李強(qiáng) 陳雪玫

【摘 要】 為更加精確地研究無水港選址，分析影響無水港選址的指標(biāo)因素，采用主成分分析法建立數(shù)學(xué)模型對無水港選址的問題進(jìn)行評價(jià)。以江西省11個(gè)城市為例，得出11個(gè)城市的選址順序。由主成分分析法得出的結(jié)論具有說服力，對江西省的無水港選址、政策的制定和執(zhí)行等方面都具有參考價(jià)值。

【關(guān)鍵詞】 無水港；主成分分析法；選址；指標(biāo)因素

0 引 言

隨著經(jīng)濟(jì)全球化的發(fā)展，國與國之間的貿(mào)易往來日益密切，港口作為國際物流運(yùn)輸?shù)拇笮蜆屑~，其作用也是越來越明顯。港口數(shù)量的增加加劇了港口之間的競爭，為了獲取更多的發(fā)展資源，各大港口已不再局限于在港口所在地開展業(yè)務(wù)，開始向內(nèi)陸城市延伸。與此同時(shí)，內(nèi)陸的一些外貿(mào)企業(yè)也希望在本地就能實(shí)現(xiàn)“一關(guān)三檢”，達(dá)到港口“直通”的效應(yīng)。由此，無水港作為一種新的現(xiàn)代物流中心應(yīng)運(yùn)而生。[1]

縱觀國內(nèi)外研究可以發(fā)現(xiàn)，無水港選址問題的分析大多以定性的方法為主，很少采用定量方法。本文從分析影響無水港選址的指標(biāo)因素出發(fā)，基于主成分分析法，以江西省為例，綜合評價(jià)11個(gè)城市選址問題。采用定量的研究方法，能夠避免在采用定性研究方法時(shí)，因主觀因素而導(dǎo)致結(jié)果的不精確。

1 無水港選址指標(biāo)的影響因素

無水港的選址，必須嚴(yán)格遵循選址的適應(yīng)性、經(jīng)濟(jì)性、戰(zhàn)略性、整體性、動態(tài)性、協(xié)調(diào)性原則。目前無水港選址指標(biāo)體系的設(shè)計(jì)缺乏標(biāo)準(zhǔn)的規(guī)范。從理論上分析，一個(gè)指標(biāo)體系應(yīng)能充分、準(zhǔn)確地反映評價(jià)對象的特點(diǎn)和實(shí)際水平，評價(jià)內(nèi)容應(yīng)能包括影響評價(jià)的一切因素。但實(shí)際上，在一個(gè)問題中，影響評價(jià)對象的因素很多，很難將所有的影響因素進(jìn)行定量化，并將其包括在指標(biāo)體系中。因此，在設(shè)計(jì)指標(biāo)體系時(shí)，應(yīng)對這些影響因素作必要的取舍。本文借鑒國外成功選址案例，結(jié)合我國實(shí)踐情況，在遵循選址基本原則的基礎(chǔ)上，將無水港選址的影響因素歸為社會環(huán)境因素和經(jīng)濟(jì)環(huán)境因素兩大類（見圖1），再對影響因素進(jìn)行分析。

1.1 社會環(huán)境因素

根據(jù)無水港的功能，首先應(yīng)考慮在運(yùn)輸量大、運(yùn)輸發(fā)展空間大、對附近區(qū)域具有較強(qiáng)輻射和集散作用的城市選址。隨著地區(qū)經(jīng)濟(jì)的發(fā)展，地區(qū)貿(mào)易量、貨物運(yùn)輸量及地區(qū)的社會環(huán)境等成為影響無水港選址不可忽視的因素。數(shù)量充足和質(zhì)量較高的勞動力條件是無水港選址考慮的因素之一，無水港所在城市的社會經(jīng)濟(jì)水平也決定其經(jīng)濟(jì)效益。地區(qū)工業(yè)的發(fā)展對國際貿(mào)易服務(wù)具有支撐作用，有利于無水港建設(shè)和運(yùn)營。無水港的發(fā)展同時(shí)也需要較好的運(yùn)輸網(wǎng)絡(luò)，交通運(yùn)輸條件在運(yùn)輸網(wǎng)絡(luò)中起到了關(guān)鍵作用。在諸多的社會環(huán)境因素中，可以選用規(guī)模以上工業(yè)企業(yè)數(shù)量、道路長度、貨運(yùn)總量、城鎮(zhèn)就業(yè)人數(shù)對其進(jìn)行評價(jià)。

1.2 經(jīng)濟(jì)環(huán)境因素

無水港的設(shè)立應(yīng)依托經(jīng)濟(jì)中心城市，經(jīng)濟(jì)中心城市良好的基礎(chǔ)設(shè)施和經(jīng)濟(jì)基礎(chǔ)有利無水港的生存和發(fā)展，同時(shí)，無水港又能擴(kuò)大經(jīng)濟(jì)中心城市的國際港口功能。地區(qū)經(jīng)濟(jì)發(fā)展水平的高低影響該地區(qū)的貨物供給和需求量，為保證貨物來源充足，無水港選址應(yīng)傾向于經(jīng)濟(jì)發(fā)達(dá)地區(qū)。經(jīng)濟(jì)發(fā)達(dá)地區(qū)一般都具有較多的資產(chǎn)投資，基礎(chǔ)設(shè)施建設(shè)尤其是交通設(shè)施建設(shè)比較完善，有利于無水港在該地區(qū)的形成和發(fā)展。無水港是隨著經(jīng)濟(jì)的發(fā)展而逐漸產(chǎn)生的，地區(qū)經(jīng)濟(jì)發(fā)展水平是無水港選址規(guī)劃重點(diǎn)考慮的因素，其評價(jià)指標(biāo)可采用GDP及GDP增速、進(jìn)出口總額、工業(yè)生產(chǎn)總值、固定資產(chǎn)投資總額來衡量。

2 主成分分析法

主成分分析法是一種通過降維技術(shù)將多個(gè)變量化為少數(shù)幾個(gè)重要變量的一種多元統(tǒng)計(jì)方法。其目的是用較少的變量解釋原始資料中的大部分變量，亦即期望能將許多相關(guān)性很高的變量轉(zhuǎn)化成彼此相互獨(dú)立的變量，能在其中選取比原始變量個(gè)數(shù)少，且能解釋大部分資料之變異的幾個(gè)新的變量，也就是所謂的主成分，而這幾個(gè)主成分也就成為解釋資料的綜合性指標(biāo)。主成分分析法的具體計(jì)算步驟如下：

（1）選取標(biāo)準(zhǔn)化原始數(shù)據(jù)；

（2）計(jì)算相關(guān)系數(shù)矩陣；

（3）求特征值和特征向量；

（4）求主成分。

3 實(shí)證分析

本文以江西省南昌、景德鎮(zhèn)、萍鄉(xiāng)、九江、新余、鷹潭、贛州、吉安、宜春、撫州、上饒等11個(gè)城市為例，對江西省的無水港選址問題進(jìn)行研究。

按照選取指標(biāo)時(shí)所遵循的科學(xué)性、可比性、合成性、可操作性的原則，提取GDP（x1）、GDP增速（x2）、工業(yè)生產(chǎn)總值（x3）、進(jìn)出口總額（x4）、固定資產(chǎn)投資總額（x5）、規(guī)模以上工業(yè)企業(yè)數(shù)量（x6）、城鎮(zhèn)就業(yè)人數(shù)（x7）、道路長度（x8）、貨運(yùn)總量（x9）等9個(gè)關(guān)鍵性指標(biāo)作為分析對象，原始數(shù)據(jù)見表1。

運(yùn)用主成分分析法對表中11個(gè)城市的數(shù)據(jù)進(jìn)行分析，按照特征值大于1的原則提取2個(gè)主成分，其累計(jì)方差貢獻(xiàn)率為79.658%。采用方差最大化的方法對原始變量的載荷矩陣進(jìn)行變換，得到因子載荷矩陣（見表2）和主成分得分系數(shù)矩陣（見表3）。

表2中，主成分F1包括GDP及GDP增速、工業(yè)生產(chǎn)總值、進(jìn)出口總額、固定資產(chǎn)投資總額、規(guī)模以上工業(yè)企業(yè)數(shù)量、城鎮(zhèn)就業(yè)人數(shù)、道路長度，主成分F2包括貨運(yùn)總量。

根據(jù)表3主成分得分系數(shù)矩陣，計(jì)算各主成分得分：

F1=0.131 ？x1 + 0.244 ？x2 + 0.186 ？x3 Ha 0.045 ？x4 + 0.091 ？x5 + 0.286 ？x6 + 0.082 ？x7 + 0.207 ？x8 Ha 0.273 ？x9

F2=0.105 ？x1 Ha 0.238 ？x2 + 0.001 ？x3 + 0.353 ？x4 + 0.111 ？x5 Ha 0.212 ？x6 + 0.184 ？x7 Ha 0.081 ？x8 + 0.598 ？x9

綜合得分：F=0.827 ？F1 + 0.173 ？F2

運(yùn)用以上公式求得11個(gè)城市綜合得分及排序（見表4）。

4 結(jié) 語

由江西省11個(gè)城市的選址順序可以看出，南昌的得分遠(yuǎn)高于其他城市。這說明南昌是江西省建設(shè)無水港的首選城市，與2009年國務(wù)院通過的《物流業(yè)調(diào)整和振興計(jì)劃》中提出“將南昌市確定為區(qū)域性物流節(jié)點(diǎn)城市，將南昌向塘鐵路-公路關(guān)鍵型物流基地打造成中部地區(qū)第一大無水港”的要求相吻合。繼南昌之后，江西省各城市也在加緊無水港建設(shè)，其中已開通贛州―深圳、贛州―廈門集裝箱班列和吉安―廈門、上饒―寧波海鐵聯(lián)運(yùn)，鷹潭、上饒等城市的無水港建設(shè)也在繼續(xù)推進(jìn)。

參考文獻(xiàn)：

[1] 楊楠，李弘，王騰，等.基于PEST的內(nèi)蒙古無水港選址評價(jià)及對策研究[J].技術(shù)與方法，2012（7）：223-226，346.