1、 1中国港口综合竞争力指数排行榜研究方法采用定性与定量的方法，按照以下思路开展研究：找出中国各港口不同竞争优势和特点。将指标数据分别进行标准化处理，找出各港口不同指标的一般关系，确定其权重。将难度较高 60 家港口的 30 个基础数据输入电脑中，剔除各综合因子的权重贡献率小的方差指标，保留大的方值指标。方差越大的变量越重要，从而具有较大的权重，得出中国港口竞争力的排序指标。根据统计学结果进行排序，确定中国港口综合竞争力排行榜名单。根据排行榜名单和综合指标，采用波特竞争战略理论和安特卫普港口核心竞争力模型与中国港口综合竞争力优劣进行定性分析，得出结论。1为了对港口竞争力进行科学排行，国内外有关研
2、究者采用了多种方法，其各有利弊。较具代表性的是标杆分析法、层次分析法和模糊数学综合评判法三种。（1）标杆分析法。标杆分析法即对比差距法，是通过将参评港口的业绩与已存在的最佳业绩进行对比，以从中找出差距，进而寻求不断改善作业活动、提高业绩的有效途径和方法的过程。其方法是对同类活动或同类产品中绩效较为显著的港口进行研究，以发现最佳经营实践，并将它们运用到自己公司。最佳业绩通常有三类：内部标杆、竞争对手标杆和通用标杆。比较理想的是与竞争者比较，即使用竞争标杆来确认竞争者中的最佳实务者，判断其取得最佳实务的因素，以资借鉴。这实质上是进行竞争对手的比较分析。（2）层次分析法。层次分析法（即 AHP 法）
3、是通过专家对各项排行指标的两两相互比较以形成判断句，然后计算其最大特征值和特征向量来确定各指标权重的方法。其主要步骤是：邀请一定数量的专家对各项指标两两比较得出各指标的相对重要程度。通过判断引入一定比率标度将判断定量化，形成判断矩阵。根据判断矩阵，计算其最大特征值及其对应的特征向量（即权数向量） 。对判断矩阵进行一致性检验。考虑到专家在对指标进行判断时难以给出精确的两个指标重要性的标度，需对判断矩阵进行一致性检验。根据矩阵理论，可用判断矩阵特征值的变化来检验判断的一致性程度。2（3）模糊数学综合评判法。该方法是以模糊数学为基础，通过构造等级模糊子集，把反映被排行对象的那些边界不清、不易定量的模
4、糊指标定量化（即确定隶属度） ，然后利用模糊变换原理对各指标加以合成，从而进行综合评判的一种方法。2传统排行方法的局限性由以上分析可看出，标杆分析法是一种一对一的多指标的直接对比方法，它不必进行数值的加总比较，这虽然克服了排行过程中确定各指标权重的主观性问题，但不能明确表明影响港口综合竞争力的具体因素，对港口制定决策没有很大的参考价值。层次分析法和模糊数学综合评判法虽然是应用数学原理进行了权重的确定，但这也是基于人为的赋值，只不过是经过了一定的检验而已，因此也带有一定程度的主观性，这就使得综合排行结果不具有唯一性和客观性。3 因子分析法因子分析法是从研究相关矩阵内部的依赖关系出发，根据相关性大
5、小把变量分组（使得同组内的变量之间相关性不高，而不同组内的变量之间相关性较低） ，这样，在尽量减少信息丢失的前提下，从众多指标中提取出少量的不相关指标，然后再根据方差贡献率确定权重，进而计算出综合得分的一种方法。其最大优势在于各综合因子的权重不是主观赋值而是根据各自的方差贡献率大小来确定的，方差越大的变量越重要，从而具有较大的权重；相反，方差越小的变量所对应的权重也就越小。这就避免了人为确定权重的随意性，使得排行结果唯一，而且较为客观合理。此外，因子分析的整个过程都可以运用计算机软件方便快捷地进行，可操作性强。因此，与其他方法相比，因子分析法是一种科学、实用、简便的综合排行方法，适合应用于港口
6、综合竞争力的排行中。4 因子分析模型及基本原理因子分析原来是用于处理多维随机变量在线性变换下其分量相关问题的，它通过求协方差阵或相关系数阵的特征值和特征向量，按指定的贡献率求出集中原来随机变量主要信息的、相互无关的主因子。其模型如下：3设有 n 个样本，每个样本有 p 个观测变量，分别用 X1,X2,X p表示；F1,F2,F m(mp)分别表示 m 个因子变量。如果：（1） X=(X1,X2,X p)T为 p 维可观测变量，且均值向量 E(X)=0，协方差阵cov(X)= ，且协方差阵与相关系数矩阵 R 相等；（2） F=(F1,F2,F m)T(mp)是不可测的变量，且均值向量 E(F)=
7、0，协方差阵 cov(F)=I，即向量 F 的各分量之间是相互独立的；（3） =( 1, 2, p)T与 F 相互独立，且 E()=0 ，协方差阵 cov()是对角阵，即 cov()= ，说明 各分量之间也是相互独立的，则模型1121122212mpppmpXaaFF或写成： X=AF，即为因子模型。其中，模型中的 F1,F2,Fm(mp) 被称为公共因子，是相互独立的不可观测的理论变量； 1,2, 被称为特殊因子，是向量 X 的分量Xi(i=1,2,p) 所特有的因子，各特殊因子之间以及特殊因子与所有公共因子之间都是相互独立的；矩阵 A=(aij)的元素 aij 被称为因子载荷，aij 的绝
8、对值越大（ ） ，表明 Xi与 Fj的相依程度越大，或称 Fj对于 Xi的载荷量越大，1ija故矩阵 A 称为因子载荷矩阵。5 原始指标选择及定义本研究选择了 30 个指标作为指标库，其定义如下：1 集装箱泊位总数，主要指港口公司从成立以来至 2006 年 6 月 30 日，所辖的集装箱泊位.2 集装箱桥吊台数，主要指港口公司从成立以来至 2006 年 6 月 30 日所属的起重吨在 40 吨以上的装卸机械台数或岸吊台数或“塔”数 3 各类起重设备总数，主要指港口公司从成立以来至 2006 年 6 月 30 日所拥有的起重吨在 5 吨以上的起重设备总数4 集装箱码头最大吃水，主要指港口公司所辖
9、码头最大的吃水，单位为（-M） 。45 装卸率即装卸工时效率，主要指港务公司装卸从事 24 小时所完成的装卸货物的数量，单位（操作箱/24 小时）6 集装箱吞吐量，主要指港口公司 2006 年 1 月 1 日到 2006 年 6 月 30 日实际吞吐集装箱的重箱数量，单位万吨7 港口吞吐量，主要包括港口公司 2006 年 1 月 1 日到 2006 年 6 月 30 日集装箱吞吐量和散杂货（如煤、石油、粮食、矿石等）吞吐量8 港口至国内各港口航线数.主要指由港口出发的至国内外其他各港口运输航线条数，截止到 2006 年 6 月 30 日9 国内外船舶靠泊艘次，主要指每月国内外船舶靠港卸货艘次，
10、截止到2006 年 6 月 30 日10 国际航班，主要指由港口开出的、驶向各国际港口的运输航线条数，截止到 2006 年 6 月 30 日11 外轮船舶进出港艘次，主要指从事集装箱运输的国际船舶靠港卸货艘次，截止到 2006 年 6 月 30 日12 电子通关 EDI ：Electronic Data Interchange，截止到 2006 年 6 月 30日 %10通 关 总 数有 效 数 据通 关 率EDI13 集装箱费率,主要指 2006 年 1 月 1 日到 2006 年 6 月 30 日集装箱到港后,港口收取单位集装箱的费用。14 已投资集装箱码头投资额，主要指港口公司 2006
11、 年 1 月 1 日到 2006 年6 月 30 日专门用于集装箱装卸码头的投资额。15 已投资散杂货码头投资额，主要指港口公司 2006 年 1 月 1 日到 2006 年6 月 30 日针对非集装箱装卸码头的投资额。16 已投资装卸设备投资额，主要指港口公司 2006 年 1 月 1 日到 2006 年 6月 30 日对装卸设备的投资总额。包括岸边装卸机械、水平运输机械、场地装卸机械投资总额。17 电子化投资，主要指港口公司 2006 年 1 月 1 日到 2006 年 6 月 30 日 EDI的更新投资或引进新的电子化、智能化机械投资。18 港口投资总额，主要指港口公司 2006 年 1
12、 月 1 日到 2006 年 6 月 30 日对5港口的投资总额。19 外商直接投资, 主要指港口公司 2006 年 1 月 1 日到 2006 年 6 月 30 日接受外商投资金额总数。20 与外商合作公司数量，主要指港务局与外商共同投资创建的公司总数。21 新增吞吐量，主要指港口公司 2006 年 1 月 1 日到 2006 年 6 月 30 日新增吞吐量情况。22 新扩建泊位，主要指港口公司 2006 年 1 月 1 日到 2006 年 6 月 30 日新增泊位情况。23 利润额，主要指港口公司 2006 年 1 月 1 日到 2006 年 6 月 30 日经营取得的利润， 。24 税金
13、总额，主要是指港口公司 2006 年 1 月 1 日到 2006 年 6 月 30 日所缴纳的营业税所得税总额。25 权益总额，所有者权益，是指所有者在港口资产中享有的经济利益，其金额为资产减去负债后的余额。所有者权益包括实收资本(或者股本)、资本公积、盈余公积和未分配利润等。此处主要是指港口公司 2006 年 1 月 1 日到2006 年 6 月 30 日港口权益总额。26 总资产，指港口拥有或控制的全部资产。包括流动资产、长期投资、固定资产、无形及递延资产、其他长期资产等，即为企业资产负债表的资产总计项。27 港口所在城市进出口贸易额：指港口所在城市每年从事进出口贸易所创造的贸易额。30
14、港口所在地 GDP：指港口所在城市每年从事经济活动所创造的国民生产总值，单位为亿元/年。6综合竞争力指标体系选取原则建立指标体系的目的，在于结合实际数据资料对港口综合竞争力进行综合排行。准确、有效地设计指标体系，以利于综合竞争力排行的实施。综合竞争力指标体系选取基于以下原则：（1）科学性原则。指标体系的设置应力求与国际惯例接轨；所设置的指标应是多年实践经验的理论概括和抽象，是竞争中最本质、最有代表性的东西；6指标的设计应规范、合理，其概念力求确切，有精确的内涵和外延。（2）可操作原则。指标体系的设计应考虑到实际操作的可能性，以保证排行结果的可信度。此外，指标不宜过于繁琐，个数不宜过多，以避免因
15、陷于过多细节而未能把握排行对象的本质，从而影响排行的准确性。（3）统一性原则。由于要对不同港口的竞争力进行排行，因此必须在坚持科学性的前提下，充分考虑各港口间统计指标的差异，努力选择口径一致、共有的指标，保证可比性。（4）绝对指标和相对指标相结合的原则。从统计分析的角度出发，绝对指标反映的是总量、规模等因素；相对指标反映的是速度、结构、比率等因素。结合两类指标进行分析，可以较准确地反映实际情况。对港口综合竞争力的排行不能仅仅局限于对传统能力的排行，还应充分体现出对其发展潜力的排行。附录：因子分析1.3.1 因子分析模型因子分析原来是用于处理多维随机变量在线性变换下其分量相关问题的，它通过求协方
16、差阵或相关系数阵的特征值和特征向量，按指定的贡献率求出集中原来随机变量主要信7息的、相互无关的主因子。其模型如下：设有 n 个样本，每个样本有 p 个观测变量，分别用 X1,X2, ,Xp表示；F 1,F2, ,Fm(mp)分别表示 m 个因子变量。如果：（1）X=(X 1,X2, ,Xp)T为 p 维可观测变量，且均值向量 E(X)=0，协方差阵 cov(X)= ，且协方差阵与相关系数矩阵 R 相等；（2）F=(F 1,F2, ,Fm)T(mp)是不可测的变量，且均值向量 E(F)=0，协方差阵 cov(F)=I，即向量 F 的各分量之间是相互独立的；（3） =( 1, 2, , p)T与
17、F 相互独立，且 E( )=0，协方差阵 cov( )是对角阵，即cov( )= ，说明 各分量之间也是相互独立的，则模型1121122212mpppmpXaaFF或写成：X=AF ，即为因子模型。其中，模型中的 F1,F2, ,Fm(mp)被称为公共因子，是相互独立的不可观测的理论变量； 1, 2, , 被称为特殊因子，是向量 X 的分量 Xi(i=1,2, ,p)所特有的因子，各特殊因子之间以及特殊因子与所有公共因子之间都是相互独立的；矩阵 A=(aij)的元素 aij 被称为因子载荷，aij 的绝对值越大（ ） ，表明 Xi与 Fj的相依程度越大，或称 Fj对于 Xi1ija的载荷量越大
18、，故矩阵 A 称为因子载荷矩阵。1.3.2 因子分析的基本步骤（1）确定原有变量是否适合进行因子分析因子分析的最终目的是从原有众多变量中提取出少量具有代表意义的综合因子变量，这必定有一个潜在的前提要求，即原有变量之间应具有较强的相关关系。因此，一般在运用因子分析时需要对原有变量进行相关分析。最简单的方法是计算变量之间的相关系数矩阵并进行统计检验。设有 n 个样本，每个样本有 p 个指标，于是得到原始数据矩阵：，设相关矩阵为121212ppX1221pprRr矩阵中相关系数 rij的计算公式为：r ij=X ijXij/(n-1)(i,j=1,2,3, ,p)。如果相关系数矩阵8中的大部分相关系
19、数都大于 0.3 且通过统计检验，那么，这些变量就可以作因子分析。（2）对原始变量数据进行标准化处理由于各个指标会随着经济意义和表现形式的不同而不具有可比性，因此，为了进行科学的综合排行，有必要对各个指标予以标准化处理。所谓标准化处理，也就是对排行指标数值的无量纲化、正规化处理，它主要是通过一定的数学变换方法，把性质、量纲各异的指标转化为可以进行综合的一个相对数量化值，以此来消除量纲的影响，并使其保持方向上的一致性。KMO 统计检验用 KMO（Kaiser-Meyer-Olkin）样本测度检验数据是否适合做因子分析。KMO 值俞大时，表示变量间共同因子俞多俞适合进行因子分析。根据学者 Kais
20、er 的观点，如果 KMO的值小于 0.5，则不适宜进行因子分析。本分量表 KMO 值达到 0.761，适合进行因子分析。表 2 KMO 与 Bartletts 检验Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .761Bartletts Test of Sphericity Approx. Chi-Square 917.236df 78Sig. .000（2）求相关系数矩阵 R 的特征值和特征向量，并提取因子本文按特征值大于 1 的标准，采用主成分分析法来提取主因子，结果见图 4。表 3 特征值和特征向量一览表因子 特征值 贡献率% 累计贡
21、献率%1 9.022 69.400 69.4002 1.681 12.934 82.3343 .873 6.715 89.0494 .780 6.001 95.0505 .271 2.082 97.1326 .232 1.783 98.91497 .098 .751 99.6658 .027 .205 99.8709 .017 .130 100.00010 2.88E-016 2.22E-015 100.00011 1.08E-016 8.30E-016 100.00012 -2.28E-016 -1.76E-015 100.00013 -5.16E-016 -3.97E-015 100.00
22、0从表 2 可看到，前 2 个特征值分别为 9.022、1.681，其累积贡献率已达到了82.334%，可以说他们基本上包含了全部指标的所有信息。（3）建立因子载荷矩阵并命名采用方差极大旋转法（即 Varimax 法）旋转之后的因子载荷矩阵见表 4。表 4 旋转后的因子载荷矩阵主因子变量 1 2X1 .923 .063X2 .884 .404X3 .954 .154X4 .709 .631X5 .830 .288X6 .713 .635X7 .684 .625X8 .586 .450X9 .514 .718X10 .314 .779X11 .653 .692X12 .415 .693X13 -.148 .956
