【正文】 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）。 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)。 具體格式參看實(shí)驗(yàn)報(bào)告樣本。同國(guó)外發(fā)達(dá)國(guó)家相比，我國(guó)城市交通事業(yè)起步較晚，交通基礎(chǔ)設(shè)施建設(shè)相對(duì)滯后，隨著經(jīng)濟(jì)的快速發(fā)展，交通問(wèn)題日益凸顯，對(duì)城市交通體系建設(shè)也提出了更高的要求。 根據(jù)國(guó)外相關(guān)研究，機(jī)動(dòng)車(chē)保有量的發(fā)展一般需要經(jīng)歷四個(gè)時(shí)期 :緩慢增長(zhǎng)期、高速發(fā)展期、緩慢增長(zhǎng)期、平穩(wěn)變化期?？梢灶A(yù)見(jiàn)，我國(guó)汽車(chē)保有量將繼續(xù)保持高速增長(zhǎng)，機(jī)動(dòng)化水平將進(jìn)一步提高 。隨著我國(guó)機(jī)動(dòng)車(chē)保有量的增長(zhǎng)，汽車(chē)尾氣對(duì)環(huán)境的污染程度還會(huì)加劇。機(jī)動(dòng)車(chē)保有量的劇增導(dǎo)致交通需求增大，使得道路變得擁堵、停車(chē)設(shè)施緊張，己有的交通基礎(chǔ)設(shè)施難以滿足快速增長(zhǎng)的交通需求，導(dǎo)致交通需求與供給不平衡。 4. 可持續(xù)交通發(fā)展 交通污染嚴(yán)重、交通能耗高、交通安全形勢(shì)嚴(yán)峻等問(wèn)題成為我國(guó)經(jīng)濟(jì)發(fā)展的主要制約因素。這為我國(guó)城市交通體系的可持續(xù)發(fā)展奠定了基礎(chǔ)，也是我國(guó)走可持續(xù)交通的重要 3 機(jī)遇期。研究表明，僅僅通過(guò)無(wú)休止的交通設(shè)施建設(shè)以滿足交通需求，是不能從根本上解決城市交通問(wèn)題的。 對(duì)于汽車(chē)保有量影響因素的分析上主要采用的是主成分分析、因子分析等方法； 對(duì)于汽車(chē)保有的預(yù)測(cè)的研究主 要是采用的是神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)法、組合預(yù)測(cè)法、灰色關(guān)聯(lián)等方法。然后，利用主成分分析的方法，從眾 多的影響因素中提取出第一主成分，將第一主成分作為綜合指標(biāo)進(jìn)行歸一化處理，得出相關(guān)方程。 2 數(shù)據(jù)采集 數(shù)據(jù)來(lái)源 本設(shè)計(jì)所需的數(shù)據(jù)：工業(yè)生產(chǎn)總值、公路貨運(yùn)量、公路客運(yùn)量、公路總里程、國(guó)內(nèi)生產(chǎn)總值、能源消耗總量、人口數(shù)量、人均可支配收入、汽車(chē)保有量。 我國(guó)汽車(chē)保有量發(fā)展現(xiàn)狀分析 汽車(chē)保有量受諸多因素影響，人均 GDP 是其中一個(gè)重要的影響因素 ， 同時(shí)人均 GDP 也 是衡量一個(gè)國(guó)家富裕程度的重要指標(biāo)。也就是說(shuō)從 2020 年開(kāi)始，當(dāng)我國(guó)的人均國(guó)內(nèi)生產(chǎn)總值達(dá)到 元時(shí)，人們的消費(fèi)結(jié)構(gòu)就開(kāi)始發(fā)生轉(zhuǎn)變了，人們的消費(fèi)開(kāi)始從滿足生活需要向重視生活質(zhì)量轉(zhuǎn)變，從追求物質(zhì)消費(fèi)到追求精神消費(fèi)和服務(wù)消費(fèi)轉(zhuǎn)變。由此可見(jiàn)汽車(chē)保有量在一定程度上與居民消費(fèi)水平和人均國(guó)內(nèi)生產(chǎn)總值有具有相關(guān)性。 表 21 2020— 2020年汽車(chē)保有量 年份 汽車(chē)保有量（萬(wàn)輛） 2020 2020 2020 2020 2020 2020 2020 據(jù) 國(guó)家統(tǒng)計(jì)局統(tǒng)計(jì)， 1990 年全國(guó)民用汽車(chē)保有量?jī)H有 554 萬(wàn)輛，其中私車(chē)保有量為 82 萬(wàn)輛，占 %。同時(shí)有數(shù)據(jù)顯示，在 1993 年年底，我國(guó)的各類汽車(chē)的保有量數(shù)據(jù) 810 萬(wàn)輛，這個(gè)數(shù)據(jù)只相當(dāng)于日本的 1/10，美國(guó)的 1/28，德國(guó)的 1/6 左右。 隨著社會(huì)的和技術(shù)的進(jìn)步，生活水平的進(jìn)一步提高，我國(guó)的汽車(chē)保有量將會(huì)繼續(xù)增長(zhǎng)，在現(xiàn)實(shí)生活中，人們?cè)絹?lái)越多的重視汽車(chē)的消費(fèi)，把汽車(chē)消費(fèi)納入生活中的一樣必需品，汽車(chē)進(jìn)入 普通家庭己經(jīng)成為一個(gè)人所共知的事實(shí)，也是整個(gè)社會(huì)經(jīng)濟(jì)發(fā)展的趨勢(shì)。通常用相關(guān)系數(shù)來(lái)描述線性關(guān)系的強(qiáng)弱和方向。這里介紹下 Pearson簡(jiǎn)單相關(guān)系數(shù) 用來(lái)度量定居型變量之間的線性相關(guān) 關(guān)系。r=0為零相關(guān)或無(wú)相關(guān) .|r|越接近于 1，說(shuō)明相關(guān)性越好 。 SPSS的 操作步驟 運(yùn)用相關(guān)性分析法，通過(guò)判斷各個(gè)因素與汽車(chē)保有量之間的線性相關(guān)程度的強(qiáng)弱，刷選出對(duì)汽車(chē)保有量有影響的重要因素。因此，我們可以得出汽車(chē)保有量與各個(gè)影響因素之間具有很好的相關(guān)性。主成分分析就是力求數(shù)據(jù)信息丟失最少的原則下，在高維的變量空間降維，即研究指標(biāo)體系的少數(shù)幾個(gè)線性組合，并且這幾個(gè)線性組合所構(gòu)成的綜合指標(biāo)將盡可能多的保留原來(lái)指標(biāo)變異方面的信息的一種分析方法。 2. 主成分的性質(zhì) 方差為所有特征根之和即 一說(shuō)明 主成分分析把 p個(gè)隨機(jī)變量的總方差分解成為 p個(gè)不相關(guān)的隨機(jī)變量的方差之和 。到底應(yīng)該選擇多少個(gè)主成分，在實(shí)際工作中，主成分個(gè)數(shù)的多少取決于能夠反映原來(lái)變量 85%以上的信息量為依據(jù)， 即當(dāng)累積貢獻(xiàn)率≥ 85%時(shí)的主成分的個(gè)數(shù)就足夠了。數(shù)據(jù)處理公式為 ： 其中 Xij是第 i 個(gè)樣本的第 j 個(gè)指標(biāo)的原始數(shù)據(jù)， 是所有樣本的第 j 個(gè)指標(biāo)的原始數(shù)據(jù)的平均值，了而面 )是所有樣本的第 j 個(gè)指標(biāo)原始數(shù)據(jù)的標(biāo)準(zhǔn)差。每個(gè)主成分的值都是經(jīng)過(guò)標(biāo)準(zhǔn)化后的原始數(shù)值逐個(gè)加權(quán)和為 ： ，其中權(quán)數(shù)向量： (5)根據(jù)特征值貢獻(xiàn)率選前面的 M(MP)個(gè)主成分作為綜合評(píng)價(jià)函數(shù)的主成 14 分。 SPSS操作步驟 ： ① 按分析 — 降維 — 因子分析，打開(kāi)對(duì)話框并轉(zhuǎn)移分析變量操作如圖 32和圖 33 所示： 圖 32 因子分析對(duì)話框 15 33 因子分析次級(jí)對(duì)話框 ② 點(diǎn)擊“繼續(xù)”然后點(diǎn)擊“確定”輸出結(jié)果 如表 32： 表 32 主成分分析輸出結(jié)果 KMO 和 Bartlett 的檢驗(yàn) 取樣足夠度的 KaiserMeyerOlkin 度量。 輸出結(jié)果 分析 表 33 KMO與巴特勒特檢驗(yàn) KMO 和 Bartlett 的檢驗(yàn) 取樣足夠度的 KaiserMeyerOlkin 度量。主成分的提取條件是要求特征根值大于 1 和累計(jì)方差貢獻(xiàn)率大于或者等于 85%。 表 35呈現(xiàn)的是是初始因子載荷矩陣表示的是主成分與對(duì)應(yīng)變量間的相關(guān)系數(shù)。 18 主成分表達(dá)式。在 科學(xué)實(shí)驗(yàn) 或社會(huì)活動(dòng)中，通過(guò)實(shí)驗(yàn)或觀測(cè)得到量 x 與 y的一組數(shù)據(jù)對(duì) (xi， yi)（ i=1， 2， ?m ），其中各 xi 是彼此不同的 。有許多衡量擬合優(yōu)度的標(biāo)準(zhǔn)，最常 用的一種做法是選擇參數(shù) c 使得擬合模型與實(shí)際 觀測(cè)值 在各點(diǎn)的 殘差 (或 離差 )ek=yk－ f(xk， c)的 加權(quán) 平方和達(dá)到最小，此時(shí)所 19 求 曲線 稱作在加權(quán)最小二乘意義下對(duì)數(shù)據(jù)的擬合曲線。值越大，誤差越大；值越小，越精確。 一元線性回歸模型的基本假定： 假定 1： X 為固定的變量。即隨機(jī)擾動(dòng)項(xiàng)序列中的各個(gè)μ 之間互不相 關(guān)或者說(shuō)是無(wú)自相關(guān)，說(shuō)明某一擾動(dòng)項(xiàng)獨(dú)立于其他隨機(jī)擾動(dòng)項(xiàng)。由于 b0， b1是最優(yōu) 24 無(wú)偏估計(jì)量，可以得出 是遵行正態(tài)分布的，且也為最優(yōu)線性無(wú)偏估計(jì)量。如果非平穩(wěn)變量之間存在協(xié)整 關(guān)系，通過(guò)直接回歸得到的斜率系數(shù)估計(jì)量仍然是一致的 ，故進(jìn)行一元線性協(xié)整回歸模型分析。 b. 因變量 : 汽車(chē)保有量 Anovaa 模型 平方和 df 均方 F Sig. 1 回歸 1 .000b 殘差 20 總計(jì) 21 a. 因變量 : 汽車(chē)保有量 b. 預(yù)測(cè)變量 : (常量 ), 綜合指標(biāo) K。 表 39 Anova輸出表 Anovaa 模型 平方和 df 均方 F Sig. 1 回歸 1 .000b 殘差 20 總計(jì) 21 a. 因變量 : 汽車(chē)保有量 b. 預(yù)測(cè)變量 : (常量 ), 綜合指標(biāo) K。 由此可以得出汽車(chē)保有量和綜合指標(biāo)之間的一元回歸方程為：Y=* 利用自變量綜合指標(biāo)的預(yù)測(cè)模型得出的綜合指標(biāo)的預(yù)測(cè)值來(lái)預(yù)測(cè)汽車(chē) 29 保有 量 2020到 2025年的值， 首先利用 上文我們得出 的 綜合指標(biāo)的預(yù)測(cè)方程：F=*T+*T2， 計(jì) 算出綜合指標(biāo)的預(yù)測(cè)值，然后帶入到方程： Y=* 2020年到 2025年汽車(chē)保有量的預(yù)測(cè)值，如表 311所示： 表 311 預(yù)測(cè)的 2020到 2025年汽車(chē)保有量和綜合指標(biāo)表 年份 T 綜合指標(biāo) 汽車(chē)保有量（萬(wàn)輛） 預(yù)測(cè) F 預(yù)測(cè) Y 2020 26 2020 27 2017 28 2018 29 2019 30 2020 31 2021 32 2022 33 2023 34 2024 35 2025 36 從 以上 汽車(chē)保有量的預(yù)測(cè)數(shù)據(jù)我們可以看出， 我國(guó) 汽車(chē)保有量每年都 在以相當(dāng) 快的速度增長(zhǎng)，汽車(chē)保有量的增長(zhǎng)必然會(huì)帶來(lái)一定的問(wèn)題，通過(guò)對(duì)汽車(chē)保有量影響因素和預(yù)測(cè)的研究分析，我們可以針對(duì)其帶來(lái)的問(wèn)題，提出相關(guān)的建議政策。 （ 2） 尋找對(duì)汽車(chē)保有量有可能有影響的各種因素，在可量化和數(shù)據(jù)可取性 30 的基礎(chǔ)上選擇了人均 GDP、工業(yè)生產(chǎn)總值、居民消費(fèi)水平、公路客運(yùn)量、公路貨運(yùn)量、人口數(shù)量、能源消耗總量、公路總里程等對(duì)汽車(chē)保有量有影響的數(shù)據(jù)。 （ 4）最后運(yùn)用一元線性回歸的方法得出汽車(chē)保有量的預(yù)測(cè)模型，最后帶入相關(guān)數(shù)據(jù)的出 2020 到 2025 年的汽車(chē)保有量預(yù)測(cè)值。 ③ 由于 時(shí)間 有限 、獲取資料的不便以及 本人 自身學(xué)術(shù)水平有限等原因， 很多相關(guān)分析無(wú)法做到全面，并且 在排版及邏輯思維等方面 也存在諸 多問(wèn)題 。 個(gè)人感悟 附錄 數(shù)據(jù)清單 附件 1 Excle 中數(shù)據(jù)匯總總表 32 附件二 SPSS 中數(shù)據(jù)匯總總表 附件三 統(tǒng)計(jì) 年鑒中的相關(guān)數(shù)據(jù)表格 33 34 35 36 ※※※※※※※※※※※※※※※※※※※※※※※※※※※※※ 成績(jī)?cè)u(píng)定表 指導(dǎo)教師評(píng)語(yǔ)： 成績(jī)： 指導(dǎo)教師簽名：