基于因子分析的港口物流需求预测.docVIP

基于因子分析的港口物流需求预测 ——以上海港为例 摘要 以上海港为例，通过因子分析，利用降维的思想将影响港口物流需求的经济指标综合为少量的公共因子，然后通过分析公共因子和物流需求的关系,建立logistic增长模型,以此来预测港口物流需求的主要指标。 关键字 港口物流； 因子分析； logistic增长模型 Based on the Factor analysis of the Port logistics’s demand forecast Research —— Taking Shanghai Port for example Ding, songbing1 (1 shanghai maritime university , 1550 lingang,shanghai,P.R. of china 201306) Abstract Through the factor analysis,Port logistics’s demand indicators will be reduced to a small number of integrated indicators.Then through analysis the relation of the commoncomprehensive factor and port logistics ‘s demand, the paper establish a growth model of Logistic in order to predict the major indexes of the port logistics’s demand. Keywords Port logistics; Factor analysis; 一、引言 港口物流需求预测就是通过分析港口物流市场过去的和现在的需求资料以及影响港口物流市场需求变化的相关因素，利用合适的经验判断、技术方法和预测模型，对影响港口物流市场需求发展趋势的主要指标进行预测。进行港口物流需求预测，是开展港口物流系统规划的一个重要参考依据，也是对港口物流基础设施建设规模、港口物流的空间布局和港口城市物流发展方向、功能定位等进行全面规划的前提和基础。 目前对港口物流需求进行定量预测的研究有很多，主要有时间序列预测、因果预测等。这些方法中，时间序列预测只考虑了港口物流需求量自身的历史变化趋势，依据这种变化趋势做时间上的外推，但这种方法并未考虑到影响这种变化趋势的众多外部因素，因此当外部影响因素出现变化时，预测误差将会增大。因果预测法主要是通过分析港口物流需求量与腹地相关经济指标的关系，以此建立预测模型，主要有回归分析法、神经网络法等。因果分析法能很好的考虑到了与港口需求量有关的外部影响因素，较于时间序列法有一定的优越性。如：高凤娇等（2009）[1]通过定量分析了上海港口集装箱吞吐量的影响因素，建立了港口集装箱吞吐量多元线性回归预测模型。陈婷婷等 (2009) [2]将BP神经网络理论引入港口货物吞吐量的预测中，建立以港口货物吞吐量影响因素作为输入神经元，港口货物吞吐量作为输出神经元的三层BP神经网络模型，并对南京港货物吞吐量进行了预测。但因果预测法只依据港口物流的具体情况选择关键影响因素建立模型，模型中往往会忽视一些其他的重要的影响因素。 对于港口物流需求预测，本文将采用因果分析法的思路，分析港口物流需求量与腹地影响港口物流需求因素的关系，为了克服因果分析法中只对关键因素建立模型的弊端，将采取因子分析法从腹地影响港口物流需求因素中提取共同影响因子，然后建立港口物流需求与共同影响因子得分的logistic增长预测模型。 二、港口物流需求的相关指标选取 2.1影响港口物流需求因素的指标选取[3] 影响港口物流的因素众多，进行需求预测，需要考虑与港口物流密切相关的因素。首先要考虑港口腹地的经济发展规模。腹地经济发展的整体水平和规模是港口物流需求的一个重要因素，也是港口物流需求的源动力。腹地经济总量与港口物流需求量之间有极强的相关关系，基于这点考虑，把腹地经济总量作为一项重要的指标来预测港口物流需求规模。以上海市的生产总值（X1）来代表上海港腹地的经济发展规模。其次，需要考虑港口腹地的产业结构，一般来说，港口及腹地经济产业结构的调整将会影响到港口城市物流需求规模和结构。产业结构的差异将对物流需求功能、物流层次以及物流需求结构等方面产生重大影响。因此把产业结构作为港口物流需求预测的一项重要影响指标加以考虑。以上海市三大产业的生产值分别代表三大产业结构，即上海市第一产业产