【正文】 好吻合的。（2）由于這些指標(biāo)的量綱不統(tǒng)一，數(shù)量級也不同。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)）.000.000.000.000N2222222222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)）.000.000.000.000N2222222222工業(yè)總產(chǎn)值Pearson 相關(guān)性.995**.990**1.997**.977**顯著性（雙側(cè)）.000.000.000.000N2222222222貨 運(yùn) 量Pearson 相關(guān)性.998**.996**.997**1.988**顯著性（雙側(cè)）.000.000.000.000N2222222222客運(yùn)量Pearson 相關(guān)性.980**.994**.977**.988**1顯著性（雙側(cè)）.000.000.000.000N2222222222公 路Pearson 相關(guān)性.923**.948**.932**.933**.933**顯著性（雙側(cè)）.000.000.000.000.000N2222222222能源消耗Pearson 相關(guān)性.971**.987**.976**.980**.976**顯著性（雙側(cè)）.000.000.000.000.000N2222222222人口數(shù)量Pearson 相關(guān)性.818**.872**.796**.832**.886**顯著性（雙側(cè)）.000.000.000.000.000N2222222222居民消費(fèi)Pearson 相關(guān)性.983**.997**.977**.988**.995**顯著性（雙側(cè)）.000.000.000.000.000N2222222222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)）.000.000.000.000N22222222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)）.000.000.000.000N22222222工業(yè)總產(chǎn)值Pearson 相關(guān)性.932**.976**.796.977**顯著性（雙側(cè)）.000.000.000.000N22222222貨 運(yùn) 量Pearson 相關(guān)性.933**.980**.832**.988顯著性（雙側(cè)）.000.000.000.000N22222222客運(yùn)量Pearson 相關(guān)性.933**.976**.886**.995**顯著性（雙側(cè)）.000.000.000.000N22222222公 路Pearson 相關(guān)性1**.974**.861**.943**顯著性（雙側(cè)）.000.000.000N22222222能源消耗Pearson 相關(guān)性.974**1**.875**.983**顯著性（雙側(cè)）.000.000.000N22222222人口數(shù)量Pearson 相關(guān)性.861**.875**1**.904**顯著性（雙側(cè)）.000.000.000N22222222居民消費(fèi)Pearson 相關(guān)性.943**.983**.904**1**顯著性（雙側(cè)）.000.000.000N22222222**. 在 .01 水平（雙側(cè)）上顯著相關(guān)。3 統(tǒng)計模型與分析 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2011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。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)。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。題目自擬，但題名一般要包含主題與統(tǒng)計方法。報告中所有圖表應(yīng)按“章號圖表序號圖表名”（例：圖11***頻數(shù)圖）進(jìn)行編號。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。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。依次進(jìn)行相關(guān)性分析，主成分分析，曲線擬合，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的P個指標(biāo)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(guān)的原線性組合方差最大者，以此類推。：得到歸一化的各個變量權(quán)重。對初始載荷矩陣進(jìn)行變換。、 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β0、β1為模型的參數(shù)或回歸系數(shù)，μi為殘差項。 輸出結(jié)果分析SPSS輸出結(jié)果如下：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。（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)測模型。 存在的不足① 在選取影響汽車保有量的主要因素時，應(yīng)盡量多選取幾個指標(biāo)，本課程設(shè)計只選取了8個指標(biāo)，范圍不夠廣，影響因素考慮不過導(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)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.0000