基于多元回归的物流需求影响因素分析

李婷怡，杨春生

（1．广西师范大学数学与统计学院，广西 桂林 541006；2．桂林理工大学公共管理与传媒学院，广西 桂林 541004 ）

随着国民经济的快速发展，我国物流业在国民经济中占有不可或缺的地位。2020年是我国脱贫攻坚战决胜之年，一场突如其来的疫情让许多行业都受到了不同程度的影响。但此时的物流行业发挥了巨大作用，不论是医用物资还是生活生产物资都需要依靠物流来保障疫区居民正常生活、医生生命安全和抗疫速度，为治病抗疫提供可靠的后勤保障。

据国家统计局2020年统计年鉴数据显示：2019年，全国货运量为471亿吨，同比减少8.5%，货物周转量约为20万亿吨公里。另外，近年来天猫、淘宝和阿里巴巴等的出现也给物流行业带来了极大的影响。

我国政府高度重视物流产业的发展，2014年国家制定了《物流业发展中长期规划（2014—2020年）》，规划中提到“首先要支持和发展物流业作为国家的支柱产业”。研究物流需求的影响因素对国家进行物流行业的调整以及决策都具有非常重大的意义，正确的调整和决策可以促进我国物流行业的发展，从而促进整个社会经济实力的提升和产业结构的调整优化。

影响物流需求的因素有很多，因此不同学者采用了不同的方法来研究物流需求的影响因素，识别并验证出了具体的主要影响因素。

徐宇、张敏等人以长沙为例，将货运量与货物周转量作为反映物流需求的重要指标，采用灰色关联，分析出第二产业增加值和社会消费品零售额是主要因素。

张岐山从经济发展、产业结构、区位优势、技术进步四个方面来分别研究影响物流需求的因素，增加了R&D投入费用和各地区技术市场成交额等因子，最后得出第二产业和社会消费品零售总额与物流需求影响最为密切。

王德华则通过构建回归模型,运用协整理论研究怀化区域物流需求，证明了第一产业、第二产业和全社会消费状况三个因素与物流业发展之间存在长期的均衡关系。

通过阅读以上文献发现，针对物流需求的影响因素这个问题，尽管不同的学者采用了不同的模型研究方法，但最后的研究结果很大程度上都比较相似。

1.模型的指标选取和构建

1.1 指标选取

物流需求源自社会经济活动，物质的流动是由于社会生产和社会消费的需要，其中运输是影响最大的因素。通过参考相关研究成果发现，大多数社会团体和学术界都使用货物周转量作为衡量一个国家和地区的总物流需求的指标，故在本文中也选取货物周转量作为被解释变量。由于物流活动在生产、流通和消费等社会经济活动的整个过程中占有不同程度的比例，与社会经济的发展息息相关，因此选取可能影响的6个具体指标：GDP（X1）、年末常住人口（X2）、社会消费品零售总额（X3）、进出口总额（X4）、第三产业增加值（X5）和全社会固定资产投资（X6）作为解释变量。

物流产业是我国国民经济的基础产业；人口的数量也能影响到物流需求的大小；社会消费品零售总额反映了商品需求、社会商品购买力等方面不同的情况；进出口贸易的需求量与物流运输直接相关；第三产业的增加值直接反映物流规模及需求规模；全社会固定资产投资可以刺激消费，拉动内需，加快物流基础设施建设。

1.2 模型构建

本文参照国家统计局历年的统计年鉴进行整合，收集了2000-2018年的各项经济指标。以货物周转量（亿吨公里）Y作为因变量，以GDP（亿元）、年末常住人口（万人）、社会消费品零售总额（亿元）、进出口总额（亿元）、第三产业增加值（亿元）、全社会固定资产投资（亿元）分别作为自变量X1，X2，X3，X4，X5和X6，创建多元回归模型：

其中，Y是因变量，Xi（i=1,2,...,6）是自变量，0β是多元线性回归方程的截距，iβ（i=1,2,...,6）是各个自变量的回归系数，ε为随机误差项，ε~N(0 ,σ2)。

2.实证分析

2.1 相关分析

利用R软件计算变量之间的相关系数，得出Y与X1，X2，X3，X4，X5和X6之间显著相关，且均为正相关，相关系数都在0.9以上。同样绘制各变量散点图，可以得出虽然有部分变量呈现一定程度的偏斜，但总体上货物周转量随着各项经济指标的增加而增加。另外，自变量之间也存在高度相关性，因此自变量之间可能存在多重共线性。

2.2 回归分析

利用R软件得到参数估计的回归分析结果，如表1所示。

表1 回归计算结果

根据表1中的结果显示，可以得到初步的估计模型为：

2.3 模型检验

2.3.1 拟合优度检验

从上表的数据可以看出R2的值为0.993，修正后的R2为0.9896，表示自变量可以对因变量的98.96%作出解释，模型的拟合效果较好。

2.3.2 F检验

在显著性水平α=0.05的条件下，由上表给出的数 据 可 得 到F=285.1，而 在 自 由 度n1为6和n2为12下的 临 界 值 为=2.33，远 小 于285.1，故 拒 绝 假 设H0:β1=β2=β3=β4=β5=β6=0，即回归方程是显著的。

2.3.3 t检验

2.3.4 多重共线性检验

在多元回归中，当两个或多个自变量有一定程度的相关性时，可能会出现多重共线性的情况。常见的检测共线性问题的方法有：求各变量的VIF（方差膨胀因子）和条件数K。利用R计算得到每个自变量的VIF值均远远大于10，且条件数K值7398.944也远大于1000，表明这6个变量作为自变量，存在严重的多重共线性，当模型具有严重的多重共线性时，该模型将不稳定并且无法确定回归系数。

2.4 模型修正

在多元回归分析中，处理模型多重共线性的常用方法包括岭回归、适应性Lasso回归和偏最小二乘回归等方法。本文选用岭回归来修正模型。

岭回归法中最重要的问题就是参数k的选取，在本文中将通过绘制岭迹图来确定最佳参数k。为方便岭参数的确定，用Y与标准化后的6个自变量进行岭回归，其中岭参数k的取值为[0,3]，步长为0.1，最终得到k不同取值时各变量对应的参数的岭迹图，如图1（a）所示。

图1 岭迹图

表2 参数估计表

由此可以得到标准化后新的多元线性回归模型：

t值对应的P值远小于显著性水平α，故拒绝原假设，通过了回归系数的显著性检验。此时，F值为71.44，而在自由度为3和16下的临界值=2.46远小于F值，故通过了回归方程的显著性检验。R方值为0.9533，模型合理，且有效解决了多重共线性的问题。

2.5 模型结果解释

由 岭 回 归 结 果 可 知，2β=0.2232，4β=0.2460，5β=0.1813，6β=0.1997，表示在其他条件不变的情况下，年末常住人口、进出口总额、第三产业增加值、全社会固定资产投资每增加1%，物流需求分别平均增加0.2232%，0.246%，0.1813%，0.1997%，符合经济现实，说明这些因素对物流需求分别有不同程度的贡献。

3.结论及对策

通过建立回归模型和实证分析，得出进出口总额（X4）对货物周转量的影响最大，当控制其他变量时，每增加一单位的进出口总额，货物周转量平均增加0.246亿吨公里，年末人口数（X2）和全社会固定资产投资（X6）的影响次之，第三产业增加值（X5）的影响最小，主要原因是尽管货物周转量属于第三产业，但第三产业的核心是服务业，主要表现在无形产品中，因此其影响相对较弱。结合我国现代物流的发展现状，可以从以下几个方面提出政策建议。

对不同地区因地制宜，建立健全现代物流产业的发展体系，加强现代物流基础设施建设。放宽市场准入，解除对物流企业经营的限制，促进现有运输、仓储、装卸、加工、销售企业的服务扩展和功能整合，加快物流企业向现代物流企业转变。

随着人口的增长，物流方面的需求大大提升，但与此同时物流业人力成本的增加也给物流需求带来了一定的压力。物流业属于服务业范畴，是劳动力密集型产业，对人力资源的依赖很大。优化物流服务，提高物流服务创新形式，满足消费者消费层次的多样化、个性化，这样消费者的消费体验才能提高，才能实现物流需求的增长。