重慶市食品冷鏈消費需求預測研究

尹佳雯 YIN Jia-wen；李瑩 LI Ying

（中交四航局港灣工程設計院有限公司，廣州 510220）

0 引言

雙循環發展格局下，重慶市是我國西南地區主要的冷鏈物流節點城市。重慶的基礎設施不斷完善，空鐵水公多式聯運大力發展，不僅是我國東部和西部地區的紐帶，更是連通全球的內陸開放高地，四通八達的交通基礎設施推動冷鏈物流產業的降本增效。消費基礎不斷夯實，社會消費品零售總額位居全國前列，旅游、餐飲等眾多消費領域不斷升級，加上人口規模的持續擴大和城鎮化水平的不斷提高，為現代化冷鏈帶來新的發展空間。因而，冷鏈投資商看好重慶市場，積極在重慶布局食品冷鏈設施。

為了科學的指導投資，冷鏈消費需求分析預測是不可或缺的依據之一。通過對區域歷史數據和相關信息的分析，找到消費需求的發展趨勢，從而對城市未來的需求作出預測。準確、客觀的需求預測，有利于投資者確定投資項目的目標客戶、產品方案、建設規模等關鍵因素，最終影響項目的盈利和收益情況。

消費需求預測框架主要包括需求量指標的選擇和預測方法的選用。

從需求量指標設計來看，現有的研究主要分為三種思路。①以地區的農產品產量作為需求量：李夏培以農產品物流總額作為物流需求量[1]；李義華等以農產品的產量為基礎，預測湖南省的冷鏈物流需求量[2]。這種算法的不足之處在于，沒有考慮外地輸入的冷鏈產品的物流需求。②以相關因素構建需求量指標體系進行預測：姜閥等考慮與豬肉物流相關的宏觀經濟因素，建立模型進行預測[3]。但是這種方法僅能說明相關性，可靠性有待檢驗。③以消費量為基礎進行預測：王曉平等以生鮮產品的消費量為基礎數據進行預測。相對來說，這種方法可以在同一尺度上比較全面的涵蓋需求數據，因而本文的研究選用這種方法。

預測方法的選用則比較多樣化。張言彩等運用灰色預測模型進行預測分析[4]。蔣宇斌等利用信息熵組合多重種單一預測方法來構建模型，提高預測精度[5]。張喜才等利用馬爾科夫鏈對預測結果進行修正[6]。呂靖等則引入了BP神經網絡來進行預測[7]。每種方法都有各自的優缺點和適用情況，需要結合具體應用場景進行選取。其中灰色預測模型是運用比較廣泛方法，從過往的研究來看，預測的準確性較高，能夠滿足應用需求。此外，重慶的冷鏈市場是一個信息不完備的系統，該模型適用于這樣數據量較少、規律不明顯的序列預測[8]。基于此，本文將采用灰色GM（1，1）模型預測重慶市的食品冷鏈消費需求。此外，灰色預測模型還適用于人口數量的預測[9]。

1 GM（1，1）預測模型

灰色預測本質上是通過對原始數據進行處理，使其數據呈現出一定的規律性并建立相應的微分方程，從而對事物未來的發展趨勢進行預測。灰色預測模型的具體實現過程如下：

①列出時間序列模型，生成累加序列。

設有原始數列X(0)={X(0)（1），X(0)（2），X(0)（3），…X(0)（u）}，對其采取依次累加的處理，生成新序列X(1)：

其中X(1)（u）=∑ui=1X(0)（i），u=1，2，3，…n。

②確定模型參數。

設X(1)滿足+PX(1)=q，其中p 和q 是微分方程的待估參數。

利用最小二乘法求解，可以確定參數值：

其中

③求解預測值。

取初始值X(1)（1）=X(0)（1）得到時間響應序列：

經過一次累減還原得到預測值X(0)（u+1）：

④誤差檢驗。

若ε（u）＜0.2，則認為精度達到要求；若ε（u）＜0.1 則認為精度達到較高要求。

若φ（u）＜0.2，則認為精度達到要求；若φ（u）＜0.1 則認為精度達到較高要求。

2 重慶市食品冷鏈消費需求預測

2.1 基礎數據

為了預測重慶的食品冷鏈消費需求，本文選取了2011-2022 年《重慶統計年鑒》中的常住人口總量以及全體居民家庭人均主要食品消費量作為輸入數據，詳見表1、表2。（本文中的數據如無特殊說明，均來自《重慶統計年鑒》）

表1 2010-2021 年重慶市常住人口總數 單位：萬人

表2 2010-2021 年重慶市人均食品冷鏈消費量

2.2 人口數量預測

將重慶近年的常住人口數據帶入GM（1，1）模型，得到人口預測值及誤差檢驗情況，詳見表3。

表3 2010-2021 年人口數量預測值及檢驗表

從表3 可知，模型相對誤差值最大值0.874%＜0.1，意味著模型擬合效果達到較高要求；針對級比偏差值，0.011＜0.1，意味著模型擬合效果達到較高要求。未來9 個時刻的預測結果見圖1。

圖1 2022-2030 人口及消費量預測值

2.3 人均食品消費量預測

將重慶近年的人均食品冷鏈消費量數據帶入GM（1，1）模型，得到相應的預測值及誤差檢驗情況，如表4所示。

表4 2010-2021 年人均食品消費量預測值及檢驗表

由表4 可知，模型相對誤差值最大值0.167＜=0.2，意味著模型擬合效果達到要求；級比偏差值最大值0.140＜=0.2，意味著模型擬合效果達到要求。未來9 個時刻的預測結果見圖1。

2.4 重慶市食品冷鏈消費需求預測

綜合人口和人均食品消費量數據，可以得到中短期重慶市的食品冷鏈消費需求預測結果，如圖2 所示。

圖2 2022-2030 年重慶市食品冷鏈消費需求預測

從預測結果來看，重慶市未來的食品冷鏈消費需求增量空間比較大。與2021 年的食品冷鏈需求量相比，到2025 年約增長20%，到2030 年增長量則達到了88%。

3 重慶市食品冷鏈消費需求影響因素分析

3.1 影響因素指標體系

冷鏈需求系統是一個復雜的系統，影響因素眾多而缺乏具體的量化指標，本文選取與食品冷鏈消費相關的4 類影響因素，共11 個指標，詳見表5。

表5 重慶食品冷鏈消費量影響因素及關聯度排序

3.2 重慶食品冷鏈消費需求影響因素關聯度排序

為了量化不同影響因素對食品冷鏈消費量的影響關系，采用灰色關聯度法進行分析，衡量不同因素發展態勢之間的關聯性，具體計算方法詳見相關文獻[10]。這種方法適用于本文所研究的系統——信息不完備、存在不確定性，數據的樣本量也比較有限。

運用灰色關聯度理論，以重慶食品冷鏈消費量為母序列，對統計年鑒中11 個指標2010 至2021 年的數據進行處理，得到各影響因素和各指標與母序列的關聯度，見表5。

3.3 影響因素分析

從各類別影響因素關聯度排序來看，消費規模和物流水平對重慶市食品冷鏈消費需求的相關性更強。城市的消費規模直接決定了冷鏈產品的消費量，因而是緊密性最強的因素。近年來，重慶市的人口總量呈現平穩增的趨勢，為食品冷鏈消費持續帶來新的增長空間。物流基礎設施則是冷鏈的發展基礎，基礎配套越完善，冷鏈的操作成本就越低，冷鏈服務效率越高，從而促進冷鏈食品的消費。作為交通強國的試點城市，重慶市的交通建設呈現高質量發展的態勢，路網密度居西部城市第一，貨運量和貨運能不斷提升，促進了冷鏈物流產業的降本增效，冷鏈物流樞紐功能不斷完善。冷鏈消費規模和物流能力的不斷提升，進一步驗證了需求量預測結果的合理性，重慶市未來的食品冷鏈消費需求存在較大的增長潛力。

從單因素指標的關聯度來看。規模指標的關聯性最強。常住人口數量越多，冷鏈的消費市場也越大；城鎮居民的冷鏈食品消費量遠高于農村居民，因而城鎮化水平與可能冷鏈消費規模存在正相關。冷鏈物流能力指標的關聯性較強。重慶市的食品冷鏈目前主要依靠公路運輸，公路貨運量占全市貨運總量比例達到82%。公路基礎設施的不斷完善，為冷鏈產品的流通和供給提供了保證，降低了冷鏈物流的整體生產成本，從而更好的滿足消費者需求，產生更多利潤。而需求和超額利潤反過來又刺激投資者增加冷鏈基礎設施投入，二者相輔相成。

第三產業占比指標的關聯度排序第五，相關性也比較強。冷鏈物流本身屬于屬于第三產業的低溫倉儲業，冷鏈物流服務的對象包括批發零售業、餐飲業等也屬于第三產業，所以第三產業比重對重慶的冷鏈食品消費可能存在正向的影響作用。

4 結語

作為西南地區的經濟和物流中心，重慶市是近年的冷鏈投資熱門城市。本文通過灰色理論，對重慶市中短期的食品冷鏈消費需求進行了預測。預計到2025 年需求615.21 萬噸，到2030 年可達到898.07 萬噸，增量空間大。通過關聯度分析，本文發現了對重慶食品冷鏈相關性較高的因素。作為西部人口第一大城市，龐大的消費基礎使得重慶具備發展食品冷鏈的天然優勢。冷鏈物流能力是僅次于消費規模的影響因素，重慶食品冷鏈的發展離不開基礎設施的投入和完善，也從理論上驗證了冷鏈投資的必要性。本文的研究為投資商提供了理論依據，便于提高決策準確性，也為冷鏈需求預測的相關研究提供了參考。