基于內容分析法的區域物流需求預測研究綜述

摘 要：以2004年10月至2022年9月發表在中國知網關于區域物流需求預測的文獻為研究對象，通過內容分析法進行多維度編碼，從現狀研究、預測方法與模型研究、研究角度等三個方面進行文獻梳理和總結。 針對“影響因素的分析”“預測指標的選取”“預測方法和模型的使用”“國家重點投資和政策扶持的區域”等方面提出未來研究之關注點。

關鍵詞：內容分析法；區域物流；需求預測

一、引言

區域物流水平與區域經濟的發展相適應。區域物流系統的有效運用對區域經濟的發展起到支撐作用，實現該區域內貨物的雙重價值。同時，區域經濟的發展能夠建立起區域內各企業、各部門、各行業間的交流關系，成為連接這種關系的紐帶。程肖冰等對區域物流需求預測的定義是，針對特定區域內尚未發生或尚不明確的貨物流量、流向、流速、來源、構成等內容進行估算和預測，以用來研究區域內物流需求規模和結構的一種預測方式[1]。區域物流需求預測的準確度直接影響了區域物流和區域經濟的發展速度，進而影響到區域物流規劃的科學性、可行性和合理性。

雖然我國在區域物流需求預測方面的研究開始相對較晚，但至今為止也有了一定的成果。因此，梳理其相關研究成果，探究其研究現狀、研究熱點、不足之處，提出未來值得關注的研究方向，既是深化區域物流需求預測研究的客觀需要，又能為地方政府制定合理的區域物流發展策略、物流基礎設施建設及物流組織管理方案提供參考。

二、研究設計

（一）研究對象

本研究在中國知網（CNKI）期刊論文數據庫進行高級檢索，以“期刊”和“博碩士”兩類為數據檢索源，并以“篇名”或“題名”為高級檢索項，關鍵詞設為“區域物流需求預測”進行檢索，截至2022年9月30日共計獲得187篇文獻。剔除不相關度的文獻后，得到109篇學術期刊論文、48篇博碩士論文，共計157篇文獻作為本研究內容分析的樣本。

（二）研究方法

本研究主要采用內容分析法，對在CNKI上發表的有關區域物流需求預測的文獻進行統計分析。內容分析法作為文獻研究的一種方法，將定性與定量相結合，將文本材料的內容按照一定的邏輯規則，系統地分配到各個類目中，并利用相應的統計工具對各類目中的隱含關系進行分析[2]。該方法的實施步驟為：首先依據研究問題界定目標總體的范圍，并在其中篩選并梳理出所需的研究樣本；接著細化研究的分析單元，確定合適的編碼體系并對研究樣本進行編碼統計和處理；最后全面分析所得數據，得出綜合性的研究結果[3]。本研究將按上述步驟對文獻內容進行分析處理。

（三）研究編碼體系

本研究將檢索到的每篇結構完整的文獻作為獨立分析單元，根據文獻關鍵詞和研究重點歸納其主要觀點。同時，參考區域物流需求預測相關綜述文獻中的類目歸納方法設定編碼體系，嚴格按照編碼體系對文獻劃分歸類。基于具體研究樣本情況及編碼員間的討論，將區域物流需求預測研究內容編碼體系劃分為現狀研究、預測模型研究、研究背景和其他四大類，大類之下又可根據特征差異細分出不同的子類，具體劃分將在下文相關部分論述。

（四）信度檢驗

信度檢驗是對文本編碼和分類結果進行可靠性檢驗。內容分析法的信度可以定義為不同編碼員對內容歸類的一致性。一致性越高，信度就越高。信度是保證內容分析結果可靠性、客觀性的重要指標，是內容分析法的關鍵[4]。筆者為編碼員甲，另邀請了物流需求預測領域的兩位專家作為編碼員乙和丙，同時對目標樣本進行編碼和分類，若編碼和分類結果一致，記為“1”，否則記為“0”。經過統計計算后得出，記為“1”的樣本量占總樣本量的91.3%，說明編碼和分類結果是可信的。

三、研究結果分析

（一）發文時間與發文量分析

全面梳理區域物流需求預測相關文獻的發文時間和發文量，可以明晰歷年來該領域研究的動態發展過程，如圖1所示。

圖1表明，國內學者對于區域物流需求預測的研究文獻最早可追溯到2004年，2004—2007年間相關文獻發表較少。此后發文量處于波動階段，但整體來看，數量不多、趨勢較為平緩，說明我國區域物流需求預測尚處于研究的初期。

（二）期刊來源分析

為對區域物流需求的國內學術研究現狀、發表文獻的質量等方面有充分的了解，筆者分類統計了研究樣本中學術期刊論文的來源期刊：109篇學術期刊論文共來自63種期刊，表1展示了2004年10月至2022年9月間載文量在2篇以上的來源期刊載文量分布。

由表1可知，共有6類期刊的載文量在2篇以上，其載文總量占學術期刊論文總量的40.5%。這表明區域物流需求預測類的文獻發表主要是一般期刊，且來源較分散。雖然在這方面研究興起較早，但目前國內學者對其研究還不夠深刻、豐富，該領域的核心期刊對此類問題的研究和探討還有所欠缺，需要提高研究深度。

（三）研究內容分析

對區域物流需求預測樣本文獻的研究內容進行分析，可以了解國內學者在此領域的研究現狀及重點，進而發現當前研究存在的不足與空白之處[5]。依據之前確定的內容分析編碼體系，基于對樣本文獻內容的梳理，劃分了二級類目。在劃分過程中，發現部分文獻內容在現狀研究、預測方法與模型研究、研究角度方面存在交叉重疊，為保證內容編碼體系表的準確，故依據關鍵詞和研究重點對每篇文獻進行梳理分類，最終的內容編碼體系表如表2所示。

表2顯示，相較于其他研究內容，預測方法與模型研究的文獻量占絕對優勢，是國內區域物流需求預測的研究熱點。此外，結合文獻內容和發表時間，發現國內學者對區域物流需求預測的研究從最早的2004年起一直以定量的實證研究為主，而從不同的角度對區域物流需求預測的研究則是在2011年以后出現。

1. 現狀研究

在區域物流需求預測方面，我國學者的研究成果較少。夏國恩根據發展歷程和智能化程度高低把區域物流需求預測的研究分為三個發展階段，并建議后續研究以新的回歸方法來增加預測模型的預測精度并增強其可解釋性[6]。魏樂琴認為區域物流需求預測的研究主要集中在預測內容和預測方法兩方面[7]。區域物流影響因素的變化會引起區域物流的變化，因此，分析主要影響因素是區域物流需求預測的重要內容。符瑛對長株潭區域的物流需求預測影響因素進行實證分析，發現第三方物流外包比例、人均國內生產總值和公路通車里程顯著影響了該區域物流需求量的增長[8]。影響物流需求規模預測精度的關鍵點是構建預測指標體系。陳蓉琳以研究銅仁市物流需求預測指標為例，構建了包含第一、第二、第三產業產值在內的6個輸入指標和貨物運輸量為1個輸出指標的區域物流預測指標體系[9]。趙文德等基于DPSIR理論模型，從物流政策壓力、物流供給壓力和物流需求壓力三個維度構建了廣東省物流需求規模預測綜合指標體系，并通過關聯度分析和因子分析進行實證分析[10]。

已有的現狀研究成果中以影響因素的分析和指標體系的構建為多。雖然學者們的研究視角和觀點不盡相同，但主要采用以定量研究為主、定性研究為輔的研究方法，為作出更準確的物流需求規模預測提供可靠的科學支撐。目前尚缺少針對區域物流需求預測存在的問題及可持續發展方面的相關研究。

2. 預測方法與模型的研究

物流預測包括資料收集、預測方法與模型的應用、結果分析等步驟。預測過程的核心是預測方法與模型的應用，它直接決定預測的質量。現有的區域物流需求預測方法和模型種類繁多，且特點、用途和范圍各異。在具體應用中，關鍵在于識別和選擇匹配且有效的方法和模型。此外，使用定量預測方法和創建預測模型是保證區域物流需求預測客觀科學的必要手段。根據建模理念的不同，將預測方法與模型研究的文獻中采用的定量預測方法分為以下四大類。

（1）傳統預測方法

傳統預測方法是最早應用于物流需求的定量預測方法。江雪以多元線性回歸法為基礎，使用SPSS軟件進行數據分析，并以線性規則模型對山東省物流需求進行了預測[11]。萬玉龍等結合了定性分析與定量預測，依據歷史數據，運用對數、線性、乘冪等多種回歸模型對淮安市清江浦區域的物流需求進行了綜合預測與比較分析[12]。彭湖等在對區域物流需求的經濟影響因素進行分析的基礎上，確定了區域物流需求指標，利用主成分回歸法建立區域物流需求預測模型[13]。傳統預測方法以統計學為基礎，模型簡單，但忽略了其他要素對物流需求的影響，相較于復雜非線性關系的物流需求系統，預測精度較低。

（2）智能預測方法

智能預測方法是以灰色預測法、神經網絡、SVM及其改進形式為代表的系列機器學習方法。隨著學者在物流需求預測領域的深入研究及新興預測技術的發展，智能預測方法因能提高預測精度和準確度而在物流需求預測中被廣泛使用。江楠依據南京都市圈的歷史年貨運量數據，建立基于灰色GM（1，1）的物流需求預測模型，并預測了南京都市圈未來5年的物流需求量[14]。尹宗明等將貨運周轉量作為區域物流需求預測的代表性指標，建立基于灰色GM（1，N）的物流需求預測模型[15]。曾煜等利用RBF神經網絡和隨機森林算法進行物流需求預測[16]。李國祥等從數據結構的角度利用長短期記憶網絡（LSTM）的預測方法，在影響因子和時間序列兩個層面上與其他方法進行了對比[17]。于凱麗采用蟻群優化訓練參數的支持向量機算法（SVM），得到優化后的支持向量機預測模型，對青島市物流需求進行預測[18]。

（3）組合預測方法

組合預測方法是通過發揮每種預測方法的優勢，以提高預測精度為目的，對所選的多種單一預測方法以適當的權重進行組合，形成預測模型的一種方法。吳玉國等利用馬爾科夫鏈修正灰色GM（1，1）模型，對南京市的物流需求量進行預測[19]。左雷等在分析孝感市物流需求的影響因素的基礎上，以社會經濟因素為解釋變量、貨運量為被解釋變量，組合多元線性回歸與DGM（1，1）灰色模型，對需求總量進行實證分析與預測[20]。黃建華等從多角度選取了影響因素來構建福建省物流需求指標體系，建立基于ARIMA-PCR的物流需求組合預測模型[21]。賈少博等綜合了灰色預測模型、回歸預測模型及非線性三次指數平滑預測模型的優勢，提出了以最優權值確定區域物流需求的組合預測方法[22]。

（4）混合預測方法

與組合預測方法不同，混合預測方法是將單一預測方法與其它方法相融合而無需確定權重的一種預測方法。既能夠避免權重對預測結果和預測精度的直接影響，又可充分發揮各方法的優勢，獲得較好的預測精度。耿立艷等依據灰色序列算子探尋鐵路貨運量序列的規律性，并利用自適應粒子群算法優化LSSVM，對具有更強規律性的新序列進行預測[23]。曹志強等針對物流需求非線性的特點，提出用遺傳算法（GA）優化支持向量回歸機（SVR），取遺傳算法精選出的參數代入徑向量核函數構造SVR模型對廣西物流需求進行預測[24]。張森在全面考慮區域物流需求影響因素的基礎上，運用粗糙集理論進行影響指標屬性約簡，并與最小二乘支持向量機結合，創新地提出了RS-AIWPSO-LSSVM預測模型[25]。

通過梳理文獻發現，運用智能預測方法和組合預測方法進行區域物流需求預測的文獻較多，而混合預測方法是物流需求預測領域研究的新方向，因此文獻量較少。此外，國內許多學者通過借鑒參考其他領域應用成熟的預測方法，開發了多種應用于區域物流需求預測的模型和方法，并得到了較好的預測結果。

3. 不同角度的研究

物流需求預測涉及戰略層面，結合現實情況從不同角度對區域物流需求進行預測，有利于物流的整體布局與決策，推動區域物流和區域經濟的快速發展。張新平、鄧琪等從產業關聯的視角，利用投入產出方法預測區域物流需求總量，為區域物流需求預測提供新的研究思路[26-27]。朱芳陽等利用灰色關聯分析法分析廣西北部灣經濟區三大產業與物流相關指標間的關系，并基于經濟產業結構建立多元回歸模型，分析預測北部灣經濟區物流需求[28]。夏文匯等基于“一帶一路”建立GM（1，1）預測模型，預測未來十年重慶的貨運物流需求總量及其發展趨勢，助推重慶快速融入“一帶一路”[29]。康鐵良等采用灰色關聯分析法，對經濟轉型的背景下的物流需求主要影響因素進行了分析，結合系統動力學對中部六省進行物流需求仿真預測，并從區域經濟與物流供給能力、產業結構政策、技術進步與科技創新影響等方面進行差異性實證研究[30]。

相較其他研究內容，不同角度的區域物流需求預測研究開始晚，發表的文獻不多。已發表文獻反映，國內學者都是基于宏觀視角對區域物流需求預測進行定性和定量結合的分析研究，未來期待更多學者能基于微觀視角，如企業物流層面上對區域物流需求預測進行更深入的探索。

四、結語

本文基于內容分析法，從發文時間與發文量、期刊來源、研究內容、研究趨勢四個方面，對我國區域物流需求預測研究的成果進行系統的分析，并展示了區域物流需求預測研究的基本情況、重點主題和研究進展。結合當前背景和研究現狀，建議在今后研究中多加關注以下四點。

第一，影響因素的分析方面。區域內物流需求影響因素眾多且復雜，區域物流需求預測要結合區域實際情況，因地制宜，通過以定性分析為前提的定量相關分析，篩選出該區域內與物流需求有較高聯系的主要因素，既有助于提高預測的準確性，又能促進各因素與物流產業協同發展。

第二，預測指標的選取方面。目前集中在貨運量和貨運周轉量的分析預測上，希望未來能對其它物流活動，如倉儲、包裝、流通加工、信息服務等指標有更多的研究，有助于提高預測精度。

第三，預測方法和模型的使用方面。由于區域內的經濟、供給、政策類因素的變化都會直接影響物流需求，且這些影響因素與物流需求又在一個復雜、動態、非線性的環境中共存，目前使用的預測方法和模型大多是研究不確定的、復雜的系統，該如何兼顧合理性、易操作性以及高精度，還有待進一步的研究。

第四，國家重點投資和政策扶持的區域，政策類影響因素突顯。區域物流需求預測結果不能完全照搬到現實中應用，需要結合定性分析，還需考慮諸如未來基礎設施的投資建設等無法用具體數據來表示的指標，但是具體的預測方案目前研究較少，希望未來予以關注。

參考文獻：

[1] 程肖冰，李平，王秀英.區域物流需求預測研究[M].北京：中國財富出版社，2015.

[2] [美]里夫，[美]賴斯，[美]菲克著，嵇美云譯.內容分析法——媒介信息量化研究技巧[M].北京：清華大學出版社，2010.

[3] 李克東.教育技術學研究方法[M].北京：北京師范大學出版社，2002.

[4] 夏清華，宋慧.基于內容分析法的國內外學者創業動機研究[J].管理學報，2011（8）：1191-1193.

[5] 馮天敏，朱艷艷，柳麗麗.國內認知負荷理論研究述評[J].廣西廣播電視大學學報，2020，31（1）：38-43.

[6] 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.

[7] 魏樂琴.區域物流需求預測研究綜述[J].湖北經濟學院學報（人文社會科學版），2014（11）：57-59.

[8] 符瑛，王立新.長株潭區域物流需求預測影響因素分析[J].中南林業科技大學學報（社會科學版），2012，6（2）：62-64.

[9] 陳蓉琳.區域物流預測指標選擇方法的研究[J].福建電腦，2016（9）：19-20.

[10] 趙文德，劉世明.基于DPSIR-FAM模型的區域物流需求規模預測指標體系研究[J].商場現代化，2020（22）：30-34.

[11] 江雪.基于多元線性回歸的山東省區域物流需求分析[J].物流技術，2015（12）：121-140.

[12] 萬玉龍，等.基于多種回歸模型的區域物流需求預測實證分析[J].物流技術，2017（10）：6-9.

[13] 彭湖，何民.基于主成分回歸的區域物流需求預測研究——以云南省為例[J].交通運輸研究，2015（3）：60-65.

[14] 江楠.基于灰色GM（1，1）的南京都市圈物流需求預測[J].物流技術，2021 （11）：44-47.

[15] 尹宗明，杜學敏.基于灰色GM（1，N）模型的區域物流需求預測研究[J].物流科技，2021（3）：104-105+117.

[16] 曾煜，朱志浩.基于RBF神經網絡的區域物流需求預測[J].綜合運輸，2020（6）：90-93.

[17] 李國祥，馬文斌，夏國恩.基于深度學習的物流需求預測模型研究[J].系統科學學報，2021（5）：85-89.

[18] 于凱麗.基于支持向量機的區域物流需求預測研究[J].中國經貿導刊，2022（5）：85-87.

[19] 吳玉國，李曉迪.基于灰色——馬爾科夫鏈的區域物流需求預測[J].南陽理工學院學報，2020，12（6）：1-5.

[20] 左雷，徐柏安.區域物流需求影響因素實證分析及總量預測—以湖北省孝感市為例[J].物流技術，2020，39（12）：39-44.

[21] 黃建華，陳嚴鐺，盧簫揚.基于ARIMA——PCR模型的福建省物流需求預測[J].武漢理工大學學報（信息與管理工程版）， 2019，41（6）：579-585.

[22] 賈少博.最優權值確定的區域物流需求組合預測方法[J].機械設計與制造工程，2020，49（8）：113-116.

[23] 耿立艷，梁毅剛.基于灰色自適應粒子群LSSVM的鐵路貨運量預測[J].西南交通大學學報，2012，47（1）：144-150.

[24] 曹志強，楊箏，劉放.基于遺傳算法優化支持向量回歸機的區域物流需求預測[J].系統科學學報， 2018，26（4）：79-82+90.

[25] 張森.基于粗糙集理論和最小二乘支持向量機的區域物流需求預測研究[D].深圳：深圳大學，2020.

[26] 張新平.廣西物流需求分析與預測——基于產業關聯的視角[J].商品儲運與養護，2008，30（166）：10-11+14.

[27] 鄧琪，余利娥.基于產業關聯的安徽省物流需求預測[J].統計與決策，2013（17）：109-111.

[28] 朱芳陽，王夢林.基于經濟產業結構的區域物流需求預測分析——以北部灣經濟區為例[J].山西經濟管理干部學院學報，2020，28（3）：47-52+65.

[29] 夏文匯，張蘭蕤，夏乾尹，黎明，蔡寧敬.基于“一帶一路”的重慶物流灰色模型預測及包裝管理研究[J].重慶理工大學學報（社會科學），2020，34（5）：58-66.

[30] 康鐵良，王向前.基于經濟轉型背景下的物流需求預測[J].哈爾濱商業大學學報（自然科學版），2021，37（1）：118-128.