Φ男袠I(yè)”之一，一個(gè)地區(qū)的經(jīng)濟(jì)發(fā)展與物流業(yè)的發(fā)展息息相關(guān)，因此物流業(yè)還被喻為經(jīng)濟(jì)發(fā)展的“催化劑”。根據(jù)中國(guó)市場(chǎng)報(bào)告網(wǎng)發(fā)布的一系列研究報(bào)告表明，我國(guó)物流業(yè)雖起步較晚，但是發(fā)展極為迅速，涌現(xiàn)出了像順豐、圓通等大型現(xiàn)代化物流快遞公司，該報(bào)告網(wǎng)還顯示2020年我國(guó)物流業(yè)的市場(chǎng)規(guī)模將會(huì)達(dá)到360億元[1]。

山東省位于我國(guó)東部沿海，是我國(guó)物流業(yè)最為發(fā)達(dá)的省份之一，根據(jù)山東現(xiàn)代電商與物流研究院的報(bào)告顯示，2018年山東省將實(shí)現(xiàn)社會(huì)物流總額21.8萬(wàn)億元[2]，排名前三位的分別是青島市、臨沂市和濟(jì)南市，同樣，根據(jù)2017年山東省物流業(yè)運(yùn)行情況顯示，截止到2017年底，山東省實(shí)現(xiàn)物流總額203565億元，同比增長(zhǎng)10.5%，其中位于前三位的分別是青島市的30198.5億元、臨沂市的28038.4億元和濟(jì)南市的21794.4億元，可以看出山東省物流發(fā)展總體上處于較高水平，但各市之間物流發(fā)展水平存在著較大差異，因此，對(duì)山東省各市的物流發(fā)展水平進(jìn)行綜合評(píng)價(jià)和分析，有利于推動(dòng)各市物流業(yè)的協(xié)調(diào)發(fā)展，同時(shí)對(duì)促進(jìn)山東省的經(jīng)濟(jì)發(fā)展具有重要的現(xiàn)實(shí)意義。

1 文獻(xiàn)綜述

國(guó)外關(guān)于物流發(fā)展水平的研究起步較早，而且研究范圍廣。Anjali Awasthi和Satyaveer S Chauhan利用關(guān)聯(lián)圖、層次分析法和模糊拓?fù)湎嘟Y(jié)合的方法，從4個(gè)方面即車輛規(guī)模限制、擁堵收費(fèi)方案、城市配送中心和通行時(shí)間限制來(lái)評(píng)價(jià)城市物流發(fā)展水平[3]。N Hrynchak建立了3組指標(biāo)，即社會(huì)經(jīng)濟(jì)指標(biāo)、運(yùn)輸業(yè)績(jī)指標(biāo)和表示該區(qū)域運(yùn)輸系統(tǒng)組成及其潛在機(jī)會(huì)的指標(biāo)，運(yùn)用聚類分析法將烏克蘭地區(qū)按照物流發(fā)展水平分成了3個(gè)集群[4]。Metlyakhin A等首先總結(jié)了世界各國(guó)物流發(fā)展水平對(duì)貨物周轉(zhuǎn)率影響的研究結(jié)果，接著借助計(jì)量經(jīng)濟(jì)學(xué)模型分析了俄羅斯的外貿(mào)交易額與物流發(fā)展水平之間的關(guān)系，研究發(fā)現(xiàn)目前俄羅斯的物流發(fā)展水平落后于其他一些經(jīng)濟(jì)發(fā)達(dá)的國(guó)家[5]。Raimbekov Z S等分析了與哈薩克斯坦有密切貿(mào)易關(guān)系的歐亞經(jīng)濟(jì)聯(lián)盟國(guó)家的國(guó)際評(píng)級(jí)，對(duì)這些國(guó)家的物流發(fā)展效率和水平進(jìn)行了評(píng)價(jià)，指出包括哈薩克斯坦在內(nèi)的歐亞經(jīng)濟(jì)聯(lián)盟國(guó)家物流發(fā)展存在的問(wèn)題，并且為提高歐亞經(jīng)濟(jì)聯(lián)盟國(guó)家的物流發(fā)展效率指明了方向[6]。Maria Vodenicharova基于圖解法、聚類分析法等方法，借助SPSS軟件對(duì)保加利亞肉類加工組織的物流發(fā)展水平進(jìn)行評(píng)價(jià)分析，根據(jù)物流發(fā)展水平將肉類加工組織分為3類，并結(jié)合保加利亞肉類加工組織的條件和一些先進(jìn)國(guó)家的做法，提出了改進(jìn)物流發(fā)展的設(shè)想[7]。Markovits-Somogyi R等采用數(shù)據(jù)包絡(luò)分析與層次分析法相結(jié)合的方法，對(duì)29個(gè)歐洲國(guó)家的物流發(fā)展效率進(jìn)行了檢驗(yàn)，并與原DEA方法測(cè)算的結(jié)果進(jìn)行了比較，此外還利用物流績(jī)效指標(biāo)(LPI)對(duì)結(jié)果進(jìn)行評(píng)估[8]。James H Bookbinder和Chris S Tan運(yùn)用聚類分析法比較了亞洲和歐洲的物流系統(tǒng)，并根據(jù)他們的物流發(fā)展水平進(jìn)行了分類，通過(guò)分析顯示歐洲和亞洲一流的物流系統(tǒng)分別是丹麥和新加坡，進(jìn)一步對(duì)這兩個(gè)國(guó)家進(jìn)行了詳細(xì)的研究，以得出適用于其他國(guó)家的物流經(jīng)驗(yàn)[9]。Yi-Chih Yanga等利用灰色關(guān)聯(lián)度和AHP法，對(duì)臺(tái)灣、韓國(guó)、日本的港口物流發(fā)展水平進(jìn)行了分析和評(píng)價(jià)[10]。

國(guó)內(nèi)學(xué)者在對(duì)物流發(fā)展水平的研究上是借鑒和引進(jìn)了國(guó)外的理論和方法，不斷地進(jìn)行擴(kuò)展和改進(jìn)。Lv Pu等分析了影響城市物流發(fā)展水平的因素，認(rèn)為城市物流評(píng)價(jià)體系的研究必須考慮到城市物流與其服務(wù)區(qū)經(jīng)濟(jì)的關(guān)系，并在此基礎(chǔ)上構(gòu)建了評(píng)價(jià)指標(biāo)體系，運(yùn)用主成分分析法對(duì)大連、天津和上海進(jìn)行了實(shí)證研究[11]。Liu HH等采用主成分分析對(duì)我國(guó)各省市的物流發(fā)展水平進(jìn)行了綜合評(píng)價(jià)，并將經(jīng)主成分處理后得到的指標(biāo)作為樣本矩陣進(jìn)行聚類分析[12]。Xinbao Tian和Meirong Zhang運(yùn)用熵權(quán)法對(duì)我國(guó)31個(gè)省份的物流發(fā)展水平進(jìn)行了評(píng)價(jià)，并且利用莫蘭指數(shù)、莫蘭指數(shù)散點(diǎn)圖和LISA集聚圖分析了物流產(chǎn)業(yè)發(fā)展的整體和局部空間集聚特征，通過(guò)借助空間誤差模型的固定效應(yīng)，分析了影響物流業(yè)空間關(guān)系的4個(gè)主要因素[13]。Li Chaoling和Lu Lin構(gòu)建了一個(gè)基于灰色理論和熵權(quán)法相結(jié)合的物流發(fā)展水平評(píng)價(jià)模型，利用貴州省2006—2016年的相關(guān)數(shù)據(jù)進(jìn)行分析，研究發(fā)現(xiàn)全省物流業(yè)發(fā)展趨勢(shì)在4年里出現(xiàn)小范圍波動(dòng)，但物流發(fā)展水平總體趨勢(shì)是上升的，評(píng)價(jià)結(jié)果符合貴州省物流發(fā)展的實(shí)際情況[14]。BoHe和JianghuaWang以長(zhǎng)江經(jīng)濟(jì)帶為研究對(duì)象，建立了區(qū)域物流發(fā)展水平綜合評(píng)價(jià)指標(biāo)體系，利用主成分分析法對(duì)該區(qū)域的物流發(fā)展水平進(jìn)行了評(píng)價(jià)和分類[15]。Yanling Xu等基于熵值法和因子分析法，構(gòu)建了包括政治、經(jīng)濟(jì)、社會(huì)、交通和居民消費(fèi)水平等5個(gè)維度的指標(biāo)體系，對(duì)武漢城市圈各城市的物流發(fā)展水平進(jìn)行了評(píng)價(jià)，結(jié)果發(fā)現(xiàn)武漢城市圈內(nèi)的9個(gè)城市物流發(fā)展水平差異較大[16]。Na Dong等以我國(guó)31個(gè)省市為研究對(duì)象，利用因子分析法對(duì)我國(guó)物流發(fā)展水平進(jìn)行了綜合評(píng)價(jià)和分析，并從物流發(fā)展水平的角度運(yùn)用聚類分析將我國(guó)31省份分成3類[17]。Zhang Lei等搜集了山東省2003—2014年的相關(guān)數(shù)據(jù)，從物流規(guī)模和基礎(chǔ)設(shè)施兩個(gè)方面選取了23個(gè)指標(biāo)，利用雙聚類分析對(duì)山東省17個(gè)城市的物流發(fā)展水平進(jìn)行評(píng)價(jià)，結(jié)果表明雙聚類分析的結(jié)果可以為區(qū)域物流發(fā)展的決策提供相應(yīng)的參考[18]。董璐璐和王合玲通過(guò)因子分析的方法來(lái)建立物流業(yè)發(fā)展水平評(píng)價(jià)體系，并計(jì)算出各省物流能力綜合得分，研究表明，我國(guó)各省之間的物流發(fā)展水平發(fā)展存在不平衡現(xiàn)象[19]。姚文龍和丁文斌采用因子分析法對(duì)我國(guó)31個(gè)省市區(qū)的物流發(fā)展水平進(jìn)行了綜合分析，得出如下結(jié)論：我國(guó)物流產(chǎn)業(yè)地區(qū)間發(fā)展不均衡，東部沿海地區(qū)物流業(yè)規(guī)模較大，中部省份物流業(yè)基礎(chǔ)設(shè)施支撐大，西部省份物流業(yè)發(fā)展水平較低[20]。魏國(guó)辰和冀雪華借助DPSR模型和產(chǎn)業(yè)發(fā)展的環(huán)境-能力-績(jī)效理論，采用熵權(quán)法對(duì)京津冀地區(qū)2013—2017年面板數(shù)據(jù)進(jìn)行綜合分析，結(jié)果表明：京津冀地區(qū)的物流發(fā)展出現(xiàn)逐漸上升的趨勢(shì)，天津和河北的差距呈現(xiàn)逐漸縮小的趨勢(shì)[21]。姚娟和施健龍采用2017年中國(guó)東部10省(市)的截面數(shù)據(jù)，利用突變級(jí)數(shù)法，結(jié)合熵權(quán)法確定各指標(biāo)權(quán)重，測(cè)度了中國(guó)東部地區(qū)的物流綜合發(fā)展水平，結(jié)果表明各省之間物流發(fā)展水平差距明顯[22]。

總體而言，國(guó)內(nèi)外學(xué)者在物流發(fā)展水平的評(píng)價(jià)測(cè)度上都做了大量的研究，但在大部分的研究中運(yùn)用的評(píng)價(jià)方法都比較單一，缺乏可靠性和科學(xué)性，基于此，本文以山東省16個(gè)城市為研究對(duì)象，采用因子分析法、熵權(quán)法和灰色關(guān)聯(lián)分析法3種方法對(duì)物流發(fā)展水平進(jìn)行綜合評(píng)價(jià)，在一定程度上降低了單一評(píng)價(jià)方法所造成的偏差，提高了評(píng)價(jià)結(jié)果的可靠性、科學(xué)性和客觀性。同時(shí)，由于多種評(píng)價(jià)方法所得結(jié)果可能會(huì)存在差異，因此本文利用kendall協(xié)調(diào)系數(shù)檢驗(yàn)法對(duì)3種評(píng)價(jià)結(jié)果的一致性進(jìn)行檢驗(yàn)，并運(yùn)用加權(quán)平均法對(duì)3種評(píng)價(jià)結(jié)果進(jìn)行加權(quán)組合，最后根據(jù)2016—2018年山東省各城市的物流發(fā)展水平綜合評(píng)價(jià)結(jié)果運(yùn)用ward系統(tǒng)聚類分析法進(jìn)行分類并分析。

2 組合評(píng)價(jià)模型構(gòu)建

2.1 因子分析法模型

進(jìn)行物流發(fā)展水平綜合評(píng)價(jià)時(shí)，需要利用較多的指標(biāo)，在綜合評(píng)價(jià)時(shí)就會(huì)變得復(fù)雜，而因子分析法的核心思想就是篩選、簡(jiǎn)化數(shù)據(jù)，將許多具有一定相關(guān)性的復(fù)雜變量壓縮成較少的獨(dú)立因素，以反映原始數(shù)據(jù)的大部分信息[23]。因子分析具體步驟如下。

(1)對(duì)原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理

由于所搜集整理的原始數(shù)據(jù)在單位、量綱和數(shù)量級(jí)上有著較大差異，無(wú)法直接用于實(shí)證研究和比較分析，因此需要進(jìn)行數(shù)據(jù)的標(biāo)準(zhǔn)化處理。本文中所設(shè)置的指標(biāo)均為正向指標(biāo)，所以采用Z-Score標(biāo)準(zhǔn)化法。

假設(shè)進(jìn)行因子分析的指標(biāo)變量有p個(gè)：X1，X2，…，Xp,評(píng)價(jià)對(duì)象有n個(gè)，第i個(gè)評(píng)價(jià)對(duì)象的第j個(gè)指標(biāo)可表示為xij，將各個(gè)指標(biāo)值xij轉(zhuǎn)換成標(biāo)準(zhǔn)化指標(biāo)值z(mì)ij，標(biāo)準(zhǔn)化公式如下

(1)

(2)計(jì)算相關(guān)系數(shù)矩陣R

(2)

其中rij(i，j=1,2,…,p)為原始變量xi和xj的相關(guān)系數(shù)，rij=rji且rii=1。

(3)計(jì)算特征值和特征向量

(4)計(jì)算各個(gè)因子方差貢獻(xiàn)率和累計(jì)方差貢獻(xiàn)率

(3)

(4)

其中ei表示第i個(gè)主因子提取的原始變量的信息量，E(k)表示前k個(gè)主因子所提取的原始變量的信息量總和，E(k)越大，說(shuō)明前k個(gè)主因子所包含的原始信息量就越多。

(5)確定主因子的個(gè)數(shù)

通常為了能夠比較準(zhǔn)確地反映原始信息，一般取累計(jì)方差貢獻(xiàn)率E(m)大于85%且特征根大于1時(shí)所對(duì)應(yīng)的前m(m

(6)計(jì)算初等因子載荷并進(jìn)行因子旋轉(zhuǎn)

初等因子載荷

其中

uj=[u1j,u2j,…,unj]T，(j=1,2,…,p)

在進(jìn)行因子分析時(shí)，為了能夠客觀準(zhǔn)確地解釋每個(gè)主因子的具體含義，需要對(duì)提取的初等因子載荷矩陣進(jìn)行旋轉(zhuǎn)，得到旋轉(zhuǎn)后的因子載荷矩陣B=AT=(bij),其中A為初等因子載荷矩陣，T為正交矩陣，以此構(gòu)造因子模型

(7)計(jì)算因子得分和綜合得分

則利用回歸法計(jì)算單個(gè)主因子的得分公式為

Fj=cj1z1+cj2z2+…+cjpzp，(j=1,2,…,m)

(5)

(6)

2.2 熵權(quán)法模型

熵權(quán)法是一種經(jīng)典的客觀賦權(quán)方法，在物流發(fā)展水平評(píng)價(jià)中應(yīng)用廣泛，其原理就是利用各指標(biāo)的熵值來(lái)確定指標(biāo)權(quán)重，熵值越小，所提供的信息量就越大，相應(yīng)的權(quán)重就越高；反之亦然。熵權(quán)法的具體步驟如下。

(1)構(gòu)建指標(biāo)矩陣X

假設(shè)有m個(gè)評(píng)價(jià)對(duì)象和n個(gè)評(píng)價(jià)指標(biāo)，則可以根據(jù)原始數(shù)據(jù)構(gòu)建一個(gè)m×n的原始數(shù)據(jù)矩陣，即

(2)數(shù)據(jù)標(biāo)準(zhǔn)化

為了標(biāo)準(zhǔn)化后數(shù)據(jù)的統(tǒng)一性和一致性，繼續(xù)采用前文因子分析法所使用的Z-Score標(biāo)準(zhǔn)化法，即公式(1)。

(3)計(jì)算各個(gè)指標(biāo)的信息熵ej

(7)

(4)計(jì)算各個(gè)指標(biāo)的權(quán)重wj

(8)

(5)計(jì)算熵權(quán)綜合得分

(9)

2.3 灰色關(guān)聯(lián)分析法模型

灰色關(guān)聯(lián)分析法是灰色系統(tǒng)理論的一個(gè)重要分支，主要針對(duì)評(píng)價(jià)對(duì)象少，評(píng)價(jià)指標(biāo)關(guān)系模糊的系統(tǒng)進(jìn)行綜合評(píng)價(jià)[24]，通過(guò)對(duì)參考序列和比較序列的關(guān)系進(jìn)行比較，確定各個(gè)城市的指標(biāo)值和最優(yōu)值之間的關(guān)聯(lián)程度，與最優(yōu)值關(guān)聯(lián)程度越高的城市，說(shuō)明其物流發(fā)展水平越高[25]?；疑P(guān)聯(lián)分析法具體步驟如下。

(1)確定參考序列。

參考序列一般是由各個(gè)指標(biāo)的最優(yōu)值組成，由于本文選取的10個(gè)指標(biāo)皆為正向指標(biāo)，即值越大越優(yōu)，因此將各個(gè)指標(biāo)數(shù)值標(biāo)準(zhǔn)化后的最大值作為最優(yōu)值，設(shè)參考序列為Y0=(y01,y02,…,y0n)

(2)計(jì)算關(guān)聯(lián)系數(shù)

(i=1,2,…,m；j=1,2,…,n)

(10)

其中，ξij表示比較序列與參考序列在第j個(gè)指標(biāo)上的關(guān)聯(lián)系數(shù)，|y0j-yij|表示比較序列與參考序列在第j個(gè)指標(biāo)上的絕對(duì)差，ρ為分辨系數(shù)，引入該系數(shù)計(jì)算是為了減小兩級(jí)最大差過(guò)大引起的誤差，提高關(guān)聯(lián)系數(shù)之間的差異顯著性，通常取0.5[26]。

(3)計(jì)算灰色關(guān)聯(lián)度

根據(jù)關(guān)聯(lián)系數(shù)可以進(jìn)一步計(jì)算灰色加權(quán)關(guān)聯(lián)度或者灰色絕對(duì)關(guān)聯(lián)度[27]，但是在計(jì)算灰色加權(quán)關(guān)聯(lián)度時(shí)需要事先確定各指標(biāo)的權(quán)重，因此灰色加權(quán)關(guān)聯(lián)度的計(jì)算結(jié)果就會(huì)受到賦權(quán)方法的影響，為了避免出現(xiàn)這種情況，同時(shí)考慮到操作的簡(jiǎn)便性，本文選用灰色絕對(duì)關(guān)聯(lián)度來(lái)進(jìn)行分析。

(11)

Hi表示第i個(gè)城市與最優(yōu)值的灰色絕對(duì)聯(lián)度，即各個(gè)城市物流發(fā)展水平的灰色關(guān)聯(lián)得分。

2.4 系統(tǒng)聚類分析模型

聚類分析就是根據(jù)樣本或者指標(biāo)的特征，按照特定的方法進(jìn)行分類，在目前的研究中，比較常用的聚類方法主要有兩種，一種是K均值聚類，另一種是系統(tǒng)聚類，通過(guò)查閱相關(guān)文獻(xiàn)資料并分析比較，本文采用系統(tǒng)聚類分析法中的離差平方和法(ward法)并以歐式距離為標(biāo)準(zhǔn)對(duì)山東省的16個(gè)城市物流發(fā)展水平進(jìn)行聚類，其原理是先將數(shù)據(jù)中的每個(gè)樣本城市歸為一類，在進(jìn)行類別合并時(shí)，計(jì)算類別重心之間的方差，將離差平方和增加幅度最小的兩類先合并為新的一類，再依次將所有類別逐級(jí)合并[28]，模型具體計(jì)算步驟如下。

(12)

則k個(gè)類的類內(nèi)離差平方和為

(13)

3 山東省物流發(fā)展水平組合評(píng)價(jià)實(shí)證分析

3.1 指標(biāo)選取

為了既能科學(xué)、客觀地選取指標(biāo)，又使得各項(xiàng)指標(biāo)能夠準(zhǔn)確反映物流發(fā)展水平的信息，筆者借鑒了前人在該領(lǐng)域的相關(guān)研究成果[29-31]，遵循指標(biāo)選取的原則，并且根據(jù)山東省物流發(fā)展的實(shí)際狀況，最終選取了10個(gè)指標(biāo)作為評(píng)價(jià)山東省各市的物流發(fā)展水平的指標(biāo)體系，如表1所示。

表1 物流發(fā)展水平評(píng)價(jià)指標(biāo)

3.2 數(shù)據(jù)說(shuō)明

本文選取2018年山東省16個(gè)城市的面板數(shù)據(jù)，同時(shí)搜集了2016年和2017年的相關(guān)數(shù)據(jù)，在進(jìn)行物流發(fā)展水平橫向比較，同時(shí)也在時(shí)間的縱向上進(jìn)行有關(guān)的比較分析，數(shù)據(jù)來(lái)源于2016—2018年的《山東省統(tǒng)計(jì)年鑒》《中國(guó)物流年鑒》及相應(yīng)各城市的統(tǒng)計(jì)年鑒，由于沒(méi)有專門針對(duì)物流業(yè)的統(tǒng)計(jì)數(shù)據(jù)，借鑒前人的研究將交通運(yùn)輸業(yè)、倉(cāng)儲(chǔ)業(yè)和郵政業(yè)近似代替為物流業(yè)[32]，對(duì)相應(yīng)數(shù)據(jù)進(jìn)行搜集整理。

3.3 數(shù)據(jù)計(jì)算

3.3.1 基于因子分析法的計(jì)算

在進(jìn)行因子分析之前，需要檢驗(yàn)數(shù)據(jù)的可行性和信度，本文先利用SPSS25.0對(duì)2018年山東省城市物流發(fā)展水平的相關(guān)數(shù)據(jù)進(jìn)行KMO檢驗(yàn)和Bartlett球形檢驗(yàn)，來(lái)判斷該數(shù)據(jù)是否可以進(jìn)行因子分析。經(jīng)計(jì)算，KMO的取值0.659>0.5，Bartlett球形檢驗(yàn)的P值遠(yuǎn)小于0.05，說(shuō)明可以進(jìn)行因子分析，再利用SPSS25.0進(jìn)一步進(jìn)行測(cè)算，得到相關(guān)系數(shù)矩陣、特征值和方差貢獻(xiàn)率，通過(guò)測(cè)算結(jié)果可以看出，前2個(gè)公因子的特征值大于1且累計(jì)方差貢獻(xiàn)率達(dá)到了88.43%，說(shuō)明前2個(gè)公因子包括原始變量的88.43%的信息量，因此選取2個(gè)公因子，記為F1、F2，最后利用公式(5)計(jì)算單個(gè)主因子得分，進(jìn)而通過(guò)公式(6)得到線性加權(quán)綜合得分。

3.3.2 基于熵權(quán)法的計(jì)算

在利用熵權(quán)法計(jì)算時(shí)，由于采用Z-Score標(biāo)準(zhǔn)化后的指標(biāo)數(shù)值存在負(fù)數(shù)，不能直接進(jìn)行熵值的計(jì)算，因此本文參考其他學(xué)者的研究方法[33]，令yij=zij+l，其中l(wèi)為平移幅度,使得l+min(zij)略大于0，再根據(jù)公式(7)和公式(8)分別計(jì)算各指標(biāo)的信息熵和權(quán)重，最后利用公式(9)計(jì)算熵權(quán)綜合得分。

3.3.3 基于灰色關(guān)聯(lián)分析法的計(jì)算

在進(jìn)行灰色關(guān)聯(lián)分析的計(jì)算時(shí)，需要使用熵權(quán)法中的標(biāo)準(zhǔn)化數(shù)據(jù)來(lái)計(jì)算以確保數(shù)據(jù)的一致性，先利用公式(10)計(jì)算灰色關(guān)聯(lián)系數(shù)，再通過(guò)公式(11)計(jì)算得出灰色絕對(duì)關(guān)聯(lián)度，即2018年山東省各城市的物流發(fā)展水平灰色關(guān)聯(lián)得分。利用上述3種評(píng)價(jià)方法的測(cè)算結(jié)果如表2所示。

表2 2018年山東省各城市物流發(fā)展水平得分

3.4 Kendall協(xié)調(diào)系數(shù)的一致性檢驗(yàn)

根據(jù)對(duì)2018年山東省16個(gè)城市的物流發(fā)展水平的測(cè)算結(jié)果可以看出，3種評(píng)價(jià)方法測(cè)算的結(jié)果存在一定的差異性但排名順序具有較高的一致性，分別利用上述3種方法對(duì)山東省2016年和2017年的相關(guān)數(shù)據(jù)進(jìn)行測(cè)算，由于篇幅有限，2016年和2017年的測(cè)算結(jié)果省略，然后采用kendall協(xié)調(diào)系數(shù)檢驗(yàn)法對(duì)3種評(píng)價(jià)方法的測(cè)算結(jié)果進(jìn)行一致性檢驗(yàn)，結(jié)果如表3所示。

表3 Kendall協(xié)調(diào)系數(shù)檢驗(yàn)結(jié)果

3.5 山東省物流發(fā)展水平綜合評(píng)價(jià)

通過(guò)Kendall協(xié)調(diào)系數(shù)檢驗(yàn)法證明了3種評(píng)價(jià)方法的測(cè)算結(jié)果具有一致性，因此可以利用加權(quán)平均法對(duì)3種評(píng)價(jià)方法的測(cè)算結(jié)果進(jìn)行加權(quán)組合。

表4 2016—2018年山東省各城市物流發(fā)展水平綜合評(píng)價(jià)結(jié)果

3.6 系統(tǒng)聚類分析

為了進(jìn)一步對(duì)山東省16個(gè)城市進(jìn)行細(xì)化分類，利用前文中所建立的評(píng)價(jià)指標(biāo)體系和計(jì)算的2016—2018年的綜合得分，運(yùn)用ward系統(tǒng)聚類分析法進(jìn)行分類，選擇平方歐氏距離，并取類間間距d=5，經(jīng)過(guò)聚類分析后發(fā)現(xiàn)，2016—2018年的聚類結(jié)果基本一致，如表5所示。

表5 2016—2018年山東省各城市物流發(fā)展發(fā)展水平聚類分析結(jié)果

3.7 結(jié)果分析

根據(jù)2016—2018年山東省各城市物流發(fā)展水平綜合評(píng)價(jià)結(jié)果(見表4)可以看出，各個(gè)城市之間的物流發(fā)展水平存在明顯差異，個(gè)別城市不同年份的物流發(fā)展水平也有一些波動(dòng)，還有部分城市的排名比較穩(wěn)定，比如青島、濟(jì)南、煙臺(tái)、濰坊和臨沂，這些城市連續(xù)3年的排名都沒(méi)有變化，皆在前5名之列，得分均為正值，說(shuō)明這幾個(gè)城市的物流發(fā)展水平較高，而且發(fā)展比較穩(wěn)定，位于第10位的聊城，第15位的日照以及第16位的棗莊這3年的排名同樣也沒(méi)有變化，但是這3個(gè)城市的物流發(fā)展水平較差，綜合得分均為負(fù)值，濟(jì)寧和淄博兩市的排名僅有輕微的波動(dòng)，東營(yíng)的名次在2018年上升了一位，由之前的第9名上升到第8名，濱州和威海的名次在2018年都下降了一位，泰安和德州都在2017年出現(xiàn)了名次的下降并在之后保持穩(wěn)定，反觀菏澤市的名次連續(xù)3年上升，由2016年的第14名上升到2018年的第11名。

由聚類分析結(jié)果(見表5)可知，通過(guò)ward系統(tǒng)聚類分析法將山東省16個(gè)城市分為3類。

第一類為物流發(fā)展水平較高的城市，只有青島，該市的綜合得分連續(xù)三年排名第一，青島作為全國(guó)首批沿海開放城市之一，是國(guó)際性的港口城市，地理位置優(yōu)越，港口物流極為發(fā)達(dá)，2018年全市完成海鐵聯(lián)運(yùn)箱量115.4萬(wàn)標(biāo)準(zhǔn)箱，連續(xù)4年保持全國(guó)沿海港口首位，2016—2018年青島物流業(yè)相關(guān)固定資產(chǎn)投資額分別為550.61億元、936.51億元和761.38億元，均居全省前列，說(shuō)明青島的物流基礎(chǔ)配套設(shè)施建設(shè)比較完善，所以綜合來(lái)看物流發(fā)展水平總體較好。

第二類為物流發(fā)展水平中等的城市，主要包括濰坊、臨沂、濟(jì)寧、濟(jì)南、煙臺(tái)和淄博，由表4可知，這幾個(gè)城市的綜合排名也都位于前幾位，濟(jì)南作為山東省的省會(huì)城市，交通發(fā)達(dá)，是全國(guó)重要的交通樞紐，與其他城市的交通連通度高，但因地處內(nèi)陸地區(qū)，所以物流發(fā)展水平與青島市相比還有一定的差距。臨沂市作為中國(guó)的“物流之都”“市場(chǎng)名城”，2016—2019年，快遞業(yè)務(wù)量和快遞業(yè)務(wù)收入平均增幅50%以上，均居全省第1位，臨沂市商貿(mào)物流繁榮，大型物流公司較多，曾入選國(guó)家智慧物流配送示范城市。濰坊是濟(jì)青高鐵的中間城市，受濟(jì)南和青島的帶動(dòng)，經(jīng)濟(jì)發(fā)展較好，物流發(fā)展的也較為迅速。煙臺(tái)也是重要的港口城市，魯遼公水聯(lián)運(yùn)通道優(yōu)勢(shì)明顯，渤海灣陸海聯(lián)運(yùn)甩掛運(yùn)輸發(fā)展較快，與濟(jì)南的物流發(fā)展水平差距越來(lái)越小。濟(jì)寧充分發(fā)揮國(guó)家級(jí)物流節(jié)點(diǎn)城市功能，以運(yùn)河“黃金水道”和兗州貨運(yùn)站等為依托，逐步形成了“四位一體”的物流新格局，近幾年物流業(yè)發(fā)展較好。淄博2016年歸屬于第三類，而2017年和2018年已經(jīng)進(jìn)入物流發(fā)展水平中等行列，淄博屬于工業(yè)型城市，第三產(chǎn)業(yè)發(fā)展薄弱，導(dǎo)致物流業(yè)的發(fā)展受到一定程度的限制，因此該市率先在山東省成立了市級(jí)物流產(chǎn)業(yè)發(fā)展辦公室并且實(shí)施了多項(xiàng)物流業(yè)發(fā)展改革措施，使得物流業(yè)的發(fā)展取得一定成效[35]。

第三類為物流業(yè)發(fā)展水平較低的城市，主要有東營(yíng)、棗莊、濱州、德州、菏澤、聊城、泰安、威海、日照，這些地區(qū)的綜合得分均為負(fù)數(shù)，說(shuō)明這些城市的物流業(yè)發(fā)展水平較差，比如威海，雖三面環(huán)海，和煙臺(tái)、青島同屬于港口城市，但由于缺乏物流管理方面的高層次技術(shù)人才，目前威海港的物流管理還是比較落后，物流信息化程度不高[36]，再如棗莊，物流發(fā)展水平綜合得分連續(xù)3年處在最后一位，該市的物流業(yè)成本較高，政策支持不夠，物流領(lǐng)域企業(yè)亂收費(fèi)、亂罰款的情況時(shí)有發(fā)生，物流專業(yè)化、標(biāo)準(zhǔn)化程度不高，其他7個(gè)城市也存在著一些問(wèn)題，導(dǎo)致物流發(fā)展水平不高，而且從整體上看這些地方的經(jīng)濟(jì)發(fā)展能力也相對(duì)較弱。

4 結(jié)論與建議

本文構(gòu)建了物流發(fā)展水平評(píng)價(jià)體系，利用因子分析法、熵值法和灰色關(guān)聯(lián)分析法3種評(píng)價(jià)方法對(duì)山東省16個(gè)城市的物流發(fā)展水平進(jìn)行測(cè)算和綜合評(píng)價(jià)，并運(yùn)用Kendall協(xié)調(diào)系數(shù)檢驗(yàn)法對(duì)3種評(píng)價(jià)結(jié)果的一致性進(jìn)行檢驗(yàn)，保證了測(cè)算結(jié)果的準(zhǔn)確性和科學(xué)性，最后借助ward系統(tǒng)聚類分析法對(duì)山東省16個(gè)城市進(jìn)行分類并分析，研究結(jié)果發(fā)現(xiàn)山東省各城市物流發(fā)展水平差距較大，各個(gè)城市都有自身的發(fā)展優(yōu)勢(shì)和障礙，結(jié)合該地區(qū)物流發(fā)展的基本情況提出以下建議。

第一，加強(qiáng)物流基礎(chǔ)設(shè)施的規(guī)劃和建設(shè)。對(duì)于物流發(fā)展水平較低的城市要適當(dāng)增加對(duì)物流基礎(chǔ)設(shè)施規(guī)劃建設(shè)的投資，積極建設(shè)有規(guī)模、有區(qū)位優(yōu)勢(shì)的物流園區(qū)和物流配送中心，如果僅靠政府的資金投入是遠(yuǎn)不能滿足當(dāng)前物流發(fā)展需要的，因此需要擴(kuò)大資金籌集的渠道，建立完善的物流基礎(chǔ)設(shè)施投資監(jiān)管制度，逐步形成以政府投資為導(dǎo)向、企業(yè)和個(gè)人資金自主投入為內(nèi)容的投資和融資體系。加快推進(jìn)魯南高鐵、濰萊高鐵的建設(shè)，盡快完善青島港全自動(dòng)化碼頭二期工程、日照港嵐山港區(qū)20萬(wàn)噸級(jí)大宗散貨碼頭、臨沂機(jī)場(chǎng)改擴(kuò)建工程、青島膠東國(guó)際機(jī)場(chǎng)等工程的配套設(shè)施建設(shè)。

第二，推進(jìn)物流業(yè)信息技術(shù)的應(yīng)用，提高物流業(yè)的信息化水平。隨著大數(shù)據(jù)、云計(jì)算以及人工智能的飛速發(fā)展[37]，信息技術(shù)的應(yīng)用已經(jīng)成為物流業(yè)快速發(fā)展的重要競(jìng)爭(zhēng)力之一，山東省各城市要加大物流業(yè)信息技術(shù)的研發(fā)力度，積極推進(jìn)物流先進(jìn)技術(shù)在企業(yè)中的應(yīng)用，提高物流企業(yè)的管理能力和運(yùn)營(yíng)能力，利用大數(shù)據(jù)、云計(jì)算等信息技術(shù)和全球定位系統(tǒng)、物流管理信息系統(tǒng)，建立起山東省綜合物流信息平臺(tái)，將商流、物流、信息流和資金流有機(jī)統(tǒng)一，提高整個(gè)物流系統(tǒng)的運(yùn)行效率。

第三，推動(dòng)各城市之間的戰(zhàn)略合作。山東省三面環(huán)海，港口眾多，部分城市的港口優(yōu)勢(shì)明顯，其物流發(fā)展水平較高，具有很強(qiáng)的輻射能力，山東省要借助沿海城市的區(qū)位優(yōu)勢(shì)，利用海陸空聯(lián)運(yùn)帶動(dòng)內(nèi)陸城市的物流發(fā)展，加強(qiáng)青島、威海、煙臺(tái)、日照以及濰坊等港口城市與內(nèi)陸地區(qū)的戰(zhàn)略合作，減少地區(qū)間的競(jìng)爭(zhēng)關(guān)系，實(shí)現(xiàn)雙贏互動(dòng)。此外，臨沂要充分發(fā)揮小商品市場(chǎng)的優(yōu)勢(shì)，大力發(fā)展商貿(mào)物流，積極帶動(dòng)棗莊、濟(jì)寧、泰安和淄博等周邊城市的物流發(fā)展，最終實(shí)現(xiàn)各城市物流業(yè)的協(xié)調(diào)健康發(fā)展。

第四，重視高素質(zhì)物流人才的培養(yǎng)，進(jìn)一步提高人才引進(jìn)力度。高層次物流人才是物流發(fā)展的強(qiáng)勁動(dòng)力，只有充足的物流人才才能為物流發(fā)展提供更先進(jìn)的技術(shù)支持，山東省高校眾多，各市要擴(kuò)大教育和人才引進(jìn)投入，加強(qiáng)高水平物流教師和高學(xué)歷物流人才的引進(jìn)力度，切實(shí)保障來(lái)魯就業(yè)的物流人才的應(yīng)得利益，各高校和科研院所要制定合理的物流人才培養(yǎng)計(jì)劃，設(shè)立專門的校企合作物流專業(yè)，根據(jù)經(jīng)濟(jì)社會(huì)的發(fā)展和需求及時(shí)調(diào)整物流人才的培養(yǎng)內(nèi)容，為山東省的物流發(fā)展提供不竭動(dòng)力。