基于農村物流需求量的組合預測分析

摘要：農村物流需求量的預測對于農村物流的發展有重要意義。文章把農村消費品零售總額作為農村物流需求量預測指標，通過分析各影響因素，建立了多元回歸、雙指數平滑及移動平均單預測模型。根據得出的單項預測誤差數據，采用折扣系數法建立組合預測模型，使得組合預測模型預測誤差平方和最小，預測能力明顯優于單項預測模型。

關鍵詞：農村物流；組合預測；多元回歸；雙指數平滑；折扣系數

中圖分類號：F252文獻標識碼：A

文章編號：1002-3100(2008)12-0096-04

Abstract: Rural logistics demand forecast is very important to the development of rural logistics. This paper takes total retail sales of consumer goods in the rural areas as rural logistics demand forecast indication， establishes multiple regression forecast model、Double exponential smoothing forecast model and moving average forecast model by analyzing some related factors. Then raised an combined forecast model by discount coefficient method. This model has the smallest error， and its predictability is better than individual forecast models.

Key words: rural logistics; combined forecast; multiple regression forecast; double exponential smoothing; discount coefficient

0引言

近年來我國物流業快速發展，但農村物流卻相對落后，作為農業大國，要解決“三農”問題、增加農民收入，農村物流的相關研究非常重要。而農村物流首要問題是要解決復雜的物流需求量的預測。本文將組合預測應用于農村物流需求量預測。

組合預測即將不同的預測方法進行適當的組合，以便綜合利用各種預測方法所提供的信息，盡可能地提高預測精度[1]。進入20世紀70年代以來，組合預測在理論界和預測實踐中得到進一步重視，已涉及的組合預測方法有最小方差法、正權重組合方法、多項式擬合時變權重方法、基于AIC準則確定單項預測誤差協方差陣結構的方法、結合AHP法判斷單項預測相對表現從而確定權重的方法、考慮對預測誤差分布偏好的目的規劃法，等等。國內學者已將組合預測理論引入各種數量的預測研究，并取得了令人滿意的結果[2-3]。同時各學者還致力于將改進的預測方法應用于物流需求的研究[4-7]。本文利用折扣系數法來確定組合預測的權重。

1預測方法

建立組合預測模型首先解決的問題是如何選擇預測方法，無論是單一的預測方法還是對多種預測方法進行組合的組合預測方法都是以控制預測誤差作為主要目標。本文選取多元回歸分析、時間序列雙指數平滑法和移動平均預測作為組合預測的單項預測方法。

1.1多元回歸分析

回歸分析預測法是從各種經濟現象之間的因果關系出發，通過分析與預測對象有聯系的現象變動趨勢，推算預測對象未來數量狀態的一種預測方法。文獻[1]應用一元線性回歸分析預測物流需求。該文獻利用宏觀經濟總量與物流總量現象之間的數量依存關系，分別以GDP和進出口額為自變量，物流需求為因變量建立模型進行預測研究。

由于農業物流的復雜性，其需求受多種因素的影響，僅使用一元線性回歸模型常常預測誤差較大。本文采用多元線性回歸分析進行農業物流需求量的預測。模型如下：

y=?茁X+?著

其中:

1.2時間序列雙指數平滑法

時間序列平滑預測法，主要通過研究事物自身的發展規律，借以預測事物的未來發展趨勢。我們認為農業物流量以過去的發展規律未發生質變，可以延伸到未來時期，故采用時間序列來研究物流量需求是可行的。指數平滑法是對時間序列由近及遠采取具有逐步衰減性質的加權處理，因時間序列的變動具有線性趨勢，故采用雙指數平滑來消除滯后誤差。預測步驟如下：

1.3移動平均法預測

移動平均法是在算術平均的基礎上發展起來的一種預測方法，移動平均法可消除時間序列的數據由于受周期變動和隨機變動的影響因素的干擾，顯露出時間序列的長期趨勢。

每當新的預測結果可用時，可以通過增加最新值和刪減最老的值來計算新的均值，然后使用移動平均法對下一期進行預測。第k階移動平均值可通過以下公式計算：

時間t的移動平均值為最近k期的觀測結果的算術平均值。數據模型中對變化的響應比率取決于納入計算移動平均值的時期數量k。

2模型設計

組合預測的基本出發點就是將各種單項預測看作代表或包含不同的信息片斷，通過信息的集成分散單個預測特有的不確定性和減少總體的不確定性，從而提高預測精度。組合預測的關鍵問題是組合權重的確定。本文采用折扣系數法建立組合預測模型使組合預測模型的精度進一步提高。

3實證研究

目前農業物流量及直接反映物流規模的指標還沒有統計數據，本文以農村消費品零售總額間接表示農業物流需求量，而影響需求量的因素有經濟發展水平如農林牧漁業總產值、農村居民收入水平，農業物流的對象糧食的產量，交通運輸倉儲業從業人員以及國家財政用于農業的支出。數據如表1：

3.1單項模型預測結果

4結束語

本文采用農村消費品零售總額作為農業物流需求量的預測指標，利用逐步回歸法考慮影響農村消費品零售總額的因素，得出農村居民人均收入、交通運輸業從業人員數及國家財政用于農業的支出三變量與農業物流量預測指標之間的相關關系。然后利用多元回歸、雙指數平滑法及移動平均預測法得出的預測誤差數據，采用折扣系數法建立組合預測模型，結果證明該組合預測模型比各單項預測模型具有較優的預測能力。

參考文獻：

[1] 唐小我，馬永元，曾勇，等. 現代組合預測和組合投資決策方法及應用[M]. 北京：科學出版社，2003.

[2] 張磊，鄭丕諤． 組合預測分析方法及其在物資運輸管理中的應用[J]． 工業工程，2007(3):102-106．

[3] 初良勇，田質廣，謝新連． 組合預測模型在物流需求預測中的應用[J]． 大連海事大學學報，2004(4):43-46.

[4] 陳思云，趙秋果． 基于時序分析的湖北外貿物流年流量預測研究[J]． 武漢理工大學學報，2006(8):143-145．

[5] 胡軍，趙東風，丁洪偉． 自適應單指數平滑法在需求預測中的應用[J]． 物流科技，2007(5):142-146．

[6] 汪宇瀚． 預測物流需求的一元線性回歸分析法[J]． 商場現代化，2006(12):129．

[7] 林榮天，陳聯誠，李紹靜，等． 基于灰色神經網絡的區域物流需求預測[J]． 價值工程，2007(2):92-95．

[8] 張桂喜，馬立平． 預測與決策概論[M]． 北京：首都經濟貿易大學出版社，2006．

[9] John E.Hanke，Dean W.Wichern. 商業預測[M]． 胡曉鳳，譯． 北京：清華大學出版社，2006.