【精选】对物流量的预测计量

《【精选】对物流量的预测计量》由会员分享，可在线阅读，更多相关《【精选】对物流量的预测计量（14页珍藏版）》请在金锄头文库上搜索。

1、输量预测-运输量预测根据国民经济和社会发展对运输的需求，就未来的旅客和货物运输量作定性和定量的计算和分析。它是研究分析未来运输业需要担负的任务，寻求发展运输能力的目标和途径，研究各种运输方式之间运输量的合理分配和综合运输网建设，以形成合理的运输业结构的依据。做好运输量预测对于保证运输业适应国民经济的发展和人民物质文化生活水平的提高有重要意义。 预测的运输量包括铁路、公路、水路、航空等运输方式的旅客运量、旅客周转量、货物运量和货物周转量，以及管道运输的货物运量和货物周转量。运输量预测按期限通常分近期预测、中期预测和长期预测。一般 5 年以内为近期，510 年为中期，10 年以上为长期。 预测步骤

2、 预测大致分为三步：系统分析客货运输量和工农业生产之间关系的历史和现状，寻求它们之间关系数量上变化的趋势，掌握预测计算用的数据和成因；调查了解预测期内发展国民经济的方针政策和有关工农业生产等社会经济发展的主要指标，分析引起未来运输量需求的因素变化的趋势；采用多种方法进行预测，综合比较，确定预测运输量的速度和规模，力求提高预测的准确性和及时性。 计算方法 运输量预测的计算方法基本上分为生产和运输比例关系法以及数理统计法两类。货运量、货物周转量、客运量和旅客周转量预测的具体计算方法又各有差异。 货运量预测的计算方法 按生产和运输的比例关系法计算方法分为四种：按主要工农业产品计算的运输系数法。根据报

3、告期和预测期主要工农业产品生产量和运输系数的变化确定货运量。运输系数是工农业产品的生产量和运输量的比值，采用这种方法的关键是要分析掌握引起运输系数变化的主要因素。产品结构、企业结构、运输业结构以及物资的产、供、销之间关系的变化等，都可引起运输系数的变化。计算公式是： Y= XK 式中 Y 为预测的货运量; X 为主要工农业产品未来生产量； K 为主要工农业产品未来运输系数。按农、轻、重产值计算的运输系数法。根据报告期和预测期工农业总产值中农业、轻工业、重工业产值和运输系数变化确定货运量。分析农业、轻工业和重工业产值运输系数变化的趋势，按预测期内农业、轻工业和重工业产值增长速度和产值运输系数，推

4、算未来的货运量。计算公式是： Y M【 AE(1+a)t+BF(1+b)t+CG(1+c)t】式中 M 为预测期前一年实际工农业总产值; A、 B、 C 分别为预测期前一年实际工农业总产值中农业、轻工业和重工业的比重; E、 F、 G 分别为农业、轻工业和重工业产值运输系数; a、 b、 c 分别为预测期农业、轻工业和重工业产值的平均增长速度; t 为预测期的年限。运输平衡计算法。详细掌握主要工农业产品的生产和消费的情况，包括生产量及其分布，进口或出口量，生产企业的产品自用量，生产地、产品地销量，产品库存增减变化量等，按运输的十几种大宗物资分别编制运输平衡表，计算出主要工农业产品的货运量。速度

5、增长法。在分析掌握以往较长期货运量增长速度的基础上，考虑多种因素的影响，设想预测期的货运量平均增长速度，推算出未来的货运量。计算公式是： Y Q(1+d)t 式中 Q 为报告期基础年度货运量； d 为设想预测期的货运量平均增长速度； t 为预测期年限。 按数理统计法计算有两种方法：趋势外延法。根据货运量实际发展动态，采用数学的方法，进行选择和处理。舍掉货物运输量发展过程中的特殊性，找出其发展过程中的一般趋势，计算公式是：Y a1+b1t 式中 a1、 b1为方程式参数,用最小平方法求得； t 为年序数。回归分析法。通过货运量与工农业总产值、国民收入等国民经济主要综合指标之间的数量关系，分析历史

6、形成的数量比例，舍掉特殊性，保留一般性，再考虑未来发生的特殊性因素，计算预测的货运量用回归线性方程，即： Y a2+b2X 式中 X 为工农业总产值； a2为回归经验常数； b2为回归系数。 货物周转量的计算方法 按生产和运输比例关系法计算方法分为两种：在货运量预测的基础上进一步测算。货物周转量是货运量与货物平均运距的乘积。货运量测定后，确定未来工农业产品平均运距延长或缩短的趋势。主要是分析历史上货物平均运距的变化状况，影响未来货物平均运距变化的因素。综合考虑测定未来货物平均运距的水平，就可以测定未来货物周转量。根据运输弹性比值法计算。货物周转量增长速度同工农业生产增长速度之间的比例称货运弹性

7、比值。它表示工农业生产总值每增长 1,货物周转量增长的百分数。分析历史上实际的工农业总产值增长速度同货物周转量增长速度之间的比值，估计未来两者运输弹性比值的变动因素，寻求未来运输弹性比值，而后者根据预测期的工农业总产值的增长速度，测算未来的货物周转量。计算公式为： Y1=P(1+n)tK 式中 Y1为预测的货物周转量； P 为报告期基础年度的货物周转量；n 为预测期工农业总产值平均年增长速度； t 为预测期年限； K 为预测期的运输弹性比值。 按数理统计法计算也分为趋势外延法和回归分析法两种，其基本原理与货运量的预测相同。 客运量预测的计算方法 按生产和运输比例关系法计算方法分为三种：按国民收

8、入增长同客运量增长之间客运弹性比值计算。客运弹性比值表示国民收入每增长 1,客运量增长的百分数。分析历史上国民收入增长速度同客运量增长速度之间比值的变化及其主要影响因素，根据预测期经济发展情况寻求未来的客运弹性比值，再根据预测期的国民收入增长速度，推算未来客运量。计算公式为：N R(1+m)tK1 式中 N 为预测的客运量； R 为报告期基础年度的客运量; m 为预测期国民收入平均年增长速度; t 为预测期年限； K1为预测期的客运弹性比值。按人口平均乘坐率计算。平均乘坐率是每人每年平均乘坐列车、汽车、船舶和飞机的次数。分析历史上平均乘坐率的变化及其形成的因素，根据预测期人口及经济发展情况寻求

9、未来的乘坐率，再根据人口发展的预测，推算未来客运量。计算公式为： N LS 式中 L 为预测期末人口数； S 为预测期末的平均乘坐率。速度增长法。分析历史上客运量的增长速度及其主要影响因素，并估计这些因素对未来客运量增长速度的影响程度，测定未来客运量增长速度，最后预测出客运量。 按数理统计法可以采用趋势外延法和回归分析法，其基本原理和货运量预测基本相同。所不同的是回归分析法预测客运量采用的相关指标是人口和国民收入等综合指标。 旅客周转量的预测的计算方法 按生产和运输比例关系法计算方法有两种：在预测客运量的基础上进一步测算旅客周转量是客运量与旅客平均行程的乘积。根据上述客运量的预测，分析确定未来

10、旅客平均行程延长或缩短的趋势及其影响因素,测定未来旅客平均行程,预测旅客周转量。按运输弹性比值法计算。其原理和预测客运量的弹性比值法相同。计算公式是： N1 R1(1+m)tK2 式中 N1为预测的旅客周转量; R1为报告期基础年度的旅客周转量；m 为预测期国民收入平均年增长速度； t 为预测期年限； K2为预测期的运输弹性比值。 按数理统计法，可以采用趋势外延法和回归分析法测算旅客周转量，其基本原理与上述客运量的预测相同，也要加强对客运变化因素的分析工作，以便舍掉特殊性，找出一般趋势。 1 利用方差分析对例 2.1 的回归方程进行显著性检验。 方差分析结果见表 3.2。表 3.2 来 源 平

11、方和 自由度 方 差 方差比回 归剩 余总 计 取检验水平 0.05, 查 分布表得 , 而, 所以例 2.1 的回归方程回归效果是显著的。、回归系数的显著性检验前面讨论了回归方程中全部自变量的总体回归效果, 但总体回归效果显著并不说明每个自变量 对因变量 都是重要的, 即可能有某个自变量 对 并不起作用或者能被其它的 的作用所代替, 因此对这种自变量我们希望从回归方程中剔除, 这样可以建立更简单的回归方程。显然某个自变量如果对 作用不显著, 则它的系数就应取值为 0, 因此检验每个自变量 是否显著, 就要检验假设: , , (3.8)(1) 检验: 在 假设下, 可应用 检验: , , (3

12、.9)其中 为矩阵 的对角线上第 个元素。对给定的检验水平 , 从 分布表中可查出与 对应的临界值, 如果有 , 则拒绝假设 , 即认为 与 0 有显著差异, 这说明 对 有重要作用不应剔除; 如果有 则接受假设 , 即认为成立, 这说明 对 不起作用, 应予剔除。(2) 检验: 检验假设 , 亦可用服从自由度分别为 1 与 的 分布的统计量, (3.10)其中 为矩阵 的主对角线上第 个元素。对于给定的检验水平 , 从 分布表中可查得临界 , 如果有, 则拒绝假设 , 认为 对 有重要作用。如果, 则接受假设 , 即认为自变量 对 不起重要作用, 可以剔除。一般一次 检验只剔除一个自变量,

13、且这个自变量是所有不显著自变量中 值最小者, 然后再建立回归方程, 并继续进行检验, 直到建立的回归方程及各个自变量均显著为止。最后指出, 上述对各自变量进行显著性检验采用的两种统计量与 实际上是等价的, 因为由(3.9)式及(3.10)式知, 有(3.11)例 3.2 对例 2.1 的回归方程各系数进行显著性检验。经计算: , 于是, 其中 0.002223, 0.004577。由(3.7)式知, , 查 分布表得, , 因为 , , 所以两个自变量 及 都是显著的。又由 , 说明体长 比胸围 对体重 的影响更大。如果应用 检验, 查 分布表有 , 又由, , 因为 , , 因此 及 都是显

14、著的, 均为重要变量, 应保留在回归方程中。(3) 偏回归平方和检验某一自变量是否显著, 还可应用偏回归平方和进行检验。个自变量 的回归平方和为, 如果自 个自变量中去掉 , 则剩下的 个自变量的回归平方和设为 , 并设, 则 就表示变量 在回归平方和 中的贡献 , 称为 的偏回归平方和或贡献。可以证明, (3.12)偏回归平方和 越大, 说明 在回归方程中越重要, 对 的作用和影响越大, 或者说 对回归方程的贡献越大。因此偏回归平方和也是用来衡量每个自变量在回归方程中作用大小(贡献大小)的一个指标。例如在例 2.1 中, 和 的偏回归平方和分别为, , , 说明在回归方程中 的作用比 大。又如在例 2.2 中 及 的偏回归平方和分别为: , , , , 的值最小 , 即 在回归方程中所起的作用最小, 最大, 说明在回归方程中所起的作用最大。2009 年第四季度净利润环比翻番的上市公司 证券简称 年第四季度净利润 第四季度净利润（万元） 环比增长率（）南通科技 科苑 浙江广厦 雅砻 棱光实业 渝三峡 凯迪电力 珠峰 东湖高新 香梨 三毛派神 中茵股份 东凌粮油 辉煌科技 嘉凯城 金丰投资 鲁置业 中信国安 万科 敦煌种业 中泰化学 中华企业 保利地产 新农开发 北京城乡 星湖科技 苏州高新 北