基于协整分析的我国货运量预测

李小姣（河南师范大学 经济管理学院，河南 新乡 453007）

0 引 言

运输需求预测在国家和区域经济发展规划中具有十分重要的作用，货物运输与地方经济及企业发展紧密联系。尤其是在后金融危机时期，做好货运量预测成为货运需求和经济发展关系研究中的一个重要问题，对交通规划和经济发展具有重要意义。

运量预测是一个复杂的系统，比较常用的预测方法按性质和方法分，可分为定量预测和定性预测两大类[1]。定性预测方法主要以专家为索取信息的对象，组织各方面专家运用专业方面的经验和知识，通过对过去和现在发生的问题进行综合分析，从中找出规律，对未来作出判断。主要有以下几种：个人判断法、专家会议法、特尔菲法、主观概率法[1]。

定量预测方法是用定量分析来研究运量的发展趋势，它以历史统计资料和有关信息为依据，运用各种数学方法来预测未来货运市场需求情况，即未来的运量。常用的货运量定量预测方法主要有以下几种：

（1）回归分析法。是从经济现象之间的因果关系出发，应用回归方程来分析经济变化规律，进行预测，其关键要找到影响运量变化的主要因素，这种方法不失为一种好方法。常用的回归分析法有一元回归分析法、多元线性回归分析法。马银波（2000）探讨了用类别回归分析方法建立增长模式的预测模型，并结合广西河池地区的实际情况将模型加以运用。

（2）灰色模型预测法。其中GM（1,1）灰色模型预测运用较多。李玉兰（2006）运用GM（1,1）模型对河南省货运总量和公路货运量进行预测，为河南公路网规划和公路建设提供科学的决策依据。王 秀、孙 皓（2007）通过实例初步验证了灰色神经网络交通量组合预测模式的合理性和可行性。

（3）神经网络法。王维国、张静静（2005）认为人工神经网络自身具有容错性、有表示任意非线性关系的能力和学习能力等特性，为预测技术提供了一种新的思想和方法。赵闯、刘凯、李电生（2004）通过拟合训练和外推预测分析，验证了GRNN用于货运预测的有效性。马林才、陈文华、边浩毅将BP网络用于浙江省公路运输量的预测，将公路客运量和货运量作为一时间序列事件处理，实现了预测与复杂的相关因素分离，操作简单，预测精确。

（4）时间序列分析法。它是根据历史资料组成的时间数列，从中找出发展趋势的变动规律，由过去推测未来，凭借过去状态延续到未来的可能性，从而达到预测的目的，这种预测方法也叫外推法或历史引伸法。时间序列法中主要有移动平均法、加权移动平均法、指数平滑法、趋势预测法、数学模型法等预测方法。

上面这些运量预测方法大多能对交通建设项目和企业具体问题（比如销售）预测时其拟合程度一般较高，不失为较好的预测方法，但需要估计国家或大行政区的未来货运总量时，其拟合程度却不太好[1]。这些方法都集中在对其因果关系回归模型和时间序列模型的分析上，所建立的模型在全面和本质地反映所预测动态数据的内在结构和复杂特性显得不足，从而丢失了信息[2]。随着神经网络技术的发展，BP神经网络在货运量预测中得到了广泛应用[3-5]，但BP神经网络自身存在着收敛慢等缺点[6]。本文对货运量与GDP建立协整模型。

1 实证分析

凡是会受到价格影响的指标，都将其价格因素予以剔除，将其全部转化为1990年不变价格。本文选用1990年至2007年的数据（2008年数据尚未公布），数据来自国家统计局年度数据科目。1980年以后国民总收入（原称国民生产总值）与国内生产总值的差额为国外净要素收入。2006年全国农业普查后，对2005年、2006年第一产业数据进行了调整，2004年及以前年份数据未做调整。有些时间序列，虽然自身非平稳，但其某种线性组合却平稳，这个线性组合反映了变量间的长期稳定关系，称为协整关系（易丹辉，2005）。误差修正模型（ECM）的基本形式是由Davidson,Hendry,Srba,Yeo于1978年提出，称为DHSY模型。在建立误差修正模型前需要对变量进行协整关系检验，即对回归方程残差序列做ADF检验。

利用eviews绘制GDP与货运周转量图，观察二者具有大致相同的增长和变化趋势，说明二者可能存在协整关系。

为了减小误差，将货运量对数化处理，即产生新序列lhuoyun。

1.1 协整关系检验。分别对WULIU、IWULIU、GDP、IGDP、E①进行ADF检验，结果如表1～5所示。

表1 序列WULIU的ADF检验结果

表2 序列IWULIU的ADF检验结果

表3 序列GDP的ADF检验结果

表4 序列IGDP的ADF检验结果

表5 序列E的ADF检验结果

将各序列的ADF检验值与相应的零界值比较可以得出，原序列WULIU与GDP都是非平稳序列，而一阶差分序列均平稳，可以判定WULIU与GDP为一阶单整序列，满足协整检验前提。

对WULIU与GDP进行普通最小二乘估计，得到残差序列，对残差序列做ADF检验，由于检验统计量值小于显著性水平0.05时的临界值，所以可以认为残差序列为平稳序列，表明WULIU与GDP具有协整关系。

1.2 误差修正模型的提出与验证。因为WULIU与GDP存在协整关系，所以可以采用误差修正模型描述二者关系。Davidson,Hendry,Srba,Yeo于 1978 年提出误差修正模型的基本形式：yt=β0+β1xt+β2yt-1+β3xt-1+εt。

使用本模型估计结果如表6所示。

根据表6，可得模型如下：

GDPt=1 418.361+0.986804GDPt-1+0.538983WULIUt+1.266688WULIUt-1+εtWULIUt物流业的当期产值；WULIUt-1物流业的滞后一期产值；GDPt国内生产总值的当期产值；GDPt-1国内生产总值的的滞后一期产值；εt误差项。

根据模型可知，WULIUt、WULIUt-1、GDPt-1三者共同影响GDPt，系数分别是0.538983、1.266688、0.986804。

通过模型看出：我国物流产值对GDP的影响已经处于边际递减阶段，系数是0.538983，即物流产值每增加1元，当期GDP增加0.538983元，说明我国物流业存在不合理物流现象。

滞后一期的物流产值对GDP贡献较大，系数是1.266688，即滞后一期的物流产值每增加1元，将带动GDP增加1.266688元，说明物流对GDP的影响是滞后的，因为现代物流业作为一复合产业不是孤立地发展起来的，由铁道、公路、水运、空运、仓储、托运等行为主体组成，将带动其他产业的成长，这种传导需要时间，模型与实际值的拟合情况如图1。

表6 ECM估计及检验结果

此模型在短期预测拟合效果较好，利用该模型对全国货运量的预测情况如图2。

2 结 论

未来5～10年中国经济社会对交通运输业的需求，将随着人民生活水平和社会化生产方式程度的提高而呈加速增长趋势。而交通运输业本身的增长速度将维持相对稳定增长，与国民经济的增长速度基本相符，交通运输业在国民经济中的比重呈相对稳定状态。随着国家近几年在基础设施方面加大投资力度，尤其是国家刺激内需政策实施，基础设施状况将会有很大改善。同时，在运输业务上，运输企业结构、经营结构和车辆结构都将有很大程度的调整，货运业务平均运距延长，货运量和货运周转量将明显提高。货运业有着良好发展前景。

由于我国2008年进行经济普查，年度数据采用普查数据，因此2008年年度货运数据尚未公布。然而值得思考的是，2008年货运量必然波动较大，此波动是按正常年份带入本模型还是按非正常年份剔除，值得后续进一步研究。

注：①EVIEWS3.0不支持汉字，所以用WULIU、IWULIU、GDP、IGDP、E代表物流产值、物流产值的一阶差分序列、GDP值、GDP值的一阶差分序列和残差。

[1]陈礼芬.区域货运量预测方法的比较[J].重庆交通学院学报，2005(8):114-115.

[2]赵闯，刘凯.基于广义回归神经网络的货运量预测[J].铁道学报，2004(1):12-15.

[3]王维国，张静静.基于BP神经网络的货运量预测方法[J].物流技术，2005(7):58-59.

[4]陈富贵，李远富.基于BP神经网络的铁路货运量预测[J].铁道货运，2005(9):15-17.

[5]马林才，陈文华，边浩毅.基于BP神经网络的浙江省公路运输量的预测[J].浙江交通职业技术学院学报，2003,4(1):1-4.

[6]胡波，刘建民.基于层次结构模型的RBF神经网络货运量预测方法[J].长沙交通学院学报，2006(4):61-62.

[7]崔淑华，王娜，胡亚南.基于主成分分析的公路货运量预测影响因素研究[J].森林工程，2005(9):65-67.

[8]王秀，孙皓.一个基于灰色神经网络组合的交通量预测模型应用研究[J].交通科技与经济，2007(2):61-62.

[9]李玉兰.GM （1,1）模型在公路货运量预测的应用[J].公路工程与运输，2006(1):68-69.