居民使用交通工具上下班情况spss分析Word格式文档下载.docx

居民使用交通工具上下班情况spss分析Word格式文档下载.docx

《居民使用交通工具上下班情况spss分析Word格式文档下载.docx》由会员分享，可在线阅读，更多相关《居民使用交通工具上下班情况spss分析Word格式文档下载.docx（11页珍藏版）》请在冰豆网上搜索。

城市的形态、规模、居住分布形式等取决于人们在相对较短时间内的出行距离和活动范围,而出行距离又取决于当时的交通方式.交通方式的发展是改变城市空间结构和土地利用形态的重要影响因素.

按照交通方式的演变过程,城市的发展大致上可以分为步行和马车时代、有轨电车时代、小汽车时代和综合交通时代,不同时期的主导交通方式不同,居民的活动方式和范围有很大差别,导致城市结构和土地利用形态的不同。

3.主题

本研究结论表明:

Logistic模型适用于上班出行方式选择研究,其拟合效果好,预测误差率低,优度比指标达0.516,正确率达86.7%。

其次,经模型验证得出:

出行者性别、年龄、家庭月收入对上下班出行者的交通方式选择行为均有影响。

在此基础上,进一步采用Logistic模型,构建了上班出行方式选择模型,定量分析了上班出行者的个人、家庭、社会经济因素对其交通方式选择的影响,并对模型进行了统计检验。

结论表明:

出行者性别、年龄、家庭月收入上班途中链接非工作活动数对上班出行者的交通方式选择行为均有影响。

最后,根据模型的结论,对上班出行者的交通方式选择行为进行了解释、预测,并对影响上班出行方式选择的因素进行了敏感性分析。

论文研究以统计学、交通规划学等理论为基础,结合实际的居民出行调查数据,利用计算机编程工具、统计分析软件,研究了上班出行行为特征。

研究将对解释上班出行行为、预测未来年上班出行需求、控制引导上班出行措施的制定等有着现实意义,并对制定交通系统规划、完善交通政策相关规章提供科学依据。

二.数据来源

居民使用交通工具上下班情况表

序号

年龄

月收入

性别

方式

1

18

850

2

21

1200

3

23

4

950

5

28

6

31

36

1500

8

42

1000

9

46

10

48

11

55

1800

12

56

2100

13

58

14

15

20

16

25

17

27

1300

19

30

32

33

22

38

24

41

45

26

52

数据来自《spss教程》人民邮电大学出版社

三.图形分析

图1

从折线图中可以看出月收入高的更偏向于乘坐公共交通，年龄大的也偏向于坐公共汽车，

以下三个折线图都是交通方式和各个自变量的比较分析。

（0代表骑自行车，1代表坐公共汽车）

图2

图2中，月收入与方式呈波浪形，收入高峰对应公交车，收入1000的居多，各选择对半。

图3

年龄与方式的比较重，呈N字变化，20到30的骑自行车较多，往上年龄的就是坐公交。

图4

图4说明了性别与交通方式选择中，汽车与坐车各占一半，概率为0.5

四．回归分析

表1是因变量的赋值表，在spss中，默认的将二分类变量中出现次数较多的赋值为1，本分析中比较特殊，二分类变量的两种出现的次数是一致的，从表格中可以看出，将骑自行车赋值为0，将乘公共汽车赋值为1.

表1

因变量编码

初始值

内部值

骑自行车

乘公共汽车

表2

分类表a,b模型初始分类预测表

已观测

已预测

百分比校正

步骤0

100.0

.0

总计百分比

53.6

a.模型中包括常量。

b.切割值为.500

表2是模型初始分类预测表，此时模型中不含任何自变量，只包含常数项。

表格左方代表实际观测值，右方代表模型的观测值和正确率。

此时预测骑自行车的多，预测的正确率为53.6%。

表3

方程中的变量

B

S.E,

Wals

df

Sig.

Exp（B）

常量

-.143

.379

.143

.706

.867

表3和给出了模型系数的检验结果，其中常数项系数为-0.143，其相伴概率为0.706，说明常数项显著

表4是模型系数的综合检验，共采用了三种检验方法，分别是相对似然比检验，快间的相对似然比检验和模型间的相对似然比检验。

由于本例中只有一个自变量组且采取强行进入法将所有变量纳入模型，所以三种检验方法的结果是一致的。

模型具有显著的统计意义。

表4

模型系数的综合检验

卡方

步骤1

步骤

12.132

.007

块

模型

表5

模型汇总

-2对数似然值

Cox&

SnellR方

NagelkerkeR方

26.541a

.552

.770

a.因为参数估计的更改范围小于.001，所以估计在迭代次数5处终止。

表5是模型汇总，主要给出了-2对似然数的两个决定系数，从数据上看，模型拟合度是不错的。

表7

分类表a

86.7

76.9

82.1

a.切割值为.500

表6是模型类预测表此时模型的预测准确率为86.7%

EXP（B）的95%C.I.

下限

上限

步骤1a

.087

.052

2.857

.091

1.091

.986

1.208

.002

.685

.408

1.002

.998

1.005

2.425

1.182

4.210

.040

.088

.009

.897

-3.978

2.071

3.690

.055

.019

a.在步骤1中输入的变量:

年龄,月收入,性别.

表7是logistic模型的拟合结果，表格从左到右依次是变量和常数项的系数值（B）,标准误差（S.E,）卡方值，自由度，相伴概率，EXP,由于各回归系数均为正数，取相应的指数后会大于1，表示X1，X2，X3，的取值越大，骑自行车的可能性比坐公交车的大。

其模型为

Ln（p/1-p）=0.087X1+0.002X2+2.425X3-3.978

（其中X1为年龄变量，X2为月收入变量，X3为性别变量）

五．综和分析

1.出行行为理论是交通管理和控制中最重要的理论之一

对个体出行行为的研究,是进行城市交通规划、建设、管理的一项不可缺少的基础工作,也是城市社会学研究的重要课题。

交通方式,以其迅速、准时、舒适的服务吸引中长距离的出行者,减少出行对道路空间的占用。

上班出行是城市居民最基本和最重要的出行,其影响到城市生活的方方面面,尤其是早高峰时段的交通拥挤,已经成为城市交通的突出问题之一,并影响城市环境和制约城市社会经济的进一步发展。

因此,在城市居民出行调查的基础上,以上班出行作为研究对象,提炼出其内在规律和出行特征,对制定和实施缓解城市交通拥挤的出行需求政策,保证城市交通系统顺利进行有重要的参考价值。

然后,归纳总结了描述上班出行行为特征的各项指标以及出行行为的影响因素,并利用上班出行调查数据,详细分析了上班出行各项指标的基本特征,上班出行方式选择与个人、家庭、出行属性之间的关联特征.

2.居民出行方式的选择影响着交通系统结构的建立

我国目前正处于交通结构调整时期，出行方式日趋多样化，出行需求日益增长，通过居民出行方式选择的分析不难发现，个体机动化交通方式在对公共交通有着强烈排斥作用的同时正无时无刻地与公共交通进行激烈的竞争。

为了调整城市交通各出行方式间的构成比例，建立一个可持续化的交通系统结构模式，仍需要大力发展公共交通，引导人们选择更加有益于社会、环境的出行方式。

城市规模扩大、居民出行空间距离增加,促使人们对城市交通网络服务水平及机动化快速交通工具需求增强,因此城市居民出行距离结构也在客观上决定了不同交通方式可能分担的出行量比例.

我国大城市多为单中心连片密集布局,用地紧凑,居民平均出行距离较短.随着城市人口规模与建成区面积的扩大,城市居民出行距离增加,对机动化快捷交通方式的需求必将随之增长.

当城市规模增加到一定程度时,建立快速公共交通系统、提高公交车辆运行速度、降低公交出行时耗,才能保持城市公共交通的竞争力.必要时还需引入地铁、轻轨等大中运量快速轨道

城市客运交通方式可大致分为步行、自行车、摩托车、小汽车以及公共交通（包括常规地面公共交通、大中运量轨道交通、出租车交通等）.城市客运交通方式结构模式概括起来主要有两大类

一类是以欧美、日本等发达国家为代表的以机动