基于因子聚类分析的江西省区域农产品物流能力评价

摘 要：农业作为第一产业，在江西省乃至全国的社会经济发展中都占据重要地位。而农产品物流对农业发展有直接影响。基于现有研究，选取9个指标，借助统计分析软件SPSS20.0对江西省11个市的农产品物流能力进行评价；发现其农产品物流能力普遍较弱，且各市农产品物流发展极不均衡，差异较大；并据此提出促进江西省农产品物流发展的相关建议。

关键词：农产品物流；物流能力评价；因子分析；聚类分析

中图分类号：F252.8 文献标志码：A 文章编号：1674-7909（2023）19-42-5

0 引言

江西省位于我国东南部，地处长江中下游南岸，东邻浙江省、福建省，南连广东省，西靠湖南省，北毗湖北省、安徽省而共接长江，地理位置优越、交通便利，是我国重要交通枢纽之一。同时，江西省气候适宜，属亚热带温暖湿润季风气候区，降水量丰富、四季分明，适合多种农作物的生长，是我国重要的农业生产基地，农产品种类多样且丰富，具有发展农产品物流的良好基础条件。

随着经济的迅速发展和消费水平的逐渐提高，人们对农产品的要求不再限于基本的口味和外观，还要求农产品绿色有机的生产过程及保鲜、快速的运输，由此引发的产业转型和升级刻不容缓。另外，低端的农产品本身价值虽然并不高，但是通过加工、包装及高效的物流等，可以在很大程度上提升农产品的附加值，从而增加农民收入，促进农业农村发展。

从实际来看，目前江西省大部分农产品生产者和农产品物流经营者缺乏对农产品物流发展的了解和重视，只是将其当作农产品的流通方式，并没有将其作为产业转型升级和提高农民收入的重要途径。农业本身只是影响农产品物流发展的表面因素，影响农产品物流发展的潜在因素还有很多。基于此，笔者通过因子聚类分析，评价江西省11个市农产品物流能力，并提出相关改进建议，以期更好地发挥江西省农业资源优势，促进江西省经济发展。

1 研究综述

物流是指物品的实体流动过程，包括对运输、储存、装卸、搬运、包装、流通加工、配送、信息处理等基本功能的实施和管理［1］。然而，对于农产品物流的定义尚未有一个统一的概念。张倩［2］、王冬［3］研究认为，农产品物流是指为了满足用户的需求并实现农产品价值，始于生产者生产的农产品物质实体及相关信息，并以农产品最终送达消费者为结束的农产品物质和价值的转移活动。

有学者研究认为，农产品物流能力是指农产品物质实体及相关信息在从生产者到消费者的整个物流过程中，各物流环节为了实现农产品价值转移与增值和组织目标进行合理的资源配置，并运用各项技术，同时从事统筹、规划、协调等管理活动，进而提高农产品物流的效率、提升消费者满意度、降低农产品物流成本的能力。农产品物流能力的特征主要体现在整体性、时效性、稳定性和发展性等方面［4］。在了解农产品物流能力相关理论和特征后，要想对农产品物流能力进行评价，必须着手建立农产品物流能力评价指标体系。陈香［5］在遵循整体性原则、统筹兼顾原则和因地制宜原则的基础上，确立了包括公路覆盖率、农产品物流扶持政策等16项指标的农产品物流能力评价指标体系。大部分学者鉴于数据可比性和可获得性，只选取了基础设施能力、物流协调能力、物流运营能力及政策环境支持4个维度中的部分指标建立农产品物流能力评价指标体系。例如，田淑芳等［6］选取了境内公里数、农林牧渔业总产值等8项指标评价区域农产品物流能力。而程露露［7］选择用区域生产总值（Gross Domestic Product，GDP）、区域人口数等10个指标对区域农产品物流能力进行评价。

2 指标选取与数据来源

笔者在考虑数据可比性和可获得性的基础上，参考《江西统计年鉴：2019》［8］和2018年江西省各地级市国民经济和社会发展统计公报，选取区域经济发展水平、区域农村物流发展潜力、区域信息化程度3个维度的地区人均GDP（X₁）、社会消费品总额（X₂）、居民可支配收入（X₃）、农林牧渔业总产值（X₄）、境内公里数（X₅）、民用载货汽车拥有量（X₆）、货运总量（X₇）、互联网接入用户数（X₈）、移动电话年末用户数（X₉）等9个指标构建江西省区域农产品物流能力评价指标体系（见表1），同时选取江西省11个市作为样本。

3 研究方法

3.1 因子分析

因子分析是一种从变量群中提取共性因子的统计技术，主要原理是将所观测变量进行分类。其将相互联系较为紧密，即相关性较强的变量分为一类，不同类的变量之间相关性较弱。因子分析可通过少数几个因子反映原变量的大部分信息，这样既抓住了问题的本质，又达到了浓缩数据的目的，具有客观性、可操作性强等特点。笔者利用SPSS20.0软件对选取的9个指标进行因子分析，包括因子变量构建、主因子解释与命名、因子得分计算并排名，最后得出相关结论。

3.2 聚类分析

聚类分析是根据对象之间的相似性度量，将对象划分为若干组的方法，主要原理是将一组相似的对象（数据点或观测值）分成具有相似性的类别或簇，目标是得到较高的簇内相似度和较低的簇间相似度，使簇间的距离尽可能大，簇内样本与簇中心的距离尽可能小。笔者利用SPSS20.0软件，根据因子分析法得出的主因子得分计算江西省11个市的相似性，得到江西省各市农产品物流能力系统聚类树状图，最后综合各项分析结果将11个市划分为多个类别，并对各个类别进行分析，进而得出相关结论。

4 江西省区域农产品物流能力实证分析

4.1 原始数据的标准化处理

由于各指标原始数据的单位不同及其数值大小和离差的不同等，可能导致分析结果的偏差，因而笔者利用SPSS20.0软件对原始数据进行Z-Score标准化处理。Z-Score标准化处理方法是基于原始数据的均值和标准差进行数据的标准化，输出数据结果如表2所示。

4.2 江西省区域农产品物流能力因子分析

4.2.1 KMO和Bartlett球形检验

为判断数据是否适合进行因子分析，笔者利用SPSS20.0对标准化数据进行KMO和Bartlett球形检验。检验结果显示，选取的9个指标的KMO值为0.583，处在0.5～0.6，虽然大于最低标准0.5，但检验结果不够理想；然而Bartlett球形检验结果的相伴概率为0，小于显著性水平0.05，因此拒绝Bartlett球形检验的零假设。综合考虑两项检验结果，笔者认为所选取的9个指标适合进行因子分析。

4.2.2 主因子提取

因子分析的结果如表3所示。在2个初始特征值大于1的因子中，第1个因子平均代表了5.366个指标的信息，第2个因子平均代表了2.335个指标的信息，2个因子的累计方差贡献率达到85.564%。因此，笔者提取前2个因子作为主因子评价江西省区域农产品物流能力。

4.2.3 因子旋转

由于因子需要有实际含义，为了使因子载荷矩阵中系数更明显，可进行“旋转”，将因子与原始变量的关系进行重新分配，使因子的意义更加明确与合理，有利于数据的解读和应用，旋转后的因子荷载矩阵如表4所示。显然在经过旋转后，社会消费品总额、农林牧渔业总产值、境内公里数、民用载货汽车拥有量、货运总量、互联网接入用户数及移动电话年末用户数等7个指标在第1主因子上有较大的载荷，而地区人均GDP和居民可支配收入在第2主因子上有较大的载荷。

根据各指标意义和属性并结合相关行业知识可以发现，与主因子1关系密切的社会消费品总额、农林牧渔业总产值、货运总量主要反映该区域农产品物流的供给和需求状况，而境内公里数、民用载货汽车拥有量、互联网接入用户数和移动电话年末用户数4个指标主要反映该区域农产品物流基础设施情况。因此，笔者将主因子1命名为物流基础因子。同理，与主因子2关系密切的地区人均GDP和居民可支配收入主要反映一个区域的经济水平，故笔者将主因子2命名为区域经济因子。具体因子结构情况如表5所示。

4.2.4 因子得分

确定因子以后，需要计算各因子在样本数据上的具体数值。利用SPSS20.0软件，计算得到因子得分系数矩阵（如表6所示），根据该矩阵可以得到因子评分表达式为

F₁=0.109X₁+0.273X₂+0.078X₃+0.135X₄+0.091X₅+0.121X₆+0.104X₇+0.245X₈+0.232X₉ （1）

F₂=0.337X₁+0.244X₂+0.332X₃-0.130X₄-0.180X₅-0.118X₆-0.018X₇+0.082X₈+0.050X₉ （2）

在此基础上，为了更好地进行比较分析，笔者进一步计算2个主因子的综合得分（F）。根据2个主因子旋转后的累积方差贡献率作为权重，得到2个主因子综合得分表达式为

F=（0.495 47F₁+0.360 17F₂）/0.855 64 （3）

之后，通过SPSS20.0软件计算得到江西省11个市的2个主因子得分和排名及主因子综合得分和排名。由表7可知，除南昌市、九江市、赣州市、上饶市外，其余7市的主因子综合得分均为负数。由此可见，江西省区域农产品物流能力普遍较弱，且各区域农产品物流发展极不均衡，差异较大。

4.3 江西省区域农产品物流能力聚类分析

为了进一步分析江西省区域农产品物流水平和结构，笔者根据此前因子分析提取的2个主因子作为变量，利用SPSS20.0对江西省11个市农产品物流能力进行系统聚类分析，得到聚类分析树状图如图1所示。

根据因子分析的结果，笔者将江西省11个市的农产品物流能力分成4类：第一类，物流基础完善且区域经济发达；第二类，物流基础高于区域经济；第三类，区域经济高于物流基础；第四类，物流基础欠缺且区域经济落后。具体结果如表8所示。

由图1、表8可知，南昌市作为江西省省会城市，自身单独作为一类，其在农产品物流能力上表现最强并且远强于其他城市；赣州市也单独作为一类，但在树状图中与其他城市还是存在一些关联，其在农产品物流能力上表现较强的原因主要体现在其发达的物流基础上；九江市、上饶市、宜春市、抚州市和吉安市作为第三类城市，它们在农产品物流能力上表现一般，这5个城市的特点主要体现在物流基础较强，但是区域经济发展稍弱；第四类城市包括新余市、鹰潭市、萍乡市、景德镇市，这4个城市在农产品物流能力上表现较弱，其特点主要表现为区域经济较强，但物流基础薄弱，最终削弱了城市整体的农产品物流能力。

5 结论及建议

5.1 结论

综合当下国内农产品物流形势，江西省各区域人文环境、生态环境和地理地形等一系列因素和各区域农产品物流能力因子分析和聚类分析结果，笔者得出以下结论。

①江西省部分区域的农产品物流能力较强主要得益于当地土地面积较大和人口众多。例如，赣州市作为江西省土地面积最大、人口最多的城市，尽管其人均GDP最低，但其便利的交通、丰富的劳动力是其在物流能力主因子综合得分中排名第2的主要原因。此外，在江西省区域农产品物流能力聚类分析中，第三类城市（包括九江市、上饶市、宜春市、抚州市和吉安市）均为江西省面积较大、人口较多的城市，其在物流基础设施上相较于第四类城市有明显的优势。例如，新余市、鹰潭市、萍乡市和景德镇市的经济水平较高，交通也相对便利，但农产品物流能力却低于经济水平较低地区，它们很大程度受限于劳动力的不足和土地的匮乏。