1 .966 a.934 .925 317.245 a. 预测变量: (常量), YEAR, not periodic。 R^2=0.934
表3.4 3-3 Anova 模型 回归 1 残差 总计 平方和 11315720.194 805157.406 12120877.600 df 1 8 均方 11315720.194 F 112.432 Sig. .000 ba 100644.676 9 a. 因变量: 铁路客运量 b. 预测变量: (常量), YEAR, not periodic。 通过了F检验，拟合度很好 Sig=0.000
表3.3 3-4 系数 模型 非标准化系数 B (常量) 1 YEAR, not periodic a. 因变量: 铁路客运量 370.352 34.928 .966 10.603 .000 -738863.515 标准 误差 标准系数 试用版 -10.543 .000 t Sig. a 70082.250 故回归方程为： Y1?370.352X -7.38863.515 其中X为年份，Y1为铁路客运量
铁路客运量预测如下： 年份（X） 2012 2013 6655.061 2014 7025.413 2015 7395.765 2016 7766.117 铁路客运量（Y1） 6284.709
用相同的操作步骤得到未来五年陕西省旅客周转量，总人口，生产总值如下：
Y2?21.456X -42748.438 其中X为年份，Y2为旅客周转量
旅客周转量预测如下：
21
年份（X） 2012 2013 442.49 2014 463.946 2015 485.402 2016 506.858 旅客周转量（Y2） 421.034
Y3?9.048X -14452.285 其中X为年份，Y3为总人口
总人口预测如下： 年份（X） 总人口（Y3）
2012 3752.291 2013 3761.339 2014 3770.387 2015 3779.435 2016 3788.483 Y4?1094.064*X -2189306.511 其中X为年份，Y4为生产总值
生产总值预测如下： 年份（X） 2012 2013 2014 2015 2016 生产总值（Y4） 11950.257 13044.321 14138.385 15232.449 16326.513
22
（二）多元线性回归预测：
表3.4 3-5 输入／移去的变量 模型 输入的变量 生产总值, 旅客周转量, 总人口, 1 YEAR, periodic a. 因变量: 铁路客运量 b. 已输入所有请求的变量。 ba移去的变量 方法 . 输入 not
表3.4 3-6 模型汇总 模型 1 R .988 aR 方 .976 调整 R 方 标准 估计的误差 .957 239.883 a. 预测变量: (常量), 生产总值, 旅客周转量, 总人口, YEAR, not periodic。
23
表3.4 3-6 Anova 模型 回归 1 残差 总计 平方和 11833158.226 287719.374 12120877.600 df 4 5 均方 2958289.556 F 51.409 Sig. .000 ba 57543.875 9 a. 因变量: 铁路客运量 b. 预测变量: (常量), 生产总值, 旅客周转量, 总人口, YEAR, not periodic。 表3.4 3-7 系数 模型 B (常量) YEAR, not periodic 1 旅客周转量 总人口 生产总值 a. 因变量: 铁路客运量 -2090879.703 1219.865 11.816 -95.809 -.216 非标准化系数 标准 误差 标准系数 试用版 -.606 3.183 .672 -2.262 -.639 .580 1.559 -.458 -1.421 .571 .587 .180 .666 .214 t Sig. a 3447464.243 2103.478 7.577 209.389 .152
可得多元线性回归方程：
Y?1219.865*X1?11.816*X2-95.809*X3-0.216*X4-2090879.703其
中X1为年份，X2为旅客周转量，X3为总人口，X4为生产总值 陕西省未来5年铁路客运量预测如下： 年份（X） 铁路客运量（Y）
2012 2013 2014 7119.49 2015 7489.49 2016 7859.88 6379.11 6749.30 3.5 预测值汇总表
24
表3.5 3-1各年预测值汇总 2012 2013 2014 2015 2016 一元线性回归 6284.709 6655.061 7025.413 7395.765 7766.117 多元线性回归 6379.11 6749.30 7119.49 7489.49 7859.88 时间序列预测 6069 6140 6557 6593 6973 曲线拟合预测 5558.88 5827.14 6281.22 6977.47 7972.24
25