海运集装箱运输是当今全球最普遍、主流的运输方式之一。获取较好的物流运费对于相关公司机构的管理部门意义重大。本文将研究集装箱运价中的拼箱价格会受到哪些因素的影响,并尝试获取一个预测性的模型,来帮助相关人士进行运价预测。在此选用海运拼箱价格进行研究,其影响因素与整箱类似,而且其价格更具综合性。论文在介绍了上海发往美国本土目的地的拼箱航运相关内容后,采用了灰色关联分析、多元线性回归分析和时间序列分析三种方法对拼箱运价的影响因素进行了分析。在因素初选部分,通过文献阅读,专家建议和经验判断,罗列出各种可能的主要影响因素。并从趋势、季节、循环与随机四个方面分别进行了探讨。根据得到的因素,选取了原油现货价格、汇率、采购经理指数、中国出口总额、美国进口总额等具有代表性的经济统计数值进行定量描述。首先,使用灰色关联分析,将各个目的地的运价序列与因素序列经过去量纲化,找出极值,并运用极值计算出各个因素的关联度。最后对平均的关联度进行排序。所有因素的大小差距不大。在排序后发现,美国进口总额、采购经理指数、汇率等因素居于前列,广义货币发行量和原油现货价格居末。其次,使用多元线性回归分析对各点的体积和重量运价进行拟合建模。在拟合过程中对各因素采取逐步进入的方法进行试验。并通过这一方法获得相应的拟合模型。通过这些回归模型进行预测。由于使用的是线性模型,部分的预测值有较大的偏差。在模型之中,最多被选取的因素变量有原油现货价格、汇率和采购经理指数等。最后,对发往美国四个目的地的运价序列采用了时间序列分析中的差分整合移动平均自回归模型（ARIMA）。并且在研究中,使用消减某一特定影响因素组合来进行探索预测。在此假设去除某一因素后,根据序列建立的回归模型在预测中表现情况进行判断。预测表现越出色,则该因素对运价的影响越大。在对模型进行评判时,观察了方程与系数的显著性,以及其他关键模型报告数值。模型残差也均顺利通过检验。对于每一个点,均采取了去除七个影响因素序列的处理,并得到相应模型。之后,对模型使用静态预测,得到预测的运价。并将预测运价与真实运价进行比较,得到预测值的误差程度。最后,对预测结果进行评判打分,得到各个处理因素预测的综合表现。从结果看,表现最好的因素是汇率、广义货币发行量与采购经理指数。表现最差的是原油现货价格。综合上述三种方法,可以确定汇率、广义货币发行量、采购经理指数这几个因素对运价影响最大。即反映了市场的购买力,购买意愿对拼箱运价有最大的影响。中国的出口总额和美国进口总额,也有着一定的影响力。而作为成本的原油现货价格却得到了最低的影响度和预测精度。但油价在多元线性回归建模中出现在了所有目的地的拟合模型之中。这说明了油价只是组成价格的一环,而并非导致其波动的主要因素。对于运价预测,虽然多元线性回归模型的适用跨度比较大,但是其精度较低。只能保证整体的数据是围绕着特定的曲线。而实际序列模型由于采用了静态预测,所以得到的预测值精度较高。