|
88 Многофакторный корреляционно-регрессивный анализ дает возможность изучить многие процессы со сложными разнообразными связями и явлениями. Задачей анализа является построение математической модели, отражающей статистическую зависимость результативного показателя (объем перевозок пассажиров или подвижность населения на автобусных маршрутах) от группы основных факторов [154]. Метод корреляционного анализа позволяет количественно оценивать связь между основными факторами и изучаемыми явлениями. Важное значение для адекватности и устойчивости модели имеет выбор наиболее близкой к анализируемому явлению формы связи. Предварительный графический анализ показал, что связь между подвижностью Ух и факторами, влияющими на ее формирование может быть представлена линейной зависимостью: Ух = а0 + а,Х] + а2х2 + ... + а„хп где X], х2, ...х„факторы; ао свободный член уравнения; alta2,... ап масштабные коэффициенты при факторах х2. Моделирование производилось на основе статистических материалов, собранных в республике Таджикистан. С целью определения существенных факторов мы установили коэффициент парной корреляции между факторами подвижности населения на пригородных маршрутах. Из модели исключили те факторы, которые между собой имеют функциональную связь или имеют коэффициент парной корреляции с результирующим показателем менее 0,3 (слабая связь). В результате для дальнейшего анализа остались только 7 факторов (табл. 2.3). Модель подвижности населения на городских маршрутах региона после отсева несущественных факторов приняла вид: П =6.207 + 7.081 Х7+ 16.232 Хм+21.42 Х4 + 4.751 Х22 +14Х8+19.671 Х15 + 11.217 Х!7 (2.1) |
г 138 необходимость использования для ее решения математических методов моделирования и электронно-вычислительной техники. Совокупное влияние вышеуказанных факторов (табл. 13) на спрос населения в услугах пригородных автобусных перевозок можно установить с помощью многофакторного i корреляционно-регрессивного анализа. Многофакторный корреляционно-регрессивный анализ дает возможность изучить многие процессы со сложными разнообразными связями и явлениями. анализа является построение математической модели, отражающей статистическую зависимость результативного показателя (объем перевозок пассажиров или подвижность населения на пригородных маршрутах) от группы основных факторов [161, 170, 185]. Метод корреляционного анализа позволяет количественно оценивать связь между основными факторами и изучаемыми явлениями. Важное значение для адекватности и устойчивости модели имеет выбор наиболее близкой к анализируемому явлению формы связи. Предварительный графический анализ показал, что связь между подвижностью Ух и факторами, влияющими на ее формирование может быть представлена линейной зависимостью: Ух = а0 + aixj + а2х2 + ... + а„хп гдех/, х2, ... х„факторы; а0 свободный член уравнения; а},а2> ... апмасштабные коэффициенты при факторах X/. Мо производилось на основе статистических материалов собранных в республике Таджикистан. После описанного выше отбора мы по ним и после предварительной произвели расчет первой математической модели, которая имеет вид: П = 311.86 2.42X] 0.49Х2 0.28 Х3 + 13.51 Х4 + 22.01 Х5 + 0.24Х6 0.07Х7 39.33 Х$ + 4.74 Х9 + 30.85Х10 1345.68Хп 6.4IXi2 +6.38 Х,3 2.78Х14 0.58 Х15 0.01 Х16-0.72Хп + 1.28Х18 -1.65Х19 + 1.48Х20 + 10.87Х21. (1) 139 Г Оценка подвижности на основании полученной модели по F критерию Фишера при уровне значимости 0,005 показала, что расчетное значение F расч sГ 1.8. Коэффициент множественной корреляции полученной модели равен R 0.495 и показывает существенную связь подвижности населения региона на пригородных маршрутах с включенными в модели факторами. Однако, модель не является адекватным и использовать ее для прогнозирования нежелательно, так как будет получен результат с недопустимо большим отклонением. С целью определения существенных факторов мы установили коэффициент парной корреляции между факторами подвижности населения на пригородных маршрутах. Из модели исключили те факторы, которые между собой имеют функциональную связь или имеют коэффициент парной корреляции с результирующим показателем менее 0,3 (слабая связь). В результате для дальнейшего анализа остались только 5 факторов (табл Н). .4 Модель подвижности населения на пригородных маршрутах региона после отсева несущественных факторов приняла вид: П = -51,794 + 5,580 Х12 + 0,051 Х14 + 0,022 Х16 + 0,041 Х,7 + 0,272 Х19 (2) Оценка надежности полученной модели поездок по F критерию Фишера при уровне значимости 0,005 показала, что расчетное его значение FрйСЧ=38.78 существенно больше, чем Fma^=2.5. Коэффициент множественной корреляции полученной зависимости 0.89 показывает существенность связей подвижности населения на пригородных автобусных маршрутах региона с включенным в модель факторами, т.е. из 100% случаев изменения подвижности в 79,5% [совокупность коэффициента множественной детерминации /(0.8916)2 = 0,7795] случаев изменяется под воздействием этих факторов. Полученная модель адекватна реальному процессу формирования подвижности населения на пригородных автобусных маршрутах региона, а вошедшие в нее факторы статистически значимы. |