【理学论文】基于双变量线性回归模型的武汉物流需求分析预测

 摘要：现代物流产业是当今新型的经济产业，国民经济建设中，其已几乎扩展到国民经济的各个领域，具有广阔的发展前景和巨大的发展潜力。同时现代物流业具有极强的综合性，因而正确的物流需求预测对于物流产业的宏观政策制定，抑或是微观层面的企业规划和经营，都具有指导作用。货物周转量是物流需求非常重要的一项指标，文章结合物流需求的特点，通过货物周转量对具有交通中枢地位的武汉市物流需求影响进行预测。本文运用货物周转量，生产总值两指标，结合2000-2012年武汉地区GDP值，基于双变量线性回归模型方法，对交通枢纽武汉进行物流需求分析预测，以说明武汉未来的物流需求情况。

关键词：货物周转量；物流需求预测；回归模型

 引言

21世纪以来，随着经济全球化的发展和网络经济的兴起，现代物流业不断加速发展，其也被誉为"黄金产业"。在我国经济现代化建设中，现代物流业已几乎扩展到国民经济的各个领域，并愈发显示出其广阔的发展前景和巨大的发展潜力，很多占据重要地理位置的地区或省份甚至已将物流产业作为支柱产业或新兴产业列入其地区发展计划。

武汉，位于中国腹地中心，物流资源丰富，全国重要的交通枢纽，素有"九省通衢"之称。其在发展现代物流业方面具有得天独厚的优势，因而武汉提出了以发展物流来实现本地经济的"跨越式发展"，并已通过把现代物流业作为新的经济增长点列入全市发展计划之中。

然而，作为新型的经济产业，现代物流业具有很强的综合性。无论是在物流产业的宏观决策上，还是物流企业规划和经营的微观层面，都需要以正确的预测为先导。我国经济已由改革开放后的经济快速增长阶段进入到中速发展过程中，在经济调整和转型之中，已充分认识到现代物流业的重要性，高效的现代物流业对于地区经济发展或者国家经济进步的支撑作用越来越明显，。因此，在这样的背景之下，以合理的物流需求预测为基础所作出科学的决策，是保证物流产业健康发展的必要措施。

 一、物流需求预测

物流需求预测，就是利用所能涉及到的历史资料和市场信息，利用一定的经验判断、技术方法和预测模型，对未来的物流需求状况进行科学的分析、估算和推断。物流需求预测的目的主要是确定物流服务供应系统所需的能力，同时为其建设规模提供数据方面的依据。

物流需求预测的意义在于指导和调节人们的物流管理活动，从而能够采取适当的策略和措施，以谋求最大的利益。其作用主要体现在：

 （一）物流需求预测是是物流管理的必要环节

对物流发展中的各个因素实施控制是物流企业进行规划和经营的前提，而这种控制需要依靠预测来未完成。因此，物流需求预测是物流管理的必要环节，一切的管理活动必须从对信息的分析和预测开始。

 （二）物流需求预测能够改善物流管理

物流管理活动中，若能预测了解和把握市场需求的未来变化，那么相关企业就能够采取有效的战略。可以说，物流需求预测是物流管理的重要手段。

 （三）物流需求预测能够为物流发展规划和管理经营决策提供重要的科学依据

物流需求预测可以描绘出市场需求的变动趋势，从而推测出物流发展需求的趋势，并进行比较系统的全面的分析和预见，以避免决策的片面性的局限性。

 二、武汉物流需求的双变量线性回归模型预测

 （一）回归模型的一般形式

回归分析预测法是一种重要的市场预测方法，其是在分析市场现象自变量和因变量之间相关关系的基础上，来建立变量之间的回归方程，并将其作为预测模型。

回归模型的一般形式为：

；　①

式①中，Ｘ为自变量，Ｙ为因变量， 和 为未知系数， 为误差分量。当然，模型具有实用价值的前提是拟合度良好且回归系数显著。

 （二）回归模型的预测

1.指标的确定

货物周转量，是指各种运输工具在报告期内实际运送的每批货物重量分别乘其运送距离的累计数。其不仅包括了运输对象的数量，还包括了运输距离因素，因而能比较全面地反映运输生产结果。其是反映物流业需求的重要指标。

货物周转量的影响因素很多，通过参考大量文献可知，货物周转量与生产总值存在显著的相关性，综合考虑数据的可查询性，本文选取武汉市近年来的货物周转量和生产总值作为变量，进行双变量线性回归模型分析并进行相应预测。

以货物周转量为因变量，武汉生产总值为自变量。下表是武汉市2000年到2012年的相关原始数据：

2.回归模型设定

一般来说，EXCEL和SPSS在预测应用方面均存在各自的优缺点，鉴于此，本文将二者结合起来应用，充分利用SPSS能够准确容易获取预测值，且模型多样化，快速方便的优势以及EXCEL在绘制图形方面简便的特点，，将首先用SPSS进行相关预测模型的选择和预测值确定，再用EXCEL进行预测值绘图，从而简单快速的完成相关预测。则可以设定双变量线性回归模型为： ；其中，生产总值为 ，货物周转量为 。

用EXCEL作货物周转量和生产总值的散点图，如图1所示：

3.回归分析

根据上述数据，通过SPSS19.0统计软件进行线性回归分析：

4.回归方程有效性检验

（1）拟合优度的检验

则从表中可知，相关性系数为R=0.992，相关性明显；同时调整后的拟合系数R2=0.983，说明在货物周转量的总变差中，模型所作出的解释部分达到了98.3%，即模型的拟合效果显著。

（2）回归参数的显著性检验

回归方程的显著性检验结果见上表，统计量F=690.815，相应的置信水平为0.000< 0.001，结果表明回归方程非常显著；同时常数和自变量系数的回归方程检验的置信水平由表2知为0.000< 0.001，即模型的系数显著。 （3）模型预测效果的检验 通过SPSS19.0统计软件得出相应回归模型的同时，将该模型从2000-2012年的预测值保存到数据视图中，如下表所示 从表中可知，货物周转量的绝对误差最大值为215.9195；相对误差最20.34%；平均相对误差为0.89%，可以预见，模型总体预测效果良好。 再从预测值和实际值的曲线图形来比较，将原始数据和预测值数据复制到EXCEL中，利用EXCEL绘图简便的特点，绘制中货物周转量的实际值图形和预测值图形，如下图所示 图2 预测值与实际值的曲线比较 从图中可知，回归预测曲线拟合情况良好，从而进一步证明了回归预测模型的有效性。  四、结论分析 通过对武汉2000-2012年相关数据进行线性回归预测，能够得到如下结论： 第一，由回归预测方程 可知，货物周转量与生产总值（GDP）呈正相关关系，具体表现为一单位的GDP增长，能够引起0.346单位的货物周转量；同时由图2的曲线图可知，货物周转量存在明显的上升趋势。 第二，货物周转量是一个总体规模性指标，是从总量上反映物流需求。这种方法比较概括，虽存在缺陷，但对物流需求的宏观把握，制定宏观物流发展战略还是颇具价值；同时，本文只研究了生产总值对货物周转量的影响，实际上，货物周围量的影响因素很多，比如宏观面上的经济政策，气候条件，微观层面上的运输距离以及货运总量等；另外，货物周转量只是代表物流需求的一个量，并不能完全代表物流需求，因而需要根据实际情况适实地对其加以修正。  参考文献 [1]王雪瑞，王昭君.基于双变量线性回归模型的物流需求预测[J].物流科技. 2009(09). [2]杨帅.武汉市物流需求预测[J].当代经济.2007(10). [3]汪宇翰.预测物流需求的一元线性回归分析方法 [J].商场现代化.2006(13). [4]李振，王兴秋，吴耀华.货运量回归预测工具EXCEL和SPSS结合应用研究[J].物流科技.2010(08). [5]张文彤，闫洁.SPSS统计分析基础教程[M]. 北京：高等教育出版社，2004.