北京市交通系统研究.docVIP

北京市交通系统研究 （小组成员：李实振，窦水海，冯运卿，汪凯宁） 摘要：城市交通规划部门在设置城市道路里程要考虑多种多样的因素。城市道路里程的设置不仅要从它的必要性上考虑，而且还要从他的经济性的考虑；如果城市道路里程过长，就会造成浪费；如果城市道路里程设置过短，又会满足不了城市交通主体的需求，造成城市交通拥挤、交通阻塞，严重过影响人们的出行，造成巨大的社会资源浪费，从而与“和谐社会”的口号相悖，影响全面建设小康社会的进程。本文是在北京市关于交通的20年的数据的基础上运用回归分析，分析了北京市GDP、公路里程、公路旅客周转量、轨道交通里程之间的关系，从而为北京市城市交通部门在城市道路里程设计方面提供参考。 关键字：公路里程；回归分析；散点图 1问题提出 众所周知，城市交通部门在城市交通道路里程设置必须从必要性和可能性两方面考虑，同时在公路里程的设置时也要考虑多种因素，发现影响哪种因素最影响城市交通道路里程的设置。 北京市城市公路交通从1989年的9218公里到2008年的20340公里，城市公路里程在20年中有了很大的变化（图1-1），但是北京市交通部门如何更好的设置城市道路里程，将对人们的出行的发展和北京市整体的发展造成很大的影响。 图1-1 北京市公路里程图 2回归分析的模型介绍 在许多实际问题中,影响因变量的因素往往有多个,这种一个因变量同多个自变量的回归问题就是多元回归,当因变量同各自变量之间为线性关系时,称为多元线性回归。多元线性回归可以利用已有的观测值来对未来的指标进行预测，这种预测是基于自变量的当前观测值。多元线性回归分析的原理同一元线性回归基本相同，但计算上要复杂得多，因此需要借助计算机来完成。 2.1多元回归模型和回归方程 设因变量为y，p个变量分别为x1，x2，……xp，描述因变量y如何依赖于自变量x1，x2，……xp和误差项ε的方程一般形式可写为： y=β0+β1x1+β2x2+……+βpxp+ε 其中β0, β1,……，βp是未知参数, ε是随机误差项，反映了除x1，x2，……xp对y的线性关系之外的随机因素对y的影响，是不能由x1，x2，……xp与y之间的线性关系所解释的变异性。 通常地，在作显著性检验等许多情况下，我们对误差项作如下假定： 且相互独立 这种假定意味着，对于自变量的一组特定值，误差项与任意一组其他值所对应的误差项不相关，且对应的因变量y也是一个服从正态分布的随机变量。 利用样本统计量来估计回归方程中的参数时，得到估计的多元回归方程： 而对与参数的估计则利用最小二乘法求得，即使得残差平方和： 最小。参数的最小二乘估计量为： ，，为估计参数和观测值的矩阵表示，为的转置阵。可以证明，在符合误差项ε的假定下，最小二乘估计量具有无偏性和有效性。 2.2回归方程的拟合优度、显著性检验与参数估计 我们定义：总平方和 ????? 回归平方和 ????? 残差平方和 ????? 多重判定系数 ????? 修正多重判定系数 估计标准误差 ????? 线性关系检验统计量 ????? 回归系数抽样分布标准差 ????? 回归系数检验统计量 ????? Beta系数 ????? 弹性系数 其中表示实际的观测y值，表示利用回归方程预测的y值，表示观测值的均值，p为自变量x的个数。 多重判定系数R2的含义是：因变量y取值的变差中，能被估计的多元回归方程所解释的比例，R2越大，说明估计的多元线性回归方程对观测值的拟合程度越好； R2的平方根称为多重相关系数或复相关系数，反映了因变量与p个自变量之间的复合相关程度； 线性关系检验表明了因变量y与p个自变量之间的线性关系是否显著，是对线性方程总体的检验； 回归系数检验表明了单个自变量对于因变量的关系是否显著；Beta系数表示自变量变化一个标准差时，因变量y变化多少个标准差；弹性系数表示在变量平均值周围，自变量每变动1%，将使因变量变动几%，该系数与因变量的计量单位无关，适宜进行对回归模型中各变量相对重要性的比较。 2.3 多重共线性和及处理 当回归模型中两个或两个以上的自变量彼此相关时，就认为存在多重共线性。这样可能会使回归的结果混乱，甚至可能将分析引入歧途，其次，多重共线性有可能对参数估计值的正负号产生影响。 例如：当回归方程整体的F检验很显著时却发现自变量参数估计值的t检验却只有少数几个通过了检验。这种结果是因为，因变量与多个自变量中的某一个或几个的线性关系是显著的，但一些自变量之间还存在不独立的线性关系。事实上，很可能每个自变量对因变量的预测都有贡献，只不过一些自变量的贡献与另一些自变量的贡献重叠。 检测多重贡献性的方法：计算模型中各对自变量之间的相关系数，并对