影響快遞量的因素相關(guān)分析

1、快遞量影響因素的多元線性回歸分析一、我國快遞行業(yè)發(fā)展現(xiàn)狀近期的京東店慶日“618”剛火爆落下帷幕。京東“618”由于其他網(wǎng)購廠商的跟風參與，變成了全民網(wǎng)購狂歡日?！?18”和“雙十一”一樣，成為了電商行業(yè)一年一度的節(jié)日。隨著網(wǎng)絡(luò)技術(shù)的飛速發(fā)展，人們生活水平的提高，越來越多的消費者熱衷于網(wǎng)上購物的便捷性，電子商務(wù)如雨后春筍般的發(fā)展了起來。要實現(xiàn)消費者所需物品或服務(wù)的送達，必須依靠快遞企業(yè)的配送服務(wù)，它是銜接電子商務(wù)與客戶的紐帶。EMS是中國郵政物流速遞公司，1984年開辦國內(nèi)特快專遞服務(wù)。中國目前最大的民營快遞順豐快遞成立于1993年，同年成立的還有宅急送，申通快遞成立與1994年。其他的快遞公

2、司入圓通、中通、韻達等快遞公司大多成立于2000年前后。近幾年隨著中國電子商務(wù)的發(fā)展，雨后春筍般的涌現(xiàn)出了眾多的快遞公司。目前來看中國快遞行業(yè)正處于一個高速發(fā)展的時期，國家郵政局去年統(tǒng)計的數(shù)據(jù)表明，全國整體快遞企業(yè)去年累計完成68億件貨物，同比增長了58%,整體收入累計完成1500億元，同比增長了45%,從這些數(shù)據(jù)中，我們可以看出，現(xiàn)階段我國快遞行業(yè)正處于一個發(fā)展的黃金時期，隨著我國貿(mào)易和電子商務(wù)的不斷推進和發(fā)展，預(yù)計在未來的幾年內(nèi)，中國快遞行業(yè)業(yè)務(wù)數(shù)量將會得到進一步的提升。二.數(shù)據(jù)指標選取以及數(shù)據(jù)收集（一）數(shù)據(jù)指標選取1、快遞量Y（萬件）：本文討論的問題2、郵政業(yè)務(wù)總量（億元）X1:郵政和快

3、遞選取時是考慮兩者有相互替代的作用3、貨運運輸量（萬噸）X2:衡量我國的工業(yè)發(fā)展水平4、商品零售價格指數(shù)上年（100）X3:零售價格會影響商品需求數(shù)量5、國內(nèi)生產(chǎn)總值（億元）X4:衡量我國經(jīng)濟發(fā)展水平最常用的指標6、居民消費水平（元）X5:很好地體現(xiàn)了居民的消費能力（二）數(shù)據(jù)收集本文選取了1998-2014的各指標的年度數(shù)據(jù)年快遞量郵政業(yè)貨運運商品零售價格國內(nèi)生居民消份萬件務(wù)總量億元輸量萬噸指數(shù)上年100產(chǎn)總值億元費水平元19987667.70166.281267427.0097.4084883.73126.0019999091.30198.441293008.0097.0090187.733

4、46.00200011031.00232.801358682.0098.5099776.33721.00200112652.70457.421401786.0099.20110270.43987.00200214036.20494.691483447.0098.70121002.04301.00200317237.8541.041564492.0099.90136564.64606.00200419722.00564.301706412.00102.80160714.45138.00200522880.30625.521862066.00100.80185895.85771.002006269

5、88.00730.502037060.00101.00217656.66416.002007120189.601213.732275822.00103.80268019.47572.002008151329.301401.802585937.00105.90316751.78707.002009185786.001639.902825222.0098.80345629.29514.002010233892.001985.303241807.00103.10408903.010919.002011367311.001607.703696961.00104.90484123.513134.0020

6、12568548.002036.844100436.00102.00534123.014699.002013918674.892725.084098900.00101.40588018.816190.0020141395925.303696.084381089.00101.00636462.717705.00三、相關(guān)分析與數(shù)據(jù)篩選運用spss軟件進行相關(guān)分析，相關(guān)分析矩陣圖如下相關(guān)性商品快零售價格郵政貨運國內(nèi)居民遞量萬指數(shù)上年業(yè)務(wù)總量運輸量萬生產(chǎn)總值消費水平件100億元噸億元元快遞量萬件Pearso1.225*.933*.860*.882*.902n相關(guān)性顯著性.385.000.000.000

7、.000（雙側(cè)）N171717.1717.17.商品零售價格Pearso.221.430*.523*.520*.494指數(shù)上年100n相關(guān)性5顯著性.38.085.031.033.044（雙側(cè)）5N171717171717郵政業(yè)務(wù)總量Pearso.93.4301*.947*.962*.965億元n相關(guān)性*3顯著性.00.085.000.000.000（雙側(cè)）0N171717171717貨運運輸量萬Pearso.86*.523*.9471*.998*.995噸n相關(guān)性*0顯著性.00.031.000.000.000（雙側(cè)）0N171717171717國內(nèi)生產(chǎn)總值Pearso億元n相關(guān)性顯著性（雙

8、側(cè)）N.88*2.00017*.520.03317*.962.00017*.998.00017117*.999.00017居民消費水平Pearso元n相關(guān)性顯著性（雙側(cè)）N.90*2.00017*.494.04417*.965.00017*.995.00017*.999.00017117*.在.01水平（雙側(cè)）上顯著相關(guān)。*.在0.05水平（雙側(cè)）上顯著相關(guān)。從相關(guān)回歸分析中可以看到快遞量和郵政業(yè)務(wù)總量、貨運運輸量、國內(nèi)生產(chǎn)總值、居民消費水平顯著相關(guān)，但和商品零售價格指數(shù)相關(guān)性比較弱，相關(guān)系數(shù)為0.225這首先和商品零售價格指數(shù)的計算方式有關(guān)，它每個報告期的都是以上一年為基期，而非以某一個固定

9、的年份作為基期，計算的結(jié)果不能反映從1998到現(xiàn)在商品價格的變化。因此在下述建立多元線性回歸模型時剔除商品零售價格指數(shù)。四、建立多元線性回歸模型運用SPSS軟件建立多元線性回歸模型1、輸入五個變量（1）輸出結(jié)果為輸入/移去的變量模型輸入的變量移去的變量方法1商品零售價格指數(shù)上年100,郵政業(yè)務(wù)總量億元，貨運運輸量萬噸，居民消費水平元，國內(nèi)生產(chǎn)總值億元.輸入a.已輸入所有請求的變量。b.因變量：快遞量萬件模型匯總模型RR方調(diào)整R方標準估計的誤差1.991a.982.97463021.44442a.預(yù)測變量：（常量），商品零售價格指數(shù)上年100,郵政業(yè)務(wù)總量億元，貨運運輸量萬噸，居民消費水平元，國

10、內(nèi)生產(chǎn)總值億元。Anovab模型平方和df均方FSig.1回歸殘差總計2.356E124.369E102.399E12511164.711E113.972E9118.617.000aa.預(yù)測變量：（常量），商品零售價格指數(shù)上年100,郵政業(yè)務(wù)總量億元，貨運運輸量萬噸，居民消費水平元，國內(nèi)生產(chǎn)總值億元。b.因變量：快遞量萬件系數(shù)a模型非標準化系數(shù)標準系數(shù)tSig.B標準誤差試用版1（常量）826040.81049911.78.787.448771郵政業(yè)務(wù)總量億元186.47483.521.4772.233.047貨運運輸量萬噸-.536.304-1.52-1.76.10611國內(nèi)生產(chǎn)總值億元-7

11、.3023.351-3.52-2.17.05249居民消費水平元447.14181.0145.5095.519.000商品零售價格指數(shù)上年-10962.89232.914-.073-1.18.260100717a.因變量：快遞量萬件(2)回歸估計結(jié)果Y=826040.877+186.474X1-0.536X2-7.302X3+447.141X4-10962.871X5(0.787)(2.233)(-1.761)(-2.179)(5.519)(-1.187)R方=0.982調(diào)整R方=0.974F統(tǒng)計量為118.6172、剔除商品零售價格指數(shù)，輸入4個變量輸出結(jié)果為輸入/移去的變量b模型輸入的變量

12、移去的變量方法1居民消費水平元，郵政業(yè)務(wù)總量億元，貨運運輸量萬噸，國內(nèi)生產(chǎn)總值億元.輸入a.已輸入所有請求的變量。b.因變量：快遞量萬件模型匯總模型RR方調(diào)整R方標準估計的誤差1.990a.979.97364088.61549.ba.預(yù)測變量：（常量），居民消費水平元，郵政業(yè)務(wù)總量億元貨運運輸量萬噸，國內(nèi)生產(chǎn)總值億元。模型平方和df均方FSig.1回2.350E145.875E11143.033.000a歸2殘4.929E1124.107E9差0總2.399E116計2Anovaa.預(yù)測變量：（常量），居民消費水平元，郵政業(yè)務(wù)總量億元，貨運運輸量萬噸，國內(nèi)生產(chǎn)總值億元。b.因變量：快遞量萬件系

13、數(shù)a模型非標準化系數(shù)標準系數(shù)tSig.B標準誤差試用版1(常量)-389221.705238010.504-1.635.128億元郵政業(yè)務(wù)總量217.29980.728.5562.692.020噸貨運運輸量萬-.425.295-1.208-1.444.174億元國內(nèi)生產(chǎn)總值-9.5642.803-4.616-3.412.005元居民消費水平501.27968.1006.1767.361.000a.因變量：快遞量萬件Y=-389221.705+217.299X1-0.425X2-9.564X3+501.279X4(-1.635)(2.692)(-1.444)(-3.412)(7.361)R方=0

14、.979調(diào)整R方=0.973F統(tǒng)計量=143.0333、模型對比，得出結(jié)論對比上述兩個模型，第一個和第二個模型調(diào)整R方比較接近，基本沒有區(qū)別，說明商品零售價格指數(shù)對估計快遞量基本沒有影響。在進行回歸分析時，一般總是希望以盡可能少的自變量去達到盡可能高的擬合程度。因此選擇模型二：Y=-389221.705+217.299X1-0.425X2-9.564X3+501.279X4(-1.635)(2.692)(-1.444)(-3.412)(7.361)R方=0.979調(diào)整R方=0.973F統(tǒng)計量=143.033F統(tǒng)計量為143.003,說明模型整體的線性關(guān)系非常顯著。四個參數(shù)在5%勺顯著水平上，均

15、能通過顯著性檢驗。其中郵政業(yè)務(wù)總量、貨運運輸量、國內(nèi)生產(chǎn)總值與理論分析不相符，只有居民消費水平和理論分析相符。針對這個問題，我認為可能的原因有1、 郵遞業(yè)務(wù)總量雖然和快遞量存在替代關(guān)系，但是兩者均有隨著經(jīng)濟繁榮發(fā)展而增加的趨勢，只是兩者程度不同，因此參數(shù)符號為正2、 貨運運輸量和國內(nèi)生產(chǎn)總值參數(shù)為負，可能受近年來電商的快速發(fā)展的環(huán)境影響，快遞行業(yè)激增，超過了工業(yè)發(fā)展水平和國內(nèi)生產(chǎn)總值的提高五、反思與總結(jié)3、 收集數(shù)據(jù)存在困難。做的途中一個很好的主題由于缺乏相應(yīng)的數(shù)據(jù)，缺少獲取數(shù)據(jù)的途徑，于是該主題就無法進行下去。于是確定主題的過程中，結(jié)合了數(shù)據(jù)的可獲取性確立下來的。4、 數(shù)據(jù)指標選取缺乏科學性。查閱以往的資料，很少有對影響快遞量的因素做出具體分析的文章。結(jié)合已有的經(jīng)濟學知識和生活中經(jīng)