基于概率排序模型的中國物流業(yè)發(fā)展趨勢分析

羅玲桃，張相斌

(南京郵電大學 管理學院，南京 210023)

0 引言

物流業(yè)是融合運輸業(yè)、倉儲業(yè)、和信息業(yè)等行業(yè)的復合型服務產(chǎn)業(yè)，被廣泛認為是繼生產(chǎn)和營銷之后的“第三利潤源泉”。作為國民經(jīng)濟的重要組成部分，物流業(yè)正在全球范圍內迅速發(fā)展，其發(fā)展水平已成為衡量一個國家綜合競爭力的重要標志[1,2]。分析和預測我國現(xiàn)代物流業(yè)發(fā)展前景，有利于全面把握我國物流業(yè)發(fā)展動態(tài)，從而制定正確的物流業(yè)發(fā)展政策，科學規(guī)劃物流系統(tǒng)，合理配置物流資源，達到進一步促進經(jīng)濟持續(xù)高效發(fā)展的效果。回歸分析作為一種簡單實用的預測工具，被廣泛應用于各個領域的研究中[3～6]。目前，線性回歸模型也是物流預測研究中運用較多的一種方法[5,6]。我們在利用回歸模型進行預測時，一般是將單一的自變量預測值帶入回歸模型來預測因變量的未來水平，這種預測往往只反映出自變量單一的可能性。然而，隨著人們對未來宏觀環(huán)境的預期水平不同，自變量的預測值將呈現(xiàn)出多種可能性，僅僅依靠回歸分析顯然不足以描述自變量的這種波動水平。為了充分考慮自變量未來變化的不確定性和波動性，將自變量所有可能的預測值都納入考慮范疇，本文在建立概率排序型預測模型的基礎上，對中國物流業(yè)發(fā)展趨勢進行預測。此前已有學者對概率排序型決策方法進行了一些研究[7～9]，但概率排序法在預測方面的研究較少，本文提出的概率排序型預測方法具有一定的創(chuàng)新性。概率排序型預測研究的是預測者對自然狀態(tài)出現(xiàn)概率有所了解，但又不足以單值地計算出準確數(shù)值來的一類問題，概率排序型預測有效地彌補了研究中主觀概率值缺失的缺陷。在概率排序型預測中，各自然狀態(tài)的概率值未知，因而無法準確計算各期望值，但能夠設法確定出期望值可能的最大值和最小值，預測結果以區(qū)間的形式描述，更加符合實際。

1 中國物流業(yè)發(fā)展趨勢預測分析

1.1 指標的選取

物流業(yè)的發(fā)展水平受到需求和供給兩方面的影響。物流需求拉動物流業(yè)蓬勃發(fā)展的同時，如果物流能力供給不能滿足這種需求，物流能力供給將對物流發(fā)展產(chǎn)生抑制作用，將其限制在一定的發(fā)展水平；反之，當物流能力的供給水平很高，而物流需求不足以滿足這種供給時，不可避免地會造成供給的浪費，物流業(yè)的發(fā)展水平受到需求的制約。因此，物流需求水平和供給水平共同決定了物流業(yè)的發(fā)展水平。物流是供需平衡的產(chǎn)物，這是物流最基本的特征。我們可從供需兩方面入手確定影響物流業(yè)發(fā)展水平的關鍵影響因素及相應地指標。

影響物流業(yè)發(fā)展的關鍵影響因素是：社會經(jīng)濟水平、運輸能力和倉儲能力。其中，社會經(jīng)濟水平用GDP指標描述；運輸能力不僅表現(xiàn)在運送的噸數(shù)上，還表現(xiàn)在貨物被運送的距離上，所以采用全社會貨物周轉量表征；從統(tǒng)計上[10]看，儲存主要存在于倉庫和站場港口中，倉儲業(yè)固定資產(chǎn)投資額從一定程度上反映了儲存所需固定資產(chǎn)的建設情況，可以從側面刻畫倉儲水平。

關于物流業(yè)發(fā)展水平，用于描述的指標有很多，如：社會物流需求系數(shù)、社會物流總額、物流總費用、物流業(yè)增加值、物流業(yè)增加值占同期GDP的比重等，其中，社會物流總額是業(yè)內常用的物流統(tǒng)計指標之一，本文用社會物流總額來衡量物流業(yè)發(fā)展水平。

1.2 物流業(yè)發(fā)展水平回歸預測模型及局限

根據(jù)1991～2013年的相關統(tǒng)計數(shù)據(jù)（表1），采用回歸分析法建立社會物流總額與GDP、全社會貨物周轉量和倉儲業(yè)固定資產(chǎn)投資額之間的回歸預測模型。

由于上文中關鍵影響因素主要是參照現(xiàn)有文獻并加入自己的思考后總結而來，具有一定的主觀性，為了加強本文的科學性和嚴謹性，在得到相關統(tǒng)計數(shù)據(jù)后，可繪制相關圖來檢驗關鍵影響因素的選取是否合理。

圖1 社會物流總額與GDP散點圖

圖2 社會物流總額與貨物周轉量散點圖

圖3 社會物流總額與倉儲業(yè)投資額散點圖

觀察圖1～3可知，社會物流總額與GDP、貨物周轉量和倉儲業(yè)投資額之間存在線性關系，關鍵影響因素選取合理。基于以上分析，假設社會物流總額關于GDP、全社會貨物周轉量和倉儲業(yè)固定資產(chǎn)投資額呈多元線性回歸。則社會物流總額模型為：

其中：y表示社會物流總額（萬億元）；x1表示GDP（萬億元）；x2表示貨物周轉量（萬億噸公里）；x3表示倉儲業(yè)投資額（十億元）；β0，β1，β2，β3表示參數(shù)；ε表示隨機誤差。

表1 1991～2013年各項統(tǒng)計數(shù)據(jù)

根據(jù)1991～2013年的統(tǒng)計數(shù)據(jù)，用SPSS軟件進行回歸分析，結果為：β0=-16.901，β1=0.899，β2=5.925，β3=0.116，相關系數(shù) R=0.999，檢驗 F=3538.014，通過數(shù)學檢驗。回歸方程如下：

用差異分析法比較近兩年的預測值與實際值，我們可以發(fā)現(xiàn)，該模型比較理想（表2）。

表2 比較預測值與實際值

目前，利用多元線性回歸進行預測時，只要將確切的自變量預測值代入回歸模型就可以預測出因變量的未來水平。但預測是對未來的判斷，而未來宏觀環(huán)境的變化是不確定的，自變量的預測值也會隨著環(huán)境的這種不確定性變化而呈現(xiàn)出多個不同的水平，自變量未來的預測值并不是唯一的。而且，受到現(xiàn)有信息以及知識的限制，我們很難給出各預測值未來可能出現(xiàn)的概率，也無法通過計算期望值的方法得到確切的預測值。在這種情況下，試圖用回歸分析進行預測顯然是行不通的。然而，根據(jù)客觀經(jīng)驗以及相關調研分析，我們可以很容易地給出各自變量所有可能的組合的概率大小順序，對于這類問題，可以考慮建立概率排序型預測模型來解決。

2 概率排序型預測方法建模

2.1 問題描述與假設

給出線性回歸模型如下：

式中：y為因變量，x1，x2，…，xn為 y的n個關鍵影響因素，β1，β2，…，βn為參數(shù)，ε是隨機誤差。

表3 不同概率下各種組合及其對應的結果

由以上分析可知，在實際的預測分析中,決策者對未來各自然狀態(tài)出現(xiàn)概率的了解是處于既有所了解但又不足以單值地計算出準確數(shù)值來。換言之，決策者只知道N個未來狀態(tài)的概率將呈現(xiàn)出由大到小的順序：p1≥p2≥…≥pN，而不知道 pi的具體數(shù)值。在這種情況下,擬用傳統(tǒng)預測模型顯然是不可行的，因而研究此類狀態(tài)下的預測方法實用性很大，概率排序型預測方法正是這樣一種方法。

2.2 模型的構建

在概率排序型預測中，由于各自然狀態(tài)出現(xiàn)的概率大小無法準確估計，所以也無法準確計算其期望值，但是我們可以求得期望值的最大值和最小值，因此，以區(qū)間的形式來描述預測結果，不失為一個簡單而又有效的辦法。

因變量y的期望值E(y)的最大值和最小值為:

3 基于概率排序型預測模型的中國物流發(fā)展趨勢分析

3.1 影響因素指標預測

任何事物的發(fā)展都受到宏觀環(huán)境的影響，宏觀環(huán)境的好壞決定了事物發(fā)展水平的高低。GDP、全社會貨物周轉量以及倉儲業(yè)固定資產(chǎn)投資額作為三個經(jīng)濟方面的指標，其發(fā)展水平必然與我國經(jīng)濟發(fā)展情況這個大環(huán)境密切相關。由于未來經(jīng)濟發(fā)展具備不確定性，三個指標的預測值也可能隨之出現(xiàn)不同水平的波動。為了充分考慮這種不確定性，將所有可能的情況考慮進來，在對影響因素指標進行預測時，應對未來經(jīng)濟形勢樂觀、正常和謹慎估計下三個指標的表現(xiàn)都有所涉及。

中國發(fā)改委主任在2011年稱歐美賬務危機增加了全球經(jīng)濟發(fā)展的不確定性，中國經(jīng)濟今后將進入“中速增長期”，即增長率會從前十年平均9%下降到7%左右，相比于9%的增長率，顯然7%的增長率是個較為謹慎的估計。安永（美國會計事務所）則表示，盡管最近幾年增長率有所下降，但中國經(jīng)濟發(fā)展的勢頭依然強勁，其樂觀地估計我國GDP仍能夠繼續(xù)保持接近8.2%的平均增速；然而，從客觀實際出發(fā)，更多的學者認為我國經(jīng)濟既不會繼續(xù)高增長，也不會進入所謂“中速”增長期，而是會延續(xù)近幾年的發(fā)展趨勢，繼續(xù)以7.5%左右的增速增長。

根據(jù)以上數(shù)據(jù)，可以計算出2011～2017年三種經(jīng)濟形勢下中國GDP的預測值見表4所示，其中2011～2013年的數(shù)據(jù)用于檢驗模型，2014～2017年的數(shù)據(jù)用于預測，全社會貨物周轉量以及倉儲業(yè)固定資產(chǎn)投資額的預測也如此。

表4 2011～2017年中國GDP預測 （單位：萬億元）

文獻[11]根據(jù)國民經(jīng)濟“三步走”的發(fā)展戰(zhàn)略，提供了三種方法預測未來中國貨物運輸發(fā)展趨勢，顯然，貨物運輸發(fā)展水平也受到經(jīng)濟發(fā)展形勢的影響。文獻中預測結果是基于較早期的數(shù)據(jù)計算而來，故并不直接引用其數(shù)據(jù)，而只是借鑒其預測方法，并根據(jù)表1中的歷史統(tǒng)計數(shù)據(jù)重新計算得來。對比三種模型的預測結果，灰色模型預測值最高，線性回歸次之，指數(shù)平滑最低，因此，我們可將灰色模型、線性回歸和指數(shù)平滑的預測結果分別認為是經(jīng)濟形勢樂觀、正常和謹慎情況下的預測。

表5 2012～2017年全社會貨物周轉量預測 （單位：萬億噸公里）

現(xiàn)有資料中幾乎沒有涉及倉儲業(yè)固定資產(chǎn)投資額的預測數(shù)據(jù)或者大都需要高價購買，我們很難找到權威的預測數(shù)據(jù)。考慮到我們已經(jīng)搜集到的大量歷史數(shù)據(jù)，可利用SPSS軟件進行時間序列法預測，預測結果如表6所示。預測結果中給出了高、中、低三個水平的預測值，顯然，預測值與投資者對未來經(jīng)濟形勢的把握有密切關系，投資者認為未來經(jīng)濟形勢樂觀，預測值就高，對未來經(jīng)濟形勢持謹慎的態(tài)度，預測值則低。

表6 2012～2017年倉儲業(yè)固定資產(chǎn)投資額預測 （單位：十億元）

3.2 概率排序

由上一節(jié)的分析可知，GDP、全社會貨物周轉量以及倉儲業(yè)固定資產(chǎn)投資額指標各有三個不同水平的預測值，理論上三個指標的組合應該有3×3×3=27種。然而，三個指標都受到同一個宏觀環(huán)境的影響，不同水平的預測值是基于對未來經(jīng)濟發(fā)展前景不同的預期而得來，因此，當人們對經(jīng)濟形勢的發(fā)展前景持樂觀態(tài)度時，對三個指標的預測都將是樂觀預測；當人們對經(jīng)濟形勢的發(fā)展前景持謹慎態(tài)度時，對三個指標的預測也都將是謹慎的；而不可能同時出現(xiàn)一個指標樂觀，而另一個指標謹慎。所以三個指標的組合實際上只有N=3個，分別是：{謹慎，謹慎，謹慎}、{正常，正常，正常}、{樂觀、樂觀，樂觀}。

由于未來經(jīng)濟發(fā)展具備不確定性，我們無法準確地估計未來經(jīng)濟發(fā)展形勢樂觀、正常和悲觀三種情況可能出現(xiàn)的概率，但是根據(jù)相關資料，我們可以對三種情況可能出現(xiàn)的概率大小進行排序。英國廣播公司國際部近期在全球25個國家所做的最新民意調查顯示，中國人對長期經(jīng)濟前景持樂觀態(tài)度的人占受訪者的比例高達62%，對經(jīng)濟前景感到悲觀的受訪者比例僅占11%，剩下近30%的人對經(jīng)濟前景樂觀或悲觀并無太大傾向性，由此可知，我國經(jīng)濟前景樂觀的概率最大，正常發(fā)展的可能性次之，發(fā)展前景悲觀的概率最小。按可能出現(xiàn)的概率大小對表7中的組合進行排序，結果見表7所示。

表7 2011～2017年組合概率排序

表7中顯然有：p(X1)≥p(X2)≥p(X3)，這種情況可用概率排序法進行計算。

3.3 預測

由式（2）可知：

y?f(x1，x2， x3)=0.899x1+5.925x2+0.116x3-16.901

每一個組合Xi(i=1，2，3)都唯一地確定一個y值。將每種組合的取值代入方程就得到相應的y值，如表8所示。

表8 2011～2017年概率排序下對應的預測y值

由第3部分的分析可知，求解y的最優(yōu)期望值，只要計算出所有N個局部平均數(shù)，并且直接判斷就可以找到最大期望值和最小期望值。最大的局部平均數(shù)就是期望值的最大值，最小的局部平均數(shù)就是期望最小值。根據(jù)此算法可求得2011～2017年社會物流總額的預測區(qū)間，預測結果見表9所示。對比2011～2013年的數(shù)據(jù)可知，實際數(shù)據(jù)均落在預測區(qū)間上，預測結果可靠。

表9 2011～2017年社會物流總額的預測（萬億元）

3.4 結論與分析

通過上述計算，預計2104年社會物流總額為（229.07，237.63）萬億元，2015年會攀升至（248.85，261.31）萬億元，2016年為（271.39，287.28）萬億元，到2017年，電子商務交易額將在297.28萬億元與321.66萬億元之間。

根據(jù)表1中1991～2013年社會物流總額的歷史數(shù)據(jù)以及表9中2014～2017年社會物流總額的預測數(shù)據(jù)（取最大值與最小值的均值進行計算），可做出1991～2017年社會物流總額的增長圖如圖4所示。

圖4 1991～2017年社會物流總額及增長情況

由圖4可知，在未來的四年中，社會物流總額呈逐年遞增的趨勢，2014年開始突破200萬億元大關，到2017年，甚至有望超過300萬億元可見中國物流業(yè)發(fā)展前景仍然十分樂觀。

另外，觀察社會物流總額的增長曲線可知，在過去很長的一段時間中，我國物流業(yè)發(fā)展很不穩(wěn)定，增長速率波動較大，1994年增速達到了46%，而1998年的增速卻只有4%，但總體上增長速率呈下降的趨勢。隨著物流在我國發(fā)展的時間越來越長，社會物流總額的增長速率也越來越平穩(wěn)，近幾年物流總額增長速率的波動遠小于剛開始一段時間的波動。隨著物流業(yè)的進一步展，社會物流總額的增長速率將逐漸變得較為平緩。在未來的四年中，社會物流總額的增長速率只有很小幅度的波動，增長速率大概在10%左右，未來幾年中我國物流業(yè)或進入“中速增長期”。

4 總結

本文構建了物流業(yè)發(fā)展水平的回歸預測模型，并結合概率排序的方法對我國未來4年物流業(yè)發(fā)展趨勢進行了預測。概率排序法是一種僅需要根據(jù)各自然狀態(tài)出現(xiàn)概率大小順序的信息來進行預測的方法，而并不需要準確估計主觀概率，選擇概率排序方法預測我國物流業(yè)發(fā)展水平有效地彌補了研究中主觀概率值缺失的缺陷，方法簡單，應用方便。而且，在預測中概率排序法充分考慮了回歸模型中自變量未來可能的波動水平，預測結果以最大和最小期望值的區(qū)間形式很好地描述了由于自變量的不確定性導致的預測值的波動性，預測結果更貼近實際，具有很強的現(xiàn)實意義。而且，目前在物流領域，甚至是其他領域，對概率排序方法的研究都較少，用概率排序法來解決物流業(yè)發(fā)展趨勢的預測問題是一次新的嘗試。

[1]Navickas,Valentinas,Sujeta,et al.Logistics Systems as A Factor of Country’sCom-petitiveness[J].EconomicsandManagement,2011,(16).

[2]Warren H H,Hau L.Lee,Uma Subramanian.The Impact of Logistics Performance on Trade[J].Production and Operations Management,2013,22(2).

[3]Dewan M Z,Islam J,Fabian M,et al.Zunder,Giuseppe Pace.Logistics and Supply Chain Management[J].Research in Transportation Economics,2013,(41).

[4]Intan M M,Sabri A.Stepwise Mu-ltiple Regression Method to Forecast Fish Landing[J].Procedia Social and Behavioral Sciences,2010,(8).

[5]王文賀,劉莉.多元回歸分析法在城市用電量預測中的應用[J].沈陽工程學院學報(自然科學版),2012,8(4).

[6]周曉娟,景志英.基于多元線性回歸模型的河北省物流需求預測實證分析[J].物流技術,2013,32(5).

[7]付玲馨,李晶.長沙市物流業(yè)需求預測與發(fā)展對策研究[J].科技視界,2013,(35).

[8]董安明.概率排序型決策的方法[J].安慶師范學院學報(自然科學版),2000,6(3).

[9]陳剛,蔡遠利,穆靜,楊衛(wèi)麗.海量信息異常檢測問題的異常概率排序算法[J].西安交通大學學報,2011,45(4).

[10]于百勝,黃文虎.不可能Hitting集的剔除與可能Hitting集的概率排序[J].振動工程學報,1997,10(3).

[11]龔樹生,劉開明.我國物流統(tǒng)計發(fā)展現(xiàn)狀分析[J].中國流通經(jīng)濟,2003,17(1).

[12]嚴季,王煉.我國貨物運輸發(fā)展趨勢分析[J].武漢理工大學學報(交通科學與工程版),2003,27(6).