基于多元回歸模型的物流需求影響因素的分析

(江蘇大學 江蘇 鎮江 212013)

一、背景

我國物流業在不斷地快速發展，在我國國民經濟中所占地位日益重要。我國是一個物流大國，物流產業的發展涉及到社會經濟發展的方方面面。[1]

2017 年，我國社會物流總額為 250 多萬億元，為我國 GDP 總值超過 80 萬億元提供一定支撐；全國貨運量 472 億噸，貨物周轉量 19萬億噸公里；社會物流總費用與 GDP 的比率下降為 14.6%。物流業加速發展為我國成長為世界第二大經濟體和第一大貿易國提供了有力支撐，在促進產業結構調整、促進經濟水平的提高和改善人民生活等方面有著重要作用。[2]

物流業作為國民經濟發展的加速器,越來越受到國家相關部門的重視。研究物流需求的影響因素對企業和國家進行物流決策具有重大意義，正確的物流決策可以促進我國整體經濟實力的提升和產業結構的調整優化。

二、研究理論與方法

本文研究的是物流需求的影響因素，由于其影響因素較多，建立多元回歸模型分析。多元回歸分析是指一個因變量對兩個或者兩個以上的自變量與的依賴關系。[3]運用計量經濟學的理論，建立多元線性回歸模型，并根據線性回歸分析需要滿足正態性、獨立性、同方差性和無多重共線性性等一些假設條件進行檢驗。本文利用統計軟件R對物流需求的影響因素建立多元回歸模型，并進行結果分析。

三、實證分析

(一)指標的選取

表示物流需求的指標很多，本文在相關研究成果的基礎上，遵循科學性、可操作性、數據可得性等原則，選取貨物周轉量來表示物流需求，選取可能影響物流需求的7個具體指標：GDP、社會消費品零售總額、第一產業增加值、第二產業增加值、第三產業增加值、進出口總額、全社會固定資產投資。

物流需求和經濟發展聯系密切；社會消費品零售總額反映了商品需求、社會商品購買力等方面不同的情況；產業結構的不同會對物流產業的物流品種、物流總量等方面造成影響；進出口總額可以反映出進出口貿易的需求量，對于港口城市和對外貿易開展得較好的城市和地區物流產業影響很大；全社會固定資產投資可以刺激消費，拉動內需，加快物流基礎設施建設。[4]

(二)模型的建立

本文通過國家數據網，收集了2008-2017年歷年的各項經濟指標，以貨物周轉量Y作為因變量，以GDP X1、社會消費品零售總額X2、第一產業增加值X3、第二產業增加值X4、第三產業增加值X5、進出口總額X6、全社會固定資產投資X7為自變量，創建多元回歸模型：

Y=β0+β1X1+β2X2+β3X3+β4X4+β5X5+β6X6+β7X7+ε

其中，ε為隨機誤差項，ε～N(0，σ2)。

1.相關分析

根據表1所示，其中Y和X1、X2、X3、X4、X5、X6、X7之間顯著相關，且均為正相關，相關系數都在0.9以上。另外，自變量之間的相關性也均成正相關，表明這些自變量之間很可能存在多重共線性。

表1 變量相關系數表

2.回歸分析

根據各變量間的散點圖，如下圖1所示，每個變量都有一定程度的偏斜。貨物周轉量隨著GDP、社會消費品零售總額、第一產業增加值、第二產業增加值、第三產業增加值、進出口總額、全社會固定資產投資的增加而增加。

圖1 變量間的散點圖

本文利用R軟件，通過分析模型的各項參數，得到回歸分析結果，如表2所示：

表2 回歸計算結果表

根據表2中的結果顯示，可得到初步的估計模型：

Y=20312.3073+6882.2731X1+3.3492X2-6879.9443X3-6881.6810X4-6884.6940X5-0.2830X6-0.4492X7

3.模型檢驗

(1)擬合優度檢驗

越大代表方程的合程度越好。從表 2 的數據中可以看出R2=0.9974，修正后的可決定系數為0.9882，表明7個自變量可以對貨物周轉量變異的98.82%作出解釋，回歸模型的擬合非常好。

(2)F檢驗

P值為0.009164，顯然P<α，所以通過了顯著性檢驗，表明回歸方程顯著，即GDPX1、社會消費品零售總額X2、第一產業增加值X3、第二產業增加值X4、第三產業增加值X5、進出口總額X6、全社會固定資產投資X7幾個經濟指標因素聯合起來對貨物周轉量Y有顯著影響。

(3)t檢驗

從單個因素的影響上看，自變量的P值均大于α，未通過顯著性檢驗，說明這些變量對因變量影響不顯著。一般地，如果模型的R2很大，F檢驗通過，但存在有些系數不能通過參數t檢驗的情況，模型的自變量之間的相關系數也很高，相關系數表示是正相關，而回歸系數的符號表示負相關，則很可能存在嚴重的多重共線性。[5]

(4)線性回歸分析需要滿足的一些假設條件

1)正態性檢驗

如下圖2所示，所有的點都在直線附近，并都落在置信區間內，這表明正態性假設符合得很完美。

圖2 正態性檢驗圖

2)D-W檢驗

結果如下表3所示，給定顯著性水平0.05，P=0.442>0.05，接受原假設，未通過顯著性檢驗，表明變量之間無自相關性，互相獨立。

表3 D-W檢驗結果表

3)線性檢驗

如下圖3所示，成分殘差圖證實了線性假設，說明線性模型對該數據集是比較合適的。

圖3 成分殘差圖

4)同方差性檢驗

結果如下表4所示，給定顯著性水平0.05，P=0.59642>0.05不顯著，說明誤差方差恒定。

表4 同方差檢驗結果

5)多重共線性檢驗

運用R軟件求出的自變量的方差膨脹因子(VIF)的值均遠遠大于 10，結果顯示 GDP、社會消費品零售總額、第一產業增加值、第二產業增加值、第三產業增加值、進出口總額、全社會固定資產投資7個自變量所對應的方差膨脹因子(VIF)的值均遠遠大于 10，表明這7個變量作為自變量，之間會有嚴重的多重共線性。在多元線性回歸模型中，如果自變量之間存在嚴重的多重共線性，回歸模型就會不穩定，回歸系數也會不準確。

表5 方差膨脹因子結果

4.模型的修正

嶺回歸是針對多元回歸模型自變量之間出現共線關系時有效的消除方法，嶺回歸分析是一種專門用于共線性數據分析的有偏估計方法，它實際上是一種改良的最小二乘法，是以放棄最小二乘的無偏性，放棄部分精確度為代價來尋求效果稍差但更符合實際的回歸過程。[6]本文采用嶺回歸的方法解決多重共線性的問題，利用R軟件做嶺回歸進行數據分析。結果如下表6所示：

表6 修正回歸結果表

由此可以得到新的多元線性回歸模型：

t值對應的P值小于顯著性水平，拒接原假設，通過了回歸系數的顯著性檢驗。F值對應的P值也小于顯著性水平，通過了回歸方程的顯著性檢驗。該模型回歸效果較理想。即該模型表示在其他變量不變時，GDP每增加1億元，貨物周轉量就增加284.7億噸公里。

五、結論

結果表明，GDP、社會消費品零售總額、第一產業增加值、第二產業增加值、第三產業增加值、進出口總額、全社會固定資產投資對物流需求量增長起著關鍵性的作用。從對2008-2017年的經濟指標統計數據的定量分析可知，GDP增加1億元、社會消費品零售總額增加1億元、第一產業增加值減少1億元、第二產業增加值減少1億元、第三產業增加值減少1億元、進出口總額減少1億元、全社會固定資產投資減少1億元，物流需求量將分別增加284.7億噸公里、3.347億噸公里，減少282.5億噸公里、284.1億噸公里、287.1億噸公里、0.288億噸公里和0.432億噸公里。由此可見，要想獲得物流需求持續性的增長就必須不斷發展和提升國內生產總值和社會消費品零售總額。

物流需求和經濟發展聯系密切。經濟越發達地區對物流的需求規模越大，物流服務質量要求也越高，經濟增長對物流需求有很大促進作用。社會消費品零售總額對物流產業的影響特別是商貿發達地區的物流產業的影響巨大。我國政府應該采取各種有效措施，繼續加大對物流業發展的扶持力度，為物流業的健康發展創造良好的外部環境，充分發揮物流產業對國民經濟增長的放大效應。