鄧琪，尚嬡莉

（宿州學(xué)院經(jīng)濟(jì)管理學(xué)院，安徽宿州234000）

安徽省物流需求預(yù)測分析

鄧琪，尚嬡莉

（宿州學(xué)院經(jīng)濟(jì)管理學(xué)院，安徽宿州234000）

本文首先對于影響安徽省貨運(yùn)總量的不同因素進(jìn)行相關(guān)性分析，通過分析揭示安徽省物流需求的構(gòu)成和主要影響變量.其次通過多元回歸時(shí)間序列模型對于未來三年的貨運(yùn)總量進(jìn)行預(yù)測，為安徽省下一步更好地調(diào)整物流網(wǎng)絡(luò)布局和推進(jìn)現(xiàn)代物流業(yè)發(fā)展提供必要的數(shù)據(jù)幫助.

物流需求；時(shí)間序列分析；預(yù)測

物流需求預(yù)測的方法有很多，包括時(shí)間序列法、灰色預(yù)測模型、投入產(chǎn)出法以及組合預(yù)測等，但是由于預(yù)測本身的特性以及預(yù)測方法的局限性，在實(shí)際的預(yù)測中，預(yù)測結(jié)果往往不能夠讓人滿意.因此，如何能夠綜合考慮各種影響因素并站在宏觀條件的背景下，實(shí)現(xiàn)定量預(yù)測和定性預(yù)測的較好結(jié)合，仍然是一個難題.

安徽省物流業(yè)處于發(fā)展的關(guān)鍵時(shí)期，近年來在承接?xùn)|部產(chǎn)業(yè)轉(zhuǎn)移和中部發(fā)展戰(zhàn)略崛起的背景下，作為推動經(jīng)濟(jì)發(fā)展重要動力的物流業(yè)也面臨新的發(fā)展機(jī)遇和發(fā)展難題.結(jié)合區(qū)位特點(diǎn)的物流網(wǎng)絡(luò)布局、符合區(qū)域經(jīng)濟(jì)特色的物流業(yè)發(fā)展戰(zhàn)略等問題都是安徽省各地區(qū)物流行業(yè)發(fā)展的新課題，這些問題的解決均需要依賴于物流需求結(jié)構(gòu)和物流需求量的確定，因此探索行之有效的方法對物流需求進(jìn)行預(yù)測，保證預(yù)測的準(zhǔn)確性，對安徽物流業(yè)發(fā)展具有重要的意義.

1 安徽省物流需求與其他因素的相關(guān)性分析

1.1 描述性統(tǒng)計(jì)分析和數(shù)據(jù)預(yù)處理

物流業(yè)是連接社會再生產(chǎn)過程中生產(chǎn)與消費(fèi)之間的橋梁,其發(fā)展與整個國民經(jīng)濟(jì)的發(fā)展有著十分密切而又復(fù)雜的聯(lián)系.為了揭示安徽物流業(yè)與經(jīng)濟(jì)發(fā)展的相互關(guān)系,本文采用多元回歸的方法，共選取了8個自變量，分別為安徽省的GDP（x1）、第一產(chǎn)業(yè)生產(chǎn)總值（x2）、第二產(chǎn)業(yè)生產(chǎn)總值（x3）、第三產(chǎn)業(yè)生產(chǎn)總值（x4）、鐵路貨運(yùn)量（x5）、公路貨運(yùn)量（x6）、水路貨運(yùn)量（x7）、民航貨運(yùn)量（x8）和因變量總貨運(yùn)量（y）共九個變量，研究其它變量對總貨運(yùn)量的影響.按照對物流業(yè)的一般理解,還應(yīng)包括倉儲業(yè)、各大配送中心等方面的生產(chǎn)經(jīng)營成果,但目前難以收集到這些方面的數(shù)據(jù),只得舍棄.根據(jù)2012年的《安徽省統(tǒng)計(jì)年鑒》,得到2000～2011年安徽省以上九個變量的統(tǒng)計(jì)數(shù)據(jù)(見表1、表2).

表1 安徽生產(chǎn)總值

圖1 研究變量的折線圖

由于數(shù)據(jù)在量綱和大小方面存在很大差異，這非常不利于估計(jì)各解釋變量對被解釋變量的影響，因此本文對變量做標(biāo)準(zhǔn)化處理，即各變量的均值為零，標(biāo)準(zhǔn)差為1.

表2 各變量之間的相關(guān)系數(shù)

1.2 參數(shù)的相關(guān)性分析

通過eviews6.0進(jìn)行變量之間的相關(guān)性分析，結(jié)果如表3所示.通過分析各解釋變量除x8之外，均與被解釋變量存在很高的相關(guān)系數(shù)，都在0.75以上.

表3 多元回歸結(jié)果

1.3 模型選擇與檢驗(yàn)

本文使用逐步回歸法選擇變量進(jìn)而選擇模型，最終選擇了鐵路貨運(yùn)量、公路貨運(yùn)量和水路貨運(yùn)量三個變量進(jìn)入了該模型.參數(shù)估計(jì)結(jié)果如表4所示.

表4 white異方差檢驗(yàn)結(jié)果

1.3.1 自相關(guān)和異方差檢驗(yàn)

對該模型做DW自相關(guān)檢驗(yàn)，發(fā)現(xiàn)自相關(guān)系數(shù)為2.342，查表發(fā)現(xiàn)該值對應(yīng)的P值大于0.05的顯著性水平，說明模型不存在自相關(guān).

表4為white異方差檢驗(yàn)表，表中統(tǒng)計(jì)量的P值遠(yuǎn)遠(yuǎn)大于0.05，說明模型不存在異方差.

1.3.2 多重共線性檢驗(yàn)

表5為多重共線性檢驗(yàn)，表中，x6和x7的VIF值遠(yuǎn)遠(yuǎn)大于閾值10，TOL指標(biāo)遠(yuǎn)遠(yuǎn)小于閾值0.1，說明x6和x7之間的替代性過于嚴(yán)重，所以本文選擇只分析x5和x6兩個變量.對這種情況下的模型重新估計(jì)，并再次檢驗(yàn)多重共線性，結(jié)果如表所示.

表5 多重共線性檢驗(yàn)結(jié)果

表6中方差膨脹因子小于10，容忍度大于0.1，多重共線性消失.

表6 模型修正后的參數(shù)估計(jì)結(jié)果和多重共線性指標(biāo)

1.3.3 擬合優(yōu)度

該模型的擬合優(yōu)度指標(biāo)如表7所示，該表中，F(xiàn)統(tǒng)計(jì)量的P值小于0.05，說明了模型的整體有效性，R2達(dá)到了0.99以上，擬合度非常好.

表7 擬合優(yōu)度指標(biāo)

1.3.4 模型的參數(shù)解釋

根據(jù)表7可以寫出回歸函數(shù)的形式，如式（1）所示.

式（1）說明，鐵路貨運(yùn)量變化1單位，會導(dǎo)致總貨運(yùn)量變動0.027個單位，公路貨運(yùn)量變化1單位會導(dǎo)致總貨運(yùn)量變化0.979個單位，公路貨運(yùn)量對總貨運(yùn)量的影響是鐵路貨運(yùn)量的三倍多，二者對總貨運(yùn)量都是正向影響.這與我們的預(yù)期是相符的.

2 安徽省物流需求量預(yù)測

2.1 確定預(yù)測方法

在現(xiàn)有研究中，貨物運(yùn)輸量常作為衡量區(qū)域物流需求的關(guān)鍵指標(biāo)，根據(jù)上文中貨運(yùn)量的相關(guān)性分析，可以看出安徽省物流貨運(yùn)量的構(gòu)成中公路運(yùn)輸量和鐵路運(yùn)輸量占據(jù)比重明顯，通過自變量與因變量的回歸分析已不能滿足安徽省貨運(yùn)總量的預(yù)測特點(diǎn)，因此在關(guān)于預(yù)測方法上選擇時(shí)間序列回歸分析較為合適.

2.2 時(shí)間序列自回歸分析

經(jīng)濟(jì)系統(tǒng)的慣性作用使得時(shí)間序列數(shù)據(jù)往往存在著時(shí)間上的前后依存關(guān)系，自回歸模型（AutoregressiveModel,AR模型）是刻畫這種經(jīng)濟(jì)現(xiàn)象使用最廣的模型，它的一般函數(shù)形式如式（2）所示.

βi為回歸參數(shù)，衡量了經(jīng)濟(jì)變量的滯后期對當(dāng)期值的影響程度.這樣的過程成為p階自回歸過程，或者簡稱為AR（p）過程.殘差序列滿足白噪聲的要求，即零均值、同方差.p=1和p=2時(shí)，即一階和二階自回歸模型，它們在實(shí)際應(yīng)用中是非常重要的.

2.3 實(shí)證分析

2.3.1 樣本范圍選取

樣本范圍為安徽省1995到2011年貨運(yùn)總量，共計(jì)17年數(shù)據(jù).

表8 安徽省貨運(yùn)量

2.3.2 自相關(guān)性判斷

圖2給出了貨運(yùn)量的自相關(guān)圖，該圖表明貨運(yùn)量的自回歸模型滯后階數(shù)宜選擇1階.Q統(tǒng)計(jì)量的P值均小于0.05的顯著性水平，說明貨運(yùn)量序列是非隨機(jī)序列.

2.3.3 參數(shù)估計(jì)

AR模型的參數(shù)估計(jì)結(jié)果如表9.根據(jù)該表可以寫出模型的公式，如式（3）所示.

式（3）說明貨運(yùn)量滯后1期值的1單位（本文為萬噸）變化，會使得當(dāng)期值變化1.18個單位.

表10說明，在0.05的顯著性水平下，一階滯后項(xiàng)通過了顯著性檢驗(yàn)，并且擬合優(yōu)度R2和調(diào)整的擬合優(yōu)度R2都達(dá)到了0.91.擬合效果非常好，DW值位于2左右，說明模型提取的自相關(guān)程度比較徹底，剩余殘差已不再存在自相關(guān)性.

表9 貨運(yùn)量AR模型的參數(shù)估計(jì)結(jié)果

2.3.4 模型預(yù)測

為了減少模型的預(yù)測誤差，對于1996到2012年的預(yù)測值采用靜態(tài)預(yù)測，2013年到2015年采用動態(tài)預(yù)測，預(yù)測結(jié)果如表11.2012年到2015年的預(yù)測值分別為316743、374836、442327和521971.

表10 安徽省2013—2015年貨運(yùn)量預(yù)測值

3 結(jié)論

物流需求預(yù)測的意義在于指導(dǎo)和調(diào)節(jié)人們的物流管理活動，以便采取適當(dāng)?shù)牟呗院痛胧?，謀求最大的利益.物流產(chǎn)業(yè)是一種復(fù)合型產(chǎn)業(yè)，它融合了運(yùn)輸業(yè)、倉儲業(yè)、貨代業(yè)和信息業(yè)等行業(yè)，涵蓋了第一、第二、第三產(chǎn)業(yè)幾乎所有的領(lǐng)域和部門，是國民經(jīng)濟(jì)的重要組成部分.整個社會的產(chǎn)品物資流通和資源的合理配置都需要通過物流來實(shí)現(xiàn).在物流的整體活動中，運(yùn)輸是重要的組成部分，與其他環(huán)節(jié)的聯(lián)系也最為緊密，因此，貨物運(yùn)輸量是反應(yīng)物流需求的重要指標(biāo)，運(yùn)輸量的多少可以體現(xiàn)出物流活動的頻繁程度，運(yùn)輸量的變化也在一定程度上反應(yīng)了物流需求的變化.對貨運(yùn)量進(jìn)行預(yù)測能夠?yàn)槲锪餍枨蟮念A(yù)測提供更為精確而可靠的依據(jù).通過時(shí)間序列回歸分析方法預(yù)測貨運(yùn)總量雖然不能完全反映安徽省物流需求的準(zhǔn)確數(shù)量，但通過相關(guān)分析可以幫助把握安徽省物流運(yùn)輸方式的重點(diǎn)，明確未來貨運(yùn)量的增加趨勢，為應(yīng)對快速發(fā)展的物流需求做好準(zhǔn)備.

〔1〕王文博.計(jì)量經(jīng)濟(jì)學(xué)[M].西安：西安交通大學(xué)出版社，2004.90-96.

〔2〕郝香芝，李少穎．湖北省GDP總量的時(shí)間序列的模型的比較與分析[J]．統(tǒng)計(jì)與決策，2009(4)：27-30.

〔3〕中國統(tǒng)計(jì)年鑒（2012）[M].北京：中國統(tǒng)計(jì)出版社，2012.

〔4〕周嵐亞.四川省物流需求預(yù)測分析——利用優(yōu)化時(shí)間序列模型[J].現(xiàn)代商貿(mào)工業(yè)，2012（1）：27-28.

〔5〕陳皓，朱洪興.基于因子分析法的安徽物流能力的研究分析[J].商業(yè)經(jīng)濟(jì),2011(9)：28-42.

〔6〕安徽省政府.安徽省現(xiàn)代物流業(yè)發(fā)展規(guī)劃（皖政〔2009〕89號）[Z].2009.

〔7〕吳萬敏，倪良新.承接產(chǎn)業(yè)轉(zhuǎn)移中安徽物流業(yè)發(fā)展戰(zhàn)略的思考[J].華東經(jīng)濟(jì)管理，2010（8）：16-18.

〔8〕鄧琪.產(chǎn)業(yè)轉(zhuǎn)移視角下安徽物流網(wǎng)絡(luò)空間系統(tǒng)構(gòu)建的研究[J].物流工程與管理，2010（10）：55-57.

〔9〕鄧琪.皖江承接產(chǎn)業(yè)轉(zhuǎn)移示范區(qū)物流產(chǎn)業(yè)競爭力分析[J].物流技術(shù)，2011（3）：78-80.

F252.21

A

1673-260X（2013）06-0089-04

安徽省教育廳自然科學(xué)產(chǎn)學(xué)研項(xiàng)目（KJ2012B190）