繆輝 羅露璐

摘 要：物流需求在物流業(yè)中起著至關(guān)重要的作用。根據(jù)貴州省近年的物流發(fā)展情況，文章選取2005 —2021年的貨運(yùn)量、三次產(chǎn)業(yè)增加值等統(tǒng)計(jì)數(shù)據(jù)，運(yùn)用R軟件建立多元線性回歸模型，并利用已有數(shù)據(jù)進(jìn)行檢驗(yàn)，該模型的預(yù)測精度較高。

關(guān)鍵詞：物流需求；多元線性回歸；預(yù)測分析

中圖分類號：F252；F224文獻(xiàn)標(biāo)志碼：ADOI：10.13714/j.cnki.1002-3100.2023.08.021

Abstract： Logistics demand plays a vital role in the logistics industry. According to the development of logistics in Guizhou Province in recent years， this paper selects the statistical data of freight volume and tertiary industrial added value from 2005 to 2021， uses R software to establish a multiple linear regression model， and uses the existing data to test. The model has a good prediction accuracy.

Key words： logistics demand; multiple linear regression; predictive analysis

0 ? ?引 ? ?言

經(jīng)濟(jì)的高效發(fā)展離不開現(xiàn)代物流業(yè)。貴州省地處我國西南地區(qū)，東靠湖南長株潭一體化、南鄰廣西北部灣經(jīng)濟(jì)開發(fā)區(qū)、西毗云南及中國-東盟自由貿(mào)易區(qū)、北接川渝經(jīng)濟(jì)區(qū)，得天獨(dú)厚的地理位置使貴州省物流業(yè)的發(fā)展十分迅猛。近些年，物流需求被許多學(xué)者廣泛研究。例如，梁艷明[1]利用回歸分析法建立了安徽省物流數(shù)據(jù)模型，并認(rèn)為該模型可以應(yīng)用于區(qū)域物流需求的預(yù)測。劉炯[2]對安徽省物流需求相關(guān)數(shù)據(jù)構(gòu)建了多元線性回歸模型并提出了相關(guān)建議。王迪[3]對上海市物流需求的影響因素進(jìn)行研究，結(jié)合上海市的物流發(fā)展現(xiàn)狀提出相關(guān)建議。綜上所述，本文運(yùn)用多元線性回歸模型對貴州省的物流需求進(jìn)行預(yù)測分析，同時根據(jù)分析結(jié)果提出針對性建議，促進(jìn)了貴州省現(xiàn)代物流業(yè)的高速發(fā)展。

1 ? ?多元線性回歸模型

一般來說，在實(shí)際應(yīng)用中，因變量會受到若干相關(guān)因素的影響，多元線性回歸表示它們之間的關(guān)系呈線性相關(guān)。一般形式表示為

其中β0為常數(shù)項(xiàng)，而β1，β2，...βn為回歸系數(shù)，ε為隨機(jī)干擾項(xiàng)。

2 ? ?指標(biāo)選取及數(shù)據(jù)收集

2.1 ? ?指標(biāo)選取

當(dāng)前，行業(yè)內(nèi)還沒有統(tǒng)一規(guī)范的統(tǒng)計(jì)指標(biāo)來度量物流需求。故本文參考大量有關(guān)物流需求方面的文獻(xiàn)，在考慮數(shù)據(jù)來源科學(xué)性、可靠性和全面性的前提下，將因變量Y選取為貨運(yùn)量這一指標(biāo)。影響物流需求的因素多種多樣，結(jié)合貴州省物流需求的研究現(xiàn)狀和實(shí)際情況，選取以下影響物流需求的指標(biāo)作為解釋變量，見表1。

2.2 ? ?相關(guān)指標(biāo)說明

2.2.1 ? ?經(jīng)濟(jì)發(fā)展水平

國內(nèi)生產(chǎn)總值常用來衡量一個國家或地區(qū)的經(jīng)濟(jì)狀況，它由第一、二、三產(chǎn)業(yè)增加值組成。物流基礎(chǔ)設(shè)施的固定投資部分也是影響物流發(fā)展的必要因素之一，同時物流需求對零售業(yè)的發(fā)展具有重要的支持作用。

2.2.2 ? ?對外經(jīng)濟(jì)貿(mào)易

一個國家或地區(qū)的外貿(mào)規(guī)模和發(fā)展水平可以用進(jìn)出口總額衡量，而進(jìn)口或出口貿(mào)易都需要借助物流來實(shí)現(xiàn)。因此物流會影響國家或地區(qū)的對外經(jīng)濟(jì)貿(mào)易水平。

2.2.3 ? ?人民生活水平

居民的人均可支配收入隨著經(jīng)濟(jì)水平的提高不斷增加，這樣居民的購買力也增強(qiáng)了；為了適應(yīng)多樣化和個性化的居民購買需求，相應(yīng)的物流需求也日漸提高。

2.2.4 ? ?人口發(fā)展水平

人口發(fā)展水平反映了地區(qū)的人口規(guī)模，人口聚集地區(qū)相對經(jīng)濟(jì)較為繁榮，而且物流行業(yè)在這些地區(qū)發(fā)展得也極好。故選用年末常住人口這一指標(biāo)來衡量物流需求。

2.3 ? ?數(shù)據(jù)收集

本文收集了貴州省2005—2021年與物流相關(guān)的數(shù)據(jù)，數(shù)據(jù)來源于中國統(tǒng)計(jì)局官網(wǎng)、貴州省統(tǒng)計(jì)年鑒和統(tǒng)計(jì)公報。統(tǒng)計(jì)指標(biāo)為貨運(yùn)量（萬噸）、三次產(chǎn)業(yè)增加值（億元）等。

3 ? ?實(shí)證分析

3.1 ? ?模型構(gòu)建

本文選取了貴州省2005—2021年的物流相關(guān)統(tǒng)計(jì)指標(biāo)，因變量為貨運(yùn)量，記為Y，其余指標(biāo)為自變量，分別是全社會固定資產(chǎn)投資額（X1）、第一產(chǎn)業(yè)增加值（X2）、第二產(chǎn)業(yè)增加值（X3）、第三產(chǎn)業(yè)增加值（X4）、社會消費(fèi)品零售總額（X5）、進(jìn)出口額（X6）、居民人均可支配收入（X7）、年末常住人口（X8），建立多元線性回歸模型如下：

為了分析出哪些因素影響貴州省物流量，在建立多元線性回歸模型時，需要首先檢查各變量之間的相關(guān)性。通常，相關(guān)系數(shù)的絕對值大于0.8時，兩變量之間的線性關(guān)系很強(qiáng)。計(jì)算結(jié)果顯示，選取的變量之間有嚴(yán)重的多重共線性（見表2）。接下來，需要進(jìn)一步對回歸模型進(jìn)行研究，需要做假設(shè)檢驗(yàn)，否則回歸模型會不穩(wěn)定，會影響模型分析預(yù)測的精確度。

3.2 ? ?假設(shè)檢驗(yàn)

3.2.1 ? ?正態(tài)性檢驗(yàn)

正態(tài)分布檢驗(yàn)可以檢驗(yàn)總體數(shù)據(jù)是否呈正態(tài)分布，由圖1可見，點(diǎn)均在直線附近且在置信區(qū)間內(nèi)，通過正態(tài)性檢驗(yàn)可知本文所采用的指標(biāo)數(shù)據(jù)均符合正態(tài)分布。

3.2.2 ? ?自相關(guān)檢驗(yàn)

為了判斷線性回歸模型是否滿足要求，還需要做殘差的獨(dú)立性檢驗(yàn)（自相關(guān)檢驗(yàn)），對建立的模型進(jìn)行DW自相關(guān)檢驗(yàn)。結(jié)果可得，DW=2.124 881、P=0.072>0.05，說明因變量之間無自相關(guān)關(guān)系，殘差是相互獨(dú)立的。

3.2.3 ? ?線性關(guān)系檢驗(yàn)

由圖2可知本文所選的數(shù)據(jù)適合使用線性模型。

3.2.4 ? ?同方差性檢驗(yàn)

同方差性就是要求回歸殘差是隨機(jī)的，否則可能存在回歸設(shè)置或者變量選取等問題，需要修正。由圖3可得，超過95%的樣本點(diǎn)無趨勢地落在[-2，2]之間，并通過同方差性檢驗(yàn)。

3.2.5 ? ?多重共線性檢驗(yàn)

多重共線性通常在線性回歸分析時出現(xiàn)，易使回歸系數(shù)符號與實(shí)際情況完全相反，導(dǎo)致分析結(jié)果不穩(wěn)定，所以需要消除多重共線性的影響。本文將采取全子集回歸選擇最終預(yù)測變量。

由圖4可知，模型含有截距項(xiàng)X3、X4、X6和X7時，調(diào)整R2為0.97，模型擬合最優(yōu)。但是由于X6未通過t檢驗(yàn)，因此將其刪除。對兩個模型的擬合優(yōu)度進(jìn)行比較，由于檢驗(yàn)不顯著（P=0.101 7>0.05），變量X6可刪除。因此模型含有X3、X4、X7這三個變量即可?；诖?，本文確定最優(yōu)的貴州省物流需求模型為

3.3 ? ?預(yù)測分析

非標(biāo)準(zhǔn)化數(shù)據(jù)構(gòu)建的非標(biāo)準(zhǔn)化回歸方程（3）是否有效，還需要進(jìn)一步驗(yàn)證，將表2中變量X3、X4、X7的原始數(shù)據(jù)直接代入回歸方程（3），同時預(yù)測2005—2021年貴州省的物流量，表3為貴州省物流需求預(yù)測值與實(shí)際值的對比結(jié)果。

一般普遍認(rèn)為回歸模型的預(yù)測精度可以通過誤差率判斷，誤差率是預(yù)測值與實(shí)際值之差和實(shí)際值的比值，誤差率在10%以下，說明預(yù)測精度較高。從近17年的數(shù)據(jù)看，實(shí)際值與預(yù)測值相差不多，除了2005年、2008年和2010年，誤差率均在10%以下，最小的是2016年的0.88%。通過表3的分析結(jié)果可以看出，本文所選用的指標(biāo)數(shù)據(jù)用來預(yù)測貴州省物流量是合適的，并且有較高的預(yù)測精度，為了使結(jié)果更加直觀，本文給出預(yù)測圖（圖5），從圖5可看出貴州省物流量穩(wěn)步增加，2010年后增速加大。因此，只要預(yù)先獲取要預(yù)測年份貴州省第二產(chǎn)業(yè)、第三產(chǎn)業(yè)的增加值及居民人均可支配收入，就能預(yù)測該年度貴州省的物流需求。

4 ? ?結(jié)論與建議

本文運(yùn)用多元線性回歸模型對貴州省2005—2021年的物流量及其相關(guān)數(shù)據(jù)進(jìn)行預(yù)測分析，模型通過了有效的檢驗(yàn)和預(yù)測，相對誤差極小、準(zhǔn)確度較高，模型合理可用。其中，貴州省第二產(chǎn)業(yè)增加值對物流量的正向影響最大，而第三產(chǎn)業(yè)增加值和居民人均可支配收入對物流量有輕微的負(fù)向影響。貴州省應(yīng)當(dāng)積極建設(shè)新型物流基礎(chǔ)設(shè)施并構(gòu)建集約、高效的現(xiàn)代物流服務(wù)體系，同時加強(qiáng)物流業(yè)與其他產(chǎn)業(yè)的融合，實(shí)現(xiàn)城市居民消費(fèi)體系和物流需求的互惠雙贏。

參考文獻(xiàn)：

[1] 梁艷明．基于回歸分析方法的物流需求預(yù)測——以安徽省為例[J]．廣西民族師范學(xué)院學(xué)報，2015，32（4）：65-69.

[2] 劉炯．基于多元線性回歸的物流需求預(yù)測分析——以安徽省為例[J]．四川文理學(xué)院學(xué)報，2022，32（2）：51-58.

[3] 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.