崔淑華,徐鳳嬌
(東北林業(yè)大學(xué) 交通學(xué)院,黑龍江 哈爾濱 150040)
隨著我國(guó)經(jīng)濟(jì)的迅速發(fā)展,國(guó)民經(jīng)濟(jì)逐漸壯大、人民收入水平不斷提高、道路建設(shè)也得到了進(jìn)一步完善,這些都推動(dòng)了我國(guó)汽車行業(yè)的飛速發(fā)展。國(guó)家統(tǒng)計(jì)局?jǐn)?shù)據(jù)顯示,截至2016年底,全國(guó)機(jī)動(dòng)車保有量已達(dá)2.9億輛,其中汽車1.94億輛;機(jī)動(dòng)車駕駛?cè)?.6億人,其中汽車駕駛?cè)顺^3.1億人[1]。隨著汽車行業(yè)的發(fā)展,機(jī)動(dòng)車駕駛員培訓(xùn)行業(yè)的規(guī)模也在逐漸擴(kuò)大。
機(jī)動(dòng)車駕駛員培訓(xùn)行業(yè)的發(fā)展以適應(yīng)市場(chǎng)需求為導(dǎo)向[2],其發(fā)展規(guī)模同時(shí)又受到各種因素的影響,因此,對(duì)機(jī)動(dòng)車駕駛員培訓(xùn)行業(yè)發(fā)展的影響因素進(jìn)行分析具有重要意義。
隨著我國(guó)經(jīng)濟(jì)的快速發(fā)展,2010—2016年我國(guó)國(guó)內(nèi)生產(chǎn)總值保持年均8.02%的增長(zhǎng)率,同時(shí),民用汽車保有量增長(zhǎng)率基本保持在12%以上。經(jīng)濟(jì)的快速發(fā)展大大提高了人民的生活水平,促進(jìn)人們的消費(fèi)與需求,改變了消費(fèi)觀念與出行方式[3]。購買私家車已成為消費(fèi)者滿足出行方便與舒適的途徑,私家車保有量的增加是駕駛員培訓(xùn)行業(yè)發(fā)展的重要因素。圖1為2010—2016年城鎮(zhèn)居民家庭平均每百戶汽車擁有量與居民消費(fèi)水平,其發(fā)展趨勢(shì)一致,一定程度上表現(xiàn)了經(jīng)濟(jì)水平對(duì)機(jī)動(dòng)車駕駛員培訓(xùn)行業(yè)發(fā)展的影響。考慮經(jīng)濟(jì)發(fā)展對(duì)居民收入及消費(fèi)水平的提升體現(xiàn)在人均生產(chǎn)總值和居民消費(fèi)水平上,因此,本文選擇人均地區(qū)生產(chǎn)總值與居民消費(fèi)水平為經(jīng)濟(jì)水平指標(biāo),反映經(jīng)濟(jì)發(fā)展水平對(duì)機(jī)動(dòng)車駕駛員培訓(xùn)行業(yè)發(fā)展的影響。
人口規(guī)模也影響機(jī)動(dòng)車駕駛員培訓(xùn)行業(yè)的發(fā)展。截至2016年年末,我國(guó)的城市化水平已達(dá)到57.4%。城鎮(zhèn)化的進(jìn)程表明未來將有大量農(nóng)村人口涌進(jìn)城市,因此,城鎮(zhèn)化的推進(jìn)會(huì)增加地區(qū)人口密度。另外,人口的工作性質(zhì)、生活方式以及消費(fèi)能力的差異對(duì)機(jī)動(dòng)車駕駛培訓(xùn)的需求也產(chǎn)生了較大影響,相比較而言,城市人口的消費(fèi)能力與工作性質(zhì)都會(huì)對(duì)汽車產(chǎn)生更大的需求量[4-6]。人口的年齡分布與機(jī)動(dòng)車駕駛員培訓(xùn)的需求也有一定的相關(guān)性,美國(guó)18~24歲持駕照比例高達(dá)92%,高校在校生處于該年齡段,從未來工作生活需要出發(fā)而選擇在學(xué)校期間報(bào)考機(jī)動(dòng)車駕照的人數(shù)逐年增多。本文采用年末常住人口、城鎮(zhèn)人口、鄉(xiāng)村人口、高等學(xué)校在校生作為指標(biāo),反應(yīng)人口規(guī)模對(duì)機(jī)動(dòng)車駕駛員培訓(xùn)行業(yè)發(fā)展的影響。
我國(guó)汽車行業(yè)發(fā)展迅速,2016年汽車產(chǎn)量已達(dá)到2 811.91萬輛,社會(huì)汽車保有量逐年增長(zhǎng),其中民用汽車擁有量已達(dá)18 574. 54萬輛,私人汽車擁有量為16 330.22萬輛。車輛保有量的增長(zhǎng)促進(jìn)了機(jī)動(dòng)車駕駛培訓(xùn)的需求,影響了機(jī)動(dòng)車駕駛員培訓(xùn)行業(yè)的發(fā)展[7-9]。因此,本文選用民用汽車擁有量、私人汽車擁有量、城市公共交通運(yùn)營(yíng)車輛數(shù)、出租汽車數(shù)量作為指標(biāo),反應(yīng)車輛保有量對(duì)機(jī)動(dòng)車駕駛員培訓(xùn)行業(yè)發(fā)展的影響指標(biāo)。
交通安全狀況對(duì)社會(huì)財(cái)產(chǎn)安全存在一定影響。國(guó)家統(tǒng)計(jì)年鑒數(shù)據(jù)顯示,2016年我國(guó)交通事故發(fā)生212 846起,受傷人數(shù)達(dá)63 093人,交通事故直接財(cái)產(chǎn)損失共計(jì)120 760萬元。區(qū)域交通狀況會(huì)影響物資流通以及人員的出行方式,對(duì)促進(jìn)地區(qū)經(jīng)濟(jì)發(fā)展具有重要意義。良好的交通安全狀況會(huì)降低交通事故的發(fā)生率,同時(shí),也會(huì)減少交通事故的財(cái)產(chǎn)損失,間接增加居民購買車輛的信心并促進(jìn)機(jī)動(dòng)車駕駛員的培訓(xùn)行業(yè)發(fā)展。因此,本文選擇交通事故量作為指標(biāo),反應(yīng)交通安全狀況對(duì)機(jī)動(dòng)車駕駛員培訓(xùn)行業(yè)發(fā)展的影響。
基于機(jī)動(dòng)車駕駛員培訓(xùn)行業(yè)影響因素的分析,構(gòu)建機(jī)動(dòng)車駕駛員培訓(xùn)行業(yè)影響因素的指標(biāo)體系,包括經(jīng)濟(jì)水平、人口規(guī)模、車輛保有量、交通安全狀況四個(gè)方面的11個(gè)影響因素,如表1所示。
表1 機(jī)動(dòng)車駕駛員培訓(xùn)行業(yè)發(fā)展影響指標(biāo)體系
應(yīng)用建立的影響因素指標(biāo)體系進(jìn)行分析時(shí),需要確定各指標(biāo)的權(quán)重,但影響因素較多且各因素間可能存在的相關(guān)性,主成分分析方法可以將高維空間的問題轉(zhuǎn)化到低維空間去處理,使問題變得比較簡(jiǎn)單、直觀,也就是將多個(gè)指標(biāo)轉(zhuǎn)化為數(shù)目較少的綜合指標(biāo),且消除評(píng)價(jià)指標(biāo)間的相關(guān)性,并能夠表示原有指標(biāo)的絕大部分信息[10-12]。
假定有n個(gè)樣本數(shù),每個(gè)樣本都有p個(gè)變量,這樣可以構(gòu)成一個(gè)n×p階樣本數(shù)據(jù)矩陣,記為X。原變量指標(biāo)記為x1,x2,…,xp,將原變量指標(biāo)降維后的綜合指標(biāo)記為z1,z2,…,zm(m
其中主成分之間不相關(guān),z1是x1,x2,…,xp的一切線性組合中方差最大者,z2是與z1不相關(guān)的x1,x2,…,xp的一切線性組合中方差最大者,依次類推,zm與zm-1不相關(guān),且為x1,x2,…,xp的一切線性組合中方差最大者。因此,主成分z1,z2,…,zm(m
1)原樣本數(shù)據(jù)記為X,將原樣本數(shù)據(jù)矩陣X進(jìn)行標(biāo)準(zhǔn)化處理,可得到標(biāo)準(zhǔn)化矩陣
2)計(jì)算相關(guān)系數(shù)矩陣
3)計(jì)算特征根與特征向量。由特征根方程λ-R=0可求出p個(gè)特征根λ(i=1,2,…,p),并按照數(shù)值大小依次排列,且大于0。對(duì)于特征根λ,根據(jù)公式λ-R=0,能夠得到特征向量矩陣F。
4)主成分的貢獻(xiàn)率。主成分的貢獻(xiàn)率為Qi與累積貢獻(xiàn)率為Q∑(m),λ為特征值,計(jì)算公式分別為
(i=1,2,…,p;j=1,2,…,p),
當(dāng)前m個(gè)主成分的累積貢獻(xiàn)率Q∑(m)達(dá)到85%~95%時(shí)就可以取前m個(gè)主成分作為新的綜合變量。
本文在表1所示的指標(biāo)體系下運(yùn)用SPSS軟件對(duì)黑龍江省機(jī)動(dòng)車駕駛員培訓(xùn)行業(yè)發(fā)展的影響因素進(jìn)行主成分分析。
數(shù)據(jù)由《國(guó)家省統(tǒng)計(jì)年鑒》《黑龍江省統(tǒng)計(jì)年鑒》中獲取,采用黑龍江省2009—2016年的指標(biāo)數(shù)據(jù)(見表2)。
表2 2009—2016年指標(biāo)數(shù)據(jù)
本文采用的指標(biāo)數(shù)據(jù)較多,且數(shù)量級(jí)的差別較大。因此,為消除原始數(shù)據(jù)量綱不同所帶來的影響,在進(jìn)行主成分分析前需要對(duì)原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理,得到的標(biāo)準(zhǔn)化數(shù)據(jù)X*如表3所示。
表3 標(biāo)準(zhǔn)化數(shù)據(jù)
4.3.1主成分的特征值與貢獻(xiàn)率
對(duì)標(biāo)準(zhǔn)化后的數(shù)據(jù)運(yùn)用SPSS軟件進(jìn)行主成分分析,得到的主成分分析結(jié)果如表4所示。
表4 主成分分析結(jié)果
根據(jù)主成分分析結(jié)果可知成分1、2、3的特征值均大于1,并且累積貢獻(xiàn)率可以達(dá)93%,說明成分1、2、3可以作為綜合指標(biāo)且能夠充分表達(dá)11個(gè)影響因素的93%的信息。
4.3.2特征向量矩陣
將已知特征根λ代入到特征方程λ-R=0中,可求得特征向量矩陣為
主成分的表達(dá)式為特征向量F與標(biāo)準(zhǔn)化數(shù)據(jù)X*的乘積,即成分1、2、3分別為(綜合指標(biāo))主成分z1、z2、z3,因此,主成分的表達(dá)式為
本文基于機(jī)動(dòng)車駕駛員培訓(xùn)行業(yè)發(fā)展影響因素指標(biāo)體系對(duì)黑龍江省機(jī)動(dòng)車駕駛員培訓(xùn)行業(yè)發(fā)展的影響因素進(jìn)行了主成分分析,通過分析得到的3個(gè)綜合指標(biāo)(z1、z2、z3)對(duì)黑龍江省機(jī)動(dòng)車駕駛員培訓(xùn)行業(yè)發(fā)展影響的解釋可以達(dá)到93%,且為原變量指標(biāo)因素的線性組合。綜合指標(biāo)z1在原變量指標(biāo)上有較大的負(fù)載且表達(dá)了總體信息的72.9%,表明對(duì)黑龍江省機(jī)動(dòng)車駕駛員培訓(xùn)行業(yè)發(fā)展影響最大的因素是人口規(guī)模與車輛保有量;z2表達(dá)了總體信息的11.3%,其在居民消費(fèi)水平與道路交通事故數(shù)上有較大的負(fù)載,說明居民消費(fèi)水平與道路交通事故數(shù)對(duì)機(jī)動(dòng)車駕駛員培訓(xùn)行業(yè)的發(fā)展有較大影響;z3表達(dá)了總體信息的9.7%,并在高等學(xué)校在校生上有著較大負(fù)載,說明高等學(xué)校在校生人數(shù)對(duì)機(jī)動(dòng)車駕駛員培訓(xùn)行業(yè)的發(fā)展存在一定影響。
參考文獻(xiàn):
[1]國(guó)家統(tǒng)計(jì)局.中國(guó)統(tǒng)計(jì)年鑒[Z].北京:中國(guó)統(tǒng)計(jì)出版社,2010-2016.
[2]李毛俠.安徽省消費(fèi)需求影響因素的主成分回歸分析[J].現(xiàn)代物業(yè)(中旬刊),2010,9(2):48-51.
[3]王崢嶸.現(xiàn)階段我國(guó)小型汽車駕駛培訓(xùn)量預(yù)測(cè)方法研究[D].南京:東南大學(xué),2015.
[4]王亞楠. 中國(guó)農(nóng)村人口變化趨勢(shì)研究[D].南京:南京農(nóng)業(yè)大學(xué),2015.
[5]李晉玲,喬麗思.基于主成分回歸分析的長(zhǎng)治市城鎮(zhèn)化影響因素研究[J].山西師范大學(xué)學(xué)報(bào)(自然科學(xué)版),2017,31(1):99-105.
[6]李學(xué)成.人均GDP增長(zhǎng)對(duì)我國(guó)私人汽車未來需求的影響[J].特區(qū)經(jīng)濟(jì),2010(1):284-285.
[7]巴云軍.淺談加強(qiáng)駕校質(zhì)量管理的措施[J].現(xiàn)代營(yíng)銷(下旬刊),2016(5):41-42.
[8]蔣艷梅,趙文平.Logistic模型在我國(guó)私人汽車保有量預(yù)測(cè)中的應(yīng)用研究[J].工業(yè)技術(shù)經(jīng)濟(jì),2010,29(11):99-104.
[9]冀華姝,靳文舟.基于計(jì)量經(jīng)濟(jì)學(xué)模型的汽車保有量預(yù)測(cè)[J].交通運(yùn)輸系統(tǒng)工程與信息,2005,5(2):74-78
[10] FARBER L A. Genetic data analysis with neural networks[J]. Neral Information Processing System-Nature and Synthetic,2009:85-98.
[11] 邢航. 多因素方差分析中數(shù)學(xué)模型的建立與檢驗(yàn)方法[J]. 電大理工,2008(2):73-75.
[12] YIN Hongbin,WBNG S C, XU Jiamnin. Urban traffic how prediction using a flizzy-neural approach[J].Transportation research Parter 2010,10(2):85-98.