基于多元线性回归模型的澜沧江—湄公河客运量预测

谭家万等

【摘 要】 选取2005―2013年澜沧江流域客运量及云南省相关统计数据为样本数据，建立澜沧江-湄公河客运量多元线性回归预测模型，对模型精度进行检验。根据澜沧江水路客运量预测结果，历史实际值与拟合值贴合较好，表明所建立的模型具有较高的实用性和可靠性，对澜沧江-湄公河水路客运及相关行业的发展具有一定的导向作用。

【关键词】 澜沧江；水路客运量；多元线性回归预测模型

0 背 景

水路客货运量预测分析工作是航运生产经营活动的重要环节，是航运规划、统计工作的重要组成部分。加强水路客运量预测分析工作，及时掌握水路运输市场发展动态和需求，是水路运输业积极适应市场环境、在竞争中找准发展方向的有效途径，也是实现跨越式发展、制定相应措施、使有限的水上运输资源发挥更大作用的基础和重要环节。

澜沧江-湄公河作为一条流经东南亚6个国家的重要国际河流，不仅是我国通向中南半岛乃至东南亚的中轴线，而且是连接东盟与我国的重要水路通道，又是发展潜力最大、运输成本最低的黄金水道。澜沧江-湄公河区域各国之间的经济、文化合作如火如荼地开展，水上运输发展迅速，加快该水运大通道建设对促进沿岸各国深化合作、巩固长久的睦邻友好关系具有重大而深远的意义。因此，为了满足该区域经济社会发展对水上交通运输的需求，科学、准确地预测客运量成为一项重要的研究课题，可以作为我国加快澜沧江航运开发建设决策、综合交通运输布局的重要依据，可以为区域水运交通规划和管理提供必要的依据。

本文通过建立澜沧江-湄公河客运量多元线性回归模型，利用模型进行预测，并对模型精度进行检验。

1 澜沧江-湄公河客运量多元线性 回归预测模型的构建

目前，预测水运客运量的方法有很多种，如回归分析法、指数平滑法、灰色预测法等。多元线性回归预测模型因具有模型简洁、预测精度较高等优点而最为常用，本文将利用多元线性回归模型预测澜沧江-湄公河客货运量。

1.1 自变量选取

某一区域水上客货运输需求常常与该区域社会、经济、环境等多种因素相关。澜沧江-湄公河航道与印度洋连接，形成内河与海洋互联的水运大网络，将我国与太平洋、印度洋国家连通，对大湄公河次区域经济发展产生深远的影响，且具有重要的战略地位。区域经济总量的增长将带动航运需求的增长，同时航运发展速度与国内生产总值（GDP）的发展速度成正比，尤其是与第二、第三产业GDP关系密切。因此，本文选取云南省GDP、第一产业总值、第二产业总值、第三产业总值、固定资产投资、社会消费品零售总额为自变量。

1.2 样本数据

澜沧江-湄公河航运资源的开发带动了当地旅游业的发展，2005―2013年澜沧江流域客运量逐年增长（见表1）。

通过对澜沧江流域的实地调研，获取了云南省航务管理局、统计局、商务局、海关等部门的相关数据（见表2）。

1.3 相关性分析

为了保证线性模型的合理性，首先需要分析自变量和因变量之间的相关性，皮尔森相关系数（Pearson correlation coefficient）可以较为准确地反映变量之间的线性相关程度。用r表示相关系数，r的绝对值越大，表明相关性越强。

1.4 澜沧江-湄公河客运量多元回归预测模型的建立

现假设用于建立多元线性回归预测模型的自变量为x1，x2，x3，x4，x5，x6；因变量为y。采用2005―2013年澜沧江客运量历史统计数据，建立客运量多元线性回归预测模型

1.5 模型检验

通过运用数理统计的理论和方法，对所建立的预测模型进行检验，相关参数取值的可靠性检验主要包括拟合优度、方程显著性、变量显著性等。利用MATLAB软件对上述指标进行分析，统计结果见表4。

通过表4可以看出，当9组自变量自由度为7且显著度为0.05时，R2>99%，因此，可以认为多元线性方程拟合优度很好，具备合理性。通过分析近9年客运量实际值、拟合值和残差值关系发现，实际值与拟合值贴合较好（见图1）。

2 澜沧江-湄公河客运量的预测

2020年客运量的预测可通过自变量在本时间段内的预测值计算得到。预测云南省 2014―2020年间GDP年均增长率为12%，2020年GDP年均增长率为8%，利用指数曲线回归拟合方法得到自变量x1，x2，x3，x4，x5，x6的预测值（见表5）。

根据式（2）得到澜沧江-湄公河客运量预测值，预计到2020年客运量达150万人次。

3 结 语

本文通过建立澜沧江-湄公河客运量多元线性回归预测模型，对该水域客运量进行短期预测，并对模型进行精度检验。从对澜沧江-湄公河水路客运量预测的结果来看，实际值与拟合值贴合较好，表明所建立的模型具有较高的实用性和可靠性。