上海港口集装箱吞吐量影响因素分析
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
*+,.#/" # 0 5804 91 0 1234 82 0 1994 21 0 1564 :7 0 :254 93 0 :514 59 0 1164 97 3 0:94 85 3 6234 00 7 8:64 55 7 2634 22 7 1324 81 6 62:4 50
上海经济和港口发展情况
测精度大大降低。
3
3.1
建立模型
全回归法
运用 spss 线性回归中的全回归法就是将所有变量全部引
3 6114 67 3 1294 22 7 67:4 91 7 :804 81 6 0::4 97 6 9904 09 2 3084 03 2 9604 87 5 5164 37 : 8934 :7 1 0564 0 08 7554 6 03 0::4 1
[2]
2
影响因素分析
以上海港国际标准集装箱吞吐量为研究对象，综合考虑
各方面影响因素， 选取以下主要指标： GDP 涵盖了上海市内所 有的经济领域， 能够真实反映经济的运行情况； 外贸额反映上 海市的对外经贸关系， 是外向型经济发展的重要指标； 上海交 通运输投资建设反映了运输总体方式的发展趋势与集装箱腹 地运输情况；沿海港口投资建设反映港内集装箱装卸效率与 集疏运服务情况；水运系统固定资产投资反映集装箱的水上
14000
Y
0
在 99.9%>75%的程度上解释因变量， 非常令人满意。 判定系数 平方值 R Square 为 0.998， 表示 （X1、 ） 一起可以解 X2、 X3、 X4、 X5 释 Y 的 99.8% 变异性 。 对方程系数进行 F 检验，显著水平 认为回归方程中各系数均不为零， 拒绝系数为 sig=0.000<0.05， 零 的 假 设 。 Std. Error of the Estimate 估 计 值 的 标 准 误 差 为 其值在 2.5 附近， 说 21.514 86 比较合理， Durbin- Watson=2.527， 明残差之间相互独立， 模型没有自相关问题， 综上所述回归方 程有意义。
入回归方程。全回归法是将多个影响因素分别进行组合建立 线性一元或多元线性回归方程， 相应得到多个回归方程。比较 它们的残差均方和， 选残差均方和最小的那一组自变量， 并认 为相应的回归方程最优。 利用 1995~2003 年的 Y 与 （X1、 ） 数据进行全 X2、 X3、 X4、 X5 回归， 考虑消除共线性对模型精度的影响， 将 X6 剔除。变量引 根据回归系数表中显示的各变量系 进顺序为 X5、 X1、 X4、 X3、 X2， 数建立线性回归模型 （1 ） 为： Y=0.071*X1+0.776*X2+1.114*X3- 1.375*X4- 0.224*X5- 19.822 Model(1) 验证： 表 2 模型综述表
Y
X1
Y
X2
X3
a
图1
3000
b Y 与 X1、X2、X3 散点图
3000 3000
c
2000
2000
2000
1000
1000
1000
0 100
Y
0 0 200 400 600 800 1000
200
300
400
500
600
700
800
0 1000
Y
Y
2000
3000
4000
5000
X4
X5
X6
Histogram
Analysis on Affecting Factors for Port Container Throughput in Shanghai
GAO Feng- jiao, SHI Xiao- fa wenku.baidu.comSchool of Traffic & Transportation, Tongji University, Shanghai 200092, China) Abstract: Based on the historical data of Shanghai Port, the major affecting factors of container throughput are analyzed. Two Multiple Linear Regression Models are set up and tested for the variance. Three- exponential Smoothing Method is put forward. By comparing with above two models, the optimal model is selected from three models to forecast container throughput of the year 2010 and the year 2020 in Shanghai. Finally the factor analysis is done by the forecast result. Keywords: container throughput; affecting factor; Multiple Linear Regression Model; forecast
Fr e que nc y
由图 1 中 a、 证明 Y 与 X1、 b 可以看出散点分布均匀平滑，
1.0 .5 0.0 - .75 - .50 - .25 0.00 .25 .50 .75 1.00
3000 3000 3000
2000
2000
2000
1000
1000
1000
由表 2 可知， 判定系数 R=0.999 说明自变量的线性组合能
0 200 400 6 00 800 1000
0 2000
0 0 1000 2000 3000
4000
6000
8000
10000
12000
由图 1 中 c、 图 2 中 d、 X2 存在明显的线性关系； e、 f 可以看出 散点在前半段分布较集中， 并且直线趋势不明显， 后半段比较 均匀平滑，证明 Y 与 X3、 只 X4、 X5、 X6 也存在一定的线性关系， 是数据存在较大的偏差。 （X1、 ） 的偏相关系数分别为 0.740 5、 Y与 X2、 X3、 X4、 X5、 X6 0.817 3、 0.721 6、 - 0.628 8、 - 0.570 7、 - 0.062 7(表略（ ) 偏相关系 数是在控制其它变量的情况下，计算因变量与自变量之间的 相关系数 ） 。 由偏相关系数可以判断 Y 与 X1、 X2、 X3 有很强的相 关性， 与 X4、 与 X6 有较弱相关性。由于 X5 有比较强的相关性， 但偏相关系数值较低， 推 Y 与 X6 散点图表现较明显线性关系，
高凤姣， 等： 上海港口集装箱吞吐量影响因素分析 doi:10.3969/j.issn.1005-152X.2009.09.025
技术与方法
上海港口集装箱吞吐量影响因素分析
高凤姣,石小法
(同济大学
[摘
交通运输工程学院 ,上海
200092)
要 ]以上海港口历史数据为依据， 分析集装箱吞吐量的主要影响因素。采用不同方法建立两个多元线性回归预测模型，
1
引言
随着世界经济与贸易的发展，港口集装箱吞吐量不仅是
指标， 刘斌 [3]在建立港口集装箱吞吐量多元线性回归模型时， 将全社会固定资产投资作为影响因素之一。 本文主要定量分析上海港口集装箱吞吐量的影响因素,并 且建立港口集装箱吞吐量多元线性回归预测模型，并与常规 模型进行比较， 选出预测精度较高的模型， 对上海港口集装箱 吞吐量进行预测。准确的集装箱吞吐量预测能够为上海港口 岸线资源的合理开发利用、政府的投资规模和港口发展策略 提供决策依据， 为港口未来的发展方向和全局定位提供参考。
!"#! " $
0 6224 6 0 :8:4 6 3 0904 1 3 5024 3
资料来源： 上海统计年鉴， 国家法改委、 国家统计局、 交通部
表 1 收集 1995- 2007 年上海港口集装箱吞吐量 （Y ） 、 GDP （X1 ） 、 外贸额 (X2)、 沿海港口建设投资额 (X3)、 水运建设投资额 上海交通运输投资额 (X5)和全社会固定资产投资额 (X6)的 (X4)、 数据。算出 Y 分别与 （X1、 ） 偏相关系数并绘出 X2、 X3、 X4、 X5、 X6 散点图， 如图 1、 图 2 所示。
中， 影响因素大多选择国民生产总值 、 对外贸易额等两项主要
[ 收稿日期 ]2009- 03- 20 （1983-） ， 女， 河北廊坊人， 同济大学交通运输工程学院硕士研究生， 研究方向： 交通运输管理与规划。 [ 作者简介 ]高凤姣
- 77 -
技术与方法
运输与中转情况；全社会固定资产投资是反映区域整体的固 定资产投资建设趋势。 表1
0112 0115 0119 011: 0111 3888 3880 3883 3887 3886 3882 3885 3889 0234 5 0194 0 3234 : 7854 5 6304 5 2504 3 576 :504 3
1 128.25
物流技术 2009 年第 28 卷第 9 期 （总第 204 期 ） 测全社会固定资产投资额 X6 与其它影响因素存在着强烈的共 线性 （共线性指某个或某些自变量可以用其他自变量或自变 量的组合来表示的情况） ， 变量之间存在共线性会使模型的预
Scatterplot Dependent Variable: Y
1200 1000 800 600 Std . De v = .61 Me an = 0.00 N = 9.00 400 200 0 - 1.5
d
图2
e Y 与 X4 、X5 、X6 散点图
f
2.5 2.0 1.5
Dependent Variable: Y
衡量一个港口在国际经济贸易中地位的重要标志，也是一个 国家或地区经济繁荣程度的晴雨表 。世界各主要港口之间的 竞争正逐步表现为以集装箱吞吐量为核心的港口综合实力的 竞争。2007 年上海港集装箱吞吐量 2 615 万 TEU， 首次跃居世 界第二， 仅次于新加坡， 集装箱吞吐量的快速增长， 使得上海 港成为国际航运中心面临很大的机遇。 影响港口集装箱吞吐量主要有五方面的因素：地理位置 港口经营环境、 港口管理、 港口基础设施、 航运状 及自然条件、 况等[1]。国内、 外对港口集装箱吞吐量预测模型分为定性和定 时间序列预测法、 量两种。定量预测方法主要有指数平滑法 、 回归分析预测法、 灰色预测法和弹性系数法等。还有组合预测 方法主要有： 最小方差法、 卡尔曼滤波法、 无约束最小二乘法、 贝叶斯法 、 变权组合预测法 、 递归等权组合预测法 、 性能优势 矩阵法、 基于有效度的组合预测法等 。在多元线性回归模型
0184 32 3334 57 3694 56 7074 66 7:54 86 2694 0 58:4 1: 9354 56 0 0374 19 0 5884 35 0 :574 52 3 3964 :1 3 :314 97 ! "# 59429 99460 ::430 :2469 :64:: :8470 0374 91 0314 :2 360 7754 63 6:04 16 9834 71 :974 52 $% ! "# 0974 9 0214 0 05:4 1 0:64 0 0:24 7 0924 3 3304 2 0514 : 316 6894 : 2374 7 5604 1 9:64 9 &’ (%) "# 324 16 514 55 :24 85 08:4 91 0834 36 6:4 :7 584 93 574 80 3974 99 7054 15 7:24 2: 2:14 23 :684 :5
选出最优模型对 2010 年和 2020 年上海港口集 并对模型进行检验。引用指数平滑预测模型与两个模型进行预测标准误差比较， 装箱吞吐量进行研究预测， 最后对预测结果进行因素分析。 影响因素； 多元线性回归模型； 预测 [ 关键词 ]集装箱吞吐量； [ 中图分类号 ]F127.51;U695.2+2 [ 文献标识码 ]A （2009 ） [ 文章编号 ]1005- 152X 09- 0077- 04
上海经济和港口发展情况
测精度大大降低。
3
3.1
建立模型
全回归法
运用 spss 线性回归中的全回归法就是将所有变量全部引
3 6114 67 3 1294 22 7 67:4 91 7 :804 81 6 0::4 97 6 9904 09 2 3084 03 2 9604 87 5 5164 37 : 8934 :7 1 0564 0 08 7554 6 03 0::4 1
[2]
2
影响因素分析
以上海港国际标准集装箱吞吐量为研究对象，综合考虑
各方面影响因素， 选取以下主要指标： GDP 涵盖了上海市内所 有的经济领域， 能够真实反映经济的运行情况； 外贸额反映上 海市的对外经贸关系， 是外向型经济发展的重要指标； 上海交 通运输投资建设反映了运输总体方式的发展趋势与集装箱腹 地运输情况；沿海港口投资建设反映港内集装箱装卸效率与 集疏运服务情况；水运系统固定资产投资反映集装箱的水上
14000
Y
0
在 99.9%>75%的程度上解释因变量， 非常令人满意。 判定系数 平方值 R Square 为 0.998， 表示 （X1、 ） 一起可以解 X2、 X3、 X4、 X5 释 Y 的 99.8% 变异性 。 对方程系数进行 F 检验，显著水平 认为回归方程中各系数均不为零， 拒绝系数为 sig=0.000<0.05， 零 的 假 设 。 Std. Error of the Estimate 估 计 值 的 标 准 误 差 为 其值在 2.5 附近， 说 21.514 86 比较合理， Durbin- Watson=2.527， 明残差之间相互独立， 模型没有自相关问题， 综上所述回归方 程有意义。
入回归方程。全回归法是将多个影响因素分别进行组合建立 线性一元或多元线性回归方程， 相应得到多个回归方程。比较 它们的残差均方和， 选残差均方和最小的那一组自变量， 并认 为相应的回归方程最优。 利用 1995~2003 年的 Y 与 （X1、 ） 数据进行全 X2、 X3、 X4、 X5 回归， 考虑消除共线性对模型精度的影响， 将 X6 剔除。变量引 根据回归系数表中显示的各变量系 进顺序为 X5、 X1、 X4、 X3、 X2， 数建立线性回归模型 （1 ） 为： Y=0.071*X1+0.776*X2+1.114*X3- 1.375*X4- 0.224*X5- 19.822 Model(1) 验证： 表 2 模型综述表
Y
X1
Y
X2
X3
a
图1
3000
b Y 与 X1、X2、X3 散点图
3000 3000
c
2000
2000
2000
1000
1000
1000
0 100
Y
0 0 200 400 600 800 1000
200
300
400
500
600
700
800
0 1000
Y
Y
2000
3000
4000
5000
X4
X5
X6
Histogram
Analysis on Affecting Factors for Port Container Throughput in Shanghai
GAO Feng- jiao, SHI Xiao- fa wenku.baidu.comSchool of Traffic & Transportation, Tongji University, Shanghai 200092, China) Abstract: Based on the historical data of Shanghai Port, the major affecting factors of container throughput are analyzed. Two Multiple Linear Regression Models are set up and tested for the variance. Three- exponential Smoothing Method is put forward. By comparing with above two models, the optimal model is selected from three models to forecast container throughput of the year 2010 and the year 2020 in Shanghai. Finally the factor analysis is done by the forecast result. Keywords: container throughput; affecting factor; Multiple Linear Regression Model; forecast
Fr e que nc y
由图 1 中 a、 证明 Y 与 X1、 b 可以看出散点分布均匀平滑，
1.0 .5 0.0 - .75 - .50 - .25 0.00 .25 .50 .75 1.00
3000 3000 3000
2000
2000
2000
1000
1000
1000
由表 2 可知， 判定系数 R=0.999 说明自变量的线性组合能
0 200 400 6 00 800 1000
0 2000
0 0 1000 2000 3000
4000
6000
8000
10000
12000
由图 1 中 c、 图 2 中 d、 X2 存在明显的线性关系； e、 f 可以看出 散点在前半段分布较集中， 并且直线趋势不明显， 后半段比较 均匀平滑，证明 Y 与 X3、 只 X4、 X5、 X6 也存在一定的线性关系， 是数据存在较大的偏差。 （X1、 ） 的偏相关系数分别为 0.740 5、 Y与 X2、 X3、 X4、 X5、 X6 0.817 3、 0.721 6、 - 0.628 8、 - 0.570 7、 - 0.062 7(表略（ ) 偏相关系 数是在控制其它变量的情况下，计算因变量与自变量之间的 相关系数 ） 。 由偏相关系数可以判断 Y 与 X1、 X2、 X3 有很强的相 关性， 与 X4、 与 X6 有较弱相关性。由于 X5 有比较强的相关性， 但偏相关系数值较低， 推 Y 与 X6 散点图表现较明显线性关系，
高凤姣， 等： 上海港口集装箱吞吐量影响因素分析 doi:10.3969/j.issn.1005-152X.2009.09.025
技术与方法
上海港口集装箱吞吐量影响因素分析
高凤姣,石小法
(同济大学
[摘
交通运输工程学院 ,上海
200092)
要 ]以上海港口历史数据为依据， 分析集装箱吞吐量的主要影响因素。采用不同方法建立两个多元线性回归预测模型，
1
引言
随着世界经济与贸易的发展，港口集装箱吞吐量不仅是
指标， 刘斌 [3]在建立港口集装箱吞吐量多元线性回归模型时， 将全社会固定资产投资作为影响因素之一。 本文主要定量分析上海港口集装箱吞吐量的影响因素,并 且建立港口集装箱吞吐量多元线性回归预测模型，并与常规 模型进行比较， 选出预测精度较高的模型， 对上海港口集装箱 吞吐量进行预测。准确的集装箱吞吐量预测能够为上海港口 岸线资源的合理开发利用、政府的投资规模和港口发展策略 提供决策依据， 为港口未来的发展方向和全局定位提供参考。
!"#! " $
0 6224 6 0 :8:4 6 3 0904 1 3 5024 3
资料来源： 上海统计年鉴， 国家法改委、 国家统计局、 交通部
表 1 收集 1995- 2007 年上海港口集装箱吞吐量 （Y ） 、 GDP （X1 ） 、 外贸额 (X2)、 沿海港口建设投资额 (X3)、 水运建设投资额 上海交通运输投资额 (X5)和全社会固定资产投资额 (X6)的 (X4)、 数据。算出 Y 分别与 （X1、 ） 偏相关系数并绘出 X2、 X3、 X4、 X5、 X6 散点图， 如图 1、 图 2 所示。
中， 影响因素大多选择国民生产总值 、 对外贸易额等两项主要
[ 收稿日期 ]2009- 03- 20 （1983-） ， 女， 河北廊坊人， 同济大学交通运输工程学院硕士研究生， 研究方向： 交通运输管理与规划。 [ 作者简介 ]高凤姣
- 77 -
技术与方法
运输与中转情况；全社会固定资产投资是反映区域整体的固 定资产投资建设趋势。 表1
0112 0115 0119 011: 0111 3888 3880 3883 3887 3886 3882 3885 3889 0234 5 0194 0 3234 : 7854 5 6304 5 2504 3 576 :504 3
1 128.25
物流技术 2009 年第 28 卷第 9 期 （总第 204 期 ） 测全社会固定资产投资额 X6 与其它影响因素存在着强烈的共 线性 （共线性指某个或某些自变量可以用其他自变量或自变 量的组合来表示的情况） ， 变量之间存在共线性会使模型的预
Scatterplot Dependent Variable: Y
1200 1000 800 600 Std . De v = .61 Me an = 0.00 N = 9.00 400 200 0 - 1.5
d
图2
e Y 与 X4 、X5 、X6 散点图
f
2.5 2.0 1.5
Dependent Variable: Y
衡量一个港口在国际经济贸易中地位的重要标志，也是一个 国家或地区经济繁荣程度的晴雨表 。世界各主要港口之间的 竞争正逐步表现为以集装箱吞吐量为核心的港口综合实力的 竞争。2007 年上海港集装箱吞吐量 2 615 万 TEU， 首次跃居世 界第二， 仅次于新加坡， 集装箱吞吐量的快速增长， 使得上海 港成为国际航运中心面临很大的机遇。 影响港口集装箱吞吐量主要有五方面的因素：地理位置 港口经营环境、 港口管理、 港口基础设施、 航运状 及自然条件、 况等[1]。国内、 外对港口集装箱吞吐量预测模型分为定性和定 时间序列预测法、 量两种。定量预测方法主要有指数平滑法 、 回归分析预测法、 灰色预测法和弹性系数法等。还有组合预测 方法主要有： 最小方差法、 卡尔曼滤波法、 无约束最小二乘法、 贝叶斯法 、 变权组合预测法 、 递归等权组合预测法 、 性能优势 矩阵法、 基于有效度的组合预测法等 。在多元线性回归模型
0184 32 3334 57 3694 56 7074 66 7:54 86 2694 0 58:4 1: 9354 56 0 0374 19 0 5884 35 0 :574 52 3 3964 :1 3 :314 97 ! "# 59429 99460 ::430 :2469 :64:: :8470 0374 91 0314 :2 360 7754 63 6:04 16 9834 71 :974 52 $% ! "# 0974 9 0214 0 05:4 1 0:64 0 0:24 7 0924 3 3304 2 0514 : 316 6894 : 2374 7 5604 1 9:64 9 &’ (%) "# 324 16 514 55 :24 85 08:4 91 0834 36 6:4 :7 584 93 574 80 3974 99 7054 15 7:24 2: 2:14 23 :684 :5
选出最优模型对 2010 年和 2020 年上海港口集 并对模型进行检验。引用指数平滑预测模型与两个模型进行预测标准误差比较， 装箱吞吐量进行研究预测， 最后对预测结果进行因素分析。 影响因素； 多元线性回归模型； 预测 [ 关键词 ]集装箱吞吐量； [ 中图分类号 ]F127.51;U695.2+2 [ 文献标识码 ]A （2009 ） [ 文章编号 ]1005- 152X 09- 0077- 04