航空物流产业发展战略评价——以郑州航空港经济综合实验区为例，本文主要内容关键词为：航空港论文,郑州论文,发展战略论文,区为论文,航空论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
[中图分类号]F56 [文献标识码]A [文章编号]1006-5024(2015)07-0131-07 [DOI]10.13529/j.cnki.enterprise.economy.2015.07.026 目前，航空港在全国的建设热潮持续高涨，郑州航空港得到国务院批准成为全国唯一的国家级航空港，因而郑州航空物流产业受到了极大的关注和重视，对其发展状况需要适时进行评价。通过评价，能够比较客观、深入、动态地反映郑州航空物流产业各环节、各因素的发展现状，为政府制定产业政策、引导产业发展，进行系统、合理的管理规划提供理论依据。因此，建立系统科学的评价体系是科学管理航空物流产业的前提和基础。 影响郑州航空物流产业发展的因素很多，从大的方面来看，除了经济因素、自然因素外，还有政策因素、社会因素和技术因素等方面。从具体方面来说，它包括规划设计的方案及水平、政策的宽严程度、决策者的思维、公众的参与意识以及航空物流的条件和设施等等。单个因素对航空物流产业发展的影响是微弱的，而多个因素综合起来，则对郑州航空物流产业的发展起决定作用。只有对这些因素进行综合分析，才能真正掌握郑州航空物流产业发展的优势和劣势，才能预测其发展潜力。 一、评价指标体系的构建 对郑州航空物流产业评价指标的选择可以分为以下几个阶段： (一)指标的预选 结合产业竞争力研究的经典范式波特的钻石模型(如图1所示)，综合文献分析和专家的意见，对指标进行初步的预选。
图1 波特钻石模型 波特认为，某种产业竞争力的胜出，是由企业的战略、结构和同业竞争、生产要素、需求条件、相关性产业和支持性产业决定的，即这些因素为决定因素。机会和政府的作用也是影响产业竞争力的重要因素，即为辅助因素。企业的战略、结构和同业竞争是企业创立、组织和管理形态，以及国内市场竞争对手的表现。生产要素是在产业竞争中所需要的社会资源，分为初级生产要素和高级生产要素；需求条件是国内市场的需求，是产业发展动力；相关产业和支持产业是上下游产业是否具有竞争力，是否能够良性互动；机会是指一些突发性因素；政府是指政府的干预。 通过图1可以看出，钻石体系是一个双向强化和互动的系统，其中任何一项因素的效果都影响另一项因素的状态。只有将这些因素有机结合起来，并加以综合运用，才可能形成产业自我强化的优势。 借鉴和总结前人对航空物流评价指标的研究，在清华同方中国期刊网(CNKI)数据库用关键词“航空物流”、“评价”检索被引频次高的文献，发现关于“航空物流”的评价指标研究内容较少，因此再次用关键词“城市物流”、“评价”检索被引频次高的文献，两次检索结果相结合，共选取了43篇文献，对文献中出现的指标进行频次统计。 在指标统计中，考虑研究主题，即“郑州航空物流产业的发展”，因此在指标选择中，针对“郑州”内陆城市，不考虑港口等指标，针对“航空”，不考虑公路、铁路等其他交通方式的物流，并且结合评价的原则，选择指标，初步建立指标集(如表1所示)。
(二)指标的确定 结合波特的钻石理论模型，综合考虑需求、供给和政府等诸多因素，郑州航空物流产业应当从经济竞争力、航空物流业务能力、基础设施建设、政府管理能力四个方面来评价。 综合考虑评价的原则，避免指标过多，造成多重共线的现象，结合研究主题，并且进行因子分析法的检验，选取了具有代表性、简明、实用的8个指标，能够较为全面地反映郑州航空物流产业，既能说明问题，又避免了指标体系的复杂。 经济竞争力：航空物流产业与经济的发展有着密切的关系，经济的腾飞是航空物流产业的发展和壮大的动力支持和物质保障，是航空物流业需求增长的关键因素。《统计大辞典》指出，人均地区生产总值是最能反映一国或地区的生产水平和收入水平的综合指标，生产水平和收入水平的提高对航空物流产业的发展壮大起到了基础的推进作用；进出口贸易总额，是反映一个国家或地区对外开放程度的重要指标，进出口贸易促进了物流产业，特别是航空物流产业的发展，为郑州的经济快速发展起到了日益突出的作用。 航空物流业务能力：是影响郑州航空物流产业发展的直接因素。航空旅客周转量，在《国家统计报表制度主要指标解释》中指一定时期内，航空运输单位实际运送的旅客人数与其相应的旅客运送距离乘积之和。航空货物周转量，在《国际统计年鉴》中定义为承载的每个航班的货物、快递和邮包重量之和乘以飞机从起飞到降落的飞行距离。这两个指标均是直接测度郑州航空物流业务能力的指标，能够比较有效地评价郑州航空物流产业的发展水平。 物流基础设施建设：国际互联网用户，随着现代信息技术的发展，物流业已经进入了信息化时代，对信息交流的速度和质量有了更高的要求，互联网的发展，提升了物流产业整体的发展效率，通过互联网进行物流的运作与管理，追踪物流信息，带来了极大的便利。《国家统计报表制度主要指标解释》指出，邮电业务总量即邮电专业产品量。邮电业务量按专业分类包括函件、机要文件、包件、汇票、报刊发行、邮政快件、特快专递、邮政储蓄、集邮、公众电报、用户电报、传真、长途电话、出租电路、市话无线寻呼、移动电话、分组交换数据通信、出租代维等，包括多种形式，较为具有代表性地反映了物流产业的需求量。 政府管理能力：在我国的市场经济条件下，政府的宏观调控仍具有重要意义，政府对航空物流产业的科学、适当的监管，为航空物流产业营造了一个良好的机制和市场氛围。结合波特的钻石模型，可以看出政府的干预对产业的发展和增强竞争力具有重要的意义。在经济全球化与区域一体化发展的进程中，航空物流产业蓬勃发展，航空物流业的发展促进了全球供、产、销一体化供应链的完善。结合前人的研究成果和评价的原则，选取地方财政一般预算收入指标进行评价，财政收入能够反映当地政府集中财政收入的程度和宏观调控的能力，进而反映当地政府的管理水平和能力。 二、指标权重系数确定 本文采用因子分析法，根据变量之间的相关性进行分组，减少参与分析的变量的个数，降低原有变量之间的相关性，避免数据损失(如表2所示)。
因子分析的主要思想可以通过数学模型来表示。有n个变量分别为
，每个变量的均值为0，标准差为1，将每个变量用k个因子
来线性表示。如下图2所示。
图2 因子分析数学模型 图2因子分析数学模型也可以用简化的矩阵形式表示，X=AF+ξ，其中A称为因子载荷矩阵，F成为因子，因为出现在每个原有变量的线性表达式中，又被称为公共因子。
成为因子载荷，即第i个原有变量在第j个因子上的载荷。 具体的步骤如下。 (一)原始数据标准化 原始矩阵为Z，采用Z-Score法进行标准化，公式如下：
这样使变换后的
的平均值为0，方差为1。 根据标准化矩阵R'，计算简单系数矩阵R。计算公式如下：
(二)前提检验 一般在进行因子分析前，首先要对因子分析的变量适用性进行检验。 第一，相关系数矩阵检验。在相关系数矩阵中，如果大部分相关系数小于0.3，则变量之间的相关性较小，不适用因子分析方法。如果大部分相关系数比较大，则变量之间的相关性较大，适用做因子分析方法。 第二，KMO(Kaiser-Meyer-Olkin)检验。一般情况下KMO若大于0.6，则适合做因子分析；大于0.9则表示非常适合。KMO越接近于1，就越适合做因子分析；越接近于0，则越不适合做因子分析。 第三，巴特利特球度(Bartlett test of sphericity)检验。如果该组数据的观察值比较大时，对应的P值小于给定的显著性水平a，则认为相关系数矩阵不太可能是单位矩阵，因此适合做因子分析；如果该组数据的观察值比较小时，则不适合做因子分析。 计算特征根、特征向量、特征方程、累计方差贡献率。 求解相关系数矩阵R的特征根
，｜R-λE｜=0，λ为特征根，描述了对应的因子在评价对象上所起的作用。并且求解对应的特征向量
。通过上述步骤，计算
便可以得到各个主成分。其中的n个特征根和对应的特征向量便是因子分析的初始解。因子分析利用上述得到的n个特征值和对应的特征向量计算因子载荷矩阵，并在计算因子载荷矩阵时选取前K个特征根和对应的特征向量，求解特征方程[1]。 前K个因子的累计方差贡献率公式为
。根据累计贡献率，确定因子的个数，一般是在85%以上。 (三)确定因子提取的个数 确定因子提取个数主要有两种方法。第一种方法为特征根值法。一般选取特征根值大于1的特征根，也可以根据通过特征根数和特征根值数绘制的碎石图来确定因子数。第二种方法是累计方差贡献率法。通过因子的累计方差贡献率来确定因子的个数，经常选取累计方差贡献率大于0.85所对应的特征根个数为提取的因子的个数。 (四)求解初始因子载荷矩阵 因子分析的关键是求解因子载荷矩阵。因子载荷矩阵的求解方法有基于主成分模型的主成分分析法。基于因子分析模型的主轴因子法、极大似然法、最小二乘法等，在因子分析中占有主要地位且被广泛使用的是主成分分析法[1]。因子分析是通过坐标变换的手段，将原有的n个相关变量
，标准化后的变量为
，进行线性组合，转化成另外一组不相关的变量。 求解因子模型Z=AF的因子系数A的初始解。 (五)因子旋转 如果求得的初始矩阵难以解决实际问题时，就需要进行因子旋转，使得各因子负荷值尽量向0或1极端值靠近。因子旋转的方法共有两种：正交旋转和斜交旋转。正交旋转是坐标轴在旋转过程中始终保持垂直，新生成的因子之间仍保持不相关性；斜交旋转中坐标轴中的夹角可以是任意度数，新生成的因子之间不能保证不相关性。在因子具有命名可解释性方面，斜交旋转优于正交旋转，但却以不能保持因子的不相关性为代价。因此，一般在应用中选择正交旋转。 (六)因子命名 因子分析方法的目的，一是通过找出公共因子，对原有的变量进行分组，第二是弄清楚每个公共因子所代表的含义。根据分组后原有变量所代表的共同含义，对公共因子进行命名。 (七)计算因子得分
因子得分系数矩阵
，R为原变量相关系数矩阵，A'为旋转后因子载荷矩阵。 确定好因子后，接着可以计算各因子在每个样本上的具体数值，通过计算得到的数值称为因子的得分，所形成的新的变量被称为因子变量，计算因子得分系数的方法有最小二乘法、巴特利特(Bartlett)法、Anderson-Rubin法。 三、郑州航空物流产业发展综合评价 对郑州航空物流产业的评价数据来源是2004-2013年的《中国区域经济统计年鉴》、《中国城市统计年鉴》、《河南省统计年鉴》、《郑州市统计年鉴》。 (一)郑州航空物流产业发展的评价过程 1.前提检验 在进行郑州航空港物流产业进行数据分析前，首先对数据的有效性进行检验，在本研究中主要对计算样本观测数据的相关系数、KMO(Kaiser-Meyer-Olkin)检验与巴特利特球度(Bartlett test of sphericity)检验进行了计算与分析，来分析数据的有效性。 (1)计算样本观测数据的相关系数 经过相关系数的计算，根据相关系数表(见表3)可以看出，大部分相关系数大于0.3，说明选取的指标之间具有相关性，指标之间相关系数均小于1，说明不存在完全相关关系，符合因子分析的要求，可以做因子分析。
(2)KMO(Kaiser-Meyer-Olkin)检验 由KMO and Bartlett's检验计算结果可知，KMO的值为0.678，大于0.6，适合做因子分析(见表4)。 (3)巴特利特球度(Bartlett test of sphericity)检验 巴特利特球形检验统计量的观测值为133.834，该组数据的观察值比较大并且给定的显著性水平为5%时，对应的P值为0.000，小于给定的显著性水平，则拒绝原假设，相关系数矩阵不太可能是单位矩阵，因此适合做因子分析。 2.相关矩阵的特征值、贡献率及累积贡献率 根据原有变量的相关系数矩阵，运用因子分析方法提取因子，特征根设定为大于1(见表5)。
提取方法：主成分分析法。 从表5中可以看出，横坐标为因子个数，纵坐标为特征根，第1个因子的特征根值很高，对解释原有变量的贡献最大；第2个因子的特征根值较大，对解释原有变量的贡献较大；第3个因子及以后的特征根值都较小，对解释变量的贡献较小。因此，从原有的8个变量中提取两个因子是合适的。 从因子散点图(图3)中可以看出，因子所荷载的指标归属较为明确，因此，选择析取两个因子的模式进行因子分析。 因子贡献率、累积贡献率、因子分布散点图、碎石图(图4)所示。通常因子的累积贡献率达到85%以上时，即可认为大部分指标信息被提取了。由表4可以看到，提取了两个因子，累积贡献率达到了95.373%，即两个公共因子共解释了原有变量总方差的95.373%。因此，从总体上说，原有变量的信息丢失较少，因子分析效果较理想，指标归属可以被很好地判断。 3.因子载荷矩阵的初步分析 首先是对因子进行共同度分析。变量
共同度刻画了因子全体对变量
信息解释的程度，它是评价变量
信息丢失程度的重要指标。如果大多数原有变量的共同度均较高(如高于0.8)，则说明提取的因子能够反映原有变量的大部分(80%以上)的信息，仅有较少的信息丢失，因子分析的效果较好。
图3 因子分布散点图
图4 碎石图
从表6的共同度表中，我们可以看到，大多数指标变量和因子之间的相关程度较高，只有C4指标与其因子的相关度较低，但是，其相关程度也达到了0.897，比较高。所有变量的绝大部分信息(都超过了0.8)都可以被解释，这些变量丢失的信息较少。总体看来，因子能够充分反映指标包含的信息量，本次因子提取的效果比较理想。 其次是对初始因子载荷矩阵(表7)进行分析。观察初始因子载荷矩阵，典型代表变量并不十分突出，因此，需要对因子载荷矩阵旋转作进一步的分析。
4.旋转后的因子载荷矩阵 本文采用因子方差最大法对因子载荷实施正交旋转，以便使得因子命名更具有解释性。从旋转后的因子载荷矩阵(表8)中可以看到，因子载荷值差异较大，呈现两极分化，公共因子代表的指标变量信息明显。
5.旋转后的特征根、贡献率和累积贡献率 利用旋转后的因子贡献率作为各个主因子的权重来进行最后的因子得分计算。计算结果如表9所示。
6.因子的含义 (1)第一因子的解释 第一因子主要由
人均地区生产总值、
进出口贸易总额、
国际互联网用户、
地方财政一般预算收入构成，它们在第一主因子上的载荷分别是0.815、0.970、0.942、0.906。这四个指标反映了当地的收入状况和对外开放程度，将其定义为经济发展水平。 (2)第二因子的解释 第二因子主要由
航空旅客周转量、
航空货物周转量、
邮电业务总量、
普通高等学校在校学生数构成，它们在第二主因子上的载荷分别是0.766、0.839、0.949、0.743。这四个指标反映了基础设施建设水平和政府管理水平，将其定义为管理水平。 通过旋转后的因子模型可知，郑州航空物流产业的发展水平主要受“经济发展水平”和“管理水平”两个因素的影响。 7.主因子得分及排序 为了得到每个年份的因子得分，利用回归方法，将主因子对指标变量作线性回归，得到因子得分系数的最小二乘估计。表10是计算得到的因子得分系数矩阵。
利用因子得分系数和原始变量的观测值计算各个年份的因子得分，公式为：
因子得分的均值为0，标准差为1，，正值表示高于平均水平，负值表示低于平均水平。 (二)郑州航空物流产业发展的评价结果 由表10可以看出，有5项因子指标对公共因子
经济发展水平影响程度较大，影响程度依次为：
，有6项因子指标对公因子
管理水平影响程度较大，影响程度依次为：
。 通过计算得到的因子得分及排序见表11。由表11可以看出，第一主因子中2012年排名最高，排名基本呈现随年份递增的顺序。但可以看出2005年该指标的分值排名第六，而2006年、2007年分别排名为第八和第七。对于第二主因子，年份对排名的影响并不显著，即排名并不随年份的增加而增加，得分最高的是2010年，其次为2009年、2008年，得分最低的是2003年。 (三)郑州航空物流产业发展的评价结果分析 1.郑州航空物流产业发展综合评价模型。在得到因子得分函数以后，采用因子加权总分的方法对郑州航空物流产业的发展水平进行综合评价，其中权重的确定是关键。通常是根据实际问题，由专家主观赋权或者以提取因子的方差贡献率为权数。本文以各个公共因子的方差贡献率作为权重，计算郑州航空物流产业发展水平的综合因子得分值，即因子综合得分的计算公式为：
其中，
表示经济发展水平，
表示管理水平，F为郑州航空物流发展水平的综合得分值。 2.2003年至2012年郑州航空物流发展评价。根据上述模型计算郑州航空物流产业2003年至2012年郑州航空物流产业发展计算结果(见图5)所示：郑州航空物流产业竞争力综合因子指数呈现出逐年上升的趋势，没有出现反常情况，这与预期方向相同，说明郑州航空物流产业不断发展，航空物流产业的水平逐渐提高。
图5 2003-2012年郑州航空物流产业综合因子得分 为了对郑州航空物流产业的趋势有更加直观的了解，根据计算的因子综合得分，绘制了趋势图。从图6可以看出，因子1经济发展水平总体呈现上升趋势，因子2管理水平总体呈现下降趋势，郑州航空物流产业发展的综合得分处在经济发展水平因子和管理水平因子中间，总体呈现上升趋势。因子1经济发展水平在2003年至2009年增长不明显，基本保持不变，2010年至2012年，增长趋势非常明显，增长速度明显加快；因子2管理水平在2003-2010年增长明显，增长速度较快，2010年之后下降，2010-2011年下降速度最快，2012年下降速度减慢；总因子在2003年至2012年持续上升，说明郑州航空物流产业发展态势持续增强，具有很大的发展潜力。但是从中也可以看出，在郑州航空物流产业的管理方面需要继续加强，进而促进郑州航空物流产业的发展。
图6 2003-2012年郑州航空物流产业发展趋势图
标签：贡献率论文; 郑州航空港经济综合实验区论文; 因子载荷论文; 矩阵管理论文; 因子分析论文; 经济论文; 方差分析论文; 郑州经济论文; 旋转变换论文; 解释变量论文; 空港论文; 矩阵论文;
