第5组交通物流运输评价指标

华北水利水电大学

运输与包装结课论文

交通物流发展评价指标

学院管理与经济 专业物流管理 姓名李艳锐201315213

孟雪 201315216 侯亚 201315219 金玉201315218

指导教师王雅华 完成时间2016/4/19

教务处制

目录

1文献综述 .......................................................... 2 2交通物流发展指标评价体系的构建 .................................... 3

2.1贵州省基本情况............................................... 3 2.2交通物流发展评价指标的含义................................... 4 2.3交通物流发展评价体系指标的内容............................... 4 3贵州省物流发展水平综合评价指标体系 ................................ 5

3.1贵州省交通物流发展现状....................................... 5 3.2数据建立..................................................... 7 3.3贵州省交通物流发展评价....................................... 9 4云南省交通物流发展评价指标 ....................................... 22

4.1样本选取.................................................... 22 4.2因子分析法评价.............................................. 24 4.3聚类分析法评价.............................................. 32 4.4云南省交通物流发展建议...................................... 36 5云南省和贵州省的比较 ............................................. 37

5.1气候因素.................................................... 37 5.2经济发展因素................................................ 37 5.3交通物流基础设施及效率...................................... 37 6展望 ............................................................. 38

交通物流发展评价指标体系研究

摘要

随着经济的快速发展，物流业迅速席卷全国。而交通物流业在对经济的发展中起到了不可忽视的作用。贵州省与云南省作为中国重要的综合交通运输枢纽，是其交通物流发展的关键环节和重要组成，更是推进全省物流发展的重要先导和基础。

遵循科学性、客观性、层次性、可行性以及可量化性等原则，依据物流发展的规律与趋势，结合地区交通物流发展的现状，从物流内部发展水平与外部发展环境两大类别构建了二级综合评价指标体系。该体系不仅包含了经济因素、信息发展、以及效率高低对交通发展的影响，而且考虑到了环境因素，强调了经济可持续发展。本文首先建立了交通物流发展综合评价指标体系，提出运用因子分析对各省市交通物流的主要影响因素进行分析讨论，并对区域交通物流发展综合实力进行排序。基于因子分析的基础上还运用聚类分析对全省交通物流发展状况进行归类。最后根据所得结论提出了相应的差异化引导措施。该方法不但能够使原来复杂的问题简单化，而且所得结论客观、可信、较有说服力. 研究结果表明本文提出的方法合理可行。客观、准确地对各地区物流发展进行分析和评价，并对各地区的物流发展竞争力进行综合比较，不仅有利于该地区对其交通物流发展进行准确定位，而且是政府部门制定相关政策的前提，同时更好的的促进地区交通物流的健康发展。

关键字：交通物流 评价指标 区域差异 因子分析 聚类分析

1

1文献综述

在世界经济高速发展的今天，物流业已被认为是经济发展动脉和基础产业，而交通物流的发展已成为一个国家或地区的综合竞争力之一。目前国际与国内对于物流发展水平的研究指标逐渐成熟，而且不断改进。而且交通物流发展评价体系对一国或某一区域物流发展的结构、所存在的问题等进行进一步说明，从而也比较确切地说明一国或某一区域物流的发展水平，使国家与地区可以较准确地确定自身物流的发展重点与对策。

在中国，关于交通物流发展水平的综合评价问题，第一类许多学者与专家对其进行了研究。就评价指标来看，可以概括为以下三类：一部分学者进行定量研究，比如从现代物流需求、供给、发展环境指标和发展成效等四个方面构建了一级评价指标体系，并对应建立了二、三级评价指标体系。第二类，以定量分析为主的评价指标体系，比如包括反映物流规模的指标、反映物流需求的指标，区域物流发展紧密相关的国内生产总值、第三产业占GDP比重、公路运输枢纽布局，道路货运企业转型物流与信息化融合方式以及贵州省物流产业存在的主要问题分析、并提出了发展对策，等等。而最后一类则把定性和定量相结合的评价指标体系。李玉民等人构建的二级评价指标体系，其中一级指标体系包括5项，二级指标体系包括22项。

目前，对于区域物流发展水平评价模型的研究很少，人们的研究更多的集中对物流产业竞争力的研究上。但是在这类研究中，存在着的一个主要问题来自于对物流评价指标体系的设计需要细化，研究相对宏观，采取的研究指标也较少，难以真正反映物流产业的竞争力状况。

2

2交通物流发展指标评价体系的构建

2.1贵州省基本情况

在经济发展过程中，一国物流发展水平的高低直接影响着该国的经济发展与竞争能力。一般来说，物流发展水平越高，该国的经济发展水平就越高、竞争能力就越强；反之，相反。就地区来说，情况也是如此。自2001年3月由中国国家经贸委、铁道部等联合印发的《关于加快中国现代物流发展的若干意见》之后，中国各地方政府都制定了本地区的物流发展战略与规划，以通过物流的发展，增强竞争能力、优化经济环境、促进经济发展。其中贵州省在2012年，国家开发银行贵州省分行与贵州省发展和改革委员会在北京共同组织召开 《贵州省现代物流业发展规划（2012-2020年）》专家论证会。《规划》结合《国务院关于进一步促进贵州经济社会又好又快发展的若干意见》（国发〔2012〕2号）对贵州省建设现代综合交通运输体系的要求，提出了全省物流业发展的目标任务、工作重点和政策措施。2015年3月，贵州省政府办公厅下发《关于加快发展现代物流业的若干意见》，提出进一步加快全省现代物流业发展，将其培育成全省现代服务业重要支柱产业，加快构建布局合理、技术先进、便捷高效、绿色环保、安全有序的现代物流服务体系，逐步将贵州建设成为西南地区重要物流枢纽。政府对物流的重视，有力地促进了区域物流的发展。

而贵州省作为西南连接华南的交通枢纽，是西南南下出海大通道，具有独特的交通区位优势。随着贵州省综合运输通道和枢纽的加快建设，贵州省物流业发展的基础条件将得到进一步改善。特别是以“贵广高速铁路”为代表的八大快速交通通道的建设极大改变了贵州在西南地区的地位，打通我国西北、西南地区连接珠三角、粤港澳地区的快速铁路物流通道，也使贵州省的物流量和过境物流量大幅度增长。这些，都为贵州省物流的发展创造了有利条件，也有效地促进贵州省物流的发展。

但是，值得重视的是，在物流发展过程中，由于缺乏一套客观、科学的物流发展水平综合评价与分析指标体系与模型，使得政府难以对物流发展水平做出客观的分析与评价，进而采取有效地解决对策，促进现代物流的发展。

3

2.2交通物流发展评价指标的含义

交通评价指标体系的选择和量化是建立评价模型的基础，也是决定评价结果优劣的关键。在贵州省物流发展水平综合评价指标体系建立过程中，我们遵循了科学性、客观性、层次性、全面性、权威性、可行性以及可量化性和可比性的原则。根据构建贵州省物流发展水平综合评价指标体系的基本原则，结合物流发展的现状、发展规律以及未来发展趋势，我们从物流内部发展水平与外部发展环境等七大方面设置了评价指标体系。

2.3交通物流发展评价体系指标的内容

每个地区都有自己的交通物流系统，每个地区的交通物流系统的影响因素都不同，则其发展水平也不同。要想对交通物流发展作出评价，必须明确所研究地区的交通物流发展的组成内容。本文主要从交通物流系统、物流运输能力和交通物流资源等方面来确定交通物流发展评价指标的内容。由于一些现实原因，在实际指标构建与分析中，指标选取并不能全部涉及，但大致方向不变，只是稍作调整。本文构建的交通物流发展评价指标具体见表2-1所示。

表2-1交通物流发展指标体系

一级指标 社会经济发展 二级指标 GDP/亿元 农民常住居民人均生活支出/元 农村常住居民人均生活消费支出/元 城镇常住居民家庭人均消费性支出/元 城镇常住居民家庭人均消费性支出/元 工业增加值/亿元 地区生产总值/亿元 固定资产投资/亿元 农林牧渔业总产值/亿元 公路里程/km 高校在校人数/人 在岗职工年平均数/万人 固定电话用户数/万户 移动电话总数/万户 互联网宽带接入数/万户 交通噪声 空气综合污染指数毫克/立方米/天 4

生产消费流通 交通运输 交通物流人力资源 信息发展水平 环境影响 指标代码 X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 X14 X15 X16 X17 3贵州省物流发展水平综合评价指标体系

3.1贵州省交通物流发展现状

近几年，经济的快速发展促使贵州省交通物流业有了很大的进步，贵州省政府及地方政府部门对交通物流的发展也给予了很高的重视，物流相关部门之间的协调力度也逐渐加大。本文主要从经济状况、交通运输路线和信息技术三个方面来描述贵州省交通物流的发展现状，具体如下：

（1）经济状况

交通物流的发展的好坏与经济状况有着密不可分的关系。下面图3-1为贵州省2011-2014年地区生产总值及其增长速度，图3-2为三次产业增加值占地区生产总值比重。

图3-1 2011-2014年地区生产总值及其增长速度

从图3-1中可以看出，贵州省经济平稳较快增长。初步核算，2014年全省地区生产总值9251.01亿元，比上年增长10.8%。其中，第一产业增加值1275.45亿元，增长6.6%；第二产业增加值3847.06亿元，增长12.3%；第三产业增加值4128.50亿元，增长10.4%。全省人均地区生产总值26393元（按年平均汇率折算为4295美元）

5

图3-2 三次产业增加值占地区生产总值比重

从图3-2可以看出贵州省第一产业、第二产业和第三产业增加值占地区生产总值的比重分别为13.8%、41.6%和44.6%。与上年比，第一产业、第二产业比重分别提高0.9个和1.1个百分点，其中交通物流所在的第三产业比重下降2.0个百分点，但是在地区生产总值中所占比重仍然很高。

（2）交通运输路线

贵州地处西南腹地，与重庆、四川、云南、广西接壤，是西南交通枢纽。贵州省作为国家级大数据集聚发展示范区，交通物流也加大了建设力度，主要交通路线情况如图3-3所示，图5-4为公路、铁路和水运的货运量对比，图3-3为公路、铁路和水运的客运量对比。

20000015000010000050000020102011201220132014铁路营业里程(公里)公路营运里程(公里) 图3-3 2010-2014年贵州省交通物流运输线路情况

6

100000800006000040000200000201020122014铁路货运量/万吨公路货运量/万吨水运货运量/万吨160000140000120000100000800006000040000200000铁路客运量公路客运量水运客运量 图3-4公路、铁路和水运货运量对比 图3-5 公路、铁路和水运的客运量对比

贵州省地貌可概括分为：高原、山地、丘陵和盆地四种基本类型，高原山地居多，素有“八山一水一分田”之说，是全国唯一没有平原支撑的省份。从图3-3、3-4和3-5中可以看出，贵州的交通路线以公路为主，铁路营运里程相对很少，水运几乎为零，汽车运输由于线路和运量的限制也制约着交通物流的发展。

（3）信息技术状况

物流信息化是物流发展的必经之路，在物流企业中，物流信息化程度决定着物流企业是否能立于不败之地。近几年贵州省物流信息技术状况如图3-6所示。

600050004000300020001000020102011201220132014互联网宽带接入端口(万个)移动电话交换机容量(万户)移动电话用户(万户) 图3-6 2010-2014年贵州省信息技术状况

从图3-6 可以看出，近几年贵州省移动电话用数、互联网宽带接入端口在连年增加，这些都说明了贵州省重视信息化建设，给交通物流的发展起了推动作用。

3.2数据建立

交通物流的发展水平进行评价时，不仅要建立完善的评价指标体系，指标的数据建立也十分重要。表3-1为贵州省交通物流发展评价指标体系，结合指标的可寻性，查阅相关的统计年鉴，对应的指标原始数据如下所示。

7

表3-1 贵州省交通物流发展评价指标原始数据 X1/元 X2/元 社会经济发展 X3/元 X4/元 X5/元 X6/亿元 贵阳 市 六盘水市 遵义 市 安顺 市 毕节 市 铜仁 市 黔西南州 黔东南州 黔 南 州 55226.12 36275.18 30516.89 22441.21 19350.89 20866.62 23664.52 20117.13 24590.42 7265 6459 21698 13855 252.95 801.75 695.6 224.37 16775.01 28722 20.98 26.62 236.84 28.59 67.7 0.948 6139 5476 20990 12606 155.47 701.71 680.45 210.11 28832.23 32244 23.15 31.22 269.29 35.11 66.7 0.493 6345 5532 21300 13470 224.65 670.96 521.11 192.61 16847.24 11105 15.02 17.28 205.93 25.6 67 1.023 6233 5376 20224 13171 139.99 647.73 597.66 249.48 23819.57 23763 16.55 19.13 211.3 21.02 68.8 0.771 6223 5638 21231 13199 304.31 1266.7 1128.77 389.29 29443.47 19543 30.54 28.82 351.98 27.47 73.2 1.681 6671 6160 21042 13803 129.29 520.06 427.32 131.55 13710.52 17295 15.87 19.73 172.35 20.62 78.7 2.147 8365 7334 22728 14891 818.86 1874.36 1365.27 456.56 27041.81 66988 39.64 71.85 551.69 61.01 64.8 0.685 6791 6042 21168 13542 456.36 1042.73 895.36 122.17 12899.62 10289 22.45 21.58 250.32 22.91 68.3 1.588 10826 8724 24961 17492 636.06 2497.27 2336.06 170.68 9709.72 381838 生产消费流通 X7/亿元 X8/亿元 X9/亿元 交通运输 X10/km 人力资源 X11/人 X12/万人 91.6 信息发展水平 X13/万户 102.9 X14/万户 X15/万户 环境效应 X16/dB(Aa) 69.5 X17/mg/m3 810.14 105.44 2.126

8

3.3贵州省交通物流发展评价

3.3.1 因子分析法评价

本文借助SPSS20.0 for windows 软件进行因子分析，结果如下： （1）描述性统计量

在输出的结果中，首先显示的是进行因子分析的各变量的描述性统计量，包括均值、标准差和分析中的样本数量，如下表3-2所示。

表3-2描述性统计量

X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 X14 X15 X16 X17 有效的 N

分析样本数N

9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 平均数 28116.5533 7206.4444 6304.5556 21704.6667 14003.2222 346.4378 1113.6967 960.8444 238.5356 19897.6878 65754.1111 30.6444 37.6811 339.9822 38.6411 69.4111 1.2736 标准偏差 11538.55661 1528.98815 1096.41519 1390.56364 1449.58734 242.57375 666.51323 596.46441 113.51784 7478.90934 119747.00500 24.17201 29.59195 209.85625 27.95878 4.17745 .62564 从表3-2中，我们可以看出指标代码X11的平均值最大，即“高校在校人数”指标的均值最大，为65754.1111，标准差也最大，为119747.00500；分析样本数为9。

（2）指标数据的标准化

不同的指标变量由于单位的不同很难统一，本文借助SPSS20.0软件，将原始数据标准化，结果如下表3-3所示。

9

表3-3 原始数据标准化

ZX1 ZX2 ZX3 ZX4 ZX5 ZX6 ZX7 ZX8 ZX9 ZX10 ZX11 ZX12 ZX13 ZX14 ZX15 ZX16 ZX17 地区 2.34948 2.36729 2.20669 2.34174 2.40674 1.19396 2.07584 2.30561 -.59775 -1.36223 2.63960 2.52174 2.20394 2.24038 2.38919 .02128 1.36251 贵阳市 六盘水市 .20803 .75773 .93892 .73591 .61243 1.94754 1.14126 .67804 1.92062 .95524 .01030 .37215 1.15467 1.00882 .80007 -1.10381 -.94072 .70708 -.27171 -.23947 -.38593 -.31817 .45315 -.10647 -.10979 -1.02509 -.93571 -.46319 -.33901 -.54410 -.42726 -.56265 -.26598 .50259 遵义市 -.49186 -.35020 -.13184 -.47655 -.13812 -.89518 -.89066 -.89448 -.94246 -.82728 -.40468 -.61122 -.60662 -.79880 -.64456 2.22358 1.39607 安顺市 -.75968 -.64320 -.60794 -.34063 -.55479 -.17367 .22956 .28153 1.32802 1.27636 -.38591 -.00432 -.29944 .05717 -.39956 .90699 .65124 毕节市 -.62832 -.63666 -.84690 -1.06480 -.57411 -.85107 -.69911 -.60890 .09641 .52439 -.35067 -.58309 -.62690 -.61319 -.63025 -.14629 -.80326 铜仁市 黔西南州 黔东南州 -.30560 .03830 .14086 -.00479 -.10225 -.38540 -.46803 -.44469 -.12479 -.41753 -.30925 -.39982 -.37379 -.49149 -.35950 -.40961 -.52035 -.69328 -.69814 -.75570 -.51394 -.96388 -.78726 -.61812 -.47009 -.25041 1.19463 -.27984 -.31005 -.21834 -.33686 -.12630 -.64899 -1.24760 -.38584 -.56341 -.70462 -.29101 -.36784 -.50206 -.66426 -.73724 -.40457 -.40787 -.45637 -.64639 -.68941 -.63878 -.46644 -.57717 -.40048 黔南州

10

（3）公因子方差

公因子方差表示了各个变量的共同度，如下表3-4所示。

表3-4公因子方差 指标代码 Zscore(X1) Zscore(X2) Zscore(X3) Zscore(X4) Zscore(X5) Zscore(X6) Zscore(X7) Zscore(X8) Zscore(X9) Zscore(X10) Zscore(X11) Zscore(X12) Zscore(X13) Zscore(X14) Zscore(X15) Zscore(X16) Zscore(X17) 起始 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 撷取 .953 .975 .936 .962 .965 .767 .977 .955 .943 .923 .908 .953 .976 .990 .960 .978 .949 撷取方法：主体组件分析。 表3-4中第一列为指标代码；第二列“初始”是根据初始解计算出的变量的共同度，表示的是将所有的变量作为公共因子的共同度，所以初始值均为1；第三列“提取”表示系统确认提取一定数量的因子时每个初始变量的共同度，其实就是在最终提取的所有公共因子中，每个初始变量能被解释的比例，数值在[0,1]之间。如X1（人均GDP）提取的共同度为0.953，X2（农村常住居民人均可支配收入）提取的共同度为0.975，其他类似。一般来说变量的共同度越高越好，0.8以上是比较理想的状态。

（4）方差解释表

方差解释表显示了主成分、初始特征值和方差贡献率等信息，如表3-5。

11

表3-5方差解释表 说明的变异数总计 起始特征值 撷取平方和载入 循环平方和载入 变异组件 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 总计 12.088 2.850 1.132 .524 .257 .082 .045 .022 7.379E-16 5.091E-16 4.266E-16 2.169E-16 -1.972E-17 -1.141E-16 -3.487E-16 -5.826E-16 -1.058E-15 变异的 % 71.106 16.763 6.660 3.084 1.511 .485 .262 .129 4.340E-15 2.994E-15 2.509E-15 1.276E-15 -1.160E-16 -6.713E-16 -2.051E-15 -3.427E-15 -6.225E-15 累加 % 总计 变异的 % 累加 % 总计 71.106 71.106 11.961 16.763 87.869 2.301 6.660 94.530 1.807 的 % 累加 % 71.106 12.088 87.869 94.530 97.614 99.125 99.609 99.871 100.000 100.000 100.000 100.000 100.000 100.000 100.000 100.000 100.000 100.000 2.850 1.132 70.362 70.362 13.536 83.898 10.632 94.530 撷取方法：主体组件分析。 表3-5分为10列，第一列为因子编号，每个因子对应三个部分，分别为“初始特征值”（第2-4列）、“提取平方和载入”（第5-7列）、“旋转平方和载人”（第8-10列）。第一个因子的特征值是12.088，方差贡献率为71.106%，表示可以解释所有20个变量的71.106%是方差贡献最大的一个；前3个因子解释了所有变量的94.530%，且特征值均大于1，所以提取前3个公共因子分析即可。

（5）陡坡图

在陡坡图中，横轴表示因子序号，因子序号按照其特征值大小从小到大排列，特征值最大的因子排在最左边，作为因子1，其他依次牌子啊后面；陡坡图的纵坐标表示因子特征值的大小，这样就形成一条代表因子特征值的权。本次分析的陡坡图如下图3-6所示。

12

图3-6 陡坡图

从图3-6可以看出从第四个因子开始，因子解曲线开始变得比较平缓，这意味着该因子后面的这些因子特征值大小比较接近，在简化变量过程中作用不大。该陡坡图的拐点其实是在第三个因子，即提取前三个因子是比较合适的，这也符合上述方差解释表3-5的结果。

（6）成分矩阵

旋转前的成分矩阵也成为因子载荷矩阵，从下表3-7中我们可以得到利用主成分方法提取的三个主因子的载荷值。

表3-7 成分矩阵

元件 成分矩阵a Zscore(X1) Zscore(X2) Zscore(X3) Zscore(X4) Zscore(X5) Zscore(X6) Zscore(X7) Zscore(X8) Zscore(X9) Zscore(X10) Zscore(X11) Zscore(X12) Zscore(X13) Zscore(X14) Zscore(X15) Zscore(X16) Zscore(X17) 13

1 .916 .983 .965 .980 .970 .784 .955 .963 .082 -.384 .938 .974 .968 .970 .974 -.161 .400 2 -.242 -.058 -.059 -.008 -.154 .389 .218 .112 .847 .804 -.164 -.021 .192 .198 .102 -.697 -.765 3 -.236 -.074 -.014 -.030 -.016 -.005 .130 .119 .468 .360 -.039 .069 .044 .104 -.033 .683 .451

从表3-7 中可以看出，有12个指标在第一个因子上的负荷较高（通常以高于0.8为准），第二个因子上有3个指标负荷较高（以高于0.7为准），第三个因子上有一个指标负荷较高，所以可以通过因子旋转使因子载荷向两极分化，使因子载荷高的更高，低的更低，更方便因子解释。

（7）旋转成分矩阵

为了方便解释因子含义，需要进行因子旋转。通过因子旋转，载荷的大小可以进一步分化，不同变量的因子归属也更加清晰。旋转后的因子载荷矩阵如下表3-8所示。

表3-8旋转成分矩阵a 元件 Zscore(X1) Zscore(X2) Zscore(X3) Zscore(X4) Zscore(X5) Zscore(X6) Zscore(X7) Zscore(X8) Zscore(X9) Zscore(X10) Zscore(X11) Zscore(X12) Zscore(X13) Zscore(X14) Zscore(X15) Zscore(X16) Zscore(X17) 1 .874 .967 .952 .972 .946 .822 .978 .973 .192 -.280 .912 .967 .984 .989 .977 -.211 .330 2 -.434 -.198 -.160 -.132 -.235 .214 .146 .056 .940 .890 -.254 -.080 .071 .112 -.047 -.102 -.359 3 .001 .016 .063 .020 .121 -.214 .005 .061 -.154 -.230 .108 .106 -.047 -.002 -.051 .961 .843 从表3-8中可以看出，旋转后的因子载荷矩阵中，第一个因子在X1(人均GDP)、X2（农村常住居民人均可支配收入）、X3（农村常住居民人均生活消费支出）、X4（城镇常住居民家庭人均可支配收入）、X5（城镇常住居民家庭人均消费性支出）、X6（工业增加值）、X7（地区生产总值）、X8（固定资产投资）、X11（高校在校人数）、X12（在岗职工年平均数）、X13（固定电话用户数）、X14（移动电话总数）、X15（互联网宽带接入数）这些指标上的载荷较大，说明第1个因子具有很强的综合能力，这些指标在一定程度上反映了地区交通物流的经济效益和基

14

础设施；第2个因子在X9（农林牧渔业总产值）和X10（公路里程）这些指标上载荷较高，从一定程度上反映出一个地区交通物流的发展潜力；第3个因子在X16（道路交通噪声）和X17（空气综合污染指数）这两个指标上载荷较高，反映的是交通物流的环境效应。因子载荷矩阵是因子分析中最重要的部分，通过该表可以明晰各指标的因子归属。

（8）主成份分值表

根据SPSS20.0软件，得出各个主成份分值，结果如下表5-8所示。

表3-9 主成份分值表

地区 贵阳市 FAC1_1 FAC2_1 FAC3_1 2.29429 -.91162 .44204 六盘水市 -.28112 -1.04516 -.26802 遵义市 安顺市 毕节市 铜仁市 .97195 1.49594 -.90265 -.67619 -.57890 1.88147 -.17459 1.67964 1.31045 -.69665 .15916 -.35834 黔西南州 -.59965 -.60724 -.65560 黔东南州 -.53890 黔南州 .27151 -.88636 -.29912 -.46332 -.56299 表3-9给出了因子分析结果计算出来的三个主成份变量的分值。表中的每个主成分变量都是原始变量标准化后的线性组合，并且每个主成分变量无相关性。其中每一个主成份解释的方差比率最大，但是由于主成份变量都是所有原始变量的线性组合，因此很难定义每个主成分的具体含义，只能达到降维的结果。

（9）主成份综合得分表

从方差解释表3-10中以各主成份的方差贡献率为权重，可以得到主成份综合得分模型为：Y=71.106 FAC1+16.763 FAC2+6.66 FAC3，把标准化处理后的数据带入主成份综合得分模型中，计算出主成份综合得分如下表3-10。

15

表3-10主成份综合得分表

地区 贵阳市 六盘水市 遵义市 安顺市 毕节市 铜仁市 黔西南州 黔东南州 黔南州 FAC1_1 2.29429 -.28112 .97195 -.67619 -.17459 -.69665 -.59965 -.53890 -.29912 FAC2_1 -.91162 -1.04516 1.49594 -.57890 1.67964 .15916 -.60724 .27151 -.46332 FAC3_1 .44204 -.26802 -.90265 1.88147 1.31045 -.35834 -.65560 -.88636 -.56299 Y 150.80048 -39.29459 88.17596 -45.25477 24.46875 -49.25476 -57.18429 -39.67125 -32.78553 综合排序 1 5 2 7 3 8 9 6 4 表3-10中可以看出云南省16个州市中交通物流的发展水平，排在前四位的分别是贵阳、遵义、毕节、黔南州；排在后四位的分别是黔东南州、安顺、铜仁、黔西南州；各城市的交通物流发展水平不太平衡。

3.3.2聚类分析法评价

（1）案例处理汇总表

在系统聚类分析中，首先显示的案例处理汇总表，介绍参加聚类的案例个数和百分比等基本信息。案例处理汇总表如下表5-10。

表3-11案例汇总表

观察值 有效 N 9 百分比 100.0% N 0 遗漏 百分比 0.0% N 9 总计 百分比 100.0% （2）聚类状态表

聚类状态表能直观地显示聚类分析过程中各阶段所聚合的变量，如下表3-12所示。

16

表3-12聚类状态表

结合的丛集

阶段 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

丛集 1

12 15 2 5 6 2 6 1 2 5 2 2 2 2 1 丛集 2

14 16 4 11 12 10 15 7 3 9 13 8 5 6 2 系数 .934 1.266 1.373 1.567 1.615 1.866 2.210 2.528 2.572 2.822 3.099 3.221 3.557 4.436 7.548 阶段丛集第一个出现 丛集 1

0 0 0 0 0 3 5 0 6 4 9 11 12 13 8 丛集 2

0 0 0 0 1 0 2 0 0 0 0 0 10 7 14 下一个暂置

5 7 6 10 7 9 14 15 11 13 12 13 14 15 0 从表3-12中，我们可以看出聚类状态表共7列。第一列表示了聚类过程的步骤数；第2、3列表示的是对应的步骤中哪些变量进行了合并；第4列表示的是被合并的两变量之间的距离；第5、6列表示的是参与聚类的样本小类，0表示该样本是第一次出现在聚类过程中，其他数值表示由相应的步骤生成的小类；第7列表示本步骤类的结果下一次将在第几步与其它类合并。

（3）聚类成员表

根据研究目的及本操作的设置，确定具体的较为合理的类别数和成员归属，得聚类成员表3-13。

表3-13不同分类下聚类成员表

观察值 1:Case 1 2:Case 2 3:Case 3 4:Case 4 5:Case 5 6:Case 6 7:Case 7 8:Case 8 9:Case 9

4 丛集

1 2 3 4 4 4 2 4 3 3 丛集

1 2 2 3 3 3 2 3 2 2 丛集

1 2 2 2 2 2 2 2 2

17

本案例操作中，最小聚类数设为2，最大聚类数设为4，故在聚类成员表中显示了在类别数分别为2、3、4时样本的类别归属情况。如当类别数为2时，贵阳市属于第一类，剩余的8个城市归为一类。

（4）树状图

树状图可以非常直观地反映聚类过程及样本间的层次关系，本案例聚类过程的树状图如下3-14。

图3-14聚类树状图

从图3-14中可以看出这9个地区的聚类过程，第一类为贵阳市，这些地区交通物流发展良好；第二类为六盘水市、黔西南州，这些地区的交通物流发展稍好；第三类为遵义市、安顺市、毕节市、铜仁市、黔东南州、黔南州，这些地区由于地理位置交通以及旅游等，交通物流水平可以归为一类。

3.3.3结果分析

将因子分析各主成份分值进行排序，最终结果如下表3-15所示。

18

表3-15最终结果表

地区 FAC1 排序 FAC2 排序 FAC3 排序 Y 总排序 贵阳市 2.29429 1 -.91162 8 .44204 3 150.80048 六盘水市 遵义市 -.28112 4 -1.04516 9 -.26802 4 -39.29459 .97195 2 1.49594 2 -.90265 9 88.17596 安顺市 -.67619 8 -.57890 6 1.88147 1 -45.25477 毕节市 -.17459 3 1.67964 1 1.31045 2 24.46875 铜仁市 -.69665 9 .15916 4 -.35834 5 -49.25476 黔西南州 黔东南州 黔南州 -.59965 7 -.60724 7 -.65560 7 -57.18429 -.53890 6 .27151 3 -.88636 8 -39.67125 -.29912 5 -.46332 5 -.56299 6 -32.78553 （1）从第一个主因子即经济发展效益和基础设施中可以看出，贵阳和遵义比较靠前，而安顺和铜仁比较靠后；

（2）从第二个主因子即交通物流发展潜力可以看出，毕节和遵义比较靠前，而贵阳和六盘水比较靠后；

（3）从第三个主因子即交通物流的环境效应可以看出，安顺和毕节比较靠前，而遵义和黔东南州比较靠后。

4 6 9 8 3 7 2 5 1 19

3.3.4贵州省交通物流发展建议

（1）加快交通运输一体化的建设

外向型经济的发展，区域的统筹协调发展，都离不开交通运输一体化的支撑，需要在区域间建设结构合理的交通运输大通道。加快以贵阳为中心的支线机场建设，实现 “便捷、 经济的空中走廊” 航空网络，以促进铁路、公路、内河、民航运输互补发展，尽快形成一体化的立体交通网络，将贵州交通体系整体做大做强。使贵州与世界连为一体。贵州是一个典型的山区省份，支线机场建设具有投资成本相对较低、投资周期较短的优势，可以很快实现封闭落后地区与发达地区的联系、沟通和促进旅游开发。在交通一体化进程中，要特别注意经济效益和基础设施薄弱的安顺市和铜仁市。

（2）走节能、环保、安全、可持续之路

贵州各市在发展的过程中应该注意当地的环境保护，建设资源节约型、环境友好型的城市，坚持走交通绿色可持续发展道路。根据各市交通运输需求状况， 加快适应各市实际的交通运输方式的发展，构建协调可持续发展的现代综合交通运输体系；同时，在建设、管理、技术、政策等各个方面提高交通运输的效率、 质量和安全，降低资源和能源消耗，保护生态环境。特别是环境效应不太好的遵义和黔东南州。

（3）加大财政投入和扶持力度

交通物流的发展离不开政府的引导规划和支持，各级政府应该通过政策引导、加强健全体制的手段，积极为贵州省交通物流发展提供良好的运行环境。铜仁市、黔西南州和安顺市的地区经济基础和产业基础都比较薄弱、城市化水平不高，贵州省政府应该大力扶持这些地区的经济发展，加大财政投入和扶持力度。在交通运输项目规划、实施计划、资金补助、政策机制等方面对铜仁市、黔西南州和安顺市给予支持，通过各方的合作，大交通助推铜仁的大发展，努力推进各方合作结出更多丰硕成果。

（4）加强交通物流信息化建设

交通物流发展的必经之路就是物流信息化。信息网络技术是构成现代物流体系的重要组成部分，也是提高物流服务效率的重要技术保障。首先，可以建立各

20

城市间在运输、仓储、商品交易等的物流信息平台；其次，加强对物流技术的研发力度，建立完善的信息化网络。

（5）加大对物流人才的投入

物流人才的充足程度决定了交通物流发展水平，由此，要想加快贵州省交通物流发展进程，贵州省需要引进专业的物流人才。一是采用多层次的物流人才引进模式。从政府层面上，制定切实有效的具有吸引力的政策措施，吸引国内外物流人才加盟我省现代物流行业；从企业层面上，可以通过健全企业物流运行机制和激励机制，充分调动人才积极性，发挥物流人才的主观能动性。二是采取多种途径的物流人才培养模式，加强对人才的培养。引导和支持省内外有实力的高校开展对我省物流人才的培养；加强对现有物流技术人员和管理人员的再培训和再教育，通过定期举办物流讲座或培训班等形式，提高技术和管理人员的素质。

21

4云南省交通物流发展评价指标

4.1样本选取

在对交通物流的发展水平进行评价时，不仅要建立完善的评价指标体系，指标的数据来源也很重要，理论上十分有用却根本不能得到数据的指标列入到评价指标体系中也是徒然。查询相关统计年鉴，对应的指标原始指标如下表，原始数据如表4-1。

一级指标 社会经济发展 二级指标 GDP/亿元 人均GDP/亿元 农民常住居民人均生活支出/元 城镇常住居民家庭人均消费性支出/元 社会消费品零售总额 旅游总收入/亿元 工业增加值/亿元 地区生产总值/亿元 固定资产投资/亿元 进出口总额/亿元 进口总额/亿元 出口总额/亿元 农林牧渔业总产值/亿元 旅客吞吐量/万人 货物吞吐量/万吨 社会就业人员/万人 交通运输仓储就业人员/万人 交通运输行业职工工资/万元/人 公路通车里程 民用汽车拥有量 载客汽车拥有量 载货汽车拥有量 移动电话总数/万户 通有线电视村数/个 通宽带村数/个 交通噪声 空气综合污染指数毫克/立方米/天 交通运输用地面积/万公顷 22

生产消费流通 交通运输总量 交通物流人力资源 交通物流基础设施 交通物流信息平台 环境效应 指标代码 X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 X14 X15 X16 X17 X18 X19 X20 X21 X22 X23 X24 X25 X26 X27 X28 表4-1指标原始数据 地区 昆 明 曲 靖 玉 溪 保 山 昭 通 丽 江 普 洱 临 沧 楚 雄 红 河 文 山 西双版纳 大 理 德 宏 怒 江 迪 庆 670.34 29100.91 14.52 18.03 38.45 133.7811 147.21 82.53 1.47 0.07 0.95 0.06 18.4859 286 368.31 27.87 0.14 5.89 4.2 92 88 51.1 0.53 0.33 8.63 3.45 1.87 1.87 615.69 13165.03 10.85 14.86 26.6 21.12714 100.12 58.28 1.28 0.39 0.24 0.15 26.5449 18 0.52 32.13 0.21 3.21 5.3 154 90 56.3 0.84 0.1 7.41 1.98 0.72 0.72 465 18669.64 51.92 82.92 100.76 127.2214 274.2 219.09 3.13 53.24 23.8 29.44 114.4644 380 6.25 79.1 0.13 4.01 5.8 165 286 5.3 0.75 0.35 49.55 8.79 3.81 3.81 465.1 19830.38 167.06 240.3 267.49 322.9292 832.33 493.01 8.54 3.38 0.81 2.57 344.2591 353 0.19 212.56 0.68 4.32 39.2 873 1004 39.2 0.68 0.92 84.12 20.76 6.03 6.03 100.12 20140.39 52.3 64.7 95.16 228.0205 306.02 168.63 3.93 19.62 11.5 8.12 146.7553 305 5.75 57.72 0.22 3.25 9.3 221 195 35 0.92 0.29 46.79 8.92 3.11 3.11 501 20887.25 107.51 161.9 263.63 84.004 615.87 408.28 2.99 1.08 0.3 0.78 240.8582 68 16.79 215.55 0.74 3.52 43.8 521 716 43.8 1 0.74 70.42 13.23 4.47 4.47 261.8 21503.7 146.65 256.95 291.4 157.5725 1127.09 622.64 4.8 8.93 1.43 7.5 329.6784 62 125.84 270.2 0.74 3.98 41.2 692 717 36.4 1.3 1.07 86.29 24.16 7.89 7.89 249.8 22745.1 105.09 153.28 238.37 83.51576 705.66 336.69 16.71 3.34 0.48 3.33 262.9662 46 12.48 164.39 0.57 3.56 20.8 998 814 20.8 1.08 0.8 56.47 13.19 3.36 3.36 832.2 23125 89.61 114.81 137.24 42.65743 465.12 461.97 4.04 2.33 1.31 1.02 226.8378 66 1.37 152.32 0.3 3.59 10.9 281 661 37.3 0.89 0.64 70.2 7.66 3.2 3.2 1127 25548.62 95.02 133.41 131.29 89.6734 476.95 441.32 4.68 7.62 4.73 2.89 234.5728 55 3.56 160.2 0.43 3.89 4.9 450 599 4.9 0.78 0.71 86.19 11.28 4.77 4.77 1649.4 26456.71 47.57 66.71 84.32 378.7914 269.68 225.2 2.19 0.86 9.56 0.86 78.7059 400 18.98 80.11 0.32 6.12 8.5 124 227 11.4 0.7 0.4 25.95 9.26 2.61 2.61 701.8 27130.97 172.93 161.94 190.06 87.83098 669.51 550.41 3.32 0.63 0.02 0.62 214.189 63 345.11 304.82 0.43 3.92 47.2 361 392 47.2 1.34 0.57 65.06 13.86 4.97 4.97 306.02 27969.21 108.39 106.18 158.7 92.32155 503.09 318.63 3.33 2.68 1.61 1.07 224.9145 24 0.82 161.33 0.35 3.18 29.8 700 703 29.8 1.06 0.59 66.33 10.24 3.98 3.98 147.2 29031.98 129.79 178.67 259.1 108.5734 1184.73 333.9 2.19 9.69 0.56 9.13 210.3296 22 0.79 160.56 0.5 3.51 20.2 579 580 20.2 4.3 0.59 79.48 22.07 7.45 7.45 1184.7 39582.31 207.6 436.39 444.38 92.94835 1548.46 708.39 5.83 4.47 0.08 4.39 523.0017 115 6.22 385.23 1.18 3.2 31.7 1080 933 31.7 4.02 1.07 105.96 37.1 8.74 8.74 社会经济发展 X1 X2 X3 X4 X5 生产消费流通 X6 X7 X8 X9 X10 X11 交通运输总量 X12 X13 X14 X15 3.24 交通物流人力资源 X16 X17 X18 交通物流基础设施 X19 X20 X21 683 X22 交通物流信息平台 X23 X24 X25 环境效应 X26 X27 X28 3712.99 52985.96 274.64 1060.01 1905.89 614.773 3712.99 2574.34 11.45 177.87 61.79 116.07 316.7696 87 461.32 11.89 6.79 31.6 743 31.6 4.32 1.71 199.06 138.29 13.87 13.87 23

4.2因子分析法评价

（1）描述性统计量

在输出结果中，首先显示的是进行因子分析的各变量的描述性统计量，包括均值、标准差和分析中的样本变量，如下表4-2所示 表4-2描述性统计资料 X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 X14 X15 X16 X17 X18 X19 X20 X21 X22 X23 X24 X25 X26 X27 X28 有效的 N N 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 最小值 最大值 平均数 标准偏差 100.12 3712.99 811.8850 878.91128 13165.03 52985.96 26117.0725 9284.27502 10.85 274.64 111.3406 71.07485 14.8600001060.01000203.191250250.78589513000000001 0000000200 000000000 4342330 26.60 1905.89 289.5525 444.54042 21.127141614.773019166.608810153.5111734800000000 00000010 249999980 4284850 100.12 3712.99 808.6894 871.11906 58.28 2574.34 500.2069 582.98249 1.28 16.71 4.9919 4.07723 .07 177.87 18.5125 44.46955 .02 61.79 7.4481 15.81450 .06 116.07 11.7500 28.73414 18.4859 523.0017 219.583331 128.0188477 18 400 146.88 142.076 .19 368.31 57.2638 120.84647 27.87 461.32 182.8381 123.67164 .13 11.89 1.1769 2.86996 3.18 6.79 4.1213 1.12747 4.2 47.2 22.150 15.5852 92 1080 502.12 321.814 88 1004 543.00 292.568 4.9 56.3 31.375 15.4252 .53 4.32 1.5319 1.34884 .10 1.71 .6796 .38850 7.41 199.06 69.2444 44.39177 1.98 138.29 21.5150 32.33807 .72 13.87 5.0531 3.20578 .72 13.87 5.0531 3.20578 24

（2）指标数据标准化

表4-3数据标准化

地区 昆明 曲靖 玉溪 保山 昭通 丽江 普洱 临沧 楚雄 红河 文山 西双版纳 大理 德宏 怒江 迪庆 ZX1 3.30079 0.42418 -0.75626 -0.57556 -0.12525 0.95290 .35853 0.02311 -0.63952 -0.62587 -0.35372 -0.80983 ZX2 2.89402 1.45033 0.31396 0.19949 0.10921 0.03658 0.06123 -0.32227 -0.36319 -0.49690 -0.56330 -0.64374 ZX3 2.29757 1.35434 0.25958 -0.04151 0.86654 -0.89723 -0.22963 -0.30574 -0.08794 0.49679 -0.05390 -0.83068 ZX4 3.41653 0.92987 -0.09778 -0.38683 -0.16449 -0.54421 -0.27825 -0.35242 -0.19902 0.21436 -0.16465 -0.55223 ZX5 3.63597 0.34829 -0.06850 -0.29435 -0.22381 -0.46167 -0.35601 -0.34263 -0.11514 0.00416 -0.05831 -0.43729 ZX6 2.91942 -0.47984 -0.37805 -0.48392 -0.51317 1.38220 -0.50117 -0.80744 -0.54128 -0.05886 -0.53810 0.40005 ZX7 3.33399 0.84922 0.43168 -0.35081 -0.15977 0.61876 -0.38082 -0.39440 -0.11827 0.36551 -0.22135 -0.57704 ZX8 3.55780 0.35710 -0.28527 -0.31146 0.08611 0.47172 -0.10101 -0.06559 -0.28048 0.21001 -0.15768 -0.56876 ZX9 1.58368 0.20539 -0.68730 -0.40772 -0.41017 0.68730 -0.07664 -0.23360 2.87367 -0.04721 -0.49111 -0.26057 ZX10 ZX11 ZX12 ZX13 ZX14 ZX15 ZX16 ZX17 ZX18 ZX19 ZX20 ZX21 ZX22 ZX23 ZX24 ZX25 ZX26 ZX27 ZX28 3.58352 -0.31578 -0.19839 -0.35603 -0.40213 0.39696 -0.24494 -0.36390 -0.34119 -0.21548 -0.39201 0.02490 3.43621 -0.46591 -0.43556 -0.36916 -0.46970 .13354 -0.17188 -0.38813 -0.44062 -0.38054 -0.45200 0.25621 3.63052 -0.25614 -0.09118 -0.37168 -0.38734 0.37899 -0.30834 -0.37342 -0.29303 -0.14791 -0.38178 -0.12633 0.75916 2.37011 -0.07228 0.04164 -0.04214 1.10044 0.11709 0.05667 0.33888 0.85999 0.16619 -0.56889 -0.42143 -0.22435 -0.87893 -0.86485 -0.59035 .78161 -0.64666 -0.56924 -0.71001 -0.59739 -0.55516 1.11296 -0.44704 -0.42239 -0.46732 -0.46707 2.38192 0.31680 -0.44440 -0.46252 -0.37058 0.56747 -0.33492 -0.42627 2.25178 1.63653 -0.18014 -0.17391 0.98634 0.83065 -0.18305 -0.24677 -0.14917 0.70640 0.26451 -1.01170 3.73285 0.00109 -0.23585 -0.28811 -0.26024 0.29857 -0.26024 -0.30554 -0.21146 -0.15222 -0.15222 -0.33341 2.36702 -0.81709 -0.54214 -0.83483 -0.17850 .77277 -0.20510 -0.47119 -0.49779 -0.12528 -0.53327 -0.77274 0.60634 0.61276 -0.12512 0.49085 1.60729 0.87583 -1.10682 -0.72184 -0.08662 1.22231 1.38913 -0.82450 0.74849 1.79568 0.23888 0.61487 -0.43853 1.17498 -0.16197 -0.68712 1.54088 0.59002 0.05865 -0.87356 0.47852 1.33302 0.12647 0.54688 -0.51612 1.08009 0.19141 0.40333 0.92628 0.59473 0.59132 -1.18947 0.01459 0.02107 -0.72446 -0.10211 1.02592 1.29496 -1.71635 0.38411 -0.68557 0.32577 0.80550 0.23501 2.06706 1.84464 2.05223 -0.34984 -0.14225 0.61673 -0.55742 -0.47587 -0.33501 -0.17191 -0.39432 -0.45363 2.64782 1.00257 -0.23136 -0.23136 -0.28278 0.71980 0.07712 -0.10283 0.30848 1.00257 0.15424 -1.00257 2.92432 0.82708 0.23057 -0.06565 -0.09426 0.97528 0.38173 0.02153 -0.28776 0.38398 0.02648 -0.50582 3.61107 0.48194 0.01716 -0.34866 -0.23672 0.37897 -0.31650 -0.42844 -0.25744 0.08179 -0.25620 -0.38948 2.75031 1.15007 0.74767 -0.33475 -0.02593 0.76210 -0.08832 -0.57806 -0.52815 0.88493 -0.18190 -0.60613 2.75031 1.15007 0.74767 -0.33475 -0.02593 0.76210 -0.08832 -0.57806 -0.52815 0.88493 -0.18190 -0.60613 -0.39456 -0.39468 -0.22323 -0.16105 -0.67713 -0.80216 -1.39505 0.32139 0.78395 -0.83603 -1.41387 -1.36223 0.14797 -0.47958 -0.75096 -0.73832 -0.04963 -0.42469 -0.59152 -0.56486 1.01830 -0.25658 -0.94769 -0.21385 0.02714 -0.61357 -0.81340 -0.75934 -0.01234 -0.48220 -0.75804 -0.71645 0.87001 -0.45677 -0.91048 -0.86388 -0.34029 0.78093 -0.40753 -0.41472 -0.41975 1.03398 -0.45579 -0.41090 -0.31948 0.61564 -0.40370 -0.40683 0.97389 -0.82112 -1.50789 -1.57084 1.45080 1.64084 -0.90708 0.97923

-0.47228 -0.42214 -0.46955 2.57390 0.24033 -0.83882 -1.21862 -1.25306 -0.17313 -0.36477 -0.33689 -0.36129 0.17628 -0.09867 -0.80822 1.56877 1.09398 -1.04907 -1.08115 -1.15173 1.15245 -1.04758 -1.08176 -1.27442 1.57570 -0.87843 -1.54836 -1.55519 0.50729 -1.69042 1.61586 1.27875 -0.63156 -0.57967 -0.51294 -0.74277 0.61697 -0.84833 -1.49101 -0.89975 0.33510 -0.44365 -1.39292 -1.36544 -0.02335 -0.39350 -0.60409 -0.55863 0.30472 -0.38778 -1.35166 -0.99293 0.30472 -0.38778 -1.35166 -0.99293 25

（3）公因子方差

公因子方差表示了各变量的共同度，如下表4-4所示：

表4-4公因子方差

起始 擷取 Zscore(X1) 1.000 .834 Zscore(X2) 1.000 .765 Zscore(X3) 1.000 .957 Zscore(X4) 1.000 .990 Zscore(X5) 1.000 .980 Zscore(X6) 1.000 .893 Zscore(X7) 1.000 .988 Zscore(X8) 1.000 .976 Zscore(X9) 1.000 .555 Zscore(X10) 1.000 .933 Zscore(X11) 1.000 .939 Zscore(X12) 1.000 .948 Zscore(X13) 1.000 .921 Zscore(X14) 1.000 .783 Zscore(X15) 1.000 .788 Zscore(X16) 1.000 .942 Zscore(X17) 1.000 .965 Zscore(X18) 1.000 .875 Zscore(X19) 1.000 .815 Zscore(X20) 1.000 .904 Zscore(X21) 1.000 .932 Zscore(X22) 1.000 .657 Zscore(X23) 1.000 .720 Zscore(X24) 1.000 .952 Zscore(X25) 1.000 .950 Zscore(X26) 1.000 .992 Zscore(X27) 1.000 .921 Zscore(X28) 1.000 .921

一般来说，变量的共同度越高越好，0.8以上是比较理想的状态。

（4）方差解释表

方差解释表显示了主成分、初始特征值和方差贡献率等信息，如表4-5所示：

26

表4-5方差解释表 起始特征值 组件 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 撷取平方和载入 变异的 % 累加 % 60.180 60.180 16.855 77.035 6.852 83.887 4.659 88.546 循环平方和载入 总计 13.427 7.538 1.917 1.910 变异的 % 累加 % 47.954 47.954 26.923 74.877 6.847 81.724 6.822 88.546 总计 变异的 % 累加 % 总计 16.850 60.180 60.180 16.850 4.719 16.855 77.035 4.719 1.919 6.852 83.887 1.919 1.305 4.659 88.546 1.305 .962 3.435 91.981 .674 2.407 94.388 .458 1.637 96.026 .420 1.499 97.525 .247 .883 98.408 .178 .637 99.045 .104 .371 99.415 .072 .258 99.673 .058 .208 99.881 .027 .097 99.978 .006 .022 100.000 3.391E-15 1.211E-14 100.000 1.117E-15 3.990E-15 100.000 6.963E-16 2.487E-15 100.000 5.841E-16 2.086E-15 100.000 5.536E-16 1.977E-15 100.000 4.048E-16 1.446E-15 100.000 3.411E-16 1.218E-15 100.000 2.056E-16 7.342E-16 100.000 4.952E-19 1.769E-18 100.000 -2.313E-16 -8.259E-16 100.000 -3.583E-16 -1.280E-15 100.000 -5.032E-16 -1.797E-15 100.000 -1.308E-15 -4.670E-15 100.000 撷取方法：主体组件分析。 第一个因子的特征值为16.850，方差贡献率为60.180，表示可以解释所有28个变量的60.180%，是方差贡献最大的一个；前四个因子解释了所有变量的88.546%，且特征值均大于1，故提取前4个公共因子分析即可。

（5）陡坡图 如图4-6所示：

27

图4-6陡坡图

由图4-1可以看出，从第5个因子开始，因子解曲线开始变得比较缓慢，意味着该因子后面的这些因子特征值大小比较接近，在简化变量过程中作用不大。该碎石图的拐点其实是在第四个因子，即提取前四个因子是比较合适的。

（6）成分矩阵

旋转前的成分矩阵为也称为因子载荷矩阵，从下表4-11中我们可以得到利用主成分方法提取的三个主因子的载荷值。

28

表4-7成分矩阵 元件矩陣a Zscore(X1) Zscore(X2) Zscore(X3) Zscore(X4) Zscore(X5) Zscore(X6) Zscore(X7) Zscore(X8) Zscore(X9) Zscore(X10) Zscore(X11) Zscore(X12) Zscore(X13) Zscore(X14) Zscore(X15) Zscore(X16) Zscore(X17) Zscore(X18) Zscore(X19) Zscore(X20) Zscore(X21) Zscore(X22) Zscore(X23) Zscore(X24) Zscore(X25) Zscore(X26) Zscore(X27) Zscore(X28) 元件 1 .786 .852 .889 .992 .967 .702 .988 .973 .540 .832 .755 .859 .616 -.203 -.184 .870 .921 .453 .449 .562 .505 -.089 .733 .927 .956 .972 .946 .946 2 .464 .124 -.380 .059 .193 .495 .012 .147 -.242 .467 .584 .438 -.716 .514 .145 -.376 .327 .698 -.605 -.728 -.759 -.102 -.161 -.261 -.162 .202 -.158 -.158 3 .028 .139 .116 .041 .048 -.112 .053 .079 -.349 -.083 -.154 -.058 -.113 -.253 .808 .203 .057 .147 .406 -.189 -.241 .799 .039 -.014 -.080 .041 .028 .028 4 -.010 -.063 .094 -.030 -.069 .377 -.088 -.039 .287 -.122 -.066 -.121 .133 .642 .285 .051 -.088 .400 .287 .149 .206 -.016 -.394 .153 -.065 -.066 -.029 -.029 从表4-7中可以看出，有16个指标在第1个因子上负荷较高（以高于0.8为准），第2、4个因子上有3个指标负荷较高（以高于0.7为准），第3个因子上有5个指标负荷较高；故可以通过因子旋转使因子载荷向两级分化，使因子载荷高的更高，低的更低，更方便因子解释。

（7）旋转成分矩阵

为了方便解释因子含义，需要进行因子旋转。通过因子旋转，载荷大小进一步分化，不同变量的因子归属也更加清晰。旋转后的因子载荷矩阵如下表4-12

29

所示：

表4-8旋转成分矩阵

Zscore(X1) Zscore(X2) Zscore(X3) Zscore(X4) Zscore(X5) Zscore(X6) Zscore(X7) Zscore(X8) Zscore(X9) Zscore(X10) Zscore(X11) Zscore(X12) Zscore(X13) Zscore(X14) Zscore(X15) Zscore(X16) Zscore(X17) Zscore(X18) Zscore(X19) Zscore(X20) Zscore(X21) Zscore(X22) Zscore(X23) Zscore(X24) Zscore(X25) Zscore(X26) Zscore(X27) Zscore(X28)

经济发展：X1：GDP亿元；X2：人均GDP/元； X5：社会消费品零售总额；X4：城镇常住居民家庭人均消费性支出/元；X7：工业增加值/亿元；X8：地区生产总值/亿元； X10：进出口总额/亿元；X11：进口总额/亿元；X12：出口总额/亿元； X17：交通运输仓储就业人员/万人；X18：交通运输行业职工工资/万元/人； X25：公路通车里程；X26：民用汽车拥有量； X6：旅游总收入/亿元

30

元件

1 .902 .808 .564 .882 .934 .773 .866 .914 .269 .953 .930 .963 .143 -.041 -.070 .563 .964 .677 .069 .083 .006 -.063 .611 .636 .739 .942 .735 .735 2 .045 .315 .781 .456 .326 .126 .469 .373 .594 .033 -.073 .069 .928 -.255 -.158 .747 .191 -.170 .777 .920 .938 -.026 .361 .739 .604 .322 .601 .601 3 -.013 .087 .103 -.007 -.009 -.067 -.006 .028 -.300 -.146 -.203 -.123 -.097 -.115 .854 .179 -.004 .198 .446 -.166 -.202 .783 -.070 -.016 -.127 -.016 -.014 -.014 4 .134 -.073 -.132 -.058 -.040 .524 -.131 -.037 .199 .054 .168 .036 -.177 .838 .173 -.184 -.002 .590 -.082 -.150 -.100 -.199 -.460 -.009 -.154 -.032 -.140 -.140 交通物流基础设施：X3：农村常住居民人均生活消费支出/元；X9：固定资产投资/亿元；X13：农林牧渔业总产值/亿元；X16：社会就业人员/万人；X19：移动电话总数/万户；X20：通有线电视村数/个；X21：通宽带村数/个；X24：交通运输用地面积/万公顷；X27：载客汽车拥有量；X28：载货汽车拥有量；

环境效应：X22：交通噪声；X23：空气综合污染指数毫克/立方米/天； 交通运输总量：X14：旅客吞吐量/万人；X15：货物吞吐量/万吨。 因子载荷矩阵是因子分析中最重要的部分，通过该表可以明晰各指标的因子归属。

（8）主成份分值表

表4-9主成份分值表

地区 昆 明 曲 靖 玉 溪 保 山 昭 通 丽 江 普 洱 临 沧 楚 雄 红 河 文 山 西双版纳 大 理 德 宏 怒 江 迪 庆 FAC1 3.64464 -0.01117 0.05643 -0.48108 -0.18911 0.05898 -0.18068 -0.30975 -0.7281 -0.24807 -0.44434 -0.21719 -0.61661 0.03381 -0.30391 -0.06386 FAC2 0.4077 1.5803 -0.11777 0.22525 0.27289 -0.93376 -0.17129 -0.27746 0.96863 0.99472 0.42089 -0.86144 1.59257 -1.02567 -1.70259 -1.37298 FAC3 -0.02885 -0.09779 -0.55484 -0.21561 2.30173 -0.49027 -1.1916 -0.24388 -1.06744 0.74635 0.54936 -0.4788 0.01583 -1.35269 0.2366 1.87191 FAC4 0.05891 -0.8989 -1.57867 -0.66398 -0.22066 1.92909 -0.30478 -0.62186 0.35279 -0.05293 -0.41443 0.28959 1.80563 0.70014 -1.37322 0.99329 表4-13给出了因子分析结果计算出来的三个主成份变量的分值。表中的每个主成分变量都是原始变量标准化后的线性组合，并且每个主成分变量无相关性。其中每一个主成份解释的方差比率最大，但是由于主成份变量都是所有原始变量的线性组合，因此很难定义每个主成分的具体含义，只能达到降维的结果。

（9）主成份综合得分表

从方差解释表4-10中以各主成份的方差贡献率为权重，可以得到主成份综合得分模型为：Y=60.180 FAC1+16.855 FAC2+6.852 FAC3+4.659 FAC4，把标准化处理后的数据带入主成份综合得分模型中，计算出主成份综合得分如下表4-14

31

所示：

表4-10主成份综合得分表

地区 昆 明 曲 靖 玉 溪 保 山 昭 通 丽 江 普 洱 临 沧 楚 雄 红 河 文 山 西双版纳 大 理 德 宏 怒 江 迪 庆 主成份分值表 FAC1 FAC2 3.64464 0.4077 -0.01117 1.5803 0.05643 -0.11777 -0.48108 0.22525 -0.18911 0.27289 0.05898 -0.93376 -0.18068 -0.17129 -0.30975 -0.27746 -0.7281 0.96863 -0.24807 0.99472 -0.44434 0.42089 -0.21719 -0.86144 -0.61661 1.59257 0.03381 -1.02567 -0.30391 -1.70259 -0.06386 -1.37298 FAC3 -0.02885 -0.09779 -0.55484 -0.21561 2.30173 -0.49027 -1.1916 -0.24388 -1.06744 0.74635 0.54936 -0.4788 0.01583 -1.35269 0.2366 1.87191 FAC4 0.05891 -0.8989 -1.57867 -0.66398 -0.22066 1.92909 -0.30478 -0.62186 0.35279 -0.05293 -0.41443 0.28959 1.80563 0.70014 -1.37322 0.99329 Y 226.283 21.10571 -9.74584 -29.7256 7.96232 -6.56081 -23.3452 -27.8857 -33.1612 6.704542 -17.8129 -29.5216 -1.74393 -21.2597 -51.7631 -9.53061 综合排序 1 2 8 14 3 6 11 12 15 4 9 13 5 10 16 7 从表4-10中可以看出云南省16个州市中交通物流的发展水平，排在前四位的分别是昆明、曲靖、昭通、红河；排在后四位的分别是怒江、楚雄、保山、西双版纳；各城市的交通物流发展水平不太平衡。

4.3聚类分析法评价

（1）案例处理汇总表

在系统聚类分析中，首先显示的案例处理汇总表，介绍参加聚类的案例个数和百分比等基本信息。案例处理汇总表如下表4-11

表4-11汇总表 观察值 有效 N 16

32

遗漏 百分比 100% N 0 百分比 0% 总计 N 16 百分比 100.0% （2）聚类状态表

聚类状态表能直观地显示聚类分析过程中各阶段所聚合的变量，如下表4-12所示。

表4-12凝聚顺序表

结合的丛集

阶段 丛集 1 丛集 2 1 12 14 2 3 4 5 6 7 8 9 10 11 12 13 14 15

15 2 5 6 2 6 1 2 5 2 2 2 2 1

16 4 11 12 10 15 7 3 9 13 8 5 6 2 系数 .934 1.266 1.373 1.567 1.615 1.866 2.210 2.528 2.572 2.822 3.099 3.221 3.557 4.436 7.548 阶段丛集第一个出现 丛集 1 丛集 2 下一个暂置 0 0 0 0 0 3 5 0 6 4 9 11 12 13 8 0 0 0 0 1 0 2 0 0 0 0 0 10 7 14 5 7 6 10 7 9 14 15 11 13 12 13 14 15 0 （3）聚类成员表

根据研究目的及本操作的设置，确定具体的较为合理的类别数和成员归属，得聚类成员表4-13。

33

观察值 1：昆明 2：曲靖 3：玉溪 4：保山 5：昭通 6：丽江 7：普洱 8：临沧 9：楚雄 10：红河 11：文山 12：西双版纳 13：大理 14：德宏 15：怒江 16：迪庆 表4-13各丛集组员 5 丛集 4 丛集 3 丛集 1 2 2 2 3 4 1 5 3 2 3 4 2 4 4 4 1 2 2 2 3 4 1 2 3 2 3 4 2 4 4 4 1 2 2 2 2 3 1 2 2 2 2 3 2 3 3 3 2 丛集 1 2 2 2 2 2 1 2 2 2 2 2 2 2 2 2 本案例操作中，最小聚类数设为2，最大聚类数设为5，故在聚类成员表中显示了在类别数分别为2、3、4、5时样本的类别归属情况。如当类别数为2时，昆明和普洱属于第一类，剩余的14个城市归为一类。 （4）树状图

树状图可以非常直观地反映聚类过程及样本间的层次关系，本案例聚类过程的树状图。

图4-1聚类树状图

34

从图4-1中可以看出这16个地区的聚类过程，第一类为昆明和普洱，这些地区交通物流发展良好；第二类为曲靖、玉溪、保山、昭通、临沧、楚雄、红河、文山、大理，这些地区的交通物流发展稍好；第三类为丽江、西双版纳、德宏、怒江、迪庆这些地区由于地理位置交通以及旅游等，交通物流水平可以归为一类。

4-14结果分析 地区 主成份分值表 FAC1 排FAC2 序 排FAC3 序 排FAC4 序 排Y 序 综合排序 226.283 1 昆 明 曲 靖 玉 溪 保 山 昭 通 丽 江 普 洱 临 沧 楚 雄 红 河 文 山 西双版纳 大 理 德 宏 怒 江 迪 庆

3.64464 1 -0.01117 5 0.05643 3 0.4077 1.5803 6 2 -0.02885 7 -0.09779 8 0.05891 7 -0.8989 14 21.10571 2 -0.11777 9 -0.55484 13 -1.57867 16 -9.74584 8 -0.21561 9 2.30173 1 -0.66398 13 -29.7256 14 -0.22066 9 7.96232 3 -6.56081 6 -0.48108 14 0.22525 8 -0.18911 8 0.05898 2 -0.18068 7 0.27289 7 -0.93376 13 -0.49027 12 1.92909 1 -0.17129 10 -1.1916 15 -0.30478 10 -23.3452 11 -0.30975 12 -0.27746 11 -0.24388 10 -0.62186 12 -27.8857 12 -0.7281 16 0.96863 4 -0.24807 10 0.99472 3 -0.44434 13 0.42089 5 -0.21719 9 -1.06744 14 0.35279 5 0.74635 3 0.54936 4 -0.05293 8 -33.1612 15 6.704542 4 -0.41443 11 -17.8129 9 -29.5216 13 -1.74393 5 -21.2597 10 -0.86144 12 -0.4788 11 0.28959 6 0.01583 6 1.80563 2 -0.61661 15 1.59257 1 0.03381 4 -1.02567 14 -1.35269 16 0.70014 4 5 -0.30391 11 -1.70259 16 0.2366 -0.06386 6 -1.37322 15 -51.7631 16 0.99329 3 -9.53061 7 -1.37298 15 1.87191 2 35

（1）从第一个主因子即经济发展可以看出，昆明和丽江比较靠前，而楚雄和大理比较靠后；

（2）从第二个主因子即交通物流基础设施可以看出，大理和曲靖比较靠前，而怒江和迪庆比较靠后；

（3）从第三个环境效应主因子可以看出，昭通和迪庆在前，而怒江和玉溪在后； （4）从第四个主因子即交通运输总量可以看出，丽江和大理比较靠前，而怒江和玉溪比较靠后。

4.4云南省交通物流发展建议

（1）加大财政投入和扶持力度

楚雄、大理及保山的地区经济结构单一、产业基础薄弱，云南省政府应该大力扶持这些地区的经济发展，加大财政投入和扶持力度。 （2）加强基础设施的建设

完善的基础设施能促进当地的交通物流的发展，因此各市政府应尽快地完善当地的基础设施，特别是基础设施比较落后的怒江、迪庆和德宏等地区； （3）注重环境效应

各市在发展的过程中应该注意当地的环境保护，建设资源节约型、环境友好型的城市，特别是环境效应不太好的怒江和玉溪； （4）增加吞吐量

丽江和大理的旅游资源比较丰富，吞吐量比较高，在此基础上可以增加旅游业的投入，从而带动当地经济发展，进一步促进当地交通物流的发展。吞吐量不太高的怒江和玉溪可以开发当地特色的生物资源和生物产品。 （5）加大对物流人才的投入

首先，可以引进一些具有高水平的现代物流管理能力的策划人才，为专业人才提供优惠的政策和良好发展环境；其次，也可以通过建立不同层次的教育体系培养物流人才；最后，从学历教育、继续教育和岗位培训三方面制定物流人才的培养计划，为当地物流业的发展提供人才支撑。 （6）加强交通物流信息化建设

云南可以建立各城市间在运输、仓储、商品交易等的物流信息平台；其次，加强对物流技术的研发力度，建立完善的信息化网络。

36

5云南省和贵州省的比较

5.1气候因素

从气候上来说，云南的气候类型有热带、亚热带、和温带等7种类型，地形复杂和垂直高度差等原因，立体气候特点显著，云南无霜期长等特点，适合多种生物生长，可以大力开发生物资源和生物。

贵州由于地形地貌的影响，热量资源受海拔高度的影响很大，在一个地区，县乡温度的差异很大，“立体气候”明显，为发展多种经营和特色经济创造了良好的条件。

5.2经济发展因素

从经济发展的角度看，在可持续发展的前提下，大力开发两地的特色经营和生物资源，可以直接促进当地的交通物流的发展；同时带动两地的经济发展，促进交通物流基础设施的完善，进一步促进交通物流的长远发展。云南和贵州两地都是省会城市及经济发展较好的城市交通物流排名靠前，因此两地政府应该加强对经济基础薄弱地区的投资和建设，促进经济基础薄弱地区的交通物流的发展。

5.3交通物流基础设施及效率

从交通物流基础设施以及交通物流效率来说，云南省的旅客吞吐量远比贵州省的要高，这是由于云南省的旅游资源比较丰富。在可持续发展的前提下，云南省要大力发展当地的旅游资源。而贵州省也可以开放当地的特色红色旅游资源，比如遵义会址和红军四渡赤水遗迹等；两省受地理环境的影响，内河航运很少，铁路营运里程相对较少，主要以公路为主，汽车运输由于线路及运量的限制也影响着交通物流的发展。

37

6展望

通过此次研究，我们认识到了我国交通物流业尚处于起步阶段，与国际平均水平仍有很大的差异。贵州省和云南省发展状况一般，对交通物流的发展做出一个科学有效的评价指标体系具有重要的意义。有一套健全的交通物流发展评价指标体系，可以很直观的发映出交通物流与经济、社会、环境之间的关系，对贵州省和云南省的未来物流发展分别做出一个规划，以便处分利用资源，提高经济效率以及环境效益，实现可持续发展。

对交通物流发展的展望：

（1）有关部门进一步完善交通物流统计指标，有效地收集和提供交通物流发展的统计数据，并且将之用于交通物流的评价和研究，用科学的方法知道交通物流的发展。

（2）注重物流技术的使用，提高交通物流的国际竞争力。注重计算机的使用，在对交通物流进行评价中，人的能力是有限的，要想将数据全部量化对于人来说是有很大难度的，因此，计算机技术的使用就很重要，可以迅速分析数据，得出准确的结果，可以节省大量的人力物力。

（3）把评价分析的结果向社会公布，帮助相关部门、企业提供借鉴，保证社会资源的合理利用。有关部门可以根据指标找出本地区的不足之处，找到未来的发展重点。评价结果向社会公布可以对物流业发展提供一些指导，避免盲目、减少不必要成本。

38

本文来源：https://www.bwwdw.com/article/g7kg.html