长株潭区域物流需求预测影响因素分析

2012-01-04 00:45王立新
关键词:需求预测货运量生产总值

符 瑛 ,王立新

(1.中南林业科技大学 物流学院,湖南 长沙 410004;2.保险职业学院,湖南 长沙 410004)

长株潭区域物流需求预测影响因素分析

符 瑛1,2,王立新1

(1.中南林业科技大学 物流学院,湖南 长沙 410004;2.保险职业学院,湖南 长沙 410004)

从国民经济发展水平、产业结构、物流基础设施规模、区域居民消费水平和对外贸易发展四个方面列举出影响长株潭区域物流需求增长的相关因素,并运用软件,对这些数据进行实证分析,发现人均国内生产总值、公路通车里程、第三方物流外包比例对长株潭区域物流需求量增长起着关键性的作用。

区域物流 ;影响因素; 需求预测; 长株潭

随着经济的快速发展、对外贸易量的持续提高和产业结构的进一步调整,市场表现出了对物流的强劲需求。物流需求是现代物流产业发展的基础,是物流企业经营管理决策的依据,也是物流规划与设计的依据。因此,对长株潭物流需求进行预测对加速区域产业集聚,提升区域综合竞争力,进一步促进经济一体化的进程具有重要的现实意义。

一、长株潭区域物流现状

长沙、株洲、湘潭三市(简称长株潭)沿湘江呈“品”字形分布,两两相距不足40 km,结构紧凑,历来是湖南省经济发展的“金三角”,又是我国中南地区重要的综合交通运输枢纽,区域内已形成由铁路、公路、水运、航空等多种运输方式组成的立体交通运输网络,物流优势十分明显[1]。据湖南省统计局的资料显示,长株潭区域物流货运总量2007年为30 585万t,占全省30.7%,2008年为33267万t,占全省30.8%,2009年为39 848万t,占全省31%等[2]。其货运量也在呈逐年上增的趋势。在长株潭各市的货运量构成中,公路运输占有绝对的优势,铁路运输和水运运输的比例相当,但两者所占比例都很小,而长株潭三市各自构成比例也有不同之处,湘潭、株洲铁路运输所占比重大大超过长沙,长沙和株洲的水运货运量所占比重有下降趋势,而湘潭水运货运量所占比重逐年上升。从整体上来讲,长株潭三市货运总量发展不平衡,物流需求潜力有待进一步挖掘。

二、长株潭区域物流需求预测影响因素

区域物流变化取决于对它产生影响的各主要因素的变化。因此,对主要影响因素的变化加以预测分析,从而为预测区域物流需求提供依据。就本文而言,区域影响物流需求预测的因素可归为以下四类:国民经济发展水平、产业结构、物流基础设施规模、区域居民消费水平和对外贸易发展。并选取国内生产总值(亿元:x1)、工业总产值(亿元:x2)、社会消费品零售总额(亿元:x3)、人均国内生产总值(元:x4)固定资产投资总额(亿元:x5)、新增固定资产投入(亿元:x6)、公路通车里程(万km:x7)、第三方物流(仅指货物运输)外包比例(%:x8)、民用车辆拥有量(万辆:x9)等9项指标作为综合货运量(万t:f (x))的影响因子。根据历年湖南省统计年鉴的数据,对综合货运量进行预测。

三、长株潭区域物流需求预测影响因素实证分析

(一)模型建立并回归

对被解释变量Y和解释变量X之间关系做散点图,发现他们之间是带有截距的近似线性关系,故可用统计软件(Eviews)进行多元线性回归。模型如下

表1 1995年至2009年长株潭区域经济指标统计数据

从以上回归结果可以看出,拟合优度较高,整体效果的F检验通过,即各变量联合起来确实对因变量“货运量”有显著影响。给定显著性水平α=0.05,但大多数变量X的t统计量绝对值小于2,说明这些变量对因变量影响不显著,很可能存在严重的多重共线性,且X2、X3、X4、X6的经济意义不符。

(二)计量经济学检验

1.多重共线性检验与修改

通过对X1-X9各个变量的相关系数矩阵分析,得出各解释变量相互之间的相关系数较高,证实解释变量之间存在多重共线性。因此,本文采用对各个变量逐个回归、剔除的方法来解决这个问题,并根据逐步回归的思想,得新加入变量X1、X2、X3、X4、X9经济意义不符,而新加入变量X6的可决系数值最大,t检验值大于2,F值也显著,且参数的符号也符合经济意义,因此,选择保留变量X6。在保留X6和X8的基本上,继续进行逐步回归,通过分析保留的最优变量为X5、X6、X8,因此,相应的回归方程

由综合判断法可知,上述逐一回归结果基本上消除了多重共线性。且在其他因素不变的情况下,当长株潭区域公路通车里程X5每增加1 km、第三方物流外包比例X6每增加1%和人均国民生产总值X8每增加1元时,物流需求将分别增长0.237 198亿元、357.698 3亿元和0.403 476亿元。

2.异方差检验与修正

由于区域内各地市的国民生产总值和物流业务外包量的不均衡,因此,其货运量也会存在不同的需求,这种差异使得模型很容易产生异方差,从而影响模型的估计和运用。

通过散点图和残差图分析,得散点图中X值随着Y值的增大而增大。残差图中残差平方e2对解释变量X5、X6、X8的散点图主要分布在图形中的下三角部分,大致看出残差平方随X的变动呈先变大后变小的趋势,因此,模型很可能存在异方差。进一步进行WHITE检验,表明模型存在异方差。

本文采用加权最小二乘法(WLS)估计模型对模型进行变换,使其变换成同方差模型,得到最佳线性无偏估计量,并选择其中R值较大的回归方程

可以看出运用加权最小二乘法消除异方差后,参数的t检验均显著,可决系数大幅提高,F检验也显著,并说明公路里程数每增加1公里,物流外包量每增加1%和人均国民生产总值每增加1元,物流需求量将分别增长0.237195亿、357.6953亿元、0.403476亿元。

3.自相关性检验与修正

上述模型虽然比前一结论更为接近真实情况,但在经济系统中,经济变量前后期之间很可能有关联,使得随机误差项不能满足无自相关的假定。通过DW法对模型进行自相关检验存在负相关,进一步选用科克伦—奥克特迭代法进行修正,得回归方程

由于使用广义差分数据,样本容量减少了解个,为14个。无法查表获得DW统计值,为了保证样本数不减少,可以使用普莱斯—温斯腾变换补充第一个观测值,得广义差分模型为

由此,最终的长株潭区域物流量预测模型为

Y=-2 179.65+0.023 235X5+205.433 9X6+1.242 202X8

四、结 论

结果表明,长株潭区域人均国内生产总值、公路通车里程、第三方物流外包比例对物流需求量增长起着关键性的作用。从对1995-2009 年长株潭区域经济指标统计数据的计量分析可知长株潭区域公路通车里程增加1公里、物流外包比例增加1%、人均国内生产总值增加1元,物流需求量将分别增加0.023 235亿元、205.433 9亿元和1.242 202亿元,由此可见,要想获得物流需求持续性的增长就必须不断发展和提升人均国内生产总值、公路通车里程以及第三方物流外包比例。

[1] 湖南省发改委.长株潭城市群区域规划(2003-2020)[R].2005.

[2] 湖南统计局.湖南统计年鉴[Z].北京:中国统计出版社,1995-2010.

[3] 尹 菲.淮海经济圈区域物流需求预测[J].价值工程,2010,(02):15-17.

Analysis of Influence Factors for Demand Forecast of Chang-Zhu-Tan Regional Logistics

FU Ying1, WANG Li-xin2

(1.Logistics School, Central South University of Forestry & Technology, Changsha410004, Hunan; 2.Insurance College , Changsha410004, Hunan, China)

The paper enumerates the related factors from four aspects: the national economic development level, industrial structure, logistics infrastructure scale, local residents’ consumption level and the development of foreign trade, which influence Chang-Zhu-Tan regional logistics demand growth. Using the software for empirical analysis of these data, the paper proposes that per capita gross domestic product, highway mileage, and the third party logistics outsourcing proportion play a key role to the demand increasing.

regional logistics; influence factors; demand forecast; Chang-Zhu-Tan

F252

A

1673-9272(2012)02-0062-00

2012-03-07

湖南省教育厅基金项目“长株潭区域物流需求预测研究”(编号:09C1037)。

符 瑛(1972-),女,湖南湘潭人,中南林业科技大学物流学院副教授,中南大学交通运输工程学院博士生,研究方向:供应链管理、物流管理。

[本文编校:易雪玲]

猜你喜欢
需求预测货运量生产总值
2020年河北省国内生产总值
浅谈需求预测在企业中的应用
2019年河北省国内生产总值
基于BP神经网络的济南市物流需求预测
基于灰色模型对上海市电力需求预测分析研究
什么将取代国内生产总值?
2017年上半年拉脱维亚港口货运量同比增长7%
2014年GDP首破60万亿