孟爽 桑圣璐 成杰 王宏

摘 要：本文通過建立Logistic回歸模型來研究影響農(nóng)村物流快遞發(fā)展的因素。首先將農(nóng)村物流快遞點的數(shù)量作為因變量，選取鄉(xiāng)鎮(zhèn)網(wǎng)購月快遞總量等5個指標作為自變量，建立logistic模型，然后利用擬合優(yōu)度檢驗和預測準確度檢驗對模型進行顯著性檢驗。最后，引用唐?？h各個鎮(zhèn)的實證，得出影響農(nóng)村物流快遞的因素是網(wǎng)購月快遞總量、農(nóng)產(chǎn)品輸出量、途經(jīng)主干道、家庭每月網(wǎng)購次數(shù)、家庭社交平臺使用情況等結(jié)論。

關(guān)鍵詞：Logistic回歸模型、農(nóng)村物流快遞、影響因素

0引言

“快遞下鄉(xiāng)”工程被正式寫入中央一號文件中[1]，農(nóng)村電子商務(wù)快遞下鄉(xiāng)得到前所未有的重視，而農(nóng)村物流配送體系不發(fā)達是農(nóng)村電商快遞下鄉(xiāng)的痛點，物流配送是否能真正服務(wù)到各個鄉(xiāng)鎮(zhèn)和村落，是農(nóng)村電子商務(wù)下鄉(xiāng)配送關(guān)鍵的一步。不完善的基礎(chǔ)設(shè)施、過低的人口密度、滯慢的經(jīng)濟發(fā)展造成了這種“路途坎坷，快遞少，運送耗費高”的快遞運輸現(xiàn)狀[2]。對此，本文對農(nóng)村物流快遞問題做了系列分析并給出解決的方案。

1 Logistic回歸模型

1.1Logistic回歸模型的建立

Logistic回歸為概率性非線性回歸模型，主要用于預測離散因變量與解釋變量之間的關(guān)系，變量數(shù)值“較高”“較好”的類別。其基本形式為：

其中，p代表自變量為x的時候，y=1的概率，即P（y=1）=p， P（y=0）=1-p。各個變量的選取如下

1.2 Logistic回歸模型的檢驗

（1）擬合優(yōu)度檢驗 選用Hosmer-Lemeshow統(tǒng)計量[3]來檢驗.

這4個指標的值越接近于1，表示預測概率與因變量之間的關(guān)聯(lián)程度越高，說明模型的預測越強。

2實證

2.1Logistic的建立

首先，采用了spss對上面調(diào)查問卷的數(shù)據(jù)進行Logistic回歸分析，探索網(wǎng)購月快遞總量等變量的影響，繼而分析對農(nóng)村物流快遞的影響。得到如下參數(shù)估計結(jié)果.

2.2模型的檢驗

（1）擬合優(yōu)度檢驗 可以看出，Deviance統(tǒng)計量、皮爾遜 統(tǒng)計量和Hosmer-Lemeshow統(tǒng)計量的P值均大于0.0.5，所以在顯著性水平 為0.05的條件下，認為模型的你和數(shù)據(jù)較好。

（2）預測準確度檢驗 是序次相關(guān)指標的準確度檢驗結(jié)果。除了Tau-a指標外，其余3個指標值都不小于0.7，表示預測概率與因變量之間的關(guān)聯(lián)程度較高，說明建立的Logistic模型的預測能力較好。

3結(jié)論

農(nóng)村物流快遞發(fā)展緩慢，影響因素眾多。本文采用建立Logistic模型的方法來分析影響農(nóng)村物流快遞發(fā)展的因素，發(fā)現(xiàn)5個因素決定著農(nóng)村物流快遞的發(fā)展壯大。同時，本文利用擬合優(yōu)度檢驗、預測準確度檢驗使得模型更有說服力。最后本文引用唐海實證問題，具有很高的代表性，為以后研究全國范圍內(nèi)農(nóng)村物流快遞問題更是提供了可靠的方法。

參考文獻：

[1]胡愈，許紅蓮.現(xiàn)代農(nóng)村物流與其主要影響因子的灰色關(guān)聯(lián)度分析[J].湖南大學學報（自科版），2007、34（12）：85-88.

[2]唐綺遙，彭建良.新農(nóng)村物流發(fā)展影響因子的灰色關(guān)聯(lián)分析 ---以杭州市屬 7 縣（市、區(qū)）為例[J].浙江農(nóng)業(yè)學報，2013、25（5）：1137-1141.

[3]王濟川，郭志剛.Logistic回歸模型———方法與應(yīng)用[M].北京：高等教育出版社，2001.