摘要  本文选取了2002-2014年数据，对影响江苏轿车拥有量的一系列因素进行实证分析。通过建立理论模型，利用SPSS软件对数据进行分析和检验，建立了多元线性回归及非线性回归模型。最后对研究结果进行分析，并在此基础上得出相关结论。78224

毕业论文关键词  私人轿车拥有量；线性回归；非线性回归

一、引言

近年来，私人轿车作为一种高档的消费品，被人们越来越多的选择。 私人轿车给出行带来了便利的同时也带来了巨大的社会效益，但同时也会带来一些社会问题。例如交通拥挤，还有空气、土壤污染等。 这些问题势必会给城市交通、环境和空间结构的发展带来不利影响。在对影响汽车拥有量的因素分析中，一些学者已经做过深入的研究。在《中国汽车保有量及年产量预测模型研究》[3] 中，保仁，木田浩史认为中国汽车保有量主要受人均GDP和城市化率的影响；而邵世风在《影响我国家用汽车消费的主要因素》[6]提到的主要因素包括消费者的经济实力、汽车服务以及居住环境。本文采用定量分析的方法，主要考虑了以下影响因素，即江苏省公路通车里程、江苏省农村拥有摩托车量、江苏省城市拥有公共汽车量、江苏省职工年均工资、江苏省人均储蓄存款余额、江苏省民用车拥有量、江苏省年末人口数。通过多元回归模型可以更直观得分析各因素对江苏轿车拥有量的影响程度。论文网

二、理论综述

（一））多元线性回归模型建立

根据本文所选七个影响因素，设因变量江苏轿车拥有量与自变量的线性回归模型为

其中，是8个未知参数，是回归常数，是回归系数。为因变量，是7个自变量，是随机误差。

（二）多元回归的基本假设

1。是确定的变量，要求。（表明中的自变量向量列之间不相关，样本量数目应该大于解释变量的数目，是全秩矩阵）。

2。随机误差项具有零均值和等方差性质

   。

3。残差服从正态分布的假设条件

。

（三）t检验与F检验

     对最小二乘估计方程进行回归方程的显著性检验，分为回归系数的显著性检验和回归方程的显著性检验。

1．t检验 

回归的显著性检验是检验某个自变量对有无显著作用。 若自变量的回归系数为0，那么表明因变量与之间没有线性关系，即对没有显著性影响。

2．F检验

回归方程检验七个自变量整体上对因变量有没有显著影响, 若回归系数为0，表明与的关系不合适用线性回归模型表示。 

（四）违背基本假设的情况

回归方程的检验中可能出现违背基本假设的情况，一般猜测可能出现异方差或序列之间存在相关性。下面对两种可能进行检验：

1。异方差的检验及处理方法

a)残差图分析法检验

    本文主要采用的是一种直观、方便的残差图分析法进行异方差的检验。若残差图上的点散布呈现出一定的趋势，说明回归方程存在异方差。

2。自相关性检验文献综述

a)图示检验

图示检验法是一种直观的诊断方法，根据残差图进行序列相关性的诊断。判断随机误差项的符号是否随时间的变化发生频繁的改变。

b)DW检验

对随机误差项具有一阶自回归的序列相关问题进行检验。

（五）逐步回归 法选择自变量

逐步回归的思想是有进有出。 具体方法是，将所有自变量按对因变量影响大到小逐一引入回归方程，并随时对回归方程所含的全部变量进行检验，观察它是否仍然是显著的。如果不显著，则被淘汰，直到所有的变量都有显著影响，则考虑引入新的变量。上述过程反复进行,直到最后没有显著变量可以引入，也没有不显著的变量需要剔除为止。