搜索
时间序列分析时间序列分析2008.11~2011.06全国客运量时间序列分析韩晓宇华中农业大学摘要：本文主要运用时间序列分析的方法对2008年11月到2011年6月全国客运总量进行分析。运用SAS数据统计分析软件进行数据分析，进行平稳性判断，数据平稳化处理，对平稳的一阶差分序列进行白噪声检验，差分后的平稳非白噪声序列拟合ARMA模型，残差序列的检验和预测。关键词：时间序列差分稳定性MA（滑动平均）正文来自国家统计局网站（）的我国2008年11月到2011年06月运输业客运总量数据，记录了每一个月的客运总量，本篇文章就是对以下数据按时间的序列进行系统的分析并做出一定的结论。2008.11~2011.06客运总量数据表年/月客运总量（亿人）2008/1119.752008/1220.992009/0121.322009/0221.112009/0320.732009/0423.582009/0524.632009/0623.422009/0724.942009/0825.212009/0925.402009/1026.932009/1124.332009/1223.302010/0125.462010/0228.362010/0326.612010/0426.302010/0526.632010/0625.982010/0726.922010/0827.432010/0928.252010/1029.142010/1127.07时间序列分析时间序列分析2010/1229.142011/0128.402011/0230.012011/0328.422011/0428.322011/0529.082011/0628.13注：数据来源国家统计局网站（）时间序列分析时间序列分析以上数据是包含我国铁运，水运，空运，公路运输的客运量总数，单位以亿人计。对数据分析的意义：通过客运量的分析对我国综合运力进行评估，对近几年公路，铁路，水路，航空运输的发展进行分析。得到我国运输业的发展趋势，寻找影响客运总量的因素，并对将来的客运总量进行较为准确的预测。散点图：数据呈上升趋势，不稳定，表明我国客运总量在逐年的波动，整体呈上升的趋势。进行时间序列分析时间序列分析一阶差分处理。图表1差分后的图形图表2稳定检验时间序列分析时间序列分析图表3稳定性检验数据通过差分后基本平稳画散点图和做差分的编程时间序列分析时间序列分析图表4模型选择分析再检验q=1estimateq=1;图表5MA模型q=1时间序列分析时间序列分析图表6模型根据数据建立MA（滑动平均）模型。其中q=1依据模型进行预测图表7对后5期的预测结果图表8置信区间和预测图对后五期的预测时间序列分析时间序列分析预计期数预测值Stderror95%conferencelimits3329.30871.266326.826731.79073429.59471.349326.950132.23943529.88081.427527.082932.67863630.16681.501627.223733.10983730.45281.572227.371333.5343预期分析我国的客运总量整体成上升的趋势，统计中包含陆运，空运，海运所有的总量，2011年7月，预计的总运量是29.3087（亿人），2011年8月预测29.5947（亿人），2011年9月预测29.8808（亿人），2011年10月预计30.1668（亿人），2011年11月预测30.4528（亿人）。总客运量的上升也反应了中国客运业的发展，客运量的上升代表了客运能力的上升。也在一定的程度上反应了科技的进步，在单位时间里所运输的客流增加，表示着我国的运输技术有了很大的提高，并且还在不断的提高。随着高铁和“空中巴士”的快速发展使得我国在运力上有了质的飞跃。在单位时间里的运输量的提高说明了运输工具的运输速度在提高，或者因为国民的富足开始更多的选择快速而便捷的运输方式，从而促进了交通工具由原来的慢速向更现代的高速客运发展，并逐步淘汰原有的工具，这也使得运输能力得到了依靠现代化的提高，那么运输力的提高时间序列分析时间序列分析也就在一定的程度上侧面反映了人民生活水品的提高。以上就是我对国家运输能力的分析。感谢老师的辅导和指点。