无水港跨境物流网络研究：基于PCA的质量评估和候选枢纽选择

对于无水港而言，物流质量表示该节点的综合物流能力。作为一个大型的物流公共设施，无水港的发展和功能与地方政府的支持、地方经济的发展、地方物流业的发展水平等都息息相关（Ng et al.，2013；Roso，2008；Wu et al.，2016）。因此，一个无水港的综合物流能力，不只是要关注该无水港节点本身，还要综合考虑无水港所在区域的相关因素。本书应用主成分分析方法（PCA）来评价无水港的物流质量。

主成分分析（Principal Component Analysis，PCA），是一种数据降维技巧，将大量相关变量通过线性变换转化为一组很少的不相关变量的多元统计分析方法。在现实世界里，真实的数据总是存在各种各样的问题而不能直接用于问题分析，比如，数据的不同特征中存在明显的相关性、样本数量较少但是样本数据维度很高等。而主成分分析通过将以上存在各种各样问题的数据集投射到一个由特征向量张成的子空间上，并使数据损失最小，能够有效克服现实世界中数据集存在的多种问题（Clausen ＆ Wecher，2000）。主成分分析的基本思想是就是通过少数几个不相关的综合指标代替原数据集中具有一定相关性的数据，并且尽可能多地保留原始变量的信息，在数学上的处理方法表现为尽可能多的保留原始数据集中方差的同时，减少该数据集的维度（Jolliffe，2005；Sharma et al.，2012）。主成分分析的最突出优点是无参数性。也就是说主成分分析过程中不存在任何参数的设定和优化，在对样本先验知识缺乏情况下的数据处理非常有意义。

回到内陆无水港节点而言，无水港所在城市很多方面的经济数据都很直接或间接地影响无水港的综合物流能力，而众多的经济指标数据彼此之间又存在多重的相关关系，因此不能直接用于问题的分析，为降低影响无水港综合物流能力的原始指标数据的维度，消除彼此之间的相关性，而尽量多地保留原始数据提供的信息，本书采用了主成分分析方法对收集的数据进行了处理分析。

本书应用主成分分析方法（PCA）来评价无水港的物流质量，从4个方面构建了综合评价指标体系，包括社会和经济发展、物流市场需求和供给情况，物流基础设施发展情况，通关便利性、成本和物流成本补贴情况。详细的评价指标体系如表4－1所示，其中通关便利性、成本和物流成本补贴情况尤其能够反映当前我国各地方政府为发展外向型物流所采取的不同措施和政策，反映了中国当前的现实情况。例如，各城市依托无水港开通的中欧班列，针对不同的发展定位和目的，不同的地方政府采取的成本补贴措施是不同的。例如郑州政府对郑欧班列所有货种的补贴力度都基本达到了海运价格水平，而重庆仅仅对电子产品品类的补贴力度达到了海运价格水平。

表4－1　无水港物流质量的评价指标体系

设内陆地区现有无水港数量为n，评价指标体系中的指标数量为p。 应用表4－1所示的评价指标体系，用主成分分析方法对每一个无水港的分析过程如下：

（a）针对每一个无水港收集评价指标体系中每一个指标的原始数据，得到向量xi＝（xi1，xi2，…，xip）T，i＝1，2，…，n；n＞p。对样本矩阵数据进行标准化处理，可得到标准化矩阵Z：

其中

（b）计算标准化矩阵Z 的相关系数矩阵R：(www.xing528.com)

其中，＝1，2，…，p。

（c）解样本相关矩阵R 的特征方程｜R－λIp｜＝0，得p 个特征根，以确定获得80%以上的原始指标信息为标准，即，确定主成分。设t为主成分的数量，对每一λj，j＝1，2，…，t，从方程组Rb＝λjb 得单位特征向量。

（d）在此基础上，得到函数［式（4－5）］的主成分Uij，然后根据每一主成分Uij，j＝1，2，…，t的所占比例，综合加权获得每一无水港的综合评价值Ui，对每一无水港，如果综合评价值小于0，则向前平移最小单元，以保证所有的评价值都大于0，即可得到无水港的最终综合评分。

用每一无水港的综合得分表示无水港的物流质量，设无水港i 的物流质量用表示，则

另外，这些无水港的综合评分排序也可以用于确定候选枢纽无水港：选择一个界限值Γ，如果无水港h 的综合得分大于该值Γ，则无水港h 被确定为候选枢纽无水港，即