SPSS相关分析与线性回归分析在我国第三方物流市场需求分析中的应用

(北京物资学院 北京 101149)

一、数据来源及说明

货物运输是实现从供到需的中心环节，也是可直接获取的测量数据，所有的货物的空间转移都需要运输来完成，货运量是指企业的货物运输量，所以本文通过企业货运量的相关数据来测量我国第三方物流需求变动是较为可行的。

数据选取年份为2000～2017年。根据货运量影响因素，通过选取GDP、我国三大产业产值、社会消费品零售总额五大指标。结合我国2000～2017年间的统计数据，分析各指标与我国货物运输量间的关系，即与我国第三方物流需求的关系。

二、我国第三方物流市场需求模型的建立

假设第三方物流量(W)与影响因素(B1，B2，…Bi)存在线性相关关系，建立模型Z=F(B1，B2，…Bi)+ε，其中W为因变量，B1，B2，…Bi为自变量，W=F(B1，B2，…Bi)+ε为模型的回归方程，ε为随机误差，以假定模型为基础，对我国第三方物流需求进行相关分析及回归分析，最后根据分析结果对我国第三方物流需求进行预测。

三、GDP、三次产业、社会消费品零售总额与货运量的相关性分析

通过spss→分析→相关→双变量，结果显示：GDP、三次产业、社会消费品零售总额与货运量的相关系数分别为0.987、0.992、0.997、0.971、0.967。其相应值也小于0.01，说明GDP、三次产业、社会消费品零售总额与货运量均具有显著的正相关性。

四、多元线性回归分析

(一)拟合优度核验

模型汇总c模型rr 方调整 r 方标准 估计的误差Durbin-Watson1.998b.996.99677224.9601.352

a.预测变量:(常量),B。

b.预测变量:(常量),B,C。

c.因变量:W

由模型汇总表可知：模型二判定系数增加为0.996。从查验结果来看，模型的拟合效果较理想。说明货物运输量(W)与第二产业(B)及第三产业(C)存在高度的相关性。

(二)回归方程的显著性查验

Anovab模型平方和df均方FSig.1回归2.477E1346.193E121167.618.000a残差6.895E10135.304E9总计2.484E1317

对于二元模型，回归方程显著性F统计量为2075.227，对应P值约等于为零。因此所选择的线性模型是合理的。

(三)回归系数的显著性水平

操作步骤：分析→回归→线性→残差分析/进入方法：逐步。假设显著性水平为0.05，t 统计量对应P值<0.05，则拒绝原假设。认为货运量与第二产业、第三产业有明显的线性关系。

(四)多重共线性检验

操作步骤：分析→回归→线性→共线性诊断，由系数表和已排除变量表可知，第二产业产值与第三产业产值容差为0.33>0.1,VIF小于30，因此第二产业产值与第三产业产值之间存在较差的共线性；而国内生产总值、第一产业产值、社会消费零售总产值的容差均小于0.1，VIF大于30，所以认为国内生产总值、第一产业产值、社会消费零售总产值之间存在较强的共线性。

五、我国2018～2025年第三方物流市场需求预测

应用回归模型W=710353.464+15.663B3-2.637B4可得出我国2018～2023年的货运量，既第三方物流市场规模。如表1所示(单位：万t)：

表1 我国2018～2023年第三方物流市场预测需求量

六、结论

利用spss进行相关性分析与线性回归分析，我国第三方物流市场规模将继续扩大，但在需求市场将会进入一个低增长阶段。物流需求增长是我国建设智能化物流网络体系的必然要求，利用“互联网+物流”模式，进一步促进物流行业向智能化行业的转变，提高市场动力与活力，提高市场效率，扩大物流需求。