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(guó)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(gòu)廠商的跟風(fēng)參與，變成了全民網(wǎng)購(gòu)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(lái)越多的消費(fèi)者熱衷于網(wǎng)上購(gòu)物的便捷性，電子商務(wù)如雨后春筍般的發(fā)展了起來(lái)。要實(shí)現(xiàn)消費(fèi)者所需物品或服務(wù)的送達(dá)，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(guó)郵政物流速遞公司，1984年開(kāi)辦國(guó)內(nèi)特快專遞服務(wù)。中國(guó)目前最大的民營(yíng)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

2、遞公司入圓通、中通、韻達(dá)等快遞公司大多成立于2000年前后。近幾年隨著中國(guó)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(lái)看中國(guó)快遞行業(yè)正處于一個(gè)高速發(fā)展的時(shí)期， 國(guó)家郵政局去年統(tǒng)計(jì)的數(shù)據(jù)表明， 全國(guó)整體快遞企業(yè)去年累計(jì)完成 68億件貨物，同比增長(zhǎng)了58% ，整體收入累計(jì)完成 1500 億元，同比增長(zhǎng)了45%，從這些數(shù)據(jù)中，我們可以看出，現(xiàn)階段我國(guó)快遞行業(yè)正處于一個(gè)發(fā)展的黃金時(shí)期， 隨著我國(guó)貿(mào)易和電子商務(wù)的不斷推進(jìn)和發(fā)展，預(yù)計(jì)在未來(lái)的幾年內(nèi)， 中國(guó)快遞行業(yè)業(yè)務(wù)數(shù)量將會(huì)得到進(jìn)一步的提升。 2 數(shù)據(jù)指標(biāo)選取以及數(shù)據(jù)收集（1） 數(shù)據(jù)指標(biāo)選取1、快遞量Y（萬(wàn)件）：本文討論的問(wèn)題2、郵政業(yè)務(wù)總

3、量（億元）X1：郵政和快遞選取時(shí)是考慮兩者有相互替代的作用3、貨運(yùn)運(yùn)輸量（萬(wàn)噸）X2：衡量我國(guó)的工業(yè)發(fā)展水平4、商品零售價(jià)格指數(shù)上年（100）X3：零售價(jià)格會(huì)影響商品需求數(shù)量5、國(guó)內(nèi)生產(chǎn)總值（億元）X4：衡量我國(guó)經(jīng)濟(jì)發(fā)展水平最常用的指標(biāo)6、居民消費(fèi)水平（元）X5：很好地體現(xiàn)了居民的消費(fèi)能力（二）數(shù)據(jù)收集本文選取了1998-2014的各指標(biāo)的年度數(shù)據(jù)年份快遞量萬(wàn)件郵政業(yè)務(wù)總量?jī)|元貨運(yùn)運(yùn)輸量萬(wàn)噸商品零售價(jià)格指數(shù)上年100國(guó)內(nèi)生產(chǎn)總值億元居民消費(fèi)水平元1998 7667.70 166.281267427.00 97.40 84883.7 3126.001999 9091.30 198.4412930

4、08.00 97.00 90187.7 3346.002000 11031.00 232.801358682.00 98.50 99776.3 3721.002001 12652.70 457.421401786.00 99.20110270.4 3987.002002 14036.20 494.691483447.00 98.70121002.0 4301.002003 17237.8 541.041564492.00 99.90136564.6 4606.002004 19722.00 564.301706412.00102.80160714.4 5138.002005 22880.30

5、625.521862066.00100.80185895.8 5771.002006 26988.00 730.502037060.00101.00217656.6 6416.002007120189.601213.732275822.00103.80268019.4 7572.002008151329.301401.802585937.00105.90316751.7 8707.002009185786.001639.902825222.00 98.80345629.2 9514.002010233892.001985.303241807.00103.10408903.0 10919.002

6、011 367311.001607.703696961.00104.90484123.5 13134.002012568548.002036.844100436.00102.00534123.0 14699.002013918674.892725.084098900.00101.40588018.8 16190.002014 1395925.303696.084381089.00101.00636462.7 17705.003、 相關(guān)分析與數(shù)據(jù)篩選運(yùn)用spss軟件進(jìn)行相關(guān)分析，相關(guān)分析矩陣圖如下相關(guān)性快遞量萬(wàn)件商品零售價(jià)格指數(shù)上年100郵政業(yè)務(wù)總量?jī)|元貨運(yùn)運(yùn)輸量萬(wàn)噸國(guó)內(nèi)生產(chǎn)總值億元居民消費(fèi)水平

7、元快遞量萬(wàn)件Pearson 相關(guān)性1.225.933*.860*.882*.902*顯著性（雙側(cè)）.385.000.000.000.000N171717171717商品零售價(jià)格指數(shù)上年100Pearson 相關(guān)性.2251.430.523*.520*.494*顯著性（雙側(cè)）.385.085.031.033.044N171717171717郵政業(yè)務(wù)總量?jī)|元Pearson 相關(guān)性.933*.4301.947*.962*.965*顯著性（雙側(cè)）.000.085.000.000.000N171717171717貨運(yùn)運(yùn)輸量萬(wàn)噸Pearson 相關(guān)性.860*.523*.947*1.998*.995*顯著

8、性（雙側(cè)）.000.031.000.000.000N171717171717國(guó)內(nèi)生產(chǎn)總值億元Pearson 相關(guān)性.882*.520*.962*.998*1.999*顯著性（雙側(cè)）.000.033.000.000.000N171717171717居民消費(fèi)水平元Pearson 相關(guān)性.902*.494*.965*.995*.999*1顯著性（雙側(cè)）.000.044.000.000.000N171717171717*. 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(yùn)運(yùn)輸量、國(guó)內(nèi)生產(chǎn)總值、居民消費(fèi)水平顯著相關(guān)，但和商

9、品零售價(jià)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(jià)格指數(shù)的計(jì)算方式有關(guān)，它每個(gè)報(bào)告期的都是以上一年為基期，而非以某一個(gè)固定的年份作為基期，計(jì)算的結(jié)果不能反映從1998到現(xiàn)在商品價(jià)格的變化。因此在下述建立多元線性回歸模型時(shí)剔除商品零售價(jià)格指數(shù)。四、 建立多元線性回歸模型運(yùn)用SPSS軟件建立多元線性回歸模型1、 輸入五個(gè)變量（1）輸出結(jié)果為輸入移去的變量b模型輸入的變量移去的變量方法1商品零售價(jià)格指數(shù)上年100, 郵政業(yè)務(wù)總量?jī)|元, 貨運(yùn)運(yùn)輸量萬(wàn)噸, 居民消費(fèi)水平元, 國(guó)內(nèi)生產(chǎn)總值億元.輸入a. 已輸入所有請(qǐng)求的變量。b. 因變量: 快遞量萬(wàn)件模型匯總模型RR 方調(diào)整 R 方標(biāo)準(zhǔn)

10、估計(jì)的誤差1.991a.982.97463021.44442a. 預(yù)測(cè)變量: (常量), 商品零售價(jià)格指數(shù)上年100, 郵政業(yè)務(wù)總量?jī)|元, 貨運(yùn)運(yùn)輸量萬(wàn)噸, 居民消費(fèi)水平元, 國(guó)內(nèi)生產(chǎn)總值億元。Anovab模型平方和df均方FSig.1回歸2.356E1254.711E11118.617.000a殘差4.369E10113.972E9總計(jì)2.399E1216a. 預(yù)測(cè)變量: (常量), 商品零售價(jià)格指數(shù)上年100, 郵政業(yè)務(wù)總量?jī)|元, 貨運(yùn)運(yùn)輸量萬(wàn)噸, 居民消費(fèi)水平元, 國(guó)內(nèi)生產(chǎn)總值億元。b. 因變量: 快遞量萬(wàn)件系數(shù)a模型非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)tSig.B標(biāo)準(zhǔn) 誤差試用版1(常量)826040

11、.8771049911.781.787.448郵政業(yè)務(wù)總量?jī)|元186.47483.521.4772.233.047貨運(yùn)運(yùn)輸量萬(wàn)噸-.536.304-1.521-1.761.106國(guó)內(nèi)生產(chǎn)總值億元-7.3023.351-3.524-2.179.052居民消費(fèi)水平元447.14181.0145.5095.519.000商品零售價(jià)格指數(shù)上年100-10962.8719232.914-.073-1.187.260a. 因變量: 快遞量萬(wàn)件（2）回歸估計(jì)結(jié)果Y=826040.877+186.474X1-0.536X2-7.302X3+447.141X4-10962.871X5(0.787) (2.233

12、)（-1.761）（-2.179）（5.519）（-1.187）R方=0.982 調(diào)整 R 方=0.974 F統(tǒng)計(jì)量為 118.6172、剔除商品零售價(jià)格指數(shù)，輸入4個(gè)變量輸出結(jié)果為輸入移去的變量b模型輸入的變量移去的變量方法1居民消費(fèi)水平元, 郵政業(yè)務(wù)總量?jī)|元, 貨運(yùn)運(yùn)輸量萬(wàn)噸, 國(guó)內(nèi)生產(chǎn)總值億元.輸入a. 已輸入所有請(qǐng)求的變量。b. 因變量: 快遞量萬(wàn)件模型匯總模型RR 方調(diào)整 R 方標(biāo)準(zhǔn) 估計(jì)的誤差1.990a.979.97364088.61549a. 預(yù)測(cè)變量: (常量), 居民消費(fèi)水平元, 郵政業(yè)務(wù)總量?jī)|元, 貨運(yùn)運(yùn)輸量萬(wàn)噸, 國(guó)內(nèi)生產(chǎn)總值億元。Anovab模型平方和df均方FSig

13、.1回歸2.350E1245.875E11143.033.000a殘差4.929E10124.107E9總計(jì)2.399E1216a. 預(yù)測(cè)變量: (常量), 居民消費(fèi)水平元, 郵政業(yè)務(wù)總量?jī)|元, 貨運(yùn)運(yùn)輸量萬(wàn)噸, 國(guó)內(nèi)生產(chǎn)總值億元。b. 因變量: 快遞量萬(wàn)件系數(shù)a模型非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)tSig.B標(biāo)準(zhǔn) 誤差試用版1(常量)-389221.705238010.504-1.635.128郵政業(yè)務(wù)總量?jī)|元217.29980.728.5562.692.020貨運(yùn)運(yùn)輸量萬(wàn)噸-.425.295-1.208-1.444.174國(guó)內(nèi)生產(chǎn)總值億元-9.5642.803-4.616-3.412.005居民消費(fèi)水

14、平元501.27968.1006.1767.361.000a. 因變量: 快遞量萬(wàn)件Y=-389221.705+217.299X1-0.425X2-9.564X3+501.279X4 (-1.635) (2.692) (-1.444) (-3.412) (7.361)R 方=0.979 調(diào)整 R 方=0.973 F統(tǒng)計(jì)量= 143.0333、模型對(duì)比，得出結(jié)論對(duì)比上述兩個(gè)模型，第一個(gè)和第二個(gè)模型調(diào)整R方比較接近，基本沒(méi)有區(qū)別，說(shuō)明商品零售價(jià)格指數(shù)對(duì)估計(jì)快遞量基本沒(méi)有影響。在進(jìn)行回歸分析時(shí)，一般總是希望以盡可能少的自變量去達(dá)到盡可能高的擬合程度。因此選擇模型二：Y=-389221.705+217

15、.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=0.973 F統(tǒng)計(jì)量= 143.033F統(tǒng)計(jì)量為143.003，說(shuō)明模型整體的線性關(guān)系非常顯著。四個(gè)參數(shù)在5%的顯著水平上，均能通過(guò)顯著性檢驗(yàn)。其中郵政業(yè)務(wù)總量、貨運(yùn)運(yùn)輸量、國(guó)內(nèi)生產(chǎn)總值與理論分析不相符，只有居民消費(fèi)水平和理論分析相符。針對(duì)這個(gè)問(wèn)題，我認(rèn)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(jì)繁榮發(fā)展而增加的趨勢(shì)，只是兩者程度不同，因此參數(shù)符號(hào)為正2、 貨運(yùn)運(yùn)輸量和國(guó)內(nèi)生產(chǎn)總值參數(shù)為負(fù)，可能受近年來(lái)電商的快速發(fā)展的環(huán)境影響，快遞行業(yè)激增，超過(guò)了工業(yè)發(fā)展水平和國(guó)內(nèi)生產(chǎn)總值的提高五、反思與總結(jié)1、收集數(shù)據(jù)存在困難。做的途中一個(gè)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(wú)法進(jìn)行下去。于是確定主題的過(guò)程中，結(jié)合了數(shù)據(jù)的可獲取性確立下來(lái)的。2、數(shù)據(jù)指標(biāo)選取缺乏科學(xué)性。查閱以往的資料，很少有對(duì)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)