垃圾減量分類活動(dòng)中社會及個(gè)體因素的量化分析畢業(yè)論文(編輯修改稿)
2025-07-25 18:02 本頁面
【文章內(nèi)容簡介】 系。還有一些衡量與的線性關(guān)系不明顯，如用回歸平方和在總平方和中的比值定義復(fù)判定系數(shù)稱為負(fù)相關(guān)系數(shù)，越大，與相關(guān)關(guān)系越密切，()才認(rèn)為相關(guān)關(guān)系成立(5) 回歸系數(shù)的假設(shè)檢驗(yàn)和區(qū)間估計(jì)當(dāng)上面的 被拒絕時(shí)， 不全為零，但是不排除其中若干個(gè)等于零。所以應(yīng)進(jìn)一步作如下個(gè)檢驗(yàn)：由于， 是中的第元素，用代替 ，當(dāng) 成立時(shí)對給定的 ，若，接受 ；否則，拒絕。上式也可用于對作區(qū)間估計(jì)，在置信水平下，的置信區(qū)間為其中(6) 利用回歸模型進(jìn)行預(yù)測當(dāng)回歸模型和系數(shù)通過檢驗(yàn)后，可由給定的 預(yù)測，是隨機(jī)的，顯然其預(yù)測值（點(diǎn)估計(jì)）為給定可以算出的預(yù)測區(qū)間（區(qū)間估計(jì)），結(jié)果較復(fù)雜，但當(dāng)n 較大且接近平均值時(shí)，的預(yù)測區(qū)間可簡化為其中是標(biāo)準(zhǔn)正態(tài)分布的上分位數(shù)。對的區(qū)間估計(jì)方法可用于給出已知數(shù)據(jù)殘差 的置信區(qū)間，服從均值為零的正態(tài)分布，所以若某個(gè)的置信區(qū)間不包含零點(diǎn)，則認(rèn)為這個(gè)數(shù)據(jù)是異常的，可予以剔除。具體以流程圖的形式表現(xiàn)如下：二、模型的建立與求解通過查詢深圳統(tǒng)計(jì)年鑒得到以下數(shù)據(jù)：表五：各量化指標(biāo)數(shù)據(jù)年份政府教育支出深圳市發(fā)展水平（GDP）人均GDP值人口總數(shù)戶籍人口/非戶籍人口每戶人口數(shù)生活垃圾清運(yùn)量（萬噸）2001223601248234822 2192002278160296940369 2212003346031358547029 3252004430462428254236 3472005535495495160801 3332006666156581468441 3602007828698680276273 40720081030900778783431 44120091366266820184147 47620101595355958294296 4792011196792811506110421 458畫出生活垃圾清運(yùn)量與政府教育支出、深圳市發(fā)展水平、人均GDP值、人口總數(shù)、戶籍人口與非戶籍人口比、每戶人口的趨勢圖(其它數(shù)據(jù)見附錄)：通過趨勢圖，觀察各曲線大致呈線性關(guān)系?？梢杂枚嘣€性回歸模型，首先建立生活垃圾清運(yùn)量分別與各因素的線性回歸方程，然后根據(jù)上述分析，建立減量分類模型的形式如下：其中、、分別表示生活垃圾清運(yùn)總量、政府教育支出、深圳市發(fā)展水平、人均 GDP值、人口總數(shù)、戶籍人口與非戶籍人口比、每戶人口。、、表示待估計(jì)的參數(shù)。利用MATBLE編程可得：置信區(qū)間bint = Stats殘差圖如下：從殘差圖中可以看出，殘差的置信區(qū)間均包含零點(diǎn)，說明回歸模型能較好符合原始數(shù)據(jù)，無異常點(diǎn)。多元回歸線性交互式畫面可知本模型的剩余標(biāo)準(zhǔn)差和殘差為：rmse =residuals=b,bint 為回歸系數(shù)估計(jì)值和置信區(qū)間，r,rint 為殘差（向量）及其置信區(qū)間，stats 是用于檢驗(yàn)回歸模型的統(tǒng)計(jì)量，有四個(gè)數(shù)值，第一個(gè)是相關(guān)系數(shù)，第二個(gè)是值，第三個(gè)是與 對應(yīng)的概率 ， 拒絕，回歸模型成立，第四個(gè)是殘差的方差由所得結(jié)果可知，R2=，擬合結(jié)果較好，且F值所對應(yīng)的概率p=，小于顯著性水平，拒絕H0，說明因變量與自變量之間存在顯著線性關(guān)系，原模型假設(shè)成立。根據(jù)題設(shè)回歸模型可得 結(jié)論：由檢驗(yàn)結(jié)果可知生活垃圾清運(yùn)總量每增加一萬噸，，。 根據(jù)附件中《天景花園垃圾收集統(tǒng)計(jì)表》,繪制出各個(gè)垃圾組分?jǐn)?shù)量隨時(shí)間變化圖像：根據(jù)上圖曲線的變化趨勢，四條曲線大致在某一水平上來回波動(dòng)，但在第37天到第45天時(shí)，曲線明顯有大幅下落的跡象，因此該段數(shù)據(jù)剔除，重新整理數(shù)據(jù)，繪制圖像：從上表中明顯可以看出已經(jīng)基本處于平穩(wěn)狀態(tài)?？梢詫?shù)據(jù)進(jìn)行相關(guān)性分析。相關(guān)性分析是對兩個(gè)或多個(gè)具備相關(guān)性的變量因素進(jìn)行分析，從而衡量兩個(gè)變量因素的相關(guān)密切程度。相關(guān)性的元素之間需要存在一定的聯(lián)系或者概率才可以進(jìn)行相關(guān)性分析，相關(guān)性不等于因果性，也不是簡單的個(gè)性化。相關(guān)性分析可以用來驗(yàn)證兩個(gè)變量間的線性關(guān)系，從相關(guān)系數(shù)可以知道兩個(gè)變量是否呈線性關(guān)系，線性關(guān)系的強(qiáng)弱，以及是正相關(guān)還是負(fù)相關(guān)。相關(guān)性系數(shù)介于1到1之間。如果接近0則兩個(gè)變量沒有線性相關(guān)性；當(dāng)接近1或者1時(shí)，說明兩個(gè)變量線性關(guān)系很強(qiáng)；正的值代表當(dāng)值很小時(shí)值也很小，當(dāng)值很大時(shí)值也很大。反之亦然。首先計(jì)算數(shù)據(jù)的各描述統(tǒng)計(jì)量如下圖：表六：描述統(tǒng)計(jì)量N極小值極大值均值標(biāo)準(zhǔn)差方差可回收垃圾81廚余垃圾81有害垃圾81.00.2198.41846.175日期81190其他垃圾81總量81有效的 N （列表狀態(tài)）81由上表可以看出方差和標(biāo)準(zhǔn)差都不大，利用SPSS軟件對其進(jìn)行相關(guān)性分析，得到相關(guān)性系數(shù)表七：相關(guān)性可回收垃圾廚余垃圾有害垃圾其他垃圾總量可回收垃圾Pearson 相關(guān)性1.319**.190**.153顯著性（雙側(cè)）.004.089.000.173N8181818181廚余垃圾Pearson 相關(guān)性.319**1.130**.465**顯著性（雙側(cè)）.004.249.000.000N8181818181有害垃圾Pearson 相關(guān)性.190.1301.163顯著性（雙側(cè)）.089.249.376.146N8181818181其他垃圾Pearson 相關(guān)性****1.257*顯著性（雙側(cè)）.000.000.376.021N8181818181總量Pearson 相關(guān)性.153.465**.163.257*1顯著性（雙側(cè)）.173.000.146.021N8181818181**. 在 .01 水平（雙側(cè)）上顯著相關(guān)。*. 在 水平（雙側(cè)）上顯著相關(guān)。 從上表可以得出如下結(jié)論
規(guī)章制度相關(guān)推薦
鄂ICP備17016276號-1