基于农村物流需求量组合预测分析.docVIP

基于农村物流需求量组合预测分析 　　摘要：农村物流需求量的预测对于农村物流的发展有重要意义。文章把农村消费品零售总额作为农村物流需求量预测指标，通过分析各影响因素，建立了多元回归、双指数平滑及移动平均单预测模型。根据得出的单项预测误差数据，采用折扣系数法建立组合预测模型，使得组合预测模型预测误差平方和最小，预测能力明显优于单项预测模型。 　　关键词：农村物流；组合预测；多元回归；双指数平滑；折扣系数 　　中图分类号：F252文献标识码：A 　　文章编号：1002-3100(2008)12-0096-04 　　Abstract: Rural logistics demand forecast is very important to the development of rural logistics. This paper takes total retail sales of consumer goods in the rural areas as rural logistics demand forecast indication, establishes multiple regression forecast model、Double exponential smoothing forecast model and moving average forecast model by analyzing some related factors. Then raised an combined forecast model by discount coefficient method. This model has the smallest error, and its predictability is better than individual forecast models. 　　Key words: rural logistics; combined forecast; multiple regression forecast; double exponential smoothing; discount coefficient 　　 　　0引言 　　 　　近年来我国物流业快速发展，但农村物流却相对落后，作为农业大国，要解决“三农”问题、增加农民收入，农村物流的相关研究非常重要。而农村物流首要问题是要解决复杂的物流需求量的预测。本文将组合预测应用于农村物流需求量预测。 　　组合预测即将不同的预测方法进行适当的组合，以便综合利用各种预测方法所提供的信息，尽可能地提高预测精度[1]。进入20世纪70年代以来，组合预测在理论界和预测实践中得到进一步重视，已涉及的组合预测方法有最小方差法、正权重组合方法、多项式拟合时变权重方法、基于AIC准则确定单项预测误差协方差阵结构的方法、结合AHP法判断单项预测相对表现从而确定权重的方法、考虑对预测误差分布偏好的目的规划法，等等。国内学者已将组合预测理论引入各种数量的预测研究，并取得了令人满意的结果[2-3]。同时各学者还致力于将改进的预测方法应用于物流需求的研究[4-7]。本文利用折扣系数法来确定组合预测的权重。 　　 　　1预测方法 　　 　　建立组合预测模型首先解决的问题是如何选择预测方法，无论是单一的预测方法还是对多种预测方法进行组合的组合预测方法都是以控制预测误差作为主要目标。本文选取多元回归分析、时间序列双指数平滑法和移动平均预测作为组合预测的单项预测方法。 　　1.1多元回归分析 　　回归分析预测法是从各种经济现象之间的因果关系出发，通过分析与预测对象有联系的现象变动趋势，推算预测对象未来数量状态的一种预测方法。文献[1]应用一元线性回归分析预测物流需求。该文献利用宏观经济总量与物流总量现象之间的数量依存关系，分别以GDP和进出口额为自变量，物流需求为因变量建立模型进行预测研究。 　　由于农业物流的复杂性，其需求受多种因素的影响，仅使用一元线性回归模型常常预测误差较大。本文采用多元线性回归分析进行农业物流需求量的预测。模型如下： 　　y=?茁X+?着 　　其中: 　　1.2时间序列双指数平滑法 　　时间序列平滑预测法，主要通过研究事物自身的发展规律，借以预测事物的未来发展趋势。我们认为农业物流量以过去的发展规律未发生质变，可以延伸到未来时期，故采用时间序列来研究物流量需求是可行的。指数平滑法是对时间序列由近及远采取具有逐步衰减性质的加权处理，因时间序列的变动具有线性趋势，故采用双指数平滑来消除滞后误差。预测步骤如下： 　　1.3移动平均法预测 　　移动平均法是在算术平均的基础上发展起来的一种预测方法，移动平均法可消除时