基于因子分析的港口物流需求预测

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BasedontheFactoranalysisofthePortlogistics’sdemandforecastResearch——TakingShanghaiPortforexampleDing,songbing1(1shanghaimaritimeuniversity,1550lingang,shanghai,P.R.ofchina201306)AbstractThroughthefactoranalysis,Portlogistics’sdemandindicatorswillbereducedtoasmallnumberofintegratedindicators.Thenthroughanalysistherelationofthecommoncomprehensivefactorandportlogistics‘sdemand,thepaperestablishagrowthmodelofLogisticinordertopredictthemajorindexesoftheportlogistics’sdemand.KeywordsPortlogistics;Factoranalysis;thegrowthmodelofLogistic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值（X2）、上海市第二产业产值（X3）、上海市第三产业产值（X4）。再次，港口城市的对外贸易规模对港口物流需求也有重要影响，对于港口城市而言，进出口贸易物流在整个城市物流规模中占有较大的比重。同时，进出口贸易物流对现代物流服务提出了较高的要求，因此在分析港口的物流需求时应充分考虑港口的进出口贸易物流。以上海市的进出口贸易总额（X5）来代表对上海对外贸易的规模。最后还要考虑的，如：港口腹地的货运周转量、城市居民消费水平和腹地社会商品零售总额等因素，这些因素都会对港口物流需求产生非常重要的影响。这里以上海市的货运周转量（X6）作为上海港腹地的货运周转量，以上海市的城市人均消费支出（X7）来表示城市居民消费水平，以上海市的商品零售总额（X8）代表腹地社会商品零售总额。2.2反映物流需求规模的指标选取对于反映物流需求规模的指标，由于受我国港口物流统计指标现状和数据的可获得性限制，一般将港口城市的社会货运量、港口吞吐量和集装箱运输量的规模的大小来反映物流需求的总规模。这里采用上海市社会货运量（Y1）、上海港货物吞吐量（Y2）和上海港集装箱吞吐量（Y3）三项指标作为港口物流需求总体规模的实物量预测指标。分析所采用的时间段为2000-2011年，具体统计指标数据如表1和表2所示。表12000-2011影响上海港物流需求因素相关统计指标数据变量年份X1（亿元）X2（亿元）X3（亿元）X4（亿元）X5（亿美元）X6（亿吨/公里）X7（元）X8（亿元）20004771.1776.682207.632486.86547.106620.008868.001865.2820015210.1278.002403.182728.94608.986992.009336.002016.3720025741.0379.682622.453038.90726.647472.0010464.002203.8920036694.2381.023209.023404.191123.978587.0011040.002404.4520048072.8383.453892.124097.261600.2610036.0012631.002656.9120059247.6690.264381.204776.201863.6512132.0013773.002979.50200610572.2493.814969.955508.482274.8913837.0014762.003375.20200712494.01101.845571.066821.112829.7315948.5817255.383873.30200814069.87111.806085.847872.233221.3816030.7019398.004577.23200915046.45113.826001.788930.852777.3114436.0020992.005173.24201017165.98114.157218.329833.513688.6916173.0023200.406070.50201119195.69124.947959.6911111.064374.3618000.0025102.006777.11表22000-2011反映上海港物流需求主要指标数据年份Y1（万吨）Y2（万TEU）Y3（万吨）年份Y1（万吨）Y2（万TEU）Y3（万吨）200047954.00561.2020440.00200672616.902171.9053748.00200149545.00634.0022099.00200778107.802615.2056144.00200254196.00861.2026384.00200884347.002800.6058170.10200358669.001128.2531621.00200976967.002500.2059205.00200463180.401455.4037897.00201081024.002906.9065339.00200568741.301808.4044317.00201193318.103173.9372800.00资料来源：2011版上海统计年鉴及2011年上海市国民经济和社会发展统计公报三、影响港口物流需求因素的因子分析港口物流需求预测主要是通过分析港口腹地的生产总值、港口城市的进出口总值等影响物流需求的重要因素，建立相应的模型，并做相应的预测。这些因素都与港口物流需求存在密切的关系，但要全部考虑这些因素是建立模型非常复杂的，另外这些因素之间还存在较强的共线性。尽管如此，这里可以通过因子分析，利用降维的思想，在损失很少信息的前提下把多个影响因素指标转化为少量的公共因子指标，然后通过分析公共因子指标和物流需求的关系来预测物流需求的未来趋势。因子分析运用的分析软件为spss19.0中文版,通过对上海市生产总值（X1）、上海市第一产业生产总值（X2）、上海市第二产业生产总值（X3）、上海市第三产业生产总值（X4）、上海市进出口总额（X5）、上海市货物周转量（X6）、上海市城镇人均消费支出（X7）、上海市零售总额（X8）等8个自变量因素进行因子分析处理，提取公共因子，并采用回归法计算因子得分。因子分析的具体分析处理结果如下表3、表4和表5所示：表3公因子方差提取方法：主成份分析初始提取初始提取上海市生产总值1.0000.998上海市进出口总额1.0000.984上海市第一产业生产总值1.0000.982上海市货物周转量1.0000.927上海市第二产业生产总值1.0000.992上海市城镇人均消费支出1.0000.992上海市第三产业生产总值1.0000.990上海市零售总额1.0000.971表4解释的总方差成份初始特征值提取平方和载入合计方差的%累积%合计方差的%累积%17.83697.95197.9517.83697.95197.95120.1291.61899.569表5因子载荷提取方法：主成份分析成份成份11上海市生产总值（GDP）0.999上海市进出口总额0.992上海市第一产业生产总值0.991上海市货物周转量0.963上海市第二产业生产总值0.996上海市城镇人均消费支出0.996上海市第三产业生产总值0.995上海市零售总额0.986表3所示是因子分析的共同度，显示的是因子在8个变量中提取的信息多少，从表中可以看出，因子包含了原始变量的至少92%的信息。说明因子提取的总体效果理想。从表4可以看出，各因子解释原始变量总方差的情况，第一个因子描述了原始变量总变差的7.863，解释了原来8个变量总方差的97.951%，说明该因子提供了原始变量足够的信息，所以只用选择第一个因子为主因子。从以上表5结果看，主因子在8个指标值的载荷值都很大，说明它综合反映了影响物流需求的因素，故可以把这个公共因子看作综合影响因素值。通过因子分析，提取了一个主因子，这个主因子能很好的反映众多物流需求影响因素，同时在spss19.0软件的数据编辑窗口中新增了变量Fac1_1,表示因子在不同年份的得分值，这里理解为不同年份的综合因素影响值。对于港口物流需求的预测主要通过这个综合因素影响值与反映物流需求规模相关指标建立关系模型。四、港口物流需求曲线估计在分析综合影响值和物流需求规模的关系时，考虑到物流需求规模不会无限制的发展下去，总会受到地理环境、港口交通设施和政策等因素制约，可以考虑选择logistic增长模型进行回归分析。该曲线大致呈S型，初期呈平缓增长趋势，然后急剧上升，达到一定规模后保持平稳[4]。logistic增长模型