[摘要] 本文運(yùn)用灰色預(yù)測模型，選取貨運(yùn)量為指標(biāo)，對南京市的物流需求規(guī)模進(jìn)行了定量預(yù)測，并結(jié)合南京市的具體情況進(jìn)行定性分析，修正了定量預(yù)測的結(jié)果，提出物流需求規(guī)模年增長率保持在4%的水平較為合適的結(jié)論。

[關(guān)鍵詞] 物流需求 灰色預(yù)測模型 貨運(yùn)量

南京市政府高度重視物流業(yè)的發(fā)展，提出了通過發(fā)展物流來實(shí)現(xiàn)南京市經(jīng)濟(jì)跨越式發(fā)展的思路，并已投入大量資金興建物流園區(qū)，構(gòu)筑物流信息平臺。需要注意的是，在一定時期內(nèi)，當(dāng)物流供給不能滿足物流需求時，將對需求產(chǎn)生抑制作用；當(dāng)物流供給超過物流需求時，則不可避免地造成供給的浪費(fèi)。為保證物流業(yè)的供給與需求之間的相對平衡，使物流規(guī)劃和基礎(chǔ)設(shè)施建設(shè)符合南京市經(jīng)濟(jì)發(fā)展的需求，本文運(yùn)用灰色模型定量預(yù)測和定性分析相結(jié)合的方法，幫助南京市政府了解物流需求規(guī)模，進(jìn)行有效的需求管理，引導(dǎo)社會投資有目的地進(jìn)入物流業(yè)。

一、南京市物流需求規(guī)模的灰色定量預(yù)測

隸屬于服務(wù)業(yè)的物流需求包括質(zhì)和量兩個方面，質(zhì)指物流服務(wù)質(zhì)量，量指物流規(guī)模。物流服務(wù)質(zhì)量是物流服務(wù)效果的集中反映，可以用物流時間、物流費(fèi)用、物流效率來衡量。物流規(guī)模是物流活動中運(yùn)輸、倉儲、包裝、裝卸搬運(yùn)和流通加工中物流作業(yè)量的總和，由于目前還沒有標(biāo)準(zhǔn)的社會物流規(guī)模統(tǒng)計指標(biāo)，從數(shù)據(jù)的可得性與指標(biāo)本身的內(nèi)在涵義方面（貨物運(yùn)輸是物流過程中實(shí)現(xiàn)位移的中心環(huán)節(jié)）考慮，本文選擇貨物運(yùn)輸量作為評價指標(biāo)，根據(jù)南京地區(qū)2001年～2005年的貨物運(yùn)輸量的變化趨勢來預(yù)測未來五年南京市物流需求規(guī)模的變化趨勢。

物流需求規(guī)模預(yù)測包括定性預(yù)測和定量預(yù)測兩類方法。定性預(yù)測法多憑借主觀判斷，基于估計和評價，主要有市場調(diào)研、歷史類比、德爾菲法等方法。定量預(yù)測法主要有時間序列分析法、因果分析法和趨勢擬合法等。本文選擇灰色預(yù)測方法對南京物流需求規(guī)模進(jìn)行預(yù)測?；疑到y(tǒng)理論是1982年由鄧聚龍教授首創(chuàng)的一門邊緣科學(xué)，它結(jié)合了控制論和方法論，既可應(yīng)用于社會經(jīng)濟(jì)方面，又可應(yīng)用于工業(yè)控制方面?；疑Ｐ皖A(yù)測實(shí)質(zhì)是微分方程的時間連續(xù)函數(shù)模型，可以對事物的發(fā)展變化做出長期預(yù)測，而且對原始數(shù)據(jù)要求不高。在我國物流業(yè)發(fā)展還處于初級階段，市場多變化，影響因素復(fù)雜，統(tǒng)計標(biāo)準(zhǔn)缺乏，現(xiàn)有相關(guān)的物流資料很難滿足一般預(yù)測方法要求的情況下，灰色預(yù)測在物流需求規(guī)模預(yù)測中具有較好的應(yīng)用前景。

灰色系統(tǒng)分析是將一些已知的數(shù)據(jù)序列，通過一定的方法處理，使其由散亂狀態(tài)轉(zhuǎn)向規(guī)律化，然后用微分方法擬合，并由外延進(jìn)行預(yù)測。其中已知的數(shù)據(jù)稱為白色，需要預(yù)測的數(shù)據(jù)稱為灰色，而處理過程稱為白化，也就是對數(shù)據(jù)序列的隨機(jī)性弱化。

本文應(yīng)用灰色預(yù)測中的GM（1，1）模型，其預(yù)測模型如下:

X(0)為初始時間序列，X(1)為X(0)累加生成的新序列。其中，

建立微分方程，

利用最小二乘法求解參數(shù)a，u

其中，

求出模型的時間響應(yīng)方程:

還原成原始序列的預(yù)測模型：

本文根據(jù)南京市2001年～2005年貨運(yùn)量（如下見表1），對南京市的物流需求規(guī)模進(jìn)行定量預(yù)測:

表1 2001年～2005年南京市貨運(yùn)量 （單位：萬噸）

數(shù)據(jù)來源：南京市統(tǒng)計年鑒

首先，求得系統(tǒng)發(fā)展系數(shù)a=-0.048; 驅(qū)動系數(shù)u=14361.047

可以得到，灰預(yù)測模型的時間響應(yīng)方程：

還原成員是序列的預(yù)測模型，即灰色GM(1，1)模型的預(yù)測公式：

根據(jù)此預(yù)測公式，計算出2002年～2005年的預(yù)測值，預(yù)測誤差的絕對值與相對值，見表1。

最后，對預(yù)測誤差進(jìn)行進(jìn)一步的分析：

均方誤差

平均絕對誤差

平均絕對百分誤差

最大絕對偏差

注：N為誤差值個數(shù)，這里N=4

通常，平均絕對百分誤差，稱該預(yù)測為高精確度預(yù)測，可見此預(yù)測結(jié)果是可行的，精確的。

下面我們根據(jù)上述灰預(yù)測方法對南京2006年至2010年的貨運(yùn)量進(jìn)行預(yù)測，如下見表2：

表2 2006年～2010年南京市貨運(yùn)量（單位：萬噸）

從貨運(yùn)量我們可以大致得到今后五年南京物流需求規(guī)模的總趨勢：物流需求規(guī)模穩(wěn)步上升，逐年增長速度約為4.9%。但是，物流系統(tǒng)是開放系統(tǒng)，影響物流需求規(guī)模的因素眾多，預(yù)測模型不可能包括所有因子變量。因此需要將定量與定性分析相結(jié)合，對定量預(yù)測的結(jié)果進(jìn)行分析和修正。

二、南京市物流需求規(guī)模的定性分析

經(jīng)濟(jì)發(fā)展本身直接產(chǎn)生物流需求，而且當(dāng)經(jīng)濟(jì)持續(xù)快速發(fā)展時，會形成物流業(yè)新的需求。2005年南京市國民生產(chǎn)總值達(dá)到2413億元，比上年增長15.2%，年均增長率比江蘇省和國家高出0.7%和5.3%。南京的優(yōu)勢產(chǎn)業(yè)突出，石油化工、汽車制造、電子產(chǎn)業(yè)在江蘇省，乃至全國都位居前列。三大產(chǎn)業(yè)的工業(yè)總產(chǎn)值在南京市的比重超過53.1%。這三大產(chǎn)業(yè)又都具有相當(dāng)?shù)漠a(chǎn)業(yè)涉及和拉動效應(yīng)，大量的原材料采購和產(chǎn)成品輸出會產(chǎn)生巨大的物流需求。大型市場、連鎖超市、購物中心、便利店、倉儲式商場等新型零售業(yè)態(tài)的興起，如沃爾瑪、麥德隆、家樂福等國際零售航母陸續(xù)在我市登陸，而蘇果、蘇寧、五星電器等知名連鎖企業(yè)，也實(shí)現(xiàn)了規(guī)模經(jīng)營的快速擴(kuò)張。使得南京市2005年的社會消費(fèi)品零售總額突破一千億大關(guān)，達(dá)到1005億元，比去年同期增長16.3%。這對物流配送服務(wù)提出了新的要求，也產(chǎn)生了新的需求。這都是南京市物流需求規(guī)模穩(wěn)步上升的主要推動力。

但是，目前我市物流有效需求不足，主要原因在于大多數(shù)企業(yè)的規(guī)模偏小、發(fā)展緩慢，很難在先進(jìn)技術(shù)方面推動物流業(yè)的發(fā)展；我市物流服務(wù)業(yè)供給方能力不足，缺少國內(nèi)、國外大型物流企業(yè)的加入，專業(yè)化不強(qiáng)，很難建立信譽(yù)度，不能滿足多數(shù)企業(yè)多元化的需求，不利于第三方物流的長期發(fā)展；再加上一些大型企業(yè)如金陵石化、熊貓電子直接屬于部級領(lǐng)導(dǎo)，又建立了企業(yè)內(nèi)部的物流系統(tǒng)，例如金陵石化就建設(shè)了過江輸油管道，減少了對南京港原油中轉(zhuǎn)的需求，因此對區(qū)域物流的依賴性較小，影響了大規(guī)模的物流有效需求的增長。

三、小結(jié)

綜合對南京市物流需求規(guī)模的灰色預(yù)測與定性分析，可以看出，一方面由于獨(dú)特的區(qū)位優(yōu)勢、經(jīng)濟(jì)優(yōu)勢，有力的外部環(huán)境，南京的物流需求規(guī)模巨大、潛力十足。另一方面薄弱環(huán)節(jié)依舊不少，影響了南京市物流有效需求的增長。因此4.9%的年增長速度很難保證，建議年增長率為4%左右。

表3修正后2006年～2010年南京市貨運(yùn)量（單位：萬噸）

應(yīng)用邁克爾·波特提出的競爭優(yōu)勢的理論，只有將比較優(yōu)勢必須轉(zhuǎn)化為市場競爭力方面的優(yōu)勢，才是真正有效的優(yōu)勢。這還需要政府、企業(yè)、用戶三方的共同努力。

本文中所涉及到的圖表、注解、公式等內(nèi)容請以PDF格式閱讀原文。