基于农村物流需求量的组合预测分析.doc

基于农村物流需求量的组合预测分析 基于农村物流需求量的组合预测分析窦宁/赵庆祯/黄春波【论文分类】物流管理【论文网络来源】【学刊期数】2009年03期【论文期刊来源】《物流科技》(哈尔滨)2008年12期第96～99页【英文标题】A Combination Forecasting Analysis Based on Rural Logistics Demand【作者简介】窦宁，山东师范大学管理与经济学院硕士研究生；赵庆祯，山东师范大学管理与经济学院教授，博士生导师；黄春波，山东师范大学管理与经济学院硕士研究生济南 250014）【内容提要】 农村物流需求量的预测对于农村物流的发展有重要意义文章把农村消费品零售总额作为农村物流需求量预测指标，通过分析各影响因素，建立了多元回归、双指数平滑及移动平均单预测模型根据得出的单项预测误差数据，采用折扣系数法建立组合预测模型，使得组合预测模型预测误差平方和最小，预测能力明显优于单项预测模型Rural logistics demand forecast is very important to the development of rural logistics. This paper takes total retail sales of consumer goods in the rural areas as rural logistics demand forecast indication, establishes multiple regression forecast model、Double exponential smoothing forecast model and moving average forecast model by analyzing some related factors. Then raised an combined forecast model by discount coefficient method. This model has the smallest error, and its predictability is better than individual forecast models. 【关 键 词】农村物流/组合预测/多元回归/双指数平滑/折扣系数rural logistics/combined forecast/multiple regression forecast/double exponential smoothing/discount coefficient0　引言近年来我国物流业快速发展，但农村物流却相对落后，作为农业大国，要解决“三农”问题、增加农民收入，农村物流的相关研究非常重要。

而农村物流首要问题是要解决复杂的物流需求量的预测本文将组合预测应用于农村物流需求量预测组合预测即将不同的预测方法进行适当的组合，以便综合利用各种预测方法所提供的信息，尽可能地提高预测精度[1]进入20世纪70年代以来，组合预测在理论界和预测实践中得到进一步重视，已涉及的组合预测方法有最小方差法、正权重组合方法、多项式拟合时变权重方法、基于AIC准则确定单项预测误差协方差阵结构的方法、结合AHP法判断单项预测相对表现从而确定权重的方法、考虑对预测误差分布偏好的目的规划法，等等国内学者已将组合预测理论引入各种数量的预测研究，并取得了令人满意的结果[2-3]同时各学者还致力于将改进的预测方法应用于物流需求的研究[4-7]本文利用折扣系数法来确定组合预测的权重1　预测方法建立组合预测模型首先解决的问题是如何选择预测方法，无论是单一的预测方法还是对多种预测方法进行组合的组合预测方法都是以控制预测误差作为主要目标本文选取多元回归分析、时间序列双指数平滑法和移动平均预测作为组合预测的单项预测方法1.1　多元回归分析回归分析预测法是从各种经济现象之间的因果关系出发，通过分析与预测对象有联系的现象变动趋势，推算预测对象未来数量状态的一种预测方法。

文献[1]应用一元线性回归分析预测物流需求该文献利用宏观经济总量与物流总量现象之间的数量依存关系，分别以GDP和进出口额为自变量，物流需求为因变量建立模型进行预测研究由于农业物流的复杂性，其需求受多种因素的影响，仅使用一元线性回归模型常常预测误差较大本文采用多元线性回归分析进行农业物流需求量的预测模型如下：(3)ε是表示预测值与真实值的偏差的误差分量它是由于其它因素对预测值的影响而导致不可预测的随机变量将误差假定为独立的，且每个都服从均值为0、标准差σ未知的正态分布1.2　时间序列双指数平滑法时间序列平滑预测法，主要通过研究事物自身的发展规律，借以预测事物的未来发展趋势我们认为农业物流量以过去的发展规律未发生质变，可以延伸到未来时期，故采用时间序列来研究物流量需求是可行的指数平滑法是对时间序列由近及远采取具有逐步衰减性质的加权处理，因时间序列的变动具有线性趋势，故采用双指数平滑来消除滞后误差预测步骤如下：(4)建立线性趋势预测模型，并进行预测：1.3　移动平均法预测移动平均法是在算术平均的基础上发展起来的一种预测方法，移动平均法可消除时间序列的数据由于受周期变动和随机变动的影响因素的干扰，显露出时间序列的长期趋势。

每当新的预测结果可用时，可以通过增加最新值和删减最老的值来计算新的均值，然后使用移动平均法对下一期进行预测第k阶移动平均值可通过以下公式计算：时间t的移动平均值为最近k期的观测结果的算术平均值数据模型中对变化的响应比率取决于纳入计算移动平均值的时期数量k2　模型设计组合预测的基本出发点就是将各种单项预测看作代表或包含不同的信息片断，通过信息的集成分散单个预测特有的不确定性和减少总体的不确定性，从而提高预测精度组合预测的关键问题是组合权重的确定本文采用折扣系数法建立组合预测模型使组合预测模型的精度进一步提高为第i种预测方法的组合权重，满足本文使用MATLAB来求解该二次规划问题3　实证研究目前农业物流量及直接反映物流规模的指标还没有统计数据，本文以农村消费品零售总额间接表示农业物流需求量，而影响需求量的因素有经济发展水平如农林牧渔业总产值、农村居民收入水平，农业物流的对象粮食的产量，交通运输仓储业从业人员以及国家财政用于农业的支出数据如表1：3.1　单项模型预测结果本文采用多元回归分析、指数平滑及移动平均预测单项预测，预测结果及标准误差如表2：其中多元回归要求各解释向量互不相关，但各影响因素之间存在相关性，故采用逐步回归。

最终的农村消费品零售总额模型应以为3.2　用折扣系数法建立组合预测模型组合预测标准误差平方和为0.0290，而多元回归预测标准误差平方和为0.0313，双指数平滑预测标准误差平方和为0.0991，移动平均预测标准误差平方和为0.1604，可以证明组合预测模型明显优于各单项预测模型4　结束语本文采用农村消费品零售总额作为农业物流需求量的预测指标，利用逐步回归法考虑影响农村消费品零售总额的因素，得出农村居民人均收入、交通运输业从业人员数及国家财政用于农业的支出三变量与农业物流量预测指标之间的相关关系然后利用多元回归、双指数平滑法及移动平均预测法得出的预测误差数据，采用折扣系数法建立组合预测模型，结果证明该组合预测模型比各单项预测模型具有较优的预测能力 【参考文献】 [1]　唐小我，马永元，曾勇，等.现代组合预测和组合投资决策方法及应用[M].北京：科学出版社，2003.[2]　张磊，郑丕谔.组合预测分析方法及其在物资运输管理中的应用[J].工业工程，2007(3):102-106.[3]　初良勇，田质广，谢新连.组合预测模型在物流需求预测中的应用[J].大连海事大学学报，2004(4):43-46.[4]　陈思云，赵秋果.基于时序分析的湖北外贸物流年流量预测研究[J].武汉理工大学学报，2006(8):143-145.[5]　胡军，赵东风，丁洪伟.自适应单指数平滑法在需求预测中的应用[J].物流科技，2007(5):142-146.[6]　汪宇瀚.预测物流需求的一元线性回归分析法[J].商场现代化，2006(12):129.[7]　林荣天，陈联诚，李绍静，等.基于灰色神经网络的区域物流需求预测[J].价值工程，2007(2):92-95.[8]　张桂喜，马立平.预测与决策概论[M].北京：首都经济贸易大学出版社，2006.[9]　John E. Hanke, Dean W. Wichern，商业预测[M].胡晓凤，译.北京：清华大学出版社，2006.^NU1DA20091028  （本文来源：《论文资料库》 ）。