孟爽 桑圣璐 成杰 王宏
摘 要：本文通过建立Logistic回归模型来研究影响农村物流快递发展的因素。首先将农村物流快递点的数量作为因变量，选取乡镇网购月快递总量等5个指标作为自变量，建立logistic模型，然后利用拟合优度检验和预测准确度检验对模型进行显着性检验。最后，引用唐海县各个镇的实证，得出影响农村物流快递的因素是网购月快递总量、农产品输出量、途经主干道、家庭每月网购次数、家庭社交平台使用情况等结论。
关键词：Logistic回归模型、农村物流快递、影响因素
0引言
“快递下乡”工程被正式写入中央一号文件中[1]，农村电子商务快递下乡得到前所未有的重视，而农村物流配送体系不发达是农村电商快递下乡的痛点，物流配送是否能真正服务到各个乡镇和村落，是农村电子商务下乡配送关键的一步。不完善的基础设施、过低的人口密度、滞慢的经济发展造成了这种“路途坎坷，快递少，运送耗费高”的快递运输现状[2]。对此，本文对农村物流快递问题做了系列分析并给出解决的方案。
1 Logistic回归模型
1.1Logistic回归模型的建立
Logistic回归为概率性非线性回归模型，主要用于预测离散因变量与解释变量之间的关系，变量数值“较高”“较好”的类别。其基本形式为：
其中，p代表自变量为x的时候，y=1的概率，即P（y=1）=p， P（y=0）=1-p。各个变量的选取如下
1.2 Logistic回归模型的检验
（1）拟合优度检验 选用Hosmer-Lemeshow统计量[3]来检验.
这4个指标的值越接近于1，表示预测概率与因变量之间的关联程度越高，说明模型的预测越强。
2实证
2.1Logistic的建立
首先，采用了spss对上面调查问卷的数据进行Logistic回归分析，探索网购月快递总量等变量的影响，继而分析对农村物流快递的影响。得到如下参数估计结果.
2.2模型的检验
（1）拟合优度检验 可以看出，Deviance统计量、皮尔逊 统计量和Hosmer-Lemeshow统计量的P值均大于0.0.5，所以在显着性水平 为0.05的条件下，认为模型的你和数据较好。
（2）预测准确度检验 是序次相关指标的准确度检验结果。除了Tau-a指标外，其余3个指标值都不小于0.7，表示预测概率与因变量之间的关联程度较高，说明建立的Logistic模型的预测能力较好。
3结论
农村物流快递发展缓慢，影响因素众多。本文采用建立Logistic模型的方法来分析影响农村物流快递发展的因素，发现5个因素决定着农村物流快递的发展壮大。同时，本文利用拟合优度检验、预测准确度检验使得模型更有说服力。最后本文引用唐海实证问题，具有很高的代表性，为以后研究全国范围内农村物流快递问题更是提供了可靠的方法。
参考文献：
[1]胡愈，许红莲.现代农村物流与其主要影响因子的灰色关联度分析[J].湖南大学学报（自科版），2007、34（12）：85-88.
[2]唐绮遥，彭建良.新农村物流发展影响因子的灰色关联分析 ---以杭州市属 7 县（市、区）为例[J].浙江农业学报，2013、25（5）：1137-1141.
[3]王济川，郭志刚.Logistic回归模型———方法与应用[M].北京：高等教育出版社，2001.
