【正文】 2020 1584 1072.91 7592.78 6886.97 7178.94 2020.33 8 2020 1886 1219.84 9280.73 8485.85 8364.05 2321.59 8 2020 2255 1428.27 11356.60 1048 9772.50 2250.66 1 2020 2658 1532.17 13469.77 1251 1158 2606.79 1 36 2020 3177 1695.57 16004.61 1494 1407 2912.30 1705.08 2020 3679 1973.05 18502.20 1730 1632 3476.44 1972.40 2020 3948 2020.27 19419.70 1809 1805 3907.43 2283.29 2020 4601 2286.98 23014.53 2146 2071 4647.76 2658.76 2020 5321 2665.20 26447.38 2464 2409 5681.17 2916.13 2020 5706 2847.26 27700.97 2581 2651 6333.62 3171.96 注 ： 2020 年及以前年份第一產(chǎn)業(yè)不包括農(nóng)林牧漁服務業(yè)，交通運輸倉儲和郵政業(yè)包括電信業(yè)，但不包括城市公共交通業(yè)，批發(fā)與零售業(yè) 包括餐飲業(yè) (下表同 )。 本設計主要存在的問題 ① .在自變量的選取中需要對多個變量進行相關(guān)性分析，并選擇相關(guān)度較高的進行實驗。本文通過對廣東省 20202017年公路貨運量的預測來推斷該地區(qū)在未來幾年公路貨運需求的發(fā)展情況。 28 圖 312 由以上表格及圖形可以看出，模型擬合度 R方均大于 ，說明其預測值較為準確，其中 GDP的擬合統(tǒng)計量中 R方等于 ，與其他幾項相比準確度最高，公路貨運量與年份序列的 R方等于 ，其預測值的準確度也較高。在方法一框中選擇 ARIMA，并設置條件中模型的幾個值分別為 1，然后點繼續(xù)。 變量處理摘要 變量 因變量 自變量 公路貨運量（萬噸） GDP（萬元） 正值數(shù) 13 13 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 0 0 模型匯總和參數(shù)估計值 因變量 : 公路貨運量（萬噸） 方程 模型匯總 參數(shù)估計值 R 方 F df1 df2 Sig. 常數(shù) b1 b2 b3 線性 .922 1 11 .000 .000 對數(shù) .819 1 11 .000 三次 .980 3 9 .000 冪 .884 1 11 .000 .428 指數(shù) .940 1 11 .000 9 自變量為 GDP（萬元）。在數(shù)值分析中，曲線擬合就是 用解析表達式逼近離散數(shù)據(jù)，即離散數(shù)據(jù)的公式化。 表 312 多元回歸模型匯總 模型匯總 模型 R R 方 調(diào)整 R 方 標準 估計的誤差 1 .995a .990 .982 18 a. 預測變量 : (常量 ), 人口密度（人 /公里） , 公 路里程（公里） , 載貨汽車數(shù)（萬輛） , 社會零售業(yè)總額（億元） , GDP（億元）。各因素與年份的的回歸方程及預測分別如下： ??y ，其中 x為年份， 2y 為載貨汽車數(shù)。 表 35 方差分析結(jié)果 Anovaa 模型 平方和 df 均方 F Sig. 16 1 回歸 4 1 4 .000b 殘差 11 總計 9 12 a. 因變量 : 公路里程（公里） b. 預測變量 : (常量 ), 年份。多元線性回歸則包含兩個或兩個以上自變量，且自變量和因變量之間是線性關(guān)系，例如家庭消費支出除了受到家庭可支配收入外，還可能受到市場變動，物價水平等的影響。在統(tǒng)計學中 相關(guān)性系數(shù)的計算過程可表示為：將每個變量都轉(zhuǎn)化為標準單位，乘積的平均 數(shù) 即為相關(guān)系數(shù)。人口的增加必然引起消費品供應量的增加，也就引起貨物運輸需求量的增加。載貨汽車數(shù)量呈增長趨勢，說明全省公路貨運量持續(xù)增加，貨運需求呈 增長趨勢。經(jīng)濟的高速發(fā)展使得廣東省人民更為富裕，人民的消費行為也發(fā)生了改變，產(chǎn)品交換的頻率加大，貨物運輸需求量隨之增大。完善合理的公路網(wǎng)絡布局，對貨物運輸和方便、快捷、高質(zhì)量的運輸服務也將刺激貨物運輸需求，因此通過對廣東省公路網(wǎng)絡圖和民用汽車擁有量來反映其運輸能力。 5 2020 年廣東省 GDP 達 62164 億元，全年實現(xiàn) GDP 增長 %，人均 GDP達 58540 元。由圖 22 可以看出總貨運周轉(zhuǎn)量總體呈增長趨勢，水路運輸周轉(zhuǎn)量所占比重較大，公路貨運周轉(zhuǎn)量位居第二且呈增長趨勢。圖 21 是不同年份廣東省五種運輸方式的貨運量情況。 本設計采用的分析方法 本設計采用的方法有相關(guān)性分析、一元線性回歸、多元線性回歸、曲線擬合預測、時間序列預測。 定量分析預測技術(shù)，是指以已經(jīng)掌握的歷史數(shù)據(jù)作為依據(jù)，在有關(guān)理論的基礎(chǔ)上建立起預測的數(shù)學模型，并通過數(shù)學模型的計算結(jié)果，對未來的需求量做出 2 測算的技術(shù)。貨運需求量的變動可以反映出其經(jīng)濟發(fā)展水平，同時貨物的流向反映出了其市場的走向以及地區(qū)經(jīng)濟區(qū)位的聯(lián)系。到 2020年， 我國公路總里程達 424 萬公里 ， 全國完成公路貨運量 億噸、貨物周轉(zhuǎn)量 59535 億噸公里 。 具體格式參看 課程設計 報告樣本。 成績評定 按百分制計分（最高 100 分），并按照學校相關(guān)規(guī)定按 優(yōu)秀、良好、中等、及格和不及格五個等級 進行等級評定 。 電子文檔 文件名為： 學號后四位 +姓名 +題目， 先發(fā)電子 文檔 給 指導 老師，經(jīng) 許可 后方可打印。 題目自擬，但題名一般要包含主題與統(tǒng)計方法，且必須與交通運輸專業(yè)相關(guān)，選題主題主要包括： 1. 運輸產(chǎn)品市場定位研究 2. 客貨運需求分析與預測 3. 政策 或技術(shù)方法實施效果評價 4. 交通出行行為選擇 5. 影響因素分析 6. 運力調(diào)控研究 7. 交通應急響應狀態(tài)判別分析 8. 運輸服務質(zhì)量評價 9 自選 三、 課程設計（論文）基本要求 （一）選題要求 1. 一人一題，不得重復； 2. 客貨運需求分析與預測選題不得超過 30%； 3. 所有選題必須報指導老師批準； 4. 選題確定后原則上不得更改，如需更改，必須得到指導教師同意。 Changsha University of Science amp。 二、 課程設計（論文） 題目與 內(nèi)容 本課程設計（論文）主要任務為： 針對交通運輸領(lǐng)域內(nèi)某一主題，設計調(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 多種 合適的統(tǒng)計分析方法，運用 SPSS 建立模型分析問題。 四、 課程設計（論文）時間及進度安排 1. 時間 : 兩周： 20202020 學年第 二 學期第十 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)據(jù) 分析與預處理、描述性統(tǒng)計分析： 2 天 分析方法 原理及選擇 ： 2 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)： 2 天 （此部分可以按照自己設計具體內(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 設計 報告（ A4） 、 word 電子文檔 、數(shù)據(jù)文件（ sav格式）。對于以下情況給予 5 分的特別加分： 1. 選題具有新意 2. 采取自主調(diào)查方式完成課程設計； 3. 運用自學的統(tǒng)計分析方法且使用正確。報告中所有圖表應按“章號 圖表序號 圖表名”（例：圖 11***頻數(shù)圖）進行編號。近年來，隨著我國經(jīng)濟的高速發(fā)展，公路運輸在綜合運輸體系中占有越來越重要的地位。貨物運輸需求作為一個地區(qū)市場經(jīng)濟發(fā)達程度的重要標志，因此研究其貨運需求有重要的意義。 定性預測分析技術(shù)，是指依靠熟悉的業(yè)務知識、具有 豐富經(jīng)驗和綜合分析能力的專家，根據(jù)已掌握的歷史數(shù)據(jù)和材料，通過個人的經(jīng)驗對事物未來的發(fā)展大體方向和程度作出判斷，主要有專家會議法、專家調(diào)查法等。因此，綜合預測技術(shù)是貨運需求預測經(jīng)常采用的方法。貨運需求量通常用兩個指標來表示：貨運量和貨運周轉(zhuǎn)量，本文主要通過對廣東省貨運量的預測來反映其貨運需求量。鐵路運輸量與水路運輸量雖無明顯變化，但以其低廉的價格，對公路運輸?shù)挠绊懙挠绊懭尾蝗莺鲆?。本文主要分析?jīng)濟發(fā)展水平與產(chǎn)業(yè)結(jié)構(gòu)變化以及運輸網(wǎng)絡的布局與運輸能力和人口因素對廣東省公路貨運需求的影響。因此可以通過廣東省各年GDP 的 增長趨勢和社會消費總額來反映其經(jīng)濟發(fā)展水平。 數(shù)據(jù)的來源 本文所需數(shù)據(jù)來源于廣東省統(tǒng)計年鑒（ /2020/directory/） （一）、全社會 貨物運輸量（ rectory/） （二）、地區(qū)生產(chǎn)總值產(chǎn)業(yè)構(gòu)成（ 3/directory/） （三）、地區(qū)生產(chǎn)總值（ ory/） （四）、運輸工具和線路擁有量（ 3/directory/） （五）、公路里程和橋梁數(shù)（ ectory/） （六）、年末戶籍總?cè)丝冢?tory/） 6 廣東省公路貨運需求影響因素的描述性分析 經(jīng)濟指標走勢圖與產(chǎn)業(yè)結(jié)構(gòu) 圖 23 廣東省經(jīng)濟指標走勢圖 由圖 23 可以看出廣東省國民經(jīng)濟持續(xù)、快速 發(fā)展，自 2020 年來 GDP 保持持續(xù)增長并且批發(fā)和零售業(yè)總額，保持增長趨勢，可以反映出廣東省經(jīng)濟發(fā)展水平持續(xù)提高。由圖 26公路里程的變化區(qū)域平緩，但 20202020年有相對較大增長，說明在這段時間內(nèi)，全省公路運輸系統(tǒng)不斷完善，公路運輸需求增大。由圖 27可以看出，廣東省人口密度呈增長趨勢，說明其總?cè)丝跀?shù)持續(xù)增加。只有當各變量的標準差都不為零是，相關(guān)系數(shù)才有定義。 對影響因素以及貨運量預測的線性回歸 模型原理 線性回歸是是利用 數(shù)理統(tǒng)計中的回歸分析，來確定兩種或兩種變量以上定量關(guān)系的一種統(tǒng)計方法，回歸分析中通常有一元線性回歸和多元線性回歸，一元線性回歸只包含一個自變量和一個因變量，且二者的關(guān)系可以近似的用一條直線來表示，常用的統(tǒng)計指標有平均數(shù)、增減量，平均增減量。 表 34 線性回歸模型匯總 模型匯總 模型 R R 方 調(diào)整 R 方 標準 估計的誤差 1 .921a .848 .834 a. 預測變量 : (常量 ), 年份。 表 36 20202019的公路里程預測 2020 2020 2020 2020 2017 2018 2019 同理可以得到載貨汽車數(shù)、 GDP、社會零售業(yè)總額、人口密度與年份的線性回歸方程。 表 310 20202019的人口密度預測 2020 2020 2020 2020 2017 2018 2019 對五個因素進行多元素回歸，輸出結(jié) 果如下： 表 311 多元回歸輸入移去的變量 輸入／移去的變量 a 模型 輸入的變量 移去的變量 方法 1 人口密度（人 /公里） , 公路里程（公里） , 載貨汽車數(shù)（萬輛） , 社會零售業(yè)總額（億元） , GDP（億元） b . 輸入 a. 因變量 : 公路貨運量（萬噸） b. 已輸入所有請求的變量。更廣泛地說，空間或高維空間中的相應問題亦屬此范疇。 模型描述 模型名稱 MOD_1 因變量 1 公路貨運量（萬噸） 方程 1 線性 2 對數(shù) 3 三次 22 表 319 曲線估計變量處理摘要 表 320 曲線估計模型匯總和參數(shù)估計 4 冪 a 5 指數(shù) a 自變量 GDP（萬元） 常數(shù) 包含 其值在圖中標記為觀測值的變量 未指定 用于