基于回归组合模型的浙江农村物流量预测研究

吴汪友

(浙江交通职业技术学院运输管理学院，浙江杭州 311112)

基于回归组合模型的浙江农村物流量预测研究

吴汪友

(浙江交通职业技术学院运输管理学院，浙江杭州 311112)

通过对浙江农村经济结构以及物流需求进行分析，阐述了农村区域物流量分类优化预测和构建回归组合模型的思路，提高了农村物流量预测的科学性、合理性，从而为浙江农村物流体系更好布局提供决策依据.

物流量;回归预测;行政村;输入物流;输出物流

随着社会主义新农村建设加快推进，浙江省农村经济迎来新一轮发展机遇期，同时对原有的物流体系形成巨大挑战.构建良好的城乡物流配送体系，对于进一步推进社会主义新农村建设、加强城乡互动显得非常必要.在2009年3月国务院正式颁布的《物流业调整和振兴规划》中，明确提出的主要任务包括城市配送工程和农村物流工程.农村区域物流量的科学预测，不仅是适应社会主义新农村建设的需要，而且为构建适合当前和未来一段时间农村经济发展的城乡物流配送体系提供决策依据.

在目前国内外物流量预测中，通常采用有灰色预测模型［1－2］、RBF神经网络［3］、回归预测模型［4］等多种形式，其中回归预测模型是一种具体的、行之有效的、实用价值很高的预测途径.由于回归预测模型类型较多，在农村物流结构中不同物流源呈现不同发展特征，难以用一种模型准确预测某农村区域物流量.通过建立单项农村物流预测模型，再组合成某农村区域物流量预测模型，不仅可以克服一种回归模型预测的弊端，而且能够在层面上反映农村物流结构，使预测结果更趋于合理性、科学性.

1 浙江农村经济结构及物流需求构成

鉴于区域经济与物流量之间存在紧密联系，通过历年统计资料分析，二者的数据之间呈现较强的正相关性，符合回归预测基本条件，可采用回归预测模型来计算物流量.为了更好地对浙江农村物流量进行预测，通过对浙江农村经济结构进行分析，掌握农村的物流源，从而提高农村物流量预测的精确性、可靠性.

1.1 农村经济结构分析

1.1.1 农村经济结构呈现多元化 近年来，随着浙江全省工业化、城市化、城乡配套体制改革的快速推进，散布在农村的民营企业发展迅速，促进农村经济结构不断优化，实现了从单一的农业经济向一、二、三产业的全面跨跃.根据浙江省统计局提供的数据，2009年浙江省农村经济总收入中工业与建筑业方面的比重上升到了86.6%，来自服务业及其他方面的收入比重为10.2%.

1.1.2 区域块状经济不断集聚化 近年来，有别于其他省市产业分布，浙江专业市场迅猛发展，区域块状经济不断集聚.根据韦伯的工业区位理论，中心镇在产业聚集农村经济发展起着中心作用，围绕中心镇散落分布在农村众多工业企业已成为某些产业链原材料供应、初级产品加工的重要组成部分，如围绕湖州南浔镇与旧馆镇形成地板产业集群.

1.2 农村物流需求结构结合浙江省农村经济结构及区域块状经济发展现状，根据农村货物流向不同，

农村物流需求结构分为以下2个方面.

1)以生活用品、农资及工业产品生产所需材料形成输入物流 生活用品包括:食品、日用品、食用油、烟酒、水果、小电器、饮料、服装、鞋类等.农用物资输入主要是种植、养殖行业的柴油、汽油、肥料、饲料、农药等需求.根据抽样调查，散布在农村工业企业产品生产所需材料主要来源于本地、附近地区，少部分来自于省外及国外地区，有别于其他工业企业材料主要来源于其他地区.

2)以农副产品及工业产品外销形成输出物流 浙江素有“鱼米之乡”之称，是综合性的农业高产区域，特色农副产品较为丰富，如竹制品、柑橘、蚕丝、茶叶等，部分农副产品产量居全国前列.浙江民营企业发达，民营经济在浙江农村经济中占据举足轻重的地位，工业产品通过专业市场远销国内外.

2 农村物流量回归组合预测模型选择

2.1 农村物流量回归预测的思路由于回归预测模型类型较多，不同的模型预测结果与实际无论在精度和可靠度的差距也不尽相同;且在农村物流结构中，不同物流源呈现不同发展特征，因此在农村区域物流量预测中不可能采取单一模型形式进行推算.

根据浙江农村区域物流源不同，结合物流量与农村经济宏观指标具有一定的相关性，可将一个行政村物流需求结构主要分为年商品销量、原材料年消耗量、农资年消耗量、工业产品年产量、农产品年产量.在具体物流量预测中，可以将上述单项物流需求予以分别预测，再进行汇总，即可得到某一行政村年物流量.至于单项农村物流量预测模型的确定，宜先选取一部分行政村，采用SPSS统计软件绘制单项需求关系散点图;然后利用曲线估计中的二次项、三次项、复合函数、幂函数、指数函数、逻辑等函数分别进行了回归分析，分析包括判定系数、方差分析F值等，选择曲线拟合效果较好的函数作为单项物流量预测模型.通过上述优选的回归组合模型不仅可以预测未来某一行政村区域物流量，而且可以作为推算其他行政村现期物流量［5－6］.

2.2 物流量预测模型数据的收集在各单项物流量预测中，影响物流量宏观指标也不尽相同，因此根据回归相互关系的原理，分别进行收集各行政村单项物流量及相应宏观指标的数据，如表1所示.如农村年物资流入量数据，首先对各村种植大户、养殖大户农资年消耗量进行汇总，然后根据这些种植大户、养殖大户的种植面积、水产面积与全村种植面积、水产面积进行比较，对前面种植大户、养殖大户农资年消耗量乘以一个相应的系数，得到该村农资年消耗总量.

表1 各单项物流量预测收集数据类型

2.3 物流需求组合预测模型的确定根据选取部分行政村单项物流量和相应宏观指标的数据，通过利用SPSS统计软件和不同种的回归分析，分别找出拟合度较好的作为单项物流量预测模型，如表2所示.

表2 各单项物流量预测模型选取

农村年物资流入量分别利用二次项、三次项、复合函数、幂函数、指数函数、逻辑函数等预测模型进行回归分析，分析结果包括判定系数、方差分析F值等，具体数值如表3所示.

表3 总结和参数估计

通过比较上述6种预测模型曲线拟合度，根据回归曲线拟合度越接近1，该预测模型越接近实际，预测的数据可信度高.根据表3得知，农资物流量预测模型宜选用二次项函数，其中判定系数为 0.952，F 值为 168.732，回归系数和常数项可分别取为 0.000 028，0.634，36.186，农资物流量预测模型为

y3=0.000 028x23+0.634x3+36.186，其中，y3为全村农资年消耗总量，x3为全村农业总产值.

农业总产值与农资年消耗总量之间的关系的回归曲线如图1所示.

根据上述农资年流入量回归分析原理，比较各曲线拟合度，同理得到最优的商品销量、原材料年消耗量、农副产品年产量预测模型，即为

其中，y1为年商品销量，y2为原材料年消耗量，y4为农副产品年产量，x1为村人口总数，x2为村工业总产值，x3为村农业总产值.

由于某一行政村年物流量等于年流入量与年流出量之和，即是年商品销量、工业原材料年消耗量、农资年消耗量、工业企业产出物流量与农产品年产量之和.通过比较农村工业企业的产出物流量与原材料消耗量，部分企业产出物流量略比较该企业原材料消耗量少，但分析区域统计数据二者差距较小，因此在某一行政村年物流量推算中可以将工业企业产出物流量用原材料流入量代替.

因此，某一行政村年物流量组合预测模型为

3 农村物流量回归组合预测实例解析

为了更好地检测上述农村物流量预测模型推算结果的准确性，从浙江省10个乡镇中各随机抽取1个行政村，对2010年10个行政村相应宏观经济指标的收集(包括人口总数、总户数、村工业总产值、村农业总产值等)，按照上述回归预测模型和方法，推算该10个行政村的年流入物流量和年流出物流量，获得各村数据如表4所示.

查阅上述10个行政村的物流量统计资料，对比表4中推算的各行政村物流量，实际物流量［7］与计算的数值相对接近，对比情况如表5所示，推算的结果基本能够反应各行政村产业结构，其中工业原料流入、工业产品流出在浙江农村物流中居于绝对比重，这充分说明浙江农村经济中工业贡献率较高.此外，部分行政村特色农产品生产所形成农资流入和农产品外销物流贡献也较大.

表4 宏观指标与年流入物流量、年流出物流量统计

表5 2010年行政村实际物流量 t

4 小结

在区域物流量预测中，根据农村经济宏观指标和各单项物流量之间呈正相关关系，在单项回归预测模型优选的基础之上建立回归组合模型，从而科学、合理的推算区域物流量.根据文中推算原理，通过构建回归组合模型，不仅可以克服任意选择一种回归模型很难精确推算农村物流量，而且客观上能够反映浙江农村物流结构，为浙江构建城乡物流体系提供决策依据，也为同类地区物流量推算提供借鉴.

［1］边浩毅，王怡民.基于灰色预测模型的公路运输量预测［J］.江南大学:自然科学版，2006，5(6):745－747.

［2］蔡家明.货运量多维灰色模型的预测［J］.上海工程技术大学学报，2005，19(1):36－38.

［3］王登.基于人工神经网络的货运量预测模型研究［J］，物流工程与管理，2009，31(3):28－29.

［4］赵卫艳，谷雪松.线性回归模型在货运量预测中的应用［J］.山西建筑，2007，33(9):248－249.

［5］万轶凌，朱士东.组合预测在水路货运量预测中的应用［J］.交通与运输，2006(2):22－24.

［6］寇毅.组合预测模型在公路货运周转量预测中的运用［J］;中国水运:学术版，2007，7(11):216－219.

［7］湖州统计局.2010湖州统计年鉴［M］.北京:中国统计出版社，2010:828－834.

Study of Logistics Capacity Prediction Based on Regression Combined Model in Zhejiang Countryside

WU Wang-you

(Department of Management for Transportation，Zhejiang Institute of Communications，Hangzhou 311112，China)

In the report，through analyzing rural economic structure in Zhejiang and logistics demand，the idea that classification prediction of logistics capacity is optimized in countryside and how to construct Regression Combined Model were elucidated，and which improve the prediction of the scientific and rational，and provide the Policy-making basis for the logistics system layout in Zhejiang Countryside.

logistics capacity;regression;administrative villages;input logistics;output logistics

U 4－9 < class="emphasis_bold">文献标志码:A

A

1004－1729(2011)04－0350－04

2011－04－10

吴汪友(1976－)，男，安徽安庆人，浙江交通职业技术学院运输管理学院讲师，硕士.