基于多元線性回歸模型的農村客運需求預測

叢叢　李俊輝

摘要：采用多元線性回歸模型分析了農村客運需求的影響因素，找到主要因素，利用這些因素建立回歸預測模型，對中國農村客運需求進行了短期預測，為中國公路客運的發展規劃提供參考。

關鍵詞：多元線性回歸;農村客運;需求預測;多元線性回歸模型

中圖分類號：U492.4

文獻標識碼：A

DOI： 10.15913/j.cnki.kjycx.2019.11.057

農村公路客運量與地區生產總值、農林牧漁業總產值、公路通車里程、城鄉人口、城鄉收入相關性都較高，因此可以以這幾個因素作為自變量，將農村公路客運量作為因變量，建立多元回歸模型，用GM（1，1）模型預測自變量未來三年的數值，帶人多元線性回歸模型，則可以得到未來三年的農村公路客運量。

1 多元線性回歸模型參數的確定

基于Excel數據分析工具箱的多元線性回歸模型各項參數的計算非常復雜，目前可以通過Matlab工具箱或者Excel數據分析工具箱進行求解，這里運用Excel數據分析工具箱進行求解。首先確定旅客周轉量為因變量y，Xl為地區生產總值，X2為農林牧漁業總產值，X3為公路通車里程，X4為城鄉人口，x5為城鄉收入.函數關系式為：

y=β0+β1x1l+β2x2+…+β5x5

（l）

某縣歷年客運量相關因素數據如表1所示。根據表1，運用Excel數據分析工具箱中的回歸功能進行分析。

通過對表1進行回歸分析，得到表2、表3、表4各項數據。表2中R Square表示R2，R2的計算值為0.999 998 71，非常接近1，說明回歸平面擬合程度很高。

從表3可以看出，SignificanceF約為0.001 9，小于顯著水平約束0.05，說明回歸方程回歸效果顯著。

表4中Coefficients列表顯示多元線性回歸模型中各項參數值，最終得到的回歸方程為：

y= - 344 488.404 9 - 0.010 569 154x1+0.037 768 105x2+73.758 442 36x3+2 022.070 026x4-0.895 088 77lxs （2）

將表1中2017年數據代人式（2）進行計算，得到2017年客運需求量預測值為67 281.200 04，對比實際值67 280，誤差為0.001 783 612%，準確度較高。

2 利用GM（1，1）模型得到各影響因素的預測值

根據GM（1，1）模型利用表1中三年的地區生產總值、農林牧漁業總產值、公路通車里程、城鄉人口、城鄉收入數據進行預測。

通過Matlab程序進行計算，得到各影響因素的預測值如表5所示，數據擬合和預測曲線如圖1所示。

3 結論

通過上述分析，確定影響農村公路客運量的主要因素有地區生產總值、農林牧漁業總產值、公路通車里程、城鄉人口、城鄉收入，確定的多元線性回歸模型，計算得到該縣2020年、2021年和2022年農村公路客運量的預測值分別為68 982萬人千米、70 594萬人千米、72 002萬人千米，預測結果顯示農村客運需求在未來五年呈逐年增長的趨勢。

參考文獻：

[1]王彬.基于灰色回歸組合模型的鐵路客運量預測研究[J].重慶理工大學學報（自然科學），2017，31（ 11）：231-234.

[2] MILOS Milenkovic， LIBOR Svadlenka， VLASTIMILMelichar.SARIMA modelling approach for railwaypassenger flow forecasting[J].Transport， 2015（ 10）：1-8.

[3]王春輝，周生路，吳紹華，等.基于多元線性回歸模型和灰色關聯分析的江蘇省糧食產量預測[J].南京師大學報（自然科學版），2014，37 （4）： 105-109.