湖南货运需求量走势预测研究(1)(2)
2014-04-17 01:03
导读：如何应对突发事件，如何解决异常点的时间序列模型优化问题。利用多元回归方法和时间序列方法进行组合，可以得到一个时间序列的优化模型。我们可以
如何应对突发事件，如何解决异常点的时间序列模型优化问题。利用多元回归方法和时间序列方法进行组合，可以得到一个时间序列的优化模型。我们可以进行改进，把货运总量这一个变量利用时间差人为构造出三个变量。从而对货运总量数据进行多元化处理。设参数t为年份(预测年)，用Yt表示第t年的货运总量，则Xt-1为第t年的前1年的货运总量，Xt-2为第t年的前2年的货运总量，Xt-3为第t年的前3年的货运总量。这样，考察它们之间的相关性，就可以能人为地形成了一个Yt与Xt-1、Xt-2、Xt-3的多元函数的关系。
（三）数据标准化问题
一般来说，在进行多元回归以前，由于各个变量的值具有不同的数量级和不同的测量单位，所以有必要对所要分析的数据进行变换，或者说是调整，以消除其中由于数量级和测量单位的不同所引起的不合理现象，尽量提高多元回归分析的准确性和实用性。在此模型中，多元是人为的，其实都是货运总量，所以没有必要进行标准化处理(实际上本文经过归一处理后计算得出模型的与归一处理前非常接近，残差<0.0001，可以忽略)。基于上述原因，在表1中，笔者没有采用极大值法对数据进行标准化处理。
（四）多元回归时间序列优化模型的建立与参数检验
根据1980-2004年湖南省货运总量的变化趋势，运用多元回归分析方法，利用SPSS分析软件建立了如下预测模型：
Y(t)=-829.192+1.453*Xt-1-0.4401* Xt-2+0.0376*Xt-3
模型检验值：相关系数R=0.968，其调整后的可决系数为：adjusted R Square=0.928，F=90.668，显著性水平为Sig=0.000，说明此模型是高度显著的。
（五）多元回归时间序列优化模型的评价
未优化前的时间序列模型采用是一元回归方法，经过调整最后的模型结果为Y=1446.403X+31418.268。
（科教作文网http://zw.ΝsΕac.cOM编辑）
时间序列优化模型预测情况：优化模型的预测值与实际值之间的相对误差最高为10.69%<13.40%，平均相对误差3.724%<4.15%(未优化前)。这两项指标都有所改进，最低值没有改进，不过为0.19，也是效果很好的。特别是对2004年的数据的预测相对误差由优化前的13.40%下降到了优化后的6.25%（具体数据见表2）。说明这个模型是可以接受的，尤其是能有效地解决有放量增长的数据的模拟，对近期的数据的模拟效果比优化前模型有明显改善，改变了优化前的模型对历史数据拟合较好，而对近期数据拟合不好的缺点。
通过比较评价，笔者认为模型达到了预测的要求。通过这个时间序列优化模型来进行湖南省货运总需求量的长期预测，预测货运量规模如表3。
从表3中可以看出，到2014年，湖南省的货运总量将达133689万吨，比2004年的69680万吨要翻一番。而“十一五”完成时，湖南货运将突破十亿吨，就会达到2004年山东省10. 4亿吨的水平(目前，山东省的货运总量居全国第一)。因此，湖南省在“十一五”期间有必要对山东省的物流发展加以借鉴，加快湖南物流的有序和快速发展。
货运需求量的预测是物流管理的重要环节，也是物流管理的重要手段。这种多元回归时间序列优化方法建立的模型也可在以后的应用中用新的历史数据加以补充和修正，来提高预测精度。
综上所述，湖南省经济发展对物流的影响表现为不断扩大的物流规模。在未来几年内，湖南省将重点建设以长株潭、怀化、衡阳和岳阳的四大区域性物流中心，力争打造一支货畅其流、竞争力强的“物流湘军”的物流发展战略。基于时间序列多元回归的优化模型能提供更为可信的预测模型，得出的十年内湖南省货运总量规模的预测将会对物流中心的科学规划起重要作用。
（科教范文网http://fw.ΝsΕΑc.com编辑） 参考文献：
1.孙有望，周福东.我国宏观物流市场预测与分析方法研究[J].
同济大学学报，2005
2.张如云.深圳物流供求分析[J].物流技术，2004
3.丁元，周树高.第三产业对GDP增长的贡献分析—以广东省为例[J].中国流通经济，2005
4.李雪欣.沈阳市现代物流产业发展对策初探[J].中国流通经济，2004
5.周元福.对现代物流内涵的再认识[J].经济师，2005
共2页: 2
论文出处(作者):
