英语原文共 16 页，剩余内容已隐藏，支付完成后下载完整资料

城市物流竞争力及空间演变的评价与分析

邹欣·塞克哈尔·萨默纳哈里和德里克·斯克拉夫顿。澳大利亚维多利亚州克莱顿莫纳什大学运输研究所；自然和人工环境学院。南澳大利亚大学，莫森湖，南澳大利亚

摘 要

城市物流是实现城市经济效益的关键，其快速发展对提高城市竞争力具有巨大潜力。本研究以中国四川省的18个城市为研究对象，通过分析地区生产总值(GRP)，货运总量和邮政收入等因素，构建了基于经济发展水平，物流业务规模和信息化水平的城市物流竞争力(ULC)评价指标体系。运用SPSS软件，通过因子分析和聚类分析对18个样本城市的ULC进行了评价和分类24.0软件。通过计算每个城市的物流区位商(LQ ),然后使用ArcGIS 10.5确定2004年至2014年的空间结构演变，对各个城市群进行了比较和分析，以确定ULC的空间分布。通过因子分析和聚类分析发现，根据城市的综合物流竞争力水平，可以将城市分为四类。此外，空间演化分析表明，四川城市物流空间格局呈现出从“三群多节点”向“一中心，两极，多节点”演化的特征。

绪论

1 介绍

城市物流服务于城市经济发展的需求，对于确保城市地区持续的生活质量至关重要(Savelsbergh和Woensel2016).提高城市物流的竞争力对于促进城市和区域经济的发展具有不可替代的作用。发展信息技术有助于提高城市生产力，改善产业结构，为单个企业和整个国家带来经济效益，并提高城市的整体竞争力。城市物流竞争力(ULC)是指城市物流产业的竞争力；这是一个相对的概念，是通过对不同发展水平的城市在城市物流方面的横向比较得出的，是城市竞争力的一个主要方面。提高其UCL是提升城市竞争力的重要途径，而城市物流竞争力水平是其区域经济发展的重要指标。科学评价城市物流竞争力，对于企业和政府决策，改善物流环境，促进城市和区域经济发展具有重要意义。这对现代物流经济的发展具有重要意义。

因此，为了在前人研究的基础上对城市物流竞争力进行评价，本文构建了ULC评价指标，并以四川省为例，对全省18个城市的物流竞争力进行了实证研究，以期为影响区域物流协调发展和空间规划的决策提供依据。

2 文献评论

是指物流产业为城市的发展提供竞争优势，物流服务和产业创新能力，是城市物流产业获得和扩大市场竞争优势的决定性力量(薛，郭，党2012).物流竞争力的研究主要涉及三个方面:物流产业竞争力视角下的区域竞争力，区域物流发展(宏观层面)和内部物流发展(微观层面)。然而，很少有研究专门针对城市物流业的竞争力。塔尼-顾迟和范德黑登(2000)提出了城市物流计划，包括先进的信息技术系统，合作货运系统，公共物流终端，装载系数控制和地下货运系统。装订工和谭(2003总结了决定物流等级的六个方面(基础设施，绩效，信息系统，人力资源，商业和政治环境)的20个具体标准，并对欧洲和亚洲的物流系统进行了比较。在最近的研究中，Alarcoacute;n，Antuacute;n和Lozano(2012)基于物流增长极理论解释了物流竞争力，并从物流竞争力的角度提出了区域物流节点的管理策略。林，李，周(2013)将影响区域物流竞争力的主要因素分为六个方面，包括区域物流企业竞争力，区域物流要素，区域物流需求水平，区域信息技术发展水平，区域政府素质和区域经济发展水平。谢菲(2013)从物流产业集群的角度研究了如何提升全球区域竞争力。曼谷语，泰语和元语(2015)通过一个包括宏观物流和半结构化访谈的国家评估框架探索了越南物流系统的现状，并将越南与其他国家或地区的物流竞争力进行了比较。埃基齐，卡巴克和乌伦金(2016)使用一个人工神经网络分析了土耳其的物流竞争力，该网络基于六个指标:基础设施，海关，国际货运，物流质量和能力，跟踪和追踪以及及时性。作者建议发展宽带互联网和可持续物流之间的关系。厄兹蒙(2019)使用9项标准评估了25个经合组织国家的物流竞争力，涵盖两个方面:绩效领域(如基础设施和国际货运)和运输量(如货运和客运)。关于与时间维度相关的研究，Kumar等人(2017)介绍了使用区位商(LQ)分析来调查2001年至2012年美国大都市地区运输和物流集群专业化的变化。

许多研究人员已经使用特定的物流评估标准来评估和比较物流业的发展水平和竞争力。不同的评价标准和指标体系遵循系统化原则，描述特定研究领域内物流的各种竞争优势和发展水平。然而，这些研究也发现了所建立的评价标准和指标体系的不足之处。例如，其中一些过于笼统，使得在评估特定区域物流系统的发展和潜力时不可能孤立某一特定方面。有些指标体系过于繁琐，需要大量的人力和财力来操作。虽然其中一些是全面的，但其中包含了太多的定性指标。这些指标被赋予任意的权重，这可能会影响研究结果。在本研究中，这些因素将联系建立一个更具可操作性和合理性的指标体系的目标来考虑。

在综合考虑适合评价ULC的因素的基础上，选择既有用又有代表性的指标，弥补以往指标体系的不足，从而构建一个系统，确保对ULC进行科学合理的评价。此外，还将以四川省为例进行实证研究。

3 评价指标体系的构建

这项研究的标准是基于广泛的文献综述及其可测量性(邓和马2014；张2014；太阳2014；金，黄，胡2013；谷口和范德黑登2000；搬运工1990).与此相关，我们在此强调三个关键方面:经济发展水平，物流业务规模和信息化水平，如所示Table 1。

经济发展水平。经济发展水平高的城市，消费水平高，市场活跃，商业流通繁荣。对运输，仓储，配送等物流服务的需求也很高，物流业发展迅速。高水平的经济发展也意味着强大的经济，以及投资物流基础设施和现代物流设备的能力，这反过来又促进了那里物流业的发展。可以参考地区生产总值(GRP)，人均GRP，进出口总额等指标来表示城市的经济发展状况。

物流-商业规模。物流企业的规模不仅代表了一个地区物流产业的发展水平，也是该地区物流产业持续发展的起点。就所包括的指标而言，总货运量(或客运量)是反映运输部门在一定时期内经营成果的指标。它反映了交通运输行业提供服务的能力，也反映了城市物流基础设施的水平。公路货物(或旅客)周转量是指运输不同重量的货物(或旅客)和运输距离的产品(或旅客)的总和，反映了运输业的总生产成果。

信息化水平。物流涉及大量信息的流动，这涉及物流软件的研究，开发和推广，以及物流业信息应用系统的建设和完善，从而提高城市物流的效率和竞争力。因此，信息化水平是一个城市ULC的重要指标。对信息技术水平的评估包括邮政和电信服务的收入，以及移动电话和互联网服务的用户数量。

综合评价和分析

4.1 研究领域

四川省位于西陇海-蓝欣经济区，南贵昆经济区和长江上游经济带，在中国具有重要的战略地位(Figure 1).它也是西部地区最大的商品市场，生产要素市场和物资集散地。该省的经济发展对长江上游经济带和整个中国西部地区的发展尤为重要。近年来，四川物流业发展迅速，规模不断扩大。根据四川省发改委发布的《2017年四川省物流运行公报》(2018)，2017年四川社会物流总值和增加值分别为6.39万亿和2344.9亿CNY，分别比上年增长7.7%和8.6%。为推进对物流发展的科学认识，对四川省18个城市的物流竞争力进行评价，可以揭示物流产业发展中存在的问题，同时也为提高物流产业效率，促进物流产业转型升级提供参考。

数据源和处理

在对城市物流竞争力进行因子分析的基础上，选取15个指标构建城市物流竞争力评价指标体系(Table 1)，使用来自《四川统计年鉴-2015》(四川省统计局和国家统计局四川调查总队)的数据2015)和《中国城市统计年鉴-2015》(国家统计局城市调查司2015).根据因子分析的计算原理，采用SPSS 24.0对原始数据进行计算和统计分析。因子分析的步骤是:

步骤1:计算变量间的积矩相关系数，形成相关系数矩阵。

步骤2:使用共性评估选择因子模型。在主成分分析(PCA)期间，变量的初始共同性被假设为1，并且初始共同性通常使用多个相关系数的平方来估计。进行迭代提取公因子。

步骤3:该步骤涉及使用主成分方法的因子提取；

第四步:这一步采用潜根法提取特征值gt; 1的因子个数，确定要保留的因子；因子提取后的结果往往难以解释，一个变量对多个变量的高负荷是很常见的；因此，需要因子旋转来简化解释过程。

因子分析的结果

因子分析是一种简化方法，它能把众多的变量集中在少得多的变量中，得到的变量就是所谓的因子。因子分析的基本理论是基于这样的假设，即样本在变量上的得分由两部分组成:不同变量的共同成分称为“共同因子”，每个变量的独特成分称为“独特因子”可能有一个或多个共同因素。也就是说，因子载荷由变量间的相关系数决定，提取变量间的公因子是因子分析的核心目的。

适当性测试

在进行主成分分析之前，先进行KMO (Kaiser-Meyer-Olkin)和Bartlett的球形度检验。使用SPSS 24.0进行数据处理，结果显示在中Table 2。

根据所示的测试结果Table 2，KMO测量值为0.613 gt; 0.5，这意味着使用因子分析是合适的。当自由度(df)等于105时，近似卡方为696.091，显著性为0 lt; 0.05，这意味着原始数据适用于因子分析。

主因子的确定

在进行聚类分析之前，有必要分析指数之间的相关性。由于每个指标在各个方面不同程度地反映了一个节点的一些信息，所以指标之间存在相关性，这样数据所传递的信息就有一定程度的重叠。利用主成分分析(PCA)和数学中的降维思想，可以将原始的相关指标以线性方式组合成几个独立的指标。这种组合形成的新变量不仅保留了原变量的主要信息，而且互不相关。

主成分分析的优点是简化问题，而不需要在进行分析之前了解大量变量之间的关系。这使得它适合于分析有许多变量的问题，或者变量之间的关系不清楚的问题。因子分析采用SPSS 24.0，数据旋转采用Varimax结果如所示Table 3。根据特征值大于1的原则，前两个因素是提取为主要因素F1和F2。可以看出，两个主因子的累计贡献率达到93.267%。因此，这两个主要因素准确地反映了18个城市的物流竞争力水平。

从以下可以看出主因子F1对X1，X3∽X5，X7，X9∽X15的负荷较大，反映了经济发展水平，物流企业规模和信息化的影响物流竞争力水平。其贡献率远远高于主要因素F2的贡献率。因此，主要因素F1可以概括为“物流流通，规模和信息”因素。主因子F2对X2，X6和X8的负荷较大，反映了区域经济发展和居民消费对物流竞争力的影响。这表明，随着区域经济发展的加快和消费水平的提高，对各种商品和服务的需求不断增加，从而促进了物流业的发展。因此，主要因素F2可以概括为“物流需求”因素。

综合得分和排名

为了分析各城市的物流竞争力，采用回归算法得出各指标在两个主因子F1和F2上的得分系数；结果如所示：

4.4 聚类分析结果

为了更清楚地反映这些城市的物流竞争力，从因子分析中提取两个主因子进行聚类分析。聚类分析的实质是将众多的研究对象根据其内在属性划分为不同的类别。具有相似性质的研究对象被归入单一类别，从而减少其数量；在聚类之后，属于给定类别的分析对象之间存在高度的同质性，而不同类别中的分析对象具有高度的异质性。聚类分析不仅能快速处理大量数据，而且能自动确定最佳类别数，在简化计算和提高客观性方面具有优势。

在SPSS 24.0中，使用F1和F2的分

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[589036]，资料为PDF文档或Word文档，PDF文档可免费转换为Word