機動車駕駛員培訓行業(yè)發(fā)展影響因素的主成分分析

崔淑華，徐鳳嬌

(東北林業(yè)大學 交通學院，黑龍江 哈爾濱 150040)

隨著我國經(jīng)濟的迅速發(fā)展，國民經(jīng)濟逐漸壯大、人民收入水平不斷提高、道路建設也得到了進一步完善，這些都推動了我國汽車行業(yè)的飛速發(fā)展。國家統(tǒng)計局數(shù)據(jù)顯示，截至2016年底，全國機動車保有量已達2.9億輛，其中汽車1.94億輛；機動車駕駛?cè)?.6億人，其中汽車駕駛?cè)顺^3.1億人[1]。隨著汽車行業(yè)的發(fā)展，機動車駕駛員培訓行業(yè)的規(guī)模也在逐漸擴大。

1　機動車駕駛員培訓行業(yè)發(fā)展影響因素分析

機動車駕駛員培訓行業(yè)的發(fā)展以適應市場需求為導向[2]，其發(fā)展規(guī)模同時又受到各種因素的影響，因此,對機動車駕駛員培訓行業(yè)發(fā)展的影響因素進行分析具有重要意義。

1.1　經(jīng)濟水平

隨著我國經(jīng)濟的快速發(fā)展，2010—2016年我國國內(nèi)生產(chǎn)總值保持年均8.02%的增長率，同時，民用汽車保有量增長率基本保持在12%以上。經(jīng)濟的快速發(fā)展大大提高了人民的生活水平，促進人們的消費與需求，改變了消費觀念與出行方式[3]。購買私家車已成為消費者滿足出行方便與舒適的途徑，私家車保有量的增加是駕駛員培訓行業(yè)發(fā)展的重要因素。圖1為2010—2016年城鎮(zhèn)居民家庭平均每百戶汽車擁有量與居民消費水平，其發(fā)展趨勢一致，一定程度上表現(xiàn)了經(jīng)濟水平對機動車駕駛員培訓行業(yè)發(fā)展的影響?？紤]經(jīng)濟發(fā)展對居民收入及消費水平的提升體現(xiàn)在人均生產(chǎn)總值和居民消費水平上，因此，本文選擇人均地區(qū)生產(chǎn)總值與居民消費水平為經(jīng)濟水平指標，反映經(jīng)濟發(fā)展水平對機動車駕駛員培訓行業(yè)發(fā)展的影響。

1.2　人口規(guī)模

人口規(guī)模也影響機動車駕駛員培訓行業(yè)的發(fā)展。截至2016年年末，我國的城市化水平已達到57.4%。城鎮(zhèn)化的進程表明未來將有大量農(nóng)村人口涌進城市，因此，城鎮(zhèn)化的推進會增加地區(qū)人口密度。另外，人口的工作性質(zhì)、生活方式以及消費能力的差異對機動車駕駛培訓的需求也產(chǎn)生了較大影響，相比較而言，城市人口的消費能力與工作性質(zhì)都會對汽車產(chǎn)生更大的需求量[4-6]。人口的年齡分布與機動車駕駛員培訓的需求也有一定的相關性，美國18～24歲持駕照比例高達92%，高校在校生處于該年齡段，從未來工作生活需要出發(fā)而選擇在學校期間報考機動車駕照的人數(shù)逐年增多。本文采用年末常住人口、城鎮(zhèn)人口、鄉(xiāng)村人口、高等學校在校生作為指標，反應人口規(guī)模對機動車駕駛員培訓行業(yè)發(fā)展的影響。

1.3　車輛保有量

我國汽車行業(yè)發(fā)展迅速，2016年汽車產(chǎn)量已達到2 811.91萬輛，社會汽車保有量逐年增長，其中民用汽車擁有量已達18 574. 54萬輛，私人汽車擁有量為16 330.22萬輛。車輛保有量的增長促進了機動車駕駛培訓的需求，影響了機動車駕駛員培訓行業(yè)的發(fā)展[7-9]。因此，本文選用民用汽車擁有量、私人汽車擁有量、城市公共交通運營車輛數(shù)、出租汽車數(shù)量作為指標，反應車輛保有量對機動車駕駛員培訓行業(yè)發(fā)展的影響指標。

1.4　交通安全狀況

交通安全狀況對社會財產(chǎn)安全存在一定影響。國家統(tǒng)計年鑒數(shù)據(jù)顯示，2016年我國交通事故發(fā)生212 846起，受傷人數(shù)達63 093人，交通事故直接財產(chǎn)損失共計120 760萬元。區(qū)域交通狀況會影響物資流通以及人員的出行方式，對促進地區(qū)經(jīng)濟發(fā)展具有重要意義。良好的交通安全狀況會降低交通事故的發(fā)生率，同時，也會減少交通事故的財產(chǎn)損失，間接增加居民購買車輛的信心并促進機動車駕駛員的培訓行業(yè)發(fā)展。因此，本文選擇交通事故量作為指標，反應交通安全狀況對機動車駕駛員培訓行業(yè)發(fā)展的影響。

2　機動車駕駛員培訓行業(yè)發(fā)展影響因素指標體系的建立

基于機動車駕駛員培訓行業(yè)影響因素的分析，構(gòu)建機動車駕駛員培訓行業(yè)影響因素的指標體系，包括經(jīng)濟水平、人口規(guī)模、車輛保有量、交通安全狀況四個方面的11個影響因素，如表1所示。

表1　機動車駕駛員培訓行業(yè)發(fā)展影響指標體系

3　主成分分析方法應用

應用建立的影響因素指標體系進行分析時，需要確定各指標的權(quán)重，但影響因素較多且各因素間可能存在的相關性，主成分分析方法可以將高維空間的問題轉(zhuǎn)化到低維空間去處理，使問題變得比較簡單、直觀，也就是將多個指標轉(zhuǎn)化為數(shù)目較少的綜合指標，且消除評價指標間的相關性，并能夠表示原有指標的絕大部分信息[10-12]。

假定有n個樣本數(shù)，每個樣本都有p個變量，這樣可以構(gòu)成一個n×p階樣本數(shù)據(jù)矩陣，記為X。原變量指標記為x1，x2，…，xp，將原變量指標降維后的綜合指標記為z1，z2，…，zm(m

其中主成分之間不相關，z1是x1，x2，…，xp的一切線性組合中方差最大者，z2是與z1不相關的x1，x2，…，xp的一切線性組合中方差最大者，依次類推，zm與zm-1不相關，且為x1，x2，…，xp的一切線性組合中方差最大者。因此，主成分z1，z2，…，zm(m

1)原樣本數(shù)據(jù)記為X，將原樣本數(shù)據(jù)矩陣X進行標準化處理，可得到標準化矩陣

2)計算相關系數(shù)矩陣

3)計算特征根與特征向量。由特征根方程λ-R=0可求出p個特征根λ(i=1,2,…,p)，并按照數(shù)值大小依次排列，且大于0。對于特征根λ，根據(jù)公式λ-R=0，能夠得到特征向量矩陣F。

4)主成分的貢獻率。主成分的貢獻率為Qi與累積貢獻率為Q∑(m)，λ為特征值，計算公式分別為

(i=1,2,…,p；j=1,2,…,p),

當前m個主成分的累積貢獻率Q∑(m)達到85%～95%時就可以取前m個主成分作為新的綜合變量。

4　黑龍江省機動車駕駛員培訓行業(yè)影響因素的主成分分析

本文在表1所示的指標體系下運用SPSS軟件對黑龍江省機動車駕駛員培訓行業(yè)發(fā)展的影響因素進行主成分分析。

4.1　數(shù)據(jù)采集

數(shù)據(jù)由《國家省統(tǒng)計年鑒》《黑龍江省統(tǒng)計年鑒》中獲取，采用黑龍江省2009—2016年的指標數(shù)據(jù)(見表2)。

表2　2009—2016年指標數(shù)據(jù)

4.2　數(shù)據(jù)標準化

本文采用的指標數(shù)據(jù)較多，且數(shù)量級的差別較大。因此，為消除原始數(shù)據(jù)量綱不同所帶來的影響，在進行主成分分析前需要對原始數(shù)據(jù)進行標準化處理，得到的標準化數(shù)據(jù)X*如表3所示。

表3　標準化數(shù)據(jù)

4.3　影響因素的主成分分析

4.3.1主成分的特征值與貢獻率

對標準化后的數(shù)據(jù)運用SPSS軟件進行主成分分析，得到的主成分分析結(jié)果如表4所示。

表4　主成分分析結(jié)果

根據(jù)主成分分析結(jié)果可知成分1、2、3的特征值均大于1，并且累積貢獻率可以達93%，說明成分1、2、3可以作為綜合指標且能夠充分表達11個影響因素的93%的信息。

4.3.2特征向量矩陣

將已知特征根λ代入到特征方程λ-R=0中，可求得特征向量矩陣為

主成分的表達式為特征向量F與標準化數(shù)據(jù)X*的乘積，即成分1、2、3分別為(綜合指標)主成分z1、z2、z3，因此，主成分的表達式為

5　結(jié)束語

本文基于機動車駕駛員培訓行業(yè)發(fā)展影響因素指標體系對黑龍江省機動車駕駛員培訓行業(yè)發(fā)展的影響因素進行了主成分分析，通過分析得到的3個綜合指標(z1、z2、z3)對黑龍江省機動車駕駛員培訓行業(yè)發(fā)展影響的解釋可以達到93%，且為原變量指標因素的線性組合。綜合指標z1在原變量指標上有較大的負載且表達了總體信息的72.9%，表明對黑龍江省機動車駕駛員培訓行業(yè)發(fā)展影響最大的因素是人口規(guī)模與車輛保有量；z2表達了總體信息的11.3%，其在居民消費水平與道路交通事故數(shù)上有較大的負載，說明居民消費水平與道路交通事故數(shù)對機動車駕駛員培訓行業(yè)的發(fā)展有較大影響；z3表達了總體信息的9.7%，并在高等學校在校生上有著較大負載，說明高等學校在校生人數(shù)對機動車駕駛員培訓行業(yè)的發(fā)展存在一定影響。

參考文獻：

[1]國家統(tǒng)計局.中國統(tǒng)計年鑒[Z].北京:中國統(tǒng)計出版社,2010-2016.

[2]李毛俠.安徽省消費需求影響因素的主成分回歸分析[J].現(xiàn)代物業(yè)(中旬刊),2010,9(2):48-51.

[3]王崢嶸.現(xiàn)階段我國小型汽車駕駛培訓量預測方法研究[D].南京：東南大學,2015.

[4]王亞楠. 中國農(nóng)村人口變化趨勢研究[D].南京：南京農(nóng)業(yè)大學,2015.

[5]李晉玲,喬麗思.基于主成分回歸分析的長治市城鎮(zhèn)化影響因素研究[J].山西師范大學學報(自然科學版),2017,31(1):99-105.

[6]李學成.人均GDP增長對我國私人汽車未來需求的影響[J].特區(qū)經(jīng)濟,2010(1):284-285.

[7]巴云軍.淺談加強駕校質(zhì)量管理的措施[J].現(xiàn)代營銷(下旬刊),2016(5):41-42.

[8]蔣艷梅,趙文平.Logistic模型在我國私人汽車保有量預測中的應用研究[J].工業(yè)技術(shù)經(jīng)濟,2010,29(11):99-104.

[9]冀華姝,靳文舟.基于計量經(jīng)濟學模型的汽車保有量預測[J].交通運輸系統(tǒng)工程與信息,2005,5(2):74-78

[10] FARBER L A. Genetic data analysis with neural networks[J]. Neral Information Processing System-Nature and Synthetic,2009：85-98.

[11] 邢航. 多因素方差分析中數(shù)學模型的建立與檢驗方法[J]. 電大理工,2008(2):73-75.

[12] YIN Hongbin,WBNG S C, XU Jiamnin. Urban traffic how prediction using a flizzy-neural approach[J].Transportation research Parter 2010,10(2):85-98.