基于回归分析的公路货运量预测
合集下载
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
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=0.02137＜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
公路货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
作者简介：薛方（1989-），女，硕士，工程师，就职于陕西重型汽 车有限公司，研究方向：数据挖掘，数字图像处理，机器学习。
[4]；张忠民做了公路货物运输量统计方案完善与应用研究[5]； 孙磊磊、李琼提出了公路运输量统计中的计量误差分析[6]； 刘拥华等人提出了高速公路货物运输量统计方法[7]。（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[8]；郭红霞、栗庆耀提出了公路货运 量统计调查方法的改进[9]；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[10]。（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
65
汽车实用技术
的应用研究[11]；吴凤山、范林业做了中国公路货物运输量的 长期预测[12]；瞿尔仁等人做了公路运输量预测的综合时序分 析[13]。
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。
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。
表 3 2010-2017 第三产业增加值、人均国内生产总值、 工业增加值、建筑业增加值
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highway freight transport volume based on regression analysis
Xue Fang, Su Ruifeng, Yang Sheng, Yao Yuanzheng, Zhang Jun ( Shaanxi Heavy Duty Automobile Co., Ltd, Shaanxi Xi'an 710200 )
10.16638/ki.1671-7988.2019.15.024
基于回归分析的公路货运量预测
薛方，苏芮锋，杨升，姚远征，张俊
（陕西重型汽车有限公司，陕西 西安 710200）
摘 要：为了预测公路货运量，文章先从影响公路货运量的 10 个因子出发，分析各因子和公路货运量的关系，并使 用多元逐步回归法做最优回归方程的选择，挑选出对公路货运量影响显著的 6 个因子，然后建立公路货运量预测的 6 元线性回归模型，使用最小二乘法求解模型参数。经检验，公路货运量预测模型的显著水平 p=0.02137＜0.05， 样本可决系数 R2=0.9998，接近于 1，模型拟合效果较好。最后对各因子建立一元线性回归模型，得到 2018 年各因 子的预测值，代入公路货运量预测模型，得到 2018 年的公路货运量预测值。 关键词：公路货运量；多元线性回归模型；逐步回归；显著水平 中图分类号：F54 文献标识码：A 文章编号：1671-7988(2019)15-65-05
前言
公路货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
作者简介：薛方（1989-），女，硕士，工程师，就职于陕西重型汽 车有限公司，研究方向：数据挖掘，数字图像处理，机器学习。
[4]；张忠民做了公路货物运输量统计方案完善与应用研究[5]； 孙磊磊、李琼提出了公路运输量统计中的计量误差分析[6]； 刘拥华等人提出了高速公路货物运输量统计方法[7]。（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[8]；郭红霞、栗庆耀提出了公路货运 量统计调查方法的改进[9]；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[10]。（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
65
汽车实用技术
的应用研究[11]；吴凤山、范林业做了中国公路货物运输量的 长期预测[12]；瞿尔仁等人做了公路运输量预测的综合时序分 析[13]。
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。
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。
表 3 2010-2017 第三产业增加值、人均国内生产总值、 工业增加值、建筑业增加值
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highway freight transport volume based on regression analysis
Xue Fang, Su Ruifeng, Yang Sheng, Yao Yuanzheng, Zhang Jun ( Shaanxi Heavy Duty Automobile Co., Ltd, Shaanxi Xi'an 710200 )
10.16638/ki.1671-7988.2019.15.024
基于回归分析的公路货运量预测
薛方，苏芮锋，杨升，姚远征，张俊
（陕西重型汽车有限公司，陕西 西安 710200）
摘 要：为了预测公路货运量，文章先从影响公路货运量的 10 个因子出发，分析各因子和公路货运量的关系，并使 用多元逐步回归法做最优回归方程的选择，挑选出对公路货运量影响显著的 6 个因子，然后建立公路货运量预测的 6 元线性回归模型，使用最小二乘法求解模型参数。经检验，公路货运量预测模型的显著水平 p=0.02137＜0.05， 样本可决系数 R2=0.9998，接近于 1，模型拟合效果较好。最后对各因子建立一元线性回归模型，得到 2018 年各因 子的预测值，代入公路货运量预测模型，得到 2018 年的公路货运量预测值。 关键词：公路货运量；多元线性回归模型；逐步回归；显著水平 中图分类号：F54 文献标识码：A 文章编号：1671-7988(2019)15-65-05