【正文】 ,2,3?? n） 對于給定的 Xf，對于 Y 的個(gè)值得一步預(yù)測為： 這里的 b0，b1 是根據(jù)樣本觀察值采用 OLS 得到的 β 0、 β 1的估計(jì)值。由此可以推算出 2020 到 2020 年的綜合指標(biāo)的數(shù)值分別是 、 、 、 、 、 一元線性 回歸預(yù)測模型 一元線性 回歸預(yù)測 原理 給定 一元線性回歸模型： ，其中 β 0、 β 1 為模型的參數(shù)或回歸系數(shù)， μ i為殘差項(xiàng)。當(dāng) c在 f 中 線性 出現(xiàn)時(shí)，稱為線性模型，否則稱為 非線性模型 ?？傻玫浇忉尩目偡?差 成份 初始特征值 提取平方和載入 合計(jì) 方差的 % 累積 % 合計(jì) 方差的 % 累積 % 1 2 .275 3 .104 4 .011 .118 5 .010 .106 6 .002 .021 7 .001 .011 8 .001 .006 9 .001 提取方法：主成份分析。 17 表 34 方差貢獻(xiàn)率圖 從方差貢獻(xiàn)率表 34 可以看出，第一主成分的特征根是 ，它解釋了總變異的 %。為了使得各 個(gè)權(quán)重系數(shù)之和等于 i 個(gè)主成分通過下面的式子進(jìn)行歸一化處理 ： 得到歸一化的各個(gè)變量權(quán)重。要對上一步得到的原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。如果要是第一主成分不足以代表原來的 P 個(gè)指標(biāo)的所有信息量的話，考慮選擇第二個(gè)主成分，第二主成分是與第一主成分不相關(guān)的原線性組合方差最大者，以此類推。 輸出結(jié)果分析 從表 31的輸出結(jié)果我們可以看出，汽車保有量與人均 GDP、工業(yè)總產(chǎn)值、公路貨運(yùn)量、公路客運(yùn)量、公路總里程、能源消耗總量、人口數(shù)量、居民消費(fèi)水平的相關(guān)系數(shù)分別是 、 、 、 、 、 、 、 。rO為負(fù)相關(guān) 。說明客觀事物相互間關(guān)系的密切程度并用適當(dāng)?shù)慕y(tǒng)計(jì)指標(biāo)表示出來，這個(gè)過程就是相關(guān)分析。此后，私人汽車比例一路走高，私人轎車也逐步增加。由于我國經(jīng)濟(jì)發(fā)展的不平衡，東西部經(jīng)濟(jì)的差距，各地區(qū)居民消費(fèi)水平的不同，使得汽車保有量絕大部分集中在 一線、二線 城市， 并且 城市的汽車保有量明顯高于農(nóng)村。 依次進(jìn)行相關(guān)性分析，主成分分析，曲 5 線擬合，一元線性回歸分析等數(shù)據(jù)處理方法。先利用相關(guān)分析方法，得出汽車保有量與各個(gè)相關(guān)因素之間以及各 影響因素之間都具有很好的相關(guān)性。滿足當(dāng)前交通需求的發(fā)展，要求建設(shè)更多的基礎(chǔ)設(shè)施，而交通基礎(chǔ)設(shè)施的建設(shè)，會進(jìn)一步刺激交通需求的增長。制定合理的城市交通規(guī)劃，走可持續(xù)交通發(fā)展道路，是解決城市交通的根本途徑。 相關(guān)資料表明，汽車尾氣污染占大氣污染的總的比重在增大，因此 機(jī)動車尾氣成為最不可忍受的污染物。回顧過去，我國城市機(jī)動化增長速度迅猛， 1980 年至 2020 年，全國機(jī)動車保有量以年均 %的速度增長。報(bào)告中所有圖表應(yīng)按“章號 圖表序號 圖表名”（例：圖 11***頻數(shù)圖）進(jìn)行編號。且必須與交通運(yùn)輸相關(guān)，選題主題主要包括： 1. 運(yùn)輸市場定位研究 2. 運(yùn)輸需求分析與預(yù)測 3. 政策或技術(shù)方法實(shí)施效果評價(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(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。 題目自擬，但題名一般要包含主題與統(tǒng)計(jì)方法。 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、 目錄 、 正文 、 參考文獻(xiàn) 、 成績評定表 。城市經(jīng)濟(jì)的 繁榮發(fā)展促進(jìn)了機(jī)動車 的普 及，而機(jī)動車的普及反過來也推動了城市經(jīng)濟(jì)的進(jìn)一步發(fā)展。汽車排放的尾氣含有一氧化碳 2 (CO)、氮氧化物 (NOx)、非甲烷碳?xì)浠?(THC)及粉塵等有害物質(zhì)，損害了人類的居住環(huán)境和生態(tài)環(huán)境。 歷史經(jīng)驗(yàn)證明，盡管是由于交通供給與需求不平衡而導(dǎo)致了各種交通問題，但是 僅僅通過不斷增加供給來滿足需求的方式是不能從根本上解決城市交通問題的。 城市交通需求的不斷增長給城市交通系統(tǒng)帶來嚴(yán)峻考驗(yàn)，各種交通問題日益加劇 :交通擁擠、停車設(shè)施緊張、交通污染嚴(yán)重、交通安全形勢嚴(yán)峻等。 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(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、公路總里程等對汽車保有量有影響的數(shù)據(jù)。 數(shù)據(jù)處理 在中國統(tǒng)計(jì)年鑒中分別找出相關(guān)的數(shù)據(jù)依次錄入到 Excle 數(shù)據(jù)匯總總表 中然后導(dǎo)入到 SPSS 中進(jìn)行相關(guān)數(shù)據(jù)處理。 圖 21 1990年到 2020年人均 GDP 加入世界貿(mào) 易組織以后，中國 又相繼 出臺 了 一系列相關(guān)的政策來推 動我國汽 6 車業(yè)的發(fā) 展，鼓勵小汽車走入家庭，使得小汽車的消費(fèi)成為了當(dāng)今消費(fèi)市場的主流。私人客車中，相當(dāng)數(shù)量是微型面包車，真正的私人轎車寥寥無幾。 8 3 統(tǒng) 計(jì)模型與分析 相關(guān)性分析 相關(guān)性分析 原理 任何事物的存在都不是孤立的，而是相互聯(lián)系、相互制約的。 rO為正相關(guān) 。 SPSS 操 作步驟如下： ① 按分析 — 相關(guān)性 — 雙變量相關(guān)，打開對話框， 完成相關(guān)操作， 如圖所示： 圖 31 相關(guān)分析操作界面 10 ② 結(jié)果輸出： 表 31 相關(guān)分析輸出結(jié)果 相關(guān)性 民用汽車 人均國內(nèi)生產(chǎn)總值 工業(yè)總產(chǎn)值 貨 運(yùn) 量 客運(yùn)量 民用汽車 Pearson 相關(guān)性 1 .991** .995** .998** .980** 顯著性（雙側(cè)） .000 .000 .000 .000 N 22 22 22 22 22 人均國內(nèi)生產(chǎn)總值 Pearson 相關(guān)性 .991** 1 .990** .996** .994** 顯著性（雙側(cè)） .000 .000 .000 .000 N 22 22 22 22 22 工業(yè)總產(chǎn)值 Pearson 相關(guān)性 .995** .990** 1 .997** .977** 顯著性（雙側(cè)） .000 .000 .000 .000 N 22 22 22 22 22 貨 運(yùn) 量 Pearson 相關(guān)性 .998** .996** .997** 1 .988** 顯著性（雙側(cè)） .000 .000 .000 .000 N 22 22 22 22 22 客運(yùn)量 Pearson 相關(guān)性 .980** .994** .977** .988** 1 顯著性（雙側(cè)） .000 .000 .000 .000 N 22 22 22 22 22 公 路 Pearson 相關(guān)性 .923** .948** .932** .933** .933** 顯著性（雙側(cè)） .000 .000 .000 .000 .000 N 22 22 22 22 22 能源消耗 Pearson 相關(guān)性 .971** .987** .976** .980** .976** 顯著性（雙側(cè)） .000 .000 .000 .000 .000 N 22 22 22 22 22 人口數(shù)量 Pearson 相關(guān)性 .818** .872** .796** .832** .886** 顯著性（雙側(cè)） .000 .000 .000 .000 .000 N 22 22 22 22 22 居民消費(fèi) Pearson 相關(guān)性 .983** .997** .977** .988** .995** 顯著性（雙側(cè)） .000 .000 .000 .000 .000 N 22 22 22 22 22 相關(guān)性 公 路 能源消耗 人口數(shù)量 居民消費(fèi) 民用汽車 Pearson 相關(guān)性 .923 .971** .818** .983** 顯著性（雙側(cè)） .000 .000 .000 .000 N 22 22 22 22 人均國內(nèi)生產(chǎn)總值 Pearson 相關(guān)性 .948** .987 .872** .997** 顯著性（雙側(cè)） .000 .000 .000 .000 N 22 22 22 22 工業(yè)總產(chǎn)值 Pearson 相關(guān)性 .932** .976** .796 .977** 11 顯著性（雙側(cè)） .000 .000 .000 .000 N 22 22 22 22 貨 運(yùn) 量 Pearson 相關(guān)性 .933** .980** .832** .988 顯著性（雙側(cè)） .000 .000 .000 .000 N 22 22 22 22 客運(yùn)量 Pearson 相關(guān)性 .933** .976** .886** .995** 顯著性（雙側(cè)） .000 .000 .000 .000 N 22 22 22 22 公 路 Pearson 相關(guān)性 1** .974** .861** .943** 顯著性（雙側(cè)） .000 .000 .000 N 22 22 22 22 能源消耗 Pearson 相關(guān)性 .974** 1** .875** .983** 顯著性（雙側(cè)） .000 .000 .000 N 22 22 22 22 人口數(shù)量 Pearson 相關(guān)性 .861** .875** 1** .904** 顯著性（雙側(cè)） .000 .000 .000 N 22 22 22 22 居民消費(fèi) Pearson 相關(guān)性 .943** .983** .904** 1** 顯著性（雙側(cè)） .000 .000 .000 N 22 22 22 22 **. 在 .01 水平（雙側(cè)）上顯著相關(guān)。第一個(gè)線性