物流园区宏观布局省区层面载体聚类分析(1)

2019/9/51物流园区宏观布局省区层面载体聚类分析2019/9/5物流园区宏观布局省区层面载体聚类分析2主要内容一、研究范围的确定二、模糊聚类过程及结果分析三、主成分分析条件下的聚类分析校验四、不同年度数据的动态模糊聚类对比分析2019/9/5物流园区宏观布局省区层面载体聚类分析3一、研究范围的确定为了对物流园区宏观布局载体进行科学的评价聚类，应当选择一个合理、可比的参照系统，并结合物流园区布局规划主体情况进行。因受研究时间和条件的限制，加之目前我国地级城市统计系统不够完善，为此就全国范围的物流园区宏观布局载体的分类研究讲针对省区这一层面进行。考虑到我国省份过多，具体计算比较复杂，本节选择几个有代表性的省份作为研究对象，以此讲解具体模糊聚类过程。2019/9/5物流园区宏观布局省区层面载体聚类分析4二、模糊聚类过程及结果分析1.数据标准化2.模糊相似矩阵3.模糊等价矩阵4.求并进行聚类(0＜λ≦1)5.对省区层面载体聚类分析~R*~RR2019/9/5物流园区宏观布局省区层面载体聚类分析51.数据标准化1）建立论域(1)四项指标：GDP、地区货运总量、进出口贸易额、公路网密度。(2)五个物流园区布局载体待聚类数：广东、江苏、浙江、贵州、宁夏。(3）原始数据表7－1为：指标因子广东8464.31778351433.953.74江苏7697.8280781328.627.05浙江5364.8964150202.639.55贵州911.86140656.619.30宁夏241.4959544.019.332X1X4X3X其中：~分别代表GDP；地区货运总量；进出口贸易额；公路网密度。1X4X2019/9/5物流园区宏观布局省区层面载体聚类分析61.数据标准化2）数据标准化数据标准化就是根据模糊矩阵的要求，将数据压缩到区间【0，1】上，其计算公式为：111min{}max{}min{}ikikinikikikininxxuxx计算过程举例如下：2019/9/5物流园区宏观布局省区层面载体聚类分析71.数据标准化149.24131.846449.24131.84641511151111xxxxu9.049.24131.846449.24182.76971511152121xxxxu………………………….………………………….由上列计算得标准化矩阵2019/9/5物流园区宏观布局省区层面载体聚类分析82.模糊相似矩阵以绝对值减数法求，其公式如下：ijr~Rmkjkikijjiuucjir111其中选取c=0.1，m=4，i,j=1,2,3,4,5计算过程举例如下：2019/9/5物流园区宏观布局省区层面载体聚类分析92.模糊相似矩阵111r83.07.11.0120.0120.011190.011.011241423132212211112uuuuuuuucr………………………….………………………….155r由上列计算得求模糊相似关系矩阵~R2019/9/5物流园区宏观布局省区层面载体聚类分析103.模糊等价矩阵即自乘得，再自乘，直到为止，则便是一个模糊等价矩阵。*~R~R2~~~RRR422~~~RRRkkRR~~2kR~其计算过程如下：198.079.077.060.098.0181.079.062.079.081.0190.081.077.079.090.0183.060.062.081.083.0160.062.081.083.01160.098.062.079.081.077.083.060.0198.060.0162.081.081.079.083.062.1179.060.081.062.0181.090.083.081.0177.060.079.062.090.081.0183.083.0160.060.062.062.081.081.083.083.011，，，，＝＝79.081.083.083.012019/9/5物流园区宏观布局省区层面载体聚类分析113.模糊等价矩阵*~R………………2019/9/5物流园区宏观布局省区层面载体聚类分析124.求并进行聚类（0＜λ≦1）取λ值依次选择1、0.98、0.90、0.83、0.81等，以递减之数字，求取实际截矩阵RRijijijrrr,0,11）当λ=1时的λ截矩阵为：此时可分为五类：{广东}{江苏}{浙江}{贵州}{宁夏}2019/9/5物流园区宏观布局省区层面载体聚类分析134.求并进行聚类（0＜λ≦1）R2)当λ=0.98时的λ截矩阵为此时可分为四类：{广东}{江苏}{浙江}{贵州，宁夏}2019/9/5物流园区宏观布局省区层面载体聚类分析144.求并进行聚类（0＜λ≦1）R表7－2模糊聚类分析后之结果如下表λ值聚类数聚类结果15{广东}{江苏}{浙江}{贵州}{宁夏}0.984{广东}{江苏}{浙江}{贵州，宁夏}0.903{广东}{江苏，浙江}{贵州，宁夏}0.832{广东，江苏，浙江}{贵州，宁夏}0.811{广东，江苏，浙江，贵州，宁夏}以此类推，可得聚类分析结果如下：2019/9/5物流园区宏观布局省区层面载体聚类分析155.对省区层面载体聚类分析云南重庆河南四川湖南湖北新疆广西内蒙古西藏陕西甘肃青海宁夏贵州江西安徽吉林山西黑龙江福建河北辽宁浙江山东江苏天津北京上海广东10.90.850.80.750.70.650.6图7－1物流园区宏观布局省区级载体模糊聚类λ－谱系图2019/9/5物流园区宏观布局省区层面载体聚类分析165.对省区层面载体聚类分析结合表和图7－1，广东单为一类主要是其强大经济实力和进出口贸易额。北京、天津、上海3个直辖市归为一类，该类省区经济实力雄厚、物流市场供需旺盛、地区发展实力强劲、交通条件优越、区位条件优越性明显，已经逐渐成为或具备成为全国乃至世界性国际物流枢纽性地区，处于物流园区宏观布局的最高层次，是1类地区。而广东毗邻港澳、对外开发较早，综合经济实力巨大，处于物流园区宏观布局1类地区的顶层。2019/9/5物流园区宏观布局省区层面载体聚类分析175.对省区层面载体聚类分析辽宁、河北、山东、浙江、江苏5省归为一类，它们的特点是各省区均为沿海省区，且拥有全国性重要的外贸港口，地区经济实力较强，物流市场供需充裕、地区发展实力和交通通达性较好，同时兼备全国性物流集散中转地区的地位，处于物流园区宏观布局的次级层次，是2类地区。2019/9/5物流园区宏观布局省区层面载体聚类分析185.对省区层面载体聚类分析其余各省归为一类，进一步分析又可以分为3个子类。第1子类是福建、广西、黑龙江、内蒙和新疆5省区，这些省区经济发展比前2类地区弱，但由于拥有港口或陆路边境口岸，其经济发展较该大类的其余地区好，具有一定的国际性物流业务，属于区域性物流集散地区，是物流园区宏观布局的3类地区，具备发展成为2类地区的潜力。第2子类是云南、重庆、四川、河南、湖南、湖北6省区，这些省区经济发展一般，没有沿海外贸港口，但交通区位条件较好，是陆路运输中转集散地区，属于区域性物流中转集散地区，是物流园区宏观布局的4类地区，具备发展成为3类地区的潜力。剩余的为第3子类，这些地区经济发展水平较低、物流市场供需规模较小、地区发展实力相对较差、交通区位和通达条件一般，是我国经济不发达地区，属于5类地区。2019/9/5物流园区宏观布局省区层面载体聚类分析19三、主成分分析条件下的聚类分析校验1.计算相关系数矩阵首先将表中的原始数据作标准化处理，由以下公式计算得相关系数矩阵11121321222412mmmnrrrrrrRrrrnknkjkjikinkjkjikiijuuuuuuuur11221其中：（i，j=1，2，…，m)为原来变量i与j的相关系数，因为R是实对称矩阵（即rij=rji)，所以只需计算其上三角元素或下三角元素即可。ijr2019/9/5物流园区宏观布局省区层面载体聚类分析20三、主成分分析条件下的聚类分析校验2．计算特征值与特征向量首先解特征方程｜λI-R｜=0求出特征值（i=1，2，…，m)，并使其按大小顺序排列，≥≥…，≥≥0；然后分别求出对应于特征值的特征向量（i=1，2，…，m)。3．计算主成分得分矩阵12miieTXXXX),......,,(1821TkkFeX由于(k=1,2,3…,18)4．针对主成分得分矩阵，进行模糊聚类分析2019/9/5物流园区宏观布局省区层面载体聚类分析21三、主成分分析条件下的聚类分析校验陕西甘肃贵州青海宁夏西藏吉林安徽江西山西内蒙古新疆广西福建黑龙江河南湖北湖南四川云南重庆河北辽宁浙江江苏山东北京天津上海广东10.950.90.850.80.750.70.65图7－2物流园区宏观布局省区级载体模糊聚类原始谱系图（1999）2019/9/5物流园区宏观布局省区层面载体聚类分析22三、主成分分析条件下的聚类分析校验甘肃青海陕西贵州宁夏西藏山西安徽江西吉林内蒙古新疆广西福建黑龙江河南湖北湖南四川云南重庆河北辽宁浙江江苏山东北京天津上海广东10.980.960.940.920.90.880.860.840.820.8图7－3主成分条件下的聚类原始谱系图2019/9/5物流园区宏观布局省区层面载体聚类分析23三、主成分分析条件下的聚类分析校验比较图7－2和图7－3，可见聚类结果基本一致，在主成分条件下获得的聚类结果，更好地表现了分析的物流园区的宏观布局结构，特别是在第3大类中3个子类的聚类方面。2019/9/5物流园区宏观布局省区层面载体聚类分析24四、不同年度数据的动态模糊聚类对比分析贵州甘肃青海陕西宁夏西藏山西吉林安徽江西内蒙古新疆广西黑龙江福建河南湖北湖南四川云南重庆河北辽宁浙江山东江苏北京天津上海广东10.950.90.850.80.750.70.65图7－4物流园区宏观布局省区级载体模糊聚类原始谱系图（2001）2019/9/5物流园区宏观布局省区层面载体聚类分析25四、不同年度数据的动态模糊聚类对比分析比较图7－2、和图7－4，可以看出，各省区的聚类寄过变化不大，只有物流园区宏观布局的第三类地区出现潜在分化的迹象，福建、黑龙江随着近两年经济贸易的发展和交通条件的改善，拉大了与其余同类省区的距离，特别是福建有脱离该地区类别而演化到2类的趋势。聚类结果对比所表现的这种潜在分化趋势表明物流园区布局载体聚。而聚类结果动态对比表现的总体稳定性说明若无重大因素影响，各地区对建设物流园区的适应性具有相对稳定性。2019/9/526谢谢