《影响快递量的因素相关分析》由会员分享，可在线阅读，更多相关《影响快递量的因素相关分析（8页珍藏版）》请在金锄头文库上搜索。
1、快递量影响因素的多元线性回归分析、我国快递行业发展现状近期的京东店庆日“618”刚火爆落下帷幕。京东“618”由于其他网购厂商的跟风参与，变成了全民网购狂欢日。“618”和“双十一”一样，成为了电商行业一年一度的节日。随着网络技术的飞速发展， 人们生活水平的提高，越来越多的消费者热衷于网上购物的便捷性， 电子商务如雨后春笋般的发展了起来。 要实现消费者所需物品或服务的送达， 必须依靠快递企业的配送服务，它是衔接电子商务与客户的纽带。EMS 是中国邮政物流速递公司， 1984 年开办国内特快专递服务。中国目前最大的民营快递顺丰快递成立于1993 年， 同年成立的还有宅急送， 申通快递成立与199
2、4 年。 其他的快递公司入圆通、中通、韵达等快递公司大多成立于2000 年前后。近几年随着中国电子商务的发展， 雨后春笋般的涌现出了众多的快递公司。 目前来看中国快递行业正处于一个高速发展的时期， 国家邮政局去年统计的数据表明， 全国整体快递企业去年累计完成68 亿件货物，同比增长了 58% ，整体收入累计完成1500 亿元，同比增长了45% ，从这些数据中，我们可以看出， 现阶段我国快递行业正处于一个发展的黄金时期， 随着我国贸易和电子商务的不断推进和发展，预计在未来的几年内，中国快递行业业务数量将会得到进一步的提升。.数据指标选取以及数据收集（一）数据指标选取1、快递量 Y （万件）：本文
3、讨论的问题2、邮政业务总量（亿元） X1 ：邮政和快递选取时是考虑两者有相互替代的作用3、货运运输量（万吨） X2 ：衡量我国的工业发展水平4、商品零售价格指数上年（100） X3 ：零售价格会影响商品需求数量5、国内生产总值（亿元）X4 ：衡量我国经济发展水平最常用的指标6、居民消费水平（元） X5 ：很好地体现了居民的消费能力（二）数据收集本文选取了 1998-2014 的各指标的年度数据年 快递量 邮政业货运运 商品零售价格 国内生居民消份万件务总量亿元输量万吨指数上年 100 产总值亿元 费水平元19987667.70166.281267427.0097.4084883.73126.0
4、019999091.30198.441293008.0097.0090187.73346.00200011031.00232.801358682.0098.5099776.33721.00200112652.70457.421401786.0099.20110270.43987.00200214036.20494.691483447.0098.70121002.04301.00200317237.8541.041564492.0099.90136564.64606.00200419722.00564.301706412.00102.80160714.45138.00200522880.3062
5、5.521862066.00100.80185895.85771.00200626988.00730.502037060.00101.00217656.66416.002007120189.601213.732275822.00103.80268019.47572.002008151329.301401.802585937.00105.90316751.78707.002009185786.001639.902825222.0098.80345629.29514.002010233892.001985.303241807.00103.10408903.010919.002011367311.0
6、01607.703696961.00104.90484123.513134.002012568548.002036.844100436.00102.00534123.014699.002013918674.892725.084098900.00101.40588018.816190.0020141395925.303696.084381089.00101.00636462.717705.00三、相关分析与数据筛选运用spss软件进行相关分析，相关分析矩阵图如下相关性快 递量万 件商品 零售价格 指数上年100邮政 业务总量 亿元货运 运输量万 吨国内 生产总值 亿元居民 消费水平 元快递量万件
7、Pearso1.225*.933*.860*.882*.902n相关性显著性.385.000.000.000.000（双侧）N171717171717商品零售价格Pearso.221.430*.523*.520*.494指数上年100n相关性5显著性.38.085.031.033.044（双侧）5N171717171717邮政业务总量Pearso.93.4301_ 一 _ *.947*.962*.965亿元n相关性_ *3显著性.00.085.000.000.000（双侧）0N171717171717货运运输量万Pearso.86*.523*.9471*.998*.995吨n相关性*0显著性.
8、00.031.000.000.000（双侧）0N171717171717国内生产总值Pearso.88*.520*.962*.9981*.999亿元n相关性_ *2显著性.00.033.000.000.000（双侧）0N171717171717居民消费水平Pearso.90*.494*.965*.995*.9991元n相关性*2显著性.00.044.000.000.000（双侧）0N171717171717*.在.01水平（双侧）上显著相关。*.在0.05水平（双侧）上显著相关。从相关回归分析中可以看到快递量和邮政业务总量、货运运输量、国内生产总值、居民消费水平显著相关，但和商品零售价格指数相
9、关性比较弱，相关系数为0.225这首先和商品零售价格指数的计算方式有关，它每个报告期的都是以上一年为基期，而非以某一个固定的年份作为基期，计算的结果不能反映从1998到现在商品价格的变化。因此在下述建立多元线性回归模型时剔除商品零售价格指数。四、建立多元线性回归模型运用SPSS软件建立多元线性回归模型1、输入五个变量（1）输出结果为输入/移去的变量模型输入的变量移去的变量方法1商品零售价 格指数上年100, 邮政业务总量亿 元，货运运输量 万吨，居民消费 水平元，国内生 产总值亿元.输入a.已输入所有请求的变量。b.因变量：快递量万件模型汇总模型RR方调整R方标准估计的误差1.991 a.98
10、2.97463021.44442a.预测变量：（常量），商品零售价格指数上年100,邮政业 务总量亿元，货运运输量万吨，居民消费水平元，国内生产总值 亿元。Anovab模型平方和df均方FSig.1回2.35654.711E11118.6.000 a归E1217残4.369113.972E9差E10总2.39916计E12a.预测变量：（常量），商品零售价格指数上年100,邮政业务总量亿元，货运运输量万吨，居民消费水平元，国内生产总值亿元。b.因变量：快递量万件系数a模型非标准化系数标准 系数tSig.B标准误差试用版1（常量）826040.8771049911.781.787.448邮政业务
11、总量亿元186.47483.521.4772.233.047货运运输量万吨-.536.304-1.521-1.761.106国内生产总值亿元-7.3023.351-3.524-2.179.052居民消费水平元447.14181.0145.5095.519.000商品零售价格指数上年100-10962.8719232.914-.073-1.187.260a.因变量：快递量万件(2)回归估计结果Y=826040.877+186.474X1-0.536X2-7.302X3+447.141X4-10962.871X5(0.787)(2.233)(-1.761 ) (-2.179 ) ( 5.519 )
12、 (-1.187 )R方=0.982 调整R 方=0.974 F 统计量为118.6172、剔除商品零售价格指数，输入 4个变量输出结果为输入/移去的变量b模型输入的变量移去的变量方法1居民消费水 平元，邮政业务 总量亿元，货运 运输量万吨，国 内生产总值亿元.输入a.已输入所有请求的变量。b.因变量：快递量万件模型汇总模型RR方调整R方标准估计的误差1.990a.979.97364088.61549a.预测变量：（常量），居民消费水平元，邮政业务总量亿元 货运运输量万吨，国内生产总值亿元。Anova b模型平方和df均方FSig.1回2.350E145.875E11143.033.000a归2残4.929E1124.107E9差0总2.399E116计2a.预测变量：（常量），居民消费水平元，邮政业务总量亿元，货运运输量万吨，国内生产总值亿元。 b.因变量：快递量万件系数a模型非标准化系数标准
