江平 路歡歡

摘要：以2001～2018年物流行業(yè)GDP、運(yùn)輸線路長(zhǎng)度、貨運(yùn)量、平均就業(yè)人數(shù)、標(biāo)準(zhǔn)化水平等統(tǒng)計(jì)數(shù)據(jù)作為基礎(chǔ)樣本數(shù)據(jù)，建立物流領(lǐng)域標(biāo)準(zhǔn)實(shí)施效益分析多元線性回歸模型。通過(guò)Eviews統(tǒng)計(jì)分析軟件，對(duì)回歸方程進(jìn)行估計(jì)并檢驗(yàn)，分析標(biāo)準(zhǔn)實(shí)施對(duì)物流行業(yè)經(jīng)濟(jì)發(fā)展的邊際影響。結(jié)果表明，標(biāo)準(zhǔn)實(shí)施對(duì)物流行業(yè)經(jīng)濟(jì)發(fā)展具有顯著的正相關(guān)關(guān)系，標(biāo)準(zhǔn)化水平每提高1個(gè)單位，GDP將增長(zhǎng)0.03%。

關(guān)鍵詞：多元線性回歸模型 物流 標(biāo)準(zhǔn)實(shí)施效益評(píng)價(jià)

Abstract： Based on the statistical data of GDP， length of transportation routes， freight volume， average number of employed person and standardization level of logistics industry from 2001 to 2018 as the basic sample data， this paper establishes a multiple linear regression model for the benefit analysis of logistics standards implementation. In Eviews software， we tried to estimate and test the regression equation of the model. Then we evaluated the marginal impact of standard implementation on the economic development of logistics industry. The results show that： the implementation of standards has a significant positive correlation with the economic development of logistics industry， and the GDP will increase by 0.03% for one unit increase of standardization level.

Key words： multiple linear regression model， logistics， evaluation of standards implementation benefit

1 引言

標(biāo)準(zhǔn)的實(shí)施可有效提高行業(yè)的標(biāo)準(zhǔn)化水平，為行業(yè)發(fā)展帶來(lái)切實(shí)的經(jīng)濟(jì)效益[1-2]。我國(guó)從實(shí)施標(biāo)準(zhǔn)化改革以來(lái)非常重視標(biāo)準(zhǔn)的實(shí)施評(píng)價(jià)，開展對(duì)標(biāo)準(zhǔn)的評(píng)價(jià)研究將成為未來(lái)標(biāo)準(zhǔn)化工作的一個(gè)重要組成部分。

物流行業(yè)是生產(chǎn)性服務(wù)業(yè)的重要組成部分，發(fā)展生產(chǎn)性服務(wù)業(yè)是增加工業(yè)附加值、優(yōu)化社會(huì)資源配置的重要途徑，也是實(shí)現(xiàn)向技術(shù)進(jìn)步和效率提升驅(qū)動(dòng)的集約式經(jīng)濟(jì)增長(zhǎng)轉(zhuǎn)型的重要因素[3-5]。因此，本文以物流行業(yè)為例，研究物流領(lǐng)域標(biāo)準(zhǔn)實(shí)施的經(jīng)濟(jì)效益，可以使物流行業(yè)組織機(jī)構(gòu)、企業(yè)等直觀地看到標(biāo)準(zhǔn)實(shí)施帶來(lái)的好處，有利于標(biāo)準(zhǔn)的貫徹實(shí)施，擴(kuò)大標(biāo)準(zhǔn)實(shí)施范圍，提升標(biāo)準(zhǔn)實(shí)施力度，促進(jìn)整個(gè)物流行業(yè)更好更快地發(fā)展。

2 多元線性回歸模型

2.1 模型概述

多元統(tǒng)計(jì)分析是運(yùn)用數(shù)理統(tǒng)計(jì)的方法來(lái)研究多變量（多指標(biāo)）問(wèn)題的方法。本文選取合適的變量構(gòu)建多元線性回歸模型，來(lái)量化分析在其他解釋變量保持不變的情況下，物流領(lǐng)域標(biāo)準(zhǔn)實(shí)施對(duì)經(jīng)濟(jì)發(fā)展的邊際影響：

式中，Y表示被解釋變量，即物流業(yè)經(jīng)濟(jì)發(fā)展程度;X表示解釋變量，即物流業(yè)經(jīng)濟(jì)發(fā)展的影響因素;β表示偏回歸系數(shù)，即表示當(dāng)其他解釋變量相同（保持其他解釋變量不變）時(shí)，特定解釋變量對(duì)被解釋變量的邊際影響（貢獻(xiàn)）。

2.2 擬合優(yōu)度檢驗(yàn)

衡量回歸方程的擬合優(yōu)度最簡(jiǎn)單常用的方法是采用判定系數(shù)R2。R2的取值區(qū)間為0≤R2≤1，R2的值越接近1，表明回歸方程的擬合優(yōu)度越好。但是，當(dāng)在特定方程中新增了一個(gè)完全不敏感的解釋變量后，R2值也不會(huì)減小。即解釋變量更多的方程將總是有更高或相同的判定系數(shù)R2。而調(diào)整后的判定系數(shù)R2考慮了自由度，并對(duì)在回歸方程中增加新的自變量施加懲罰[6]。因此，本文采用調(diào)整了自由度之后的判定系數(shù)R2作為檢驗(yàn)回歸方程擬合優(yōu)度的指標(biāo)。

2.3 F檢驗(yàn)

R2度量了回歸方程的整體擬合優(yōu)度，還需對(duì)整個(gè)回歸方程進(jìn)行顯著性檢驗(yàn)。通常采用F檢驗(yàn)對(duì)所建立的回歸方程進(jìn)行顯著性檢驗(yàn)[7]。通過(guò)Eviews統(tǒng)計(jì)分析軟件計(jì)算得到F統(tǒng)計(jì)量，并與相應(yīng)自由度下的臨界值Fa相比較，若F>Fa，說(shuō)明回歸方程顯著。

3 物流行業(yè)經(jīng)濟(jì)發(fā)展多元線性回歸模型建立

3.1 變量選取與數(shù)據(jù)來(lái)源

物流行業(yè)經(jīng)濟(jì)發(fā)展的影響因素很多。本文研究的是物流領(lǐng)域標(biāo)準(zhǔn)實(shí)施的經(jīng)濟(jì)效益，標(biāo)準(zhǔn)實(shí)施的結(jié)果是標(biāo)準(zhǔn)化水平的提高，因此在模型構(gòu)建過(guò)程中，將物流行業(yè)GDP作為被解釋變量，標(biāo)準(zhǔn)化水平作為解釋變量之一。此外，本文結(jié)合相關(guān)文獻(xiàn)，根據(jù)物流行業(yè)發(fā)展的實(shí)際情況，在科學(xué)合理的前提下，并考慮數(shù)據(jù)的可獲得性，選取運(yùn)輸線路長(zhǎng)度、貨運(yùn)量、平均就業(yè)人數(shù)等主要影響因素作為解釋變量[8-12]。其中，運(yùn)輸線路長(zhǎng)度、貨運(yùn)量、平均就業(yè)人數(shù)數(shù)據(jù)來(lái)源于2002～2019年《中國(guó)統(tǒng)計(jì)年鑒》;標(biāo)準(zhǔn)化水平用標(biāo)準(zhǔn)研制數(shù)來(lái)量化代替，數(shù)據(jù)來(lái)源于全國(guó)標(biāo)準(zhǔn)信息公共服務(wù)平臺(tái)，樣本數(shù)據(jù)見表1。

3.2 模型設(shè)定

根據(jù)所選解釋變量，初步建立物流領(lǐng)域GDP與運(yùn)輸線路長(zhǎng)度、貨運(yùn)量、平均就業(yè)人數(shù)、標(biāo)準(zhǔn)化水平之間的多元線性回歸方程，模型可設(shè)定為：

式中：

β——偏回歸系數(shù);

GDPi——物流行業(yè)第i年的GDP;

LTRi——第i年的運(yùn)輸線路長(zhǎng)度;

FVi——物流行業(yè)第i年的貨運(yùn)量;

AEi——物流行業(yè)第i年的平均就業(yè)人數(shù);

STAi——物流行業(yè)第i年的標(biāo)準(zhǔn)化水平;

ε ——隨機(jī)誤差項(xiàng)。

3.3 模型估計(jì)與檢驗(yàn)

運(yùn)用Eviews統(tǒng)計(jì)分析軟件，采用普通最小二乘法和表1中的數(shù)據(jù)來(lái)估計(jì)回歸方程，得到分析結(jié)果見表2?？梢缘贸鑫锪餍袠I(yè)GDP、運(yùn)輸線路長(zhǎng)度、平均就業(yè)人數(shù)、貨運(yùn)量、標(biāo)準(zhǔn)化水平的多元線性回歸模型：

從Eviews統(tǒng)計(jì)分析軟件得到的分析結(jié)果可以看出：回歸方程的R2值約為0.998，表明回歸方程擬合優(yōu)度好，物流行業(yè)經(jīng)濟(jì)發(fā)展的99.8%可以由運(yùn)輸線路長(zhǎng)度、平均就業(yè)人數(shù)、貨運(yùn)量、標(biāo)準(zhǔn)化水平來(lái)解釋。

本模型中k=4，N=18，那么分子的自由度為4，分母的自由度為13，查表可知，在1%顯著水平下F的臨界值Fa為5.21。從Eviews統(tǒng)計(jì)軟件得到的分析結(jié)果來(lái)看，F(xiàn)=2309.106>F（4，13），說(shuō)明在1%顯著水平下，回歸方程在統(tǒng)計(jì)上是顯著的。

3.4 結(jié)果分析

從模型的運(yùn)行結(jié)果來(lái)看，運(yùn)輸線路長(zhǎng)度、平均就業(yè)人數(shù)、貨運(yùn)量、標(biāo)準(zhǔn)化水平對(duì)物流行業(yè)的經(jīng)濟(jì)發(fā)展均有著顯著的正相關(guān)關(guān)系。此外，當(dāng)運(yùn)輸線路長(zhǎng)度、貨運(yùn)量、平均就業(yè)人數(shù)給定時(shí)，標(biāo)準(zhǔn)化水平每增加1個(gè)單位，就會(huì)使物流行業(yè)GDP增加11.27億元，即標(biāo)準(zhǔn)化水平每提高1個(gè)單位，物流行業(yè)GDP將增長(zhǎng)0.03%（按2018年物流行業(yè)GDP總量計(jì)）。

4 結(jié)語(yǔ)

本文通過(guò)建立物流行業(yè)經(jīng)濟(jì)發(fā)展多元線性回歸模型，量化分析了物流領(lǐng)域標(biāo)準(zhǔn)實(shí)施的經(jīng)濟(jì)效益，更直觀地反映出標(biāo)準(zhǔn)的實(shí)際有效性，可為物流領(lǐng)域標(biāo)準(zhǔn)的制修訂及管理提供具體的判斷依據(jù)，為行業(yè)標(biāo)準(zhǔn)化政策規(guī)劃的制定提供決策支撐，為政府相關(guān)管理部門標(biāo)準(zhǔn)化工作的開展提供評(píng)估依據(jù)，更有效地支撐整個(gè)物流行業(yè)的發(fā)展。此外，本文對(duì)物流領(lǐng)域標(biāo)準(zhǔn)實(shí)施效益評(píng)價(jià)的實(shí)踐探索，可以為其他服務(wù)類行業(yè)的標(biāo)準(zhǔn)評(píng)價(jià)及實(shí)施管理提供借鑒參考。

參考文獻(xiàn)

[1] 姜龍珠， 伍薇， 陳銀龍. 《快遞服務(wù)》系列標(biāo)準(zhǔn)實(shí)施效益評(píng)價(jià)研究[J]. 中國(guó)標(biāo)準(zhǔn)化， 2019（7）：89-96.

[2] 李炯. 旅游服務(wù)標(biāo)準(zhǔn)化效益評(píng)價(jià)研究：以陽(yáng)朔為例[D]. 桂林：廣西師范大學(xué)， 2014.

[3] 楊帆. 生產(chǎn)性服務(wù)業(yè)發(fā)展的動(dòng)力機(jī)制與空間效應(yīng)研究進(jìn)展[J]. 地理科學(xué)進(jìn)展， 2018， 37（6）：750-760.

[4] 王雪瑞. 物流業(yè)對(duì)生產(chǎn)性服務(wù)業(yè)貢獻(xiàn)力研究[J]. 物流科技，2014，37（2）：19-21.

[5] 田振中. 生產(chǎn)性服務(wù)業(yè)發(fā)展影響因素實(shí)證研究[J]. 統(tǒng)計(jì)與決策， 2019，35（4）：112-115.

[6] 施圖德蒙德 A H. 應(yīng)用計(jì)量經(jīng)濟(jì)學(xué)[M].北京：機(jī)械工業(yè)出版社， 2019.-

[7] 彭輝， 趙亞軍， 胡章浩. 應(yīng)用多元線性回歸模型的鐵路客運(yùn)量預(yù)測(cè)[J]. 重慶理工大學(xué)學(xué)報(bào)（自然科學(xué)），2018，32（9）：190-193.

[8] 劉浪琴. 長(zhǎng)江中下游地區(qū)物流經(jīng)濟(jì)發(fā)展影響性因素研究[J]. 商場(chǎng)現(xiàn)代化， 2016（29）：60-61.

[9] 王健， 劉荷. 區(qū)域物流發(fā)展的影響因素研究：基于福建省的實(shí)證分析[J]. 華東經(jīng)濟(jì)管理， 2014（3）：22-27.

[10] 李春林， 伍信怡. 基于多重多元線性回歸模型的京津冀物流產(chǎn)業(yè)發(fā)展影響因素分析[J]. 物流科技， 2019，42（2）：34-37.

[11] 李彤， 宋躍晉， 周儀， 等. 基于多元線性回歸模型的廣東省衛(wèi)生總費(fèi)用的影響因素分析[J]. 醫(yī)學(xué)與社會(huì)， 2020， 33（4）：66-69.

[12] 李彥芙. 基于多元線性回歸模型的江蘇省GDP增長(zhǎng)影響因素研究[J]. 特區(qū)經(jīng)濟(jì)， 2019（4）：84-88.