重庆市食品冷链消费需求预测研究

尹佳雯 YIN Jia-wen；李莹 LI Ying

（中交四航局港湾工程设计院有限公司，广州 510220）

0 引言

双循环发展格局下，重庆市是我国西南地区主要的冷链物流节点城市。重庆的基础设施不断完善，空铁水公多式联运大力发展，不仅是我国东部和西部地区的纽带，更是连通全球的内陆开放高地，四通八达的交通基础设施推动冷链物流产业的降本增效。消费基础不断夯实，社会消费品零售总额位居全国前列，旅游、餐饮等众多消费领域不断升级，加上人口规模的持续扩大和城镇化水平的不断提高，为现代化冷链带来新的发展空间。因而，冷链投资商看好重庆市场，积极在重庆布局食品冷链设施。

为了科学的指导投资，冷链消费需求分析预测是不可或缺的依据之一。通过对区域历史数据和相关信息的分析，找到消费需求的发展趋势，从而对城市未来的需求作出预测。准确、客观的需求预测，有利于投资者确定投资项目的目标客户、产品方案、建设规模等关键因素，最终影响项目的盈利和收益情况。

消费需求预测框架主要包括需求量指标的选择和预测方法的选用。

从需求量指标设计来看，现有的研究主要分为三种思路。①以地区的农产品产量作为需求量：李夏培以农产品物流总额作为物流需求量[1]；李义华等以农产品的产量为基础，预测湖南省的冷链物流需求量[2]。这种算法的不足之处在于，没有考虑外地输入的冷链产品的物流需求。②以相关因素构建需求量指标体系进行预测：姜阀等考虑与猪肉物流相关的宏观经济因素，建立模型进行预测[3]。但是这种方法仅能说明相关性，可靠性有待检验。③以消费量为基础进行预测：王晓平等以生鲜产品的消费量为基础数据进行预测。相对来说，这种方法可以在同一尺度上比较全面的涵盖需求数据，因而本文的研究选用这种方法。

预测方法的选用则比较多样化。张言彩等运用灰色预测模型进行预测分析[4]。蒋宇斌等利用信息熵组合多重种单一预测方法来构建模型，提高预测精度[5]。张喜才等利用马尔科夫链对预测结果进行修正[6]。吕靖等则引入了BP神经网络来进行预测[7]。每种方法都有各自的优缺点和适用情况，需要结合具体应用场景进行选取。其中灰色预测模型是运用比较广泛方法，从过往的研究来看，预测的准确性较高，能够满足应用需求。此外，重庆的冷链市场是一个信息不完备的系统，该模型适用于这样数据量较少、规律不明显的序列预测[8]。基于此，本文将采用灰色GM（1，1）模型预测重庆市的食品冷链消费需求。此外，灰色预测模型还适用于人口数量的预测[9]。

1 GM（1，1）预测模型

灰色预测本质上是通过对原始数据进行处理，使其数据呈现出一定的规律性并建立相应的微分方程，从而对事物未来的发展趋势进行预测。灰色预测模型的具体实现过程如下：

①列出时间序列模型，生成累加序列。

设有原始数列X(0)={X(0)（1），X(0)（2），X(0)（3），…X(0)（u）}，对其采取依次累加的处理，生成新序列X(1)：

其中X(1)（u）=∑ui=1X(0)（i），u=1，2，3，…n。

②确定模型参数。

设X(1)满足+PX(1)=q，其中p 和q 是微分方程的待估参数。

利用最小二乘法求解，可以确定参数值：

其中

③求解预测值。

取初始值X(1)（1）=X(0)（1）得到时间响应序列：

经过一次累减还原得到预测值X(0)（u+1）：

④误差检验。

若ε（u）＜0.2，则认为精度达到要求；若ε（u）＜0.1 则认为精度达到较高要求。

若φ（u）＜0.2，则认为精度达到要求；若φ（u）＜0.1 则认为精度达到较高要求。

2 重庆市食品冷链消费需求预测

2.1 基础数据

为了预测重庆的食品冷链消费需求，本文选取了2011-2022 年《重庆统计年鉴》中的常住人口总量以及全体居民家庭人均主要食品消费量作为输入数据，详见表1、表2。（本文中的数据如无特殊说明，均来自《重庆统计年鉴》）

表1 2010-2021 年重庆市常住人口总数 单位：万人

表2 2010-2021 年重庆市人均食品冷链消费量

2.2 人口数量预测

将重庆近年的常住人口数据带入GM（1，1）模型，得到人口预测值及误差检验情况，详见表3。

表3 2010-2021 年人口数量预测值及检验表

从表3 可知，模型相对误差值最大值0.874%＜0.1，意味着模型拟合效果达到较高要求；针对级比偏差值，0.011＜0.1，意味着模型拟合效果达到较高要求。未来9 个时刻的预测结果见图1。

图1 2022-2030 人口及消费量预测值

2.3 人均食品消费量预测

将重庆近年的人均食品冷链消费量数据带入GM（1，1）模型，得到相应的预测值及误差检验情况，如表4所示。

表4 2010-2021 年人均食品消费量预测值及检验表

由表4 可知，模型相对误差值最大值0.167＜=0.2，意味着模型拟合效果达到要求；级比偏差值最大值0.140＜=0.2，意味着模型拟合效果达到要求。未来9 个时刻的预测结果见图1。

2.4 重庆市食品冷链消费需求预测

综合人口和人均食品消费量数据，可以得到中短期重庆市的食品冷链消费需求预测结果，如图2 所示。

图2 2022-2030 年重庆市食品冷链消费需求预测

从预测结果来看，重庆市未来的食品冷链消费需求增量空间比较大。与2021 年的食品冷链需求量相比，到2025 年约增长20%，到2030 年增长量则达到了88%。

3 重庆市食品冷链消费需求影响因素分析

3.1 影响因素指标体系

冷链需求系统是一个复杂的系统，影响因素众多而缺乏具体的量化指标，本文选取与食品冷链消费相关的4 类影响因素，共11 个指标，详见表5。

表5 重庆食品冷链消费量影响因素及关联度排序

3.2 重庆食品冷链消费需求影响因素关联度排序

为了量化不同影响因素对食品冷链消费量的影响关系，采用灰色关联度法进行分析，衡量不同因素发展态势之间的关联性，具体计算方法详见相关文献[10]。这种方法适用于本文所研究的系统——信息不完备、存在不确定性，数据的样本量也比较有限。

运用灰色关联度理论，以重庆食品冷链消费量为母序列，对统计年鉴中11 个指标2010 至2021 年的数据进行处理，得到各影响因素和各指标与母序列的关联度，见表5。

3.3 影响因素分析

从各类别影响因素关联度排序来看，消费规模和物流水平对重庆市食品冷链消费需求的相关性更强。城市的消费规模直接决定了冷链产品的消费量，因而是紧密性最强的因素。近年来，重庆市的人口总量呈现平稳增的趋势，为食品冷链消费持续带来新的增长空间。物流基础设施则是冷链的发展基础，基础配套越完善，冷链的操作成本就越低，冷链服务效率越高，从而促进冷链食品的消费。作为交通强国的试点城市，重庆市的交通建设呈现高质量发展的态势，路网密度居西部城市第一，货运量和货运能不断提升，促进了冷链物流产业的降本增效，冷链物流枢纽功能不断完善。冷链消费规模和物流能力的不断提升，进一步验证了需求量预测结果的合理性，重庆市未来的食品冷链消费需求存在较大的增长潜力。

从单因素指标的关联度来看。规模指标的关联性最强。常住人口数量越多，冷链的消费市场也越大；城镇居民的冷链食品消费量远高于农村居民，因而城镇化水平与可能冷链消费规模存在正相关。冷链物流能力指标的关联性较强。重庆市的食品冷链目前主要依靠公路运输，公路货运量占全市货运总量比例达到82%。公路基础设施的不断完善，为冷链产品的流通和供给提供了保证，降低了冷链物流的整体生产成本，从而更好的满足消费者需求，产生更多利润。而需求和超额利润反过来又刺激投资者增加冷链基础设施投入，二者相辅相成。

第三产业占比指标的关联度排序第五，相关性也比较强。冷链物流本身属于属于第三产业的低温仓储业，冷链物流服务的对象包括批发零售业、餐饮业等也属于第三产业，所以第三产业比重对重庆的冷链食品消费可能存在正向的影响作用。

4 结语

作为西南地区的经济和物流中心，重庆市是近年的冷链投资热门城市。本文通过灰色理论，对重庆市中短期的食品冷链消费需求进行了预测。预计到2025 年需求615.21 万吨，到2030 年可达到898.07 万吨，增量空间大。通过关联度分析，本文发现了对重庆食品冷链相关性较高的因素。作为西部人口第一大城市，庞大的消费基础使得重庆具备发展食品冷链的天然优势。冷链物流能力是仅次于消费规模的影响因素，重庆食品冷链的发展离不开基础设施的投入和完善，也从理论上验证了冷链投资的必要性。本文的研究为投资商提供了理论依据，便于提高决策准确性，也为冷链需求预测的相关研究提供了参考。