1、 基于双变量线性回归模型的物流需求 预测以内蒙古为例 *Model to Forecast Demand in the Logistics Application based on Two-variable Linear Regressiontaking Inner Mongolia for example王雪瑞 1,2 王昭君 2Wang xue-rui1,2 Wang zhang-jun2（1.中央财经大学，北京 100081；2.内蒙古财经学院，呼和浩特 010051）( 1.Central University of Finance and Economics, Beijing 100
2、81；2.Inner Mongolia Finance and Economics College, Hohhot 010051)摘要：物流产业作为综合性很强的经济产业，无论是宏观决策，还是物流企业的规划和经营决策，都需要以正确的预测为前提。本文针对物流需求的特点，运用双变量线性回归模型对物流需求进行预测，并以内蒙古为例进行了实证。关键词：物流需求；预测；线性回归模型 Abstract: As a highly integrated economy, logistics industry is required to correct the premise of the forecast re
3、gardless of macro-logistics industry decision-making or planning and business decision-making of Logistics Company. In this paper, the characteristics of logistics demand, try to use two-variable linear regression model to predict the demand on the logistics, and Inner Mongolia as an example of the
4、empirical.Key words: Logistics demand； Forecast；Linear regression model1 引言物流产业作为综合性很强的经济产业，无论是物流产业的宏观决策，还是物流企业的规划和经营决策，都需要以正确的预测为前提。日本在第二次世界大战后对其经济的进一步发展进行了正确预测，认识到高档产品的迅速增加，对货物运输将呈现新的需求特点，即运量增加不多，但对运输质量有了更高的要求，从而为日本经济的进一步发展提供了有力的支持 1。我国在经历了改革开放后的经济快速增长和 20 世纪 90 年代的经济结构调整之后，也充分认识到物流产业的重要性，现代化的高效物流
5、产业越来越成为我国经济发展的重要支持平台。在这样的背景下，基于合理预测的科学决策便成为* 内蒙古财经学院科研课题阶段成果，项目编号：KY0746。1保证我国物流产业健康发展的有效措施。2 物流需求预测的意义及作用物流需求预测，就是利用历史资料和市场信息，运用适当的方法和技巧，对未来的物流需求状况进行科学的分析、估算和推断。物流需求预测在物流规划和管理决策中起着至关重要的作用，主要体现在以下几个方面 2-4：（1）物流需求预测是物流管理的重要手段在物流管理活动中，如果能通过预测了解和把握市场需求的未来变化，就能采取有效的战略战术。（2）物流需求预测是制定物流发展战略目标的依据通过物流需求预测，可
6、以解释和描述市场需求的变动趋势，勾划出未来物流需求发展的轮廓，并对物流需求发展可能出现的种种情况有利方面和不利方面、成功的机会和失败的风险，进行全面的系统的分析和预见，从而为制定物流发展战略目标和方向提供依据，避免决策的片面性和局限性。（3）物流需求预测是物流管理的重要环节物流企业无论是计划还是决策，首先要对物流发展中诸因素进行控制，这就必须依靠预测。因此，一切物流管理活动，首先都是从对信息的了解分析和预测入手，物流需求预测是物流管理的重要环节。物流需求预测的作用和真正价值在于指导和调节人们的物流管理活动，以便采取适当的策略和措施，谋求更大的利益。3 双变量线性回归模型一般形式回归分析是计量经
7、济学的方法论基础。窦宁等在基于农村物流需求量的组合预测分析 5中提到“回归分析预测法是从各种经济现象之间的因果关系出发，通过分析与预测对象有联系的现象变动趋势，推算预测对象未来数量状态的一种预测方法” 。双变量线性回归模型的一般形式为： bXaY式中，Y 为因变量，X 为自变量，a 和 b 为待求系数， 为误差分量。在模型中，只有通过拟合度的测度及回归系数的显著性检验后，才具有实用价值。4 物流需求的双变量线性回归模型预测以内蒙古为例2以生产总值和货物周转量为变量，通过双变量线性回归模型进行分析，并以内蒙古为例进行预测。第一步，选择变量。以 GDP 和货物周转量为变量，以内蒙古自治区 1978
8、年到 2007 年的数据为原始数据，如表 1 所示：表 1 内蒙古自治区 1978 年到 2007 年的生产总值与货物周转量 年份 生产总值（亿元） 货物周转量（亿吨公里） 年份 生产总值（亿元） 货物周转量（亿吨公里）1978 58.04 224.55 1994 695.06 734.25 1980 68.40 174.92 1995 857.06 785.12 1981 77.91 252.36 1996 1023.09 832.66 1982 93.22 299.40 1997 1153.51 881.49 1983 105.88 348.97 1998 1262.54 844.35 1
9、984 128.20 391.94 1999 1379.31 898.80 1985 163.83 442.51 2000 1539.12 1041.20 1986 181.58 470.56 2001 1713.81 1090.10 1987 212.27 492.62 2002 1940.94 1132.00 1988 270.81 491.93 2003 2388.38 1218.22 1989 292.69 579.63 2004 3041.07 1441.39 1990 319.31 621.90 2005 3895.55 1604.31 1991 359.66 608.08 200
10、6 4841.82 1798.35 1992 421.68 655.89 2007 6091.12 2121.401993 537.81 697.86 第二步，模型设定。从货物周转量和 GDP 的散点图（如图 1 所示）我们也可以直观地看到两者之间具有线性关系。 6 因而设定：生产总值为 X，货物周转量为 Y，双变量线性回归模型为 bXaY。05001000150020000 1000 2000 3000 4000 5000 6000GDP货物周转量图 1 GDP 和货物周转量散点图第三步，参数估计。根据最小二乘估计，由表 1 数据对模型参数估计如下:，305.)(22iiXnYb 897.4
11、2XbYa3则双变量线性回归方程为： XY305.897.42第四步，拟合优度的测度35.0)(22nYXbRi根据数据可知，在货物周转量的总变差中由回归模型作出了解释的部分所占的比重为 93.95%，模型拟合度较高。第五步，回归参数的显著性检验。 4961.20)(2() 2XnnYbYbst iii取显著性水平 =0.05,查 t 分布表得 t 的临界值。由于 ，所以相关显著，则此回归方程有实用.0518)29(05.tm m价值。t 检验表明系数高度显著，因而模型通过统计检验。而 ,035.b经济意义显著，也通过了经济意义检验，故模型具有实际意义：即 GDP 增加一个单位，货物周转量增加
12、 0.3050 个单位。第六步，X 的经济意义分析。 X 对 Y 的弹性。在本文中，它度量了 GDPb对货物周转量的影响程度。 ，这个量反映了货物周转量对 GDP 的/拉动作用，从乘数的角度看 具有乘数的性质，可见其对经济拉动作用是相/1当大的，本文中为 3.2787。第七步，模型预测效果检验。为检验上述模型的预测效果，首先利用1990 年至 2007 年的历史数据预测这 18 年的货物周转量，并将预测值和实际值进行比较，结果如表 2 所示：表 2 误差分析表年份 模型预测数(亿吨公里） 绝对误差(亿吨公里） 相对误差 （%） 年份 模型预测数(亿吨公里） 绝对误差（亿吨公里 相对误差 （%）
13、1990 527.2893 94.6108 15.2132 1999 850.5893 48.2108 5.36391991 539.5960 68.4840 11.2623 2000 899.3313 141.8687 13.62551992 558.5121 97.3779 14.8467 2001 952.6118 137.4883 12.61241993 593.9318 103.9283 14.8924 2002 1021.8864 110.1136 9.72731994 641.8930 92.3570 12.5784 2003 1158.3556 59.8644 4.914119
14、95 691.3030 93.8170 11.9494 2004 1357.4261 83.9640 5.82521996 741.9423 90.7179 10.8949 2005 1618.0425 -13.7325 -0.85601997 781.7203 99.7698 11.3183 2006 1906.6548 -108.3048 -6.02251998 814.9744 29.3756 3.4791 2007 2287.6913 -166.2913 -7.83884平均相对误差 7.9881从表 2 的计算结果及图 2 的曲线图可以看出，绝对误差为 166.2913 亿吨公里，相
15、对误差最大为 15.2132%，平均相对误差为 7.9881%，说明模型总体预测效果较好。图 2 实 际 值 与 预 测 值 的 曲 线 比 较0100020003000年 份货物周转量实 际 值 预 测 值5 结论分析通过对内蒙古 1978 到 2007 年的数据进行双变量线性回归预测可以得出如下结论：（一）内蒙古自治区的货物周转量呈上升趋势通过对货物周转量的主要影响因素分析，可知货物周转量与生产总值紧密联系。从图 2 的曲线比较图可以明显看出，内蒙古自治区的货物周转量呈上升趋势，由此可知货物周转量与生产总值呈正相关关系。（二）双变量线性回归模型对货物周转量的预测效果较好、精度较高，适宜对物
16、流需求进行预测。在内蒙古 29 年历史数据的预测结果中： ，说明拟合度较高；935.02Rt 检验值为 20.4961，说明参数具有较高的显著性。本文中只分析了生产总值对货物周转量的影响，而在实际运行中还有许多因素会影响货物周转量，如气候条件、宏观经济政策、微观因素中的运输距离与货运量等。另一方面货物周转量并不能完全代表物流需求，所以应定期、适时地根据实际情况对其加以补充修正。参考文献1 蒋长兵,物流系统与物流工程M,中国物资出版社，2007 年2 周溪召,物流系统工程M，上海财经出版社，2003 年3 胡列格、何其超、盛玉奎，物流运筹学M，电子工业出版社，52005 年4 赵刚，现代物流基础M，苏州大学出版社，2004 年5 窦宁、赵庆祯、黄春波.基于农村物流需求量的组合预测分析J.物流科技.2008(12):96-99.6 汪宇翰.预测物流需求的一元线性回归分析法J.商场现代化.2006(13):129.作者简介：1.王雪瑞：男，蒙古族，1981 年生于内蒙古通辽，管理学硕士，中央财经大学数量经济学在读博士，内蒙古财经学院商务学院教师。电话：（0471）3667548，13087112766。通讯地址：内蒙古财经学院商务学院资料室，王雪瑞，010051。2.王昭君：女，汉族，1985 年生于内蒙古五原县，内蒙古财经学院商务学院物流管理 2005 级优秀毕业生。
