freepeople性欧美熟妇, 色戒完整版无删减158分钟hd, 无码精品国产vα在线观看DVD, 丰满少妇伦精品无码专区在线观看,艾栗栗与纹身男宾馆3p50分钟,国产AV片在线观看,黑人与美女高潮,18岁女RAPPERDISSSUBS,国产手机在机看影片

正文內容

利用逐步回歸預測運輸量-資料下載頁

2025-06-26 20:40本頁面
  

【正文】 的概率 = .050,Ftoremove 的概率 = .100)。2工業(yè)總產值.步進(準則: Ftoenter 的概率 = .050,Ftoremove 的概率 = .100)。a. 因變量: 總貨運量模型匯總模型RR 方調整 R 方標準 估計的誤差1.731a.534.4762.872b.761.692a. 預測變量: (常量), 農業(yè)總產值。b. 預測變量: (常量), 農業(yè)總產值, 工業(yè)總產值。Anovac模型平方和df均方FSig.1回歸1.016a殘差8總計92回歸2.007b殘差7總計9a. 預測變量: (常量), 農業(yè)總產值。b. 預測變量: (常量), 農業(yè)總產值, 工業(yè)總產值。c. 因變量: 總貨運量系數a模型非標準化系數標準系數tSig.B標準 誤差試用版1(常量).253農業(yè)總產值.731.0162(常量).020農業(yè)總產值.676.008工業(yè)總產值.479.037a. 因變量: 總貨運量已排除的變量c模型Beta IntSig.偏相關共線性統(tǒng)計量容差1工業(yè)總產值.479a.037.697.987居民非商業(yè)支出.462a.112.566.7002居民非商業(yè)支出.277b.284.433.586a. 模型中的預測變量: (常量), 農業(yè)總產值。b. 模型中的預測變量: (常量), 農業(yè)總產值, 工業(yè)總產值。c. 因變量: 總貨運量輸出結果表明,SPSS只進行了兩步就完成了計算,第一步進入的變量是農業(yè)總產值,剔除了工業(yè)總產值和居民非商業(yè)支出變量;第二步進入的變量有農業(yè)總產值和工業(yè)總產值,剔除的變量是居民非商業(yè)支出。從上表可知,建立的回歸方程是:第一步:第二步:其中,分別表示總貨運量、工業(yè)總產值和農業(yè)總產值。從輸出的方差分析表可以看出,在α=,回歸方程是極為顯著的。參考文獻[1]道路運輸供需品質分析與需求預測 吳群琪 楊霞 汪忠 20070706 社會科學出版社[2]運輸需求的本質及特征分析 孫啟鵬 吳群琪 張圣忠 鄒海波 200708 經濟科學出版社[3]對運輸需求理論問題的再認識 吳群琪 2003 [4]運輸經濟學 肯尼思巴頓(英) 2002 北京:商務印書館[5]運輸需求生成機理及其規(guī)律 孫啟鵬 吳群琪 200806 長安大學學報[6]運輸需求本質及其特征研究 吳群琪 陳文強 張圣忠 長安大學經濟管理學院[7] 《多元統(tǒng)計與SAS應用》余家林 肖枝洪 2008年1月第一版 武漢大學出版社 P39_40[8] 空間運輸聯(lián)系——理論研究?實證分析?預測方法(張文嘗 金鳳君 榮朝和 唐秀芳)P428[9] 運輸的重要性預測 杰克韋爾斯20090922[10]SPSS統(tǒng)計分析 張文彤 閻潔 200701 高等教育出版社附錄線性回歸分析基礎。其中稱為回歸系數,稱為誤差。設的組觀測數據為稱為回歸模型我們令,,上述回歸模型就可以表示為向量形式,其中,為階單位陣稱為回歸方程?;貧w系數用最小二乘法估計,誤差平方和,使最小,對關于求導,并令,當列滿秩時,可逆,可解得。參數用矩估計法估計,其結果為。3.估計量的性質①,;②,和相互獨立,表示卡方分布,下同;③,,其中,為單位陣。原假設:備擇假設:平方和分解:總偏差平方和:;回歸平方和:殘差平方和:,。構造的檢驗統(tǒng)計量為:原假設:備擇假設:,為的主對角線上第個元素,則。其中這樣,在原假設成立的條件下,即成立時,總結運輸需求預測是本課題的難點之一。解決運輸需求預測問題,其核心主要是影響因變量的變量那些是顯著性的,那些不是顯著性的。根據前面對運量需求的分析,本文的運量需求預測是按照逐步線性回歸的方法這一基點展開的,其思路是盡可能的將所有對運輸量有顯著性影響的變量都引入到線性回歸方程。因此,本文并沒有展開對運輸需求的具體預測。當然,如果能夠按照這一思路展開運輸需求的具體預測,課題的研究可能會更為全面,但由于受多方面因素的影響,如資料的獲取,課題研究深度的限制等。因此,這也是課題在后續(xù)研究中需要進行的。鑒于運量需求特點,此類預測的主要相關影響因素為工業(yè)生產總值、農業(yè)生產總值、居民的非商業(yè)支出和運輸方式結構也是比較重要的影響因素。為了最大限度克服以往需求預測過度依賴于歷史數據從而忽視潛在運輸需求。采用逐步線性回歸的方法對運輸需求進行預測,此方法既使定型與定量方法相結合,又對影響因素的分析更具有層次性與科學性,使歷史數據的采用更加合理性,從而為客流量預測參數的選擇提供依據。22 / 22
點擊復制文檔內容
研究報告相關推薦
文庫吧 www.dybbs8.com
備案圖鄂ICP備17016276號-1