电子商务物流管理统计预测与决策-修改

电子商务物流管理统计预测与决策统计预测与决策数据信息处理预测根据资料或数据运用一定的手段对未来发展做出判断。决策为达到一定目标或行动之前，对众多可行方案中，选择最佳方案的过程。从决策方法看，企业决策包括：风险型决策确定型决策非确定型决策多目标模糊决策多目标规划决策决策方法与预测方法相互渗透多元回归分析法在企业中的预测及决策中的应用——

语音业务发展影响因素及需求的实证研究00年1季00年2季00年3季00年4季01年1季333.4454.6467.4552.6533.601年2季01年3季01年4季02年1季02年2季733.2766.4924.7821.61088.802年3季02年4季03年1季03年2季03年3季1089.6119013021481.71689.803年4季04年1季04年2季04年3季04年4季1846.12049.572307.462441.272632.03语音业务量（亿分钟）00年1季00年2季00年3季00年4季01年1季0.710.630.80.640.6401年2季01年3季01年4季02年1季02年2季0.550.540.490.510.4602年3季02年4季03年1季03年2季03年3季0.40.430.360.370.3503年4季04年1季04年2季04年3季04年4季0.30.260.240.230.22语音业务平均价格（元）00年1季00年2季00年3季00年4季01年1季498661827223.358158.79503.6501年2季01年3季01年4季02年1季02年2季11097.9512575.7514041.5515570.4517140.8502年3季02年4季03年1季03年2季03年3季18535.4520122.4521696.523009.4524471.6503年4季04年1季04年2季04年3季04年4季26281.5528355.3530051.6531514.4532992.9语音业务用户数（万户）价格怎样影响业务量？STM1=-3929.314926*SMP1+3031.930514VariableCoefficientStd.Errort-StatisticProb.SMP1-3929.31336.84728-11.6649780.0000000C3031.93163.83960718.5054020.0000000R-squared0.883172Meandependentvar1235.2915AdjustedR-squared0.87668S.D.dependentvar711.483733618S.E.ofregression249.8503Akaikeinfocriterion13.9742430492Sumsquaredresid1123656.Schwarzcriterion14.0738162766Loglikelihood-137.74F-statistic136.071624902Durbin-Watsonstat0.9786Prob(F-statistic)0.000000000STM1=-3929.314926*SMP1+3031.930514这是需求曲线吗？伪回归现象？好的研究从定性分析开始——

必须基于实际背景知识和相应的经济理论影响移动通信语音业务量的因素分析及确定收入用户数价格替代品（固定电话语音业务平均价格）短信业务互联网等数据业务小灵通业务选用数据数据的质量对模型的正确性有着十分重要的作用，建模时对数据的收集、整理和筛选必须予以高度重视。模型的建立

经济理论与直觉经验虽然可以告诉我们影响因变量的（被解释变量）变化有那些因素，但这些因素影响因变量变化的原理和模式则是需要经过不断的摸索、建模和模型修正来确认。

基于一定的经济理论和直觉并不断尝试，建立了如下双对数模型进行研究：模型的检验

通过计算，LMP的系数为负，LGPD和LMUSER的系数为正，符合经济理论。而此时互联网用户数LIUSER、短信业务量LSMS和小灵通用户数LPUSER对LTM的影响的t检验不显著？

是由于数据太少？还本质上没有影响？通信产业中产品互影响新特点既是替代品，又是互补品。通过模型演算和相应的分析，最终理想模型确定为：变量系数标准差t-统计量P值LGDP0.2879630.0934893.0801720.0072LMP-0.5452640.097579-5.5879300.0000LMUSER0.6210590.0633519.8034690.0000C-2.4523971.012983-2.4209660.0277调整过的R平方0.992494F-统计量838.4186D-W统计量2.329431P值(F-统计量)0.000000赤池信息(AIC)-2.848034施瓦茨信息(SC)-2.64888如果模型中存在异方差的话，最小二乘估计将不再是有效估计。采用如下模型进行异方差性检验。

采用如下模型进行异方差性检验。

利用软件计算，方程的t检验和F检验均不显著，说明方程中不存在异方差。结果分析关于LGDP的系数（0.288）的经济分析LGDP的系数（0.288）说明当用户数和价格等因素不变时，GDP每增长1%，移动通信业务量将增加0.288%。关于LMP的系数（-0.545）的经济分析LMP的系数（-0.545）说明，当GDP和用户数不变时，价格每变动1%，移动语音业务量将反向变动0.545%。关于LMUSER的系数（0.621）的经济分析

LMUSER的系数（0.621）说明，当LGDP和LMP不变时，用户数每增加1%，移动通信业务量将增加0.621%。事情并没完——模型的进一步探讨与分析用户数的多少的变化与GDP、价格之间存在着很强的相关性，这种统计相关并非是由于数据变化的偶然巧合，而是存在着内在的因果关系。MUSER=32432.056+0.227*GDP-44601.441*MP

DW=2.7将用户数变量LMUSER去掉，从新进行回归，发现对数形式模型中LDGP的t统计量不显著，并存在自相关。对自相关进行处理，仍不理想。采用水平值进行回归并对自相关采用广义差分变换措施。变量系数标准差t-统计量P值GDP0.03380.01183.0800.0108MP-2583.278430.1464-6.0060.0000C1175.771367.97433.1950.0053调整过的R平方0.840F-统计量50.946D-W统计量1.7465P值(F-统计量)0.00000赤池信息(AIC)13.790施瓦茨信息(SC)13.940TM=1175.771+0.0338*GDP-2583.278191*MP弹性季度00年100年200年300年401年101年201年301年402年102年2GDP弹性1.841.591.641.671.261.061.071.050.860.76价格弹性-5.48-3.59-4.44-3.00-3.08-1.95-1.83-1.38-1.60-1.10弹性季度02年302年403年103年203年303年404年104年204年304年4GDP弹性0.810.870.610.600.580.690.450.460.480.56价格弹性-0.95-0.94-0.72-0.64-0.54-0.42-0.33-0.26-0.25-0.22需求弹性分析因子分析法在企业中的预测及决策中的应用——

企业经济效益的综合分析与评价企业经济效益综合评价指标的确定资产利润率、净资产利润率成本利润率成本费用利润率业务收入利润率人均利润率

采用四川省12个地区样本在各指标下的取值。

资产利润率名次净资产利润率名次成本利润率名次成本费用利润率名次业务收入利润率名次人均利润率名次成都3.6627.31417.27313.69316.1825.171自贡2.9747.76315.42412.36413.5442.884泸州-0.677-1.487-3.498-2.938-3.288-0.648德阳3.5439.15118.82213.78215.4132.943绵阳-0.78-1.798-3.277-2.567-3.227-0.547广元-3.5812-8.1411-11.8711-10.2611-13.7911-1.6211内江4.4618.7221.15118.13117.5113.32乐山-1.399-3.449-5.899-4.589-5.69-1.019南充-3.0711-11.0712-15.812-12.3612-15.512-2.3412宜宾0.862.5963.262.6763.3860.516达州2.355.9558.9557.4758.2351.275眉山-1.510-5.8110-7.6910-5.8310-8.210-1.4510利用分析软件进行上机计算。首先，将数据进行标准化，求出六个指标的相关系数矩阵R。由相关系数矩阵可以看出，六个指标彼此之间存在很强的相关性，说明六个指标反映的经济信息有很大的重叠。再次，计算矩阵R的特征值，求特征值的贡献率和累计贡献率。特征值5.882.08536.02138.0102.00084.00046贡献率（%）98.0291.423.356.170.01406.0077累计贡献率（%）98.02999.45299.80899.97899.992100由上表可知，第一公因子方差占全部因子方差的98.03%，这说明第一公因子综合各指标的信息达到98.03%，用第一个公因子来反映企业经济效益所损失的信息只有2%。于是，取第一公因子作为综合变量。到目前为止，通过因子分析法，由原来的六项评价指标转化为一项综合评价指标。特征值及贡献率采用主成分分析法计算出因子载荷矩阵A

公因子

1资产利润率0.994净资产利润率0.986成本利润率0.998成本费用利润率0.997业务收入利润率0.999人均利润率0.967因子载荷阵A企业经济效益综合评价为了考察每个样本，并对它们进行分析评价，采用回归方法将公因子表示为六个指标变量的线性组合，即因子得分函数：上式就是本文的经济效益评价模型将各个地区标准化后的原始数据代入上式，可得出各个地区的综合评价指标的得分，以这个得分的大小进行排队，就可以排列出每个地区经济效益的名次。综合得分及排列结果。地区成都自贡泸州德阳绵阳广元内江乐山南充宜宾达州眉山得分1.223.950-.4741.117-.466-1.2581.319-.681-1.457.068.517-.856名次248371119126510

因子分析法在企业中的预测及决策中的应用——

电力产业上市公司盈利能力的综合分析与评价企业盈利能力评价指标的确定销售利润率（X1）销售成本利润率（X2）营业成本费用利润率（X3）总资产利润率（X4）及净资产利润率（X5）采用的数据为2003年度中国电力行业上市公司中具有典型意义的23家公司报表数据。X1X2X3X4X5长源0.150.1770.0840.0370.065国电0.2780.3850.8880.0460.125华银0.0840.0920.0210.0040.007九龙0.280.3880.0820.0340.072乐山0.3030.4350.020.0120.016龙电0.240.3160.2460.0510.062闽东0.2960.421-0.085-0.035-0.07明星0.4640.8660.1060.0570.09蒙电0.1720.2080.4160.040.08汕电0.2070.2610.010.0390.032韶能0.370.5870.1970.0470.07申能0.3650.5741.090.1090.136南山0.2680.3660.4860.2110.297恒运0.3750.5990.3150.1290.205皖能0.2520.3370.40.0940.086祥龙0.1170.1330.0060.0040.005广电0.410.6962.2160.1690.159漳泽0.2890.4060.260.0660.119东方0.3170.4640.2550.0430.06赣能0.2020.2540.1320.0340.091桂冠0.5831.3980.9990.0510.101深能0.3360.5070.4560.1680.196利用统计分析软件进行上机计算。将数据进行标准化处理，出5个指标的相关系数矩阵

X1X2X3X4X5X110.9630.4850.3380.335X20.96310.4650.2420.259X30.4850.46510.5770.481X40.3380.2420.57710.93X50.3350.2590.4810.931由表可以看出，X1与X2相关系数为0.963，说明产品销售利润率与销售成本利润率具有很强的正相关性；X4与X5相关系数为0.965，说明总资产利润率与净资产利润率有很强的正相关性。采用因子分析法确定盈利能力综合评价指标根据因子分析理论，计算相关系数矩阵的特征值，并求特征值的贡献率和累计贡献率，特征值3.031.360.516.506E-022.815E-02贡献率60.6227.3210.191.300.56累计贡献率（％）60.6287.9498.1399.43100前2个特征值的累计贡献率已达到88％，这说明用前2个公因子来反映事物的信息占全部信息的88％以上。于是，取前两个公因子F1、F2。采用主成分分析法计算出因子载荷阵，见下表左半部分；再将此因子载荷矩阵作方差最大正交旋转，旋转后的因子载荷阵见下表的右半部分。

因子指标因子载荷矩阵旋转后的因子载荷矩阵

1212X10.80.5660.2020.959X20.750.640.1150.979X30.772-6.42E-020.610.478X40.796-0.5680.970.124X50.775-0.5560.9460.119产品经营能力综合评价指标（F2）X1与X2在公因子F2上有较大的载荷，说明F2集中反映了产品销售利润率与销售成本利润率水平，故把它称为产品经营盈利能力因子。资产经营盈利能力综合评价指标（F1）X4与X5在公因子F1上有较大的载荷，说明F1集中反映了总资产利润率与净资产利润率，故把它称为资产经营盈利能力。通过因子分析法，将5个评价指标转化为了具有典型经济涵义的两个盈利综合评价指标。电力行业上市公司盈