陜西鐵路客運需求分析

1、戈皿如 設(shè)計題目陜西鐵路客運需求分析 課程名稱：運輸統(tǒng)計與分析 學(xué) 院：交通運輸工程學(xué)院 專 業(yè):交通運輸 班 級：交運1102班 學(xué)生姓名：陳 雷 學(xué) 號：2 指導(dǎo)教師：周和平、柳伍牛、李利華、朱燦 = 2012 /2013 學(xué)年第二學(xué)期= 3 / 30 課程設(shè)計（學(xué)年論文）任務(wù)書 課程名稱：運輸統(tǒng)計與分析 適用對象：交通運輸工程 一、課程設(shè)計（論文）目的 運輸統(tǒng)計與分析 課程設(shè)計作為獨立的教學(xué)環(huán)節(jié)， 是交通運輸本科專業(yè)的必修課。 其 目的是， 通過本課程設(shè)計實踐， 培養(yǎng)學(xué)生理論聯(lián)系實際思想， 加深統(tǒng)計分析基本理論與基本 知識的理解， 學(xué)會收集或調(diào)查行業(yè)統(tǒng)計數(shù)據(jù)， 切實掌握各種統(tǒng)計分析方法，

2、 并能靈活運用統(tǒng) 計軟件在計算機上實現(xiàn)， 正確解釋和分析運行結(jié)果， 培養(yǎng)運用各種統(tǒng)計分析方法解決交通運 輸領(lǐng)域內(nèi)實際問題的能力。 二、課程設(shè)計（論文）題目與內(nèi)容 本課程設(shè)計 （論文）主要任務(wù)為：針對交通運輸領(lǐng)域內(nèi)某一主題， 設(shè)計調(diào)查表調(diào)查或查 詢相關(guān)統(tǒng)計數(shù)據(jù)，根據(jù)本課程講授內(nèi)容選擇一種或多種合適的統(tǒng)計分析方法，運用 SPSS 建 立模型分析問題。題目自擬，但題名一般要包含主題與統(tǒng)計方法。且必須與交通運輸相關(guān)， 選題主題主要包括： 1. 運輸市場定位研究 2. 運輸需求分析與預(yù)測 3. 政策或技術(shù)方法實施效果評價 4. 交通行為選擇 5. 影響因素分析 6. 聚類分析 7. 服務(wù)質(zhì)量評價 8.

3、自選 三、課程設(shè)計（論文）基本要求 報告內(nèi)容原則上不少于 8000 字，其正文至少包括如下幾個方面的內(nèi)容： 1. 問題背景（問題的提出、必要性與意義，該問題目前常用的分析手段與方法，本設(shè) 計采用的方法） 2. 數(shù)據(jù)采集 （含數(shù)據(jù)采集方式、描述性分析、統(tǒng)計圖表） 說明：調(diào)查分析則必須包含調(diào)查方案，其它數(shù)據(jù)原則上必須說明出處。 3. 統(tǒng)計模型與分析 （包含模型原理、 SPSS 操作步驟、輸出結(jié)果及分析） 4. 總結(jié) 5. 附錄 數(shù)據(jù)清單 四、課程設(shè)計（論文）時間及進度安排 1. 時間 : 兩周： 2012-2013 學(xué)年第二學(xué)期第十九、二十周 2. 進度安排： 確定主題；調(diào)查、收集數(shù)據(jù)：2 天 數(shù)

4、據(jù)分析與預(yù)處理、描述性統(tǒng)計分析： 2 天 分析方法原理及選擇： 3 天 SPSS 操作及結(jié)果分析： 4 天 解決實際問題或建議： 2 天 撰寫報告、總結(jié)： 1 天 （此部分同學(xué)們可以按照自己設(shè)計具體內(nèi)容，詳細安排） 3. 成果提交： 要求獨立完成， 每人需提交 1份打印的設(shè)計報告 （ A4 ）、word 電子文檔、 數(shù)據(jù)文件 （sav 格式）。電子文檔文件名為：學(xué)號后四位+姓名 +題目，先發(fā)電子文檔給指導(dǎo)老師，經(jīng)許可后 方可打印。最終成果（打印稿 1 份、電子文檔 1 份）統(tǒng)一交班長匯總并轉(zhuǎn)交指導(dǎo)老師；最終 成果提交截止時間為第 20 周周五。 五、成績評定 平時考勤 20%，報告撰寫規(guī)范 2

5、0%,內(nèi)容（選題合理、 方案可行、 分析正確、 有創(chuàng)新 ）60%。 成績評定實行優(yōu)秀、 良好、中等、 及格和不及格五個等級。優(yōu)秀者人數(shù)一般不得超過總 人數(shù)的 20%。 六、報告格式 課程設(shè)計報告裝訂順序依次為：封面、課程設(shè)計（學(xué)年論文 ）任務(wù)書、目錄、正文、參考 文獻、成績評定表。報告中所有圖表應(yīng)按“章號-圖表序號 -圖表名”（例：圖 1-1-* 頻數(shù)圖） 進行編號。具體格式參看實驗報告樣本。 七、主要參考資料 1羅應(yīng)婷等主編.SPSS統(tǒng)計分析從基礎(chǔ)到實踐北京：電子工業(yè)出版社，2007年6月； 2章文波陳紅艷編著實用數(shù)據(jù)統(tǒng)計分析及 SPSS12.0應(yīng)用人民出版社，2006年； 3張文彤.SPS

6、S.11.0統(tǒng)計分析教程（高級篇）北京希望電子出版社.2002年6月； 4郝黎仁等SPSS實用統(tǒng)計分析中國水利水電出版社.2003年1月。 目錄 1 概述 . 1 1.1 研究背景 1 1.2 常用分析方法 2 1.3 本設(shè)計采用的分析方法 3 2 數(shù)據(jù)采集 4 2.1 數(shù)據(jù)來源 4 2.2 數(shù)據(jù)處理 5 2.3 現(xiàn)狀分析 7 3 統(tǒng)計模型與分析 9 3.1 因子分析法 9 3.2 時間序列法 10 3.3 曲線擬合法 15 3.4 線性回歸分析法 19 3.5 預(yù)測值匯總表 24 4 總結(jié) . 25 4.1 本設(shè)計的主要工作 25 4.2 存在的不足 25 附錄 數(shù)據(jù)清單 . 26 1 概述

7、 1.1 研究背景 隨著社會的發(fā)展， 交通運輸已成為國民經(jīng)濟正常運行的重要保障條件， 也是 人們生活不可或缺的支撐。 而鐵路運輸是陸地運輸兩個基本方式之一， 它在整個 運輸領(lǐng)域中占有重要的地位，并發(fā)揮著愈來愈重要的作用。 目前，旅客運輸需求是我國鐵路客運專線運輸組織與經(jīng)營管理的基礎(chǔ)。 鐵路 客運需求是社會經(jīng)濟生活在人的空間位移方面所提出的具有支付能力的需要， 有 實現(xiàn)位移的愿望和具備支付能力是客運需求的兩個必要條件。 這些年來我國鐵路 運輸需求也發(fā)生了一些變化， 產(chǎn)生了新特點：（ 1）鐵路客運總量將快速上升：（2） 快捷，便利的鐵路客運需求迅速上升： （3）客流結(jié)構(gòu)將發(fā)生明顯變化。但是，近 年

8、來，因為公路和民航運輸?shù)尼绕穑?也使得鐵路運輸?shù)氖袌稣加新氏陆怠?與此同 時，鐵路運輸與公路、 水運和民航的競爭格局已經(jīng)形成， 各種運輸方式之間互相 競爭，搶占市場行為日趨白熱化。 鐵路運輸作為最具可持續(xù)性及環(huán)境友好性的交通運輸模式， 集中體現(xiàn)和標志 著一個國家的創(chuàng)新能力、 綜合國力和現(xiàn)代化程度， 在保障國民經(jīng)濟正常運轉(zhuǎn)和促 進經(jīng)濟社會又好又快發(fā)展中起著不可替代的作用。根據(jù)鐵路“十一五”規(guī)劃 ， “十一五 （2006-2010 年）期間，中國將建設(shè)鐵路新線 17000 公里，其中客運專線 公里；建設(shè)既有線復(fù)線 8000公里，既有線電氣化改造 15000公里。 2010年，全 國鐵路營業(yè)早程達到

9、 9 力公里以上，復(fù)線和電氣化比例分別達到 45以上， 快速客運網(wǎng)總規(guī)模達到 20000公里以上，“十一五 鐵路基建總投資將達 12500億 元，是“十五 規(guī)模的近 4 倍。這對于鐵路旅客運輸創(chuàng)造了新的社會形勢，必將 推動鐵路旅客運輸進一步向市場化邁進。 0 / 30 鐵路客運需求量增加的原因： 一是在中長途途運輸上， 鐵路運輸相對公路運 輸有時間及價格上的優(yōu)勢，同時更為安全， 相對于民航運輸， 則在價格上優(yōu)勢更 為突出；二是隨著科技的發(fā)展， 火車幾次提速加之高鐵的運營使得鐵路運輸效率 提高：三是鐵路客運的服務(wù)質(zhì)量得到提高。 選題研究意義：一是可以更好的滿足社會需要，按市場需求提供運輸能力。

10、二是正確認識鐵路客運系統(tǒng)， 進一步改善提高其效率。 三是增強鐵路運輸企業(yè)競 爭力。富有競爭性的市場， 迫使鐵路運輸產(chǎn)品接受市場的檢驗。 因此了解消費需 求，分析市場環(huán)境，制定和實施有效的營銷模式，必將極大提高運輸企業(yè)素質(zhì)， 改善經(jīng)營管理，增強應(yīng)變與競爭能力。 鐵路旅客運輸必須面向未來，因此對客運需求分析是很有必要的。 1.2 常用分析方法 1.2.1 時間序列法： 時間序列回歸模型，是考慮事物發(fā)展的變化規(guī)律，以時間為自變量建立的 一種相關(guān)模型， 它既考慮了事物發(fā)展的延續(xù)性， 又充分考慮到事物的發(fā)展受偶然 因素的作用而產(chǎn)生的隨機變化。 1.2.2 因果分析法： 因果分析法是從其它經(jīng)濟指標、社會發(fā)

11、展狀況與交通量的關(guān)系水平進行預(yù) 測，通過對客運量與社會經(jīng)濟指標的相關(guān)關(guān)系研究， 建立并選擇合適的數(shù)學(xué)模型 進行計算，最后對各種預(yù)測結(jié)果進行匯總、 對比、 分析和研判，確定遠景客運量 1.2.3 組合預(yù)測： 組合預(yù)測方法是對同一個問題， 采用兩種以上不同預(yù)測方法的預(yù)測。 它既可 是幾種定量方法的組合， 也可是幾種定性的方法的組合， 但實踐中更多的則是利 用定性方法與定量方法的組合。 組合的主要目的是綜合利用各種方法所提供的信 息，盡可能地提高預(yù)測精度。 12.4 回歸分析法： 回歸分析法是指根據(jù)預(yù)測的相關(guān)性原則， 找出影響預(yù)測目標的各因素， 并用 數(shù)學(xué)方法找出這些因素與預(yù)測目標之間的函數(shù)關(guān)系的近

12、似表達， 再利用樣本數(shù)據(jù) 對其模型估計參數(shù)及對模型進行誤差檢驗，一旦模型確定，就可利用模型， 根據(jù) 因素的變化值進行預(yù)測。 1.2.5 灰色模型預(yù)測： 灰色預(yù)測模型是通過少量的、 不完全的信息， 建立數(shù)學(xué)模型并做出預(yù)測的一 種預(yù)測方法。 1.3 本設(shè)計采用的分析方法 本課程設(shè)計采用相關(guān)分析，因子分析，時間序列法，曲線擬合法，一元及多 元線性回歸預(yù)測法。 2 / 30 2數(shù)據(jù)采集 2.1數(shù)據(jù)來源 本設(shè)計所需數(shù)據(jù)（旅客周轉(zhuǎn)量，總?cè)丝?，生產(chǎn)總值等）均來自 2012年中國 統(tǒng)計年鑒。 表2-12007-2011年陜西省相關(guān)數(shù)據(jù) 年度 鐵路客運 旅客周轉(zhuǎn)量 總?cè)丝?生產(chǎn)總值 公路客運 量（萬人） （億人

13、公里） （萬人） （億元） 量（萬人） 2002 2670 207.4 3662 2253.39 28663 2003 2497 207.8 3672 2587.72 28159 2004 3231 255.5 3681 3175.58 31763 2005 3601 279.1 3690 3675.66 34780 2006 4370 294.9 3699 4523.74 38606 2007 4848 319.5 3708 5465.79 43555 2008 5218 350.6 3718 6851.32 70566 2009 5008 342.6 3727 8169.80 79033

14、2010 5411 362.6 3735 10123.48 87457 2011 5614 405.4 3743 12512.30 101062 2.2數(shù)據(jù)處理 本課程設(shè)計選取陜西省旅客周轉(zhuǎn)量， 總?cè)丝冢a(chǎn)總值，公路客運量作主要 指標。 a旅客周轉(zhuǎn)量，指旅客人數(shù)與運送距離的乘積，旅客周轉(zhuǎn)量是制訂運輸計劃 和考核運輸任務(wù)完成情況的主要依據(jù)之一。故旅客周轉(zhuǎn)量是一個重要影響因素。 b. 總?cè)丝冢鳛殛兾鞯南M者，人口數(shù)量將對客運量產(chǎn)生影響。 c. 生產(chǎn)總值，國民經(jīng)濟同樣會對交通運輸業(yè)產(chǎn)生重要影響，故選取陜西生 產(chǎn)總值作為解釋變量之一。 d. 公路客運量，作為陸地運輸兩大基本方式之一，很大程度上，公

15、路運輸可 替代一部分鐵路運輸，公路客運量的增加會使鐵路客運量減少，故也會對鐵路客 運量產(chǎn)生影響。 2 . 2.1數(shù)據(jù)描述性分析： 處理過程：打開SPSS軟件，在菜單欄中找到“分析一描述統(tǒng)計一探索”，單 擊出現(xiàn)一個對話框，在對話框中輸入變量和數(shù)據(jù)，點擊確定，即可得到最終數(shù)據(jù)。 表2.2 2-1描述統(tǒng)計量 N 極小值 極大值 均值 標準差 鐵路客運量 10 2497 5614 4246.80 1160.502 旅客周轉(zhuǎn)量 10 207.4 405.4 302.540 66.0281 總?cè)丝?10 3662 3743 3703.50 27.403 生產(chǎn)總值 10 2253.39 12512.30 5

16、933.8780 3437.17528 公路客運量 10 28159 101062 54364.40 27393.521 有效的N （列表狀態(tài)） 10 10 / 30 GOCC- bOCCr- 鐵nirr-運杲 4QCCr aoco- 2000- 2074207B 552791 2W 9119 534?fi 3506362 6405 4 雎客周轉(zhuǎn)址 EOQCr COOO- 40(10- UUU- X0O- 22E3.39?ES7.72 2175.5S 567E GE 4E23.74 E46b.79E31 .32 B1 9 80 10r 23.3 12E12.30 生產(chǎn)總值 圖22 2-1各變量

17、與鐵路客運量關(guān)系 表2.2 2-2 相關(guān)性 鐵路客運量 旅客周轉(zhuǎn)量 總?cè)丝?生產(chǎn)總值 公路客運量 鐵路客運量 Pearson相關(guān)性 1 .980 * .968 * .889 * .875 * 顯著性（雙側(cè)） .000 .000 .001 .001 N 10 10 10 10 10 旅客周轉(zhuǎn)量 Pearson相關(guān)性 .980 * 1 .983 * .937 * .918 * 顯著性（雙側(cè)） .000 .000 .000 .000 N 10 10 10 10 10 總?cè)丝?Pearson相關(guān)性 .968 * .983 * 1 .959 * .946 * 顯著性（雙側(cè)） .000 .000 .000

18、 .000 N 10 10 10 10 10 生產(chǎn)總值 Pearson相關(guān)性 .889 * .937 * .959 * 1 .982 * 顯著性（雙側(cè)） .001 .000 .000 .000 N 10 10 10 10 10 公路客運量 Pearson相關(guān)性 .875 * .918* .946 * .982 * 1 顯著性（雙側(cè)） .001 .000 .000 .000 N 10 10 10 10 10 *.在.01水平（雙側(cè)）上顯著相關(guān)。 2.3現(xiàn)狀分析 對所研究的地區(qū)與行業(yè)發(fā)展現(xiàn)狀進行分析，采用描述性統(tǒng)計方法進行分析。 經(jīng)過以上數(shù)據(jù)分析可得： （1）根據(jù)鐵路客運量和其他指標的莖葉圖，可知

19、鐵路客運量總體水平隨各 指標數(shù)量的增加而增加，呈正相關(guān)關(guān)系。 （2） 根據(jù)各指標相互相關(guān)性表，可知各指標相互Pearson相關(guān)性均較強, 且均為顯著相關(guān)。 （3）根據(jù)各指標相互相關(guān)性表，可以看出鐵路客運量并未與公路客運量呈 現(xiàn)負相關(guān)關(guān)系，故不再作討論。 3統(tǒng)計模型與分析 3.1 因子分析法 3.1.1統(tǒng)計原理 因子分析法：又叫因素分析，就是通過尋找眾多變量的公共因素來簡化變量 中存在復(fù)雜關(guān)系的一種統(tǒng)計方法，它將多個變量總和為少數(shù)幾個“因子”以在線 原始變量與“因子”之間的相關(guān)關(guān)系 3.1.2操作步驟 點擊【分析】/【降維】/【因子分析】，彈出窗口，選擇鐵路客運量，旅客周 轉(zhuǎn)量，總?cè)丝?，生產(chǎn)總值

20、，年份作為變量，【抽取】選擇主成分，單擊【確定】 生出結(jié)果。 表3.1 3-1 公因子方差 初始 提取 鐵路客運量 1.000 .951 旅客周轉(zhuǎn)量 1.000 .983 總?cè)丝?1.000 .993 生產(chǎn)總值 1.000 .929 年份 1.000 .995 提取方法：主成份分析。 3.1.3輸出結(jié)果分析 表3.1 3-2成份矩陣a 成份 1 鐵路客運量 .975 旅客周轉(zhuǎn)量 .992 總?cè)丝?.997 生產(chǎn)總值 .964 年份 .998 提取方法：主成份。 a.已提取了 1個成份。 由上表分析可知，提取主成分1個，利用公式可生成一個新變量 乙即主權(quán)重 表3.1 3-3解釋的總方差 成份 初

21、始特征值 提取平方和載入 合計 方差的% 累積% 合計 方差的% 累積% 1 4.853 97.052 97.052 4.853 97.052 97.052 2 .117 2.344 99.397 3 .019 .372 99.769 4 .011 .230 99.998 5 8.233E-005 .002 100.000 提取方法：主成份分析。 Z=0.975*鐵路 客運量+0.992*旅客 周轉(zhuǎn)量+0.997*總 人口 +0.964*生 產(chǎn)總值 +0.998* 年份 3.2 時間序列法 3.2.1統(tǒng)計原理 從統(tǒng)計意義上講，時間序列是將一個變量在不同時間上的不同數(shù)值按時間先 后排列而成的數(shù)列

22、。從數(shù)學(xué)意義上講，設(shè) Xt (t T)是一個隨機過程，Xt (i=1 , 2,，n)是在Xt在時刻i對過程Xt的觀察值，則稱Xt為一次樣本實現(xiàn)， 也就是一個時間序列。從系統(tǒng)意義上講，時間序列就是某一系統(tǒng)在不同時間(地 點、條件等)的響應(yīng)。 3.2.2 SPSS操作步驟 說明SPSS操作步驟，如果涉及到統(tǒng)計量、圖表以及相關(guān)參數(shù)選擇，并須予 以說明 按分析一一預(yù)測-創(chuàng)建模型打開創(chuàng)建模型對話框 在左側(cè)源變量框中選擇鐵路客運量，旅客周轉(zhuǎn)量，總?cè)丝?，生產(chǎn)總值，作 為因變量，將其送入因變量框，選擇年份作為自變量，將其送入自變量框。在方 法一框中選擇 ARIMA，并設(shè)置條件中模型的幾個值分別為 2、1、2,

23、然后點繼 續(xù)。接著在統(tǒng)計表選項中選中顯示預(yù)測值、擬合優(yōu)度等選項。 然后將模型框中選擇多種方法進行擬合， 并點擊“確定”按鈕，如圖所示。 j Melies h1| an 舉 的1須 保存 d為楔型顯示i貽度呈-一丄叩七次鄒-呈用舗營拆唱工 礙蠱 附 祜也n匏駅髓童 2 R(R)匚噩桶iiS附出 何折腥叨案曲旳建囚 砂毗唾前tt弓匚凝他E- C(y 11 / 30 如帥計量 J躺諭 Z曲分目毅苗蜚PACFiJ) V顯示掙創(chuàng)倩唱 附慳的 參削斟電 匚書託禍老田歎呦F) .4S1fe3hiF CF:(C 323輸出結(jié)果分析 對輸出結(jié)果進行詳細分析，給出主要結(jié)論 表3.2 3-1 模型描述 模型類型 模

24、型ID 鐵路客運量 模型_1 ARIMA(2,1,2) 旅客周轉(zhuǎn)量 模型_2 ARIMA(2,1,2) 總?cè)丝?模型_3 ARIMA(2,1,2) 生產(chǎn)總值 模型_4 ARIMA(2,1,2) 表3.2 3-2模型擬合 擬合統(tǒng)計量 均值 SE 最小值 最大值 百分位 5 10 25 50 75 90 95 平穩(wěn)的 R 方 .544 .333 .237 .949 .237 .237 .255 .495 .882 .949 .949 R方 .965 .040 .923 1.000 .923 .923 .927 .968 .999 1.000 1.000 RMSE 192.819 229.473 .

25、651 490.787 .651 .651 6.603 139.919 431.935 490.787 490.787 MAPE 3.282 2.573 .008 6.139 .008 .008 .712 3.491 5.644 6.139 6.139 MaxAPE 10.373 9.959 .019 23.889 .019 .019 1.925 8.792 20.402 23.889 23.889 MAE 91.508 106.703 .295 226.323 .295 .295 3.166 69.708 201.651 226.323 226.323 MaxAE 224.017 277.2

26、04 .688 596.516 .688 .688 6.865 149.431 515.753 596.516 596.516 正態(tài)化的 BIC 8.718 5.990 .607 13.857 .607 .607 2.420 10.205 13.530 13.857 13.857 表3.2 3-3 模型統(tǒng)計量 模型 預(yù)測變量數(shù) 模型擬合統(tǒng)計量 Ljung-Box Q(18) 離群值數(shù) R方 統(tǒng)計量 DF Sig. 鐵路客運量-模型_1 1 .923 0 0 旅客周轉(zhuǎn)量-模型_2 1 .939 0 0 總?cè)丝?-模型_3 1 1.000 0 0 生產(chǎn)總值-模型_4 1 .998 0 0 表3.2

27、 3-4 預(yù)測 模型 2012 2013 2014 2015 2016 鐵路客運量-模型_1 預(yù)測 6069 6140 6557 6593 6973 UCL 7432 7844 8523 8690 9178 LCL 4706 4436 4592 4496 4768 旅客周轉(zhuǎn)量-模型_2 預(yù)測 432.4 450.2 475.2 504.1 531.0 UCL 497.7 520.3 547.1 575.8 604.1 LCL 367.0 380.2 403.3 432.4 458.0 總?cè)丝?-模型_3 預(yù)測 3751 3760 3768 3775 3783 UCL 3753 3762 377

28、0 3778 3785 LCL 3749 3757 3765 3773 3780 生產(chǎn)總值-模型_4 預(yù)測 14890.14 17355.16 19991.25 22909.62 26174.32 UCL 15553.71 12186805 20719.40 23688.13 26965.97 LCL 14226.57 16629.67 19263.10 22131.12 25382.68 a 二 族竄轉(zhuǎn)郭苗滬2 - 3 27 / 30 主r總車軽 圖3.2 3-1時間與各變量關(guān)系圖 30X0- Xi.XO- gDQpr A 由上述的表格以及圖像可以得出上述六個變量與年份的時間序列分析的擬 合

29、度較高，均大大0.8，說明這個預(yù)測值的準確度較好。其中，總?cè)丝跀?shù)的 R方的 值為1.0，說明總?cè)丝跀?shù)與年份的預(yù)測值最為準確。 3.3.曲線擬合預(yù)測法 3.3.1統(tǒng)計原理 曲線估計用在因變量與自變量與一個已知或未知的的曲線或者非線性函數(shù) 關(guān)系相聯(lián)系的情況下，在很多情況下有兩個相關(guān)的變量，用戶希望用其中一個變 量對另一個變量進行預(yù)測，但是又不能馬上根據(jù)記錄數(shù)據(jù)確定一種最佳模型， 此 時可以用曲線估計在眾多回歸模型中建立一個既簡單又比較適合的模型。 3.3.2 spss 操作步驟 按分析一一回歸-曲線估計打開曲線估計對話框 在左側(cè)源變量框中選擇鐵路客運運量作為因變量，將其送入因變量框，選 擇生產(chǎn)總值

30、為自變量，將其送入自變量框。 然后將模型框中選擇多種方法進行擬合，并點擊“確定”按鈕，如圖所示 3.3.3 輸出結(jié)果及分析 表3.3 3-1 模型描述 模型名稱 M0D_5 因變量 1 鐵路客運量 方程 1 對數(shù) 2 二次 3 三次 表3.3 3-2個案處理摘要 N 個案總數(shù) 15 已排除的個案a 5 已預(yù)測的個案 0 新創(chuàng)建的個案 0 a.從分析中排除任何變量中 帶有缺失值的個案。 4 Sa 自變量 生產(chǎn)總值 常數(shù) 包含 其值在圖中標記為觀測值的變量 未指定 用于在方程中輸入項的容差 .0001 a.該模型要求所有非缺失值為正數(shù)。 表3.3 3-3 變量處理摘要 變量 因變量 自變量 鐵路客

31、運量 生產(chǎn)總值 正值數(shù) 10 10 零的個數(shù) 0 0 負值數(shù) 0 0 缺失值數(shù) 用戶自定義缺失 0 0 系統(tǒng)缺失 5 5 表3.3 3-4模型匯總和參數(shù)估計值 因變量：鐵路客運量 方程 模型匯總 參數(shù)估計值 對數(shù) 二次 三次 .927 .951 .977 .956 100.998 67.552 86.110 174.724 自變量為生產(chǎn)總值。 df1 df2 Sig. 常數(shù) bl b2 b3 .000 -12100.778 1914.858 .000 681.333 .960 -4.646E-00 .000 -1075.650 1.957 -0.000203 7.171E-009 .000 8

32、.850 -2353.583 o已曲I 對孰 二農(nóng) 二罠 圖3.3 3-1生產(chǎn)總值與鐵路客運量關(guān)系圖 從以上數(shù)據(jù)可以得知，以生產(chǎn)總值為自變量，鐵路客運量為因變量，得到對 數(shù)，二次，三次，S曲線的擬合度都很好，其中三次曲線 RA2=0.977最高，故用三 次曲線擬合預(yù)測，其擬合方程為： Y -1075.650 1.957* X - 0.000203* X2 7.171E-009* 乂八3 其中，X為未來幾年生產(chǎn)總值，Y為鐵路客運量 根據(jù)上面預(yù)測未來幾年的生產(chǎn)總值，得到: 年份 2012 2013 2014 2015 2016 鐵路客運量（Y1） 5558.88 5827.14 6281.22 6

33、977.47 7972.24 3.4 線性回歸分析法 341 統(tǒng)計原理 回歸分析主要的任務(wù)是在考察變量直接的數(shù)量依存關(guān)系的基礎(chǔ)上， 通過一定 的數(shù)學(xué)表達式將這種關(guān)系描述出來，進而確定一個活幾個變量（自變量） 對另一 個變量（因變量）的影響程度。 一元線性回歸方程反應(yīng)一個因變量與一個自變量之間的線性關(guān)系，當(dāng)直線方 程y ax b的a和b確定時，即為一元回歸線性方程。 多元回歸分析預(yù)測法，是指通過對兩個或兩個以上的自變量與一個因變量 的相關(guān)分析，建立預(yù)測模型進行預(yù)測的方法。 當(dāng)自變量與因變量之間存在線性 關(guān)系時，稱為多元線性回歸分析。多元回歸分析是研究多個變量之間關(guān)系的回 歸分析方法，按因變量和自

34、變量的數(shù)量對應(yīng)關(guān)系可劃分為一個因變量對多個 自變量的回歸分析（簡稱為“一對多”回歸分析）及多個因變量對多個自變量的 回歸分析（簡稱為“多對多”回歸分析）,按回歸模型類型可劃分為線性回歸分 析和非線性回歸分析。 經(jīng)過相關(guān)分析后，在直角坐標系中將大量數(shù)據(jù)繪制成散點圖，這些點不在一 條直線上，但可以從中找到一條合適的直線，使各散點到這條直線的縱向距離之 和最小，這條直線就是回歸直線，這條直線的方程叫做直線回歸方程。 3.4.2 SPSS操作步驟 第一步：按分析回歸線性打開線性回歸對話框 第二步：在左側(cè)源變量框中選擇鐵路客運量作為因變量，將其選入因變 量框，選擇作YEAF為自變量，將其選入自變量框，然

35、后點擊“確定”按鈕， 得到輸出文檔如圖所示 第三步，完成一元線性回歸分析后，進行多元線性回歸分析，選擇鐵路 客運量，總?cè)丝?，生產(chǎn)總值，旅客周轉(zhuǎn)量作為因變量，將其選入因變量框，選 擇作YEAR為自變量，將其選入自變量框，然后點擊“確定”按鈕， 343 輸出結(jié)果及分析 （一）一元線性回歸分析 表3.4 3-1輸入/移去的變量a 模型 輸入的變量 移去的變量 方法 1 YEAR,not b periodic 輸入 a.因變量：鐵路客運量 b.已輸入所有請求的變量。 表3.4 3-2模型匯總 模型 R R方 調(diào)整R方 標準估計的誤差 1 .966 a .934 .925 317.245 a.預(yù)測變量：

36、（常量）,YEAR, not periodic。 RA2=0.934 表 3.4 3-3 Anova a 模型 平方和 df 均方 F Sig. 1 回歸 11315720.194 1 11315720.194 112.432 .000 殘差 805157.406 8 100644.676 總計 12120877.600 C J a.因變量：鐵路客運量 b.預(yù)測變量：（常量）,YEAR, not periodic。 通過了 F檢驗，擬合度很好 Sig=0.000 表3.3 3-4 系數(shù)a 模型 非標準化系數(shù) 標準系數(shù) t Sig. B 標準誤差 試用版 1 （常量） -738863.515 7

37、0082.250 -10.543 .000 YEAR, not periodic 370.352 34.928 .966 10.603 .000 a.因變量：鐵路客運量 故回歸方程為：Yi 370.352X -7.38863.515 其中X為年份，Y1為鐵路客 、二曰 運里 鐵路客運量預(yù)測如下: 年份（X） 2012 2013 2014 2015 2016 鐵路客運量（Y1） 6284.709 6655.061 7025.413 7395.765 7766.117 用相同的操作步驟得到未來五年陜西省旅客周轉(zhuǎn)量，總?cè)丝?，生產(chǎn)總值如下: Y221.456X-42748.438 其中X為年份，Y2為

38、旅客周轉(zhuǎn)量 旅客周轉(zhuǎn)量預(yù)測如下： 年份（X） 2012 2013 2014 2015 2016 旅客周轉(zhuǎn)量（丫2） 421.034 442.49 463.946 485.402 506.858 丫3 9.048X-14452.285其中X為年份，Y3為總?cè)丝?總?cè)丝陬A(yù)測如下： 年份（X） 2012 2013 2014 2015 2016 總?cè)丝冢?Y3） 3752.291 3761.339 3770.387 3779.435 3788.483 丫4 1094.064*X-2189306.511 其中X為年份，Y4為生產(chǎn)總值 生產(chǎn)總值預(yù)測如下： 年份（X） 2012 2013 2014 2015

39、 2016 生產(chǎn)總值（Y4） 11950.257 13044.321 14138.385 15232.449 16326.513 （二）多元線性回歸預(yù)測: 表3.4 3-5輸入/移去的變量a 模型 輸入的變量 移去的變量 方法 1 生產(chǎn)總值，旅客 周轉(zhuǎn)量，總?cè)丝冢?YEAR,not periodic b 輸入 a.因變量：鐵路客運量 b.已輸入所有請求的變量。 表3.4 3-6 模型匯總 模型 R R方 調(diào)整R方 標準估計的誤差 1 .988 a .976 .957 239.883 a.預(yù)測變量：（常量）,生產(chǎn)總值,旅客周轉(zhuǎn)量，總?cè)丝?，丫EAR, not periodic 。 表 3.4 3-

40、6 Anova a 模型 平方和 df 均方 F Sig. 1 回歸 11833158.226 4 2958289.556 51.409 .000 殘差 287719.374 5 57543.875 總計 12120877.600 r 9 a.因變量：鐵路客運量 b.預(yù)測變量：（常量）,生產(chǎn)總值,旅客周轉(zhuǎn)量，總?cè)丝?，丫EAR, not periodic。 表3.4 3-7 系數(shù)a 模型 非標準化系數(shù) 標準系數(shù) t Sig. B 標準誤差 試用版 1 :常量） -2090879.703 3447464.243 -.606 .571 YEAR, not periodic 1219.865 2103.478 3.183 .580 .587 旅客周轉(zhuǎn)量 11.816 7.577 .672 1.559 .180 總?cè)丝?-95.809 209.389 -2.262 -.458 .666 生產(chǎn)總值 -.216 .152 -.639 -1.421 .214 a.因變量：鐵路客運量 可得多元線性回歸方程: 丫 1219.865* Xi 11.816* X2-95.809* X3-0.216* X4-2090879.703 其 中X1為年份，X2為旅客周轉(zhuǎn)量，X為總?cè)丝?/p>