基于面板數據的無錫物流需求影響因素研究

王燕茹，戴姍姍

(江南大學 商學院，江蘇 無錫 214122)

一、引言

物流需求是社會經濟活動所產生的次生需求，受經濟發展狀況、產業結構、政治環境、人民生活水平、消費形式等許多因素的影響。物流需求分析是物流系統設計與規劃中的重要環節，分析和研究物流需求的影響因素有助于物流需求的預測。而物流需求的預測為政府制定物流產業發展政策、建設物流基礎設施、優化配置相關資源等提供了重要的理論依據，也為企業布局物流中心、選擇物流線路等提供了重要的決策依據。

目前一些專家學者已經對物流需求影響因素的選取做了相關的理論研究以及實證分析。2004年，劉秉鐮在比較研究兩類物流需求的預測方法時選取的物流規模指標為：實物量需求(貨運量、庫存量、加工量、配送量)和價值量需求(物流成本、物流收入、供應鏈增值)；影響因素指標為：物流費用占GDP的比例趨勢、國民經濟主要行業部門對物流消耗的中間需求。[1]2008年，黃虎在分析區域經濟等影響因素指標與區域物流需求之間的內在關系時選取的物流需求規模的指標為：貨物運輸量；經濟指標為：第一產業產值、第二產業產值、第三產業產值、區域零售總額、區域外貿總額和人均消費水平。[2]2009年，唐步龍在研究蔬菜流通量時選取的因變量為：農村物流(蔬菜流通量)；自變量為：道路水平(里程)、信息化水平(網絡普及率)、經紀人隊伍(農民經紀人數量)、設施(農用車數量)和教育水平(人均教育經費投入)。[3]2010年，李全喜等在研究區域物流能力與區域經濟發展的相關性時選取的區域物流能力指標為：物流相關產業產值、貨運量、貨運周轉量、載貨汽車保有量、物流相關產業固定資產項目投資額、物流相關產業從業人員比例、境內鐵路通車里程和公路通車里程；區域經濟指標為：GDP、農業GDP、工業GDP、社會消費品零售總額、人均GDP、居民消費水平和全社會固定資產投資額。[4]張毅和陳圻在研究中國區域物流業與經濟發展協調度時選取的物流發展子系統指標為：貨運量、貨運周轉量、物流業總產值、從業人數和物流產業固定資產凈值；經濟發展子系統指標為：經濟概況(人均GDP、固定資產凈值)，對外開放水平(進出口總額)，生活水平(人均工資、城市恩格爾系數、農村恩格爾系數)。[5]楊樹果和王新利在研究物流需求預測方法時選取的物流規模指標為：貨運總量；與貨運量緊密相關的指標為：國內生產總值、第一產業產值、第二產業產值、第三產業產值、工業總產值、農業總產值、進出口總額和總人口數。[6]2011年，曹萍和陳福集在預測區域物流需求時選取的物流需求規模指標為：貨運量；相關經濟指標為：國民生產總值、第一產業占GDP的比例，第二產業占GDP的比例，第三產業占GDP的比例，進出口貿易總額，社會消費品零售總額，區域內城鎮居民人均可支配收入和網絡用戶數。[7]

在物流需求規模和其影響因素的指標選取上，目前并沒有標準的統一的統計指標，上述文獻對此的選取雖然各有不同，但是相互之間存在一些共性，也有相互補充。選取的物流需求規模指標多為貨運量，在李全喜和張毅等研究中，物流業總產值、載貨汽車保有量、物流相關產業固定資產項目投資額、物流相關產業從業人數、境內鐵路通車里程和公路通車里程等也被選取為指標。[4-5]對于物流需求影響因素的指標選取，一般考慮經濟概況、對外開放水平以及人民生活水平三方面，唐步龍和曹萍等還考慮了文化教育中網絡的影響。[3，7]

二、物流需求影響因素的指標選取和數據來源

1.指標選取

考慮到運輸是物流系統中始終貫穿的活動，文章選取的物流規模指標為貨運量Y，Y為因變量。

物流需求主要受宏觀經濟水平、對外開放程度、人民生活水平以及教育文化程度的影響，借鑒已有的研究經驗，結合無錫物流的實際情況，在考慮數據可獲得性的基礎上，選取的物流需求影響因素指標及簡要說明如下：

表1 物流需求影響因素指標

注：城鎮居民人均可支配收入2009年前后的統計口徑不一致，選擇平均每人儲蓄額(元)來說明。

2.數據來源

無錫位處長江三角洲的平原腹地，是太湖流域的交通樞紐，是著名的魚米之鄉，也是民族工業的發源地之一，重要的地理位置和殷實的經濟條件奠定了其物流迅速發展的基礎。

加快發展現代物流業是無錫實現長遠目標的戰略性選擇，而物流業的基礎設施建設，倉儲和港站的設置，信息通信的鋪設，第三方物流的需求分析等都需要對物流需求進行分析和預測，那么確定物流需求的影響因素便顯得至關重要。文章以無錫物流需求為例，選取1996年至2011年的相關統計數據進行分析，數據來源于無錫統計年鑒。

三、無錫物流現狀的描述性分析

無錫處于交通樞紐，貨物運輸周轉量大，物流輻射半徑大，近年來無錫物流業硬環境和軟環境都有了改善。以下分析涉及貨運量和貨物周轉量的數據均來自無錫統計年鑒。

分析圖1、圖2及圖3可知，無錫貨運量的變化可分為三個時期，1996年至1998年為下滑期，這三年鐵路、公路和水路的貨運量均呈下滑狀態，公路貨運量下降的26.66%和總貨運量下降的23.68%最為接近。1999年至2004年為平穩期，在這期間，水路貨運量的變化幅度相對比較大，但是由于其對總貨運量的影響不大，所以雖然貨運量處于上下動蕩的狀態，但是總體來說還是比較平穩的。2005年至2011年為上升期，從2005年的8430萬噸到2011年的15387萬噸，無錫貨運量在七年的時間里翻了近一翻，其中2011年的公路貨運量為2005年的1.96倍。1996年至2005年期間，無錫總貨運量變化幅度較大，然而鐵路、公路和水路貨運量的變化對總貨運量的貢獻卻各有不同，由圖1可知，公路貨運量對總運貨量變化的影響最大，其發展走勢與總貨運量的走勢基本保持一致；水路的貨運量在1996年至2003年期間一直處于下降趨勢，2004年開始上升，2007年的1369萬噸與1999年的1353萬噸相近，2011年的1499萬噸與1996年的貨運量水平相差不遠；鐵路的貨運量在1999年至2005年期間一直處于動蕩上升的趨勢，自2006年后一直呈下降趨勢，并且2011年的貨運量為這16年的最低水平。

圖1 1996年-2011年總貨運量及各運輸方式貨運量(萬噸)

Fig.1Thetotalfreightandothertransportmodescargofrom1996to2011(tonnes)

圖2 1996年-2011年鐵路貨運量(萬噸)

Fig.2Railfreightfrom1996to2011(tonnes)

圖3 1996年-2011年水路貨運量(萬噸)

Fig.3Waterwayfreightfrom1996to2011(tonnes)

2011年，無錫貨運量總量為15387萬噸，其中航空、鐵路、公路和水路所占的貨運量比例如圖4，所占的貨物周轉量比例如圖5。

從圖4和圖5可知，無論是貨運量還是貨物周轉量，公路占的比例都是最大的，也就是說無論是短途還是長途的物流運輸過程中，公路運輸都占了很大的比例。2011年鐵路的貨物周轉量確實為零，而航空的貨運量為3萬噸，航空的周轉量為4843萬噸，但由于占總數的比例太少而沒有在圖中體現。

圖4 貨運量中各運輸方式所占比例

Fig.4Proportionofeachtransportmodeinfreight

圖5 貨物周轉量中各運輸方式所占比例

Fig.5Proportionofeachtransportmodeinfreightturnover

貨物周轉量等于貨運量和貨物平均運距的乘積，分析水路和公路的貨運量和貨物周轉量可知，2011年水路的貨物平均運距為公路的3.47倍，比2005年的2.47倍增加了約40個百分點，這是由水路和公路運輸的不同特點所影響決定的。

四、數據分析

1.數據預處理

由于統計過程中，各個指標之間的計量單位以及數量級不盡相同，不能直接進行綜合分析，所以文章采用標準化處理的方法對以上數據進行無量綱化處理，解決各指標的不可綜合性問題。

假設F是因變量Y的標準化矩陣，

假設Ei是自變量Xi的標準化矩陣，

表2 1996年-2011年無量綱化處理后的面板數據

2.數據分析

本文主要研究面板數據的影響效應狀況，使用nlinfit函數進行非線性最小二乘擬合，并采用嶺回歸分析構造預測模型。將歸一化到[0，1]區間的數據樣本分成兩組：1996—2010 年數據用于建立及訓練模型，2011 年數據用于檢驗模型的預測性能。以貨運量為因變量Y，自變量為地區生產總值X1、第一產業生產總值X2、第二產業生產總值X3、第三產業生產總值X4、固定資產投資總額X5、社會消費品零售總額X6、進出口總額X7、平均每人儲蓄額X8、恩格爾系數X9、每百戶城鎮居民家庭擁有的家用電腦X10、每萬人擁有各類專業技術人員X11。其樣本n=16，自變量數p=11。由此假設線性函數：

y=a*X1+b*X2+c*X3+d*X4

+e*X5+f*X6+g*X7+h*X8

+i*X9+j*X10+k*X11

其中a，b，c，d，e，f，g，h，i，j，k分別為本文要求的各自變量對因變量的最小二乘估計系數。beta為系數矢量，beta0為包含系數初值的矢量，本文中beta0= [0.7 -0.3 -0.05 0.35 0.4 0.3052 -0.2 -0.58 -0.5 0.39 -0.59]。本文用[beta,r,J]=nlinfit(X,y,fun,beta0)返回擬合系數(beta)、殘差(r)和雅可比矩陣J，并將這些參數用于nlintool函數，生成預計值的誤差估計。通過74次迭代，運行算得betafit= [5.2837，-0.7162，-2.7103，-0.44，-2.1789，1.5133，-0.1618，0.4743，0.7485，1.0214，-0.4034]，即貨運量與各因素之間存在以下的關系：

Y=5.2837X1- 0.71062X2-2.7103X3-

0.44X4-2.1789X5+1.5133X6-

0.1618X7-0.4743X8+0.7485X9+

1.0214X10-0.4034X11

表3 擬合系數(bate)的值

分析表3數據可知，對貨運量影響最大的因素是地區生產總值、第二產業生產總值，固定資產投資總額，這些都為宏觀經濟這一指標下的因素，說明無錫貨運量主要受無錫的經濟發展水平、產業的經濟結構狀況以及固定資產投資規模和使用方向的影響。其次社會消費品零售總額和每百戶城鎮居民家庭擁有的家用電腦因素對貨運量的影響也比較大。這說明實物商品的最終消費情況還有信息流對物流發展的影響也比較明顯。對貨運量影響較小的因素是進出口總額、第三產業生產總值和每萬人擁有各類專業技術人員。

3.數據評價

表4 殘差值(r)

殘差值均接近零，說明擬合結果比較可靠。

表5 雅可比矩陣J

將通過nlinfit函數運算所得的擬合系數(beta)、殘差(r)和雅可比矩陣J用于nlintool函數，得到多變量的非線性擬合模型的擬合系數的95%置信區間分別為[-12.5551,16.0461] ；[-1.6880,1.4892] ；[-8.1150,7.0945]； [-7.0388,5.1437]；[-4.0216,2.1813]；[-2.1548,5.7741]；[-1.4718,1.2640]；[-2.8474,2.5074]；[-0.7757,1.6849]；[-1.0988,2.6780]；[-1.2438,0.7962]，擬合系數均在95%的置信區間內。

本文由最小二乘估計獲得需求模型：

Y=5.2837x1-0.7162x2-2.7103x3-0.44x4-2.1789x5+1.5133x6-0.1618x7-0.4743x8+0.7485x9+1.0214x10-0.4034x11

下面用2011年數據檢驗模型的預測性能，得到的Y值為2.8194，殘差值為0.5166。通過去歸一化處理后所得數據為16756.01萬噸，與實際數據15387萬噸相比，相對誤差為8.8%，該模型的預測性能基本可靠。

顯著性分析：

(1)原假設H0：各組無量化處理后的數據是相同

備選假設H1：各組無量化處理后的數據存在很大差異

(2)檢驗數據如表6：

表6 檢驗統計表

(3)選取顯著水平α值為0.05，得到分析表7：

表7 方差分析

方差分析一般檢驗多套數據的平均值來確定這些數據集合中提供的樣本的平均值是否也相等。

單因素方差分析通過簡單的方差分析，對兩個以上樣本進行相等性假設檢驗。此方法是對雙均值檢驗的擴充。

如果用均方(即自由度v去除離均差平方和的商)代替離均差平方和以消除各組樣本數不同的影響，則方差分析就是用組內均方去除組間均方的商(即F值)與1相比較，若F值接近1，則說明各組均數間的差異沒有統計學意義，若F值遠大于1，則說明各組均數間的差異有統計學意義。實際應用中檢驗假設成立條件下F值大于特定值的概率可通過查閱F界值表(方差分析用)獲得。

由表6得出在α值為0.05時，F值為26，遠大于1，因此顯著性檢驗成立的概率p≤0.05，所以無效假設H0不成立，各組數據間的差異并不是由誤差造成的，該數據組具有一定的統計意義。

相關系數分析：

表8 相關系數統計

**. 在 .01 水平(雙側)上顯著相關。

由表7可以得知，Pearson相關性系數都大于0.7，符合強相關。

五、結論及建議

1.通過研究，本文得到以下結論

(1)無錫的物流需求主要受宏觀經濟的影響，其中經濟的總體發展水平以及實物商品的最終消費情況對物流需求的影響尤為重大，第三產業產值對物流需求的影響較小，這在物流中主要反映為實物流。

(2)教育文化因素對物流需求的影響日益顯現，信息是物流發展的重要基礎，對發展現代物流有很大的貢獻，這在物流中主要體現為信息流。

(3)固定資產投資規模和使用方向對物流發展的影響也比較明顯，固定資產投資在物流中主要反映為資金流。

(4)在無錫，外向性物流在物流中所占的比例不大。進出口總額體現的是外向性物流在物流中所占的比重，而公路運輸是短距離運輸的中堅力量，水路及鐵路主要承擔的是遠距離、大宗貨的外向性物流。無錫物流現狀分析表明公路運輸為目前的主要運輸方式，1996年至2011年期間公路運貨量高達總運貨量的83.9448%，與此相比水路以及鐵路的運貨量對總運貨量的影響較小。這一現狀與進出口總額x7對貨運量Y的影響系數較小這一計算結果相吻合。

(5)人民生活對物流需求的影響并不凸顯。居民的生活以及消費水平對需求的影響在所有影響因素中處于中下水平，這在一定程度上說明無錫物流主要依靠生產拉動而非消費。反過來說，物流對于人民生活的作用并沒有特別直接的影響。

2.本文提出以下建議

(1)加快實現實物流、信息流和資金流的三流合一，加快物流現代化的步伐。

(2)注重教育文化，培養發展現代物流需要的高質量人才。

(3)加強物流產業規劃，合理配置社會資源，使資產投資規模和使用方向更合理。

(4)加強外向性物流的發展，更好地利用無錫的樞紐優勢。

(5)注重產業轉型，依托有利的社會地理環境，大力發展第三產業。

[參 考 文 獻]

[1] 劉秉鐮．基于價值量的物流需求分析與預測方法研究[J]．中國軟科學，2004(5)：66-73．

[2]黃虎．區域物流需求預測模型研究[J]．統計與決策，2008(17)：62-63．

[3]唐步龍．基于Panel Data的蔬菜流通量影響因素研究[J]．統計與決策，2009(22)：90-91．

[4]李全喜，金鳳花，孫磐石．區域物流能力與區域經濟發展的典型相關分析—基于全國面板數據[J]．軟科學，2010，12(24)：75-80．

[5]張毅，陳圻．中國區域物流業與經濟發展協調度研究—基于復合系統模型與30個省區面板數據[J]．軟科學，2010，12(24)：70-78．

[6]楊樹果，王新利．偏最小二乘回歸與灰色模型耦合在物流需求預測中的應用[J]．農業技術經濟，2010，(7)：105-111．

[7]Zhao fang Chu,Logistics and economic growth: a panel data approach[J].TheAnnalsofregionalscience,2012,49(1).

[8]Jianyu Ran, Jiansheng Zhang. Difference and Influence Factors for the Development of Regional Logistics in China[D],2010.

[9]強林飛，吳芬，吳詣民．中國行業收入差距的實證研究[J]．統計與決策，2011，11(26)：44-48．

[10]梁毅剛，耿立艷，張占福．基于核成分—最小二乘支持向量機的區域物流需求預測[J]． 鐵道運輸與經濟，2012，(34)：63-67．