山東省農產品物流需求影響因素研究

中圖分類號：F327 文獻標志碼：A DOI： 10.13714/j.cnki.1002-3100.2025.12.004

摘，要：文章研究聚焦山東省，從產品供給、物流規模以及社會經濟3個維度出發，選取2013—2023年的多維度數據，利用Stata軟件構建針對山東省農產品物流影響因素的多元線性回歸模型，深入剖析各指標對山東省物流需求量的影響效能。最終發現，人均地區生產總值、年末常住人口對山東省農產品物流需求量具有顯著影響，并進一步為山東省物流行業的后續發展提供具有價值的參考依據以及切實可行的發展建議。

Abstract：ThisresearchfocusesonShong Province.Startingfromthreedimensions，namelyproductsuply，logisticsscale socialeconomy，itselectsmultipledatafrom2013to2023uses Statastwaretobuildamultiplelinearregresion modelfortheinfluencingfactorsagriculturalproductlogisticsinShongProvine.Itdeeplyanalyzesteimpactffectivene eachindicatoronthelogisticsdemvolumeinShong Province.Finall，itisfoundthattheper-capitaregionalGDP theyear-endpermanentpopulationhavesignificantimpactsonthedemforagriculturalproductlogisticsin Shong Province.Thepaper further providesvaluablereferencebasispracticaldevelopmentsugestionsforthesubsequentdevelopment the logistics industry in Shong Province.

Key Words：Shong Province;agricultural products;influencing factors；multiple linear regresion model

0引言

一直以來，國家高度重視解決“三農問題”，對全面推進鄉村振興、加快農業農村現代化建設，明確提出要加快完善農村物流體系，促進農產品物流發展l。山東農業資源豐富多樣，農產品物流體系的優化對農業增值、農民增收和區域經濟穩定繁榮至關重要。當前，山東省農產品物流處于機遇與挑戰并存的局面。農業產業化促使農產品生產規模擴大、流通范圍拓展，這就要求物流更加高效精準。同時，物流技術革新、消費市場升級以及政策法規變化，在為其帶來創新機遇的同時，也產生了諸多不確定性。本研究聚焦山東，采集2013—2023年涵蓋產品供給、物流規模以及社會經濟等多維度數據，運用多元線性回歸模型深人探究各因素對農產品物流需求的作用機制。這將為山東省農產品物流的戰略規劃提供科學依據，有助于優化資源配置，提升物流效率與效益。同時，也能助力相關政策制定，促進物流企業創新與合作，進而構建起一個高效、智能且適應市場變化的農產品物流生態體系，實現山東省農產品物流的可持續發展與競爭力提升。

1山東省農產品物流發展現狀分析

山東省在農業領域地位顯著，其第一產業和農林牧漁業相關增加值及總產值均居全國前列。基礎設施建設成果豐碩，萊西市“農村公路 + ”模式助力農產品外銷，濟寧鄒城市建成外聯內通交通體系。截至2022年，全省路網規模達26.3萬公里，位居全國第四，農村交通條件顯著提升，濟南已成為重要冷鏈物流聚集區[2]。但同時也存在諸多問題亟待解決，我國農產品物流成本約占農產品總成本的 40% ，遠高于發達國家的 10% 。其中，糧食類農產品的物流成本占總成本比重為 40% ，果蔬類占比則達到 60% 3]。如倉儲設施落后，個體農戶存儲模式造成大量損耗。農戶分布分散使運輸環節復雜，集聚效應差。專業化人才匱乏，農村人力資源“荒漠化”，鄉鎮物流企業招聘培訓專業化程度低等。徐曉燕等（2022）4通過對不同模型的誤差進行比較研究，挑選出更精確的預測模型用于生鮮農產品在特殊情況下山東省市場的物流需求量預計，為該市場的科學和合理的決策制定提供有益的參考依據。呂軍（2023）聚焦于數字經濟研究視角，研究數字經濟發展下如何推動農產品供應鏈管理的轉型。孟珊珊等（2024）運用超效率SBM模型、Dagum基尼系數及其子群分解法和Tobit模型進行效率測度，分析生鮮農產品綠色物流效率空間差異及其影響因素。

2研究設計

2.1研究變量的選取

本文綜合考慮產品供給、物流規模以及社會經濟3個維度，最終選取農產品物流需求量 Y （萬噸）作為被解釋變量，9個影響因素為解釋變量：農業總產值 X₁ （億元）、第三產業增加值 X₂ （億元）、第三產業對GDP的貢獻率 X₃ （ % 、全體居民人均可支配收入 X₄ （元）、人均地區生產總值 X₅ （元/人）、年末常住人口 X₆ （萬人）、運輸業就業人數 X_γ （人）、貨運量 X₈ （萬噸）。

2.2 數據來源

本文數據來源于國家統計局、山東省統計年鑒，通過對這兩個來源的數據進行篩選、比對和整合，最終整理成2013—2023年山東省農產品物流需求影響因素相關數據（見表1）。

3山東省農產品物流需求影響因素實證分析

3.1模型構建

多元線性回歸模型是一個涉及眾多自變量（即解釋變量）的線性預測工具。本文將通過構建多元線性回歸模型對山東省農產品冷鏈物流影響因素進行分析，并對需求量進行預測，其模型公式表達如下。

Y=β₀+β₁X₁+β₂X₂+β₃X₃+β₄X₄+β₅X₅+β₆X₆+β₇X₇+β₈X₈+ε

3.2 描述性統計

變量描述性統計是對數據集中變量的基本特征進行概括和描述的統計方法。變量的描述性統計如表2所示。

表2中變量的均值和標準差反映了數據的集中趨勢和離散程度。標準差較大的變量表明數據比較分散，而標準差較小的變量，表明數據相對集中。觀察最大值與最小值發現，差距最為明顯的第三產業對GDP貢獻率的最大值與最小值間相差近4倍。

3.3變量相關性分析

變量之間的相關性分析：相關性分析是兩個變量間相關程度的分析。相關系數絕對值趨近于1時，相關性強，趨近于0時，相關性弱。變量間的相關性分析結果見表3。

其中，當 plt;0.01 時，對應變量間在 1% 的水平下顯著， plt;0.05 時同理。根據表3數據可得，在 1% 的置信水平下，農產品物流需求與農業總產值、第三產業增加值、全體居民人均可支配收入、人均地區生產總值、年末常住人口、貨運量相關性較強。

3.4回歸分析 （見表4）

4山東省農產品物流需求模型檢驗與修正

4.1經濟意義檢驗

經濟檢驗：在其他變量固定時，農業總產值每增加1億元，農產品物流需求量減少0.346 3832萬噸；第三產業增加值每增加1億元，農產品物流需求量減少0.3463832萬噸；第三產業對GDP的貢獻率每上升 1% ，農產品物流需求量增加1.745012萬噸；全體居民人均可支配收入每增加1元，農產品物流需求量增加1.745012萬噸；人均地區生產總值每增加1元，農產品物流需求量增加0.143 5061萬噸；年末常住人口每增加1萬人，農產品物流需求量增加1.762 343萬噸；運輸業就業人數每增加1人，農產品物流需求量增加0.0037249萬噸；貨運量每增加1萬噸，農產品物流需求量減少0.002888萬噸。綜上所述， X₁ X₂ 、 X₈ 與經濟意義不符。

4.2 統計意義檢驗

4.2.1擬合優度檢驗

R² 表示擬合優度， R² 越接近1表明模型的擬合優度越好。上述數據所得， R² 值為0.9959，Adjusted R²=0.979 3 ，說明該方法擬合效果良好。

4.2.2 t檢驗

t檢驗用于檢驗單個自變量是否對因變量有顯著的線性關系。分別針對HO： β₁=β₂=β₃=β₄=β₅=β₆=β₇=β₈ ，在顯著性水平為 α= 0.1情況下，t分布表中 n-k=2 的臨界值 。表3數據給出， X₁ 、 X₅ 、 X₈ 的 Φ_t 值絕對值大于臨界值 2.920 因此，在顯著性水平 α=0.1 的情況下 X₁ 、 X₅ 、 X₈ 分別拒絕HO： β_j=0 （ j=1 ，5，8）。在其他解釋變量不變的情況下，農業總產值、人均地區生產總值、貨運量 X₈ 分別對農產品物流需求量有顯著影響。

4.2.3 F檢驗

F檢驗用于檢驗整個回歸模型的顯著性，即判斷所有自變量作為一個整體是否對因變量有顯著的線性關系。針對 β₁=β₂ =β₃=β₄=β₅=β₆=β₇=β₈ ，在給定的顯著性水平 α=0.05 下，自由度為 k-1=8 ， n-k=2 的臨界值 F_{（8，2）}=19.37 ，模型 F=60.24gt;19.37 ，因此拒絕原假設 _H0 . β₁=β₂=β₃=β₄=β₅=β₆=β₇=β₈=0 ，回歸方程顯著。即解釋變量農業總產值、第三產業增加值、第三產業對GDP的貢獻率、全體居民人均可支配收入、人均地區生產總值、年末常住人口、運輸業就業人數、貨運量對被解釋變量農產品物流需求量有顯著影響。

4.3計量經濟學檢驗

4.3.1多重共線性檢驗

方差膨脹因子衡量了回歸系數估計值的方差由于多重共線性而被放大的程度。VIF值大于10表明存在多重共線性問題。模型Mean VIF=3 149.38 表明該模型存在嚴重的多重共線性。

4.3.2 逐步回歸法

經過逐步回歸法剔除第三產業對GDP的貢獻率、全體居民人均可支配收入、運輸業就業人數這3個變量后，確定的模型如下。

Y=-2 523.576 + 0.008 2318X5 + 0.727 817X6 （2 804.573）（0.2990624） （0.2990624） 1 （2.50992） （2.433 66） R²= 0.924 3 Adjusted R²=0.905 3 F=48.82

調整后的模型中，其 R² 值為0.9243，Adjusted R² 為0.9053說明模型的擬合優度較好；自變量 p 值均小于0.05，說明模型在5% 的置信水平下顯著（見表5）。

逐步回歸之后，根據最終回歸模型，再次檢驗多重共線性。通過VIF檢驗得該模型的VIF值為 4.26lt;5 ，說明模型的多重共線性問題消除。模型通過多重共線性檢驗。

4.3.3異方差檢驗

異方差性檢驗：通過懷特檢驗得出的結果，在 5% 置信度進行懷特檢驗的前提下，異方差性的卡方統計量是 6.01，自由度為5，對應的 p 值是 0.3056gt;0.05 。這個 p 值用于檢驗原假設（HO）：殘差具有同方差性，即不存在異方差性；模型通過異方差檢驗。

5結論與建議

通過修改后的模型發現，人均地區生產總值、年末常住人口與農產品物流需求量關系顯著，且呈現線性相關關系。一個地區經濟越發達，物流的需求量越大，對服務的要求也就越高。同樣，人口數越多對農產品的消耗量越大，因此也對物流提出了較高的要求。

通過上述研究，本文對山東省農產品物流提出以下幾點建議。

5.1區域差異化布局

根據人均地區生產總值和人口分布情況，對物流基礎設施進行差異化布局。在人均地區生產總值較高且人口密集的地區，如濟南、青島等城市，中國物流競爭力前30強的城市中，青島與濟南位列其中7。應重點建設現代化的物流樞紐和配送中心，配備先進的倉儲和運輸設備，以滿足高消費能力和大量人口帶來的物流需求。在人均地區生產總值相對較低且人口稀疏的地區，應注重建設基礎的物流網點，改善交通條件，提高物流的可達性，確保農產品能夠順暢地從產地運輸到消費地。

5.2電商平臺與物流系統集成

推動電商平臺與物流企業的信息系統集成，實現訂單信息、庫存信息、物流跟蹤信息等實時共享。通過這種集成，電商平臺可以更好地安排農產品的發貨時間和配送路徑，物流企業也能提前做好準備工作，提高物流效率和準確性。

5.3人才培養與引進

針對不同地區的經濟發展水平和人口特征，實施有針對性的人才培養和引進策略。通過制定優惠政策，吸引高層次物流人才，促進高等院校與企業之間的合作，共同培育杰出學生，進而提升物流行業的技術創新及管理水平。

參考文獻：

[1]薛妍雯，周玉新．基于因子分析法下山東省農產品物流發展水平評價研究[J]．物流科技，2021，44（10）：102-105.

[2]李翔，欒迎霞．鄉村振興視角下山東省農產品電商物流發展路徑探究[J]．中國物流與采購，2024（7）：106-107.

[3]呂建軍，徐嘉偉．降低我國農產品物流成本的現實困境與實現路徑[J].中國流通經濟，2024，38（10）：33-44.

[4]徐曉燕，楊慧敏，呂修凱，等．基于山東省不同模型的物流需求預測比較研究[J].包裝工程，2022，43（23）：207-215.

[5] 呂軍．數字經濟發展下推動農產品供應鏈管理的轉型[J].農業經濟，2023（12）：138-139.

[6]孟珊珊，劉維忠，孫宇．生鮮農產品綠色物流效率空間差異及影響因素[J]．商業經濟研究，2024（19）：75-79.

[7]王柄文．基于多元線性回歸模型的物流影響因素實證分析——以山東省為例[J]．中國集體經濟，2023（31）：89-92.