聚类分析法在辽宁省物流服务体系建设中的应用研究摘要：根据区域物流服务指标体系的基本原则和基本方法建立了体现物流企业发展情况、物流行业需求、物流设施设备运行能力、物流信息平台水平等诸多方面的区域物流评价指标体系，为区域物流服务体系的聚类研究奠定了基础。在此基础上，以辽宁省为区域研究案例，对省内典型的14个城市进行了聚类实证分析，并对聚类结果进行客观、全面地定性分析，提出了辽宁省物流服务体系应逐步建成以沈阳、大连、锦州为核心，以全方位、多层次的现代物流服务网络为支撑的，立足东北、辐射全国、面向东北亚、服务全世界的东北地区现代物流服务体系。关键词：区域物流；服务体系；聚类分析：F259.27文献标识码：AAbstract：Accordingtothebasicprinciplesandbasicmethodsofregionallogisticsserviceindexsystem，theevaluationindexsystemofregionallogisticsisestablished，whichreflectsthesituationoflogisticsenterprisesdevelopment，thedemandsoflogisticsindustry，theabilitytooperatethelogisticsfacilities，theplatformleveloflogisticsinformationandmanyotheraspects.Itisthefoundationforclusterresearchofregionallogisticsservicesystem.Onthisbasis，takeLiaoningprovinceascasestudyarea，empiricalclusteranalysisinthe14typicalcitiesintheprovince，andqualitativeanalysistheclusteringresultsobjectivelyandcomprehensively，thenputforwardlogisticsservicesysteminLiaoningprovinceshouldbebuiltstepbystepinnortheastChinamodernlogisticsservicesystem，whichtothecityofShenyang，Dalian，激nzhouasthecore，andsupportedbytheall-round，multi-levellogisticsservicenetwork，andbasedonthenortheast，radiationthroughoutthecountry，serviceorientednortheastAsiaandallovertheworld.Keywords：regionallogistics；servicesystem；clusteringanalysis1聚类分析法的基本原理聚类分析是从一批样品的多个观测指标中找出一些能够度量样品或指标之间相似程度的统计量，并以这些统计量为划分类型依据的数学方法，其分类的基本思想是把一些相似程度较高的指标聚合为一类，把另外一些相似程度较高的指标又聚合为一类，并按照指标之间的关系密切程度分别聚合到不同的分类单位，直到把所有的指标聚合完毕[1]。目前，国内外使用最多、最成熟的聚类方法是系统聚类法，它可以根据预期结果不同采取样品聚类或者变量聚类。这里研究区域物流服务评价体系将采用系统聚类法用于样本聚类，即Q型聚类，其基本思路为：首先每个数据对象自成一类，计算各个类之间的“距离”或者相似性，然后每次合并最相似的两类，再继续计算合并后的新类与其他各个类之间的距离或相似度，直到所有对象都归为一类为止[2]。距离和相似系数有多种定义，Q型聚类过程中涉及到计算样本与样本之间的距离、类与类之间的距离。1.1样本与样本之间的距离如果p维空间中n个点可以表示n个样品（X中的n个行），则可用p维空间中两点的距离来度量两个样品间的相似程度，样品X与X的距离用d表示。常用样本与样本之间的距离有：（1）明氏（Minkowski）距离使用明氏距离需要注意的是：如果各变量的测量值相差悬殊时，就需先对数据标准化，然后用标准化后的数据计算距离。（2）马氏（Mahalanobis）距离1936年，印度统计学家马哈拉诺比斯引入了能够排除各指标之间相关性的干扰而且不受各指标量纲的影响马氏距离。设∑表示变量的协差阵，计算公式如下：其中：X为第i个样品的p个指标组成的向量，即原始资料阵的第i行向量。样品X类似。（3）兰氏（Canberra）距离由Lance和Williams最早提出的兰氏距离仅适用于一切x0的情况，这个距离虽然能够克服各指标之间量纲的影响，但没有考虑指标之间的相关性。计算任何两个样品X与X之间的距离d与两个样品接近程度成反比。1.2类与类之间的距离类与类之间的距离主要包括4种：最短距离法（Nearestneighbor）；最长距离法（Furthestneighbor）；重心法（Centroidclustering）；类平均法（Medianclustering）。最短距离法中的两类之间的距离是它们两个最...