李小姣（河南師范大學 經(jīng)濟管理學院，河南 新鄉(xiāng) 453007）

0 引 言

運輸需求預測在國家和區(qū)域經(jīng)濟發(fā)展規(guī)劃中具有十分重要的作用，貨物運輸與地方經(jīng)濟及企業(yè)發(fā)展緊密聯(lián)系。尤其是在后金融危機時期，做好貨運量預測成為貨運需求和經(jīng)濟發(fā)展關(guān)系研究中的一個重要問題，對交通規(guī)劃和經(jīng)濟發(fā)展具有重要意義。

運量預測是一個復雜的系統(tǒng)，比較常用的預測方法按性質(zhì)和方法分，可分為定量預測和定性預測兩大類[1]。定性預測方法主要以專家為索取信息的對象，組織各方面專家運用專業(yè)方面的經(jīng)驗和知識，通過對過去和現(xiàn)在發(fā)生的問題進行綜合分析，從中找出規(guī)律，對未來作出判斷。主要有以下幾種：個人判斷法、專家會議法、特爾菲法、主觀概率法[1]。

定量預測方法是用定量分析來研究運量的發(fā)展趨勢，它以歷史統(tǒng)計資料和有關(guān)信息為依據(jù)，運用各種數(shù)學方法來預測未來貨運市場需求情況，即未來的運量。常用的貨運量定量預測方法主要有以下幾種：

（1）回歸分析法。是從經(jīng)濟現(xiàn)象之間的因果關(guān)系出發(fā)，應用回歸方程來分析經(jīng)濟變化規(guī)律，進行預測，其關(guān)鍵要找到影響運量變化的主要因素，這種方法不失為一種好方法。常用的回歸分析法有一元回歸分析法、多元線性回歸分析法。馬銀波（2000）探討了用類別回歸分析方法建立增長模式的預測模型，并結(jié)合廣西河池地區(qū)的實際情況將模型加以運用。

（2）灰色模型預測法。其中GM（1,1）灰色模型預測運用較多。李玉蘭（2006）運用GM（1,1）模型對河南省貨運總量和公路貨運量進行預測，為河南公路網(wǎng)規(guī)劃和公路建設提供科學的決策依據(jù)。王 秀、孫 皓（2007）通過實例初步驗證了灰色神經(jīng)網(wǎng)絡交通量組合預測模式的合理性和可行性。

（3）神經(jīng)網(wǎng)絡法。王維國、張靜靜（2005）認為人工神經(jīng)網(wǎng)絡自身具有容錯性、有表示任意非線性關(guān)系的能力和學習能力等特性，為預測技術(shù)提供了一種新的思想和方法。趙闖、劉凱、李電生（2004）通過擬合訓練和外推預測分析，驗證了GRNN用于貨運預測的有效性。馬林才、陳文華、邊浩毅將BP網(wǎng)絡用于浙江省公路運輸量的預測，將公路客運量和貨運量作為一時間序列事件處理，實現(xiàn)了預測與復雜的相關(guān)因素分離，操作簡單，預測精確。

（4）時間序列分析法。它是根據(jù)歷史資料組成的時間數(shù)列，從中找出發(fā)展趨勢的變動規(guī)律，由過去推測未來，憑借過去狀態(tài)延續(xù)到未來的可能性，從而達到預測的目的，這種預測方法也叫外推法或歷史引伸法。時間序列法中主要有移動平均法、加權(quán)移動平均法、指數(shù)平滑法、趨勢預測法、數(shù)學模型法等預測方法。

上面這些運量預測方法大多能對交通建設項目和企業(yè)具體問題（比如銷售）預測時其擬合程度一般較高，不失為較好的預測方法，但需要估計國家或大行政區(qū)的未來貨運總量時，其擬合程度卻不太好[1]。這些方法都集中在對其因果關(guān)系回歸模型和時間序列模型的分析上，所建立的模型在全面和本質(zhì)地反映所預測動態(tài)數(shù)據(jù)的內(nèi)在結(jié)構(gòu)和復雜特性顯得不足，從而丟失了信息[2]。隨著神經(jīng)網(wǎng)絡技術(shù)的發(fā)展，BP神經(jīng)網(wǎng)絡在貨運量預測中得到了廣泛應用[3-5]，但BP神經(jīng)網(wǎng)絡自身存在著收斂慢等缺點[6]。本文對貨運量與GDP建立協(xié)整模型。

1 實證分析

凡是會受到價格影響的指標，都將其價格因素予以剔除，將其全部轉(zhuǎn)化為1990年不變價格。本文選用1990年至2007年的數(shù)據(jù)（2008年數(shù)據(jù)尚未公布），數(shù)據(jù)來自國家統(tǒng)計局年度數(shù)據(jù)科目。1980年以后國民總收入（原稱國民生產(chǎn)總值）與國內(nèi)生產(chǎn)總值的差額為國外凈要素收入。2006年全國農(nóng)業(yè)普查后，對2005年、2006年第一產(chǎn)業(yè)數(shù)據(jù)進行了調(diào)整，2004年及以前年份數(shù)據(jù)未做調(diào)整。有些時間序列，雖然自身非平穩(wěn)，但其某種線性組合卻平穩(wěn)，這個線性組合反映了變量間的長期穩(wěn)定關(guān)系，稱為協(xié)整關(guān)系（易丹輝，2005）。誤差修正模型（ECM）的基本形式是由Davidson,Hendry,Srba,Yeo于1978年提出，稱為DHSY模型。在建立誤差修正模型前需要對變量進行協(xié)整關(guān)系檢驗，即對回歸方程殘差序列做ADF檢驗。

利用eviews繪制GDP與貨運周轉(zhuǎn)量圖，觀察二者具有大致相同的增長和變化趨勢，說明二者可能存在協(xié)整關(guān)系。

為了減小誤差，將貨運量對數(shù)化處理，即產(chǎn)生新序列l(wèi)huoyun。

1.1 協(xié)整關(guān)系檢驗。分別對WULIU、IWULIU、GDP、IGDP、E①進行ADF檢驗，結(jié)果如表1～5所示。

表1 序列WULIU的ADF檢驗結(jié)果

表2 序列IWULIU的ADF檢驗結(jié)果

表3 序列GDP的ADF檢驗結(jié)果

表4 序列IGDP的ADF檢驗結(jié)果

表5 序列E的ADF檢驗結(jié)果

將各序列的ADF檢驗值與相應的零界值比較可以得出，原序列WULIU與GDP都是非平穩(wěn)序列，而一階差分序列均平穩(wěn)，可以判定WULIU與GDP為一階單整序列，滿足協(xié)整檢驗前提。

對WULIU與GDP進行普通最小二乘估計，得到殘差序列，對殘差序列做ADF檢驗，由于檢驗統(tǒng)計量值小于顯著性水平0.05時的臨界值，所以可以認為殘差序列為平穩(wěn)序列，表明WULIU與GDP具有協(xié)整關(guān)系。

1.2 誤差修正模型的提出與驗證。因為WULIU與GDP存在協(xié)整關(guān)系，所以可以采用誤差修正模型描述二者關(guān)系。Davidson,Hendry,Srba,Yeo于 1978 年提出誤差修正模型的基本形式：yt=β0+β1xt+β2yt-1+β3xt-1+εt。

使用本模型估計結(jié)果如表6所示。

根據(jù)表6，可得模型如下：

GDPt=1 418.361+0.986804GDPt-1+0.538983WULIUt+1.266688WULIUt-1+εtWULIUt物流業(yè)的當期產(chǎn)值；WULIUt-1物流業(yè)的滯后一期產(chǎn)值；GDPt國內(nèi)生產(chǎn)總值的當期產(chǎn)值；GDPt-1國內(nèi)生產(chǎn)總值的的滯后一期產(chǎn)值；εt誤差項。

根據(jù)模型可知，WULIUt、WULIUt-1、GDPt-1三者共同影響GDPt，系數(shù)分別是0.538983、1.266688、0.986804。

通過模型看出：我國物流產(chǎn)值對GDP的影響已經(jīng)處于邊際遞減階段，系數(shù)是0.538983，即物流產(chǎn)值每增加1元，當期GDP增加0.538983元，說明我國物流業(yè)存在不合理物流現(xiàn)象。

滯后一期的物流產(chǎn)值對GDP貢獻較大，系數(shù)是1.266688，即滯后一期的物流產(chǎn)值每增加1元，將帶動GDP增加1.266688元，說明物流對GDP的影響是滯后的，因為現(xiàn)代物流業(yè)作為一復合產(chǎn)業(yè)不是孤立地發(fā)展起來的，由鐵道、公路、水運、空運、倉儲、托運等行為主體組成，將帶動其他產(chǎn)業(yè)的成長，這種傳導需要時間，模型與實際值的擬合情況如圖1。

表6 ECM估計及檢驗結(jié)果

此模型在短期預測擬合效果較好，利用該模型對全國貨運量的預測情況如圖2。

2 結(jié) 論

未來5～10年中國經(jīng)濟社會對交通運輸業(yè)的需求，將隨著人民生活水平和社會化生產(chǎn)方式程度的提高而呈加速增長趨勢。而交通運輸業(yè)本身的增長速度將維持相對穩(wěn)定增長，與國民經(jīng)濟的增長速度基本相符，交通運輸業(yè)在國民經(jīng)濟中的比重呈相對穩(wěn)定狀態(tài)。隨著國家近幾年在基礎設施方面加大投資力度，尤其是國家刺激內(nèi)需政策實施，基礎設施狀況將會有很大改善。同時，在運輸業(yè)務上，運輸企業(yè)結(jié)構(gòu)、經(jīng)營結(jié)構(gòu)和車輛結(jié)構(gòu)都將有很大程度的調(diào)整，貨運業(yè)務平均運距延長，貨運量和貨運周轉(zhuǎn)量將明顯提高。貨運業(yè)有著良好發(fā)展前景。

由于我國2008年進行經(jīng)濟普查，年度數(shù)據(jù)采用普查數(shù)據(jù)，因此2008年年度貨運數(shù)據(jù)尚未公布。然而值得思考的是，2008年貨運量必然波動較大，此波動是按正常年份帶入本模型還是按非正常年份剔除，值得后續(xù)進一步研究。

注：①EVIEWS3.0不支持漢字，所以用WULIU、IWULIU、GDP、IGDP、E代表物流產(chǎn)值、物流產(chǎn)值的一階差分序列、GDP值、GDP值的一階差分序列和殘差。

[1]陳禮芬.區(qū)域貨運量預測方法的比較[J].重慶交通學院學報，2005(8):114-115.

[2]趙闖，劉凱.基于廣義回歸神經(jīng)網(wǎng)絡的貨運量預測[J].鐵道學報，2004(1):12-15.

[3]王維國，張靜靜.基于BP神經(jīng)網(wǎng)絡的貨運量預測方法[J].物流技術(shù)，2005(7):58-59.

[4]陳富貴，李遠富.基于BP神經(jīng)網(wǎng)絡的鐵路貨運量預測[J].鐵道貨運，2005(9):15-17.

[5]馬林才，陳文華，邊浩毅.基于BP神經(jīng)網(wǎng)絡的浙江省公路運輸量的預測[J].浙江交通職業(yè)技術(shù)學院學報，2003,4(1):1-4.

[6]胡波，劉建民.基于層次結(jié)構(gòu)模型的RBF神經(jīng)網(wǎng)絡貨運量預測方法[J].長沙交通學院學報，2006(4):61-62.

[7]崔淑華，王娜，胡亞南.基于主成分分析的公路貨運量預測影響因素研究[J].森林工程，2005(9):65-67.

[8]王秀，孫皓.一個基于灰色神經(jīng)網(wǎng)絡組合的交通量預測模型應用研究[J].交通科技與經(jīng)濟，2007(2):61-62.

[9]李玉蘭.GM （1,1）模型在公路貨運量預測的應用[J].公路工程與運輸，2006(1):68-69.