組合預測法在貴州省物流人才需求預測中的應用

王景超， 孟利清，方賽銀， 潘 祥 （西南林業(yè)大學 機械與交通學院，云南 昆明650224）

0 引 言

近幾年，物流作為 “第三利潤源泉”，得到了政府和企業(yè)等有關方面的重視[1,3]。而物流人力資源是物流范圍拓廣和迅速發(fā)展的基礎和重要條件，物流經濟的發(fā)展和社會進步取決于物流人才數量的增長和素質的提高。

本文從貴州省物流經濟數據、社會發(fā)展的戰(zhàn)略高度，預測了從業(yè)人員需求，主要是選擇了貴州省貨物周轉量、從業(yè)人員數、時間等指標作為貴州省從業(yè)人員數需求的指標體系。采用組合預測的方法，基于Shapley權重分配的組合預測模型提高預測的精度，結合貴州歷年貨物周轉量、就業(yè)人數、年度等為參數，對其市場未來Ti年內所需的從業(yè)人員數量進行需求預測，避免人員過度的需求和浪費、物流市場需求脫節(jié)等現象，節(jié)約物流人員成本。

1 物流人才理論

現代物流包含學科有管理學、運輸學、經濟學、社會學、系統工程、計算機科學等，而物流人才則是能夠解決物流中經濟、管理、工程、信息、外語甚至于法律政策等方面的問題。而物流人才則是將這些專業(yè)的物流知識應用于實踐中，還需要應對在實踐中所遇到的各種實戰(zhàn)問題。在物流領域中物流人才主要分為三個層次：初級物流操作人才、中級物流管理人才以及高級物流管理戰(zhàn)略人才。

初級物流操作人才是接受過工作所需的相應的物流理論知識并取得物流技術認證的物流體系相關人員，能夠熟練應對日新月異的現代化物流機械的認知及操作。而中級物流管理人才和高級管理戰(zhàn)略人才則是接受了較為系統、專業(yè)的物流知識，具有一定的統籌能力的人員，中級管理人員對自身從事的物流體系中各環(huán)節(jié)熟知，使物流工作更加合理和有效，協調各部門工作科學化、合理化。高級物流管理戰(zhàn)略人才則要具有較強的戰(zhàn)略判斷和把握應對能力，能夠謹慎敏銳的觀察市場發(fā)展變化，對整個物流系統的各個環(huán)節(jié)進行宏觀調控和微觀調整。

根據勞動力調查資料顯示，貴州省就業(yè)人員受教育程度構成比顯示，未上過學比例為17.4%，小學41.9%，初中32.3%，高中5.1%，大學專科2.5%，大學本科0.9%，研究生0.01%[4]。而具體從事物流相關工作的人才所占比例甚微，所以把握住物流發(fā)展趨勢，預測貴州未來所需的物流人才數量，能夠進行物流人才教育統籌安排規(guī)劃迫在眉睫。

2 預測研究的基本思路

本預測屬于短中期預測。由于物流發(fā)展速度，市場格局日新月異，貴州省2000年以前的統計數據無法體現市場經濟體制下人才需求的趨勢，物流規(guī)模將直接帶來行業(yè)人才需求的不同變化。因此，參考的經濟數據，本文主要利用2001年以后 （包括2001年）的統計資料，利用Excel函數式分析統計數據[6-8]，給出預測式，并給予較高的權重。為保證預測結果的準確性和可參考性，預測模型具有較高的彈性變化，使其預測能夠滿足未來長期的人員需求量。

3 模型的選擇

3.1 多項式時間趨勢方程

人才數量的需求過程是動態(tài)的過程，受到諸多因素影響和制約。此模型從人才數量的動態(tài)連續(xù)性出發(fā)，根據2001年～2009年從業(yè)人員歷史數據，二次多項式趨勢方程用t取代了多項式回歸分析中的X，可以表示為y=a+bt+ct2+d3。

表1是貴州省2001年～2009年運輸和郵電等從業(yè)人員和貨物周轉量。本文此后模型所采用的參數數據都是根據此表來進行預測的。

利用Excel工具，繪制散點圖和趨勢線篩選最優(yōu)多項式方程，最終采用2004年～2009年數據從業(yè)人數與t的趨勢方程為：y=47.87t3+906.18t2+5 255t+97 927。方程的可決系數R2高達0.9629，方程效果較好。

表1 貴州省2001年~2009年統計數據[7]

表2 多項式模擬樣本及誤差表

多項式模擬樣本精度達到99.44%，模擬結果很理想，一般來說，這種預算模型是首要考慮的。

3.2 一元線性回歸模型

利用線性回歸分析方法，利用數據對從業(yè)人數需求建模，用回歸分析函數LINEST進行回歸分析和趨勢預測得到回歸方程為：

可決系數R2=0.9202，說明從業(yè)人數的變化中92.02%可以由貨物周轉量的變化得到解釋。

表3 一元線性回歸模擬樣本及誤差表

一元線性模擬樣本精度達到99.54%，模擬結果很理想，很顯然，這種預算模型是首要采用的。

3.3 模擬樣本綜合處理

將上述三種預測模型進行算數平均得出綜合結果。如表4所示。

表4 模擬樣本綜合處理

經過綜合處理，將上述幾種單一模型結合起來，模擬樣本值精度達到了98.82%，模擬結果十分理想，達到預測要求。

3.4 組合模型的確定

Shapley值法是用于解決多人合作問題的一種數學方法，其理論思想是根據局中人給合作帶來的增值比例分配合作的利益。在本文中，把Shapley值法應用到組合預測模型中，把各單一預測方法假定為合作關系中的各個成員，各方法產生的誤差是為全體n個人合作帶來的最大效益。最后，根據各成員的 “貢獻”大小，利用分配的權重來反映其在合作中的重要性。

Shapley值分配公式為：

根據上面的計算結果確定組合預測中各預測方法的權重，公式為：

從而得出組合預測模型：

由此最終計算出各個預測模型的Shapley值，進而得出三種單一預測方法分攤的誤差值分別為：E1=405；E2=7；E3=1 058；根據計算結果計算各預算方法在組合預測中的權重，如下所示：

根據權重計算結果，得出組合預測模型：Y=0.362Y1+0.498Y2+0.14Y3

由此我們可以利用組合模型得到貴州省2005年～2009年從業(yè)人員需求預測值。如表5所示。

表5 組合預測值與誤差值

4 預測結果分析

具體的單一預測與組合預測的誤差及大體趨勢如下圖所示。

由圖1可以清晰的看出，本文所選用的模型與實際值波動趨勢大致相同，組合預測模型波動平緩，更加接近實際值，預測精確度更加準確。通過組合預測使我們可以得到相對準確與可靠的預測方法。

由此得到2012年～2018年從業(yè)人員預測值。

根據貴州省物流人才與物流從業(yè)人員關系：

其中，Z（k）表示k年的總從業(yè)人員數，R（k ）表示k年物流人才數，η表示人才需求變化參數，n以2010年為第一年的年份數。通過計算最終貴州省物流人才預測結果如表7所示。

表6 從業(yè)人員需求預測值

表7 貴州省2012年~2018年物流人才預測值

2018年貴州省從業(yè)人員總數需求將達到25萬人左右，其中物流人才總數將達到28 000人左右。從行業(yè)需求層次上來講，高層次物流人才 （包括高級管理戰(zhàn)略性物流人才）將占到物流人才總數的54.5%，將達到15 520人以上。就目前貴州省物流教育發(fā)展來言，很難達到物流市場急需物流人才數量的要求。

5 結束語

（1）從預測結果可看出，貴州省物流人才需求量以指數增長趨勢逐年上升，因此必須采取相應的措施，充分利用貴州省教育資源培養(yǎng)物流人才，加快物流人才培養(yǎng)的建設，以滿足物流市場的需求。物流人才的預測為貴州省物流人才規(guī)劃提供有力的理論依據，課題研究成果將對滿足貴州省物流人才需求以及未來物流發(fā)展提供保障作用，實現貴州省物流的可持續(xù)發(fā)展，對于貴州省未來物流業(yè)的發(fā)展具有重大意義。

（2）單一的預測模型不能較精確的預測從業(yè)人員的需求量，采取組合模型，預測其需求量，從不同的角度探查影響從業(yè)人員增長的因素，準確的預測出未來變化趨勢。

[1] Douglas Lambert,James Stock,Lisa Ellram.物流管理[M].張文杰，葉龍，劉秉鐮,譯.北京：電子工業(yè)出版社，2003.

[2] 崔介何.物流學[M].北京：北京大學出版社，2003.

[3] 吳清一.現代物流概論[M].2版.北京：中國物資出版社，2005.

[4] 貴州省統計局.貴州統計年鑒[M].北京：中國統計年鑒出版社，2001-2011.

[5] 中華人民共和國國家統計局.貴州省統計年鑒[M].北京：中國統計年鑒出版社，2001-2011.

[6] 孫建豐，向小東.基于灰色線性回歸組合模型的物流需求預測研究[J].工業(yè)技術經濟，2007(10):167-169.

[7] 張桂喜，馬立平.預測與決策概論[M].北京：首都經濟貿易大學出版社，2005.

[8] 李朋.EXCEL統計分析實例精講[M].北京：科學出版社，2006.

[9] 董艷，王冠奎.EXCEL組合預測在物流需求中的應用[J].中國儲運，2006(5):108.