關于司機年齡與發(fā)生車禍次數(shù)關系的分析

1、 關于司機年齡與發(fā)生車禍次數(shù)關系的分析一、 引 言客觀現(xiàn)象總是普遍聯(lián)系與相互依存的。隨著社會的進步，經(jīng)濟的發(fā)展，交通事故也是頻頻增多，而且有意思的是：發(fā)生車禍的駕駛員中年輕人尤其是 21 歲以下者所占比例有上升的趨勢，那么車禍次數(shù)與年齡是否必然相關呢？本文旨在應用相關與回歸的分析方法來對這一問題進行研究，在計算各種指標時構(gòu)造了回歸模型等來進行判定與分析。全文主要內(nèi)容安排如下：首先提出研究方法與模型檢驗方法，接著在第

2、三部分是對數(shù)據(jù)的描述和簡單的分析，最后對模型進行檢驗，得出結(jié)論。二、 理 論 研 究各種客觀變量之間的相互關系可分為兩類：一類是確定性的函數(shù)關系，另一類是不確定性的統(tǒng)計關系。研究現(xiàn)象之間的統(tǒng)計關系時，依研究者的理論知識和實踐經(jīng)驗，可對客觀現(xiàn)象之間是否存在相互關系以及有何種相關關系做出判斷，在定性分析基礎上，可以利用求相關系數(shù)的方式來判斷兩個或兩個以上變量之間相關關系的方向、形態(tài)以及相關關系的密切程度。一般求兩個變量相關系數(shù) r

3、的方法是；是變量 x, y 的樣本協(xié)方差， 、分別為變量 x, y 的樣本標準差。用相關系數(shù)大小來判斷相關系數(shù)的密切程度： 表示低度線性相關， 表示顯著性相關， 為高度線性相關。在確定現(xiàn)象間具有相關關系之后，可對其數(shù)量變化的規(guī)律性進行測定，確立一個回歸模型，在實際問題中，最簡單的模型是由兩個變量組成的一元線性回歸模型。此時可設模型的回歸方程為Y=a+bX+u (x 為自變量，y 為因變量,u 隨機擾動項)根據(jù)最小二乘法知：

4、 a=Y–bX為了判斷兩變量之間是否真正存在顯著的線性相關關系，可以求可決系數(shù)進行擬合程度評價，也可通過相關系數(shù)的顯著性檢驗或回歸系數(shù)的假設檢驗來對所建立的回歸方程式的有效性進行分析判斷。三、實 證 研 究 與 分 析（1）相關分析：根據(jù)數(shù)據(jù)作出散點圖如下：從相關圖中，我們可以看到，21 歲以下者所占比例與車禍次數(shù)之間的關系較為密切，且有線性正相關的趨勢，進一步計算二者的相關系數(shù)，我們可作變量假設：x

5、為 21 歲以下者所占比例，y 為每個駕駛執(zhí)照中發(fā)生車禍的次數(shù)，則相關系數(shù)為：相關系數(shù) r 為 0.835 > 0.7，說明車禍發(fā)生次數(shù)與 21 歲以下年輕人所占比例有高度的線性相關關系（2）回歸分析知道了車禍次數(shù)與年輕人比例的高度線性相關關系后，我們現(xiàn)在關心的是二者間的這種關系能否用一比較好的函數(shù)進行描述呢？因此，對其進行回歸分析也就尤顯必要，在分析時，我們假設① 在簡單的線性回歸模型里，解釋變量無測量誤差；②模型滿足古典

6、假定。對其運用 OLS 對其進行回歸得：（表一）Dependent Variable: YMethod: Least SquaresDate: 06/09/04 Time: 12:31Sample: 1 42Included observations: 42Variable Coefficient Std. Error t-Statistic Prob. C -1.591633 0.372128 -4.277110 0.0001X