基于因素分析对我国重型卡车销量现状和预测的研究

• 作 者: 王洋
• 出 处: 山东大学
• 发表日期: 2020年02期
• 关键词: 重型卡车 随机森林 回归分析 销量预测

随着我国经济和科学技术的快速进步,重型卡车行业也得到了迅猛发展,其作为汽车工业一个重要分支,常常被称为国民经济发展的“晴雨表”,然而我国重型卡车行业的发展不仅受到宏观层面的市场经济和微观层面的用户需求的影响,还将接受信息时代下科技的进步、完善的基础设施、宏观和汽车行业的政策调控等诸多方面的影响。十几年来,我国重型卡车的销量上下波动幅度较大,既有2010年和2017年销量突破百万辆的高峰,也有2012年和2015年寒冬式的低谷。如果不能准确的预测未来的销量,将出现供不应求或者产品积压等问题。所以,必须研究探索影响我国重型卡车销量的重要因素,进行仿真模拟,然后依据预测情况,与实际情况相结合重型卡车行业的稳定进步和快速发展。本文首先通过文献综述法搜寻影响我国重型卡车销量的宏观层面和微观层面的因素,然后结合统计分析方法对我国重型卡车现状进行了详细地描述;其次利用管理学中重要的分析方法——SWOT法对重型卡车行业进行了深入剖析,发现我国重型卡车行业具有健全的产业链、制造成本低和市场需求大这三大优势,同时也存在技术和创新上的不足,以及恶性低价竞争的劣势。然后,使用机器学习方法——随机森林对上述影响因素进行分类研究,结果发现PMI是影响重型卡车销量的最关键的因素,其次柴油价格、社会消费品零售总额、房地产新施工面积和工业增加值都对重型卡车的销量有着重要的影响。实证研究结果显示,PMI和工业增加值对我国重型卡车销量具有显著地正向影响,且政策变量——治超治限对PMI和工业增加值的正向影响具有显著地促进作用。最后,结合主成分分析、多元线性回归和神经网络预测模型的理论基础,对我国重型卡车销量的数据进行了因素分析和预测研究。从宏观经济、工业品商品物流、工程建筑、能源矿石、价格成本和政策法规等方面搜集了 2007年至2017年销量和影响因素的季度数据,并将数据取自然对数处理,使数据更易趋于平稳、方便计算和建模分析,通过对这些数据的主成分分析,得到了影响我国重型卡车销量的主成分F1和F2。其次,对实验的主成分因素进行分析和提取,通过定性分析的方法建立仿真模型,然后按照模型的结果计算出相应的误差,得出了多元线性回归模型在对国内重型卡车销量预测方面的适用性。