線性回歸在運(yùn)量預(yù)測中的運(yùn)用

1、建設(shè)與管理工程學(xué)院課程設(shè)計(jì)說明書課 程 名 稱: 物流管理專業(yè)綜合設(shè)計(jì)實(shí)驗(yàn) 課 程 代 碼: 101204309 題 目: 線性回歸在運(yùn)量預(yù)測中的應(yīng)用 年級/專業(yè)/班: 2012級物流管理2班 學(xué) 生 姓 名: 楊超 學(xué) 號: 312012110210219 開 始 時(shí) 間: 2016 年 07 月 04 日完 成 時(shí) 間: 2016 年 07 月 08 日課程設(shè)計(jì)成績：學(xué)習(xí)態(tài)度及平時(shí)成績（30）技術(shù)水平與實(shí)際能力（20）創(chuàng)新（5）說明書（計(jì)算書、圖紙、分析報(bào)告）撰寫質(zhì)量（45）總 分（100）指導(dǎo)教師簽名： 年 月 日物流管理專業(yè)綜合設(shè)計(jì)實(shí)驗(yàn)任 務(wù) 書學(xué)院名稱： 建設(shè)與管理工程學(xué)院 課程代碼

2、： 101204309 專業(yè)： 物流管理 年級： 2012、2013級一、題目 題目自擬選題參考：1、 設(shè)計(jì)一個(gè)物流產(chǎn)品；2、 設(shè)計(jì)一個(gè)產(chǎn)品及其物流系統(tǒng)；3、 針對物流的某項(xiàng)功能要素（如采購、運(yùn)輸、倉儲、配送、供應(yīng)鏈管理、電子商務(wù)等）設(shè)計(jì)一項(xiàng)綜合實(shí)驗(yàn)方案；4、 針對某個(gè)行業(yè)（如汽車行業(yè)、零售連鎖行業(yè)、醫(yī)藥行業(yè)、食品行業(yè)、電子行業(yè)、冷鏈行業(yè)、危險(xiǎn)品行業(yè)等）物流特征，設(shè)計(jì)一項(xiàng)該行業(yè)物流的綜合實(shí)驗(yàn)方案。本小組題目： 線性回歸在運(yùn)量預(yù)測中的應(yīng)用 二、主要內(nèi)容及要求針對物流或流通領(lǐng)域的作業(yè)流程，設(shè)計(jì)一項(xiàng)綜合實(shí)驗(yàn)方案。形式上可以是（但不限于）以下之一：1. 45人一組，自由組合。題目以小組為單位，提交一份

3、設(shè)計(jì)方案，要求在報(bào)告末尾注明小組成員分工，及各自得分比例（百分比）。2. 格式要求（附后，含目錄、摘要、引言、正文、致謝、參考文獻(xiàn)）3. 工作量要求：正文部分字?jǐn)?shù)3000以上4. 階段性要求：每周必須與導(dǎo)師見面，尋求指導(dǎo)；選題須經(jīng)導(dǎo)師同意后才可進(jìn)入下一階段；5. 本課程特別強(qiáng)調(diào)實(shí)驗(yàn)方案的創(chuàng)新性。設(shè)計(jì)過程中可參考參考資料中的相關(guān)內(nèi)容，但不能抄襲，抄襲小組將不予成績且無重新提交報(bào)告的資格。6. 提交材料：、最終成果：（裝訂順序?yàn)椋悍饷妗⑷蝿?wù)書、課程論文，小組成員分工，及各自得分比例（百分比）。）、參考的資料（可以是原始文稿電子文檔或紙質(zhì)件、書、手寫的讀書筆記、摘抄等反應(yīng)），共指導(dǎo)教師檢查、不存檔。

4、三、主要技術(shù)路線提示需包括以下內(nèi)容：1、 設(shè)計(jì)目的2、 設(shè)計(jì)任務(wù)3、 設(shè)計(jì)內(nèi)容（含角色（或崗位）設(shè)計(jì)）4、 相關(guān)流程設(shè)計(jì)5、 相關(guān)數(shù)據(jù)設(shè)計(jì)四、進(jìn)度安排7月4日開始，7月8日結(jié)束；分四階段：1）選題及資料收集；2）方案設(shè)計(jì)；3）撰寫設(shè)計(jì)說明書；4）提交報(bào)告，具體完成時(shí)間以及指導(dǎo)時(shí)間由指導(dǎo)教師確定。五、參考文獻(xiàn)1、深圳市中諾思資訊科技有限公司，1204229西華大學(xué)交通運(yùn)輸學(xué)院Nos3PL實(shí)驗(yàn)指導(dǎo)書V5.02、深圳市中諾思資訊科技有限公司，供應(yīng)鏈管理與優(yōu)化軟件實(shí)訓(xùn)指導(dǎo)書(學(xué)生)3、深圳市中諾思資訊科技有限公司，運(yùn)輸優(yōu)化與管理系統(tǒng)實(shí)訓(xùn)指導(dǎo)書(學(xué)生)4、陳立云，金國華，跟我們做流程管理，北京大學(xué)出版社

5、5、水藏璽，流程優(yōu)化與再造:實(shí)踐實(shí)務(wù)實(shí)例，中國經(jīng)濟(jì)出版社 指導(dǎo)老師 簽名日期 2016 年7月 1日 系 主 任 審核日期2016 年7 月1 日目 錄摘 要- 3 -1.綜合設(shè)計(jì)的設(shè)想- 4 -2.實(shí)驗(yàn)原理- 4 -2.1實(shí)驗(yàn)?zāi)Ｐ偷募僭O(shè)- 5 -2.2實(shí)驗(yàn)?zāi)Ｐ徒榻B- 5 -3實(shí)驗(yàn)?zāi)康? 7 -4實(shí)驗(yàn)軟件- 7 -5實(shí)驗(yàn)內(nèi)容- 7 -5.1手工求解- 7 -5.1.1統(tǒng)計(jì)過去的運(yùn)量- 7 -5.1.2求解運(yùn)量預(yù)測值- 8 -5.1.3預(yù)測誤差分析的必要性- 9 -5.1.4預(yù)測誤差分析- 9 -5.2利用軟件分析- 10 -5.2.1輸入數(shù)據(jù)- 10 -5.2.2單變量分析- 11 -5.2.

6、3線性回歸分析- 12 -實(shí)驗(yàn)結(jié)論- 14 -致謝- 15 -參考文獻(xiàn)- 16 -附件- 17 - 16 -摘 要預(yù)測是一項(xiàng)重要的統(tǒng)計(jì)工作，信息化走到今天，在各行各業(yè)的數(shù)據(jù)量正在呈指數(shù)倍數(shù)增長，對數(shù)據(jù)的處理和分析的重要性也在提高，預(yù)測的方法和模型也越來越多，越來越完善。本文是以實(shí)際案例通過對流通領(lǐng)域具有代表性的環(huán)節(jié)運(yùn)輸?shù)念A(yù)測，分析和說明了預(yù)測的基本環(huán)節(jié)。本文預(yù)測的工作線路是：統(tǒng)計(jì)和整理實(shí)際數(shù)據(jù)，繪制散點(diǎn)圖，確定采用的預(yù)測模型，提出模型的假設(shè)條件，進(jìn)行預(yù)測并得出未來的預(yù)測值，預(yù)測檢驗(yàn)等步驟。本文在預(yù)測的工作中采用了一定量分析為主，定性分析為輔的分析方法，為了提高預(yù)測的質(zhì)量進(jìn)行了大量的手工計(jì)算和S

7、PSS仿真求解。關(guān)鍵詞：線性，預(yù)測，運(yùn)量，回歸1.綜合設(shè)計(jì)的設(shè)想經(jīng)濟(jì)生活中的許多現(xiàn)象都不是互相獨(dú)立的，而是相互作用、相互影響的。一種結(jié)果的出現(xiàn)往往是多個(gè)因素、多個(gè)環(huán)節(jié)共同作用的導(dǎo)致的結(jié)果。當(dāng)我們需要把握其中的規(guī)律時(shí)，可以拋開次要因素，抓住具有決定影響的因素，這樣我們就可以對未來仿真。在離散、變化的數(shù)據(jù)背后，它們往往蘊(yùn)含一定的規(guī)律，并且這種規(guī)律具有一定的穩(wěn)定性，如對銷售量的分析預(yù)測可以發(fā)現(xiàn)，銷售量在不同季節(jié)、不同地區(qū)、不同人群中的變化，盡管這種變化是根據(jù)過去數(shù)據(jù)得出的，但根據(jù)統(tǒng)計(jì)學(xué)大數(shù)定理，未來的銷售量會在過去銷售量的中值附近波動，并且越靠近現(xiàn)在，預(yù)測值與實(shí)際值越接近，比如今天的銷售量是100，

8、沒有特殊情況，明天的銷售量不可能一下子跌成10，如果真出現(xiàn)這樣大的反差，是需要考慮其他因素的。本文中，某公司是一家生鮮產(chǎn)品運(yùn)輸公司，該公司需面對現(xiàn)在的業(yè)務(wù)量，在考慮要不要增加投資、擴(kuò)大運(yùn)力，這樣的戰(zhàn)略決定需要對未來的市場量做預(yù)測，如果未來的運(yùn)輸量增加明顯，那么公司就需要擴(kuò)大運(yùn)力，才能接受更多的業(yè)務(wù)量。該公司過去一定時(shí)期的運(yùn)量是已知的，公司的主營業(yè)務(wù)也沒發(fā)生改變，公司一直經(jīng)營生鮮農(nóng)產(chǎn)品運(yùn)輸，主要是果蔬、肉類的運(yùn)輸。對公司運(yùn)量的影響來自各個(gè)客戶銷售量的變化，公司雖然不能統(tǒng)計(jì)到客戶的具體銷售量、銷售變化規(guī)律，但是公司的運(yùn)量是客戶銷售量的上游變量，它們具有很大的一致性，只是它們充當(dāng)了流通領(lǐng)域不同的角色

9、而已，所以從公司內(nèi)部的數(shù)據(jù)出發(fā)來做統(tǒng)計(jì)預(yù)測是具有合理性的。公司需要來了解未來運(yùn)量的變化趨勢，才能在接受新業(yè)務(wù)時(shí)合理平衡自己的運(yùn)力，同時(shí)可以提高議價(jià)能力，所以運(yùn)量預(yù)測是一件基礎(chǔ)性的、具有重要經(jīng)濟(jì)意義的工作。2.實(shí)驗(yàn)原理線性回歸是利用數(shù)理統(tǒng)計(jì)中的回歸分析，來確定兩種或兩種以上變量間相互依賴的定量關(guān)系的一種統(tǒng)計(jì)分析方法，運(yùn)用十分廣泛。分析按照自變量和因變量之間的關(guān)系類型，可分為線性回歸分析和非線性回歸分析。具體采用哪種回歸分析需要根據(jù)數(shù)據(jù)的變化趨勢，判斷數(shù)據(jù)的變化趨勢，采用散點(diǎn)圖來分析，散點(diǎn)圖具有直觀，容易判斷等特點(diǎn)。線性回歸分析一般采用直線回歸分析，非線性回歸分析一般采用曲線回歸分析，也可以采用化

10、曲線為直線的方式，但這種方式只適用于曲線波動不大的情況。本文采用的是線性回歸，所以重點(diǎn)介紹線性回歸，線性回歸(Linear Regression)是利用稱為線性回歸方程的最小平方函數(shù)對一個(gè)或多個(gè)自變量和因變量之間關(guān)系進(jìn)行建模的一種回歸分析。這種函數(shù)是一個(gè)或多個(gè)稱為回歸系數(shù)的模型參數(shù)的線性組合。只有一個(gè)自變量的情況稱為簡單回歸,大于一個(gè)自變量情況的叫做多元回歸?；貧w分析中，只包括一個(gè)自變量和一個(gè)因變量，且二者的關(guān)系可用一條直線近似表示，這種回歸分析稱為一元線性回歸分析。如果回歸分析中包括兩個(gè)或兩個(gè)以上的自變量，且因變量和自變量之間是線性關(guān)系，則稱為多元線性回歸分析。在線性回歸中，數(shù)據(jù)使用線性預(yù)測

11、函數(shù)來建模，并且未知的模型參數(shù)也是通過數(shù)據(jù)來估計(jì)。這些模型被叫做線性模型。最常用的線性回歸建模是給定X值的y的條件均值是X的仿射函數(shù)。不太一般的情況，線性回歸模型可以是一個(gè)中位數(shù)或一些其他的給定X的條件下y的條件分布的分位數(shù)作為X的線性函數(shù)表示。線性回歸是回歸分析中第一種經(jīng)過嚴(yán)格研究并在實(shí)際應(yīng)用中廣泛使用的類型。這是因?yàn)榫€性依賴于其未知參數(shù)的模型比非線性依賴于其位置參數(shù)的模型更容易擬合，而且產(chǎn)生的估計(jì)的統(tǒng)計(jì)特性也更容易確定。2.1實(shí)驗(yàn)?zāi)Ｐ偷募僭O(shè) 在運(yùn)用線性回歸分析時(shí)需要滿足一些條件，滿足這樣的條件可以大大提高預(yù)測的科學(xué)性。一般來說這些條件是必須的。 （1）自變量與因變量之間存在線性關(guān)系，這可以

12、通過繪制散點(diǎn)圖矩陣來考察，如果因變量yi與某個(gè)自變量xi之間呈現(xiàn)出曲線，可以嘗試通過變量變換予以修正，常用的變量變換方法有對數(shù)變換、倒數(shù)變換、平方根變換、平方根反正弦變換等。 （2）各觀察值間是獨(dú)立的，即它們的觀測殘差的協(xié)方差是0。 （3）殘差服從正太分布。其方差反映了回歸模型的精度，越小，所得的回歸模型預(yù)測值的精度越高。 （4）殘差的大小不隨所有變量取值水平的變化而變化，即方差齊性。 此外，為了保證參數(shù)估計(jì)值的穩(wěn)定，還需要注意模型的樣本量要求。有學(xué)者認(rèn)為樣本量應(yīng)當(dāng)在希望納入模型的自變量數(shù)20倍以上為宜1。比如模型中希望納入5各自變量，則樣本量應(yīng)當(dāng)在100以上，少于此數(shù)則可能會出現(xiàn)檢驗(yàn)效能不足

13、的問題。當(dāng)然，如果檢驗(yàn)結(jié)果為有統(tǒng)計(jì)學(xué)意義，該結(jié)論并不可信，但在解釋時(shí)要更加細(xì)化。2.2實(shí)驗(yàn)?zāi)Ｐ徒榻B 在繪制散點(diǎn)圖的基礎(chǔ)上可以判斷，數(shù)據(jù)的走勢，如果已經(jīng)確定了為線性回歸的走勢，就可以采用線性回歸預(yù)測，線性回歸預(yù)測的模型一般是直線的回歸，可以在此基礎(chǔ)上在做調(diào)整，直線可以是上升趨勢，或者下降趨勢，甚至可以使平行的趨勢，但是各數(shù)據(jù)點(diǎn)到直線的的距離必須是最小的，即平方和最小。直線回歸法是處理函數(shù)y（預(yù)測值）與變量x(影響因素)之間線性關(guān)系的一種應(yīng)用比較廣泛的公式?；镜哪Ｐ腿缦?。y=a+bx式中：y預(yù)測值； x統(tǒng)計(jì)期的影響因素； a回歸系數(shù)，指直線在y軸上的截距； b回歸系數(shù)，即直線的斜率。 要用直線回

14、歸法預(yù)測運(yùn)量y，關(guān)鍵是求得回歸方程，已即確定回歸系數(shù)a與b，一旦回歸系數(shù)a與b確定，回歸直線也就確定了。 假設(shè)：為統(tǒng)計(jì)期的運(yùn)量，為對應(yīng)第i統(tǒng)計(jì)期的變量，i=1，2，3，n，為預(yù)測期的運(yùn)量，s為偏平方和，a為直線的截距，b為直線的斜率，n為統(tǒng)計(jì)期數(shù)，則此回歸直線方程為:2將直線回歸方程帶入偏差平方和方程可以得到下式：2回歸系數(shù)的值由下式確定： 計(jì)算出系數(shù)a，b之后，回歸方程就能確定下來，由此回歸方程，就可以預(yù)測出運(yùn)量。當(dāng)自變量為時(shí)間ti時(shí)，我們可以通過恰當(dāng)?shù)匾苿幼鴺?biāo)，使，此時(shí)可使計(jì)算a，b的公式簡化如下： 確定的方法如下：（1）若n為奇數(shù)，則取ti的時(shí)間間隔為1，將t=0置于資料統(tǒng)計(jì)期的中間一期

15、，其上為負(fù)值，其下為正值。（2）若n為偶數(shù)，則取t的時(shí)間間隔為2，t=-1與t=+1置于資料中央的上、下兩期。2 將回歸系數(shù)a、b求出之后，便可用直線方程y=a+bt，求出以后各期的預(yù)測值。3實(shí)驗(yàn)?zāi)康?對公司以往數(shù)據(jù)的分析挖掘有用的經(jīng)濟(jì)信息，通過預(yù)測，達(dá)到估測未來業(yè)務(wù)增長情況目的，提升公司現(xiàn)在的管理水平，科學(xué)做出決策方案，以應(yīng)對未來的挑戰(zhàn)。4實(shí)驗(yàn)軟件 實(shí)驗(yàn)軟件是SPSS。SPSS的全稱是：Statistical Program for Social Sciences（社會科學(xué)統(tǒng)計(jì)程序），是統(tǒng)計(jì)產(chǎn)品與服務(wù)解決方案軟件。該軟件是公認(rèn)的最優(yōu)秀的統(tǒng)計(jì)分析軟件包之一，也是當(dāng)今世界上應(yīng)用最為廣泛的統(tǒng)計(jì)分析

16、軟件。作為統(tǒng)計(jì)分析工具，它理論嚴(yán)謹(jǐn)、內(nèi)容豐富，包括了數(shù)據(jù)管理、統(tǒng)計(jì)分析、趨勢研究、制表繪圖、文字處理等功能。目前SPSS已運(yùn)用到經(jīng)濟(jì)學(xué)、數(shù)學(xué)、統(tǒng)計(jì)學(xué)、物流管理、生物學(xué)、心理學(xué)、地理學(xué)、醫(yī)療衛(wèi)生、體育、農(nóng)業(yè)、林業(yè)、商業(yè)等各個(gè)領(lǐng)域。5實(shí)驗(yàn)內(nèi)容5.1手工求解 該公司以往的運(yùn)量以月為單位，預(yù)測期的單位也以月為單位，通過對該公司過去3年，即36個(gè)月的實(shí)際運(yùn)量值，預(yù)測未來一年的運(yùn)量。預(yù)測求解的技術(shù)線路是:統(tǒng)計(jì)過去的數(shù)據(jù)、將過去的數(shù)據(jù)繪制散點(diǎn)圖、判斷散點(diǎn)圖的走勢、選定自變量、預(yù)測未來個(gè)12的運(yùn)量、作預(yù)測誤差分析。5.1.1統(tǒng)計(jì)過去的運(yùn)量過去的運(yùn)量值的單位為噸，統(tǒng)計(jì)期是36個(gè)月，各期的數(shù)據(jù)見附件1，通過過去的

17、數(shù)據(jù)繪制散點(diǎn)圖，散點(diǎn)圖如下圖所示。圖1 運(yùn)量散點(diǎn)圖從散點(diǎn)圖中可以看出，過去36個(gè)月的運(yùn)量具有良好的線性回歸趨勢，所以采用線性回歸預(yù)測是合理的。5.1.2求解運(yùn)量預(yù)測值求解運(yùn)輸量的預(yù)測值需要求解回歸直線，計(jì)算回歸直線就需要知道a，b，求解a，b的值由下式?jīng)Q定： 式中，的求解需要根據(jù)過去36個(gè)月的各期實(shí)際運(yùn)量來確定，根據(jù)附加1的值，可以將它們求解出來，求解的結(jié)果見附件1。根據(jù)附件1的結(jié)果可以計(jì)算出a，b的值。根據(jù)a，b的值就可以確定直線回歸方程，y=21685.19+185.9064ti，預(yù)測的時(shí)間是從2016年4月到2017年3月，一共12個(gè)月，ti表示時(shí)間值，但它不是具體的時(shí)間，由于過去的數(shù)據(jù)

18、一共有36個(gè)月，是個(gè)偶數(shù)，所以在過去的月份里，最中間的ti值分別取得是-1、1，在過去整個(gè)統(tǒng)計(jì)期，ti的值的取值是從-35到+35，每相鄰兩個(gè)數(shù)值的間隔是2。 在未來的12個(gè)月，ti的間隔值應(yīng)該保持與過去統(tǒng)計(jì)期的間隔值一致，都取為2，所以未來12個(gè)月，ti的值是從37到59，并且沒相鄰兩個(gè)ti的間隔是2。將各個(gè)月份對應(yīng)的ti帶入y=21685.19+185.9064ti就可以求出未來12個(gè)月的運(yùn)量預(yù)測值了，預(yù)測值的計(jì)算結(jié)果見附件2。5.1.3預(yù)測誤差分析的必要性統(tǒng)計(jì)預(yù)測是一種估算，既然是估算，那么其結(jié)果與實(shí)際情況就存在著一定的偏差，也即是預(yù)測結(jié)果不可能完全準(zhǔn)確，這個(gè)差距就是預(yù)測誤差。預(yù)測誤差是

19、個(gè)變量，在統(tǒng)計(jì)預(yù)測中是不可避免的，但我們可以深入研究產(chǎn)生誤差的原因，計(jì)算并分析誤差的大小，將預(yù)測誤差適當(dāng)?shù)丶右钥刂?，提高預(yù)測結(jié)果的準(zhǔn)確性。統(tǒng)計(jì)預(yù)測方法分為定性預(yù)測方法和定量預(yù)測方法，且由于統(tǒng)計(jì)學(xué)的數(shù)量性特征使得統(tǒng)計(jì)預(yù)測的主體無疑是定量預(yù)測，但無論是哪一種，統(tǒng)計(jì)預(yù)測都要求我們得到一個(gè)被量化的結(jié)果，這無疑是對我們的預(yù)測的準(zhǔn)確性有一個(gè)很大的要求。從預(yù)測中的任何一個(gè)環(huán)節(jié)或者是被要求的一個(gè)量化結(jié)果來看，其實(shí)都是會導(dǎo)致誤差存在的一種體現(xiàn)，甚至于說沒有一個(gè)模型是完全正確的、沒有一個(gè)結(jié)果是與實(shí)際分毫不差的。我們將來自信息與方法兩方面的誤差統(tǒng)稱為“規(guī)范錯(cuò)誤”，既是規(guī)范性的錯(cuò)誤，那么則是可以允許且可以減小的，而針

20、對由于未來不確定性導(dǎo)致的預(yù)測失誤則是難以避免的，一旦出現(xiàn)沒有預(yù)知到的意外，那么統(tǒng)計(jì)預(yù)測基本原則中的類推性原則會被破壞，這種結(jié)構(gòu)性的改變會使數(shù)據(jù)和模型完全不適用，因此我們在這里著重分析來自前兩個(gè)方面的誤差。統(tǒng)計(jì)預(yù)測中方法的選擇實(shí)際上就是對模型的確定，因此是很重要的一部分。首先我們要知道沒有一個(gè)模型是完全符合的，我們只需要找到最優(yōu)的那一個(gè)，所以要針對數(shù)據(jù)和預(yù)測目的確定。來自方法的預(yù)測誤差往往是由偏離數(shù)據(jù)和目的造成的，例如在回歸預(yù)測中的最小二乘法其實(shí)要求的就是對數(shù)據(jù)的擬合使殘差平方和最小，但是如果一味地增加變量以使數(shù)據(jù)擬合達(dá)到最好反而會使變量的增加毫無意義，因此難以達(dá)到預(yù)測目的。模型的建立是依據(jù)理論

21、將信息科學(xué)規(guī)范化，這種科學(xué)性不僅體現(xiàn)在要對癥下藥，還體現(xiàn)在考慮預(yù)測的大環(huán)境，比如虛擬變量的影響，周期性的影響等。5.1.4預(yù)測誤差分析為了鑒別回歸直線方程對預(yù)測值的可靠程度及其可能的波動范圍，需要計(jì)算直線數(shù)值與實(shí)際數(shù)值之間的標(biāo)準(zhǔn)差。其計(jì)算公式如下：計(jì)算的結(jié)果 再依據(jù)方程式y(tǒng)=21685.19+185.9064ti，計(jì)算y，就可以得出考慮誤差的y值。按照正太分布的條件，則預(yù)測值y的范圍，當(dāng)預(yù)測精度為95%時(shí)，y在y2的范圍內(nèi)，也就是在2016年4月，預(yù)測值是28560.730162624.886，即在2731129810.5范圍內(nèi)，從2016年4月到2017年3月，這12個(gè)月的預(yù)測精度都按照95

22、%計(jì)算，可以計(jì)算出它們的波動區(qū)間。 5.2利用軟件求解 SPSS的全稱是：Statistical Program for Social Sciences（社會科學(xué)統(tǒng)計(jì)程序），是統(tǒng)計(jì)產(chǎn)品與服務(wù)解決方案軟件。該軟件是公認(rèn)的最優(yōu)秀的統(tǒng)計(jì)分析軟件包之一，也是當(dāng)今世界上應(yīng)用最為廣泛的統(tǒng)計(jì)分析軟件。作為統(tǒng)計(jì)分析工具，它理論嚴(yán)謹(jǐn)、內(nèi)容豐富，包括了數(shù)據(jù)管理、統(tǒng)計(jì)分析、趨勢研究、制表繪圖、文字處理等功能。目前SPSS已運(yùn)用到經(jīng)濟(jì)學(xué)、數(shù)學(xué)、統(tǒng)計(jì)學(xué)、物流管理、生物學(xué)、心理學(xué)、地理學(xué)、醫(yī)療衛(wèi)生、體育、農(nóng)業(yè)、林業(yè)、商業(yè)等各個(gè)領(lǐng)域。5.2.1輸入數(shù)據(jù)利用SPSS做數(shù)據(jù)統(tǒng)計(jì)分析，必須爭取輸入數(shù)據(jù)，定義數(shù)據(jù)的類型，這樣才能使

23、各類數(shù)據(jù)得到合理的運(yùn)算。數(shù)據(jù)的定義如下：圖2 定義數(shù)據(jù) 完成數(shù)據(jù)后，就可以直接在SPSS表格里面輸入數(shù)據(jù)，這跟EXCEL幾乎一樣，由于篇幅所限，輸入的部分?jǐn)?shù)據(jù)如下圖所示：圖3 輸入的前10組數(shù)據(jù)5.2.2單變量分析 單變量分析就觀察一個(gè)變量的變化，從而發(fā)現(xiàn)該變量的內(nèi)在趨勢。以運(yùn)量為單變量，操作如下：圖4 輸入因變量表1 描述性檢驗(yàn)該表輸入的標(biāo)準(zhǔn)偏差是3968.224，它是在36組過去的運(yùn)量的基礎(chǔ)上得出的，平均數(shù)是21682.19，相對于平均數(shù)來說，該標(biāo)準(zhǔn)偏差較大。表2 效果檢驗(yàn) 從顯著性可以看出顯著性小于0.0001，所以表格里面無法顯示，所以該模型可以接受，該模型的參數(shù)值表示在了“第類平方和

24、”列，截距為1.692E+10，顯然拒絕了原假設(shè)，平均運(yùn)量為0，在這里截距沒有多大意義。5.2.3線性回歸分析圖5 選定變量表3 模型概要表4 變量數(shù)分析表5 系數(shù)對以上幾個(gè)表的內(nèi)容可以解釋為：運(yùn)量回歸的顯著性很強(qiáng)，完全符合線性回歸，所以他的顯著性小于0.001，表變量數(shù)分析表示了模型的回歸系數(shù)a，b是由很高可行性的。系數(shù)處理了月份之一自變量，T的值與前面第二部分非常接近，從-35到+35，這里是SPSS處理為-35.723到+36.129，二者具有極大的相似性。實(shí)驗(yàn)結(jié)論 通過對某公司運(yùn)量的預(yù)測，我加深了對預(yù)測模型的理解和運(yùn)用，同時(shí)加強(qiáng)了利用SPSS仿真的能力。雖然預(yù)測是一種假設(shè)，但是預(yù)測具有

25、一定潛在的價(jià)值，尤其是在信息爆炸的今天，市場經(jīng)濟(jì)的關(guān)系已經(jīng)越來越復(fù)雜，挖掘有用的經(jīng)濟(jì)信息，可以極大提高市場競爭力。本次的運(yùn)量預(yù)測通過手工求解與軟件分析相結(jié)合，二者是相輔相成的，手工求解是要加強(qiáng)基礎(chǔ)工作，軟件求解是從更高層面來檢驗(yàn)，調(diào)試模型，本次的模型通過SPSS可以看出，具有極大的實(shí)用價(jià)值，該公司可以作為參考數(shù)據(jù)，對公司戰(zhàn)略決策有一定的統(tǒng)計(jì)意義。在建模和軟件仿真中，我還有很多問題，以后還要提高運(yùn)用模型的能力。致謝在實(shí)驗(yàn)設(shè)計(jì)中，指導(dǎo)老師給出了重要的參考意見，在這里我向老師表示感謝。在實(shí)驗(yàn)設(shè)計(jì)中，我運(yùn)用了SPSS軟件，我很感謝牟峰老師在SPSS課堂上給我們的深刻講解，雖然我對軟件還有很多不懂的地方

26、，但實(shí)際的學(xué)習(xí)和工作中我對SPSS強(qiáng)大的數(shù)據(jù)分析效用的認(rèn)識在加強(qiáng)。在這里我向在實(shí)驗(yàn)設(shè)計(jì)中為我提供實(shí)驗(yàn)數(shù)據(jù)的運(yùn)輸公司也表示感謝，感謝你們的支持。參考文獻(xiàn)1 張文彤，董偉.SPSS統(tǒng)計(jì)分析高級教程M.北京：高等教育出版社.2013.98.2 李維斌.公路運(yùn)輸組織學(xué)M.北京：人民交通出版社.1998.59.附件附件1月份運(yùn)量yi（噸）tiyititi22013年4月14760-35-51660012252013年5月15472-33-51057610892013年6月16423-31-5091139612013年7月16110-29-4671908412013年8月17230-27-4652107292013年9月15478-25-3869506252013年10月17367-23-3994415292013年1