基于內蒙古物流需求預測的實證分析

孟千金

(內蒙古財經學院 研究生處，內蒙古 呼和浩特 010070)

一、引言

近年來，內蒙古自治區經濟快速發展，具有特色優勢的六大產業逐漸發展成一定規模，形成產業集聚，對此建立配套的物流體系將極大地推動區域產業間的協調發展。尤其是《內蒙古自治區以呼包鄂為核心的沿黃河沿交通干線經濟帶重點產業發展規劃(2010－2020年)》的出臺，更需要建立與之相適應的物流體系。而對內蒙古自治區物流需求量進行科學合理的預測，整合利用物流產業資源，建立起高效運行的物流配套體系，是推動內蒙古自治區經濟更快更好發展的前提條件。本文根據內蒙古物流需求量及相關經濟影響因素，運用eviews計量經濟軟件建立起多元回歸分析模型，并在此基礎上運用指數平滑預測法對未來五年的物流需求量做出科學預測。

二、多元回歸預測模型的構造

(一)建立回歸預測模型

建立回歸預測模型時，在眾多變量中首先要確定一個變量為因變量，其余變量為自變量。回歸預測法屬于因果分析，它根據自變量個數的多少，可分為一元回歸、二元回歸和多元回歸模型，一元線性回歸方法也叫最小二乘法。它是用來處理兩個變量之間具有線性關系的工具。一般地，包含被解釋變量Y與k－1個解釋變量X2，X3，…，Xk的函數稱為多元總體線性回歸函數，具體表示為:

其中，Y 為被解釋變量，X2i，X3i，…，Xki(i=1，2，…，n)為解釋變量;βj(j=1，2，…，k)為模型的參數;ui為隨機誤差項;k－1為解釋變量的個數。

該線性回歸函數的條件均值形式為:

多元線性回歸分析主要解決的問題，仍然是如何根據變量的樣本觀測值去估計回歸模型中各個參數，既要用樣本回歸函數去估計總體回歸函數，還要對估計的參數及回歸方程進行統計檢驗，最后利用回歸模型進行預測和經濟分析。

(二)模型精度的統計檢驗

在實際問題研究中，事先并不能判斷隨機變量Y與X1，X2，Xp之間確有線性關系，在進行回歸參數的估計之前，用多元回歸方程去擬合它們之間的關系。當求出線性回歸方程后，為進一步分析回歸模型所反映的變量之間的關系是否符合客觀實際、引入的影響因素是否有效，需要對回歸模型進行檢驗。常用檢驗方法有:

1.多重可絕系數R2檢驗擬合優度——R檢驗法

多元線性回歸中Y的變差分解式為:

(1)變差

TSS:總離差平方和;RSS:殘差平方和;ESS:回歸平方和

(2)自由度

其中，TSS反映了被解釋變量觀測值總變差的大小;ESS反映了被解釋變量回歸估計總變差的大小，它是被解釋變量觀測值總變差中由多個解釋變量做出解釋的那部分變差;RSS反映了被解釋變量與估計值的變差，是被解釋變量觀測值總變差中未被列入模型的解釋變量解釋的那部分變差。顯然ESS越大，RSS就越小，從而被解釋變量觀測值總變差中能由解釋變量解釋的那部分變差就越大，模型對觀測數據的擬合程度就越高。因此，定義多重可絕系數為:

或者表示為:

多重可絕系數是介于0和1之間的一個數，R2越接近1，模型對數據的擬合程度就越好。由于R2與回歸方程中解釋變量的個數有關，當回歸方程中解釋變量個數增加時，R2不可能減少，為此，人們用修正的可絕系數ˉR2，來比較不同數目解釋變量的回歸方程的擬合優度。

2.回歸方程的顯著性檢驗——F檢驗

回歸方程的顯著性檢驗主要是給出統計量F對R2的顯著性進行檢驗，對模型總體進行檢驗。構造假設H0:β2=β3=…βk=0。若 H0成立，那么所有解釋變量Xi對Y都不構成影響。統計量F為:

即統計量F服從自由度為k－1和n－k的F分布。

給定顯著性水平α，在F分布表中查出自由度為k－1和n－k的臨界值 Fα(k－1，n－k)，將樣本觀測值代入上式中計算F值，然后將F值與臨界值Fα(k－1，n－k)比較。若 F＞Fα(k－1，n－k)，則拒絕原假設H0:β2=β3=…βk=0，說明回歸方程顯著，即列入模型的各個解釋變量聯合起來對被解釋變量有顯著影響;若F＜Fα(k－1，n－k)，則不能拒絕原假設H0:β2=β3=…βk=0，說明回歸方程不顯著，即列入模型的各個解釋變量聯合起來對被解釋變量影響不顯著。

3.回歸參數的顯著性檢驗——t檢驗法

在多元線性回歸中，方程的整體線性關系顯著并不一定表示每個解釋變量對被解釋變量的影響都是顯著的。因此，必須從回歸方程中剔除那些次要的變量，重新建立更為簡單的回歸方程。所以需要對每個回歸方程中的自變量作顯著性檢驗。

構造假設 H0:βj=0(j=1，2，…k)，可以用統計量t對回歸系數作顯著性檢驗:

對于給定的顯著性水平α，如果|tj|＞tα/2(nk)，則拒絕H0，認為βj顯著不為零，Y與Xj確實存在線性關系，如果|tj|＜ tα/2(n － k)，則接受 H0，認為βj在統計上為零，Y與Xj不存在線性關系。

4.DW 檢驗法

序列相關是指數列的前后期相關。最常見的是時差為一期的序列相關，又稱一階自相關。回歸模型假設隨機誤差項之間不存在序列相關或自相關，即互不相關，若回歸模型不滿足這一假設，則稱回歸模型存在自相關，這時就不能繼續使用最小二乘法估計參數。在序列相關中，最常見的是一階自相關，常用的檢驗方法是DW檢驗法。

DW統計量為:

根據DW檢驗法檢驗模型是否存在自相關;構造假設H0:ρ=0，即假定回歸模型不存在自相關，根據給定的檢驗水平及自變量個數m，從DW檢驗表中查得相應臨界值dL和dU，當0≤DW≤dL，模型存在正自相關;當 dL＜DW≤dU時，不能判斷是否存在自相關;當dL＜DW≤4－dU時，接受假設，即模型不存在自相關;當4－dU＜DW≤4－dL時，不能判斷是否存在自相關;當4－dL＜DW≤4時，模型存在負自相關。

(三)方程的診斷及重建

通常在經濟問題的回歸預測中，由于受認識水平的局限，容易考慮過多的自變量。當涉及自變量較多時，大多數回歸方程都受到多重性的影響。當自變量存在多重共線性時，得到的回歸系數估計值很不穩定，回歸系數的方差隨著多重共線性強度的增加而加速增長，會造成回歸方程高度顯著的情況下，有些回歸系數通不過顯著性檢驗，甚至出現回歸系數的正負號得不到合理的經濟解釋。消除多重共線影響最常用的方法是逐步回歸法。本文主要采用eviews計量經濟軟件進行數據的統計和分析，診斷方程是否存在嚴重的多重共線性，并在消除多重共線性以后重新建立回歸方程。

(四)進行回歸預測分析

重新建立好回歸方程之后，便可以利用新的回歸方程進行進一步的預測分析。

三、基于多元回歸分析的內蒙古物流需求預測分析

(一)變量選取

1.物流需求量的經濟指標選取原則

物流需求預測指標選擇是實施預測的關鍵。為了使物流需求預測具有科學性和預測結果具有準確性，有必要設立指標的選擇原則。

(1)相關性原則

本文利用內蒙古經濟指標來建模并預測未來五年的內蒙古物流需求規模，所以在選擇指標時要考察經濟指標和預測指標的相關性。理論上，兩者之間的相關性越強，預測結果會越可靠。

(2)可操作性原則

指標可操作性，包括指標數據的可獲得性。目前我國物流業統計數據不完善，雖然一些數據對預測來說很重要，但從統計數據中根本無法取得。所以，在設立預測指標時要選取比較容易獲取數據的指標。本文就是根據這一原則，選擇了運輸業的貨運量和貨物周轉量作為衡量物流需求發展規模指標。

(3)相對獨立性原則

無論是經濟指標還是物流需求指標，在一定程度上都有著較強的替代性和內在關聯性。如果不經過篩選就直接使用這些指標來進行預測，可能會導致預測結果與實際情況偏差很大。所以，選擇相關指標進行預測時，要盡可能地選擇相對較獨立的指標進行預測。

2.經濟指標選取的經濟因素分析

在社會經濟活動過程中，物流需求由于受多種因素的影響而不斷變化。有經濟影響因素、政策因素、資源因素等，本節主要就內蒙古物流需求的經濟影響因素進行分析。

(1)經濟總量水平

區域經濟發展的規模與水平是區域物流需求的決定性因素，也是區域物流需求增長的內在動力。區域經濟總量水平越高、增長速度越快，對生產資料、半成品、產成品的流通要求也就越高，物流需求就越大，帶動物流業越快發展。反過來，物流業較發達的地區經濟發展水平也較高。內蒙古近幾年的經濟發展較快，物流需求也在快速增長。因此，區域經濟總量與物流需求量間有著很強的正向相關性。

(2)產業結構

物流包括了物質資料在生產領域中各個生產階段之間和獨立于生產之外向消費領域轉移的全部運動過程，物質資料主要包括了工業、農、林、牧、漁業，即第一產業第二產業所生產的農產品和工業品。故第一產業增加值和第二產業增加值對物流需求量產生了重要影響。隨著內蒙古經濟的發展，產業結構也在發生著變化，目前為 9.5:54.6:35.9，工業比重最大，對物流需求的影響最強。

(3)社會消費品零售總額

隨著經濟的增長和城市化水平的提高，消費者的需求發生了明顯的改變，城市化水平的提高，城市居民多樣化、個性化和高度化生活需求的逐步顯現，使得城市居民生活所需小商品配送量開始增長。而區域社會商品零售總額這一指標從側面反映了區域物流規劃中城市配送量的大小，影響著配送中心的數量與功能定位。故社會商品零售總額也是影響物流市場需求的主要因素。

(4)固定資產投資總額

一個地區經濟的穩定發展離不開固定資產的投入，固定資產投資總額對一個地區經濟的發展具有后向效應，投資將轉化為以后現實的生產能力，增加物流量。故固定資產投資總額也是影響物流市場需求的重要因素。

(5)外貿總額

對外貿易的發展離不開物流的堅強后盾，反過來，也推動著物流需求量的增加，二者之間存在著必然的聯系。目前內蒙古對外貿易量正在快速增長，對物流的需求也在不斷增加，因此，對外貿易總額也是影響物流市場需求的重要因素。

(6)人均可支配收入

人均可支配收入也是影響物流需求的因素之一。人均可支配收入影響物流的規模和流向。居民消費商品的數量、品種及消費的習慣不同，引起企業生產變化，進而引起物流需求的變化。當人均可支配收入水平提高時，物流需求就會隨著增加;當人均可支配收入水平降低時，物流需求就會隨著減少。

(7)貨運量

關于物流需求量，由于學術界對物流需求量沒有做明確界定，而與之相關性最大的就是貨運量。從指標的可操作性角度考慮，本文選取貨運量作為物流需求量進行預測分析。

根據上述分析，選取變量如下:

解釋變量:內蒙古國內生產總值(GDP)X1;第一產業總產值X2;第二產業總產值X3;第三產業總產值X4;內蒙古社會消費品零售總額X5;外貿總額X6;社會固定資產投資總額X7;人均收入X8。

被解釋變量:貨運量Y。

(二)數據的選取

選取2001年到2010年樣本觀測值的數據如表1。

表1 2001－2010年內蒙古物流需求規模及主要經濟指標統計數據

(三)建立模型

根據表1中各項經濟指標，利用excel進行相關性分析，結果如圖1:

圖1 各經濟指標的相關性共線性

在圖1中，左軸表示貨運量，右軸表示X1到X8經濟變量，從圖1可以看出貨運量Y與X1到X8經濟變量均存在很強的線性相關性，可以建立多元線性回歸模型。但從圖1也可看出各經濟變量之間存在比較嚴重的多重共線性。如果多重共線性不消除，模型的參數就不能完全被估計出來，從而造成后面的預測值偏差很大，達不到預測的效果。因此可采用逐步回歸法來消除多重共線性影響，本文利用eviews軟件來達到這一目標。對于貨運量與各經濟變量之間的關系，根據表1數據，建立模型并采用逐步回歸法消除多重共線性影響，如表2。

由表2可看出Y與X8間的相關系數最大為0.970350，且由回歸模型知回歸系數為正，符合經濟意義。因此用Y、X8再與其他解釋變量進行回歸。結果都沒有使ˉR2改進，繼續選取略低的相關系數進行逐步回歸，直到選取Y、X7與X6的相關系數0.975037，改進最大，且回歸系數沒有負值，符合經濟意義，各參數的 t檢驗顯著，選擇保留X6，用Y、X7、X6與其他變量進行逐步回歸，沒有任何改進，最終修正嚴重多重共線性影響的回歸結果如表3。

表2 貨運量與各解釋變量間修正后的R2

表3 以外貿進出口總額X6和全社會固定資產投資X7為解釋變量的模型

回歸結果分析:(l)各項系數(即參數)均為正，大小比較恰當，符合經濟意義，表明內蒙古社會固定資產投資每增長l億元，貨運量將增加7.602217萬噸，外貿進出口總額每增加1億元，貨運量將增加372.0961 萬噸;(2)模型可決系數 R2=0.980584，表明解釋變量內蒙古外貿進出口總額和社會固定資產投資對貨運量的解釋能力為98.0584%，說明模型擬合的非常好;(3)方差檢驗的F值顯著性概率為0.000001，說明模型總體回歸效果較顯著;解釋變量和常數項t值的顯著性概率基本通過檢驗;(4)DW統計量的值為2.347041，在檢驗水平為0.05條件下，不包括常數項的解釋變量個數k為2，則從DW檢驗表中查得相應臨界值 dL=0.629、dU=1.699，0.629＜2.347041＜2.3590，符合 dL＜DW≤4 －dU，所以模型不存在序列相關，結果比較理想通過檢驗。

回歸模型為:Y=32562.31+372.0961＊X6+7.602217＊X7

本文利用excel分析工具，運用一次指數平滑和二次指數平滑的方法，對外貿進出口總額和全社會固定資產投資未來五年2011－2015年分別進行預測。

(1)一次指數平滑預測法

設時間序列為 y1，y2，……yn，則一次指數平滑公式為:

即以第t期一次指數平滑值作為第t+1期預測值。

(2)二次指數平滑法

則預測的線性模型為:

(3)平滑系數α的選擇

平滑系數α的選擇直接影響著預測效果，α的大小表明了修正的幅度。α值愈大，修正的幅度愈大，α值愈小，修正的幅度愈小。由此可見，在指數平滑法中，α的取值是否恰當對預測精度有著決定性的作用。在實際應用中，α值是根據時間序列的變化特性來選取的。若時間序列波動不大 ，則α應選擇小一些，如0.1－0.3;若時間序列具有明顯的變動傾向，則α應選擇大一些，如0.6－0.9。實質上，α是一個經驗數據，通過多個α值進行試算比較而定，哪個α值所引起的預測誤差最小，就選取哪個。

本文運用excel進行逐步試算，發現當α=0.7時，預測的誤差最小，所以最終選取α為0.7，通過分析計算，得出的2011－2015年的貨運量和貨運周轉量預測數據如下:

表4 貨運量預測表

圖2 貨運量發展趨勢圖

從圖2可以看出，貨運量在2004年以后一直保持快速增長，2008年、2009年出現小幅波動，之后又繼續快速增長。內蒙古2010年的物流需求值應為132205萬噸，至2015年時，內蒙古的物流需求量將上升至332738萬噸。這說明內蒙古的物流需求愈來愈大，內蒙古物流業的發展有了更廣闊的前景。由各變量間的相關性分析可知，與貨運量的發展相關性較大的是貿易總額和全社會固定資產投資，這與內蒙古現階段經濟發展現狀是相吻合的。隨著內蒙古對外貿易和基礎設施建設的迅速發展，貨運量還會繼續快速增長。

四、結論與建議

根據以上分析結果，結合目前出臺的產業規劃和內蒙古物流業發展現狀，特提出以下建議:第一，針對目前重點產業集群，整合現有物流資源，加強對物流基礎體系的規劃建設;第二，提高對中小物流企業的扶持力度，使其逐步走向專業化;第三，加大對物流專業人才的培養力度;第四，建立強大的物流信息平臺，實現信息資源的有效利用;第五，針對目前的產業現狀，制定并落實物流產業發展政策。

［1］王國維.預測與決策［M］.北京:中國財政經濟出版社，2006.47－55.

［2］秦璐，劉凱.基于產業結構的區域物流需求分析［J］.物流技術，2006，(7):4 －6.

［3］龐皓.計量經濟學［M］.北京:科學出版社，2007.85－95.

［4］任新平.區域物流布局［M］.北京:化學工業出版社，2011.130－138.