陕西铁路客运需求分析

《陕西铁路客运需求分析》由会员分享，可在线阅读，更多相关《陕西铁路客运需求分析（34页珍藏版）》请在装配图网上搜索。

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=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

2、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）基本要求报告内容原则上不少于8000字，其正

3、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）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

4、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

5、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.SPSS实用统计分析中国水利水电出版社.2003年1月。目录1 概述11.1 研究背景 11.2 常用分析

6、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 103.3 曲线拟合法 153.4 线性回归分析法 193.5 预测值汇总表 244 总结254.1 本设计的主要工作 254.2 存在的不足 25附录 数据清单261 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

7、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，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

8、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 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

9、，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

10、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：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

11、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，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。2 数据采集2.1 数据来源 本设计所需数据（

12、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 年陕西省相关数据铁路客运旅客周转量总人口生产总值公路客运年度量（万人）（亿人公里）（万人）（亿元）量（万人）20022670207.436622253.392866320032497207.836722587.722815920043231255.536813175.583176320053601279.136903675.663478020064370294.936994523.743860620074848319.537085465.794355520085218350.637186851.32

13、7056620095008342.637278169.807903320105411362.6373510123.488745720115614405.4374312512.301010622.2 数据处理 本课程设计选取陕西省旅客周转量，总人口，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。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 产总值作为解释变量之一。d. 公路客运量，作为陆地运

14、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“分析一描述统计一探索”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10249756144246.801160.502旅客周转量10207.4405.4302.54066.0281总人口10366237433703.5027.403生产总值102253.3912512.305933.87803437.17528

15、公路客运量102815910106254364.4027393.521有效的N （列表状态）106000-5000-铁路客运量4000-30002000-207.4207.8294.9342.6350.6362.6405.4旅客周转量6000-5000-铁路客运量4000-3000-2000-3662367236813690369937083718372737353743总人口6000-5000-铁略客运量4000-3000-2000-2253.39 258772 3175.58 3675.66 4523.74 5465.79 6851.32 8169.80 10123.48 12512.30

16、生产总值6000-5000-铁路客运量4000-3000-2000-2815928663 自仃閃 347803860643555705667903387457101062公路客运量图2.2 2-1各变量与铁路客运量关系表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*.889*.875*显著性（双侧）.000.000.001.001N1010101010旅客周转量Pearson相关性.980*1.983*.937*.918*显著性（双侧）.000.000.000.000N1010101010总人口Pearson相关性.968*

17、.983*1.959*.946*显著性（双侧）.000.000.000.000N1010101010生产总值Pearson相关性.889*.937*.959*1.982*显著性（双侧）.001.000.000.000N1010101010公路客运量Pearson相关性.875*.918*.946*.982*1显著性（双侧）.001.000.000.000N1010101010*.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

18、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。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】，

19、 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。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%14.85397.05297.0524.85397.05297.0522.1172.34499.3973.019.37299.7694.

20、011.23099.99858.233E-005.002100.000提取方法：主成份分析。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=l, 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

21、时间(地 点、条件等)的响应。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。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

22、描述模型类型模型ID铁路客运量模型 1ARIMA(2,1,2)旅客周转量模型 2ARIMA(2,1,2)总人口模型 3ARIMA(2,1,2)生产总值模型 4ARIMA(2,1,2)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5102550759095平稳的R方.544.333.237.949.237.237.255.495.882.949.949R方.965.040.9231.000.923.923.927.968.9991.0001.000RMSE192.819229.473.651490.787.651.6516.603139.919431.935490.787490.7

23、87MAPE3.2822.573.0086.139.008.008.7123.4915.6446.1396.139MaxAPE10.3739.959.01923.889.019.0191.9258.79220.40223.88923.889MAE91.508106.703.295226.323.295.2953.16669.708201.651226.323226.323MaxAE224.017277.204.688596.516.688.6886.865149.431515.753596.516596.516正态化的BIC8.7185.990.60713.857.607.6072.42010

24、.20513.53013.85713.857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DFSig.铁路客运量-模型 11.923.0.0旅客周转量-模型 21.939.0.0总人-模型 311.000.0.0生产总值-模型 41.998.0.0表3.2 3-4预测模型20122013201420152016铁路客运量-模型_1预测60696140655765936973UCL74327844852386909178LCL47064436459244964768旅客周转量-模型_2预测432.4450.2475.2504.1531.0U

25、CL497.7520.3547.1575.8604.1LCL367.0380.2403.3432.4458.0总人-模型_3预测37513760376837753783UCL37533762377037783785LCL37493757376537733780生产总值-模型_4预测14890.1417355.1619991.2522909.6226174.32UCL15553.7118080.6520719.4023688.1326965.97LCL14226.5716629.6719263.1022131.1225382.68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

26、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。7,0006,000-5,0004,0003,0002,000600*500-4003002003,8003,7753,7503,7253,7003,675*30,00020,000一一旅客周转U攀複弹2总人口摸弹32002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016日期主产总值摸弹4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

27、，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 按分析一一回归-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。

28、然后将模型框中选择多种方法进行拟合，并点击“确定”按钮，如图所示毎曲绘怙计因娈量抄年份3旅客周转量/总人口2送路客运量d YEAR, not periodic . &占 Date. Format: YYY.铁路客运量个案标签电):模型a在等式中包営常量 a根据模型绘图Q)线性31二次项复合心.膾扶但回对数回立方31 S(S)指数分布世0逆模型网回每凹：.Logistic上限回:显示AN OVA表格帮助确定 粘贴CD 重置世取消 5丿 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铁路客运量方程1对数2二次3三次4Sa自变量生产总值常数包含其值在图中标记为观测值的变

29、量未指定用于在方程中输入项的容差.0001a.该模型要求所有非缺失值为正数。表3.3 3-4模型汇总和参数估计值因变量:铁路客运量方程模型汇总参数估计值R方Fdf1df2Sig.常数b1b2b3对数.927100.99818.000-12100.7781914.858二次.95167.55227.000681.333.960-4.646E-005三次.97786.11036.000-1075.6501.957-0.0002037.171E-009S.956174.72418.0008.850-2353.583自变量为生产总值。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

30、案0新创建的个案0a.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1010零的个数00负值数00缺失值数用户自定义缺失00系统缺失55铁路客运量2500.005000.007500.0010000.0012500.00生产总值图3.3 3-1生产总值与铁路客运量关系图得到对故用三从以上数据可以得知，以生产总值为自变量，铁路客运量为因变量 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, 次曲线拟合预测，其拟合方程为：Y 二-1075.650 +1.957 * X - 0.000203 *XA2 + 7.17

31、1E-009 * XA3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20122013201420152016铁路客运量（Y1）5558.885827.146281.226977.477972.243.4 线性回归分析法3.4.1 统计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。多元回归分析预测法，是指

32、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

33、程叫做直线回归方程。3.4.2 SPSS 操作步骤第一步：按分析一回归一线性 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1YEAR,notperiodic输

34、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RR方调整R方标准估计的误差1.966,.934.925317.245a.预测变量：（常量），YEAR, not periodic。RA2=0.934表 3.4 3-3 Anovaa模型平方和df均方FSig.1回归11315720.194111315720.194112.432 000b残差805157.4068100644.676总计12120877.6009a.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

35、型非标准化系数标准系数tSig.B标准误差试用版1（常量）-738863.51570082.250-10.543.000YEAR, not periodic370.35234.928.96610.603.000a.因变量：铁路客运量故回归方程为：Y二370.352X-7.38863.515其中X为年份，Y1为铁路客、一.口.运量铁路客运量预测如下年份（X）20122013201420152016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Y2 = 21.456X-427484

36、38其中x为年份，Y2为旅客周转量旅客周转量预测如下：年份（X）20122013201420152016旅客周转量（Y2）421.034442.49463.946485.402506.858y3 = 9.048X-14452.285其中x为年份，Y3为总人口总人口预测如下：年份（X）20122013201420152016总人口（ Y3）3752.2913761.3393770.3873779.4353788.483Y4二1094.064 *X-2189306.511 其中X为年份，Y4为生产总值生产总值预测如下：年份（X）20122013201420152016生产总值（Y4）11950.2

37、5713044.32114138.38515232.44916326.513二）多元线性回归预测：豔线性回归K9块1的1|妙铁路客运量因变量Q：旅客周转量| 夕总人口 冷生产总值2公路客运量jj YEAR, not periodic |Date. Format: ff(上一张选择变量目:自变量Q）：规则(U)J下一张凹WLE权重迥表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,notperiodic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RR方调整R方标准估计的误差1.98&.976.9572

38、39.883a.预测变量：（常量），生产总值，旅客周转量，总人口，YEAR, not periodic。表 3.4 3-6 Anovaa模型平方和df均方FSig.1回归11833158.22642958289.55651.409.000b残差287719.374557543.875总计12120877.6009a.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tSig.B标准误差试用版1（常量）-2090879.7033447464.243-.606.571YEAR, not per

39、iodic1219.8652103.4783.183.580.58711.8167.577.6721.559.180旅客周转量总人口-95.809209.389-2.262-.458.666生产总值-.216.152-.639-1.421.214a.因变量：铁路客运量可得多元线性回归方程：Y = 1219.865 *X + 11.816*X -95.809*X -0.216*X -2090879.703 其1234中X为年份，X为旅客周转量，X为总人口，X为生产总值1 2 3 4陕西省未来 5 年铁路客运量预测如下：年份（X）20122013201420152016铁路客运量（Y）6379.1

40、16749.307119.497489.497859.883.5 预测值汇总表表 3.5 3-1 各年预测值汇总20122013201420152016元线性回归6284.7096655.0617025.4137395.7657766.117多元线性回归6379.116749.307119.497489.497859.88时间序列预测60696140655765936973曲线拟合预测5558.885827.146281.226977.477972.244.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，

41、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

42、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。附录 数据清单铁路客运旅客周转量总人口生产总值公路客运年度量（万人）（亿人公里）（万人）（亿元）量（万人）20022670207.436622253.392866320032497207.836722587.722815920043231255.536813175.583176320053601279.136903675.663478020064370294.936994523.743860620074848319.537085465.794355520085218350.637186851.327056620095008342.637278169.807903320105411362.6373510123.488745720115614405.4374312512.30101062成绩评定表指导教师评语：成绩：指导教师签名：