基于面板數(shù)據(jù)的無錫物流需求影響因素研究

王燕茹，戴姍姍

(江南大學(xué) 商學(xué)院，江蘇 無錫 214122)

一、引言

物流需求是社會(huì)經(jīng)濟(jì)活動(dòng)所產(chǎn)生的次生需求，受經(jīng)濟(jì)發(fā)展?fàn)顩r、產(chǎn)業(yè)結(jié)構(gòu)、政治環(huán)境、人民生活水平、消費(fèi)形式等許多因素的影響。物流需求分析是物流系統(tǒng)設(shè)計(jì)與規(guī)劃中的重要環(huán)節(jié)，分析和研究物流需求的影響因素有助于物流需求的預(yù)測(cè)。而物流需求的預(yù)測(cè)為政府制定物流產(chǎn)業(yè)發(fā)展政策、建設(shè)物流基礎(chǔ)設(shè)施、優(yōu)化配置相關(guān)資源等提供了重要的理論依據(jù)，也為企業(yè)布局物流中心、選擇物流線路等提供了重要的決策依據(jù)。

目前一些專家學(xué)者已經(jīng)對(duì)物流需求影響因素的選取做了相關(guān)的理論研究以及實(shí)證分析。2004年，劉秉鐮在比較研究?jī)深愇锪餍枨蟮念A(yù)測(cè)方法時(shí)選取的物流規(guī)模指標(biāo)為：實(shí)物量需求(貨運(yùn)量、庫存量、加工量、配送量)和價(jià)值量需求(物流成本、物流收入、供應(yīng)鏈增值)；影響因素指標(biāo)為：物流費(fèi)用占GDP的比例趨勢(shì)、國民經(jīng)濟(jì)主要行業(yè)部門對(duì)物流消耗的中間需求。[1]2008年，黃虎在分析區(qū)域經(jīng)濟(jì)等影響因素指標(biāo)與區(qū)域物流需求之間的內(nèi)在關(guān)系時(shí)選取的物流需求規(guī)模的指標(biāo)為：貨物運(yùn)輸量；經(jīng)濟(jì)指標(biāo)為：第一產(chǎn)業(yè)產(chǎn)值、第二產(chǎn)業(yè)產(chǎn)值、第三產(chǎn)業(yè)產(chǎn)值、區(qū)域零售總額、區(qū)域外貿(mào)總額和人均消費(fèi)水平。[2]2009年，唐步龍?jiān)谘芯渴卟肆魍繒r(shí)選取的因變量為：農(nóng)村物流(蔬菜流通量)；自變量為：道路水平(里程)、信息化水平(網(wǎng)絡(luò)普及率)、經(jīng)紀(jì)人隊(duì)伍(農(nóng)民經(jīng)紀(jì)人數(shù)量)、設(shè)施(農(nóng)用車數(shù)量)和教育水平(人均教育經(jīng)費(fèi)投入)。[3]2010年，李全喜等在研究區(qū)域物流能力與區(qū)域經(jīng)濟(jì)發(fā)展的相關(guān)性時(shí)選取的區(qū)域物流能力指標(biāo)為：物流相關(guān)產(chǎn)業(yè)產(chǎn)值、貨運(yùn)量、貨運(yùn)周轉(zhuǎn)量、載貨汽車保有量、物流相關(guān)產(chǎn)業(yè)固定資產(chǎn)項(xiàng)目投資額、物流相關(guān)產(chǎn)業(yè)從業(yè)人員比例、境內(nèi)鐵路通車?yán)锍毯凸吠ㄜ嚴(yán)锍蹋粎^(qū)域經(jīng)濟(jì)指標(biāo)為：GDP、農(nóng)業(yè)GDP、工業(yè)GDP、社會(huì)消費(fèi)品零售總額、人均GDP、居民消費(fèi)水平和全社會(huì)固定資產(chǎn)投資額。[4]張毅和陳圻在研究中國區(qū)域物流業(yè)與經(jīng)濟(jì)發(fā)展協(xié)調(diào)度時(shí)選取的物流發(fā)展子系統(tǒng)指標(biāo)為：貨運(yùn)量、貨運(yùn)周轉(zhuǎn)量、物流業(yè)總產(chǎn)值、從業(yè)人數(shù)和物流產(chǎn)業(yè)固定資產(chǎn)凈值；經(jīng)濟(jì)發(fā)展子系統(tǒng)指標(biāo)為：經(jīng)濟(jì)概況(人均GDP、固定資產(chǎn)凈值)，對(duì)外開放水平(進(jìn)出口總額)，生活水平(人均工資、城市恩格爾系數(shù)、農(nóng)村恩格爾系數(shù))。[5]楊樹果和王新利在研究物流需求預(yù)測(cè)方法時(shí)選取的物流規(guī)模指標(biāo)為：貨運(yùn)總量；與貨運(yùn)量緊密相關(guān)的指標(biāo)為：國內(nèi)生產(chǎn)總值、第一產(chǎn)業(yè)產(chǎn)值、第二產(chǎn)業(yè)產(chǎn)值、第三產(chǎn)業(yè)產(chǎn)值、工業(yè)總產(chǎn)值、農(nóng)業(yè)總產(chǎn)值、進(jìn)出口總額和總?cè)丝跀?shù)。[6]2011年，曹萍和陳福集在預(yù)測(cè)區(qū)域物流需求時(shí)選取的物流需求規(guī)模指標(biāo)為：貨運(yùn)量；相關(guān)經(jīng)濟(jì)指標(biāo)為：國民生產(chǎn)總值、第一產(chǎn)業(yè)占GDP的比例，第二產(chǎn)業(yè)占GDP的比例，第三產(chǎn)業(yè)占GDP的比例，進(jìn)出口貿(mào)易總額，社會(huì)消費(fèi)品零售總額，區(qū)域內(nèi)城鎮(zhèn)居民人均可支配收入和網(wǎng)絡(luò)用戶數(shù)。[7]

在物流需求規(guī)模和其影響因素的指標(biāo)選取上，目前并沒有標(biāo)準(zhǔn)的統(tǒng)一的統(tǒng)計(jì)指標(biāo)，上述文獻(xiàn)對(duì)此的選取雖然各有不同，但是相互之間存在一些共性，也有相互補(bǔ)充。選取的物流需求規(guī)模指標(biāo)多為貨運(yùn)量，在李全喜和張毅等研究中，物流業(yè)總產(chǎn)值、載貨汽車保有量、物流相關(guān)產(chǎn)業(yè)固定資產(chǎn)項(xiàng)目投資額、物流相關(guān)產(chǎn)業(yè)從業(yè)人數(shù)、境內(nèi)鐵路通車?yán)锍毯凸吠ㄜ嚴(yán)锍痰纫脖贿x取為指標(biāo)。[4-5]對(duì)于物流需求影響因素的指標(biāo)選取，一般考慮經(jīng)濟(jì)概況、對(duì)外開放水平以及人民生活水平三方面，唐步龍和曹萍等還考慮了文化教育中網(wǎng)絡(luò)的影響。[3，7]

二、物流需求影響因素的指標(biāo)選取和數(shù)據(jù)來源

1.指標(biāo)選取

考慮到運(yùn)輸是物流系統(tǒng)中始終貫穿的活動(dòng)，文章選取的物流規(guī)模指標(biāo)為貨運(yùn)量Y，Y為因變量。

物流需求主要受宏觀經(jīng)濟(jì)水平、對(duì)外開放程度、人民生活水平以及教育文化程度的影響，借鑒已有的研究經(jīng)驗(yàn)，結(jié)合無錫物流的實(shí)際情況，在考慮數(shù)據(jù)可獲得性的基礎(chǔ)上，選取的物流需求影響因素指標(biāo)及簡(jiǎn)要說明如下：

表1 物流需求影響因素指標(biāo)

注：城鎮(zhèn)居民人均可支配收入2009年前后的統(tǒng)計(jì)口徑不一致，選擇平均每人儲(chǔ)蓄額(元)來說明。

2.數(shù)據(jù)來源

無錫位處長(zhǎng)江三角洲的平原腹地，是太湖流域的交通樞紐，是著名的魚米之鄉(xiāng)，也是民族工業(yè)的發(fā)源地之一，重要的地理位置和殷實(shí)的經(jīng)濟(jì)條件奠定了其物流迅速發(fā)展的基礎(chǔ)。

加快發(fā)展現(xiàn)代物流業(yè)是無錫實(shí)現(xiàn)長(zhǎng)遠(yuǎn)目標(biāo)的戰(zhàn)略性選擇，而物流業(yè)的基礎(chǔ)設(shè)施建設(shè)，倉儲(chǔ)和港站的設(shè)置，信息通信的鋪設(shè)，第三方物流的需求分析等都需要對(duì)物流需求進(jìn)行分析和預(yù)測(cè)，那么確定物流需求的影響因素便顯得至關(guān)重要。文章以無錫物流需求為例，選取1996年至2011年的相關(guān)統(tǒng)計(jì)數(shù)據(jù)進(jìn)行分析，數(shù)據(jù)來源于無錫統(tǒng)計(jì)年鑒。

三、無錫物流現(xiàn)狀的描述性分析

無錫處于交通樞紐，貨物運(yùn)輸周轉(zhuǎn)量大，物流輻射半徑大，近年來無錫物流業(yè)硬環(huán)境和軟環(huán)境都有了改善。以下分析涉及貨運(yùn)量和貨物周轉(zhuǎn)量的數(shù)據(jù)均來自無錫統(tǒng)計(jì)年鑒。

分析圖1、圖2及圖3可知，無錫貨運(yùn)量的變化可分為三個(gè)時(shí)期，1996年至1998年為下滑期，這三年鐵路、公路和水路的貨運(yùn)量均呈下滑狀態(tài)，公路貨運(yùn)量下降的26.66%和總貨運(yùn)量下降的23.68%最為接近。1999年至2004年為平穩(wěn)期，在這期間，水路貨運(yùn)量的變化幅度相對(duì)比較大，但是由于其對(duì)總貨運(yùn)量的影響不大，所以雖然貨運(yùn)量處于上下動(dòng)蕩的狀態(tài)，但是總體來說還是比較平穩(wěn)的。2005年至2011年為上升期，從2005年的8430萬噸到2011年的15387萬噸，無錫貨運(yùn)量在七年的時(shí)間里翻了近一翻，其中2011年的公路貨運(yùn)量為2005年的1.96倍。1996年至2005年期間，無錫總貨運(yùn)量變化幅度較大，然而鐵路、公路和水路貨運(yùn)量的變化對(duì)總貨運(yùn)量的貢獻(xiàn)卻各有不同，由圖1可知，公路貨運(yùn)量對(duì)總運(yùn)貨量變化的影響最大，其發(fā)展走勢(shì)與總貨運(yùn)量的走勢(shì)基本保持一致；水路的貨運(yùn)量在1996年至2003年期間一直處于下降趨勢(shì)，2004年開始上升，2007年的1369萬噸與1999年的1353萬噸相近，2011年的1499萬噸與1996年的貨運(yùn)量水平相差不遠(yuǎn)；鐵路的貨運(yùn)量在1999年至2005年期間一直處于動(dòng)蕩上升的趨勢(shì)，自2006年后一直呈下降趨勢(shì)，并且2011年的貨運(yùn)量為這16年的最低水平。

圖1 1996年-2011年總貨運(yùn)量及各運(yùn)輸方式貨運(yùn)量(萬噸)

Fig.1Thetotalfreightandothertransportmodescargofrom1996to2011(tonnes)

圖2 1996年-2011年鐵路貨運(yùn)量(萬噸)

Fig.2Railfreightfrom1996to2011(tonnes)

圖3 1996年-2011年水路貨運(yùn)量(萬噸)

Fig.3Waterwayfreightfrom1996to2011(tonnes)

2011年，無錫貨運(yùn)量總量為15387萬噸，其中航空、鐵路、公路和水路所占的貨運(yùn)量比例如圖4，所占的貨物周轉(zhuǎn)量比例如圖5。

從圖4和圖5可知，無論是貨運(yùn)量還是貨物周轉(zhuǎn)量，公路占的比例都是最大的，也就是說無論是短途還是長(zhǎng)途的物流運(yùn)輸過程中，公路運(yùn)輸都占了很大的比例。2011年鐵路的貨物周轉(zhuǎn)量確實(shí)為零，而航空的貨運(yùn)量為3萬噸，航空的周轉(zhuǎn)量為4843萬噸，但由于占總數(shù)的比例太少而沒有在圖中體現(xiàn)。

圖4 貨運(yùn)量中各運(yùn)輸方式所占比例

Fig.4Proportionofeachtransportmodeinfreight

圖5 貨物周轉(zhuǎn)量中各運(yùn)輸方式所占比例

Fig.5Proportionofeachtransportmodeinfreightturnover

貨物周轉(zhuǎn)量等于貨運(yùn)量和貨物平均運(yùn)距的乘積，分析水路和公路的貨運(yùn)量和貨物周轉(zhuǎn)量可知，2011年水路的貨物平均運(yùn)距為公路的3.47倍，比2005年的2.47倍增加了約40個(gè)百分點(diǎn)，這是由水路和公路運(yùn)輸?shù)牟煌攸c(diǎn)所影響決定的。

四、數(shù)據(jù)分析

1.數(shù)據(jù)預(yù)處理

由于統(tǒng)計(jì)過程中，各個(gè)指標(biāo)之間的計(jì)量單位以及數(shù)量級(jí)不盡相同，不能直接進(jìn)行綜合分析，所以文章采用標(biāo)準(zhǔn)化處理的方法對(duì)以上數(shù)據(jù)進(jìn)行無量綱化處理，解決各指標(biāo)的不可綜合性問題。

假設(shè)F是因變量Y的標(biāo)準(zhǔn)化矩陣，

假設(shè)Ei是自變量Xi的標(biāo)準(zhǔn)化矩陣，

表2 1996年-2011年無量綱化處理后的面板數(shù)據(jù)

2.數(shù)據(jù)分析

本文主要研究面板數(shù)據(jù)的影響效應(yīng)狀況，使用nlinfit函數(shù)進(jìn)行非線性最小二乘擬合，并采用嶺回歸分析構(gòu)造預(yù)測(cè)模型。將歸一化到[0，1]區(qū)間的數(shù)據(jù)樣本分成兩組：1996—2010 年數(shù)據(jù)用于建立及訓(xùn)練模型，2011 年數(shù)據(jù)用于檢驗(yàn)?zāi)Ｐ偷念A(yù)測(cè)性能。以貨運(yùn)量為因變量Y，自變量為地區(qū)生產(chǎn)總值X1、第一產(chǎn)業(yè)生產(chǎn)總值X2、第二產(chǎn)業(yè)生產(chǎn)總值X3、第三產(chǎn)業(yè)生產(chǎn)總值X4、固定資產(chǎn)投資總額X5、社會(huì)消費(fèi)品零售總額X6、進(jìn)出口總額X7、平均每人儲(chǔ)蓄額X8、恩格爾系數(shù)X9、每百戶城鎮(zhèn)居民家庭擁有的家用電腦X10、每萬人擁有各類專業(yè)技術(shù)人員X11。其樣本n=16，自變量數(shù)p=11。由此假設(shè)線性函數(shù)：

y=a*X1+b*X2+c*X3+d*X4

+e*X5+f*X6+g*X7+h*X8

+i*X9+j*X10+k*X11

其中a，b，c，d，e，f，g，h，i，j，k分別為本文要求的各自變量對(duì)因變量的最小二乘估計(jì)系數(shù)。beta為系數(shù)矢量，beta0為包含系數(shù)初值的矢量，本文中beta0= [0.7 -0.3 -0.05 0.35 0.4 0.3052 -0.2 -0.58 -0.5 0.39 -0.59]。本文用[beta,r,J]=nlinfit(X,y,fun,beta0)返回?cái)M合系數(shù)(beta)、殘差(r)和雅可比矩陣J，并將這些參數(shù)用于nlintool函數(shù)，生成預(yù)計(jì)值的誤差估計(jì)。通過74次迭代，運(yùn)行算得betafit= [5.2837，-0.7162，-2.7103，-0.44，-2.1789，1.5133，-0.1618，0.4743，0.7485，1.0214，-0.4034]，即貨運(yùn)量與各因素之間存在以下的關(guān)系：

Y=5.2837X1- 0.71062X2-2.7103X3-

0.44X4-2.1789X5+1.5133X6-

0.1618X7-0.4743X8+0.7485X9+

1.0214X10-0.4034X11

表3 擬合系數(shù)(bate)的值

分析表3數(shù)據(jù)可知，對(duì)貨運(yùn)量影響最大的因素是地區(qū)生產(chǎn)總值、第二產(chǎn)業(yè)生產(chǎn)總值，固定資產(chǎn)投資總額，這些都為宏觀經(jīng)濟(jì)這一指標(biāo)下的因素，說明無錫貨運(yùn)量主要受無錫的經(jīng)濟(jì)發(fā)展水平、產(chǎn)業(yè)的經(jīng)濟(jì)結(jié)構(gòu)狀況以及固定資產(chǎn)投資規(guī)模和使用方向的影響。其次社會(huì)消費(fèi)品零售總額和每百戶城鎮(zhèn)居民家庭擁有的家用電腦因素對(duì)貨運(yùn)量的影響也比較大。這說明實(shí)物商品的最終消費(fèi)情況還有信息流對(duì)物流發(fā)展的影響也比較明顯。對(duì)貨運(yùn)量影響較小的因素是進(jìn)出口總額、第三產(chǎn)業(yè)生產(chǎn)總值和每萬人擁有各類專業(yè)技術(shù)人員。

3.數(shù)據(jù)評(píng)價(jià)

表4 殘差值(r)

殘差值均接近零，說明擬合結(jié)果比較可靠。

表5 雅可比矩陣J

將通過nlinfit函數(shù)運(yùn)算所得的擬合系數(shù)(beta)、殘差(r)和雅可比矩陣J用于nlintool函數(shù)，得到多變量的非線性擬合模型的擬合系數(shù)的95%置信區(qū)間分別為[-12.5551,16.0461] ；[-1.6880,1.4892] ；[-8.1150,7.0945]； [-7.0388,5.1437]；[-4.0216,2.1813]；[-2.1548,5.7741]；[-1.4718,1.2640]；[-2.8474,2.5074]；[-0.7757,1.6849]；[-1.0988,2.6780]；[-1.2438,0.7962]，擬合系數(shù)均在95%的置信區(qū)間內(nèi)。

本文由最小二乘估計(jì)獲得需求模型：

Y=5.2837x1-0.7162x2-2.7103x3-0.44x4-2.1789x5+1.5133x6-0.1618x7-0.4743x8+0.7485x9+1.0214x10-0.4034x11

下面用2011年數(shù)據(jù)檢驗(yàn)?zāi)Ｐ偷念A(yù)測(cè)性能，得到的Y值為2.8194，殘差值為0.5166。通過去歸一化處理后所得數(shù)據(jù)為16756.01萬噸，與實(shí)際數(shù)據(jù)15387萬噸相比，相對(duì)誤差為8.8%，該模型的預(yù)測(cè)性能基本可靠。

顯著性分析：

(1)原假設(shè)H0：各組無量化處理后的數(shù)據(jù)是相同

備選假設(shè)H1：各組無量化處理后的數(shù)據(jù)存在很大差異

(2)檢驗(yàn)數(shù)據(jù)如表6：

表6 檢驗(yàn)統(tǒng)計(jì)表

(3)選取顯著水平α值為0.05，得到分析表7：

表7 方差分析

方差分析一般檢驗(yàn)多套數(shù)據(jù)的平均值來確定這些數(shù)據(jù)集合中提供的樣本的平均值是否也相等。

單因素方差分析通過簡(jiǎn)單的方差分析，對(duì)兩個(gè)以上樣本進(jìn)行相等性假設(shè)檢驗(yàn)。此方法是對(duì)雙均值檢驗(yàn)的擴(kuò)充。

如果用均方(即自由度v去除離均差平方和的商)代替離均差平方和以消除各組樣本數(shù)不同的影響，則方差分析就是用組內(nèi)均方去除組間均方的商(即F值)與1相比較，若F值接近1，則說明各組均數(shù)間的差異沒有統(tǒng)計(jì)學(xué)意義，若F值遠(yuǎn)大于1，則說明各組均數(shù)間的差異有統(tǒng)計(jì)學(xué)意義。實(shí)際應(yīng)用中檢驗(yàn)假設(shè)成立條件下F值大于特定值的概率可通過查閱F界值表(方差分析用)獲得。

由表6得出在α值為0.05時(shí)，F(xiàn)值為26，遠(yuǎn)大于1，因此顯著性檢驗(yàn)成立的概率p≤0.05，所以無效假設(shè)H0不成立，各組數(shù)據(jù)間的差異并不是由誤差造成的，該數(shù)據(jù)組具有一定的統(tǒng)計(jì)意義。

相關(guān)系數(shù)分析：

表8 相關(guān)系數(shù)統(tǒng)計(jì)

**. 在 .01 水平(雙側(cè))上顯著相關(guān)。

由表7可以得知，Pearson相關(guān)性系數(shù)都大于0.7，符合強(qiáng)相關(guān)。

五、結(jié)論及建議

1.通過研究，本文得到以下結(jié)論

(1)無錫的物流需求主要受宏觀經(jīng)濟(jì)的影響，其中經(jīng)濟(jì)的總體發(fā)展水平以及實(shí)物商品的最終消費(fèi)情況對(duì)物流需求的影響尤為重大，第三產(chǎn)業(yè)產(chǎn)值對(duì)物流需求的影響較小，這在物流中主要反映為實(shí)物流。

(2)教育文化因素對(duì)物流需求的影響日益顯現(xiàn)，信息是物流發(fā)展的重要基礎(chǔ)，對(duì)發(fā)展現(xiàn)代物流有很大的貢獻(xiàn)，這在物流中主要體現(xiàn)為信息流。

(3)固定資產(chǎn)投資規(guī)模和使用方向?qū)ξ锪靼l(fā)展的影響也比較明顯，固定資產(chǎn)投資在物流中主要反映為資金流。

(4)在無錫，外向性物流在物流中所占的比例不大。進(jìn)出口總額體現(xiàn)的是外向性物流在物流中所占的比重，而公路運(yùn)輸是短距離運(yùn)輸?shù)闹袌?jiān)力量，水路及鐵路主要承擔(dān)的是遠(yuǎn)距離、大宗貨的外向性物流。無錫物流現(xiàn)狀分析表明公路運(yùn)輸為目前的主要運(yùn)輸方式，1996年至2011年期間公路運(yùn)貨量高達(dá)總運(yùn)貨量的83.9448%，與此相比水路以及鐵路的運(yùn)貨量對(duì)總運(yùn)貨量的影響較小。這一現(xiàn)狀與進(jìn)出口總額x7對(duì)貨運(yùn)量Y的影響系數(shù)較小這一計(jì)算結(jié)果相吻合。

(5)人民生活對(duì)物流需求的影響并不凸顯。居民的生活以及消費(fèi)水平對(duì)需求的影響在所有影響因素中處于中下水平，這在一定程度上說明無錫物流主要依靠生產(chǎn)拉動(dòng)而非消費(fèi)。反過來說，物流對(duì)于人民生活的作用并沒有特別直接的影響。

2.本文提出以下建議

(1)加快實(shí)現(xiàn)實(shí)物流、信息流和資金流的三流合一，加快物流現(xiàn)代化的步伐。

(2)注重教育文化，培養(yǎng)發(fā)展現(xiàn)代物流需要的高質(zhì)量人才。

(3)加強(qiáng)物流產(chǎn)業(yè)規(guī)劃，合理配置社會(huì)資源，使資產(chǎn)投資規(guī)模和使用方向更合理。

(4)加強(qiáng)外向性物流的發(fā)展，更好地利用無錫的樞紐優(yōu)勢(shì)。

(5)注重產(chǎn)業(yè)轉(zhuǎn)型，依托有利的社會(huì)地理環(huán)境，大力發(fā)展第三產(chǎn)業(yè)。

[參 考 文 獻(xiàn)]

[1] 劉秉鐮．基于價(jià)值量的物流需求分析與預(yù)測(cè)方法研究[J]．中國軟科學(xué)，2004(5)：66-73．

[2]黃虎．區(qū)域物流需求預(yù)測(cè)模型研究[J]．統(tǒng)計(jì)與決策，2008(17)：62-63．

[3]唐步龍．基于Panel Data的蔬菜流通量影響因素研究[J]．統(tǒng)計(jì)與決策，2009(22)：90-91．

[4]李全喜，金鳳花，孫磐石．區(qū)域物流能力與區(qū)域經(jīng)濟(jì)發(fā)展的典型相關(guān)分析—基于全國面板數(shù)據(jù)[J]．軟科學(xué)，2010，12(24)：75-80．

[5]張毅，陳圻．中國區(qū)域物流業(yè)與經(jīng)濟(jì)發(fā)展協(xié)調(diào)度研究—基于復(fù)合系統(tǒng)模型與30個(gè)省區(qū)面板數(shù)據(jù)[J]．軟科學(xué)，2010，12(24)：70-78．

[6]楊樹果，王新利．偏最小二乘回歸與灰色模型耦合在物流需求預(yù)測(cè)中的應(yīng)用[J]．農(nóng)業(yè)技術(shù)經(jīng)濟(jì)，2010，(7)：105-111．

[7]Zhao fang Chu,Logistics and economic growth: a panel data approach[J].TheAnnalsofregionalscience,2012,49(1).

[8]Jianyu Ran, Jiansheng Zhang. Difference and Influence Factors for the Development of Regional Logistics in China[D],2010.

[9]強(qiáng)林飛，吳芬，吳詣民．中國行業(yè)收入差距的實(shí)證研究[J]．統(tǒng)計(jì)與決策，2011，11(26)：44-48．

[10]梁毅剛，耿立艷，張占福．基于核成分—最小二乘支持向量機(jī)的區(qū)域物流需求預(yù)測(cè)[J]． 鐵道運(yùn)輸與經(jīng)濟(jì)，2012，(34)：63-67．