【文章內(nèi)容簡介】 DP 的增加， 年末 儲蓄幅度的增加以及人們的消費結(jié) 7 構(gòu)的轉(zhuǎn)變，使得中國發(fā)展成為一個極具潛力的消費市場。 由上圖可以看出近幾年的各項經(jīng)濟指標增長的幅度明顯大于往年，這也帶動我國汽車保有量增長迅猛。 表 21 2020— 2020年汽車保有量 年份 汽車保有量（萬輛） 2020 2020 2020 2020 2020 2020 2020 據(jù) 國家統(tǒng)計局統(tǒng)計， 1990 年全國民用汽車保有量僅有 554 萬輛，其中私車保有量為 82 萬輛，占 %。這 82 萬輛私人汽車中， 58 萬輛是載貨車，只有24 萬輛是載客汽車。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。此后，私人汽車比例一路走高，私人轎車也逐步增加。同時有數(shù)據(jù)顯示，在 1993 年年底，我國的各類汽車的保有量數(shù)據(jù) 810 萬輛，這個數(shù)據(jù)只相當于日本的 1/10，美國的 1/28，德國的 1/6 左右。但是隨著我國經(jīng)濟的迅速發(fā)展，人們消費水平的提高，汽車消費也是逐年增加，汽車行業(yè)發(fā)展很飛速。自上世紀 80年 代中國開始出現(xiàn)私人汽車以來，到 2020 年社會保有量達到 1219 萬輛，私人汽車突破千萬輛用了近 20 年，而突破 2020 萬輛僅僅用了 3 年時間。從表 21，我們可以看出我國的汽車保有量從 2020 年 3159 萬輛增長到了 2020 年的 萬輛。 隨著社會的和技術(shù)的進步，生活水平的進一步提高，我國的汽車保有量將會繼續(xù)增長，在現(xiàn)實生活中，人們越來越多的重視汽車的消費，把汽車消費納入生活中的一樣必需品，汽車進入 普通家庭己經(jīng)成為一個人所共知的事實，也是整個社會經(jīng)濟發(fā)展的趨勢。 將來的社會汽車就會像手機一樣普遍，汽車保有量的 迅速增長可是可想而知的，對汽車保有量進行相關(guān)方面的研究也是很有意義的。 8 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。說明客觀事物相互間關(guān)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(guān)分析。通常用相關(guān)系數(shù)來描述線性關(guān)系的強弱和方向。如果兩個樣本觀測值序列之間相關(guān)關(guān)系數(shù)的絕對值為 1，則兩者之間具有完全的相關(guān)性，相關(guān)系數(shù)的絕對值越大，越接近于 1的話，兩者之間的相關(guān)性就越強，反之，相關(guān)系數(shù)越小，絕對值為 0或者接近 0的話， 兩者之間不具有相關(guān)性。兩個變量之間的相關(guān)性用相關(guān)系數(shù)來衡量，要是一個變量與多個變量之間的相關(guān)性，一般用偏相關(guān)系數(shù)來衡量。運用相關(guān)分析法進行因子篩選，相關(guān)系數(shù)用 r表示，常用的相關(guān)系數(shù)主要有 Pearson簡單相關(guān)系數(shù)、 Spearman等級相關(guān)系數(shù)和 Kendall相關(guān)系數(shù)。這里介紹下 Pearson簡單相關(guān)系數(shù) 用來度量定居型變量之間的線性相關(guān) 關(guān)系。計算公式為： 其中， n為樣本數(shù)， xi和 yi分別為兩變量的變量值， 代為變量 xi和 yi的協(xié)方差， 分別為變量 x和 y的標準差。 rO為正相關(guān) 。rO為負相關(guān) 。r=0為零相關(guān)或無相關(guān) .|r|越接近于 1，說明相關(guān)性越好 。|r|越接近于 0，說明相關(guān) 9 性越差。 r=l 時表示兩變量之間存在完全的正相關(guān)。 r=1時，表示兩變量存在完全負相關(guān)。 SPSS的 操作步驟 運用相關(guān)性分析法，通過判斷各個因素與汽車保有量之間的線性相關(guān)程度的強弱，刷選出對汽車保有量有影響的重要因素。設汽車保有量為 Y，設汽車保有量影響因素：人均 GDP、工業(yè)生產(chǎn)總值、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、居民消費水平分別為 X X X X X X XX8。 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 量 客運量 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 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 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 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 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 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)。 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(guān)系數(shù)分別是 、 、 、 、 、 、 、 。因此，我們可以得出汽車保有量與各個影響因素之間具有很好的相關(guān)性。同時，從表中也可以看出汽車保有量的各個影響因素之間也存在很好的相關(guān)性，他們之間可能存在相互影響。 主成分分析 主成分分析的基本理論 1. 主成分的概念 12 主成分分 析（ PCA），是由 Hotelling 于 1933 年首先提出的。在社會經(jīng)濟的研究中，為了全面系統(tǒng)的分析和研究問題，必須考慮許多經(jīng)濟指標，這些指標能從不同的側(cè)面反映所研究對象的特征，在某種程度上存在信息的重疊，具有一定的相關(guān)性。主成分分析就是力求數(shù)據(jù)信息丟失最少的原則下，在高維的變量空間降維，即研究指標體系的少數(shù)幾個線性組合，并且這幾個線性組合所構(gòu)成的綜合指標將盡可能多的保留原來指標變異方面的信息的一種分析方法。 假設我們所討論的實際問題中，有 p 個指標，我們把這 p 個指標看作 p 個隨機變量，記為 Xl， XZ，?， XP， 主成分分析就是要把這 p 個指標的問題，轉(zhuǎn)變?yōu)橛懻?p 個指標的線性組合的問題，而這些新的指標 Fl， FZ，?， Fk(k≦ P)，按照保留主要信息量的原則充分反映原指標的信息，并且相互獨立。第一個線性組合即為第一個綜合指標記作 Yl，為了使得該線性組合具有唯一性，要求在所有的線性組合中 Yl 的方差最大，它所包含的信息最多。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(guān)的原線性組合方差最大者，以此類推。 2. 主成分的性質(zhì) 方差為所有特征根之和即 一說明 主成分分析把 p個隨機變量