楊芳 張自堯 黃倩倩 馬國亮
摘? 要:物流運輸對農產品發(fā)展具有重要作用。文章基于甘肅省2015—2021年物流運輸相關數(shù)據(jù),從社會發(fā)展水平、農產品產出水平、物流基礎設施水平和物流規(guī)模水平四個維度構建農村物流運輸發(fā)展狀況的評價指標體系,利用灰色關聯(lián)和聚類分析法,分析影響甘肅省農產品物流運輸?shù)囊蛩兀Y果表明貨運周轉量對農產品物流運輸?shù)挠绊懽畲?,郵路及農村投遞線路總長度對物流運輸?shù)挠绊懽钚?。并根?jù)聚類分析結果提出建議,對推動甘肅省農產品物流運輸發(fā)展具有借鑒意義。
關鍵詞:甘肅?。晃锪鬟\輸;影響因素;灰色關聯(lián)分析;聚類分析
中圖分類號:F252.8??? 文獻標志碼:A??? DOI:10.13714/j.cnki.1002-3100.2024.13.018
Abstract: Logistics transportation plays an important role in the development of agricultural products. Based on the data on logistics transportation in Gansu Province from 2015 to 2021, this paper constructs an evaluation index system for the development of rural logistics transportation from four dimensions: The level of social development, the level of agricultural product output, the level of logistics infrastructure and the level of logistics scale, and uses grey correlation and cluster analysis to analysis the factors affecting logistics transportation of agricultural products in Gansu Province. The results show that freight turnover has the greatest influence on agricultural logistics transport, and the total length of postal routes and rural delivery lines has the least influence on logistics transport. The results show that freight turnover has the greatest influence on agricultural logistics transportation, and postal routes and total length of rural delivery routes have the least influence on logistics transportation.
Key words: Gansu Province; logistic transport; influencing factors; grey correlation analysis; cluster analysis
0? 引? 言
2022年中共中央國務院頒布《關于做好2022年全面推進鄉(xiāng)村振興重點工作的意見》提出:“加強農產品現(xiàn)代流通體系建設,提高農產品流通效率,更好保障市場供應”。推動農村物流的穩(wěn)定發(fā)展是優(yōu)化農村產業(yè)經濟結構、推動實現(xiàn)農業(yè)農村現(xiàn)代化、加快農村經濟社會發(fā)展和實現(xiàn)鄉(xiāng)村振興的有效途徑之一。2022年12月甘肅省頒布《甘肅省“十四五”現(xiàn)代物流業(yè)規(guī)劃》提出“健全現(xiàn)代物流流通體系,構建現(xiàn)代物流發(fā)展新格局”。物流運輸作為推動國民經濟高質量發(fā)展的重要支撐,大力發(fā)展物流運輸業(yè),對立足新發(fā)展階段,構建國內國際雙循環(huán)的物流流通體系,加快甘肅省“一帶一路”建設,助力脫貧攻堅和鄉(xiāng)村振興有效銜接具有至關重要的作用。
國內外學者對農村物流都進行了深入的研究,并取得了豐碩的研究成果。美國學者J. F. Growell在《農產品流通產業(yè)委員會報告》中,首次開啟了農產品物流研究[1]。此后國外學者對物流影響因素的研究主要集中在農產品冷鏈物流方面[2]。20世紀90年代,我國學者開始了農產品物流的研究。一部分國內學者通過DEA-Malmquist指數(shù)法、熵權-灰色關聯(lián)分析法和二元回歸分析法等定量分析的方法[3],分析影響農產品物流運輸?shù)挠绊懸蛩亍A硪徊糠謱W者則通過定性的方法對產品冷鏈物流運輸?shù)南嚓P數(shù)據(jù)進行對比分析,提出農產品物流運輸?shù)膬?yōu)化路徑[4]。梳理文獻發(fā)現(xiàn),我國學者對農產品物流影響因素的研究多基于全國視角和發(fā)達地區(qū)視角來研究,對西部欠發(fā)達地區(qū)的農產品物流研究較少。因此本文以甘肅省為研究對象,選取甘肅省2015
—2021年的相關數(shù)據(jù),利用灰色關聯(lián)和聚類分析法對甘肅省農產品物流影響因素進行深入分析,有利于甘肅省在新發(fā)展階段更精準的尋求影響農產品物流運輸?shù)闹饕蛩?,完善甘肅省農產品物流運輸體系,對推動甘肅省農產品物流運輸?shù)闹悄芑?shù)據(jù)化和信息化具有重要意義。
1? 數(shù)據(jù)來源與研究方法
1.1? 數(shù)據(jù)來源
本文選取的原始數(shù)據(jù)來源于《甘肅統(tǒng)計年鑒》(2015—2021年)、以及《甘肅省國民經濟和社會發(fā)展統(tǒng)計公報》(2015
—2021年)。
1.2? 研究方法
1.2.1? 灰色關聯(lián)分析法
灰色關聯(lián)分析法是1982年華中理工大學鄧聚龍教授提出的[5]。它是以數(shù)據(jù)為基礎反映因素間的趨近程度的一種分析方法。該方法是以關聯(lián)度作為衡量兩因素間的關系密切程度,通過分析系統(tǒng)中參考序列和比較序列曲線的幾何相似程度來判斷其聯(lián)系是否緊密。該方法的優(yōu)點在于計算簡單方便,能夠減少誤差,能通過小樣本來反應整體情況,是一種合理、有效的分析方法。
1.2.2? 聚類分析法
聚類分析就是將多個樣本數(shù)據(jù)進行分組,將類似的樣本指標分成多個類別的一種統(tǒng)計方法。本文選擇使用聚類分析法,來對12個指標的灰色關聯(lián)度進行系統(tǒng)聚類,并找出灰色關聯(lián)度的聚類特征。
2? 指標選取與數(shù)據(jù)分析
2.1? 指標選取
本文通過查閱大量文獻并結合甘肅省農產品物流運輸實際發(fā)展狀況,選取甘肅省農產品物流貨運量作為目標序列,但是由于物流貨運量數(shù)據(jù)缺失,故用甘肅省貨運總量X作為代替。梳理文獻時發(fā)現(xiàn)[6],學術界對測定農產品物流影響因素的指標沒有明確的界定,因此本文通過結合甘肅省農產品物流發(fā)展的實際狀況分別從社會發(fā)展水平、農產品產出水平、物流基礎設施水平和物流規(guī)模水平四個維度出發(fā)選取12個指標作為比較序列來對甘肅省農產品物流的影響因素進行客觀分析。社會發(fā)展水平包括人均可支配收入X、鄉(xiāng)村消費品零售總額X和固定電話用戶X。農產品產出水平包括農產品產量X、農林牧漁總產值X和農業(yè)生產總值X。物流基礎設施水平包括郵路及農村投遞線路總長度X、鐵路營業(yè)里程X、公路營業(yè)里程X和民用載貨汽車擁有量X。物流規(guī)模水平包括貨運周轉量X和運輸倉儲郵政就業(yè)總人數(shù)X。因此,本文構建甘肅省農產品物流影響因素指標體系如表1所示。
2.2? 數(shù)據(jù)分析
2.2.1? 確定參考序列和比較序列
本文以貨運總量作為參考序列,以甘肅省農產品物流影響因素指標體系表1的三級指標(X—X)作為比較序列。參考序列為:X=Xk(其中k=1,2,3,…,n),其中k表示相對應的時間段。比較序列為:X=Xk,(其中k=1,2,3,…,n;i=1,2,3,…,m),其中Xk表示第k個時間段上第i個指標。
2.2.2? 原始數(shù)據(jù)的初值化處理(無量綱化)
不同指標的原始數(shù)據(jù)由于單位、性質和數(shù)量級的不同存在著較大的偏差,如果將各指標的原始數(shù)據(jù)直接計算,最終計算結果將會出現(xiàn)錯誤,因此需要將各項指標的原始數(shù)據(jù)進行初值化處理。
具體計算公式如下:
Xk=??? k=1,2,3,…,n; i=1,2,3,…,m?????????????????????????????? (1)
根據(jù)式(1),計算得到的結果如表2所示。
2.2.3? 計算差序列、最大差和最小差
具體計算公式如下:
ΔK=Xk-Xk??? k=1,2,3,…,n; i=1,2,3,…,m?????????????????????????? (2)
M=max*maxΔK?????????????????????????????????????????? (3)
m=min*minΔK?????????????????????????????????????????? (4)
根據(jù)式(2)至式(4),本文計算得出差序列、最大差和最小差具體結果如表3所示。
2.2.4? 計算關聯(lián)系數(shù)
具體計算公式如下:
RXk,Xk=m+ρM/ΔK+ρM???????????????????????????????? (5)
式中:ρ為分辨系數(shù),ρ∈0,1。
根據(jù)式(5),本文計算得出關聯(lián)系數(shù)如表4所示。
2.2.5? 計算關聯(lián)度
具體計算公式如下:
rX,X=∑rXk,Xk??????????????????????????????????? (6)
式中:i=0,1,2,…,n。
根據(jù)式(6),本文計算得出關聯(lián)度如表5所示。
3? 甘肅省農產品物流影響因素分析
3.1? 灰色關聯(lián)分析
灰色關聯(lián)度越大,表明對參考序列的影響程度越大。本文中所有評價指標的灰色關聯(lián)度均大于0.5,由此說明評價指標與物流運輸水平之間存在較強的關聯(lián)度,同時說明本文指標的選取具有科學性,合理性和可靠性。本文中各指標關聯(lián)度從大到小排序為:貨運周轉量(0.856 7)>鄉(xiāng)村消費品零售總額(0.811 8)>運輸倉儲郵政就業(yè)總人數(shù)(0.781 5)>公路營業(yè)里程(0.778 3)>農林牧漁總產值(0.725 7)>鐵路營業(yè)里程(0.729 2)>農業(yè)生產總值(0.722 6)>民用載貨汽車擁有量(0.722 5)>人均可支配收入(0.683 1)>農產品產量(0.673 4)>固定電話用戶(0.651 4)>郵路及農村投遞線路總長度(0.538 9)(見表5)。由此我們可以得出貨運周轉量對農產品物流運輸?shù)挠绊懽畲?,郵路及農村投遞線路總長度對物流運輸?shù)挠绊懽钚 ?/p>
3.2? 聚類分析
3.2.1? 定義樣本間距離
本文為了度量兩個樣本之間的相似度,選擇歐幾里德距離,具體公式如下:
d=????????????????????????????????????????? (7)
式中:d表示為樣本i、j之間的距離; a、a分別為第i、j個樣本在第 k個維度上的評價值。
3.2.2? 構建距離矩陣
依次求出任何兩個樣本點的距離系數(shù)di、j=1,2,…,n,則可形成一個樣本間的距離矩陣,具體如下:
D=d=? (8)
3.2.3? 繪制聚類譜系圖
本文采用SPSS27.0軟件中的系統(tǒng)聚類分析對通過對12個指標灰色關聯(lián)度進行系統(tǒng)聚類,采用平方歐氏距離測定各變量距離確定組間距為5,得出譜系圖如圖1所示。
3.2.4? 聚類結果分析
根據(jù)聚類結果譜系圖(圖1),確定組間距離為5,將各指標的關聯(lián)度劃分為三類。
第一類:貨運周轉量、鄉(xiāng)村消費品零售總額、運輸倉儲郵政就業(yè)總人數(shù)和公路營業(yè)里程。此四項指標關聯(lián)度最高。貨運周轉量和運輸倉儲郵政就業(yè)總人數(shù)是衡量物流規(guī)模水平的指標,關聯(lián)度分別為0.856 7和0.781 5,表明物流規(guī)模水平對農產品物流運輸?shù)挠绊懗潭茸蠲黠@,其中在2021年貨運周轉量的關聯(lián)系數(shù)達到0.960 7(表4),表明貨運周轉量對物流運輸?shù)挠绊懽畲蟆`l(xiāng)村消費品零售是衡量甘肅省社會發(fā)展水平的重要指標,關聯(lián)度為0.811 8,說明甘肅省的社會發(fā)展水平對農產品物流運輸有顯著影響。公路營業(yè)里程是物流基礎設施水平中對農產品物流運輸影響最顯著的一項指標,其關聯(lián)度為0.778 3(表5)。其主要是因為甘肅省地形特殊,物流運輸大多選擇公路運輸,所以公路營業(yè)里程對農產品物流運輸影響最顯著。
第二類:鐵路營業(yè)里程、民用載貨汽車擁有量、農林牧漁總產值、農業(yè)生產總值、人均可支配收入、農產品產量和固定電話用戶。關聯(lián)度分別為0.729 2、0.722 5、0.725 7、0.722 6、0.683 1、0.673 4和0.651 4(表5)。農林牧漁總產值、農業(yè)生產總值和農產品產量是農產品產出水平,此三項指標的關聯(lián)度排名位于前列。甘肅省作為農業(yè)大省,特色農產品產量位居全國前列,由于農產品具有易腐性,物流運輸可以最大程度降低損耗,因此農產品產出水平高低對農產品物流運輸有重要的影響。鐵路營業(yè)里程和民用載貨汽車擁有量是物流基礎設施水平的指標,此兩項指標關聯(lián)度較高,說明物流基礎設施建設對農產品物流運輸?shù)挠绊戄^大。
第三類:郵路及農村投遞線路總長度,關聯(lián)度0.538 9(表5)。相對其他指標來說,郵路及農村投遞線路總長度的關聯(lián)度較低,說明郵路及農村投遞線路總長度對農產品物流運輸有影響,但不明顯。
4? 結論及建議
4.1? 結? 論
本文選用甘肅省2015—2021年的數(shù)據(jù),利用灰色關聯(lián)分析和聚類分析方法對甘肅省農產品物流運輸?shù)挠绊懸蛩剡M行研究,得到以下結論:
(1)本文采用灰色關聯(lián)分析得出貨運周轉量對農產品物流運輸?shù)挠绊懽畲?,郵路及農村投遞線路總長度對農產品物流運輸?shù)挠绊懽钚 ?/p>
(2)本文采用聚類分析可以將灰色關聯(lián)度聚類劃分為三類。第一類為貨運周轉量、鄉(xiāng)村消費品零售總額、運輸倉儲郵政就業(yè)總人數(shù)和公路營業(yè)里程。第二類為鐵路營業(yè)里程、民用載貨汽車擁有量、農林牧漁總產值、農業(yè)生產總值、人均可支配收入、農產品產量和固定電話用戶。第三類為郵路及農村投遞線路總長度。
4.2? 建? 議
(1)完善物流基礎設施建設,構建物流交通網絡
近年來,甘肅省推動“甘味”農產品品牌建設,暢通了甘肅省農產品銷路。因此,甘肅省應該完善物流基礎設施建設,構建多元化的物流運輸方式,保證農產品有暢通的物流運輸環(huán)境和渠道,以此來提高農產品運輸?shù)挠行院桶踩?,保證農產品品質,提高甘肅省農產品的口碑,助農增收,推動鄉(xiāng)村產業(yè)振興。
(2)引進和培育專業(yè)型人才,創(chuàng)新物流運輸技術
“人才是第一資源,創(chuàng)新是第一動力”。物流技術創(chuàng)新的第一生產力就是專業(yè)型人才。甘肅省應該出臺相應優(yōu)惠政策,積極對外引進專門的物流管理專業(yè)型人才,并應聯(lián)合各大高校,設立物流相關專業(yè),培養(yǎng)優(yōu)質的物流管理頂尖人才,為甘肅省物流發(fā)展提供人才支撐,以此優(yōu)化提升農產品物流運輸途徑和方法,推動甘肅省農產品物流業(yè)的快速發(fā)展。
(3)搭建農產品物流信息平臺,促進智慧物流發(fā)展
農產品物流運輸最重要的是安全性和時效性。甘肅省應該根據(jù)各區(qū)域農產品發(fā)展的特點和現(xiàn)狀,搭建專門的農產品物流信息平臺,提高農產品的運輸效率,保證農產品的品質。同時,以信息技術為基礎,大力發(fā)展農村智慧物流,降低人力成本,保證農民收益的最大化。
參考文獻:
[1] 勞健,謝如鶴. 經濟新常態(tài)背景下廣東農產品物流影響因素研究[J]. 商業(yè)經濟研究,2017(21):95-98.
[2]? P L ABABA, VIJAY AGGARWAL. In corpoating transport cost in the lost size and pricing decision with down ward sloping demand[J]. Production, 2001(7):28-31.
[3]? ANONYMITY. Optimal size of a biofuel refinery[J]. Engineering Management Joumal, 2012,24(4):63-72.
[4] 汪旭暉,文靜怡. 我國農產品物流效率及其區(qū)域差異——基于省際面板數(shù)據(jù)的SFA分析[J]. 當代經濟管理,2015,37(1):26-32.
[5] 堵鶴明. 基于灰色關聯(lián)度的我國農產品物流的影響因素分析[J]. 河北企業(yè),2018(12):107-109.
[6] 何富康,高迪. 基于灰關聯(lián)的新疆農產品物流影響因素分析[J]. 中國儲運,2023(2):62-63.
[7] 張于賢,黃鑫,劉瑞環(huán). 基于熵權灰色關聯(lián)法的中部地區(qū)農產品物流發(fā)展評價研究[J]. 商業(yè)經濟研究,2017(21):88-91.
[8] 程書強,劉亞楠. 西部地區(qū)農產品物流效率及省際差異動態(tài)研究——基于DEA-Malmquist指數(shù)法[J]. 統(tǒng)計與信息論壇,2017,32(4):95-101.
[9] 高帆. 農產品冷鏈綠色物流發(fā)展的影響因素分析[J]. 農業(yè)經濟,2019(4):143-144.
[10] 許歡. 吉林省農產品供應鏈模式優(yōu)化分析[D]. 長春:長春大學,2017.
[11] 劉斌鵬,裴婷婷. 甘肅省農產品物流影響因素研究——基于灰色關聯(lián)分析[J]. 物流科技,2022,45(8):16-20.