多元回歸模型在物流需求分析中的應用

李 勇（安徽財經大學，安徽 蚌埠 233000）

?

多元回歸模型在物流需求分析中的應用

李 勇
（安徽財經大學，安徽 蚌埠 233000）

摘 要：物流需求分析是物流設計與規劃的重要內容，本文對物流需求分析等方面的理論和方法進行了簡要的總結和介紹，并重點介紹多元回歸模型在物流需求分析的應用。

關鍵詞：物流需求分析；方法；多元回歸模型

物流需求分析是指將物流需求與生產需求的社會經濟活動進行相關分析的過程，物流作為服務性行業，與生產、流通、消費等整個社會經濟活動息息相關，是社會經濟活動的重要組成部分。［1］所以，物流需求分析與社會經濟發展有密切相關性，社會經濟發展是影響物流需求的主要因素。

1　物流需求分析的主要方法

物流需求分析是基于物流數據的基礎上，利用一定的科學方法對物流需求的變化和發展趨勢進行的預測。物流需求預測的方法基本上可以劃分為定性預測法與定量預測法兩大類［2］。

2　多元回歸預測法

多元線性回歸是研究一個因變量與兩個或兩個以上自變量的回歸，描述因變量y如何依賴于自變量x1，x2，…，xk和誤差項ε的方程，稱為多元回歸模型。是反映一種現象或事物的數量以多種現象或事物的數量的變動而相應地變動規律。

2.1回歸模型

涉及 k 個自變量的多元回歸模型可表示為：

（1）β0 ，β1，β2 ，…，βk是參數，也稱偏回歸系數；（2）βi表示假定其他變量不變，當xi每變動一個單位時，y 的平均變動值；（3）ε是被稱為誤差項的隨機變量，包含在y里面但不能被k個自變量的線性關系所解釋的變異性。

ε基本假定：（1）誤差項ε是一個期望值為0的隨機變量，即 E（ε）=0；（2）對于自變量 x1，x2，…，xk的所有值，ε的方差σ2都相同；（3）誤差項 ε是一個服從正態分布的隨機變量，即ε～N（0，σ2），且相互獨立。

2.2估計的多元回歸方程

2.3參數由最小二乘法估計

最小二乘法是通過最小化誤差的平方和尋找數據的最佳函數匹配。利用最小二乘法可以簡便地求得未知的數據，并使這些求得的數據與實際數據之間誤差的平方和為最小。使因變量的觀察值與估計值之間的離差平方和達到最小來求得。

2.4多重判定系數

多重判定系數R2指回歸平方和占總平方和的比例，反映因變量y取值的變差中，能被估計的多元回歸方程所解釋的比例。

2.5估計標準誤差

估計標準誤差是說明實際值與其估計值之間相對偏離程度的指標，估計標準誤差的值越小，則估計量與其真實值的近似誤差越小。

2.6顯著性檢驗

線性關系檢驗是檢驗因變量與所有自變量之間的線性關系是否顯著，檢驗方法是將回歸均方（MSR）同殘差均方（MSE）加以比較，應用 F檢驗來分析二者之間的差別是否顯著，如果是顯著的，因變量與自變量之間存在線性關系如果不顯著，因變量與自變量之間不存在線性關系。

2.7回歸系數的檢驗

當線性關系檢驗通過后，對各個回歸系數有選擇地進行一次或多次檢驗，究竟要對哪幾個回歸系數進行檢驗，通常需要在建立模型之前作出決定，對回歸系數檢驗的個數進行限制，以避免犯過多的第Ⅰ類錯誤（棄真錯誤），對每一個自變量都要單獨進行檢驗，應用t 檢驗統計量。

3　物流需求預測回歸模型

由于受統計數據可獲得性約束，在對廣西省物流需求規模進行預測時選擇“貨物運輸量”為衡量指標。以國內生產總值、第一產業產值、第二產業產值、第三產業產值、零售總額、外貿總額為自變量。利用SPSS軟件對物流統計數據進行相關性分析，采用逐步回歸的方法得到表2可以看出判定系數為0.983，說明自變量對因變量的解釋程度很高。

表1　2004-2013年廣西壯族自治區物流統計數據

通過表可以看出回歸模型為 y=7193.264+ 22.943 X3，并且顯著。回歸模型中表示貨物運輸量的增加多是由廣西區內第二產業發展引起的。

表2　模型匯總

表3　回歸計算模型系數

表4　回歸值與實際值的比較

4　結論

物流需求分析是物流決策的重要依據，本文提出的物流需求回歸模型融合了幾種經濟指標，較好地將物流需求與社會經濟發展緊密的聯系在一起，使物流需求分析過程很好的把握經濟與物流的關系，因而具有較高的應用價值。

參考文獻：

［1］楊榮英，張輝，苗張木.物流預測技術中的移動平均線方法［J］.武漢理工大學學報（交通科學與工程版 ），2001（3）：353-355

［2］孫瑩.區域物流規劃——理論、方法及應用［M］.北京：冶金工業出版社，2012.

［3］徐杰、鞠頌東.區域經濟的發展對地區物流需求的影響一長江經濟區發展對安徽地區物流需求影響的實證分析［J］.數量經濟技術經濟研究，2003（4）:130-133.

（責任編輯：廖建勇）

中圖分類號：F252.21

文獻標識碼：A

doi:10.3969/j.issn.1672-7304.2016.01.054

文章編號：1672–7304（2016）01–0114–02

作者簡介：李勇（1963-），男，安徽蚌埠人，副教授，研究方向：信息與計算科學專業。

Application of multiple regression model in logistics demand analysis

LI Yong
（Anhui Finance and Economics University， Bengbu Anhui 233000）

Abstract:Logistics demand analysis an important content of logistics design and planning， the theoryand method of logistics demand analysis are summarized and introduced， and focuses on the application of multiple regression analysis model in logistics demand.

Keywords:Logistics demand analysis； method； multiple regression model