摘要：文章旨在探究流域經(jīng)濟背景下我國水路貨運的發(fā)展態(tài)勢，基于我國2013—2022年的水運貨運量，使用灰色預(yù)測模型對我國的貨運吞吐量進行預(yù)測，揭示未來一段時間內(nèi)水路貨運的發(fā)展趨勢，并采用回歸分析模型多角度分析影響我國水路貨運量的關(guān)鍵因素?；诨疑A(yù)測模型和回歸分析結(jié)果，文章提出了促進我國水路貨運發(fā)展的策略建議，為政策制定者和業(yè)界提供決策建議支持，以優(yōu)化水路貨運系統(tǒng)，促進流域經(jīng)濟發(fā)展。關(guān)鍵詞：流域經(jīng)濟；水路貨運；灰色預(yù)測；回歸分析0

引

言隨著經(jīng)濟全球化和區(qū)域一體化的深入發(fā)展，水路貨運在促進區(qū)域經(jīng)濟發(fā)展、完善交通運輸網(wǎng)絡(luò)、降低物流成本等方面發(fā)揮著日益重要的作用。作為擁有眾多河流和廣闊海域的國家，我國水路貨運的發(fā)展直接影響著經(jīng)濟的穩(wěn)定和增長。一方面，隨著流域經(jīng)濟的興起，沿線地區(qū)對水路貨運的需求不斷增加，為水路貨運提供了更大的市場發(fā)展空間；另一方面，環(huán)境保護、運輸效率和服務(wù)質(zhì)量的要求也在不斷提高，推動水路貨運行業(yè)不斷進行技術(shù)創(chuàng)新和服務(wù)優(yōu)化。貨物運輸是實現(xiàn)交通運輸核心價值的基礎(chǔ)支撐，與經(jīng)濟發(fā)展和物流空間布局有著密切聯(lián)系。戢曉峰等（2022）從鐵路大宗貨物到達和發(fā)送的結(jié)果展開研究，利用復(fù)雜的網(wǎng)絡(luò)理論針對云南省鐵路大宗貨物運輸網(wǎng)絡(luò)模型進行了構(gòu)建，得出了大宗貨物運輸網(wǎng)絡(luò)結(jié)構(gòu)特征[1]。楊方方等（2021）指出，各種運輸方式與經(jīng)濟發(fā)展之間都存在著“協(xié)調(diào)退化—弱協(xié)調(diào)—協(xié)調(diào)”的演化規(guī)律，二者之間協(xié)同發(fā)展的關(guān)聯(lián)較弱[2]。田君等（2019）從區(qū)域差異化的視角入手，分別考察總貨運交通，以及細分為公路、鐵路、水路的三種貨運交通運輸方式對城市經(jīng)濟發(fā)展的影響[3]。目前對于水路運輸?shù)难芯慷嘁载涍\系統(tǒng)效率、貨運量預(yù)測及其影響因素等視角展開。靖學(xué)青（2017）指出，水上交通運輸對長江地區(qū)的經(jīng)濟發(fā)展起到了積極作用；然而，通過將長江經(jīng)濟帶劃分為東部和中西部兩個區(qū)域研究發(fā)現(xiàn)，僅有三個省份對我國的經(jīng)濟發(fā)展具有明顯的正向效應(yīng)，而中西部8個省份的水路交通對經(jīng)濟發(fā)展的促進效果并不明顯[4]。陳麗寧等（2019）構(gòu)建了云浮港口2010—2017年水路貨物運輸?shù)腉M（1，1），模型具有很大的平均相對偏差，表明云浮港口在2018—2021年仍有高速增長的趨勢[5]。綜上，本研究將預(yù)測和分析我國水路貨運行業(yè)的發(fā)展，并通過提出具體建議，希望為行業(yè)的可持續(xù)發(fā)展和決策優(yōu)化提供支持。1

研究方法介紹1.1

灰色預(yù)測模型GM（1，1）模型是根據(jù)原始的離散非負數(shù)據(jù)列，通過累加的方式削弱隨機性的，建立相應(yīng)的微分方程模型，得到離散點處的解，通過累減生成的原始數(shù)據(jù)的近似估計值，預(yù)測原始數(shù)據(jù)的后續(xù)發(fā)展。設(shè)x（0）=（x（0）（1），x（0）（2），...x（0）（n））為最初非負數(shù)據(jù)列，對其進行一次累加生成新的數(shù)據(jù)列x（1）（x（0）的1-AGO序列）。其中：x（1）（m）=，m=1，2，...，n。使z（1）為數(shù)列x（1）緊鄰均值生成數(shù)列，即z（1）=（z（1）（2），z（1）（3），...z（1）（n）），其中z（1）（m）=δx（1）（m）+（1-δ）x（1）（m-1），m=2，3，...，n，n/δ=0.5?？煞Q方程x（0）（k）+az（1）（k）=b為GM（1，1）（灰色預(yù)測模型）的基本形式（k=1，2，…，n）。其中：b為灰作用量，-a為發(fā)展系數(shù)。引入矩陣形式如下。因此，GM（1，1）模型x（0）（k）+az（1）（k）=b可表示如下。利用最小二乘法得到a，b估計值如下。K，b的求值可用最小二乘法OLS，其中k=-a，n取n-1，如下所示。則預(yù)測式如下。（m=1，2，…，n-1）1.2

回歸分析模型鑒于研究中所涉及的預(yù)測變量與水路貨運量之間的關(guān)系可以被假設(shè)為線性的，因此本文采用多元線性回歸模型來揭示多個獨立變量和一個因變量（如水路貨運量）之間的關(guān)系。多元線性回歸用于解決一個樣本有多個特征的線性回歸問題。對于一個有n個特征的樣本i而言，其回歸結(jié)果方程如下。式中：ω被統(tǒng)稱為模型參數(shù)，其中ω0為截距項，其余則被統(tǒng)稱為模型系數(shù)；其中y是目標變量；xi1～xin為樣本i的不同特征。2

我國貨運吞吐量灰色預(yù)測模型構(gòu)建及分析2.1

貨運吞吐量灰色預(yù)測灰色預(yù)測是一種有效的預(yù)測方法，適用于信息不完全或數(shù)據(jù)量較少的情況。這種方法側(cè)重于揭示系統(tǒng)的發(fā)展趨勢和內(nèi)在規(guī)律，適用于我國水路貨運吞吐量的預(yù)測分析。國家統(tǒng)計局公布的數(shù)據(jù)顯示，2013—2022年，我國水路貨運量呈穩(wěn)步增長趨勢。具體來看，2013年，我國的水路貨運量為559785萬噸，到2022年，增長至855352萬噸。這一上升趨勢反映了流域經(jīng)濟的發(fā)展及其對水路貨運需求量的推動作用，見表1。本研究應(yīng)用GM（1，1）模型預(yù)測未來一定時期內(nèi)的貨運吞吐量。灰色預(yù)測模型以數(shù)據(jù)的生成序列為基礎(chǔ)，通過對原始數(shù)據(jù)序列的累加生成減少數(shù)據(jù)的隨機性，提取出數(shù)據(jù)序列的內(nèi)在規(guī)律性。帶入式（1）—（6），可得表2和圖1。表2針對水運貨運量進行GM（1，1）模型級比值檢驗，判斷以數(shù)據(jù)序列進行模型構(gòu)建的適用性。結(jié)果顯示，級比檢驗值均處于標準范圍區(qū)間[0.834，1.199]，意味著本數(shù)據(jù)適合進行GM（1，1）模型構(gòu)建。具體預(yù)測結(jié)果見圖1。預(yù)測結(jié)果表明，擬合值與真實值相比，較吻合，說明灰色預(yù)測模型在樣本期內(nèi)能夠較好地擬合歷史數(shù)據(jù)。預(yù)測顯示，2023—2034年，貨運量將繼續(xù)增長，預(yù)計在2034年達到約1495932萬噸。這一連續(xù)上升趨勢預(yù)示著我國水路貨運行業(yè)的潛在發(fā)展空間仍然廣闊。同時，預(yù)測結(jié)果也反映出了水路貨運行業(yè)未來面臨的挑戰(zhàn)。隨著貨運量的持續(xù)增長，相關(guān)的基礎(chǔ)設(shè)施建設(shè)、環(huán)境保護、運營效率以及服務(wù)質(zhì)量等都需得到更多的關(guān)注。如何在確保貨運增長的同時維持生態(tài)平衡、提升運輸效率和服務(wù)水平，將是行業(yè)發(fā)展需要重點考慮的問題。2.2

灰色模型后驗差檢驗后驗差檢驗可用于評估模型的預(yù)測效果和準確性，可以幫助人們了解模型是否能夠可靠地捕捉數(shù)據(jù)的內(nèi)在規(guī)律，以及模型對未來趨勢預(yù)測的可信度。后驗差檢驗通常涉及計算預(yù)測值與實際值之間的偏差，并通過一系列統(tǒng)計指標來評估這些偏差的大小具體數(shù)據(jù)，如表3所示。研究分析，模型相對誤差值最大值0.021＜0.1，意味著模型擬合效果達到較高要求。針對級比偏差值，該值小于0.2說明達到要求，若小于0.1則說明達到較高要求；模型相對誤差值最大值0.031＜0.1，意味著模型擬合效果達到較高要求。模型構(gòu)建后得到發(fā)展系數(shù)a，灰色作用量b，以及后驗比C值和小誤差概率p值；后驗差比C值0.007≤0.35，意味著模型精度等級非常好。小誤差概率p值為1.000＜1.0，意味著模型精度較高，具體數(shù)據(jù)如表4所示。3

我國水路貨運量多元線性回歸分析3.1

指標選取水路貨運領(lǐng)域貨運量的變化受多種因素的綜合影響。經(jīng)濟增長、產(chǎn)業(yè)結(jié)構(gòu)調(diào)整、消費水平提升以及基礎(chǔ)設(shè)施建設(shè)都對貨運需求產(chǎn)生直接或間接影響。因此，研究可以從宏觀經(jīng)濟、區(qū)域發(fā)展、行業(yè)特性和運輸成本等角度進行分析，從而為多元線性回歸模型的構(gòu)建提供理論支持。在構(gòu)建回歸模型時，貨運量作為反映物流行業(yè)總體表現(xiàn)的關(guān)鍵指標，設(shè)為因變量；而經(jīng)濟增長率、人均消費水平、工業(yè)產(chǎn)值、物流成本等因素則作為自變量，代表著影響貨運量的各個維度，具體如表5所示。研究所得相關(guān)數(shù)據(jù)如表6所示。3.2

回歸結(jié)果分析本研究利用回歸分析來探討影響我國水路貨運量的各種因素，回歸結(jié)果如表7所示。從表7可以看出，模型公式如下。水路貨運量=234197.515-1748.893*國內(nèi)生產(chǎn)總值增長+12.583*居民人均消費支出+0.110*工業(yè)產(chǎn)值增加值+14810.374*物流成本。模型R方值為0.997，意味著國內(nèi)生產(chǎn)總值增長、居民人均消費支出、工業(yè)產(chǎn)值增加值、物流成本可以解釋水路貨運量的99.7%變化原因。對模型進行F檢驗時發(fā)現(xiàn)，模型通過F檢驗（F=487.897，p=0.000＜0.05），說明國內(nèi)生產(chǎn)總值增長、居民人均消費支出、工業(yè)產(chǎn)值增加值、物流成本中的至少一項會對水路貨運量產(chǎn)生影響關(guān)系，國內(nèi)生產(chǎn)總值增長的回歸系數(shù)值為-1748.893（t=-1.205，p=0.282＞0.05），意味著國內(nèi)生產(chǎn)總值增長并不會對水路貨運量產(chǎn)生影響。居民人均消費支出的回歸系數(shù)值為12.583（t=4.570，p=0.006＜0.01），意味著居民人均消費支出會對水路貨運量產(chǎn)生顯著的正向影響。工業(yè)產(chǎn)值增加值的回歸系數(shù)值為0.110（t=0.348，p=0.742＞0.05），意味著工業(yè)產(chǎn)值增加值并不會對水運貨運量產(chǎn)生影響。物流成本的回歸系數(shù)值為14810.374（t=1.705，p=0.149＞0.05），意味著物流成本并不會對水路貨運量產(chǎn)生影響?？偠灾?，線性回歸模型分析揭示了居民人均消費支出對我國水路貨運量具有顯著的正向影響，而國內(nèi)生產(chǎn)總值增長、工業(yè)產(chǎn)值增加值和物流成本雖然被包括在模型中，但對水路貨運量的影響并不顯著，具體回歸系數(shù)如圖2所示。3.3

模型檢驗對模型進行F檢驗時發(fā)現(xiàn)，模型通過F檢驗（F=487.897，p=0.000＜0.05），說明模型構(gòu)建有意義，具體數(shù)據(jù)如表8所示。4

建

議水路貨運作為國家交通物流系統(tǒng)的重要組成部分，對于促進區(qū)域經(jīng)濟發(fā)展并保障流域經(jīng)濟可持續(xù)性至關(guān)重要。以下是基于研究結(jié)果對未來水路貨運發(fā)展提出的幾點建議。促進消費驅(qū)動的貨運增長：回歸模型結(jié)果顯示，居民消費水平是影響水路貨運量的一個顯著因素。因此，政策制定者應(yīng)考慮通過提高居民可支配收入和改善消費環(huán)境的方式來刺激消費需求增長。這可以通過減稅、提供消費券、優(yōu)化消費金融服務(wù)等措施來實現(xiàn)。同時，政府可以通過促進電子商務(wù)和線上購物等新型消費模式的發(fā)展，進一步拓寬水路貨運的市場空間。重點關(guān)注物流成本管理：盡管物流成本在模型中的影響未達到統(tǒng)計顯著水平，但作為貨運行業(yè)的重要組成部分直接關(guān)系到貨運企業(yè)的競爭力。建議通過改進物流網(wǎng)絡(luò)設(shè)計、引入智能化物流管理系統(tǒng)、推廣綠色物流操作和優(yōu)化關(guān)稅政策等措施來降低物流成本，提高整體物流效率。加大基礎(chǔ)設(shè)施建設(shè)投資：基礎(chǔ)設(shè)施，特別是港口、航道和物流中心的建設(shè)與升級，是保障水路貨運順暢的關(guān)鍵。建議政府增加對水路交通基礎(chǔ)設(shè)施的投資，提高貨運效率和服務(wù)水平。實施差異化的區(qū)域發(fā)展策略：對于經(jīng)濟較發(fā)達的地區(qū)，可以通過優(yōu)化行業(yè)結(jié)構(gòu)和提升產(chǎn)業(yè)鏈水平來促進水路貨運量提升；對于經(jīng)濟發(fā)展水平相對較低的地區(qū)，應(yīng)加大基礎(chǔ)設(shè)施建設(shè)，如改善港口設(shè)施、進行航道疏浚等，以提升物流運輸能