基于时间序列及回归分析模型的物流量预测实证研究

■李万春（内江职业技术学院 四川内江 641100）

商品的流通离不开物流，物流的发展对商品生产的规模、产业结构的变化以及经济发展速度都具有制约作用。随着近年来国家、地方对物流发展的重视不断加强，物流业总体规模快速增长，服务水平显著提高。一个地区的物流能力对经济发展的贡献情况衡量指标是物流需求，经济因素和环境因素两类因素影响着物流需求。为了研究物流量增长的内在发展，本文根据影响因素的和时间序列模型及回归预测模型的特点，采用多种预测模型对历史数据进行拟合，并结合内江市的实际发展情况对预测结果进行比较、分析、检验，最后得到内江市未来的物流量最有可能的发展情况。

内江市的物流能力

内江位于四川的东南部，东连重庆，西接成都，南靠自贡、宜宾、泸州，北通遂宁，是四川省距重庆直辖市最近的地级市，是成渝经济区内连接成渝双核的区域性中心城市，是川东南乃至西南各省交通的重要交汇点，是川南地区重要的客、货运中转站，较大的物流企业有永宏物流、凌丰物流等。永宏物流公司自有办公楼1300多平方米，汽修厂房2000平方米，拥有员工200余人。其中安排下岗工人40余人、进城务工人员120余人，专业驾驶员及维修人员50余人，自有货车30余台。公司在成都、重庆及川南各市县（区）设有货运站30多个，承接整车零担货物运输和信息，每年货运量达到200多万吨，总产值1000多万元。2010年，内江市全社会货运总量达到0.77亿吨，其中公路货运量7412万吨，2012年的全社会货物周转量达57.31亿吨，平均年增长近24%，如表1所示。

物流量预测的实证分析

（一）ARIMA模型

ARIMA（差分自回归移动平均模型）是指将非平稳时间序列转化为平稳时间序列，然后将因变量仅对它的滞后值以及随机误差项的现值和滞后值进行回归所建立的模型。ARIMA模型包括自回归过程（AR）、移动平均过程（MA）、自回归移动平均过程（ARMA）以及ARIMA过程。

建立ARIMA模型的步骤，一是对数据进行平滑即通过差分或其他变换，使数据系列满足平稳性要求；二是根据实际数据情况，对数据进行平滑，通过图对比起平稳性，从而确定差分次数d；三是利用ACF（自相关）、PACF（偏相关）图来确定自回归阶数（p）和移动平均阶数（q）；四是将p、d、q值代入，进行ARIMA分析，并设定要预测的数值。

p、d、q的确定。运用spss19.0对内江市物流量数据做序列图，得到d为1；利用spss19.0中的分析——>预测模块中的ACF（自相关）、PACF（偏相关）图来确定自回归阶数（p）和移动平均阶数（q）。

在图1中，前四阶函数值均显著不为0，之后趋于0，并呈拖尾性，因此可将q值取为4； 图2中，在1阶以后函数明显趋于0，呈拖尾性，因此可将p值取为 1。

建立ARIMA（1，1，4） 模型，得到的预测结果如表2所示。MAE（平均误差均值）=1.774。

（二）指数平滑模型

采用二次指数平滑法进行拟合，二次指数平滑法是针对斜坡型的历史数据。美国学者布朗在《库存管理的统计预测》一书指出指数平滑法是通过对预测目标历史统计序列的逐层平滑计算，消除由于随机因素造成的影响，找出预测目标的基本变化趋势并以此预测未来。优点是使用简单，预测精度较高，只需少量数据和计算时间，模型分量和参数对使用者具有较直观的意义，容易理解和控制等。

二次指数平滑法的预测模型为：

式中，ct、dt为平滑系数，t为预测模型建立所处时间，T为t与预测期的间隔期，Y1+T为t+T的预测值。

表1 1998-2012年内江市全社会货运总量、货物周转量和GDP

图1 自相关图

图2 偏相关图

要对t+1期做出预测，只要在ct的基础上加一个变动趋势值dt；要预测t+T期，在ct基础上加T个dt，因而可得二次指数平滑法预测模型的一般表达：

根据表1中货物周转量的历史数据，在spss19.0中，采用Holt线性趋势模型，得到的预测结果如表3所示。MAE（平均误差均值）=1.654。

（三）指数模型

经过分析计算发现，内江市物流量的环比结果比较接近于常数，用指数模型经过计算，最后得到预测模型：

MAE（平均误差均值）=1.386。得到的预测结果如表4所示。

（四）回归分析模型

回归分析是从一组样本数据出发，确定变量之间的数学关系式对这些关系式的可信程度进行各种统计检验，并从影响某一特定变量的诸多变量中找出哪些变量的影响显著，根据一个或几个变量的取值来预测另一个特定变量的取值，并给出这种预测的精确程度。根据1998-2012年内江市物流量的统计数据，对内江市物流能力随时间的变化进行回归分析。物流量的趋势方程为：

式中，H表示货运量；T表示时间序列，1998年T=1，1999年为2……。

MAE（平均误差均值）=0.0000013。得到的预测结果如表5所示。

结论与建议

对不同的模型预测进行结果比较，如表6所示。

根据上述模型的预测结果，可见二项式的回归分析模型的平均预测相对误差最小，预测效果最好。从1998年至2012年的历史数据得到平均增长率为13.94%，回归分析模型的平均增长率13.89%，与历史数据的平均增长率差0.05%。考虑未来成渝城际铁路、内遂铁路的修建，隆黄铁路的打通，相关国道、省道及地方道路的改扩建，沱江航运条件的改善，内江的交通枢纽优势将更加明显。同时，随着内江各专业市场、消费品专业市场以及物流园区的建设，配合交通基础设施的建造和升级，内江的货运总量和总物流需求将得到更大幅度的提高。因此，就发展前景而言，内江在川南地区的中心地位将进一步确定，其吸纳周边地区物流需求的能力也将加强。为进一步提升物流业在内江经济可持续发展中的支撑能力，建议可以从以下几个方面开展工作。

（一）大力推进现代物流发展的工作制度

大力推进现代物流业发展联席会议制度，定期召集相关部门探讨研究物流规划建设推进情况，一方面及时发现问题，纠正错误，使得物流园区/中心等的实际建设能够真正实现规划目标和意图，避免走样；另一方面及时协调不同部门、不同地区之间的矛盾和问题，形成推进合力，确保物流园区或物流中心等按照预定目标和进度有序推进。借助这一工作制度，达到逐步解决物流业发展过程中的重点难点问题，指导推进内江现代物流业持续健康发展的目的。

（二）积极培育物流运作主体

第一，重点扶持1-2家本土大型物流企业，推动本土物流企业发展，壮大地方物流业的发展。重点扶持其开展川南区域配送业务，鼓励其尝试开展电子商务业务。在此基础上，鼓励本土企业走出去，实现规模化经营。第二，积极引进外部知名物流企业，形成竞争和优势互补。第三，鼓励生产制造业、商贸业等外包物流业务，形成与物流业联动发展格局。第三方物流市场的规模，是衡量一个国家和地区物流业发展水平高低的重要参照因素。

（三）大力加强物流人才培养

物流业的发展离不开人才，而内江作为物流发展落后地区，物流人才极其匮乏。为保证内江物流业高质量、高水平的发展，需要通过多种渠道吸纳物流人才，推动物流业健康发展。

第一，鼓励院校开设物流专业，培养物流人才。通过学校培养人才是最重要的途径之一，内江政府应创造条件，鼓励和支持内江师范学院、内江职业技术学院等开设物流专业，加大招生和培养力度，为本地物流业发展输送经过系统学习的、适应物流市场发展需求的优秀人才。

表2 采用ARIMA(1，1，4)模型的预测结果 单位：亿吨

表3 采用HOLT线性趋势模型的预测结果 单位：亿吨

表4 指数模型的预测结果 单位：亿吨

表5 回归分析模型预测结果 单位：亿吨

表6 不同参数模型预测比较

第二，鼓励校企合作，培养物流人才。内江政府应通过为生产制造企业、物流企业等提供税收优惠政策、资金扶持政策等手段，鼓励其与学校共建物流实训基地，快速培养出适应市场需求的、动手能力强的专业技能型物流人才。

第三，大力引进外部人才。内江政府部门应制订人才激励政策，引进优秀物流专业人才，对重点物流企业引进的国内外物流高层管理人员、高级物流专业人才可给予个人入户、住房及子女入学等方面的特殊倾斜。重点引进物流管理和物流工程技术方面的复合型人才，为内江物流业的发展提供智力保障，以物流人才提升内江物流产业的发展速度和发展水平。

1.内江市统计局《2012内江统计年鉴》，2012

2.范恒瑞，任黎秀. ARIMA与指数平滑法在江苏省GDP预测中的应用[J].江西农业学报，2011（2）

3.周巧.湖北省GDP总量的时间序列预测模型的比较分析[J].中南财经政法大学研究生学报，2009（8）