张恒:基于回归模型和时间序列模型的长三角地区货运量影响因素分析与预测论文

张恒:基于回归模型和时间序列模型的长三角地区货运量影响因素分析与预测论文

本文主要研究内容

作者张恒(2019)在《基于回归模型和时间序列模型的长三角地区货运量影响因素分析与预测》一文中研究指出:近些年来,伴随着国民经济的飞速发展,我国物流业无论是基础设施建设还是人才培养都取得了快速的发展与提高。物流作为衡量国家区域经济的重要指标,对区域经济发展起着至关重要的作用,而长三角地区作为现代物流和电商的起点,它是国家“一带一路”、长江经济带、国家自贸区等重大战略的交汇地,对其物流量影响因素的研究显得非常重要。货运量作为衡量物流业的重要指标,研究货运量的需求以及对其合理预测将直接影响长三角地区经济发展走势,对于加快产业升级、制造业转型、内外贸一体化趋势起到至关重要的作用。本文主要结合定性分析与定量分析的方法,通过阅读大量参考文献,综合货运量影响因素研究的已有成果,选取了7个的重要影响指标。首先对长三角地区经济发展进行描述性统计分析;然后利用主成分回归、岭回归、Lasso回归,结合SPSS统计分析软件,对长三角地区1993年~2017年三大产业产值、社会固定资产投资、线路运输长度、社会消费品零售总额和货物进出口总额7个指标进行分析,进行多重共线性检验并进行变量的筛选,得出第二产业产值、线路运输长度、货物进出口总额是影响长三角地区货运量的最主要因素;最后利用时间序列分析中的ARIMA模型和三次指数平滑法对长三角地区近25年的货运总量进行建模分析,预测长三角地区货运量将会在未来五年继续增长,年增长率约3%,预测2020年长三角货运量将首次达到60万万吨。

Abstract

jin xie nian lai ,ban sui zhao guo min jing ji de fei su fa zhan ,wo guo wu liu ye mo lun shi ji chu she shi jian she hai shi ren cai pei yang dou qu de le kuai su de fa zhan yu di gao 。wu liu zuo wei heng liang guo jia ou yu jing ji de chong yao zhi biao ,dui ou yu jing ji fa zhan qi zhao zhi guan chong yao de zuo yong ,er chang san jiao de ou zuo wei xian dai wu liu he dian shang de qi dian ,ta shi guo jia “yi dai yi lu ”、chang jiang jing ji dai 、guo jia zi mao ou deng chong da zhan lve de jiao hui de ,dui ji wu liu liang ying xiang yin su de yan jiu xian de fei chang chong yao 。huo yun liang zuo wei heng liang wu liu ye de chong yao zhi biao ,yan jiu huo yun liang de xu qiu yi ji dui ji ge li yu ce jiang zhi jie ying xiang chang san jiao de ou jing ji fa zhan zou shi ,dui yu jia kuai chan ye sheng ji 、zhi zao ye zhuai xing 、nei wai mao yi ti hua qu shi qi dao zhi guan chong yao de zuo yong 。ben wen zhu yao jie ge ding xing fen xi yu ding liang fen xi de fang fa ,tong guo yue dou da liang can kao wen suo ,zeng ge huo yun liang ying xiang yin su yan jiu de yi you cheng guo ,shua qu le 7ge de chong yao ying xiang zhi biao 。shou xian dui chang san jiao de ou jing ji fa zhan jin hang miao shu xing tong ji fen xi ;ran hou li yong zhu cheng fen hui gui 、ling hui gui 、Lassohui gui ,jie ge SPSStong ji fen xi ruan jian ,dui chang san jiao de ou 1993nian ~2017nian san da chan ye chan zhi 、she hui gu ding zi chan tou zi 、xian lu yun shu chang du 、she hui xiao fei pin ling shou zong e he huo wu jin chu kou zong e 7ge zhi biao jin hang fen xi ,jin hang duo chong gong xian xing jian yan bing jin hang bian liang de shai shua ,de chu di er chan ye chan zhi 、xian lu yun shu chang du 、huo wu jin chu kou zong e shi ying xiang chang san jiao de ou huo yun liang de zui zhu yao yin su ;zui hou li yong shi jian xu lie fen xi zhong de ARIMAmo xing he san ci zhi shu ping hua fa dui chang san jiao de ou jin 25nian de huo yun zong liang jin hang jian mo fen xi ,yu ce chang san jiao de ou huo yun liang jiang hui zai wei lai wu nian ji xu zeng chang ,nian zeng chang lv yao 3%,yu ce 2020nian chang san jiao huo yun liang jiang shou ci da dao 60mo mo dun 。

论文参考文献

  • [1].基于ARIMA-SVM组合模型对人民币汇率的预测和实证研究[D]. 纪爽.江西财经大学2019
  • [2].基于组合模型对汇率的预测研究[D]. 何团.贵州民族大学2019
  • [3].基于ARIMA-GARCH和SVR组合模型的股指预测研究[D]. 王运豪.东北师范大学2019
  • [4].利用GM与ARIMA组合模型对于陕西省城镇人口消费水平预测[D]. 党爽.云南大学2017
  • [5].几种山东省GDP的预测方法及其比较[D]. 李超楠.山东大学2018
  • [6].基于统计学方法的互联网企业运营指标异常值监控及预警模型[D]. 罗荣锦.华东师范大学2017
  • [7].基于ARIMA模型下的新疆就业人数及GDP的预测分析[D]. 开地热也·克依木.新疆财经大学2017
  • [8].对上海房价的时间序列分析[D]. 汪之洲.清华大学2016
  • [9].基于ARIMA模型的我国通货膨胀预测研究[D]. 夏荣尧.湖南大学2009
  • [10].基于ARIMA模型的周期性时间序列变化点检测算法研究[D]. 刘阳.山东大学2018
  • 读者推荐
  • [1].基于ARIMA模型的旅游人数预测[D]. 李玥.江西财经大学2019
  • [2].基于时间序列分析的季节调整模型的实证研究[D]. 刘昊天.安庆师范大学2019
  • [3].基于时间序列模型的金融危机预警研究[D]. 罗毅.江西财经大学2019
  • [4].基于循环神经网络的时间序列预测方法研究[D]. 张旭.南京大学2019
  • [5].基于时间序列模型对预期收益的研究[D]. 王亚桐.河北经贸大学2019
  • [6].铁路现代物流中心货运量预测及布局规划[D]. 邓文青.吉林大学2018
  • [7].京、津、冀货运量影响分析及预测[D]. 朱琪.华北电力大学(北京)2018
  • [8].基于分担率模型和灰色理论的铁路货运量预测研究[D]. 宋建强.兰州交通大学2017
  • [9].铁路货运量预测及影响因素研究[D]. 张岄.北京交通大学2016
  • [10].基于数据挖掘的铁路货运量预测应用研究[D]. 张璇.西南交通大学2016
  • 论文详细介绍

    论文作者分别是来自安庆师范大学的张恒,发表于刊物安庆师范大学2019-09-16论文,是一篇关于货运量论文,主成分回归论文,岭回归论文,回归论文,模型论文,安庆师范大学2019-09-16论文的文章。本文可供学术参考使用,各位学者可以免费参考阅读下载,文章观点不代表本站观点,资料来自安庆师范大学2019-09-16论文网站,若本站收录的文献无意侵犯了您的著作版权,请联系我们删除。

    标签:;  ;  ;  ;  ;  ;  

    张恒:基于回归模型和时间序列模型的长三角地区货运量影响因素分析与预测论文
    下载Doc文档

    猜你喜欢