基于灰关联分析的常州市物流需求表征量选择

来源:用户上传      作者: 隆惠君　江涛涛　邓淑芬

　　摘要在进行物流需求预测时，选择正确的物流需求表征量尤为重要，它将直接影响预测的精度。本文利用灰关联分析法对常州市物流需求表征量进行建模分析，最终选取货运量来表征常州市物流需求水平。
　　关键词灰关联 物流需求 表征
　　[中图分类号] F512.7 [文献标识码] A
　　
　　一、 物流需求指标和数据的选取
　　
　　 物流需求是指在一定时期和一定区域空间范围内，由于生产和消费而引起的实物在时间和空间上对运输、包装、库存、装卸、配送、流通加工及信息处理等活动需求的总和。度量物流需求的指标体系有实物量体系，如货运量、货运周转量、库存量、加工量等，和价值体系，如物流成本、物流收入等。由于缺乏必要的统计数据，应用后一体系时只能根据专家经验对物流需求进行经验预测。为了对物流需求进行量化研究，同时兼顾数据的可能性，本文采用实物量体系中的货运量或货物周转量来表征物流需求。这两个指标都是运输活动的结果，虽然运输需求只是物流需求中的一部分，也不能全部代表物流服务的作业量，但运输是物流过程中的基本活动，贯穿于整个物流过程，运量的多少也必然决定着相关物流业量，如搬运、装卸、包装等的多少。因此货运量或货运周转量在一定程度上表示物流需求量是能反映物流需求的变化规律。
　　 为了构成一个等间隔数列，本文以1997-2006年常州的地区生产总值、货运量和货运周转量的数据为基础来建模预测。GDP(单位：万元)数列为（4701069，5045974，5387217，6006573，6729008，7606035，9014200，11006100，13033600，15694600）；货运量(单位：万吨)数列为（5246，5167，4909，4696，4830，5140，5437，5648，6032，6855）；货运周转量(单位：万吨公里)数列为（319055，307452，327542，273472，279312，274835，291913，299376，312269，379974）。
　　 从以上数据系列看出，1997-2006年的物流需求呈现出一定的增长态势，但物流需求的未来发展，需求变化与哪些因素有关等问题确是未知的。因此物流需求是一个“少数据，不完全信息”的灰色系统，用灰色系统理论来对其进行相关分析无疑是一种有效的工具。
　　
　　二、 地区生产总值、货运量和货物周转量之间的灰关联分析
　　
　　 灰关联分析的目的就是通过分析系统中各因素的关联程度从而确定主次。货运量和货运周转量均可代表物流需求，但是那一个指标更具有代表性？物流需求是一种引致需求，社会经济活动是引致物流需求的根本因素。因此，通过对社会经济活动的结果，即地区生产总值，与两指标进行关联分析可以确定出更具有代表性的那个指标。
　　 根据灰色理论的原理和方法，令地区生产总值数列为参考数列，记为｛x0(k)｝={4701069，5045974，5387217，6006573，6729008，7606035，9014200，11006100，13033600，15694600}；货运量数列和货运周转量数列为比较数列，分别记为｛x1(k)｝={5246，5167，4909，4696，4830，5140，5437，5648，6032，6855}，｛x2(k)｝={319055，307452，327542，273472，279312，274835，291913，299376，312269，379974}。
　　 由于货运量与货物周转量的单位不同，为了使各数列数据具有可比性，需进行无量纲处理，分别得到新数列。GDP的新数列为（1，1.0734，1.1459，1.2777，1.4314，1.6179，1.9175，2.3412，2.7725，3.3385）；货运量的新数列为（1，0.9849，0.9358，0.8952，0.9207，0.9798，1.0364，1.0766，1.1498，1.3067）；货运周转量的新数列为（1，0.9636，1.0266，0.8571，0.8754，0.8614，0.9149，0.9383，0.9787，1.1909）。
　　将参考数列｛x0(k)｝与比较数列｛xj(k)｝（j=1，2）进行比较，求出绝对差数列。
　　记同一点k，｛xj(k)｝与｛x0(k)｝的绝对差为：Δ0j＝｜x0(k)-xj(k)｜
　　
　　三、结论
　　
　　通过以上计算可知，r01〉r02〉0.6，说明常州市货运量与货运周转量与地区生产总值均有较好的关联程度，并且货运量与常州地区生产总值的关联程度大于货运周转量与地区生产总值的关联程度，即货运量指标更能表征常州市的物流需求水平。
　　作者单位：江苏工业学院
　　
　　参考文献：
　　[1] 陈森，周峰.基于灰色系统理论的物流需求预测模型[J].决策参考，2006，2：59.
　　[2] 常州市统计局.常州统计年鉴2007[M] .北京：中国统计出版社，2007.150-155.
　　[3] 邓聚龙.灰色理论[M].武汉：华中工学院出版社，1989.89-95.
　　注:本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文

转载注明来源:https://www.xzbu.com/2/view-385601.htm