安徽省物流业发展与区域经济发展的联动效应
时间：2021-02-22 20:02:18 来源：雅意学习网 本文已影响 人 
【摘要】研究安徽省物流业发展与区域经济的发展的联动效应是促进区域经济协调发展的重要途径，本文以spss20.0为基础，选取2005年～2014年十年的相关数据，运用主成分分析法，分析旅客周转量、货运周转量等6个指标，得出代表安徽省物流业发展的综合指标，并运用线性回归法，构建物流业发展的综合指标与安徽省GDP总值的联动发展模型，从而得出安徽省物流业发展与区域经济发展具有显著的正相关关系。
【关键词】主成分分析法 线性回归法 物流业发展 区域经济 安徽省
一、引言
经济迅速发展的今天，物流产业的发展对经济的发展具有重要的作用，作为一个新兴的聚合型产业，物流业应将理论与实践相结合，让物流业的发展进一步带动区域经济增长。
安徽省作为中部崛起的重要地区，承接来自其他地区的产业转移，在这个经济发展的转折点，我省更是抓住发展机遇，加速物流的发展。目前，我省结合城市定位和产业格局，规划了一批物流园区，在园区将这些企业聚集起来。物流业带来的蓬勃发展不仅表现在物流园区的建设，很多行业都加入了现代物流的步伐，将运输、仓储、库存、装卸、搬运、包装、流通加工、配送、信息处理等活动结合在一起，形成一种新型的管理模式。安徽省物流业的发展与区域经济的发展也是齐头并进，特别是在“十二五”、“十三五”期间，安徽省的物流业发展展现良好态势，基础设施建设不断完善，服务能力显著提升。截至2015年年底，安徽省高速公路里程4246公里，铁路通车旅程4150公里，内河航道里程5728公里，全省公里、水路、铁路等有效衔接的交通运输业体系。我省联合城市功能定位与产业布局，引导企业进入物流园区，提高资源利用率。
二、文献综述
学术界有关人士对区域物流的研究主要有：徐茜等学者[1]选取货物周转量、旅客周转量GDP等指标，建立数学预测模型，得出区域物流产业的发展支撑促进区域经济的发展，而区域经济发展发挥其基础性作用，拉动区域物流业的发展，并对浙江省的物流经济发展提出建议；谢守红等学者[2]采用熵值法对长江三角洲区域物流与区域经济的发展进行分析，发现物流和经济的发展都出现增长趋势，并进行耦合协调度测试，发现两者耦合度的空间集聚效应较强，但仍需进一步发展，提出了相应的解决措施。王岳峰等学者[3]对物流能力概念进行分析的基础上，他们认为区域物流能力的提高不能仅依靠于物流基础设施的建设和投资，还要建立优化物流关系环境；冯华等学者[4]根据湖北省的区域物流与经济的发展状况，运用主成分分析法，分析了湖北省物流的发展情况，并与其它省份相比较，发现湖北省物流发展的不足，探讨了区域物流与区域经济的联系。由此可知，区域物流的发展受到广大学者的关注，笔者选取安徽省2005年到2014年的相关物流数据，并加入安徽省经济程度发展指标，对安徽省物流业发展的状态进行分析。
三、实证分析
（一）指标的选取
区域物流的概念一直难以界定的概念性问题，笔者选取了旅客周转量X1（亿人次公里）、货运周转量X2（亿吨公里）、客运量X3（万人）、货运量X4（万吨）、交通运输仓储和邮政业增加值X5（亿元）、交通运输仓储和邮政业就业人数X6（人），采用主成分分析法，得出安徽省区域物流业发展状况，选取安徽省GDP总值（亿元）代表安徽省区域经济的发展。将物流业的发展状况与安徽省区域经济的发展作为线性回归分析，观察二者之间是否存在相关性。指标选取了自2005年至2014年十年数据，数据来源于相关年度的《安徽省统计年鉴》和《中国统计年鉴》，数据真实，具有可靠性。
（二）模型构建——主成分分析法
1.主成分分析法的步骤。
（1）进行KMO检验，KMO统计量用于比较变量之间简单与偏相关关系，看是否适合做因子分析。
KMO=
（2）特征方程的根，用λ表示，假设有P个变量，就有P个特征方程的，λ1>λ2>λ3>……λp，对应的特征向量（e1e2e3……ep），则称变量Fj=为x的第j个主成分（j=1，2，…，P）
Fj=eTjFx Fy为y的标准化变量
方差贡献率a1=，前k个因子的累计的方差贡献率ak=，通常选取累计方差贡献率大于0.85时的特征值个数为因子的个数k。
（3）确定共有m个主成分，根据主成分构建综合评价模型
F=Σ
εj为第j个主成分对应的特征值，εi为第i个主成分对应的特征值。
2.运用spss20.0软件，对6个变量之间进行KMO值得检验，结果得出KMO值为0.709，各因子之间的线性关系较为显著，并且由表1，变量之间的相关系数大多数是在0.7至0.9之间的，数据之间可以采取主成分分析法，选取部分指标来反应总体情况。
3.运用spss20.0软件计算得出主成分的特征值、方差贡献率、积累的方差贡献，以及初始的因子载荷值。
第一主成分特征值5.019，方差贡献率83.650%，积累的方差贡献率83.650%；第二主成分特征值0.812，方差贡献率83.650%，积累的方差贡献率97.177%。
初始因子载荷矩阵中第一主成份变量X1、X2、X3、X4、X5、X6的值分别为0.996、0.993、0.675、0.994、0.982、0.796，第二主成份变量X1、X2、X3、X4、X5、X6的值分别为0.047、0.006、0.712、-0.032、-0.069、-0.545。
由上可知，第一主成分方差贡献率83.650%，累计方差贡献率83.650%，第二主成分方差贡献率13.527%，第一主成分与第二主成分的方差贡献率达到97.177%，笔者认为可以选取第一主成分和第二主成分来对总体结果进行解释。
从初始的因子载荷矩阵，计算结果可以发现，这6个指标在第一主成分上因子载荷数值都很大，相关程度较为密切，并且都呈现正相关关系，这种相互之间稳定的关系，促进了区域物流业的增长。而在第二主成分上的因子载荷客运量（x3）、交通运输仓储和邮政业就业人数（x6）因子载荷的相对数值比重较大，客运量（x3）与第二主成分为正相关关系较强，旅客周转量（x1）、货运周转量（x2）与第二主成分正相关关系较弱，但都表明这三个指标促进了物流业的增长，同时交通运输仓储和邮政业就业人数（x6）及其他指标与第二主成分为负相关关系，表明这几个指标的发展不能紧跟安徽省物流业发展的步伐，需要进一步加速有效的发展。
