基于回归分析的公路货运量预测.docxVIP

基于回归分析的公路货运量预测 Abstract： In order to predict the highway freight volume， this paper， analyzes the relationship between each factor and the highway freight volume from the 10 factors that affect the highway freight volume， by using multiple stepwise regression method to select the optimal regression equation， six factors which have significant influence on highway freight volume are selected. Then， a 6-element linear regression model for highway freight volume prediction is established， and the model parameters are solved by least square method. According to the test， the significant level p=0.0*****.05， the sample determination coefficient R2=0.9998 is close to 1， so the model fitting effect is consistent with expectation. Finally， a linear regression model was established for each factor to obtain the each predicted factor in 2018， and then substituted each factor into the highway freight volume prediction model to predict the highway freight volume in 2018. Keywords： Highway freight volume; Multiple linear regression models; Stepwise regression; significance level CLC NO.： F54 Document Code： A Article ID： 1671-7988（2019）15-65-05 前言 公路貨运量反应了国民经济水平，同时也是重卡销量的基石。国内很多学者都对公路货运量进行过相关的分析，可概括为：（1）基于公路货运量统计方法的研究：梁仁鸿、仵思燃研究了公路货物运输量统计新试行方案问题及完善思路;张忠民做了公路货物运输量统计方案完善与应用研究;孙磊磊、李琼提出了公路运输量统计中的计量误差分析;刘拥华等人提出了高速公路货物运输量统计方法。（2）基于调查方法的研究：于丹阳等人提出了北京市公路货物运输量抽样调查分析与建议;郭红霞、栗庆耀提出了公路货运量统计调查方法的改进;张志俊、周娅提出了满足多层次需要的公路运输量抽样调查方法。（3）基于公路货运量预测的研究：王俊波提出了组合预测方法在公路运输量预测中的应用研究;吴凤山、范林业做了中国公路货物运输量的长期预测;瞿尔仁等人做了公路运输量预测的综合时序分析。 公路货运量预测是制定公路运输业发展规划和重卡销量研究的基础。本文从宏观上影响公路货运量的因子出发，首先利用散点图分析各因子和公路货运量之间的关系，然后用逐步回归法剔除掉对公路货运量不显著的因子，建立了多元线性回归方程对货运量进行预测。经检验预测模型拟合效果好。 1 公路货运量预测模型分析 公路货运量，如下图所示。货运量数据呈现上升趋势，且跌宕起伏，是一条折线，用一条直线或者曲线是描述不清楚的。因此需要考虑使用多变量预测模型。 经过严格的分析可知，与货运量相关的可以获取到的数据有：国内生产总值，国民总收入，人均国内生产总值，工业增加值，建筑业增加值，批发和零售业增加值，交通运输、仓储和邮政业增加值，第一产业增加值，第二产业增加值，第三产业增加值这10种数据。 1.1 模型选择 能否使用线性回归模型，要先分析自变量和因变量之间是否有线性关系，最常见的方法是散点图法，画出自变量和因变量之间的二维散点图，进行观察，如果呈现线性关系，就用线性回归，如果呈现非线性关系，就使用非线性函数来