对我国交通事故发生原因的实证研究.docVIP

对我国交通事故发生原因的实证研究 引言：交通事故严重威胁着人们的生命安全，全世界因交通事故而死亡的人数已超过3000万人，比世界大战所死亡的人数还多。中国的交通事故问题更加严重，汽车拥有量是世界的1.9%，死亡人数则是世界的20%。同时，中国交通事故致死率也是世界最高的。本文尝试从实证的角度，寻找影响交通事故发生率的原因，及其显著程度，为改善交通体系提供参考意义。 摘要：本文采用广义多元线性回归模型，以OLS估计方法，研究影响交通事故发生原因的宏观指标。通过实证的方法，最终得到交通事故发生数与民用车辆数、人均GDP等因素的相关关系。 关键词：交通事故 实证研究 人均GDP 民用车辆数 正文： 一. 文献回顾 由于交通事故的问题受到广泛的关注，相关的研究也比较多，但基本局限于都经验主义上的研究，或者比较强调人们主观因素的影响，而对交通设施或地区环境等客观条件重视不足。由于导致交通事故的复杂性和综合性，很少有人在国家层面进行系统的实证研究。但有人针对性地研究过某个具体因素和交通事故的关系，20世界40年代，英国学者Smeed就曾提出交通事故与人均GDP有着密切联系，呈现交通事故发生率随经济增长先上升后下降的趋势，大致呈二次关系。该法则在上世纪80年代被广泛用来预测交通安全问题。 近年来，有学者提出，“Smeed法则”不适用于机械化程度很高的现今，但也没有提出新的合理的实证模型。 二.理论模型与研究方法 本次研究拟采用广义多元线性回归模型，OLS估计方法。 在考虑可能影响交通事故的因素时，我们只侧重选择宏观的影响变量，而忽略微观层面那些难以量化的变量，从而形成对此问题的整体把握。 二.数据描述 数据选取自2012年国家统计局发布的统计数据，以31个省级行政单位的交通事故起数(Y)作为观测值（除去了台湾省和香港、澳门特别行政区）。考虑到影响交通事故发生的因素可能包括： P: 地区人口（万人）， S: 地区面积（万平方千米）， C: 民用车数（万辆）， L: 道路长度（万公里）， A: 道路面积（万平方米）， T: 旅客周转量（亿人）， GDP: 地区生产总值（亿元）， P/S: 人口密度（人/平方千米）， C/P: 人均车辆数（辆/人）， C/L: 车辆密度（辆/公里）， GDP/P: 人均地区生产总值（万元/人）， A/P: 人均道路面积（平方米/人）。 首先做出这些自变量和因变量之间的散点图，发现大多数变量的相关度并不高。我们尝试对每个变量取对数，然后再做出自变量和因变量之间的散点图，发现拟合优度得到提高。于是用所有取过对数的变量代替原来定义的变量，仍采用原先的符号。以下是取对数之后，得到的散点图阵： 我们发现，其中大部分变量之间呈线性相关关系。但是人均GDP这个自变量与因变量的关系比较特殊，散点图如下： 由上图可以看出，事故发生数的对数与人均GDP的对数大致呈二次相关，结合文献综述中提到的结论，我们将人均GDP的平方也作为一个自变量，考虑到回归模型之中。 然后，我们来测定自变量之间的相关系数，定义相关系数在0.8以上的自变量之间为高度相关关系。利用逐步回归的方法，考察高度相关的自变量，最终留下的最优自变量组合为：民用车辆数对数(C)，人均GDP对数(GDP/P)，人均GDP对数的平方（GDP/P)2 二.模型回归 将交通事故发生数（Y）作为因变量，将民用车辆数对数(C)，人均GDP对数(GDP/P)，人均GDP对数的平方（GDP/P^2)作为自变量，得到回归方程： Y=0.77C + 3.34(GDP/P) - 1.17(GDP/P)2 +1.98 利用SARS进行回归的结果如下： 参数估计值 标签 自由度 参数估计值 标准误差 t?值 Pr??|t| 1 1.97555 0.92645 2.13 0.0422 (GDP/P)^2 1 -1.16659 0.43926 -2.66 0.0131 GDP/P 1 3.33656 1.32130 2.53 0.0177 C 1 0.77254 0.10155 7.61 .0001 在此回归模型中，F值为28.92，R2值为0.7627，调整后的R2值为0.7363. 由以上数据（p值和t 值）说明本模型中的变量比较显著， 三.检验 回归变量的残差如下图所示： White检验结果如下图所示，没有出现异方差的情况，故接受原假设，即方差与自变量之间没有相关性。 标准误差 t?值 Pr??|t| 0.76910 2.57 0.0161 (GDP/P)2 0.08231 9