基于多元線性回歸方法的內(nèi)蒙古物流需求影響模型及其影響因素分析

摘 要：物流產(chǎn)業(yè)是我國經(jīng)濟發(fā)展的“加速器”，而物流需求直接影響著物流產(chǎn)業(yè)。為了探究內(nèi)蒙古物流需求的影響因素，推動物流業(yè)健康發(fā)展，本文選取內(nèi)蒙古統(tǒng)計年鑒2005—2021年的相關(guān)數(shù)據(jù)，將貨運量作為被解釋變量，將進出口總額等七種可量化的影響因素作為解釋變量，建立多元線性回歸模型并進行檢驗。實證結(jié)果表明，全體居民生活消費支出和年末總?cè)丝趯?nèi)蒙古物流需求量具有顯著影響，據(jù)此提出內(nèi)蒙古物流業(yè)進一步發(fā)展的建議。

關(guān)鍵詞：內(nèi)蒙古；多元線性回歸；物流需求；物資流通；貨運量

中圖分類號：F259.22 文獻標識碼：A 文章編號：2096-0298（2024）09（a）--05

1 引言

物流業(yè)是集交通運輸業(yè)、倉儲業(yè)和信息產(chǎn)業(yè)為一體的復合型產(chǎn)業(yè)，是國民經(jīng)濟的重要組成部分[1]。內(nèi)蒙古地處中國北方，具有廣袤的地域和豐富的資源，其獨特的地理位置使得物流在該地區(qū)的發(fā)展至關(guān)重要。物流活動日益滲透到整個社會的經(jīng)濟活動過程中，包括生產(chǎn)、流通、消費等環(huán)節(jié)，因而物流需求與社會經(jīng)濟發(fā)展有著密切的相關(guān)性，直接關(guān)系到地區(qū)經(jīng)濟的可持續(xù)發(fā)展。因此，本文對內(nèi)蒙古物流需求進行深度分析、研究和預測具有重要的現(xiàn)實意義。

在現(xiàn)有文獻中，對于我國物流需求的研究較為系統(tǒng)，但是對于內(nèi)蒙古物流需求影響因素的研究較為缺乏[2-3]。內(nèi)蒙古物流需求受到經(jīng)濟、對外貿(mào)易、人口等多重因素的影響，所以本文運用多元線性回歸方法，建立模型，進一步分析這些因素對物流需求的貢獻程度。為內(nèi)蒙古物流業(yè)的決策制定和戰(zhàn)略規(guī)劃提供有力的支持，推動內(nèi)蒙古物流業(yè)的健康發(fā)展。

2 研究現(xiàn)狀

在對物流需求進行研究的過程中，發(fā)現(xiàn)其受到諸多因素的綜合影響，我國學者采用不同方法和模型對各個階段的物流需求影響因素進行了研究。

徐宇等（2007）[4]利用灰色關(guān)聯(lián)分析法，驗證了影響地區(qū)物流需求的主要因素有地區(qū)消費、第二產(chǎn)業(yè)和第三產(chǎn)業(yè)。歐陽小迅和戴育琴（2009）[5]使用非線性模型對社會物流需求分析后認為人均GDP、第二產(chǎn)業(yè)和第三產(chǎn)業(yè)對社會物流需求影響較大。李磊和單丹（2013）[6]使用主成分分析方法，證明了影響江蘇省物流需求的指標還包括社會消費品零售總額、居民消費水平、進出口總額等。除此之外，王燕茹和戴姍姍（2014）[7]利用最小二乘估計法進行分析，提出無錫市物流需求主要受宏觀經(jīng)濟、教育文化程度等因素的影響。邱立國和趙薇（2015）[8]通過建立嵌入熵權(quán)灰色關(guān)聯(lián)模型，分析并總結(jié)了第二產(chǎn)業(yè)和社會固定資產(chǎn)投資對于我國物流需求的重要性。高文相和呂宏（2015）[9]利用灰色系統(tǒng)關(guān)聯(lián)分析法，探究了經(jīng)濟產(chǎn)業(yè)結(jié)構(gòu)對大理州物流需求的影響，最終得出產(chǎn)業(yè)結(jié)構(gòu)與物流需求之間存在著一定的關(guān)聯(lián)性。張衡等（2018）[10]通過對互聯(lián)網(wǎng)環(huán)境下的區(qū)域物流需求進行分析和研究，進一步說明了第二產(chǎn)業(yè)、第三產(chǎn)業(yè)和信息化水平這三項影響因素對區(qū)域物流需求有著難以分割的關(guān)系。王迪（2022）[11]建立多元線性回歸模型來解釋第一、第二產(chǎn)業(yè)生產(chǎn)總值對上海市物流需求的影響程度，其中第二產(chǎn)業(yè)生產(chǎn)總值是主要因素。

通過對上述文獻總結(jié)發(fā)現(xiàn)，某個地區(qū)物流需求的影響因素包含人均GDP、產(chǎn)業(yè)結(jié)構(gòu)、居民消費水平等方面，這些典型的影響因素對本文的研究有一定參考價值。

3 內(nèi)蒙古物流需求的影響因素

內(nèi)蒙古物流需求的影響因素涵蓋多個方面，其中包括產(chǎn)業(yè)發(fā)展水平、投資消費水平、對外開放水平等多個維度，以下是對內(nèi)蒙古物流需求影響因素的具體分析。

首先，產(chǎn)業(yè)發(fā)展水平，包含農(nóng)牧業(yè)、工業(yè)以及零售業(yè)。內(nèi)蒙古地處中國北部，具有宜人的氣候、豐富優(yōu)質(zhì)的草地，適合畜牧業(yè)的發(fā)展，畜牧業(yè)的繁榮導致肉類和乳制品的大量生產(chǎn)和運輸；又有河套平原、西遼河平原，土壤肥沃、光照充足，十分適合發(fā)展灌溉農(nóng)業(yè)，像谷物、黃豆、玉米等農(nóng)作物也需要運輸，從而帶動農(nóng)產(chǎn)品相關(guān)的物流需求。因此本文選取第一產(chǎn)業(yè)增加值（x1）作為解釋變量。

內(nèi)蒙古涉及能源與化工、冶金與金屬工業(yè)等行業(yè)，這些行業(yè)需要大規(guī)模運輸原材料，如煤炭、石油、金屬礦石，以及產(chǎn)成品。同時，裝備制造業(yè)和建筑業(yè)等對大型設備、工業(yè)品和建筑材料的需求龐大，需要進行大規(guī)模的運輸。因此本文選取第二產(chǎn)業(yè)增加值（x2）作為解釋變量。

物流業(yè)與社會消費品零售業(yè)相互影響。隨著消費品零售市場的繁榮，消費者的消費需求顯著攀升，導致貿(mào)易量大幅上升。此時貨物需要流通，從原材料到半成品再到產(chǎn)成品，每一個環(huán)節(jié)都需要大規(guī)模的運輸活動。因此，本文選取消費品零售總額（x3）作為解釋變量。

其次，投資與消費水平。隨著投資規(guī)模的增加，基礎設施建設得到強化，包括道路、鐵路、港口等物流基礎設施的建設進一步完善，提高了物流網(wǎng)絡的覆蓋和連接性。這不僅有助于提高內(nèi)蒙古地區(qū)物流的效率，還促使更多商品的流通。因此本文選取全社會固定資產(chǎn)投資總額（x4）作為解釋變量。

居民消費水平直接關(guān)系到商品的需求量。隨著人們生活水平的提升，對商品和服務的需求也相應增加，高生活水平意味著更多的消費，更多的購物需求，從而增加了物流運輸?shù)念l次和量級，推動了物流行業(yè)的繁榮，因此本文選取全體居民生活消費支出（x5）作為解釋變量。

再次，對外開放水平的重要性也不容忽視。內(nèi)蒙古作為中國與鄰近國家貿(mào)易的樞紐，對外開放口岸共有20個，是對外開放的橋頭堡，不僅是“一帶一路”的重要節(jié)點，還是中歐班列連接亞歐的重要通道，加大了進出口貨物的運輸需求。與此同時，中蒙俄經(jīng)濟走廊的推動為區(qū)域合作打開新空間，促使更多商品流通，從而推動物流需求的增長。因此本文選取進出口總額（x6）作為解釋變量。

最后，人口的增長通常伴隨市場規(guī)模的擴大和商品需求量的增加。隨著人口數(shù)量的增多，人們對各類物品、服務的需求也越來越高，居民數(shù)量的增加不但促進了貨物的流動，而且促進了物流服務水平的提升。因此，本文選取年末總?cè)丝冢▁7）作為解釋變量。

4 研究方法與指標構(gòu)建

4.1 多元線性回歸方法

在市場經(jīng)濟活動中，經(jīng)常會出現(xiàn)某一市場現(xiàn)象的發(fā)展和變化取決于幾個影響因素的情況，即一個因變量和幾個自變量有依存關(guān)系，為了分析這些因素對現(xiàn)象的影響，需要進行多元回歸分析。多元線性回歸是使用最廣的線性回歸分析方法，可以利用給定的自變量，求出因變量均值的置信區(qū)間及個別值的預測區(qū)間，從而實現(xiàn)估計與預測。

得出回歸方程后要進行顯著性檢驗，顯著性檢驗用于評價所有自變量與因變量的線性關(guān)系是否密切，通常采用F檢驗；除了對整個方程進行顯著性檢驗，還可以對模型的每一個參數(shù)進行顯著性檢驗。

在進行多元線性回歸時，模型會出現(xiàn)多重共線性、異方差性等異常情況，這會導致模型的準確度降低、預測性能差，此時需進行相關(guān)檢驗并對模型進行修正，確定合理的相關(guān)關(guān)系，從而得到一個更精確的回歸方程。

4.2 指標選取

在選取指標時，應該遵循科學性原則、系統(tǒng)性原則、動態(tài)性原則以及可度量性原則。目前大部分學者使用貨運量來衡量一個國家或地區(qū)的物流需求，貨運量的選取具有廣泛性和代表性，因此本文以貨運量Y作為衡量物流需求的指標，即Y為被解釋變量。貨運量的多少取決于省市的產(chǎn)業(yè)水平、投資與消費水平、對外開放水平、人口發(fā)展水平等方面，在以往方法的基礎上，本文結(jié)合內(nèi)蒙古的實際情況，選取以下指標進行研究和分析，如表1所示。

4.3 理論模型的建立

假設貨運量（Y）與影響因素（x1，x2，…，xn）存在著線性相關(guān)關(guān)系，那么則可以建立回歸模型，如公式（1）所示。

Y=k×（x1，x2，…，xn）+ε（1）

其中，Y是被解釋變量；xi（i=1，2，…，n）是解釋變量；K是相關(guān)系數(shù)；ε是隨機誤差項。

5 實證分析

5.1 數(shù)據(jù)收集與處理

本文通過內(nèi)蒙古統(tǒng)計局歷年的統(tǒng)計年鑒，收集并整理2005—2021年的相關(guān)統(tǒng)計數(shù)據(jù)來進行實證分析，如表2所示。

5.2 模型的構(gòu)建

本文以貨運量為被解釋變量，以第一產(chǎn)業(yè)增加值、第二產(chǎn)業(yè)增加值、社會消費品零售總額、全社會固定資產(chǎn)投資總額、全體居民人均生活消費支出、進出口總額、年末總?cè)丝谧鳛榻忉屪兞俊Ｒ虼艘訷i=貨運量、x1=第一產(chǎn)業(yè)增加值、x2=第二產(chǎn)業(yè)增加值、x3=社會消費品零售總額、x4=全社會固定資產(chǎn)投資總額、x5=全體居民生活消費支出、x6=進出口總額、x7=年末總?cè)丝?，設定模型：

Yi=β0+β1X1+β2X2+β3X3+β4X4+β5X5+β6X6+β7X7（2）

其中，隨機誤差項εi是一個服從正態(tài)分布的隨機變量。

5.3 參數(shù)估計

本文使用Stata16.0對模型的各項數(shù)據(jù)進行回歸分析，根據(jù)自變量相關(guān)系數(shù)可以初步得到回歸模型：

Yi=-1033.298X1-16.277X2-62.0560X3+0.744X4+35.230X5+0.006X6+508.129X7-1194329（3）

模型的回歸結(jié)果如表3所示。

將Y作為被解釋變量，將x1-x7作為解釋變量進行線性回歸[12]，由表3可以看出，可決系數(shù)和修正后的可決系數(shù)分別為0.9193和0.8565，即擬合優(yōu)度0≤0.9193≤1，并且非常接近于1，故樣本回歸線對數(shù)據(jù)的擬合程度較好，修正后的可決系數(shù)同樣反映出較好的擬合程度。檢驗整個方程顯著性的F檢驗的統(tǒng)計量為14.65，其對應的P值為0.0003，所以可以拒絕原假設，表明此回歸方程高度顯著。但從單因素影響來看，部分系數(shù)未通過顯著性檢驗，說明可能存在多重共線性問題，因此，本文將會對模型進行檢驗及修正。

5.4 模型檢驗

5.4.1 多重共線性檢驗

（1）檢驗相關(guān)系數(shù)。如果在多元線性回歸模型中，各自變量之間存在較強的線性關(guān)系，則說明該線性回歸模型存在多重共線性，會產(chǎn)生嚴重后果。為了解決這一問題，必須剔除影響不太顯著的自變量或降低其共線的影響。通過分析自變量間的相關(guān)系數(shù)，發(fā)現(xiàn)自變量之間確實存在多重共線性，檢驗結(jié)果如表4所示。

（2）修正多重共線性。當模型存在多重共線性問題時，則需要修正模型，本文使用向后法來解決多重共線性問題。首先將全部7個X與Y進行回歸，并且找出p值最大項時對應的x4全社會固定資產(chǎn)投資總額，其p值=0.878>0.100，因而將其移出模型；接著將余下6個X與Y進行回歸，并且找出p值最大項時對應的x6進出口總額，其p值=0.502>0.100，因而將其移出模型。類似迭代方式循環(huán)，本次模型迭代5次后結(jié)束，結(jié)果如表5所示。

所以確定最終的理想模型為：

5.4.2 異方差檢驗

在對方程進行多重共線性檢驗后，還需要對模型進行異方差檢驗，如果模型存在異方差性，就會導致最小二乘估計產(chǎn)生的回歸系數(shù)不準確，破壞模型的預測精度。本文將使用三類方法對模型的異方差性進行檢驗。

（1）圖示法：為了初步考察模型是否存在異方差性，首先繪制殘差圖與擬合值的散點圖，結(jié)果如圖1所示，可以看出本文的模型不存在異方差性。

（2）BP檢驗：采用BP檢驗判斷模型是否存在異方差。以5%的置信度進行BP檢驗，結(jié)果顯示，在給定α=0.05的狀況下，BP檢驗的卡方統(tǒng)計量chi2（1）=3.49，對應p值為0.0616＞0.05，故認為模型不存在異方差。

（3）懷特檢驗：采用懷特檢驗判斷模型是否存在異方差。以5%的置信度進行懷特檢驗，結(jié)果顯示，在給定α=0.05的狀況下，BP檢驗的卡方統(tǒng)計量chi2（16）=17.00，對應p值為0.3856＞0.05，故認為模型不存在異方差。

綜上所述，由圖示法、BP檢驗法和懷特檢驗法均可以得出模型不存在異方差的結(jié)論，由此可得模型不存在異方差性。

5.4.3 自相關(guān)檢驗

在對方程進行多重共線性檢驗和異方差檢驗后，還需要對模型進行自相關(guān)檢驗。自相關(guān)性是指隨機誤差項的各期望值之間存在著相關(guān)關(guān)系，如果模型存在自相關(guān)性，則最小二乘估計不再是有效估計；t檢驗將失去意義。本文使用BG檢驗法對模型的自相關(guān)性進行檢驗。

采用BG檢驗判斷模型是否存在自相關(guān)。以5%的置信度進行BG檢驗，結(jié)果顯示，在給定α=0.05的狀況下，BP檢驗的卡方統(tǒng)計量chi2=2.358，對應p值為0.1247＞0.05，故在5%的顯著性水平下不可以拒絕原假設（原假設為不存在自相關(guān)性），認為模型不存在自相關(guān)性。

5.5 預測分析

非標準化數(shù)據(jù)構(gòu)建的回歸方程能否成立還需要進一步驗證。將變量x1、x6、x7的原始數(shù)據(jù)直接代入回歸方程，同時預測2005—2021年內(nèi)蒙古的貨運量，表6為內(nèi)蒙古物流需求預測值與實際值的對比結(jié)果。

通常情況下，還可以用誤差率來衡量回歸模型的準確度，如式（5）所示。若誤差率小于50%，則表明回歸模型準確度較高。通過分析2005—2021年的數(shù)據(jù)，發(fā)現(xiàn)誤差率均未超過20%，最小的僅為1.49%，實際情況與預測結(jié)果基本一致。

誤差率=×100%（5）

通過表6的分析結(jié)果可以看出，只要預先獲取待預測年份內(nèi)蒙古社會消費品零售總額、第三產(chǎn)業(yè)產(chǎn)值就能預測該年度內(nèi)蒙古的物流需求。因此本文選用社會第一產(chǎn)業(yè)、全體居民生活消費支出和年末總?cè)丝趤砗饬績?nèi)蒙古貨運量具有可靠性。

6 結(jié)語

本文以2005—2021年內(nèi)蒙古物流需求為研究對象，構(gòu)建了物流需求回歸模型，模型顯示x5、x7即全體居民人均生活消費支出和年末總?cè)丝趯?nèi)蒙古貨運量產(chǎn)生顯著的正向影響。其中，年末總?cè)丝趯ω涍\量的正向影響最大，年末總?cè)丝诿吭黾?萬人，內(nèi)蒙古貨運量將增加468.253萬噸；全體居民人均生活消費支出每增加1元，內(nèi)蒙古貨運量將增加17.032萬噸。通過構(gòu)建多元線性回歸模型可以對內(nèi)蒙古物流需求量進行科學的預測，為內(nèi)蒙古物流業(yè)規(guī)劃和決策提供依據(jù)和支撐。

經(jīng)過實證分析，人口規(guī)模與消費水平是影響內(nèi)蒙古物流需求最重要的兩個因素。因此，為促進內(nèi)蒙古物流業(yè)的可持續(xù)發(fā)展，首先應該重點關(guān)注提升生育水平的政策措施，通過激勵生育、提供育兒支持等方式，逐步增加勞動力資源。其次通過制定人才引進政策、提供更多就業(yè)機會吸引外來人才，增加人口規(guī)模。最后，通過提供良好的教育、醫(yī)療、文化等社會服務，留住本地人才。通過這些舉措，預計可以有效增加人口規(guī)模，為物流業(yè)的人力資源提供充足的支持，最終有助于提升內(nèi)蒙古物流業(yè)的整體發(fā)展水平。

此外，密切關(guān)注居民收入水平的提升，通過實施就業(yè)政策、提升工資水平等手段提高居民收入。隨著居民收入的增加，消費潛力將得以釋放，促進商業(yè)環(huán)境的繁榮，為零售業(yè)提供強勁的發(fā)展動力，最終有效帶動內(nèi)蒙古物流業(yè)的健康發(fā)展。

參考文獻

鐘昌寶，程紹彬，蔣媛.我國物流業(yè)高質(zhì)量發(fā)展空間特征及影響因素研究[J].中國物價，2023（10）：42-45.

張宇超.基于GM（1，1）模型的內(nèi)蒙古自治區(qū)區(qū)域物流需求預測[J].內(nèi)蒙古統(tǒng)計，2023（3）：32-35.

韓忠全.基于灰色預測的內(nèi)蒙古物流需求分析[J].企業(yè)導報，2012（21）：126-127+159.

徐宇，張敏，熊巍.長沙物流需求影響因素的灰色關(guān)聯(lián)分析[J].商場現(xiàn)代化，2007（24）：125.

歐陽小迅，戴育琴.社會物流需求的非線性模型分析[J].商業(yè)時代，2009（20）：23-24+26.

李磊，單丹.江蘇省物流需求影響因素分析及預測[J].科技與經(jīng)濟，2013，26（6）：96-100.

王燕茹，戴姍姍.基于面板數(shù)據(jù)的無錫物流需求影響因素研究[J].江南大學學報（人文社會科學版），2014，13（5）：78-85.

邱立國，趙薇.基于嵌入熵權(quán)灰色關(guān)聯(lián)模型的物流需求動力考察[J].統(tǒng)計與決策，2015（6）：117-119.

高文相，呂宏.基于經(jīng)濟產(chǎn)業(yè)結(jié)構(gòu)的大理州物流需求研究[J].鐵道運輸與經(jīng)濟，2015，37（7）：11-15.

張衡，金燕生，郭航.互聯(lián)網(wǎng)環(huán)境下的區(qū)域物流需求分析研究[J].商業(yè)經(jīng)濟研究，2018（1）：101-104.

王迪.基于多元線性回歸模型的物流需求影響因素實證分析： 以上海市為例[J].投資與創(chuàng)業(yè)，2022，33（14）：58-60.

李思聰，葉靜.基于灰色回歸模型的農(nóng)產(chǎn)品冷鏈物流需求分析及預測[J].公路交通科技，2022，39（5）：166-174.