王 威，施云天，吳晶晶

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

1 背景及問(wèn)題起源

科技的快速發(fā)展，物流運(yùn)輸?shù)难杆僬归_(kāi)，需要通過(guò)不同手段拓展業(yè)務(wù)，無(wú)車(chē)承運(yùn)人業(yè)務(wù)迅速得到業(yè)界的認(rèn)可各類(lèi)研究很多并獲得一些理論成果。目前，我國(guó)無(wú)車(chē)承運(yùn)業(yè)發(fā)展的很快，將成為物流業(yè)的一種新模式，但無(wú)車(chē)承運(yùn)人業(yè)務(wù)的快速發(fā)展帶來(lái)了許多問(wèn)題，如何科學(xué)地制定線路價(jià)格是亟待解決的問(wèn)題?？梢越梃b鐵路線路收費(fèi)標(biāo)準(zhǔn)，海運(yùn)航線收費(fèi)標(biāo)準(zhǔn)，以及貨物運(yùn)輸?shù)恼{(diào)度、其他關(guān)于科學(xué)定價(jià)的研究和目前比較關(guān)心的熱點(diǎn)問(wèn)題，優(yōu)化運(yùn)輸?shù)妊芯砍晒?。本文以無(wú)車(chē)承運(yùn)人的視角，參考已有的研究成果，對(duì)無(wú)車(chē)承運(yùn)人的科學(xué)制定線路價(jià)格進(jìn)行進(jìn)一步的研究，以其促進(jìn)無(wú)車(chē)承運(yùn)人業(yè)務(wù)的發(fā)展，本文擬解決以下問(wèn)題：（1） 通過(guò)定量分析研究影響無(wú)車(chē)承運(yùn)人平臺(tái)貨運(yùn)線路報(bào)價(jià)的主導(dǎo)因素；（2） 基于數(shù)據(jù)給出三次報(bào)價(jià)以及成本定價(jià)的模型。

2 模型假設(shè)

（1） 假設(shè)車(chē)型固定無(wú)拼載任務(wù)；（2） 假設(shè)不考慮貨主報(bào)價(jià)的情況；（3） 假設(shè)市場(chǎng)價(jià)格及政策穩(wěn)定；（4） 假設(shè)運(yùn)輸時(shí)間為起始時(shí)間減去到達(dá)時(shí)間。

3 符號(hào)說(shuō)明

文中用到的符號(hào)及其說(shuō)明如表1 所示。

表1 符號(hào)說(shuō)明

4 貨運(yùn)線路定價(jià)主要因素

主要因素決定了無(wú)車(chē)承運(yùn)人平臺(tái)貨運(yùn)路線定價(jià)。針對(duì)此問(wèn)題采用主成分分析的方法，利用SPSS 進(jìn)行主成分分析，以確定各影響因素的權(quán)重。

本文對(duì)給出的數(shù)據(jù)，進(jìn)行異常數(shù)據(jù)的清理，選取恰當(dāng)?shù)臄?shù)據(jù)，并且將少量缺失數(shù)據(jù)補(bǔ)充完整。再對(duì)各影響變量進(jìn)行無(wú)量綱化處理，例如業(yè)務(wù)類(lèi)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(gè)變量都具有一定的代表性，此外還包括運(yùn)輸?shù)睦锍炭倲?shù)、始發(fā)網(wǎng)點(diǎn)、目標(biāo)網(wǎng)點(diǎn)、車(chē)輛長(zhǎng)度及容量、線路編號(hào)以及運(yùn)輸時(shí)長(zhǎng)等指標(biāo)。之后對(duì)各個(gè)因素進(jìn)行主成分分析，量化各個(gè)因素對(duì)貨運(yùn)線路定價(jià)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(guò)正交變換，得到一組相互獨(dú)立的K 維數(shù)據(jù)，以求獲得主成分以及其相應(yīng)的權(quán)重。具體分析過(guò)程如下：

將線路的定價(jià)作為研究對(duì)象，假設(shè)有A 個(gè)定價(jià)體系，有B 個(gè)因素的原始樣本，構(gòu)造矩陣X，表達(dá)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(gè)指標(biāo)可以說(shuō)明選取變量因素之間存在相關(guān)性，作進(jìn)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(yàn)

從表4 中可以看出有四個(gè)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(gè)主成分來(lái)代替原來(lái)預(yù)定的17 個(gè)影響因素，達(dá)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(biāo)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(kāi)始信息含量就減少了。更加說(shuō)明由4 個(gè)因素代替原先的17 個(gè)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(duì)其指標(biāo)的總權(quán)重W 進(jìn)行求解。具體過(guò)程如下：

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

再確定每個(gè)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(duì)各個(gè)主成分進(jìn)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(gè)因素的權(quán)重系數(shù)統(tǒng)計(jì)表

通過(guò)表6 可知，對(duì)無(wú)車(chē)承運(yùn)人平臺(tái)線路定價(jià)影響最大的因素為車(chē)輛的長(zhǎng)度和承運(yùn)車(chē)輛的噸位，兩者的權(quán)重均大于0.1。而運(yùn)輸?shù)燃?jí)、時(shí)間、總里程數(shù)、位置以及路線編號(hào)和始發(fā)網(wǎng)點(diǎn)等因素的權(quán)重都在0.06 以上，影響程度相對(duì)較大。剩下的幾個(gè)指標(biāo)影響程度較小，大多小于0.05。

5 調(diào)價(jià)策略及評(píng)價(jià)

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

將模型中概率值小于0.05 的即相關(guān)性最強(qiáng)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(jì)量）=0 可知，隨著變量引入，其概率值均遠(yuǎn)小于0.01。仍需要進(jìn)一步分析線性關(guān)系的強(qiáng)弱。

根據(jù)表9 已剔除變量表可知，第三次定價(jià)中車(chē)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(wú)車(chē)承運(yùn)人平臺(tái)中第一次、第三次定價(jià)以及成本價(jià)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(jià)格，即進(jìn)行兩次調(diào)價(jià)。將得到的上述三個(gè)回歸表達(dá)式。

6 靈敏度分析

將本文所建模型中的輸入變量都相應(yīng)減少1%，觀察其建模結(jié)果變化。通過(guò)分析可知，當(dāng)所有影響因素都減小1%時(shí)，輸出結(jié)果相應(yīng)減小為1.02%、0.95%和1.01%。由此可見(jiàn)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(guò)程中，難以準(zhǔn)確知道每個(gè)主成分所表示的含義。無(wú)車(chē)承運(yùn)人平臺(tái)定價(jià)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(jìn)行多元回歸時(shí)自動(dòng)排除了某些變量，使得某些影響因子的影響程度難以預(yù)測(cè)。