基于时间序列分析对我国货运量的研究

文/马萱航 孙语聪 罗纯

0.引言

随着全球化的发展和我国经济的持续增长，物流行业也表现出蓬勃发展的态势，在一定程度上，物流和经济也常常表现出互相影响彼此互补的关系，我国国民经济的很大一部分收入都来源于物流运输行业，因此为了推动经济发展，应积极促进物流运输行业的发展[1]。物流行业的发展情况也引起了诸多学者和专家的关注，刘生龙和胡鞍钢认为，交通基础设施的完善促进了中国区域经济一体化[2]；李明捷等[3]、齐禺萌[4]通过利用灰色系统理论，构建GM（1，1）对我国民航运输周转量进行分析和预测；而从物流运输自身数据出发的研究也至关重要，可以借助近年来货运量的趋势关系对整体物流行业发展情况作出分析，在规定的时间内输送的实际货物数量称为货运量，货运量能够反映一个地区的实际运输成果，也是反映一个地区实力强弱的重要指标[5]。物流运输行业影响因素较多导致诸多学者在进行预测时一直存在精度不高的问题，比如BP神经网络模型、回归模型、综合评价模型等方法，而如果将货运量的历史数据看做是一组时间序列数据，可以借助过去的数据对未来做出预测，即时间序列预测模型也可以用于货运量预测。本文利用1990-2020年我国货运量数据展开分析，通过实证方法预测未来我国物流行业货运量的变化，旨在为有关部门在货运相关决策时作出参考。

1.数据来源及方法

本文的数据将统计年鉴[6]的货运量相关数据进行筛选整理得到，并存储得到图论信息。利用时间序列预测[7]分析法，根据时间序列中历史数据的变化趋势预估未来的变化趋势，以期得到未来我国货运量发展的规模大小。所谓预测，就是利用序列已经观测到的样本值对序列在未来某个时刻的取值进行预测分析。根据ARMA（p，q）模型的平稳性和可逆性，可以用传递形式和逆转形势等等价描述该序列

式中，{Gi}为Green函数值，{Ii}为逆转函数值。

显然是历史数据的线性函数，可以简记为

对未来任何一个时刻t+1而言，此时的序列值可以利用历史数据表达出来，

由此对于未来l时刻的序列值也都可以表示成已知历史信息xt，xt-1…的线性函数，并用该函数估计xt+l的值也被称为序列{xt}的第l步预测值。

2.实证分析

2.1研究思路

选取我国1990-2020年货运量数据作为基础数据，首先对大量冗杂的数据进行筛选整理并进行图论存储；其次，通过时间序列图判断其是否平稳从而选择合适的建模方法；最后，通过不同的检验方式对模型进行评价优化，得到最终的时间序列预测结果并绘图，得到预测结果及结论。

这天，付玉突然给他打电话，让他去趟。在电话里，付玉露出一股哭腔，像是带刺的爬藤，缠住了他的脖子，有一种不祥的预感开始折磨他。

2.2建立模型

将数据整理完毕后，利用R软件将其在图中整理表示，绘制时间序列图如图1所示。

可以看出，货运量随着时间的推移，均有一定的上升趋势，从1990年的970602万吨到2020年已有4729579万吨，呈现翻倍式增长，在21世纪初期尤为明显，上升幅度明显增大，历史数据直观上表明我国货运量逐步增长，在2018年突然出现小幅度降低，可能是受到“大吨小标”事件的影响，使得卡车运输量在短时间内大规模减少。

做出相应的自相关系数图和偏自相关系数图，相关结果如图所示。

借助差分序列自相关图（图2）和偏自相关图（图3）进一步考察序列的平稳性。显示出除了延迟1阶的自相关系数显著非零，其它阶数的自相关阶数均在2倍标准差范围之内，显示出很强的短期相关性，可以认为其偏自相关系数1阶拖尾，认定为AR(1)模型。采用前文所叙述的原理和方法对该模型进行预测，确定模型通过检验后，利用1990-2020年货运量历史数据，安装R软件利forecast安装包预测未来10年的货运量规模数据情况。“大吨小标”事件的出现为公路货运的不规范敲响警钟，同时也对我国未来货运量造成一定影响，在短时间内货运量规模会出现小幅度下降，将其结果利用95%的置信水平绘制预测图如图4表示，更精准地对未来货运量进行分析，可以看出预计到2030年我国货运量规模为4595823万吨，还存在一定的上升空间。

表1 2021-2030年我国货运量预测结果

可以看出，在未来10年内，我国货运量在一定的波动范围内会逐渐表现出下降的趋势，尽力消除其不利影响后货运量的规模还是有望恢复至21世纪初期的增长水平的，希望有关部门引起重视，货运量的规模直接代表着物流运输行业的发展水平，更是制约着我国国门经济的发展。

3.结论与建议

本文借助历史数据预测了未来10年的货运量发展规模水平，发现其发展态势并不理想。结合实验结果给出以下建议：（1）正确看待并积极应对“大吨小标”事件带来的影响，提升货运行业的整体管理水平。由于公路运输占据货物运输的一大部分，在公路运输中导致的一些问题并不能被忽略，尤其当该问题是面向人民群众的，更要重视小问题，解决小问题，以此来挽回货运安全的形象，对提升货运量发展规模有一定帮助。（2）提升预测结果的准度。由于货运量数据是一组时间序列数据，一般是根据过去已有的相关数据获得发展趋势后预测未来的发展水平，未来可以考虑借助权重因子将过去的数据分别赋予不同的权重，更大程度上保证预测的准确性和科学性（3）推动货运和其他相关领域（例如货运保险、投资等）研究的融合[8]。货运作为我国传统的服务行业，也应该抓住时代发展的机遇，积极利用大数据或人工智能等与自身进行融合，扩宽用户的需求点，充分发展该行业。

引用出处

[1].刘晓丹.物流运输对当地经济发展的影响分析[J].上海商业,2022(05):60-63.

[2].刘生龙,胡鞍钢.交通基础设施与中国区域经济一体化[J].经济研究，2011(3):72-78.

[3].李明捷,周阳,史跃亚.基于灰色理论的民航旅客运输周转量预测[J].中国民航飞行学院学报，2011(5):29-31.

[4].齐禺萌.基于灰色系统理论的航空运量预测[J].中国民用航空，2008(2):66－67.

[5].巫仁亮,徐伟华,沈文喆.基于灰色神经网络的云南省货运量预测模型研究[J].物流科技,2019,42(08):13-16+19.

[6].中华人民共和国统计局.中国统计年鉴[M].北京：中国统计出版社，2020.

[7].王燕.时间序列分析-基于R[M].1版.北京：中国人民大学出版社,2015:107-109.

[8].张冠东,杨琛.基于多维长短时记忆网络的货运量预测[J].统计与决策,2022,38(12):180-183.