王鳳英 (福建船政交通職業(yè)學院,福建 福州 350007)
近幾年,電子商務迅速發(fā)展,對快遞物流的需求進一步提升。但部分地區(qū)物流設施和技術落后,物流末端配送發(fā)展滯后,物流服務體驗差,物流企業(yè)各自為營,企業(yè)進行農(nóng)村物流配送成本高,因此為了提升快遞物流的服務水平,必須對未來的快遞業(yè)務量有個合理的預測,進而配備相匹配的設施及技術。需求的定量預測模型主要有回歸分析預測法、時間序列預測法、神經(jīng)網(wǎng)絡預測法、灰色預測法等多種方法,但單一的預測模型的假設條件及使用范圍總存在著一定的局限性,因此本文最后采用組合預測模型克服單一模型的局限性,提高模型預測的精度和穩(wěn)定性。
惠安縣,是閩南著名僑鄉(xiāng)和臺灣漢族同胞主要祖籍地之一。素有“海濱鄒魯”、“雕藝之鄉(xiāng)”、“建筑之鄉(xiāng)”、“漁業(yè)強縣”、“食品工業(yè)強縣”之美譽。2017年全縣實現(xiàn)生產(chǎn)總值688.76億元、增長8%,完成一般公共預算收入35.13億元、增長3.1%,全體居民人均可支配收入2.99萬元、增長7.5%,縣域經(jīng)濟居全國中小城市綜合實力“百強縣”第35位。
在電子商務迅速發(fā)展的大背景下,隨著GDP的逐年穩(wěn)步提高,人民的消費水平大幅提高,惠安縣的快遞服務需求總量也隨之持續(xù)增長,具體見圖1。
快遞業(yè)是隨著電子商務發(fā)展起來的新興行業(yè),近10年發(fā)展迅速,并與區(qū)域經(jīng)濟發(fā)展密切相關。因此快遞業(yè)務量受到區(qū)域經(jīng)濟發(fā)展多種因素的影響,如區(qū)域經(jīng)濟的經(jīng)濟水平和規(guī)模、居民人均消費水平、社會固定資產(chǎn)投資總額,常住人口、社會消費品零售額的影響。同時也會受到國家相關政策、信息處理技術及交通因素等非經(jīng)濟因素的影響。因此在構建預測模型時選取了
2.1 多元回歸關系模型的構建。由于快遞業(yè)務量的影響因素是多方面的,因此在預測時首先考慮了多元回歸關系模型。多元回歸關系模型中的解釋變量有多個,一般形式為:
其中,y是被解釋變量(因變量、相依變量、內(nèi)生變量),x是解釋變量(自變量、獨立變量、外生變量),ε是隨機誤差項,βi,i=1,2,…,k是回歸參數(shù)。
利用初始變量值進行回歸并檢驗,若模型未通過檢驗,則重新建立模型,若模型通過檢驗,且滿足模型的假設,則可利用此模型進行實際預測。
圖1 惠安縣歷年快遞業(yè)務量增長趨勢圖
2.2 基于時間序列的多項式回歸模型構建??爝f業(yè)務量是一個時間序列,通過上述現(xiàn)狀分析圖1可以看出近幾年惠安縣快遞業(yè)務量沒有跳躍式增長,屬于漸進變化,同時快遞業(yè)是一個迅速發(fā)展的行業(yè),因此可選用二次多項式趨勢回歸預測模型構建。多項式趨勢回歸預測模型建立如下:
本文采用二次多項式趨勢回歸對快遞業(yè)務量進行預測。
2.3 GM( 1,1)灰色預測模型構建?;疑A測模型是應用模糊數(shù)學原理對既含有已知信息又含有不確定信息的系統(tǒng)進行預測的模型,是對隨機的原始時間序列數(shù)據(jù)進行累加生成處理,然后建立微分方程來模擬該生成序列,恢復原時間序列的預測值。GM(1,1)模型是最常用的一種灰色預測模型。具體預測模型如下:
建立微分方程和構造矩陣。
構造矩陣B:
矩陣計算:
求出預測模型:
將參數(shù)代入時間函數(shù)得一次累加生成序列的預測模型:
最后通過一系列檢驗來檢驗模型的精度和可信度。
2.4 Shapley組合預測模型。上述3種預測方法各有優(yōu)缺點,因此為了提升預測精度,對上述3種預測方法賦予不同的權重進行最后預測結果的運算。目前最常用的就是Shapley組合預測模型。其計算公式為:
Shapley值誤差分配公式為:
Shapley值法給出了一個n人合作對策問題的分配向量,u(s)-u( si)表示組合S的邊際貢獻值,考慮了組合成員加入后和加入前對組合產(chǎn)生不同的影響。)可看作一個權重,表示組合成員i在組合中所需要承擔的邊際貢獻,也是組合預測的加權因子。Shapley值綜合了組織中各成員的影響,因此可認為其分配向量是公平合理的。
由上可得權重計算公式:
3.1 多元回歸關系模型預測。在對快遞業(yè)務量的影響因素分析基礎上本文選用了GDP、常住人口、居民人均消費水平、社會消費品零售額、固定資產(chǎn)投資總額作為快遞業(yè)務量的解釋變量。具體數(shù)據(jù)見表1。選用spss19.0對表1的數(shù)據(jù)進行多元回歸分析。首先進行了相關性分析,快遞業(yè)務量與這幾個解釋變量的相關性均在0.9以上,故顯著相關,然后選用向后回歸進行分析,具體結果見表2。
表1 2011~2017年惠安縣快遞業(yè)務量相關指標數(shù)據(jù)
表2 系數(shù)a
a.因變量:快遞業(yè)務量
根據(jù)上述分析結果可以看出社會消費品零售額被移除了,但調(diào)整后的R方仍可以達到0.994。根據(jù)系數(shù)表,多元回歸方程為:
快遞業(yè)務量=210 621.490+0.003*GDP-3 290.158*常住人口+1.402*居民人均消費水平-0.001*固定資產(chǎn)投資總額
代入上述回歸方程計算出2011~2017年的快遞業(yè)務量的預測值,見表3。
根據(jù)表3可以計算出多元線性回歸模型的平均絕對誤差比為5.58%。
利用二項式曲線回歸模型對2019~2022年影響快遞業(yè)務量的各指標進行預測,然后代入上述多元線性回歸模型計算出快遞業(yè)務量,結果見表4。
表3 多元線性回歸模型預測值
表4 2019~2025年惠安市快遞業(yè)務量相關指標數(shù)據(jù)
3.2 二次多項式趨勢回歸模型。本文選用spss19.0軟件對軟件快遞業(yè)務量的影響因素進行二次多項式回歸。運行結果見表5。
表5 模型匯總和參數(shù)估計值
由表5可知R方為1.00,說明擬合程度很高,能較好地反應快遞業(yè)務量的變化,模型擬合值見表6,平均絕對誤差比為2.31%,效果很好。
表6 二次多項式回歸模型擬合值
利用二項式趨勢回歸法對2019~2025年進行預測得到結果如表7。
3.3 灰色預測方法。采用灰色預測分析軟件,對原始數(shù)據(jù)進行模型GM( 1,1 )分析,殘差=145 262.37,平均相對誤差=6.26%,系數(shù)=757.93。模型誤差分析見表8。
利用灰色預測方法對2019~2025年進行預測結果見表9。
3.4 Shapley組合預測模型。由Shapley組合預測模型中計算各預測方法權重ωi的公式可以得到ω1=0.26,ω2=0.55,ω3=0.19。說明趨勢回歸法在組合模型中權重最大,多元線性回歸模型最小。
表7 2019~2025年二項式趨勢回歸預測值
表8 GM( 1,1)模型預測誤差分析
表9 灰色預測方法的預測值
表10 2019~2022年組合預測結果
利用公式(8)可以得到惠安縣快遞需求量組合預測結果見表10。
在快遞業(yè)務量的需求預測中,單個預測方法存在一定的局限性,因為本文在選擇了多元線性回歸、多項式趨勢回歸、灰色預測方法的基礎上,對惠安縣快遞業(yè)務量利用組合預測方法進行預測,預測精度得以提升,從而對惠安縣的物流網(wǎng)絡規(guī)劃提供了一定的指導意義,提升物流網(wǎng)絡設施設備的合理布置,更好地提升服務效率,與電子商務及經(jīng)濟發(fā)展相匹配。