spss課程設計客運量預測

1、 課程設計設計題目： 上海公路客運量需求預測與分析 課程名稱： 運輸統(tǒng)計與分析 學 院： 交通運輸工程學院 專 業(yè)： 交通運輸 班 級： 學生姓名： 學 號： 指導教師： = 2011 /2012學年第二學期=27課程設計（學年論文）任務書課程名稱：運輸統(tǒng)計與分析適用對象：交通運輸工程一、 課程設計（論文）目的運輸統(tǒng)計與分析課程設計作為獨立的教學環(huán)節(jié)，是交通運輸本科專業(yè)的必修課。其目的是，通過本課程設計實踐，培養(yǎng)學生理論聯(lián)系實際思想，加深統(tǒng)計分析基本理論與基本知識的理解，學會收集或調查行業(yè)統(tǒng)計數據，切實掌握各種統(tǒng)計分析方法，并能靈活運用統(tǒng)計軟件在計算機上實現(xiàn)，正確解釋和分析運行結果，培養(yǎng)運用各

2、種統(tǒng)計分析方法解決交通運輸領域內實際問題的能力。二、 課程設計（論文）題目與內容本課程設計（論文）主要任務為：針對交通運輸領域內某一主題，設計調查表調查或查詢相關統(tǒng)計數據，根據本課程講授內容選擇一種或多種合適的統(tǒng)計分析方法，運用SPSS建立模型分析問題。題目自擬，但題名一般要包含主題與統(tǒng)計方法。且必須與交通運輸相關，選題主題主要包括：1. 運輸市場定位研究2. 運輸需求分析與預測3. 政策或技術方法實施效果評價4. 交通行為選擇5. 影響因素分析6. 聚類分析7. 服務質量評價8. 自選三、 課程設計（論文）基本要求報告內容原則上不少于8000字，其正文至少包括如下幾個方面的內容：1. 問題背

3、景（問題的提出、必要性與意義，該問題目前常用的分析手段與方法，本設計采用的方法）2. 數據采集（含數據采集方式、描述性分析、統(tǒng)計圖表）說明：調查分析則必須包含調查方案，其它數據原則上必須說明出處。3. 統(tǒng)計模型與分析（包含模型原理、SPSS操作步驟、輸出結果及分析）4. 總結5. 附錄 數據清單四、 課程設計（論文）時間及進度安排1. 時間:兩周：2011-2012學年第二學期第十九、二十周2. 進度安排：確定主題；調查、收集數據：2天數據分析與預處理、描述性統(tǒng)計分析：2天分析方法原理及選擇：3天SPSS操作及結果分析：4天解決實際問題或建議：2天撰寫報告、總結：1天（此部分同學們可以按照自己

4、設計具體內容，詳細安排）3. 成果提交：要求獨立完成，每人需提交1份打印的設計報告（A4）、word電子文檔、數據文件（sav格式）。電子文檔文件名為：學號后四位+姓名+題目，先發(fā)電子文檔給指導老師，經許可后方可打印。最終成果（打印稿1份、電子文檔1份）統(tǒng)一交班長匯總并轉交指導老師；最終成果提交截止時間為第20周周五。五、 成績評定平時考勤20%，報告撰寫規(guī)范20%,內容(選題合理、方案可行、分析正確、有創(chuàng)新)60%。成績評定實行優(yōu)秀、良好、中等、及格和不及格五個等級。優(yōu)秀者人數一般不得超過總人數的20%。六、 報告格式課程設計報告裝訂順序依次為：封面、課程設計(學年論文)任務書、目錄、正文、

5、參考文獻、成績評定表。報告中所有圖表應按“章號-圖表序號-圖表名”（例：圖1-1-*頻數圖）進行編號。具體格式參看實驗報告樣本。七、 主要參考資料1.羅應婷等主編.SPSS統(tǒng)計分析從基礎到實踐.北京：電子工業(yè)出版社，2007年6月；2.章文波 陳紅艷編著.實用數據統(tǒng)計分析及SPSS12.0應用.人民出版社，2006年；3.張文彤.SPSS.11.0統(tǒng)計分析教程.(高級篇).北京希望電子出版社.2002年6月；4.郝黎仁等.SPSS實用統(tǒng)計分析.中國水利水電出版社.2003年1月。目 錄1概述11.1研究背景11.2常用分析方法21.3本設計采用的分析方法32數據采集42.1數據來源42.2數據

6、處理42.3現(xiàn)狀分析73統(tǒng)計模型與分析93.1 一元線性回歸預測93.2 多元線性回歸預測143.3 時間序列法：163.4 曲線擬合184總結224.1 本設計的主要工作224.2 存在的不足224.3 下階段研究需解決的問題234.4 個人感悟23附錄 數據清單241 概述1.1 研究背景隨著社會經濟的發(fā)展，人民生活水平日漸提高，公路基礎設施建設取得了跨越式發(fā)展，公路客運日益增加。對于經濟相當發(fā)達的上海市，公路交通是其居民出行的重要交通方式。改革開放以來，特別是進入“八五”以來，隨著我國公路狀況的不斷改善，公路客運以其快速、靈活、方便的優(yōu)勢快速發(fā)展。據統(tǒng)計，“八五”期間全國客運量比“七五”

7、增長518%，年均遞增98%，同期公路客運年均遞增率達111%。自1991年以來，在全國新增旅客運量中，公路客運量占99%。公路客運除在運量上大大高于鐵路等其他運輸方式外，自1995年起，其旅客周轉量占全國旅客周轉量的比重也已超過50%。 導致公路客運量持續(xù)增長的主要原因：一是公路對鐵路繼續(xù)保持在中、短途客運上的分流優(yōu)勢；二是公路客運因高速公路和其他高等級公路的發(fā)展而在中、長途客運上逐步獲得了市場競爭優(yōu)勢；三是場站及車輛等服務設施和裝備水平不斷提高；四是公路客運的整體服務質量與水平在逐步改善，使公路客運對旅客的吸引力在提高。研究公路交通客運的需求有重大意義。一個高效運行的客運系統(tǒng)有利于交通的通

8、暢，方便人們出行，減少環(huán)境污染。分析公路客運量的發(fā)展變化規(guī)律，研究公路客運量的預測技術，并應用于公路客運管理工作中，對提高公路交通的管理水平和公路營運效率具有非常重要的實際意義，從而促進公路交通事業(yè)的持續(xù)發(fā)展，緩解交通壓力。預測未來若干年后上海市公路客運量及其發(fā)展趨勢,可以為投資、規(guī)劃、優(yōu)化配置資源及其相關問題的科學決策提供可靠依據,同時提高公路客運的經濟效益和社會效益，也對公路管理水平和建立高效公路客運交通系統(tǒng)具有重要作用。在預先掌握公路線路客運量發(fā)展變化的情況下，公路客運企業(yè)才能科學的制定調度計劃，合理地調配人、車資源。從而改變以往車輛管理調度中缺乏實用的分析預測手段，大多依靠經驗和直覺來

9、判斷客運量變化的傳統(tǒng)方式。因此，上海市公路客運量預測為上海市的公共交通規(guī)劃提供有力的支持。1.2 常用分析方法研究公路客運量需求預測這類問題涉及到統(tǒng)計學、運籌學、交通經濟學等學科，常用的預測方法有回歸分析法、灰色模型、組合預測法。12.1回歸分析法：回歸分析法是指根據預測的相關性原則，找出影響預測目標的各因素，并用數學方法找出這些因素與預測目標之間的函數關系的近似表達，再利用樣本數據對其模型估計參數及對模型進行誤差檢驗，一旦模型確定，就可利用模型，根據因素的變化值進行預測?；貧w分析預測法的步驟：a.根據預測目標，確定自變量和因變量;b.建立回歸預測模型;c.進行相關分析;d.檢驗回歸預測模型，

10、計算預測誤差;c.計算并確定預測值。1.2.2灰色模型預測：灰色預測模型是通過少量的、不完全的信息，建立數學模型并做出預測的一種預測方法?；疑到y(tǒng)的特點：a.用灰色數學處理不確定量，使之量化;b.充分利用已知信息尋求系統(tǒng)的運動規(guī)律;c.灰色系統(tǒng)理論能處理貧信息系統(tǒng).1.2.3組合預測：組合預測方法是對同一個問題，采用兩種以上不同預測方法的預測。它既可是幾種定量方法的組合，也可是幾種定性的方法的組合，但實踐中更多的則是利用定性方法與定量方法的組合。組合的主要目的是綜合利用各種方法所提供的信息，盡可能地提高預測精度。1.2.4時間序列法：時間序列回歸模型，是考慮事物發(fā)展的變化規(guī)律，以時間為自變量建

11、立的一種相關模型，它既考慮了事物發(fā)展的延續(xù)性，又充分考慮到事物的發(fā)展受偶然因素的作用而產生的隨機變化。1.2.5多元回歸方法：多元回歸分析預測法是通過對兩個或兩個以上的自變量與一個因變量的相關分析，建立預測模型進行預測的方法。它是研究一個隨機變量與兩個或兩個以上一般變量之間相依關系的統(tǒng)計分析方法。1.3 本設計采用的分析方法本課程設計將采用一元線性回歸預測法、多元回歸預測方法，時間序列法，S曲線分析進行分析與預測。2 數據采集2.1 數據來源本設計所需的數據，（總人口、生產總值、旅客周轉率等經濟指標的）來源是2011年中國統(tǒng)計年鑒（表2-1：上海市2006-2010年統(tǒng)計年鑒年度公路客運量（萬

12、人）總人口（萬人）生產總值(億元）旅客周轉量（億人公里）20062784181510572.2486.820072872185812494.0194.020082934188814069.8694.120092995192115046.4599.620103634230217165.98115.42.2 數據處理本課程設計選取上海市總人口數量、生產總值、旅客周轉量作為主要指標。a.總人口數量。針對此模型中被解釋變量為公路客運量，其主要消費者為上海市民，總人口數量是一個重要的影響因素。b.生產總值。交通運輸的發(fā)展離不開國家宏觀經濟的密切影響，因此選取地區(qū)生產總值（GDP）作為解釋變量之一，分析其

13、對公路客運量的影響。c.旅客周轉量。反映交通部門一定時期內旅客運輸工作量的指標。指旅客人數與運送距離的乘積，旅客周轉量是制訂運輸計劃和考核運輸任務完成情況的主要依據之一。因此旅客周轉量也是一個重要的影響因素。2.2.1數據描述性分析處理過程：打開spss軟件，在菜單欄中找到“分析描述統(tǒng)計頻率”，單擊出現(xiàn)一個對話框，在對話框中輸入變量和數據，點擊確定，即可得到最終數據。表21：各指標描述性統(tǒng)計表描述統(tǒng)計量N極小值極大值均值標準差公路客運量(萬人）5278436343043.80339.037總人口（萬人）5181523021956.80196.880生產總值（億元）510572.2417165.

14、9813869.70802502.80002旅客周轉量（億人公里）586.8115.497.98010.7467有效的 N （列表狀態(tài)）5圖21：公路客運量與總人口莖葉圖圖22：公路客運量與生產總值莖葉圖圖23：公路客運量與旅客周轉量莖葉圖表23：各指標相互相關性相關性公路客運量(萬人）總人口（萬人）生產總值（億元）旅客周轉量（億人公里）公路客運量(萬人）Pearson 相關性1.999*.872.975*顯著性（雙側）.000.054.005N5555總人口（萬人）Pearson 相關性.999*1.855.969*顯著性（雙側）.000.065.007N5555生產總值（億元）Pearso

15、n 相關性.872.8551.938*顯著性（雙側）.054.065.018N5555旅客周轉量（億人公里）Pearson 相關性.975*.969*.938*1顯著性（雙側）.005.007.018N5555*. 在 .01 水平（雙側）上顯著相關。*. 在 0.05 水平（雙側）上顯著相關。2.3 現(xiàn)狀分析經過對以上圖表的數據分析可以得出：根據公路客運量與其他各指標的莖葉圖，可以看出公路客運量的數量隨著各指標的增長而增長，呈正相關關系。根據各指標相互相關性表，可以看出公路客運量與總人口、旅客周轉量的pearson相關性較強；總人口與公路客運量、旅客周轉量的pearson相關性較強；生產總值

16、與旅客周轉量的pearson相關性較強；旅客周轉量與總人口、公路客運量和生產總值的pearson相關性較強。根據各指標相互相關性表，可以看出公路客運量與總人口、旅客周轉量顯著相關；總人口與公路客運量顯著相關；生產總值與各指標不顯著相關；旅客周轉量與共路客運量顯著相關。3統(tǒng)計模型與分析3.1一元線性回歸預測3.1.1一元線性回歸預測原理一元線性回歸預測法是分析一個因變量與一個自變量之間的線性關系的預測方法。設y為因變量，為自變量，并且自變量與因變量之間為線性關系時，則一元線性回歸預測的基本思想：確定直線的方法是最小二乘法。最小二乘法的基本思想：最有代表性的直線應該是直線到各點的距離最近。然后用這

17、條直線進行預測。3.1.2操作步驟及結果分析影響上海市公路客運量的3個因素：總人口，生產總值，旅客周轉量。以年度為自變量，各因素為因變量建立模型預測結果如下。（1）以年度為自變量，總人口為因變量建立預測模型ASPSS操作步驟如下：按分析回歸線性，打開對話框；將自變量輸入年度，因變量輸入總人口，單擊確定。如圖所示。圖3-1-1 ：spss操作步驟截圖B.輸出結果：表3-1-1：總人口為因變量時的輸出結果輸入移去的變量a模型輸入的變量移去的變量方法1年度b.輸入a. 因變量: 總人口（萬人）b. 已輸入所有請求的變量。模型匯總模型RR 方調整 R 方標準 估計的誤差更改統(tǒng)計量R 方更改F 更改df

18、1df2Sig. F 更改1.833a.694.591125.844.6946.79013.080a. 預測變量: (常量), 年度。系數a模型非標準化系數標準系數tSig.B 的 95.0% 置信區(qū)間B標準 誤差試用版下限上限1(常量)-206272.80079908.917-2.581.082-460578.63948033.039年度103.70039.795.8332.606.080-22.946230.346a. 因變量: 總人口（萬人）C.結果分析：依據上述表格得到模型的擬合優(yōu)度R2=0.694，說明擬合程度較好;得到回歸方程：Y=-206272.800+103.700X1.(Y：

19、總人口，X1：年度)表3-1-1：20112015年上?？側丝诘念A測結果（單位：萬人）年份20112012201320142015預測量2267.92371.62475.325792682.7（2）以年度為自變量，生產總值為因變量建立預測模型ASPSS操作步驟: 如上所述（略）B. 輸出結果：表3-1-2 ：生產總值為因變量時的輸出結果輸入移去的變量a模型輸入的變量移去的變量方法1年度b.輸入a. 因變量: 生產總值（億元）b. 已輸入所有請求的變量。模型匯總模型RR 方調整 R 方標準 估計的誤差更改統(tǒng)計量R 方更改F 更改df1df2Sig. F 更改1.994a.989.985306.3

20、3516.989264.00513.001a. 預測變量: (常量), 年度。Anovaa模型平方和df均方FSig.1回歸24774508.161124774508.161264.005.001b殘差281523.693393841.231總計25056031.8544a. 因變量: 生產總值（億元）b. 預測變量: (常量), 年度。系數a模型非標準化系數標準系數tSig.B 的 95.0% 置信區(qū)間B標準 誤差試用版下限上限1(常量)-3146706.228194518.389-16.177557-2527661.899年度1573.99296.872.9941

21、6.248.0011265.7031882.281a. 因變量: 生產總值（億元）C.結果分析：依據上述表格得到模型的擬合優(yōu)度R2=0.989，所以擬合程度很好；得到回歸方程：Y=-3146706.228+1573.992X1。 （Y:生產總值，X1：年度） 表3-1-3上海2011-2015年生產總值預測結果（單位：億元）年份20112012201320142015預測量18591.6820165.6821739.6723313.6624887.65（3）以年度為自變量，旅客周轉量為因變量建立預測模型ASPSS操作步驟: 如上所述（略）B. 輸出結果：表3-1-4：旅客周轉量為因變量時的輸出

22、結果輸入移去的變量a模型輸入的變量移去的變量方法1年度b.輸入a. 因變量: 旅客周轉量（億人公里）b. 已輸入所有請求的變量。模型匯總模型RR 方調整 R 方標準 估計的誤差更改統(tǒng)計量R 方更改F 更改df1df2Sig. F 更改1.924a.854.8054.7464.85417.50613.025a. 預測變量: (常量), 年度。Anovaa模型平方和df均方FSig.1回歸394.3841394.38417.506.025b殘差67.584322.528總計461.9684a. 因變量: 旅客周轉量（億人公里）b. 預測變量: (常量), 年度。系數a模型非標準化系數標準系數tSi

23、g.B 的 95.0% 置信區(qū)間B標準 誤差試用版下限上限1(常量)-12512.2603013.874-4.152.025-22103.753-2920.767年度6.2801.501.9244.184.0251.50311.057a. 因變量: 旅客周轉量（億人公里）C.結果分析：依據上述表格得到模型的擬合優(yōu)度R2=0.854，所以擬合程度很好；得到回歸方程 Y=-12512.260+6.280X1。（Y:旅客周轉量，X1：年度）表3-1-5：上海2011-2015年旅客周轉量預測結果（單位：億人公里）年份20112012201320142015預測量116.82123.1129.3813

24、5.66141.943.2多元線性回歸預測3.2.1多元線性回歸預測原理多元回歸分析是研究多個變量之間關系的回歸分析方法, 按因變量和自變量的數量對應關系可劃分為一個因變量對多個自變量的回歸分析(簡稱為“一對多”回歸分析)及多個因變量對多個自變量的回歸分析(簡稱為“多對多”回歸分析), 按回歸模型類型可劃分為線性回歸分析和非線性回歸分析。利用二元線性回歸方程，以旅客周轉量，GDP,總人口為自變量，公路客運量為因變量，建立模型預測分析，結果如下：3.2.2 SPSS操作步驟：按分析回歸線性，打開對話框；將自變量輸入總人口、生產總值、旅客周轉量，因變量輸入公路客運量，單擊確定。如圖所示。圖3-2-

25、1：spss操作步驟截圖3.2.3輸出結果分析表3-2-1：多元線性回歸輸出結果輸入移去的變量a模型輸入的變量移去的變量方法1旅客周轉量（億人公里）, 生產總值（億元）, 總人口（萬人）b.輸入a. 因變量: 公路客運量(萬人）b. 已輸入所有請求的變量。模型匯總模型RR 方調整 R 方標準 估計的誤差更改統(tǒng)計量R 方更改F 更改df1df2Sig. F 更改11.000a1.0001.0001.3081.00089625.76931.002a. 預測變量: (常量), 旅客周轉量（億人公里）, 生產總值（億元）, 總人口（萬人）。Anovaa模型平方和df均方FSig.1回歸459783.0

26、903153261.03089625.769.002b殘差1.71011.710總計459784.8004a. 因變量: 公路客運量(萬人）b. 預測變量: (常量), 旅客周轉量（億人公里）, 生產總值（億元）, 總人口（萬人）。系數a模型非標準化系數標準系數tSig.B 的 95.0% 置信區(qū)間B標準 誤差試用版下限上限1(常量)-260.5598.281-31.466.020-365.774-155.344總人口（萬人）1.625.017.94494.443.0071.4061.844生產總值（億元）.009.001.0638.858.072-.004.021旅客周轉量（億人公里）.06

27、6.471.002.140.912-5.9136.044a. 因變量: 公路客運量(萬人）可得回歸方程Y=1.625X1+0.009X2+0.066X3-260.559。（Y：公路客運量，X1：總人口，X2：生產總值，X3：旅客周轉量。）將2011-2015年上?？側丝冢a總值，旅客周轉量預測值代入方程得到2011-2015年上海公路客運量結果如下：表3-2-2：2011-2015年上海公路客運量（單位：萬人）年份20112012201320142015預測量3599.8143782.90739664149.0934332.1853.3時間序列法：3.3.1時間序列原理時間序列是指將某種現(xiàn)象

28、某一個統(tǒng)計指標在不同時間上的各個數值，按時間先后順序排列而形成的序列。時間序列法是一種定量預測方法，亦稱簡單外延方法。在統(tǒng)計學中作為一種常用的預測手段被廣泛應用。3.3.2 SPSS操作步驟按分析回歸線性，打開對話框；將自變量輸入年度，因變量輸入公路客運量，單擊確定。如圖所示。圖3-3-1：spss操作步驟截圖3.3.3輸出結果分析表3-3-1：時間序列法輸出結果輸入移去的變量a模型輸入的變量移去的變量方法1年度b.輸入a. 因變量: 公路客運量(萬人）b. 已輸入所有請求的變量。模型匯總模型RR 方調整 R 方標準 估計的誤差更改統(tǒng)計量R 方更改F 更改df1df2Sig. F 更改1.85

29、0a.723.630206.116.7237.82313.068a. 預測變量: (常量), 年度。Anovaa模型平方和df均方FSig.1回歸332332.9001332332.9007.823.068b殘差127451.900342483.967總計459784.8004a. 因變量: 公路客運量(萬人）b. 預測變量: (常量), 年度。系數a模型非標準化系數標準系數tSig.B 的 95.0% 置信區(qū)間B標準 誤差試用版下限上限1(常量)-363014.600130880.922-2.774.069-779536.10753506.907年度182.30065.180.8502.79

30、7.068-25.131389.731a. 因變量: 公路客運量(萬人）可得回歸方程：Y=-363014.600+182.300X1。（Y：公路客運量，X1：年度）表3-3-2：2011-2015年上海公路客運量預測結果（單位：萬人）年份20112012201320142015預測量3590.737733955.34137.64319.93.4曲線擬合3.4.1曲線擬合原理曲線擬合（curve fitting）是指在因變量與自變量與一個已知或未知的的曲線或者非線性函數關系相聯(lián)系的情況下，在很多情況下有兩個相關的變量，用戶希望用其中一個變量對另一個變量進行預測，但是又不能馬上根據記錄數據確定一種

31、最佳模型，此時可以用曲線估計在眾多回歸模型中建立一個既簡單又比較適合的模型.3.4.2 SPSS操作步驟按分析回歸曲線估計，打開對話框；將因變量輸入公路客運量，變量輸入總人口，單擊確定。如圖所示。圖3-4-1：spss操作步驟截圖3.4.3輸出結果分析表3-4-1:曲線擬合輸出結果模型描述模型名稱MOD_1因變量1公路客運量(萬人）方程1線性2二次3冪a4Sa自變量總人口（萬人）常數包含其值在圖中標記為觀測值的變量未指定用于在方程中輸入項的容差.0001a. 該模型要求所有非缺失值為正數。個案處理摘要N個案總數5已排除的個案a0已預測的個案0新創(chuàng)建的個案0a. 從分析中排除任何變量中帶有缺失值

32、的個案。變量處理摘要變量因變量自變量公路客運量(萬人）總人口（萬人）正值數55零的個數00負值數00缺失值數用戶自定義缺失00系統(tǒng)缺失00模型匯總和參數估計值因變量: 公路客運量(萬人）方程模型匯總參數估計值R 方Fdf1df2Sig.常數b1b2線性.9992729.08813.000-324.0581.721二次1.00075302.74222.000-3181.5254.503-.001冪.9981949.79213.000.7101.103S1.00011308.38513.0009.186-2271.547自變量為 總人口（萬人）。圖3-4-2：各方程擬合曲線圖根據以上圖表，可以看出線性方