《基于spss的公路货运量预测》.docx

目录第一章问题研究背景 41.1、 背景综述 41.2研究此问题常用的方法 41.3本研究采用的方法 5第二章公路货运量影响因素的描述性分析 62.1. 不同年份五种运输方式的走势图 62.2基础设施的增长趋势 72. 3 总人口数增长趋势 82.4 经济指标走势图 8第三章统计模型与分析 103.1各个因素对公路货运量影响的相关性分析 103. 1.2模型原理 103. 1. 2 SPSS操作步骤 103. 1.3 输出结果及分析 113. 2对影响因素以及货运量预测的线性回归 123.2. 1模型原理 123.2.2 SPSS操作步骤 133.2.3输出结果及分析 133.3用曲线拟合预测货运量 183. 3. 1 模型原理 183. 3. 2 SPSS操作步骤 183.3.3 输出结果及分析 193.2用时间序列分析预测公路客运量 203. 3. 1 模型原理 203. 3. 2 SPSS操作步骤 213.3.3输出结果及分析 233.4预测值汇总表 25第四章总结与分析 264. 1 本文结论 264.2需要进一步的完善的问题 26附录数据清单 错误！未定义书签第一章问题研究背景1.1、背景综述改革开放后，我们国民经济持续高速发展，公路运输需求强劲增长，国家加 大了公路基础设施的建设力度，随着道路环境的改善和省际、城际以及城乡交流 的日益频繁，公路的货运量逐年提高，同时这也直接支持了公路货运行业的发展。

公路货运在我国综合运输体系货运市场中发挥这举足轻重的作用，承担着 90%以上的份额，因此对我国公路货运的研究就显得很有现实意义，通过研究我 国从进入2000年至今的公路货运量发展变化，可以从我国国民经济发展的一个 侧面了解到我国二十多年来的交通运输、公共事业建设、人民生活水平、社会生 产、流通、分配、消费各环节协调发展等诸多现实经济问题，对于提升个人对国 家经济发展认识，研究分析能力有很大的好处1.2研究此问题常用的方法公路货运量预测技术一般可以分为三大类，定性分析预测技术、定量分析预 测技术以及两者相结合的综合预测技术定性预测分析技术，通常指那些凭经验判断的预测，一般是在缺少进行定量 分析所必需的资料的情况下采用，侧重于研究推断预测对象未来发展的大体趋势 和性质，其预测的精确度，主要取决于参与人员的专业知识和经验定量分析预测技术，是指以已经掌握的历史数据作为基础，建立适当的经济 数学模型，对未来的运量做出测算的技术其特点是有明显的数量概念，侧重于 研究测算对象的发展程度（包括数量、时间、相关因素的比值等）定量预测和定性预测，各有其长处和局限性，实际应用中往往需要把定量预 测和定性预测方法相结合，即在定性分析的基础上进行定量预测，而定性预测也 采用一定的定量预测分析方法，以提高预测结果的准确性。

因此，综合预测技术 是货运量预测经常采用的方法1.3本研究采用的方法本设计采用的预测方法有一元回归分析、多元回归分析、曲线拟合以及时间 序列法第二章公路货运量影响因素的描述性分析2.1.不同年份五种运输方式的走势图不同年份的各种运输方式的货运量图2一1不同年份五种运输方式走势图由图2-1可以看出五种运输方式的货运量都在逐年增加，公路运输占据的主 要市场，并且其增长趋势在明显增加铁路运输尽管不占据主要的市场，但是相对于公路运输时一个潜在的威胁， 铁路运输价格相对低廉；能实现大宗货物的运输，利用汽车的接驳，完善了服 务链，能迎合大量客户的需求；速度不断提高，已实现了 “次快件”运输服务， 在产品对时间要求不高时，企业将优先选择铁路运输服务铁路的提速给公路货 物运输带来了越大的威胁近年来，我国航空货运基础设施、航线、机场数量等不断改善，为航空货 运市场的快速发展创造了有利条件，也使航空货物周转量不断增加水路运输数量排第三，由于运输费用较低，舒适性较高，但速度缓慢，受 天气影响较大的缺点随着高速公路的快速发展，很多沿海城市的公路可达性 很高，所以旅客可能更愿意选择门到门公路运输或者更加快捷的航空运输，而 尽量避免选择时间成本较高的水路交通方式。

管道具有运能大，连续性强，损耗小，安全，专业性强等特点，几乎不受 任何外界条件的影响，所以更适应于能源的运输，但其投资数额较大对公路运 输几乎不产生影响2.2基础设施的增长趋势图2-2公路里程、载货汽车数的年走势一般来说，公路里程越长，载货汽车数数越多，公路货物运输的可达性就越 强，提供的运输能力越强，货运量应该越大由图可以看出，公路路程增长的趋 势趋于平缓，在2004-2005年间快速增长，由于国土面积的限制，公路里程的增 长将无限接近一个数值，因此随着时间的推进，增长的速度越来越慢观察载货车辆的增长趋势线可以得到，在2001-2008年间的增长趋势大致相 同，在2008至2010年间的增长趋势陡增2.3总人口数增长趋势图2-3总人口数增长趋势人口数量的变化必然引起对运输总量需求的变化，人口增加对奢侈品、鲜活 物品需求的增多，对公路运输的需求也势必增加，因此应该会对公路货运量起到 正向影响的作用由上图2-2可以看出在2001年至2010年间总人口数的不断增多， 但是增长速度有所放缓2.4经济指标走势图Error bars 95% Cl图2-4经济指标走势图国内生产总值反映一个国家的经济表现，更可以反映一国的国力与财富。

随 着经济的发展，人民对于交通运输的需求也随之增长，因此对公路运输的需求也 会增长有图可知，GDP及其增长速度在逐年增加，这反映了我的综合国力也在 稳步提升消费品零售额反映一定时期内人民物质文化生活水平的提高情况，反映社会 商品购买力的实现程度我国消费品零售总额58年增长了 321. 9倍，说明 市场规模逐渐加大，由此对交通运输业需求增加，从而使公路货运量增加由图 可以知道社会消费品零售总额也在逐年增加，并且增长速度不断变大第三章统计模型与分析3.1各个因素对公路货运量影响的相关性分析3. 1. 2模型原理所谓相关就是指事物、现象之间的相互关系在事物、现象之间，往往存在 着一定的关系，一事物的变化，常引起另一事物也发生变化，或者许多事物因受 某种因素的影响，同时都在变化比如教育事业的发展与科学技术的发展存在着 一定的关系；人的身高与体重存在着一定的关系；学生的数学成绩与物理成绩存 在着一定的关系等等统计学中的相关就是要从数量方面来研究两种或两种以上 变量之间的关系3. 1.2 SPSS操作步骤① 按分析——相关——双变量打开双变量相关对话框② 在左侧源变量框中进行如下操作然后点击“确定”按钮，如图所示3.1.3输出结果及分析描述性统计量均値标准差N公路货运量1551778.500472603.865610公路里程291.286098.8536910载货汽车1041.210262.511610总人口数130999.5002172.787510GDP224890.130101219.549010社会消费品零售总额84878.49038809.040610相关性公路货运量公路里程载货汽车总人口数GDP社会消费品 零售总额Pearson相关性1.856".983".947".993"1.000**公路货运量显著性（双侧）.002.000.000.000.000N101010101010公路里程Pearson相关性.856"1.809".938".897".867**显著性（双侧）.002.005.000.000.001NPearson相关性10.983**10.809**10110.914**10.962**10.98广载货汽车显著性（双侧）.000.005.000.000.000N101010101010Pearson相关性.947槨.938".9ir1.972**.954"总人口数显著性（双侧）.000.000.000.000.000N101010101010Pearson相关性.993-.897".96厂.972"1.995**GDP显著性（双侧）.000.000.000.000.000N101010101010Pearson相关性1.000".867".98广.954".995"1社会消费品零售显著性（双侧）.000.001.000.000.000N101010101010**.在.01水平（双侧）上显著相关。

由上表可以得到公路里程、载货车辆、总人口数、GDP、社会消费品零售总 额与公路货运量的p值均小于0.05,拒接显著性假设，说明以上五个因素对公路 货运量均有显著影响3. 2对影响因素以及货运量预测的线性回归3. 2. 1模型原理回归分析主要的任务是在考察变量直接的数量依存关系的基础上，通过一定 的数学表达式将这种关系描述出来，进而确定一个活几个变量（自变量）对另一 个变量（因变量）的影响程度一元线性回归方程反应一个因变量与一个自变量之间的线性关系，当直线方 程y = ax+ b的a和b确定时，即为一元回归线性方程经过相关分析后，在直角坐标系中将大量数据绘制成散点图，这些点不在一 条直线上，但可以从中找到一条合适的直线，使各散点到这条直线的纵向距离之 和最小，这条直线就是回归直线，这条直线的方程叫做直线回归方程3. 2. 2 SPSS操作步骤① 按分析——回归…-线性打开线性回归对话框② 在左侧源变量框中选择GDP作为因变量，将其送入因变量框，选择作年份为自变量，将其送入自变量框，然后点击“确定”按钮，如图所示图3-1③ 在分析完五个因素跟年份的关系后，再用五个因素跟公路货运量进行多元 线性回归，得到并分析结果。

3.2.3输出结果及分析模型汇总模型RR方调整R方标准估计的误差1.980*.961.95621143.6723a.预测变量：（常量），年份Anova3模型平方和df均方FSig.回归1 残差总计88632134925.9533576439012.14892208573938.10118988632134925.953447054876.519198.258,000ba. 因变量：GDPb. 预测变量：（常量），年份系数"模型非标准化系数标准系数tSig.B标准误差试用版（常量）-65509297.0734668491.321-14.032.000年份32776.9572327.842.98014.080.000a.。