基于多元线性回归模型的物流领域标准实施效益评价

江平 路欢欢

摘要：以2001～2018年物流行业GDP、运输线路长度、货运量、平均就业人数、标准化水平等统计数据作为基础样本数据，建立物流领域标准实施效益分析多元线性回归模型。通过Eviews统计分析软件，对回归方程进行估计并检验，分析标准实施对物流行业经济发展的边际影响。结果表明，标准实施对物流行业经济发展具有显著的正相关关系，标准化水平每提高1个单位，GDP将增长0.03%。

关键词：多元线性回归模型 物流 标准实施效益评价

Abstract： Based on the statistical data of GDP， length of transportation routes， freight volume， average number of employed person and standardization level of logistics industry from 2001 to 2018 as the basic sample data， this paper establishes a multiple linear regression model for the benefit analysis of logistics standards implementation. In Eviews software， we tried to estimate and test the regression equation of the model. Then we evaluated the marginal impact of standard implementation on the economic development of logistics industry. The results show that： the implementation of standards has a significant positive correlation with the economic development of logistics industry， and the GDP will increase by 0.03% for one unit increase of standardization level.

Key words： multiple linear regression model， logistics， evaluation of standards implementation benefit

1 引言

標准的实施可有效提高行业的标准化水平，为行业发展带来切实的经济效益[1-2]。我国从实施标准化改革以来非常重视标准的实施评价，开展对标准的评价研究将成为未来标准化工作的一个重要组成部分。

物流行业是生产性服务业的重要组成部分，发展生产性服务业是增加工业附加值、优化社会资源配置的重要途径，也是实现向技术进步和效率提升驱动的集约式经济增长转型的重要因素[3-5]。因此，本文以物流行业为例，研究物流领域标准实施的经济效益，可以使物流行业组织机构、企业等直观地看到标准实施带来的好处，有利于标准的贯彻实施，扩大标准实施范围，提升标准实施力度，促进整个物流行业更好更快地发展。

2 多元线性回归模型

2.1 模型概述

多元统计分析是运用数理统计的方法来研究多变量（多指标）问题的方法。本文选取合适的变量构建多元线性回归模型，来量化分析在其他解释变量保持不变的情况下，物流领域标准实施对经济发展的边际影响：

式中，Y表示被解释变量，即物流业经济发展程度;X表示解释变量，即物流业经济发展的影响因素;β表示偏回归系数，即表示当其他解释变量相同（保持其他解释变量不变）时，特定解释变量对被解释变量的边际影响（贡献）。

2.2 拟合优度检验

衡量回归方程的拟合优度最简单常用的方法是采用判定系数R2。R2的取值区间为0≤R2≤1，R2的值越接近1，表明回归方程的拟合优度越好。但是，当在特定方程中新增了一个完全不敏感的解释变量后，R2值也不会减小。即解释变量更多的方程将总是有更高或相同的判定系数R2。而调整后的判定系数R2考虑了自由度，并对在回归方程中增加新的自变量施加惩罚[6]。因此，本文采用调整了自由度之后的判定系数R2作为检验回归方程拟合优度的指标。

2.3 F检验

R2度量了回归方程的整体拟合优度，还需对整个回归方程进行显著性检验。通常采用F检验对所建立的回归方程进行显著性检验[7]。通过Eviews统计分析软件计算得到F统计量，并与相应自由度下的临界值Fa相比较，若F>Fa，说明回归方程显著。

3 物流行业经济发展多元线性回归模型建立

3.1 变量选取与数据来源

物流行业经济发展的影响因素很多。本文研究的是物流领域标准实施的经济效益，标准实施的结果是标准化水平的提高，因此在模型构建过程中，将物流行业GDP作为被解释变量，标准化水平作为解释变量之一。此外，本文结合相关文献，根据物流行业发展的实际情况，在科学合理的前提下，并考虑数据的可获得性，选取运输线路长度、货运量、平均就业人数等主要影响因素作为解释变量[8-12]。其中，运输线路长度、货运量、平均就业人数数据来源于2002～2019年《中国统计年鉴》;标准化水平用标准研制数来量化代替，数据来源于全国标准信息公共服务平台，样本数据见表1。

3.2 模型设定

根据所选解释变量，初步建立物流领域GDP与运输线路长度、货运量、平均就业人数、标准化水平之间的多元线性回归方程，模型可设定为：

式中：

β——偏回归系数;

GDPi——物流行业第i年的GDP;

LTRi——第i年的运输线路长度;

FVi——物流行业第i年的货运量;

AEi——物流行业第i年的平均就业人数;

STAi——物流行业第i年的标准化水平;

ε ——随机误差项。

3.3 模型估计与检验

运用Eviews统计分析软件，采用普通最小二乘法和表1中的数据来估计回归方程，得到分析结果见表2。可以得出物流行业GDP、运输线路长度、平均就业人数、货运量、标准化水平的多元线性回归模型：

从Eviews统计分析软件得到的分析结果可以看出：回归方程的R2值约为0.998，表明回归方程拟合优度好，物流行业经济发展的99.8%可以由运输线路长度、平均就业人数、货运量、标准化水平来解释。

本模型中k=4，N=18，那么分子的自由度为4，分母的自由度为13，查表可知，在1%显著水平下F的临界值Fa为5.21。从Eviews统计软件得到的分析结果来看，F=2309.106>F（4，13），说明在1%显著水平下，回归方程在统计上是显著的。

3.4 结果分析

从模型的运行结果来看，运输线路長度、平均就业人数、货运量、标准化水平对物流行业的经济发展均有着显著的正相关关系。此外，当运输线路长度、货运量、平均就业人数给定时，标准化水平每增加1个单位，就会使物流行业GDP增加11.27亿元，即标准化水平每提高1个单位，物流行业GDP将增长0.03%（按2018年物流行业GDP总量计）。

4 结语

本文通过建立物流行业经济发展多元线性回归模型，量化分析了物流领域标准实施的经济效益，更直观地反映出标准的实际有效性，可为物流领域标准的制修订及管理提供具体的判断依据，为行业标准化政策规划的制定提供决策支撑，为政府相关管理部门标准化工作的开展提供评估依据，更有效地支撑整个物流行业的发展。此外，本文对物流领域标准实施效益评价的实践探索，可以为其他服务类行业的标准评价及实施管理提供借鉴参考。

参考文献

[1] 姜龙珠， 伍薇， 陈银龙. 《快递服务》系列标准实施效益评价研究[J]. 中国标准化， 2019（7）：89-96.

[2] 李炯. 旅游服务标准化效益评价研究：以阳朔为例[D]. 桂林：广西师范大学， 2014.

[3] 杨帆. 生产性服务业发展的动力机制与空间效应研究进展[J]. 地理科学进展， 2018， 37（6）：750-760.

[4] 王雪瑞. 物流业对生产性服务业贡献力研究[J]. 物流科技，2014，37（2）：19-21.

[5] 田振中. 生产性服务业发展影响因素实证研究[J]. 统计与决策， 2019，35（4）：112-115.

[6] 施图德蒙德 A H. 应用计量经济学[M].北京：机械工业出版社， 2019.-

[7] 彭辉， 赵亚军， 胡章浩. 应用多元线性回归模型的铁路客运量预测[J]. 重庆理工大学学报（自然科学），2018，32（9）：190-193.

[8] 刘浪琴. 长江中下游地区物流经济发展影响性因素研究[J]. 商场现代化， 2016（29）：60-61.

[9] 王健， 刘荷. 区域物流发展的影响因素研究：基于福建省的实证分析[J]. 华东经济管理， 2014（3）：22-27.

[10] 李春林， 伍信怡. 基于多重多元线性回归模型的京津冀物流产业发展影响因素分析[J]. 物流科技， 2019，42（2）：34-37.

[11] 李彤， 宋跃晋， 周仪， 等. 基于多元线性回归模型的广东省卫生总费用的影响因素分析[J]. 医学与社会， 2020， 33（4）：66-69.

[12] 李彦芙. 基于多元线性回归模型的江苏省GDP增长影响因素研究[J]. 特区经济， 2019（4）：84-88.