spss課程設(shè)計(jì)

1、 課程設(shè)計(jì)設(shè)計(jì)題目： 上海公路客運(yùn)量需求預(yù)測(cè)與分析 課程名稱： 運(yùn)輸統(tǒng)計(jì)與分析 學(xué) 院： 交通運(yùn)輸工程學(xué)院 專 業(yè)： 交通運(yùn)輸 班 級(jí)： 學(xué)生姓名： 學(xué) 號(hào)： 指導(dǎo)教師： = 2011 /2012學(xué)年第二學(xué)期=26課程設(shè)計(jì)（學(xué)年論文）任務(wù)書(shū)課程名稱：運(yùn)輸統(tǒng)計(jì)與分析適用對(duì)象：交通運(yùn)輸工程一、 課程設(shè)計(jì)（論文）目的運(yùn)輸統(tǒng)計(jì)與分析課程設(shè)計(jì)作為獨(dú)立的教學(xué)環(huán)節(jié)，是交通運(yùn)輸本科專業(yè)的必修課。其目的是，通過(guò)本課程設(shè)計(jì)實(shí)踐，培養(yǎng)學(xué)生理論聯(lián)系實(shí)際思想，加深統(tǒng)計(jì)分析基本理論與基本知識(shí)的理解，學(xué)會(huì)收集或調(diào)查行業(yè)統(tǒng)計(jì)數(shù)據(jù)，切實(shí)掌握各種統(tǒng)計(jì)分析方法，并能靈活運(yùn)用統(tǒng)計(jì)軟件在計(jì)算機(jī)上實(shí)現(xiàn)，正確解釋和分析運(yùn)行結(jié)果，培養(yǎng)運(yùn)用各

2、種統(tǒng)計(jì)分析方法解決交通運(yùn)輸領(lǐng)域內(nèi)實(shí)際問(wèn)題的能力。二、 課程設(shè)計(jì)（論文）題目與內(nèi)容本課程設(shè)計(jì)（論文）主要任務(wù)為：針對(duì)交通運(yùn)輸領(lǐng)域內(nèi)某一主題，設(shè)計(jì)調(diào)查表調(diào)查或查詢相關(guān)統(tǒng)計(jì)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(jì)分析方法，運(yùn)用SPSS建立模型分析問(wèn)題。題目自擬，但題名一般要包含主題與統(tǒng)計(jì)方法。且必須與交通運(yùn)輸相關(guān)，選題主題主要包括：1. 運(yùn)輸市場(chǎng)定位研究2. 運(yùn)輸需求分析與預(yù)測(cè)3. 政策或技術(shù)方法實(shí)施效果評(píng)價(jià)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(píng)價(jià)8. 自選三、 課程設(shè)計(jì)（論文）基本要求報(bào)告內(nèi)容原則上不少于8000字，其正文至少包括如下幾個(gè)方面的內(nèi)容：1. 問(wèn)題背

3、景（問(wèn)題的提出、必要性與意義，該問(wèn)題目前常用的分析手段與方法，本設(shè)計(jì)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(jì)圖表）說(shuō)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(shuō)明出處。3. 統(tǒng)計(jì)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(jì)（論文）時(shí)間及進(jìn)度安排1. 時(shí)間:兩周：2011-2012學(xué)年第二學(xué)期第十九、二十周2. 進(jìn)度安排：確定主題；調(diào)查、收集數(shù)據(jù)：2天數(shù)據(jù)分析與預(yù)處理、描述性統(tǒng)計(jì)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(shí)際問(wèn)題或建議：2天撰寫(xiě)報(bào)告、總結(jié)：1天（此部分同學(xué)們可以按照自己

4、設(shè)計(jì)具體內(nèi)容，詳細(xì)安排）3. 成果提交：要求獨(dú)立完成，每人需提交1份打印的設(shè)計(jì)報(bào)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(hào)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(zhǎng)匯總并轉(zhuǎn)交指導(dǎo)老師；最終成果提交截止時(shí)間為第20周周五。五、 成績(jī)?cè)u(píng)定平時(shí)考勤20%，報(bào)告撰寫(xiě)規(guī)范20%,內(nèi)容(選題合理、方案可行、分析正確、有創(chuàng)新)60%。成績(jī)?cè)u(píng)定實(shí)行優(yōu)秀、良好、中等、及格和不及格五個(gè)等級(jí)。優(yōu)秀者人數(shù)一般不得超過(guò)總?cè)藬?shù)的20%。六、 報(bào)告格式課程設(shè)計(jì)報(bào)告裝訂順序依次為：封面、課程設(shè)計(jì)(學(xué)年論文)任務(wù)書(shū)、目錄、正文、

5、參考文獻(xiàn)、成績(jī)?cè)u(píng)定表。報(bào)告中所有圖表應(yīng)按“章號(hào)-圖表序號(hào)-圖表名”（例：圖1-1-*頻數(shù)圖）進(jìn)行編號(hào)。具體格式參看實(shí)驗(yàn)報(bào)告樣本。七、 主要參考資料1.羅應(yīng)婷等主編.SPSS統(tǒng)計(jì)分析從基礎(chǔ)到實(shí)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(shí)用數(shù)據(jù)統(tǒng)計(jì)分析及SPSS12.0應(yīng)用.人民出版社，2006年；3.張文彤.SPSS.11.0統(tǒng)計(jì)分析教程.(高級(jí)篇).北京希望電子出版社.2002年6月；4.郝黎仁等.SPSS實(shí)用統(tǒng)計(jì)分析.中國(guó)水利水電出版社.2003年1月。目 錄1概述11.1研究背景11.2常用分析方法21.3本設(shè)計(jì)采用的分析方法32數(shù)據(jù)采集42.1數(shù)據(jù)來(lái)源42.2數(shù)據(jù)

6、處理42.3現(xiàn)狀分析73統(tǒng)計(jì)模型與分析93.1 一元線性回歸預(yù)測(cè)93.2 多元線性回歸預(yù)測(cè)143.3 時(shí)間序列法：163.4 曲線擬合184總結(jié)224.1 本設(shè)計(jì)的主要工作224.2 存在的不足224.3 下階段研究需解決的問(wèn)題234.4 個(gè)人感悟23附錄 數(shù)據(jù)清單241 概述1.1 研究背景隨著社會(huì)經(jīng)濟(jì)的發(fā)展，人民生活水平日漸提高，公路基礎(chǔ)設(shè)施建設(shè)取得了跨越式發(fā)展，公路客運(yùn)日益增加。對(duì)于經(jīng)濟(jì)相當(dāng)發(fā)達(dá)的上海市，公路交通是其居民出行的重要交通方式。改革開(kāi)放以來(lái)，特別是進(jìn)入“八五”以來(lái)，隨著我國(guó)公路狀況的不斷改善，公路客運(yùn)以其快速、靈活、方便的優(yōu)勢(shì)快速發(fā)展。據(jù)統(tǒng)計(jì)，“八五”期間全國(guó)客運(yùn)量比“七五”

7、增長(zhǎng)518%，年均遞增98%，同期公路客運(yùn)年均遞增率達(dá)111%。自1991年以來(lái)，在全國(guó)新增旅客運(yùn)量中，公路客運(yùn)量占99%。公路客運(yùn)除在運(yùn)量上大大高于鐵路等其他運(yùn)輸方式外，自1995年起，其旅客周轉(zhuǎn)量占全國(guó)旅客周轉(zhuǎn)量的比重也已超過(guò)50%。 導(dǎo)致公路客運(yùn)量持續(xù)增長(zhǎng)的主要原因：一是公路對(duì)鐵路繼續(xù)保持在中、短途客運(yùn)上的分流優(yōu)勢(shì)；二是公路客運(yùn)因高速公路和其他高等級(jí)公路的發(fā)展而在中、長(zhǎng)途客運(yùn)上逐步獲得了市場(chǎng)競(jìng)爭(zhēng)優(yōu)勢(shì)；三是場(chǎng)站及車輛等服務(wù)設(shè)施和裝備水平不斷提高；四是公路客運(yùn)的整體服務(wù)質(zhì)量與水平在逐步改善，使公路客運(yùn)對(duì)旅客的吸引力在提高。研究公路交通客運(yùn)的需求有重大意義。一個(gè)高效運(yùn)行的客運(yùn)系統(tǒng)有利于交通的通

8、暢，方便人們出行，減少環(huán)境污染。分析公路客運(yùn)量的發(fā)展變化規(guī)律，研究公路客運(yùn)量的預(yù)測(cè)技術(shù)，并應(yīng)用于公路客運(yùn)管理工作中，對(duì)提高公路交通的管理水平和公路營(yíng)運(yùn)效率具有非常重要的實(shí)際意義，從而促進(jìn)公路交通事業(yè)的持續(xù)發(fā)展，緩解交通壓力。預(yù)測(cè)未來(lái)若干年后上海市公路客運(yùn)量及其發(fā)展趨勢(shì),可以為投資、規(guī)劃、優(yōu)化配置資源及其相關(guān)問(wèn)題的科學(xué)決策提供可靠依據(jù),同時(shí)提高公路客運(yùn)的經(jīng)濟(jì)效益和社會(huì)效益，也對(duì)公路管理水平和建立高效公路客運(yùn)交通系統(tǒng)具有重要作用。在預(yù)先掌握公路線路客運(yùn)量發(fā)展變化的情況下，公路客運(yùn)企業(yè)才能科學(xué)的制定調(diào)度計(jì)劃，合理地調(diào)配人、車資源。從而改變以往車輛管理調(diào)度中缺乏實(shí)用的分析預(yù)測(cè)手段，大多依靠經(jīng)驗(yàn)和直覺(jué)來(lái)

9、判斷客運(yùn)量變化的傳統(tǒng)方式。因此，上海市公路客運(yùn)量預(yù)測(cè)為上海市的公共交通規(guī)劃提供有力的支持。1.2 常用分析方法研究公路客運(yùn)量需求預(yù)測(cè)這類問(wèn)題涉及到統(tǒng)計(jì)學(xué)、運(yùn)籌學(xué)、交通經(jīng)濟(jì)學(xué)等學(xué)科，常用的預(yù)測(cè)方法有回歸分析法、灰色模型、組合預(yù)測(cè)法。12.1回歸分析法：回歸分析法是指根據(jù)預(yù)測(cè)的相關(guān)性原則，找出影響預(yù)測(cè)目標(biāo)的各因素，并用數(shù)學(xué)方法找出這些因素與預(yù)測(cè)目標(biāo)之間的函數(shù)關(guān)系的近似表達(dá)，再利用樣本數(shù)據(jù)對(duì)其模型估計(jì)參數(shù)及對(duì)模型進(jìn)行誤差檢驗(yàn)，一旦模型確定，就可利用模型，根據(jù)因素的變化值進(jìn)行預(yù)測(cè)。回歸分析預(yù)測(cè)法的步驟：a.根據(jù)預(yù)測(cè)目標(biāo)，確定自變量和因變量;b.建立回歸預(yù)測(cè)模型;c.進(jìn)行相關(guān)分析;d.檢驗(yàn)回歸預(yù)測(cè)模型，

10、計(jì)算預(yù)測(cè)誤差;c.計(jì)算并確定預(yù)測(cè)值。1.2.2灰色模型預(yù)測(cè)：灰色預(yù)測(cè)模型是通過(guò)少量的、不完全的信息，建立數(shù)學(xué)模型并做出預(yù)測(cè)的一種預(yù)測(cè)方法。灰色系統(tǒng)的特點(diǎn)：a.用灰色數(shù)學(xué)處理不確定量，使之量化;b.充分利用已知信息尋求系統(tǒng)的運(yùn)動(dòng)規(guī)律;c.灰色系統(tǒng)理論能處理貧信息系統(tǒng).1.2.3組合預(yù)測(cè)：組合預(yù)測(cè)方法是對(duì)同一個(gè)問(wèn)題，采用兩種以上不同預(yù)測(cè)方法的預(yù)測(cè)。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(shí)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(cè)精度。1.2.4時(shí)間序列法：時(shí)間序列回歸模型，是考慮事物發(fā)展的變化規(guī)律，以時(shí)間為自變量建

11、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(jī)變化。1.2.5多元回歸方法：多元回歸分析預(yù)測(cè)法是通過(guò)對(duì)兩個(gè)或兩個(gè)以上的自變量與一個(gè)因變量的相關(guān)分析，建立預(yù)測(cè)模型進(jìn)行預(yù)測(cè)的方法。它是研究一個(gè)隨機(jī)變量與兩個(gè)或兩個(gè)以上一般變量之間相依關(guān)系的統(tǒng)計(jì)分析方法。1.3 本設(shè)計(jì)采用的分析方法本課程設(shè)計(jì)將采用一元線性回歸預(yù)測(cè)法、多元回歸預(yù)測(cè)方法，時(shí)間序列法，S曲線分析進(jìn)行分析與預(yù)測(cè)。2 數(shù)據(jù)采集2.1 數(shù)據(jù)來(lái)源本設(shè)計(jì)所需的數(shù)據(jù)，（總?cè)丝?、生產(chǎn)總值、旅客周轉(zhuǎn)率等經(jīng)濟(jì)指標(biāo)的）來(lái)源是2011年中國(guó)統(tǒng)計(jì)年鑒（表2-1：上海市2006-2010年統(tǒng)計(jì)年鑒年度公路客運(yùn)量（萬(wàn)

12、人）總?cè)丝冢ㄈf(wàn)人）生產(chǎn)總值(億元）旅客周轉(zhuǎn)量（億人公里）20062784181510572.2486.820072872185812494.0194.020082934188814069.8694.120092995192115046.4599.620103634230217165.98115.42.2 數(shù)據(jù)處理本課程設(shè)計(jì)選取上海市總?cè)丝跀?shù)量、生產(chǎn)總值、旅客周轉(zhuǎn)量作為主要指標(biāo)。a.總?cè)丝跀?shù)量。針對(duì)此模型中被解釋變量為公路客運(yùn)量，其主要消費(fèi)者為上海市民，總?cè)丝跀?shù)量是一個(gè)重要的影響因素。b.生產(chǎn)總值。交通運(yùn)輸?shù)陌l(fā)展離不開(kāi)國(guó)家宏觀經(jīng)濟(jì)的密切影響，因此選取地區(qū)生產(chǎn)總值（GDP）作為解釋變量之一，分析其

13、對(duì)公路客運(yùn)量的影響。c.旅客周轉(zhuǎn)量。反映交通部門(mén)一定時(shí)期內(nèi)旅客運(yùn)輸工作量的指標(biāo)。指旅客人數(shù)與運(yùn)送距離的乘積，旅客周轉(zhuǎn)量是制訂運(yùn)輸計(jì)劃和考核運(yùn)輸任務(wù)完成情況的主要依據(jù)之一。因此旅客周轉(zhuǎn)量也是一個(gè)重要的影響因素。2.2.1數(shù)據(jù)描述性分析處理過(guò)程：打開(kāi)spss軟件，在菜單欄中找到“分析描述統(tǒng)計(jì)頻率”，單擊出現(xiàn)一個(gè)對(duì)話框，在對(duì)話框中輸入變量和數(shù)據(jù)，點(diǎn)擊確定，即可得到最終數(shù)據(jù)。表21：各指標(biāo)描述性統(tǒng)計(jì)表描述統(tǒng)計(jì)量N極小值極大值均值標(biāo)準(zhǔn)差公路客運(yùn)量(萬(wàn)人）5278436343043.80339.037總?cè)丝冢ㄈf(wàn)人）5181523021956.80196.880生產(chǎn)總值（億元）510572.2417165.

14、9813869.70802502.80002旅客周轉(zhuǎn)量（億人公里）586.8115.497.98010.7467有效的 N （列表狀態(tài)）5圖21：公路客運(yùn)量與總?cè)丝谇o葉圖圖22：公路客運(yùn)量與生產(chǎn)總值莖葉圖圖23：公路客運(yùn)量與旅客周轉(zhuǎn)量莖葉圖表23：各指標(biāo)相互相關(guān)性相關(guān)性公路客運(yùn)量(萬(wàn)人）總?cè)丝冢ㄈf(wàn)人）生產(chǎn)總值（億元）旅客周轉(zhuǎn)量（億人公里）公路客運(yùn)量(萬(wàn)人）Pearson 相關(guān)性1.999*.872.975*顯著性（雙側(cè)）.000.054.005N5555總?cè)丝冢ㄈf(wàn)人）Pearson 相關(guān)性.999*1.855.969*顯著性（雙側(cè)）.000.065.007N5555生產(chǎn)總值（億元）Pearso

15、n 相關(guān)性.872.8551.938*顯著性（雙側(cè)）.054.065.018N5555旅客周轉(zhuǎn)量（億人公里）Pearson 相關(guān)性.975*.969*.938*1顯著性（雙側(cè)）.005.007.018N5555*. 在 .01 水平（雙側(cè)）上顯著相關(guān)。*. 在 0.05 水平（雙側(cè)）上顯著相關(guān)。2.3 現(xiàn)狀分析經(jīng)過(guò)對(duì)以上圖表的數(shù)據(jù)分析可以得出：根據(jù)公路客運(yùn)量與其他各指標(biāo)的莖葉圖，可以看出公路客運(yùn)量的數(shù)量隨著各指標(biāo)的增長(zhǎng)而增長(zhǎng)，呈正相關(guān)關(guān)系。根據(jù)各指標(biāo)相互相關(guān)性表，可以看出公路客運(yùn)量與總?cè)丝凇⒙每椭苻D(zhuǎn)量的pearson相關(guān)性較強(qiáng)；總?cè)丝谂c公路客運(yùn)量、旅客周轉(zhuǎn)量的pearson相關(guān)性較強(qiáng)；生產(chǎn)總值

16、與旅客周轉(zhuǎn)量的pearson相關(guān)性較強(qiáng)；旅客周轉(zhuǎn)量與總?cè)丝凇⒐房瓦\(yùn)量和生產(chǎn)總值的pearson相關(guān)性較強(qiáng)。根據(jù)各指標(biāo)相互相關(guān)性表，可以看出公路客運(yùn)量與總?cè)丝?、旅客周轉(zhuǎn)量顯著相關(guān)；總?cè)丝谂c公路客運(yùn)量顯著相關(guān)；生產(chǎn)總值與各指標(biāo)不顯著相關(guān)；旅客周轉(zhuǎn)量與共路客運(yùn)量顯著相關(guān)。3統(tǒng)計(jì)模型與分析3.1一元線性回歸預(yù)測(cè)3.1.1一元線性回歸預(yù)測(cè)原理一元線性回歸預(yù)測(cè)法是分析一個(gè)因變量與一個(gè)自變量之間的線性關(guān)系的預(yù)測(cè)方法。設(shè)y為因變量，為自變量，并且自變量與因變量之間為線性關(guān)系時(shí)，則一元線性回歸預(yù)測(cè)的基本思想：確定直線的方法是最小二乘法。最小二乘法的基本思想：最有代表性的直線應(yīng)該是直線到各點(diǎn)的距離最近。然后用這

17、條直線進(jìn)行預(yù)測(cè)。3.1.2操作步驟及結(jié)果分析影響上海市公路客運(yùn)量的3個(gè)因素：總?cè)丝?，生產(chǎn)總值，旅客周轉(zhuǎn)量。以年度為自變量，各因素為因變量建立模型預(yù)測(cè)結(jié)果如下。（1）以年度為自變量，總?cè)丝跒橐蜃兞拷㈩A(yù)測(cè)模型ASPSS操作步驟如下：按分析回歸線性，打開(kāi)對(duì)話框；將自變量輸入年度，因變量輸入總?cè)丝?，單擊確定。如圖所示。圖3-1-1 ：spss操作步驟截圖B.輸出結(jié)果：表3-1-1：總?cè)丝跒橐蜃兞繒r(shí)的輸出結(jié)果輸入移去的變量a模型輸入的變量移去的變量方法1年度b.輸入a. 因變量: 總?cè)丝冢ㄈf(wàn)人）b. 已輸入所有請(qǐng)求的變量。模型匯總模型RR 方調(diào)整 R 方標(biāo)準(zhǔn) 估計(jì)的誤差更改統(tǒng)計(jì)量R 方更改F 更改df

18、1df2Sig. F 更改1.833a.694.591125.844.6946.79013.080a. 預(yù)測(cè)變量: (常量), 年度。系數(shù)a模型非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)tSig.B 的 95.0% 置信區(qū)間B標(biāo)準(zhǔn) 誤差試用版下限上限1(常量)-206272.80079908.917-2.581.082-460578.63948033.039年度103.70039.795.8332.606.080-22.946230.346a. 因變量: 總?cè)丝冢ㄈf(wàn)人）C.結(jié)果分析：依據(jù)上述表格得到模型的擬合優(yōu)度R2=0.694，說(shuō)明擬合程度較好;得到回歸方程：Y=-206272.800+103.700X1.(Y：

19、總?cè)丝?，X1：年度)表3-1-1：20112015年上海總?cè)丝诘念A(yù)測(cè)結(jié)果（單位：萬(wàn)人）年份20112012201320142015預(yù)測(cè)量2267.92371.62475.325792682.7（2）以年度為自變量，生產(chǎn)總值為因變量建立預(yù)測(cè)模型ASPSS操作步驟: 如上所述（略）B. 輸出結(jié)果：表3-1-2 ：生產(chǎn)總值為因變量時(shí)的輸出結(jié)果輸入移去的變量a模型輸入的變量移去的變量方法1年度b.輸入a. 因變量: 生產(chǎn)總值（億元）b. 已輸入所有請(qǐng)求的變量。模型匯總模型RR 方調(diào)整 R 方標(biāo)準(zhǔn) 估計(jì)的誤差更改統(tǒng)計(jì)量R 方更改F 更改df1df2Sig. F 更改1.994a.989.985306.3

20、3516.989264.00513.001a. 預(yù)測(cè)變量: (常量), 年度。Anovaa模型平方和df均方FSig.1回歸24774508.161124774508.161264.005.001b殘差281523.693393841.231總計(jì)25056031.8544a. 因變量: 生產(chǎn)總值（億元）b. 預(yù)測(cè)變量: (常量), 年度。系數(shù)a模型非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)tSig.B 的 95.0% 置信區(qū)間B標(biāo)準(zhǔn) 誤差試用版下限上限1(常量)-3146706.228194518.389-16.177557-2527661.899年度1573.99296.872.9941

21、6.248.0011265.7031882.281a. 因變量: 生產(chǎn)總值（億元）C.結(jié)果分析：依據(jù)上述表格得到模型的擬合優(yōu)度R2=0.989，所以擬合程度很好；得到回歸方程：Y=-3146706.228+1573.992X1。 （Y:生產(chǎn)總值，X1：年度） 表3-1-3上海2011-2015年生產(chǎn)總值預(yù)測(cè)結(jié)果（單位：億元）年份20112012201320142015預(yù)測(cè)量18591.6820165.6821739.6723313.6624887.65（3）以年度為自變量，旅客周轉(zhuǎn)量為因變量建立預(yù)測(cè)模型ASPSS操作步驟: 如上所述（略）B. 輸出結(jié)果：表3-1-4：旅客周轉(zhuǎn)量為因變量時(shí)的輸出

22、結(jié)果輸入移去的變量a模型輸入的變量移去的變量方法1年度b.輸入a. 因變量: 旅客周轉(zhuǎn)量（億人公里）b. 已輸入所有請(qǐng)求的變量。模型匯總模型RR 方調(diào)整 R 方標(biāo)準(zhǔn) 估計(jì)的誤差更改統(tǒng)計(jì)量R 方更改F 更改df1df2Sig. F 更改1.924a.854.8054.7464.85417.50613.025a. 預(yù)測(cè)變量: (常量), 年度。Anovaa模型平方和df均方FSig.1回歸394.3841394.38417.506.025b殘差67.584322.528總計(jì)461.9684a. 因變量: 旅客周轉(zhuǎn)量（億人公里）b. 預(yù)測(cè)變量: (常量), 年度。系數(shù)a模型非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)tSi

23、g.B 的 95.0% 置信區(qū)間B標(biāo)準(zhǔn) 誤差試用版下限上限1(常量)-12512.2603013.874-4.152.025-22103.753-2920.767年度6.2801.501.9244.184.0251.50311.057a. 因變量: 旅客周轉(zhuǎn)量（億人公里）C.結(jié)果分析：依據(jù)上述表格得到模型的擬合優(yōu)度R2=0.854，所以擬合程度很好；得到回歸方程 Y=-12512.260+6.280X1。（Y:旅客周轉(zhuǎn)量，X1：年度）表3-1-5：上海2011-2015年旅客周轉(zhuǎn)量預(yù)測(cè)結(jié)果（單位：億人公里）年份20112012201320142015預(yù)測(cè)量116.82123.1129.3813

24、5.66141.943.2多元線性回歸預(yù)測(cè)3.2.1多元線性回歸預(yù)測(cè)原理多元回歸分析是研究多個(gè)變量之間關(guān)系的回歸分析方法, 按因變量和自變量的數(shù)量對(duì)應(yīng)關(guān)系可劃分為一個(gè)因變量對(duì)多個(gè)自變量的回歸分析(簡(jiǎn)稱為“一對(duì)多”回歸分析)及多個(gè)因變量對(duì)多個(gè)自變量的回歸分析(簡(jiǎn)稱為“多對(duì)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。利用二元線性回歸方程，以旅客周轉(zhuǎn)量，GDP,總?cè)丝跒樽宰兞?，公路客運(yùn)量為因變量，建立模型預(yù)測(cè)分析，結(jié)果如下：3.2.2 SPSS操作步驟：按分析回歸線性，打開(kāi)對(duì)話框；將自變量輸入總?cè)丝?、生產(chǎn)總值、旅客周轉(zhuǎn)量，因變量輸入公路客運(yùn)量，單擊確定。如圖所示。圖3-2-

25、1：spss操作步驟截圖3.2.3輸出結(jié)果分析表3-2-1：多元線性回歸輸出結(jié)果輸入移去的變量a模型輸入的變量移去的變量方法1旅客周轉(zhuǎn)量（億人公里）, 生產(chǎn)總值（億元）, 總?cè)丝冢ㄈf(wàn)人）b.輸入a. 因變量: 公路客運(yùn)量(萬(wàn)人）b. 已輸入所有請(qǐng)求的變量。模型匯總模型RR 方調(diào)整 R 方標(biāo)準(zhǔn) 估計(jì)的誤差更改統(tǒng)計(jì)量R 方更改F 更改df1df2Sig. F 更改11.000a1.0001.0001.3081.00089625.76931.002a. 預(yù)測(cè)變量: (常量), 旅客周轉(zhuǎn)量（億人公里）, 生產(chǎn)總值（億元）, 總?cè)丝冢ㄈf(wàn)人）。Anovaa模型平方和df均方FSig.1回歸459783.0

26、903153261.03089625.769.002b殘差1.71011.710總計(jì)459784.8004a. 因變量: 公路客運(yùn)量(萬(wàn)人）b. 預(yù)測(cè)變量: (常量), 旅客周轉(zhuǎn)量（億人公里）, 生產(chǎn)總值（億元）, 總?cè)丝冢ㄈf(wàn)人）。系數(shù)a模型非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)tSig.B 的 95.0% 置信區(qū)間B標(biāo)準(zhǔn) 誤差試用版下限上限1(常量)-260.5598.281-31.466.020-365.774-155.344總?cè)丝冢ㄈf(wàn)人）1.625.017.94494.443.0071.4061.844生產(chǎn)總值（億元）.009.001.0638.858.072-.004.021旅客周轉(zhuǎn)量（億人公里）.06

27、6.471.002.140.912-5.9136.044a. 因變量: 公路客運(yùn)量(萬(wàn)人）可得回歸方程Y=1.625X1+0.009X2+0.066X3-260.559。（Y：公路客運(yùn)量，X1：總?cè)丝?，X2：生產(chǎn)總值，X3：旅客周轉(zhuǎn)量。）將2011-2015年上?？?cè)丝?，生產(chǎn)總值，旅客周轉(zhuǎn)量預(yù)測(cè)值代入方程得到2011-2015年上海公路客運(yùn)量結(jié)果如下：表3-2-2：2011-2015年上海公路客運(yùn)量（單位：萬(wàn)人）年份20112012201320142015預(yù)測(cè)量3599.8143782.90739664149.0934332.1853.3時(shí)間序列法：3.3.1時(shí)間序列原理時(shí)間序列是指將某種現(xiàn)象

28、某一個(gè)統(tǒng)計(jì)指標(biāo)在不同時(shí)間上的各個(gè)數(shù)值，按時(shí)間先后順序排列而形成的序列。時(shí)間序列法是一種定量預(yù)測(cè)方法，亦稱簡(jiǎn)單外延方法。在統(tǒng)計(jì)學(xué)中作為一種常用的預(yù)測(cè)手段被廣泛應(yīng)用。3.3.2 SPSS操作步驟按分析回歸線性，打開(kāi)對(duì)話框；將自變量輸入年度，因變量輸入公路客運(yùn)量，單擊確定。如圖所示。圖3-3-1：spss操作步驟截圖3.3.3輸出結(jié)果分析表3-3-1：時(shí)間序列法輸出結(jié)果輸入移去的變量a模型輸入的變量移去的變量方法1年度b.輸入a. 因變量: 公路客運(yùn)量(萬(wàn)人）b. 已輸入所有請(qǐng)求的變量。模型匯總模型RR 方調(diào)整 R 方標(biāo)準(zhǔn) 估計(jì)的誤差更改統(tǒng)計(jì)量R 方更改F 更改df1df2Sig. F 更改1.85

29、0a.723.630206.116.7237.82313.068a. 預(yù)測(cè)變量: (常量), 年度。Anovaa模型平方和df均方FSig.1回歸332332.9001332332.9007.823.068b殘差127451.900342483.967總計(jì)459784.8004a. 因變量: 公路客運(yùn)量(萬(wàn)人）b. 預(yù)測(cè)變量: (常量), 年度。系數(shù)a模型非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)tSig.B 的 95.0% 置信區(qū)間B標(biāo)準(zhǔn) 誤差試用版下限上限1(常量)-363014.600130880.922-2.774.069-779536.10753506.907年度182.30065.180.8502.79

30、7.068-25.131389.731a. 因變量: 公路客運(yùn)量(萬(wàn)人）可得回歸方程：Y=-363014.600+182.300X1。（Y：公路客運(yùn)量，X1：年度）表3-3-2：2011-2015年上海公路客運(yùn)量預(yù)測(cè)結(jié)果（單位：萬(wàn)人）年份20112012201320142015預(yù)測(cè)量3590.737733955.34137.64319.93.4曲線擬合3.4.1曲線擬合原理曲線擬合（curve fitting）是指在因變量與自變量與一個(gè)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(gè)相關(guān)的變量，用戶希望用其中一個(gè)變量對(duì)另一個(gè)變量進(jìn)行預(yù)測(cè)，但是又不能馬上根據(jù)記錄數(shù)據(jù)確定一種

31、最佳模型，此時(shí)可以用曲線估計(jì)在眾多回歸模型中建立一個(gè)既簡(jiǎn)單又比較適合的模型.3.4.2 SPSS操作步驟按分析回歸曲線估計(jì)，打開(kāi)對(duì)話框；將因變量輸入公路客運(yùn)量，變量輸入總?cè)丝?，單擊確定。如圖所示。圖3-4-1：spss操作步驟截圖3.4.3輸出結(jié)果分析表3-4-1:曲線擬合輸出結(jié)果模型描述模型名稱MOD_1因變量1公路客運(yùn)量(萬(wàn)人）方程1線性2二次3冪a4Sa自變量總?cè)丝冢ㄈf(wàn)人）常數(shù)包含其值在圖中標(biāo)記為觀測(cè)值的變量未指定用于在方程中輸入項(xiàng)的容差.0001a. 該模型要求所有非缺失值為正數(shù)。個(gè)案處理摘要N個(gè)案總數(shù)5已排除的個(gè)案a0已預(yù)測(cè)的個(gè)案0新創(chuàng)建的個(gè)案0a. 從分析中排除任何變量中帶有缺失值

32、的個(gè)案。變量處理摘要變量因變量自變量公路客運(yùn)量(萬(wàn)人）總?cè)丝冢ㄈf(wàn)人）正值數(shù)55零的個(gè)數(shù)00負(fù)值數(shù)00缺失值數(shù)用戶自定義缺失00系統(tǒng)缺失00模型匯總和參數(shù)估計(jì)值因變量: 公路客運(yùn)量(萬(wàn)人）方程模型匯總參數(shù)估計(jì)值R 方Fdf1df2Sig.常數(shù)b1b2線性.9992729.08813.000-324.0581.721二次1.00075302.74222.000-3181.5254.503-.001冪.9981949.79213.000.7101.103S1.00011308.38513.0009.186-2271.547自變量為 總?cè)丝冢ㄈf(wàn)人）。圖3-4-2：各方程擬合曲線圖根據(jù)以上圖表，可以看出線性方