【摘要】：隨著世界貿(mào)易和國(guó)內(nèi)貿(mào)易活動(dòng)變得更加活潑,快遞在社會(huì)經(jīng)濟(jì)活動(dòng)中扮演著越來越重要的角色,帶動(dòng)了其他經(jīng)濟(jì)產(chǎn)業(yè)的發(fā)展,因此受到政府的高度重視。政府相繼出臺(tái)快遞業(yè)指導(dǎo)意見和規(guī)劃,引導(dǎo)我國(guó)快遞業(yè)穩(wěn)步發(fā)展�？爝f需求量預(yù)測(cè)是快遞行業(yè)規(guī)劃的基礎(chǔ),鑒于此,本文把快遞需求量預(yù)測(cè)作為研究對(duì)象,旨在建立合適的快遞需求量預(yù)測(cè)模型,具有一定的實(shí)用價(jià)值。本文根據(jù)現(xiàn)有快遞業(yè)研究相關(guān)文獻(xiàn),聯(lián)系我國(guó)實(shí)際情況,分析了我國(guó)快遞需求量的特點(diǎn)、快遞需求量的影響因素以及快遞需求量預(yù)測(cè)步驟�？紤]數(shù)據(jù)可獲得性,選取了 GDP、社會(huì)消費(fèi)品零售總額、郵政業(yè)務(wù)量、網(wǎng)民人數(shù)以及貨物周轉(zhuǎn)量等與快遞需求量相關(guān)的8個(gè)影響指標(biāo),構(gòu)建預(yù)測(cè)指標(biāo)體系。通過灰色關(guān)聯(lián)法定量分析了我國(guó)快遞需求量與這8個(gè)指標(biāo)之間的灰色關(guān)聯(lián)度,得出從2006年至今,我國(guó)快遞需求量受到進(jìn)出口總額和郵政業(yè)務(wù)量的影響最大的結(jié)論。為了達(dá)到便于操作、準(zhǔn)確度高、適用性強(qiáng)的目的,從現(xiàn)有的預(yù)測(cè)方法中選出時(shí)間序列模型中的灰色預(yù)測(cè)模型、趨勢(shì)外推法和因果關(guān)系模型中的多元線性回歸模型,結(jié)合Shapley值分配原理,建立組合預(yù)測(cè)模型。最后以四川省快遞需求量為研究對(duì)象,搜集2006-2016年四川省相關(guān)自變量統(tǒng)計(jì)指標(biāo),對(duì)四川省快遞需求量進(jìn)行預(yù)測(cè)和驗(yàn)證,結(jié)果表明,組合預(yù)測(cè)模型適用于快遞需求量預(yù)測(cè),準(zhǔn)確度較高,滿足實(shí)際需求,但是只能用于中短期預(yù)測(cè);四川省快遞需求量在未來幾年仍然繼續(xù)增長(zhǎng)。
[Abstract]:With the world trade and domestic trade activities becoming more and more lively, express delivery plays an increasingly important role in social and economic activities, driving the development of other economic industries, so the government attaches great importance to it. The government has issued express industry guidance and planning to guide the steady development of China's express industry. Express demand forecast is the basis of express delivery industry planning. In view of this, this paper regards express demand forecast as research object, aiming at establishing suitable express demand forecasting model, which has certain practical value. According to the related documents of express delivery industry and the actual situation of our country, this paper analyzes the characteristics of express demand in China, the influencing factors of express demand and the forecasting steps of express demand. Considering the availability of data, this paper selects 8 indexes related to the demand of express delivery, such as the total retail volume of consumer goods in GDP, postal business volume, the number of Internet users and the volume of goods turnover, and constructs the prediction index system. The grey correlation degree between the demand for express delivery and the eight indexes is quantitatively analyzed by the grey correlation method, and the conclusion is drawn that the demand for express delivery in China has been most affected by the total import and export volume and the volume of postal business since 2006. In order to achieve the purpose of easy operation, high accuracy and strong applicability, the grey prediction model, the trend extrapolation model and the multivariate linear regression model in the time series model, the trend extrapolation method and the causality model are selected from the existing prediction methods. Combined with the principle of Shapley value allocation, the combined prediction model is established. Finally, take Sichuan express demand as the research object, collect the relevant independent variables statistical index of Sichuan province from 2006 to 2016, forecast and verify the Sichuan express demand. The result shows that the combined forecasting model is suitable for express delivery demand forecast. Accuracy is high, meet actual demand, but can only be used in the short and medium term forecast; Sichuan express demand will continue to grow in the next few years.
【學(xué)位授予單位】：西南交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：F224;F259.2

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 商豐瑞;張靜;;基于SARIMA模型的我國(guó)快遞業(yè)務(wù)量預(yù)測(cè)[J];現(xiàn)代經(jīng)濟(jì)信息;2016年20期

2 文靜;;基于因子分析法的安徽省主要城市快遞業(yè)市場(chǎng)容量比較研究[J];湖北經(jīng)濟(jì)學(xué)院學(xué)報(bào)(人文社會(huì)科學(xué)版);2016年02期

3 張宛姝;于萬(wàn)堂;;快遞業(yè)與電子商務(wù)的產(chǎn)業(yè)關(guān)聯(lián)關(guān)系實(shí)證分析[J];中國(guó)管理信息化;2016年03期

4 許良;呂岳林;張金芳;;秦皇島市快遞業(yè)與區(qū)域經(jīng)濟(jì)相互作用模型研究[J];物流科技;2015年11期

5 王蓮花;宋芳;;基于灰色關(guān)聯(lián)分析的山東省快遞業(yè)影響因素研究[J];物流技術(shù);2015年13期

6 郭福利;張春生;;快遞業(yè)研究綜述[J];物流工程與管理;2015年06期

7 張光明;王路;;快遞服務(wù)網(wǎng)點(diǎn)選址模型研究[J];江蘇科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2015年02期

8 梁會(huì)民;陳文月;殷潔;丁亞晨;劉鑫;;基于網(wǎng)絡(luò)分析的快遞網(wǎng)點(diǎn)布局優(yōu)化研究[J];物流科技;2015年04期

9 匡曉明;魏本勝;;城市規(guī)劃中快遞網(wǎng)點(diǎn)服務(wù)區(qū)預(yù)測(cè)與評(píng)價(jià)[J];江蘇城市規(guī)劃;2015年03期

10 段水利;;我國(guó)快遞業(yè)發(fā)展影響因素實(shí)證分析[J];物流工程與管理;2015年01期

相關(guān)博士學(xué)位論文 前2條

1 杜艷;我國(guó)快遞業(yè)對(duì)國(guó)民經(jīng)濟(jì)增長(zhǎng)作用機(jī)制研究[D];北京郵電大學(xué);2013年

2 匡旭娟;演化視角下的快遞業(yè)網(wǎng)絡(luò)形態(tài)研究[D];北京交通大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

1 李燕芝;區(qū)域快遞業(yè)務(wù)量預(yù)測(cè)及接駁點(diǎn)選址問題研究[D];浙江工商大學(xué);2015年

2 姜博;基于Shapley-組合預(yù)測(cè)的區(qū)域物流需求預(yù)測(cè)及實(shí)證研究[D];安徽理工大學(xué);2015年

3 韓姣;山西快遞市場(chǎng)的需求預(yù)測(cè)研究[D];西安建筑科技大學(xué);2015年

4 謝夏成;上海地區(qū)快遞物流節(jié)點(diǎn)的空間格局分析[D];上海師范大學(xué);2015年

5 李妮娜;基于中心地理論的城市快遞服務(wù)網(wǎng)點(diǎn)選址研究[D];北京交通大學(xué);2015年

6 曹雪梅;河北省快遞業(yè)升級(jí)能力評(píng)價(jià)及提升對(duì)策研究[D];燕山大學(xué);2014年

7 季彤;快遞業(yè)發(fā)展影響因素分析[D];南京郵電大學(xué);2012年

8 李俊英;基于產(chǎn)業(yè)關(guān)聯(lián)的我國(guó)快遞產(chǎn)業(yè)的發(fā)展研究[D];上海師范大學(xué);2011年

9 姜濤;南方快遞信息系統(tǒng)體系模型研究[D];北京交通大學(xué);2008年

10 邱官升;快遞業(yè)服務(wù)質(zhì)量分析與改善方法研究[D];長(zhǎng)安大學(xué);2008年

，

本文編號(hào)：2209354