摘要：由于人們對(duì)養(yǎng)生、健康飲食的注重，食用菌產(chǎn)量以及需求量日益增加。但是北京市的冷鏈物流企業(yè)在面對(duì)此類增長時(shí)并沒有一個(gè)較為合理的計(jì)劃對(duì)策，導(dǎo)致食用菌生產(chǎn)商的產(chǎn)品無法按時(shí)保量地送至需求方。北京市目前需要制定一套合理的食用菌冷鏈物流需求預(yù)測(cè)體系，以解決北京市食用菌目前面臨的運(yùn)輸以及儲(chǔ)存方面的問題，同樣可以給食用菌的種植商以及冷鏈物流企業(yè)指明發(fā)展規(guī)劃的方向，以提高北京市食用菌冷鏈物流的效率。

關(guān)鍵詞：企業(yè)管理；冷鏈物流；需求預(yù)測(cè)

中圖分類號(hào)：F274文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1005-6432（2024）19-0175-04

DOI：10.13939/j.cnki.zgsc.2024.19.043

1北京市食用菌冷鏈物流需求主要影響因素的選取

1.1主要影響因素選取過程及其結(jié)果

為了確保預(yù)測(cè)的結(jié)果更精確、真實(shí)可靠，文章根據(jù)現(xiàn)有的材料，得到的數(shù)據(jù)信息，并且融合北京市具體情況，對(duì)文章的指標(biāo)體系中的一部分影響因素開展修訂，最終確定了16個(gè)自變量以及食用菌冷鏈需求量中因變量的相關(guān)數(shù)據(jù)。筆者通過參考各自變量的原始數(shù)據(jù)，使用DPS數(shù)據(jù)處理軟件，運(yùn)用灰色關(guān)聯(lián)分析對(duì)16個(gè)自變量對(duì)因變量的關(guān)聯(lián)度進(jìn)行計(jì)算，得到16個(gè)自變量對(duì)因變量的關(guān)聯(lián)系數(shù)，見表1。

根據(jù)表1對(duì)所有時(shí)間的每個(gè)不同自變量的關(guān)聯(lián)系數(shù)求平均值，得到其自變量的關(guān)聯(lián)度。GDP、城鎮(zhèn)居民可支配收入、第一產(chǎn)業(yè)增加值、第二產(chǎn)業(yè)增加值、第三產(chǎn)業(yè)增加值、食用菌年產(chǎn)量、食用菌培養(yǎng)園面積、貨運(yùn)量、貨運(yùn)周轉(zhuǎn)量、運(yùn)輸線路里程、長途光纜線路長度、食用菌冷鏈流通率、營運(yùn)載貨汽車擁有量、食用菌零售價(jià)格指數(shù)、居民消費(fèi)水平、社會(huì)消費(fèi)品零售總額16個(gè)自變量對(duì)因變量的灰色關(guān)聯(lián)度分別為0.82、0.86、0.83、0.84、0.79、0.80、0.85、0.78、0.83、0.86、0.71、0.85、0.86、0.85、0.78、0.77。

由于城鎮(zhèn)居民可支配收入、食用菌培養(yǎng)園面積、運(yùn)輸線路里程、食用菌冷鏈流通率、營運(yùn)載貨汽車擁有量、食用菌零售價(jià)格指數(shù)的灰色關(guān)聯(lián)度均大于等于0.85，所以選取此6個(gè)自變量作為關(guān)鍵影響因素。

1.2北京市食用菌冷鏈物流需求預(yù)測(cè)指標(biāo)體系的建立

文章研究的北京市食用菌冷鏈物流需求預(yù)測(cè)，主要表現(xiàn)在數(shù)量分析上。因此，在構(gòu)建預(yù)測(cè)指標(biāo)體系時(shí)，不考慮定性指標(biāo)。最終計(jì)算體系中的指標(biāo)關(guān)聯(lián)度，確定北京市食用菌冷鏈物流需求預(yù)測(cè)指標(biāo)體系，如表2所示。

下文內(nèi)容依據(jù)表2中的指標(biāo)，對(duì)模型進(jìn)行構(gòu)建，并依據(jù)所構(gòu)建的模型對(duì)預(yù)測(cè)值進(jìn)行計(jì)算。

2北京市食用菌冷鏈物流需求預(yù)測(cè)分析

2.1多元線性回歸模型的建立

文章使用X1、X2、X3、X4、X5、X6分別代表自變量城鎮(zhèn)居民可支配收入、食用菌培養(yǎng)園面積、運(yùn)輸線路里程、食用菌冷鏈流通率、營運(yùn)載貨汽車擁有量、食用菌零售價(jià)格指數(shù)，以及使用Y代表因變量食用菌冷鏈需求量。筆者通過使用SPSS軟件進(jìn)行逐步回歸，首先輸入變量，其次根據(jù)輸入的變量進(jìn)行分析，結(jié)果如表3所示。

得到以上兩個(gè)模型之后，對(duì)各個(gè)模型的結(jié)果進(jìn)行分析比較。所有模型的因變量都是食用菌冷鏈需求量，自變量有所區(qū)別。模型1的預(yù)測(cè)變量：（常量），食用菌培養(yǎng)園面積。模型2的預(yù)測(cè)變量：（常量），食用菌培養(yǎng)園面積，營運(yùn)載貨汽車擁有量。結(jié)果如表4和表5所示。

由表4可知，模型2的R2為0.975，為最大，擬合優(yōu)度最高，并且標(biāo)準(zhǔn)誤差最小。表5分析了每個(gè)模型的方差、F值以及顯著性。由分析結(jié)果可知，兩個(gè)模型的顯著性都很強(qiáng)，但是模型2的殘差均方最小。之后得到各個(gè)模型的回歸系數(shù)，并且比較各變量檢驗(yàn)結(jié)果后，選出最優(yōu)模型，如表6所示。

由表6分析可知，模型2的各變量顯著性均小于0.05，為最優(yōu)模型，根據(jù)模型2建立回歸方程。

y=－49.318+1.19x2+1.349x5

根據(jù)模型2可知，食用菌培養(yǎng)園面積、營運(yùn)載貨汽車擁有量對(duì)食用菌冷鏈物流需求量影響最大。食用菌培養(yǎng)園面積每年都會(huì)有一定比例的調(diào)整，會(huì)淘汰產(chǎn)量不高或者品質(zhì)不強(qiáng)的，除此之外還會(huì)大力發(fā)展更加優(yōu)良的新品種。食用菌培養(yǎng)園面積的變化也在某些方面反映了食用菌結(jié)構(gòu)的調(diào)整。食用菌結(jié)構(gòu)的變化勢(shì)必會(huì)影響消費(fèi)，從而影響冷鏈物流的需求。食用菌主要通過汽車進(jìn)行運(yùn)輸，營運(yùn)載貨汽車擁有量與食用菌冷鏈物流需求的關(guān)系很緊密。

2.2基于趨勢(shì)外推法對(duì)自變量的預(yù)測(cè)

文章采用趨勢(shì)外推法，根據(jù)上文得到的回歸方程篩選出自變量——食用菌培養(yǎng)園面積、營運(yùn)載貨汽車擁有量，對(duì)時(shí)間t的發(fā)展趨勢(shì)進(jìn)行曲線擬合，以建立函數(shù)模型，求出自變量未來的預(yù)測(cè)值。自變量數(shù)據(jù)均以2005年為基準(zhǔn)年。

2.2.1食用菌培養(yǎng)園面積的預(yù)測(cè)

文章采用2005—2020年城鎮(zhèn)居民可支配收入的歷史數(shù)據(jù)，以時(shí)間t為自變量，食用菌培養(yǎng)園面積X2為因變量，建立一元回歸模型，對(duì)2021—2026年的食用菌培養(yǎng)園面積進(jìn)行匯總和預(yù)測(cè)。自變量的數(shù)據(jù)均以2005年為基準(zhǔn)年，將2005—2020年設(shè)為1～16來計(jì)算。

首先，使用趨勢(shì)外推法思維，把食用菌培養(yǎng)園面積的歷史數(shù)據(jù)輸入SPSS軟件中，對(duì)其進(jìn)行曲線擬合。從線性、二次項(xiàng)、復(fù)合、增長、對(duì)數(shù)、三次項(xiàng)模型以及指數(shù)模型中根據(jù)R2和顯著性的大小，選取擬合程度最高的，分析結(jié)果如表7所示。通過比較后發(fā)現(xiàn)，三次項(xiàng)模型的擬合度最高，判定系數(shù)最接近1，標(biāo)準(zhǔn)誤差也最小。

因此，將三次項(xiàng)模型（x2=40.696+4.523t－0.117t2+0.005t3）作為食用菌培養(yǎng)園面積的預(yù)測(cè)模型，以對(duì)北京市2021—2026年的食用菌培養(yǎng)園面積進(jìn)行匯總和預(yù)測(cè)，結(jié)果如表8所示。

2.2.2營運(yùn)載貨汽車擁有量的預(yù)測(cè)

將2005—2020年的營運(yùn)載貨汽車擁有量的歷史數(shù)據(jù)輸入SPSS軟件之中，運(yùn)用趨勢(shì)外推法進(jìn)行擬合，發(fā)現(xiàn)三次項(xiàng)模型擬合程度最好，故選擇此模型。模型為：x5=12.741－3.196t+0.578t2－0.017t3。

隨后，運(yùn)用該模型對(duì)2021—2026年?duì)I運(yùn)載貨汽車擁有量進(jìn)行預(yù)測(cè)，結(jié)果如表9所示。

2.3多元線性回歸模型預(yù)測(cè)及結(jié)果分析

本節(jié)用上文中的2021—2026年食用菌培養(yǎng)園面積、營運(yùn)載貨汽車擁有量的匯總和預(yù)測(cè)數(shù)值代入回歸方程中進(jìn)行計(jì)算。

模型的顯著性P值為0，該值遠(yuǎn)小于0.05；F值為261.362，此模型非常顯著。判定系數(shù)R2為0.985，接近1，由此檢驗(yàn)結(jié)果可知該模型的擬合優(yōu)度很好。用此模型對(duì)2016—2020年的數(shù)據(jù)進(jìn)行模擬，相對(duì)誤差都小于5%，模型達(dá)到理想要求。模擬值以及誤差如表10所示。

根據(jù)上表的計(jì)算結(jié)果，對(duì)北京市食用菌冷庫以及冷藏設(shè)施進(jìn)行缺口分析，如此根據(jù)需求改進(jìn)冷鏈系統(tǒng)，對(duì)于提高北京市食用菌的整體競(jìng)爭(zhēng)水平和冷鏈物流行業(yè)的發(fā)展有重大的價(jià)值?，F(xiàn)根據(jù)預(yù)測(cè)結(jié)果給出三點(diǎn)建議：其一，加強(qiáng)冷鏈基礎(chǔ)設(shè)施建設(shè)；其二，合理增加各培養(yǎng)園從業(yè)人員；其三，合理安排冷鏈運(yùn)輸車輛路線及運(yùn)輸量。希望可以給北京市食用菌冷鏈物流建設(shè)帶來參考。

3結(jié)語

在食用菌的各產(chǎn)地，每年至少增加2～3個(gè)冷庫，以保證基礎(chǔ)設(shè)施對(duì)食用菌冷鏈需求的保障。對(duì)于年產(chǎn)量大于1萬噸的培養(yǎng)園，可增加10人左右的從業(yè)人員，以保證培養(yǎng)園的正常運(yùn)行，小于1萬噸的培養(yǎng)園依據(jù)自身情況，可每年增加2～3人以適應(yīng)發(fā)展。

當(dāng)?shù)氐暮献骼滏溛锪髌髽I(yè)也應(yīng)使用運(yùn)籌管理等方法，對(duì)冷鏈運(yùn)輸車輛的運(yùn)輸量以及路線做出優(yōu)化。例如，對(duì)于就近企業(yè)優(yōu)先安排運(yùn)輸，對(duì)于較集中分布的培養(yǎng)園同時(shí)安排集中運(yùn)輸?shù)?。因此，希望可以給北京市食用菌以及冷鏈物流的未來建設(shè)發(fā)展指出較為明確的方向，同時(shí)也希望給其他同行企業(yè)帶來一定的參考意義。

參考文獻(xiàn)：

［1］李思聰，葉靜.基于灰色回歸模型的農(nóng)產(chǎn)品冷鏈物流需求分析及預(yù)測(cè)［J］.公路交通科技，2022，39（5）：166-174.

［2］梁艷，楊慧慧，蘇輝輝.基于多元線性回歸的天津市農(nóng)產(chǎn)品冷鏈物流需求預(yù)測(cè)分析［J］.南方農(nóng)機(jī)，2018，49（18）：230-231.

［3］李雋波，孫麗娜.基于多元線性回歸分析的冷鏈物流需求預(yù)測(cè)［J］.安徽農(nóng)業(yè)科學(xué)，2011，39（11）：6519-6520，6523.