胡郁蔥，黃靖翔，石一飛，張曼瑩

(華南理工大學(xué) 土木與交通學(xué)院，廣東 廣州 510640)

0　引　言

隨著經(jīng)濟(jì)的快速發(fā)展，各大城市私家車(chē)的保有量迅猛增長(zhǎng)。以廣州市為例，截至2015年年底，汽車(chē)保有量達(dá)到224萬(wàn)輛，交通擁堵情況日趨嚴(yán)重。為緩解擁堵，廣州市交通主管部門(mén)出臺(tái)實(shí)施差異化停車(chē)收費(fèi)，其目的并不在于收費(fèi)本身，意圖利用經(jīng)濟(jì)手段調(diào)節(jié)私家車(chē)使用頻率，降低在高峰時(shí)間過(guò)度使用的私家車(chē)給中心城區(qū)帶來(lái)的交通壓力。然而，該政策的實(shí)施，卻并未帶來(lái)預(yù)期的效果[1]。其原因在于不同類(lèi)型用戶(hù)由于其收入水平、職業(yè)特性、出行目的以及消費(fèi)習(xí)慣等特征的不同，對(duì)同一政策的反應(yīng)、接受程度和適應(yīng)期等特性均會(huì)不同。因此，有必要對(duì)廣州市私家車(chē)出行特征進(jìn)行精細(xì)化研究，掌握各類(lèi)用戶(hù)可能對(duì)政策實(shí)施的反應(yīng)，才能對(duì)政策的影響力有較為科學(xué)的把握，為政策的制定和實(shí)施提供合理的依據(jù)。

A. D. PALMA等[2]研究了瑞士首都日內(nèi)瓦居民工作出行的選擇方式，通過(guò)模型計(jì)算發(fā)現(xiàn)個(gè)人(家庭)的社會(huì)經(jīng)濟(jì)屬性是影響居民工作出行的核心因素。Z. PENG等[3]研究了波特蘭地區(qū)停車(chē)收費(fèi)政策對(duì)城市工作出行的方式選擇的影響，研究結(jié)果發(fā)現(xiàn)停車(chē)費(fèi)率對(duì)通勤出行方式的選擇有著顯著的影響，提高停車(chē)價(jià)格和公共交通服務(wù)水平更能有效地減少私家車(chē)出行頻率、增加公交的使用。韓艷等[4]建立了小汽車(chē)通勤出行頻率選擇模型定量分析停車(chē)位供應(yīng)狀況、停車(chē)費(fèi)、燃油價(jià)格等因素對(duì)小汽車(chē)使用者通勤出行頻率的影響，獲取高燃油價(jià)格下小汽車(chē)通勤行為隨燃油價(jià)格變化的規(guī)律；趙偉濤[5]研究了通勤出行時(shí)間價(jià)值模型，經(jīng)過(guò)模型計(jì)算可分別得出私家車(chē)和公交車(chē)的時(shí)間價(jià)值，而提高公交車(chē)的時(shí)間價(jià)值對(duì)出行者減少私家車(chē)出行率有重要參考意義。

目前國(guó)內(nèi)外研究家庭經(jīng)濟(jì)屬性對(duì)居民出行方式選擇的內(nèi)容較多，但針對(duì)居民私家車(chē)出行率的研究卻比較少，尤其是基于家庭收入差異性的相關(guān)研究。因此，筆者對(duì)廣州市私家車(chē)車(chē)主開(kāi)展了通勤出行相關(guān)的SP/RP調(diào)查，根據(jù)調(diào)查數(shù)據(jù)，重點(diǎn)針對(duì)家庭收入這一重要影響因素，構(gòu)建不同家庭收入的私家車(chē)通勤出行率影響模型，得到不同家庭收入的出行者對(duì)各類(lèi)影響因素變化的反應(yīng)，定量分析各因素帶來(lái)的私家車(chē)通勤出行率變化情況，為政府決策提供重要的依據(jù)，也能為預(yù)測(cè)政策實(shí)施效果提供有效的參考。

1　廣州市私家車(chē)出行率調(diào)查

1.1　調(diào)查目的與方法

本次調(diào)查希望獲取廣州市居民的家庭收入水平，同時(shí)調(diào)查其現(xiàn)狀條件下的私家車(chē)通勤出行使用情況，以及在假定政策場(chǎng)景下私家車(chē)通勤出行使用頻率的改變情況，從而獲取影響不同家庭收入的私家車(chē)通勤出行使用情況的重要因素，定量分析各家庭收入水平的私家車(chē)通勤出行率受到這些因素影響的程度。

在SP調(diào)查(stated preference survey)中，以事先確定的屬性(或因素)及其水平組成各種情境，再由這些情境構(gòu)成替選方案，供受訪(fǎng)者以評(píng)分、等級(jí)排序或離散選擇的方式評(píng)估其對(duì)各項(xiàng)選擇的整體偏好[2]。RP調(diào)查(revealed preference survey)是指針對(duì)某些已經(jīng)實(shí)施的政策或者已經(jīng)存在的設(shè)施進(jìn)行相關(guān)調(diào)查，請(qǐng)被調(diào)查者根據(jù)他們的實(shí)際出行行為填寫(xiě)調(diào)查問(wèn)卷，在此基礎(chǔ)上建立的相關(guān)概率或其他模型。實(shí)際調(diào)查RP數(shù)據(jù)具有可靠性，意向調(diào)查SP數(shù)據(jù)具有靈活性[6]。為了更好的將兩種數(shù)據(jù)結(jié)合起來(lái)，減少交通調(diào)查的工作量，提高調(diào)查的精確性，筆者采用了SP/RP組合調(diào)查方案。

1.2　調(diào)查方案

通過(guò)RP調(diào)查獲取私家車(chē)車(chē)主的家庭月收入情況和私家車(chē)通勤出行頻率，了解私家車(chē)出行者使用私家車(chē)的相關(guān)費(fèi)用情況(如家庭端和目的地端停車(chē)費(fèi)、每月燃油費(fèi)等)[7]。通過(guò)初步的調(diào)查和數(shù)據(jù)分析，確定影響私家車(chē)車(chē)主選擇私家車(chē)作為通勤出行交通工具的主要因素為目的地端停車(chē)費(fèi)、燃油費(fèi)以及高峰期的公交等車(chē)時(shí)間，故SP調(diào)查過(guò)程中，將目的端停車(chē)費(fèi)上漲幅度、汽車(chē)燃油費(fèi)上漲幅度和公交等車(chē)時(shí)間下降幅度設(shè)置不同水平，供被調(diào)查者選擇相應(yīng)的私家車(chē)出行頻率變化情況，用以研究各類(lèi)因素對(duì)私家車(chē)出行率的影響程度。根據(jù)初步調(diào)查的結(jié)果修改，確定最終調(diào)查對(duì)費(fèi)用上漲幅度和公交等車(chē)時(shí)間下降幅度分別設(shè)置3個(gè)水平，具體調(diào)查因素及水平見(jiàn)表1。

表1　調(diào)查因素及其水平Table 1　Factors and level of investigation

考慮到實(shí)際情況中，政策的制定出臺(tái)通常是針對(duì)于某一具體因素的，較少出現(xiàn)同時(shí)改變幾種因素的情況，故本次調(diào)查的情景設(shè)定均是單一變量的，假設(shè)條件如下：

1) 每種因素水平變化情景下，其他因素均保持現(xiàn)狀不變。

2) 考慮到優(yōu)先發(fā)展公共交通的政策，因素情景的設(shè)定均是以減少私家車(chē)出行率為大方向。

3) 調(diào)查過(guò)程中發(fā)現(xiàn)目前公交服務(wù)水平(包括等車(chē)時(shí)間和擁擠度)對(duì)于多數(shù)私家車(chē)通勤出行者而言是難以忍受的，當(dāng)公交等車(chē)時(shí)間縮減后，對(duì)應(yīng)的公交車(chē)擁擠度也會(huì)相應(yīng)下降，考慮二者非獨(dú)立，故筆者僅針對(duì)公交等車(chē)時(shí)間進(jìn)行建模，該指標(biāo)可作為公交服務(wù)水平的代表。

1.3　調(diào)查及分類(lèi)結(jié)果

調(diào)查采用現(xiàn)場(chǎng)問(wèn)卷調(diào)查和網(wǎng)絡(luò)問(wèn)卷調(diào)查相結(jié)合的形式。調(diào)查時(shí)間為2015年7月10日—17日。調(diào)查問(wèn)卷共回收1 746份，以私家車(chē)為主要通勤工具的有效問(wèn)卷1 401份，有效率80.24%；參與者男女比例為1.06∶1，60%的參與者年齡為30～50歲；私家車(chē)平均通勤出行次數(shù)為8.16次/周。私家車(chē)通勤出行次數(shù)分布情況如表2，可以看到超過(guò)80%的私家車(chē)通勤者每周出行次數(shù)在9次以下。

不同家庭收入的私家車(chē)出行者分類(lèi)、比例、出行次數(shù)及費(fèi)用情況如表3?？紤]家庭月收入低于0.6萬(wàn)元和高于4萬(wàn)元的調(diào)查人群占比過(guò)小，僅為1%，因此所采集的數(shù)據(jù)存在一定的偶然性，無(wú)法代表該群體的真實(shí)情況，故筆者后續(xù)研究將其忽略，僅考慮家庭月收入為0.6～4萬(wàn)元的4類(lèi)人群，即表3中的A2、A3、A4和A5共4類(lèi)。

表2　私家車(chē)通勤出行次數(shù)分布Table 2　Distribution of commuter travel times of private cars

表3　私家車(chē)主出行分類(lèi)表及其出行次數(shù)Table 3　Travel category and times of private car owners

2　不同家庭收入的私家車(chē)通勤出行率改變量模型的構(gòu)建及標(biāo)定

2.1　模型構(gòu)建

筆者僅考慮在單一研究因素：目的地端停車(chē)費(fèi)用上漲幅度(下文簡(jiǎn)寫(xiě)為停車(chē)費(fèi)用上漲幅度)、燃油費(fèi)用上漲幅度或公交車(chē)等車(chē)時(shí)間下降幅度改變時(shí)，對(duì)應(yīng)的私家車(chē)通勤出行次數(shù)的變化情況。當(dāng)居民在不同因素發(fā)生變化，面臨是否繼續(xù)使用私家車(chē)作為通勤交通工具時(shí)，主要的考慮因素為家庭端停車(chē)費(fèi)、目的地端停車(chē)費(fèi)、燃油費(fèi)3個(gè)費(fèi)用因素，因此這些因素作為模型的協(xié)變量?？紤]研究對(duì)象是通勤出行率的改變情況，則每減少一次通勤出行，意味著將減少兩次私家車(chē)出行(居住地至工作地、工作地至居住地)，故其通勤出行次數(shù)改變量應(yīng)為偶數(shù)。

選用著名的多項(xiàng)Logistic模型[9-10]表示車(chē)主l因m的變化而導(dǎo)致其私家車(chē)通勤出行次數(shù)減少情況：不改變、減少2次/周、減少4次/周、減少6次/周、減少8次/周以及減少10次/周及以上。則，對(duì)于每類(lèi)車(chē)主的每個(gè)影響因素會(huì)有6個(gè)選擇枝，各選擇枝的效用函數(shù)表示為

(1)

故各類(lèi)家庭收入私家車(chē)主l因影響因素m的變化而導(dǎo)致其私家車(chē)通勤出行次數(shù)減少n次/周的概率Plm(n)可表達(dá)為

(2)

各字母的意義同前，此處不再贅述。

2.2　模型參數(shù)標(biāo)定

以調(diào)查所得的廣州市私家車(chē)車(chē)主數(shù)據(jù)為基礎(chǔ)，運(yùn)用統(tǒng)計(jì)分析軟件SPSS[11]中的Logistic回歸模型對(duì)每一類(lèi)出行者進(jìn)行回歸分析，得出模型參數(shù)標(biāo)定結(jié)果。因涉及4類(lèi)出行者、3類(lèi)影響因素和6種出行次數(shù)變化情況，模型參數(shù)達(dá)360個(gè)(4×3×6×5)，故此處僅以燃油費(fèi)用上漲幅度導(dǎo)致A4類(lèi)私家車(chē)車(chē)主通勤出行次數(shù)改變的模型為例表示模型標(biāo)定結(jié)果，其中l(wèi)=A4，m=f(燃油費(fèi)用上漲幅度)，具體見(jiàn)表4，模型檢驗(yàn)結(jié)果見(jiàn)表5，類(lèi)似模型共有12組。

表4　私家車(chē)出行次數(shù)改變量模型參數(shù)標(biāo)定結(jié)果Table 4　Parameter calibration results of change quantity model of private vehicle travel times

注：以0次出行選擇的總效用值為0進(jìn)行參數(shù)標(biāo)定，故其系數(shù)均為0。

表5　模型檢驗(yàn)結(jié)果(SPSS)Table 5　Test results of model(SPSS)

從表5結(jié)果顯示，該模型各參數(shù)卡方值均大于顯著性水平為0.05的臨界值11.070，故通過(guò)卡方檢驗(yàn)；該模型的擬合優(yōu)度指標(biāo)Cox & SnellR2和NagelkerkeR2均接近典型臨界值0.5，說(shuō)明模型對(duì)數(shù)據(jù)的擬合效果好，可用于私家車(chē)通勤出行率的定量計(jì)算之中。其余11組模型檢驗(yàn)結(jié)果與示例類(lèi)似，各模型參數(shù)值均可通過(guò)卡方檢驗(yàn)，且Cox & SnellR2分布范圍為0.460～0.808之間，NagelkerkeR2分布范圍為0.498～0.844，最低值為停車(chē)費(fèi)用上漲幅度導(dǎo)致A4類(lèi)私家車(chē)車(chē)主通勤出行次數(shù)改變的模型。從參數(shù)檢驗(yàn)和擬合優(yōu)度兩方面進(jìn)行評(píng)判，筆者構(gòu)建的模型效果較優(yōu)，可進(jìn)行后續(xù)分析工作。

3　私家車(chē)通勤出行率改變模型結(jié)果分析

筆者研究項(xiàng)目眾多，受篇幅所限，此處僅以各因素變化一個(gè)水平等級(jí)為例，分析各類(lèi)家庭收入的廣州私家車(chē)車(chē)主通勤出行次數(shù)減少情況。圖1～圖3分別列出受不同因素變化的影響，各類(lèi)家庭收入的私家車(chē)通勤出行次數(shù)下降比例，結(jié)果由上述模型計(jì)算所得。根據(jù)不同因素變化下各出行次數(shù)改變量的概率，計(jì)算出不同人群的通勤出行次數(shù)改變量(單位為：次/周)，結(jié)合調(diào)查所得的現(xiàn)狀通勤出行次數(shù)，進(jìn)行不同人群的平均通勤出行次數(shù)預(yù)測(cè)，具體結(jié)果見(jiàn)表6。

圖1　停車(chē)費(fèi)用上漲30%時(shí)的私家車(chē)通勤出行次數(shù)改變比例Fig. 1　Proportion of private car owners changing the commuting trips when parking fees rise up by 30%

圖2　燃油費(fèi)用上漲30%時(shí)的私家車(chē)通勤出行次數(shù)改變比例Fig. 2　Proportion of private car owners changing the commuting trips when fuel costs rise up by 30%

圖3　公交等車(chē)時(shí)間下降30%時(shí)的私家車(chē)通勤出行次數(shù)改變比例Fig. 3　Proportion of private car owners changing the commuting trips when the waiting time of buses decreases by 30%

結(jié)合圖1～圖3和表6的內(nèi)容，現(xiàn)可對(duì)廣州市私家車(chē)通勤出行次數(shù)改變情況做出以下結(jié)論：

1) 對(duì)于不同家庭收入的私家車(chē)車(chē)主，當(dāng)同一影響因素改變時(shí)，他們各自的反應(yīng)差異明顯，具體表現(xiàn)在家庭收入越高，對(duì)各因素的敏感程度越低。從圖1可看出，當(dāng)停車(chē)費(fèi)提高30%后，91.82%的A2類(lèi)低家庭收入出行者減少了私家車(chē)通勤出行次數(shù)，而A5類(lèi)高家庭收入的出行者僅22.04%做出減少出行次數(shù)的決策，其他因素均存在類(lèi)似情況。通過(guò)表6也可以看出每一影響因素對(duì)不同家庭收入出行者具有不同的影響效果：收入越高，受因素變化引起的下降幅度越低，且存在明顯差異。

表6　各影響因素變化下各類(lèi)私家車(chē)車(chē)主通勤出行次數(shù)改變情況Table 6　Situation of different private car owners changing commuting trip times under various influencing factors　(次·周-1)

2) 計(jì)算同一因素對(duì)不同家庭收入出行者的改變量均值的極差和標(biāo)準(zhǔn)差，結(jié)果見(jiàn)表7，費(fèi)用因素的極差和標(biāo)準(zhǔn)差顯著大于公交等車(chē)時(shí)間因素，從中可以得知：費(fèi)用因素對(duì)不同家庭收入出行者的影響差異性要明顯大于公交服務(wù)水平。

3) 模型結(jié)果顯示，當(dāng)目的地端停車(chē)費(fèi)用上漲30%時(shí)，將使私家車(chē)的平均通勤出行次數(shù)下降14.46%，使通勤出行次數(shù)從現(xiàn)狀8.16次/周下降到6.98次/周。說(shuō)明目的地端停車(chē)費(fèi)用的上漲，可以在一定程度上降低私家車(chē)通勤出行率，因此，鼓勵(lì)工作區(qū)域收取高額停車(chē)費(fèi)是降低私家車(chē)通勤率的方法之一。

4) 同為費(fèi)用因素，當(dāng)燃油費(fèi)用和目的地端停車(chē)費(fèi)用的漲幅同為30%時(shí)，燃油費(fèi)用的上漲將使私家車(chē)的平均通勤出行率下降36.89%，即3.01次/周，遠(yuǎn)高于停車(chē)費(fèi)用所致的1.18次/周，對(duì)降低私家車(chē)通勤出行率有更明顯的效果，因此可考慮征收燃油附加稅或其他等效政策來(lái)控制私家車(chē)通勤出行率。

表7　同一影響因素變化下各類(lèi)出行者出行次數(shù)改變量均值的極差和標(biāo)準(zhǔn)差Table 7　Range and standard deviation of the average value of change of travel times with different travelers under the same influencing factors　 (次·周-1)

5) 當(dāng)公交車(chē)等車(chē)時(shí)間下降30%后，將有33.68%的私家車(chē)通勤出行者選擇減少私家車(chē)通勤出行次數(shù)，私家車(chē)通勤出行率將降低10.42%，即0.85次/周。這說(shuō)明通過(guò)提高公交服務(wù)水平來(lái)降低私家車(chē)通勤出行率有一定的效果，但是與其他手段相比，收效甚微，且高收入人群基本不會(huì)因?yàn)楣环?wù)水平的提高而降低私家車(chē)出行次數(shù)。應(yīng)考慮在提高公交服務(wù)水平的同時(shí)，輔以其他經(jīng)濟(jì)措施來(lái)促使私家車(chē)出行者放棄私家車(chē)通勤出行，選擇公交出行。

4　政策建議

結(jié)合筆者研究成果，建議廣州市交通需求管理可考慮以下策略：

1) 提高高峰期的公交服務(wù)水平

通過(guò)購(gòu)置車(chē)輛、招聘司乘人員、高峰期臨時(shí)調(diào)度等手段，縮短高峰期的公交車(chē)發(fā)班時(shí)間間隔；優(yōu)化地鐵線(xiàn)網(wǎng)布局和班次安排，縮短地鐵發(fā)班間隔和提高服務(wù)水平。

2) 實(shí)行停車(chē)差異化收費(fèi)

停車(chē)收費(fèi)的差異化，不僅應(yīng)體現(xiàn)在地區(qū)和白天夜間，更應(yīng)該精細(xì)到具體時(shí)段，對(duì)于供不應(yīng)求的地區(qū)和時(shí)段，可適當(dāng)提高收費(fèi)標(biāo)準(zhǔn)，減少通勤出行者選擇私家車(chē)作為出行工具的概率。

3) 征收燃油附加稅

調(diào)查結(jié)果顯示多數(shù)私家車(chē)通勤出行者對(duì)燃油價(jià)格最為敏感，因此征收燃油附加稅是最為有效的方法，可適度以燃油價(jià)格為標(biāo)準(zhǔn)收取。

4) 實(shí)施擁擠收費(fèi)

擁擠收費(fèi)是私家車(chē)出行行程過(guò)程中產(chǎn)生的成本，對(duì)出行者的影響與燃油費(fèi)較為相似，所以推行征收與燃油費(fèi)用水平相當(dāng)?shù)膿頂D收費(fèi)，能有效控制私家車(chē)出行率。

明顯地，實(shí)施3)和4)這類(lèi)提高行程用車(chē)成本的政策，其效果將優(yōu)于傳統(tǒng)交通需求管理手段1)和2)。

5　結(jié)　語(yǔ)

運(yùn)用多項(xiàng)Logistic模型對(duì)SP/RP調(diào)查獲得的廣州市私家車(chē)通勤出行情況數(shù)據(jù)進(jìn)行擬合，所建模型均通過(guò)參數(shù)檢驗(yàn)和擬合優(yōu)度檢驗(yàn)。以此為基礎(chǔ)，提出了一種基于家庭收入差異的私家車(chē)通勤出行率變化情況研究方法，該研究方法可以定量分析政策因素的變動(dòng)帶來(lái)的私家車(chē)通勤出行率改變情況，且由于將私家車(chē)出行者按照其家庭收入這一重要影響因素進(jìn)行分類(lèi)討論，所得結(jié)果更加符合實(shí)際，準(zhǔn)確率更高。該方法可經(jīng)擴(kuò)樣得到全市區(qū)范圍內(nèi)不同收入家庭的私家車(chē)通勤出行頻率變化情況，用以評(píng)價(jià)某一項(xiàng)具體交通管理政策的效果，為制定切實(shí)可行的交通需求管理政策提供理論支撐。

參考文獻(xiàn)(References)：

[1]魏凱.廣州市人大代表：盡量爭(zhēng)取停車(chē)費(fèi)下調(diào)[N].南方都市報(bào)，2016-02-01.

WEI Kai.Guangzhou Municipal People’s Congress：try to fight parking fees down[N].SouthernMetropolisDaily，2016-02-01.

[2]PALMA A D，ROCHAT D.Mode choice for trips to work in Geneva：an empirical analysis[J].JournalofTransportGeography，2000，8(1)：43-51.

[3]PENG Z，DUEKER K J，STRATHMAN J G.Residential location，employment location，and commuter responses to parking charge[J].TransportationResearchRecord，1996，1556：109-118.

[4]韓艷，關(guān)宏志.基于SP和RP融合數(shù)據(jù)的小汽車(chē)通勤出行頻率選擇模型[J].公路交通科技，2011，28(7)：131-135+141.

HAN Yan，GUAN Hongzhi.Car commuting frequency choice model based on SP and RP fusion data[J].JournalofHighwayandTransportationResearchandDevelopment，2011，28(7)：131-135+141.

[5]趙偉濤.通勤出行時(shí)間價(jià)值模型研究[D].北京：北京交通大學(xué)，2013.

ZHAO Weitao.ResearchonModelofTimeValueofCommuterTravel[D].Beijing：Beijing Jiaotong University，2013.

[6]劉志明，鄧衛(wèi)，郭唐儀.基于RP/SP調(diào)查的非集計(jì)模型在交通方式分擔(dān)率預(yù)測(cè)的應(yīng)用[J].交通運(yùn)輸工程與信息學(xué)報(bào)，2008，6(3)：59-64.

LIU Zhiming，DENG Wei，GUO Tangyi.Application of disaggregate model based on RP/SP survey to transportation planning[J].JournalofTransportationEngineeringandInformation，2008，6(3)：59-64.

[7]邱楊，丁衛(wèi)東.關(guān)于公交票價(jià)與私家車(chē)出行關(guān)系的研究方法[J].城市道橋與防洪，2009(4)：126-128.

QIU Yang，DING Weidong，Study method concerning relationship between bus ticket price and private car trip volume[J].UrbanRoadsBridges&FloodControl，2009(4)：126-128.

[8]劉明.一類(lèi)新的多重共線(xiàn)性檢驗(yàn)方法[J].統(tǒng)計(jì)與信息論壇，2012，27(10)：14-16.

LIU Ming.A new diagnosis approach of multicollinearity[J].Statistics&InformationForum，2012，27(10)：14-16.

[9]胡郁蔥，劉勤.基于Logit模型的珠三角城際軌道交通與公路客運(yùn)競(jìng)爭(zhēng)力研究[J].科學(xué)技術(shù)與工程，2009，9(23)：7070-7075.

HU Yucong，LIU Qin.Study on rivalrousness between intercity track transportation and highway transportation based on Logit model[J].ScienceTechnologyandEngineering，2009，9(23)：7070-7075.

[10]王志福，管杰，蘇再興.基于logistics模型的中國(guó)人口增長(zhǎng)預(yù)測(cè)[J].渤海大學(xué)學(xué)報(bào)(自然科學(xué)版)，2010，31(4)：326-330.

WANG Zhifu，GUAN Jie，SU Zaixing.Prediction of China’s population increase based on logistics model[J].JournalofBohaiUniversity(NaturalScienceEdition)，2010，31(4)：326-330.

[11]陳勝可.SPSS統(tǒng)計(jì)分析[M].北京：清華大學(xué)出版社，2010.

CHEN Shengke.SPSSStatisticalAnalysis[M].Beijing：Tsinghua University Press，2010.