提要:对于零售业投资者来说，选址是一项关键的、长期起作用的投资，关系着企业的发展前途。本文建立基于因子分析的统计分析模型，以浙江省十一个市为例，对影响零售业选址的决策因素进行测度和分析，在一定程度上为零售业投资者提供了决策依据。
　　
　　 零售业巨头沃尔玛前总裁山姆·沃尔顿曾经说过，选址是决定一个企业是否成功的关键因素。一般情况下，零售业的店址不会随着外部环境的变化而发生调整和变动，确定后就需要投入大量的资金来进行维护和运营。对于零售业来说，企业要想获得长足发展，需要考虑多种因素。其中价格、商品组合、服务组合、服务内容等因素会随着企业经营策略的变化而进行调整，而选址是固定不变的，因此制订合理优秀的选址方案对于企业的经营策略具有增值的效果。
　　
　　一、选址的决策因素评价指标及数据处理
　　
　　（一）评价指标体系构建。本文按照评价指标体系的科学性、简洁性、典型代表性及数据可获性等基本原则构建三个层次评价指标体系。第一层次（一级指标）为目标层，即浙江省十一市选址决策因素；第二层次（二级指标）为要素层，分别从城市商业条件、人口因素、客流规律、交通条件、信息沟通情况、场地条件和经济成本等七个方面进行选址决策因素的衡量；第三层（三级指标）为基本变量层，包含十三个三级指标。（表1）
 
　　（二）指标数据来源及数据标准化处理。本研究中浙江省十一市分别为杭州市、宁波市、嘉兴市、湖州市、绍兴市、舟山市、温州市、金华市、衢州市、台州市和丽水市，评价指标中的数据来源于《2010年浙江省统计年鉴》。对于具有不同量级或不同单位的数据，在进行数据分析、数理统计前要先进行处理，以消除数据在量纲和数量级上的差别，本文采用Z得分值法进行标准化处理，利用x■■=x■-■s来计算得到标准化的变量矩阵x=（x■■）。其中x■为各个指标变量具体数据，■为变量均值，s为样本标准差。（表2）
　　
　　 二、浙江省十一市零售业选址因子分析
　　
　　因子分析是一种多变量统计分析方法。它是通过对变量的相关系数矩阵的内部结构进行分析，找出几个能控制原始变量的主因子，选取主因子的原则是尽可能包含更多的原始变量信息，建立因子分析模型，利用主因子再现原始变量之间的相关关系，达到简化变量、降低变量维数和对原始变量再解释及命名的目的。

　　用因子分析前首先对样本进行KMO和Bartlett球形检验。量表的KMO值为0.878，效果较好，Bartlett's球面检验P值显著（p=0.000），表明因子之间具有相关性，说明数据适合做因子分析。（表3）进一步得到旋转后的总方差解释表。（表4）
　　
　　 使用主成分分析法提出公共因子。由表4可以看出，前四个主成分的累积方差贡献率已达到90.15%，说明前四个因子已经反映了原始变量90.15%的信息，具有显著代表性；从表5的共同度中可以看出，主因子方差的初始值均为1，每个变量的共同度都大于0.9，说明变量能很好地被四个主因子解释。
　　利用最大方差法正交旋转得到正交旋转后的因子载荷矩阵，以此来对四个公共因子进行命名。（表5）可以看出，因子F1与平均气温、日照时间、年龄比例构成、性别比例构成相关，可以被命名为城市外在环境条件因子；公因子F2与总人口数、流动人口数、人口密度、信息沟通情况有关，被命名为人口因素因子；公因子F3与城市设施、境内公路里程、货运量合计数有关，可以被命名为交通条件因子；公因子F4与收入状况、房屋租赁价格指数有关，可以被命名为经济条件因子。

　　经由SPSS分析得到因子得分的系数矩阵（表6），由因子得分矩阵得因子得分函数为：

　　F1=0.257X1-0.022X2+0.069X3+0.247X4+0.297X5+0.106X6-0.119X7-0.020X9-0.094X10+0.005X11-0.210X12+0.038X13 （1）
　　F2=0.047X1+0.218X3-0.070X4-0.161X5+0.180X6+0.473X7-0.092X8-0.211X9+0.139X10+0.204X11+0.036X12+0.159X13 （2）
　　F3=-0.155X1+0.283X2-0.022X3+0.067X4-0.031X5-0.010X6-0.253X7+0.186X8+0.436X9+0.160X10+0.063X11-0.033X12-0.195X13（3）
　　F4=0.008X1+0.057X2-0.058X3+0.071X4-0.042X5-0.040X6+0.169X7+0.435X8-0.129X9-0.071X10-0.011X11-0.072X12+0.640X13（4）

　　根据表4的特征值，计算出各个因子的权重，计算公式为：W■=?姿■/∑?姿■，从而得出以下综合因子得分：

　　Y=0.49F1+0.24F2+0.17F3+0.10F4 （5）

　　根据式（1）-（5）计算浙江省十一个市的选址决策因素得分值，从而确定各市的选址决策排名。（表7）可以看出，在浙江省十一个市中，对于零售业的最佳选址决策，排名前三的分别为温州、台州和杭州。其中，温州虽然交通条件因子得分排名仅为第十名，但由于在城市外在环境因子和人口因素因子上得分分别为第一名和第二名，因此提升了温州的综合排名；对于台州和杭州，台州城市外在环境、人口规模和经济条件都适合发展零售行业，杭州有良好的交通条件和经济条件，人口规模较大，城市外在环境良好，与其他城市相比，零售行业在这两个城市选址风险是最小的，其业务开展也是最便利的。同时，不利于零售业选址决策排名较靠后的城市分别为绍兴、舟山、嘉兴和湖州。除绍兴人口规模较大，人口比较密集外，在城市外在环境、交通条件、人口因素和经济条件等方面得分都较低，综合排名靠后，可见，目前在这四个城市发展零售业不是明智之举，应该积极发展其他有利行业。
　　
　　三、结束语
　　
　　本文对零售业的选择决策因素进行了因子分析，并以浙江省的十一个市为例进行了相关的实证分析。首先对决策的各影响因素界定为四个公共因子：城市外在环境因子、人口因素因子、交通条件因子以及经济条件因子，再利用因子分析技术得出综合因子得分的计算公式，从而对十一个市进行各因子以及综合因子的得分排名。可以看出，一个城市无论外在环境、人口规模、经济条件以及交通条件，各个方面都要发展良好，至少也要在某一方面具有绝对优势才有利于发展零售业，成为零售业的最佳选址。因此，这也就要求政府相关部门注意这些方面或某一绝对优势的发展与管理，只有这样才能更好地吸引零售业投资者，刺激当地零售业的发展。
　　
　　
　　主要参考文献：

　　[1]姜颖，付明.东北老工业基地人力资源对经济增长贡献率的实证研究[J].人力资源，2008.
　　[2]相广萍.因子分析方法在上市公司经营业绩评价中的应用[J].科技信息，2008.10.
　　[3]左继宏.区域经济比较指标体系及评价方法[J].知识丛林，2004.2.
　　[4]余锦华，杨维权.多元统计分析与应用[M].广州：中山大学出版社，2003.
　　[5]黄润龙.数据统计与分析技术SPSS软件实用课程[M].高等教育出版社，2006.