引言

江西省位于中国东南部、长江中下游南岸，东邻浙闽，南接广东，西连湖南，北靠鄂皖，邻长江且地理位置优越、交通发达，是全国重要交通枢纽；其属亚热带季风气候，温和湿润、降水充沛、四季分明，适宜农作物生长，成为中国重要农业生产区，拥有丰富多样农产品，为农产品物流业发展奠定良好基础。农产品物流对农产品市场至关重要，中国家庭式农业生产需适配国内外统一大市场，离不开高效实用的物流网络支撑，但当前我国农产品物流网络规划多停留在对供给、需求、配送中心选址的单一研究，缺乏综合考量三者的有效规划方法，既导致供求研究不深入，难以掌握农户、农业企业深层次供给能力及消费者深层次需求，也因供求研究不足使得配送中心选址不合理，无法满足农产品市场化需求。本文提出的农产品物流网络规划方法，不仅扩展了农产品物流的研究视角，还为农产品物流规划企业、农业科研机构和政府管理部门提供了一个平台，以获取关键的农产品供求信息，并进行正确的配送中心选址规划。这种方法不仅可以促进农户和生产基地合理利用农产品资源，生产出符合市场需求的产品，降低农户在农产品生产、市场和价格方面的风险，而且还能指导规划者选择合适的农产品物流配送中心位置，实现配送中心的优化规划。

一、研究目的及意义

随着经济的快速增长和消费者生活水平的持续提高，人们对农产品的期望已经不仅限于其基本的风味和外观，还越来越注重其生态环保的生产方式和高效快捷的物流配送。产业的升级和转型变得迫切需要。尽管低端农产品的初始价值不高，但通过发展特色农产品产业、加强农产品的深加工和精美包装，以及优化物流配送，可以显著增加农产品的市场价值。然而，江西省的许多农产品生产者和物流经营者对农产品物流的重要性认识不足，他们通常只将农产品物流视为一种商品流通的手段，而没有充分认识到它在促进农业产业升级、转型和提升农民收入方面的潜力和重要性。在此分析农产品物流的影响因素进而再对江西省各区域农产品物流能力进行评价，同时根据江西省农产品物流在目前发展中存在的一些问题提出自己的建议与方法，可以更好地发挥本省的各种优势，促进我省经济进一步的发展具有重要的意义。

二、研究综述

关于物流的定义，这是一个相对成熟的概念，根据中华人民共和国国家标准——定义为：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。然而关于农产品物流的定义尚未讨论出一个统一的概念，根据学者张倩、王冬的研究认为，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以及相关信息，以农产品最终送达到消费者为结束的农产品物质和价值的转移活动。它包括了农产品生产、加工、运输、储存等一系列环节，在这整个过程中实现了农产品价值增值和组织目标。

对于农产品物流能力的评价，本文结合有关学术界普遍认为，农产品物流能力涉及从生产者到消费者整个供应链中，农产品实体和相关信息的流动。这一能力包括在物流的各个环节中，为了促进农产品价值的转移和增值，以及实现组织目标，进行有效的资源分配，运用各种技术手段，并且执行综合的规划、组织和协调等管理任务。农产品物流能力的相关理论和特征后，要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。在确保数据的可比性和可获取性的前提下，多数学者仅从基础设施、物流协调、运营效率及政策支持这四个维度中选取部分关键指标，来构建农产品物流的评价体系。例如学者田淑芳选取了地区人均GDP、社会消费品总额、居民可支配收入、境内公里数、农林牧渔业总产值等8个指标来代表区域农产品物流能力。而学者程露露确立了区域经济发展水平、农村物流发展潜力、信息化程度3个维度包括区域GDP、区域人口数、移动电话用户数等10个指标对各区域农产品物流能力进行评价。在参考了多篇文献后发现，大部分学者所选取的物流评价指标相类似，在此包括王勇，李易津等学者所建立的指标体系就不一一概述。

综上所述，影响农产品物流能力的因素有很多，在确保数据具有可比性和可获取性的基础上，我参照了《江西省统计年鉴2019》以及2018年江西省各地级市国民经济和社会发展统计公报。基于这些资料，我最终选定了人均GDP、社会消费品零售总额、居民人均可支配收入、农林牧渔业总产值、公路里程数、货运汽车保有量、货运总量、互联网用户数和移动电话用户数这9个指标，来构建一个评价区域农产品物流能力的指标体系。利用这些指标，我进行了因子分析和系统聚类分析。

三、江西省区域农产品物流能力评价指标选取

根据上述文献综述，评价一个区域的农产品物流能力包括很多指标。在综合考虑各指标指向性以及数据的可比性和可获得性等的基础上，区域经济发展水平、区域农村物流发展潜力、区域信息化程度这三个维度，最终确定了九个指标来构建我省区域农产品物流能力评价指标体系，它们分别是：X1:地区人均 GDP（元），X2:社会消费品总额（亿元），X3:居民可支配收入（元），X4:农林牧渔业总产值（亿元），X5:境内公里数（千米），X6:民用载货汽车拥有量（万辆），X7:货运数量（万吨），X8:互联网使用户数（万户），X9:移动电话年末接入户数（万户）。

四、研究方法及原理

（一） 因子原理及分析方法

因子分析是一种用于从多个变量中提取共同因子的统计方法。它的核心思想是将观测到的变量进行归类，将那些具有较强相关性且彼此联系紧密的变量归为一组，而不同组之间的变量相关性较弱。每个组内的变量实际上代表了一种基本的结构，这被称为公共因子或主因子。通过因子分析，可以用较少的几个因子来概括原始变量的大部分信息。这种方法不仅揭示了数据背后的基本结构，还实现了数据的简化并具有较高的客观性和可操作性。

因子分析技术首先涉及对多个指标变量实施主成分分析以识别主要因子。基于每个因子对总方差的解释程度，即方差贡献率来确定权重。再利用这些权重与因子得分相乘，形成综合得分函数。这一过程不仅简化了数据结构，还保留了关键信息，使得复杂变量集的分析更为直观和高效。

具体可以用下面的数学模型来表示：

X₁=λ₁₁F₁+λ₁₂F₂+……+λ_1nF_n

X₂=λ₂₁F₁+λ₂₂F₂+……+λ_2nF_n

⋮

X_m=λ_m1F₁+λ_m2F₂+……+λ_mnF_n

数学模型中，X为原始观测变量，X₁，X₂……X_m为n个均值为0，标准差为1的m个标准化原始变量。F为主因子，F₁，F₂……F_n为n个因子变量，其中n小于或等于m。在本研究中，我计划使用SPSS20.0这一统计分析工具，对9个经过标准化处理的基础数据指标执行因子分析。这包括构建因子变量、对提取出的主要因子进行详细解释并赋予名称、计算各因子的得分以及对这些得分进行排序。最终，将依据因子得分的排名来得出研究的结论。

（二）系统聚类分析方法及原理

聚类分析是一种处理大量数据集的方法，依据数据内在的特征将数据分为若干个类别。目标是确保同一类别内的数据具有较高的相似性，而不同类别间的数据相似性较低。其分析重点是要计算样本之间的相似度，这种相似度也叫作样本间的距离。而系统聚类方法一般分为Q型聚类和R型聚类。在本文的江西省区域农产品物流能力评价中我要采用的是Q型聚类——对区域样本进行分类处理。在聚类分析的初始阶段，每个数据点被视为一个独立的类别。根据学者雷平（2020）的研究，欧式距离为定义在n维空间里，两点X=(x₁,x₂,…x_i)和Y=(y₁,y₂,…y_i)之间的距离，其距离的数学公式可以表示为：

本研究计划采用SPSS20.0软件进行统计分析，利用因子分析得出的主因子得分来衡量江西省11个地区样本的相对距离。通过这一方法，将绘制出江西省各市农产品物流能力的系统聚类图。在分析完所有数据后，将根据得分将这些地区样本归入不同的组别，并进行详尽的分类分析，以便得出有价值的研究结论。

五、江西省区域农产品物流能力实证分析

（一）原始数据的标准化处理

数据来源于《江西统计年鉴2023》，江西省各地级市国民经济和社会发展统计公报数据。在选择时发现各项变量指标信息的单位不一样然后自身的数值大小不同的情况，为了降低此类误差，将会对原始数据进行变换处理。我们将使用SPSS20.0软件对原始数据进行Z-score标准化处理，这一过程涉及将数据的原始值() 转换为标准化形式()。此转换通过从原始数据中减去平均值并除以标准差来实现，公式表达为()。通过这种方式，数据被重新缩放，使其具有平均值为0和标准差为1的特性，便于后续的统计分析。如表1所示是对原始数据进行Z-score标准化处理的得分数据表。

	Z(X1)	Z(X2)	Z(X3)	Z(X4)	Z(X5)	Z(X6)	Z(X7)	Z(X8)	Z(X9)
南昌市	1.93209	2.72561	1.84531	0.21136	-0.38266	0.06008	0.11565	1.69108	1.46345
景德镇市	-0.11248	-0.65545	0.75791	-1.14492	-1.09847	-0.92489	-1.21629	-0.90614	-0.94631
萍乡市	-0.03032	-0.57207	0.76873	-1.16076	-0.84310	-0.89846	-1.16947	-0.87018	-0.87208
九江市	0.09050	0.12128	-0.30175	0.16513	0.61107	-0.12903	0.22944	0.46006	0.26591
新余市	1.49620	-0.78062	1.19382	-1.15005	-1.13540	-0.77150	0.85011	-1.10028	-1.08145
鹰潭市	0.74387	-0.88175	-0.00972	-1.18784	-1.16878	-0.96400	-1.08042	-1.19232	-1.16502
赣州市	-0.92841	0.40372	-1.30751	1.57752	1.80069	1.66708	-0.32038	1.52138	1.76351
吉安市	-0.80473	-0.32786	-0.65038	0.58687	0.91961	-0.05513	-0.16798	-0.01451	0.05831
宜春市	-0.62646	-0.02233	-0.80508	1.02375	0.57182	1.98869	1.41582	0.26304	0.28680
抚州市	-0.84826	-0.27132	-0.84657	0.34824	0.02394	-0.15241	-0.36724	-0.32802	-0.32442
上饶市	-0.91200	0.26077	-0.64475	0.73070	0.70128	0.17958	1.71076	0.47588	0.55129

（二）江西省区域农产品物流能力因子分析

1. KMO和Bartlett球形检验

在执行因子分析之前，本文将采用SPSS20.0对标准化后的数据进行KMO和Bartlett的测试，以评估数据是否适合进行因子分析。这些测试的结果将决定是否可以继续进行分析，具体结果将在表2中展示。

根据统计学家Kaiser给出的常用KMO度量标准，当KMO值小于0.5表示不合适；0.5～0.6表示不太适合；0.6～0.7表示勉强适合；0.7～0.8表示适合；0.8～0.9表示很适合；0.9以上表示非常适合。表2中测试结果表明，选定的9个指标的KMO指数为0.583，介于0.5到0.6之间，虽然超过了0.5的最低标准，但结果并不是特别理想。然而，Bartlett的球形检验得出的相关概率值为0，低于0.05的显著性水平，因此拒绝Bartlett球形检验的零假设，认为这些指标适合进行因子分析。综合这两项测试结果认为，所选指标是适合进行因子分析的。

2. 提取主因子

成份	初始特征值			提取平方和载入			旋转平方和载入
	合计	方差的 %	累积 %	合计	方差的 %	累积 %	合计	方差的 %	累积 %
1	5.366	59.621	59.621	5.366	59.621	59.621	4.459	49.547	49.547
2	2.335	25.943	85.564	2.335	25.943	85.564	3.242	36.017	85.564
3	.829	9.216	94.780
4	.237	2.638	97.418
5	.130	1.441	98.859
6	.072	.798	99.657
7	.022	.246	99.903
8	.007	.082	99.985
9	.001	.015	100.000

3. 因子旋转

指标	成份
	1	2
Zscore:地区人均GDP(X1)	.017	.940
Zscore:社会消费品总额(X2)	.879	.413
Zscore:居民可支配收入(X3)	-.111	.967
Zscore:农林牧渔业总产值(X4)	.784	-.609
Zscore:境内公里数(X5)	.657	-.711
Zscore:民用载货汽车拥有量(X6)	.705	-.551
Zscore:货运总量(X7)	.489	-.204
Zscore:互联网接入用户数(X8)	.979	-.073
Zscore:移动电话年末用户数(X9)	.965	-.161

表4展示了因子旋转后的荷载矩阵。通过观察可以清晰地发现，在旋转之后，社会消费品零售总额、农林牧渔业总产值、公路里程数、货运汽车拥有量、货运总量、互联网用户数以及移动电话用户数这七个指标在第一个主成分上显示出较高的荷载值。另一方面，人均GDP和居民人均可支配收入在第二个主成分上具有较大的荷载值。

根据各个指标的含义、特性以及结合行业知识可以推断，与第一主因子紧密相关的社会消费品零售总额、农林牧渔业总产值和货运总量，主要体现了该地区农产品物流的供需状况。与此同时，另外四个与第一主因子密切相关的指标——公路里程数、货运汽车保有量、互联网用户数和移动电话用户数——则主要反映了该地区的物流基础设施水平。因此，可以将主因子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和居民可支配收入反映了一个区域的经济水平，故可以将主因子2命名为区域经济因子。具体因子结构情况如表5所示。

因子	指标变更	因子命名
主因子1(F1)	社会消费品总额(X2)货运总量(X7) 农林牧渔业总产值(X4)互联网接入用户数(X8) 境内公里数(X5) 移动电话年末用户数(X9) 民用载货汽车拥有量(X6)	物流基础因子
主因子2(F2)	地区人均GDP(X1) 居民可支配收入(X3)	区域经济因子

4. 因子得分

指标	成份1	成份2
Zscore:地区人均GDP(X1)	.109	.337
Zscore:社会消费品总额(X2)	.273	.244
Zscore:居民可支配收入(X3)	.078	.332
Zscore:农林牧渔业总产值(X4)	.135	-.130
Zscore:境内公里数(X5)	.091	-.180
Zscore:民用载货汽车拥有量(X6)	.121	-.118
Zscore:货运总量(X7)	.104	-.018
Zscore:互联网接入用户数(X8)	.245	.082
Zscore:移动电话年末用户数(X9)	.232	.050

如表6所示为最大方差旋转得到旋转后的成分得分系数矩阵，根据该矩阵可以得到因子评分表达式：

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

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

在此基础上，为了更好地进行比较分析，我们进一步计算2个主因子的综合得分。根据表4中所提取的2个主因子旋转后的累积方差贡献率作为权重我们可以得到2个主因子综合得分表达式：

F=(0.49547F₁+0.36017F₂)/0.85564

之后通过SPSS20.0计算得到江西省11个区域的2个主因子得分和排名以及主因子综合得分和排名，如表7所示。

城市	F1得分	排名	F2得分	排名	综合得分(F)	排名
南昌市	1.86642	1	2.17262	1	1.99531	1
景德镇市	-1.06753	10	0.41004	4	-0.44557	9
萍乡市	-0.97971	9	0.42037	3	-0.39037	8
九江市	0.28006	5	-0.10948	6	0.11609	3
新余市	-0.74232	8	0.99426	2	-0.01133	4
鹰潭市	-1.22029	11	0.37411	5	-0.54915	11
赣州市	1.23592	2	-1.15525	11	0.22939	2
吉安市	-0.07885	6	-0.79739	9	-0.38131	7
宜春市	0.57319	3	-0.94426	10	-0.06556	6
抚州市	-0.39568	7	-0.70068	8	-0.52407	10
上饶市	0.52878	4	-0.66435	7	0.02655	5

再对表7进行进一步分析后可以得出：从核心城市表现来看，江西省省会南昌市在各项物流因子排名中均位列第一，其综合得分为1.99531，较排名第二的赣州市高出1.76592，这一显著差距直接印证了南昌市作为省会城市的物流枢纽地位——无论是物流基础设施完善度还是区域经济发展水平，均显著领先于江西省内其他城市。其次，从影响因子的作用强度分析可见，区域物流基础对农产品物流能力的影响程度显著高于区域经济：在区域经济因子得分中，萍乡市（排名第3）、景德镇市（排名第4）、鹰潭市（排名第5）均处于较高水平，但三者的农产品物流能力综合排名却相对靠后；与之相反，区域经济因子得分较低的宜春市（排名第10）、赣州市（排名第11），其综合排名反而位居前列，这一对比结果明确揭示了区域物流基础在农产品物流能力构建中的主导作用。值得关注的是，赣州市的物流能力特征呈现鲜明反差：其综合得分排名第2，物流基础水平仅次于南昌市，显著优于省内其他区域，但区域经济发展水平却位列江西省末位。经文献查阅与数据分析发现，赣州市作为江西省人口规模最大的城市，庞大的人口基数是导致其区域经济发展水平相对较低的主要原因。进一步从全省整体发展格局来看，若剔除南昌市、赣州市与九江市三个物流能力较强的城市，剩余8个市区的农产品物流能力平均综合得分均为负值，且低于全省平均水平。这一数据特征表明，江西省区域农产品物流能力整体呈现“普遍较弱”的发展态势，同时区域间发展不均衡性显著，物流能力差异突出。

（三） 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的水平和结构，将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个城市进行系统聚类分析，下面为分析后得到的树状图（图1）。

依据之前的因子分析结果，江西省11个城市的农产品物流能力可以概括为四种主要情形：一是物流基础设施健全且经济繁荣；二是物流基础设施较为发达而经济发展相对滞后；三是经济发展水平较高但物流基础设施相对不足；四是物流基础设施不充分且经济发展缓慢。综上所述，将江西省11个城市的农产品物流能力分为四个类别，具体分类结果如表8所示。

类别	城市
1	南昌市
2	赣州市
3	九江市、抚州市、宜春市、吉安市、上饶市
4	鹰潭市、萍乡市、新余市、景德镇市

六、结论

结合当前国内农产品物流发展现状，立足江西省各地区在人文、生态、地理等维度的差异化特征，并基于江西省区域农产品物流能力的因子分析与聚类分析成果，可得出如下结论：从区域规模与资源禀赋对物流能力的影响来看，土地面积与人口基数是关键驱动因素——赣州市作为江西省面积最广、人口最多的城市，尽管人均GDP在省内排名最低，但凭借便利的交通条件与充足的劳动力资源，其农产品物流能力综合得分位列全省第二；聚类分析结果亦显示，第三类城市（含九江市、上饶市、宜春市、抚州市、吉安市）依托较大的区域面积与人口规模，在物流基础设施建设方面显著优于第四类城市。与之形成对比的是，新余市、鹰潭市、萍乡市及景德镇市虽具备较高的经济发展水平与便利的交通条件，但其农产品物流能力却不及部分经济水平较低的地区，核心制约因素在于劳动力短缺及土地、耕地面积不足。从地理自然条件的影响来看，江西省作为内陆省份，地形以山地为主、平原占比偏低，整体地势呈南高北低分布；北部因毗邻长江且坐拥中国最大淡水湖鄱阳湖，为九江市、上饶市提供了丰富的水资源与优良的水利条件，其中九江市借助便捷的水上运输优势与丰富的水产资源，其物流基础设施建设与区域经济发展水平均处于全省领先地位，直接推动区域农产品物流能力提升至较高层次。对于地形条件受限的南部地区而言，虽多山地形制约了水稻、蔬菜等作物的规模化种植，且交通条件相对滞后，但电子商务的快速发展为当地特色农产品拓展了广阔市场空间：不仅有效促进了农产品销售，更显著激发了农产品物流需求，如泰和乌鸡、资溪面包、南丰蜜桔等知名特色农产品，均对当地农产品物流业的发展起到了重要推动作用，形成“坐山靠山、依水傍水”的差异化发展路径。

参考文献：

1. [1] 李昊泽.基于因子分析和聚类分析的江苏省农产品物流能力评价研究[J].物流工程与管理,2023,45(06):63-66.
2. [2] 张倩.浅议农产品物流[J].农村经济,2003(09):48-50.
3. [3] 王冬.农产品物流能力形成及提升机制研究[J].价格月刊,2015(01):68-70.
4. [4] 乐婷.农产品物流能力与流通效率关联性的实证研究[D].武汉理工大学,2012.
5. [5] 陈香.基于结构方程模型的农产品物流流通能力分析[J].物流技术,2014,33(01):248-250.
6. [6] 田淑芳,陆克斌.基于因子聚类分析的安徽省区域农产品物流能力评价[J].南阳理工学院学报,2016,8(03):41-44.