居民出行次数和出行距离与经济社会发展的相关性分析
一、引言
交通运输在经济社会发展中有重要的作用,交通运输需求更是评价一个国家经济活跃程度的重要指标。根据马斯洛的需求层次理论,经济水平的提高使更高层次的需求产生,如交通运输方面的需求,主要是出行需求,具体体现在居民出行次数和出行距离上。另外,居民出行次数和出行距离的变化会促进交通运输业的发展,同时也加快了相关行业的发展速度,如旅游业等。这大大提高了经济社会的发展水平,GDP也随之增加。
因此,不难看出居民出行与经济社会发展是相互作用的。研究居民出行次数和出行距离与GDP的相关关系,对于掌握居民出行行为、预测经济发展水平有重要意义。
二、指标变量选择
(一)居民出行行为的指标选择
居民出行次数与出行距离是居民出行最直观的体现,其数据可通过大规模的抽样调查获得,但其结果具有一定的随机性。因此,为保证指标变量的准确性,选择中国1990-2013年的客运量、旅客周转量、人口数来间接得出出行次数与出行距离。
(1)居民人均出行次数X1
X1=客运量/平均人口数
(2)居民人均出行距离X2
X2=旅客周转量/平均人口数
其中,平均人口数=(年初人口数+年末人口数)/2
(二)经济社会发展的指标选择
能表明经济社会发展程度的指标有很多,如GDP、人均工资等,本文选取GDP。GDP反映了经济生产过程的最终成果,是衡量一个国家或地区经济状况和发展水平的重要指标。
(三)指标具体数据
具体数据可由国家统计局和计算得到,主要为1990-2013年的GDP、人均出行次数、人均出行距离。
三、相关性分析
相关性分析是指对两个或多个具备相关性的变量进行分析,并用适当的统计指标表示出来的一种统计方法,从而衡量两个变量的密切程度。本文的相关性分析是运用SPSS18.0进行双变量相关分析和偏相关分析。双变量分析是确定两个变量之间的相关性,测量它们之间的预测或解释能力。偏相关分析是指当两个变量同时与第三个变量相关时,将第三个变量的影响剔除,只分析另外两个变量之间相关程度的过程。2013年数据与整体数据趋势明显不同,因此将其剔除,以下分析建立在1990-2012年数据基础上。
(一)人均出行次数与GDP的相关性分析
1.双变量相关分析
由表1看出,当显著性水平为0.01时,P值=0.0,人均出行次数与GDP的相关系数为0.994。当相关系数为0.8-1时,表明二者具有高度相关性。可见人均出行次数与GDP有很强的正相关关系,即居民人均出行次数与经济社会发展也显著正相关。
2.偏相关分析
由表2看出,当控制人均出行距离时,P值=0.002<0.05,人均出行次数与GDP依然显性相关,但相关系数有所降低,为0.621。说明剔除人均出行距离后,人均出行次数与GDP的相关性下降,间接说明人均出行距离与GDP相关性不容忽视。
(二)居民人均出行距离与GDP的相关性分析
参照居民人均出行次数与GDP的相关性分析,得到人均出行距离与GDP的相关性,其结果如下:
在进行双变量相关性分析时,当显著性水平为0.01时,P值=0.0,人均出行距离与GDP的相关系数为0.994。说明二者存在很强的正相关关系,即居民人均出行距离与经济社会发展也显著正相关。
在进行偏相关分析时,当控制人均出行次数时,P值=0.001<0.05,人均出行距离与GDP依然显性相关,但相关系数有所降低,为0.644。说明剔除人均出行次数后,人均出行距离与GDP的相关性下降,也间接说明人均出行距离与GDP有较强相关性。
四、结论
通过分析居民出行次数和出行距离与GDP之间的相关关系,得出居民人均出行次数和出行距离与经济社会发展存在显著正相关关系,且人均出行次数与出行距离共同作用于GDP。人均出行次数和出行距离可以反映出行需求,促进经济增长。同时,经济的增长可以带动出行需求,增加人均出行次数与出行距离。由此,在快速发展经济的同时,政府能根据二者关系更好的制定交通管理政策,实现经济与交通运输业的和谐发展。