彭小劍 余敏燕

【摘 要】快遞行業(yè)業(yè)務(wù)總量是評(píng)價(jià)快遞業(yè)務(wù)的一個(gè)重要指標(biāo)，快遞行業(yè)業(yè)務(wù)收入預(yù)測(cè)正確與否對(duì)快遞行業(yè)的發(fā)展有一定的影響。針對(duì)這一問(wèn)題，以中國(guó)郵政行業(yè)為例，通過(guò)選取2011-2017年相關(guān)業(yè)務(wù)業(yè)務(wù)量和業(yè)務(wù)收入的歷年數(shù)據(jù)，運(yùn)用回歸分析法并借助SPSS軟件進(jìn)行分析與預(yù)測(cè)，結(jié)果顯示該方法是有效的，且對(duì)對(duì)快遞行業(yè)業(yè)務(wù)收入預(yù)測(cè)的應(yīng)用研究具有一定的現(xiàn)實(shí)意義和借鑒意義。

【關(guān)鍵詞】快遞行業(yè)，業(yè)務(wù)量，SPSS，回歸分析，業(yè)務(wù)收入

中圖分類(lèi)號(hào)：F259.2 文獻(xiàn)標(biāo)志碼：A

一、引言

近年來(lái)，中國(guó)物流行業(yè)發(fā)展快速。物流業(yè)作為支撐國(guó)民經(jīng)濟(jì)發(fā)展的基礎(chǔ)性、戰(zhàn)略性產(chǎn)業(yè)，面臨諸多發(fā)展機(jī)遇。隨著現(xiàn)如今，網(wǎng)購(gòu)已逐漸成為一種自然的消費(fèi)習(xí)慣，隨著網(wǎng)購(gòu)的井噴式發(fā)展，人們對(duì)快遞的需求只會(huì)越來(lái)越大。伴隨著我國(guó)經(jīng)濟(jì)技術(shù)的大力發(fā)展，社會(huì)對(duì)快遞需求也進(jìn)一步加強(qiáng)，快遞業(yè)務(wù)也隨之急速增長(zhǎng)。隨著顧客對(duì)快遞服務(wù)要求越來(lái)越高，快遞行業(yè)也面臨著很大的挑戰(zhàn)?？爝f行業(yè)業(yè)務(wù)收入是評(píng)價(jià)快遞業(yè)務(wù)的一個(gè)重要指標(biāo)，對(duì)其進(jìn)行科學(xué)合理的預(yù)測(cè)是提高快遞行業(yè)質(zhì)量和效益的前提條件和依據(jù)。鑒于此，對(duì)快遞行業(yè)業(yè)務(wù)收入預(yù)測(cè)的應(yīng)用研究具有一定的現(xiàn)實(shí)意義和借鑒意義。

二、快遞行業(yè)業(yè)務(wù)收入預(yù)測(cè)方法概述

快遞行業(yè)業(yè)務(wù)收入預(yù)測(cè)的正確與否對(duì)快遞行業(yè)的發(fā)展具有一定的影響。目前有很學(xué)者針對(duì)這一問(wèn)題已經(jīng)提出了很多預(yù)測(cè)理論和方法。王蓮花基于GM（1，1）模型的中國(guó)快遞行業(yè)收入預(yù)測(cè)分析，結(jié)果表明GM（1，1）模型能夠很好地模擬中國(guó)快遞行業(yè)收入數(shù)據(jù)[1]。王蓮花依據(jù)2008年以來(lái)快遞行業(yè)按季度業(yè)務(wù)收入數(shù)據(jù)，建立了GM（1，1）季度預(yù)測(cè)模型，并檢驗(yàn)其精度[2]。李正嬌，劉云依據(jù)云南省快遞行業(yè)季度業(yè)務(wù)收入運(yùn)用灰色GM（1，1）模型建立了預(yù)測(cè)模型[3]。方文昊采用企業(yè)自由現(xiàn)金流量貼現(xiàn)模型和相對(duì)估值法對(duì)圓通速遞公司進(jìn)行投資，提出了投資建議[4]。

本文通過(guò)對(duì)我國(guó)郵政有關(guān)歷史數(shù)據(jù)的分析和計(jì)算，驗(yàn)證了郵政業(yè)務(wù)收入回歸分析預(yù)測(cè)方法的有效性和實(shí)用性。

三、快遞行業(yè)業(yè)務(wù)收入預(yù)測(cè)的實(shí)證研究——以中國(guó)郵政行業(yè)為例

回歸分析（regression analysis）是確定兩種或兩種以上變量間相互依賴(lài)的定量關(guān)系的一種統(tǒng)計(jì)分析方法?；貧w分析是通過(guò)規(guī)定因變量和自變量來(lái)確定變量之間的因果關(guān)系，建立回歸模型，并根據(jù)實(shí)測(cè)數(shù)據(jù)來(lái)求解模型的各個(gè)參數(shù)，然后評(píng)價(jià)回歸模型是否能夠很好的擬合實(shí)測(cè)數(shù)據(jù)；如果能夠很好的擬合，則可以根據(jù)自變量作進(jìn)一步預(yù)測(cè)。

此次通過(guò)江西快遞行業(yè)協(xié)會(huì)官網(wǎng)選取中國(guó)郵政行業(yè)2011-2017年7年的郵政行業(yè)業(yè)務(wù)量和業(yè)務(wù)收入數(shù)據(jù)作為分析和研究依據(jù)，具體數(shù)據(jù)見(jiàn)表1；通過(guò)選取郵政寄遞服務(wù)（函件、包裹、訂銷(xiāo)報(bào)紙累計(jì)數(shù)、訂銷(xiāo)雜志累計(jì)數(shù)和匯兌）、快遞以及郵政行業(yè)業(yè)務(wù)收入這三大類(lèi)7小類(lèi)分析研究，并借助SPSS軟件進(jìn)行分析與預(yù)測(cè)。

將2018年上半年的數(shù)據(jù)：x2=146000，x3=25170.7；x4=2208000，x5=866000，x6=41000，x7=1363.9帶入回歸方程中得y=2870.4386億元。

四、結(jié)論

由預(yù)測(cè)得到的結(jié)果2870.4386億元，與2018年上半年中國(guó)郵政行業(yè)業(yè)務(wù)收入累計(jì)完成2940.5億元相比較，相差2.38%。從預(yù)測(cè)誤差來(lái)看誤差相對(duì)來(lái)說(shuō)較小，預(yù)測(cè)的效果和精度在合理范圍之內(nèi)，結(jié)果表明該方法是有效的。預(yù)測(cè)結(jié)果可以為郵政管理局、郵政公司等政府部門(mén)和企事業(yè)單位提供一定的參考和借鑒。由于預(yù)測(cè)模型在進(jìn)行分析與預(yù)測(cè)過(guò)程中沒(méi)有充分考慮市場(chǎng)環(huán)境，因此在面臨環(huán)境變動(dòng)時(shí)，此預(yù)測(cè)結(jié)果可能會(huì)與我國(guó)郵政行業(yè)長(zhǎng)期發(fā)展的實(shí)際情況存在一定的誤差。

【參考文獻(xiàn)】

[1]王蓮花.基于GM（1，1）模型的中國(guó)快遞行業(yè)收入預(yù)測(cè)分析[J].物流技術(shù)，2012，31（03）：84-86.

[2]王蓮花.我國(guó)快遞行業(yè)季度業(yè)務(wù)收入預(yù)測(cè)模型及分析[J].物流技術(shù)，2014，33（11）：144-146.

[3]李正嬌，劉云.云南省快遞行業(yè)季度業(yè)務(wù)收入預(yù)測(cè)模型及分析[J].中國(guó)商論，2017（01）：144-146.

[4]方文昊.我國(guó)快遞行業(yè)的企業(yè)投資價(jià)值分析[D].華東理工大學(xué)，2018.