【正文】 ,2,3?? n） 對于給定的 Xf，對于 Y 的個值得一步預測為： 這里的 b0，b1 是根據(jù)樣本觀察值采用 OLS 得到的 β 0、 β 1的估計值。由此可以推算出 2020 到 2020 年的綜合指標的數(shù)值分別是 、 、 、 、 、 一元線性 回歸預測模型 一元線性 回歸預測 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。當 c在 f 中 線性 出現(xiàn)時，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 方差的 % 累積 % 合計 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 方差貢獻率圖 從方差貢獻率表 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 個權重系數(shù)之和等于 i 個主成分通過下面的式子進行歸一化處理 ： 得到歸一化的各個變量權重。要對上一步得到的原始數(shù)據(jù)進行標準化處理。如果要是第一主成分不足以代表原來的 P 個指標的所有信息量的話，考慮選擇第二個主成分，第二主成分是與第一主成分不相關的原線性組合方差最大者，以此類推。 輸出結果分析 從表 31的輸出結果我們可以看出，汽車保有量與人均 GDP、工業(yè)總產(chǎn)值、公路貨運量、公路客運量、公路總里程、能源消耗總量、人口數(shù)量、居民消費水平的相關系數(shù)分別是 、 、 、 、 、 、 、 。rO為負相關 。說明客觀事物相互間關系的密切程度并用適當?shù)慕y(tǒng)計指標表示出來，這個過程就是相關分析。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)濟發(fā)展的不平衡，東西部經(jīng)濟的差距，各地區(qū)居民消費水平的不同，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。 依次進行相關性分析，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。先利用相關分析方法，得出汽車保有量與各個相關因素之間以及各 影響因素之間都具有很好的相關性。滿足當前交通需求的發(fā)展，要求建設更多的基礎設施，而交通基礎設施的建設，會進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 機動車尾氣成為最不可忍受的污染物?；仡欉^去，我國城市機動化增長速度迅猛， 1980 年至 2020 年，全國機動車保有量以年均 %的速度增長。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。且必須與交通運輸相關，選題主題主要包括： 1. 運輸市場定位研究 2. 運輸需求分析與預測 3. 政策或技術方法實施效果評價 4. 交通行為選擇 5. 影響因素分析 6. 聚類分析 7. 服務質量評價 8. 自選 三、 課程設計（論文）基本要求 報告內(nèi)容原則上不少于 8000字，其正文至少包括如下幾個方面的內(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，本設計采用的方法） 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)計方法。 六、 報告格式 課程設計報告裝訂順序依次為： 封面 、 課程設計 (學年論文 )任務書、 目錄 、 正文 、 參考文獻 、 成績評定表 。城市經(jīng)濟的 繁榮發(fā)展促進了機動車 的普 及，而機動車的普及反過來也推動了城市經(jīng)濟的進一步發(fā)展。汽車排放的尾氣含有一氧化碳 2 (CO)、氮氧化物 (NOx)、非甲烷碳氫化物 (THC)及粉塵等有害物質，損害了人類的居住環(huán)境和生態(tài)環(huán)境。 歷史經(jīng)驗證明，盡管是由于交通供給與需求不平衡而導致了各種交通問題，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)帶來嚴峻考驗，各種交通問題日益加劇 :交通擁擠、停車設施緊張、交通污染嚴重、交通安全形勢嚴峻等。 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)。 數(shù)據(jù)處理 在中國統(tǒng)計年鑒中分別找出相關的數(shù)據(jù)依次錄入到 Excle 數(shù)據(jù)匯總總表 中然后導入到 SPSS 中進行相關數(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，使得小汽車的消費成為了當今消費市場的主流。私人客車中，相當數(shù)量是微型面包車，真正的私人轎車寥寥無幾。 8 3 統(tǒng) 計模型與分析 相關性分析 相關性分析 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 。 SPSS 操 作步驟如下： ① 按分析 — 相關性 — 雙變量相關，打開對話框， 完成相關操作， 如圖所示： 圖 31 相關分析操作界面 10 ② 結果輸出： 表 31 相關分析輸出結果 相關性 民用汽車 人均國內(nèi)生產(chǎn)總值 工業(yè)總產(chǎn)值 貨 運 量 客運量 民用汽車 Pearson 相關性 1 .991** .995** .998** .980** 顯著性（雙側） .000 .000 .000 .000 N 22 22 22 22 22 人均國內(nèi)生產(chǎn)總值 Pearson 相關性 .991** 1 .990** .996** .994** 顯著性（雙側） .000 .000 .000 .000 N 22 22 22 22 22 工業(yè)總產(chǎn)值 Pearson 相關性 .995** .990** 1 .997** .977** 顯著性（雙側） .000 .000 .000 .000 N 22 22 22 22 22 貨 運 量 Pearson 相關性 .998** .996** .997** 1 .988** 顯著性（雙側） .000 .000 .000 .000 N 22 22 22 22 22 客運量 Pearson 相關性 .980** .994** .977** .988** 1 顯著性（雙側） .000 .000 .000 .000 N 22 22 22 22 22 公 路 Pearson 相關性 .923** .948** .932** .933** .933** 顯著性（雙側） .000 .000 .000 .000 .000 N 22 22 22 22 22 能源消耗 Pearson 相關性 .971** .987** .976** .980** .976** 顯著性（雙側） .000 .000 .000 .000 .000 N 22 22 22 22 22 人口數(shù)量 Pearson 相關性 .818** .872** .796** .832** .886** 顯著性（雙側） .000 .000 .000 .000 .000 N 22 22 22 22 22 居民消費 Pearson 相關性 .983** .997** .977** .988** .995** 顯著性（雙側） .000 .000 .000 .000 .000 N 22 22 22 22 22 相關性 公 路 能源消耗 人口數(shù)量 居民消費 民用汽車 Pearson 相關性 .923 .971** .818** .983** 顯著性（雙側） .000 .000 .000 .000 N 22 22 22 22 人均國內(nèi)生產(chǎn)總值 Pearson 相關性 .948** .987 .872** .997** 顯著性（雙側） .000 .000 .000 .000 N 22 22 22 22 工業(yè)總產(chǎn)值 Pearson 相關性 .932** .976** .796 .977** 11 顯著性（雙側） .000 .000 .000 .000 N 22 22 22 22 貨 運 量 Pearson 相關性 .933** .980** .832** .988 顯著性（雙側） .000 .000 .000 .000 N 22 22 22 22 客運量 Pearson 相關性 .933** .976** .886** .995** 顯著性（雙側） .000 .000 .000 .000 N 22 22 22 22 公 路 Pearson 相關性 1** .974** .861** .943** 顯著性（雙側） .000 .000 .000 N 22 22 22 22 能源消耗 Pearson 相關性 .974** 1** .875** .983** 顯著性（雙側） .000 .000 .000 N 22 22 22 22 人口數(shù)量 Pearson 相關性 .861** .875** 1** .904** 顯著性（雙側） .000 .000 .000 N 22 22 22 22 居民消費 Pearson 相關性 .943** .983** .904** 1** 顯著性（雙側） .000 .000 .000 N 22 22 22 22 **. 在 .01 水平（雙側）上顯著相關。第一個線性