文/梅敏

1.引言

根據(jù)國家統(tǒng)計(jì)局顯示，2021年四川省地區(qū)的生產(chǎn)總值（GDP）53850.8億元，比上年增長11.0%。其中，第一產(chǎn)業(yè)增加值5661.9億元，增長1.8%；第二產(chǎn)業(yè)增加值19901.4億元，增長13.7%；第三產(chǎn)業(yè)增加值28287.6億元，增長11.2%。三次產(chǎn)業(yè)對經(jīng)濟(jì)增長的貢獻(xiàn)率分別為10.5%、40.0%和52.5%。同時根據(jù)《2021年四川物流業(yè)運(yùn)行情況通報》發(fā)布的消息顯示，2021年四川省社會物流總額達(dá)到101075.7億元，按可比價格計(jì)算增長12.0%。占第三產(chǎn)業(yè)增加值的35.7%，所以物流業(yè)對經(jīng)濟(jì)增長的貢獻(xiàn)率是非常大的。作為中國西部經(jīng)濟(jì)發(fā)展高地、綜合交通樞紐、物流中心和國內(nèi)外商品的集散中心的四川省，近年來，物流業(yè)的規(guī)模越來越大，發(fā)展也越來越迅速。所以對四川省的物流需求進(jìn)行預(yù)測研究對物流相關(guān)部門和企業(yè)來說是非常有意義的。

2.理論分析

物流需求預(yù)測是根據(jù)市場過去和現(xiàn)在的需求以及物流市場需求變化之間的關(guān)系，利用合適的經(jīng)驗(yàn)判斷、技術(shù)方法和預(yù)測模型，對反映市場發(fā)展趨勢的指標(biāo)進(jìn)行預(yù)測，從而采取適當(dāng)?shù)牟呗匀ブ\求最大的利益。多元回歸分析預(yù)測是指通過對兩個或兩個以上的自變量與一個因變量之間的相關(guān)性，建立預(yù)測模型進(jìn)行預(yù)測的方法。文中擬用Eview s7.0軟件對物流需求建模，并采用普通最小二乘法進(jìn)行模型的估計(jì)。設(shè)y為因變量，自變量為x1-x9，自變量與因變量之間為線性關(guān)系，則多元線性回歸模型：y=c+β1x1+β2x2+β3x3+β4x4+β5x5+β6x6+β7x7+β8x8+β9x9+ε。

3.基于多元線性回歸的四川省物流需求預(yù)測實(shí)證分析

3.1 樣本和數(shù)據(jù)來源。影響物流需求的因素有很多，本文借鑒前人的研究成果的基礎(chǔ)上考慮數(shù)據(jù)可獲性因素，最終選取了GDP（億元）、第一產(chǎn)業(yè)GDP（億元）、第二產(chǎn)業(yè)GDP（億元）、第三產(chǎn)業(yè)GDP（億元）、社會消費(fèi)品零售總額（億元）、居民人均消費(fèi)支出（元）、進(jìn)出口貿(mào)易總額（億元）以及公路、水路貨運(yùn)量（萬噸）等9個指標(biāo)作為影響物流需求的指標(biāo)來分析。此外這些數(shù)據(jù)均來源于《國家統(tǒng)計(jì)局》1991-2020的數(shù)據(jù)。對于第一產(chǎn)業(yè)GDP（億元）、第二產(chǎn)業(yè)GDP（億元）、第三產(chǎn)業(yè)GDP（億元）、社會消費(fèi)品零售總額（億元）以及公路、水路貨運(yùn)量（萬噸）這些指標(biāo)的數(shù)據(jù)是直接選取的《國家統(tǒng)計(jì)局》中對應(yīng)的年度數(shù)據(jù)。對于進(jìn)出口貿(mào)易總額（億元）由于年鑒上沒有現(xiàn)成的數(shù)據(jù)，是用境內(nèi)目的地和貨源地的進(jìn)出口總額（千美元）乘以相應(yīng)年份的美元平均匯率后再換算成億元單位而得。由于所選取的數(shù)據(jù)均是正向的，所以在進(jìn)行分析之前，沒有必要將數(shù)據(jù)正向化。首先是對9個自變量指標(biāo)（x1-x9）和因變量y進(jìn)行了相關(guān)性分析，所以以下相關(guān)系數(shù)表是基于附錄中的原始數(shù)據(jù)通過EXCEL軟件進(jìn)行分析得來的。

3.2 相關(guān)性分析。因?yàn)橄嚓P(guān)系數(shù)能夠準(zhǔn)確地反映變量間線性關(guān)系的強(qiáng)弱程度，所以通常都用相關(guān)系數(shù)來表示變量間的線性關(guān)系：

其中，n 為樣本容量，Xi和Yi為兩變量對應(yīng)的樣本值。Rxy∈[-1，1]，如果Rxy>0，則表示兩變量之間存在正相關(guān)；反之，則存在負(fù)相關(guān)。把1個指標(biāo)的數(shù)據(jù)代入公式（1）中可以得到相關(guān)系數(shù)矩陣。

上述自變量是依據(jù)經(jīng)濟(jì)學(xué)和物流學(xué)的專業(yè)知識，再結(jié)合前人的研究成果篩選出來的，從表中可以看出自變量與因變量之間存在高度的正相關(guān)性，且各自變量之間也是有著較強(qiáng)的正相關(guān)性的，絕大部分大于0.8，這個結(jié)果雖然表明因變量與自變量之間是可以建立多元線性回歸模型的，但是會造成一個比較嚴(yán)重的問題，就是模型會存在嚴(yán)重的多重共線性。

3.3 模型的建立

3.3.1 多元線性回歸模型。多元線性回歸模型的一般形式為：y=c+β1x1+β2x2+β3x3+…+βpxp+ε（1）；其中，β1，β2，β3，βp是p個有待回歸確定的系數(shù)，y是被解釋變量，也稱為因變量，c是常數(shù)項(xiàng)，x1，x2，…，xp是p個可以測量或可控制的一般變量，稱為解釋變量，也叫自變量，ε 是隨機(jī)誤差。

3.3.2 多元線性回歸模型建模。為篩選出更加合理的自變量，將附錄1的原始數(shù)據(jù)導(dǎo)入Eview s7.0軟件，首先通過建立因變量與每一個自標(biāo)量的一元回歸模型來查看他們的參數(shù)估計(jì)值，t統(tǒng)計(jì)量以及R^2值以及調(diào)整R^2值?？梢园l(fā)現(xiàn)一元回歸模型的參數(shù)估計(jì)值均為正向的，t統(tǒng)計(jì)量的結(jié)果也是非常好的，R^2值大部分都在0.8以上，但是擬合優(yōu)度表現(xiàn)最好的是X4（第三產(chǎn)業(yè)增加值）。這也在以上結(jié)果的基礎(chǔ)上，建立因變量y與自變量x1-x9之間的多元線性回歸模型。分析得出，調(diào)整后的R2=0.999908，是顯著大于0.9的，說明所建立的回歸方程整體對y的擬合優(yōu)度是很高的，另外F=32741.3所對應(yīng)的P值是小于0.05的，因此，是有理拒絕零假設(shè)認(rèn)為由x1-x9組成的方程整體對y的解釋能力非常強(qiáng)，并且判斷出錯的概率極其低的。但是再來觀察t值就會發(fā)現(xiàn)x6（公路貨運(yùn)量）和x7（水路貨運(yùn)量）以x9（進(jìn)出口貿(mào)易總額）對應(yīng)的t統(tǒng)計(jì)量所對應(yīng)的P值小于0.05以外，其他均大于0.05是通不過檢驗(yàn)的。并且從結(jié)果中可以看出x2-x5的系數(shù)都為負(fù)數(shù)，而實(shí)際情況中GDP的增長定會帶動貨運(yùn)量的增加，所以軟件分析出的結(jié)果跟定性分析的結(jié)果是明顯不符的。所以需要對模型進(jìn)行更深入的分析，本文采用的是利用Eview s7.0軟件對模型進(jìn)行逐步回歸。新的回歸模型是剔除了自變量x1的，由剩下的x2，x3，x5-x9與y組成的多元線性回歸模型組成。并且可以看到新模型的調(diào)整后的R^2=0.999916，是顯著大于0.9的，說明所建立的回歸方程整體對y的擬合優(yōu)度是很高的，另外F=45798.68所對應(yīng)的P值是小于0.05的，因此，是有理拒絕零假設(shè)認(rèn)為由組成的方程整體對y的解釋能力非常強(qiáng)，并且判斷出錯的概率極其低的。但是還可以發(fā)現(xiàn)x3和x5對應(yīng)的t統(tǒng)計(jì)量的P值大于0.05，因此x3和x5通不過檢驗(yàn)，其中x9對應(yīng)的P值接近0.05，本文給予的處理方法是直接剔除自變量x3，x5和x9三個自變量。而由x2，x6，x7，x8建立多元回歸模型，最后得出了如圖1的結(jié)果。由x2，x6，x7.x8建立的回歸模型調(diào)整后的R^2=0.999861，是顯著大于0.9的，說明所建立的回歸方程整體對y的擬合優(yōu)度是很高的，另外F=50175.54所對應(yīng)的P值是小于0.05的，因此，是有理由拒絕零假設(shè)認(rèn)為由組成的方程整體對y的解釋能力非常強(qiáng)，并且判斷出錯的概率極其低的。最后自變量對應(yīng)的t統(tǒng)計(jì)值的P值均小于0.05，因此這四個變量是通過檢驗(yàn)了的。所形成的多元線性回歸計(jì)算公式如下：y^=4749.651+1.688149x2+1.020190x6+1.034629x7-0.48892x8（2）

3.4 模型檢驗(yàn)。在模型應(yīng)用之前還需要對模型進(jìn)行自相關(guān)檢驗(yàn)，本篇文章應(yīng)用的是LM 檢驗(yàn)，先后進(jìn)行了滯后三階，滯后二階，滯后一階的檢驗(yàn)，得到的AIC，SC，HQ以及對用的P值，按照AIC，SC，HQ信息準(zhǔn)則的大小以及P值要小于0.05的標(biāo)準(zhǔn)，最后判斷滯后一階是較為合理的，因此可以判斷擾動先是存在一階正自相關(guān)的。不僅僅通過LM 檢驗(yàn)可以檢驗(yàn)到正相關(guān)，從回歸結(jié)果如圖3中的DW=0.873966不在（0，4）之間，也是可以判斷模型存在正自相關(guān)性，但是無法判斷存在幾階正相關(guān)性。通過LM 檢驗(yàn)結(jié)果了解到模型存在一階滯后項(xiàng)后需要對模型進(jìn)行序列相關(guān)的修正。通過分析修正后的結(jié)果得知由x2，x6，x7.x8建立的回歸模型調(diào)整后的R^2=0.999903，是顯著大于0.9的，說明所建立的回歸方程整體對y的擬合優(yōu)度是很高的，另外F=57622.5所對應(yīng)的P值是小于0.05的，因此，是有理由拒絕零假設(shè)認(rèn)為由組成的方程整體對y的解釋能力非常強(qiáng)，并且判斷出錯的概率極其低的。最后自變量對應(yīng)的t統(tǒng)計(jì)值的P值均小于0.05，因此這四個變量是通過檢驗(yàn)了的。最重要的是最后的DW=1.771739是處于0-4之間的，模型是不存在自相關(guān)性。最終的多元線性回歸計(jì)算公式如下：y^=4534.657+1.736915x2+1.018128x6+1.117028x7-0.500455x8（3）

3.5 模型的預(yù)測結(jié)果。根據(jù)計(jì)算公式得到的1991-2020年的貨運(yùn)量的實(shí)際值，擬合值和殘差項(xiàng)的分析結(jié)果：擬合度是較好的，因此模型是可以用來對四川省的物流需求進(jìn)行預(yù)測。并且預(yù)測效果良好。四川省的貨運(yùn)量從1991-2020年間呈現(xiàn)震蕩增加的趨勢，從預(yù)測誤差表可以看出，用于預(yù)測的模型在預(yù)測準(zhǔn)確性上是很好的。綜上所述，模型能夠很好地預(yù)測四川省的貨運(yùn)量，第一產(chǎn)業(yè)增加值和公路貨運(yùn)量以及水路貨運(yùn)量、社會消費(fèi)品零售總額這四個指標(biāo)在很大程度上是預(yù)測四川省物流需求的重要指標(biāo)。

4.結(jié)論及建議

基于1991-2020年四川省貨運(yùn)量及相關(guān)數(shù)據(jù)建立的多元線性回歸模型，四川省GDP、第三產(chǎn)業(yè)增加值，居民人均消費(fèi)支出與貨運(yùn)量都表現(xiàn)出了高度的相關(guān)性。并且根據(jù)定性分析，四川省的農(nóng)林牧副漁總產(chǎn)值、第三產(chǎn)業(yè)的發(fā)展以及居民消費(fèi)水平，還有進(jìn)出口總額等都是與貨運(yùn)量高度相關(guān)的，但是因?yàn)榇嬖诙嘀毓簿€性，最后只能剔除這些變量。隨著電商的蓬勃發(fā)展以及疫情防控政策方面的促進(jìn)，物流業(yè)的發(fā)展進(jìn)入了高速發(fā)展期，不管從政策上還是從市場需求上都有非常大的利好。物流需求的長足發(fā)展是離不開經(jīng)濟(jì)的持續(xù)增長，物流供給與物流需求的匹配，將直接影響到整個經(jīng)濟(jì)的增長速度，所以物流需求的預(yù)測對區(qū)域物流中心的設(shè)置與分布、物流設(shè)施的配備是很重要的，但是通過模型得到的預(yù)測結(jié)果不是一個絕對值，它與未來實(shí)際發(fā)生的物流需求量之間還是存有一定差距，但是不影響對發(fā)展趨勢的判斷。后期的研究中為保證預(yù)測模型盡量接近物流需求量發(fā)展的變化規(guī)律，有以下三點(diǎn)建議：第一，在進(jìn)行物流需求量預(yù)測方面需要統(tǒng)計(jì)部門、研究機(jī)構(gòu)和物流企業(yè)對物流需求進(jìn)行全面調(diào)查、統(tǒng)計(jì)，以獲得第一手?jǐn)?shù)據(jù)資料，以便于更加準(zhǔn)確地反映我國物流業(yè)的發(fā)展趨勢；第二，重視定性預(yù)測方法對預(yù)測模型進(jìn)行修正；第三，以年為單位的數(shù)據(jù)由于時間過于長遠(yuǎn)，可變因素太多，預(yù)測的精準(zhǔn)度不佳，后期如能獲得較為全面的數(shù)據(jù)應(yīng)該以月度數(shù)據(jù)或者季度數(shù)據(jù)來預(yù)測獲得的結(jié)果將較為精確。