企業物流成本對企業效益影響的多元線性回歸分析

袁水林

（山西財經大學 會計學院，太原 030012）

0 引言

中國的物流業發展與發達國家相比，還處于初級階段，在發展的過程中存在諸多問題，其中最主要的就是過高的物流成本。企業物流成本的高低關乎企業效益，目前我國企業物流成本主要存在管理不完善、運輸及存儲成本過高、信息管理技術落后等問題。企業財會部門并沒有專門設立物流項目，對于物流各環節的成本無法進行合理規劃與控制。由于我國物流發展起步較晚且不夠成熟，從而其設備以及倉儲水平均低于全球平均水平，同時我國大部分企業的物流過程很多都難以實現機械化，無形之中增加了物流成本。我國企業對于物流信息管理目前很難實現及時追蹤、溝通以及處理，這也增加了我國企業的物流成本，從而在短時間內很難提高企業效益。同時，物流成本具有隱含性、效益背反以及物流成本削減的乘法效應等特點，這也增加了研究企業物流成本對企業效益影響的難度。

縱觀國內外學者對企業物流成本的研究，大都集中于理論方面[1-8]，而數據類的實證研究內容較少。因此，本文以某公司為例對兩者進行實證分析，根據多元線性回歸模型分析了企業物流成本對經濟效益的影響，并根據研究結果對企業未來的經濟效益進行了估計,尋找出合理的物流成本管理法，以促進企業經濟效益的增加。

1 研究設計

1.1 多元線性回歸法

在市場經濟活動中，當幾個因素對某一經濟現象具有決定作用，且這幾個影響因素之間無法分析其主次時，就可以構建多元線性回歸方程，構建模型的依據是各影響因素之間的關系，根據各變量之間的相關性確定最主要的影響因素。在本文的實證分析當中，某商貿有限責任公司的年銷售額受到各個物流成本之間的影響，根據此相關關系建立多元線性回歸模型，并對其進行分析[9]。假設x1，x2，…，xm表示自變量，且自變量受因變量Y的因素影響，表達公式為：

式（1）中，ε為零均值的隨機變量；x1，x2，…，xm為可以控制的變量；b0，b1，b2,…，bm為未知參數；也可以將式（1）稱為多元線性回歸模型，并且m＞1。

通過對可控變量x1，x2，…，xm的n次觀察，可以得出n組觀察的值為 xi1，xi2，…，xim，yi，其中i取值為1，2，…，n。可以表示為：

計算未知參數b0，b1，b2,…，bm，可以通過最小二乘法求得，并將計算結果代入式（1）中：

1.2 模型假設與檢驗基礎

1.2.1 模型假設

在物流成本體系當中，可能會有許多個自變量和因變量y之間存在相關性，對變量y和x1、x2、Λ、xp間的定量聯系進行研究[10]，此過程就為多元線性回歸分析。其表達公式為：

式（4）中，εα是各自獨立的，α=1，2，Λ，n。使用最小二乘法對參數β進行計算，從而得出多元線性回歸方程：

對線性回歸模型進行設定，滿足以下幾個條件，可以將其稱為傳統線性模型：

（1）正態性的假設，∈i為隨機誤差項，且其服從平均值為零，滿足方差是σ2的正態分布；

（2）等方差的假設，σ2為全部xi和∈i的條件方差，同時σ的取值范圍是常數，公式表達為

（3）獨立性假設也可稱之為零均值假設，對xi進行規定的前提下，∈i的條件期望值是0，那么E( )∈i=0；

（4）沒有自相關關系，∈i為隨機誤差項，其逐觀測值之間互補，也就是

（5）∈和自變量x間不存在相關性，∈i和xi均對因變量y產生影響，這就證明了這兩個變量對因變量y的影響是可以區分的，

綜合上述五種假設，傳統線性模型的使用條件比較嚴格。首先，其所選取的樣本數據需滿足對應分布特征，分布特征有正態分布和對數正態分布兩種；其次是解釋變量與那些無相關、獨立的變量間能夠構建良好的函數關系。

1.2.2 檢驗基礎

構建完成的多元線性回歸模型需要對其進行檢驗，三種常見檢驗方法為：

（1）判定系數檢驗，又可稱為R檢驗。多元線性回歸模型的判定系數檢驗和一元線性回歸相似。用R來表示判定系數，其公式為R=R，當R值接近1時，代表Y和X1，X2，...，Xk間的線性關系緊密；當R值接近0時，就說明Y和X1，X2，...，Xk間的線性關系不緊密。

（2）回歸系數顯著性檢驗，又可稱為t檢驗。在多元回歸分析當中，對模型當中各自變量和因變量間有無明顯的線性關系進行檢驗，這種檢驗稱為回歸系數顯著性檢驗。其顯著性可以由各個回歸系數的t檢驗值計算得出，公式為為回歸系數bj的標準差。

在多元線性回歸模型中，當一個變量的回歸系數未通過t檢驗，這就說明自變量與因變量之間的線性關系不夠顯著，因此在對其進行回歸分析時，可將此自變量剔除，也可以根據實際情況作出適當的調整[11]。

回歸方程的顯著性檢驗，又可稱為F檢驗。其檢驗方法是將全部自變量當做整體，看其和因變量間有無明顯的線性關系。其顯著性由F檢驗可得，公式為：F=(m，n其中為回歸平方 和 ，m 為 自由度 ；為剩余平方和，（n-m-1）為自由度。在對自變量進行選取時，可能忽略了重要的因素或者自變量和因變量間的非線性關系，而導致回歸方程無法通過F檢驗，這就需要重新建立模型。

2 實證分析

2.1 數據來源

本文數據來源于某商貿有限責任公司在2007—2016年的經營原始數據（見表1），通過查閱相關資料整理得出，運用SPSS軟件對選取指標進行多元線性回歸分析。

表1 某商貿公司經營原始數據匯總表 （單位：萬元）

2.2 變量說明

因該公司在經營過程中，各流通加工以及包裝費用的相關數據并不是很全面，同時該商貿公司極少涉及到流通運輸和包裝相關業務，因此在對原始數據進行整理時就將這兩項合為一體總稱為其他物流費。自變量參數的選擇是：X1為運輸費、X2為存儲費、X3為裝卸搬運費、X4為運送費、X5為其他物流費，因變量參數Y為企業的年銷售額，采用SPSS對這些相關數據進行多元線性回歸分析。

2.3 模型構建

多元線性回歸模型是指線性回歸模型中含有兩個或者兩個以上的自變量。一般情況下，對多元線性回歸模型的假設是：設Y為因變量，且因變量所表達的是m個自變量X1,X2，…,Xm的函數，有n組實際觀測數據。

設因變量和自變量之間存在線性關系，其函數表達式為：

也可以將上式表達為：

其中，Xij為可觀察的一般變量；yi為可觀察的隨機變量，并且其隨著Xij的變化而變化，同時受實驗誤差的影響；εj為獨立并且都服從N（0，σ2）的隨機變量，也就是，對于b1,b1,b2,…,bm和方差σ2的計算，要從實際觀察值來進行估測。

2.4 回歸結果分析

采用SPSS軟件對上述相關數據進行分析，得到的分析結果如下頁表2所示。

根據分析結果可以得知其回歸方程式：

從上述構建的模型中可以得出，該商貿有限責任公司的年銷售額估計值和實際銷售額非常接近，如下頁表3所示。

使用上文中提到的三種檢驗方法對構建的模型進行檢驗，其檢驗結果如下:

表2 模型回歸結果

表3 年銷售額估計值和實際銷售額分析表

（1）定系數檢驗法（R檢驗）：R=0.9988，R值接近1，這證明相關關系緊密，也說明模型構建的擬合度很好。

（2）回歸方程的顯著性檢驗（F檢驗）：F=249.4125，查看F分布表可得，α=0.06，F0.06（5,3）=5.42，F=249.4125＞Fα=5.42，這就證明符合線性的假設，其有很明顯的回歸成果。

（3）回歸系數顯著性檢驗（t檢驗）：如果進行t檢驗，就需要大量的相關數據，本文所采用的數據不夠充足，所以不做此檢驗，并不會對本文的最終結果產生較大影響。

根據上述的分析結果來看，X1（運輸費）、X2（存儲費）、X3（裝卸搬運費）、X4（運送費）、X5（其他物流費）的相關系數分別是1.332、-2.8351、45.3281、58.3023、-12.349，從上述數據中可以得知公司的年銷售額和運輸費、裝卸搬運費、運送費之間成正比，和存儲費、其他物流費成反比。這里所講的正反比關系并不是數學領域上的，也就是說并不是公司的運輸費、裝卸搬運費、運送費越高，就代表公司的銷售額越好；也不是儲存費及其他物流費越低，公司銷售額就好；運輸費、裝卸搬運費、運送費的提高，就代表物流成本費用的增加，這會逐步侵占公司的利潤；存儲費及其他物流費的減少，也不能表示企業利潤的增加，這是由于在企業物流流通過程中，流通加工與包裝能夠給企業帶來附加值。

本文中所講的正反比關系是指，企業貿易量即企業每年商品銷售量的增加，也會相應地增加運輸費、裝卸搬運費以及運送費，從而導致銷售額的增加，這種現象主要是企業規模擴大造成的；企業年銷售額和儲存費及其他物流費呈反比是指在確定一定銷售規模下，企業對儲存費及其他物流費進行合理控制，使企業成本降低，并且提高企業經濟效益。

3 結論與建議

本文對某商貿企業經營數據構建多元線性回歸模型并進行實證分析，得出阻礙企業物流發展重要因素是其管理水平較低，但這也是國內企業物流發展現狀。面對這一問題，并結合多元線性回歸模型分析的結論，就如何降低企業物流成本從而提高企業效益給出如下建議：

第一，對企業物流成本加強管理控制。加強企業物流成本的管理控制，需要企業從根本上改變企業理念與管理機制，對各方面因素進行綜合考慮，制定出可以實施的策略，能夠在一定程度上達到物流成本的降低[12]。

第二，企業物流進行第三方外包服務。企業若將物流業務外包給第三方物流，就能節省在物力、財力、人力上的投資，同時專業的第三方物流能夠提供更專業的物流運輸、存儲等業務，為企業及客戶提供更好的服務，也能使企業更加注重其核心業務。

第三，完善物流信息體系的構建。物流運輸過程中，管理銷售訂單、商品的跟蹤處理系統、貨物運輸系統等都是其不可或缺的服務體系，但是將這些系統完整地整合在一起，目前的管理體系尚不能做到[13]。因此，就我國目前企業狀況來講，企業將相關物流業務與第三方物流相互合作，能夠更好地建立物流信息管理體系，以及將各個供應商與顧客之間聯系起來，打造一個完善的物流服務體系。