江苏省物流业对GDP影响的多元回归模型分析

响 GDP 发展的主要因素， 来预测一个地区的 GDP 发 展趋势已经成为经济领域研究的一个热点[1-2]。对一个 地区影响 GDP 的主要因素进行界定， 并且来预测该地 区 GDP 的发展趋势， 对该地区经济发展规划的制定、 产业结构的调整以及投资决策的实施都具有重大意
第一作者简介： 武进静， 女， 1987 年出生， 硕士， 研究方向： 产业经济学。通信地址： 201306 上海市浦东新区临港新城护城环路 999 号， E-mail： 513346530@qq.com。 通讯作者： 韩兴勇， 男， 1957 年出生， 教授， 博士， 研究方向： 经济学、 农村区域经济。E-mail： xyhan@shou.edu.cn。 收稿日期： 2014-09-27， 修回日期： 2014-11-13。
[10]
· 258 ·
中国农学通报 http://www.casb.org.cn
( p, n - p - 1) ， 则拒绝原假设 H 0 ， 说明回归方程显著， 解
的实际经济发展情况， 选取统计年鉴中的 1990—2012 年影响 GDP 的相关影响因素， 作为预测模型的解释变 量， 采用多元回归预测模型， 对此后十年的 GDP 进行 预测， 结果显示预测精确度较高， 能够在总体上反应出 江苏省未来十年的生产总值， 并且直观地反应出江苏 经济增长和物流业之间存在的关系。 2 多元回归模型 2.1 模型简介 回归预测法是指根据预测的相关性原则， 找出影 响预测目标的各因素， 并用数学方法找出这些因素与 预测目标之间的函数关系的近似表达， 再利用样本数 据对其模型估计参数及对模型进行误差检验， 一旦模 型确定， 就可利用模型， 根据因素的变化值进行预测。 多元回归分析预测法， 是指通过对两个或两个以上的 自变量与一个因变量的相关分析， 建立预测模型进行 预测的方法。 多元线性回归模型的一般形式为式(1)。 y = β 0 + β1 x1 + β 2 x 2 + β p x p + ε ………………… (1) 常数，β 0 , β1,...β p 成为回归系数。 y 称为解释变量 （因 其中，β 0 , β1,...β p 是 p + 1 个未知参数，β 成为回归
武进静等： 江苏省物流业对 GDP 影响的多元回归模型分析
· 257 ·
义。江苏省经济一直保持着较好的发展状况， 据数据 显示， 截止 2012 年江苏省实现生产总值 54058.2 亿元， 按可比价格计算， 比 2011 年增长 10.1%， 总值占到全国 GDP 总 额 的 10.41% 。 30 年 里 ， GDP 由 1986 年 的 744.94 亿元增加到 2012 年的 54058.22 亿元。尤其是 2002 年全省 GDP 突破万亿元达到 10606.85 亿元， 从 1999 年以来一直呈现出快速增长的趋势。 笔者利用多元回归模型对 1986—2012 年江苏省 的 GDP 与物流业增加值、 港口货物吞吐量等主要物流 业的经济因素进行全面分析， 并利用所建立的模型对 江苏省未来十年的 GDP 进行预测， 得出该省生产总值 的发展规律， 期望能为有关部门的决策提供可行、 合 理、 科学的参考依据。 1 文献回顾 对于 GDP 这种非平稳的时间序列的预测一直以 来都受到了学者们很大的重视， 对 CDP 的研究有很多 方法， 常用的主要有 ARIMA 模型， 灰色模型、 BP 神经 网络、 组合模型等。 对于采用 ARIMA 模型预测 GDP 的研究主要有华 鹏等 ， 龚国勇 ， 李娜等 均采用 ARIMA 模型对 GDP
Empirical Analysis of Relationship between Logistics and Economic Growth Based on the Multiple Linear Reression Model
(Shanghai Ocean University, Shanghai 201306)
[ห้องสมุดไป่ตู้]
不同的改进 BP 算法来建立和训练网络预测模型， 通过 比较不同算法的精度和有效性， 最后选取最优的预测 模型对辽宁省人均 GDP 进行预测。 鉴于 GDP 预测的非线性、 时变性和不确定性， 郭 秋艳等 [9] 首先采用 DFA 方法分析出 GDP 时间序列具 有 “长期记忆性” 然后构建 BP 神经网络预测模型得出 该模型对 GDP 预测具有很好的拟合效果， 而且时间序 列越多预测精度越高。叶学芳和何跃 运用消除趋势 波动分析(DFA)方法分析四川省工业增加值的时间序 列值， 并建立 GMDH 自回归、 ARIMA、 SPSS 曲线估计 3 个单项预测模型和最优线性组合预测模型、 人工神 经网络组合预测模型及自组织组合预测模型 3 种组合 模型进行组合预测， 结果显示自组织组合预测模型在
进行了预测。他们得出的结论大体上都是模型预测相 对误差率低， 预测精度较高， 能够为所研究区域的经济 发展提供较为科学合理的依据和参考。 为了避免标准的 BP 算法存在收敛速度慢及易陷 入局部极小值的缺陷， 张自敏等 [6] 综合利用附加动量 和变学习率的方法对 BP 算法加以改进， 结果得出改进 后的 BP 算法的收敛速度和预测精度均优于标准 BP 算 法， 并且预测结果具有更高精度和更快的速度。王宇 等 [7] 运用带有动量项和自适应学习率的 BP 神经网络 方法， 揭示了中国 M2/GDP 变动的内在规律性以及仍 处于加速上升的阶段。陈楠等 运用 Matlab 软件采用
[3] [4] [5]
拟合效果和预测精度上都比单项预测模型及常见的组 合预测模型高。 对于季度 GDP 的预测， 何黎和何跃[11]引入 PMI 指 标， 建立 GMDH 模型和 ARIMA 模型对季度值进行预 测， 发现预测结果远好于单独采用预测模型， 更具有实 际意义。齐丽云等[12]在对 GDP 季度增长率预测时， 引 入 PMI 和 PPI 两个指数， 实证分析表明： 新的 GDP 模型 的预测效果与 Rolando F Peláez 的改进模型以及单纯 用 PMI 做自变量的 GDP 预测模型相比， 新的预测模型 具有更好的拟合效果和预测效果。 基于主成分方法分析的研究有， 喻胜华等[13]运用主 成分分析方法对 BP 神经网络的输入单元数进行简化， 并用贝叶斯正则化算法来提高 BP 神经网络的泛化能 力， 将两者结合起来建立 GDP 预测模型， 可以达到简 便数据输入， 收敛速度快、 拟合度好的目的， 并且这样 得到的预测模型具有较强的仿真与预测能力。屠越栋 等[14]针对影响 GDP 的因素之间存在的多重相关性， 采 用主成分分析方法消除多重线性关系， 结合径向基函 数网络， 建立组合预测模型， 实证结果表明： 该组合模 型预测的结果精度明显高于径向基函数(RBF)神经网 络预测。 其他关于需求预测的研究方法也很多， 为了使预 测更加的精确、 合理， 袁军[15]得出利用自我激励门限模 型(SETAR)对 GDP 预测比 ARIMA 预测结果更具有实 际指导意义。张宾等[16]采用了 FRI 的改进相似合成算 法(AC)对成都 GDP 进行预测， 这种方法能够对影响变 量进行降维、 客观确定研究变量， 而且还能揭示构成研 究对象的原因。肖智等 [17] 提出微粒群算法 (PSO) 和部 分最小二乘回归(PLS)的组合预测方法对中国 GDP 的 预测， 实证结果显示， 这种 PSO-PLS 组合预测方法比单 个预测方法具有更好的有效性和可行性。蒋铁军等[18] 提出对 GDP 序列进行相空间重构， 而后运用 C-C 方法 并结合主成分回归 (PCR) 对 GDP 进行预测， 同时用微 粒群算法 (PSO) 优化模型， 最后采用 MSE 和 MAPE 评 价优化模型的预测效果。龙文等[19]针对大规模时间序 列操作的繁琐性采用 曲 线 分 类 建 模 方 法 对 多 地 区 GDP 预测。李运蒙等[20]利用支持向量机所具有的全局 最优和良好的泛化能力对江门市 GDP 进行预测。 综上所诉， 通过对文献的回顾， 可以看出不同的预 测模型对于预测的精度和预测的侧重点都有所不同。 由于 GDP 受到多个经济变量的影响， 而多元回归模型 能够全面考虑影响 GDP 的因素， 并且根据回归分析， 将消除变量间存在自相关和多重共线性的因素， 使得 预测结果更加精确， 更具有科学性。文章根据江苏省
industry in Jiangsu Province. It focus on the whole province’ s major economic index among 1986-2012 which
industry, cargo throughput of port and Jiangsu Province GDP. Therefore the continuous rapid healthy development of these two factors makes an active promotion to the expansion of Jiangsu Province GDP. The
中国农学通报
2015,31(5):256-264
Chinese Agricultural Science Bulletin
江苏省物流业对 GDP 影响的多元回归模型分析
武进静， 韩兴勇
（上海海洋大学， 上海 201306）
摘 要： 为了研究江苏省 GDP 与物流业之间的经济增长关系， 以江苏省 1986—2012 年全省主要经济指 标： 人均 GDP、 进出口总额、 物流业增加值、 固定资产投资额、 港口货物吞吐量作为研究对象， 运用 Eviews 软件对江苏省 GDP 进行回归分析。并建立了物流业增加值、 港口货物吞吐量影响因素在内的江 苏省 GDP 的预测模型。同时， 通过建立物流业增加值、 港口货物吞吐量的模型， 对这些影响因素进行预 测， 从而对江苏省 GDP 进行预测。实证分析表明物流增加值和港口货物吞吐量与江苏 GDP 之间有明 显的线性关系， 因此这两者的持续快速健康发展将对该省 GDP 的持续快速健康发展起积极的促进作 用， 最终结果显示该模型具有较好的预测效果， 可为江苏省制定经济发展目标提供依据和参考。 关键词： 多元线性回归； GDP； 物流； 预测 中图分类号： F252.5 文献标志码： A 论文编号： 2014-2612
Wu Jinjing, Han Xingyong
Abstract: This paper is mainly in studying the relations between the economic growth of GDP and the logistics including per capita GDP, total export- import volume, value- added of logistics industry, fixed investments, establishes the prediction models which affect it, such as value-added of logistics industry, cargo throughput of Jiangsu Province GDP. The fact shows that there is an obvious liner relation between value-added of logistics final result revels that the models possess better forecast effect and can provide basis and reference to Jiangsu Province when it makes out its own economic development. 0 引言 国内生产总值 GDP 指按市场价格计算的一个国 家或地区所有常住单位在一定时期内生产活动的最终 成果。 GDP 不仅是衡量一个地区经济发展的重要指 标， 而且还能体现该地区经济发展实力。通过分析影 Key words: multiple linear regression; GDP; logistics; forecast cargo throughput of port. It uses Eviews software to do the regression analysis of Jiangsu Province GDP and port etc. After making prediction about these above influencing factors, this paper also makes prediction to