【正文】 （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2015到2025年的汽車(chē)保有量預(yù)測(cè)值。b. 因變量: 汽車(chē)保有量Anovaa模型平方和df均方FSig.1回歸1.000b殘差20總計(jì)21a. 因變量: 汽車(chē)保有量b. 預(yù)測(cè)變量: (常量), 綜合指標(biāo)K。一元線性回歸模型的基本假定：假定1：X為固定的變量。可得到主成分表達(dá)式。 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 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。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。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。同時(shí)有數(shù)據(jù)顯示，在1993年年底，我國(guó)的各類(lèi)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。 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)。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。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。具體格式參看實(shí)驗(yàn)報(bào)告樣本。二、 課程設(shè)計(jì)（論文）題目與內(nèi)容本課程設(shè)計(jì)（論文）主要任務(wù)為：針對(duì)交通運(yùn)輸領(lǐng)域內(nèi)某一主題，設(shè)計(jì)調(diào)查表調(diào)查或查詢(xún)相關(guān)統(tǒng)計(jì)數(shù)據(jù)，根據(jù)本課程講授內(nèi)容選擇一種或多種合適的統(tǒng)計(jì)分析方法，運(yùn)用SPSS建立模型分析問(wèn)題?？傮w來(lái)說(shuō)，我國(guó)交通系統(tǒng)主要有如下幾個(gè)特點(diǎn)：城市機(jī)動(dòng)化與城市發(fā)展是同步行進(jìn)的。由于歷史和經(jīng)濟(jì)發(fā)展原因，目前我國(guó)多數(shù)城市都存在停車(chē)設(shè)施建設(shè)滯后、停車(chē)泊位緊張的問(wèn)題。 本設(shè)計(jì)采用的分析方法本設(shè)計(jì)運(yùn)用相關(guān)性分析和主成分分析法對(duì)影響汽車(chē)保有量的相關(guān)因素進(jìn)行約簡(jiǎn)。這種變化的直接影響就是消費(fèi)結(jié)構(gòu)的升級(jí)，消費(fèi)結(jié)構(gòu)的升級(jí)帶動(dòng)了汽車(chē)的消費(fèi)，從而使汽車(chē)保有量增長(zhǎng)的速度逐年加快。將來(lái)的社會(huì)汽車(chē)就會(huì)像手機(jī)一樣普遍，汽車(chē)保有量的迅速增長(zhǎng)可是可想而知的，對(duì)汽車(chē)保有量進(jìn)行相關(guān)方面的研究也是很有意義的。設(shè)汽車(chē)保有量為Y，設(shè)汽車(chē)保有量影響因素：人均GDP、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、能源消耗總量、人口數(shù)量、居民消費(fèi)水平分別為XXXXXXXX8。最常見(jiàn)的情況是主成分為2到3個(gè)3. 主成分分析的步驟(1) 把待評(píng)定的對(duì)象作為樣本，根據(jù)評(píng)定的目的選取各個(gè)樣本的P個(gè)指標(biāo)，收集的這些樣本指標(biāo)值，構(gòu)成一個(gè)N*P的矩陣。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。人們希望用一類(lèi)與數(shù)據(jù)的背景材料規(guī)律相適應(yīng)的解析表達(dá)式，y=f(x，c）來(lái)反映量x與y之間的依賴(lài)關(guān)系，即在一定意義下“最佳”地逼近或擬合已知數(shù)據(jù)。表示為： 假定5：正態(tài)性。由上表可見(jiàn)所用的回歸模型F統(tǒng)計(jì)值=，因此我們用的這個(gè)回歸模型是有統(tǒng)計(jì)學(xué)意義的。關(guān)于我國(guó)汽車(chē)保有量發(fā)展趨勢(shì)分析的問(wèn)題仍然存在著可以進(jìn)一步研究的地方，主要由以下幾點(diǎn)：① 尋找新的全面的統(tǒng)計(jì)數(shù)據(jù)，選取更加合理的影響因素，尋找更加合理的預(yù)測(cè)方法得到更加準(zhǔn)確可靠的預(yù)測(cè)數(shù)據(jù)。結(jié)合各自的優(yōu)缺點(diǎn)總結(jié)得出自己的思路和方法。 SPSS操作步驟雖然綜合指標(biāo)和汽車(chē)保有量是非平穩(wěn)的變量，但是它們兩者之間存在著協(xié)整關(guān)系，因而可以直接建立協(xié)整回歸預(yù)測(cè)模型。曲線擬合：貝塞爾曲線與路徑轉(zhuǎn)化時(shí)的誤差。表35 初始因子載荷矩陣成份矩陣a成份1民用汽車(chē).986人均國(guó)內(nèi)生產(chǎn)總值.998工業(yè)總產(chǎn)值.984貨 運(yùn) 量.991客運(yùn)量.993公 路.960能源消耗.992人口數(shù)量.890居民消費(fèi).997提取方法 :主成份。(4)求出相關(guān)系數(shù)矩陣R的特征值和特征向量，然后把特征值由小到大排列，最大的特征值所對(duì)應(yīng)的主成分就叫第一主成分，排在第二位的那個(gè)特征向量對(duì)應(yīng)的主成分就叫第二主成分，以此類(lèi)推。在社會(huì)經(jīng)濟(jì)的研究中，為了全面系統(tǒng)的分析和研究問(wèn)題，必須考慮許多經(jīng)濟(jì)指標(biāo)，這些指標(biāo)能從不同的側(cè)面反映所研究對(duì)象的特征，在某種程度上存在信息的重疊，具有一定的相關(guān)性。運(yùn)用相關(guān)分析法進(jìn)行因子篩選，相關(guān)系數(shù)用r表示，常用的相關(guān)系數(shù)主要有Pearson簡(jiǎn)單相關(guān)系數(shù)、Spearman等級(jí)相關(guān)系數(shù)和Kendall相關(guān)系數(shù)。由上圖可以看出近幾年的各項(xiàng)經(jīng)濟(jì)指標(biāo)增長(zhǎng)的幅度明顯大于往年，這也帶動(dòng)我國(guó)汽車(chē)保有量增長(zhǎng)迅猛。本設(shè)計(jì)在影響汽車(chē)保有量的眾多的影響因素中運(yùn)用主成分分析和相關(guān)性分析找出最主要的因素，簡(jiǎn)化了相關(guān)的方程式，簡(jiǎn)化了操作過(guò)程，并且使分析結(jié)果簡(jiǎn)單明確。當(dāng)前，我國(guó)交通系統(tǒng)的建設(shè)正處于繁榮發(fā)展時(shí)期，基礎(chǔ)設(shè)施建設(shè)日趨完善。我國(guó)從2002年開(kāi)始人均GDP超過(guò) 1000美元，標(biāo)志著我國(guó)已經(jīng)進(jìn)入汽車(chē)的高速發(fā)展時(shí)代。五、 成績(jī)?cè)u(píng)定平時(shí)考勤20%，報(bào)告撰寫(xiě)規(guī)范20%,內(nèi)容(選題合理、方案可行、分析正確、有創(chuàng)新)60%。最終成果（打印稿1份、電子文檔1份）統(tǒng)一交班長(zhǎng)匯總并轉(zhuǎn)交指導(dǎo)老師；最終成果提交截止時(shí)間為第20周周五。根據(jù)發(fā)達(dá)國(guó)家小汽車(chē)發(fā)展的軌跡，在人均GDP達(dá)到 1000美元時(shí)，小汽車(chē)將進(jìn)入高速發(fā)展階段。這就要求交通運(yùn)輸必須提高資源利用效率，走可持續(xù)發(fā)展道路，建設(shè)節(jié)約型行業(yè)。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)得出2015到2025年的汽車(chē)保有量預(yù)測(cè)值。圖22 汽車(chē)保有量與居民消費(fèi)水平圖23 人均GDP與汽車(chē)保有量由此可以看出，人均GDP的增加，年末儲(chǔ)蓄幅度的增加以及人們的消費(fèi)結(jié)構(gòu)的轉(zhuǎn)變，使得中國(guó)發(fā)展成為一個(gè)極具潛力的消費(fèi)市場(chǎng)。兩個(gè)變量之間的相關(guān)性用相關(guān)系數(shù)來(lái)衡量，要是一個(gè)變量與多個(gè)變量之間的相關(guān)性，一般用偏相關(guān)系數(shù)來(lái)衡量。 主成分分析 主成分分析的基本理論1. 主成分的概念 主成分分析（PCA），是由Hotelling于1933年首先提出的。(3)計(jì)算標(biāo)準(zhǔn)化矩陣的相關(guān)系數(shù)矩陣R。從這兩個(gè)判斷條件來(lái)看，這8個(gè)變量只萃取第一主成分即可，第一主成分對(duì)各個(gè)變量的信息提取已經(jīng)非常充分了。至于非線性模型，則要借助求解非線性方程組或用最優(yōu)化方法求得所需參數(shù)才能得到擬合曲線，有時(shí)稱(chēng)之為非線性最小二乘擬合。其中可以根據(jù)點(diǎn)預(yù)測(cè)值和預(yù)測(cè)誤差方差構(gòu)建預(yù)測(cè)區(qū)間。4 總結(jié) 本設(shè)計(jì)的主要工作（1）收集了歷年大量的國(guó)內(nèi)有關(guān)于汽車(chē)保有量影響因素和預(yù)測(cè)方法的文獻(xiàn)資料，并對(duì)文獻(xiàn)進(jìn)行了整理總結(jié)。② 認(rèn)真總結(jié)此次課程設(shè)計(jì)中遇見(jiàn)的問(wèn)題和知識(shí)點(diǎn)上的缺陷，查漏補(bǔ)缺，為下次的課程設(shè)計(jì)做準(zhǔn)備。表310 系數(shù)輸出表 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此表給出了包括常數(shù)項(xiàng)在內(nèi)的所有系數(shù)的檢驗(yàn)結(jié)果，用的是t檢驗(yàn)，同時(shí)還會(huì)給出標(biāo)化∕未標(biāo)化系數(shù)。即為服從正態(tài)分布的隨機(jī)變量。f(x，c)常稱(chēng)作擬合模型 ，式中c=(c1，c2，…)是一些待定參數(shù)。.863Bartlett 的球形度檢驗(yàn)近似卡方df36Sig..000從表33檢驗(yàn)變量的相關(guān)性的KMO統(tǒng)計(jì)量來(lái)看，因此各變量之間的相關(guān)性程度無(wú)太大的差異，數(shù)據(jù)非常適合做主成分分析，Sig.（即相伴概率）=，球形假設(shè)檢驗(yàn)被拒絕，這8個(gè)指標(biāo)間存在著相關(guān)性，與之前的相關(guān)性檢驗(yàn)也是很