張碩碩

摘 要：電子商務(wù)發(fā)展帶來的經(jīng)濟效益越來越受到重視，以全國31省市為基礎(chǔ)，通過改進主成分聚類法探究各省市電子商務(wù)發(fā)展水平。首先對評價的指標(biāo)進行選取，建立合適的評價指標(biāo)體系，其次對原始數(shù)據(jù)進行均值化處理，用改進后的主成分分析提取主成分，再次用主成分綜合得分與聚類分析相結(jié)合對各地區(qū)發(fā)展水平進行分析，最后與傳統(tǒng)主成分分析進行比較得出模型的有效性。

關(guān)鍵詞：改進的主成分；電子商務(wù)；綜合評價

中圖分類號：F27 文獻標(biāo)識碼：A doi：10.19311/j.cnki.1672-3198.2018.35.036

1 引言

根據(jù)國家統(tǒng)計局?jǐn)?shù)據(jù)顯示，2017年全國電子商務(wù)交易額達到29.16萬億元，同比增長11.7%，電子商務(wù)發(fā)展帶來的經(jīng)濟效益不言而喻。目前電子商務(wù)水平測度及評價體系主要運通因子分析法、聚類分析法、熵值法等對電子商務(wù)發(fā)展水平進行綜合評價，本文將使用改進的主成分聚類法對電子商務(wù)發(fā)展水平進行綜合評價，解決單一的評價帶來不準(zhǔn)確。

2 傳統(tǒng)主成分分析原理

3.3 改進后主成分分析過程及結(jié)果

把經(jīng)過均值化后的數(shù)據(jù)導(dǎo)入SPSS進行主成分分析。從相關(guān)系數(shù)矩陣可以看到原始數(shù)據(jù)大部分變量之間的相關(guān)系數(shù)都大于0.3且KMO為0.813>0.8，Bartlett球形檢驗的顯著性P值為0.000<0.05，明數(shù)據(jù)適合做因子分析。表2為方差貢獻表，由表2可以看出，提取了特征值大于1的三個主成分，三個主成分的特征值分別為13.564、3.696、1.328，方差貢獻率分別是64.590%、17.601%、6.325%，累積方差貢獻率達到88.516%。

表3為因子載荷矩陣。由表可看出企業(yè)數(shù)x1、企業(yè)擁有網(wǎng)站數(shù)x3、地區(qū)生產(chǎn)總值x9、網(wǎng)上零售額x13、社會消費品零售總額x14第一主成分上有較高載荷，相關(guān)性強。第一主成分集中反映了基礎(chǔ)設(shè)施及經(jīng)濟狀況，電子商務(wù)發(fā)展水平主要體現(xiàn)在基礎(chǔ)設(shè)施與經(jīng)濟狀況；互聯(lián)網(wǎng)普及率x5、人均GDPx10、居民消費水平城鎮(zhèn)人口比重x11在第二主成分上有較高載荷，第二主成分反映了人口因素；有電子商務(wù)交易的企業(yè)比重x2在第三主成分上載荷較高，反映了從事電子商務(wù)交易企業(yè)比例對電子商務(wù)發(fā)展水平做的貢獻。

由表3的因子載荷除以對應(yīng)的特征根（λi，i=1，2，3）得到主成分系數(shù)矩陣，用T表示。根據(jù)得到的主成分系數(shù)表，及公式y(tǒng)=Zx*T，可以得到主成分得分其中Zx為均值化后的矩陣。再通過表2方差貢獻率64.590%、17.601%、6.325%，計算出綜合得分函數(shù)，其公式為：

y綜*=0.6459y1*+0.17601y2*+0.06325y3*

其中y1*，y2*、y3*為提取的三個主成分的得分，y綜*為綜為綜合得分。

另外把標(biāo)準(zhǔn)化后的數(shù)據(jù)導(dǎo)入SPSS進行傳統(tǒng)主成分分析，y綜為傳統(tǒng)主成分綜合得分。對比傳統(tǒng)主成分分析，得到表4。我們可以看到，整體排名大致相同，但是部分地區(qū)電子商務(wù)發(fā)展水平綜合評測結(jié)果有差異，比如廣西在改進后的主成分分析排名19，傳統(tǒng)主成分分析排名20，內(nèi)蒙古在改進后的主成分分析排名23，傳統(tǒng)主成分分析中排名19，對比原始數(shù)據(jù)，內(nèi)蒙古除了在企業(yè)擁有網(wǎng)站數(shù)、互聯(lián)網(wǎng)普及率、人均GDP、居民消費水平、城鎮(zhèn)人口比重5個指標(biāo)上比廣西高外，其他指標(biāo)均低于廣西，而這五個指標(biāo)在因子載荷矩陣中的因子載荷值較小，也就是說這幾個指標(biāo)在電子商務(wù)水平綜合評價中并不是最重要的指標(biāo)，故廣西的電子商務(wù)發(fā)展水平應(yīng)該高于內(nèi)蒙古，改進后的主成分分析結(jié)果優(yōu)于傳統(tǒng)的主成分分析。

3.4 聚類綜合評價

對主成分綜合得分進行聚類分析，同時參考各類中各地區(qū)的綜合主成分得分以此對類進行排序，最終得到綜合的評價結(jié)果。系統(tǒng)聚類圖如圖1所示，求得這五類中樣本的平均得分并排序。

第一類{廣州}，廣州的綜合得分遠遠高于其他地區(qū)，為電子商務(wù)最發(fā)達的地區(qū)；第二類{浙江、江蘇、上海、北京}，發(fā)展水平低于廣州，為電子商務(wù)較發(fā)達地區(qū)；第三類{山東、福建}，為電子商務(wù)發(fā)展水平一般發(fā)達地區(qū)；第四類{河南、四川、湖北、河北、遼寧、湖南、安徽、天津}，根據(jù)福建省和河南省綜合得分，有一個較大差別，為電子商務(wù)發(fā)展水平一般地區(qū)；第五類{陜西、重慶、江西、廣西、黑龍江、山西、云南、內(nèi)蒙古、吉林、貴州、海南、新疆、甘肅、寧夏、青海、西藏}，主要為中西部地區(qū)，為電子商務(wù)不發(fā)達地區(qū)。總體來看，東部沿海地區(qū)電子商務(wù)發(fā)展水平普遍高區(qū)中西部地區(qū)。

4 結(jié)論

與傳統(tǒng)的主成分分析相比，改進的主成分聚類分析方法能夠在很大程度上克服主觀因素的影響，同時在對原始信息的處理中采用了均值化處理方法，使挖掘的結(jié)果更加準(zhǔn)確，在此基礎(chǔ)上運用聚類分析方法，將電子商務(wù)發(fā)展水平相近的地區(qū)聚為一類，為準(zhǔn)確評估電子商務(wù)整體水平和有針對性的尋求解決方案提供更可靠的依據(jù)。

參考文獻

[1]王國祝.聚類分析及算法研究[J].現(xiàn)代商貿(mào)工業(yè)，2017，（22）.