【正文】 .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(guó)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)。 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。 圖 21 1990年到 2020年人均 GDP 加入世界貿(mào) 易組織以后，中國(guó) 又相繼 出臺(tái) 了 一系列相關(guān)的政策來(lái)推 動(dòng)我國(guó)汽 6 車業(yè)的發(fā) 展，鼓勵(lì)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(chǎng)的主流。 尋找對(duì)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(duì)汽車保有量有影響的數(shù)據(jù)。 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(wèn)題，但是 僅僅通過(guò)不斷增加供給來(lái)滿足需求的方式是不能從根本上解決城市交通問(wèn)題的。城市經(jīng)濟(jì)的 繁榮發(fā)展促進(jìn)了機(jī)動(dòng)車 的普 及，而機(jī)動(dòng)車的普及反過(guò)來(lái)也推動(dòng)了城市經(jīng)濟(jì)的進(jìn)一步發(fā)展。 題目自擬，但題名一般要包含主題與統(tǒng)計(jì)方法。報(bào)告中所有圖表應(yīng)按“章號(hào) 圖表序號(hào) 圖表名”（例：圖 11***頻數(shù)圖）進(jìn)行編號(hào)。 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(dòng)車尾氣成為最不可忍受的污染物。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(huì)進(jìn)一步刺激交通需求的增長(zhǎng)。 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。此后，私人汽車比例一路走高，私人轎車也逐步增加。rO為負(fù)相關(guān) 。如果要是第一主成分不足以代表原來(lái)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。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(guò)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。可得到解釋的總方 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。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(cè)模型 一元線性 回歸預(yù)測(cè) 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)。 26 輸出結(jié)果分析 SPSS 輸出結(jié)果如下： 模型匯總 b 模型 R R 方 調(diào)整 R 方 標(biāo)準(zhǔn) 估計(jì)的誤差 更改統(tǒng)計(jì)量 DurbinWatson R 方更改 F 更改 df1 df2 Sig. F 更改 1 .993a .986 .986 .986 1 20 .000 .779 a. 預(yù)測(cè)變量 : (常量 ), 綜合指標(biāo) K。 （ 3）在得出綜合指標(biāo)方程的基礎(chǔ)上運(yùn)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(cè)模型。 存在的不足 ① 在選取影響汽車保有量 的主要因素時(shí)，應(yīng)盡量多選 取幾個(gè)指標(biāo)， 本課程設(shè)計(jì)只選取了 8 個(gè)指標(biāo)，范圍不夠廣， 影響因素考慮不過(guò) 導(dǎo)致研究領(lǐng)域較為狹隘 。 系數(shù) a 模型 非標(biāo)準(zhǔn)化系數(shù) 標(biāo)準(zhǔn)系數(shù) t Sig. 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(jì)量 a 極小值 極大值 均值 標(biāo)準(zhǔn) 偏差 N 預(yù)測(cè)值 22 殘差 .00000 22 標(biāo)準(zhǔn) 預(yù)測(cè)值 .000 22 標(biāo)準(zhǔn) 殘差 .000 .976 22 27 對(duì)輸出結(jié)果分析如下： 表 38 模型匯總 28 模型匯總 b 模型 R R 方 調(diào)整 R 方 標(biāo)準(zhǔn) 估計(jì)的誤差 更改統(tǒng)計(jì) 量 DurbinWatson R 方更改 F 更改 df1 df2 Sig. F 更改 1 .993a .986 .986 .986 1 20 .000 .779 a. 預(yù)測(cè)變量 : (常量 ), 綜合指標(biāo) K。如果 X為隨機(jī)變量，則 X與 μ i之間不相關(guān)，滿足： 假定 2：零期望。再進(jìn)行歸一化得出因子得分系數(shù)矩陣。 .863 Bartlett 的球形度檢驗(yàn) 近似卡方 df 36 Sig. .000 公因子方差 初始 提取 民用汽車 .972 人均國(guó)內(nèi)生產(chǎn)總值 .997 工業(yè)總產(chǎn)值 .968 貨 運(yùn) 量 .983 客運(yùn)量 .986 公 路 .923 能源消耗 .984 人口數(shù)量 .792 居民消費(fèi) .995 提取方法：主成份分析。 貢獻(xiàn)率：第 i 個(gè)主成分的方差在全部方差中所占比重 ，稱為貢獻(xiàn)率， 反映了原來(lái) p 個(gè)指標(biāo)多大比例的信息，有多大程度的綜合能力。|r|越接近于 0，說(shuō)明相關(guān) 9 性越差。但是隨著我國(guó)經(jīng)濟(jì)的迅速發(fā)展，人們消費(fèi)水平的提高，汽車消費(fèi)也是逐年增加，汽車行業(yè)發(fā)展很飛速。一般來(lái)說(shuō)，根據(jù)世界汽車行業(yè)的發(fā)展規(guī)律，當(dāng)一個(gè)國(guó)家的人均國(guó)內(nèi)生產(chǎn)總值達(dá)到 1000 美元以后，國(guó)民的消費(fèi)結(jié)構(gòu)就會(huì)發(fā)生改變，就會(huì)進(jìn)入以住房、汽車為代表的改善生活質(zhì)量的消費(fèi)時(shí)代。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(duì)性地、適度超前的進(jìn)行交通基礎(chǔ)設(shè)施建設(shè)。 盡管我國(guó)汽車 保有量遠(yuǎn)低于發(fā)達(dá)國(guó)家水平，但道路交通對(duì)環(huán)境的影響程度己經(jīng)接近、甚至超過(guò)發(fā)達(dá)國(guó)家道路交通對(duì)環(huán)境的影響程度，我國(guó)城市的環(huán)境質(zhì)量也遠(yuǎn)低于發(fā)達(dá)國(guó)家。 七、 主要參考資料 .SPSS統(tǒng)計(jì)分析從基礎(chǔ)到實(shí)踐 .北京：電子工業(yè)出版社， 2020年 6月； 陳紅艷編著 .《實(shí)用數(shù)據(jù)統(tǒng)計(jì)分析及 》 .人民出版社， 2020年； 文彤 . .(高級(jí)篇 ).北京希望電子出版社 .2020年 6月； .SPSS實(shí)用統(tǒng)計(jì)分析 .中國(guó)水利水電出版社 .2020年 1月。其目的是 ， 通過(guò) 本 課程設(shè)計(jì)實(shí)踐，培養(yǎng)學(xué)生理論聯(lián)系實(shí)際思想，加深統(tǒng)計(jì)分