基于時間序列分析對我國貨運量的研究

文/馬萱航 孫語聰 羅純

0.引言

隨著全球化的發展和我國經濟的持續增長，物流行業也表現出蓬勃發展的態勢，在一定程度上，物流和經濟也常常表現出互相影響彼此互補的關系，我國國民經濟的很大一部分收入都來源于物流運輸行業，因此為了推動經濟發展，應積極促進物流運輸行業的發展[1]。物流行業的發展情況也引起了諸多學者和專家的關注，劉生龍和胡鞍鋼認為，交通基礎設施的完善促進了中國區域經濟一體化[2]；李明捷等[3]、齊禺萌[4]通過利用灰色系統理論，構建GM（1，1）對我國民航運輸周轉量進行分析和預測；而從物流運輸自身數據出發的研究也至關重要，可以借助近年來貨運量的趨勢關系對整體物流行業發展情況作出分析，在規定的時間內輸送的實際貨物數量稱為貨運量，貨運量能夠反映一個地區的實際運輸成果，也是反映一個地區實力強弱的重要指標[5]。物流運輸行業影響因素較多導致諸多學者在進行預測時一直存在精度不高的問題，比如BP神經網絡模型、回歸模型、綜合評價模型等方法，而如果將貨運量的歷史數據看做是一組時間序列數據，可以借助過去的數據對未來做出預測，即時間序列預測模型也可以用于貨運量預測。本文利用1990-2020年我國貨運量數據展開分析，通過實證方法預測未來我國物流行業貨運量的變化，旨在為有關部門在貨運相關決策時作出參考。

1.數據來源及方法

本文的數據將統計年鑒[6]的貨運量相關數據進行篩選整理得到，并存儲得到圖論信息。利用時間序列預測[7]分析法，根據時間序列中歷史數據的變化趨勢預估未來的變化趨勢，以期得到未來我國貨運量發展的規模大小。所謂預測，就是利用序列已經觀測到的樣本值對序列在未來某個時刻的取值進行預測分析。根據ARMA（p，q）模型的平穩性和可逆性，可以用傳遞形式和逆轉形勢等等價描述該序列

式中，{Gi}為Green函數值，{Ii}為逆轉函數值。

顯然是歷史數據的線性函數，可以簡記為

對未來任何一個時刻t+1而言，此時的序列值可以利用歷史數據表達出來，

由此對于未來l時刻的序列值也都可以表示成已知歷史信息xt，xt-1…的線性函數，并用該函數估計xt+l的值也被稱為序列{xt}的第l步預測值。

2.實證分析

2.1研究思路

選取我國1990-2020年貨運量數據作為基礎數據，首先對大量冗雜的數據進行篩選整理并進行圖論存儲；其次，通過時間序列圖判斷其是否平穩從而選擇合適的建模方法；最后，通過不同的檢驗方式對模型進行評價優化，得到最終的時間序列預測結果并繪圖，得到預測結果及結論。

這天，付玉突然給他打電話，讓他去趟。在電話里，付玉露出一股哭腔，像是帶刺的爬藤，纏住了他的脖子，有一種不祥的預感開始折磨他。

2.2建立模型

將數據整理完畢后，利用R軟件將其在圖中整理表示，繪制時間序列圖如圖1所示。

可以看出，貨運量隨著時間的推移，均有一定的上升趨勢，從1990年的970602萬噸到2020年已有4729579萬噸，呈現翻倍式增長，在21世紀初期尤為明顯，上升幅度明顯增大，歷史數據直觀上表明我國貨運量逐步增長，在2018年突然出現小幅度降低，可能是受到“大噸小標”事件的影響，使得卡車運輸量在短時間內大規模減少。

做出相應的自相關系數圖和偏自相關系數圖，相關結果如圖所示。

借助差分序列自相關圖（圖2）和偏自相關圖（圖3）進一步考察序列的平穩性。顯示出除了延遲1階的自相關系數顯著非零，其它階數的自相關階數均在2倍標準差范圍之內，顯示出很強的短期相關性，可以認為其偏自相關系數1階拖尾，認定為AR(1)模型。采用前文所敘述的原理和方法對該模型進行預測，確定模型通過檢驗后，利用1990-2020年貨運量歷史數據，安裝R軟件利forecast安裝包預測未來10年的貨運量規模數據情況。“大噸小標”事件的出現為公路貨運的不規范敲響警鐘，同時也對我國未來貨運量造成一定影響，在短時間內貨運量規模會出現小幅度下降，將其結果利用95%的置信水平繪制預測圖如圖4表示，更精準地對未來貨運量進行分析，可以看出預計到2030年我國貨運量規模為4595823萬噸，還存在一定的上升空間。

表1 2021-2030年我國貨運量預測結果

可以看出，在未來10年內，我國貨運量在一定的波動范圍內會逐漸表現出下降的趨勢，盡力消除其不利影響后貨運量的規模還是有望恢復至21世紀初期的增長水平的，希望有關部門引起重視，貨運量的規模直接代表著物流運輸行業的發展水平，更是制約著我國國門經濟的發展。

3.結論與建議

本文借助歷史數據預測了未來10年的貨運量發展規模水平，發現其發展態勢并不理想。結合實驗結果給出以下建議：（1）正確看待并積極應對“大噸小標”事件帶來的影響，提升貨運行業的整體管理水平。由于公路運輸占據貨物運輸的一大部分，在公路運輸中導致的一些問題并不能被忽略，尤其當該問題是面向人民群眾的，更要重視小問題，解決小問題，以此來挽回貨運安全的形象，對提升貨運量發展規模有一定幫助。（2）提升預測結果的準度。由于貨運量數據是一組時間序列數據，一般是根據過去已有的相關數據獲得發展趨勢后預測未來的發展水平，未來可以考慮借助權重因子將過去的數據分別賦予不同的權重，更大程度上保證預測的準確性和科學性（3）推動貨運和其他相關領域（例如貨運保險、投資等）研究的融合[8]。貨運作為我國傳統的服務行業，也應該抓住時代發展的機遇，積極利用大數據或人工智能等與自身進行融合，擴寬用戶的需求點，充分發展該行業。

引用出處

[1].劉曉丹.物流運輸對當地經濟發展的影響分析[J].上海商業,2022(05):60-63.

[2].劉生龍,胡鞍鋼.交通基礎設施與中國區域經濟一體化[J].經濟研究，2011(3):72-78.

[3].李明捷,周陽,史躍亞.基于灰色理論的民航旅客運輸周轉量預測[J].中國民航飛行學院學報，2011(5):29-31.

[4].齊禺萌.基于灰色系統理論的航空運量預測[J].中國民用航空，2008(2):66－67.

[5].巫仁亮,徐偉華,沈文喆.基于灰色神經網絡的云南省貨運量預測模型研究[J].物流科技,2019,42(08):13-16+19.

[6].中華人民共和國統計局.中國統計年鑒[M].北京：中國統計出版社，2020.

[7].王燕.時間序列分析-基于R[M].1版.北京：中國人民大學出版社,2015:107-109.

[8].張冠東,楊琛.基于多維長短時記憶網絡的貨運量預測[J].統計與決策,2022,38(12):180-183.