區域物流需求預測研究綜述

魏樂琴

（1.福州大學 經濟與管理學院，福建 福州 350116；2.武夷學院 商學院，福建 武夷山 354300）

區域物流需求預測研究綜述

魏樂琴

（1.福州大學 經濟與管理學院，福建 福州 350116；2.武夷學院 商學院，福建 武夷山 354300）

區域經濟與區域物流需求之間存在著極強的關聯性,區域經濟發展與區域物流需求增長存在著內在的邏輯關系,這種關系決定了區域物流需求可以用區域經濟水平來進行預測。區域物流需求預測為尋找區域經濟與區域物流之間的內在關系并為區域物流規劃了提供必要的決策數據和依據。

區域經濟；區域物流需求；預測

一、區域物流需求預測研究的意義

研究區域物流需求有利于促進區域物流與區域經濟協調發展；探索和研究區域物流需求預測的相關理論，為政府制定區域物流戰略規劃提供了科學的理論依據；研究區域物流需求預測方法，為物流需求預測的研究模型和研究技術提供了新的思路，有利于克服物流需求預測長期存在的定性規劃、經驗預測等方法的不足。

區域物流需求預測，有助于政府采取科學、合理的政策和措施協調區域經濟與物流發展之間的關系，以相互促進，協調發展；區域物流需求的準確、合理預測將為區域物流發展規劃的制定提供科學、可靠的依據；區域物流需求的準確、合理預測將有助于政府整合區域物流資源,建立節約、高效的區域物流體系。

二、國內外區域經濟與區域物流關系的研究現狀

國內外學者關于區域經濟與區域物流關系的研究主要集中在區域經濟與區域物流的互動關系、區域經濟與區域物流的協調發展等方面。

（一）區域經濟與區域物流的互動關系

Danuta Kisperska-Moron對波蘭在經濟過度時期的物流變化情況進行了研究，研究結果表明，在經濟過度時期，經濟發展中的關鍵是物流。不同經濟時期的庫存變化情況反映了物流的變化。[1]美國學者Bloton認為，區域經濟和區域交通運輸狀況是相輔相成的，經濟發達地區的物流運輸就相對繁茂；而交通運輸發達的地區區域經濟就相對發達。[2]華蕊認為，區域物流需求是由區域經濟發展引起的，是區域經濟發展的伴生需求。[3]徐茜、黃祖慶認為，區域經濟是區域物流發展的基礎，區域物流為區域經濟發展提供保障，二者相互促進，共同發展。[4]廖迎，阮陸寧選取了1978～2006年30個省、直轄市、自治區的面板數據，運用面板單位根和面板協整方法，證明區域物流增長與區域經濟增長存在長期均衡正相關關系。[5]張誠，周敏采用定量分析的方法對中部地區的區域物流與區域經濟的互動關系和發展趨勢進行初步的研究，指出區域物流與區域經濟如果發展不平衡，就會產生消極效應，經濟到發展而物流則會受到抑制，反之亦然。[6]

（二）區域經濟與區域物流的協調發展

宋卓寧，李軍運用系統動力學的反饋分析方法，建立了廣西區域物流與經濟協調發展的系統動力學模型，實驗結果表明，刺激需求、合理投資以及大力培育人才等政策，能夠有效推動廣西物流業和社會經濟的協調發展。[7]張梅青等分別構建了在物流產業與區域經濟發展協調和發展不協調兩種情況下的互惠共生模型，并依據實驗結果提出從本質上優化共生單元與界面，從形式上優化共生環境的區域經濟與區域物流協調發展策略。[8]王偉等構建了區域物流——經濟復合系統協調度評價模型和協調性評價指標體系，并指出只有綜合運用這些指標體系，才能對區域物流與區域經濟的協調性做出全面的評價。[9]

三、國內外區域物流需求的研究現狀

（一）區域物流需求的內涵

何萍研究認為，區域物流需求是指在一定時間范圍內，在一個經濟發展盡可能完整的地區，社會經濟活動對生產、流通、消費領域的物料配置作用而產生的對物在空間、時間和效率方面的要求，這其中包括了物流環節各種活動以及與之相關的信息需求等方面。[10]梅漢寧認為，區域物流需求是社會通過市場交換的方式所消費的物流服務的數量，它既反映了該區域范圍物流市場的容量，又體現了整個經濟產業結構的變化趨勢。[11]張燕燕等認為，區域物流需求包括需求量和需求結構兩個方面。區域物流需求量是區域物流在各個環節上需求量的總和。區域物流需求結構，可以用物流時間、物流費用、物流效率等要素衡量。[12]秦璐等將區域物流需求分為農產品物流需求、工業品物流需求和消費品物流需求。[13]

（二）影響區域物流需求的因素

黃虎認為，區域物流需求的影響因素主要有經濟因素、物流行業因素、環境因素等，其中主要包括區域經濟發展水平和規模、區域經濟產業結構、經濟空間布局、物流設施和服務、物流費用的變動等。[14]楊光華等以湖南省為例研究產業結構對區域物流需求的影響，指出近幾年湖南省物流業年增長達到15%～20%，這與湖南省一、二、三產業結構由1980年的42.3∶40.2∶17.5轉為2010年的14.7∶46.0∶39.3相適應。[15]

四、國內外區域物流需求預測的研究現狀

國外學者關于區域物流需求預測的研究始于20世紀90年代。在國內，學者們于本世紀初開始研究區域物流需求預測方法。總體來看，國內外的研究主要集中在預測的內容及預測的方法兩個方面。

（一）區域物流需求預測的內容

葉藝勇認為，依據區域物流的服務特點和作業環節，預測內容可以包括總體需求規模、物流流量分布、主要影響因素的變化等。[16]何國華指出區域物流需求預測的內容包括預測物料流動的作業量、來源、流向、構成比例等，并在整理、分析歷史和現實數據的基礎上進行預測；預測內容主要包括影響因素的變化和物流需求規模。[17]

（二）區域物流需求預測的方法

根據預測方法的發展歷程和精確化程度的高低，區域物流需求預測方法的發展大致可以劃分為三個階段：

1.第一階段的預測方法以傳統統計學為基礎，主要有投入產出模型、回歸分析法、彈性系數法、聚類法、灰色理論模型、馬爾可夫鏈等方法。[18]

Donald,J.Bowersox在Supply Chain Logistics Management一書中提到，物流需求預測主要有：定性法，時間序列法，因果分析法。定性法適用于歷史資料數據不充足的情況，若可搜集到往年的數據則可使用時間序列法，而因果分析法則主要用于進行回歸預測。[19]

Garrido，Mahmassani提出時空多項概率模型并將其運用到貨物需求預測中，取得了較好的效果。[20]

何國華認為，灰色預測模型對數據要求限制少、中短期預測精準，因此特別適合應用于區域物流需求預測。[16]

王曉原、李軍討論了灰色預測模型在物流規模預測中的應用，建立了GM（1，1）模型，并以山東省的物流規模預測為例進行了實證研究，并對結果進行了檢驗，證明了預測結果的可信性。[21]

王小軍在“區域經濟發展與公路客貨運量預測”中，分別分析了區域交通現狀和經濟現狀以及相關影響因素，指出了區域交通及經濟在發展中所面臨的主要問題，并利用主成分分析法、回歸分析法對區域客貨運量進行了的預測。[22]

黃敏珍等嘗試了組合預測的方法，即將灰色系統理論與馬爾可夫鏈相結合，建立了GM（1，1）灰色模型，預測值以概率和區間形式表現。[23]

2.第二階段主要采用以神經網絡的學習和泛化能力為代表的人工智能預測方法，主要特點為改善預測模型的性能和提高預測準確率。[18]

曹萍以貨運量作為物流需求的內容，選取福建省1997～2009年的經濟數據，采用灰色神經網絡模型對福建省區域物流進行了預測。[24]

邱波提出了基于PCA-RBF神經網絡的區域物流需求預測，實例證明模型具有很好的預測效果；與傳統的RBF神經網絡相比較，該模型減少了輸入維數，降低了輸入數據之間的相關性，優化了網絡結構；相比于GA-SVM模型，具有更高的精度和更快的收斂速度。[25]

3.第三階段的預測方法以提高預測模型的精度和穩定性為主要特點，該類方法主要有支持向量機。[18]

黃毅等認為SVR自適應性強，收斂速度快、準確性高；以SVR方法為基礎建立了時間序列SVR預測模型，應用于廣西物流需求預測研究；實驗結果證明，在參數適當的情況下，SVR預測結果具有很高的精度，能滿足預測要求，預測結果可信。[26]

胡燕祝在研究經濟發展與物流需求關系的基礎上，構建了基于支持向量回歸機的物流需求預測模型, 研究中詳細介紹了構建模型的具體分析步驟，并驗證了預測結果的可行性和有效性。[27]

何周林提出了基于支持向量回歸（SVR）的區域物流需求預測模型，揭示了區域物流需求與區域經濟發展之間的非線性映射關系。[28]

同時，也有越來越多的學者開始關注組合預測，并認為組合預測模型較單一預測模型具有更好的預測效果。

初良勇等在研究影響物流需求因素的基礎上，建立了物流需求組合預測模型，以規避單項預測模型的局限性，對國際海運物流需求量進行了預測。[29]

曾艷以年貨運量為基礎建立了區域物流需求組合預測模型，并將預測結果分別與回歸預測、指數平滑預測的結果進行了比較；比較結果證明，相對于單一的預測方法，組合預測的精度最高。[30]

俞少君以方差最小化為準則，構建了區域物流需求預測組合模型；指出該模型能克服單項預測模型精度不高、假設條件及適用范圍有限等方面的不足，并結合安徽省物流需求預測的實例，驗證了組合預測模型的有效性。[31]

五、結語

國內外學者對于區域物流需求預測的研究已日益豐富，但目前有關區域物流需求預測的研究仍然還存在以下不足之處：（1）對區域物流與區域經濟相互關系的理論研究稍顯不足。研究區域經濟與區域物流之間的相互影響和作用，對于構建科學的區域物流發展戰略，促進區域經濟的發展非常重要；（2）在預測指標的選取方面基本停留在貨運量和貨運周轉量的分析預測上，對于其它物流活動如倉儲、包裝、流通加工、信息服務等指標則很少有研究，而且對貨運量和周轉量的分析上也只是定性的論述，缺乏定量研究。

[1]Danuta Kisperska一Moron.Logistics Change during the Transition Period in the Polishe Economy[J].International Journal of Production Economies，1994，（35）：1-3.

[2]Bolton,D.Ross.Industrial Structure and Economic Performance [M].New York:Houghton Mifflin Company，1993.

[3]華蕊.區域物流與區域經濟的關系[J].物流科技，2004，（9）：78-79.

[4]徐茜,黃祖慶.區域物流與區域經濟發展互動關系研究——以浙江省為例[J].統計與政策，2011，（9）：116-119.

[5]廖迎,阮陸寧.區域物流與區域經濟增長的實證研究——基于面板單位根與面板協整分析[J].南昌大學學報，2008，（3）：64-69.

[6]張誠，周敏.中部區域物流與區域經濟協同發展研究[J].物流工程與理，2010，（10）：76-78.

[7]宋卓寧，李軍.基于系統動力學的廣西區域物流與經濟協調發展研究[J].物流科技，2011，（4）：34-37.

[8]張梅青，周葉，周長龍.基于共生理論的物流產業與區域經濟協調發展研究[J].北京交通大學學報，2012，（1）：27-34.

[9]王偉，陳偉成，黃莉，封學軍.基于協同學理論的區域物流與區域經濟協調度度量研究[J].中國市場，2010，（15）：6-8.

[10]何萍.區域經濟發展對區域物流需求的影響研究[D].江蘇科技大學碩士學位論文，2011:20.

[11]梅漢寧.區域物流需求影響因素的關聯性分析——以廣東省為例[J].中國商貿，2012，（12）：146-151.

[12]張燕燕，陳博.區域物流需求的投入產出分析——以北京市為例[J].物流技術，2010，（Z2）：1-3.

[13]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）：4-6，16.

[14]黃虎.區域物流需求預測模型研究[J].統計與決策，2008，（17）：62-64.

[15]楊光華，鄒敏.產業結構與區域物流需求關系分析[J].物流技術，2012，（5）：146-148.

[16]葉藝勇.區域物流需求預測研究 [D].五邑大學碩士學位論文，2008.

[17]何國華.區域物流需求預測及灰色預測模型的應用[J].北京交通大學學報，2008，（1）：33-37.

[18]夏國恩.區域物流需求預測現狀和發展研究[J].中國物流與采購，2010，（4）：68-69.

[19]Donald,J.Bowersox.Supply Chain Logistics Management（2nd Edition）[M].Beijing:China Machine Press，2007.

[20]Rodrigo A.Garrido,Hani S.Mahmassani.Forecasting Freight Transportation Demand with the Space-time Multinomial Pro Ait Model[J].Transportation Research Part A，2000.403-418.

[21]王曉原，李軍.灰色GM（1，1）模型在區域物流規模預測中的應用[J].武漢理工大學學報，2005，（3）：415-417.

[22]王小軍.區域經濟發展與公路客貨運量預測[D].長安大學碩士學位論文，2003.

[23]黃敏珍,馮永冰.基于灰色－馬爾可夫鏈的區域物流需求預測[J].統計與決策，2009，（16）：166-168.

[24]曹萍，陳福集.GA-灰色神經網絡的區域物流需求預測[J].北京理工大學學報，2012，（1）：66-70.

[25]邱波.基于PCA-RBF神經網絡的區域物流需求預測研究[J].管理工程師，2012，（2）：30-33.

[26]黃毅，夏國恩.基于支持向量回歸機的廣西物流需求預測[J].科技管理研究，2011，（2）：142-144，150.

[27]胡燕祝，呂宏義.基于支持向量回歸機的物流需求預測模型研究[J].物流技術，2008，（5）：66-68.

[28]何周林，肖健華.基于SVR的區域物流需求短期智能預測模型研究[J].五邑大學學報，2007，（2）：70-75.

[29]初良勇，田質廣，謝新連.組合預測模型在物流需求預測中的應用[J].大連海事大學學報，2004，（4）.

[30]曾艷.基于變異系數的區域物流需求組合預測方法[J].統計與決策，2012，（21）：93-95.

[31]俞少君.基于灰色組合模型的區域物流需求預測研究[J].物流技術，2012，（21）：323-325，329.