回归和时序组合模型中国货运量预测.docVIP

基于回归和时序组合模型的中国货运量预测 山东经济学院 李泳佳、武文超、张文燕 目 录 1 问题的提出………………………………………………………………………………3 2 问题的分析………………………………………………………………………………3 3 模型的建立………………………………………………………………………………4 3.1 ARIMA模型………………………………………………………………………4 3.1.1 时间序列的预处理……………………………………………………………4 3.1.2 非平稳序列的转化……………………………………………………………5 3.1.3 建立模型与参数估计…………………………………………………………6 3.1.4 对残差序列进行检验…………………………………………………………7 3.1.5 ARIMA模型的预测……………………………………………………………7 3.2 多元线性回归模型………………………………………………………………8 3.2.1 建立回归模型…………………………………………………………………8 3.2.2 拟合优度检验…………………………………………………………………9 3.2.3 回归方程的显著性检验………………………………………………………10 3.2.4 回归系数的显著性检验………………………………………………………10 3.2.5 残差分析 ………………………………………………………………………11 3.3 组合模型…………………………………………………………………………13 4 结论与建议………………………………………………………………………………13 5 参考文献…………………………………………………………………………………15 6 附录………………………………………………………………………………………16 内容摘要： 本次建模主要通过分析货运量历年来的变动趋势以及影响货运量的众多因素，来估计未来货运量变化，预测物流业的发展情况。先借助JMP软件利用时间序列分析法建立模型，实现对未来中国物流业发展情况的预测，再用马克威软件对数据进行回归分析，建立多元线性回归预测模型，对中国货运量进行预测分析并与真实值对比，发现差异值很大。因此选择建立组合模型，发现预测值与真实值偏差很小，因此，建模成功。最后，结合实际情况进一步对影响货运量的因素进行分析。 首先，通过对统计年鉴上1994-2008年的货运量总值进行分析，发现其变化趋势，以这十五年间的货运量总值为观察序列，通过时间序列分析拟合模型，在一定程度上预测出未来几年货运量的变化趋势，并观察2009年的预测值与真实值是否存在偏差，若存在偏差，则再进一步地运用回归多元线性回归模型对货运量进行预测并与时间序列预测进行的预测结果进行比较，发现两者差异都比较大，因此，通过对上述两种模型进行优化，建立组合模型，发现与真实值差异很小。最后对影响货运量的因素进行剖析，寻找影响货运量总值的主要因素。 由于货运量总值的变动受到多方面的影响，所以我们通过搜集各种相关信息，查阅各种相关资料，来寻找影响货运量总值的因素。在这里，我们选取了国内生产总值、社会消费品零售总额、固定资产投资总额、能源生产总值、进出口贸易总额五个因素作为影响货运量总值变动的主要因素进行研究分析。我们以货运量为因变量，上述五个因素为自变量建立多元线性回归模型，得出各自变量与因变量之间的关系，发现固定资产投资总额影响货运量的主要因素。最后，针对回归分析结果，我们从这个方面对产货运量总值的偏差的原因进行分析并提出相应的解决措施。 最后，我们基于以上研究结果，并结合中国现状，提出几个小建议来提升物流业的水平，促进物流业的发展。 关键词：货运量预测 ARIMA模型 多元回归分析 组合模型 一、 问题的提出 货物运输对经济增长和贸易至关重要，原材料、劳动力和燃料不能在不同地区间流动的话，就不可能进行任何生产活动，制造业产品就不可能被送到消费者手中，大量的服务活动也就无法进行WTO以来，中国拥有了更多的机遇，对外贸易增多，货物运输日益增长，但从另一方面来说，中国物流业与国外运输行业巨头的竞争也日益残酷。 货运量预测，即运用有关预测的一系列理论与方法对未来铁路、公路、管道等运输方式的货运市场需求的变化规律及发展趋势做出正确的判断和估计，对影响货运量的因素进行分析，可以明确的找出能够确切影响货运量的因素，以便对未来进行更好的预测与分析。 总之，客观分析和判定货运量总额的影响因素，能够预测未来货运量总额，进而得出我国物流业发展的趋势，这对于掌握决策的主动权，作出合理的决策，实现效益最大化，为社会创造更大的价值，是非常重要的。 因此，通过这篇论文我们要克服的问题首先便是分析出影响货运量的主要因素，