基于多元回歸的物流需求影響因素分析

李婷怡，楊春生

（1．廣西師范大學數學與統計學院，廣西 桂林 541006；2．桂林理工大學公共管理與傳媒學院，廣西 桂林 541004 ）

隨著國民經濟的快速發展，我國物流業在國民經濟中占有不可或缺的地位。2020年是我國脫貧攻堅戰決勝之年，一場突如其來的疫情讓許多行業都受到了不同程度的影響。但此時的物流行業發揮了巨大作用，不論是醫用物資還是生活生產物資都需要依靠物流來保障疫區居民正常生活、醫生生命安全和抗疫速度，為治病抗疫提供可靠的后勤保障。

據國家統計局2020年統計年鑒數據顯示：2019年，全國貨運量為471億噸，同比減少8.5%，貨物周轉量約為20萬億噸公里。另外，近年來天貓、淘寶和阿里巴巴等的出現也給物流行業帶來了極大的影響。

我國政府高度重視物流產業的發展，2014年國家制定了《物流業發展中長期規劃（2014—2020年）》，規劃中提到“首先要支持和發展物流業作為國家的支柱產業”。研究物流需求的影響因素對國家進行物流行業的調整以及決策都具有非常重大的意義，正確的調整和決策可以促進我國物流行業的發展，從而促進整個社會經濟實力的提升和產業結構的調整優化。

影響物流需求的因素有很多，因此不同學者采用了不同的方法來研究物流需求的影響因素，識別并驗證出了具體的主要影響因素。

徐宇、張敏等人以長沙為例，將貨運量與貨物周轉量作為反映物流需求的重要指標，采用灰色關聯，分析出第二產業增加值和社會消費品零售額是主要因素。

張岐山從經濟發展、產業結構、區位優勢、技術進步四個方面來分別研究影響物流需求的因素，增加了R&D投入費用和各地區技術市場成交額等因子，最后得出第二產業和社會消費品零售總額與物流需求影響最為密切。

王德華則通過構建回歸模型,運用協整理論研究懷化區域物流需求，證明了第一產業、第二產業和全社會消費狀況三個因素與物流業發展之間存在長期的均衡關系。

通過閱讀以上文獻發現，針對物流需求的影響因素這個問題，盡管不同的學者采用了不同的模型研究方法，但最后的研究結果很大程度上都比較相似。

1.模型的指標選取和構建

1.1 指標選取

物流需求源自社會經濟活動，物質的流動是由于社會生產和社會消費的需要，其中運輸是影響最大的因素。通過參考相關研究成果發現，大多數社會團體和學術界都使用貨物周轉量作為衡量一個國家和地區的總物流需求的指標，故在本文中也選取貨物周轉量作為被解釋變量。由于物流活動在生產、流通和消費等社會經濟活動的整個過程中占有不同程度的比例，與社會經濟的發展息息相關，因此選取可能影響的6個具體指標：GDP（X1）、年末常住人口（X2）、社會消費品零售總額（X3）、進出口總額（X4）、第三產業增加值（X5）和全社會固定資產投資（X6）作為解釋變量。

物流產業是我國國民經濟的基礎產業；人口的數量也能影響到物流需求的大小；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；進出口貿易的需求量與物流運輸直接相關；第三產業的增加值直接反映物流規模及需求規模；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。

1.2 模型構建

本文參照國家統計局歷年的統計年鑒進行整合，收集了2000-2018年的各項經濟指標。以貨物周轉量（億噸公里）Y作為因變量，以GDP（億元）、年末常住人口（萬人）、社會消費品零售總額（億元）、進出口總額（億元）、第三產業增加值（億元）、全社會固定資產投資（億元）分別作為自變量X1，X2，X3，X4，X5和X6，創建多元回歸模型：

其中，Y是因變量，Xi（i=1,2,...,6）是自變量，0β是多元線性回歸方程的截距，iβ（i=1,2,...,6）是各個自變量的回歸系數，ε為隨機誤差項，ε~N(0 ,σ2)。

2.實證分析

2.1 相關分析

利用R軟件計算變量之間的相關系數，得出Y與X1，X2，X3，X4，X5和X6之間顯著相關，且均為正相關，相關系數都在0.9以上。同樣繪制各變量散點圖，可以得出雖然有部分變量呈現一定程度的偏斜，但總體上貨物周轉量隨著各項經濟指標的增加而增加。另外，自變量之間也存在高度相關性，因此自變量之間可能存在多重共線性。

2.2 回歸分析

利用R軟件得到參數估計的回歸分析結果，如表1所示。

表1 回歸計算結果

根據表1中的結果顯示，可以得到初步的估計模型為：

2.3 模型檢驗

2.3.1 擬合優度檢驗

從上表的數據可以看出R2的值為0.993，修正后的R2為0.9896，表示自變量可以對因變量的98.96%作出解釋，模型的擬合效果較好。

2.3.2 F檢驗

在顯著性水平α=0.05的條件下，由上表給出的數 據 可 得 到F=285.1，而 在 自 由 度n1為6和n2為12下的 臨 界 值 為=2.33，遠 小 于285.1，故 拒 絕 假 設H0:β1=β2=β3=β4=β5=β6=0，即回歸方程是顯著的。

2.3.3 t檢驗

2.3.4 多重共線性檢驗

在多元回歸中，當兩個或多個自變量有一定程度的相關性時，可能會出現多重共線性的情況。常見的檢測共線性問題的方法有：求各變量的VIF（方差膨脹因子）和條件數K。利用R計算得到每個自變量的VIF值均遠遠大于10，且條件數K值7398.944也遠大于1000，表明這6個變量作為自變量，存在嚴重的多重共線性，當模型具有嚴重的多重共線性時，該模型將不穩定并且無法確定回歸系數。

2.4 模型修正

在多元回歸分析中，處理模型多重共線性的常用方法包括嶺回歸、適應性Lasso回歸和偏最小二乘回歸等方法。本文選用嶺回歸來修正模型。

嶺回歸法中最重要的問題就是參數k的選取，在本文中將通過繪制嶺跡圖來確定最佳參數k。為方便嶺參數的確定，用Y與標準化后的6個自變量進行嶺回歸，其中嶺參數k的取值為[0,3]，步長為0.1，最終得到k不同取值時各變量對應的參數的嶺跡圖，如圖1（a）所示。

圖1 嶺跡圖

表2 參數估計表

由此可以得到標準化后新的多元線性回歸模型：

t值對應的P值遠小于顯著性水平α，故拒絕原假設，通過了回歸系數的顯著性檢驗。此時，F值為71.44，而在自由度為3和16下的臨界值=2.46遠小于F值，故通過了回歸方程的顯著性檢驗。R方值為0.9533，模型合理，且有效解決了多重共線性的問題。

2.5 模型結果解釋

由 嶺 回 歸 結 果 可 知，2β=0.2232，4β=0.2460，5β=0.1813，6β=0.1997，表示在其他條件不變的情況下，年末常住人口、進出口總額、第三產業增加值、全社會固定資產投資每增加1%，物流需求分別平均增加0.2232%，0.246%，0.1813%，0.1997%，符合經濟現實，說明這些因素對物流需求分別有不同程度的貢獻。

3.結論及對策

通過建立回歸模型和實證分析，得出進出口總額（X4）對貨物周轉量的影響最大，當控制其他變量時，每增加一單位的進出口總額，貨物周轉量平均增加0.246億噸公里，年末人口數（X2）和全社會固定資產投資（X6）的影響次之，第三產業增加值（X5）的影響最小，主要原因是盡管貨物周轉量屬于第三產業，但第三產業的核心是服務業，主要表現在無形產品中，因此其影響相對較弱。結合我國現代物流的發展現狀，可以從以下幾個方面提出政策建議。

對不同地區因地制宜，建立健全現代物流產業的發展體系，加強現代物流基礎設施建設。放寬市場準入，解除對物流企業經營的限制，促進現有運輸、倉儲、裝卸、加工、銷售企業的服務擴展和功能整合，加快物流企業向現代物流企業轉變。

隨著人口的增長，物流方面的需求大大提升，但與此同時物流業人力成本的增加也給物流需求帶來了一定的壓力。物流業屬于服務業范疇，是勞動力密集型產業，對人力資源的依賴很大。優化物流服務，提高物流服務創新形式，滿足消費者消費層次的多樣化、個性化，這樣消費者的消費體驗才能提高，才能實現物流需求的增長。