乌鲁木齐市物流需求预测研究

引言

随着经济结构和经济形势的发展变化，现代物流业成为我国新世纪经济发展的重要产业和新的经济增长点。乌鲁木齐市作为中亚地区的经济贸易中心，具有独特的区位优势、良好的物流基础设施和经济实力，交通、邮电和旅游等物流业务量大且增长迅速，现代物流业在乌鲁木齐市有很大的发展空间。随着乌鲁木齐市经济的快速发展、对外贸易量的持续提高和产业结构的进一步调整，市场表现出了对物流的强劲需求。物流需求是现代物流产业发展的基础，是物流企业经营管理决策的依据，也是物流规划与设计的依据。因此，对乌鲁木齐市物流需求进行预测具有重要的现实意义。

一、乌鲁木齐市物流现状及其特点

乌鲁木齐市位于新疆维吾尔自治区北部，是中国新疆维吾尔自治区的首府，是新疆政治、经济、文化的中心，中国西部对外开放的重要门户，是新欧亚大陆桥中国西段的桥头堡，地处亚洲大陆地理中心，其得天独厚的地理优势孕育了发达的陆路、空路交通网，由于当地物流行业起步相对较晚，目前尚未形成统一的、有规模的、规范的物流市场。乌鲁木齐市的物流包括区内物流和区外物流两部分。区外物流包括国际物流和与内地的物流。从物流的流向看，区外物流有东西两个方向。需要运输的大宗的货物主要有石油、煤炭、化工产品、矿产品、农副产品等。随着新疆资源开发力度的加大和区位优势的不断发挥，与中亚区域经济合作的进一步增强，优势产品将不断走向内地市场及国际市场，对物流将产生强劲的需求。区域经济的发展使新疆各地州的专业化分工更加细化。资源性产品的就地加工，将充分发挥各地州的资源优势，使得各地区的第二产业得到较快发展，各地州之间的生产资料的物流更加活跃。随着人民生活水平的提高，生活资料的物流量也将逐步加大，这些因素都将促使乌鲁木齐市物流量的快速增长。

二、乌鲁木齐市物流需求预测

1.乌鲁木齐市物流需求预测分析。物流需求是社会经济活动特别是生产与经营活动所派生的一种次生需求，因而物流需求与经济社会发展密切相关。影响物流需求的因素有：经济发展、产业结构的变化、宏观经济政策和管理体制的变化、市场环境变化、消费水平和消费理念的变化、技术进步、物流服务水平等。物流需求分析是将物流需求与产生需求的经济社会活动进行相关分析的过程。目前，由于我国尚未建立起以物流业为基础的统计体系，由此造成现有统计数据无法有效地反映物流的需求量，因而给物流需求分析带来一定的难度。现有的统计数据中的货物运输量是物流总量的一个重要组成方面。根据乌鲁木齐市的实际情况，可以对货物运输量进行预测来反映乌鲁木齐市的未来物流需求。综合货运量虽然不能全面反映物流综合作业量，但是在特定区域内，一定时期的综合货运量可以在一定程度上反映物流综合作业量。因为在整体物流中，运输是贯穿始终的活动，综合货运量决定了其他物流活动的作业量，其变化也反映了物流综合作业量的变化。因此，货物运输需求量及构成能比较有效地反映物流总的需求状况[1]。

2.区域货物运输需求预测的意义。提供运输能力的供给能不断满足货运需求的依据，以保证货运供给与需求之间的相对平衡，使区域物流保持高的效率和低成本的运作。借助于定性和定量的预测方法，了解社会经济活动对于货运能广州到衡水物流力供给的需求强度，进行有效的物流管理，将有利于合理规划，建设物流基础设施，改进货运供给系统，减少资源浪费[2]。

3.区域货运需求预测的方法。预测区域货运需求量的方法主要有：时间序列预测法、回归预测法、指数广州到潍坊物流平滑法、弹性系数法、灰色系统模型法、集对分析聚类预测法、组合预测模型法等。这些方法本质上广州到甘南物流都是建立原始数据的拟合模型，最大限度地提高拟合精度，并据此进行预测分析[3]。由于需求变化的复杂性，每一种预测方法都存在一定的片面性[4]。

三、乌鲁木齐市货物运输需求预测

1.货运量的预测。通过对乌鲁木齐市货物运输统计资料进行分析（表1），分别运用指数平滑法、弹性系数法、灰色系统模型法、回归预测法对乌鲁木齐市的货物运输需求进行预测。得出预测值后，依据预测值与2008年实际发生值的偏差，设定每个预测方法的权重，将结果进行组合计算，得出最终的预测值。

本研究计算一定时期的货运弹性系数，采用回归模型的方法分析乌鲁木齐市生产总值增长对各种货运方式货运量增长的影响程度。用E表示货运弹性系数，用y表示乌鲁木齐市生产总值，L表示货运量，则货运弹性系数可以表示为。本研究用幂函数模型，对E的大小进行测度。令，对该等式两边同时取自然对数可以将其线性化：。其中回归预测中，全社会货运量R2=0.985，铁路货运量R2=0.942，公路货运量R2=0.984，说明拟合优度较高，并且由于全社会货运量的F=596.8，铁路货运量的F=147.2，公路货运量的F=590.1都通过了F检验和t检验，说明方程和变量的显著性都较好。通过对1999－2009年统计数据分析，采用各种预测方法得出2015年、2020年、2025年、2030年的预测值，与2008年实际值比较的相对误差见表2。