王 威，施云天，吳晶晶

（1. 南通理工學院，江蘇 南通 226002；2. 南京審計大學 金審學院，江蘇 南京 210023）

1 背景及問題起源

科技的快速發(fā)展，物流運輸?shù)难杆僬归_，需要通過不同手段拓展業(yè)務，無車承運人業(yè)務迅速得到業(yè)界的認可各類研究很多并獲得一些理論成果。目前，我國無車承運業(yè)發(fā)展的很快，將成為物流業(yè)的一種新模式，但無車承運人業(yè)務的快速發(fā)展帶來了許多問題，如何科學地制定線路價格是亟待解決的問題?？梢越梃b鐵路線路收費標準，海運航線收費標準，以及貨物運輸?shù)恼{(diào)度、其他關(guān)于科學定價的研究和目前比較關(guān)心的熱點問題，優(yōu)化運輸?shù)妊芯砍晒?。本文以無車承運人的視角，參考已有的研究成果，對無車承運人的科學制定線路價格進行進一步的研究，以其促進無車承運人業(yè)務的發(fā)展，本文擬解決以下問題：（1） 通過定量分析研究影響無車承運人平臺貨運線路報價的主導因素；（2） 基于數(shù)據(jù)給出三次報價以及成本定價的模型。

2 模型假設

（1） 假設車型固定無拼載任務；（2） 假設不考慮貨主報價的情況；（3） 假設市場價格及政策穩(wěn)定；（4） 假設運輸時間為起始時間減去到達時間。

3 符號說明

文中用到的符號及其說明如表1 所示。

表1 符號說明

4 貨運線路定價主要因素

主要因素決定了無車承運人平臺貨運路線定價。針對此問題采用主成分分析的方法，利用SPSS 進行主成分分析，以確定各影響因素的權(quán)重。

本文對給出的數(shù)據(jù)，進行異常數(shù)據(jù)的清理，選取恰當?shù)臄?shù)據(jù)，并且將少量缺失數(shù)據(jù)補充完整。再對各影響變量進行無量綱化處理，例如業(yè)務類型、是否續(xù)簽等變量，以得到篩選后的變量值，量化后的結(jié)果如表2 所示。

表2 變量量化結(jié)果

選取的變量如表2 所示，所選取的17 個變量都具有一定的代表性，此外還包括運輸?shù)睦锍炭倲?shù)、始發(fā)網(wǎng)點、目標網(wǎng)點、車輛長度及容量、線路編號以及運輸時長等指標。之后對各個因素進行主成分分析，量化各個因素對貨運線路定價的影響。

主成分分析是利用降維的基本思想，將N 維的成分因子經(jīng)過正交變換，得到一組相互獨立的K 維數(shù)據(jù)，以求獲得主成分以及其相應的權(quán)重。具體分析過程如下：

將線路的定價作為研究對象，假設有A 個定價體系，有B 個因素的原始樣本，構(gòu)造矩陣X，表達式如下：

從表3 中可以看出，KMO>0.5 且P (Ba rtllet t )<0.1。結(jié)合這兩個指標可以說明選取變量因素之間存在相關(guān)性，作進一步的因子分析，因子分析結(jié)果如表4 所示。

表3 KMO 和Bartlett 的檢驗

從表4 中可以看出有四個主成分的初始特征值大于1，且方差百分比大于70%。由此可確定用這四個主成分來代替原來預定的17 個影響因素，達到了很好的降維效果。

表4 因子分析

圖1 碎石圖含義為，其特征值標志為縱軸，成分表示為橫軸。從圖中可以看出前部分陡峭，特征值大，包含信息多。后部分平攤且特征值小，包含信息也較少。直觀地看出主成分1、2、3、4 都包含了大量的信息，從主成分5 開始信息含量就減少了。更加說明由4 個因素代替原先的17 個因素是可行的。成分矩陣如表5 所示。

表5 成份矩陣

圖1 碎石圖

根據(jù)SPSS 主成分分析的結(jié)果，選取上面兩表中的數(shù)據(jù)，并且對其指標的總權(quán)重W 進行求解。具體過程如下：

其中：k為主成分在組合中的權(quán)重，c為各個指標的值，m為第x 個主成分的值。

再確定每個主成分因素在綜合模型中的系數(shù)值，利用初始特征值的方差百分比對各個主成分進行加權(quán)平均，得到：W

求得的權(quán)重系數(shù)如表6 所示。

表6 各個因素的權(quán)重系數(shù)統(tǒng)計表

通過表6 可知，對無車承運人平臺線路定價影響最大的因素為車輛的長度和承運車輛的噸位，兩者的權(quán)重均大于0.1。而運輸?shù)燃墶r間、總里程數(shù)、位置以及路線編號和始發(fā)網(wǎng)點等因素的權(quán)重都在0.06 以上，影響程度相對較大。剩下的幾個指標影響程度較小，大多小于0.05。

5 調(diào)價策略及評價

結(jié)合數(shù)據(jù)，建立多元回歸模型探究影響定價的因素。并得到一次定價、線路成本以及三次定價的函數(shù)表達式，并進行了相應的求解。

將模型中概率值小于0.05 的即相關(guān)性最強的帶入，而概率大于0.1 的從模型中剔除。

表7 模型匯總

R 方擬合度更優(yōu)。

從表8 中可以看出模型一的回歸平方和為214.311，殘差平方和為210.079。并且總平方和=回歸平方和+殘差平方和。由于“回歸平方和”跟“殘差平方和”幾乎接近，所以，此線性回歸模型只解釋了總平方和的一半。

表8 Anoval 分析

根據(jù)P（F 統(tǒng)計量）=0 可知，隨著變量引入，其概率值均遠小于0.01。仍需要進一步分析線性關(guān)系的強弱。

根據(jù)表9 已剔除變量表可知，第三次定價中車輛噸位T 檢概率大于0.05，需要剔除。

表9 已剔除變量

回歸方程的系數(shù)如表10 所示，由此可知，無車承運人平臺中第一次、第三次定價以及成本價格的回歸模型為：

表10 方程系數(shù)

每條線路最多可以發(fā)布三次價格，即進行兩次調(diào)價。將得到的上述三個回歸表達式。

6 靈敏度分析

將本文所建模型中的輸入變量都相應減少1%，觀察其建模結(jié)果變化。通過分析可知，當所有影響因素都減小1%時，輸出結(jié)果相應減小為1.02%、0.95%和1.01%。由此可見所建立模型的敏感性較好。

7 模型的不足

在主成分分析的過程中，難以準確知道每個主成分所表示的含義。無車承運人平臺定價模型求解的結(jié)果僅僅反映了影響因素之間的內(nèi)部聯(lián)系，難以反映與最優(yōu)解之間的關(guān)系。再進行多元回歸時自動排除了某些變量，使得某些影響因子的影響程度難以預測。