论文部分内容阅读
摘 要：近10年来，粤俄贸易增长迅猛，年平均增长率达20%。海洋运输是粤俄间重要的货运方式，文章对粤俄贸易额与俄方港口货物吞吐量的相关性进行了分析，得出东方港、圣彼得堡港口是俄罗斯与广东省贸易海洋运输的主通道。对东方港和圣彼得堡港口货物吞吐量和粤俄贸易进出口总额进行预测，研究表明：东方港的目前设计吞吐能力将不能满足未来运量增长，对未来粤俄贸易的海洋运输造成不利的影响，从而影响粤俄贸易量的增长。
关键词：粤俄贸易；海洋运输；预测
中图分类号：F740.4 文献标识码：A
Abstract： Over the past decade， the rapid growth of trade between Guangdong and Russia， the average annual growth rate is 20%. Marine transportation is an important freight between Guangdong and Russian， the paper make correlations analysis with trade between Guangdong and Russian and the Russian port cargo throughput. Results show that： Vostochny， St. Petersburg port is the main channel maritime transport of trade between Russia and Guangdong. Prediction about Orient Harbor and St. Petersburg port cargo throughput and total import and export trade between Guangdong and Russia， studies show that： the current design of the east port handling capacity will not meet future traffic growth， that will make a significant impact on the future of the marine transportation trade between Guangdong and Russia.
Key words： trade between Guangdong and Russia； ocean transportation； prediction
0 引 言
广东省对俄罗斯经贸关系发展迅速，2000～2012年，广东与俄罗斯贸易额由7.7亿美元发展到77.5亿美元，年平均增长率为19.96%。10年前，广东省对俄贸易主要是大宗商品出口：砂糖、棉布、服装、玩具和箱包等，进口集中在铝和钨、成品油、钢材等有色金属和机械产品。现在，双方的贸易已经拓展到高新技术、金融、现代物流、机械设备、轻工产品、机电产品、家具、灯具、钟表、建材、服装和鞋类等各个领域，显示出巨大的发展潜力。粤俄双方经贸活动频繁，广东省分别于2002年、2006年和2010年在俄罗斯举办了大型经贸合作洽谈会。粤俄双方通过经贸洽谈会达成一系列合作协议，合作取得丰硕成果。目前，广东省对俄罗斯贸易保持快速增长的良好势头。
贸易的快速发展，需要有高效运作的物流系统作支撑，两者关系密切，相互作用，相互发展。国内外许多学者对贸易与物流关系做过许多研究。国外早期学者马歇尔、萨缪尔森、克鲁格曼等人就运输成本与对外贸易关系做了相关研究，认为：货运的运费和关税的减低会促使更多的贸易量；Julia Devlin和Peter Yee以出口贸易所需时间来衡量物流体系的效率；Hildegumnk. Nordas. Enricopinali. Massimo Geloso Grosso指出当今贸易，越来越多商品对时间成本非常敏感，物流效率越高，贸易发生的可能性和贸易量就越大。俄罗斯的Моковецкая Ольгa对现代发展趋势的研究，认为现代国际物流的发展趋势对促进世界贸易中的作用越来越大。Елена Кузнецовa研究商品贸易的运输成本，她认为海洋运输成本过高原因是关税造成的。国内学者王力军认为，国际贸易与现代物流的发展是互动的，国际贸易是国际物流生存的前提和基础；国际物流的科学化、合理化又是国际贸易发展的有利保障。杨长春将沿海主要港口货物吞吐量作为现代物流衡量指标，并得出结论：我国的国际贸易与物流存在着反馈性的因果关系。
由于贸易与物流的因果关系，本文运用相关分析法对粤俄贸易进出口总额与俄方港口货物吞吐量进行研究，识别出粤俄贸易海洋运输的主要通道，并用灰色预测GM1，1法对粤俄贸易海洋运输主通道的俄方港口的吞吐量进行预测，分析目前俄方港口的设计吞吐能力能否满足未来运量的增长。
1 粤俄贸易的物流通道现状
目前，粤俄贸易物流通道包括陆路通道、海洋通道、航空通道。主要陆路通道有：由广东省经黑龙江省口岸、内蒙古的满洲里口岸、吉林省的珲春口岸后直接进入俄罗斯的主通道；广东省经内蒙古的二连浩特口岸借道蒙古国进入俄罗斯的主通道；广东省经新疆阿拉口口岸借道哈萨克斯坦进入俄罗斯的主通道（具体如图1所示）。海洋通道则是由广东省沿海港口直达俄罗斯海港。香港港、广州港、深圳港是国际货物进出广东省的主要港口。与广东省对接的俄罗斯港口则有俄远东地区的东方港、纳霍德卡，西部地区的圣彼得堡，南部地区的新罗西斯克（具体如图2所示）。航空运输通道则是由广东省的白云机场直飞至俄罗斯。由于空运成本很高，一般货物运输都不会采取该种运输方式，故不多做描述。海洋运输具有运量大、运费低的特点，特别适合大宗物资运输，是目前粤俄贸易的主要运输方式。 2 粤俄贸易的海洋运输主通道识别
目前对变量间的相关性进行研究的常用方法有DEA、灰色关联分析、计量分析方法。DEA是对变量间的互动效果分析；灰色关联性分析则是对于一个系统发展变化态势提供量化的度量，适合动态历程分析；计量分析方法主要采用简单相关分析、回归分析、Granger检验，借助于Eviews和Spss等分析软件进行相关性分析。本文目的是对粤俄进出口额和港口吞吐量两个变量的关联性进行分析，识别出粤俄海洋运输的主通道，故采用皮尔森相关系数进行简单相关分析即可。
皮尔森相关系数（Pearson correlation coefficient）是用来反映两个变量线性相关程度的统计量。相关系数用r表示，r的绝对值越大表明相关性越强。Erhardt和Czado对具有皮尔森相关性的高维度随机变量的相关系数大小进行排序，进而得到这些变量对于指定目标的相关性。
本文选取2008～2012年粤俄进出口贸易总额和俄罗斯几大港口的港口吞吐量进行相关分析。进出口总额代表着双方的贸易情况，而港口吞吐量则是海洋运输通道情况的体现。所选样本数据如表1所示：
用SPSS18.0对粤俄贸易进出口总额和港口吞吐量进行Pearson的相关性分析，结果如表2所示：
在相关分析中，一般根据γ的数据大小，将不完全线性相关的密切程度分为四个等级：γ≤0.3的微弱相关；0.3<γ≤0.5的低度相关；0.5<γ≤0.8的中度相关；0.8<γ≤1的高度相关。从表2相关系数表可以看出：粤俄贸易进出口总额和东方港港口吞吐量的相关系数为0.88，高度正相关；与圣彼得堡港口吞吐量的相关系数为0.718，中度正相关；中俄贸易进出口总额与东方港港口吞吐量的相关系数为0.895，高度正相关；与纳霍德卡港口吞吐量的相关系数为0.606，中度正相关。从表2的P值可知，粤俄贸易进出口总额和东方港、圣彼得堡和中俄贸易进出口总额与东方港、纳霍德卡相关性检验的概率值均小于或等于0.2，故拒绝原假设，认为存在显著的线性相关关系。因此，粤俄贸易海洋运输主通道是东方港和圣彼得堡港口；而与中俄贸易海洋运输的主通道则是东方港和纳霍德卡港口。粤俄与中俄海洋运输主通道不同的原因在于中国是能源消费大国，从俄罗斯进口的能源在中俄贸易额中占很大一部分比例，而广东省并没有如此大的能源需求。
3 粤俄贸易海洋运输的未来影响分析
广东省拥有世界级的港口广州港和深圳港。香港虽然在行政区划上不属于广东省，但大量进出广东省的货物尤其是集装箱货物是在香港进行中转。而由于历史和地理原因，俄罗斯港口规模普遍较小，泊位和场地不足，港口装卸设备相对落后，港口吞吐能力普遍不高。目前，粤俄贸易海洋运输主通道的东方港只有70个专业化码头，港口年吞吐能力仅约1 200万吨，现虽有港口工程在建设中，港口的设计吞吐能力仅为5 000万吨左右；圣彼得堡港区有大小53个码头。各种泊位近180个，圣彼得堡港口吞吐能力最大只能增长到8 600万吨左右。由于俄方港口通过能力的限制，未来粤俄海洋运输的外贸货物进出口量基本取决于俄方港口的通过能力。因此，需要对粤俄贸易海洋运输主通道上的俄方港口吞吐量进行预测，研究其设计吞吐能力能否满足未来运量的增长。根据相关分析得出的结论，以东方港和圣彼得堡港作为研究对象。由于采集港口的数据样本过少，信息贫瘠，故采用灰色系统的GM1，1模型进行预测。
灰色系统理论是用于研究数量少、信息贫瘠的不确定性问题的理论方法。灰色预测模型是灰色系统理论的主要内容之一，它以GM1，1模型为核心，模型的参数和结构能根据已知少量数据信息参数的选择而改变，而不需有了大样本数据才能建模这一局限性。经过30年的理论发展壮大，GM1，1模型及其各种的扩展形式已被广泛应用。
灰色预测GM1，1模型的建模过程是将无规律的原始数据进行累加，得到规律性较强的生成数列后进行建模，由生成模型得到的数列再进行累减得到原始数据的预测值，然后进行预测。
假设原始数列为：
x=x1，x2，x3，…，xn
采用表1圣彼得堡和东方港吞吐量数据，得东方港和圣彼得堡原始数列：
x=18.9，35.6，38.4，42.5 x=50.4，58.9，60.0，57.8
一阶累加后生成新的序列：
xk=xi=xk-1+xk+1
其中：
xi=xk， i=1，2，3，…，n
对X进行准光滑检验和对进行准指数规律检验：
ρk=<0.5
ρk=1.08，0.86，0.8； ρk=1.15，0.55，0.34
不满足ρk<0.5，不能称χ为准光滑序列，则χ不具有准指数规律。需进行一阶弱化处理：
χk=xk+xk+1+…+xn k=1，2，3，…，n
并且将X=X，即X由X所替代。重新计算东方港和圣彼得堡原始数列：
x=33，85，38.83，40.45，42.5 x=56.55，58.6，58.9，57.8
由于x具有近似的指数增长规律，因此可以认为序列x满足下述一阶线性微分方程：
+ax=u （1）
解得，
=BBBY （2）
其中，Y=，B=
将所求得的、代入微分方程（1），有：
+x= （3）
由微分方程（3）可得到累加数列X的灰色预测模型为：
k+1=x0-e+ k=0，1，2…，n （4）
如果X来自X一阶弱化处理得到的数列，一阶弱化还原后：
k+1=k+1 （5）
反之，则由式（4）在做累减还原，得到X的灰色预测模型为： k+1=e-1xn-e k=0，1，2…，n （6）
注意：当≤0.3时，可用于中长期预测；当0.3<≤0.5时，可用于短期预测，中长期慎用。
采用表1圣彼得堡和东方港吞吐量数据进行预测，在excel上求解，得1=；2=。
其中：1为东方港港口吞吐量预测的求解结果，2为圣彼得堡港口吞吐量预测的求解结果。
根据求解结果知东方港和圣彼得堡的-均小于0.3，可用于中长期预测。
将、代入GMU模型的微分方程求解，可得GMU模型的时间响应函数模型：
χk+1=836e-802.78
χk+1=3 487.84e-3 431.29
由于对X进行一次一阶弱化的处理，所以k+1=k+1，即预测由上式便可计算出第k+1年的预测值。
由表3可以看到，东方港和圣彼得堡的港口吞吐量保持着继续增长的趋势。东方港和圣彼得堡港口的设计吞吐能力分别为5 000万吨、8 600万吨，可见东方港的设计吞吐能力在2017年不能满足运量不断增长的需求，而圣彼得堡未来运量增长缓慢，直到2020年，港口的设计吞吐能力仍能够满足不断增长的运量需求。
东方港的设计吞吐能力未来不能满足运量不断增长的需求，这是否会影响粤俄贸易的海洋运输，需结合粤俄贸易额发展趋势进行分析。对2000～2012年粤俄贸易总额的数据，运用SPSS18.0软件，按照一元线性回归分析法，建立拟合方程：
y=6.419χ-12 837.59
经检验，以上方程x与Y的相关系数r为0.959，高度正相关，F=125.808，满足一致性条件，因此，此方程有效。预测结果如表4所示。
由图3可以看到，粤俄贸易总额保持着继续增长的趋势。由于粤俄贸易的货物运输方式主要海洋运输，而东方港的设计吞吐能力在2017年不能满足运量不断增长的需求，对未来粤俄贸易的海洋运输造成不利的影响，从而影响粤俄贸易量的增长。
4 结 论
本文采用相关分析对粤俄贸易进出口总额与俄罗斯的新罗西斯克、圣彼得堡、东方港、纳霍德卡这几大港口货物吞吐量进行研究，识别出粤俄贸易海洋运输主通道是东方港和圣彼得堡港口。然后根据灰色预测对东方港和圣彼得堡港口吞吐量进行预测，结合港口目前的设计吞吐能力得出结论：东方港的设计吞吐能力在2017不能满足运量不断增长的需求，对未来粤俄贸易的海洋运输造成不利的影响，从而影响粤俄贸易量的增长。
参考文献：
[1] Julia Devli and peter Yee. Globle links to regional networks， trade logistics MENA countries[C] // The Fourth Anual Mediterranean development Forum Held in Amman， 2002.
[2] 王力军. 国际贸易与现代物流[J]. 金融教学研究，2005（1）：30-31.
[3] 杨长春. 我国对外贸易与国际物流关系的实证研究[J]. 国际贸易，2008（1）：8-11.
[4] Zenz Erhardt， Claudia Czado. Sampling Count Variables with specified Pearson Correlation-a Comparison between a naive and a C-vine Sampling Approach[J]. Dependence modeling， 2011（62）：73-87.
[5] Talley W. K.， and M. Ng.. Maritime Transport Chain Choice by Carriers， Ports and Shippers[J]. International Journal of Production Economics， 2013，142：311-316.
[6] Liu Sifeng. A Brief Introduction to rey Systems Theory， Grey Systems and Intelligent Services （GSIS）[C] // IEEE International Conference， 2011.
[7] NTAO XIE. Scientific view in grey system theory[J]. Asian Social science， 2012（8）：103-106.
关键词：粤俄贸易；海洋运输；预测
中图分类号：F740.4 文献标识码：A
Abstract： Over the past decade， the rapid growth of trade between Guangdong and Russia， the average annual growth rate is 20%. Marine transportation is an important freight between Guangdong and Russian， the paper make correlations analysis with trade between Guangdong and Russian and the Russian port cargo throughput. Results show that： Vostochny， St. Petersburg port is the main channel maritime transport of trade between Russia and Guangdong. Prediction about Orient Harbor and St. Petersburg port cargo throughput and total import and export trade between Guangdong and Russia， studies show that： the current design of the east port handling capacity will not meet future traffic growth， that will make a significant impact on the future of the marine transportation trade between Guangdong and Russia.
Key words： trade between Guangdong and Russia； ocean transportation； prediction
0 引 言
广东省对俄罗斯经贸关系发展迅速，2000～2012年，广东与俄罗斯贸易额由7.7亿美元发展到77.5亿美元，年平均增长率为19.96%。10年前，广东省对俄贸易主要是大宗商品出口：砂糖、棉布、服装、玩具和箱包等，进口集中在铝和钨、成品油、钢材等有色金属和机械产品。现在，双方的贸易已经拓展到高新技术、金融、现代物流、机械设备、轻工产品、机电产品、家具、灯具、钟表、建材、服装和鞋类等各个领域，显示出巨大的发展潜力。粤俄双方经贸活动频繁，广东省分别于2002年、2006年和2010年在俄罗斯举办了大型经贸合作洽谈会。粤俄双方通过经贸洽谈会达成一系列合作协议，合作取得丰硕成果。目前，广东省对俄罗斯贸易保持快速增长的良好势头。
贸易的快速发展，需要有高效运作的物流系统作支撑，两者关系密切，相互作用，相互发展。国内外许多学者对贸易与物流关系做过许多研究。国外早期学者马歇尔、萨缪尔森、克鲁格曼等人就运输成本与对外贸易关系做了相关研究，认为：货运的运费和关税的减低会促使更多的贸易量；Julia Devlin和Peter Yee以出口贸易所需时间来衡量物流体系的效率；Hildegumnk. Nordas. Enricopinali. Massimo Geloso Grosso指出当今贸易，越来越多商品对时间成本非常敏感，物流效率越高，贸易发生的可能性和贸易量就越大。俄罗斯的Моковецкая Ольгa对现代发展趋势的研究，认为现代国际物流的发展趋势对促进世界贸易中的作用越来越大。Елена Кузнецовa研究商品贸易的运输成本，她认为海洋运输成本过高原因是关税造成的。国内学者王力军认为，国际贸易与现代物流的发展是互动的，国际贸易是国际物流生存的前提和基础；国际物流的科学化、合理化又是国际贸易发展的有利保障。杨长春将沿海主要港口货物吞吐量作为现代物流衡量指标，并得出结论：我国的国际贸易与物流存在着反馈性的因果关系。
由于贸易与物流的因果关系，本文运用相关分析法对粤俄贸易进出口总额与俄方港口货物吞吐量进行研究，识别出粤俄贸易海洋运输的主要通道，并用灰色预测GM1，1法对粤俄贸易海洋运输主通道的俄方港口的吞吐量进行预测，分析目前俄方港口的设计吞吐能力能否满足未来运量的增长。
1 粤俄贸易的物流通道现状
目前，粤俄贸易物流通道包括陆路通道、海洋通道、航空通道。主要陆路通道有：由广东省经黑龙江省口岸、内蒙古的满洲里口岸、吉林省的珲春口岸后直接进入俄罗斯的主通道；广东省经内蒙古的二连浩特口岸借道蒙古国进入俄罗斯的主通道；广东省经新疆阿拉口口岸借道哈萨克斯坦进入俄罗斯的主通道（具体如图1所示）。海洋通道则是由广东省沿海港口直达俄罗斯海港。香港港、广州港、深圳港是国际货物进出广东省的主要港口。与广东省对接的俄罗斯港口则有俄远东地区的东方港、纳霍德卡，西部地区的圣彼得堡，南部地区的新罗西斯克（具体如图2所示）。航空运输通道则是由广东省的白云机场直飞至俄罗斯。由于空运成本很高，一般货物运输都不会采取该种运输方式，故不多做描述。海洋运输具有运量大、运费低的特点，特别适合大宗物资运输，是目前粤俄贸易的主要运输方式。 2 粤俄贸易的海洋运输主通道识别
目前对变量间的相关性进行研究的常用方法有DEA、灰色关联分析、计量分析方法。DEA是对变量间的互动效果分析；灰色关联性分析则是对于一个系统发展变化态势提供量化的度量，适合动态历程分析；计量分析方法主要采用简单相关分析、回归分析、Granger检验，借助于Eviews和Spss等分析软件进行相关性分析。本文目的是对粤俄进出口额和港口吞吐量两个变量的关联性进行分析，识别出粤俄海洋运输的主通道，故采用皮尔森相关系数进行简单相关分析即可。
皮尔森相关系数（Pearson correlation coefficient）是用来反映两个变量线性相关程度的统计量。相关系数用r表示，r的绝对值越大表明相关性越强。Erhardt和Czado对具有皮尔森相关性的高维度随机变量的相关系数大小进行排序，进而得到这些变量对于指定目标的相关性。
本文选取2008～2012年粤俄进出口贸易总额和俄罗斯几大港口的港口吞吐量进行相关分析。进出口总额代表着双方的贸易情况，而港口吞吐量则是海洋运输通道情况的体现。所选样本数据如表1所示：
用SPSS18.0对粤俄贸易进出口总额和港口吞吐量进行Pearson的相关性分析，结果如表2所示：
在相关分析中，一般根据γ的数据大小，将不完全线性相关的密切程度分为四个等级：γ≤0.3的微弱相关；0.3<γ≤0.5的低度相关；0.5<γ≤0.8的中度相关；0.8<γ≤1的高度相关。从表2相关系数表可以看出：粤俄贸易进出口总额和东方港港口吞吐量的相关系数为0.88，高度正相关；与圣彼得堡港口吞吐量的相关系数为0.718，中度正相关；中俄贸易进出口总额与东方港港口吞吐量的相关系数为0.895，高度正相关；与纳霍德卡港口吞吐量的相关系数为0.606，中度正相关。从表2的P值可知，粤俄贸易进出口总额和东方港、圣彼得堡和中俄贸易进出口总额与东方港、纳霍德卡相关性检验的概率值均小于或等于0.2，故拒绝原假设，认为存在显著的线性相关关系。因此，粤俄贸易海洋运输主通道是东方港和圣彼得堡港口；而与中俄贸易海洋运输的主通道则是东方港和纳霍德卡港口。粤俄与中俄海洋运输主通道不同的原因在于中国是能源消费大国，从俄罗斯进口的能源在中俄贸易额中占很大一部分比例，而广东省并没有如此大的能源需求。
3 粤俄贸易海洋运输的未来影响分析
广东省拥有世界级的港口广州港和深圳港。香港虽然在行政区划上不属于广东省，但大量进出广东省的货物尤其是集装箱货物是在香港进行中转。而由于历史和地理原因，俄罗斯港口规模普遍较小，泊位和场地不足，港口装卸设备相对落后，港口吞吐能力普遍不高。目前，粤俄贸易海洋运输主通道的东方港只有70个专业化码头，港口年吞吐能力仅约1 200万吨，现虽有港口工程在建设中，港口的设计吞吐能力仅为5 000万吨左右；圣彼得堡港区有大小53个码头。各种泊位近180个，圣彼得堡港口吞吐能力最大只能增长到8 600万吨左右。由于俄方港口通过能力的限制，未来粤俄海洋运输的外贸货物进出口量基本取决于俄方港口的通过能力。因此，需要对粤俄贸易海洋运输主通道上的俄方港口吞吐量进行预测，研究其设计吞吐能力能否满足未来运量的增长。根据相关分析得出的结论，以东方港和圣彼得堡港作为研究对象。由于采集港口的数据样本过少，信息贫瘠，故采用灰色系统的GM1，1模型进行预测。
灰色系统理论是用于研究数量少、信息贫瘠的不确定性问题的理论方法。灰色预测模型是灰色系统理论的主要内容之一，它以GM1，1模型为核心，模型的参数和结构能根据已知少量数据信息参数的选择而改变，而不需有了大样本数据才能建模这一局限性。经过30年的理论发展壮大，GM1，1模型及其各种的扩展形式已被广泛应用。
灰色预测GM1，1模型的建模过程是将无规律的原始数据进行累加，得到规律性较强的生成数列后进行建模，由生成模型得到的数列再进行累减得到原始数据的预测值，然后进行预测。
假设原始数列为：
x=x1，x2，x3，…，xn
采用表1圣彼得堡和东方港吞吐量数据，得东方港和圣彼得堡原始数列：
x=18.9，35.6，38.4，42.5 x=50.4，58.9，60.0，57.8
一阶累加后生成新的序列：
xk=xi=xk-1+xk+1
其中：
xi=xk， i=1，2，3，…，n
对X进行准光滑检验和对进行准指数规律检验：
ρk=<0.5
ρk=1.08，0.86，0.8； ρk=1.15，0.55，0.34
不满足ρk<0.5，不能称χ为准光滑序列，则χ不具有准指数规律。需进行一阶弱化处理：
χk=xk+xk+1+…+xn k=1，2，3，…，n
并且将X=X，即X由X所替代。重新计算东方港和圣彼得堡原始数列：
x=33，85，38.83，40.45，42.5 x=56.55，58.6，58.9，57.8
由于x具有近似的指数增长规律，因此可以认为序列x满足下述一阶线性微分方程：
+ax=u （1）
解得，
=BBBY （2）
其中，Y=，B=
将所求得的、代入微分方程（1），有：
+x= （3）
由微分方程（3）可得到累加数列X的灰色预测模型为：
k+1=x0-e+ k=0，1，2…，n （4）
如果X来自X一阶弱化处理得到的数列，一阶弱化还原后：
k+1=k+1 （5）
反之，则由式（4）在做累减还原，得到X的灰色预测模型为： k+1=e-1xn-e k=0，1，2…，n （6）
注意：当≤0.3时，可用于中长期预测；当0.3<≤0.5时，可用于短期预测，中长期慎用。
采用表1圣彼得堡和东方港吞吐量数据进行预测，在excel上求解，得1=；2=。
其中：1为东方港港口吞吐量预测的求解结果，2为圣彼得堡港口吞吐量预测的求解结果。
根据求解结果知东方港和圣彼得堡的-均小于0.3，可用于中长期预测。
将、代入GMU模型的微分方程求解，可得GMU模型的时间响应函数模型：
χk+1=836e-802.78
χk+1=3 487.84e-3 431.29
由于对X进行一次一阶弱化的处理，所以k+1=k+1，即预测由上式便可计算出第k+1年的预测值。
由表3可以看到，东方港和圣彼得堡的港口吞吐量保持着继续增长的趋势。东方港和圣彼得堡港口的设计吞吐能力分别为5 000万吨、8 600万吨，可见东方港的设计吞吐能力在2017年不能满足运量不断增长的需求，而圣彼得堡未来运量增长缓慢，直到2020年，港口的设计吞吐能力仍能够满足不断增长的运量需求。
东方港的设计吞吐能力未来不能满足运量不断增长的需求，这是否会影响粤俄贸易的海洋运输，需结合粤俄贸易额发展趋势进行分析。对2000～2012年粤俄贸易总额的数据，运用SPSS18.0软件，按照一元线性回归分析法，建立拟合方程：
y=6.419χ-12 837.59
经检验，以上方程x与Y的相关系数r为0.959，高度正相关，F=125.808，满足一致性条件，因此，此方程有效。预测结果如表4所示。
由图3可以看到，粤俄贸易总额保持着继续增长的趋势。由于粤俄贸易的货物运输方式主要海洋运输，而东方港的设计吞吐能力在2017年不能满足运量不断增长的需求，对未来粤俄贸易的海洋运输造成不利的影响，从而影响粤俄贸易量的增长。
4 结 论
本文采用相关分析对粤俄贸易进出口总额与俄罗斯的新罗西斯克、圣彼得堡、东方港、纳霍德卡这几大港口货物吞吐量进行研究，识别出粤俄贸易海洋运输主通道是东方港和圣彼得堡港口。然后根据灰色预测对东方港和圣彼得堡港口吞吐量进行预测，结合港口目前的设计吞吐能力得出结论：东方港的设计吞吐能力在2017不能满足运量不断增长的需求，对未来粤俄贸易的海洋运输造成不利的影响，从而影响粤俄贸易量的增长。
参考文献：
[1] Julia Devli and peter Yee. Globle links to regional networks， trade logistics MENA countries[C] // The Fourth Anual Mediterranean development Forum Held in Amman， 2002.
[2] 王力军. 国际贸易与现代物流[J]. 金融教学研究，2005（1）：30-31.
[3] 杨长春. 我国对外贸易与国际物流关系的实证研究[J]. 国际贸易，2008（1）：8-11.
[4] Zenz Erhardt， Claudia Czado. Sampling Count Variables with specified Pearson Correlation-a Comparison between a naive and a C-vine Sampling Approach[J]. Dependence modeling， 2011（62）：73-87.
[5] Talley W. K.， and M. Ng.. Maritime Transport Chain Choice by Carriers， Ports and Shippers[J]. International Journal of Production Economics， 2013，142：311-316.
[6] Liu Sifeng. A Brief Introduction to rey Systems Theory， Grey Systems and Intelligent Services （GSIS）[C] // IEEE International Conference， 2011.
[7] NTAO XIE. Scientific view in grey system theory[J]. Asian Social science， 2012（8）：103-106.