探討我國農(nóng)產(chǎn)品物流模式的實證

《探討我國農(nóng)產(chǎn)品物流模式的實證》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫。

1、探討我國農(nóng)產(chǎn)品物流模式的實證我國農(nóng)產(chǎn)品物流模式的實證論文導(dǎo)讀：本論文是一篇關(guān)于我國農(nóng)產(chǎn)品物流模式的實證的優(yōu)秀論文范文,對正在寫有關(guān)于農(nóng)產(chǎn)品論文的寫有一定的參考和指導(dǎo)作用,因此，發(fā)展農(nóng)產(chǎn)品加工企業(yè)是發(fā)展該物流鏈的核心?！　。?）以農(nóng)產(chǎn)品批發(fā)市場為核心的農(nóng)產(chǎn)品物流模式。該物流模式是我國傳統(tǒng)的農(nóng)產(chǎn)品物流模式。其主要適合于農(nóng)產(chǎn)品產(chǎn)需不平衡，物流設(shè)施不太完善的地區(qū)。在該模式下，農(nóng)產(chǎn)品生產(chǎn)者和消費者之間主要是通過農(nóng)產(chǎn)品批發(fā)市場聯(lián)結(jié)，批發(fā)市場成為該物流鏈的核心環(huán)節(jié)，處于核心地位的批發(fā)市場摘要：筆者在定義、分析農(nóng)產(chǎn)品物流模式的基礎(chǔ)上，從農(nóng)產(chǎn)品的生產(chǎn)、消費和物流的相關(guān)影響因素入手，提煉出

2、11個對劃分農(nóng)產(chǎn)品物流模式相關(guān)性較強的指標(biāo)。并以2007年各省市的相關(guān)數(shù)據(jù)為例，采用K－means聚類分析策略將我國31個省市農(nóng)產(chǎn)品物流模式分成四類，并進(jìn)一步研究每類省市適合的農(nóng)產(chǎn)品物流模式。本文的研究目的是為了各省市有效地了解其目前的農(nóng)產(chǎn)品物流模式，進(jìn)而有針對性地發(fā)展我國農(nóng)產(chǎn)品物流模式的實證由寫論文的好幫手.zgleans算法是硬聚類算法，是典型的基于原型的目標(biāo)函數(shù)聚類策略的代表，它是數(shù)據(jù)點到原型(類別中心)的某種距離和作為優(yōu)化的目標(biāo)函數(shù)，利用函數(shù)求極值的策略得到迭代運算的調(diào)整規(guī)則。K-means算法以歐式距離作為相似性測度，它是求對應(yīng)某一初始聚類中心向量V=(v1

3、,v2,…,vk)T最優(yōu)分類，使得評價指標(biāo)Jc值最小。算法常采用誤差平方和準(zhǔn)則函數(shù)作為聚類準(zhǔn)則函數(shù)，誤差平方和準(zhǔn)則函數(shù)定義為：　　Jc=∑ki=1∑p∈Ci‖p－Mi‖2　　其中，Mi是類Ci中數(shù)據(jù)對象的均值，p是類Ci中的空間點。K-means算法采用迭代更新的策略：在每一輪迭代中，依據(jù)k個聚類中心將周圍的點分別組成k個簇，而重新計算的每個簇的質(zhì)心（即簇中所有點的平均值，也就是幾何中心）將被作為下一輪迭代的參照點。迭代使得選取的參照點越來越接近真實的簇質(zhì)心，所以目標(biāo)函數(shù)越來越小，聚類效果越來越好。　　而K-means算法雖然具有動態(tài)

4、迭代更新的優(yōu)點，但必須在計算之前指定分類數(shù)目，即k值。本文首先通過層次聚類的策略來確定k值，之后再采用K-means算法根據(jù)前一步的k值聚類。　　2.實證分析的步驟　　本文將31個省市的農(nóng)產(chǎn)品生產(chǎn)、消費和物流水平的相關(guān)數(shù)據(jù)進(jìn)行聚類，以探求各省市的物流模式。實證步驟如下：　?。?）由于選用指標(biāo)數(shù)據(jù)量綱差異較大，因此首先將年鑒的指標(biāo)數(shù)據(jù)進(jìn)行無量綱化處理。　?。?）將各組數(shù)據(jù)作為獨立的一類(設(shè)為n類)，按照所定義的距離計算各數(shù)據(jù)點之間的距離，構(gòu)造距離矩陣。　?。?）將距離最近的兩組數(shù)據(jù)并為一類，計算新產(chǎn)生的類別與其他各個類別之間的距離或相似度，形成新的距離矩陣。這樣

5、的處理方式能使各個類別間的樣本量盡可能接近。　　（4）重復(fù)處理（2）和（3），直到所有數(shù)據(jù)被合并為一個類別為止。　?。?）分析以上四步做的層次聚類結(jié)果，檢驗各個類別是否存在顯著差異，確定將31個省市的物流模式劃分為多少類合適，從而確定k值。　　（6）將31個省市的無量綱化后的數(shù)據(jù)代入InsightfulMiner8.0軟件中，用（5）得到的分類數(shù)目作我國農(nóng)產(chǎn)品物流模式的實證由優(yōu)秀站.提供,助您寫好論文.為本步計算的k值，得到31個省市的具體分類情況。　?。?）分析各類的原始指標(biāo)數(shù)據(jù)，判斷各個類別具有的特征，推斷每類所屬省市適合的農(nóng)產(chǎn)品物流模式。　　3.實證數(shù)據(jù)

6、的及預(yù)處理　　本文的所有數(shù)據(jù)均來自統(tǒng)計年鑒。其中，農(nóng)產(chǎn)品產(chǎn)量、居民消費水平、人均占有量、人均量、居民消費量、物流總產(chǎn)值、公路里程和物流從業(yè)人員來自于2007年《中國統(tǒng)計年鑒》。考慮到統(tǒng)計口徑理由，因為不是所有種類的農(nóng)產(chǎn)品都會和加工企業(yè)、批發(fā)市場等有直接的關(guān)系。若將所有農(nóng)產(chǎn)品都列入可能會影響到最終結(jié)果，因此有關(guān)農(nóng)產(chǎn)品數(shù)據(jù)只包括蔬菜和水果的數(shù)據(jù)。其中居民消費量只考慮了城鎮(zhèn)居民的消費量，因為農(nóng)村居民一般以自給自足為主。農(nóng)產(chǎn)品加工企業(yè)總產(chǎn)值來自2007年《中國鄉(xiāng)鎮(zhèn)企業(yè)及農(nóng)產(chǎn)品加工業(yè)年鑒》各省份數(shù)據(jù)。農(nóng)產(chǎn)品物流園區(qū)規(guī)模數(shù)據(jù)來自于2007年《中國商品交易市場統(tǒng)計年鑒》各省份年交易

7、額超過億元的農(nóng)產(chǎn)品批發(fā)市場個數(shù)。　　從表1可以看出，將31個省市分為4類相對合適，這時候最大的類別和特點突出的類別都劃分較為明確，適合進(jìn)一步分析。　　在確定各類別后，進(jìn)一步檢驗各個類別是否存在顯著差異，以及各類別具有怎樣的特征。從通過分析表2，可知對這11個指標(biāo)進(jìn)行聚類的分析均通過F檢驗，各類別之間差異較大。之后對每類物流模式做類內(nèi)統(tǒng)計分析，可得結(jié)果如表4所示。　　從表4可知，四個類別的11個指標(biāo)中，每類內(nèi)同一指標(biāo)分布較均勻，同時偏度絕對值較小，因此該分類是具有科學(xué)作用的。　　結(jié)合以上分析，可知農(nóng)產(chǎn)品物流模式有如下三類：　?。?