没有合适的资源?快使用搜索试试~ 我知道了~
南京南站综合客运枢纽客流预测分析_谌小丽1
需积分: 0 0 下载量 131 浏览量
2022-08-04
00:31:39
上传
评论
收藏 2.55MB PDF 举报
温馨提示
试读
2页
摘要:本文通过南京市历年铁路客运量的历史数据,提出的新型组合预测模型预测得出南京市未来年的铁路客运量,根据查询资料以及咨询相关专家确定南京南站客运量在南京市客运
资源详情
资源评论
资源推荐
智库时代
·1 5 7·
智库论坛
南京南站综合客运枢纽客流预测分析
谌小丽
(常州铁道高等职业技术学校,江苏常州 213011)
摘要:
本文通过南京市历年铁路客运量的历史数据,提出的新型组合预测模型预测得出南京市未来年的铁路客运量,根据查询资料以及咨
询相关专家确定南京南站客运量在南京市客运量中所占的比例,从而得出南京南站未来年的铁路客运量。
关键词:
铁路客运;客流量;预测
中图分类号:
F532.5
文献标识码:
A
文章编号:
2096-4609(2018)30-0157-002
一、铁路客运量回归分析预测
本文选取可量化的影响因素作为回归分
析的所需的自变量,即南京市地区生产总值、
人口、旅游人数、社会消费品零售总额和
人均消费支出,主要选取 2014-2017 之间的
具体数据,2014-2017 年 GDP(亿元)分别
6012.64、7145.52、8210.57、9011.78,人口(万人)
分 别 为 632.42、636.36、638.48、643.09, 旅
游人数(万人)分别为 7366、8181、8950、
9674、社会消费品零售总额(亿元)分别为
2288.74、2697.10、3103.82、3504.17,人均消
费支出(元)分别为 18156、20763、23493、
25647。将以上数据录入 spss 中,通过每个
将以上各变量分别与铁路客运量做一元线性
拟合,可得到铁路客运量与各影响因素的拟
合度分别为 0.989、0.861、0.975、0.991、0.986。
拟合度高于 0.95 的影响因素作为回归分析的
自变量,即 GDP、旅游人数、社会消费品
零售总额和人均消费支出。
注:B——回归方程截距; VIF——方
差膨胀因子,即容忍度的倒数
表 (1) 模型汇总表中可知,本文中选取
的四个影响因素建立的多元线形回归方程回
归效果较好,表明以此建立的多元线形回归
方程是有效的。由输出结果可建立关于南京
市铁路客运量的多元线形回归方程。因此,
根据表 (1.1) 可得回归方程如下所示:
式中,自变量 X1 为 GDP(亿元);X2
为旅游人数(万人);X3 为社会消费品零
售总额(亿元);X4 为人均消费支出(元)。
二、铁路客运量趋势外推预测
运用 spss 做趋势外推预测,由于我们不
能直观判断出历年铁路客运量的变化趋势与
哪种数学模型拟合的最好,因此选择主对话
框中线性、二次、三次、指数、对数模型,
比较各种模型的拟合度分别为 0.815、0.982、
0.987、0.892、0.527,结合个模型拟合曲线图(1)
分析,选择拟合度最高的三次曲线模型,拟
合优度为 0.987。
图 1 各模型拟合曲线图
因此,选择三次曲线模型作为铁路客运
量的趋势外推预测模型较好。
根据表 (2),得到三次曲线预测模型为:
式中,自变量 t 为时间变量;Y 为铁路客运量。
三、铁路客运量新型组合模型预测
由上节趋势外推预测分析的结果可知,
铁路客运量与三次曲线模型拟合最优,可得
对应时间变量组为:
(1.3)
即可建立组合预测模型:
(1.4)
其中,自变量 X1 为 GDP(亿元);X2
为旅游人数(万人);X3 为社会消费品零
售总额(亿元);X4 为人均消费支出(元);
X5,X6,X7 为时间变量,分别由表示,其中;
a 为常数项;bi(i=1,2,……,7)是回归
系数。将以上七个变量做主成分分析,录入
所需数据资料以及时间变量 t, t2和 t3,其中。
通 过 KMO 和 Bartlett 的
检验,得到各主成分的
特征值和贡献率表以及
第 1 主成分得分系数表
通 过 KMO 和 Bartlett 的
检验,如下所示:
KMO 值 在 0.5~1.0
之间,表示合适作因子
分析;小于 0.5 表示不合
适 作 因 子 分 析。Bartlett
的检验是通过转换为卡
方检验来完成,对变量之间是否相互独立
进行检验,若 Bartlett 检验的显著性概率小
于 0.05,则检验通过,适合做因子分析。通
过表 (1.3) 中 KMO 值为 0.799,在 0.5~1.0 之
间; Bartlett 的检 验是 通过 的,
其显著性概率 sig 小于 0.001,为
高度显著。因此数据适合使用
因子分析法。主成分分析的提
取结果可知,第 1 主成分的贡献
率已达 98.415%,说明第 1 主成
分中的信息已占原始信息总量
的 98.415%,因此,选取第 1 主成分作为影
响铁路客运量的所有自变量的代表来进行回
归分析已经足够。通过第 1 主成分得分系数
GDP、旅游人数、社会消费品零售总额、人
均消费支出、t、、分别为 0.145、0.145、0.145、
0.145、0.140、0.145、0.144, 得 出 第 1 主 成
分得分值(M1)的表达式为:
表 1 回归系数及显著性检验表
模型 系数 T 检验 共线性统计量
B
标准误差
T Sig.
容忍度
VIF
常数项 527.977 192.463 2.743 0.017
GDP( 亿
元)
-0.055 0.232 -0.237 0.816 0.002 486.637
旅游人数
(万人)
-0.229 0.106 -2.174 0.049 0.008 122.830
社会消费
品零售总
额(亿元)
0.985 0.503 1.958 0.072 0.002 433.842
人均消费
支出(元)
0.076 0.060 1.259 0.230 0.004 261.572
表 2 三次曲线系数显著性检验
三次曲线 系数 T 检验 共线性统计量
B 标准误差 T Sig 容忍度 VIF
常数项 1 048.378 105.785 9.910 0.000
1.000 1.000
t 15.909 46.917 0.339 0.740
t
2
-3.690 5.658 -0.652 0.525
t
3
0.584 0.196 2.978 0.010
王佛伟
- 粉丝: 17
- 资源: 320
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功
评论0