基于組合模型預(yù)測法的廣州港集裝箱吞吐量預(yù)測

陳浩

【摘 要】 為彌補單一模型預(yù)測方法的不足，以廣州港集裝箱吞吐量歷史數(shù)據(jù)為依據(jù)，分析集裝箱吞吐量的主要影響因素，分別采用時間序列模型、Eviews多元線性回歸模型對2018―2022年廣州港的集裝箱吞吐量進行預(yù)測。比較組合加權(quán)方法對預(yù)測結(jié)果的預(yù)測，結(jié)果表明：組合模型預(yù)測法能夠提高預(yù)測的準確性，減小預(yù)測誤差。

【關(guān)鍵詞】 廣州港；集裝箱吞吐量；時間序列；多元線性回歸模型；組合預(yù)測

0 引 言

隨著“十三五”規(guī)劃的實施以及“一帶一路”倡議的推廣，港口集裝箱業(yè)務(wù)發(fā)展將迎來黃金時期，廣州港集裝箱吞吐量在2017年首次突破萬TEU。廣州港是華南地區(qū)集裝箱樞紐港，準確預(yù)測其集裝箱吞吐量有著重大的研究意義。

目前大多數(shù)學(xué)者在港口吞吐量預(yù)測中主要采用定性和定量兩種方法，其中定量預(yù)測法主要包括時間序列趨勢外推、多元線性回歸分析、灰色預(yù)測、指數(shù)平滑和彈性系數(shù)等。沈旻[1]采用三次指數(shù)平滑法和灰色預(yù)測法GM（1，1）進行了吞吐量預(yù)測；高鳳姣等[2]建立兩個不同的多元線性回歸模型分別對上海港集裝箱吞吐量進行預(yù)測；朱小檬等[3]采用時間序列與因果關(guān)系結(jié)合法進行吞吐量中長期預(yù)測；劉長儉等[4]認為時間序列法宜采用近期歷史數(shù)據(jù)進行短期預(yù)測較為準確。

本文分別采用時間序列模型和Eviews多元線性回歸模型對廣州港集裝箱吞吐量進行預(yù)測。根據(jù)兩種預(yù)測模型的特點，利用平均加權(quán)法對兩種模型進行組合預(yù)測，彌補單一預(yù)測方法的不足，使得預(yù)測結(jié)果更加接近實際發(fā)生量。

1 基于時間序列的預(yù)測

1.1 模型的選擇與分析

時間序列法在總結(jié)事物的過去和現(xiàn)在的發(fā)展規(guī)律基礎(chǔ)上，利用趨勢外推法預(yù)測未來事物的發(fā)展趨勢。根據(jù)資料統(tǒng)計，近年廣州港集裝箱吞吐量呈整體穩(wěn)定的發(fā)展趨勢，在“十三五”期間腹地經(jīng)濟結(jié)構(gòu)基本不變、經(jīng)濟平穩(wěn)增長的環(huán)境下，利用時間序列法的基本假設(shè)成立，時間序列法對中短期內(nèi)集裝箱吞吐量的預(yù)測較為理想。

為了初步確定時間序列與歷年吞吐量是否符合線性相關(guān)，對2011―2016年廣州港集裝箱吞吐量數(shù)據(jù)（見表1）作散點分析（見圖1）。結(jié)果表明，近年廣州港集裝箱吞吐量呈近似的線性增長趨勢。

從圖1可以看出，2011―2016年廣州港集裝箱吞吐量總體保持增長趨勢，可近似認為保持線性增長趨勢，符合基于時間序列法對近期廣州港集裝箱吞吐量的預(yù)測。

1.2 建立模型

1.2.1 線性趨勢外推模型

將時間序列觀察值分為t個，依次為（x1，y1），（x2，y2），…，（xt，yt）。設(shè)yi （i=1，2，…，t）為第i期的實際集裝箱吞吐量，yi為第i期的預(yù)測集裝箱吞吐量，xi為第i期的時間序列值。利用直線擬合法的相關(guān)原理建立如下模型：

1.2.2 確立集裝箱吞吐量線性趨勢外推模型

根據(jù)表1和模型（1），估算廣州港集裝箱吞吐量與時間序列數(shù)據(jù)之間的參數(shù)，建立如下模型：

yi=95.99 xi 191 670（2）

通過模型推算出決定系數(shù)R2=0.970 8>0.95，再對模型結(jié)果進行檢驗，對應(yīng)參數(shù)a、b的標準差分別為16 774.33、8.330 9，對應(yīng)參數(shù)a、b的估計值分別為 11.426 40、11.522 98。計算結(jié)果均符合F分布、t分布的對應(yīng)值，模型檢驗通過。

1.2.3 模型預(yù)測誤差分析

根據(jù)模型（2）和表1，可以對2011―2016年廣州集裝箱吞吐量進行預(yù)測。比較歷史數(shù)據(jù)與預(yù)測結(jié)果可以發(fā)現(xiàn)，確立的趨勢外推模型能夠較準確地對吞吐量進行預(yù)測，預(yù)測出的誤差值均控制在4%以內(nèi)，保持了較高的精確度。

1.2.4 預(yù)測值

利用時間序列模型可對2018―2022年廣州港集裝箱吞吐量進行預(yù)測，具體預(yù)測結(jié)果見表3。

2 Eview多元線性回歸模型

2.1 建立多元線性回歸模型

分析多元線性回歸模型須找出有關(guān)影響港口集裝箱吞吐量的主要因素，即通過主要影響因子對因變量進行預(yù)測。篩選出3個主要影響港口集裝箱吞吐量的因子，分別是地區(qū)GDP、外貿(mào)進出口額、社會消費品零售額等。針對以上分析構(gòu)建多元線性回歸模型：

2.2 統(tǒng)計數(shù)據(jù)來源

2011―2016年廣州港各主要影響因子統(tǒng)計數(shù)據(jù)見表4。

2.3 集裝箱吞吐量預(yù)測模型

根據(jù)表4，結(jié)合模型（3）的有關(guān)原理，構(gòu)建出吞吐量與地區(qū)GDP、外貿(mào)進出口額、社會消費品零售額之間的多元線性回歸模型。利用計量經(jīng)濟學(xué)統(tǒng)計軟件Eviews可以分別得到多元線性回歸模型參數(shù) 0、 1、 2、 3。

利用Eviews軟件計算各參數(shù)的輸出結(jié)果，得到集裝箱吞吐量預(yù)測模型的具體形式為

2.4 多元線性回歸模型檢驗

多元線性回歸模型的校正決定系數(shù)R2為，非常接近1，說明擬合度很高；對回歸模型的參數(shù)進行顯著性檢驗， 0、 1、 2、 3的檢驗結(jié)果分別為 3.661 25、4.710 6、5.722 9、 3.395 5，對變量m1、m2、m3的作用顯著，建立的多元線性回歸模型通過檢驗。

2.5 預(yù)測結(jié)果

根據(jù)《廣州市國民經(jīng)濟和社會發(fā)展第十三個五年規(guī)劃綱要（2016―2020年）》的目標值，到2020年廣州市GDP、外貿(mào)進出口額、社會消費品零售額將分別達到26 000億元、11 500億元、11 600億元，從而確定各影響因素的年均增長率分別為7.5%、6.7%、7.9%。

根據(jù)模型（4），結(jié)合各影響因素的年均增長率，可得到多元線性回歸模型的預(yù)測值，見表5。

3 組合模型的建立與分析

3.1 確定組合模型預(yù)測方法

單一的預(yù)測模型通常存在局限性，往往會出現(xiàn)偏差。采用組合模型預(yù)測方法可以彌補單一模型預(yù)測方法的不足，提高預(yù)測結(jié)果的準確性。因此，根據(jù)上述基于時間序列的趨勢外推模型與多元線性回歸模型建立組合預(yù)測方法，對廣州港集裝箱吞吐量進行預(yù)測。

3.2 建立組合預(yù)測模型

基于時間序列的趨勢外推模型與多元線性回歸模型是從不同角度對港口集裝箱吞吐量進行預(yù)測的，由于兩種模型的預(yù)測結(jié)果各有優(yōu)缺點，因此在組合預(yù)測中對以上兩種預(yù)測模型采用平均分配各占50%權(quán)重的方法，對廣州港集裝箱吞吐量進行預(yù)測研究。

3.3 結(jié)果分析

2017年廣州港實際完成集裝箱吞吐量為2 037萬TEU，到2020年廣州港集裝箱吞吐量目標值為2 500萬TEU。2017年、2020年集裝箱吞吐量綜合預(yù)測值見表6。

對比分析2017、2020年廣州港集裝箱吞吐量的實際發(fā)生值、規(guī)劃值與組合預(yù)測值可以發(fā)現(xiàn)，組合預(yù)測方法更加科學(xué)合理。雖然采用組合預(yù)測方法會增加預(yù)測的復(fù)雜性和工作量，但通過加權(quán)平均處理，并綜合以上2種方法的優(yōu)點，能夠得到較為理想的預(yù)測效果。

3.4 2018―2022年廣州港集裝箱吞吐量預(yù)測

利用時間序列趨勢外推模型、多元線性回歸模型及組合預(yù)測模型可以分別預(yù)測得到2018―2022年廣州港集裝箱吞吐量，見表7。

4 結(jié) 語

組合模型預(yù)測法汲取了時間序列趨勢外推模型和多元線性回歸模型的優(yōu)點，通過平均加權(quán)的方法，彌補了兩種預(yù)測模型的不足，進一步提高預(yù)測精度，較好地預(yù)測了2018―2022年廣州港集裝箱吞吐量的預(yù)測值，并得到以下結(jié)論：

（1）基于時間序列的趨勢外推模型是一種簡單、高效的集裝箱吞吐量預(yù)測方法。港口集裝箱吞吐量受到當(dāng)?shù)卣?、腹地?jīng)濟、港口自身條件等多方面條件的影響，因此筆者認為時間序列法對于遠期預(yù)測可能會出現(xiàn)偏離實際較多的情況。

（2）多元線性回歸模型的建立需要從眾多影響集裝箱吞吐量的因素中篩選自變量。由于篩選影響因子的選取角度存在差異，因而準確找出影響集裝箱吞吐量的因子成為提高預(yù)測精度的關(guān)鍵，否則將會影響預(yù)測結(jié)果。

參考文獻：

[1] 沈旻.港口集裝箱吞吐量預(yù)測方法若干研究[D].上海：上海海運學(xué)院，2001.

[2] 高鳳姣，石小法.上海港口集裝箱吞吐量影響因素分析[J].物流技術(shù)，2009（9）：77-80.

[3] 朱小檬，欒維新，朱義勝.基于時間序列-因果關(guān)系結(jié)合法的中國海港集裝箱吞吐量中長期預(yù)測[J].大連海事大學(xué)學(xué)報（社會科學(xué)版），2014（5）：1-5.

[4] 劉長儉，張慶年.基于時間序列BP神經(jīng)網(wǎng)絡(luò)的集裝箱吞吐量動態(tài)預(yù)測[J].水運工程，2007（1）：4-7，11.