基于快递行业业务量预测快递行业业务收入实证

彭小剑 余敏燕

【摘 要】快递行业业务总量是评价快递业务的一个重要指标，快递行业业务收入预测正确与否对快递行业的发展有一定的影响。针对这一问题，以中国邮政行业为例，通过选取2011-2017年相关业务业务量和业务收入的历年数据，运用回归分析法并借助SPSS软件进行分析与预测，结果显示该方法是有效的，且对对快递行业业务收入预测的应用研究具有一定的现实意义和借鉴意义。

【关键词】快递行业，业务量，SPSS，回归分析，业务收入

中图分类号：F259.2 文献标志码：A

一、引言

近年来，中国物流行业发展快速。物流业作为支撑国民经济发展的基础性、战略性产业，面临诸多发展机遇。随着现如今，网购已逐渐成为一种自然的消费习惯，随着网购的井喷式发展，人们对快递的需求只会越来越大。伴随着我国经济技术的大力发展，社会对快递需求也进一步加强，快递业务也随之急速增长。随着顾客对快递服务要求越来越高，快递行业也面临着很大的挑战。快递行业业务收入是评价快递业务的一个重要指标，对其进行科学合理的预测是提高快递行业质量和效益的前提条件和依据。鉴于此，对快递行业业务收入预测的应用研究具有一定的现实意义和借鉴意义。

二、快递行业业务收入预测方法概述

快遞行业业务收入预测的正确与否对快递行业的发展具有一定的影响。目前有很学者针对这一问题已经提出了很多预测理论和方法。王莲花基于GM（1，1）模型的中国快递行业收入预测分析，结果表明GM（1，1）模型能够很好地模拟中国快递行业收入数据[1]。王莲花依据2008年以来快递行业按季度业务收入数据，建立了GM（1，1）季度预测模型，并检验其精度[2]。李正娇，刘云依据云南省快递行业季度业务收入运用灰色GM（1，1）模型建立了预测模型[3]。方文昊采用企业自由现金流量贴现模型和相对估值法对圆通速递公司进行投资，提出了投资建议[4]。

本文通过对我国邮政有关历史数据的分析和计算，验证了邮政业务收入回归分析预测方法的有效性和实用性。

三、快递行业业务收入预测的实证研究——以中国邮政行业为例

回归分析（regression analysis）是确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法。回归分析是通过规定因变量和自变量来确定变量之间的因果关系，建立回归模型，并根据实测数据来求解模型的各个参数，然后评价回归模型是否能够很好的拟合实测数据；如果能够很好的拟合，则可以根据自变量作进一步预测。

此次通过江西快递行业协会官网选取中国邮政行业2011-2017年7年的邮政行业业务量和业务收入数据作为分析和研究依据，具体数据见表1；通过选取邮政寄递服务（函件、包裹、订销报纸累计数、订销杂志累计数和汇兑）、快递以及邮政行业业务收入这三大类7小类分析研究，并借助SPSS软件进行分析与预测。

将2018年上半年的数据：x2=146000，x3=25170.7；x4=2208000，x5=866000，x6=41000，x7=1363.9带入回归方程中得y=2870.4386亿元。

四、结论

由预测得到的结果2870.4386亿元，与2018年上半年中国邮政行业业务收入累计完成2940.5亿元相比较，相差2.38%。从预测误差来看误差相对来说较小，预测的效果和精度在合理范围之内，结果表明该方法是有效的。预测结果可以为邮政管理局、邮政公司等政府部门和企事业单位提供一定的参考和借鉴。由于预测模型在进行分析与预测过程中没有充分考虑市场环境，因此在面临环境变动时，此预测结果可能会与我国邮政行业长期发展的实际情况存在一定的误差。

【参考文献】

[1]王莲花.基于GM（1，1）模型的中国快递行业收入预测分析[J].物流技术，2012，31（03）：84-86.

[2]王莲花.我国快递行业季度业务收入预测模型及分析[J].物流技术，2014，33（11）：144-146.

[3]李正娇，刘云.云南省快递行业季度业务收入预测模型及分析[J].中国商论，2017（01）：144-146.

[4]方文昊.我国快递行业的企业投资价值分析[D].华东理工大学，2018.