摘要：鐵路客貨運量是鐵路行業(yè)發(fā)展的重要指標(biāo)，反映鐵路客貨運發(fā)展?fàn)顩r和相關(guān)企業(yè)的經(jīng)營管理水平。為了科學(xué)準(zhǔn)確地預(yù)測“十四五”時期鐵路客貨運量，文章在分析鐵路客貨運量主要影響因素的基礎(chǔ)上，構(gòu)建基于線性回歸理論的鐵路客貨運量預(yù)測模型，并通過相關(guān)系數(shù)檢驗，得知鐵路客運量與國內(nèi)生產(chǎn)總值之間存在明顯線性相關(guān)，而鐵路貨運量與國內(nèi)生產(chǎn)總值之間不存在線性關(guān)系。

關(guān)鍵詞：線性回歸;運量預(yù)測;鐵路客貨運量

文獻標(biāo)識碼：U292.3-A-41-141-4

0 引言

鐵路客貨運量趨勢可以反映出鐵路行業(yè)的整體發(fā)展?fàn)顩r，以及鐵路行業(yè)對國民經(jīng)濟社會發(fā)展的支撐作用，其主要受國內(nèi)生產(chǎn)總值（GDP）、產(chǎn)業(yè)經(jīng)濟政策、居民消費水平等因素的綜合影響。為了提高鐵路客貨運量預(yù)測的準(zhǔn)確度，應(yīng)分析影響鐵路客貨運量的主要因素，構(gòu)建線性回歸模型，并研究回歸檢驗變量之間是否存在線性關(guān)系，進而對“十四五”期間的客貨運量進行預(yù)測。

1 鐵路客貨運量影響因素分析

1.1 客運量影響因素

鐵路客運量主要受國民經(jīng)濟發(fā)展水平、居民收入水平等因素影響，隨著高速鐵路逐步成網(wǎng)，動車組具有安全舒適、準(zhǔn)時便捷、票價適中等諸多優(yōu)點，已成為越來越多人出行的第一選擇，鐵路客運量呈逐年上升趨勢。

1.2 貨運量影響因素

近年來我國經(jīng)濟結(jié)構(gòu)持續(xù)轉(zhuǎn)型升級，經(jīng)濟發(fā)展由高速度增長進入高質(zhì)量發(fā)展的新階段，全社會貨物運輸需求結(jié)構(gòu)發(fā)生了重大變化，大宗貨物運輸需求下降，隨著電子商務(wù)的蓬勃發(fā)展，“白貨”和高附加值貨物運輸需求快速增加，用戶對貨物運輸?shù)陌踩浴⒈憬菪院蜁r效性等有了更高的要求。鐵路貨運市場占有率呈下降趨勢，主要原因有國民經(jīng)濟結(jié)構(gòu)調(diào)整，居民消費升級，電力、煤炭、礦石和鋼鐵等行業(yè)產(chǎn)能調(diào)整，進出口貿(mào)易，以及其他交通運輸方式的激烈競爭等因素綜合影響。

2 基于線性回歸理論的鐵路客貨運量預(yù)測模型

2.1 構(gòu)建模型

將預(yù)測對象鐵路客貨運量作為因變量y，將主要影響因素國內(nèi)生產(chǎn)總值（GDP）作為自變量x，則變量之間的相互關(guān)系采用一元線性回歸模型可以表示為：

y=a+bx+e（1）

式中：a——回歸常數(shù);

b——回歸系數(shù);

e——殘差項。

2010—2019年的鐵路客貨運量和國內(nèi)生產(chǎn)總值，均滿足以下關(guān)系：

yi=a+bxi+ei（2）

在線性回歸預(yù)測過程中，殘差項ei是無法準(zhǔn)確估計的，線性回歸預(yù)測借助a+bxi得到預(yù)測對象的估計值yi。通過確定a和b，從而y與x之間的關(guān)系可表示為：

y=a+bx（3）

線性回歸預(yù)測過程中一般采用普通最小乘法原理求出回歸系數(shù)，由此求得的回歸系數(shù)為：

b=∑xiyi--x∑yi∑x2i--x∑xi（4）

a=-y-b-x（5）

式中：xi、yi——自變量x和因變量y的實際值;

-x、-y——x和y的平均值。

-x=∑ni=1xin（6）

-y=∑ni=1yin（7）

式中：n——樣本量。

對于每一個自變量x的實際值，都有擬合值：

y'i=a+bxi（8）

y'i與實際值的差，便是殘差項：

ei=yi-y'i（9）

2.2 回歸檢驗

通過計算得出a、b值構(gòu)建完成預(yù)測模型后，需要對自變量x和因變量y之間的線性關(guān)系合理與否進行驗證。本文采用相關(guān)系數(shù)R檢驗、回歸系數(shù)t檢驗兩種方法判斷變量間的線性關(guān)系是否合理。

2.2.1 相關(guān)系數(shù)R檢驗

相關(guān)系數(shù)R是描述兩個自變量x和因變量y之間的線性相關(guān)關(guān)系強弱的指標(biāo)，用式（10）表示。

R=∑ni=1（xi--x）·（yi--y）∑ni=1（xi--x）2·∑ni=1（yi--y）2（10）

由表1分析可知，R的絕對值越接近1，表明變量之間相關(guān)性越強;R的絕對值越接近0，表明變量之間相關(guān)性越弱。依據(jù)式（10）計算出R的實際值后，通過查找相關(guān)系數(shù)檢驗表查得在自由度（n-2）和顯著性水平α（一般取α=0.05）情況下R的臨界值。若R的實際值大于等于臨界值，則說明自變量x和因變量y之間的線性關(guān)系合理：若R的實際值小于臨界值，則說明自變量x和因變量y之間的線性關(guān)系不合理。

2.2.2 回歸系數(shù)t檢驗

通過式（11）計算出回歸系數(shù)tb，然后與t值進行比較得出自變量x和因變量y之間的線性關(guān)系是否合理。

tb=bSb=b·∑（xi--x）2∑（yi-y't）2/（n-2）（11）

式中：Sb——參數(shù)b的標(biāo)準(zhǔn)差。

Sb=Sy/∑（xi--x）2（12）

式中：n——樣本數(shù)量;

Sy——回歸標(biāo)準(zhǔn)差。

S2y=∑（yi-y't）2/（n-2）（13）

tb服從t分布，通過t分布表查得在自由度為n-2時的t（a/2，n-2）。如果tb的絕對值>t，則表明回歸系數(shù)t檢驗通過，說明變量x和y之間線性假設(shè)合理;如果tb的絕對值≤t，則表明回歸系數(shù)t檢驗未通過，說明變量x與y之間線性假設(shè)不合理。

2.3 預(yù)測流程

線性回歸預(yù)測流程如圖1所示。

3 客貨運量預(yù)測模型構(gòu)建

近年來我國經(jīng)濟社會發(fā)展水平不斷提高，到2019年國內(nèi)生產(chǎn)總值（GDP）接近100萬億人民幣。鐵路建設(shè)尤其是高速鐵路的建設(shè)取得了舉世矚目的成就，“四縱四橫”已經(jīng)建成通車，“八縱八橫”也初具規(guī)模，預(yù)計“十四五”期間將建設(shè)完成，到2019年年底全國鐵路營業(yè)里程達到13.9萬km，其中高速鐵路3.5萬km?！笆奈濉逼陂g，隨著我國經(jīng)濟社會的進一步轉(zhuǎn)型升級、人民生活水平的提升，居民出行和貨物運輸?shù)男枨髣荼貢黾樱F路客貨運量呈現(xiàn)持續(xù)增長的態(tài)勢。本文以2010—2019年國內(nèi)生產(chǎn)總值（GDP）和鐵路客貨運量數(shù)據(jù)為基礎(chǔ)，通過線性回歸理論構(gòu)建鐵路客貨運量預(yù)測模型，進行回歸檢驗判斷鐵路客貨運量與國內(nèi)生產(chǎn)總值（GDP）是否存在線性關(guān)系，最后對“十四五”期間鐵路客貨運量數(shù)據(jù)進行預(yù)測（見表2）。

3.1 模型構(gòu)建

以國內(nèi)生產(chǎn)總值為自變量x，以鐵路客運量為因變量y1、貨運量為因變量y2分別構(gòu)建線性回歸模型：

y1=a1+b1x

y2=a2+b2x

依據(jù)式（4）和式（5）分別計算出a1=0.37，b1=0.36;a2=34.01，b2=0.06。

3.2 回歸檢驗

3.2.1 相關(guān)系數(shù)R檢驗

分別對y1=0.37+0.36x、y2=34.01+0.06x進行相關(guān)系數(shù)檢驗。

（1）對國內(nèi)生產(chǎn)總值（GDP）與鐵路客運量之間的線性關(guān)系進行驗證，根據(jù)式（10），R1=∑ni=1（xi--x）·（yi--y）∑ni=1（xi--x）2·∑ni=1（yi--y）2=0.99，在α=0.05時，自由度=n-2=10-2=8，查相關(guān)系數(shù)表得R0.05=0.632。因為R1=0.99>R0.05=0.632，故在α=0.05的顯著性檢驗水平上檢驗通過，說明國內(nèi)生產(chǎn)總值與鐵路客運量存在明顯的線性關(guān)系。

（2）對國內(nèi)生產(chǎn)總值與鐵路貨運量之間的線性關(guān)系進行驗證，根據(jù)式（10），R2=∑ni=1（xi--x）·（yi--y）∑ni=1（xi--x）2·∑ni=1（yi--y）2=0.34，在α=0.05時，自由度=n-2=10-2=8，查相關(guān)系數(shù)表得R0.05=0.632。因為R2=0.34<R0.05=0.632，故在α=0.05的顯著性檢驗水平上檢驗不通過，說明國內(nèi)生產(chǎn)總值（GDP）與鐵路貨運量不存在線性關(guān)系。

3.2.2 回歸系數(shù)t檢驗

分別對y1=0.37+0.36x、y2=34.01+0.06x進行t檢驗。

（1）對國內(nèi)生產(chǎn)總值（GDP）與鐵路客運量之間的線性關(guān)系進行驗證，根據(jù)式（11），tb1=b1Sb1=b1·∑（xi--x）2∑（yi-y't）2/（n-2）=31.5，在α=0.05時，自由度=n-2=10-2=8，查t檢驗表得t（α/2，8）=t（0.025，8）=2.306。因為tb1=31.5>t（0.025，8）=2.306，故在α=0.05的顯著性檢驗水平上t檢驗通過，說明國內(nèi)生產(chǎn)總值（GDP）與鐵路客運量存在明顯的線性關(guān)系。

（2）對國內(nèi)生產(chǎn)總值與鐵路貨運量之間的線性關(guān)系進行驗證，根據(jù)式（11），tb2=b2Sb2=b2·∑（xi--x）2∑（yi-y't）2/（n-2）

=1.03，在α=0.05時，自由度=n-2=10-2=8，查t檢驗表得t（α/2，8）=t（0.025，8）=2.306。因為tb2=1.03<t（0.025，8）=2.306，故在α=0.05的顯著性檢驗水平上t檢驗不通過，說明國內(nèi)生產(chǎn)總值（GDP）與鐵路貨運量不存在線性關(guān)系。

綜上所述，可知鐵路客運量與國內(nèi)生產(chǎn)總值（GDP）存在線性關(guān)系，可以使用線性回歸模型預(yù)測“十四五”期間的客運量;鐵路貨運量與國內(nèi)生產(chǎn)總值（GDP）不存在線性關(guān)系，不可以使用線性回歸模型預(yù)測“十四五”期間的貨運量。

3.3 模型檢驗

國內(nèi)生產(chǎn)總值（GDP）與鐵路客運量之間存在明顯線性關(guān)系，依據(jù)y1=0.37+0.36x得出2010—2019年的客運量預(yù)測值與實際值，將其進行對比分析，研究結(jié)果詳見表3。

由表3分析可知，十年間平均相對誤差僅為1.74%，準(zhǔn)確程度高達98.26%，因此采用線性回歸模型預(yù)測鐵路客運量是可靠準(zhǔn)確的。

4 客貨運量預(yù)測結(jié)果分析

4.1 客運量預(yù)測結(jié)果

由前文可知，鐵路客運量與國內(nèi)生產(chǎn)總值（GDP）之間存在明顯的線性關(guān)系，具體如式（14）所示：

y1=0.37+0.36x（14）

目前我國經(jīng)濟發(fā)展由高速增長進入了高質(zhì)量發(fā)展的新常態(tài)，預(yù)計“十四五”期間經(jīng)濟結(jié)構(gòu)繼續(xù)轉(zhuǎn)型升級，發(fā)展質(zhì)量進一步提高，結(jié)構(gòu)進一步優(yōu)化。根據(jù)世界銀行、國際貨幣基金組織以及國家發(fā)展改革委員會等權(quán)威機構(gòu)預(yù)測，中國“十四五”期間國內(nèi)生產(chǎn)總值年均增長6.0%左右，根據(jù)上述公式可計算出“十四五”期間的鐵路客運量，詳見表4。

由表4可知，2021—2025年客運量呈增長的趨勢，到2025年全國鐵路客運量接近50億人次，并且增量范圍在5%～7%，符合鐵路客運量的增長情況，預(yù)測的結(jié)果是較為準(zhǔn)確可靠的。

4.2 貨運量預(yù)測分析

目前我國鐵路貨運量主要由大宗貨物煤炭、礦石和鋼材等構(gòu)成，“白貨”以及高附加值的輕快貨物占比較小。隨著經(jīng)濟結(jié)構(gòu)持續(xù)轉(zhuǎn)型升級，煤炭、鋼鐵等行業(yè)產(chǎn)能調(diào)整，進出口貿(mào)易政策變化等因素的影響，全社會大宗貨物需求量呈下降趨勢，而“白貨”以及高附加值的輕快貨物需求量快速增加。但既有鐵路貨物運輸組織、運輸裝備、企業(yè)管理等諸多方面均不適應(yīng)目前的運輸需求，導(dǎo)致鐵路貨運量出現(xiàn)波動。

5 結(jié)語

根據(jù)預(yù)測結(jié)果，“十四五”期間鐵路客運量將持續(xù)增長，符合我國的經(jīng)濟發(fā)展形勢。為了使鐵路行業(yè)在“十四五”期間繼續(xù)保持適度的建設(shè)投資規(guī)模，其中高速鐵路建設(shè)需加快進度以滿足日益增長的客運需求，需通過優(yōu)化運輸組織、旅客列車開行方案及科學(xué)合理制定列車運行圖、實行“一日一圖”、采取浮動票價等措施，最大限度吸引客流，提高鐵路客運量。同時應(yīng)進一步調(diào)整鐵路貨運組織方式，面向市場提高企業(yè)管理水平和競爭力，提高服務(wù)意識，可利用高速動車組運送高附加值貨物，提高鐵路的綜合競爭力。

參考文獻

[1]侯維磊，劉力軍，崔晶娜.基于GRA-PCA-GA-BP網(wǎng)絡(luò)模型的鐵路貨運量預(yù)測分析[J].鐵道貨運，2017，35（1）：54-58.

[2]楊 軍，侯忠生.基于小波分析的最小二乘支持向量機軌道交通客流預(yù)測方法[J].中國鐵道科學(xué)，2013，34（3）：122-127.

[3]Dragomiretskly K，Zosso D.Variational Mode Decomposition[J].IEEE Transactions on Signal Processing，2014，62（3）：531-544.

[4]馮 妍，李得偉.基于Logit模型的城際運輸通道客運量分擔(dān)率計算研究[J].鐵道運輸與經(jīng)濟，2016，38（4）：47-51.

[5]郝軍章，崔玉杰，韓江雪.基于SARIMA模型在我國鐵路客運量中的預(yù)測[J].數(shù)學(xué)的實踐與認識，2015，45（18）：95-104.

[6]楊祺煊.基于主成分分析與GA-BP網(wǎng)絡(luò)的鐵路客運量預(yù)測研究[J].軍事交通學(xué)院學(xué)報，2017，19（2）：84-89.

[7]周鵬飛.高速鐵路跨線客流輸送模式研究[D].北京：北京交通大學(xué)，2015.

[8]張曉宇.高速鐵路列車開行方案關(guān)鍵要素對客運需求的影響研究[D].北京：北京交通大學(xué)，2016.

收稿日期：2021-03-22

基金項目：2020年度國內(nèi)主要鐵路基礎(chǔ)技術(shù)資料分析研究（編號：2020YY340313）

作者簡介：

白少明（1986—），工程師，主要從事鐵路運輸組織研究工作。