基于多元線性回歸模型的上海市物流需求分析

談成薇，朱　賀，趙曉敏

（上海大學　管理學院，上海　200444）

?

基于多元線性回歸模型的上海市物流需求分析

談成薇，朱賀，趙曉敏

（上海大學管理學院，上海200444）

選取貨運量作為物流需求水平的指標，通過對上海市2000年至2013年的GDP、三大產業產值、進出口貿易總額、居民消費水平、社會消費品零售總額等經濟數據進行實證分析，運用Eviews構建多元線性回歸模型，且研究發現進出口貿易總額對上海貨運量的影響最為顯著。因此，大力發展進出口貿易將推動上海市物流需求水平的大幅提高。

物流需求；多元線性回歸模型；實證分析；上海

1　引言

現代物流作為一種從生產到消費對產品進行高效率組織和管理的方式，被認為是繼生產和營銷之后的“第三利潤源泉”。物流業作為現代服務行業中一個極其重要的組成部分，正在全球范圍內飛速發展，儼然已成為一個具有廣闊前景和增值功能的新興服務業［1］。如今，物流在經濟發展中起著愈來愈突出的作用，物流發展水平已經成為衡量城市綜合競爭力和人民生活水平的重要標志之一。在此背景下，對區域物流需求進行分析具有極大的現實意義，能夠引導物流企業制定合理的目標與戰略規劃。

而上海市作為全國最大的經濟中心，快速的經濟增長導致對物流服務的需求增大，同時也對物流業的發展提出了嚴峻的挑戰。因此，對上海的物流需求進行分析，可以調節和指導人們的物流管理活動，以便采取適當的策略和措施，謀求利益最大化，進一步促進上海市物流行業的整體發展。

2　多元回歸模型

多元線性回歸模型的一般形式如下：Y=β0+β1X1+β2X2+β3X3+…+βkXk+μ。其中Y為被解釋變量，Xj（j=1，2，…，k）為解釋變量，βj（j=1，2，…，k）稱為回歸系數。

2.1變量選取

在借鑒學者前期研究的基礎上，按照統計數據要有可比性、完整性、可搜集性等特點，本文選取貨運量作為被解釋變量，GDP、第一產業產值、第二產業產值、第三產業產值、進出口總額、居民消費水平和社會消費品零售總額七個變量作為解釋變量。

在現代物流體系中，運輸是物流服務的關鍵，其好壞直接影響著物流規模，所以本文選取貨運量作為因變量來反映上海市物流的需求規模情況［2］。從宏觀角度看，GDP可以衡量國家或地區的經濟發展綜合水平，GDP的增加必然導致物流需求量的增加，所以選取GDP作為自變量（X1）；物流業屬于第三產業，在國民經濟中占有很大比重，產業結構的變化帶給物流業的影響不容忽視，因此，第一產業產值（X2）、第二產業產值（X3）、第三產業產值（X4）三個指標充分考慮了上海市經濟結構對物流需求規模的影響［3］；由于上海是全國對外貿易的港口，其中外向性的港口物流占物流規模的比重會比較大，因此，考慮了上海市進出口貿易總額（X5）的影響；另外，商業流通物流也是區域物流需求的重要組成部分，故將居民消費水平（X6）和社會消費品零售總額（X7）也作為自變量［4］。

2.2數據搜集

樣本數據一般可通過統計年鑒直接獲得，或者通過抽樣調查整理而來［5］。由于抽樣調查難度較大，本文選擇利用統計年鑒中較容易獲得的數據進行研究。在搜集數據時發現全國統計年鑒與上海市統計年鑒中的數據有一定差異，而本文是基于上海市的區域物流需求研究，權衡利弊，最終選定上海市統計年鑒中的數據。

3　實證分析

本文選取了上海市2000-2013年共14年間的貨運量（Y）、GDP（X1）、第一產業產值（X2）、第二產業產值（X3）、第三產業產值（X4）、進出口總額（X5）、居民消費水平（X6）和社會消費品零售總額（X7）等相關經濟變量數據進行物流需求預測。原始數據詳見表1。

表1　2000-2013年上海市部分統計數據表

3.1平穩性檢驗

平穩性檢驗是對時間序列數據進行分析的基礎。所謂時間序列的平穩性，是指時間序列的統計規律不會隨著時間的推移而發生變化，如果有兩列時間數據表現出一致的變化趨勢即非平穩的，即使它們沒有任何有意義的關系，但是在進行回歸時也可能表現出較高的可決系數［6］。因此，對觀測值的時間序列數據進行平穩性分析是十分必要的。

首先，對Y、X1、X2、X3、X4、X5、X6、X7分別進行ADF單位根檢驗，通過觀察各個變量時序圖的走勢來確定是否需要選取截距項和趨勢項。在對原序列進行單位根檢驗后發現多個變量都是非平穩的，便對各個序列分別取一階差分和二階差分，接著對差分序列再次進行單位根檢驗。平穩性檢驗的結果見表2。

表2　平穩性分析結果（α=0.05）

由表2檢驗數據可知，在一階差分后，X4、X6和X7仍不平穩；通過二階差分之后，所有變量均達到平穩，滿足同階平穩的要求。即貨運量、GDP、第一產業產值、第二產業產值、第三產業產值、進出口總額、居民消費水平和社會消費品零售總額均為二階差分平穩，即二階單整序列，可進行進一步分析。

3.2協整檢驗

由于本文選取的原始時間序列是非平穩的，在經過二階差分后才變成平穩序列，會讓我們失去總量的長期信息。因此，要通過協整檢驗來解決此問題。多重協整檢驗中較好的方法是JJ檢驗，但由于本文觀測值數量有限，故選取了基于回歸殘差的協整檢驗，即單一方程的協整檢驗。

首先，對序列進行回歸，生成殘差，再對殘差序列進行ADF單位根檢驗。結果見表3，輸出結果顯示概率為P=0.021 3，故在0.05水平下，殘差不存在單位根，是平穩的。即貨運量（Y）與七個自變量間存在長期協整關系。

表3　殘差平穩性分析結果

3.3模型建立

設貨運量（Y）、GDP（X1）、第一產業產值（X2）、第二產業產值（X3）、第三產業產值（X4）、進出口總額（X5）、居民消費水平（X6）和社會消費品零售總額（X7）的多元線性回歸模型為：

本文運用Eviews的回歸功能，選擇最小二乘法對線性回歸方程的各系數進行估計，結果見表4。

從輸出結果可以看出，在給定顯著水平α=0.05，對每個解釋變量進行變量的顯著性檢驗時，可得臨界值為tα/2（n-k-1）=t0.025（6）=2.447。由表4可知，除變量X5外，變量X1、X2、X3、X4、X6、X7的t值絕對值均小于2.447，即未能通過t檢驗。因此，考慮各個解釋變量之間可能存在著多重共線性，需要對模型進行進一步修正。

表4　模型初步回歸結果

3.4模型修正

3.4.1多重共線性檢驗。如果兩個或多個解釋變量之間出現了相關性，則稱為存在多重共線性。本文運用Eviews6.0輸出各變量的相關系數矩陣來檢驗多重共線性。

由于表5中各個解釋變量的相關系數均大于0.8，故存在嚴重的多重共線性。因此，采用逐步回歸的方法進行篩選，以確定最后的自變量。

表5　各變量間相關系數矩陣

本文選擇逐步回歸中的向后篩選法剔除問題變量。首先，將所有變量解釋變量全部引入回歸方程，并對回歸方程進行各項檢驗；然后，在回歸系數顯著性檢驗為不顯著的一個或多個變量中，剔除最不顯著的變量，并重新建立回歸方程后再次進行檢驗。重復操作上述步驟，直至回歸方程中所有變量的回歸系數都通過顯著性檢驗，則方程建立結束。通過逐步回歸法，依次剔除了變量X2、X1、X7、X3、X4，得到表6的回歸結果。

從輸出結果可以看出，R2=0.986 150，說明模型對樣本的擬合程度較高。由F=391.620 1可知，在5%的顯著水平下，F＞Fα=Fα（k，n-k-1）=F0.05（2，11）=3.98，即模型中被解釋變量與解釋變量之間的線性關系在總體上比較顯著。在對每個解釋變量進行變量的顯著性檢驗時，顯著水平α=0.05，可得臨界值為tα/2（n-k-1）=t0.025（11）=2.201。由表6可知，X5和X6均通過了t檢驗。

表6　逐步回歸后的回歸方程結果

此時，回歸方程為Y=51 273.39+17.412 60X5－0.940 614X6。

3.4.2序列相關檢驗。多元線性回歸模型的基本假設之一是模型的隨機干擾項相互獨立或不相關，如果模型的隨機干擾項違背了相互獨立的基本假設，稱為存在序列相關性［7］，故需檢驗模型的自相關性。在回歸方程窗口查看殘差的Q統計結果，見表7。殘差序列均位于虛線之內，即模型不存在序列相關。

表7　殘差的Q統計結果

3.4.3異方差檢驗。異方差檢驗是為了保證回歸參數估計量具有良好的統計性質，經典線性回歸模型的其中一個假設就是總體回歸函數中的隨機誤差項具有相同的方差。

本文采用懷特檢驗，通過OLS估計求得殘差的估計值，然后利用殘差估計值的平方與解釋變量及其交叉項輔助回歸式，得到擬合優度R2，從而構建統計量NR2＞χ2（n）進行檢驗，其中n為輔助回歸式中常數項以外的解釋變量個數。異方差檢驗結果見表8，NR2=14×0.428 299=5.996 186，χ2（5）= 11.07，即NR2＜χ2（5），即模型不存在異方差。

3.5結果分析

由Eviews模型輸出結果，可得出貨運量（Y）與進出口總額（X5）、居民消費水平（X6）的多元回歸模型為：Y=51 273.39+ 17.412 60X5－0.940 614X6。即隨著進出口總額增加1億美元，貨運量增加17.412 60萬t；隨著居民消費水平增加1元/人，貨運量減少0.940 614萬t。

通常情況下，物流需求應該與居民消費水平正相關，但回歸分析的結果卻表明二者為負相關關系。探究其中緣由，我們認為隨著上海市居民消費水平的提高，大量居民會選擇出國消費，減少了對國內消費的需求，也就減少了對上海市物流的需求。因此，本文決定在模型中保留變量X6。

表8　異方差檢驗結果

4　結論

本文基于2000—2013年上海市貨運量及相關數據，利用Eviews軟件建立了物流需求的多元線性回歸模型，即Y= 51 273.39+17.412 60X5－0.940 614X6。其中，上海市進出口貿易總額對貨運量的正向影響最大，而居民消費水平對貨運量有輕微的負向影響。這是因為隨著居民消費水平的提高，選擇出國消費的人群增加，從而減少了國內消費，進而影響了對上海市物流的需求量。因此，該模型通過了經濟學檢驗、統計檢驗、計量經濟學檢驗，且模型的擬合優度達到了98.6%以上，即該模型較好地反映了上海市整體的物流需求水平和規模。

因此，上海市整體物流行業的規劃和建設應該結合這些需求特點，即重點發展國際貿易，大幅度提升進出口貿易總額，以彌補由于居民消費水平上漲造成的物流需求的小幅下降，從而帶動上海市物流需求整體水平的增長，促進物流行業進一步發展和壯大。

［1］劉宇，吳迎學，黨文峰.基于多元線性回歸的區域物流需求預測研究［J］.物流工程與管理，2014，36（3）：52-54.

［2］周曉娟，景志英.基于多元線性回歸模型的河北省物流需求預測實證分析［J］.物流技術，2013，32（5）：270-272.

［3］武進靜，韓興勇.基于多元線性回歸模型對江蘇省物流需求的預測分析［J］.上海農業學報，2015，31（4）：62-68.

［4］楊浩.區域經濟和區域物流需求的預測研究［D］.北京：對外經濟貿易大學，2005.

［5］陳德良，王文科.多元回歸模型在物流需求預測中的應用［J］.中國物流與采購，2009，（20）：66-67.

［6］崔娟娟.山西省城鎮居民消費支出的多元回歸分析［J］.經濟師，2013，（3）：220-221.

［7］李子奈，潘文卿.計量經濟學［M］.北京：高等教育出版社，2004.

Analysis of Logistics Demand of Shanghai Based on Multiple Linear Regression Model

Tan Chengwei， Zhu He， Zhao Xiaomin
（School of Management， Shanghai University， Shanghai 200444， China）

In this paper， selecting the cargo transportation volume as the index measuring the logistics demand level， we analyzed empirically the economic data of Shanghai for the period between 2000 and 2013， used the Eviews program to build a multiple linearregression model and found that the total import/export volume had the most marked impact on the cargo transportation volume of the city.

logistics demand； multiple linear regression model； empirical analysis； Shanghai

F259.27；F224

A

1005-152X（2016）01-0034-04

10.3969/j.issn.1005-152X.2016.01.010

2015-12-14

談成薇（1990-），女，安徽六安人，上海大學管理學院碩士研究生，研究方向：物流管理；朱賀（1992-），女，河南鄭州人，上海大學管理學院碩士研究生，研究方向：物流管理；趙曉敏（1975-），女，山西太原人，副教授，博士，主要研究方向：再制造閉環供應鏈和逆向物流。