（江漢大學(xué) 商學(xué)院，湖北 武漢 430010）

基于VAR模型的物流需求預(yù)測

向濤

（江漢大學(xué) 商學(xué)院，湖北 武漢 430010）

本文立足于物流業(yè)發(fā)展現(xiàn)狀，基于2000年以來的物流業(yè)統(tǒng)計年鑒數(shù)據(jù)，建立向量自回歸(VAR)模型，并基于該模型的預(yù)測方法對物流需求進行預(yù)測，從而為物流業(yè)的發(fā)展和政府的相關(guān)政策提供依據(jù)。

物流業(yè)；需求預(yù)測；向量自回歸；Stata

一、引言

物流業(yè)是融合運輸、倉儲、貨代、信息等產(chǎn)業(yè)的復(fù)合型服務(wù)業(yè)，是支撐國民經(jīng)濟發(fā)展的基礎(chǔ)性、戰(zhàn)略性產(chǎn)業(yè)。加快發(fā)展現(xiàn)代物流業(yè)，對于促進產(chǎn)業(yè)結(jié)構(gòu)調(diào)整、轉(zhuǎn)變發(fā)展方式、提高國民經(jīng)濟競爭力和建設(shè)生態(tài)文明具有重要意義。我國物流業(yè)起步比較晚，專業(yè)化、信息化、社會化程度均不高，物流供需失衡現(xiàn)象較為顯著。為了促進我國物流業(yè)的健康發(fā)展，提高物流業(yè)發(fā)展的規(guī)模、水平與質(zhì)量，本文結(jié)合我國目前物流需求現(xiàn)狀，并建立向量自回歸模型對未來三年物流需求進行科學(xué)預(yù)測，以期為決策者提供參考依據(jù)。

二、變量的選擇與數(shù)據(jù)說明

當(dāng)前對物流業(yè)需求研究大多在區(qū)域物流、物流效率評價等方面，物流需求指標(biāo)尚沒有形成規(guī)范的體系，物流業(yè)統(tǒng)計指標(biāo)中貨物周轉(zhuǎn)量能夠在一定程度上反映物流業(yè)的發(fā)展情況和物流需求的大小，所以本文選取我國物流貨物周轉(zhuǎn)量作為變量進行時間序列分析。

本文使用Stata2014統(tǒng)計軟件進行數(shù)據(jù)處理和統(tǒng)計建模分析。向量自回歸模型主要研究的是一些經(jīng)濟系統(tǒng)的動態(tài)性特征，較長的時間序列數(shù)據(jù)包含的信息更加全面，會使樣本外預(yù)測得更加準(zhǔn)確。首先，我們從國家統(tǒng)計局網(wǎng)站上獲取1978年至2016年我國年度貨物周轉(zhuǎn)量數(shù)據(jù)，并使用scatter命令描繪出散點圖：

圖1 1978至2016年我國物流業(yè)貨物周轉(zhuǎn)量散點圖

如圖所示，從1978年至2005年我國貨物周轉(zhuǎn)量逐年升高，并且增速很快，在2005年后任然呈現(xiàn)增長趨勢，但增速放慢。這緣于我國物流業(yè)起步晚，在前期發(fā)展緩慢，隨著經(jīng)濟的發(fā)展和互聯(lián)網(wǎng)技術(shù)的進步，2005年后物流業(yè)發(fā)展速度迅速增長。本文力求對物流需求進行相對準(zhǔn)確的預(yù)測，本文選擇的預(yù)測方法是基于時間序列數(shù)據(jù)，考慮到VAR模型的短期預(yù)測能力較強，同時鑒于物流業(yè)的發(fā)展現(xiàn)狀，我們選擇2005至2016年的月度物流貨物周轉(zhuǎn)量數(shù)據(jù)進行預(yù)測，以保證貼近物流業(yè)的發(fā)展情況，提高預(yù)測的準(zhǔn)確性。

三、建立向量自回歸模型

向量自回歸(VAR)模型是Sims在1980年首次提出來的，主要被應(yīng)用于宏觀經(jīng)濟學(xué)中一些具有相互關(guān)聯(lián)的時間序列系統(tǒng)，當(dāng)對模型施加一些隨機擾動時，我們可以借助于此模型來觀察時間變量系統(tǒng)受擾動影響的情況，而且觀察的是動態(tài)的影響變化。在VAR模型之前學(xué)者們經(jīng)常使用結(jié)構(gòu)方程來進行預(yù)測，而此方法存在的最大的問題是方程組中的“決策規(guī)則”參數(shù)產(chǎn)生的問題，即使在正確的規(guī)則的基礎(chǔ)上，如果經(jīng)濟政策一旦發(fā)生改變，那么參數(shù)還是無法保持其穩(wěn)定性。而VAR模型則是建立在微觀化的基礎(chǔ)上的，對大部分經(jīng)濟變量之間存在的相互關(guān)系的要求也并不是特別高，所以VAR模型的預(yù)測結(jié)果往往精確度比較高。

1、確定VAR模型階數(shù)

判斷向量自回歸模型的最優(yōu)階數(shù)是建立模型過程中的重要一步，為了全面反映模型的動態(tài)特征，就需要使滯后階數(shù)足夠大；但隨著滯后階數(shù)的增加，所估計的模型的參數(shù)也會隨之增加，這將導(dǎo)致模型的自由度的減少。所以如何確定具體的滯后階數(shù)非常關(guān)鍵。Stata提供了四種不同的信息準(zhǔn)則，我們使用varsoc命令得到如下結(jié)果：

表1顯示本模型最多有4個滯后項，而且FPE、AIC、SBIC與HQIC四類信息準(zhǔn)則所選擇出來的滯后階數(shù)完全一致。其中赤池信息量準(zhǔn)則(簡稱AIC)即Akaike information criterion，是衡量統(tǒng)計模型擬合優(yōu)良性的一種標(biāo)準(zhǔn)。AIC可以權(quán)衡所估計模型的復(fù)雜度和此模型擬合數(shù)據(jù)的優(yōu)良性。AIC鼓勵數(shù)據(jù)擬合的優(yōu)良性但是盡量避免出現(xiàn)過度擬合 (Over fitting)的情況。所以優(yōu)先考慮的模型應(yīng)是AIC值最小的那一個，赤池信息準(zhǔn)則的方法是尋找可以最好地解釋數(shù)據(jù)但包含最少自由參數(shù)的模型。故本文選擇滯后階數(shù)為2。

表1 模型階數(shù)確定表

2、估計VAR模型

使用varbasic命令估計VAR模型，結(jié)果顯示因變量()的一階滯后項和常數(shù)項的回歸系十分顯著，統(tǒng)計量z對用的p值遠(yuǎn)小于0．05，但是其二階滯后項的系數(shù)并不顯著，p值很高。因此我們不得不對方程做出調(diào)整，剔除二階滯后項，再次使用var對模型進行估計，得到的一階滯后項和常數(shù)項十分顯著，于是可以得到貨物周轉(zhuǎn)量的回歸結(jié)果：

當(dāng)VAR模型建立完成，我們還需要對本模型進行一些列檢驗。

3、模型檢驗

方程及系數(shù)的顯著性檢驗。在Stata中使用varwle命令檢驗方程及系數(shù)的顯著性，結(jié)果顯示一階滯后系數(shù)的卡方統(tǒng)計量很大，其對應(yīng)p值遠(yuǎn)小于0．05，該方程及系數(shù)均高度顯著。

檢驗殘差是否存在自相關(guān)。在Stata中使用命令varl-mar進行殘差的自相關(guān)檢驗，檢驗結(jié)果顯示滯后項的卡方統(tǒng)計量較大，基本接受無自相關(guān)的假設(shè)，那么認(rèn)為擾動項為白噪聲。

表2 2017-2019年物流周轉(zhuǎn)量(億噸公里)預(yù)測結(jié)果

檢驗VAR系統(tǒng)是否為平穩(wěn)過程。在 Stata中使用varstable命令檢驗系統(tǒng)穩(wěn)定性，結(jié)果顯示特征值均在單位元內(nèi)，故此VAR系統(tǒng)是穩(wěn)定的。

檢驗殘差是否服從正態(tài)分布。在Stata中使用varnorm命令進行檢驗，結(jié)果顯示Jarque-Bera檢驗非常顯著，偏度檢驗(skewness test)和峰度檢驗(kurtosis test)均顯著。

四、預(yù)測

以上我們完成了向量自回歸模型的建立和檢驗，現(xiàn)在運用該模型對我國未來三年的物流業(yè)貨物周轉(zhuǎn)量進行預(yù)測，并分析物流需求。在Stata中使用命令fcast，對未來三年36個月的貨物周轉(zhuǎn)量進行預(yù)測，其預(yù)測結(jié)果如表2。

五、結(jié)論

本研究運用時間序列分析方法通過建立向量自回歸模型對我國物流周轉(zhuǎn)量進行短期預(yù)測。通過選擇月度數(shù)據(jù)建立自回歸模型，運用最優(yōu)模型對物流周轉(zhuǎn)量進行預(yù)測。從預(yù)測結(jié)果可以看出未來3年物流周轉(zhuǎn)量將繼續(xù)上升，這也預(yù)示著全社會的物流需求持續(xù)上升，預(yù)計未來短期內(nèi)我國物流業(yè)將呈現(xiàn)平穩(wěn)增長態(tài)勢。本文研究貨物周轉(zhuǎn)量未來短期內(nèi)的發(fā)展趨勢，對我國物流需求的把握具有重要的指導(dǎo)意義，并為物流園區(qū)建設(shè)、物流產(chǎn)業(yè)發(fā)展、物流業(yè)資源整合以及物流業(yè)相關(guān)政策的制定等提供參考依據(jù)。

注釋

http://data．stats．gov．cn/index．htm．

[1]牛忠遠(yuǎn):我國物流需求預(yù)測的神經(jīng)網(wǎng)絡(luò)模型和實證分析研究[J]．碩士,浙江大學(xué), 2006．

[2]孫劍青:北京市物流需求預(yù)測研究[J]．碩士,北京交通大學(xué),2016．

[3]百度百科:赤池信息準(zhǔn)則．http://baike．baidu．com/item/AIC/10910647．

[4]陳強:高級計量經(jīng)濟學(xué)及Stata應(yīng)用[J]．高等教育出版社,2014．

（責(zé)任編輯：宋 杰）