文/李 寧

一、研究背景

物流是指物品從供應(yīng)地向接受地轉(zhuǎn)移的實體流動過程。在這個過程中，為了滿足客戶的需求，以最低的成本，通過運輸、儲存、包裝、裝卸搬運、配送等方式，實現(xiàn)原材料、半成品、成品或相關(guān)信息進行由商品的產(chǎn)地到商品的消費地的計劃、實施和管理的全過程。現(xiàn)代物流是推動經(jīng)濟發(fā)展的重要服務(wù)業(yè)，我國物流業(yè)已經(jīng)成為推動GDP增長和提高經(jīng)濟發(fā)展水平的關(guān)鍵產(chǎn)業(yè)。在此背景下，為了持續(xù)穩(wěn)定發(fā)展地區(qū)經(jīng)濟，優(yōu)化地區(qū)產(chǎn)業(yè)結(jié)構(gòu)，提升地區(qū)經(jīng)濟內(nèi)涵，為政府和企業(yè)進行科學的目標和戰(zhàn)略規(guī)劃提供參考，很有必要對區(qū)域物流需求進行預測和分析。

大連作為東北亞的物流中心，現(xiàn)代物流業(yè)的發(fā)展挑戰(zhàn)與機遇并存。運用合理的方法對物流需求進行預測，對于大連市合理地規(guī)劃物流產(chǎn)業(yè)和物流企業(yè)的發(fā)展，提高地區(qū)經(jīng)濟水平和減少不合理的投入，有著重要的作用和意義。因此，物流預測已成為物流領(lǐng)域的重要研究內(nèi)容之一，關(guān)于物流預測方法的研究也越來越顯示出其重要性。

二、物流需求預測方法選取

物流需求預測是根據(jù)物流市場過去和現(xiàn)在的需求狀況，并綜合考慮影響物流市場需求變化的因素之間的關(guān)系，結(jié)合一定的技術(shù)方法和預測模型，對有關(guān)反映市場需求指標的變化以及發(fā)展的趨勢進行預測。物流市場是個復雜開放的系統(tǒng)，受到國內(nèi)外諸多因素的影響，如政治、經(jīng)濟、社會、環(huán)境等多方面綜合因素。國內(nèi)外很多學者在此領(lǐng)域進行了多年的研究，將其它領(lǐng)域運用成熟的預測方法實踐在物流需求預測上，并開發(fā)出多種模型和方法。

表1 2007-2018年大連市部分統(tǒng)計數(shù)據(jù)表

物流需求預測方法可分為定量預測、定性預測以及組合預測三種方法。定量預測指的是使用專家判斷法、市場研究法等，依賴人的主觀判斷進而對需求進行預測；定性預測包括傳統(tǒng)的時間序列預測法、回歸分析法、灰色預測法、神經(jīng)網(wǎng)絡(luò)及其改進形式，如支持向量機等；組合預測法是考慮到單一定量預測方法的假設(shè)條件和適用范圍的局限性，將多個單一定量預測方法進行適當?shù)慕M合，以達到提高物流需求預測精度的目的。組合預測方法是近年來國內(nèi)專家研究的熱點，但是如何選取合理的單一模型，以及如何確定組合模型的最優(yōu)權(quán)重，使其達到提高預測精度的效果，目前尚未有成熟的理論和方法。因此，本文使用相對成熟、運用較廣泛的多元線性回歸模型對大連市的物流需求進行預測。

三、多元線性回歸模型構(gòu)建

在市場的經(jīng)濟活動中，市場現(xiàn)象的發(fā)展和變化往往取決于幾個影響因素；也就是說，一個因變量和幾個自變量有依存關(guān)系的情況。而且，有時幾個影響因素主次難以區(qū)分，或者有的因素雖屬次要，但也不能略去其作用，這時需要采用多元回歸分析預測法。

表2 各變量間的相關(guān)系數(shù)矩陣

多元回歸分析預測法是指通過對兩個或兩個以上的自變量與一個因變量的相關(guān)分析，建立預測模型進行預測的方法。當自變量與因變量之間存在線性關(guān)系時，稱為多元線性回歸分析。

表3 逐步回歸后的回歸方程結(jié)果

設(shè)y為因變量，x1，x2...xk為自變量，并且自變量與因變量之間為線性關(guān)系時，則多元線性回歸模型為：

其中，b0為常數(shù)項，b1，b2，...bk為回歸系數(shù)。

多元性回歸模型的參數(shù)估計，要求誤差平方和∑e2為最小的前提下，用最小二乘法求解參數(shù)。以二元線性回歸模型為例，求解回歸參數(shù)的標準方程組為：

解此方程，可求得b0、b1和b2的數(shù)值。亦可用下列矩陣法求得：

b==(x`x)-1.(x`y)

即：

四、實證分析

物流需求在一定時期內(nèi)社會經(jīng)濟活動對生產(chǎn)、流通、消費領(lǐng)域的原材料、成品和半成品、商品以及廢舊物品和廢舊材料等的配置作用而產(chǎn)生的對物品在空間、時間和費用方面的要求，涉及運輸、儲存、包裝、裝卸搬運、配送、流通加工以及與之相關(guān)的信息需求等內(nèi)容。本文選取2007-2018年大連市統(tǒng)計年鑒上的數(shù)據(jù)作為樣本數(shù)據(jù)，選取物流貨運量（萬噸）為物流需求指標Y，選取全社會固定資產(chǎn)投資總額為X1、進出口總額為X2、居民消費水平為X3、地區(qū)生產(chǎn)總值為X4、第一產(chǎn)業(yè)總值為X5、第二產(chǎn)業(yè)總值為X6、第三產(chǎn)業(yè)總值為X7、社會消費品零售總額X8等8個因素作為物流需求預測的經(jīng)濟指標。

假設(shè)多元線性回歸模型為：

Y=b0+b1X1+b2X2+b3X3+b4X4+b5X5+b6X6+b7X7+b8X8+μ

原始數(shù)據(jù)表如表1所示。

（一）多重共線性檢驗

在多元線性回歸模型中，解釋變量之間由于存在相關(guān)關(guān)系而使模型估計失真或難以估計準確，因此要進行多重共線性檢驗。本文使用Eviews10.0軟件進行多重共線性檢驗，各變量間的相關(guān)系數(shù)矩陣如表2所示。

表2中，有部分相關(guān)系數(shù)大于0.8，可見解釋變量之間存在著較嚴重的多重共線性。因此，采用逐步回歸的方法對解釋變量進行篩選，以確定最后的解釋變量。

（二）變量的確定

如前所述，本文選取貨運量作為被解釋變量，解釋變量分別為全社會固定資產(chǎn)投資額、進出口總額、居民消費水平、地區(qū)生產(chǎn)總值、第一產(chǎn)業(yè)產(chǎn)值、第二產(chǎn)業(yè)產(chǎn)值、第三產(chǎn)業(yè)產(chǎn)值和社會消費品零售總額。

本文選擇逐步回歸法來剔除解釋變量。首先，將全部解釋變量引入回歸方程，對回歸方程做顯著性檢驗；其次，在回歸顯著性檢驗為不顯著的一個或多個變量中，剔除最不顯著的變量，接著重新建立回歸方程；最后，再次進行檢驗。重復以上步驟，直到回歸方程中所有解釋變量的回歸系數(shù)都通過顯著性檢驗，最終建立回歸方程。

通過以上逐步回歸法，依次剔除了X7，X6，X3，X8，X5，X1，得到表3的回歸結(jié)果。

觀察表3中的輸出結(jié)果，R2=0.941367，說明模型對樣本擬合度較好。由F=112.3867可知，在顯著水平5%的條件下，F(xiàn)＞Fα (n，m-n-1)=F0.05(2，14)=2.73，即模型中解釋變量與被解釋變量之間的線性關(guān)系是顯著的。同樣，顯著水平α=0.05時，tα/2(m-n-1)=t0.025(14)=2.145。由表3可知，X2和X4均通過了t檢驗。

此時，回歸方程為：Y=17122.29+20.63394X2+1.824796X4。

（三）結(jié)果分析

由Eviews輸出結(jié)果分析，多元線性回歸方程為：Y=17122.29+20.63394X2+1.824796X4；即大連市貨運量（Y）與進出口總額（X2）和地區(qū)生產(chǎn)總值（X4）密切相關(guān)。隨著進出口總額增加1億美元，貨運量增加20.63394萬噸；隨著地區(qū)生產(chǎn)總值增加1億元，貨運量增加1.824796萬噸。

五、結(jié)論

本文在查閱了大連市2002-2018年貨運量和相關(guān)統(tǒng)計數(shù)據(jù)的基礎(chǔ)上，結(jié)合Eviews軟件建立了物流需求的多元線性回歸方程，即Y=17122.29+20.63394X2+1.8 24796X4。由回歸方程進行分析，大連市進出口貿(mào)易總額對貨運量的影響最大，其次是地區(qū)生產(chǎn)總值。模型通過了統(tǒng)計學和計量經(jīng)濟學的檢驗，并且模型的擬合度達到94.13%以上，說明模型較好地反映了大連市整體的物流需求發(fā)展水平。

因此，大連市在發(fā)展現(xiàn)代物流產(chǎn)業(yè)時，應(yīng)結(jié)合這些需求特點，大力發(fā)展外向型產(chǎn)業(yè)，重點支持國際貿(mào)易，提升進出口貿(mào)易總額，通過以上措施帶動大連市整體物流需求的增長。同時，地區(qū)整體經(jīng)濟水平對于物流業(yè)的提升作用也非常明顯，大連市應(yīng)繼續(xù)優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)，提升地區(qū)競爭力，通過地區(qū)經(jīng)濟發(fā)展來促進物流行業(yè)的進一步發(fā)展和壯大。