摘 要：物流產(chǎn)業(yè)是我國經(jīng)濟(jì)發(fā)展的“加速器”，而物流需求直接影響著物流產(chǎn)業(yè)。為了探究內(nèi)蒙古物流需求的影響因素，推動(dòng)物流業(yè)健康發(fā)展，本文選取內(nèi)蒙古統(tǒng)計(jì)年鑒2005—2021年的相關(guān)數(shù)據(jù)，將貨運(yùn)量作為被解釋變量，將進(jìn)出口總額等七種可量化的影響因素作為解釋變量，建立多元線性回歸模型并進(jìn)行檢驗(yàn)。實(shí)證結(jié)果表明，全體居民生活消費(fèi)支出和年末總?cè)丝趯?nèi)蒙古物流需求量具有顯著影響，據(jù)此提出內(nèi)蒙古物流業(yè)進(jìn)一步發(fā)展的建議。

關(guān)鍵詞：內(nèi)蒙古；多元線性回歸；物流需求；物資流通；貨運(yùn)量

中圖分類號(hào)：F259.22 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2096-0298（2024）09（a）--05

1 引言

物流業(yè)是集交通運(yùn)輸業(yè)、倉儲(chǔ)業(yè)和信息產(chǎn)業(yè)為一體的復(fù)合型產(chǎn)業(yè)，是國民經(jīng)濟(jì)的重要組成部分[1]。內(nèi)蒙古地處中國北方，具有廣袤的地域和豐富的資源，其獨(dú)特的地理位置使得物流在該地區(qū)的發(fā)展至關(guān)重要。物流活動(dòng)日益滲透到整個(gè)社會(huì)的經(jīng)濟(jì)活動(dòng)過程中，包括生產(chǎn)、流通、消費(fèi)等環(huán)節(jié)，因而物流需求與社會(huì)經(jīng)濟(jì)發(fā)展有著密切的相關(guān)性，直接關(guān)系到地區(qū)經(jīng)濟(jì)的可持續(xù)發(fā)展。因此，本文對內(nèi)蒙古物流需求進(jìn)行深度分析、研究和預(yù)測具有重要的現(xiàn)實(shí)意義。

在現(xiàn)有文獻(xiàn)中，對于我國物流需求的研究較為系統(tǒng)，但是對于內(nèi)蒙古物流需求影響因素的研究較為缺乏[2-3]。內(nèi)蒙古物流需求受到經(jīng)濟(jì)、對外貿(mào)易、人口等多重因素的影響，所以本文運(yùn)用多元線性回歸方法，建立模型，進(jìn)一步分析這些因素對物流需求的貢獻(xiàn)程度。為內(nèi)蒙古物流業(yè)的決策制定和戰(zhàn)略規(guī)劃提供有力的支持，推動(dòng)內(nèi)蒙古物流業(yè)的健康發(fā)展。

2 研究現(xiàn)狀

在對物流需求進(jìn)行研究的過程中，發(fā)現(xiàn)其受到諸多因素的綜合影響，我國學(xué)者采用不同方法和模型對各個(gè)階段的物流需求影響因素進(jìn)行了研究。

徐宇等（2007）[4]利用灰色關(guān)聯(lián)分析法，驗(yàn)證了影響地區(qū)物流需求的主要因素有地區(qū)消費(fèi)、第二產(chǎn)業(yè)和第三產(chǎn)業(yè)。歐陽小迅和戴育琴（2009）[5]使用非線性模型對社會(huì)物流需求分析后認(rèn)為人均GDP、第二產(chǎn)業(yè)和第三產(chǎn)業(yè)對社會(huì)物流需求影響較大。李磊和單丹（2013）[6]使用主成分分析方法，證明了影響江蘇省物流需求的指標(biāo)還包括社會(huì)消費(fèi)品零售總額、居民消費(fèi)水平、進(jìn)出口總額等。除此之外，王燕茹和戴姍姍（2014）[7]利用最小二乘估計(jì)法進(jìn)行分析，提出無錫市物流需求主要受宏觀經(jīng)濟(jì)、教育文化程度等因素的影響。邱立國和趙薇（2015）[8]通過建立嵌入熵權(quán)灰色關(guān)聯(lián)模型，分析并總結(jié)了第二產(chǎn)業(yè)和社會(huì)固定資產(chǎn)投資對于我國物流需求的重要性。高文相和呂宏（2015）[9]利用灰色系統(tǒng)關(guān)聯(lián)分析法，探究了經(jīng)濟(jì)產(chǎn)業(yè)結(jié)構(gòu)對大理州物流需求的影響，最終得出產(chǎn)業(yè)結(jié)構(gòu)與物流需求之間存在著一定的關(guān)聯(lián)性。張衡等（2018）[10]通過對互聯(lián)網(wǎng)環(huán)境下的區(qū)域物流需求進(jìn)行分析和研究，進(jìn)一步說明了第二產(chǎn)業(yè)、第三產(chǎn)業(yè)和信息化水平這三項(xiàng)影響因素對區(qū)域物流需求有著難以分割的關(guān)系。王迪（2022）[11]建立多元線性回歸模型來解釋第一、第二產(chǎn)業(yè)生產(chǎn)總值對上海市物流需求的影響程度，其中第二產(chǎn)業(yè)生產(chǎn)總值是主要因素。

通過對上述文獻(xiàn)總結(jié)發(fā)現(xiàn)，某個(gè)地區(qū)物流需求的影響因素包含人均GDP、產(chǎn)業(yè)結(jié)構(gòu)、居民消費(fèi)水平等方面，這些典型的影響因素對本文的研究有一定參考價(jià)值。

3 內(nèi)蒙古物流需求的影響因素

內(nèi)蒙古物流需求的影響因素涵蓋多個(gè)方面，其中包括產(chǎn)業(yè)發(fā)展水平、投資消費(fèi)水平、對外開放水平等多個(gè)維度，以下是對內(nèi)蒙古物流需求影響因素的具體分析。

首先，產(chǎn)業(yè)發(fā)展水平，包含農(nóng)牧業(yè)、工業(yè)以及零售業(yè)。內(nèi)蒙古地處中國北部，具有宜人的氣候、豐富優(yōu)質(zhì)的草地，適合畜牧業(yè)的發(fā)展，畜牧業(yè)的繁榮導(dǎo)致肉類和乳制品的大量生產(chǎn)和運(yùn)輸；又有河套平原、西遼河平原，土壤肥沃、光照充足，十分適合發(fā)展灌溉農(nóng)業(yè)，像谷物、黃豆、玉米等農(nóng)作物也需要運(yùn)輸，從而帶動(dòng)農(nóng)產(chǎn)品相關(guān)的物流需求。因此本文選取第一產(chǎn)業(yè)增加值（x1）作為解釋變量。

內(nèi)蒙古涉及能源與化工、冶金與金屬工業(yè)等行業(yè)，這些行業(yè)需要大規(guī)模運(yùn)輸原材料，如煤炭、石油、金屬礦石，以及產(chǎn)成品。同時(shí)，裝備制造業(yè)和建筑業(yè)等對大型設(shè)備、工業(yè)品和建筑材料的需求龐大，需要進(jìn)行大規(guī)模的運(yùn)輸。因此本文選取第二產(chǎn)業(yè)增加值（x2）作為解釋變量。

物流業(yè)與社會(huì)消費(fèi)品零售業(yè)相互影響。隨著消費(fèi)品零售市場的繁榮，消費(fèi)者的消費(fèi)需求顯著攀升，導(dǎo)致貿(mào)易量大幅上升。此時(shí)貨物需要流通，從原材料到半成品再到產(chǎn)成品，每一個(gè)環(huán)節(jié)都需要大規(guī)模的運(yùn)輸活動(dòng)。因此，本文選取消費(fèi)品零售總額（x3）作為解釋變量。

其次，投資與消費(fèi)水平。隨著投資規(guī)模的增加，基礎(chǔ)設(shè)施建設(shè)得到強(qiáng)化，包括道路、鐵路、港口等物流基礎(chǔ)設(shè)施的建設(shè)進(jìn)一步完善，提高了物流網(wǎng)絡(luò)的覆蓋和連接性。這不僅有助于提高內(nèi)蒙古地區(qū)物流的效率，還促使更多商品的流通。因此本文選取全社會(huì)固定資產(chǎn)投資總額（x4）作為解釋變量。

居民消費(fèi)水平直接關(guān)系到商品的需求量。隨著人們生活水平的提升，對商品和服務(wù)的需求也相應(yīng)增加，高生活水平意味著更多的消費(fèi)，更多的購物需求，從而增加了物流運(yùn)輸?shù)念l次和量級(jí)，推動(dòng)了物流行業(yè)的繁榮，因此本文選取全體居民生活消費(fèi)支出（x5）作為解釋變量。

再次，對外開放水平的重要性也不容忽視。內(nèi)蒙古作為中國與鄰近國家貿(mào)易的樞紐，對外開放口岸共有20個(gè)，是對外開放的橋頭堡，不僅是“一帶一路”的重要節(jié)點(diǎn)，還是中歐班列連接亞歐的重要通道，加大了進(jìn)出口貨物的運(yùn)輸需求。與此同時(shí)，中蒙俄經(jīng)濟(jì)走廊的推動(dòng)為區(qū)域合作打開新空間，促使更多商品流通，從而推動(dòng)物流需求的增長。因此本文選取進(jìn)出口總額（x6）作為解釋變量。

最后，人口的增長通常伴隨市場規(guī)模的擴(kuò)大和商品需求量的增加。隨著人口數(shù)量的增多，人們對各類物品、服務(wù)的需求也越來越高，居民數(shù)量的增加不但促進(jìn)了貨物的流動(dòng)，而且促進(jìn)了物流服務(wù)水平的提升。因此，本文選取年末總?cè)丝冢▁7）作為解釋變量。

4 研究方法與指標(biāo)構(gòu)建

4.1 多元線性回歸方法

在市場經(jīng)濟(jì)活動(dòng)中，經(jīng)常會(huì)出現(xiàn)某一市場現(xiàn)象的發(fā)展和變化取決于幾個(gè)影響因素的情況，即一個(gè)因變量和幾個(gè)自變量有依存關(guān)系，為了分析這些因素對現(xiàn)象的影響，需要進(jìn)行多元回歸分析。多元線性回歸是使用最廣的線性回歸分析方法，可以利用給定的自變量，求出因變量均值的置信區(qū)間及個(gè)別值的預(yù)測區(qū)間，從而實(shí)現(xiàn)估計(jì)與預(yù)測。

得出回歸方程后要進(jìn)行顯著性檢驗(yàn)，顯著性檢驗(yàn)用于評價(jià)所有自變量與因變量的線性關(guān)系是否密切，通常采用F檢驗(yàn)；除了對整個(gè)方程進(jìn)行顯著性檢驗(yàn)，還可以對模型的每一個(gè)參數(shù)進(jìn)行顯著性檢驗(yàn)。

在進(jìn)行多元線性回歸時(shí)，模型會(huì)出現(xiàn)多重共線性、異方差性等異常情況，這會(huì)導(dǎo)致模型的準(zhǔn)確度降低、預(yù)測性能差，此時(shí)需進(jìn)行相關(guān)檢驗(yàn)并對模型進(jìn)行修正，確定合理的相關(guān)關(guān)系，從而得到一個(gè)更精確的回歸方程。

4.2 指標(biāo)選取

在選取指標(biāo)時(shí)，應(yīng)該遵循科學(xué)性原則、系統(tǒng)性原則、動(dòng)態(tài)性原則以及可度量性原則。目前大部分學(xué)者使用貨運(yùn)量來衡量一個(gè)國家或地區(qū)的物流需求，貨運(yùn)量的選取具有廣泛性和代表性，因此本文以貨運(yùn)量Y作為衡量物流需求的指標(biāo)，即Y為被解釋變量。貨運(yùn)量的多少取決于省市的產(chǎn)業(yè)水平、投資與消費(fèi)水平、對外開放水平、人口發(fā)展水平等方面，在以往方法的基礎(chǔ)上，本文結(jié)合內(nèi)蒙古的實(shí)際情況，選取以下指標(biāo)進(jìn)行研究和分析，如表1所示。

4.3 理論模型的建立

假設(shè)貨運(yùn)量（Y）與影響因素（x1，x2，…，xn）存在著線性相關(guān)關(guān)系，那么則可以建立回歸模型，如公式（1）所示。

Y=k×（x1，x2，…，xn）+ε（1）

其中，Y是被解釋變量；xi（i=1，2，…，n）是解釋變量；K是相關(guān)系數(shù)；ε是隨機(jī)誤差項(xiàng)。

5 實(shí)證分析

5.1 數(shù)據(jù)收集與處理

本文通過內(nèi)蒙古統(tǒng)計(jì)局歷年的統(tǒng)計(jì)年鑒，收集并整理2005—2021年的相關(guān)統(tǒng)計(jì)數(shù)據(jù)來進(jìn)行實(shí)證分析，如表2所示。

5.2 模型的構(gòu)建

本文以貨運(yùn)量為被解釋變量，以第一產(chǎn)業(yè)增加值、第二產(chǎn)業(yè)增加值、社會(huì)消費(fèi)品零售總額、全社會(huì)固定資產(chǎn)投資總額、全體居民人均生活消費(fèi)支出、進(jìn)出口總額、年末總?cè)丝谧鳛榻忉屪兞俊Ｒ虼艘訷i=貨運(yùn)量、x1=第一產(chǎn)業(yè)增加值、x2=第二產(chǎn)業(yè)增加值、x3=社會(huì)消費(fèi)品零售總額、x4=全社會(huì)固定資產(chǎn)投資總額、x5=全體居民生活消費(fèi)支出、x6=進(jìn)出口總額、x7=年末總?cè)丝?，設(shè)定模型：

Yi=β0+β1X1+β2X2+β3X3+β4X4+β5X5+β6X6+β7X7（2）

其中，隨機(jī)誤差項(xiàng)εi是一個(gè)服從正態(tài)分布的隨機(jī)變量。

5.3 參數(shù)估計(jì)

本文使用Stata16.0對模型的各項(xiàng)數(shù)據(jù)進(jìn)行回歸分析，根據(jù)自變量相關(guān)系數(shù)可以初步得到回歸模型：

Yi=-1033.298X1-16.277X2-62.0560X3+0.744X4+35.230X5+0.006X6+508.129X7-1194329（3）

模型的回歸結(jié)果如表3所示。

將Y作為被解釋變量，將x1-x7作為解釋變量進(jìn)行線性回歸[12]，由表3可以看出，可決系數(shù)和修正后的可決系數(shù)分別為0.9193和0.8565，即擬合優(yōu)度0≤0.9193≤1，并且非常接近于1，故樣本回歸線對數(shù)據(jù)的擬合程度較好，修正后的可決系數(shù)同樣反映出較好的擬合程度。檢驗(yàn)整個(gè)方程顯著性的F檢驗(yàn)的統(tǒng)計(jì)量為14.65，其對應(yīng)的P值為0.0003，所以可以拒絕原假設(shè)，表明此回歸方程高度顯著。但從單因素影響來看，部分系數(shù)未通過顯著性檢驗(yàn)，說明可能存在多重共線性問題，因此，本文將會(huì)對模型進(jìn)行檢驗(yàn)及修正。

5.4 模型檢驗(yàn)

5.4.1 多重共線性檢驗(yàn)

（1）檢驗(yàn)相關(guān)系數(shù)。如果在多元線性回歸模型中，各自變量之間存在較強(qiáng)的線性關(guān)系，則說明該線性回歸模型存在多重共線性，會(huì)產(chǎn)生嚴(yán)重后果。為了解決這一問題，必須剔除影響不太顯著的自變量或降低其共線的影響。通過分析自變量間的相關(guān)系數(shù)，發(fā)現(xiàn)自變量之間確實(shí)存在多重共線性，檢驗(yàn)結(jié)果如表4所示。

（2）修正多重共線性。當(dāng)模型存在多重共線性問題時(shí)，則需要修正模型，本文使用向后法來解決多重共線性問題。首先將全部7個(gè)X與Y進(jìn)行回歸，并且找出p值最大項(xiàng)時(shí)對應(yīng)的x4全社會(huì)固定資產(chǎn)投資總額，其p值=0.878>0.100，因而將其移出模型；接著將余下6個(gè)X與Y進(jìn)行回歸，并且找出p值最大項(xiàng)時(shí)對應(yīng)的x6進(jìn)出口總額，其p值=0.502>0.100，因而將其移出模型。類似迭代方式循環(huán)，本次模型迭代5次后結(jié)束，結(jié)果如表5所示。

所以確定最終的理想模型為：

5.4.2 異方差檢驗(yàn)

在對方程進(jìn)行多重共線性檢驗(yàn)后，還需要對模型進(jìn)行異方差檢驗(yàn)，如果模型存在異方差性，就會(huì)導(dǎo)致最小二乘估計(jì)產(chǎn)生的回歸系數(shù)不準(zhǔn)確，破壞模型的預(yù)測精度。本文將使用三類方法對模型的異方差性進(jìn)行檢驗(yàn)。

（1）圖示法：為了初步考察模型是否存在異方差性，首先繪制殘差圖與擬合值的散點(diǎn)圖，結(jié)果如圖1所示，可以看出本文的模型不存在異方差性。

（2）BP檢驗(yàn)：采用BP檢驗(yàn)判斷模型是否存在異方差。以5%的置信度進(jìn)行BP檢驗(yàn)，結(jié)果顯示，在給定α=0.05的狀況下，BP檢驗(yàn)的卡方統(tǒng)計(jì)量chi2（1）=3.49，對應(yīng)p值為0.0616＞0.05，故認(rèn)為模型不存在異方差。

（3）懷特檢驗(yàn)：采用懷特檢驗(yàn)判斷模型是否存在異方差。以5%的置信度進(jìn)行懷特檢驗(yàn)，結(jié)果顯示，在給定α=0.05的狀況下，BP檢驗(yàn)的卡方統(tǒng)計(jì)量chi2（16）=17.00，對應(yīng)p值為0.3856＞0.05，故認(rèn)為模型不存在異方差。

綜上所述，由圖示法、BP檢驗(yàn)法和懷特檢驗(yàn)法均可以得出模型不存在異方差的結(jié)論，由此可得模型不存在異方差性。

5.4.3 自相關(guān)檢驗(yàn)

在對方程進(jìn)行多重共線性檢驗(yàn)和異方差檢驗(yàn)后，還需要對模型進(jìn)行自相關(guān)檢驗(yàn)。自相關(guān)性是指隨機(jī)誤差項(xiàng)的各期望值之間存在著相關(guān)關(guān)系，如果模型存在自相關(guān)性，則最小二乘估計(jì)不再是有效估計(jì)；t檢驗(yàn)將失去意義。本文使用BG檢驗(yàn)法對模型的自相關(guān)性進(jìn)行檢驗(yàn)。

采用BG檢驗(yàn)判斷模型是否存在自相關(guān)。以5%的置信度進(jìn)行BG檢驗(yàn)，結(jié)果顯示，在給定α=0.05的狀況下，BP檢驗(yàn)的卡方統(tǒng)計(jì)量chi2=2.358，對應(yīng)p值為0.1247＞0.05，故在5%的顯著性水平下不可以拒絕原假設(shè)（原假設(shè)為不存在自相關(guān)性），認(rèn)為模型不存在自相關(guān)性。

5.5 預(yù)測分析

非標(biāo)準(zhǔn)化數(shù)據(jù)構(gòu)建的回歸方程能否成立還需要進(jìn)一步驗(yàn)證。將變量x1、x6、x7的原始數(shù)據(jù)直接代入回歸方程，同時(shí)預(yù)測2005—2021年內(nèi)蒙古的貨運(yùn)量，表6為內(nèi)蒙古物流需求預(yù)測值與實(shí)際值的對比結(jié)果。

通常情況下，還可以用誤差率來衡量回歸模型的準(zhǔn)確度，如式（5）所示。若誤差率小于50%，則表明回歸模型準(zhǔn)確度較高。通過分析2005—2021年的數(shù)據(jù)，發(fā)現(xiàn)誤差率均未超過20%，最小的僅為1.49%，實(shí)際情況與預(yù)測結(jié)果基本一致。

誤差率=×100%（5）

通過表6的分析結(jié)果可以看出，只要預(yù)先獲取待預(yù)測年份內(nèi)蒙古社會(huì)消費(fèi)品零售總額、第三產(chǎn)業(yè)產(chǎn)值就能預(yù)測該年度內(nèi)蒙古的物流需求。因此本文選用社會(huì)第一產(chǎn)業(yè)、全體居民生活消費(fèi)支出和年末總?cè)丝趤砗饬績?nèi)蒙古貨運(yùn)量具有可靠性。

6 結(jié)語

本文以2005—2021年內(nèi)蒙古物流需求為研究對象，構(gòu)建了物流需求回歸模型，模型顯示x5、x7即全體居民人均生活消費(fèi)支出和年末總?cè)丝趯?nèi)蒙古貨運(yùn)量產(chǎn)生顯著的正向影響。其中，年末總?cè)丝趯ω涍\(yùn)量的正向影響最大，年末總?cè)丝诿吭黾?萬人，內(nèi)蒙古貨運(yùn)量將增加468.253萬噸；全體居民人均生活消費(fèi)支出每增加1元，內(nèi)蒙古貨運(yùn)量將增加17.032萬噸。通過構(gòu)建多元線性回歸模型可以對內(nèi)蒙古物流需求量進(jìn)行科學(xué)的預(yù)測，為內(nèi)蒙古物流業(yè)規(guī)劃和決策提供依據(jù)和支撐。

經(jīng)過實(shí)證分析，人口規(guī)模與消費(fèi)水平是影響內(nèi)蒙古物流需求最重要的兩個(gè)因素。因此，為促進(jìn)內(nèi)蒙古物流業(yè)的可持續(xù)發(fā)展，首先應(yīng)該重點(diǎn)關(guān)注提升生育水平的政策措施，通過激勵(lì)生育、提供育兒支持等方式，逐步增加勞動(dòng)力資源。其次通過制定人才引進(jìn)政策、提供更多就業(yè)機(jī)會(huì)吸引外來人才，增加人口規(guī)模。最后，通過提供良好的教育、醫(yī)療、文化等社會(huì)服務(wù)，留住本地人才。通過這些舉措，預(yù)計(jì)可以有效增加人口規(guī)模，為物流業(yè)的人力資源提供充足的支持，最終有助于提升內(nèi)蒙古物流業(yè)的整體發(fā)展水平。

此外，密切關(guān)注居民收入水平的提升，通過實(shí)施就業(yè)政策、提升工資水平等手段提高居民收入。隨著居民收入的增加，消費(fèi)潛力將得以釋放，促進(jìn)商業(yè)環(huán)境的繁榮，為零售業(yè)提供強(qiáng)勁的發(fā)展動(dòng)力，最終有效帶動(dòng)內(nèi)蒙古物流業(yè)的健康發(fā)展。

參考文獻(xiàn)

鐘昌寶，程紹彬，蔣媛.我國物流業(yè)高質(zhì)量發(fā)展空間特征及影響因素研究[J].中國物價(jià)，2023（10）：42-45.

張宇超.基于GM（1，1）模型的內(nèi)蒙古自治區(qū)區(qū)域物流需求預(yù)測[J].內(nèi)蒙古統(tǒng)計(jì)，2023（3）：32-35.

韓忠全.基于灰色預(yù)測的內(nèi)蒙古物流需求分析[J].企業(yè)導(dǎo)報(bào)，2012（21）：126-127+159.

徐宇，張敏，熊巍.長沙物流需求影響因素的灰色關(guān)聯(lián)分析[J].商場現(xiàn)代化，2007（24）：125.

歐陽小迅，戴育琴.社會(huì)物流需求的非線性模型分析[J].商業(yè)時(shí)代，2009（20）：23-24+26.

李磊，單丹.江蘇省物流需求影響因素分析及預(yù)測[J].科技與經(jīng)濟(jì)，2013，26（6）：96-100.

王燕茹，戴姍姍.基于面板數(shù)據(jù)的無錫物流需求影響因素研究[J].江南大學(xué)學(xué)報(bào)（人文社會(huì)科學(xué)版），2014，13（5）：78-85.

邱立國，趙薇.基于嵌入熵權(quán)灰色關(guān)聯(lián)模型的物流需求動(dòng)力考察[J].統(tǒng)計(jì)與決策，2015（6）：117-119.

高文相，呂宏.基于經(jīng)濟(jì)產(chǎn)業(yè)結(jié)構(gòu)的大理州物流需求研究[J].鐵道運(yùn)輸與經(jīng)濟(jì)，2015，37（7）：11-15.

張衡，金燕生，郭航.互聯(lián)網(wǎng)環(huán)境下的區(qū)域物流需求分析研究[J].商業(yè)經(jīng)濟(jì)研究，2018（1）：101-104.

王迪.基于多元線性回歸模型的物流需求影響因素實(shí)證分析： 以上海市為例[J].投資與創(chuàng)業(yè)，2022，33（14）：58-60.

李思聰，葉靜.基于灰色回歸模型的農(nóng)產(chǎn)品冷鏈物流需求分析及預(yù)測[J].公路交通科技，2022，39（5）：166-174.