北航数理统计大作业(逐步回归).docxVIP

应用数理统计 第一次大作业 学号： 姓名： ? 班级： B11班 2015年12月 民航客运量的多元线性回归分析 摘要：本文为建立以民航客运量为因变量的多元线性回归模型，选取了1996年至2013年的统计数据，包含国民生产总值，民航航线里程，过夜入境旅游人数，城镇居民可支配收入等因素，利用统计软件SPSS对各因素进行了筛选分析，采用逐步回归法得到最优多元线性回归模型，并对模型的回归显著性、拟合度以及随机误差的正态性进行了检验，并采用2014年的数据进行检验，得到的结果达到预期，证明该模型建立是较为成功的。 关键词：多元线性回归，逐步回归法，民航客运量 0.符号说明 变量符号民用航空客运量Y国民生产总值X1铁路客运量X2民航航线里程X3入境过夜旅游人数X4城镇居民人均可支配收入X51.引言 随着社会的进步，人民生活水平的提高，如何获得更快捷方便的交通成为人们日益关注的问题。因为航空的安全性，快速且价格水平越来越倾向大众，越来越多的人们选择航空这种交通方式。近年来，我国的航空客运量已经进入世界前列，为掌握航空客运的动态，合理安排班机数量。科学地对我国民航客运量的影响因素的分析，并得出其回归方程，进而能够估计航空客运量是非常有必要的。本文收集整理了与我国航空客运量相关的历年数据，运用SPSS软件对数据进行分析，研究1996年起至2013年我国民航客运量y（万人）与国民生产总值X1（亿元）、铁路客运量X2（万人）、民航航线里程X3（万公里）、入境过夜旅游人数X4（万人）、城镇居民人均可支配收入X5（元）的关系。采用逐步回归法建立线性模型，选出较优的线性回归模型。 2.数据的统计与分析 本文在进行统计时，查阅《中国统计摘要》，《中国统计年鉴2014》以及中国知网数据查询中的数据，收集了1996年至2013年各个自变量因素的数据，分析它们之间的联系。整理如表1所示。 表1： 年份民航客运量（万人）国内生产总值（亿元）铁路客运量（万人）民航航线里程（万公里）入境过夜旅游人数（万人）城镇居民可支配收入（元）199655557897394797116.651356.264838.91997563084402.393308142.51578.535160.31998575589677.195085150.581692.455425.11999609488479.2100164152.221765.255854.12000672299214.6105073150.291750.966280.120017524109655.2105155155.361880.366859.620028594120332.7105606163.772012.457702.820038759135822.897260174.952033.588472.2200412123159878.3111764204.942519.899421.6200513827184937.4115583199.852925.6310493.1200615968216314.4125656211.353486.4511759.5200718576265810.3135670234.33398.5813785.8200819251314045.4146193246.183696.7115780.8200923052340506.9152451234.514025.9617174.7201026769397983.5168145276.54753.8419109.4201129316473104146192349.054924.3221809.8201231896519470.1189337328.015668.6324564.7201335397568845.2210597410.65562.3926955.12.1模型的建立 以民航客运量y为因变量，以上5种影响因素为自变量Xi ，构建回归方程： y=β0+βiXi+ε 其中β0为常数项，ε为误差项。 先观察自变量与因变量的关系，用SPSS得到各个自变量与因变量的散点图： 图1 民航客运量与国内生产总值散点图 图2 民航客运量与铁路客运量散点图 图3 民航客运量与航线里程散点图 图4 民航客运量与入境