基于時(shí)間序列分析方法的物流總額預(yù)測(cè)研究

潘樹(shù)龍，孫維夫

(煙臺(tái)職業(yè)學(xué)院 信息工程系，山東 煙臺(tái)264670)

我國(guó)是一個(gè)發(fā)展中國(guó)家，過(guò)去長(zhǎng)期的執(zhí)行計(jì)劃經(jīng)濟(jì)模式，物流產(chǎn)業(yè)并沒(méi)有很好的發(fā)展．隨著改革開(kāi)放，在良好的宏觀經(jīng)濟(jì)環(huán)境下，市場(chǎng)經(jīng)濟(jì)不斷地發(fā)展，物流產(chǎn)業(yè)開(kāi)始興起并有了長(zhǎng)足的發(fā)展，社會(huì)物流總額可以很好的反映物流的發(fā)展情況［1］．本文首先介紹了物流的一些基礎(chǔ)知識(shí)，又介紹了時(shí)間序列分析的一些相關(guān)概念和模型建立的方法，接著用時(shí)間序列分析的方法對(duì)物流總額進(jìn)行建模，并預(yù)測(cè)了2015 年的物流總額預(yù)期．

1 時(shí)間序列的構(gòu)成模型

1．1 時(shí)間序列的構(gòu)成要素

時(shí)間序列的構(gòu)成要素分為4 種:長(zhǎng)期趨勢(shì)(T)、季節(jié)變動(dòng)(S)、循環(huán)變動(dòng)(C)、不規(guī)則變動(dòng)(I)．

1．2 時(shí)間序列的分解模型

時(shí)間序列的分解模型分為［2－3］:

乘法模型中長(zhǎng)期趨勢(shì)T成分取與時(shí)間序列原始指標(biāo)數(shù)值Y相同的計(jì)量單位的絕對(duì)量，其余成分則均以比率(相對(duì)量)表示，加法模型中4 個(gè)因素是獨(dú)立的，每個(gè)成分均取與時(shí)間序列原始指標(biāo)數(shù)值Y相同的計(jì)量單位的絕對(duì)量表示．完整的時(shí)間序列組合模型包括T、S、C、I四種因素，但并非每個(gè)時(shí)間序列中都同時(shí)包含四種成分．一般T是經(jīng)常存在的，S和C則不一定存在，當(dāng)S或C不存在時(shí)，在乘法模型中，S=1，C=1，而在加法模型中S=0，C=0．

1．3 長(zhǎng)期趨勢(shì)分析

1)間距擴(kuò)大法．當(dāng)原始時(shí)間序列中個(gè)指標(biāo)數(shù)值上下波動(dòng)，使得現(xiàn)象變化規(guī)律表現(xiàn)不明顯時(shí)，可通過(guò)擴(kuò)大序列時(shí)間間隔，以反映現(xiàn)象發(fā)展的長(zhǎng)期趨勢(shì)．

2)移動(dòng)平均法．?dāng)U大原時(shí)間序列的時(shí)間間隔，選定一定的時(shí)距項(xiàng)數(shù)N采用遞次移動(dòng)的方法對(duì)原數(shù)列遞推移動(dòng)的N項(xiàng)計(jì)算一系列序時(shí)平均數(shù)消除或削弱了短期偶然因素引起的不規(guī)則變動(dòng)和其他成分，呈現(xiàn)出現(xiàn)象的較長(zhǎng)時(shí)間的發(fā)展趨勢(shì)移動(dòng)時(shí)距項(xiàng)數(shù)N的選擇要考慮周期性波動(dòng)的周期長(zhǎng)短，平均時(shí)距項(xiàng)數(shù)N應(yīng)和周期長(zhǎng)度一致．

3)線性趨勢(shì)模型法．趨勢(shì)模型法就是對(duì)原時(shí)間序列擬合適當(dāng)?shù)内厔?shì)模型，用以描述該時(shí)間序列趨勢(shì)變動(dòng)的具體模式的方法．

對(duì)于一個(gè)時(shí)間序列，到底配合何種趨勢(shì)方程，關(guān)健是看原數(shù)列的特點(diǎn)．在統(tǒng)計(jì)上有很多判斷分析方法，最簡(jiǎn)單的就是圖示法，根據(jù)原數(shù)列的動(dòng)態(tài)散點(diǎn)圖或折線圖來(lái)大致判斷選擇用哪一種模型更恰當(dāng)．

一般原則是若時(shí)間序列的逐期增長(zhǎng)量(一次差)大體相同，可擬合直線;若時(shí)間序列的逐期增長(zhǎng)量的逐期增長(zhǎng)量(二級(jí)增長(zhǎng)量或二次差)大體相同，可擬合拋物線;若時(shí)間序列的環(huán)比發(fā)展速度(或環(huán)比增長(zhǎng)速度)大體相同，可擬合指數(shù)曲線．

②曲線趨勢(shì)．

(a)二次曲線．當(dāng)現(xiàn)象發(fā)展的趨勢(shì)為拋物線形態(tài)時(shí)，或時(shí)間序列的二級(jí)增長(zhǎng)量大體相同時(shí)，可配合二次曲線方程．一般形式:t=a+bt+ct2．

根據(jù)最小平方法，可導(dǎo)出求常數(shù)a、b、c的三個(gè)標(biāo)準(zhǔn)方程式:

當(dāng)取時(shí)間數(shù)列的中間時(shí)期為原點(diǎn)時(shí)，上式可簡(jiǎn)化為:

(b)指數(shù)曲線．用于描述以幾何級(jí)數(shù)遞增或遞減的現(xiàn)象，即時(shí)間數(shù)列的觀察值按指數(shù)變化規(guī)律變化，或者說(shuō)時(shí)間數(shù)列的逐期觀察值按一定的百分比增長(zhǎng)或衰退．一般形式:t=abt．若b大于1，增長(zhǎng)率隨著時(shí)間的增加而增加;如b小于1，增長(zhǎng)率隨著時(shí)間的減少而減少，當(dāng)a大于0，b小于1 時(shí)，趨勢(shì)值逐漸降到以0 為極限．log=loga+tlogb．

根據(jù)最小平方法，得出:Σlogy=nloga+logbΣt，Σtlogy=logaΣt+logbΣt2．

當(dāng)取時(shí)間序列的中間時(shí)期為原點(diǎn)時(shí):Σlogy=nloga，Σtlogy=logbΣt2，求出loga和logb的值后再取其反對(duì)數(shù)，即得a和b［4］．

2 物流總額預(yù)測(cè)模型的建立

2．1 數(shù)據(jù)檢驗(yàn)

以中國(guó)1997－2014 年物流總額為研究對(duì)象．圖1 為物流總額與年份的關(guān)系圖，顯然物流總額與年份有明顯的指數(shù)趨勢(shì)性．對(duì)物流總額進(jìn)行取對(duì)數(shù)并計(jì)算自相關(guān)系數(shù)(ACF)及偏自相關(guān)系數(shù)(PACF)．變換后的時(shí)序圖及相關(guān)圖如圖2～3 所示．

圖1 物流總額與年份的關(guān)系圖Fig．1 The diagram of the logistics amount and year

圖2 時(shí)序圖Fig．2 Sequence diagram

從圖4 中可以看出;樣本序列數(shù)據(jù)的自相關(guān)系數(shù)和偏相關(guān)系數(shù)在某一固定水平線附近擺動(dòng)，且按周期性逐漸衰減，所以該時(shí)間序列基本是平穩(wěn)的，故可對(duì)此時(shí)間序列分進(jìn)行模型建立［6］．

圖3 相關(guān)圖Fig．3 The figure

圖4 線性分析圖Fig．4 Linear analysis diagram

2．2 模型的建立

取物流總量的對(duì)數(shù)，進(jìn)行線性分析，其為由圖4 看出具有直線趨勢(shì)，其中自變量為年份．調(diào)整R方大于0．95，則此模型是比較準(zhǔn)確的，結(jié)果見(jiàn)表1～2 得到其模型方程為:y=0．07721x－153．218．

2．3 物流總額預(yù)測(cè)

根據(jù)上述模型所得到的方程可以預(yù)測(cè)2015 年物流總額的的對(duì)數(shù)為:4．034，則2015 年的物流總額為:263．27，單位:萬(wàn)億元．

表1 模型匯總表Tab．1 The model summary table

表2 系數(shù)表Tab．2 Coefficient table

3 總結(jié)

本文主要介紹了時(shí)間序列分析的模型、并建立了關(guān)于物流總額的模型，分析檢驗(yàn)了數(shù)據(jù)，預(yù)測(cè)了2015 年的物流總額．我國(guó)的社會(huì)物流總額呈明顯的上升趨勢(shì)，并且在未來(lái)的一段時(shí)間，我國(guó)的物流產(chǎn)業(yè)會(huì)繼續(xù)不斷地發(fā)展．

［1］ 西杰優(yōu)盛行業(yè)研究部．2009 年中國(guó)物流行業(yè)研究報(bào)告［M］．北京:商務(wù)印書(shū)館，2004．

［2］ 漢斯，克利斯蒂安，波弗爾．物流前沿［M］．張計(jì)劃，譯．北京:機(jī)械工業(yè)出版社，2004．

［3］ 何書(shū)元．時(shí)間序列分析應(yīng)用［M］．北京:北京大學(xué)出版社，2004．

［4］ 秦立功，張健，楊一?。谌斯ど窠?jīng)網(wǎng)絡(luò)的時(shí)間序列分析方法在物流需求預(yù)測(cè)中的應(yīng)用［J］．物流科技，2007(6):121－126．

［5］ 肖枝洪．時(shí)間序列分析與sas 的應(yīng)用［M］．武漢:武漢大學(xué)出版社，2009:16－19．

［6］ 劉愛(ài)玉．Spss 基礎(chǔ)教程［M］．上海:上海人民出版社，2007．