2022年陕西铁路客运需求分析 .pdf

《2022年陕西铁路客运需求分析 .pdf》由会员分享，可在线阅读，更多相关《2022年陕西铁路客运需求分析 .pdf（32页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、吧课程设计设计题目：陕西铁路客运需求分析课程名称：运输统计与分析学院：交通运输工程学院专业：交通运输班级：交运 1102 班学生姓名：陈雷学号：201130010214 指导教师：周和平、柳伍生、李利华、朱灿=2012/2013 学年第二学期=名师资料总结-精品资料欢迎下载-名师精心整理-第 1 页，共 32 页 -课程设计（学年论文）任务书课程名称：运输统计与分析适用对象：交通运输工程一、课程设计（论文）目的运输统计与分析课程设计作为独立的教学环节，是交通运输本科专业的必修课。其目的是，通过本课程设计实践，培养学生理论联系实际思想，加深统计分析基本理论与基本知识的理解，学会收集或调查行业统计

2、数据，切实掌握各种统计分析方法，并能灵活运用统计软件在计算机上实现，正确解释和分析运行结果，培养运用各种统计分析方法解决交通运输领域内实际问题的能力。二、课程设计（论文）题目与内容本课程设计（论文）主要任务为：针对交通运输领域内某一主题，设计调查表调查或查询相关统计数据，根据本课程讲授内容选择一种或多种合适的统计分析方法，运用SPSS建立模型分析问题。题目自拟，但题名一般要包含主题与统计方法。且必须与交通运输相关，选题主题主要包括：1.运输市场定位研究2.运输需求分析与预测3.政策或技术方法实施效果评价4.交通行为选择5.影响因素分析6.聚类分析7.服务质量评价8.自选三、课程设计（论文）基本

3、要求报告内容原则上不少于8000 字，其正文至少包括如下几个方面的内容：1.问题背景（问题的提出、必要性与意义，该问题目前常用的分析手段与方法，本设计采用的方法）2.数据采集（含数据采集方式、描述性分析、统计图表）说明：调查分析则必须包含调查方案，其它数据原则上必须说明出处。3.统计模型与分析（包含模型原理、SPSS操作步骤、输出结果及分析）名师资料总结-精品资料欢迎下载-名师精心整理-第 2 页，共 32 页 -4.总结5.附录 数据清单四、课程设计（论文）时间及进度安排1.时间:两周：2012-2013 学年第二学期第十九、二十周2.进度安排：确定主题；调查、收集数据：2 天数据分析与预处

4、理、描述性统计分析：2 天分析方法原理及选择：3 天SPSS操作及结果分析：4 天解决实际问题或建议：2 天撰写报告、总结：1 天（此部分同学们可以按照自己设计具体内容，详细安排）3.成果提交：要求独立完成，每人需提交1 份打印的设计报告（A4）、word 电子文档、数据文件（sav格式）。电子文档文件名为：学号后四位+姓名+题目，先发电子文档给指导老师，经许可后方可打印。最终成果（打印稿1 份、电子文档1 份）统一交班长汇总并转交指导老师；最终成果提交截止时间为第20 周周五。五、成绩评定平时考勤 20%，报告撰写规范20%,内容(选题合理、方案可行、分析正确、有创新)60%。成绩评定实行优

5、秀、良好、中等、及格和不及格五个等级。优秀者人数一般不得超过总人数的 20%。六、报告格式课程设计报告装订顺序依次为：封面、课程设计(学年论文)任务书、目录、正文、参考文献、成绩评定表。报告中所有图表应按“章号-图表序号-图表名”（例：图 1-1-*频数图）进行编号。具体格式参看实验报告样本。七、主要参考资料1.罗应婷等主编.SPSS统计分析从基础到实践.北京：电子工业出版社，2007 年 6 月；2.章文波陈红艳编著.实用数据统计分析及SPSS12.0应用.人民出版社，2006 年；3.张文彤.SPSS.11.0统计分析教程.(高级篇).北京希望电子出版社.2002 年 6 月；4.郝黎仁等

6、.SPSS实用统计分析.中国水利水电出版社.2003 年 1 月。名师资料总结-精品资料欢迎下载-名师精心整理-第 3 页，共 32 页 -目录1 概述.11.1 研究背景.11.2 常用分析方法.21.3 本设计采用的分析方法.32 数据采集.42.1 数据来源.42.2 数据处理.52.3 现状分析.83 统计模型与分析.93.1 因子分析法.93.2 时间序列法 .10 3.3 曲线拟合法.15 3.4 线性回归分析法.19 3.5 预测值汇总表.24 4 总结.25 4.1 本设计的主要工作.25 4.2 存在的不足.25 附录 数据清单.26 名师资料总结-精品资料欢迎下载-名师精心

7、整理-第 4 页，共 32 页 -1 1 概述1.1研究背景随着社会的发展，交通运输已成为国民经济正常运行的重要保障条件，也是人们生活不可或缺的支撑。而铁路运输是陆地运输两个基本方式之一，它在整个运输领域中占有重要的地位，并发挥着愈来愈重要的作用。目前，旅客运输需求是我国铁路客运专线运输组织与经营管理的基础。铁路客运需求是社会经济生活在人的空间位移方面所提出的具有支付能力的需要，有实现位移的愿望和具备支付能力是客运需求的两个必要条件。这些年来我国铁路运输需求也发生了一些变化，产生了新特点：（1）铁路客运总量将快速上升：（2）快捷，便利的铁路客运需求迅速上升：（3）客流结构将发生明显变化。但是，

8、近年来，因为公路和民航运输的崛起，也使得铁路运输的市场占有率下降。与此同时，铁路运输与公路、水运和民航的竞争格局已经形成，各种运输方式之间互相竞争，抢占市场行为日趋白热化。铁路运输作为最具可持续性及环境友好性的交通运输模式，集中体现和标志着一个国家的创新能力、综合国力和现代化程度，在保障国民经济正常运转和促进经济社会又好又快发展中起着不可替代的作用。根据铁路“十一五”规划，“十一五(2006-2010 年)期间，中国将建设铁路新线17000公里，其中客运专线公里；建设既有线复线8000 公里，既有线电气化改造15000公里。2010年，全国铁路营业早程达到9 力公里以上，复线和电气化比例分别达

9、到45以上，快速客运网总规模达到20000公里以上，“十一五 铁路基建总投资将达12500亿元，是“十五 规模的近 4 倍。这对于铁路旅客运输创造了新的社会形势，必将名师资料总结-精品资料欢迎下载-名师精心整理-第 5 页，共 32 页 -2 推动铁路旅客运输进一步向市场化迈进。铁路客运需求量增加的原因：一是在中长途途运输上，铁路运输相对公路运输有时间及价格上的优势，同时更为安全，相对于民航运输，则在价格上优势更为突出；二是随着科技的发展，火车几次提速加之高铁的运营使得铁路运输效率提高：三是铁路客运的服务质量得到提高。选题研究意义：一是可以更好的满足社会需要，按市场需求提供运输能力。二是正确认

10、识铁路客运系统，进一步改善提高其效率。三是增强铁路运输企业竞争力。富有竞争性的市场，迫使铁路运输产品接受市场的检验。因此了解消费需求，分析市场环境，制定和实施有效的营销模式，必将极大提高运输企业素质，改善经营管理，增强应变与竞争能力。铁路旅客运输必须面向未来，因此对客运需求分析是很有必要的。1.2常用分析方法1.2.1 时间序列法：时间序列回归模型，是考虑事物发展的变化规律，以时间为自变量建立的一种相关模型，它既考虑了事物发展的延续性，又充分考虑到事物的发展受偶然因素的作用而产生的随机变化。1.2.2 因果分析法：因果分析法是从其它经济指标、社会发展状况与交通量的关系水平进行预测，通过对客运量

11、与社会经济指标的相关关系研究，建立并选择合适的数学模型进行计算，最后对各种预测结果进行汇总、对比、分析和研判，确定远景客运量1.2.3 组合预测：名师资料总结-精品资料欢迎下载-名师精心整理-第 6 页，共 32 页 -3 组合预测方法是对同一个问题，采用两种以上不同预测方法的预测。它既可是几种定量方法的组合，也可是几种定性的方法的组合，但实践中更多的则是利用定性方法与定量方法的组合。组合的主要目的是综合利用各种方法所提供的信息，尽可能地提高预测精度。12.4 回归分析法：回归分析法是指根据预测的相关性原则，找出影响预测目标的各因素，并用数学方法找出这些因素与预测目标之间的函数关系的近似表达，

12、再利用样本数据对其模型估计参数及对模型进行误差检验，一旦模型确定，就可利用模型，根据因素的变化值进行预测。1.2.5 灰色模型预测：灰色预测模型是通过少量的、不完全的信息，建立数学模型并做出预测的一种预测方法。1.3本设计采用的分析方法本课程设计采用相关分析，因子分析，时间序列法，曲线拟合法，一元及多元线性回归预测法。名师资料总结-精品资料欢迎下载-名师精心整理-第 7 页，共 32 页 -4 2数据采集2.1数据来源本设计所需数据（旅客周转量，总人口，生产总值等）均来自2012 年中国统计年鉴。表 2-1 2007-2011 年陕西省相关数据2.2数据处理本课程设计选取陕西省旅客周转量，总人

13、口，生产总值，公路客运量作主要指标。a旅客周转量，指旅客人数与运送距离的乘积，旅客周转量是制订运输计划和考核运输任务完成情况的主要依据之一。故旅客周转量是一个重要影响因素。年度铁 路 客 运量（万人）旅 客 周 转 量（亿人公里）总人口(万人)生产 总值（亿元）公 路 客 运量（万人）2002 2670 207.4 3662 2253.39 28663 2003 2497 207.8 3672 2587.72 28159 2004 3231 255.5 3681 3175.58 31763 2005 3601 279.1 3690 3675.66 34780 2006 4370 294.9 3

14、699 4523.74 38606 2007 4848 319.5 3708 5465.79 43555 2008 5218 350.6 3718 6851.32 70566 2009 5008 342.6 3727 8169.80 79033 2010 5411 362.6 3735 10123.48 87457 2011 5614 405.4 3743 12512.30 101062 名师资料总结-精品资料欢迎下载-名师精心整理-第 8 页，共 32 页 -5 b.总人口，作为陕西的消费者，人口数量将对客运量产生影响。c.生产总值，国民经济同样会对交通运输业产生重要影响，故选取陕西生产总值

15、作为解释变量之一。d.公路客运量，作为陆地运输两大基本方式之一，很大程度上，公路运输可替代一部分铁路运输，公路客运量的增加会使铁路客运量减少，故也会对铁路客运量产生影响。22.1 数据描述性分析：处理过程：打开 spss 软件，在菜单栏中找到“分析描述统计探索”，单击出现一个对话框，在对话框中输入变量和数据，点击确定，即可得到最终数据。表 2.2 2-1 描述统计量N 极小值极大值均值标准差铁路客运量10 2497 5614 4246.80 1160.502 旅客周转量10 207.4 405.4 302.540 66.0281 总人口10 3662 3743 3703.50 27.403 生

16、产总值10 2253.39 12512.30 5933.8780 3437.17528 公路客运量10 28159 101062 54364.40 27393.521 有效的 N（列表状态）10 名师资料总结-精品资料欢迎下载-名师精心整理-第 9 页，共 32 页 -6 名师资料总结-精品资料欢迎下载-名师精心整理-第 10 页，共 32 页 -7 图 2.2 2-1各变量与铁路客运量关系名师资料总结-精品资料欢迎下载-名师精心整理-第 11 页，共 32 页 -8 表 2.2 2-2 相关性铁路客运量旅客周转量总人口生产总值公路客运量铁路客运量Pearson 相关性1.980*.968*.

17、889*.875*显著性（双侧）.000.000.001.001 N 10 10 10 10 10 旅客周转量Pearson 相关性.980*1.983*.937*.918*显著性（双侧）.000.000.000.000 N 10 10 10 10 10 总人口Pearson 相关性.968*.983*1.959*.946*显著性（双侧）.000.000.000.000 N 10 10 10 10 10 生产总值Pearson 相关性.889*.937*.959*1.982*显著性（双侧）.001.000.000.000 N 10 10 10 10 10 公路客运量Pearson 相关性.87

18、5*.918*.946*.982*1 显著性（双侧）.001.000.000.000 N 10 10 10 10 10*.在.01 水平（双侧）上显著相关。2.3现状分析对所研究的地区与行业发展现状进行分析，采用描述性统计方法进行分析。经过以上数据分析可得：（1）根据铁路客运量和其他指标的茎叶图，可知铁路客运量总体水平随各指标数量的增加而增加，呈正相关关系。（2）根据各指标相互相关性表，可知各指标相互Pearson 相关性均较强，且均为显著相关。（3）根据各指标相互相关性表，可以看出铁路客运量并未与公路客运量呈现负相关关系，故不再作讨论。名师资料总结-精品资料欢迎下载-名师精心整理-第 12

19、页，共 32 页 -9 3统计模型与分析3.1 因子分析法3.1.1 统计原理因子分析法：又叫因素分析，就是通过寻找众多变量的公共因素来简化变量中存在复杂关系的一种统计方法，它将多个变量总和为少数几个“因子”以在线原始变量与“因子”之间的相关关系。3.1.2 操作步骤点击【分析】/【降维】/【因子分析】，弹出窗口，选择铁路客运量，旅客周转量，总人口，生产总值，年份作为变量，【抽取】选择主成分，单击【确定】，生出结果。3.1.3 输出结果分析表 3.1 3-1 公因子方差初始提取铁路客运量1.000.951 旅客周转量1.000.983 总人口1.000.993 生产总值1.000.929 年份

20、1.000.995 提取方法：主成份分析。表 3.1 3-2 成份矩阵a成份1 铁路客运量.975 旅客周转量.992 总人口.997 生产总值.964 年份.998 提取方法 :主成份。a.已提取了 1 个成份。名师资料总结-精品资料欢迎下载-名师精心整理-第 13 页，共 32 页 -10 由上表分析可知，提取主成分1 个，利用公式可生成一个新变量Z，即主权重。Z=0.975*铁 路 客 运 量+0.992*旅 客 周 转量+0.997*总 人 口+0.964*生产 总 值+0.998*年份3.2 时间序列法3.2.1 统计原理从统计意义上讲，时间序列是将一个变量在不同时间上的不同数值按时

21、间先后排列而成的数列。从数学意义上讲，设Xt（tT）是一个随机过程，Xt（i=1，2，,，n）是在 Xt 在时刻 i 对过程 Xt 的观察值，则称Xt 为一次样本实现，也就是一个时间序列。从系统意义上讲，时间序列就是某一系统在不同时间（地点、条件等）的响应。表 3.1 3-3解释的总方差成份初始特征值提取平方和载入合计方差的%累积%合计方差的%累积%1 4.853 97.052 97.052 4.853 97.052 97.052 2.117 2.344 99.397 3.019.372 99.769 4.011.230 99.998 5 8.233E-005.002 100.000 提取方法

22、：主成份分析。名师资料总结-精品资料欢迎下载-名师精心整理-第 14 页，共 32 页 -11 3.2.2 SPSS 操作步骤说明 SPSS操作步骤，如果涉及到统计量、图表以及相关参数选择，并须予以说明。按分析预测-创建模型打开创建模型对话框在左侧源变量框中选择铁路客运量，旅客周转量，总人口，生产总值，作为因变量，将其送入因变量框，选择年份作为自变量，将其送入自变量框。在方法一框中选择ARIMA，并设置条件中模型的几个值分别为2、1、2，然后点继续。接着在统计表选项中选中显示预测值、拟合优度等选项。然后将模型框中选择多种方法进行拟合，并点击“确定”按钮，如图所示。名师资料总结-精品资料欢迎下载

23、-名师精心整理-第 15 页，共 32 页 -12 3.2.3 输出结果分析对输出结果进行详细分析，给出主要结论。表 3.2 3-1 模型描述模型类型模型 ID 铁路客运量模型 _1 ARIMA(2,1,2)旅客周转量模型 _2 ARIMA(2,1,2)总人口模型 _3 ARIMA(2,1,2)生产总值模型 _4 ARIMA(2,1,2)名师资料总结-精品资料欢迎下载-名师精心整理-第 16 页，共 32 页 -13 表 3.2 3-2 模型拟合拟合统计量均值SE 最小值最大值百分位5 10 25 50 75 90 95 平 稳 的R 方.544.333.237.949.237.237.255

24、.495.882.949.949 R 方.965.040.923 1.000.923.923.927.968.999 1.000 1.000 RMSE 192.819 229.473.651 490.787.651.651 6.603 139.919 431.935 490.787 490.787 MAPE 3.282 2.573.008 6.139.008.008.712 3.491 5.644 6.139 6.139 MaxAPE 10.373 9.959.019 23.889.019.019 1.925 8.792 20.402 23.889 23.889 MAE 91.508 106.

25、703.295 226.323.295.295 3.166 69.708 201.651 226.323 226.323 MaxAE 224.017 277.204.688 596.516.688.688 6.865 149.431 515.753 596.516 596.516 正 态 化 的BIC 8.718 5.990.607 13.857.607.607 2.420 10.205 13.530 13.857 13.857 表 3.2 3-3 模型统计量模型预测变量数模型拟合统计量Ljung-Box Q(18)离群值数R 方统计量DF Sig.铁路客运量-模型_1 1.923.0.0 旅

26、客周转量-模型_2 1.939.0.0 总人口-模型 _3 1 1.000.0.0 生产总值-模型 _4 1.998.0.0 名师资料总结-精品资料欢迎下载-名师精心整理-第 17 页，共 32 页 -14 表 3.2 3-4预测模型2012 2013 2014 2015 2016 铁路客运量-模型 _1 预测6069 6140 6557 6593 6973 UCL 7432 7844 8523 8690 9178 LCL 4706 4436 4592 4496 4768 旅客周转量-模型 _2 预测432.4 450.2 475.2 504.1 531.0 UCL 497.7 520.3 5

27、47.1 575.8 604.1 LCL 367.0 380.2 403.3 432.4 458.0 总人口-模型 _3 预测3751 3760 3768 3775 3783 UCL 3753 3762 3770 3778 3785 LCL 3749 3757 3765 3773 3780 生产总值-模型 _4 预测14890.14 17355.16 19991.25 22909.62 26174.32 UCL 15553.71 18080.65 20719.40 23688.13 26965.97 LCL 14226.57 16629.67 19263.10 22131.12 25382.6

28、8 对于每个模型，预测都在请求的预测时间段范围内的最后一个非缺失值之后开始，在所有预测值的非缺失值都可用的最后一个时间段或请求预测时间段的结束日期（以较早者为准）结束。名师资料总结-精品资料欢迎下载-名师精心整理-第 18 页，共 32 页 -15 图3.2 3-1时间与各变量关系图由上述的表格以及图像可以得出上述六个变量与年份的时间序列分析的拟合度较高，均大大 0.8，说明这个预测值的准确度较好。其中，总人口数的R方的值为1.0，说明总人口数与年份的预测值最为准确。3.3.曲线拟合预测法3.3.1 统计原理曲线估计用在因变量与自变量与一个已知或未知的的曲线或者非线性函数关系相联系的情况下，在

29、很多情况下有两个相关的变量，用户希望用其中一个变量对另一个变量进行预测，但是又不能马上根据记录数据确定一种最佳模型，此名师资料总结-精品资料欢迎下载-名师精心整理-第 19 页，共 32 页 -16 时可以用曲线估计在众多回归模型中建立一个既简单又比较适合的模型。3.3.2 spss操作步骤按分析回归-曲线估计打开曲线估计对话框在左侧源变量框中选择铁路客运运量作为因变量，将其送入因变量框，选择生产总值为自变量，将其送入自变量框。然后将模型框中选择多种方法进行拟合，并点击“确定”按钮，如图所示 3.3.3 输出结果及分析表 3.3 3-1 模型描述模型名称MOD_5 因变量1 铁路客运量名师资料

30、总结-精品资料欢迎下载-名师精心整理-第 20 页，共 32 页 -17 方程1 对数2 二次3 三次4 Sa自变量生产总值常数包含其值在图中标记为观测值的变量未指定用于在方程中输入项的容差.0001 a.该模型要求所有非缺失值为正数。表 3.3 3-2 个案处理摘要N 个案总数15 已排除的个案a5 已预测的个案0 新创建的个案0 a.从分析中排除任何变量中带有缺失值的个案。表 3.3 3-3 变量处理摘要变量因变量自变量铁路客运量生产总值正值数10 10 零的个数0 0 负值数0 0 缺失值数用户自定义缺失0 0 系统缺失5 5 表 3.3 3-4 模型汇总和参数估计值因变量:铁路客运量方

31、程模型汇总参数估计值R 方F df1 df2 Sig.常数b1 b2 b3 对数.927 100.998 1 8.000-12100.778 1914.858 二次.951 67.552 2 7.000 681.333.960-4.646E-005 三次.977 86.110 3 6.000-1075.650 1.957-0.0002037.171E-009 S.956 174.724 1 8.000 8.850-2353.583 自变量为生产总值。名师资料总结-精品资料欢迎下载-名师精心整理-第 21 页，共 32 页 -18 图3.3 3-1 生产总值与铁路客运量关系图从以上数据可以得知，

32、以生产总值为自变量，铁路客运量为因变量，得到对数，二次，三次，S曲线的拟合度都很好，其中三次曲线R2=0.977最高，故用三次曲线拟合预测，其拟合方程为：X3*009-7.171EX2*0.000203-X*1.9571075.650-Y其中，X为未来几年生产总值，Y为铁路客运量。根据上面预测未来几年的生产总值，得到：年份2012 2013 2014 2015 2016 铁路客运量（Y1）5558.88 5827.14 6281.22 6977.477972.24 名师资料总结-精品资料欢迎下载-名师精心整理-第 22 页，共 32 页 -19 3.4 线性回归分析法3.4.1 统计原理回归分

33、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baxy的 a 和 b确定时，即为一元回归线性方程。多元回归分析预测法，是指通过对两个或两个以上的自变量与一个因变量的相关分析，建立预测模型进行预测的方法。当自变量与因变量之间存在线性关系时，称为多元线性回归分析。多元回归分析是研究多个变量之间关系的回归分析方法,按因变量和自变量的数量对应关系可划分为一个因变量对多个自变量的回归分析(简称为“一对多”回归分析)及多个因变量

34、对多个自变量的回归分析(简称为“多对多”回归分析),按回归模型类型可划分为线性回归分析和非线性回归分析。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。3.4.2 SPSS 操作步骤第一步：按分析回归线性打开线性回归对话框第二步：在左侧源变量框中选择铁路客运量作为因变量，将其选入因变量框，选择作YEAR为自变量，将其选入自变量框，然后点击“确定”按钮，得到输出文档如图所示名师资料总结-精品资料欢迎下载-名师精心整理-第 23 页，共 32 页 -

35、20 第三步，完成一元线性回归分析后，进行多元线性回归分析，选择铁路客运量，总人口，生产总值，旅客周转量作为因变量，将其选入因变量框，选择作 YEAR 为自变量，将其选入自变量框，然后点击“确定”按钮，3.4.3 输出结果及分析（一）一元线性回归分析表 3.4 3-1 输入移去的变量a模型输入的变量移去的变量方法1 YEAR,not periodicb.输入a.因变量:铁路客运量b.已输入所有请求的变量。表 3.4 3-2 模型汇总模型R R 方调整 R 方标准 估计的误差名师资料总结-精品资料欢迎下载-名师精心整理-第 24 页，共 32 页 -21 1.966a.934.925 317.2

36、45 a.预测变量:(常量),YEAR,not periodic。R2=0.934 表 3.4 3-3 Anovaa模型平方和df 均方F Sig.1 回归11315720.194 1 11315720.194 112.432.000b残差805157.406 8 100644.676 总计12120877.600 9 a.因变量:铁路客运量b.预测变量:(常量),YEAR,not periodic。通过了 F 检验，拟合度很好Sig=0.000表 3.3 3-4 系数a模型非标准化系数标准系数t Sig.B 标准误差试用版1(常量)-738863.515 70082.250-10.543.0

37、00 YEAR,not periodic 370.352 34.928.966 10.603.000 a.因变量:铁路客运量故回归方程为：57.38863.51-370.352XY1其中 X 为年份，Y1 为铁路客运量铁路客运量预测如下：年份（X）2012 2013 2014 2015 2016 铁路客运量（Y1）6284.7096655.0617025.4137395.7657766.117用相同的操作步骤得到未来五年陕西省旅客周转量，总人口，生产总值如下：42748.438-21.456XY2其中 X 为年份，Y2 为旅客周转量旅客周转量预测如下：名师资料总结-精品资料欢迎下载-名师精心整

38、理-第 25 页，共 32 页 -22 年份（X）2012 2013 2014 2015 2016 旅客周转量（Y2）421.034442.49463.946485.402506.85814452.285-9.048XY3其中 X 为年份，Y3 为总人口总人口预测如下：年份（X）2012 2013 2014 2015 2016 总人口（Y3）3752.2913761.3393770.3873779.4353788.48312189306.51-X*1094.064Y4其中 X为年份，Y4为生产总值生产总值预测如下：年份（X）2012 2013 2014 2015 2016 生产总值（Y4）11

39、950.25713044.32114138.38515232.44916326.513名师资料总结-精品资料欢迎下载-名师精心整理-第 26 页，共 32 页 -23（二）多元线性回归预测：表 3.4 3-5 输入移去的变量a模型输入的变量移去的变量方法1 生 产 总 值,旅 客周转量,总人口,YEAR,not periodicb.输入a.因变量:铁路客运量b.已输入所有请求的变量。表 3.4 3-6 模型汇总模型R R 方调整 R 方标准 估计的误差1.988a.976.957 239.883 a.预测变量:(常量),生产总值,旅客周转量,总人口,YEAR,not periodic。名师资料

40、总结-精品资料欢迎下载-名师精心整理-第 27 页，共 32 页 -24 表 3.4 3-6 Anovaa模型平方和df 均方F Sig.1 回归11833158.226 4 2958289.556 51.409.000b残差287719.374 5 57543.875 总计12120877.600 9 a.因变量:铁路客运量b.预测变量:(常量),生产总值,旅客周转量,总人口,YEAR,not periodic。表 3.4 3-7 系数a模型非标准化系数标准系数t Sig.B 标准误差试用版1(常量)-2090879.703 3447464.243-.606.571 YEAR,not per

41、iodic 1219.865 2103.478 3.183.580.587 旅客周转量11.816 7.577.672 1.559.180 总人口-95.809 209.389-2.262-.458.666 生产总值-.216.152-.639-1.421.214 a.因变量:铁路客运量可得多元线性回归方程：32090879.70-X*0.216-X*95.809-X*11.816X*1219.865Y4321其中 X1为年份，X2为旅客周转量，X3为总人口，X4为生产总值陕西省未来 5 年铁路客运量预测如下：年份（X）2012 2013 2014 2015 2016 铁路客运量（Y）6379

42、.11 6749.30 7119.49 7489.49 7859.88 3.5 预测值汇总表名师资料总结-精品资料欢迎下载-名师精心整理-第 28 页，共 32 页 -25 表 3.5 3-1 各年预测值汇总2012 2013 2014 2015 2016 一元线性回归6284.709 6655.061 7025.413 7395.765 7766.117 多元线性回归6379.11 6749.30 7119.49 7489.49 7859.88 时间序列预测6069 6140 6557 6593 6973 曲线拟合预测5558.885827.146281.226977.47 7972.24名

43、师资料总结-精品资料欢迎下载-名师精心整理-第 29 页，共 32 页 -26 4.总结4.1 本设计的主要工作未来，面对中国 13 亿人口的旅客运输市场，铁路、公路、民航客运竞争越来越激烈，根据中国铁路客运的现状分析，铁路客运要实现增运增收，必须发展稳定中长途客运市场，积极开发短途客运市场。而铁路运输的竞争对手首先是公路运输，其次是航空运输。因此，铁路要想稳固和开拓市场，保持所处战略集团中的领先地位，必须坚持改革的方向，开放市场，引进竞争，充分发挥产业的吸引力，开发新的运输产品，提供比公路、民航运输更高的顾客认可价值。铁路旅客运输的服务对象是人，旅客运输的流量是动态的、波动的。这个动态性和波

44、动性有其自身的规律，但不是一成不变的。流量、行程不会年复一年地按同一比例增减，它受多种因素影响呈波动状态。客运总量是判断一个地方交通运输发展的主要依据。准确且合理的对客运总量进行预测能分析未来交通运输发展的大体趋势，并制定相应合适的发展措施。4.2 存在的不足 1.三个预测的方法中未进行残差的分析，以后需要加强检验。同时可以采用组合分析的方法，是预测的结果最优化；2.没有充分的考虑到各种可能的因素，应尽量多选取几个指标，本课程设计只选取了 4 个指标，范围不够广，导致研究领域较为狭隘；3.多元线性回归中，未能及时剔除非显著性相关的变量，导致结果不准，以后需要加强改善。名师资料总结-精品资料欢迎

45、下载-名师精心整理-第 30 页，共 32 页 -27 附录 数据清单年度铁 路 客 运量（万人）旅 客 周 转 量（亿人公里）总人口(万人)生产 总值（亿元）公 路 客 运量（万人）2002 2670 207.4 3662 2253.39 28663 2003 2497 207.8 3672 2587.72 28159 2004 3231 255.5 3681 3175.58 31763 2005 3601 279.1 3690 3675.66 34780 2006 4370 294.9 3699 4523.74 38606 2007 4848 319.5 3708 5465.79 43555 2008 5218 350.6 3718 6851.32 70566 2009 5008 342.6 3727 8169.80 79033 2010 5411 362.6 3735 10123.48 87457 2011 5614 405.4 3743 12512.30 101062 名师资料总结-精品资料欢迎下载-名师精心整理-第 31 页，共 32 页 -28 成绩评定表指导教师评语：成绩：指导教师签名：名师资料总结-精品资料欢迎下载-名师精心整理-第 32 页，共 32 页 -