摘要: 在城市物流規(guī)劃中, 物流需求量預(yù)測(cè)對(duì)物流節(jié)點(diǎn)的選址、物流節(jié)點(diǎn)的規(guī)模等一些較為重要的決策, 起著非常重要的作用。根據(jù)城市人口、消費(fèi)水平、GDP 的變化, 利用計(jì)量經(jīng)濟(jì)學(xué)模型可以做到科學(xué)的預(yù)測(cè)城市的物流量增長(zhǎng)變化, 從而對(duì)城市合理的物流規(guī)劃提供可靠的佐證。

關(guān)鍵詞: 計(jì)量經(jīng)濟(jì)模型 物流需求 預(yù)測(cè)

隨著物流業(yè)的興起, 人們對(duì)物流為“第三利潤(rùn)源泉”的看法已基本形成共識(shí), 在城市規(guī)劃中物流規(guī)劃占據(jù)著越來越重要的地位。城市的物流規(guī)劃主要有物流基礎(chǔ)設(shè)施建設(shè)、物流節(jié)點(diǎn)選址、物流節(jié)點(diǎn)規(guī)模的設(shè)定等。在這些規(guī)劃中物流量的需求預(yù)測(cè)起著非常重要的作用。

1 物流需求預(yù)測(cè)的技術(shù)路線

物流業(yè)是一個(gè)新興行業(yè), 到目前為止對(duì)物流量的統(tǒng)計(jì)還沒有一個(gè)具體的對(duì)應(yīng)指標(biāo), 習(xí)慣上大多用貨運(yùn)量代之。我們假設(shè)這種替代是合理的, 為此在對(duì)物流量進(jìn)行預(yù)測(cè)時(shí), 首先要全面考慮影響貨運(yùn)量的因素。為此, 需根據(jù)城市的實(shí)際情況選取影響因素, 作為預(yù)測(cè)模型中的解釋變量, 并分別求出各影響因素與貨運(yùn)量的相關(guān)系數(shù)。其次, 利用計(jì)量經(jīng)濟(jì)學(xué)原理建立預(yù)測(cè)理論模型, 并借助統(tǒng)計(jì)軟件確定預(yù)測(cè)模型中的各個(gè)變量的數(shù)值。最后, 整理數(shù)據(jù)代入模型得出預(yù)測(cè)結(jié)果。

2 物流需求的預(yù)測(cè)模型

2.1 影響因素的選取物流量的多少取決于城市的規(guī)模、城市工農(nóng)業(yè)的生產(chǎn)總量、城市的消費(fèi)總量。據(jù)此可以推斷, 影響貨運(yùn)量的因素主要有總?cè)丝跀?shù)、居民消費(fèi)水平、國(guó)民收入( 第一產(chǎn)業(yè)、第二產(chǎn)業(yè)和第三產(chǎn)業(yè)) 、總產(chǎn)值( 工、農(nóng)業(yè)) 、消費(fèi)品零售額、居民消費(fèi)水平以及貨車保有量等。在建立模型時(shí), 我們就選取這些因素, 作為變量。

2.2 預(yù)測(cè)模型的建立

2.2.1 理論模型的建立設(shè)物流量!Y "與影響因素X1 ,X2 ,…,X! P"存在相關(guān)關(guān)系, 則可建立模型Y=F X1 ,X2 ,X3 ,…,X! P"+!, 其中Y 是因變量; X1 ,X2 ,X3 ,…,XP , 是自變量, 亦稱解釋變量; Y=F X1 ,X2 ,X3 ,…,X! P"是回歸函數(shù); ! 是隨機(jī)誤差, 以此模型為基礎(chǔ), 對(duì)貨運(yùn)總量作預(yù)測(cè)模型。

2.2.2 樣本數(shù)據(jù)的收集樣本數(shù)據(jù)一般可以從統(tǒng)計(jì)年鑒中直接獲得, 亦可通過抽樣調(diào)查計(jì)算得到。這取決于在預(yù)測(cè)模型中所涉及到的影響因素?cái)?shù)據(jù)是否包含在歷年的統(tǒng)計(jì)報(bào)表中。通常情況, 抽樣調(diào)查獲得的數(shù)據(jù)更為貼近實(shí)際, 但工作量較大。從統(tǒng)計(jì)年鑒中直接利用的數(shù)據(jù)一般可能存在一個(gè)時(shí)差, 但如果樣本個(gè)數(shù)足夠多的話其誤差不會(huì)很大, 但統(tǒng)計(jì)數(shù)據(jù)必須是真實(shí)可靠的。在本文中與貨運(yùn)量有關(guān) 的各影響因素的數(shù)據(jù)( 總?cè)丝? 居民消費(fèi)水平, 第一產(chǎn)業(yè), 第二產(chǎn)業(yè), 第三產(chǎn)業(yè), 工業(yè)總產(chǎn)值, 農(nóng)業(yè)總產(chǎn)值, 消費(fèi)品零售總額, 貨運(yùn)總量, 鐵路貨運(yùn)量, 鐵路貨運(yùn)總量) 均來自2004 年大慶統(tǒng)計(jì)年鑒。

2.2.3 模型參數(shù)的估計(jì)通過對(duì)歷年數(shù)據(jù)進(jìn)行分析, 貨運(yùn)量預(yù)測(cè)模型可用普通最小二乘法對(duì)其參數(shù)進(jìn)行估計(jì), 具體公式如下: !=ni"= 1#yi - y! $ i式中, yi 是實(shí)際值, y!i 是觀測(cè)值, ! 表示實(shí)際值與觀測(cè)值差的平方。

2.2.4 模型的檢驗(yàn)檢驗(yàn)時(shí)主要進(jìn)行經(jīng)濟(jì)意義檢驗(yàn)、統(tǒng)計(jì)檢驗(yàn)、計(jì)量經(jīng)濟(jì)學(xué)檢驗(yàn)和預(yù)測(cè)檢驗(yàn)。

3 實(shí)例分析

3.1 建立預(yù)測(cè)模型首先根據(jù)獲得的資料數(shù)據(jù)進(jìn)行各因素之間的相關(guān)分析, 分析結(jié)果見表1。據(jù)相關(guān)分析結(jié)果數(shù)據(jù)判斷, 可知總貨運(yùn)量與工業(yè)總產(chǎn)值、總?cè)丝�、第二產(chǎn)業(yè)密切相關(guān), 進(jìn)一步分析可知這恰好與大慶經(jīng)濟(jì)發(fā)展的現(xiàn)狀相符合, 從而符合經(jīng)濟(jì)意義檢驗(yàn)。對(duì)被解釋變量和解釋變量之間關(guān)系做散點(diǎn)圖, 發(fā)現(xiàn)他們之間有很強(qiáng)的線形關(guān)系, 故可用用統(tǒng)計(jì)軟件( Eviews) 進(jìn)行多元逐步線性回歸, 并得到總貨運(yùn)量的預(yù)測(cè)模型( 檢測(cè)結(jié)果見表2) :Y=8.039973X1+0.000194X5- 0.6911097X7從表2 可以看出決定系數(shù)值( R- squared) 很大, 但X7, X5 的概率系數(shù)分別為49%和17%不為零, 說明存在多重共線的可能。根據(jù)計(jì)量經(jīng)濟(jì)學(xué)原理必須提出共性相關(guān), 利用逐步刪除法得到新的預(yù)測(cè)模型

從表3, 可以看出多重共線已經(jīng)消除。在輸出結(jié)果中D.W.=1.56, 經(jīng)查表可證明存在序列相關(guān); 并且殘差與解釋變量之間有一定的關(guān)系, 存在未被提凈的信息, 說明存在異方差。因此為了消除存在的異方差我們需進(jìn)一步應(yīng)用加權(quán)最小二乘法(WLS) 進(jìn)行處理消除。

后結(jié)果見表4。從表4 中分析所建回歸方程符合經(jīng)濟(jì)意義檢驗(yàn)、統(tǒng)計(jì)學(xué)檢驗(yàn)、經(jīng)濟(jì)計(jì)量學(xué)檢驗(yàn)及預(yù)測(cè)檢驗(yàn)。得到線形回歸方程( 檢驗(yàn)結(jié)果見表4) :Y1 ( 總貨運(yùn)量) =7.53X1+0.73X7根據(jù)各因素歷年的數(shù)值, 發(fā)現(xiàn)X7, X5分別與時(shí)間存在很強(qiáng)的線形關(guān)系, 對(duì)各因素進(jìn)行線性回歸后, 得到各因素與時(shí)間T的模型結(jié)果如下:X7=116.79TX1=2.29T+227.043.2 預(yù)測(cè)及結(jié)論輸入時(shí)間變量T, 可預(yù)測(cè)未來的物流量, 預(yù)測(cè)結(jié)果( 特征年物流量) 表5。通過預(yù)測(cè)結(jié)果分析可知大慶市在未來年份物流量的變化趨勢(shì)有如下幾個(gè)特點(diǎn)。

( 1) 在未來幾年貨運(yùn)總量( 物流量)將持續(xù)增長(zhǎng), 這與快速經(jīng)濟(jì)建設(shè)相關(guān)。

( 2) 總?cè)丝诒３衷鲩L(zhǎng)態(tài)勢(shì), 使城市化加速, 對(duì)物流量的增長(zhǎng)有直接影響。

參考文獻(xiàn):

[1] Anderson. T.W and H..Rubin. Estimation of parameters of a single equation in a complete system of stochastic equations[J].The annals of math Mathematical statistics, 1949(20):46- 63.[2] Andrews. D.W.K. Laws of large numbers for dependent non- identically distributed random variables[J]. Econometric Theory,1988(4):453- 469.

[3] Andrews. D.W.K and M.Buchinsky. A three step method for choosing the number of bootstrap relications http://www.51lunwen.com/jiliangjingji/[J]. Econometrica,2000,68:23- 51.