（管理科学与工程专业论文）区域物流需求预测研究(1).pdf

摘要 区域物流需求预测是区域物流系统规划中的重要环节，为制定区域物流发展 政策、确定物流基础设施建设规模、分析物流市场态势提供必要的基础依据。然 而，由于我国物流企业还处于起步阶段，区域物流需求预测理论研究在我国的发 展还不够健全，很多区域出现重复建设基础设施的现象，造成人力、物力和财力 的浪费。正是基于这样的原因，本文进行了区域物流需求预测研究。 首先论文从我国区域物流现状入手，在对研究过程中将会用到的概念进行定 义和关系分析的基础上进行了区域物流需求基本理论研究，深入探讨了物流需求 的特点及社会经济发展的各个方面对物流需求的影响；然后主要深入地研究了选 取物流需求量化指标的原则，构建了区域物流需求量化指标体系，详细分析了各 指标的内容并确定了区域物流需求量化预测及相关指标。 第四章主要说明了区域物流需求预测的基本理论，其中包括区域物流需求预 测的概念、常用的预测技术及预测步骤，并根据我国物流系统的特点以及现有的 统计数据状况，选取了适合区域物流需求的灰色预测与回归预测模型，最后建立 了基于s h a p l e y 值法的组合预测模型。 论文的第五章根据收集到的相关数据，利用相关系数法确定了适合重庆市物 流需求的预测指标；建立了适合重庆市物流需求的灰色预测模型和线性回归模型， 并对两种模型进行预测、检验及评价。其中，在建立回归预测模型的过程中，采 用了s p s s 软件进行回归分析；最后本文采用s h a p l e y 值法，将灰色预测模型和多元 线性回归预测模型进行组合，建立适合重庆市物流需求预测的组合预测模型，并 利用该组合模型进行预测与比较，从而证实了组合预测模型更接近实际情况，提 高预测的精度。文章的结尾部分对全文的内容进行了总结，以便大家有所参考 关键词：区域物流； 物流需求；定量预测；组合预测 a b s t r a c t r e g i o n a l1 0 9 i s 虹部d 既n a n d 胁a s ti ba ni 玎】p o r t 锄l i l l 】【i nr 晒叽a l1 0 9 i s 6 船s y s c e m p l 籼缸g 锄dp m 蛐鹤n d a lb a d a c a s 细m a h n gr 哆舒o n a ll o 萨s 妇d c v g l o p i n g p o l i c y 嬲c e n a i n i n g1 0 9 i m c si n 矗嬲劬l c m c 咖c 吐o n a l ea n d 姐姆i n gm el o g i s d c s m a r l 碱纰蝴b u t l h e 咖d ) i i n go f t h 叮伽1 0 9 i 8 t i d c 蚴df o 】a s tj n 蚓a 1 也哆 i no 叫u 眦叮i 8n o t 伽g ht op e d tb a u 瞻m o 雠o fl o g i s 吐c s 即蕾廿p r i 螂i no 眦 c o u m l yl i em l d 唧7 a yp h a p h e n o 蚴o no fb u i l d i 雌i n 丘咖c t i l | 馐i lf a c i l i d 髓船p t 斌坶 a p p e 缸i nm a n ya 蛐，w h i c hb r i n 鄂tw a 咖o f 删u r so fm 觚p o w m a t e f i a la n d f h 觚i c i a l e 髓c t l y b 嬲i n g o 缸s u c h c 黜，t b i s t h e s i s d i i c f i y 地蝴h i n t o m e t h 巧o f l 哆g i o l l a ll o 西8 f i c 矗d e n l a n d 士b r e c a s l f i f s t l y t h e t h i s 咖r t s 丘吼c i l 船n ts i n i a t i o f 日e g i o n a l d g i g t i c 8 i n o 毗嘶n y 8 t i 】i y 8 缸吡皿e n t a li h r yo f g i a l1 0 9 i s 啦8d 鼬a n d ，b a s e d 锄l h e 蚴血n ga n d 缸l a l y i n gt b ec m 唰：p t i m s 谢h i c hw mb eu s e dd i i r i n g 鳓m y i n g 血i sp a p 盯驵dd o e p l y d i u s s 部t h e 硪b c t so ft h ev a l i o q b 郜p e = c to ft h e c i a l 咖m yi l p o nt h e1 0 9 i s 6 c s d e m a n d t h ，m e 跚( h o rs t i l d y sp r i 北i p l eo f 蛐g t h eq i l 觚蝴v ei n d e xo fl 嚼g 融8 d e 删，啦吡t l l m s 缸d c xs y 咖o f g i a ll o 西s t i c sd e 衄dq i i 舳吐刎，锄a l y z 嘲 d e t a i l e d l yv a r i o 岫q u 锄吐z a t i o nj n d e xa n dt i l l a l l y s e l e c t sr e g i a 11 0 9 i s b c sd t m l 锄i d q u 髓比洳细僦鼬t i n d 既a n d c 融砒i v e 训娃 t h ef b 劬c h a p 魄o fl h e s i sm a i n l yi n 删u c 船如n d 锄蝴t a lt h 巧o fr 蟛a l 姆g t i c s 出卸l df b f a 啦i n c l 砸i n gc ( m c 郫妇o f 托茸o n 盛ll o 西s 吐d t 砸脚1 df 0 雌c a g t ， f 砌l i 缸f b r c a s tt e c h i l o l 哪；y 觚dp l d s b ，i e c t sg m yf o f ；c 鹄t 柚d 旭掣秘s i o n 锄i a l y s i s f b 嬲tm o d e l e s 砌c hs 血t o 蟛伽_ a ll o g i s t i c ss y s t e m 硎i 雌t ot h c 曲脚a m e 陪o f 地g i 伽i a ll o g i s t i c ss y s 岫a n d 鲫缸l a b l e 咖i s t j | c si n d 懿d a t a 柚dl l l t i | 咖l y 懿t a l ，h s h s c o m b i n a 吐o nf b r 鹋tm o d e lb a s e d s h a p d ym e t h o d j i k 碰mc h a p t e fo ft h 鼯i bu s 髂c 伽融a t i m e t t l o dt oc o n 缸ml o g i s 血sd e m a n d f o r a 醴i 如扯c o r d i 唱t oc o n t e d f r 妇i v ed a 锄，鹤t a b n 8 h sg r a yf 妇嬲tm o d e l a n dm g r e s s i o na n a l y s i s 觚a 砒m 0 l e l 黜w h i c hs u i tt o1 0 9 i s 吐出舡脚1 do fc h g q 吣 a n d m 醴也e f 函瑚畴懿柚1 i n 鲥锄d 聊痂s a l t o t w 0 1 d n d so f m o d e k 髓e l h 酪i s 舱l t ss p s ss o 脚a 砖t o 和a l y g r c 蟠l yd l l r i n g 黜曲瑚d n gr e g s s 硫f 孤啦m o d e l f i n a l l y 血et h 船i 8 l e c 协s h a p l e ym e t h o dt o m b i n 伊a yf 妇勰cm o d e l 弛d 砖g r e s s i 锄缸a l y s i sf o 嘣哦m o d e l ，船钮1 蛐s h 部c o m b i n 鲥o nf o 蝴tm o d c l 砌c h 即i 据t o 1 0 9 i 8 t i c sd e m a n do fc h g q i n g ，u d l i 丛i tt of o a 吐姐dc 咖p a ma n da p p v 懿血址 c o m b i n a t i o nf 0 峨缄m o d e li bc 1 0 8 盯t of a c t 龇di m p v 醴f 0 僦a s tp l i s i o n 1 h e 锄删p a f to ft h e s i sc 硼洒ta 觚衄瑚巧c 0 d t e n to fm 韶i st oc 0 础f b f 嗍b o d yt o m e e x t | t k e y w o r 凼：吲a ll o g i 8 t i c sl o g i s 雠sd 伽衄d嗍f b r a s t c 伽b i n a l i f b r e c a 武 重庆交通大学学位论文原创性声明 本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立进行研究工作所 取碍的成果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体已经发 表或撰写过的作品成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确 方式标明。本人完全意识到本声明的法律结果由本人承担。 学位论文作者签名：a 扣葡 日期：a 叻年_ 月矽日 重庆交通大学学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向 国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权重 庆交通大学可以将本学位论文的全部内容编入有关数据库进行检索，可以采用影印，缩 印或扫描等复制手段保存和汇编本学位论文。 学位论文作者签名：毒知甬 指签名扬铲如 日期：凯，力年月吗日日期：；卿年歹月哆日 第一章绪论 第一章绪论 1 1 问题的提出 1 1 。1 我国目前区域物流需求现状 在国际上，物流产业被认为是国民经济发展的动脉和基础产业其发展程度 已成为衡量一国现代化程度和综合国力的重要标志之一，被喻为促进经济增长的 “加速器”和“第三利润源泉”。近几年来，随着商品生产和流通方式的全新革 命，物流业迎来了蓬勃发展的“青春期”，各地视其为未来区域经济发展的核心 竞争力和新的增长点，愈发加以重视。 从全国来看，现有的物流运作供给能力要大于物流市场需求，大多数企业物 流需求量都呈增长趋势，物流费用呈上升趋势。2 0 0 4 年社会物流总成本同比增长 1 6 6 ，增幅比上年同期扩大3 个百分点，g d p 总量对物流总额相比的物流需求系数 为2 8 ，总的说来，物流质量不断提高哪。 从区域的角度来看，现代区域物流的发展已成为我国各级政府和企业广为关 注的热点问题。近几年来，在我国区域经济发展比较迅速的地区，政府部门已经 认识到发展现代物流对于优化经济结构、改善投资环境和提高地区经济整体竞争 力的战略意义，并已着手研究和制定有关物流规划与政策。 目前，我国2 0 多个省市和3 0 多个中心城市已经正在开始制定物流发展规划， 涌现了一批各具特色的现代物流企业，特别是一些大中城市陆续推出大手笔，力 图在新一轮物流业竞争中抢得先机 北京市把发展首都机场物流作为重头戏，并就物流产业的发展所需要的物流 设施系统进行了全面的比较、规划和研究，已经完成了“北京市综合物流系统规 划研究”。作为华北和环渤海地区重要的经济中心的天津市，把发展物流作为调 整经济结构的重要措施，并编制了天津市现代物流发展纲要。 广东省已将发展物流产业作为经济领域四大主攻方向之一，其中广州市投入 了2 2 亿元兴建了4 个物流中心和1 2 个枢纽货运站，欲把广州市发展成为华南最大的 现代物流基地。东莞、佛山等市也在制定物流规划，一些物流基础设施建设巳启 动。 作为全国经济中心、贸易中心、金融中心以及航运中心的上海市，在上海 第一章绪论 2 市国民经济和社会发展第十个五年计划纲要的报告中，把现代物流同生物、医 药、新材料、环境保护列为上海市四大新兴产业，并编制了上海市现代物流发 展规划，上海市政府在工作报告中明确指出了大力发展物流业的目标，并编制 了物流发展规划。原来规划建成国际经济、金融与贸易中心，后来加了一个国际 航运中心，即国际物流中心，并出台了 l ，表示物流需求弹性大，即物流需求对于国民生产总值是敏 感的； 物流需求弹性 8 0 9 6 ，最好是p 9 0 2 ) 级比偏差值检验 对于给定的序列级比盯神( 七) 与模型级比盯定义级比偏差p ) 为 删：乎舢 ( 4 8 ) 令工0 忙一1 ) 工他) 为实际数据，工( 七) 为预测值，口为发展系数，尸 ) 为级 = 鬻，c 。= 等 舯一( 畿 等- o o h9 ， 第四章区域物流需求预测模型的建立 一股p ( 七) 2 0 ，最好p ( d l o 3 ) 后验差检验 残差：窖o ) = 工o ( f ) 一工( f ) i 相对脆伽鬈 p ( 叫越小表示模型精度越高。 1 令；= 土工 行蒿 石= 丢扩o ， s 。：! 力 ( 4 1 0 ) ( 4 1 1 ) ( 4 1 2 ) ( 4 1 3 ) ( 4 1 4 ) 岛= 昙喜国泖( ，) 一面2 “1 5 ) 利用上述4 个公式分别求出五窜，墨，s ：。后验差比值为c = j 。，墨及小误差频率 p = k 抑( f ) 一司 兀位一l ，万一d 时，拒绝日。，认为回归方程显著成 立；否则，认为回归方程不显著成立。 对于给定显著性水平口，可以从f 分布表中查得临界值只仕一l ，以一七) ，代入 ( 3 ) 式可求得就是屁2 的显著性检验的临界值。若实际计算得到的r 2 磋， 认为眉2 是显著的，也就是回归方程总体是显著成立的；否则认为回归方程总体不 显著成立。 3 ) 回归系数的显著性检验与置信区间f 检验法 在多元线性回归中，回归方程总体上显著成立并不意味着每个x 。对l ，的影响 都显著，因此我 f 】总想从回归方程中剔除那些次要的、可有可无的变量，重新建 更为简单的回归方程。所以就需要我们对每个回归方程中的自变量作显著性检验。 构造假设日。：，= o u = l ，2 ，七) ，我们可以用统计量f 对回归系数作显著性 检验： 0 = 房s ；f 仰一七) u = 啦，” 式中，2 j 告乎) ( ( x ) 。1 ) j u = 纷，露) 。 对于给定的显著性水平口，如果h i 屯，： 一七) ，则拒绝日o ，认为局显著不 为零，y 与x ，确实存在线性关系，乃的置信区间为岛一乞，z 办+ 气，：) 如果h i 3 0 ，可近似认为乞，2 一妨= 2 ，如果b f 2 ，则认为乃显 著不为零；否则认为岛显著为零。 4 ) d 检验法 序列相关是指数列的前后期相关。最常见的是时差为一期的序列相关，又称 一阶自相关。回归模型假设随即误差项之间不存在序列相关或自相关，即互不相 关。若回归模型不满足这一假设，则称回归模型存在自相关，这时就不能继续使 用最小二乘法估计参数。 在序列相关中，最常见的是一阶自相关，常用的检验方法是d 矽检验法( 准 第四章区域物流需求预测模型的建立 则) 。定义d 统计量为 ( 卜2 d 矿= 垡- 一 铲 f t i 乎一2 “+ 焉 将( 4 2 2 ) 式展开，得 d 矿= 丝i _ 生呈_ 一 譬 ( 4 2 2 ) ( 4 2 3 ) 在大样本情况下，当押 3 0 时，可以认为乎* 簟* 矗，所以( 4 2 3 ) 扣1，- 2i ；2 式可写成 l“ d = 纠l 一! = 一 ip * 2 ( 1 一墨) ( 4 2 4 ) 墨是蚝、甜。的相关系数的估计值。根据d 检验法检验模型是否存在自相关， 其步骤如下： 口利用最小二乘法求回归模型及残差玉； 6 利用( 4 2 2 ) 、( 4 2 3 ) 、( 4 2 4 ) 计算d 统计量； c 确定假设日o ：相关系数为零，即假定回归模型不存在自相关； d 根据给定的检验水平及自变量个数牌，从d 检验表中查得相应临界值 吒、毛，当吒 9 0 ，说 明该g 射( 1 ，1 ) 模型具有精度9 4 2 。 以上结果表明，模型预测值与实际值比较接近，平均绝对标准残差小于l o ， 说明所建模型预测精度不够高，但不需再做残差修正。若平均绝对标准残差很大， 第五章重庆市物流需求量预测实例 则需要进行进一步的残差修正，限于篇幅，在此不再详细说明，具体修正方法见 文献棚】。 2 ) 级比偏差检验 对于给定的序列级比盯( 王) 与模型级比仃定义级比偏差p 力 f n 删：卫等塑1 0 0 ( 5 3 ) 根据推导得 p ( 七) = l m 仃0 ( 七) ( 5 4 ) 其中= 若芸兰，具体推导过程见文献删。 将j 他) 代入( 5 4 ) 式计算得 p = ( 以2 ) ，p ( 3 ) ，p ( 1 1 ) ) = ( 6 7 3 ，一7 8 3 ，一o 8 4 一6 0 4 ，0 5 2 ，一0 4 4 ，o 1 6 ，3 4 6 ，5 5 9 ， 一2 8 5 ) p ( 口嘲= 3 ，4 4 6 p ( 口增) 昂m ( 8 2 ) ，拒绝原假设。随机变量】，与而，而， 之间的关系由线性回归 模型表示不合适”，接受“自变量全体对因变量产生线性影响” 同样也可以根据p 值作检验。当户值 0 0 5 ，在取显著性水平口= o 0 6 时也通不过显著性检验。这说明尽管回 归方程通过了显著性检验，但是也会出现某些单个自变量x 甚至于每个自变量对 y 并不显著的情况。 从上面的输出结果得出，农业产值、第三产业、社会消费品总额及外贸总额 这四个自变量的回归系数均为负值，负的回归系数显然是不合理的，其原因可能 是由于自变量之间的共线性，因此需要对该回归方程作进一步的多重共线性消除 改进来重新建立回归方程。在下面的小节中笔者对所建立的回归方程进行共线性 的诊断。 利用方差扩大因子v i f 进行多重共线性诊断 在判断所得的回归方程可能存在多重共线性后，需要对回归方程进行进一步 多重共线性诊断，以确认该方程是否存在共线性。本文利用s p s s 软件计算出各自 变量的v i f 值来进行判断，若v i f 值大于l o ，则说明该方程存在多重共线性。 利用s p s s 软件进行多重共线性诊断，得出输出结果图5 4 。 c o m d 柑 u n 咖n d a r d i 州s 协n d a r d i z o d c o 刮昕d e n h c 讯d m bc 一n 6 m v s 删卅c m o d 8s 埘e m 叶b e 协t s b t d 憎n c bv i f ( c m r q8 5 0 5 0 8 24 c 帅，2 3 04 5 7 10 2 0 工业产值髓o 42 f 嘲2 瞄2 0 o舰| 馓5 6 3 船 农业产值 瑚5 2 12 融7 7 0棚- 3 2 b：口e_ 0 1 06 8 3 第三产业 6 矗啦弘3 7 3a 猫- ，棚舢3 2 良“档 交通运输、仓$ 及邮政业 7 5 85 2 4 7 脚 0 4 1 6 2删 2 3 3 2 r 2 社会消费品总#，嗽舯 - - 7 3 0- 棚7 o2 b 盱o 外贸总额，蜥o 7 ，5 8 2 1 5 7 0棚崩 3 0 6 批发零售业1 8 1 7 1 3 0 拍1 9 5 e1 口鞠1 柏0 0 18 1 8 9 7 e 第五章重庆市物流需求量预测实例 围5 ，4 回归分耩凝诊断里 图5 4 是一个回归系数计算分析表。列出了回归方程的截矩( c o n $ t 粕t ) 、与 各个自变量相对殿的未标准化的回归系数( u n s t 锄d a r d i z e dc o e f f i c i e n t s ) 及 其豁漆溪差( s t 蠢嚣撑汀) ，与务嚣趋系数稷联系豹，统谤璧嬗及其尹壤。表孛还 列 黯了标准化了的回归系数( s t a i l d a r d i z e dc o e f f i c i e n t s ) b e t a 它对应着一个 没有截距项的多墩线性回归方程。 灏5 4 申豹最嚣嚣栏还列磁了与每个自变量楣联系的多重共线性诊断统计量 ( 踟l l i n e a r i t ys t a t i s t i c s ) 瓣疆，魏与王渡产值粒容诲发( l e r 鞠c e ) 为篷o 晓， 相应地膨胀因子( v i f ) 为5 8 4 3 8 3 在所有自变量的v i f 戗中除外贸总额因素的v i f 值小鼍：1 0 以外，剩余各因素的v i f 的值远大予l o ，这说明该圃归方程存搬严重的多 重芙线经。 消除多重凝线性 通过上面的分析，我们发现所建立的回归方程存在严麓的多重共线性，这时， 需要设法溃除这秘共线性。 潲除多重共线性豹方法寄檄多。常用的燕婺有瑷下氏耩： 1 ) 剔除一些不重要的解释变量。 2 ) 增大样本雾量。建立一个实际经济阅题的回归模型，如果收集的样本数据 太多，氇容易产囊多重莛线校。整有跨，壤瓣了样本数嚣，毽毒零缝掰数据距离 原来样本数据的平均值较大，套产生一些新的闯题，使模型拟合较麓，没有收到 增加样本数据期塑的效果。本文试图利用增大样本容量的方法来消除多重共线性， 餐遥避初步诗雾发瑷采震2 l 令捞零数据建交豹豳舞模登褥爨霞溺篷熬擎均误差要 疆：袋用1 1 个样本数据的回归模型得出预测值的平均误差天，另外考虑掰自1 9 9 7 年 后重庆的相关政策发生了很大的变化，最后采用了1 1 个梯本数据。 3 ) 题归系数鼹有骟绩计儆l 。 本文采用剔除解释变量的方法，并利用s p s s l 3 o 软件对个自变量避行逐步剔 除，来消除多重基线性。 蓠先，由予五豹方差扩大爨挚搬夏= 3 2 6 3 4 4 8 为最大，我们剔除毛，用y 与恐、 而、屯、民、而、粕建立回归方程。计算缩果见输出结粜图5 5 。 第五章重庆市物流需求量预测实例 鲳 c o 加憎 u n 瞄n d r d 州s 组n d d r d b 坤d c o m c i n hc o 圳d n 协c o n h，s m i c m o d bs t de m ”b 忸t s 幻 t 一哺n v i f ，m m n ”2 ，b ，5 04 ，5 9 8 2 8矗2 ” 工业产值3 7 嘲 7 5 7 31 邶12 1 “啪 州 柳仡 农业产值1为婚- m i1 2 帕善 6m 2 0引1 2 变通运输仓铸及 邮政业( 亿元) 柏蛳豫7 7 7朋1棚肋 5 0 劓2 社会消费品总额一o朋2 d 1 3 0 51 3 111 2 6 外贸总额t o m 、1 5 r2 1 6 嘲0 3 0 6 3 批发零售业 6 1 6 2 31 7 4 9 5 5 16 5 5 1 7 3 1e 1 69 7 5 嘶州“v 酬：货运量 田5 5剔除第三产业因素后的回归分析及诊断图 从输出结果图5 5 看到，的方差扩大因子俯：= 1 2 9 0 0 3 8 为最大，远大于1 0 ， 并且民的回归系数儿一0 0 0 6 仍然为负值，说明此回归模型仍然存在强多重共线 性，应该继续剔除变元。 剔除，用】r 与五个自变量而、而、毛、而、毛建立回归方程。有关计算结 果如输出结果图5 6 。 c o 棚d 帅t u n 协n d a r d i j d 妇n d a r d l z d c o 啪d n kc o 甜n d o n hc 删m 啪戳酣删 m o d bs t de n 讲b d ht 8 i a t d e n m v i f 1 i c 畦i h b1 8 3 柏7 1 43 7 1 44 m瑚7 工业产值 8 8 7 67 7 8 9 7 3 口1 o 刚 站70 0 5 1 7 8 7 农业产值3 7 3 d 嘲 o 41 2 37o 船嘲 交通运输、仓 储及邮政业 钉4 3 41 0 2 5撇卫1 3棚71 柏怕8 外贸总额- 0 2 20 2 1，0 7 71 o 新艘2 1 批发零售业- 1 3 o 柏21 3 0 27 7 50 1 1“1 - d 印d 州v 鲥d ：货运量 图5 6 剔除社会消费品总额因素后的回归分析及诊断田 从输出结果图5 6 看到，屯的方差扩大因子w ，：= 1 8 6 7 8 7 为最大，远大于1 0 ， 说明此回归模型仍然存在强多重共线性，应该继续剔除变元。 剔除屯，用】，与五个自变量而、毛、而、而建立回归方程。有关计算结果如 输出结果5 。7 。 第五章重庆市物流需求量预测实例 c o 栅n ， u n m n d - t dn d h 嘲 c o 圳d _ 恤c d n “ c ；o m n r i t v s 0 o d b8 叫e n wb 协ts 睡 t o i m n v f 1 ( c 舯瞳呻 1 3 7 3 2 6 5 19 6 0 5 12 农业产值 犯上1 1 3 埔1棚2 5 侣o 61 1 30 o 交通运输仓话及 邮政业( 亿元) o 3 1 5柏，狮 - 7 3 61 3 3o 29 0 2 外贸总额“蹒0 9 24 刎 2 6j 1 3 蛳 批发零售业1 5 6 椰帕61 7，3 3 57 柏 0 1 1 5 7 3 一p d 帅tv “：货运量 图5 7 剔除工业产值因素后的回归分析及诊断图 从输出结果图5 7 看到，毛的方差扩大因子w e ：9 4 5 7 3 为最大，仍大于1 0 ， 并且毛的回归系数多。一1 5 5 5 9 仍然为负值，说明此回归模型仍然存在强多重共线 性，应该继续剔除变元。 剔除毛，用y 与五个自变量毛、而、而建立回归方程。有关计算结果如输出 结果图5 8 。 m o d is u m m - 矿 a d j u 咖d s 埘e m ”o fd u r b 嘛 im 。d e 。 r r s q u a 停 r s a u a 嘻廿1 ee b 廿m a 培w a t s o n i 1 9 9 2 09 “9 7 7 8 1 8 6 2 4 9 62 1 3 8 b d e n d e n tv a n a b i e ：货运量 n o 坩 s u mo f m o d is a u a r e s d fm e a ns a u a 陋f s 幻 1 r e g 怕s 8 i o n 3 e + 0 0 839 5 0 5 9 0 7 5 9 4 4 1 8 4 80 0 0 r u 圳4 6 9 1 0 2 876 7 0 1 4 6 8 2 9 t o b i 3 e + 0 0 81 0 值 b 喇。n t v a 憎h b ：货运量 第五章重庆市物流需求量预测实例 的 c o 枷d - ， u n 出n d r d i z dn d a r d 0 d c o - m c h n 协o 时m a n hc 叫帅n h- s m 埘 m o d bs 旧e o rb 诅8 h t “r - n c v i f 1 ( c _ 嗍1 2 b 25 9 01 9 b 7 2o 啪o 农业产值3 瑚1 1 蛳肼2 7 4 5脚91 2 7 7 4 交通运输，仓储及 邮政业( 亿元) 胛1住 3棚5 朋1，1 刖 外贸总额 0 2 3 o 73- 科3嚣1 “1 围5 8剔除批发零售业因素后的回归分析围 从图5 8 看到的“c o e f f i c i e n t 旷部分看到，3 个因素的方差扩大因子都小于l o ， 说明此回归模型不存在强多重共线性，可以作为最终回归模型。回归方程为： j ，= 1 2 9 4 2 5 9 0 + 3 1 2 5 0 毛+ 6 5 4 7 l 毛o 0 2 3 而 ( 5 6 ) 标准化回归方程为 ；= o 3 6 7 毛+ 0 6 6 8 而一o 0 8 3 而 ( 5 7 ) 由标准化回归系数看到，对重庆市物流需求量影响最大的因素是交通运输， 仓储及邮政业毛，其次是农业产值毛。交通运输、仓储及邮政业每增加1 ，物流 需求量会增加0 6 6 8 。农业产值每增加1 ，物流需求量会增加o 3 6 7 。而外贸总 额每增加1 ，物流需求量会减少o 0 8 3 。 重新建立起回归方程之后，我们还需要对该方程进行检验。 从输出结果中看出回归方程的样本决定系数r 2 = o 9 8 4 ，复相关系数晨= o 9 9 2 ， 调整的样本决定系数砭：o 9 7 7 ，而对8 个变量的全模型的样本决定系数 月2 = o 9 9 6 ，r = o 9 9 8 ，调整的样本决定系数嘭_ 0 9 8 8 。与全模型相比， ( 5 6 ) 式的拟合优度仍然保持很高。 根据方差分析图“ n o 、r ”得出，= 1 4 1 8 4 8 ，值= 0 0 ，表明该回归方程 高度显著，整体上有高度显著的线性影响。 另外，由上面的模型汇总表得出d 之值为2 1 3 8 ，取口= o 0 5 ，自由度 p = 3 ，厅= l l ( 因表中疗最小为1 5 ，故取捍= 1 5 即可) 。查表得吮= o 8 2 ，如= 1 7 5 ， 故4 一吮= 3 1 8 ，4 一办= 2 2 5 ，因毛 d 形 4 一而，故所得回归模型无序列相关， 即该回归方程通过d 检验。 由此可以看出，通过消除多重共线性后，回归方程通过了各种检验，可以利 第五章重庆市物流需求量预测实例 6 1 用其进行下一步的预测。 进行回归预酒 经过剔除变元后的回归方程已经消除了多重共线性，因此可以通过软件进行 进一步的预测，预测结果见表5 5 。 袭5 - 5重庆市物流需求回归模型预测结果汇总表 年份实际值预测值残差标准残差 1 9 9 5 2 2 7 9 62 2 8 7 4 3 3 - 7 8 3 3_ 0 3 4 3 6 1 9 9 62 5 8 1 82 5 0 6 4 2 37 5 3 7 70 0 2 9 1 9 5 5 1 9 9 7 2 5 2 9 32 5 5 9 6 4 43 0 3 4 4 n 0 1 1 9 9 7 1 9 9 8 2 6 4 9 42 6 7 7 7 8 7 2 8 3 8 7- o 0 1 0 7 1 5 1 9 9 92 6 3 9 02 7 3 1 2 8 29 2 2 8 2n 啦自 2 0 0 0 2 8 0 2 22 7 6 7 9 4 83 4 2 5 2o 0 1 2 2 2 3 3 2 0 0 l 2 9 4 6 9 2 9 5 7 9 3 61 lo 3 6旬0 0 3 7 4 5 2 0 0 23 1 1 7 73 1 7 6 1 7 2巧s 4 7 2o 0 1 8 7 舒 2 0 0 3 3 4 “3 3 3 1 8 3 2 39 2 9 7 7o 7 2 5 5 6 2 0 0 4 3 8 1 6 8 3 7 2 3 0 3 19 3 7 4 9o 0 2 4 5 6 2 2 2 0 0 53 9 2 0 04 0 1 4 0 t 3 9 4 0 3也0 2 3 9 8 7 从表5 5 看出，回归预测模型的标准残差较小，最大的为3 4 ，与灰色预测模 型相比，预测精度要高一些。 最后，若需要利用该回归预测模型预测未来几年重庆市的物流需求量，只需 要利用s p s s 软件先预测出预测模型中各自变量的值，然后通过计算即可得出。 回归预测模型评价 通过建立货运量与各影响因素的回归预测模型得出，重庆市物流需求量的回 归预测模型为y = 1 2 9 4 2 5 9 0 + 3 1 2 5 0 而+ 6 5 4 7 1 毛一o 0 2 3 而，其中而为农业产值， 毛为交通运输、仓储及邮政业，而为外贸总额。按实际情况，当农业产值增加时， 货运量也相应地增加，交通运输、仓储及邮政业直接影响物流需求的规模，这与 时间经验和逻辑判断相符，故该回归模型合理。同时，从预测结果来看，该模型 的平均误差仅有1 8 7 ，预测精度高，这说明该模型具有有效性。 5 3 利用组合模型对重庆市物流需求量进行预测 第五章重庆市物流需求量预测实例 从上面的两节中可以看出回归预测模型的精度相对于灰色预测模型的精度较 高，从定性的角度上讲精度较高的模型所分配的权数也应该对应的较大。在此， 笔者利用第四章提出的基于s i l a p l e y 值的组合预测权数决定法来分配各预测方法 的权数。 选取重庆市货运量的历史数据序列，取1 9 9 5 - 2 0 0 5 年的数据为样本，用墨，k 分 别代表灰色系统和回归分析2 种不同的预测模型对货运量进行预测后的预测值，并 将两种预测模型的结果与实际值进行比较，比较结果汇总于表5 _ 6 。 表5 咱单项预测方法的预测结果和残差值( 单位：万吨) 预测结果残差值 年份 灰色预测值回归预测值实际值灰色残差值回归残差值 1 9 9 5 2 2 7 9 62 2 8 7 4 3 32 2 7 9 60- 7 8 3 3 1 9 9 6 “7 6 9 7 l2 5 0 “2 3 2 5 8 1 8 1 0 4 8 2 97 5 3 7 7 1 9 9 7 2 6 1 “9 72 5 5 9 6 4 42 5 2 9 38 7 i 9 7- 3 0 3 4 4 1 9 9 8 2 7 6 3 8 8 72 6 7 7 7 8 72 6 4 9 41 1 4 4 8 72 8 3 8 7 1 9 9 9 2 9 1 9 5 72 7 3 1 2 配2 6 3 - 2 8 0 5 79 2 2 8 2 2 0 0 0 3 0 8 4 0 ，22 7 6 7 9 4 82 8 0 2 22 8 1 8 23 4 2 5 2 2 0 0 1 3 2 5 7 7 5 2 9 5 7 9 3 6 2 9 4 3 1 0 8 51 1 0 3 6 2 0 0 23 4 4 1 2 63 1 7 6 1 7 2 3 1 1 7 7 3 2 3 5 6- 5 8 4 7 2 2 0 0 3 3 6 3 5 l3 3 1 8 3 ，2 33 4 1 1 32 2 3 8 9 2 9 7 7 2 0 0 4 3 8 3 9 8 63 7 2 3 0 3 l3 8 1 6 8- 2 3 0 69 3 7 6 9 2 0 0 5 4 0 5 6 1 6加1 4 0 33 9 2 1 3 6 1 6- 9 4 0 3 绝对平均 1 7 1 4 蛔 5 6 2 5 0 8 2 通过比较上述两种模型预测误差绝对值的平均值，可以灰色模型预测值的平 均残差值比回归分析的平均残差值大，这正反映了各种模型在物流需求预测中的 优缺点。按照上表的计算结果可得组合预测的总误差为： 日= 三( 5 6 2 5 0 8 2 + 1 7 l 4 8 4 8 ) = 1 1 3 8 6 7 8 根据s h 卸1 e y 值的概念，参与组合预测模型总误差分摊的“合作关系”的成员 为：= 1 ，2 ) ，这里历= 3 ，它所有的子集共有3 个，为 i ， 2 ， 1 ，2 ，对应于 这些组合的误差值分别为e 1 、层 2 ) 、占扎2 ，其数值的大小为该子集所包括向 第五章重庆市物流需求量预测实例 量误差的均值，大小如表5 7 。 表5 - 7各子集的