影响快递量的因素相关分析

1、快递量影响因素的多元线性回归分析一、我国快递行业发展现状 近期的京东店庆日“618”刚火爆落下帷幕。京东“618”由于其他网购厂商的跟风参与，变成了全民网购狂欢日。“618”和“双十一”一样，成为了电商行业一年一度的节日。 随着网络技术的飞速发展，人们生活水平的提高，越来越多的消费者热衷于网上购物的便捷性，电子商务如雨后春笋般的发展了起来。要实现消费者所需物品或服务的送达，必须依靠快递企业的配送服务，它是衔接电子商务与客户的纽带。EMS是中国邮政物流速递公司，1984年开办国内特快专递服务。中国目前最大的民营快递顺丰快递成立于1993年，同年成立的还有宅急送，申通快递成立与1994年。其他的快

2、递公司入圆通、中通、韵达等快递公司大多成立于2000年前后。近几年随着中国电子商务的发展，雨后春笋般的涌现出了众多的快递公司。目前来看中国快递行业正处于一个高速发展的时期， 国家邮政局去年统计的数据表明， 全国整体快递企业去年累计完成 68亿件货物，同比增长了58% ，整体收入累计完成 1500 亿元，同比增长了45%，从这些数据中，我们可以看出，现阶段我国快递行业正处于一个发展的黄金时期， 随着我国贸易和电子商务的不断推进和发展，预计在未来的几年内， 中国快递行业业务数量将会得到进一步的提升。 2 数据指标选取以及数据收集（1） 数据指标选取1、快递量Y（万件）：本文讨论的问题2、邮政业务总

3、量（亿元）X1：邮政和快递选取时是考虑两者有相互替代的作用3、货运运输量（万吨）X2：衡量我国的工业发展水平4、商品零售价格指数上年（100）X3：零售价格会影响商品需求数量5、国内生产总值（亿元）X4：衡量我国经济发展水平最常用的指标6、居民消费水平（元）X5：很好地体现了居民的消费能力（二）数据收集本文选取了1998-2014的各指标的年度数据年份快递量万件邮政业务总量亿元货运运输量万吨商品零售价格指数上年100国内生产总值亿元居民消费水平元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、 相关分析与数据筛选运用spss软件进行相关分析，相关分析矩阵图如下相关性快递量万件商品零售价格指数上年100邮政业务总量亿元货运运输量万吨国内生产总值亿元居民消费水平

7、元快递量万件Pearson 相关性1.225.933*.860*.882*.902*显著性（双侧）.385.000.000.000.000N171717171717商品零售价格指数上年100Pearson 相关性.2251.430.523*.520*.494*显著性（双侧）.385.085.031.033.044N171717171717邮政业务总量亿元Pearson 相关性.933*.4301.947*.962*.965*显著性（双侧）.000.085.000.000.000N171717171717货运运输量万吨Pearson 相关性.860*.523*.947*1.998*.995*显著

8、性（双侧）.000.031.000.000.000N171717171717国内生产总值亿元Pearson 相关性.882*.520*.962*.998*1.999*显著性（双侧）.000.033.000.000.000N171717171717居民消费水平元Pearson 相关性.902*.494*.965*.995*.999*1显著性（双侧）.000.044.000.000.000N171717171717*. 在 .01 水平（双侧）上显著相关。*. 在 0.05 水平（双侧）上显著相关。从相关回归分析中可以看到快递量和邮政业务总量、货运运输量、国内生产总值、居民消费水平显著相关，但和商

9、品零售价格指数相关性比较弱,相关系数为0.225这首先和商品零售价格指数的计算方式有关，它每个报告期的都是以上一年为基期，而非以某一个固定的年份作为基期，计算的结果不能反映从1998到现在商品价格的变化。因此在下述建立多元线性回归模型时剔除商品零售价格指数。四、 建立多元线性回归模型运用SPSS软件建立多元线性回归模型1、 输入五个变量（1）输出结果为输入移去的变量b模型输入的变量移去的变量方法1商品零售价格指数上年100, 邮政业务总量亿元, 货运运输量万吨, 居民消费水平元, 国内生产总值亿元.输入a. 已输入所有请求的变量。b. 因变量: 快递量万件模型汇总模型RR 方调整 R 方标准

10、估计的误差1.991a.982.97463021.44442a. 预测变量: (常量), 商品零售价格指数上年100, 邮政业务总量亿元, 货运运输量万吨, 居民消费水平元, 国内生产总值亿元。Anovab模型平方和df均方FSig.1回归2.356E1254.711E11118.617.000a残差4.369E10113.972E9总计2.399E1216a. 预测变量: (常量), 商品零售价格指数上年100, 邮政业务总量亿元, 货运运输量万吨, 居民消费水平元, 国内生产总值亿元。b. 因变量: 快递量万件系数a模型非标准化系数标准系数tSig.B标准 误差试用版1(常量)826040

11、.8771049911.781.787.448邮政业务总量亿元186.47483.521.4772.233.047货运运输量万吨-.536.304-1.521-1.761.106国内生产总值亿元-7.3023.351-3.524-2.179.052居民消费水平元447.14181.0145.5095.519.000商品零售价格指数上年100-10962.8719232.914-.073-1.187.260a. 因变量: 快递量万件（2）回归估计结果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 调整 R 方=0.974 F统计量为 118.6172、剔除商品零售价格指数，输入4个变量输出结果为输入移去的变量b模型输入的变量移去的变量方法1居民消费水平元, 邮政业务总量亿元, 货运运输量万吨, 国内生产总值亿元.输入a. 已输入所有请求的变量。b. 因变量: 快递量万件模型汇总模型RR 方调整 R 方标准 估计的误差1.990a.979.97364088.61549a. 预测变量: (常量), 居民消费水平元, 邮政业务总量亿元, 货运运输量万吨, 国内生产总值亿元。Anovab模型平方和df均方FSig

13、.1回归2.350E1245.875E11143.033.000a残差4.929E10124.107E9总计2.399E1216a. 预测变量: (常量), 居民消费水平元, 邮政业务总量亿元, 货运运输量万吨, 国内生产总值亿元。b. 因变量: 快递量万件系数a模型非标准化系数标准系数tSig.B标准 误差试用版1(常量)-389221.705238010.504-1.635.128邮政业务总量亿元217.29980.728.5562.692.020货运运输量万吨-.425.295-1.208-1.444.174国内生产总值亿元-9.5642.803-4.616-3.412.005居民消费水

14、平元501.27968.1006.1767.361.000a. 因变量: 快递量万件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 调整 R 方=0.973 F统计量= 143.0333、模型对比，得出结论对比上述两个模型，第一个和第二个模型调整R方比较接近，基本没有区别，说明商品零售价格指数对估计快递量基本没有影响。在进行回归分析时，一般总是希望以尽可能少的自变量去达到尽可能高的拟合程度。因此选择模型二：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 调整 R 方=0.973 F统计量= 143.033F统计量为143.003，说明模型整体的线性关系非常显著。四个参数在5%的显著水平上，均能通过显著性检验。其中邮政业务总量、货运运输量、国内生产总值与理论分析不相符，只有居民消费水平和理论分析相符。针对这个问题，我认为可能的原因有1、 邮递业务总量虽然和快递量存在替代关系，但是两者均有随着经济繁荣发展而增加的趋势，只是两者程度不同，因此参数符号为正2、 货运运输量和国内生产总值参数为负，可能受近年来电商的快速发展的环境影响，快递行业激增，超过了工业发展水平和国内生产总值的提高五、反思与总结1、收集数据存在困难。做的途中一个很好的主题由于缺乏相应的数据，缺少获取数据的途径，于是该主题就无法进行下去。于是确定主题的过程中，结合了数据的可获取性确立下来的。2、数据指标选取缺乏科学性。查阅以往的资料，很少有对影响快递量的因素做出具体分析的文章。结合已有的经