基于DPSIR-FAM模型的区域物流需求规模预测指标体系研究

赵文德 刘世明

摘 要：物流业作为国民经济的基础性行业，已经成为衡量区域经济发展的重要指标。为了促进区域物流优化布局，推动区域经济一体化发展，区域物流需求规模预测指标研究成为关键。首先分析了国内外关于物流需求规模预测指标体系构建的研究现状，基于“驱动力-压力-状态-影响-响应”（DPSIR）理论模型构建了包含物流需求压力、物流供给压力和物流政策压力的区域物流需求规模预测综合指标体系;然后运用关联度分析和因子分析对广东省区域物流规模预测指标体系构建进行实证分析。研究结果表明，物流需求压力、物流供给压力和物流政策压力成为影响区域物流需求预测的关键因素，最终构建了符合区域发展的自适应综合指标体系。

关键词：区域物流;需求预测;DPSIR;因子分析

一、引言

随着我国经济的发展，物流行业越来越成为衡量区域经济发展的重要指标，物流业作为国民经济的基础性行业，能够为区域经济增长、社会发展和人民生活提供高效快捷的公共服务。日前，国家邮政局宣布，2020年中国快递业第500亿个包裹诞生。据预测，今年我国快递业务量将突破750亿件。人民日报评论“快递业在现代流通体系建设中大有可为”，如何让物流业更好地服务于国家发展、社会进步、人民需求？如何让物流业充分发挥其基础性、战略性、先导性地位？物流需求规模预测成为十分关键的环节，只有实现物流需求规模的精准预测，才能基于数据实现更好区域物流的顶层设计和落地布局，影响物流需求规模预测精度的关键是预测指标体系的构建，基于此，本文主要探索和研究确立适用于区域物流需求规模预测的综合指标体系。

二、文献回顾

目前关于区域物流指标体系的研究大多集中在评价指标体系（康朕玮，2020;肖建辉，2020;PEDROSA A M等，2018）、绩效指标体系（彭静等，2017;董博等，2017;Rajesh R.等，2012）、竞争力评价指标体系（韩嵩，2019;刘艳等，2016;ASAI M等，2013）等方面。

综合来看，针对物流需求规模预测指标体系的研究较为缺乏，通过对国内外现有文献进行梳理，总结以下两个方面：（1）关于物流需求预测指标体系的内容维度方面，李敏杰等（2020）从经济因素、供给因素、冷链物流流通率、技术因素、劳动力因素等5个维度构建了水产品物流需求预测指标体系;王晓平等（2019）从农产品供给、社会经济、冷链发展、人文、物流需求规模5个维度构建了农产品物流需求预测指标体系;李捷等（2018）根据物流需求的影响因素分析构建了以经济、社会、贸易、生活等维度的预测指标体系。Anishchenko V等（2019）从道德，电子安全，电子支付，物流，活动预测，大数据分析和增长劳动效率等方面分析了信息社会发展条件下电子商务中的伦理问题。（2）关于物流需求预测指标体系的选取方法方面，陈维亚等（2020）通过问卷调研和因子分析定量分析构建出3个维度的指标体系用于评价公交调度技术的智能化程度。王文豪（2020）基于层次分析法构建了包含基层政府组织、扶贫政策、帮扶措施、帮扶成效等4个维度的指标体系，用于精准扶贫满意度评价。周水红等（2020）运用德尔菲专家咨询法和层次分析法进行医院绩效考核体系中医院感染质量考核指标体系的建立。董新良等（2018）利用因子分析进行指标体系的筛选，将效果不显著的指标进行剔除，最终从安全意识、安全知识和安全能力构建了评价指标体系。Pourmohammadi K等（2018）通过最佳拟合方法最終构建了基于效率/生产率，效力和财务主题的公立医院绩效评估指标体系。

物流需求规模预测指标体系的构建需要综合考虑影响区域物流发展的影响因素（姜旭等，2020），同时还需要遵循可操作性、普遍性等原则（毛蕴诗，Korabayev等，2020），因此指标体系的构建需要科学的流程，而目前关于区域物流需求规模预测指标体系构建的文献相对较少，现有文献存在的不足主要有：（1）现有的物流需求预测文献对指标体系的构建缺乏理论模型的支撑，所构建的指标体系相对松散;（2）现有的物流需求预测文献对指标体系构建方法的选取方面存在一定的局限性，特别是对于指标之间的共线性问题，少有文章进行讨论。本文在现有文献成果的基础上，首先将“驱动力-压力-状态-影响-响应”（DPSIR）理论模型迁移应用到物流需求规模预测指标体系的构建上，形成初步的综合指标体系;然后采用因子分析法对预测指标体系进行共线性消除，通过指标体系的筛选和剔除找到更具适应性的预测指标体系，以期为更加科学合理的物流需求规模预测提供可靠的建议和支撑。

三、区域物流需求规模预测指标体系

1.理论基础

促进区域物流发展的目的是为了实现经济、社会、生活的协调健康发展，但同时也会给诸如社会、生态环境等带来一些压力，区域物流发展的影响因素众多，且复杂，需要一个能够将众多复杂因素厘清并有效整合的理论模型进行指导。其中DPSIR模型能够为区域物流需求规模预测指标体系的厘清和重构提供理论支撑。

经济合作与发展组织（OCED）提出了可以广泛应用于不同学科领域的服务于复杂环境系统的评估模型（宗会明等，2017）。该模型的运作逻辑如图1所示，经济社会发展所确立的规划和目标提供了驱动力，同时也会带来压力的产生，系统压力的大小会对经济社会发展的状态带来改变，为了更好的驱动力实现和状态的缓解，系统会做出相应的响应，用以降低系统自身带来的弊病。

2.指标体系的筛选

区域物流需求规模预测指标体系的构建需要通过筛选、验证分析、确立等环节，其中筛选是指标体系构建的初始关键，也是一个需要反复斟酌的步骤，这直接决定了指标体系的质量的好坏。指标体系的筛选主要是通过借鉴和吸收前人的研究成果实现，本文系统梳理了李宝库、万艳春、CY Hsiao、才让加、陈治国、Hsu， C. L等国内外学者的代表性文献中涉及物流需求规模预测的高频指标，结合本文提出的DPSIR模型进行微调整理得到区域物流需求规模预测指标体系，具体如表1所示。该指标体系以区域物流发展为驱动力，包括了物流发展压力、物流需求压力、物流供给压力和物流政策压力，共涉及10个响应指标。

物流需求规模用来反映区域物流发展总体情况，根据指标的可获得性和权威性，本文选取《广东省统计年鉴（2010-2019）》中的全社会货物运输量指标来统计区域物流需求规模，其他指标均可以在统计年鉴中获取。

由于指标体系中各影响因素的量纲及其指标数据在数量上均存在差异，为了实现指标体系分析的科学性和合理性，需要对各影响因素的原始数据进行无量纲化处理，即将所有指标数据进行标准化。得到广东省2010年-2019年的各影响因素及物流需求规模观察值，如表2所示。

3.指标体系的分析

（1）指标体系的关联度分析

根据表2收集整理的数据进行无量纲化处理后，将物流需求规模与剩余12个指标进行关联分析，分析结果如表3所示。结果显示这9个指标与物流需求规模间的关联度排序为X5>X3>X6>X1>X2>X8>X7>X4>X9。由于这9个关联度值均大于0.7，指标的关联度达到三级精度水平，因此本次研究中归纳和筛选的这9个因素与物流需求规模之间有很强的关联度，适用于物流需求规模预测。

（2）指标体系的因子分析

将数据导入SPSS软件，分组进行因子分析，得到KMO值均大于0.5，Bartlett球度检验的显著性均为0.000，表明适合因子分析;通过降维分别对物流需求压力、物流供给压力、物流政策压力（分别用变量F1、F2、F3表示）所提取的因子累计贡献率均值达到91.429%，能够比较全面的反映所有的信息。

再次通过曲线拟合对物流需求规模与F1、F2、F3的耦合关系进行分析，可以发现物流需求规模与这三个主成分呈现显著的非线性正相关关系，曲线拟合的R2都通过了显著性检验，且都大于0.90，效果较好，曲线的走势也更加稳定，具体如图2所示。表明所构建的指标体系与物流需求规模之间具有较好的拟合优度，能够较好地实现区域物流需求规模预测的应用。

4.指标体系的确立

根据指标体系的关联度分析和因子分析结果可以看到调整后的指标体系稳定性和信效度都更好，该指标体系经过文献筛选初步确立、验证分析调整确立、综合考虑最终确立。将指标体系分为三个维度，分别是物流需求压力、物流供给压力和物流政策压力。具体如表6所示。

在得到的三个维度中，物流需求压力、物流供给压力和物流政策压力的影响程度分别为0.967、0.990、0.950，其中物流供给压力的影响程度最高，也进一步表明了需要重视物流基础设施建设与物流从业者培养，提升物流供给能力。

四、结束语

本文以区域物流需求规模预测指标体系构建为研究对象，基于“驱动力-压力-状态-影响-响应”（DPSIR）理论模型厘清物流需求规模预测影响因素的逻辑关系，根据国内外文献梳理实现物流需求规模预测指标体系的初步筛选，运用关联度分析和因子分析模型实现以广东省为案例的指标体系确立。基于以上，我们提出如下启示。

1.本文提出了基于“驱动力-压力-状态-影响-响应”（DPSIR）的指标体系构建理论模型基础。梳理和吸收国内外权威文献，将DPSIR理论模型引入物流需求规模预测指标体系的构建上，不仅有了理论支撑，同时也厘清了指标之间的逻辑联系和运作机理，避免指標之间的逻辑混乱以及理论支撑的缺乏。

2.本文构建了基于关联度分析与因子分析相结合的指标体系分析模型。在吸收传统指标体系确立方法的基础上，本文创新提出基于关联度和因子分析的分析方法，关联度分析解决指标之间的关系强度问题，因子分析主要解决指标之间的共线性问题，实现物流需求预测指标体系的更加符合统计学意义。

3.本文丰富了区域物流需求规模预测指标体系构建的研究。通过知网的文献可视化分析，目前关于“指标体系构建”的文献数量相对丰富，但是关于“物流需求预测指标体系构建”的文献数量相对较少，本文在DPSIR理论模型和关联度分析、因子分析基础上，结合广东省的发展实际，最终确立了物流需求压力、物流供给压力和物流政策压力等三个维度的物流需求规模预测综合指标体系，进一步丰富了改主题的文献研究。

但是由于作者能力有限，在今后的研究中仍然存在着一些需要改进的地方，如表现在：

由于物流需求规模发展的影响因素众多，本论文无法对所有的指标做出详细深入的讨论和研究，特别是对于无法量化的指标，在今后的研究中会试图加入物流政策制度、物流企业文化等这类定性因素，使指标体系得到进一步的完善。

参考文献：

[1]康朕玮.基于模糊物元法的京津冀区域物流能力评价研究[J].铁道运输与经济，2020，42（09）：63-69.

[2]肖建辉.物流高质量发展研究述评与展望[J].中国流通经济，2020，34（08）：14-26.

[3]PEDROSA A M， NASLUND D， JASMAND C.Logistics case study based research：towards higher quality[J].International journal，2018（3）：275-295.

[4]彭静，宋文娟.物流企业服务绩效评价研究[J].科技通报，2017，33（05）：20-23.

[5]董博，段满珍，李珊珊，轧红颖.基于DEA的区域物流低碳绩效评价[J].铁道运输与经济，2016，38（10）：18-21+37.

[6]Rajesh R.，Pugazhendhi S.，Ganesh K.，et al. Generic Balanced Scorecard Framework for Third Party Logistics Service Provider[J].General Information，2012（1）.

[7]韩嵩，刘娜.我国物流企业竞争力水平评价[J].商业经济研究，2019（15）：101-104.

[8]刘艳，曹伟，王晏晏.“一带一路”内陆节点城市物流业竞争力评价——基于熵权TOPSIS组合模型[J].技术经济，2016，35（11）：68-72+104.

[9]ASAI M，BRUGAL I Forecasting volatility via stock return，range，trading volume and spillover effects：the case of brazil[J].North American Journal of Economics and Finance，2013，25：202-213.

[10]李敏杰，王健.基于RBF神经网络的水产品冷链物流需求预测研究[J].中国农业资源与区划，2020，41（06）：100-109.

[11]王晓平，闫飞.基于GA-BP模型的北京城镇农产品冷链物流需求预测[J].数学的实践与认识，2019，49（21）：17-27.

[12]李捷，陈彦如，杨璐.基于两阶段组合预测模型的区域物流需求预测[J].信息与控制，2018，47（02）：247-256.

[13]Anishchenko V，Ostapchuk L，Tsariuk S，et al. Ethical Issues in the E-Business in the Conditions of the Information Society Development[J].Journal of Legal，Ethical and Regulatory Issues，2019，22.

[14]陈维亚，陈鑫，章雍，方晓平.公交调度智能化水平评价指标体系构建[J].科技管理研究，2020，40（16）：79-85.

[15]王文豪.基于AHP理论的精准扶贫满意度评价指标体系构建[J].统计与决策，2020，36（15）：60-64.

[16]周水红，王青，杨金莲，孙钰铭，孙双凤，谭红略.基于医院绩效考核的医院感染管理质量考核指标体系的构建与评价[J].中国感染控制杂志，2020，19（09）：773-779.

[17]董新良，关志康，宋佳.中学生安全素养测评指标体系的构建与运用[J].中国教育学刊，2018（11）：19-24+83.

[18]Pourmohammadi K，Hatam N，Shojaei P，et al. A comprehensive map of the evidence on the performance evaluation indicators of public hospitals：a scoping study and best fit framework synthesis[J].Cost Effectiveness & Resource Allocation， 2018，16（1）.

[19]姜旭，胡雪芹.基于组合赋权模型的物流企业绩效评价指标体系构建研究[J].管理评论，2020，32（08）：304-313.

[20]毛蕴诗，Korabayev Rustem，韦振锋.绿色全产业链评价指标体系构建与经验证据[J].中山大学学报（社会科学版），2020，60（02）：185-195.

[21]宗会明，蔡冰洁，冶建辉.物流发展与新型城镇化耦合指标体系的构建及应用[J].西南大学学报（自然科学版），2017，39（06）：100-106.

[22]李宝库，李销.长三角区域物流与区域经济互动关系研究——基于苏、浙、皖、沪的实证[J].华东经济管理，2020，34（08）：26-32.

[23]万艳春，何昱廷，胡雨鋆.粤港澳大湾区区域经济与物流的协同度评价——对粤港澳大湾区物流投入的启示[J].科技管理研究，2019，39（20）：45-52.

[24]Ishfaq R，Sox C R. Hub location-allocation in intermodal logistic networks[J].European Journal of Operational Research，2010（10）：213-230.

[25]才让加，高边玛草.甘青川滇藏区物流产业竞争力水平及其提升研究[J].西北民族大学学报（哲学社会科学版），2020（03）：36-43.

[26]Hsiao Chieh-Yu. A passenger demand model for air transportation in a hub-and-spoke network[J].Transportation Research，2011，47（6）：791-800.

[27]陈治国，陈俭，杜金华.我国物流业与国民经济的耦合协调发展——基于省际面板数据的实证分析[J].中国流通经济，2020，34（01）：9-20.

[28]Hsu， C. L，&Wang， C. C. Reliability analysis of network design for a hub-and-spoke air cargo network[J].International Journal of Logistics Research and Applications，2013，16（4），257-276.

作者簡介：赵文德（1993- ），男，硕士，广州番禺职业技术学院管理学院教师，研究方向：电子商务与物流、供应链管理;刘世明（1980- ），男，博士，广州番禺职业技术学院管理学院副研究员，研究方向：物流管理与供应链管理