基于多元回歸分析陜西省物流業發展的環境影響

黃鈺茜

摘要：物流活動的運輸、配送等環節會釋放出有害氣體造成大氣污染和形成交通堵塞、帶來噪聲污染等，給環境帶來許多不良影響。文章將陜西省物流業作為研究對象，采用多元回歸分析2009～2018年物流業帶來的環境影響，以期為陜西省物流業的發展提供一定參考。以交通運輸、倉儲、郵政業增加值作為因變量，陜西省主要城市道路交通噪聲平均等效升級、陜西省生活垃圾清運量、陜西省油品消耗量、陜西省工業廢氣排放量作為自變量進行分析。結果表明交通運輸、倉儲、郵政業增加值對工業廢氣排放量的影響大于生活垃圾清運量的影響。

關鍵詞：陜西省;物流業;環境;多元回歸;SPSS

一、引言

陜西省作為西北地區門戶，具備天然的地理優勢。同時，陜西省正處在從工業化中期向后期跨越的關鍵時期，深度融入共建“一帶一路”，新時代推進西部大開發形成新格局、黃河流域生態保護和高質量發展等國家重大戰略深入實施的多重機遇不斷影響著陜西省物流業的發展趨勢。然而，研究表明，物流業是高耗能產業，在快速發展的同時也成為我國碳排放增長速度最快的行業之一，并帶來了空氣污染、噪聲污染、粉塵污染等不良環境影響。王曉華通過模型對比，選擇LEAP模型和情景分析法對北京市物流發展對節能減排的影響進行研究。丁長峰利用Dea-malmqusit指數方法測定中部六省2000～2011年間物流產業生產效率，并采用Tobit模型分析環境影響因素。謝阿紅等采用多元回歸模型對影響華東六省一市綠色物流績效排名的原因進行深入分析，并給出提高綠色物流發展水平的建議。上官緒明采用非限制性VAR模型為基礎研究我國1990～2010年碳排放量與物流業之間的動態演進關系，結果表明物流業的快速發展導致能源消耗的增長和碳排放量的上升。綠色經濟的發展離不開現代物流業的支撐，研究物流活動對環境造成的影響具有較大的現實意義與實用價值。故本文采用多元回歸來對陜西省物流業發展的環境影響進行分析。

二、模型簡介

用于分析物流環境影響的方法有很多，比如線性回歸法、指數平滑法、彈性系數法和灰色預測法等。不同方法具有不同的特點和適用情況，具體如表1所示。

多元線性回歸分析是在線性相關的情況下，分析兩個或兩個以上的自變量和一個因變量之間的數量變化關系。注重分析不同變量的數值發展規律，并運用一定的數學關系式描述所分析的結果，從而得到自變量的變化對因變量的影響水平的表達式。

多元線性回歸模型可以表示為以下表達式：

Y=β0+β1X1+β2X2+βkXk+ε

其中，β0，β1X1，β2X2，…βkXk代表k+1個不解的參數;β0稱為回歸常數，β1，β2，βk稱為回歸系數;Y稱為因變量;X1，X2，…Xk表示可以控制的變量，稱為自變量;

ε表示誤差項的隨機誤差，它是無法由X與Y之間的線性關系所解釋的變異性，反映的是其他隨機因素對因變量的影響。

（一）判斷相關關系

若幾個變量之間不存在任何關系，就無法建立模型或回歸分析。

（二）模型的整體檢驗

對多元回歸方程進行的整體性檢驗，就是研究各個自變量是否從整體上對因變量有明顯的影響，需用到F統計量，來檢驗分析兩者之間的差別是不是顯著。如果具有明顯的影響，就說明二者存在線性關系;反之，則不存在。對多元回歸模型進行整體性檢驗過程如下：

1.提出假設。

H0：β1=β2=…=βk

H1：至少有一個回歸系數不等于0。

若無法拒絕原假設，則表示回歸模型不能明顯地預測因變量，若可以拒絕原假設則表示有自變量可以顯著地預測因變量。

2.計算檢驗統計量F。F檢驗一般是分析不止一個參數的統計模型，從而判斷模型的所有或一些參數是不是可以估計模型。

3.確定顯著性水平a和分子自由度m、分母自由度n-m-1，找出臨界值Fa

4.作出決策：若F>Fa，拒絕H0;若F≤Fa，接受H0

（三）回歸系數的顯著性檢驗及共線性檢驗

在多元線性回歸中，對每一個自變量都要分別進行檢驗，應用t檢驗。步驟如下：

1.提出假設。

H0：βk=0（自變量X與因變量Y沒有線性關系）

H1：βk≠0（自變量X與因變量Y有線性關系）

2.計算檢驗的統計量t。

3.確定顯著性水平a，并作出決策。

|t|>ta/2，拒絕H0，|t|≤ta/2，不拒絕H0。

三、實例分析

（一）數據收集

就目前的物流業來看，眾多物流環節都離不開交通運輸，交通運輸是物流行業中比較重要的環節，在物流的總成本中占到50%以上。故本文采取交通運輸、倉儲、郵政業增加值來代表物流業的變化值，并采用回歸分析對物流相關問題進行分析。

由于部分指標數據未更新至最新年份，受統計數據可獲得性限制，故本文選取陜西省2009～2018年的交通運輸、倉儲、郵政業增加值（億元）作為因變量Y。由于物流的發展會帶來廢氣污染、噪聲污染、運輸車輛燃油污染等環境污染，故自變量分別為：陜西省主要城市道路交通噪聲平均等效升級（db（A））、陜西省生活垃圾清運量（萬噸）、陜西省油品消耗量（萬噸標準煤）、陜西省工業廢氣排放量（億立方米），分別令為自變量X1、X2、X3、X4。通過建立多元線性回歸模型，探究并分析各自變量與因變量之間的干系，并采用SPSS.21軟件對所含數據處理分析。從近十年的《中國統計年鑒》和《陜西統計年鑒》獲得所需數據如表2所示。

（二）數據分析412CECCE-A96B-4904-87B8-97B27D9D24E6

1. 相關關系判斷。一般而言，變量之間要么存在函數關系，要么存在相關關系。本文主要采用回歸分析的方法來研究因變量與自變量之間存在的相關關系。運用SPSS.21軟件得出交通運輸、倉儲、郵政業增加值與各自變量之間的矩陣散點圖。（見圖1）

從圖1可以明顯看出因變量與各自變量之間存在相關關系。

2. 多重樣本決定系數。因本文是分析各自變量對因變量的影響程度，所以在SPSS中采用強行進入法，最終得到模型，其回歸分析輸出結果和其數據如表3～表7所示。

表4中R為相關系數，R方為相關系數的平方，也被叫作判定系數（多重樣本決定系數），用以反映回歸直線的擬合程度，R方的取值范圍在[0，1]內，R方愈向1接近，就表示回歸方程擬合得愈好;R方愈向0接近，就表示回歸方程擬合得愈不好。通常而言，大于0.800意味著回歸方程對樣本數據的吻合水平高。由表4可以發現，Y與X的相關系數為0.973，判定系數為0.947，調整后的判定系數為0.904。以上結果可以說明各自變量能較好地解釋因變量，差不多解釋90.4%的因變量的變化。

3. 模型的整體檢驗。表5給出了回歸方程的方差分析及檢驗結果，F代表構造的統計量的值，Sig.代表顯著性水平。模型中Sig.一般同顯著性水平0.05進行比較，表5中的F值相對的Sig.值是0.002，顯然小于0.05水平，統計上非常顯著，說明線性模型能夠使用。

Sig結果表示T統計量所映射的概率值，并規定Sig值要小于已定的顯著性水平，且越向0靠近越好。F是平均的回歸平方和與平均剩余平方和之比，它的結果數值越高，說明結果越優秀。顯著性水平為0.1時，df=（4，5），查表得Fa的臨界值為4.051。所以F>Fa，落入拒絕域，表示至少有一個自變量可以增加預測因變量顯著性。

4. 回歸系數的顯著性檢驗及共線性檢驗。SPSS分析出了多元線性回歸計算模型的系數表，其中B表示回歸模型的偏回歸系數、t表示檢驗的統計量，Sig.代表顯著性水平，VIF代表方差膨脹因子，用來解釋自變量間存在的多重共線性。取顯著性水平為0.1，對各個自變量進行檢驗，查表得臨界值ta/2=2.0150。所以|t|>ta/2，由表6可知，生活垃圾清運量、油品消耗量、工業廢氣排放量與因變量具有線性關系。

相關研究數據顯示，0≦VIF<10時，多重共線性幾乎不存在;10≦VIF<100時，說明有較強多重共線性;VIF≧100時，表示多重共線性非常顯著，表6中VIF值在1～3左右，表明各變量之間沒有多重共線性關系。

結合實際可知，交通運輸、倉儲、郵政業增加值與物流貨運量成正相關，而貨運量與運輸車輛及其產生的道路交通噪聲和油品消耗量也成正相關。根據模型分析結果，將剔除自變量中的道路交通噪聲和油品消耗量，最后得到的回歸模型如下：

Y=1743.947+0.5942X2+0.43X4

從上述回歸方程結果可以看出，生活垃圾清運量每增加1萬噸，交通運輸、倉儲、郵政業增加值就增加0.594億元;工業廢氣排放量每增加1億立方米，交通運輸、倉儲、郵政業增加值就增加0.43億元。生活垃圾清運量中的30%由物流活動產生，生活垃圾清運量的回歸系數為0.594，大于工業廢氣排放量的回歸系數0.43。同樣的，可以說明交通運輸、倉儲、郵政業增加值對工業廢氣排放量的影響更大一些，同時，對生活垃圾清運量的影響也不容小覷。

四、結語

通過分析陜西省物流業對環境產生的影響結果得知，交通運輸、倉儲、郵政業增加值越大，帶來的環境影響就越大。并且對工業廢氣排放量的影響稍大于對生活垃圾的影響。對此，本文給出如下建議：一方面，大力發揮政府的監督引導作用，加大對綠色物流的扶持力度，制定并出臺相關政策;另一方面，大廠應擔當社會責任并起到帶頭示范的作用;同時，加大對高校相關研究方向的人才培養。

參考文獻：

[1]王曉華.基于LEAP模型的北京市物流發展對節能減排影響研究[D].北京：北京交通大學，2009.

[2]丁長峰.中部地區物流產業生產效率及其環境影響因素分析[J].生產力研究，2013（04）：106-108+201.

[3]謝阿紅，薛倩玉，周澤炯.區域綠色物流績效評價及影響因素的研究——基于“華東六省一市”的數據[J].九江學院學報（自然科學版），2019，34（02）：44-50.

[4]上官緒明.我國物流業對環境影響的動態效應研究——基于非限制性VAR模型的經驗[J].生態經濟，2013（08）：111-114+143.

[5]李雋波，孫麗娜.基于多元線性回歸分析的冷鏈物流需求預測[J].安徽農業科學，2011，39（11）：6519-6520+6523.

[6]李金林，趙中秋，馬寶龍.管理統計學[M].北京：清華大學出版社，2016：224-229.

[7]曹銀華，巫文杰，李澳.“一帶一路”倡議下廣東省國際貿易與國際物流協同發展研究[J].中國商論，2021（01）：124-127.

[8]張鑫.物流產業集聚的工業減排效應——基于長三角空間面板模型[J].價值工程，2019，38（19）：92-95.

[9]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（04）：62-68.

（作者單位：西安財經大學管理學院）412CECCE-A96B-4904-87B8-97B27D9D24E6