不同交通工具客運(yùn)量的統(tǒng)計(jì)分析

(遼寧大學(xué) 遼寧 沈陽(yáng) 110034)

不同交通工具客運(yùn)量的統(tǒng)計(jì)分析

楊凱月

(遼寧大學(xué)遼寧沈陽(yáng)110034)

本文針對(duì)全國(guó)近十年不同交通工具客運(yùn)量的變化趨勢(shì)，利用Eviews軟件采用趨勢(shì)外推法分別對(duì)鐵路、公路、水運(yùn)以及民航客運(yùn)量進(jìn)行了分析與預(yù)測(cè).同時(shí)，分析選取了影響鐵路客運(yùn)量的主要因素,基于SPSS軟件對(duì)各因素進(jìn)行了主成分分析,構(gòu)建了鐵路客運(yùn)量預(yù)測(cè)模型.最后對(duì)我國(guó)近十年的交通客運(yùn)量的發(fā)展?fàn)顩r進(jìn)行了綜合分析評(píng)價(jià)，擬解決我國(guó)交通運(yùn)輸業(yè)快速發(fā)展過(guò)程中存在的問(wèn)題.通過(guò)對(duì)我國(guó)客運(yùn)量的預(yù)測(cè)與綜合分析，以期發(fā)現(xiàn)我國(guó)交通客運(yùn)量的未來(lái)走勢(shì)以及不同交通工具在交通運(yùn)輸方面的作用，從而給相關(guān)部門以合理的參考與建議，使得交通運(yùn)輸業(yè)在促進(jìn)中國(guó)經(jīng)濟(jì)發(fā)展方面發(fā)揮更加重要的作用.

我國(guó)；客運(yùn)量；時(shí)間序列趨勢(shì)外推法；主成分分析;預(yù)測(cè)

一、引言

(一)我國(guó)交通旅客運(yùn)輸業(yè)的發(fā)展現(xiàn)狀

近年來(lái)，隨著我國(guó)交通設(shè)施規(guī)模不斷擴(kuò)大，客運(yùn)量也快速上升，根據(jù)我國(guó)統(tǒng)計(jì)局發(fā)布的數(shù)據(jù)顯示，我國(guó)鐵路運(yùn)營(yíng)里程已達(dá)到世界第二位，高鐵投入運(yùn)營(yíng)里程居世界第一，并且在建規(guī)模已超過(guò)一萬(wàn)公里[1].

2015年，在總的客運(yùn)量中，公路客運(yùn)量占到了83%，即公路運(yùn)輸成為旅客運(yùn)輸業(yè)的中流砥柱；其次是鐵路運(yùn)輸，占總量的13%；最后是水運(yùn)和民航，各占2%.

然而數(shù)據(jù)顯示：鐵路、水運(yùn)和民航在近十年一直處于低速平穩(wěn)增長(zhǎng)狀態(tài)，沒(méi)有太大波瀾；而占比較大的公路客運(yùn)量在2012年以前一直處于增長(zhǎng)趨勢(shì)，在2012年下半年達(dá)到頂峰后在近幾年一直處于下降態(tài)勢(shì).公路客運(yùn)量的波動(dòng)使得總客運(yùn)量出現(xiàn)了與其同樣的變化趨勢(shì).

(二)問(wèn)題的提出

近年來(lái)，隨著我國(guó)的經(jīng)濟(jì)實(shí)力及綜合國(guó)力水平的快速提高，交通運(yùn)輸客運(yùn)量也出現(xiàn)迅速增長(zhǎng)的態(tài)勢(shì).由于受到人口總量、社會(huì)經(jīng)濟(jì)發(fā)展水平、旅游業(yè)的迅猛發(fā)展、居民消費(fèi)水平、就業(yè)人員平均工資水平等多方面因素的影響，交通客運(yùn)量呈現(xiàn)出復(fù)雜性波動(dòng)的特征.因此，如何更加科學(xué)的組織運(yùn)輸?shù)母咝нM(jìn)行、構(gòu)建更為完善的交通運(yùn)輸體系，對(duì)于促進(jìn)社會(huì)的穩(wěn)定、構(gòu)建和諧社會(huì)具有重要的意義.

科學(xué)準(zhǔn)確的預(yù)測(cè)不同交通工具客運(yùn)量，建立客運(yùn)量預(yù)測(cè)模型，是完善交通運(yùn)輸?shù)幕A(chǔ).目前客運(yùn)量的預(yù)測(cè)方法已達(dá)上百種，比如，在文獻(xiàn)《城市交通客運(yùn)量統(tǒng)計(jì)分析與建模預(yù)測(cè)研究》[2]中，其就客運(yùn)量與客運(yùn)量的主要影響因素總?cè)丝?、?guó)內(nèi)生產(chǎn)總值、消費(fèi)品批發(fā)零售量等之間運(yùn)用回歸分析法進(jìn)行了分析，建立了多元非線性回歸方程；而在河南省交通科學(xué)技術(shù)研究院的一篇文獻(xiàn)《基于SPSS主成分分析法在公路客運(yùn)量預(yù)測(cè)中的應(yīng)用》[3]中則基于SPSS軟件對(duì)各公路客運(yùn)量的影響因素進(jìn)行了主成分分析,通過(guò)選取主成分避免了因自變量過(guò)多而產(chǎn)生的多重共線性的影響，進(jìn)而構(gòu)建了河南省公路客運(yùn)量的預(yù)測(cè)模型.

本文在參考各類預(yù)測(cè)方法的基礎(chǔ)上,結(jié)合SPSS和EVIEWS軟件的操作應(yīng)用,分別采用時(shí)間序列趨勢(shì)外推法和主成分分析法構(gòu)建了我國(guó)不同交通工具客運(yùn)量的預(yù)測(cè)模型.

二、趨勢(shì)外推法在交通客運(yùn)量預(yù)測(cè)中的應(yīng)用

(一)時(shí)間序列趨勢(shì)外推法概述

大量統(tǒng)計(jì)資料表明，很多社會(huì)經(jīng)濟(jì)現(xiàn)象的變化趨勢(shì)與時(shí)間序列t具有一定的規(guī)律性，因此，如果該觀察序列能夠依據(jù)時(shí)間序列t呈現(xiàn)出某種有規(guī)律的變化趨勢(shì)，并且沒(méi)有季節(jié)變動(dòng)趨勢(shì)，而這種變化趨勢(shì)可以找到契合的函數(shù)曲線來(lái)反映時(shí)，就可以建立以時(shí)間序列t為自變量，時(shí)序數(shù)值y為因變量的趨勢(shì)模型[5]：

y=f(t)

對(duì)于趨勢(shì)模型的選擇，一般可采用兩種方法：一是建立以時(shí)間序列t為自變量，時(shí)序數(shù)值y為因變量的散點(diǎn)圖，根據(jù)圖的變化趨勢(shì)找到契合的函數(shù)圖像；二是利用差分運(yùn)算，將原序列修勻，使其轉(zhuǎn)化為平穩(wěn)序列.

(二)數(shù)據(jù)的選取

本文研究的數(shù)據(jù)來(lái)源于中華人民共和國(guó)國(guó)家統(tǒng)計(jì)局官網(wǎng).

(三)數(shù)據(jù)預(yù)處理

1.差分運(yùn)算

公路客運(yùn)量從2012年至今一直處于下降趨勢(shì)，分析原因，歸結(jié)為：2012年下半年開始實(shí)行的節(jié)假日高速公路免費(fèi)通行帶來(lái)的沖擊.公路客運(yùn)量是以客票為依據(jù)的，人們的出行觀念有了改變，再加上節(jié)假日高速公路免費(fèi)，大批的人選擇了自駕出行.

由于近十年公路客運(yùn)量出現(xiàn)了不規(guī)則的復(fù)雜性波動(dòng)，對(duì)其建立模型進(jìn)行預(yù)測(cè)并沒(méi)有實(shí)際的意義.故本文僅對(duì)鐵路、水運(yùn)和民航客運(yùn)量進(jìn)行時(shí)間序列分析.

下面以鐵路為例進(jìn)行分析建模.

鐵路運(yùn)輸量在近十年一直呈上升趨勢(shì).為使得序列呈平穩(wěn)狀態(tài)，對(duì)序列進(jìn)行了二階差分.對(duì)差分后的序列進(jìn)行單位根檢驗(yàn)知p-值<0.05，故該序列平穩(wěn)，可進(jìn)行多項(xiàng)式建模.

(四)建模與預(yù)測(cè)

1.模型的建立。建立時(shí)間序列t：{t}={1,2,3,4,5,6,7,8,9,10}，將X1與t之間做非線性回歸模型，如下：

表2.1 鐵路客運(yùn)量模型

由表2.1可看到，該模型的系數(shù)均通過(guò)檢驗(yàn)(p<0.05)，并且擬合優(yōu)度達(dá)到了0.99，說(shuō)明接近完全擬合，該模型的F值為563.03，模型通過(guò)檢驗(yàn).故鐵路客運(yùn)量模型為：

X1=121726+4995.436T+793.9566T2

用以上方法對(duì)水運(yùn)和民航客運(yùn)量建立的模型如下：

水運(yùn)模型為：

X3=20449.21+593.4152T

民航客運(yùn)量模型為：

X4=13962.86+1836.443T+110.2485T2

2.客運(yùn)量的預(yù)測(cè)。本文建立的模型是以2006年為基期，即2006年的t=1，預(yù)測(cè)2016年的客運(yùn)量，只需將t=11代入模型即可.

故2016年鐵路客運(yùn)量：

X1=121726+4995.436×11+793.9566×112=272744.5446

水路客運(yùn)量：

X3=20449.21+593.4152×11=26976.7772

民航客運(yùn)量：

X4=13962.86+1836.443×11+110.2485×112=47503.8015

小結(jié)：本部分通過(guò)運(yùn)用時(shí)間序列趨勢(shì)外推法，將鐵路、水運(yùn)、民航等交通工具客運(yùn)量與時(shí)間序列t之間分別建立了線性或非線性的回歸方程，并對(duì)2016年的不同交通工具的客運(yùn)量進(jìn)行了預(yù)測(cè).通過(guò)檢驗(yàn)，該模型擬合程度較高，預(yù)測(cè)值也符合客觀情況.通過(guò)本部分的分析與預(yù)測(cè)，發(fā)現(xiàn)在近幾年來(lái)，占比較大的公路客運(yùn)量受某些因素的影響一直呈下降趨勢(shì)，而鐵路、水運(yùn)、民航等客運(yùn)量卻一直呈平穩(wěn)上升狀態(tài).

三、基于SPSS主成分分析法在鐵路客運(yùn)量預(yù)測(cè)中的應(yīng)用

(一)主成分分析概述

1.主成分分析的基本原理

主成分分析(PrincipalComponentsAnalysis,PCA)是一種通過(guò)降維來(lái)簡(jiǎn)化數(shù)據(jù)結(jié)構(gòu)的方法.它通過(guò)將一組相關(guān)性較高的幾個(gè)變量轉(zhuǎn)化為幾個(gè)無(wú)相關(guān)性的綜合指標(biāo)，達(dá)到消除多重共線性的影響.該綜合指標(biāo)稱為主成分.一般來(lái)說(shuō)，主成分的個(gè)數(shù)小于原始變量的個(gè)數(shù)且彼此之間互不相關(guān)，并且主成分集中了原始變量的大多數(shù)信息.

2.主成分分析的模型及步驟

設(shè)對(duì)某一事物的研究涉及p個(gè)標(biāo)準(zhǔn)化變量，分別用X1，X2，…，Xp表示，則最多可得p個(gè)主成分：F1，F(xiàn)2，…，F(xiàn)p.則它們可滿足下式：

其中，a11，a12，…，app是隨機(jī)變量X的協(xié)方差矩陣∑的特征向量.F1是X1，X2，…，Xp的線性組合中方差最大者,稱為第一主成分;F2是X1，X2，…，Xp的所有線性組合中與F1無(wú)關(guān)的且方差最大者，稱為第二主成分;Fp是X1，X2，…，Xp的所有線性組合中與F1，F(xiàn)2，…，F(xiàn)p均無(wú)關(guān)且方差最大者[5].

進(jìn)行主成分分析的主要步驟如下:

(1)根據(jù)研究問(wèn)題選取相應(yīng)指標(biāo)和數(shù)據(jù)；

(2)指標(biāo)數(shù)據(jù)的標(biāo)準(zhǔn)化處理；

(4)確定主成分個(gè)數(shù)，選取主成分，并得到主成分的表達(dá)式；

(5)結(jié)合主成分，對(duì)研究問(wèn)題進(jìn)行分析研究.

(二)實(shí)例分析

1.指標(biāo)選取

鐵路客運(yùn)量的影響因素有很多，本文在參考相關(guān)文獻(xiàn)和研究的基礎(chǔ)上，選取了年末總?cè)丝凇?guó)內(nèi)游客數(shù)、國(guó)內(nèi)生產(chǎn)總值、居民消費(fèi)水平、社會(huì)消費(fèi)品零售總額等5項(xiàng)指標(biāo)作為鐵路客運(yùn)量的主要影響因素.

2.主成分回歸建模

為了消除量綱和數(shù)量級(jí)不同帶來(lái)的影響,首先需要對(duì)原始變量進(jìn)行標(biāo)準(zhǔn)化處理(SPSS軟件實(shí)現(xiàn)).接著采用SPSS對(duì)自變量X1，X2，…，Xp進(jìn)行主成分析，輸出結(jié)果如下：

目前，殼牌、道達(dá)爾等西方石油公司憑借在液化天然氣等方面的特有技術(shù)，占據(jù)該地區(qū)天然氣開發(fā)生產(chǎn)多年。中國(guó)石油企業(yè)要想在卡塔爾有所建樹，需要與國(guó)際公司開展合作，利用市場(chǎng)及資金優(yōu)勢(shì)來(lái)彌補(bǔ)技術(shù)的不足。但一段時(shí)間以來(lái)，卡塔爾因政策導(dǎo)向與周邊阿拉伯國(guó)家關(guān)系緊張，對(duì)其投資環(huán)境應(yīng)給與重點(diǎn)關(guān)注。

表3.1 相關(guān)矩陣

由表3.1可以看出，在相關(guān)矩陣表中，各個(gè)變量之間的相關(guān)系數(shù)均接近0.99，即各個(gè)變量間存在非常強(qiáng)的相關(guān)關(guān)系，因此,可以進(jìn)行主成分分析.

表3.3 解釋的總方差

提取方法：主成份分析.

“解釋的總方差”表(表3.3)則顯示了各主成分解釋原始變量總方差的情況，SPSS默認(rèn)保留特征根大于1的主成分，在本例中可看到保留1個(gè)主成分為宜.這個(gè)主成分集中了5個(gè)原始變量信息的99.649%，可見(jiàn)效果比較好.

表3.4 成份矩陣a

提取方法:主成份.

a.已提取了1個(gè)成份.

用表3.4中的數(shù)據(jù)除以主成分相對(duì)應(yīng)的特征值4.982開平方根就得到主成分中每個(gè)指標(biāo)所對(duì)應(yīng)的系數(shù).將得到的特征向量與標(biāo)準(zhǔn)化后的數(shù)據(jù)相乘，就可以得出主成分表達(dá)式：

F=0.447ZX1+0.446ZX2+0.447ZX3+0.448ZX4+0.448ZX5

以標(biāo)準(zhǔn)化后的ZY為因變量,F為自變量進(jìn)行多元線性回歸分析.

ZY=0.445F

該回歸模型具有較強(qiáng)的統(tǒng)計(jì)學(xué)意義，能夠?qū)﹁F路客運(yùn)量做出合理預(yù)測(cè).因?yàn)橹鞒煞諪為原始自變量X1，X2，…，X5的線性組合，經(jīng)過(guò)轉(zhuǎn)化，用X1，X2，…，X5替代F，得到因變量Y與關(guān)于原始自變量X1，X2，…，X5的線性回歸方程為:

Y=0.1989X1+0.1985X2+0.1989X3+0.1994X4+0.1994X5

小結(jié)：本部分通過(guò)對(duì)鐵路客運(yùn)量的主要影響因素的主成分分析，將相關(guān)性較高的影響因素轉(zhuǎn)化為無(wú)相關(guān)性的綜合指標(biāo)即主成分，建立了主成分與各影響因素的線性組合.運(yùn)用回歸分析法建立了以鐵路客運(yùn)量為因變量，以主成分為自變量的回歸模型.經(jīng)過(guò)轉(zhuǎn)化，便得到了鐵路客運(yùn)量與其各影響因素之間的線性回歸模型.該回歸模型具有較強(qiáng)的統(tǒng)計(jì)學(xué)意義，能夠?qū)﹁F路客運(yùn)量做出合理預(yù)測(cè).

四、結(jié)論及建議

(一)結(jié)論

由趨勢(shì)外推法得知，鐵路、水運(yùn)和民航等客運(yùn)量與時(shí)間序列{t}之間存在較吻合的線性或非線性的回歸模型，可根據(jù)此模型對(duì)客運(yùn)量進(jìn)行預(yù)測(cè).

由主成分分析法得知，鐵路客運(yùn)量與總?cè)丝跀?shù)、游客人數(shù)、國(guó)內(nèi)生產(chǎn)總值、居民消費(fèi)水平、社會(huì)消費(fèi)品零售總額等影響因素之間具有較強(qiáng)的相關(guān)性，并且可建立他們之間的線性回歸模型.

由以上數(shù)據(jù)及時(shí)間序列分析的結(jié)果可以看出，近十年中，隨著社會(huì)經(jīng)濟(jì)發(fā)展、總?cè)丝诘脑黾拥雀饕蛩氐挠绊懀F路、水運(yùn)和民航等客運(yùn)量一直增加.而由于私家車的增多、人們出行觀念的改變、節(jié)假日高速公路的免費(fèi)等因素的影響，公路客運(yùn)量在近幾年一直呈下降趨勢(shì).

(二)建議

1.鑒于城市交通擁堵現(xiàn)象，交通有關(guān)部門可采取有關(guān)措施限行私家車；

2.發(fā)展城市郊區(qū)交通運(yùn)輸網(wǎng)，轉(zhuǎn)移交通運(yùn)輸密集區(qū)；

3.大力推廣公共交通工具的使用，倡導(dǎo)環(huán)保無(wú)煙出行；

4.完善鐵路、水運(yùn)、民航等交通線路的網(wǎng)絡(luò)布局，根據(jù)客運(yùn)量的密集程度改善交通線路；

5.合理建立客運(yùn)量預(yù)測(cè)模型，科學(xué)準(zhǔn)確把握客運(yùn)量的增減動(dòng)態(tài)，對(duì)于旅客運(yùn)輸量的隨機(jī)性波動(dòng)做好一切準(zhǔn)備.

[1]王燕.應(yīng)用時(shí)間序列分析(第四版)[M].北京：中國(guó)人民大學(xué)出版社，2015.

[2]徐國(guó)祥.統(tǒng)計(jì)預(yù)測(cè)與決策(第四版)[M].上海：上海財(cái)經(jīng)大學(xué)出版社，2012.54:56

[3]何曉群.多元統(tǒng)計(jì)分析(第四版)[M].北京：中國(guó)人民大學(xué)出版社，2015.113:11

楊凱月(1993.10-)，女，漢族，山東濟(jì)南人，本科，遼寧大學(xué)2017級(jí)研究生，統(tǒng)計(jì)學(xué)。