《基于SPSS的公路货运量预测》

物 流科 技
２ １ 第 ８期 ０ ０年
Ｌ ｇｓ ｃ ｃ－ ｅ ｈ Ｎ ．， ０ ０ ｏ ｉ ｉ Ｓ ｉＴ ｃ ｔｓ ｏ ２ １ ８
文 章 编 号 ： １０ — １０ （０ ０ ０ — ０４ ０ ０ ２ ３０ ２ １） ８ ０ ６ — ３
６ＳＳ 结 用 Ｓ 合应 研究 ｐｏ ｌ ｆ Ｆｒ ｉｈｔ Ｖｏ ｕ ｅ ｒ ａｔ ｏ ｓ ｏ ｅｇ ｌ ｍ
关键 词 ：货 运 量 ；回 归 预 测 ；神 经 网 络
中 图分 类 号 ：Ｆ ２ ． ２ ４９
文 献 标 识 码 ：Ａ
Ａｂ ｔ ａ ｔ Ｏ ｈ ａ ｉ ｆ ａ ａｙ ｉ ｇ ｔ ｅ ａ ｖ ｎ ａ ｅ ｎ ｄ ｓ ｄ ａ ｔｇ ｓ ｏ ｈ ｅ ｒ ｓ ｉ ｎ ｆ ｒ ａ ｔ ｔ ｏｓ ｏ ｒ ｉｈ ｏｕ ｎ Ｅ ＥＬ ｓ ｒ ｃ ： ｎ ｔ ｅ ｂ ｓｓ ｎ ｌ ｚ ｈ ｄ ａ ｔｇ ｓ ａ ｄ ｉａ ｖ ｎ ａ ｅ ｆ ｔ ｅ ｒ ｇ ｅ ｓ ｏ ｃ ｓ ｏ ｌ ｆ ｆｅｇ ｔ ｖ ｌ ｍｅ ｏ ＸＣ ｏ ｎ ｏ ａ ｄ Ｐ Ｓ ｅ ｐ ｃ ｉｅｙ ｒ ｐ ｓ ｏ ｉ ａ ｉｎ ｏ ｈ ｔ ｏ ｋ ｎ ｓ ｏ ｒ ｄ ｃｉ ｎ ｏ ｌ ｔｅ ｐ ｏ ｔ ｈ ｍｅ ｈ ｄ ａ ｄ ｓｅ ｓ ｏ ｏ ｔ ｎ Ｓ Ｓ ，ｒ ｓ ｅ ｔ ｌ，ｐ ｏ ｏ ｅ ｃ ｍｂ ｎ ｔ ｆ ｔｅ ｗ ｉｄ ｆ ｐ ｅ ｉｔ ｔｏ ｓ ｈ ｎ ｒ ｍｏ ｅ ｅ ｖ ｏ ｏ ， ｔ ｔ ｏ ｓ ｎ ｔｐ ｆ ｈ ｗ ｏ
摘 要：对货遣量预测工具 Ｅ Ｃ Ｌ ＳＳ 各 自 Ｘ Ｅ 和 ＰＳ 的优缺点进行了分析，在此基础上建议将两种预测工具相结合，提出如何
・
陕速 、 准确 得 出预 测 值 并 作 出预 测 图表 的方 法和 步 骤 ，最 后 以 某 市社 会 货 运 量 统 计 为样 本 ，进 行 实例 说 明 。

每单位Ｇ Ｄ 运输费用 物流业固 货运量 货 物 运 输
ａ．Ｄｅ ｅｒ ｉａ ｔ＝ ７ ２ ７ － ０ ｔ ｍｎｎ ．９ Ｅ １
．３ ８ ９ ．５ ９ ９ ．７ ９ ７ ．５ ９ ８ ．４ ９ ６
１ ０ ．０ ０ ．４ ９ ２ ．９ ９ ２ ．０ ９ ４ ．６ ９５
１９ ７年 ～ ０ ２年为第二阶段 ，０ ３年至今 为第三阶段。Ｆ ９ ２０ ２０ ｉ —
ｎ ｌｌ ｔｒｅ ｔ ａ ｃｕ ｅ ｎｒ ｓ ｃ ｅ表示最终各类的重心 ，明显看 出三类 中重 心 明 显 成 递 增 趋 势 。 第 一 组 １ ９ ～ ９ ６六 组 ， 第 二 组 ９ １ １９
Ｃ ｍｍｕ ａｉｅ 信息集成度 ｏ ｎ ｌｉ ｔｓ
Ｉ ｉａ ｎｔ Ｉ ｉ Ｅ ｔａ ｔ ｘｒｃｉ ｏｎ
第一张表示输 出结果 的相关矩阵 ， 可以从中看出各指标 之 间相 关性 较强 ， 可尝试进行主成分 分析 。Ｃ ｍｍｕ ａｉｅ ｏ ｎ ｌｉ ｔ ｓ给出
了该 次分析从 每个原始 变量 中提取 的信 息 一般要 求 ， 主成 分
维普资讯
基于 Ｓ Ｓ的 Ｐ Ｓ 我 国物流发展状况分析
●文／ 献群 郭 王 耀 球
业界 在定量研 究物流 指标 中 ，缺 乏有 关物 流产业 的经 济 统计 资料 以及 没有反 映业 态全 貌 的物 流需 求统计 数 据 ， 难 以定量地 对我 国物流业 进行全面 分析 ，诸 多思路都 建立 在 定性认识 水平上 ，很难 有针对性地 在促 进物 流业发 展政 策的制定上 产生 实质 性 的影响。 这种状 况与我 国物流 业 的
．４ ９ ２ １ ０ ．０ ０ ．ｉ ９ ９ ．９ ９ ８ ．１ ９ ８
．９ ９ ２ ．１ ９ ９ １ ０ ．０ ０ ．１ ９ ７ ．１ ９ ８

Ａ ｂ ｓ ｔ ｒ ａ ｃ ｔ ： Ｔ ｈ ｉ ｓ ｐ ａ ｐ ｅ ｒ ｔ ａ ｋ ｅ ｓ １ ３ ｄ ｉ ｓ ｔ ｉ ｒ ｃ ｔ ｓ ａ ｎ ｄ ｃ ｉ ｔ ｉ ｅ ｓ ｏ ｆ Ｊ ｉ ａ ｎ ｇ ｓ ｕ ｐ ｒ ｏ ｖ ｉ ｎ ｃ ｅ ａ ｓ ｔ ｈ ｅ ｒ ｅ ｓ ｅ ａ ｒ ｃ ｈ ｏ ｂ ｊ ｅ ｃ ｔ ， ａ ｎ ｄ ｓ ｅ ｌ ｅ ｃ ｔ ｓ ｓ ｉ ｘ ｉ ｍ ｐ ｏ ｒ ｔ ａ ｎ ｔ ｉ ｎ ｄ ｉ ｃ ａ —
ｓ ｉ ｎ ｇ ｔ ｗ ｏ ｈ ｉ ｅ ｒ ａ ｃ ｈ ｉ ｃ ａ ｌ ｃ ｌ ｕ ｓ ｔ ｅ ｒ ａ ｎ ａ ｌ ｙ ｔ ｉ ｃ ａ ｌ ｍｅ ｔ ｈ ｏ ｄ ｓ ｏ ｆ ｓ ｔ ａ ｔ ｉ ｓ ｔ ｉ ｃ ａ ｌ ａ ｎ ａ ｌ ｙ ｓ ｉ ｓ ｓ ｏ ｆ ｔ ｗ ａ ｒ ｅ Ｓ Ｐ Ｓ Ｓ ．Ｆ ｉ ｎ ａ ｌ ｌ ｙ ，ｔ ｈ ｅ ｈ ｉ ｇ ｈ ｗａ ｙ ｒ ｆ ｅ ｉ ｇ ｈ ｔ ｃ ｏ ｍｐ ｅ ｔ ｉ ｔ ｉ ｖ ｅ — ｎ ｅ ｓ ｓ ｏ ｆ ｔ ｈ ｅ ｔ ｈ ｉ ｒ ｔ ｅ ｅ ｎ ｄ ｉ ｓ ｔ ｉ ｒ ｃ ｔ ｓ ａ ｎ ｄ ｃ ｉ ｔ ｉ ｅ ｓ ａ ｙ ｅ ｄ ｉ ｖ ｉ ｄ ｅ ｄ ｉ ｎ ｔ ｏ ｆ ｏ ｕ ｒ ｃ ｌ ａ ｓ ｓ ｅ ｓ ， ｔ ｈ ａ ｔ ｉ ｓ ｔ ｈ ｅ ｓ ｔ ｒ ｏ ｎ ｇ ｅ ｓ ｔ ，ｓ ｔ ｒ ｏ ｎ ｇ，ｎ ｏ ｒ ｍａ ｌ ａ ｎ ｄ ｗｅ ａ ｋ ．
般 及 货运 竞争 力 能 力较 弱 地 区 。
关键词 ： 公路货运竞争力 ； 地 区差异 ； 系统 聚类分析 ； 离差平方和法 ； 类 间平均法
中 图分 类 号 ： Ｕ ４ ９ ２ ． ３ １ ３ 文献标识码 ： Ａ 文章编号 ： １ ６ ７ ２— ９ ８ ８ ９ （ ２ ０ １ ３ ） ０ ３— ０ ０ ８ ０— ０ ４

基于SPSS应用的产业结构与物流需求量相关性分析研究背景随着经济全球化加速，各国之间的贸易活动也变得越来越频繁。

物流作为商品流通中的重要环节，不仅关系到企业的物流成本，也影响着整个产业的生产效率和国家的经济竞争力。

因此，对于产业结构与物流需求量之间的相关性进行深入研究，有助于发现产业和物流之间的关联性，为企业和政府提供科学的决策依据。

研究目的本文旨在利用SPSS软件分析产业结构与物流需求量之间的相关性，探究不同产业结构类型的物流需求量变化趋势，为企业和政府提供制定相应物流策略的决策依据。

数据来源本次研究选取的数据来源于某市2019年的产业统计数据和物流需求量数据。

其中，产业统计数据包括全市主要产业类型的年度GDP和从业人数，物流需求量数据包括全市货运量、物流服务企业收入、物流投资额等数据。

数据处理本次研究将所有数据按年度进行分类，并计算各年度不同产业类型的物流需求量、GDP和从业人数的增长率。

然后，利用SPSS软件进行回归分析和相关性分析，以探究不同产业结构类型的物流需求量与经济发展变化的关联性。

分析结果经过对数据的分析，本文得出以下：•不同产业类型在物流需求量方面存在着明显的差异。

其中，第三产业（服务业）的物流需求量增长最快，年均增长率达到了14.53%；第二产业（制造业）和第一产业（农业）的物流需求量增长率分别为10.83%和1.26%。

•物流需求量增长与GDP增长率之间存在着显著的相关性（r=0.849，p<0.01），即经济发展程度和物流需求量变化之间存在着正相关关系。

另外，从业人数与物流需求量增长之间也存在着统计学上的显著相关性（r=0.646，p<0.05）。

与建议综合以上分析结果，可以得出以下：•随着经济的发展，物流需求量不断增加，尤其是第三产业的物流需求量增长更为迅猛。

因此，对于企业来说，要及时调整物流策略，根据不同产业类型，分别制定相应的物流方案。

•产业发展和物流需求量变化存在着密切的关系，因此企业和政府在制定产业政策和物流规划时需要充分考虑产业结构与物流需求量之间的相关性，加强合作，共同促进产业升级和物流发展。

spss货运课程设计一、教学目标本课程旨在通过学习SPSS货运知识，使学生掌握SPSS软件的基本操作，能够运用SPSS进行货运数据分析，提高学生的数据处理和分析能力。

具体的教学目标如下：1.掌握SPSS软件的基本功能和操作。

2.了解货运数据的基本类型和分析方法。

3.掌握如何利用SPSS进行货运数据的收集、整理和分析。

4.能够独立操作SPSS软件，进行货运数据的导入和导出。

5.能够运用SPSS进行货运数据的描述性统计分析、假设检验、相关分析等。

6.能够运用SPSS进行货运数据的图表绘制和结果输出。

情感态度价值观目标：1.培养学生对数据分析和处理的兴趣，提高学生的数据敏感度。

2.培养学生严谨的科学态度，提高学生的问题解决能力。

3.培养学生团队协作意识，提高学生的沟通能力。

二、教学内容本课程的教学内容主要包括SPSS软件的基本操作、货运数据的基本类型和分析方法，以及如何利用SPSS进行货运数据的收集、整理和分析。

具体的教学大纲如下：1.SPSS软件的基本操作：–SPSS软件的安装和启动–数据视图和变量视图的操作–数据的导入和导出–数据的整理和清洗2.货运数据的基本类型和分析方法：–定量数据和定性数据的分析方法–描述性统计分析3.SPSS在货运数据分析中的应用：–货运数据的收集和整理–货运数据的描述性统计分析–货运数据的假设检验和相关分析–货运数据的图表绘制和结果输出三、教学方法为了提高学生的学习兴趣和主动性，本课程将采用多种教学方法，包括讲授法、讨论法、案例分析法和实验法等。

1.讲授法：通过讲解SPSS软件的基本操作和货运数据的基本类型和分析方法，使学生掌握相关的理论知识。

2.讨论法：通过分组讨论和问题解答，促进学生之间的交流和思考，提高学生的问题解决能力。

3.案例分析法：通过分析具体的货运数据案例，使学生能够将理论知识应用到实际问题中。

4.实验法：通过实验操作，使学生能够熟练掌握SPSS软件的基本操作，提高学生的动手能力。

基于SPSS物流分析报告1. 引言本报告旨在对物流数据进行分析，以揭示物流运营中存在的问题，并提出相应的改进措施。

为了完成这项分析，我们使用了SPSS软件对收集到的物流数据进行了统计分析和可视化展示。

2. 数据收集为了进行本次物流分析，我们收集了一组与物流运营相关的数据，包括货物运输时间、运输距离、运输成本、仓储费用等信息。

这些数据是基于实际物流业务的记录，具有一定的真实性和代表性。

3. 数据清洗与处理在进行数据分析之前，我们首先对收集到的数据进行了清洗和处理，以保证数据的准确性和完整性。

清洗工作包括删除重复数据、处理缺失值和异常值等。

经过清洗后，我们得到了一组干净的数据，为后续分析奠定了基础。

4. 描述性统计分析在物流分析中，描述性统计分析是一种常用的方法，它可以帮助我们了解物流运营的基本情况和特征。

我们使用SPSS软件对收集到的数据进行了描述性统计分析，包括计算平均值、标准差、最大值、最小值等指标，以及绘制了柱状图、箱线图等图表，进一步展示数据的分布和变化趋势。

根据统计结果显示，货物运输时间的平均值为X天，标准差为X天；运输距离的平均值为X公里，标准差为X公里；运输成本的平均值为X元，标准差为X元；仓储费用的平均值为X元，标准差为X元。

通过对这些指标的分析，我们可以发现物流运营中存在的一些问题和挑战。

5. 相关性分析为了深入了解物流数据之间的关系，我们进行了相关性分析。

相关性分析可以帮助我们发现不同变量之间的相关性程度，从而判断它们是否存在关联。

在SPSS软件中，我们计算了不同变量之间的相关系数，并绘制了相关系数矩阵图，以直观展示各变量之间的相关性。

根据相关性分析的结果，我们发现货物运输时间与运输距离呈现正相关关系，即运输距离增加会导致货物运输时间的增加；货物运输时间与运输成本之间呈现负相关关系，即货物运输时间增加可能会降低运输成本。

通过这些分析结果，我们可以针对性地制定改进措施，提高物流运营效率。

关于交通状况调查的SPSS统计数据分析论文简介本论文旨在通过使用SPSS统计软件对交通状况调查数据进行分析。

通过对数据的统计和分析，我们可以获得关于交通状况的一些有用的信息和结论。

本文将介绍研究的目的和方法，展示数据分析结果，并讨论所得出的结论。

目的研究的主要目的是了解当前交通状况，包括交通流量、交通事故等方面的情况。

通过对数据进行统计和分析，我们将能够了解不同地区和不同时间段的交通状况差异，帮助交通管理部门制定更有效的交通政策和措施。

方法我们收集了交通状况调查数据，并使用SPSS统计软件进行数据分析。

以下是我们使用的主要统计方法和指标：1. 描述统计：我们将使用平均值、标准差、频数等指标来描述不同变量的特征和分布情况。

2. 相关分析：我们将分析不同变量之间的相关性，例如交通流量和交通事故之间的相关性。

3. T检验：对于一些特定的研究假设，我们将使用T检验来比较两组或多组数据之间的差异。

4. 方差分析：如果我们有多个独立变量和一个连续型依赖变量，我们将使用方差分析来检验各组之间的差异性。

数据分析结果根据我们对交通状况调查数据的统计和分析，我们得出了以下结论：1. 不同地区的交通流量存在明显差异，高峰时段交通流量相对较高。

2. 高峰时段交通事故的发生率明显提高，需要加强交通安全管理措施。

3. 城市内不同交通方式的使用比例存在差异，私家车是主要的交通工具。

结论通过对交通状况调查数据的统计和分析，我们了解到当前交通流量、事故等方面的状况，发现不同地区和时间段之间的差异性，这对于交通管理部门制定更有效的交通政策和措施具有重要意义。

我们建议进一步加强交通安全管理，提高交通流量管理效果，促进公共交通的发展，减少私家车使用。

参考文献1. 张三, 李四, 王五. 交通状况调查报告. 交通学刊, 2019.2. Mary J., John S. Statistical Analysis in Transportation Research. Transportation Research Board, 2008.以上为关于交通状况调查的SPSS统计数据分析论文的大致内容。

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

目录第一章问题研究背景 (4)1.1、背景综述 (4)1.2研究此问题常用的方法 (4)1.3本研究采用的方法 (5)第二章公路货运量影响因素的描述性分析 (6)2.1. 不同年份五种运输方式的走势图 (6)2.2 基础设施的增长趋势 (7)2.3 总人口数增长趋势 (8)2.4 经济指标走势图 (8)第三章统计模型与分析 (10)3.1 各个因素对公路货运量影响的相关性分析 (10)3.1.2 模型原理 (10)3.1.2 SPSS操作步骤 (10)3.1.3 输出结果及分析 (11)3.2对影响因素以及货运量预测的线性回归 (12)3.2.1 模型原理 (12)3.2.2 SPSS操作步骤 (13)3.2.3 输出结果及分析 (13)3.3 用曲线拟合预测货运量 (18)3.3.1 模型原理 (18)3.3.2 SPSS操作步骤 (18)3.3.3 输出结果及分析 (19)3.2 用时间序列分析预测公路客运量 (20)3.3.1 模型原理 (20)3.3.2 SPSS操作步骤 (21)3.3.3 输出结果及分析 (23)3.4 预测值汇总表 (25)第四章总结与分析 (26)4.1 本文结论 (26)4.2 需要进一步的完善的问题 (26)附录数据清单.................................................................................................... 错误!未定义书签。

第一章问题研究背景1.1、背景综述改革开放后，我们国民经济持续高速发展，公路运输需求强劲增长，国家加大了公路基础设施的建设力度，随着道路环境的改善和省际、城际以及城乡交流的日益频繁，公路的货运量逐年提高，同时这也直接支持了公路货运行业的发展。

公路货运在我国综合运输体系货运市场中发挥这举足轻重的作用，承担着90%以上的份额，因此对我国公路货运的研究就显得很有现实意义，通过研究我国从进入2000年至今的公路货运量发展变化，可以从我国国民经济发展的一个侧面了解到我国二十多年来的交通运输、公共事业建设、人民生活水平、社会生产、流通、分配、消费各环节协调发展等诸多现实经济问题，对于提升个人对国家经济发展认识，研究分析能力有很大的好处。

著的变量。这个过程反复进行，直到既无显著的自变量引入
回归方程，也无不显著的自变量从回归方程中剔除为止。这
样就可以保证最后所得的变量子集中的所有变量都是显著
的。经过若干步以后可得到“最优”变量子集。
使用 MATLAB 工具箱中的 stepwise 命令进行因子选择， 结果见表 型。
2.1 一元线性回归模型
一元线性回归只涉及一个因变量 y 和一个自变量 x，用 x
的线性函数对 y 建模，即 y=a+bx，其中 a,b 称为回归系数对
应的直线称为回归直线。在用一元线性回归模型进行预测时，
应用最小二乘法解得：
首先必须对 a,b 进行评估。一般采用最小二乘法。根据最小
表 5 因子选择的结果
求解
令
，对 求导得到
2 多元线性回归模型
。令上式等于零，可得 最优解的闭式 解，但由于涉及矩阵逆的计算，比单变量情形要复杂一些。
当 XTX 为满秩矩阵或正定矩阵时，另上式为零可得： ，其中（XTX）-1 是矩阵（XTX）的逆矩阵，
回归分析预测法，是在分析了自变量和因变量之间相关 令
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

基于ＳＰＳＳ的物流路区聚类【摘要】派送路区物流企业的物流网络中的最小元素。

作者运用SPSS软件和统计模型对物流企业作业路区分析，提出物流企业统计分析的新思路，探讨物流企业路区管理的新模式。

【关键词】路区划分SPSS 聚类分析物流一直以来被认为是“第三利润的源泉”、“经济界的黑暗大陆”，它在推动现代经济发展和提高社会经济效益方面都发挥着重要作用，地位日益突出，已经成为国民经济流的依赖程度明显增大。

受行业研究影响，对于物流企业运作的相关分析方法和理论不甚完善。

且物流企业发展迅猛，对于相应管理模式和分析理论的要求越来越高，但目前大多物流企业对于网络和路区划分的研究很少。

不论是理论基础还是实际的管理上，企业的关注度明显不够，迅速扩张的网络与实际路区的管理欠缺之间的矛盾愈演愈烈。

本文基于统计模型理论积极探讨大规模作业路区的划分与管理理论，从而给物流路区的划分与管理提供新的思路。

1 SPSS应用与数据选取SPSS(Statistical Package for Social Science)称为社会科学统计包，如今在医学、市场学、经济学乃至自然科学领域都得到广泛的普及应用。

本文应用SPSS 软件系统的相关性分析数据之间的关联性，采用非谱系过程K均值聚类分析以及相应的验证过程，试图将数以百计的路区单位合理的划分为若干小类。

在结论分析中提出分类后各类路区管理的进一步解决方案。

路区划分的基础数据的选取，本文采用了最具衡量价值的货物进出口量。

因货量是体现区路繁忙程度的一个主要方面，各个路区的货量不但是体现公司规模及市场占有的重要指标，自然也是各个公司的主要关注点。

本文所分析的原是数据来源于某国际物流公司北京市路区数据，路区数量过百，主成分因素分别选取各路区文件、包裹的票数和重量（如图1.1所示）。

需要说明的是原始数据源分为进口、出口的文件包裹数据，考虑进口派送和出口取件都是路区正常的工作量体现，故本文把进出口数据累加得到最终的货量结果，这也避免了不必要的数据相关性影响。

2.运输需求分析与预测
3.政策或技术方法实施效果评价
4.交通行为选择
5.影响因素分析
6.聚类分析
7.服务质量评价
8. 自选
三、课程设计（论文）基本要求
报告内容原则上不少于8000字，其正文至少包括如下几个方面的内容：
1.问题背景（问题的提出、必要性与意义，该问题目前常用的分析手段与方法，本设计采用的方法）
2.数据采集
（含数据采集方式、描述性分析、统计图表）
说明：调查分析则必须包含调查方案，其它数据原则上必须说明出处。
3.统计模型与分析
（包含模型原理、SPSS操作步骤、输出结果及分析）
4.总结
5.附录 数据清单
四、课程设计（论文）时间及进度安排
1.时间:两周：2011-2012学年第二学期第十九、二十周
2.进度安排：
确定主题；调查、收集数据：2天
数据分析与预处理、描述性统计分析：2天
分析方法原理及选择：3天
SPSS操作及结果分析：4天
解决实际问题或建议：2天
撰写报告、总结：1天
（此部分同学们可以按照自己设计具体内容，详细安排）
3.成果提交：
要求独立完成，每人需提交1份打印的设计报告（A4）、word电子文档、数据文件（sav格式）。电子文档文件名为：学号后四位+姓名+题目，先发电子文档给指导老师，经许可后方可打印。最终成果（打印稿1份、电子文档1份）统一交班长汇总并转交指导老师；最终成果提交截止时间为第20周周五。
五、成绩评定
平时考勤20%，报告撰写规范20%,内容(选题合理、方案可行、分析正确、有创新)60%。
成绩评定实行优秀、良好、中等、及格和不及格五个等级。优秀者人数一般不得超过总人数的20%。

物流科技 2010 年第 8 期
文章编号： 1002-3100 (2010) 08-0064-03
Logistics Sci-Tech No.8, 2010
货运量回归预测工具 EXCEL 和 SPSS 结合应用研究
The Combined Application Study of EXCEL and SPSS for Regression Forcast Tools of Freight Volume
与 EXCEL 相比， SPSS 进行预测 的方 法 和 提供 的 模 型要 多 得 多 ， 既 有 精 确预 测 模 型也 有 模 糊预 测 、 神 经网 络 等 非精 确 的 模
收稿日期： 2010-05－11 作者简介： 李 振（1983-）， 男， 山东聊城人， 山东大学现代物流研究中心硕士研究生， 研究方向： 物流系统规划与仿真； 王兴秋 （1982-）， 女， 山东威海人， 山东大学现代物流研究中心物流工程专业硕士研究生， 研究方向： 物流系统规划设计、 物流供应链管 理技术。
64 Logistics Sci-Tech 2010.8
货运量回归预测工具 EXCEL 和 SPSS 结合应用研究
糊预 测 模型 ， 为 预 测者 提 供 了更 多 更 优更 宽 泛 预 测 模 型 的 选 择 范 围 。 在 数 据 处 理 能 力 上 ， SPSS 能 够 对 整 张 表 的 数 据 同 时 进 行 处理， 处理多变量数据之间的关系。 在模型选择上， 对某一组数据可以同时应用多个预测模型， 预测结果能同时保存到数据视 图中， 预测曲线也能同时在一张图中充分展现， 预测曲线的拟合度值也有明确的数值说明， 确定最终的最优预测模型简单、 快 捷、 准 确 。 SPSS 提供 了 更 高级 图 形 的画 法 ， 能 够 反 映 多 变 量 之 间 的 关 系 和 变 化 情 况 ， 比 如 散 点 图 和 饼 图 的 组 合 统 计 图 。 在 图 形范围的选择上， 除 了具 有 EXCEL 基 本的 柱 状 图、 饼 图 、 环 形图 、 折 现 图之 外 ， SPSS 还 提供 了 箱 图、 茎 叶 图 ， 能够 更 好 的反 应各类之间的比例关系， 更好的反应数据量较小或有缺失数据情况下， 精确处理各数据之间的关系[7]。

ｔｖｅ． ｔｌ ｓ ， ａ ｑｏｖ ｃ ｉ ｅｄｉｔｏｎ ｍ ｏｄｅ ｓ ｕ ｅ ｔ ｅ ｉｙ ｔ ｅ ｕｌ． ｉ Ａ ａ ｔ Ｍ ｒ ｈａ ｎ ｐｒ ｃ ｉ ｌｉ ｓ ｄ ｏ ｖ ｒ ｆ ｈｅｒ ｓ ｔ Ｋ ｅ ｗｏｒ ｙ ｄｓ： ｇｒ ｙ ｔ ｏｒ ｎｅ ａｌｎｅ ｗ ｏ ｋ；ｖ ｉ ｔ ｅ ｈｅ ｙ； ｕｒ ｔ ｒ ａｌｄｉｙ；ｍ ａ ｑｏｖ ｃｈ ｉ ｒ ａｎ
最终 预测 值 ， 算结 果表 明 了该 方 法在公 路 货运 量预 测 中的有 效性 。文 中还应 用马 尔可 夫链 预测 模 型对 组 计
合模 型 的预测 结果 进行 了分析 ， 加 了预测 结 果的 可信 度 。 增
关键 词 ：灰 色理论 ；神 经 网络 ；有 效度 ；马 尔可夫链
中 图 分 类 号 ： Ｕ４ ２３ ３ 文 献 标 识 码 ：Ａ ９ ．１ 文 章 编 号 ： １ ７ — １ １ （ ０ ８）０ ６ ３ ０８ ２ ０ ３—０ １ ０ ７—０ ４
基 于 有 效 度 的公 路 货 运 量 预 测
刘 晓锋 ，高丽梅
（１ ．天津 工 程师 范学 院 汽 车工 程系 ， 津 ３ ０ ２ ；２ 天 ０ ２ ２ ．北 京Ｔ 业 大学 建 工 学 院 ， 京 １０ ２ 北 ０ ０ ２）
摘 要 ： 以 某 市 公 路 货 运 量 的 历 史 数 据 为 例 ， 别 采 用 灰 色模 型 和 径 向 基 神 经 网络 模 型 对 公 路 货 运 量 进 行 分 预 测 。 此 基 础 上 ， 用 有 效 度 理 论 ， 建 并 联 型 灰 色 神 经 网 络 模 型 ， 对 两 模 型 的 预 测 结 果进 行 加 权 作 为 在 运 构 并
ｔ ｅ ｆｎ ｌｒ ｓ ｌ． ｈ ｅ ｔ ｅ ｕ ｔ ｈ ｗ ｈ ｔｔ ｅ ｐ ｅ ｉｔｏ ｎ ｔ ｅ ｂ ｓ ｓｏ ｅ ｃ ｍｂ ｎ ｄ ｆ ｒ ｃ ｓ ｍｅ ｈ ｄ ｓｅ ｅ — ｈ ｉ ａ ｅ ｕ ｔ Ｔ ｅ ｔ ｓ ｒ ｓ ｌ ｓ ｏ ｔ ａ ｈ ｒ ｄ ｃ ｉ ｎ ｏ ｈ ａ ｉ ｆｔ ｏ ｓ ｈ ｉｅ ｏｅ ａ ｔ ｔ ｏ ｓｉ ｆ ｃ

基于SPA聚类算法的我国物流需求规模预测分析采用SPA聚类算法，对我国物流需求规模在未来的变化趋势进行了预测。

从我国物流需求来看，至少在未来五年内我国物流需求规模仍然呈现较快的增长态势。

从SPA聚类算法可行性来看，本文的实证结果验证了这种方法在预测领域的可靠性。

标签：SPA聚类算法;物流需求一、引言随着我国经济的不断发展和结构不断调整，国内对物流的需求日趋提高。

2012年我国物流货运量达到5.24亿吨，比21世纪初增加了两倍以上。

在我国货运量的运输方式构成中，公路运输所占比重最高，因此我国以公路运输为主导的物流需求潜力巨大。

在这样的发展环境下，如何维持物流供求平衡成为一大重要课题。

在扩大内需的大背景下，如何合理供应物流服务以满足国内物流需求，成为众多物流企业乃至政府关心的问题。

因此，把握物流需求规模的变化趋势，并对未来趋势做合理的预测分析，是解决物流供求均衡的有效途径之一。

二、SPA聚类算法1.SPA模型基本方法简介SPA模型（集对分析模型）基于同、异、反三个层面，研究两个事物之间的确定性关系和不确定性关系，能够充分衡量这两个事物之间的联系程度。

也就是说，SPA模型实际上就是一种新型的模糊理论系统，在该系统中，事物的确定性与不确定性之间是存在相互联系和相互制约关系的，而且确定性与不确定性在一定条件下可以互相转化。

集对与联系度是SPA模型中最基本的两个概念，其中集对的含义就是存在一定联系的两个集合共同构成的信息对。

SPA模型中信息对的联系度可表示如下μ=a+bi+cj （1）其中，a为两个集合之间的同一度，b为两个集合之间的差异度，c为两个集合之间的对立度。

字母i即为差异度的相应参数，且有-1≤i≤1;字母j即为对立度的相应参数，这里定义j的值恒为-1。

根据SPA模型的基本定义，这里同一度、差异度和对立度三者之和应为1，即有：a+b+c=1 （2）这里，a和c是相对确定的，但b是相对不确定的，而这种相对性是因为客观对象具有可变性，而且主体对客观对象的意识存在模糊性而产生的一种不确定性。

一般在进行预测模型的选择时，模型所需要运用数据的可 得性是最基本的考虑因素，预测模型的准确性与可靠性是预测 模型选择的重要依据。本文以唐山市公路货运量为研究主体， 确定的规划期限为 2015 年到 2020 年，属于中期规划。而且影 响公路货运量的因素非常多，加上物流需求本身具有派生性的 特点，因此应比较全面的考虑影响因素，以便准确分析物流需 求的变化趋势。在众多预测方法中，灰色 GM（1,1）预测模型 可以较好地体现公路货运量的非线性变化的特征，二次指数平 滑是通过对一次平滑的二次运用来剔除随机因素对结果的干扰 [5]。因此，结合唐山市公路货运量发展现状，本论文采用二次 指数平滑法、灰色预测法对物流需求进行初步预测，然后拟采 用组合预测对唐山市公路货运量需求进行最终的预测研究。
的权重，对于距离预测期较远的赋予较小的权重，进行数据
模型分析，提高预测精度及模型的适用性。
优点：模型方便、样本数据量少、实证结果稳定；缺点：
只针对水平型历史数据进行的预测有效，而对于斜坡型线性
趋势历史数据预测无效。
一次指数平滑预测值
:
S（1） t
=
αYt
+（1 - α）S（t-11）
公路货运量作为衡量交通需求的重要组成部分，是推动 经济社会发展的动力。对公路货运量进行合理的预测，是有 效组织规划公路货物运输的基础，对于提高公路货物运输发 展的经济效益与社会效益有重要作用 [1]。在经济研究中对物 流需求进行预测常用的定量模型主要有回归分析，指数平滑， 灰色预测，组合预测，神经网络模型，因子分析等等 [2]。以 上几种模型方法都是选取对其有用的数据信息进行预测，侧 重面不尽相同，如果只选择其中一种方法进行物流需求预测， 通常会存在一定的局限性，不能很好的运用每种方法的预测 优势，因此，在充分利用各种有用信息的基础上，运用组合 预测 [3][4] 进行模型分析与未来预测，不失为一种更有效的途径。

基于熵权法的公路货运量组合预测詹斌;吕腊梅;黄馨【摘要】由于仅采用单一模型进行预测很难得到有效的预测结果，为了充分利用各种预测方法所提供的信息，规避单一模型的局限性，尽可能科学有效地预测公路货运量，在多元线性回归模型、二次指数平滑法以及GM (1,1)模型这三种单一模型的基础上，建立基于熵权法确定权重的组合预测模型。

实证结果表明，与单一的预测方法相比，组合预测模型能够降低单一模型的预测风险，减少预测的系统误差，提高预测精度，具有较好的实用价值。

%In this paper, we established an entropy weighted combination forecasting model based on the multiple linear regression model, secondary exponential smoothing method andGM(1,1) model. Then through an empirical study, we proved that as compared with the individual models, the combination model had lower forecasting risks and system errors and higher forecasting accuracy.【期刊名称】《物流技术》【年(卷),期】2016(035)006【总页数】5页(P54-57,74)【关键词】公路货运量;熵权法;组合预测【作者】詹斌;吕腊梅;黄馨【作者单位】武汉理工大学交通学院，湖北武汉 430061;武汉理工大学交通学院，湖北武汉 430061;武汉理工大学交通学院，湖北武汉 430061【正文语种】中文【中图分类】U492.313;F224公路货运量预测方法大致可以分为两类，一类是定性预测，它是根据已掌握的历史资料和直观材料，运用个人经验和分析判断能力，对事物的未来发展做出性质和程度上的判断，强调对事物发展的趋势、方向和重大转折点进行预测。