国际物流报告Word文件下载.docx

国际物流报告Word文件下载.docx

《国际物流报告Word文件下载.docx》由会员分享，可在线阅读，更多相关《国际物流报告Word文件下载.docx（9页珍藏版）》请在冰豆网上搜索。

本篇报告分为三个部分。

第一部分基于对上海市跨国公司的调查，分析上海国际物流服务现状问题；

第二部分从跨国公司全球供应链构建的角度分析上海国际物流建设的机遇和挑战，同时结合模型的结论给予验证；

第三部分是对策和行动，根据前面上海的现状、供应链环境的要求、模型的启示给出建议。

最后在附录中，我们对模型进行了解释。

阐述建模的原因、方法和数据采集的过程，列示模型的结果以及给我们的启示

“让世界了解上海，让上海走向世界”。

我们衷心地希望本篇报告的事实、分析以及建议对上海的国际物流建设起到积极的推动作用，也衷心地祝愿上海早日成为令世界瞩目的中心口岸。

附录

物流成本对进出口业务影响论证的数学模型阐释

数学模型的建立和解决步骤

我们建立和解决数学模型的基本步骤如图所示

建立模型

确定建模的目标

我们建立数学模型的最终目的是为了了解国际物流建设和国际贸易壁垒对进出口贸易的影响程度，从而指导我们推进国际物流建设的方向和行动。

具体可以分解成三个目标：

⏹明确单位进出口物流成本对进出口额的影响程度；

⏹明确进出口物流成本的构成；

⏹明确平均关税税率对进出口额的影响程度。

确定建模的方法

由于模型主要涉及两个变量之间的相关性及影响程度，我们采取最小二乘法建立回归模型，得出上海进出口额与单位物流成本之间的关系等式，以及上海进出口额与平均关税税率之间的关系等式。

回归模型不局限于线性回归，对于线性回归结果不尽人意的情况，我们则采用非线性回归模型。

我们首先把采集的数据作成散点图大致判断自变量与因变量间是线性还是非线性关系，决定采用线性回归与否。

在具体的操作中，我们对平均关税与上海进出口额关系的模型采取了线性回归，对物流成本与上海进出口额的关系采用了非线性回归模型。

针对模型计算出的结果，我们进行以下回归诊断：

⏹拟和性诊断：

我们使用R2来判断回归方程计算出来的因变量与样本因变量变动的拟和程度。

在根据经验判断因变量与自变量确实存在相关性而且符合某种形式的回归的情况下，R2越高，表示拟和性越好，即回归方程的预测性越准确。

⏹回归系数的置信度：

我们使用95%作为回归系数的置信度，要求该置信度内回归系数的置信区间不包括零。

我们使用t-statistics的绝对值作为判断依据，其值大于有效（２.306是自由度为８的t分布在概率密度为95%时的取值范围）。

⏹残差的正态性：

回归模型假设残差是一组正态分布的随机变量，我们将根据残差的直方图、散点图等来判断残差的正态性，以及是否存在异方差或自相关现象。

⏹对于非线性回归模型（物流模型），我们还采取联立表的x2独立性检验物流成本与进出口规模之间的相关性。

建立模型框架

进出口的变化可以由许多因素的变化所驱动，本模型只是研究物流成本以及关税变化等因素对进出口的影响。

对于其他的驱动因素，在具体访谈中对其的影响的重要程度进行定性的核实，并发现与我们的假设一致，可认为它们与物流成本以及关税变化是相互独立的，因此在研究物流成本以及关税变化对进出口的影响时，可以认为它们为不变量因素。

针对物流模型和关税模型的具体情况，我们用相同的原则建立两个模型框架：

1.物流模型框架

目标：

讨论物流成本对进出口贸易的贡献率（边际效益）

因变量：

上海进出口规模（用进出口贸易额衡量），用M表示

自变量：

（单位）物流成本，用A表示，包括所有与进出口贸易相关的因素造成的物流成本；

其他与A不相关的成本因素，用B表示，主要包括关税水平以及产品自身的成本等（见图）。

物流成本A为相对量，对应于单位进出口贸易的平均物流成本（即物流成本占进出口贸易额的百分比）。

因变量与自变量之间可以表示为：

M=f（A,B）。

考虑到B与A的不相关性，从影响趋势的角度来说，f（A,B）与g（A）之间没有本质上的差别，g（A）只不过是f（A,B）在自变量A对应轴与因变量对应轴构成的平面上的投影。

存在的差别只是数值上大小的差异。

根据图，物流成本A包括直接物流成本和物流周期所带来的间接（时间）成本等，因此对物流成本的考虑可从三个方面进行：

-直接物流成本（用C表示）：

包括运输成本、仓储成本以及相关费用等。

这些成本数据可以直接从问卷中获得。

-物流周期（用T表示）：

包括运输时间、仓储时间、平均进（出）口到货周期等。

这些数据也应该能够从问卷中直接获得。

-间接（时间）成本：

引入价格波动率函数η（t）,然后定义损益函数来描述时间成本，这样物流成本就可表示为：

其中k为进出口商品种类数目，ni为第i类商品的进出口数量

注：

在实际计算中，时间成本主要通过流动资本在途时间内的利息得到，并未考虑其它时间成本因素。

这样，我们可以通过上海进出口企业的调研及桌面资料的收集来获得各企业进出口物流成本和细项，通过上式算出上海平均单位进出口物流成本。

同时也可通过年鉴获得上海历年进出口额的数据，使回归模型得以建立。

2.关税模型框架

目标：

讨论关税水平降低对进出口贸易的贡献率（边际效益）。

因变量：

进出口规模（用进出口贸易额衡量），用M表示。

自变量：

平均关税水平，用ＴＲ表示；

其他与ＴＲ不相关因素，用B表示，主要包括物流成本和产品成本。

M=k（TR,B）。

考虑到B与TR的不相关性，从影响趋势的角度来说，k（TR,B）与j（TR）之间没有本质上的差别，j（TR）只不过是k（TR,B）在自变量TR对应轴与因变量B对应轴构成平面上的投影。

关税模型的建立相对比较简单，主要因为自变量和因变量的数据没有太多的细分，可以从桌面资料直接收集获得，使回归模型得以建立。

数据采集处理

我们通过两条途径来获得计算数学模型的数据：

企业调研的第一手数据和桌面资料收集的第二手数据。

对于物流成本与进出口关系的数学模型，我们主要通过调研150家（实际回收的有效样本数是50家）有代表性的上海进出口企业，获得各企业的单位物流成本数据以及细分，来反推上海过往几年的平均单位物流成本及细项比例，并通过次级资料获得上海过往几年的进出口数据，籍此解得回归模型；

对于关税与进出口关系的数学模型，我们主要通过桌面次级资料的收集获得过去十年我国平均关税税率和进出口额数据，来求得线性关系。

我们在调研过程中还特别采集了进出口企业物流成本中各细项物流成本的数据，包括：

⏹进出口海运成本；

⏹进出口空运成本；

⏹内陆陆上运输成本；

⏹内陆水上运输成本；

⏹仓储成本；

⏹口岸报关、商检等管理费用成本；

⏹货代佣金成本；

⏹保险费用成本；

⏹间接时间成本；

⏹其它与进出口物流相关的成本。

物流模型的关键数据是历年上海市进出口单位物流成本及构成比例。

数据收集的原则如下：

按某一时间间距收集数据（对所有行业的样本企业），使得在横向上具有可比性。

从以下两个方面进行考虑：

（1）物流成本：

①单个样本企业：

收集单个企业的相关物流成本和进出口额数据，计算单位进出口贸易额的平均物流成本

②对每个行业：

根据该行业选出的样本及其权重，反推该行业的单位物流成本的期望（包括所有纵向上划分时间的期望）

③综合：

根据各个行业的规模，确定其相应的权重，然后计算综合单位物流成本的期望（包括所有纵向上划分时间的期望）

（2）进出口规模：

与

（1）的做法类似

具体来说，数据的收集涉及到三个方面的工作：

1．确定样本的数量

我们选取150家企业的单位物流成本数作为抽样调查的样本，回收的有效样本为50份，置信度95%。

在设计样本数时，我们依据统计学公式：

n=C2S2/L2

n:

计划抽取的样本数

C:

，即标准正态分布的概率密度为95%的取值

S：

样本点的标准差，经预调研取值为6%

L：

可以容忍的置信区间半幅度，我们选取2%

这样算出n=35。

考虑到样本回收不可能100%，加上有一定比例的无效样本，我们选取150家企业发放问卷，而最后回收的50份有效问卷亦能满足样本代表性的要求。

2．确定调研企业的名单

⏹确定分类抽样数。

将上海的进出口企业按照海关商品分类（分成光学医疗、动植物、化工、木制品、机电、杂项制品、珠宝、矿产品、矿物材料制品、有色金属、纺织原料、车辆、鞋帽、食品等14个大类），划分出每一类企业的进出口总额。

以上海企业进出口总额为100％，分析各分类的进出口量所占权重。

以50个样本为总数进行分解，算出每个类别应该抽取的的样本数。

⏹确定各分类的企业抽样原则。

我们认为，各分类的企业符合80/20原则，即20%的企业占分类进出口总额的80%，能代表该分类的具体特点。

因此我们集中分析对于分类进出口贡献比较大的企业的情况，将各分类内的企业按照2001年的进出口总额从大至小进行排序，找出占分类进出口总额80％的大企业的名单，作为抽取样本的基数。

⏹确定样本企业名单。

在每个分类的样本基数名单中按照确定的样本数随机抽取样本。

3．设计、收集问卷及跟踪访谈

问卷的设计围绕我们需要收集的企业历年与进出口相关的物流成本数据和进出口规模数据，包括总物流成本及各细项物流成本数据。

由于许多企业中的财务数据按照国家会计原则的科目分类进行安排，没有明晰的各项物流成本的数据，我们要求企业尽量提供与物流相关的细目成本数据并要求对各项费用提供百分比估计，以此推导各类物流费用情况。

在实际操作中，不同企业填写问卷的部门不同，有些是财务部门负责，有些是物流部门负责。

为了数据口径的统一，我们在问卷发放后对每家企业进行电话跟踪，解答企业对问卷提出的问题，同时给予指导，确保收集的问卷真实有效。

在问卷回收后，针对重点企业，我们还组织上门访谈，交流企业进出口业务的进展和物流成本变动情况。

解模与检验

1．物流模型结果：

M=111.69A

R2=

A：

单位进出口物流成本，即进出口物流成本与进出口金额的比值

M：

上海口岸年进出口金额（亿美元）

数据来源：

内部调研、上海统计年鉴2001，上海海关。

对单位物流成本与进出口规模之间是否存在相关性的判定我们采用联立表的x2独立性检验，在联立表的独立性检验中：

⏹将要检验的实验条件称为因子。

针对本问题，涉及到的因子为单位物流成本（用符号A表示）以及进出口规模（用符号M表示）。

⏹因子的不同状态称为水平。

针对本问题，我们采用区间划分的方法来确定各因子的水平。

区间划分应根据数据的采样进行。

假定采用区间划分方法，最终确定的结果如下：

A有r个水平（A1…Ar），M有s个水平（M1…Ms）

于是可得如下联立表：

以上相关性检验验证了物流成本与进出口业务规模之间相关性的可靠度。

2．进出口物流成本的构成

根据2001年上海50家进出口企业物流各细项成本的数据，我们解得进出口物流成本构成为（如图所示）：

内部调研。

3。

关税模型结果：

M=-2318TR+

TR：

我国平均关税税率

上海海关年进出口额（亿美元）

来源：

中国统计年鉴2001，上海统计年鉴2001，外经贸部，上海海关、《中国经贸导刊》

通过图描绘的二者关系等式，我们可以预测：

在其它因素不变的情况下，我国平均关税税率每降低一个百分点，会带来上海口岸进出额增加亿美元。

从下表回归分析的结果可以看出模型的结果是另人满意的：

⏹R2为，是比较高的；

⏹t-statistics的绝对值均大于:

对应回归方程斜率的该值为，对应截距的该值为。

我们把计算出的残差作出直方图以及散点图，看出直方图比较接近钟形的正态分布，而散点图上，残差没有明显的特征分布，可见其不具有自相关性（图在此省略）。