【畢業(yè)學(xué)位論文】（Word原稿）基于回歸和時序組合模型的中國貨運(yùn)量預(yù)測-統(tǒng)計(jì)教育學(xué)

基于回歸和時序組合模型的中國貨運(yùn)量預(yù)測 山東經(jīng)濟(jì)學(xué)院 目 錄 1 問題的提出 3 2 問題的分析 3 3 模型的建立 4 型 4 間序列的預(yù)處理 4 平穩(wěn)序列的轉(zhuǎn)化 5 立模型與參數(shù)估計(jì) 6 殘差序列進(jìn)行檢驗(yàn) 7 型的預(yù)測 7 元線性 回歸模型 8 立回歸模型 8 合優(yōu)度 檢驗(yàn) 9 歸方程的 顯著性 檢驗(yàn) 10 歸系數(shù)的 顯著性 檢驗(yàn) 10 差分析 11 合模型 13 4 結(jié)論與建議 13 5 參考文獻(xiàn) 15 6 附錄 16 1 內(nèi)容 摘要 ： 本次建模 主要通過分析 貨運(yùn)量歷年來的變動趨勢以及影響貨運(yùn)量的眾多因素 ，來估計(jì)未來貨運(yùn)量變化，預(yù)測物流業(yè)的發(fā)展情況 。先 借助 件利用 時間序列分析法建立模型，實(shí)現(xiàn)對未來 中國物流業(yè)發(fā)展情況的預(yù)測，再 用 馬克威軟件對數(shù)據(jù)進(jìn)行回歸分析， 建立多元線性回歸 預(yù)測 模型 ， 對中國貨運(yùn)量進(jìn)行預(yù)測分析并與真實(shí)值對比，發(fā)現(xiàn)差異值很大。因此選擇建立組合模型，發(fā)現(xiàn)預(yù)測值與真實(shí)值偏差很小，因此，建模成功。最后， 結(jié)合實(shí)際情況 進(jìn)一步對影響貨運(yùn)量的因素進(jìn)行分析。 首先，通過對統(tǒng)計(jì)年鑒上 1994的貨運(yùn)量總值進(jìn)行分析， 發(fā)現(xiàn)其變化趨勢，以這十五年間的貨運(yùn)量總值為觀察序列 ，通過時間序列分析擬合模型，在一定程度上預(yù)測出未來幾年貨運(yùn)量的變化趨勢 ，并 觀察 2009 年的預(yù)測值與真實(shí)值是否存在偏差 ，若存在偏差 ， 則 再進(jìn)一步地 運(yùn)用回歸多元線性回歸模型 對貨運(yùn)量進(jìn)行 預(yù)測并與時間序列預(yù)測進(jìn)行的預(yù)測結(jié)果進(jìn)行比較，發(fā)現(xiàn)兩者差異都比較大，因此，通過對上述兩種模型進(jìn)行優(yōu)化，建立組合模型，發(fā)現(xiàn)與真實(shí)值差異很小。最后對影響貨運(yùn)量的因素進(jìn)行 剖析，尋找影響貨運(yùn)量總值 的主要因素 。 由于貨運(yùn)量總值的變動受到多方面的影響， 所以我們 通過搜集 各 種相關(guān)信息 ，查閱 各種 相關(guān) 資料 ， 來 尋找影響貨運(yùn)量總值的 因素。在這里，我們選取 了 國內(nèi) 生產(chǎn)總值 、社會消費(fèi)品零售總額、 固定資產(chǎn)投資 總額、能源生產(chǎn)總值、進(jìn)出口貿(mào)易 總額 五個 因素作為影響貨運(yùn)量總值變動的主要因素 進(jìn)行 研究 分析 。我們 以貨運(yùn)量為因變量 ， 上述五個因素為自變量建立多元線性回歸 模型，得出各自變量與因變量之間的關(guān)系 ，發(fā)現(xiàn)固定資產(chǎn)投資 總額 影響貨運(yùn)量的主要因素。 最后，針對回歸分析結(jié)果， 我們從這個方面對 產(chǎn) 貨運(yùn)量總值的偏差 的原因 進(jìn)行分析并提出相應(yīng)的解決措施。 最后，我們 基于以上研究 結(jié)果 ， 并 結(jié)合中國 現(xiàn)狀 ， 提出 幾個小建議來 提升物流 業(yè)的水平， 促進(jìn)物流業(yè)的發(fā)展。 關(guān)鍵詞 ： 貨運(yùn)量預(yù)測 型 多元回歸分析 組合模型 2 一、 問題的提出 貨物運(yùn)輸 對經(jīng)濟(jì)增長和貿(mào)易至關(guān)重要， 若 原材料、勞動力和燃料 等 不能在不同地區(qū)間流動的話，就不可能進(jìn)行任何生產(chǎn)活動，制造業(yè)產(chǎn)品就不可能被送到消費(fèi)者手中，大量的服務(wù)活動也就無法進(jìn)行 ，且貨物運(yùn)輸也從一定程度上反 映了我國物流業(yè)的發(fā)展情況。 近十年來， 隨著我國市場經(jīng)濟(jì)體制的不斷發(fā)展與完善， 我國經(jīng)濟(jì) 突飛猛進(jìn)，貨物運(yùn)輸作為派生需求， 在相當(dāng) 程度上 反映經(jīng)濟(jì)的活躍程度。 自加入 來，中國擁有了更 多的機(jī)遇，對外貿(mào)易 增多，貨物運(yùn)輸日益增長，但從另一方面來說，中國物流業(yè)與國外運(yùn)輸行業(yè)巨頭的競爭也日益殘酷。 貨運(yùn)量預(yù)測 ，即運(yùn)用有關(guān)預(yù)測的一系列理論與方法對未來鐵路、公路、管道等 運(yùn)輸方式的貨運(yùn)市場需求的變化規(guī)律及發(fā)展趨勢做出正確的判斷和估計(jì)，對影響貨運(yùn)量的因素進(jìn)行分析，可以明確的找出能 夠 確切影響貨運(yùn)量的因素，以便對未來進(jìn)行更好的預(yù)測與分析。 總之， 客觀分析和判定貨運(yùn)量總額的影響因素，能夠預(yù)測未來貨運(yùn)量總額， 進(jìn)而得出我國物流業(yè)發(fā)展的趨勢，這 對于掌握決策的主動權(quán)，作出合理的決策，實(shí)現(xiàn)效益最大化，為社會創(chuàng)造更大的價值，是非常重要的 。 因此，通過這篇論文我們要克服的問題首先便是分析出影響貨運(yùn)量的主要因素 ，并在此基礎(chǔ)上對未來幾年的貨運(yùn)量進(jìn)行預(yù)測分析， 解決出現(xiàn)的偏差問題。 二、 問題的分析 要想對中國貨運(yùn)量進(jìn)行分析預(yù)測，最重要的 便 是 要尋找可靠的數(shù)據(jù)。此次建模中 ，我們所需數(shù)據(jù)均從中國統(tǒng)計(jì)年鑒上 整理 獲得 的 ， 為以后分析數(shù)據(jù)的正確性提供了基礎(chǔ)保證。 首先，根據(jù)時間序列分析所得的時序圖發(fā)現(xiàn)貨運(yùn)量總額 隨著時間的推移 大致是遞增的，通過對原序列進(jìn)行的差分 、 建模，消除長期趨勢，建立預(yù)測模型，得到未來幾年的貨運(yùn)量預(yù)測值。 其次， 由于貨運(yùn)量的變化受到多方面的影 響，因此我們 通過運(yùn)輸業(yè)的實(shí)際情況， 經(jīng)過各種途徑得到可能會影響貨運(yùn)量的五種主要因素：國內(nèi) 生產(chǎn)總值、社會消費(fèi)品零售 總額、固定資產(chǎn)投資總和、能源生產(chǎn)總值、進(jìn)出口貿(mào)易。然 后 建立多 元回歸模型 ， 對貨運(yùn)量與各變量進(jìn)行預(yù)測分析。 再次，通過兩模型的殘差求得的比重對上述兩個模型進(jìn)行優(yōu)化。 最后， 尋找出與其相關(guān)的最直接因素及影響比重 ，這樣得到的預(yù)測更具有合理性。 三、 模型的建立 型 時間序列分析是一種動態(tài)數(shù)據(jù)處理的統(tǒng)計(jì)方法，主要通過對時間序列進(jìn)行觀察、研究， 3 來尋找它變化發(fā)展的規(guī)律以及預(yù)測未來。在實(shí)際生活 中運(yùn)用十分廣泛， 它包括一般統(tǒng)計(jì)分析 (如 自相關(guān)分析 ，譜分析等 ),統(tǒng)計(jì)模型的建立與推斷，以及關(guān)于時間序列的最優(yōu)預(yù)測、控制等內(nèi)容。經(jīng)典的統(tǒng)計(jì)分析都假定數(shù)據(jù)序列具有獨(dú)立性，而時間序列分析則側(cè)重研究數(shù)據(jù)序列的互相依賴關(guān)系。后者實(shí)際上是對離散指標(biāo)的隨機(jī)過程的統(tǒng)計(jì)分析，所以又可看作是隨機(jī)過程統(tǒng)計(jì)的一個組成部分。 時間序列是所研究系統(tǒng)的歷史行為的客觀記錄，因而 它包含了系統(tǒng)結(jié)構(gòu) 的 特征及運(yùn)行規(guī)律，所以可以通過對時間序列的研究來認(rèn)識所研究系統(tǒng)的結(jié)果特征（如周期波動的周期、振幅、趨勢的類型等）揭示其運(yùn)行規(guī)律，進(jìn)而用于預(yù)測，控制其未 來行為，修正和重新設(shè)計(jì)系統(tǒng)。 時間序列分析是根據(jù)系統(tǒng)的有限長度的運(yùn)行記錄（觀察數(shù)據(jù)），建立能夠比較精確地反映時間序列中所包含的動態(tài)依存關(guān)系的數(shù)學(xué)模型，并借以對系統(tǒng)的未來行為進(jìn)行預(yù)報(bào)。 時間序列分析的主要目的有如下幾個方面： （ 1） 分析序列的基本趨勢、季節(jié)和隨機(jī)項(xiàng)等的組成； （ 2） 預(yù)測序列的未來發(fā)展情況，諸如股市預(yù)測、市場預(yù)測、財(cái)政預(yù)測、能源預(yù)測、存貨預(yù)測、材料需求計(jì)劃的制定等等 ； （ 3） 對理論性模型與數(shù)據(jù)進(jìn)行適度檢驗(yàn)以討論模型能否正確表示所觀測現(xiàn)象。 在此項(xiàng)目中，我們從中國統(tǒng)計(jì)年鑒中收集了從 1994 年到 2008 年這十五年的貨運(yùn)量，通過 件 利用時間序列分析方法 ，建立 型對未來幾 年的貨運(yùn)量進(jìn)行預(yù)測，進(jìn)而做出更好的決策 。 間序列的預(yù)處理 拿到一個觀察值序列之后，首先要對序列的平穩(wěn)性和純隨機(jī)性進(jìn)行 檢驗(yàn)，這兩個重要的檢驗(yàn)稱為序列的預(yù)處理。 進(jìn)行平穩(wěn)性的檢驗(yàn)，共有兩種檢驗(yàn)方法，一種是根據(jù)時序圖和自相關(guān)圖顯示的特征做出判斷 的圖檢驗(yàn)方法； 另 一種是構(gòu)造檢驗(yàn)統(tǒng)計(jì)量進(jìn)行假設(shè)檢驗(yàn)，此處，利用了第一種方法進(jìn)行了檢驗(yàn)，根據(jù)平穩(wěn)時間序列均值、方差為常數(shù)的性質(zhì)，平穩(wěn)序列的時序圖應(yīng)該顯示出該序列始終在一個常數(shù)值附近隨 機(jī)波動， 而且波動的范圍有界的特點(diǎn)， 利用 件得到的時序圖如 圖 1 所示。 圖 1 時間序列的時序圖 由圖 1 可以看出，該序列并不具有平穩(wěn)性， 1994 至 2008 年間中國的 貨運(yùn)量序列 4 存在 遞增趨勢，所以它不是平穩(wěn)序列。根據(jù)時間序列基本診斷可知，自相關(guān)系數(shù)具有拖尾性，偏自相關(guān)系數(shù)具有結(jié)尾性，所以考慮建立 型。 平穩(wěn)序列的轉(zhuǎn)化 一般對非平穩(wěn)序列分析方法可分為兩種，一種是確定性 因素分解方法，一種是隨機(jī)時序分析。因?yàn)榇_定性分解 方法只能提取 確定性 的 信息，對隨機(jī)性信息浪費(fèi)嚴(yán)重。并且，確定性因素分解方 法把所有序列的變化都?xì)w納為四大因素的綜合影響，卻始終無法提供明確、有效的方法判斷各 大因素之間確切的作用關(guān)系。這些問題導(dǎo)致確定性因素分解方法不能充分 提取觀察值序列中的有效信息，導(dǎo)致 模型擬合精度通常不夠理想，而隨機(jī)時序分析方法彌補(bǔ)了確定性因素分解 方法的不足，為人們提供了更加豐富、更加精確的時序分析工具。 由于預(yù)處理中的時序圖可看出，此處并非平穩(wěn)序列，具有線性趨勢，但沒有季節(jié)效應(yīng)，所以需要進(jìn)行平穩(wěn)化處理。因此，我們采用了隨機(jī)分析中的差分運(yùn)算將非平穩(wěn)序列轉(zhuǎn)化為平穩(wěn)序列，以便于進(jìn)一步的建模。 通過 分析時序圖， 可以判斷其 為 曲線圖，因此 可以進(jìn)行低階差分 ，此處 決定分別進(jìn)行二階或 三階差分 ，根據(jù)差分之后的自相關(guān)圖和偏自相關(guān)圖，進(jìn)一步確定模型的形式， 如圖 2 所 示。 圖 2 差 分后時間序列的基本診斷 由 圖 2 可知 :自相關(guān)系數(shù)具有拖尾性，偏自相關(guān)系數(shù)具有截尾性，為進(jìn)一步建模提供了依據(jù)。 立模型與參數(shù)估計(jì) an 則全稱為最小信息量準(zhǔn)則，該準(zhǔn)則的指導(dǎo)思想是 認(rèn)為一個擬合模型的好壞可以從兩方面去考察：一方面是常用來衡量擬合程度的似然估計(jì)值；另一方面是模型中未知參數(shù)的個數(shù)。通常， 似然函數(shù)值越大說明擬合的效果越好，模型中未知參數(shù)的個數(shù)越多，說明模型中包含的自變量越多，模型變化越靈活，模型擬合的 準(zhǔn)確度越高。但是，未知參數(shù)越多，未知的風(fēng)險也就越多，且估計(jì)難度加大，因此一個好的擬合模型應(yīng)該是一個擬合精度和未知參數(shù)個數(shù)的綜合最優(yōu)配置。 則是為克服 則的不足而提出的，它將未知參數(shù)的懲罰權(quán)重由常數(shù) 2 變成 5 樣本容量的對數(shù)函數(shù)。理論上證明， 則 是最優(yōu)模型的真實(shí)階數(shù)的相合估計(jì)。 在所有通過檢驗(yàn)的模型中是的 數(shù)達(dá)到最小的模型為相對最優(yōu)模型。為了更 好的說明所定階數(shù)，我們對若 干個模型進(jìn)行了比較分析，分析結(jié)果如圖 3 所示。 圖 3 模型比較 根據(jù)模型比較可知， 當(dāng)建立 ,3)模型時， 均達(dá)到最小，因此決定 運(yùn)用 3,3,0）進(jìn)行進(jìn)一步的預(yù)測分析。 未知參數(shù)估計(jì)一般有三種方法，分別是矩估計(jì)，最大似然估計(jì)和最小二乘估計(jì)。根據(jù)件 得出截距項(xiàng)不顯著，因此剔除截距項(xiàng)再進(jìn)行估計(jì) 得到 表 1 所 示 表 1 參數(shù)估計(jì)表 項(xiàng) 滯后 估計(jì)值 標(biāo)準(zhǔn)誤差 t 比率 概率 |t| 由 T 檢驗(yàn)的 P 值可知，除常數(shù)項(xiàng)外，其余的各回歸系數(shù)均通過檢驗(yàn)，即是顯著的，可以得到 3， 3， 0）模型 323 即： 654321 6 5 2 0 8 6 2 殘差序列進(jìn)行檢驗(yàn) 當(dāng)殘差序列是白噪聲序列時，說明該模型提取的信息很充分，即模型對該序列建模 成功。所以對殘差序列進(jìn)行檢驗(yàn)是必不可少的 ，對殘差序列的檢驗(yàn)結(jié)果 如 圖 4 所示。 6 圖 4 殘差序列檢驗(yàn)圖 從殘差時序圖 4 可以看出，殘差在 0 均值范圍內(nèi)來回的波動，可以認(rèn)為該殘差序列即為白噪聲序列，這說明 3,3,0）模型對該序列建模成功。 型的預(yù)測 進(jìn)行有效的預(yù)測是建立模型的最終目的， 圖 5 為擬合預(yù)測圖 。 圖 5 擬合圖 圖 5 中，具體的點(diǎn)表示真實(shí)值，紅色的曲線表示擬合值，可以看出擬合值跟真實(shí)值之間的關(guān)系， 認(rèn)為 模型擬合的比較好， 因此，預(yù)測值跟真實(shí)值相差 不是 很大，模型 構(gòu)造 比較有效。 通過預(yù)測可知 2009 年貨運(yùn)量的預(yù)測值 是 噸，而 查閱 中國統(tǒng)計(jì)年鑒可知，2009 年的貨運(yùn)量是 2825222 萬噸，預(yù)測值跟實(shí)際值之間還是有一定差異的，為了更好的對未來的貨運(yùn)量進(jìn)行預(yù)測，是預(yù)測結(jié)果更加準(zhǔn)確，決定再用多元線性回歸進(jìn)行建模，通過 這兩個模型，選擇最優(yōu)的模型。 元線性回歸模型 回歸分析是一種應(yīng)用極為廣泛的數(shù)量分析方法， 是確定兩種或兩種以上變數(shù)間相互依賴的定量關(guān)系的一種統(tǒng)計(jì)分析方法 。它用于分析事物之間的統(tǒng)計(jì)關(guān)系，側(cè)重觀察變量之間的數(shù)量變化規(guī)律，并通過回歸方程的形式描述和反映這種關(guān)系，有助于人們準(zhǔn)確的把握因變量與 自變量之間的關(guān)系，進(jìn)而為預(yù)測提供了科學(xué)依據(jù)。 7 回歸分析按照涉及的自變量的多少，可分為一元回歸分析和多元回歸分析；按照自變量和因變量之間的關(guān)系類型，可分為線性回歸分析和非線 性回歸 分析。 因?yàn)樨涍\(yùn)量往往受很多因素影響，處理這類經(jīng)濟(jì)問題單用一元線性回歸模型是遠(yuǎn)遠(yuǎn)不夠的，所以在此研究中，必須考慮多元的線性回歸模型，多元線性回歸模型跟一元線性回歸模型類似，只不過在具體計(jì)算上較為復(fù)雜。 多元回歸分析是研究一個因變量與多個自變量之間的相關(guān)關(guān)系，而且總是假設(shè)因變量、為隨機(jī)變量，而自變量為一般變量。 設(shè)因變量為 Y ，., 21為 k 個自變量。如果 收集到的 n 組數(shù)據(jù) , 21 ,2,1 ,如果滿足下列要求： ),0(),2,1(222110N 要想確認(rèn)建立的多元線性回歸模型是不是有效 模型，要對模型和模型參數(shù)進(jìn)行顯著性檢驗(yàn)。 在此研究中，我們以貨運(yùn)量為因變量，國內(nèi)生產(chǎn)總值、社會消費(fèi)品零售總額 、固定資產(chǎn)投資總額、能源生產(chǎn)總值、進(jìn)出口貿(mào)易為自變量，建立多元線性回歸 模型 ，并利用馬克威軟件進(jìn)行分析，采用線性回歸的 逐步 分析方法，探討貨運(yùn)量 與 其影響因素之間的線性關(guān)系。 立 回歸模型 通過研究建立了多元線性回歸模型，其 數(shù)學(xué)模型是： 55443322110 運(yùn)用 馬克威 軟件 ，采用線性回歸的 方法，得出 回歸方程 如表 2 所示。 表 2 回歸方程 標(biāo)號 回歸方程 1 貨運(yùn)量 = 民生產(chǎn)總值 +會消費(fèi)品零售總額 + 定資產(chǎn)投資總額 +源生產(chǎn)總值 出口貿(mào)易 2 貨運(yùn)量 = 會消費(fèi)品零售總額 +定資產(chǎn)投資總額 + 源生產(chǎn)總值 出口貿(mào)易 3 貨運(yùn)量 = 會消費(fèi)品零售總額 +定資產(chǎn)投資總額 + 源生產(chǎn)總值 4 5 貨運(yùn)量 = 會消費(fèi)品零售總額 +定資產(chǎn)投資總額 貨運(yùn)量 = 定資產(chǎn)投資總額 合優(yōu)度 檢驗(yàn) 為 了 檢驗(yàn)總的回歸效果 , 人們常引用無量綱指標(biāo)復(fù)相關(guān)系數(shù) 8 2 或 1 其中 21)( ni 21)( ni R 稱為復(fù)相關(guān)系數(shù)。 很顯然 10 2 R ， 2R 越大說明回歸方程與樣本值擬合得越好，反之 越差。由于 2R 與模型中的解釋變量個數(shù)有關(guān)，即如果觀測值 x 不變，決定系數(shù) 2R 將隨解釋變量的數(shù)目增大而增大，因而需對 2R 進(jìn)行調(diào)整。 調(diào)整后的決定系數(shù)，即修正后的11)1(1 22 kn 中 k 為變量個數(shù)。 因此多元線性回歸方程的的擬合優(yōu)度檢驗(yàn)采用修正的 2R ,修正的 2R 越接近 1，說明回歸方程對樣本數(shù)據(jù)點(diǎn)的擬合優(yōu)度越高，反之，修正的 2R 越接近于 0，說明回歸方程 據(jù)點(diǎn)的擬 合優(yōu)度越低。結(jié)果如表 3 所示。 表 3 擬合優(yōu)度檢驗(yàn) 標(biāo)號 R R 平方 修正的 R 平方 估計(jì)的標(biāo)準(zhǔn)誤 差 1 2 1 1 5 1 4 表 3 可知：五 個模型的修正的 2R 都比較接近于 1，因此可以認(rèn)為，擬合優(yōu)度都比較好。 最后一個回歸方程修正的 2R 最接近于 1，則說明最后一個回歸方程擬合的最好。 歸方程的 顯著性 檢驗(yàn) 回歸方程的顯 著性檢驗(yàn)就是檢驗(yàn)被解釋變量與所有解釋變量之間的線性關(guān)系是否顯著， 用線性模型來描述它們之間的關(guān)系是否恰當(dāng)。 利用 F 檢驗(yàn)對回歸方程進(jìn)行顯著性檢驗(yàn)的方法稱為方差分析。 檢驗(yàn)統(tǒng)計(jì) 量)1,()1/( / 對于給定的置信度 , 由 F 分布表可查得 )1,( 如果根據(jù)統(tǒng)計(jì)量算得的 F 值為 )1,( 則拒絕 原 假設(shè) ， 即 k 個自變量的總體回歸效果是顯著的 , 否則認(rèn)為回歸效果不顯著。上面對回歸效果的討論可歸結(jié)于一個方差分析表中 ，如表 4 所示 。 9 表 4 方程的顯著性檢驗(yàn)表 標(biāo)號 平方和 自由度 均方 顯著性 1 回歸 2 514 198 077 502 839 615 差 4 711 595 523 510 總和 2 518 909 672 4 2 回歸 2 514 197 407 628 549 351 差 4 712 264 0 471 226 總和 2 518 909 672 4 3 回歸 2 514 053 326 838 017 775 差 4 856 346 1 441 486 總和 2 518 909 672 4 4 回歸 2 513 190 573 1 256 595 286 差 5 719 099 2 476 591 總和 2 518 909 672 4 5 回歸 殘差 總和 2 511 329 052 580 619 518 909 672 13 14 2 511 329 052 83 124 上表可知，五 個模型的方程都是可以顯著的。 歸系數(shù)的 顯著性 檢驗(yàn) 回歸系數(shù)的顯著性檢驗(yàn)的主要目的是研究回歸方程中的每個解釋變量與 被解釋變量之 間是否存在顯著的線性關(guān)系，也就是研究每個解釋變量能否有效地解釋被解釋變量的線性關(guān)化，它們能否保留在線性回歸方程中。檢驗(yàn)結(jié)果的顯著性小于給定顯著性水平就說明顯著，通過馬克威的逐步 回歸 法對變量進(jìn) 行選擇，如果顯著則保留在回歸方程中，否則剔除 ，檢驗(yàn)結(jié)果如 表 5 所示。 表 5 回歸系數(shù)檢驗(yàn)表 回歸系數(shù) 標(biāo)準(zhǔn)誤差 標(biāo)準(zhǔn)化的 顯著性 1 常數(shù)項(xiàng) 844 01 民生產(chǎn)總值 會消費(fèi)品零售總額 定資產(chǎn)投資總額 源生產(chǎn)總值 出口貿(mào)易 常數(shù)項(xiàng) 847 63 會消費(fèi)品零售總額 定資產(chǎn)投資總額 10 能源生產(chǎn)總值 出口貿(mào)易 常數(shù)項(xiàng) 931 0 會消費(fèi)品零售總額 定資產(chǎn)投資總額 源生產(chǎn)總值 常數(shù)項(xiàng) 1 006 8 會消費(fèi)品零售總額 固定資產(chǎn)投資總額 數(shù)項(xiàng) 1 058 0 定資產(chǎn)投資總額 分析 知第 五 個模型是最優(yōu) 的。 最 優(yōu)回歸方程即為： 貨運(yùn)量 =1 058 定資產(chǎn)投資總額 差分析 殘差是指由回歸方程計(jì)算所得的預(yù)測值與實(shí)際樣本值之間的差距，殘差分析是回歸方程檢驗(yàn)中的重要組成部分 ，如果回歸方程能夠較好的反映被解釋變量的特點(diǎn)和變化趨勢，那么殘差序列中就不因該包含明顯的規(guī)律和趨勢性。 首先檢驗(yàn)殘差序列的異方差性，可以通過繪制殘差圖 （見圖 6） 來檢驗(yàn) 。 圖 6 殘差圖 由 圖 6 可以看出，殘差在一定范圍內(nèi)隨機(jī)波動，可以認(rèn)為不存在異方差。 然后， 是否存在 自相關(guān)性，采用 計(jì)量進(jìn) 行檢驗(yàn)， 檢驗(yàn)結(jié)果 如表 6 所示。 11 表 6 殘差序列自相關(guān)性檢驗(yàn) 最小值 最大值 均值 標(biāo)準(zhǔn)離差 樣本數(shù) 擬合值 1 210 598 588 23 5 差 37 3 5 標(biāo)準(zhǔn)化的擬合值 5 標(biāo)準(zhǔn)化的殘差 5 由 表 6 可知： 驗(yàn)統(tǒng)計(jì)量的值是 在置信水平 樣本個數(shù) 15， 自變量個數(shù)是 1 的的條件下， 驗(yàn)的上下界為， d=L ,不能確定是否存在相關(guān)性， 假設(shè)存在相關(guān)性，運(yùn)用杜賓二步法進(jìn)行自相關(guān)的處理。 第一 步：估計(jì)一階自相關(guān)系數(shù) ， = d/21 ,計(jì)算得， = 第二步：在已知 的基礎(chǔ)上，做以下變換： 1* ： * tt 此時 ,d =消除自相關(guān)，故得0、 1 的估計(jì)值分別為： 因此，得到的估計(jì)的原回歸方程為： tt 8 6 9 4 4 5 綜上所述， 固定資產(chǎn)投資總額每 增加 一個單位所引起的貨運(yùn)量的 平均增加數(shù)量為 統(tǒng)計(jì)年鑒上可知 ,2009 年的固定資產(chǎn)投資總額是 元 ,帶入上述公式，計(jì)算得，貨運(yùn)量的預(yù)測值為 元，但是從 2010 年的統(tǒng)計(jì)年鑒可以知道， 2009 年的貨運(yùn)量的真實(shí)值是 2825222 億元，預(yù)測值偏大，并不是很準(zhǔn)確。 合模型 通過上述分析，可以看出：建立的 型和線性回歸模型 均可以對貨運(yùn)量進(jìn)行預(yù)測，但是預(yù)測的結(jié)果均存在比較大的偏差。所以，考慮將兩個模型進(jìn)行組合，首先，在 回歸模型 的基礎(chǔ)上， 分別 計(jì)算出 2000 年到 2008 年的殘差的平方 和 ， 如 表 7 所示。 12 表 7 殘差的平方和 年份 時間序列殘差平房和 回歸預(yù)測殘差平方和 2000 599 034 04 297 001 399 115 03 092 002 1 022 650 742 1 066 906 728 2003 427 968 127 371 899 2004 1 935 429 432 1 114 987 878 2005 8 295 513 209 164 656 443 2006 22 884 367 621 171 470 007 46 358 383 862 3 088 455 218 2008 89 173 684 138 234 178 321 以兩個模型的殘差平方和為依據(jù)，建立組合模型。通過計(jì)算殘差平方和，確定出時間序列模型的權(quán)數(shù)是 歸模型的 權(quán)數(shù)是 新的組合模型如下： 貨運(yùn)量 =間序列預(yù)測值 +歸模型預(yù)測值 運(yùn)用新的組合模型，預(yù)測出 2009 年的貨運(yùn)量是 元，跟真實(shí)值 2585937億元相比，誤差很小，可以認(rèn)為該模型對未來貨運(yùn)量的估計(jì)比較準(zhǔn)確，該模型比較有效。 四、 結(jié)論與建議 根據(jù) 時間序列 模型，我們可得到 2009 年的 一個預(yù)測值， 但是通過與真實(shí)值比較發(fā)現(xiàn)，會存在一定的偏差，預(yù)測值比真實(shí)值 略大 。導(dǎo)致此現(xiàn)象發(fā)生的原因勢必與影響貨運(yùn)量的因素是密切相關(guān)的。 根據(jù)多元回歸分析我們可以看到影響貨運(yùn)量的最主要因素為 固定資產(chǎn)投資總額 。下面我們從這個因素分別對貨運(yùn)量的影響及產(chǎn)生偏差的原因進(jìn)行分析， 并提出可行的建議。 固定資產(chǎn)投資總額和國家貨運(yùn)總量同為衡量國家經(jīng)濟(jì)發(fā)展情況的重要數(shù)據(jù)，兩者的關(guān)系也 很密切。固定資產(chǎn)的投資方向主要有鐵路公路、住房等各種基礎(chǔ)設(shè)施建設(shè)，因此它與貨運(yùn)量的關(guān)系主要表現(xiàn)在各種運(yùn)輸途徑基礎(chǔ)設(shè)施的建設(shè)以及通過運(yùn)輸工具運(yùn)輸?shù)母鞣N固定資產(chǎn)上。根據(jù)多元回歸模型可知，貨運(yùn)總量與固定資產(chǎn)投資總額成正比關(guān)系，隨固定資產(chǎn)投 資額的增長而增長。因此，我們通過對固定資產(chǎn)投資增長額、增長趨勢的 分析，就可以分析預(yù)測未來貨運(yùn)量的 發(fā)展趨勢 。在一定程度上加大固定資產(chǎn)的投資，可以提升貨運(yùn)量的總額。 當(dāng)然，不斷地加大固定資產(chǎn)投資是把雙刃劍，有利有弊。雖然根據(jù)回歸分析固定資產(chǎn)投資正向反映貨運(yùn)量的變化，但是我國作為世界上 最大的發(fā)展中國家，我國的基礎(chǔ)設(shè)施建設(shè)還比較落后，與發(fā)達(dá)國家的差距極明顯，飛速發(fā)展的經(jīng)濟(jì)對交通運(yùn)輸業(yè)等基礎(chǔ)設(shè)施形成極其強(qiáng)大的壓力。固定資產(chǎn)投資的增長當(dāng)然是比較好的，但是，迅速增長的固定資產(chǎn)投資，卻容易帶來一些問題，比如給交通運(yùn)輸業(yè)帶來極大地壓力，使之跟不上投資的增長步伐，物流業(yè)等產(chǎn)業(yè)發(fā)展滯后的弊端顯現(xiàn)出來，這可能便是預(yù)測值與真實(shí)值產(chǎn)生偏差的一個重要原因。因此，首先，要有計(jì)劃有目的地?cái)U(kuò)建基礎(chǔ)設(shè)施，做到心中有數(shù)，不至于盲目的過多建設(shè)或者滯后建設(shè)，使得投資足以保證固定資產(chǎn)增加的步伐。其次，擴(kuò)增固定資產(chǎn)投資還 13 要參照經(jīng) 濟(jì)發(fā)展水平、發(fā)展速度、經(jīng)濟(jì)走勢，若經(jīng)濟(jì)走勢較慢，資金較為短缺，仍不斷加大固定資產(chǎn)的投資，則會反過來抑制貨運(yùn)量的增加，更嚴(yán)重的會阻礙經(jīng)濟(jì)的發(fā)展。 對問題的分析不能只從理論上進(jìn)行，還要結(jié)合實(shí)際情況。因此我們又與 實(shí)際相結(jié)合，分析得出 產(chǎn)生此偏差的原因還可能存在以下幾點(diǎn) ， 并針對這幾點(diǎn)相應(yīng)地提出 建議 ： 首先，金融危機(jī)之后，全世界的經(jīng)濟(jì)出現(xiàn)疲軟狀態(tài)，雖然中國有很好的防范，但畢竟或多或少受到了影響。由于整個世界的經(jīng)濟(jì)不景氣，使得中國 內(nèi)部居民消費(fèi)也大大減少，這種變化造成了貨運(yùn)量的減少，物流業(yè)受到 了一定的負(fù)面影響。 針對這一問題 ，政府可以通過宏觀調(diào)控來降低金融危機(jī)的影響，例如：政策引導(dǎo)、杠