对物流量的预测计量

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，5～10年为中期，10年以上为长期。
预测步骤 预测大致分为三步：①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；②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；③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：①按主要工农业产品计算的运输系数法。根据报告期和预
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。②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。③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。④速度增长 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< br>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：①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
＝
a
1
+
b
1
t

式中
a
1
、
b
1
为方程式参数,用最小平方法求得；
t
为年序数。②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< br>标之间的数量关系，分析历史形成的数量比例，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
＝
a
2
+
b
2
X

式中
X
为工农业总产值；
a
2
为回归经验常数；
b
2
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：①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，< br>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。②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
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：
Y
1
=
P
(1+
n
)t
K

式中
Y
1
为预测的货物周转量；
P< br>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：①按国民收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
)
t
K
1

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；
K
1
为预测期的客运弹性比

值。②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。③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：①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。②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：
N
1
＝
R
1
(1+
m
)
t
K
2

式中
N
1
为预测的旅客周转量;
R
1
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 ；
K
2
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
回 归
剩 余
总 计


平方和



自由度



, 而

方 差


方差比
取检验水平α＝0.05, 查分布表得
, 所以例2.1的回归方程回归效果是显著的。

２、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:

(1) 检验:
在

其中为矩阵
, , (3.8)
假设下, 可应用检验:
, , (3.9)
的对角线上第个元素。
对给定的检验水平α, 从分布表中可查出与α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
则接受假设, 即认为明对有重要作用不应剔除; 如果有
成立, 这说明对不起作用, 应予剔除。
(2) 检验:
检验假设
的统计量

其中为矩阵
, (3.10)
的主对角线上第个元素。对于给定的检
, 如果有
, 亦可用服从自由度分别为1与的分布
验水平α, 从分布表中可查得临界
, 则拒绝假设
, 则接受假设
, 认为对有重要作用。如果
, 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, 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
,
,
, 因为,
,
,


查分布表得,
, 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


因为,
,
,
, 又由
, 因此及都是显著
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
,
个自变量的回归平方和设
的回归平方和为

如果自个自变量中去掉, 则剩下的
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。
及的偏回归平方和分别为:
,
,
又如在例2.2中

,
,
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
季度净利润 第四季度净利润

（万元） 环比增长率（％）

南通科技 １６０８０．２２ １６１７７．８１

＊ＳＴ科苑 １６１３６．７４ １０００７．２０

浙江广厦 ４４９３１．３６ ９２４１．７５

＊ＳＴ雅砻 ８１２２．７４ ５０９９．２６

棱光实业 ６２２０．５３ ３５９７．０３

渝三峡Ａ １７８９４．４２ ２２３６．８７
０９年第四

凯迪电力 １２４３７．８６ ２１２５．１３

ＳＴ珠峰 ７６８２．８１ １３３７．８５

东湖高新 ３５７４．０４ １２９９．２３

＊ＳＴ香梨 ４３８９．８７ １２２２．１１

三毛派神 ２１８４．８２ １１６９．６２

中茵股份 ６００２．５０ １１６６．６０

东凌粮油 ５６２３．４７ ８２７．９４

辉煌科技 ３６６８．１４ ５４０．４８

嘉凯城 １０４３０１．３７ ５３０．１７

金丰投资 １１０７４．９６ ４９０．９８

ＳＴ鲁置业 ３４８８９．１４ ４８５．３６

中信国安 ２０３０．０２ ４７１．３４

万科Ａ ２３７２１４．５５ ４４７．５９

敦煌种业 ８５２０．１４ ４３７．５６

中泰化学 ６０２１．６４ ３５８．７１

中华企业 ３２７８３．０９ ３４４．５７

保利地产 １７３２５９．８１ ３４３．６０

新农开发 ４１７１．３０ ２９４．６６

北京城乡 ３５７０．３６ ２８１．８２

星湖科技 １３５６１．４１ ２６９．１６

苏州高新 １１８５１．０７ ２６６．８８

北斗星通 ２２２３．５０ ２６０．０１

成商集团 ４６５８．４１ ２４６．０１

华天酒店 ５３７２．４９ ２４４．９５

星期六 ４５６５．６４ ２１１．６７

四创电子 ２０５５．５８ ２０７．７４

渝开发 ６８６９．５８ １８７．６２

露天煤业 ３５２７６．５７ １６９．３３

国投新集 ２５２６３．６５ １６５．７８

云内动力 ７６４８．６１ １５２．８６

深圳惠程 ３７９６．１２ １４７．６９

鄂武商Ａ ７３０３．８６ １４４．３０

西南证券 ４０５３５．４７ １３６．８０

新民科技 ２１４９．２６ １２７．６７

江中药业 ７２４５．３８ １１７．８０

冠城大通 １２９４３．９６ １１５．８９

宏图高科 １０８９９．０６ １１５．０８

中兵光电 ７８１９．７１ １１４．４５

万家乐 １０９８３．２３ １０９．８７

智光电气 ２１２３．９０ １０９．２１

华远地产 １２７４８．８１ １０７．８１

盐湖钾肥 ２９４９１．４６ １０１．３７

莱茵置业 ７２０１．３４ １００．７８

泛海建设 １８５６６．１０ １００．４２

注：本表仅包括2009年第四季度净利润超2000万元的公司。