王秀梅

（中山大學(xué)南方學(xué)院 商學(xué)院，廣州 510970）

0 引言

在農(nóng)產(chǎn)品物流需求預(yù)測方面，神經(jīng)網(wǎng)絡(luò)法、灰色預(yù)測法、時(shí)間序列法、回歸分析法等方法不斷得到應(yīng)用，而且也被證實(shí)了這些方法在預(yù)測上的可行性。王新利，趙琨（2010）[1]采用BP神經(jīng)網(wǎng)絡(luò)法預(yù)測了我國農(nóng)產(chǎn)品的物流需求；楊箏，曹志強(qiáng)，黎嘉慧（2017）[2]采用灰色GM（1，1）模型預(yù)測了廣西省農(nóng)產(chǎn)品冷鏈物流的需求，而且經(jīng)檢驗(yàn)都顯示了這些方法具有較高的預(yù)測精度。隨著預(yù)測理論方法不斷改進(jìn)，一些學(xué)者嘗試采用多種單項(xiàng)預(yù)測的組合方法進(jìn)行預(yù)測分析[3-6]。但總體來說，采用組合預(yù)測的研究與單項(xiàng)預(yù)測相比仍占少數(shù)，而且組合預(yù)測究竟是否能有效提高精度，也沒有公論。在農(nóng)產(chǎn)品冷鏈物流預(yù)測方面，也大多僅預(yù)測整體面上的需求量，而鮮有對(duì)農(nóng)產(chǎn)品細(xì)分領(lǐng)域冷鏈物流需求的預(yù)測。為了在這些問題方面有所突破，本文設(shè)計(jì)了一種新的組合預(yù)測方法，預(yù)測我國農(nóng)產(chǎn)品細(xì)分領(lǐng)域的冷鏈物流需求。

1 研究方法及樣本選擇

1.1 單項(xiàng)預(yù)測方法選擇

（1）偏最小二乘法（PLS）

偏最小二乘法（PLS）綜合了傳統(tǒng)的回歸分析、相關(guān)性分析和因子分析等統(tǒng)計(jì)方法，在預(yù)測上充分考慮了變量的多重共線性問題。偏最小二乘法的原理及模型步驟如下：

①設(shè)定一組自變量{x1，x2，…，xp}和因變量{y1，y2，…，yq}，觀測樣本序列為n，得到兩個(gè)矩陣X={x1，x2，…，xp}n×p，Y={y1，y2，…，yq}n×q。

②分別對(duì)X和Y按行進(jìn)行標(biāo)準(zhǔn)化處理，然后分別提取X和Y的第一個(gè)主成分u1、v1。

③針對(duì)Y和X，對(duì)t1進(jìn)行回歸，如果回歸結(jié)果的擬合優(yōu)度達(dá)到預(yù)期，則結(jié)束，反之則進(jìn)入下一步。

④分別提取X和Y的第二個(gè)主成分u2、v2，再針對(duì)Y和X，對(duì)t2進(jìn)行回歸。

⑤重復(fù)步驟③和步驟④，直到模型擬合優(yōu)度達(dá)到預(yù)測水平。

⑥假定X最后共提取m個(gè)主成分t1，t2，…，tm，將Y的每一列yk對(duì)t1，t2，…，tm做回歸，然后通過變換，得到y(tǒng)k關(guān)于{x1，x2，…，xp}的回歸方程：

（2）時(shí)間序列ARIMA法

時(shí)間序列ARIMA法主要通過時(shí)間序列的數(shù)據(jù)延續(xù)性，預(yù)測未來時(shí)間序列的變化趨勢。ARIMA（p，d，q）的基本模型如下：

其中，p為自回歸階數(shù)，q為移動(dòng)平均階數(shù)，d為差分階數(shù)。

時(shí)間序列ARIMA法的基本步驟如下：

①通過單位根檢驗(yàn)，檢查時(shí)間序列是否平穩(wěn)。若平穩(wěn)則進(jìn)入下一步，若非平穩(wěn)，則通過反復(fù)差分，直至得到平穩(wěn)序列為止，差分階數(shù)為d。

②根據(jù)識(shí)別規(guī)則，通過自相關(guān)系數(shù)和偏相關(guān)系數(shù)的拖尾或截尾特點(diǎn)，確定p和q的值。于是根據(jù)式（2）估計(jì)參數(shù)。

③按照AIC和SC準(zhǔn)則，確定p和q的最優(yōu)值，根據(jù)式（2）估計(jì)參數(shù)。

④對(duì)殘差序列進(jìn)行診斷，看是否平穩(wěn)。若平穩(wěn)則接受估計(jì)結(jié)果。

（3）二次指數(shù)平滑法

考慮到時(shí)間序列可能存在曲線型變化，引入二次指數(shù)平滑法進(jìn)行單項(xiàng)預(yù)測。模型的基本原理和步驟如下：

①根據(jù)給定數(shù)據(jù)序列，計(jì)算一次平滑值：

其中，Sn(1)為一次平滑值，α為平滑常數(shù)，S0(1)取yt前三項(xiàng)的平均值。

②計(jì)算二次平滑值：

其中，Sn(2)為二次平滑值，S0(2)取St(1)前三項(xiàng)的平均值。

③計(jì)算兩個(gè)參數(shù)值：

④根據(jù)如下模型，計(jì)算自n年后第T年的預(yù)測值：

1.2 權(quán)重分配組合預(yù)測方法設(shè)計(jì)

為了使預(yù)測結(jié)果更加精確，需對(duì)以上三種單項(xiàng)預(yù)測方法謹(jǐn)慎地賦予權(quán)重值[7]。設(shè)第i種預(yù)測方法的權(quán)重為wi，向量xt的組合預(yù)測序列對(duì)應(yīng)的誤差序列為et，誤差平方和為J，那么有：

通過對(duì)J進(jìn)行目標(biāo)優(yōu)化，得到預(yù)測方法的權(quán)重：

1.3 樣本數(shù)據(jù)選擇

上世紀(jì)90年代以來農(nóng)產(chǎn)品冷鏈物流在我國的發(fā)展基本上呈現(xiàn)了先緩后增再趨穩(wěn)的態(tài)勢。考慮到時(shí)間序列的預(yù)測要注重就近原則，因此如果樣本時(shí)間序列的區(qū)間選得過大反而可能引起預(yù)測精度降低。綜合考慮，本文選取2007—2016年共十年的時(shí)間序列作為樣本。考慮到預(yù)測區(qū)間長短的適度性，選擇6年進(jìn)行預(yù)測，即2017—2022年。

在我國農(nóng)產(chǎn)品冷鏈物流需求量的指標(biāo)選取方面，以往學(xué)者一般都直接采用農(nóng)產(chǎn)品冷鏈物流量來分析。這樣的選取方法較為直觀，但直接采用實(shí)際冷鏈物流量來反映冷鏈物流需求，或許低估了我國農(nóng)產(chǎn)品冷鏈物流需求的潛在空間[8]。原因有：第一，由于我國農(nóng)村流通設(shè)施較為薄弱，在農(nóng)產(chǎn)品冷鏈物流平臺(tái)、工具和人才方面供給不充分，這樣就限制了農(nóng)產(chǎn)品冷鏈物流的供給水平，因而有一部分農(nóng)產(chǎn)品無法順利通過冷鏈物流渠道進(jìn)行流通貿(mào)易；第二，由于統(tǒng)計(jì)口徑約束，農(nóng)產(chǎn)品冷鏈物流量的統(tǒng)計(jì)數(shù)據(jù)一般僅局限于開票的物流企業(yè)，以及農(nóng)業(yè)或農(nóng)產(chǎn)品加工業(yè)內(nèi)部開票的物流活動(dòng)，但事實(shí)上有一部分農(nóng)產(chǎn)品冷鏈物流可能并沒有開票，因而這部分物流量未納入統(tǒng)計(jì)范圍，導(dǎo)致冷鏈物流量被低估。例如，2014年我國水產(chǎn)品的銷量約35億噸，但是冷鏈物流量僅不足5億噸，兩者差距較大。

基于此，本文選取農(nóng)產(chǎn)品的銷量作為農(nóng)產(chǎn)品冷鏈物流需求量的代替變量。這樣，一方面可以體現(xiàn)農(nóng)產(chǎn)品冷鏈物流的需求空間，另一方面也可以反映特殊的農(nóng)產(chǎn)品未來物流運(yùn)輸?shù)臉?biāo)準(zhǔn)化提高，需通過冷鏈的都要通過冷鏈進(jìn)行流通。在需要冷鏈的農(nóng)產(chǎn)品類型上，主要包括水產(chǎn)品、肉禽、蛋、奶、蔬菜和水果等。為了便于分析，將這些農(nóng)產(chǎn)品分為三類，即水產(chǎn)品、肉禽蛋奶類產(chǎn)品、果蔬產(chǎn)品。

2 需求量預(yù)測及趨勢分析

2.1 三種單項(xiàng)預(yù)測方法的農(nóng)產(chǎn)品冷鏈物流需求量預(yù)測結(jié)果

（1）偏最小二乘法預(yù)測結(jié)果

首先，根據(jù)前面的偏最小二乘法模型框架，構(gòu)建反映農(nóng)產(chǎn)品冷鏈物流需求的計(jì)量模型。為了更加顯現(xiàn)出農(nóng)產(chǎn)品冷鏈物流需求的產(chǎn)業(yè)結(jié)構(gòu)性特征，在使用偏最小二乘法進(jìn)行回歸時(shí)，分別將水產(chǎn)品、肉禽蛋奶類產(chǎn)品、果蔬類產(chǎn)品三者作為因變量，分別設(shè)為y1、y2、y3。為了綜合反映影響農(nóng)產(chǎn)品冷鏈物流需求的因素，本文參考郭健，劉金培，任賀松等（2017）[3]的變量選擇方法，選取對(duì)應(yīng)農(nóng)產(chǎn)品的產(chǎn)量（x1）、GDP（x2）、居民消費(fèi)水平（x3）、社會(huì)消費(fèi)品零售額（x4）、農(nóng)產(chǎn)品生產(chǎn)價(jià)格指數(shù)（x5）、貨運(yùn)量（x6）共6個(gè)指標(biāo)。

采用SIMCA-P軟件進(jìn)行偏最小二乘法回歸，結(jié)果如下：

根據(jù)6個(gè)自變量2007—2016年的數(shù)值，根據(jù)以上3個(gè)回歸模型結(jié)果，分別預(yù)測2007—2016年我國水產(chǎn)品、肉禽蛋奶類產(chǎn)品、果蔬類產(chǎn)品的冷鏈物流需求量，并與實(shí)際值進(jìn)行比較，測算預(yù)測精度。結(jié)果如表1所示。

表1 偏最小二乘法對(duì)農(nóng)產(chǎn)品冷鏈物流需求量預(yù)測結(jié)果及精度

從表1的結(jié)果可知，偏最小二乘法對(duì)2007—2016年我國水產(chǎn)品冷鏈物流需求量的預(yù)測精度平均值為3.86%，對(duì)肉禽蛋奶類產(chǎn)品冷鏈物流需求量的預(yù)測精度平均值為3.32%，對(duì)果蔬類產(chǎn)品冷鏈物流需求量的預(yù)測精度平均值為3.41%。可見，無論是水產(chǎn)品、肉禽蛋奶類產(chǎn)品還是果蔬類產(chǎn)品，偏最小二乘法對(duì)其冷鏈物流需求量均有較高的預(yù)測精度。

根據(jù)6個(gè)自變量2007—2016年的變化趨勢，分別對(duì)各個(gè)變量2017—2022年的數(shù)值進(jìn)行預(yù)測。然后，根據(jù)以上3個(gè)回歸模型結(jié)果，分別預(yù)測2017—2022年我國水產(chǎn)品、肉禽蛋奶類產(chǎn)品、果蔬類產(chǎn)品的冷鏈物流需求量，結(jié)果如表2所示。

表2 偏最小二乘法對(duì)未來農(nóng)產(chǎn)品冷鏈物流需求量預(yù)測結(jié)果

（2）時(shí)間序列ARIMA法預(yù)測結(jié)果

根據(jù)前面的時(shí)間序列ARIMA法的模型，分別對(duì)2007—2016年我國水產(chǎn)品、肉禽蛋奶類產(chǎn)品、果蔬類產(chǎn)品的冷鏈物流需求量進(jìn)行預(yù)測，并與實(shí)際值進(jìn)行比較，測算其預(yù)測精度。結(jié)果如表3所示。

表3 時(shí)間序列ARIMA法對(duì)農(nóng)產(chǎn)品冷鏈物流需求量預(yù)測結(jié)果及精度

從表3預(yù)測結(jié)果可知，ARMA法對(duì)2007—2016年水產(chǎn)品冷鏈物流需求量的預(yù)測精度平均值為4.21%，對(duì)肉禽蛋奶類產(chǎn)品冷鏈物流需求量的預(yù)測精度平均值為3.51%，對(duì)果蔬類產(chǎn)品冷鏈物流需求量的預(yù)測精度平均值為2.15%。

與偏最小二乘法相比，ARIMA法對(duì)水產(chǎn)品、肉禽蛋奶類產(chǎn)品冷鏈物流需求的預(yù)測精度均相對(duì)較低，但對(duì)果蔬類產(chǎn)品的預(yù)測精度較高?？傮w而言，ARIMA法對(duì)農(nóng)產(chǎn)品冷鏈物流需求的預(yù)測精度也是較為理想的。

繼續(xù)使用這種方法，對(duì)2017—2022年我國各類農(nóng)產(chǎn)品的冷鏈物流需求量進(jìn)行預(yù)測，結(jié)果如表4。

表4 時(shí)間序列ARIMA法對(duì)未來農(nóng)產(chǎn)品冷鏈物流需求量預(yù)測結(jié)果

（3）二次指數(shù)平滑法預(yù)測結(jié)果

根據(jù)二次指數(shù)平滑法預(yù)測模型，分別對(duì)2007—2016年我國水產(chǎn)品、肉禽蛋奶類產(chǎn)品、果蔬類產(chǎn)品的冷鏈物流需求量進(jìn)行預(yù)測。根據(jù)反復(fù)試驗(yàn)，發(fā)現(xiàn)α值取0.3時(shí)結(jié)果最優(yōu)。計(jì)算預(yù)測結(jié)果及預(yù)測精度，結(jié)果如下頁表5所示。

比較發(fā)現(xiàn)，二次指數(shù)平滑法的預(yù)測精度相對(duì)前面兩種預(yù)測方法均表現(xiàn)出更高的水平。繼續(xù)根據(jù)模型，以2016年為基期進(jìn)行時(shí)序增加，依次得到2017-2022年各類農(nóng)產(chǎn)品冷鏈物流需求量的預(yù)測結(jié)果，如下頁表6所示。

2.2 權(quán)重分配組合預(yù)測法的農(nóng)產(chǎn)品冷鏈物流需求量預(yù)測結(jié)果

根據(jù)式（9），將以上三種單項(xiàng)預(yù)測方法的結(jié)果帶入權(quán)重分配組合預(yù)測方法模型，求解得到偏最小二乘法、時(shí)間序列ARIMA法和二次指數(shù)平滑法的預(yù)測權(quán)重分別為0.3568、0.2556和0.3876。于是，通過加權(quán)平均，得到2007—2016年各類農(nóng)產(chǎn)品冷鏈物流需求量的最終預(yù)測結(jié)果及預(yù)測精度，如下頁表7所示。

2.3 權(quán)重分配組合預(yù)測法的精度評(píng)判

比較表1、表3、表5和表7的預(yù)測精度可以發(fā)現(xiàn)，總體上券種分類組合法預(yù)測得到的農(nóng)產(chǎn)品冷鏈物流需求量的預(yù)測精度要優(yōu)于其余三種單項(xiàng)預(yù)測方法。

首先，無論是水產(chǎn)品、肉禽蛋奶類產(chǎn)品還是果蔬類產(chǎn)品，權(quán)重分配組合法對(duì)其冷鏈物流需求量的預(yù)測精度均要明顯高于偏最小二乘法和時(shí)間序列ARIMA法。由此可見，與這兩種單項(xiàng)預(yù)測方法相比，本文設(shè)計(jì)的權(quán)重分配組合法存在精度上的絕對(duì)優(yōu)勢。

其次，與二次指數(shù)平滑法相比，權(quán)重分配組合法在肉禽蛋奶類產(chǎn)品冷鏈物流需求量的預(yù)測精度上要稍微偏弱，但是在水產(chǎn)品和果蔬類產(chǎn)品冷鏈物流需求量的預(yù)測精度上均要高于二次指數(shù)平滑法。因此，可以認(rèn)為權(quán)重分類組合法相對(duì)更優(yōu)。

2.4 未來趨勢分析

按照權(quán)重分配組合法的思路，綜合預(yù)測2017—2022年各類農(nóng)產(chǎn)品冷鏈物流需求量，繪制得到未來變化趨勢，如圖1所示。

圖1 我國農(nóng)產(chǎn)品冷鏈物流需求量的未來趨勢

由圖1可進(jìn)一步看出，2007—2016年各類農(nóng)產(chǎn)品冷鏈物流需求量的預(yù)測值與實(shí)際值保持了較高的貼合度，因此更加顯示了本文設(shè)計(jì)的預(yù)測方法具有較高的科學(xué)性和嚴(yán)謹(jǐn)性。

未來六年，我國農(nóng)產(chǎn)品冷鏈物流需求量的變化趨勢具體如下：第一，總體上2017—2022年三類農(nóng)產(chǎn)品冷鏈物流需求量均將保持持續(xù)增長的態(tài)勢，且增長趨勢基本都保持線性，說明我國未來農(nóng)產(chǎn)品冷鏈物流的需求還有一定擴(kuò)大空間。第二，從農(nóng)產(chǎn)品結(jié)構(gòu)來看，不同農(nóng)產(chǎn)品冷鏈物流需求的增長速度存在一定差異。其中，肉禽蛋奶類產(chǎn)品增長相對(duì)最快，六年年均增長3.03%，2022年該產(chǎn)品冷鏈物流需求總量預(yù)計(jì)在20.7887億噸左右；果蔬類產(chǎn)品冷鏈物流需求增速次于肉禽蛋奶類產(chǎn)品，六年年均增長2.01%，2022年該產(chǎn)品冷鏈物流需求總量預(yù)計(jì)在13.7615億噸左右；水產(chǎn)類產(chǎn)品冷鏈物流需求增長最慢，六年年均增幅僅為1.63%，2022年該產(chǎn)品冷鏈物流需求總量預(yù)計(jì)在7.6103億噸左右。

表5 二次指數(shù)平滑法對(duì)農(nóng)產(chǎn)品冷鏈物流需求量預(yù)測結(jié)果及精度

表6 二次指數(shù)平滑法對(duì)未來農(nóng)產(chǎn)品冷鏈物流需求量預(yù)測結(jié)果

表7 權(quán)重分配組合預(yù)測法對(duì)農(nóng)產(chǎn)品冷鏈物流需求量預(yù)測結(jié)果及精度

3 結(jié)論

未來幾年是我國農(nóng)產(chǎn)品冷鏈物流發(fā)展的關(guān)鍵時(shí)期。本文通過一種基于目標(biāo)優(yōu)化的權(quán)重分配組合方法，集成了偏最小二乘法、時(shí)間序列ARIMA法和二次指數(shù)平滑法三種單項(xiàng)預(yù)測方法，通過這種組合預(yù)測法分別預(yù)測了我國水產(chǎn)品、肉禽蛋奶類產(chǎn)品和果蔬產(chǎn)品這三大類農(nóng)產(chǎn)品的冷鏈物流需求趨勢。通過預(yù)測可以發(fā)現(xiàn)，權(quán)重分配組合法的預(yù)測精度要優(yōu)于三種單項(xiàng)預(yù)測方法，這體現(xiàn)了本文設(shè)計(jì)的組合預(yù)測方法具有較好的應(yīng)用前景。從預(yù)測趨勢來看，未來農(nóng)產(chǎn)品冷鏈物流的需求還有一定提升空間，且基本保持線性增長趨勢。但即便增長趨勢存在，增長的幅度卻非常緩慢。對(duì)此，本文提出以下建議：第一，培育冷鏈物流企業(yè)，改善冷鏈物流設(shè)施，提高對(duì)冷鏈物流的承載能力；第二，鼓勵(lì)冷鏈物流創(chuàng)新，加快推進(jìn)冷鏈物流的信息化、智能化，提高物流效率；第三，鼓勵(lì)發(fā)展現(xiàn)代農(nóng)業(yè)，培育一批特色農(nóng)產(chǎn)品，為冷鏈物流創(chuàng)造更大的實(shí)際需求。

參考文獻(xiàn)：

[1] 王新利,趙琨.基于神經(jīng)網(wǎng)絡(luò)的農(nóng)產(chǎn)品物流需求預(yù)測研究[J].農(nóng)業(yè)技術(shù)經(jīng)濟(jì),2010,(2).

[2] 楊箏,曹志強(qiáng),黎嘉慧.基于灰色預(yù)測法的廣西農(nóng)產(chǎn)品冷鏈物流需求預(yù)測[J].物流工程與管理,2017,(9).

[3] 郭健,金培,任賀松等.我國農(nóng)產(chǎn)品物流需求量組合預(yù)測分析——基于PLS、BP神經(jīng)網(wǎng)絡(luò)和ARIMA模型的實(shí)證[J].佳木斯大學(xué)學(xué)報(bào)：自然科學(xué)版，2017,(5).

[4] 馮永巖.北京市農(nóng)產(chǎn)品冷鏈物流需求預(yù)測研究[D].北京：華北電力大學(xué)碩士論文,2016.

[5] 劉麗艷,張啟波.基于支持向量機(jī)回歸的農(nóng)產(chǎn)品物流需求預(yù)測[J].科技創(chuàng)新導(dǎo)報(bào),2011,(25).

[6] 林明,楊林楠,彭琳,武爾維.基于BFGS-NARX神經(jīng)網(wǎng)絡(luò)的農(nóng)產(chǎn)品價(jià)格預(yù)測方法[J].統(tǒng)計(jì)與決策,2013,(16).

[7] Pournader M,T Akhavan A A,Baloh P.A Three-Step Design Science Approach to Develop a Novel Humanresource-Planning Framework in Projects:the Cases of Construction Projects in USA，Europe，and Iran[J].International Journalof Project Management,2015,(33).

[8] 毛敏,劉建,薄琳.物流需求的廣義集成預(yù)測法[J].統(tǒng)計(jì)與決策,2016,(24).