基于逐步回归分析的上海城市物流需求研究

　　摘要：从城市物流的内涵分析入手,选取与其需求量相关的若干指标。进而收集1991—2010年这些物流指标的数据，基于逐步回归分析法，拟合出上海城市物流需求的多元回归方程。最后，针对回归分析的结果进行阐释，并且对上海城市物流提出发展建议。
　　关键词：城市物流需求；逐步回归分析；发展建议
　　
　　0引言
　　城市物流是为了满足城市以及以城市为中心的周围城市内人们生活及经济活动的需要而进行的城市内以及城市与外界之间的物流活动，是区域物流的一种特殊形式。物流需求是指在一定时期内社会能够通过市场交换而消费的物流服务的数量。
　　预测物流需求的方法有很多，但要准确预测全社会物流量却是比较困难的。从目前的理论基础及研究方法上看，仅能从宏观上大体把握物流需求的趋动方向和数量。鉴于当前大多数学者都是选取货运量为指标，对物流需求规模进行预测。研究表明，这种以具体的、易获取的货运量代表抽象的、相对不易获取的物流需求量的做法是可取的、可接受的，因此本文亦选用货运量作为物流需求的衡量指标。
　　预测物流需求的一种有效方法是多元线性回归分析，即建立因变量与多个自变量的回归方程。然而并非所有的自变量都对因变量有显著的影响，故而就存在着如何挑选出对自变量有显著影响的自变量的问题。由于对应m个自变量的所有可能子集可以构成(2m-1)个回归方程，因此当m较大时就必须选用一些较为简便、实用、快速地选择最优方程的方法。人们给出的方法各有优缺点，至今还没有绝对最优的方法，目前常用的有前进法、后退法和逐步回归法，而逐步回归法最受推崇。
　　逐步回归法的具体思路是将变量一个一个引入，每引入一个自变量后，对已引入的变量进行逐个检验，当原引入变量由于后面变量的引入而变得不再显著时，要将其剔除。这个过程反复进行，直到既无显著自变量选入回归方程，也无不显著自变量从方程中剔除为止。这个过程若手工进行十分繁琐，因此常利用统计软件如SPSS等在计算机上自动完成。
　　本文拟采用逐步回归法对上海城市物流需求的变化趋势进行分析，以使物流资源得到合理配置，同时也为政府制定物流产业发展政策、规划物流基础设施建设提供发展建议。
　　作者简介：张振玉，男，河南登封人，同济大学交通运输工程学院硕士研究生，研究方向：物流工程。
　　1.指标的选取
　　本文选用货运量来反映物流市场的规模，虽然它不能全面反映物流市场的综合需求量，但是在特定区域内，一定时期的货运量可以在一定程度上反映物流市场的需求量，因此，本文选择全市货物运输量作为物流需求规模的指标，设为Y。
　　在自变量方面，根据对城市物流需求的影响因素分析，考虑到行业因素、环境因素等指标获得很难，加之经济因素是影响城市物流最直接、最根本的因素，本着可操作性原则，选取各经济影响因素指标用于物流需求规模预测，具体包括：第一产业GDP（X1）、第二产业GDP（X2）、第三产业GDP（X3）、社会消费品零售总额（X4）、进出口贸易总额（X5）、人均消费水平（X6）。其中不仅考虑了反映城市经济总量的三大产业GDP，而且鉴于商业流通也是城市物流需求的重要组成部分，又设立了社会消费品零售总额与人均消费水平两个经济指标，此外考虑到上海市的对外贸易因素，故将进出口贸易总额考虑入内。本模型中样本数据取自1992-2011年的《上海统计年鉴》。
　　2.模型的建立与检验
　　2.1回归方程的建立
　　上述物流需求影响因素是根据专业知识和经验所选定的，不能说明全部自变量对因变量都有显著性影响。为了从较多的初选因子中选择出影响较大的因子建立最优回归方程，需要借助逐步回归分析方法，对影响显著的自变量进行筛选，逐步引入对物流需求影响显著的因子，同时一步步剔除对物流需求影响不显著的因子，利用剩余的变量再建立回归方程，再检验、再剔除，使保留下来的自变量之间尽可能互相独立。
　　本文采用SPSS统计分析软件完成此推算、检验过程，最后求得回归方程为Y=24153.325+9.336X2。表1为逐步回归分析中输入/移去变量的说明。
　　表1输入/移去的变量a
　　Model VariablesEntered VariablesRemoved Method
　　1 X2 . Stepwise(Criteria:Probability-of-F-to-enter<=.050,Probability-of-F-to-remove>=.100).
　　a.DependentVariable:Y
　　2.2回归方程的拟合度检验
　　通过计算复相关系数R、决定系数R2、校正决定系数AdjustedR2几个参数，检验回归方程对样本的拟合程度。用估计标准误差表示回归估计值与实际观察值的平均差异程度，如表2所示。
　　表2模型摘要b
　　Model R RSquare AdjustedRSquare Std.ErroroftheEstimate
　　1 .973a .947 .944 4622.13072
　　a.Predictors:(Constant),X2
　　b.DependentVariable:Y
　　表2给出了模型回归的统计结果。回归统计量主要反映模型的拟合优劣程度。表2的复相关系数（0.973）、决定系数（0.947）、校正决定系数（0.944）都接近1，表明求得的回归方程拟合程度很好，因变量Y的变化几乎完全由自变量X2决定。
　　2.3回归方程的检验与回归系数的检验
　　F检验就是要看自变量Xi对因变量Y是否有明显的影响，t检验则是看各回归系数是否显著。方差分析是将总变异分解为回归平方和与残差平方和。对整个回归方程进行显著性检验的结果见表3，对回归系数的检验结果见表4。
　　表3方差分析b
　　Model SumofSquares df MeanSquare F Sig.
　　1Regression 7E+009 1 6814614403.82 318.98 0.00a
　　Residual 4E+008 18 21364092.39  
　　Total 7E+009 19   
　　a.Predictors:(Constant),X2
　　b.DependentVariable:Y
　　表4系数a
　　Model UnstandardizedCoefficients StandardizedCoefficients t Sig.
　　 B Std.Error Beta  
　　1 (Constant) 24153.325 1888.890  12.787 0.000a
　　 X2 9.336 0.523 0.973 17.860 0.000
　　a.DependentVariable:Y
　　从表3及表4中的参数看出，F值检验达到了α=0.01的显著性水平。通过t检验，自变量X2对应的回归系数达到了P=0.01的显著性水平。由此判定回归方程与各参数的检验结果都有显著性意义，所求得的线性回归方程Y=24153.325+9.336X2是有效的。
　　2.4残差分布检验
　　回归分析中，总是假定残差服从正态分布，图1和图2即是根据样本数据的计算结果显示的残差分析实际情况。从图1残差分布的直方图与附于其上的正态曲线的比较，可以观察出残差分析的正态性。图2为观测值累计概率P-P图，也是用来比较残差分布与正态分布差异的图形，其纵坐标为期望累计概率分布（ExpectedCumProbability），横坐标为观测值累计概率分布（ObservedCumProbability）,图中的斜线对应着一个均值为0的正态分布。如果图中的散点密集地分布在此斜线附近，说明随机变量服从正态分布，从而证明样本确实来自正态总体。
　　
　　图1残差分布直方图
　　
　　图2观测值累计概率P-P图
　　3.结果分析与解释
　　通过逐步回归分析，依据求得的回归方程Y=24153.325+9.336X2，可以得出如下结论：
　　引入的6个变量中第二产业生产总值（X2）因素对城市物流需求有显著的影响，即有很强的线性关系。另外，经过变量的引入、剔除后，回归方程中除常数外只含有X1-X6这六个变量中的X2，说明第一产业生产总值(X1)、第三产业生产总值(X3)、社会消费品零售总额(X4)、进出口贸易总额(X5)、人均消费支出(X6)与X2之间均存在明显的相关性和共线性。
　　通过以上分析，若想提高上海的城市物流需求量，整体上提高物流产业的发展，我们可以提出以下发展建议：
　　1.完善工业发展体系，优化工业发展质量，挖掘工业发展潜力。具体措施包括：培育发展战略性新兴产业；优化提升先进制造业；建设充满活力的产业创新体系等。
　　2.加强产业结构的调整，为物流发展提供更好的发展机遇。在产业结构调整中要加快第三产业比重的快速增长，带动批发零售贸易、进出口贸易和交通运输、仓储配送业等流通业的发展，以刺激物流需求量的提高，促进物流产业的整体发展。
　　3.创新物流服务形式，提高居民消费水平。随着物流产业的发展与居民收入的提高，流通效率成为一个急需解决的问题，这就要求以需求为导向的物流服务形式的不断创新，这样可以满足居民消费层次的多样化、个性化，刺激居民消费理念的转变，提高消费水平，间接提高物流需求量。
　　
　　参考文献:
　　[1] 谭清美,冯凌云,葛云.物流能力对区域经济的贡献研究[J].现代经济探讨,2003,(8):22-24.
　　[2] 刘清.中心城市物流能力的测算与比较研究[J].科技进步与对策,2006,(8):172-174.
　　[3] 李莉,张国庆.区域物流集聚片区划分的聚类分析[J].新疆农业大学学报,2006,29(3):101-104.
　　[4] 于秀林,任雪松.多元统计分析[M].北京:中国统计出版社,1999.
　　[5] 谭清美,王子龙.城市物流对经济的拉动作用研究[J].工业技术经济,2004,(1):89-91.
　　[6] 何晓群.现代统计分析方法与应用[M].北京:中国人民大学出版社,1998.
　　[7] 上海市统计局.上海市市统计年鉴[M].北京:中国统计出版社,1992-2011.

《基于逐步回归分析的上海城市物流需求研究》

本文由职称驿站首发，您身边的高端学术顾问

文章名称： 基于逐步回归分析的上海城市物流需求研究

文章地址： https://m.zhichengyz.com/p-16451