基于“二维五法”构建烟草制品零售点合理容量测算体系的应用研究

随着经济社会的持续发展，烟草制品零售点布局规划不合理的问题日益凸显，以往布局经验表明，缺乏对现有及历史数据的有效利用，已经成为影响烟草零售点合理布局建设向更高层次发展的关键要素。此外，传统的烟草零售点合理布局规划主要根据历史经验，缺乏科学有效的测算方法和原则依据。因此，为落实国家对于地方烟草制品零售点合理布局规划的新要求，并验证提出的烟草零售点合理布局规划三原则是否符合地方烟草行业发展的现实情况，本研究充分展开以数据为基础的科学论证，开展合理布局测算研究，不断提高烟草专卖行政许可的社会公信力。

1基于“二维五法”的烟草制品零售点合理容量测算体系模型构建

1.1构建思路

“二维五法”分析体系集成了多种先进的研究方法和工具，可以为烟草行业的决策提供了全方位的支持。该体系综合考虑了卷烟市场消费盈利、卷烟市场需求两个关键维度，这些维度相互关联，通过区域性差异化的营销数据，利用数据分析与数学模型进行测算，对现有户数加以修正，共同决定了烟草市场的状况和发展趋势。通过双维度综合分析，可以获得更全面、更准确的市场视图，为决策提供有力的依据。

2测算模型及算法 

2.1容量—盈利水平维度特征值的选取

①随机森林算法模型筛选特征值

在获取大量数据字段指标后，需要测算各指标的重要性以及对研究目标的影响程度，因此选用随机森林模型代码进行特征值筛选。

随机森林算法输出特征值结果：

②显著性以及线性共性关系的验证：

特征值：销售额、销售额平均值、总盈利、户均盈利、盈利占比、单元格盈利占比平均值、辖区盈利占比总均值、现有持证户数（户）。验证工具：SPSS线性关系模型分析。数据源：选取6个乡镇（街道）数据为例。

以下为部分数据源展示（以城区为例）：

2.2相关性和显著性验证

相关性验证和显著性验证是统计学和数据分析中常用的分析步骤。

相关性验证（Correlation Verification）：

意义：相关性验证用于确定两个变量之间是否存在某种关系或联系。在数据分析中，相关性验证帮助我们了解多个变量之间的相互关系，即一个变量的变化是否会导致另一个变量相应地发生变化。

方法：常用的相关性验证方法包括计算相关系数（如皮尔逊相关系数、斯皮尔曼等级相关系数）或绘制散点图来观察变量之间的关系。相关性验证的结果可以指导我们进一步的数据分析和建模工作，帮助理解数据背后的规律和趋势。

显著性验证（Significance Testing）：

意义：显著性验证用于判断样本统计结果的显著性，即样本数据是否具有统计学上的显著差异。在数据分析中，显著性验证通常用于判断一个观察结果是否能够推广到整体总体，并对研究结果的可靠性进行评估。

方法：常用的显著性验证方法包括假设检验（如 t 检验、ANOVA 方差分析等），以及计算 p 值来评估观察到的差异是否显著。如果 p 值小于设定的显著性水平（通常设定为 0.05），则可以拒绝原假设，认为观察结果是显著的。

2.3模型纳入变量表

输入/除去的变量：

我们可以从这个表中看到本研究的基本信息：（1） 输入的变量栏显示该研究纳入的自变量包括销售额、销售额平均值、总盈利、户均盈利、盈利占比、单元格盈利占比平均值、辖区盈利占比总均值；（2） 方法栏显示纳入方法为输入（区别于逐步回归分析）

2.4模型摘要

下表是本次回归模型的模型摘要表：

（1）下表中R为多重相关系数，主要用于判断自变量和因变量的线性关系，同时也是回归模型的拟合程度指标，可做模型优度的参考指标；

（2）R方和调整后R方是指回归分析中自变量变异对因变量的解释度，一般我们采用调整后R方来衡量。本案例中可以解释为：销售额、销售额平均值、总盈利、户均盈利、盈利占比、单元格盈利占比平均值、辖区盈利占比总均值共7项指标能解释‘现有持证户数（户）’变化的100%（1.000），这表明本案例中测定的销售额、销售额平均值、总盈利、户均盈利、盈利占比、单元格盈利占比平均值、辖区盈利占比总均值指标能很好的解释‘现有持证户数（户）’的变化，具有很高的影响强度。

2.5ANOVA表

此表是模型显著性的检验。

该表中F值=38002.852，为F检验的结果；

P值（Sig）<0.05，根据F值计算而来，P<0.05则表明提示因变量和自变量之间存在线性相关。

这个检验的零假设是多重相关系数R=0。如果P<0.05，就说明多重线性回归模型中至少有一个自变量的系数不为零。同时，回归模型有统计学意义也说明相较于空模型，纳入自变量有助于预测因变量；或说明该模型优于空模型。

2.6共线性验证

特征值（Eigenvalue）：多个维度特征根约为0证明存在多重共线性；条件指标（Condition Index）：大于10时提示存在多重共线性。

3容量—需求维度特征值的相关性以及显著性验证

3.1数据源选取

所选因素：选取包含销量情况（箱）、零售户数、户销量均值、现有零售户共四项指标的27个乡镇销量数据。

3.2相关性以及显著性验证

数据独立性：现有零售户与销量情况（箱）的Pearson值为0.322；现有零售户与零售户数的Pearson值为0.738；现有零售户与户销量均值的Pearson值为0.291明显大于0.1，具备统计学上执行熵权法所需的数据独立性。

数据显著性：现有零售户与销量情况（箱）的Sig值为0.016；现有零售户与零售户数的Sig值为0.00；现有零售户与户销量均值的Sig值为0.012；以上Sig值远小于0.05，说明以上指标具有统计学意义，可执行模型计算。

3.3综合系数计算

德尔菲法（Delphi method）是一种专家调查技术，用于收集和整合专家意见，以便对未来事件、技术或政策进行预测、评估或意见征求。可以充分利用专家群体的知识和经验对复杂问题进行政策制定与市场评估，避免了个人偏见和群体压力，提高了决策的准确性和科学性。

加权平均法（Weighted Average Method）是一种常用的统计分析方法，用于计算带权重的平均值。在加权平均法中，每个数据点或值都与一个权重相关联，权重用于指示每个数据点对最终平均值的贡献程度。加权平均法通常用于处理具有不同重要性或影响力的数据点，以及需要考虑这些差异的情况，可以用于处理复杂数据或具有多个维度的数据集。

通过德尔菲法，将盈利水平综合系数分为合理容量系数、市场需求系数、盈利增长系数，并确定其逻辑字段如下：

单元格盈利占比平均值/辖区盈利占比平均值/持证弹性系数α （2023年销售额平均值/2022年销售额平均值）*权重系数+（2022年销售额平均值/2021年销售额平均值）*权重系数+（2021年销售额平均值/2020年销售额平均值）*权重系数 （2023年户均盈利/2022年户均盈利）*权重系数+（2022年户均盈利/2021年户均盈利）*权重系数+（2021年户均盈利/2020年户均盈利）*权重系数

主成分分析（Principal Component Analysis，PCA）是一种常用的降维技术和数据分析方法，旨在通过线性变换将高维数据转换为低维数据，同时保留数据的主要特征。PCA的核心思想是找到数据中最重要的成分或特征，并以此来表示数据集。主成分分析的基本原理可以概括为以下步骤：一是数据中心化：首先将原始数据进行中心化处理，即减去每个特征的均值，使得数据的均值为零，有助于消除数据的偏差影响。二是协方差矩阵计算：计算中心化后的数据的协方差矩阵。协方差矩阵反映了数据特征之间的相关性和方差。三是特征值分解：对协方差矩阵进行特征值分解，得到特征值和对应的特征向量。特征值代表了数据中方差的大小，而特征向量则表示了数据中的主要方向。四是选择主成分：根据特征值的大小，选择最大的几个特征值对应的特征向量作为主成分，以实现数据的降维。五是投影。利用选定的主成分对数据进行投影，将数据映射到新的低维空间上。

以下为算法模型搭建工作：

构建工具：PYcharm

环境搭建：pandas，numpy，statsmodels.api

选择主成分分析模型作为分析工具，分别计算市场需求系数、盈利增长系数、年销量增长系数、户销量增长系数中2020年、2021年、2022年各字段的主要特征占比。

数学表达式为：

主成分分析结果如下：

主成分分析代码运行结果

特征字段2023/2022的特征值权重为0.5，2022/2021的特征值权重为0.3，2021/2020的特征值权重为0.2。

4结论

通过获取全面、准确、可靠的卷烟销售额、销售额平均值、总盈利、户均盈利、盈利占比、人均收入、卷烟销量等情况数据，基于卷烟市场消费盈利、卷烟市场需求两个关键维度，采用德尔菲法、随机森林算法、皮尔逊相关性分析、主成分分析算法和综合加权平均法等五种研究方法构建出烟草制品零售点合理容量测算体系模型。合理容量测算结果可以确定零售点的数量、区域范围、市场单元销量、盈利等内容，使本地辖区范围内烟草专卖零售许可证这一有限社会资源得到充分的合理配置和有效应用，最大限度满足广大社会群众依法依规申办烟草专卖零售许可证需求。

参考文献：

[1] 胡贤.卷烟零售点合理容量测算及其在专卖管理中的应用研究，烟草在线，2022.5.10.

[2] 李坤轩.新时代深化“放管服”改革的问题与对策.中国经济网，2019.6.26.

[3] 武亚鹏，李慧颖，李婷，刘淮源.基于多模型组合的物流需求预测分析--以武汉市为例[J].物流技术，2022，41（06）：60-63.

[4] 伍秋蓉.蔡翔.廖胜文.费静.组合预测模型在烟草制品零售点合理容量测算中的应用.期刊网，2023.12.23.

[5] 李坤轩.新时代深化“放管服”改革的问题与对策[J].行政管理改革，2019.06.75-82.

[6] 刘京，惠宁，李昀.卷烟零售点布局的影响因素研究[J].中国烟草学报，2013，19（04）：78-81.