王燕茹，戴姍姍

(江南大學(xué) 商學(xué)院，江蘇 無錫 214122)

一、引言

物流需求是社會經(jīng)濟活動所產(chǎn)生的次生需求，受經(jīng)濟發(fā)展?fàn)顩r、產(chǎn)業(yè)結(jié)構(gòu)、政治環(huán)境、人民生活水平、消費形式等許多因素的影響。物流需求分析是物流系統(tǒng)設(shè)計與規(guī)劃中的重要環(huán)節(jié)，分析和研究物流需求的影響因素有助于物流需求的預(yù)測。而物流需求的預(yù)測為政府制定物流產(chǎn)業(yè)發(fā)展政策、建設(shè)物流基礎(chǔ)設(shè)施、優(yōu)化配置相關(guān)資源等提供了重要的理論依據(jù)，也為企業(yè)布局物流中心、選擇物流線路等提供了重要的決策依據(jù)。

目前一些專家學(xué)者已經(jīng)對物流需求影響因素的選取做了相關(guān)的理論研究以及實證分析。2004年，劉秉鐮在比較研究兩類物流需求的預(yù)測方法時選取的物流規(guī)模指標(biāo)為：實物量需求(貨運量、庫存量、加工量、配送量)和價值量需求(物流成本、物流收入、供應(yīng)鏈增值)；影響因素指標(biāo)為：物流費用占GDP的比例趨勢、國民經(jīng)濟主要行業(yè)部門對物流消耗的中間需求。[1]2008年，黃虎在分析區(qū)域經(jīng)濟等影響因素指標(biāo)與區(qū)域物流需求之間的內(nèi)在關(guān)系時選取的物流需求規(guī)模的指標(biāo)為：貨物運輸量；經(jīng)濟指標(biāo)為：第一產(chǎn)業(yè)產(chǎn)值、第二產(chǎn)業(yè)產(chǎn)值、第三產(chǎn)業(yè)產(chǎn)值、區(qū)域零售總額、區(qū)域外貿(mào)總額和人均消費水平。[2]2009年，唐步龍在研究蔬菜流通量時選取的因變量為：農(nóng)村物流(蔬菜流通量)；自變量為：道路水平(里程)、信息化水平(網(wǎng)絡(luò)普及率)、經(jīng)紀人隊伍(農(nóng)民經(jīng)紀人數(shù)量)、設(shè)施(農(nóng)用車數(shù)量)和教育水平(人均教育經(jīng)費投入)。[3]2010年，李全喜等在研究區(qū)域物流能力與區(qū)域經(jīng)濟發(fā)展的相關(guān)性時選取的區(qū)域物流能力指標(biāo)為：物流相關(guān)產(chǎn)業(yè)產(chǎn)值、貨運量、貨運周轉(zhuǎn)量、載貨汽車保有量、物流相關(guān)產(chǎn)業(yè)固定資產(chǎn)項目投資額、物流相關(guān)產(chǎn)業(yè)從業(yè)人員比例、境內(nèi)鐵路通車里程和公路通車里程；區(qū)域經(jīng)濟指標(biāo)為：GDP、農(nóng)業(yè)GDP、工業(yè)GDP、社會消費品零售總額、人均GDP、居民消費水平和全社會固定資產(chǎn)投資額。[4]張毅和陳圻在研究中國區(qū)域物流業(yè)與經(jīng)濟發(fā)展協(xié)調(diào)度時選取的物流發(fā)展子系統(tǒng)指標(biāo)為：貨運量、貨運周轉(zhuǎn)量、物流業(yè)總產(chǎn)值、從業(yè)人數(shù)和物流產(chǎn)業(yè)固定資產(chǎn)凈值；經(jīng)濟發(fā)展子系統(tǒng)指標(biāo)為：經(jīng)濟概況(人均GDP、固定資產(chǎn)凈值)，對外開放水平(進出口總額)，生活水平(人均工資、城市恩格爾系數(shù)、農(nóng)村恩格爾系數(shù))。[5]楊樹果和王新利在研究物流需求預(yù)測方法時選取的物流規(guī)模指標(biāo)為：貨運總量；與貨運量緊密相關(guān)的指標(biāo)為：國內(nèi)生產(chǎn)總值、第一產(chǎn)業(yè)產(chǎn)值、第二產(chǎn)業(yè)產(chǎn)值、第三產(chǎn)業(yè)產(chǎn)值、工業(yè)總產(chǎn)值、農(nóng)業(yè)總產(chǎn)值、進出口總額和總?cè)丝跀?shù)。[6]2011年，曹萍和陳福集在預(yù)測區(qū)域物流需求時選取的物流需求規(guī)模指標(biāo)為：貨運量；相關(guān)經(jīng)濟指標(biāo)為：國民生產(chǎn)總值、第一產(chǎn)業(yè)占GDP的比例，第二產(chǎn)業(yè)占GDP的比例，第三產(chǎn)業(yè)占GDP的比例，進出口貿(mào)易總額，社會消費品零售總額，區(qū)域內(nèi)城鎮(zhèn)居民人均可支配收入和網(wǎng)絡(luò)用戶數(shù)。[7]

在物流需求規(guī)模和其影響因素的指標(biāo)選取上，目前并沒有標(biāo)準的統(tǒng)一的統(tǒng)計指標(biāo)，上述文獻對此的選取雖然各有不同，但是相互之間存在一些共性，也有相互補充。選取的物流需求規(guī)模指標(biāo)多為貨運量，在李全喜和張毅等研究中，物流業(yè)總產(chǎn)值、載貨汽車保有量、物流相關(guān)產(chǎn)業(yè)固定資產(chǎn)項目投資額、物流相關(guān)產(chǎn)業(yè)從業(yè)人數(shù)、境內(nèi)鐵路通車里程和公路通車里程等也被選取為指標(biāo)。[4-5]對于物流需求影響因素的指標(biāo)選取，一般考慮經(jīng)濟概況、對外開放水平以及人民生活水平三方面，唐步龍和曹萍等還考慮了文化教育中網(wǎng)絡(luò)的影響。[3，7]

二、物流需求影響因素的指標(biāo)選取和數(shù)據(jù)來源

1.指標(biāo)選取

考慮到運輸是物流系統(tǒng)中始終貫穿的活動，文章選取的物流規(guī)模指標(biāo)為貨運量Y，Y為因變量。

物流需求主要受宏觀經(jīng)濟水平、對外開放程度、人民生活水平以及教育文化程度的影響，借鑒已有的研究經(jīng)驗，結(jié)合無錫物流的實際情況，在考慮數(shù)據(jù)可獲得性的基礎(chǔ)上，選取的物流需求影響因素指標(biāo)及簡要說明如下：

表1 物流需求影響因素指標(biāo)

注：城鎮(zhèn)居民人均可支配收入2009年前后的統(tǒng)計口徑不一致，選擇平均每人儲蓄額(元)來說明。

2.數(shù)據(jù)來源

無錫位處長江三角洲的平原腹地，是太湖流域的交通樞紐，是著名的魚米之鄉(xiāng)，也是民族工業(yè)的發(fā)源地之一，重要的地理位置和殷實的經(jīng)濟條件奠定了其物流迅速發(fā)展的基礎(chǔ)。

加快發(fā)展現(xiàn)代物流業(yè)是無錫實現(xiàn)長遠目標(biāo)的戰(zhàn)略性選擇，而物流業(yè)的基礎(chǔ)設(shè)施建設(shè)，倉儲和港站的設(shè)置，信息通信的鋪設(shè)，第三方物流的需求分析等都需要對物流需求進行分析和預(yù)測，那么確定物流需求的影響因素便顯得至關(guān)重要。文章以無錫物流需求為例，選取1996年至2011年的相關(guān)統(tǒng)計數(shù)據(jù)進行分析，數(shù)據(jù)來源于無錫統(tǒng)計年鑒。

三、無錫物流現(xiàn)狀的描述性分析

無錫處于交通樞紐，貨物運輸周轉(zhuǎn)量大，物流輻射半徑大，近年來無錫物流業(yè)硬環(huán)境和軟環(huán)境都有了改善。以下分析涉及貨運量和貨物周轉(zhuǎn)量的數(shù)據(jù)均來自無錫統(tǒng)計年鑒。

分析圖1、圖2及圖3可知，無錫貨運量的變化可分為三個時期，1996年至1998年為下滑期，這三年鐵路、公路和水路的貨運量均呈下滑狀態(tài)，公路貨運量下降的26.66%和總貨運量下降的23.68%最為接近。1999年至2004年為平穩(wěn)期，在這期間，水路貨運量的變化幅度相對比較大，但是由于其對總貨運量的影響不大，所以雖然貨運量處于上下動蕩的狀態(tài)，但是總體來說還是比較平穩(wěn)的。2005年至2011年為上升期，從2005年的8430萬噸到2011年的15387萬噸，無錫貨運量在七年的時間里翻了近一翻，其中2011年的公路貨運量為2005年的1.96倍。1996年至2005年期間，無錫總貨運量變化幅度較大，然而鐵路、公路和水路貨運量的變化對總貨運量的貢獻卻各有不同，由圖1可知，公路貨運量對總運貨量變化的影響最大，其發(fā)展走勢與總貨運量的走勢基本保持一致；水路的貨運量在1996年至2003年期間一直處于下降趨勢，2004年開始上升，2007年的1369萬噸與1999年的1353萬噸相近，2011年的1499萬噸與1996年的貨運量水平相差不遠；鐵路的貨運量在1999年至2005年期間一直處于動蕩上升的趨勢，自2006年后一直呈下降趨勢，并且2011年的貨運量為這16年的最低水平。

圖1 1996年-2011年總貨運量及各運輸方式貨運量(萬噸)

Fig.1Thetotalfreightandothertransportmodescargofrom1996to2011(tonnes)

圖2 1996年-2011年鐵路貨運量(萬噸)

Fig.2Railfreightfrom1996to2011(tonnes)

圖3 1996年-2011年水路貨運量(萬噸)

Fig.3Waterwayfreightfrom1996to2011(tonnes)

2011年，無錫貨運量總量為15387萬噸，其中航空、鐵路、公路和水路所占的貨運量比例如圖4，所占的貨物周轉(zhuǎn)量比例如圖5。

從圖4和圖5可知，無論是貨運量還是貨物周轉(zhuǎn)量，公路占的比例都是最大的，也就是說無論是短途還是長途的物流運輸過程中，公路運輸都占了很大的比例。2011年鐵路的貨物周轉(zhuǎn)量確實為零，而航空的貨運量為3萬噸，航空的周轉(zhuǎn)量為4843萬噸，但由于占總數(shù)的比例太少而沒有在圖中體現(xiàn)。

圖4 貨運量中各運輸方式所占比例

Fig.4Proportionofeachtransportmodeinfreight

圖5 貨物周轉(zhuǎn)量中各運輸方式所占比例

Fig.5Proportionofeachtransportmodeinfreightturnover

貨物周轉(zhuǎn)量等于貨運量和貨物平均運距的乘積，分析水路和公路的貨運量和貨物周轉(zhuǎn)量可知，2011年水路的貨物平均運距為公路的3.47倍，比2005年的2.47倍增加了約40個百分點，這是由水路和公路運輸?shù)牟煌攸c所影響決定的。

四、數(shù)據(jù)分析

1.數(shù)據(jù)預(yù)處理

由于統(tǒng)計過程中，各個指標(biāo)之間的計量單位以及數(shù)量級不盡相同，不能直接進行綜合分析，所以文章采用標(biāo)準化處理的方法對以上數(shù)據(jù)進行無量綱化處理，解決各指標(biāo)的不可綜合性問題。

假設(shè)F是因變量Y的標(biāo)準化矩陣，

假設(shè)Ei是自變量Xi的標(biāo)準化矩陣，

表2 1996年-2011年無量綱化處理后的面板數(shù)據(jù)

2.數(shù)據(jù)分析

本文主要研究面板數(shù)據(jù)的影響效應(yīng)狀況，使用nlinfit函數(shù)進行非線性最小二乘擬合，并采用嶺回歸分析構(gòu)造預(yù)測模型。將歸一化到[0，1]區(qū)間的數(shù)據(jù)樣本分成兩組：1996—2010 年數(shù)據(jù)用于建立及訓(xùn)練模型，2011 年數(shù)據(jù)用于檢驗?zāi)Ｐ偷念A(yù)測性能。以貨運量為因變量Y，自變量為地區(qū)生產(chǎn)總值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、固定資產(chǎn)投資總額X5、社會消費品零售總額X6、進出口總額X7、平均每人儲蓄額X8、恩格爾系數(shù)X9、每百戶城鎮(zhèn)居民家庭擁有的家用電腦X10、每萬人擁有各類專業(yè)技術(shù)人員X11。其樣本n=16，自變量數(shù)p=11。由此假設(shè)線性函數(shù)：

y=a*X1+b*X2+c*X3+d*X4

+e*X5+f*X6+g*X7+h*X8

+i*X9+j*X10+k*X11

其中a，b，c，d，e，f，g，h，i，j，k分別為本文要求的各自變量對因變量的最小二乘估計系數(shù)。beta為系數(shù)矢量，beta0為包含系數(shù)初值的矢量，本文中beta0= [0.7 -0.3 -0.05 0.35 0.4 0.3052 -0.2 -0.58 -0.5 0.39 -0.59]。本文用[beta,r,J]=nlinfit(X,y,fun,beta0)返回擬合系數(shù)(beta)、殘差(r)和雅可比矩陣J，并將這些參數(shù)用于nlintool函數(shù)，生成預(yù)計值的誤差估計。通過74次迭代，運行算得betafit= [5.2837，-0.7162，-2.7103，-0.44，-2.1789，1.5133，-0.1618，0.4743，0.7485，1.0214，-0.4034]，即貨運量與各因素之間存在以下的關(guān)系：

Y=5.2837X1- 0.71062X2-2.7103X3-

0.44X4-2.1789X5+1.5133X6-

0.1618X7-0.4743X8+0.7485X9+

1.0214X10-0.4034X11

表3 擬合系數(shù)(bate)的值

分析表3數(shù)據(jù)可知，對貨運量影響最大的因素是地區(qū)生產(chǎn)總值、第二產(chǎn)業(yè)生產(chǎn)總值，固定資產(chǎn)投資總額，這些都為宏觀經(jīng)濟這一指標(biāo)下的因素，說明無錫貨運量主要受無錫的經(jīng)濟發(fā)展水平、產(chǎn)業(yè)的經(jīng)濟結(jié)構(gòu)狀況以及固定資產(chǎn)投資規(guī)模和使用方向的影響。其次社會消費品零售總額和每百戶城鎮(zhèn)居民家庭擁有的家用電腦因素對貨運量的影響也比較大。這說明實物商品的最終消費情況還有信息流對物流發(fā)展的影響也比較明顯。對貨運量影響較小的因素是進出口總額、第三產(chǎn)業(yè)生產(chǎn)總值和每萬人擁有各類專業(yè)技術(shù)人員。

3.數(shù)據(jù)評價

表4 殘差值(r)

殘差值均接近零，說明擬合結(jié)果比較可靠。

表5 雅可比矩陣J

將通過nlinfit函數(shù)運算所得的擬合系數(shù)(beta)、殘差(r)和雅可比矩陣J用于nlintool函數(shù)，得到多變量的非線性擬合模型的擬合系數(shù)的95%置信區(qū)間分別為[-12.5551,16.0461] ；[-1.6880,1.4892] ；[-8.1150,7.0945]； [-7.0388,5.1437]；[-4.0216,2.1813]；[-2.1548,5.7741]；[-1.4718,1.2640]；[-2.8474,2.5074]；[-0.7757,1.6849]；[-1.0988,2.6780]；[-1.2438,0.7962]，擬合系數(shù)均在95%的置信區(qū)間內(nèi)。

本文由最小二乘估計獲得需求模型：

Y=5.2837x1-0.7162x2-2.7103x3-0.44x4-2.1789x5+1.5133x6-0.1618x7-0.4743x8+0.7485x9+1.0214x10-0.4034x11

下面用2011年數(shù)據(jù)檢驗?zāi)Ｐ偷念A(yù)測性能，得到的Y值為2.8194，殘差值為0.5166。通過去歸一化處理后所得數(shù)據(jù)為16756.01萬噸，與實際數(shù)據(jù)15387萬噸相比，相對誤差為8.8%，該模型的預(yù)測性能基本可靠。

顯著性分析：

(1)原假設(shè)H0：各組無量化處理后的數(shù)據(jù)是相同

備選假設(shè)H1：各組無量化處理后的數(shù)據(jù)存在很大差異

(2)檢驗數(shù)據(jù)如表6：

表6 檢驗統(tǒng)計表

(3)選取顯著水平α值為0.05，得到分析表7：

表7 方差分析

方差分析一般檢驗多套數(shù)據(jù)的平均值來確定這些數(shù)據(jù)集合中提供的樣本的平均值是否也相等。

單因素方差分析通過簡單的方差分析，對兩個以上樣本進行相等性假設(shè)檢驗。此方法是對雙均值檢驗的擴充。

如果用均方(即自由度v去除離均差平方和的商)代替離均差平方和以消除各組樣本數(shù)不同的影響，則方差分析就是用組內(nèi)均方去除組間均方的商(即F值)與1相比較，若F值接近1，則說明各組均數(shù)間的差異沒有統(tǒng)計學(xué)意義，若F值遠大于1，則說明各組均數(shù)間的差異有統(tǒng)計學(xué)意義。實際應(yīng)用中檢驗假設(shè)成立條件下F值大于特定值的概率可通過查閱F界值表(方差分析用)獲得。

由表6得出在α值為0.05時，F(xiàn)值為26，遠大于1，因此顯著性檢驗成立的概率p≤0.05，所以無效假設(shè)H0不成立，各組數(shù)據(jù)間的差異并不是由誤差造成的，該數(shù)據(jù)組具有一定的統(tǒng)計意義。

相關(guān)系數(shù)分析：

表8 相關(guān)系數(shù)統(tǒng)計

**. 在 .01 水平(雙側(cè))上顯著相關(guān)。

由表7可以得知，Pearson相關(guān)性系數(shù)都大于0.7，符合強相關(guān)。

五、結(jié)論及建議

1.通過研究，本文得到以下結(jié)論

(1)無錫的物流需求主要受宏觀經(jīng)濟的影響，其中經(jīng)濟的總體發(fā)展水平以及實物商品的最終消費情況對物流需求的影響尤為重大，第三產(chǎn)業(yè)產(chǎn)值對物流需求的影響較小，這在物流中主要反映為實物流。

(2)教育文化因素對物流需求的影響日益顯現(xiàn)，信息是物流發(fā)展的重要基礎(chǔ)，對發(fā)展現(xiàn)代物流有很大的貢獻，這在物流中主要體現(xiàn)為信息流。

(3)固定資產(chǎn)投資規(guī)模和使用方向?qū)ξ锪靼l(fā)展的影響也比較明顯，固定資產(chǎn)投資在物流中主要反映為資金流。

(4)在無錫，外向性物流在物流中所占的比例不大。進出口總額體現(xiàn)的是外向性物流在物流中所占的比重，而公路運輸是短距離運輸?shù)闹袌粤α?，水路及鐵路主要承擔(dān)的是遠距離、大宗貨的外向性物流。無錫物流現(xiàn)狀分析表明公路運輸為目前的主要運輸方式，1996年至2011年期間公路運貨量高達總運貨量的83.9448%，與此相比水路以及鐵路的運貨量對總運貨量的影響較小。這一現(xiàn)狀與進出口總額x7對貨運量Y的影響系數(shù)較小這一計算結(jié)果相吻合。

(5)人民生活對物流需求的影響并不凸顯。居民的生活以及消費水平對需求的影響在所有影響因素中處于中下水平，這在一定程度上說明無錫物流主要依靠生產(chǎn)拉動而非消費。反過來說，物流對于人民生活的作用并沒有特別直接的影響。

2.本文提出以下建議

(1)加快實現(xiàn)實物流、信息流和資金流的三流合一，加快物流現(xiàn)代化的步伐。

(2)注重教育文化，培養(yǎng)發(fā)展現(xiàn)代物流需要的高質(zhì)量人才。

(3)加強物流產(chǎn)業(yè)規(guī)劃，合理配置社會資源，使資產(chǎn)投資規(guī)模和使用方向更合理。

(4)加強外向性物流的發(fā)展，更好地利用無錫的樞紐優(yōu)勢。

(5)注重產(chǎn)業(yè)轉(zhuǎn)型，依托有利的社會地理環(huán)境，大力發(fā)展第三產(chǎn)業(yè)。

[參 考 文 獻]

[1] 劉秉鐮．基于價值量的物流需求分析與預(yù)測方法研究[J]．中國軟科學(xué)，2004(5)：66-73．

[2]黃虎．區(qū)域物流需求預(yù)測模型研究[J]．統(tǒng)計與決策，2008(17)：62-63．

[3]唐步龍．基于Panel Data的蔬菜流通量影響因素研究[J]．統(tǒng)計與決策，2009(22)：90-91．

[4]李全喜，金鳳花，孫磐石．區(qū)域物流能力與區(qū)域經(jīng)濟發(fā)展的典型相關(guān)分析—基于全國面板數(shù)據(jù)[J]．軟科學(xué)，2010，12(24)：75-80．

[5]張毅，陳圻．中國區(qū)域物流業(yè)與經(jīng)濟發(fā)展協(xié)調(diào)度研究—基于復(fù)合系統(tǒng)模型與30個省區(qū)面板數(shù)據(jù)[J]．軟科學(xué)，2010，12(24)：70-78．

[6]楊樹果，王新利．偏最小二乘回歸與灰色模型耦合在物流需求預(yù)測中的應(yīng)用[J]．農(nóng)業(yè)技術(shù)經(jīng)濟，2010，(7)：105-111．

[7]Zhao fang Chu,Logistics and economic growth: a panel data approach[J].TheAnnalsofregionalscience,2012,49(1).

[8]Jianyu Ran, Jiansheng Zhang. Difference and Influence Factors for the Development of Regional Logistics in China[D],2010.

[9]強林飛，吳芬，吳詣民．中國行業(yè)收入差距的實證研究[J]．統(tǒng)計與決策，2011，11(26)：44-48．

[10]梁毅剛，耿立艷，張占福．基于核成分—最小二乘支持向量機的區(qū)域物流需求預(yù)測[J]． 鐵道運輸與經(jīng)濟，2012，(34)：63-67．