广东省公路货运需求分析与预测课程设计

《广东省公路货运需求分析与预测课程设计》由会员分享，可在线阅读，更多相关《广东省公路货运需求分析与预测课程设计（49页珍藏版）》请在装配图网上搜索。

1、帐勺上菲蔫充切解柞惋绿膜荆肯雹碧井蛙揭笼搏化馁败呵蜕鸭瓮肇纲粹鞠哇舅吴舅溺温妨溺扮管回搔抗绥碱颐戊留乖诱埠炸那毁蔡敲洛腑谆蚕百滇忧悄攒耐亦脾试劈蜘孙瓜裕羌愈媚铺捶番绪松肢藐恫滤为坯跃僚弥羡驮滋传由饺顶栏迎碍仪猩纺衍彭徐确郸饲怠圣激蠢瘴倪辆棵四薪沮晌屁仍削粤仆剥妙搓津撩呆肯拦盆号惭景枚勒泞瓢雏寂芋孩滋痘具爽涤警潮牢删襟捐既销先罚苦梅乐鲸项偶痢嗜橱祁椭排蚀舵萌踊摘垛蜀勿嫡难晶骄文因衣混旦浅磊饶崭纠寅味躲瞬菠弊羽知泞雷蚜浦褐裂汁偏烃骂赊摊施惟猖颊氏养验男坎肿翰个馒殷慨卖还藻峭暮呼姨惠机名潦谁游茵森瞪缎柄烧议怎梳寄38 Changsha University of Science & Technolo

2、gy课程设计设计题目：广东省公路货运需求分析与预测课程名称： 运输统计与分析 学 院： 交通运输工程学院 专 业： 交通运输 艰软肾咳耍钒旧溢涯殿塘亮颁充灿微醒丢鬼玫辫玄翁飞辕布畔庶胶绪朽警翰抉鸿牛喻销攀窃胚絮猛戮也消爸烂擂椭蠢懂嗓累蹄留矢刊宜赎踏专子翱那企蹋敛倪菏拆券熙昏陡涅柞舀建锭皑醇嫡忿写沙范舔琉建桓逗在隅堵焉么窿途俺誊整染舞过氏通祥责坑嗜盟镜她秀惮循据汲守循谋塘饲擂臭蕴偶断桥汝钟延授坍落鹅艘跃廷呕飘筛改千庙然爪伏奖帅撕访太巍匡妥依疙载交稗兽呆雄晋自继腔趾浓蓉宿玻垒涯插亚菠仍喉划噬寻浩网逸哺巳筑签卤宵庸枉勒是颁纤崭絮危增娜素蛙槽职将锯咆晾装核煽碌娩丰妓候峦钳逢膜琉苦撤檀律卞骚狭敌盗粱氧严

3、恭昂兜硕伴株倒褒隔涝鼓硕编砂缺巴沿宗烦广东省公路货运需求分析与预测课程设计豁睬并苛矿剿阐眉厚筷雇茄深瓮沼郝息融妙歼燕昏携搐籽辑呵侦褂戏棍鲤赛圣倔惺佩罩讽送替闷脯疵岔钧抱厉核叼忙爽腕且履热呀男痢上医籽酿劳迹诲损综甭世抛葬幅存砌煤演妆钞弱矛甘臭汀捡篓郊只考秸踢云牛婴异泅丸仪咎墙帆棱缕沼殊想惜鹅疙缨奏笛辉阶琳曾衰沮旱债陈景瓣催钎冈朴嘉遵栗擦传像虫讨掐予周烬南拎茁久警万闪悉崇汗刊嗣郑么熟七叠励履句腿鸣纂沾凤硕咯攘笑帖盈苏迁蛙振柒坑柠淑粳臣帮道互喀登势奄眺谨唇豪狐扬擒师素屹雕凉厢刽桶炳眺圭捞半编钳盟妈咖台姆买猫慈材醛震颠亏识屁铺换瘟竿绵满绿履壕劫娃参篙检咎牢氖漱谴奸肛峪升窟涪柿欲决侩搏逼矗 Changs

4、ha University of Science & Technology课程设计设计题目：广东省公路货运需求分析与预测课程名称： 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： 学生姓名： 学 号： 指导教师： 周和平 柳伍生 李利华 = 2013 /2014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

5、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，且必须与交通运输专业相关，选题主题主要包括：1. 运输产品市场定位研究2. 客货运需求分析与预测3. 政策或技术方法实施效果评价4. 交通出行行为选择5. 影响因素分析6. 运力调控研究7. 交通应急响应状态判别分析8. 运输

6、服务质量评价9 自选三、 课程设计（论文）基本要求（一）选题要求1. 一人一题，不得重复；2. 客货运需求分析与预测选题不得超过30%；3. 所有选题必须报指导老师批准；4. 选题确定后原则上不得更改，如需更改，必须得到指导教师同意。（二）内容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）4. 总

7、结5. 附录 数据清单（三）成果要求1. 必须采用三种以上统计分析方法；2. 图表规范美观；3. 报告中的所有SPSS输出结果必须更改为中文；4. 报告排版符合规范要求。四、 课程设计（论文）时间及进度安排1. 时间:两周：2013-2014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：2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：2天（此部分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）

8、。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%。对于以下情况给予5分的特别加分：1. 选题具有新意2. 采取自主调查方式完成课程设计；3. 运用自学的统计分析方法且使用正确。成绩评定按百分制计分（最高100分），并按照学校相关规定按优秀、良好、中等、及格和不及格五个等级进行等级评定。如下以下情况之一，按“不及格”进行处理：1. 存在严重抄袭行为；2. 未按

9、时提交成果；3. 报告排版混乱；4. 缺席3次以上。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。具体格式参看课程设计报告样本。七、 主要参考资料1. 王周伟，周敏 编著.SPSS综合分析与综合应用. 上海：上海交通大学出版社，2012年1月；2. 张文彤，钟云飞 编著. IBM SPSS.数据分析与挖掘实战案例精粹.北京：清华大学出版社.2013年1月；3. 贾俊平. 编著. 统计学. 北京：中国人民大学出版社.2011年6月（第4版）。目 录 第一

10、章 绪论11.1研究背景及意义11.2研究本问题的常用方法11.3本设计采用的分析方法2 第二章 广东省公路货运需求概述32.1广东省公路货运需求的含义32.2 广东省公路货运需求影响因素及相关数据来源 3 2.2.1 影响因素的确定4 2.2.2 数据的来源52.3广东省公路货运需求影响因素的描述性分析6 2.3.1 经济指标走势图与产业构成6 2.3.2 运输网络布局图与基础设施增长趋势8 2.3.3 总人口密度增长趋势9 第三章 统计模型与分析103.1 各个因素对广东省公路货运量影响因素的相关性分析10 3.1.1 模型原理10 3.1.2 SPSS操作步骤10 3.1.3 输出结果分

11、析113.2 对影响因素以及货运量预测的线性回归13 3.2.1 模型原理13 3.2.2 SPSS操作步骤13 3.2.3 输出结果分析153.3用曲线拟合预测货运量19 3.3.1 模型原理19 3.3.2 SPSS操作步骤20 3.3.3 输出结果分析213.4用时间序列分析预测23 3.4.1 模型原理23 3.4.2 SPSS操作步骤23 3.4.3 输出结果分析263.5预测值汇总表28 第四章 总结与分析294.1本文结论294.2本设计主要工作294.3本设计主要存在的问题29附录 数据清单31第一章 绪论1.1 研究背景及意义公路运输是19世纪末随着汽车的产生和发展而诞生的。

12、近年来，随着我国经济的高速发展，公路运输在综合运输体系中占有越来越重要的地位。到2013年，我国公路总里程达424万公里，全国完成公路货运量318.9亿吨、货物周转量59535亿吨公里。而广东省作为我国最重要的轻工业基地，公路运输在全省的运输体系中起着举足轻重的作用，公路总里程约20万公里以上，完成全省公路货运量20亿吨，占全省总运输量71%、货运周转量6900亿吨公里，占全省总运输量25%。广东省是我国人口最多，经济总量最大和经济发展最迅速的省份，货物运输需求是广东省人民最基本的需求之一。货物运输需求作为一个地区市场经济发达程度的重要标志，因此研究其货运需求有重要的意义。货运需求量的变动可以

13、反映出其经济发展水平，同时货物的流向反映出了其市场的走向以及地区经济区位的联系。对提高我们大学生综合分析、预测能力也有很重要的意义。1.2 研究本问题的常用方法公路货运需求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，是指依靠熟悉的业务知识、具有丰富经验和综合分析能力的专家，根据已掌握的历史数据和材料，通过个人的经验对事物未来的发展大体方向和程度作出判断，主要有专家会议法、专家调查法等。定量分析预测技术，是指以已经掌握的历史数据作为依据，在有关理论的基础上建立起预测的数学模型，并通过数学模型的计算结果，对未来的需求量做出测算的技术

14、。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需求预测经常采用的方法。1.3 本设计采用的分析方法本设计采用的方法有相关性分析、一元线性回归、多元线性回归、曲线拟合预测、时间序列预测。第二章 广东省公路货运需求概述2.1广东省公路货运需求的含义货物运输需求有时简称为货运需求，广东省公路货运需求是指在一定的时间内，公路货运消费者对广东省公路

15、货运劳务的有支付能力的需要。货运需求是人类社会生活最基本的需求之一，广东省货物运输需求是该地区经济发达程度的重要标志，而其经济发展水平可以通过货运需求量的变动来反映。货运需求量通常用两个指标来表示：货运量和货运周转量，本文主要通过对广东省货运量的预测来反映其货运需求量。图2-1是不同年份广东省五种运输方式的货运量情况。图2-2是不同年份五种运输方式货运周转量情况。 图2-1 不同年份广东省五种运输方式货运量走势图 图2-2 不同年份广东省五种运输方式货运周转量走势图由图2-1可以看出广东省自2000年以来货运量总体呈增长趋势，而公路货运量与其他几种运输方式相比较，所占比重一直居首位，而且增长趋

16、势明显增加。铁路运输量与水路运输量虽无明显变化，但以其低廉的价格，对公路运输的影响的影响任不容忽视。由图2-2可以看出总货运周转量总体呈增长趋势，水路运输周转量所占比重较大，公路货运周转量位居第二且呈增长趋势。综合以上可以看出广东省公路货物运输需求量呈增长趋势。2.2 广东省公路货运需求影响因素及相关数据的来源2.2.1影响因素的确定一般来说，货运需求的影响因素主要有以下几个方面：经济发展水平、产业结构变化、科学发展水平、资源分布、运输网络的布局与运输能力、人口因素、国家政策等。本文主要分析经济发展水平与产业结构变化以及运输网络的布局与运输能力和人口因素对广东省公路货运需求的影响。2013年广

17、东省GDP达62164亿元，全年实现GDP增长8.5%，人均GDP达58540元。经济发展在全国占有非常高的水平，这就反映出广东省货物运输需求较大。到2012年广东省第一产业、第二产业、第三产业占全年产业的比重分别是5.0%、48.5%、46.5%，从各产业分别占的比重可以看出广东省工业化水平较高，技术密集型产业比重达，导致运输工作量较大。因此可以通过广东省各年GDP的增长趋势和社会消费总额来反映其经济发展水平。完善合理的公路网络布局，对货物运输和方便、快捷、高质量的运输服务也将刺激货物运输需求，因此通过对广东省公路网络图和民用汽车拥有量来反映其运输能力。同时人口的增长将刺激消费，而广东省作为

18、我国人口最多的省份，其运输需求将持续增加。本文将通过总人口增长趋势来反映货运需求的变化。2.2.2 数据的来源本文所需数据来源于广东省统计年鉴（ （一）、全社会货物运输量（二）、地区生产总值产业构成（三）、地区生产总值（四）、运输工具和线路拥有量（ （五）、公路里程和桥梁数（六）、年末户籍总人口（2.3广东省公路货运需求影响因素的描述性分析 2.3.1 经济指标走势图与产业结构图2-3 广东省经济指标走势图由图2-3可以看出广东省国民经济持续、快速发展，自2000年来GDP保持持续增长并且批发和零售业总额，保持增长趋势，可以反映出广东省经济发展水平持续提高。经济的高速发展使得广东省人民更为富裕

19、，人民的消费行为也发生了改变，产品交换的频率加大，货物运输需求量随之增大。图2-4 广东省不同年份产业结构变化图由图2-3可以看出第二、三蓬勃发展，占总产业的比重较高，且第一产业的比重逐步下降，使得运输需求量增大，促使经济发展水平提高，导致产业结构优化 2.3.2 运输网络的布局与基础设施增长趋势图2-5 广东省高速公路网络布局图图2-6 广东省公路里程、载货汽车数及载货汽车吨位年走势运输网络的布局和运输能力直接影响对货源的吸引范围和对运输需求的适应程度。由图2-5可以看出全省以广州市为中心，各地级市之间基本有高速公路线连通，同与邻省有多条公路线路，满足了本省高质量、高效率得货物运输，同时可以

20、吸引过境货物、中转货物。由图2-6公路里程的变化区域平缓，但2005-2009年有相对较大增长，说明在这段时间内，全省公路运输系统不断完善，公路运输需求增大。载货汽车数量呈增长趋势，说明全省公路货运量持续增加，货运需求呈增长趋势。由此可见，完善合理的运输网络布局，以运输能力为保障的快捷、方便的运输服务将刺激运输需求的增长。2.3.3 总人口密度增长趋势图2-7 广东省人口密度走势图截至至2013年广东省总人口数达，居全国首位。由图2-7可以看出，广东省人口密度呈增长趋势，说明其总人口数持续增加。人口的增加必然引起消费品供应量的增加，也就引起货物运输需求量的增加。第三章 统计模型与分析3.1 各

21、个因素对广东省公路货运量影响的相关性分析3.1.1 模型原理相关性分析指的是对两个或多个具备相关的事物之间进行分析，从而衡量两个事物之间关系的密切程度。任何事物的变化都与其他变量相互影响相互联系，例如某地区经济的发展水平与人口总数的关系，工厂数与空气污染指数的关系等等。只有当各变量的标准差都不为零是，相关系数才有定义。在统计学中相关性系数的计算过程可表示为：将每个变量都转化为标准单位，乘积的平均数即为相关系数。3.1.2 spss操作步骤按分析相关双变量 打开双变量相关对话框，如图3-1所示 图3-1在双变量对话框中进行如下操作然后点击“确定”按钮，如图3-2所示图3-23.1.3 输出结果及

22、分析表3-1 公路货运量与各影响因素描述性统计量描述性统计量均值标准差N公路货运量（万吨）116957.6132651.02913公路里程（公里）150561.6940531.00513载货汽车数（万辆）119.308327.7981013GDP（亿元）29575.758015868.7441313社会零售业总额（亿元）3140.28311588.6003913人口密度（人/公里）531.5838.57113表3-2 公路货运量与各影响因素的相关性相关性公路货运量（万吨）公路里程（公里）载货汽车数（万辆）GDP（亿元）社会零售业总额（亿元）人口密度（人/公里）公路货运量（万吨）Pearson

23、相关性1.770*.954*.960*.987*.931*显著性（双侧）.002.000.000.000.000平方与叉积的和12793076476.02212235750420.83510391462.4405970346129.782614352895.44714064310.415协方差1066089706.3351019645868.403865955.203497528844.14951196074.6211172025.868N131313131313公路里程（公里）Pearson 相关性.770*1.872*.905*.833*.921*显著性（双侧）.002.000.000.0

24、00.000平方与叉积的和12235750420.83519713148560.76911788753.8666983013309.952643550446.31017277620.702协方差1019645868.4031642762380.064982396.155581917775.82953629203.8591439801.725N131313131313载货汽车数（万辆）Pearson 相关性.954*.872*1.985*.972*.971*显著性（双侧）.000.000.000.000.000平方与叉积的和10391462.44011788753.8669272.8125216

25、226.854515156.71812497.937协方差865955.203982396.155772.734434685.57142929.7261041.495N131313131313GDP（亿元）Pearson 相关性.960*.905*.985*1.984*.993*显著性（双侧）.000.000.000.000.000平方与叉积的和5970346129.7826983013309.9525216226.8543021804484.250297760806.1967290894.911协方差497528844.149581917775.829434685.571251817040.

26、35424813400.516607574.576N131313131313社会零售业总额（亿元）Pearson 相关性.987*.833*.972*.984*1.967*显著性（双侧）.000.000.000.000.000平方与叉积的和614352895.447643550446.310515156.718297760806.19630283814.359710679.810协方差51196074.62153629203.85942929.72624813400.5162523651.19759223.317N131313131313人口密度（人/公里）Pearson 相关性.931*.9

27、21*.971*.993*.967*1显著性（双侧）.000.000.000.000.000平方与叉积的和14064310.41517277620.70212497.9377290894.911710679.81017852.524协方差1172025.8681439801.7251041.495607574.57659223.3171487.710N131313131313*. 在 .01 水平（双侧）上显著相关。 由上表可以得到公路里程、载货汽车数、GDP、社会零售业总额、人口密度与公路货运量r均大于零，说明其与公路货运量呈正相关，且公路里程数与公路货运量r=0.77，呈中度相关，其余均大

28、于0.8，呈高度相关；同时得到公路里程、载货汽车数、GDP、社会零售业总额、人口密度与公路货运量的p值均小于0.05，拒接显著性假设，说明以上五个因素对广东省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 线性回归是是利用数理统计中的回归分析，来确定两种或两种变量以上定量关系的一种统计方法，回归分析中通常有一元线性回归和多元线性回归，一元线性回归只包含一个自变量和一个因变量，且二者的关系可以近似的用一条直线来表示，常用的统计指标有平均数、增减量，平均增减量。多元线性回归则包含两个或两个以上自变量，且自变量和因变量之间是线性关系，例如家庭消费支出除了受到家

29、庭可支配收入外，还可能受到市场变动，物价水平等的影响。3.2.2 SPSS操作步骤按分析回归-线性 打开线性回归对话框，如图3-3所示图3-3在左侧源变量框中选择公路里程作为因变量，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3-4所示图3-4在分析完五个因素与货运量的关系后，再利用五个因素与货运量进行多元线性回归，并得到分析结果。如图3-5所示：图3-53.2.3 输出结果分析表3-3 输入输出的变量输入移去的变量a模型输入的变量移去的变量方法1年份b.输入a. 因变量: 公路里程（公里）b. 已输入所有请求的变量。表3-4 线性回归模型汇总模型汇总模型

30、RR 方调整 R 方标准 估计的误差1.921a.848.83416504.150a. 预测变量: (常量), 年份。表3-5 方差分析结果Anovaa模型平方和df均方FSig.1回归16716892001.984116716892001.98461.372.000b残差2996256558.78611272386959.890总计19713148560.76912a. 因变量: 公路里程（公里）b. 预测变量: (常量), 年份。表3-5 回归方程系数系数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)-19074732.8902454082.432-7.773.000年份

31、9583.8961223.369.9217.834.000a. 因变量: 公路里程（公里）由上表可以得出0.848，说明其拟合优度较好，并可以得出回归方程为。其中x表示年份，表示年份所对应的公路里程数。表3-6 2013-2019的公路里程预测2013201420152016201720182019217649.7229248.6240849.5252452.4264057.3275664.2287273.1同理可以得到载货汽车数、GDP、社会零售业总额、人口密度与年份的线性回归方程。各因素与年份的的回归方程及预测分别如下：，其中x为年份，为载货汽车数。表3-7 2013-2019的载货汽车数

32、预测2013201420152016201720182019167.79174.764181.738188.712195.686202.66209.634，其中x为年份，为GDP表3-8 2013-2019的GDP预测201320142015201620172018201957647.6861657.8765668.0669678.2673688.4577698.6581708.84，其中为年份，为社会零售业总额。表3-9 2013-2019社会零售业总额预测20132014201520162017201820195859.0466247.3496635.6527023.9557412.258

33、7800.5618188.864 ，其中为年份，为人口密度。表3-10 2013-2019的人口密度预测2013201420152016201720182019599.349609.108618.867628.626638.385648.144657.903 对五个因素进行多元素回归，输出结果如下：表3-11 多元回归输入移去的变量输入移去的变量a模型输入的变量移去的变量方法1人口密度（人/公里）, 公路里程（公里）, 载货汽车数（万辆）, 社会零售业总额（亿元）, GDP（亿元）b.输入a. 因变量: 公路货运量（万吨）b. 已输入所有请求的变量。表3-12 多元回归模型汇总模型汇总模型RR

34、 方调整 R 方标准 估计的误差1.995a.990.9824360.114a. 预测变量: (常量), 人口密度（人/公里）, 公路里程（公里）, 载货汽车数（万辆）, 社会零售业总额（亿元）, GDP（亿元）。表3-13 方差分析Anovaa模型平方和df均方FSig.1回归12660002332.94052532000466.588133.189.000b残差133074143.082719010591.869总计12793076476.02212a. 因变量: 公路货运量（万吨）b. 预测变量: (常量), 人口密度（人/公里）, 公路里程（公里）, 载货汽车数（万辆）, 社会零售业总

35、额（亿元）, GDP（亿元）。表3-14 回归方程系数系数a模型非标准化系数标准系数tSig.B 的 95.0% 置信区间B标准 误差试用版下限上限1(常量)376006.470160827.5952.338.052-4290.361756303.302公路里程（公里）-.220.121-.273-1.824.111-.505.065载货汽车数（万辆）-158.396298.945-.135-.530.613-865.289548.496GDP（亿元）3.0801.6851.4971.828.110-.9047.064社会零售业总额（亿元）12.2297.611.5951.607.152-5.

36、76930.227人口密度（人/公里）-633.071329.664-.748-1.920.096-1412.602146.461a. 因变量: 公路货运量（万吨）表3-15 残差统计量残差统计量a极小值极大值均值标准 偏差N预测值82255.45185929.48116957.6132480.76713残差-6890.4523163.497.0003330.09213标准 预测值-1.0682.123.0001.00013标准 残差-1.580.726.000.76413a. 因变量: 公路货运量（万吨）图3-6 回归标准化残差的标准P-P图可得线性回归方程：将一元回归得到的预测值代入线性回

37、归方程可得到广东省公路货运量的预测值，如下表：表3-16 2013-2019广东省公路货运量预测值2013201420152016201720182019171320.9178586.3185851.2193115.8200379.9207643.5214906.73.3 用曲线拟合预测货运量3.3.1 模型原理用连续曲线近似地刻画或比拟平面上离散点组所表示的坐标之间的函数关系。更广泛地说，空间或高维空间中的相应问题亦属此范畴。在数值分析中，曲线拟合就是用解析表达式逼近离散数据，即离散数据的公式化。实践中，离散点组或数据往往是各种物理问题和统计问题有关量的多次观测值或实验 。 3.3.2 SP

38、SS操作步骤按分析回归-曲线估计 打开曲线估计对话框，如图3-6所示：图3-7在左侧源变量框中选择公路货运量作为因变量，将其送入因变量框，选择GDP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3-7所示：图3-8 3.3.3 输出结果及分析表3-17 曲线估计个案处理摘要个案处理摘要N个案总数13已排除的个案a0已预测的个案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3-18 曲线估计模型描述模型描述模型名称MOD_1因变量1公路货运量（万吨）方程1线性2对数3三次4幂a5指数a自变量GDP（万元）常数包含其值在图中标记为观测值的

39、变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3-19 曲线估计变量处理摘要变量处理摘要变量因变量自变量公路货运量（万吨）GDP（万元）正值数1313零的个数00负值数00缺失值数用户自定义缺失00系统缺失00模型汇总和参数估计值因变量: 公路货运量（万吨）方程模型汇总参数估计值R 方Fdf1df2Sig.常数b1b2b3线性.922130.128111.00058523.154.000对数.81949.914111.000-878979.69351442.136三次.980148.71039.00039045.3712.209-1.590E-0121.90

40、4E-021幂.88483.700111.00028.374.428指数.940172.667111.00070526.4481.599E-009自变量为 GDP（万元）。表3-20 曲线估计模型汇总和参数估计由上表及图可以得到线性、对数、三次、幂、指数，在货运量随GDP变化的曲线图范围内，R方分别为0.922、0.819、0.980、0.884、0.940，说明三次的拟合度最好，因此选择三次的曲线估计，可得到预测方程为： 对各年公路货运量进行预测表3-21 2013-2019广东省公路货运量预测值2013201420152016201720182019166389.1175247.61841

41、06.1192964.6201823.1210681.6219540.23.4 用时间序列分析预测公路货运量3.4.1 模型原理时间序列分析是根据系统观测得到的与时间有关的数据，通过曲线拟合和参数估计来建立数学模型的理论和方法。时间序列有多种分析方法，当时间序列趋于平稳时采用ARMA模型（自回归平均滑动模型），其基本表达式为：3.4.2 SPSS操作步骤按分析预测-创建模型 打开创建模型对话框。如图3-8所所示图3-8在左侧源变量框中选择公路货运量、载货汽车、公路里程、总人口密度、GDP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

42、模型的几个值分别为2、1、1，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、比较模型的统计量选项。如图3-9、3-10、3-11所示图3-9图3-10图3-11然后将模型框中选择多种方法进行拟合，并点击“确定”按钮。3.4.3 输出结果及分析表3-22 时间序列模型描述模型描述模型类型模型 ID公路货运量（万吨）模型_1ARIMA(2,1,1)公路里程（公里）模型_2ARIMA(2,1,1)载货汽车数（万辆）模型_3ARIMA(2,1,1)GDP（亿元）模型_4ARIMA(2,1,1)社会零售业总额（亿元）模型_5ARIMA(2,1,1)人口密度（人/公里）模型_6ARIMA(2,1

43、,1)表3-23 时间序列模型统计量模型统计量模型预测变量数模型拟合统计量Ljung-Box Q(18)离群值数平稳的 R 方R 方统计量DFSig.公路货运量（万吨）-模型_11.383.944.0.0公路里程（公里）-模型_21.214.846.0.0载货汽车数（万辆）-模型_31.469.975.0.0GDP（亿元）-模型_41.812.997.0.0社会零售业总额（亿元）-模型_51.639.987.0.0人口密度（人/公里）-模型_61.296.986.0.0表3-24 广东省2013-2014公路货运量预测预测模型2013201420152016201720182019公路货运量（

44、万吨）-模型_1预测207218225474247133269542293091318271344754UCL229104259757286208313979342664372102402624LCL185332191190208059225105243517264439286884公路里程（公里）-模型_2预测208721221158230413237979245186252476259799UCL252674273941283892291230298223305378312635LCL164769168375176935184728192149199575206962载货汽车数（万辆）-模

45、型_3预测180.20192.10205.32219.29233.76248.81264.57UCL192.06206.25219.44233.43247.86262.91278.72LCL168.34177.96191.21205.15219.66234.71250.43GDP（亿元）-模型_4预测64237.4972264.4278147.7886216.9895039.24102634.13111721.15UCL66469.8375395.4981332.9589960.5099280.45106980.83116428.82LCL62005.1569133.3574962.61824

46、73.4690798.0398287.43107013.48社会零售业总额（亿元）-模型_5预测7194.348081.549054.9910076.0411176.6212329.0613557.51UCL7716.188802.299909.7811067.1712270.8713531.2314847.58LCL6672.507360.808200.209084.9210082.3711126.8912267.44人口密度（人/公里）-模型_6预测603618634650665681698UCL615635652668684700716LCL590601615631647663679对于

47、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。图3-12 由以上表格及图形可以看出，模型拟合度R方均大于0.8，说明其预测值较为准确，其中GDP的拟合统计量中R方等于0.997，与其他几项相比准确度最高，公路货运量与年份序列的R方等于0.944也有高度相关，其预测值的准确度也较高。3.5 预测值汇总表 表3-23 对2013-2017的公路货运量的预测汇总分析方法2013201420152016201720182019线性回归171320.9178586.3185851.21931

48、15.8200379.9207643.5214906.7曲线拟合166389.1175247.6184106.1192964.6201823.1210681.7219540.2时间序列207218225474247133269542293091318271344754均值181642.7193102.6205696.8218540.8231764.7245532.1259733.6第四章 总结与分析4.1本文结论 货运量作为货物运输需求量的一个重要指标，可以通过对某个地区货运量的预测来反映该地区的未来货运需求的变化。而某个地区的货物运输需求与该地区的总体经济水平密切相关，所以可以通过货物运输需

49、求来体现经济发展水平。通过对未来几年公路货运需求的情况预测，可以准确合理的确定未来公路基础设施的投资规模以及对未来广东省公路发展战略都有着重要的意义。本文通过对广东省2013-2017年公路货运量的预测来推断该地区在未来几年公路货运需求的发展情况。对由表3-8可以得出，在未来几年中广东省公路货运需求呈持续增长趋势，且增长平稳。4.2 主要工作本文主要采用了线性回归、曲线拟合、时间序列三种预测方法对广东省公路货运进行预测，并分别得出预测值。三种方法各有优缺点，但时间序列预测方法效果较好，给出了自变量与因变量相应的拟合曲线，且拟合优度均较高，因此具有很高的实用性和科学性。4.3 本设计主要存在的问

50、题.在自变量的选取中需要对多个变量进行相关性分析，并选择相关度较高的进行实验。.在多元线性回归中，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。.在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。 附录 数据清单 表一 广东省全社会货物运输量汇总表14-6 全社会货物运输量Total Freight Traffic 货运量(万吨)货物周转量(亿吨公里)Freight Traffic (10000 tons)Freight Ton-kilometers (100 million ton-km)年份Year合计铁路公路水路民航管

51、道合计铁路公路水路民航管道TotalRailwaysHighwaysWaterwaysCivilPipelinesTotalRailwaysHighwaysWaterwaysCivilPipelinesAviationAviation1985587263000428131204548641767.86102.29156.451503.470.385.271986650784269490301083149441845.33130.02127.281581.600.455.9819877457144935739311664510161982.59142.56179.411653.810.546.2

52、719887981145045771716583610012209.11151.55216.221834.410.676.2619898505448886325415820610862419.57168.39301.161942.790.716.5219908580948036370916198810912598.88179.54346.272065.690.906.48199194136534769784177181012773181.83206.18386.492580.791.067.311992113119608984181213461214913560.59239.34583.362727.971.418.511993125273659587567296601414373797.09261.91428.173097.191.708.121994119901697181361301652013844326.09280.31443.543592.352.397.501995111063763468884329522115724642.91290.78352.453990.192.756.74199695598813860131256992416063761.092