基于時間序列及回歸分析模型的物流量預測實證研究

■李萬春（內江職業技術學院 四川內江 641100）

商品的流通離不開物流，物流的發展對商品生產的規模、產業結構的變化以及經濟發展速度都具有制約作用。隨著近年來國家、地方對物流發展的重視不斷加強，物流業總體規模快速增長，服務水平顯著提高。一個地區的物流能力對經濟發展的貢獻情況衡量指標是物流需求，經濟因素和環境因素兩類因素影響著物流需求。為了研究物流量增長的內在發展，本文根據影響因素的和時間序列模型及回歸預測模型的特點，采用多種預測模型對歷史數據進行擬合，并結合內江市的實際發展情況對預測結果進行比較、分析、檢驗，最后得到內江市未來的物流量最有可能的發展情況。

內江市的物流能力

內江位于四川的東南部，東連重慶，西接成都，南靠自貢、宜賓、瀘州，北通遂寧，是四川省距重慶直轄市最近的地級市，是成渝經濟區內連接成渝雙核的區域性中心城市，是川東南乃至西南各省交通的重要交匯點，是川南地區重要的客、貨運中轉站，較大的物流企業有永宏物流、凌豐物流等。永宏物流公司自有辦公樓1300多平方米，汽修廠房2000平方米，擁有員工200余人。其中安排下崗工人40余人、進城務工人員120余人，專業駕駛員及維修人員50余人，自有貨車30余臺。公司在成都、重慶及川南各市縣（區）設有貨運站30多個，承接整車零擔貨物運輸和信息，每年貨運量達到200多萬噸，總產值1000多萬元。2010年，內江市全社會貨運總量達到0.77億噸，其中公路貨運量7412萬噸，2012年的全社會貨物周轉量達57.31億噸，平均年增長近24%，如表1所示。

物流量預測的實證分析

（一）ARIMA模型

ARIMA（差分自回歸移動平均模型）是指將非平穩時間序列轉化為平穩時間序列，然后將因變量僅對它的滯后值以及隨機誤差項的現值和滯后值進行回歸所建立的模型。ARIMA模型包括自回歸過程（AR）、移動平均過程（MA）、自回歸移動平均過程（ARMA）以及ARIMA過程。

建立ARIMA模型的步驟，一是對數據進行平滑即通過差分或其他變換，使數據系列滿足平穩性要求；二是根據實際數據情況，對數據進行平滑，通過圖對比起平穩性，從而確定差分次數d；三是利用ACF（自相關）、PACF（偏相關）圖來確定自回歸階數（p）和移動平均階數（q）；四是將p、d、q值代入，進行ARIMA分析，并設定要預測的數值。

p、d、q的確定。運用spss19.0對內江市物流量數據做序列圖，得到d為1；利用spss19.0中的分析——>預測模塊中的ACF（自相關）、PACF（偏相關）圖來確定自回歸階數（p）和移動平均階數（q）。

在圖1中，前四階函數值均顯著不為0，之后趨于0，并呈拖尾性，因此可將q值取為4； 圖2中，在1階以后函數明顯趨于0，呈拖尾性，因此可將p值取為 1。

建立ARIMA（1，1，4） 模型，得到的預測結果如表2所示。MAE（平均誤差均值）=1.774。

（二）指數平滑模型

采用二次指數平滑法進行擬合，二次指數平滑法是針對斜坡型的歷史數據。美國學者布朗在《庫存管理的統計預測》一書指出指數平滑法是通過對預測目標歷史統計序列的逐層平滑計算，消除由于隨機因素造成的影響，找出預測目標的基本變化趨勢并以此預測未來。優點是使用簡單，預測精度較高，只需少量數據和計算時間，模型分量和參數對使用者具有較直觀的意義，容易理解和控制等。

二次指數平滑法的預測模型為：

式中，ct、dt為平滑系數，t為預測模型建立所處時間，T為t與預測期的間隔期，Y1+T為t+T的預測值。

表1 1998-2012年內江市全社會貨運總量、貨物周轉量和GDP

圖1 自相關圖

圖2 偏相關圖

要對t+1期做出預測，只要在ct的基礎上加一個變動趨勢值dt；要預測t+T期，在ct基礎上加T個dt，因而可得二次指數平滑法預測模型的一般表達：

根據表1中貨物周轉量的歷史數據，在spss19.0中，采用Holt線性趨勢模型，得到的預測結果如表3所示。MAE（平均誤差均值）=1.654。

（三）指數模型

經過分析計算發現，內江市物流量的環比結果比較接近于常數，用指數模型經過計算，最后得到預測模型：

MAE（平均誤差均值）=1.386。得到的預測結果如表4所示。

（四）回歸分析模型

回歸分析是從一組樣本數據出發，確定變量之間的數學關系式對這些關系式的可信程度進行各種統計檢驗，并從影響某一特定變量的諸多變量中找出哪些變量的影響顯著，根據一個或幾個變量的取值來預測另一個特定變量的取值，并給出這種預測的精確程度。根據1998-2012年內江市物流量的統計數據，對內江市物流能力隨時間的變化進行回歸分析。物流量的趨勢方程為：

式中，H表示貨運量；T表示時間序列，1998年T=1，1999年為2……。

MAE（平均誤差均值）=0.0000013。得到的預測結果如表5所示。

結論與建議

對不同的模型預測進行結果比較，如表6所示。

根據上述模型的預測結果，可見二項式的回歸分析模型的平均預測相對誤差最小，預測效果最好。從1998年至2012年的歷史數據得到平均增長率為13.94%，回歸分析模型的平均增長率13.89%，與歷史數據的平均增長率差0.05%。考慮未來成渝城際鐵路、內遂鐵路的修建，隆黃鐵路的打通，相關國道、省道及地方道路的改擴建，沱江航運條件的改善，內江的交通樞紐優勢將更加明顯。同時，隨著內江各專業市場、消費品專業市場以及物流園區的建設，配合交通基礎設施的建造和升級，內江的貨運總量和總物流需求將得到更大幅度的提高。因此，就發展前景而言，內江在川南地區的中心地位將進一步確定，其吸納周邊地區物流需求的能力也將加強。為進一步提升物流業在內江經濟可持續發展中的支撐能力，建議可以從以下幾個方面開展工作。

（一）大力推進現代物流發展的工作制度

大力推進現代物流業發展聯席會議制度，定期召集相關部門探討研究物流規劃建設推進情況，一方面及時發現問題，糾正錯誤，使得物流園區/中心等的實際建設能夠真正實現規劃目標和意圖，避免走樣；另一方面及時協調不同部門、不同地區之間的矛盾和問題，形成推進合力，確保物流園區或物流中心等按照預定目標和進度有序推進。借助這一工作制度，達到逐步解決物流業發展過程中的重點難點問題，指導推進內江現代物流業持續健康發展的目的。

（二）積極培育物流運作主體

第一，重點扶持1-2家本土大型物流企業，推動本土物流企業發展，壯大地方物流業的發展。重點扶持其開展川南區域配送業務，鼓勵其嘗試開展電子商務業務。在此基礎上，鼓勵本土企業走出去，實現規模化經營。第二，積極引進外部知名物流企業，形成競爭和優勢互補。第三，鼓勵生產制造業、商貿業等外包物流業務，形成與物流業聯動發展格局。第三方物流市場的規模，是衡量一個國家和地區物流業發展水平高低的重要參照因素。

（三）大力加強物流人才培養

物流業的發展離不開人才，而內江作為物流發展落后地區，物流人才極其匱乏。為保證內江物流業高質量、高水平的發展，需要通過多種渠道吸納物流人才，推動物流業健康發展。

第一，鼓勵院校開設物流專業，培養物流人才。通過學校培養人才是最重要的途徑之一，內江政府應創造條件，鼓勵和支持內江師范學院、內江職業技術學院等開設物流專業，加大招生和培養力度，為本地物流業發展輸送經過系統學習的、適應物流市場發展需求的優秀人才。

表2 采用ARIMA(1，1，4)模型的預測結果 單位：億噸

表3 采用HOLT線性趨勢模型的預測結果 單位：億噸

表4 指數模型的預測結果 單位：億噸

表5 回歸分析模型預測結果 單位：億噸

表6 不同參數模型預測比較

第二，鼓勵校企合作，培養物流人才。內江政府應通過為生產制造企業、物流企業等提供稅收優惠政策、資金扶持政策等手段，鼓勵其與學校共建物流實訓基地，快速培養出適應市場需求的、動手能力強的專業技能型物流人才。

第三，大力引進外部人才。內江政府部門應制訂人才激勵政策，引進優秀物流專業人才，對重點物流企業引進的國內外物流高層管理人員、高級物流專業人才可給予個人入戶、住房及子女入學等方面的特殊傾斜。重點引進物流管理和物流工程技術方面的復合型人才，為內江物流業的發展提供智力保障，以物流人才提升內江物流產業的發展速度和發展水平。

1.內江市統計局《2012內江統計年鑒》，2012

2.范恒瑞，任黎秀. ARIMA與指數平滑法在江蘇省GDP預測中的應用[J].江西農業學報，2011（2）

3.周巧.湖北省GDP總量的時間序列預測模型的比較分析[J].中南財經政法大學研究生學報，2009（8）