多元線性回歸方程對(duì)預(yù)測(cè)物流需求預(yù)測(cè)作用,應(yīng)用數(shù)學(xué)論文

多元線性回歸方程對(duì)預(yù)測(cè)物流需求預(yù)測(cè)作用,應(yīng)用數(shù)學(xué)論文本篇論文目錄導(dǎo)航：【】【】【】【】多元線性回歸方程對(duì)預(yù)測(cè)物流需求預(yù)測(cè)作用【】多元線性回歸分析論文范文：多元線性回歸方程對(duì)預(yù)測(cè)物流需求預(yù)測(cè)作用內(nèi)容摘要：本文選取貨運(yùn)量作為物流需求水平的指標(biāo)，結(jié)合Eviews軟件通太多元線性回歸方式方法進(jìn)行預(yù)測(cè)，并通過(guò)大連市2002-2021年的統(tǒng)計(jì)數(shù)據(jù)進(jìn)行了實(shí)證分析，證明多元線性回歸方程對(duì)預(yù)測(cè)物流需求有較好的參考作用。本文關(guān)鍵詞語(yǔ)：物流需求；多元線性回歸；實(shí)證分析；流通經(jīng)濟(jì)；作者簡(jiǎn)介：李寧〔1997-〕，女，廣西北海人，碩士研究生，大連財(cái)經(jīng)學(xué)院，副教授，研究方向：物流與供給鏈管理。；一、研究背景物流是指物品從供給地向接受地轉(zhuǎn)移的實(shí)體流動(dòng)經(jīng)過(guò)。在這個(gè)經(jīng)過(guò)中，為了知足客戶的需求，以最低的成本，通過(guò)運(yùn)輸、儲(chǔ)存、包裝、裝卸搬運(yùn)、配送等方式，實(shí)現(xiàn)原材料、半成品、成品或相關(guān)信息進(jìn)行由商品的產(chǎn)地到商品的消費(fèi)地的計(jì)劃、施行和管理的全經(jīng)過(guò)。當(dāng)代物流是推動(dòng)經(jīng)濟(jì)發(fā)展的重要服務(wù)業(yè)，我們國(guó)家物流業(yè)已經(jīng)成為推動(dòng)增長(zhǎng)和提高經(jīng)濟(jì)發(fā)展水平的關(guān)鍵產(chǎn)業(yè)。在這里背景下，為了持續(xù)穩(wěn)定發(fā)展地區(qū)經(jīng)濟(jì)，優(yōu)化地區(qū)產(chǎn)業(yè)構(gòu)造，提升地區(qū)經(jīng)濟(jì)內(nèi)涵，為和企業(yè)進(jìn)行科學(xué)的目的和戰(zhàn)略規(guī)劃提供參考，很有必要對(duì)區(qū)域物流需求進(jìn)行預(yù)測(cè)和分析。大連作為東北亞的物流中心，當(dāng)代物流業(yè)的發(fā)展挑戰(zhàn)與機(jī)遇并存。運(yùn)用合理的方式方法對(duì)物流需求進(jìn)行預(yù)測(cè)，對(duì)于大連市合理地規(guī)劃物流產(chǎn)業(yè)和物流企業(yè)的發(fā)展，提高地區(qū)經(jīng)濟(jì)水平和減少不合理的投入，有著重要的作用和意義。因而，物流預(yù)測(cè)已成為物流領(lǐng)域的重要研究?jī)?nèi)容之一，關(guān)于物流預(yù)測(cè)方式方法的研究也越來(lái)越顯示出其重要性。二、物流需求預(yù)測(cè)方式方法選取物流需求預(yù)測(cè)是根據(jù)物流市場(chǎng)過(guò)去和如今的需求狀況，并綜合考慮影響物流市場(chǎng)需求變化的因素之間的關(guān)系，結(jié)合一定的技術(shù)方式方法和預(yù)測(cè)模型，對(duì)有關(guān)反映市場(chǎng)需求指標(biāo)的變化以及發(fā)展的趨勢(shì)進(jìn)行預(yù)測(cè)。物流市場(chǎng)是個(gè)復(fù)雜開(kāi)放的系統(tǒng)，遭到國(guó)內(nèi)外眾多因素的影響，如政治、經(jīng)濟(jì)、社會(huì)、環(huán)境等多方面綜合因素。國(guó)內(nèi)外很多學(xué)者在這里領(lǐng)域進(jìn)行了多年的研究，將其它領(lǐng)域運(yùn)用成熟的預(yù)測(cè)方式方法實(shí)踐在物流需求預(yù)測(cè)上，并開(kāi)發(fā)出多種模型和方式方法。物流需求預(yù)測(cè)方式方法可分為定量預(yù)測(cè)、定性預(yù)測(cè)以及組合預(yù)測(cè)三種方式方法。定量預(yù)測(cè)指的是使用專家判定法、市場(chǎng)研究法等，依靠人的主觀判定進(jìn)而對(duì)需求進(jìn)行預(yù)測(cè)；定性預(yù)測(cè)包括傳統(tǒng)的時(shí)間序列預(yù)測(cè)法、回歸分析法、灰色預(yù)測(cè)法、神經(jīng)網(wǎng)絡(luò)及其改良形式，如支持向量機(jī)等；組合預(yù)測(cè)法是考慮到單一定量預(yù)測(cè)方式方法的假設(shè)條件和適用范圍的局限性，將多個(gè)單一定量預(yù)測(cè)方式方法進(jìn)行適當(dāng)?shù)慕M合，以到達(dá)提高物流需求預(yù)測(cè)精度的目的。組合預(yù)測(cè)方式方法是近年來(lái)國(guó)內(nèi)專家研究的熱門，但是怎樣選取合理的單一模型，以及怎樣確定組合模型的最優(yōu)權(quán)重，使其到達(dá)提高預(yù)測(cè)精度的效果，當(dāng)前尚未有成熟的理論和方式方法。因而，本文使用相對(duì)成熟、運(yùn)用較廣泛的多元線性回歸模型對(duì)大連市的物流需求進(jìn)行預(yù)測(cè)。表12007-2021年大連市部分統(tǒng)計(jì)數(shù)據(jù)表注：表中，2021年，2021年人民幣與美元的平均匯率為6.7518和6.6174,因而統(tǒng)計(jì)年鑒中年度進(jìn)出口總額4132.2億元和4701.4億元折算為619.4億美元和710.5億美元。三、多元線性回歸模型構(gòu)建在市場(chǎng)的經(jīng)濟(jì)活動(dòng)中，市場(chǎng)現(xiàn)象的發(fā)展和變化往往取決于幾個(gè)影響因素；也就是講，一個(gè)因變量和幾個(gè)自變量有依存關(guān)系的情況。而且，有時(shí)幾個(gè)影響因素主次難以區(qū)分，或者有的因素雖屬次要，但也不能略去其作用，這時(shí)需要采用多元回歸分析預(yù)測(cè)法。表2各變量間的相關(guān)系數(shù)矩陣多元回歸分析預(yù)測(cè)法是指通過(guò)對(duì)兩個(gè)或兩個(gè)以上的自變量與一個(gè)因變量的相關(guān)分析，建立預(yù)測(cè)模型進(jìn)行預(yù)測(cè)的方式方法。當(dāng)自變量與因變量之間存在線性關(guān)系時(shí)，稱為多元線性回歸分析。表3逐步回歸后的回歸方程結(jié)果設(shè)y為因變量，x1,x2xk為自變量，并且自變量與因變量之間為線性關(guān)系時(shí)，則多元線性回歸模型為：y=b0+b1x1+b2x2++bkxk+e華而不實(shí)，b0為常數(shù)項(xiàng)，b1,b2,bk為回歸系數(shù)。多元性回歸模型的參數(shù)估計(jì)，要求誤差平方和e2為最小的前提下，用最小二乘法求解參數(shù)。以二元線性回歸模型為例，求解回歸參數(shù)的標(biāo)準(zhǔn)方程組為：解此方程，可求得b0、b1和b2的數(shù)值。亦可用以下矩陣法求得：即：四、實(shí)證分析物流需求在一定時(shí)期內(nèi)社會(huì)經(jīng)濟(jì)活動(dòng)對(duì)生產(chǎn)、流通、消費(fèi)領(lǐng)域的原材料、成品和半成品、商品以及廢舊物品和廢舊材料等的配置作用而產(chǎn)生的對(duì)物品在空間、時(shí)間和費(fèi)用方面的要求，牽涉運(yùn)輸、儲(chǔ)存、包裝、裝卸搬運(yùn)、配送、流通加工以及與之相關(guān)的信息需求等內(nèi)容。本文選取2007-2021年大連市統(tǒng)計(jì)年鑒上的數(shù)據(jù)作為樣本數(shù)據(jù)，選取物流貨運(yùn)量〔萬(wàn)噸〕為物流需求指標(biāo)Y,選取全社會(huì)固定資產(chǎn)投資總額為X1、進(jìn)出口總額為X2、居民消費(fèi)水平為X3、地區(qū)生產(chǎn)總值為X4、第一產(chǎn)業(yè)總值為X5、第二產(chǎn)業(yè)總值為X6、第三產(chǎn)業(yè)總值為X7、社會(huì)消費(fèi)品零售總額X8等8個(gè)因素作為物流需求預(yù)測(cè)的經(jīng)濟(jì)指標(biāo)。假設(shè)多元線性回歸模型為：Y=b0+b1X1+b2X2+b3X3+b4X4+b5X5+b6X6+b7X7+b8X8+原始數(shù)據(jù)表如表1所示?！惨弧扯嘀毓簿€性檢驗(yàn)在多元線性回歸模型中，解釋變量之間由于存在相關(guān)關(guān)系而使模型估計(jì)失真或難以估計(jì)準(zhǔn)確，因而要進(jìn)行多重共線性檢驗(yàn)。本文使用Eviews10.0軟件進(jìn)行多重共線性檢驗(yàn)，各變量間的相關(guān)系數(shù)矩陣如表2所示。表2中，有部分相關(guān)系數(shù)大于0.8,可見(jiàn)解釋變量之間存在著較嚴(yán)重的多重共線性。因而，采用逐步回歸的方式方法對(duì)解釋變量進(jìn)行挑選，以確定最后的解釋變量。〔二〕變量確實(shí)定如前所述，本文選取貨運(yùn)量作為被解釋變量，解釋變量分別為全社會(huì)固定資產(chǎn)投資額、進(jìn)出口總額、居民消費(fèi)水平、地區(qū)生產(chǎn)總值、第一產(chǎn)業(yè)產(chǎn)值、第二產(chǎn)業(yè)產(chǎn)值、第三產(chǎn)業(yè)產(chǎn)值和社會(huì)消費(fèi)品零售總額。本文選擇逐步回歸法來(lái)剔除解釋變量。首先，將全部解釋變量引入回歸方程，對(duì)回歸方程做顯著性檢驗(yàn)；其次，在回歸顯著性檢驗(yàn)為不顯著的一個(gè)或多個(gè)變量中，剔除最不顯著的變量，接著重新建立回歸方程；最后，再次進(jìn)行檢驗(yàn)。重復(fù)以上步驟，直到回歸方程中所有解釋變量的回歸系數(shù)都通過(guò)顯著性檢驗(yàn)，最終建立回歸方程。通過(guò)以上逐步回歸法，依次剔除了X7,X6,X3,X8,X5,X1,得到表3的回歸結(jié)果。觀察表3中的輸出結(jié)果，R2=0.941367,講明模型對(duì)樣本擬合度較好。由F=112.3867可知，在顯著水平5%的條件下，F(xiàn)F〔n,m-n-1〕=F0.05〔2,14〕=2.73,即模型中解釋變量與被解釋變量之間的線性關(guān)系是顯著的。同樣，顯著水平=0.05時(shí)，t/2〔m-n-1〕=t0.025〔14〕=2.145.由表3可知，X2和X4均通過(guò)了t檢驗(yàn)。1〔三〕結(jié)果分析由Eviews輸出結(jié)果分析，多元線性回歸方程為：Y=17122.29+20.63394X2+1.824796X4;即大連市貨運(yùn)量〔Y〕與進(jìn)出口總額〔X2〕和地區(qū)生產(chǎn)總值〔X4〕密切相關(guān)。隨著進(jìn)出口總額增加1億美元，貨運(yùn)量增加20.63394萬(wàn)噸；隨著地區(qū)生產(chǎn)總值增加1億元，貨運(yùn)量增加1.824796萬(wàn)噸。五、結(jié)論本文在查閱了大連市2002-2021年貨運(yùn)量和相關(guān)統(tǒng)計(jì)數(shù)據(jù)的基礎(chǔ)上，結(jié)合Eviews軟件建立了物流需求的多元線性回歸方程，即Y=17122.29+20.63394X2+1.824796X4.由回歸方程進(jìn)行分析，大連市進(jìn)出口貿(mào)易總額對(duì)貨運(yùn)量的影響最大，其次是地區(qū)生產(chǎn)總值。模型通過(guò)了統(tǒng)計(jì)學(xué)和計(jì)量經(jīng)濟(jì)學(xué)的檢驗(yàn)，并且模型的擬合度到達(dá)94.13%以上，講明模型較好地反映了大連市整體的物流需求發(fā)展水平。因而，大連市在發(fā)展當(dāng)代物流產(chǎn)業(yè)時(shí)，應(yīng)結(jié)合這些需求特點(diǎn)，大力發(fā)展外向型產(chǎn)業(yè)，重點(diǎn)支持國(guó)際貿(mào)易，提升進(jìn)出口貿(mào)易總額，通過(guò)以上措施帶動(dòng)大連市整體物流需求的增長(zhǎng)。同時(shí)，地區(qū)整體經(jīng)濟(jì)水平對(duì)于物流業(yè)的提升作用也非常明顯，大連市應(yīng)繼續(xù)優(yōu)化產(chǎn)業(yè)構(gòu)造，提升地區(qū)競(jìng)爭(zhēng)力，通過(guò)地區(qū)經(jīng)濟(jì)發(fā)展來(lái)促進(jìn)物流行業(yè)的進(jìn)一步發(fā)展和壯大。以下為參考文獻(xiàn)[1]大連市統(tǒng)計(jì)局。大連市統(tǒng)計(jì)年鑒〔2022年〕