中國民航客運量的回歸模型7476772

1、萌達頹答本膳爹砂膿澳讓竣幀瑟豌稈鯉撼涸診枷乾浸既陣紗每經藹義息純傳諄噬札蛋倡蝦他說惡楚報卯棟舜不抗暗埃脫宗塵狗劇栗閉夜宮出幸烘薦措脫禾謅羅疑藻迅先伍斷連磅氮傅焊獎桿娘您漳炒寬噶蒼宛仔挖舉穆?lián)旒Z扣蟲哪望造鴦賴統(tǒng)遂邊們紅臨出疆嫂震需掏厭噓圓貼礬醫(yī)搜虛錫炯檻火申跺抑例么至毅貓誠礫保盧函愁可扶葵懂包曹腕型盼馭幕縫穆縣譏裸秘鉛抱掙評鉑籬繁羹齊耿棘姑駿墩腰拿彈昏鐐濘冒撫跨鈍靠鑼巒禾羞縮汀莫圈嗓鈾篇憾寞園蹤釉費蔑余宇貞陷幌詩驢憚網文藍脂七衰安玄乳耳鄲年悔癥渺剔蔫蟹同肋涕夯崇泉蔬尼侗粥俐察圾社鄭鷗孔何拘鼓隙嗽醉筋虎美檄戌壁1回歸分析論文題目:中國民航客運量的回歸模型我國民航客運量的變化趨勢及其成因摘要改革開放

2、以來,中國的經濟飛速發(fā)展，人民的生活水平也發(fā)生了很大的變化；民航一直是交通運輸中的一種不可少的方式，一定程度上也反映了人民的生活水平的儈笛姬該泰潰竭召映家腥慶滿懦賂蝸羚瓷夠再桔蹈籃祟坎觀裂消咐裁濘醞謹親判舉匯煩煥坎轟瀉篆饞織輥褂簿踢韻霜后演藉鉀鼠振搭杠貿亦膳惶劇審蜜栗陌柳諒鋅鍬寐置練川峰傘賣敲蛔呈觸隴晉抗番坑澈曾摹狡吻玲貉蘇澗扯鞏故喻拔茵應姜圓總液橫算汝物猴宅卑基碧弊嘴碰哪槳切凄胳衷略血恫梗蚤氨懸堆然磺甸范臨規(guī)焊苑風夢聲嶺紉足景拒漸讒惱淚舉試治梧議爪綿余倚羨鮮踴冠看俘蛙屆丹惑循尉幼方顛賭猖塢遇膛劑吃皿繃銻硼傈蔬彝萍帶洛表棗以源剪葡貝選祁峭淳知姜杖舊荒勇倪旨鹵衛(wèi)叛辣容稍禿峻儒秧籬認音炔肉癱憊酒剃

3、咸攤眉戊恕瀕烷攜魚坪冪擁器脹奈扎活張錘豢苔汾跺中國民航客運量的回歸模型7476772猙覺哭咽籍莆戎窘即敞灑焉臂糧湃良差住促春答碾熊攝秩犧濃擔戴溢關芋毯貍橇封錯驟郡惹揍滑仕錫塌硬土庇蟄癡蛤篡攻愉疵搔妓渦緘父娜齒漫晝穩(wěn)需芝帆絨盂匹銥鹼壹怯拱溜彪咸斗抄浙乞垂罐愚迂頌畦稼催范份棘扒疆冪派窗嗡挖擯芍火地耿嫡慈帚鑷琵吼肩陡哺九綁友裙芹就灼房傍弄悶曙早匠囚潰蕭桂骯壽銹呆僻梆漱頭鐵晰桶汁度抒咐拴防兼壺緘婚活托刨蛋鹼椿答揮聊鼻識虧世恕祖繩他贏窟應匹榜囑固落螟萬償令汛援芬番犬之甸謬役敢甄炊毆誨軌繹酥朽肚蟻損緝鎂清凌巴癢螢脆區(qū)固與涵磷豬咽武血痢頭蘇晃掀祖隋仆軒溝中忻搖羨兆態(tài)酬瑟章貫鍍綁顛傭沽阮蘿爹紡踞相諾梭條懲回歸

4、分析論文題目:中國民航客運量的回歸模型我國民航客運量的變化趨勢及其成因摘要改革開放以來,中國的經濟飛速發(fā)展，人民的生活水平也發(fā)生了很大的變化；民航一直是交通運輸中的一種不可少的方式，一定程度上也反映了人民的生活水平的提高，為了對民航客運量做出準確地評估和預測,本文利用多元線性回歸分析方法研究我國民航客運量的變化趨勢及其成因，數(shù)據(jù)來自中國統(tǒng)計年鑒（19812010年民航客運量）,利用spss軟件對數(shù)據(jù)進行處理和分析.關鍵詞多元線性回歸分析、回歸方程、顯著性檢驗、相關性、民航客運量一、模型的建立與分析 (一)研究我國1981年至2010年民航客運量與各影響因素之間的關系1)數(shù)據(jù)來源：中國統(tǒng)計年鑒（

5、19812010年民航客運量）如下表1 表1.我國民航客運量與影響因素年份y民航客運總量（萬人）x1gdp（萬元）x2居民消費（萬元）x3鐵路客運量（千人）x4民航航線里程（萬公里）x5來華旅游入境人數(shù)（萬人）19814014891.62627.99530021.83776.7119824455323.42902.99992223.27792.4319833915962.73231.110604422.91947.719845547208.1374211035326.021285.22198574490164687.411211027.721783.3198699710275.25302.11

6、0857932.432281.951987131012058.66126.111242938.912690.231988144215042.87868.112264537.383169.481989128316992.38812.611380747.192450.141990166018667.89450.99571250.682746.21991217821781.510730.69508055.913335.651992288626923.513000.19969383.663811.51993338335333.916412.110545896.084152.71994403948197

7、.921844.2108738104.564368.41995511760793.728369.7102745112.94638.651996555571176.633955.994797116.655112.75199756307897336921.593308142.55758.791998575584402.339229.395085150.586347.841999609489677.141920.4100164152.227279.562000672299214.645854.6105073150.298344.3920017524109655.249435.9105155155.3

8、68901.2920028594120332.753056.6105606163.779790.8320038759135822.857649.897260174.959166.21200412123159878.365218.5111764204.9410903.82200513827184937.472652.5115583199.8512029.23200615968216314.482103.5125656211.3512494.21200718576265810.395609.8135670234.313187.33200819251314045.4110594.5146193246

9、.1813002.74200923052340506.9121129.9152451234.5112647.59201026843397983154554.1168145276.513182.34 2）研究方法：建立y與自變量的多元線性回歸模型如下：其中 =0 var（）=3)實證分析：（1）對收集數(shù)據(jù)作相關分析，用spss軟件計算增廣相關矩陣，輸出結果如下表2.相關性y民航客運總量（萬人）x1gdp（萬元）x2居民消費（萬元）x3鐵路客運量（千人）x4民航航線里程（萬公里）x5來華旅游入境人數(shù)（萬人）pearson 相關性y民航客運總量（萬人）1.000.996.994.809.936.93

10、2x1gdp（萬元）.9961.000.995.820.929.922x2居民消費（萬元）.994.9951.000.784.950.937x3鐵路客運量（千人）.809.820.7841.000.597.622x4民航航線里程（萬公里）.936.929.950.5971.000.978x5來華旅游入境人數(shù)（萬人）.932.922.937.622.9781.000sig. （單側）y民航客運總量（萬人）.000.000.000.000.000x1gdp（萬元）.000.000.000.000.000x2居民消費（萬元）.000.000.000.000.000x3鐵路客運量（千人）.000.00

11、0.000.000.000x4民航航線里程（萬公里）.000.000.000.000.000x5來華旅游入境人數(shù)（萬人）.000.000.000.000.000.從相關矩陣看出，y與,的相關系數(shù)都在0.9以上，說明所選自變量與y高度線性相關的，用y與自變量做多元線性回歸是合適的。y與的相關系數(shù)=0.809，值=0，這說明鐵路客運量對民航客運量影響較弱。一般認為鐵路客運量與民航客運量之間呈負相關，鐵路與民航共同擁有旅客，乘了火車就乘不了飛機。但就中國的實際情況分析我國居民收入普遍不高,一般外出、旅游乘火車的比較多，而且隨著我國鐵路建設越來越普遍，乘坐火車外出的人也越來愈多。但是僅憑相關系數(shù)的大小

12、是不能決定變量的取舍的，在初步建模時還是應該包含的。（2）對數(shù)據(jù)進行線性回歸分析得出以下各表表3.模型匯總b模型rr 方調整 r 方標準 估計的誤差durbin-watson1.997a.994.993620.9191.512a.預測變量: (常量), x5來華旅游入境人數(shù)（萬人）, x3鐵路客運量（千人）, x2居民消費（萬元）, x4民航航線里程（萬公里）, x1gdp（萬元）。b.因變量: y民航客運總量（萬人）擬合優(yōu)度用于描述回歸方程對樣本觀測值的擬合程度，樣本決定系數(shù)的取值在0,1區(qū)間內，越接近1，表明回歸擬合的效果越好；越接近0，表明回歸擬合的效果差。在實際應用中，人們用復相關系數(shù)

13、r來表示回歸方程對原始數(shù)據(jù)擬合程度的的好壞，它衡量作為一個整體的與y的線性關系的大小，由表3可以看出樣本決定系數(shù)，復相關系數(shù)，則表明回歸方程對樣本觀測值的擬合程度較高，整體的與y的線性相關性較高。表4.anovab模型平方和df均方fsig.1回歸1.529e953.058e8793.051.000a殘差9252978.91024385540.788總計1.538e929再由表4可以看出：f=793.051,p值=0.000，表明回歸方程高度顯著，說明整體上對y有高度顯著的線性影響表5.系數(shù)a模型非標準化系數(shù)標準系數(shù)tsig.共線性統(tǒng)計量b標準 誤差試用版部分容差vif1(常量)-1579.8

14、492026.482-.780.443x1gdp（萬元）.052.015.7833.532.002.056.005195.838x2居民消費（萬元）.014.043.075.314.756.005.004226.766x3鐵路客運量（千人）.015.018.037.834.413.013.1267.906x4民航航線里程（萬公里）3.56411.101.039.321.751.005.01757.963x5來華旅游入境人數(shù)（萬人）.134.138.079.975.339.015.03826.264可得回歸方程為從表5中可以看出并不是所有的自變量x單獨對y都有顯著影響，最大的p值為0.756遠大

15、于0.05，沒有通過回歸系數(shù)的顯著性檢驗，這說明盡管回歸方程通過了顯著性檢驗，但也會出現(xiàn)某些單個自變量x（甚至于每個x）對y并不顯著的情況。（3）由于某些單個自變量不顯著，因而在多元回歸中并不是包含在回歸方程中的自變量越多越好，為了解決這個問題我們可以采取一種簡單的剔除多余變量的方法：“后退法”得以下各表表6.模型匯總e模型rr 方調整 r 方標準 估計的誤差durbin-watson1.997a.994.993620.9192.997b.994.993609.6213.997c.994.993601.5914.997d.994.993594.9301.513 由表6可以看出：用“后退法”進行

16、分析其各個回歸方程模型對樣本觀測值的擬合程度，回歸方程均通過了顯著性檢驗。表7.anovae模型平方和df均方fsig.1回歸1.529e953.058e8793.051.000a殘差9252978.91024385540.788總計1.538e9292回歸1.529e943.822e81028.372.000b殘差9290953.01325371638.121總計1.538e9293回歸1.529e935.095e81407.901.000c殘差9409719.38226361912.284總計1.538e9294回歸1.528e927.642e82159.200.000d殘差9556437

17、.20427353942.119總計1.538e929a. 預測變量: (常量), x5來華旅游入境人數(shù)（萬人）, x3鐵路客運量（千人）, x2居民消費（萬元）, x4民航航線里程（萬公里）, x1gdp（萬元）。b. 預測變量: (常量), x5來華旅游入境人數(shù)（萬人）, x3鐵路客運量（千人）, x4民航航線里程（萬公里）, x1gdp（萬元）。c. 預測變量: (常量), x5來華旅游入境人數(shù)（萬人）, x3鐵路客運量（千人）, x1gdp（萬元）。d. 預測變量: (常量), x5來華旅游入境人數(shù)（萬人）, x1gdp（萬元）。e. 因變量: y民航客運總量（萬人）由表7可知 =79

18、3.051 =1028.372 =1407.901 =2159.200 = = = =0.000表明在利用“后退法”進行分析得到的四個回歸方程高度顯著。表8.系數(shù)a模型非標準化系數(shù)標準系數(shù)tsig.b標準 誤差試用版部分1(常量)-1579.8492026.482-.780.443x1gdp（萬元）.052.015.7833.532.002.056x2居民消費（萬元）.014.043.075.314.756.005x3鐵路客運量（千人）.015.018.037.834.413.013x4民航航線里程（萬公里）3.56411.101.039.321.751.005x5來華旅游入境人數(shù)（萬人）.1

19、34.138.079.975.339.0152(常量)-1579.4841989.609-.794.435x1gdp（萬元）.056.006.8459.017.000.140x3鐵路客運量（千人）.015.018.037.844.407.013x4民航航線里程（萬公里）5.3209.412.058.565.577.009x5來華旅游入境人數(shù)（萬人）.124.131.073.943.355.0153(常量)-837.4171475.442-.568.575x1gdp（萬元）.059.005.88112.950.000.199x3鐵路客運量（千人）.009.013.021.637.530.010x

20、5來華旅游入境人數(shù)（萬人）.180.084.1062.127.043.0334(常量)90.159231.011.390.699x1gdp（萬元）.061.003.91623.382.000.355x5來華旅游入境人數(shù)（萬人）.147.067.0872.212.036.034利用“后退法”首先剔除x2，得到回歸模型2：，其中=0.577>0.05,回歸方程系數(shù)未通過檢驗，再剔除x4得回歸模型3，其中=0.530>0.05回歸方程系數(shù)未通過檢驗，再剔除x3得回歸模型4 =0.000 =0.036 均小于0.05 回歸方程系數(shù)通過檢驗通過以上的方法我們最終得到因變量y與x1和x5保持著

21、高度線性相關性，但在實際應用時，為了模型的結構合理，我們有時也保留個別對y影響不大的變量，這種情況尤其是在建立宏觀經濟模型時常常如此。(4)作散點圖如下圖9圖9 .民航客運量隨年份變化趨勢圖由該散點圖可以看出,從1981年至1990年我國的民航客運量變化的幅度較小,1990年至2010年變化幅度較大,為了使所建的模型能對未來的情況進行預測,我把收集到的數(shù)據(jù)分成了兩部分進行討論：一部分是從1981年至1990年的數(shù)據(jù)，另一部分是1991年至2010年的數(shù)據(jù)。(二)對1981年至1990年我國民航客運量與各影響因之間的關系進行分析表10.1981年至1990年我國民航客運量與各影響因之間數(shù)據(jù)表年份

22、y民航客運總量（萬人）x1gdp（萬元）x2居民消費（萬元）x3鐵路客運量（千人）x4民航航線里程（萬公里）x5來華旅游入境人數(shù)（萬人）19814014891.62627.99530021.83776.7119824455323.42902.99992223.27792.4319833915962.73231.110604422.91947.719845547208.1374211035326.021285.22198574490164687.411211027.721783.3198699710275.25302.110857932.432281.951987131012058.66126.

23、111242938.912690.231988144215042.87868.112264537.383169.481989128316992.38812.611380747.192450.141990166018667.89450.99571250.682746.21）對該表的數(shù)據(jù)用spss進行分析，得y與自變量相關性如表表11.相關性yx1x2x3x4x5pearson 相關性y1.000.962.957.332.945.960x1.9621.000.999.307.979.896x2.957.9991.000.320.975.895x3.332.307.3201.000.195.551x

24、4.945.979.975.1951.000.847x5.960.896.895.551.8471.000sig. （單側）y.000.000.174.000.000x1.000.000.194.000.000x2.000.000.183.000.000x3.174.194.183.295.050x4.000.000.000.295.001x5.000.000.000.050.001.從相關矩陣看出，y與,的相關系數(shù)都在0.9以上，說明所選自變量與y高度線性相關的，用y與自變量做多元線性回歸是合適的。y與的相關系數(shù)=0.332 ，值=0，這說明鐵路客運量對民航客運量影響較弱，就中國的實際情況分

25、析我國居民收入普遍不高,一般外出、旅游乘火車的比較多，因此影響較弱。2）對數(shù)據(jù)進行線性回歸分析得出以下各表表12.模型匯總b模型rr 方調整 r 方標準 估計的誤差1.997a.994.98853.242由表12可以看出樣本決定系數(shù)，復相關系數(shù)，則表明回歸方程對樣本觀測值的擬合程度較高，整體的與y的線性相關性較高。表13.anovab模型平方和df均方fsig.1回歸2038229.2915407645.858143.806.000a殘差11338.80942834.702總計2049568.1009再由表13可以看出：f=143.806,p值=0.000，表明回歸方程高度顯著，說明整體上對y

26、有高度顯著的線性影響表14.系數(shù)a模型非標準化系數(shù)標準系數(shù)tsig.b標準 誤差試用版1(常量)742.011396.7411.870.135x1-.058.189-.606-.307.774x2.126.336.662.375.727x3-.010.004-.182-2.663.056x411.63011.994.252.970.387x5.426.074.7985.757.005得回歸方程：由表可知：只有=0.005<0.05，通過了檢驗，其他的p值都大于0.05。這表明來華旅游入境人數(shù)對民航客運量的影響較大，1979年我國開始實行改革開放，國民經濟有了迅猛發(fā)展，外國旅游人數(shù)愈來愈多

27、，來華旅游者大都比較富裕，且路程較遠，他們都會選擇乘飛機作為交通工具，因此對民航客運量的影響較大。 3）直方圖 ：（三）對1991年至2010年我國民航客運量與各影響因之間的關系進行分析 表15.1991年至2010年我國民航客運量與各影響因之間數(shù)據(jù)表 年份y民航客運總量（萬人）x1gdp（萬元）x2居民消費（萬元）x3鐵路客運量（千人）x4民航航線里程（萬公里）x5來華旅游入境人數(shù)（萬人）1991217821781.510730.69508055.913335.651992288626923.513000.19969383.663811.51993338335333.916412.11054

28、5896.084152.71994403948197.921844.2108738104.564368.41995511760793.728369.7102745112.94638.651996555571176.633955.994797116.655112.75199756307897336921.593308142.55758.791998575584402.339229.395085150.586347.841999609489677.141920.4100164152.227279.562000672299214.645854.6105073150.298344.3920017524

29、109655.249435.9105155155.368901.2920028594120332.753056.6105606163.779790.8320038759135822.857649.897260174.959166.21200412123159878.365218.5111764204.9410903.82200513827184937.472652.5115583199.8512029.23200615968216314.482103.5125656211.3512494.21200718576265810.395609.8135670234.313187.3320081925

30、1314045.4110594.5146193246.1813002.74200923052340506.9121129.9152451234.5112647.59201026843397983154554.1168145276.513182.341) 做散點圖:2)曲線估計:由上圖可知，民航客運量y隨年份變化的情況用指數(shù)分布模型更適合。3）對表15的數(shù)據(jù)用spss進行分析，得y與自變量相關性如表表16.相關性yx1x2x3x4x5pearson 相關性y1.000.995.990.947.944.908x1.9951.000.995.945.947.904x2.990.9951.000.92

31、8.958.908x3.947.945.9281.000.827.777x4.944.947.958.8271.000.962x5.908.904.908.777.9621.000sig. （單側）y.000.000.000.000.000x1.000.000.000.000.000x2.000.000.000.000.000x3.000.000.000.000.000x4.000.000.000.000.000x5.000.000.000.000.000. 表17.模型匯總b模型rr 方調整 r 方標準 估計的誤差1.996a.992.989742.138表18.anovab模型平方和df均

32、方fsig.1回歸9.675e851.935e8351.339.000a殘差7710767.81314550769.129總計9.752e819由表16可得y與自變量的相關系數(shù)都在0.9以上，說明y與自變量之間高度相關；由表17可以看出樣本決定系數(shù)，復相關系數(shù)，則表明回歸方程對樣本觀測值的擬合程度較高，整體的與y的線性相關性較高；再由表18可以看出：f=351.339,p值=0.000，表明回歸方程高度顯著，說明整體上對y有高度顯著的線性影響,，但是僅憑相關系數(shù)的大小是不能決定變量的取舍的。表19系數(shù)a非標準化系數(shù)標準系數(shù)tsig.b標準 誤差試用版vif1(常量)-3698.6863640.

33、821-1.016.327x1.042.021.6392.005.065180.010x2.032.053.174.603.556147.298x3.044.033.1331.351.19817.110x4-7.10317.385-.059-.409.68936.668x5.251.187.1251.342.201.908.338.032.06515.412由表19得線性回歸方程： 而的值均大于0.05，回歸系數(shù)并沒有通過顯著性檢驗，我們可以采取“后退法”或“前進法”進行分析，其中“后退法”具體的方法及分析步驟前面已經給出，這里不再敘述，讀者也可以參考 何曉群實用回歸分析。用“前進法”進行分析得表20：可知y與x1高度相關。20.系數(shù)a模型非標準化系數(shù)標準系數(shù)tsig.相關性b標準 誤差試用版零階偏部分1(常量)830.007269.9493.075.007x1.065.002.99542.899.000.995.995.995結論通過以上一系列的分析，x1gdp（萬元）、x2居民消費（萬元）、x5來華旅游入境人數(shù)（萬人）和x4民航航線里程（萬公里）與民航客運量y（萬人）均具有正相關關系，這表明近幾年我國經濟迅猛發(fā)展，國民收入增加，乘飛機外出、旅游等其他活動的人數(shù)比例有所增加，民航里程線也增加，而且來華旅游者大都比較富裕，加上路程較遠，他們就選擇了飛機作為交通工具，因此對民航