【正文】 ③ 由于時間有限、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)分析無法做到全面，并且在排版及邏輯思維等方面也存在諸多問題。（2）尋找對汽車保有量有可能有影響的各種因素，在可量化和數(shù)據(jù)可取性的基礎(chǔ)上選擇了人均GDP、工業(yè)生產(chǎn)總值、居民消費水平、公路客運量、公路貨運量、人口數(shù)量、能源消耗總量、公路總里程等對汽車保有量有影響的數(shù)據(jù)。 表39 Anova輸出表Anovaa模型平方和df均方FSig.1回歸1.000b殘差20總計21a. 因變量: 汽車保有量b. 預(yù)測變量: (常量), 綜合指標(biāo)K。如果非平穩(wěn)變量之間存在協(xié)整關(guān)系，通過直接回歸得到的斜率系數(shù)估計量仍然是一致的，故進行一元線性協(xié)整回歸模型分析。即隨機擾動項序列中的各個μ之間互不相關(guān)或者說是無自相關(guān)，說明某一擾動項獨立于其他隨機擾動項。值越大，誤差越大；值越小，越精確。在科學(xué)實驗或社會活動中，通過實驗或觀測得到量x與y的一組數(shù)據(jù)對(xi，yi)（i=1，2，…m），其中各xi是彼此不同的 。a. 已提取了 1 個成份。a. 已提取了 1 個成份。每個主成分的值都是經(jīng)過標(biāo)準(zhǔn)化后的原始數(shù)值逐個加權(quán)和為：，其中權(quán)數(shù)向量：(5)根據(jù)特征值貢獻率選前面的M(MP)個主成分作為綜合評價函數(shù)的主成分。到底應(yīng)該選擇多少個主成分，在實際工作中，主成分個數(shù)的多少取決于能夠反映原來變量85%以上的信息量為依據(jù)，即當(dāng)累積貢獻率≥85%時的主成分的個數(shù)就足夠了。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)幾個線性組合，并且這幾個線性組合所構(gòu)成的綜合指標(biāo)將盡可能多的保留原來指標(biāo)變異方面的信息的一種分析方法。 SPSS的操作步驟運用相關(guān)性分析法，通過判斷各個因素與汽車保有量之間的線性相關(guān)程度的強弱，刷選出對汽車保有量有影響的重要因素。這里介紹下Pearson簡單相關(guān)系數(shù)用來度量定居型變量之間的線性相關(guān)關(guān)系。隨著社會的和技術(shù)的進步，生活水平的進一步提高，我國的汽車保有量將會繼續(xù)增長，在現(xiàn)實生活中，人們越來越多的重視汽車的消費，把汽車消費納入生活中的一樣必需品，汽車進入普通家庭己經(jīng)成為一個人所共知的事實，也是整個社會經(jīng)濟發(fā)展的趨勢。表21 2005—2011年汽車保有量年份汽車保有量（萬輛）2005200620072008200920102011據(jù)國家統(tǒng)計局統(tǒng)計，1990年全國民用汽車保有量僅有554萬輛，其中私車保有量為82萬輛，%。也就是說從2001年開始，人們的消費結(jié)構(gòu)就開始發(fā)生轉(zhuǎn)變了，人們的消費開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)消費到追求精神消費和服務(wù)消費轉(zhuǎn)變。2 數(shù)據(jù)采集 數(shù)據(jù)來源本設(shè)計所需的數(shù)據(jù)：工業(yè)生產(chǎn)總值、公路貨運量、公路客運量、公路總里程、國內(nèi)生產(chǎn)總值、能源消耗總量、人口數(shù)量、人均可支配收入、汽車保有量。對于汽車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；對于汽車保有的預(yù)測的研究主要是采用的是神經(jīng)網(wǎng)絡(luò)預(yù)測法、組合預(yù)測法、灰色關(guān)聯(lián)等方法。這為我國城市交通體系的可持續(xù)發(fā)展奠定了基礎(chǔ)，也是我國走可持續(xù)交通的重要機遇期。機動車保有量的劇增導(dǎo)致交通需求增大，使得道路變得擁堵、停車設(shè)施緊張，己有的交通基礎(chǔ)設(shè)施難以滿足快速增長的交通需求，導(dǎo)致交通需求與供給不平衡?？梢灶A(yù)見，我國汽車保有量將繼續(xù)保持高速增長，機動化水平將進一步提高。同國外發(fā)達國家相比，我國城市交通事業(yè)起步較晚，交通基礎(chǔ)設(shè)施建設(shè)相對滯后，隨著經(jīng)濟的快速發(fā)展，交通問題日益凸顯，對城市交通體系建設(shè)也提出了更高的要求。成績評定實行優(yōu)秀、良好、中等、及格和不及格五個等級。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，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。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。七、 主要參考資料：電子工業(yè)出版社，2007年6月； 陳紅艷編著.《》.人民出版社，2006年；.(高級篇).；。這四個發(fā)展時期分別對應(yīng)著不同的社會經(jīng)濟發(fā)展水平。盡管我國汽車保有量遠(yuǎn)低于發(fā)達國家水平，但道路交通對環(huán)境的影響程度己經(jīng)接近、甚至超過發(fā)達國家道路交通對環(huán)境的影響程度，我國城市的環(huán)境質(zhì)量也遠(yuǎn)低于發(fā)達國家。國家“十一五”規(guī)劃指出，2010年人均GDP將比2000年翻一番，同時單位GDP能耗要比“十五”期末降低20%左右。城市交通的發(fā)展必須在合理的交通規(guī)劃和管理基礎(chǔ)上，有效的引導(dǎo)城市交通需求，針對性地、適度超前的進行交通基礎(chǔ)設(shè)施建設(shè)。在得出綜合指標(biāo)方程的基礎(chǔ)上運用曲線擬合找出最好的擬合函數(shù)模型，得出相應(yīng)的函數(shù)關(guān)系，即得出綜合指標(biāo)的預(yù)測模型。一般來說，根據(jù)世界汽車行業(yè)的發(fā)展規(guī)律，當(dāng)一個國家的人均國內(nèi)生產(chǎn)總值達到1000美元以后，國民的消費結(jié)構(gòu)就會發(fā)生改變，就會進入以住房、汽車為代表的改善生活質(zhì)量的消費時代。圖22為1990一2011年居民消費水平與汽車保有量的發(fā)展情況圖23為人均GDP與汽車保有量的發(fā)展?fàn)顩r。但是隨著我國經(jīng)濟的迅速發(fā)展，人們消費水平的提高，汽車消費也是逐年增加，汽車行業(yè)發(fā)展很飛速。如果兩個樣本觀測值序列之間相關(guān)關(guān)系數(shù)的絕對值為1，則兩者之間具有完全的相關(guān)性，相關(guān)系數(shù)的絕對值越大，越接近于1的話，兩者之間的相關(guān)性就越強，反之，相關(guān)系數(shù)越小，絕對值為0或者接近0的話，兩者之間不具有相關(guān)性。|r|越接近于0，說明相關(guān)性越差。同時，從表中也可以看出汽車保有量的各個影響因素之間也存在很好的相關(guān)性，他們之間可能存在相互影響。貢獻率：第i個主成分的方差在全部方差中所占比重，稱為貢獻率，反映了原來p個指標(biāo)多大比例的信息，有多大程度的綜合能力。由此，就可以得到原始數(shù)據(jù)矩陣的標(biāo)準(zhǔn)化數(shù)據(jù)矩陣。.863Bartlett 的球形度檢驗近似卡方df36Sig..000公因子方差初始提取民用汽車.972人均國內(nèi)生產(chǎn)總值.997工業(yè)總產(chǎn)值.968貨 運 量.983客運量.986公 路.923能源消耗.984人口數(shù)量.792居民消費.995提取方法：主成份分析。主成分的提取條件是要求特征根值大于1和累計方差貢獻率大于或者等于85%。再進行歸一化得出因子得分系數(shù)矩陣。有許多求解擬合曲線的成功方法，對于線性模型一般通過建立和求解方程組來確定參數(shù)，從而求得擬合曲線。如果X為隨機變量，則X與μi之間不相關(guān)，滿足：假定2：零期望。其預(yù)測誤差方差為：其中：用替代式中的構(gòu)造t統(tǒng)計量：遵循自由度為T2的t分布。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 % 置信區(qū)間B標(biāo)準(zhǔn) 誤差試用版下限上限1(常量).000綜合指標(biāo)K.004.000.993.000.004.004殘差統(tǒng)計量a極小值極大值均值標(biāo)準(zhǔn) 偏差N預(yù)測值22殘差.0000022標(biāo)準(zhǔn) 預(yù)測值.00022標(biāo)準(zhǔn) 殘差.000.97622對輸出結(jié)果分析如下：表38 模型匯總模型匯總b模型RR 方調(diào)整 R 方標(biāo)準(zhǔn) 估計的誤差更改統(tǒng)計量DurbinWatsonR 方更改F 更改df1df2Sig. F 更改1.993a.986.986.986120.000.779a. 預(yù)測變量: (常量), 綜合指標(biāo)K。對汽車保有量的預(yù)測可以供相關(guān)部門借鑒，相關(guān)部門也可以就預(yù)測出的數(shù)值進行政策制定和相關(guān)政策調(diào)整，為國民經(jīng)濟和交通業(yè)的發(fā)展做