基于二次指數平滑和多元線性回歸的寧波市港口物流需求預測分析

摘" 要：隨著經濟全球化的發展，港口作為物流發展的重要環節，港口物流需求已經成為港口資源配置規劃和進出口貿易的重要依據。為對寧波市港口物流需求進行科學合理的預測，文章借助SPSS等數據分析軟件，使用二次指數平滑和多元線性回歸分別對其物流需求進行預測，通過對比兩種預測方法的精度，最后發現，二次指數平滑法的預測精確度要優于多元線性回歸法，并通過二次指數平滑法預測寧波市未來五年的港口物流需求量。

關鍵詞：二次指數平滑；多元線性回歸；港口物流需求預測

中圖分類號：F550" " 文獻標志碼：A" " DOI：10.13714/j.cnki.1002-3100.2024.17.020

Abstract： With the development of economic globalization， as an important part of logistics development， port logistics demand has become an important basis for port resource allocation planning and import and export trade. In order to make a scientific and reasonable forecast of Ningbo Port logistics demand. With the help of data analysis software such as SPSS， this paper uses quadratic exponential smoothing and multiple linear regression to forecast its logistics demand respectively. By comparing the accuracy of the two forecasting methods， it is finally found that the forecasting accuracy of quadratic exponential smoothing is better than that of multiple linear regression， and the port logistics demand of Ningbo in the next five years is predicted by quadratic exponential smoothing.

Key words： second exponential smoothing method; multiple linear regression; port logistics demand forecast

0" 引" 言

港口是國際貿易物流鏈中的重要節點，發揮著綜合交通運輸樞紐的角色，是國家經濟社會發展的重要戰略資源和支撐[1]。寧波作為世界型港口城市，物流業一直在經濟發展中占據重要地位。作為“第三方利潤源”，隨著經濟發展的深入，市場競爭方式逐漸從單一的價格戰轉變為技術、服務、管理的多元化競爭。根據《寧波市國民經濟和社會發展第十四個五年規劃和二O三五年遠景目標綱要》可知，寧波充分利用其所擁有的地理優勢，積極構建以港口物流為主的現代物流產業體系，目前已基本完成“十三五”物流發展規劃目標任務，繼續為實現“十四五”時期物流高質量發展而努力。因此，物流業對寧波的經濟發展有重要影響，對寧波市進行物流需求預測可以有助于該市合理運用有效資源和制定相關經濟政策。

胡小建等[2]通過指數平滑、多元線性回歸和構建多元非線性回歸方法對預測結果進行比較分析。馮丹青等[3]通過考慮負載需求的時間因素，結合改進的二次指數平滑方法對云平臺的數字資源進行預測。李思聰等[4]通過灰色預測、多元線性回歸及其組合模型預測農產品冷鏈物流的需求量，通過對比分析，得出最優的預測方法。要想精準的預測未來的物流需求，選擇合適的需求預測方法十分重要，二次指數平滑和多元線性回歸在物流需求預測中較為常見，本文通過實例數據對兩種方法進行比較分析，選擇更為精確的方法。

1" 研究方法

1.1" 二次指數平滑法

二次指數平滑是一種對數據進行兩次指數平滑的方法。它基本上是使用歷史數據的加權平均值作為未來預測[5]。通過在不同時間為觀測值分配不同的權重，可以改善最近觀測值對預測的影響，并且可以更改權重。通過更改平滑指數的權重變化率，平滑指數越小，權重變化越快，平滑指數捕獲觀測值的最新趨勢的速度就越快。當整個時間序列呈近似線性趨勢時，可以使用二次指數平滑，具有樣本要求小，計算簡單，適應性高的優點。具體步驟為：

（3）通過預測模型進行物流需求量的預測

在使用指數平滑法預測時，關鍵點在于α的取值。一般來說，若數據的波動性較大，α的取值要稍大一點，的值越大，近期數據對預測值的影響就越大；如果數據波動平穩，則α就選擇小一點。當考慮原始數據的長期發展規律，消除季節性影響因素，α的值一般取0.1～0.3之間；當原始數據波動性較大時，α一般取0.3～0.5之間；當原始數據波動大發展趨勢明顯，且想盡快反映時間序列數值的變化時，α一般取06～0.8之間[6]。

1.2" 多元線性回歸模型

回歸分析是以系統變量的歷史數據為基礎，運用相關的數理統計方法進行回歸建模，確定系統中自變量之間的數量因果關系，然后根據回歸結果得出估計系統未來發展趨勢的函數模型和預測方法[7]。在現實生活中，物流需求的影響因素往往受多個因素的影響，為了深入分析影響物流需求量的因素，需要構建量化分析模型，則多元線性回歸模型可以很好的滿足此要求。具體如下：

（1）擬合度檢驗。

（2）德賓沃森檢驗，亦稱為D-W檢驗。D-W檢驗是用來檢驗樣本之間是否相互獨立。一般認為D-W的值接近于2則認為樣本之間獨立性較強。在實際中，若D-W值在1.5～2.5之間，通常認為樣本數據是可行的，否則，樣本數據會影響回歸方程的準確性和穩定性，需要重新選擇樣本。

（3）方差膨脹因子，簡稱VIF。VIF表示多重共線性的嚴重程度，用來檢驗回歸模型是否呈現共線性，其中共線性表示因變量之間存在高度相關的關系。一般認為VIF的值不超過5。

（4）回歸方程的顯著性檢驗。用來檢驗自變量對因變量的影響程度，用來判斷自變量是否留在回歸方程中。一般來說，顯著性的值不超過0.005。

2" 寧波市物流需求預測建模

2.1" 基礎數據

2.2" 指數平滑預測法

2.3" 多元線性回歸預測法

通過式（9）對寧波市2013年至2021年的港域貨運吞吐量進行預測，得到的預測值與實際值和相對誤差如表8所示。從表中可以看出，預測數據的相對誤差控制在20%以內，則可判斷該預測結果可靠。

3" 結果分析

將兩種方法得到的預測數據進行比較分析，得出最優的預測方法，并將相關數據展示如表9所示。

為了使對比結果更加直觀，將寧波市港域貨運吞吐量實際值與兩種方法的預測值用圖2展示。通過圖2的對比可以發現，無論是二次指數平滑還是多元線性回歸，與真實數據都存在一定的誤差，但綜合對比發現，二次指數平滑法在預測數據時數據的滯后性更小，預測的結果更為準確。所以選取二次指數平滑法對寧波市未來五年的港域貨運吞吐量進行預測，根據式（8）得到2022—2026年的預測結果如表10所示。

參考文獻：

[1] 尹志凌. 寧波港口物流服務創新現狀及發展對策[J]. 中國水運，2020（10）：101-103.

[2] 胡小建，張美艷，盧林. 物流需求預測模型構建[J]. 統計與決策，2017（19）：185-188.

[3] 馮丹青，吳智博. 云平臺下資源需求預測方法的研究[J]. 智能計算機與應用，2021，11（8）：1-5.

[4] 李思聰，葉靜. 基于灰色回歸模型的農產品冷鏈物流需求分析及預測[J]. 公路交通科技，2022，39（5）：166-174.

[5] 崔雨欣. 基于Lasso-BP神經網絡的河北省物流需求預測研究[D]. 石家莊：河北經貿大學，2019.

[6] 李鋼，陳自然，田偉，等. 應用二次指數平滑法的光柵信號細分方法研究[J]. 重慶理工大學學報（自然科學），2018，32（2）：86-92，236.

[7] 劉炯. 基于多元線性回歸的物流需求預測分析——以安徽省為例[J]. 四川文理學院學報，2022，32（2）：51-58.

[8] 張彥萌. 基于組合模型的我國能源需求預測研究[D]. 延安：延安大學，2021.