考虑出行环境的居住满意度结构方程模型

为解决居住满意度缺少定量涵盖出行环境的问题，从出行环境、地理区位、社区环境、住房条件4 个维度提取居住满意度的影响因素，构建涵盖5 个潜变量、21 个测量变量的居住满意度结构方程模型，描述出行环境对居住满意度的影响及相互作用关系. 结果表明：出行环境、地理区位、社区环境、住房条件对居住满意度均有显著的正向影响，地理区位对出行环境也存在显著的正向影响；各维度总的影响效应呈现出地理区位(0.913)，出行环境(0.877)，社区环境(0.748)，住房条件(0.532)依次递减的趋势，但出行环境对居住满意度的直接影响最大，其值为0.887.     

基于胜任力模型的管制员培训记录分析

管制员培训是培养优秀空中交通管制员的第一步,是民航事业发展的重要基础性工作之一。针对管制员培训记录分析问题,分析了现管制员培训系统的不足,搭建了管制员培训胜任力模型,利用因子分析法提取培训记录主要信息,计算分析考核结果,结合胜任力指标对管制员培训进行评价。以一定的数据样本为例,分析学生培训结果,给出有效评价和建议。结果表明:通过胜任力模型评价管制员培训可以更加便捷、科学客观地评价管制员培训,发现和针对性解决管制培训问题。     

铁路客运专线运输效益的数据包络分析(DEA)评价

为准确评价铁路客运专线的运输效益,采用了比较先进的DEA的C2R模型,计算出经济有效利用率、社会就业带动率两大指标值。所选的投入因子的特征根λi解释了总体方差信息的83.7%,确保了DEA的适用性,进而得到了经济和社会两方面的运输效益综合评价结果。     

基于因子分析的地铁运营效果研究

影响地铁运营效果的因素很多,且作用关系复杂。运用因子分析法分析若干个统计周期的运营指标数据,构建地铁运营效果分析模型,以找出影响地铁运营效果的主要因素,形成综合评价因子。算例研究表明,在地铁线路尚未成网的条件下,地铁票价对其运营效果影响最大,其次是客运量、旅行速度和满载率。     

道路交通安全宏观评价F-AHP法

用因子分析法和层次分析法组合起来对道路交通安全进行评价（F-AHP）.用因子分析法来构造评价指标间的层次关系,用其分析值度量同层指标的重要性;采用层次分析法计算各层次指标对目标的权重.用线性加权法对评价对象的安全水平进行客观评价,通过对F-AHP方法进行的应用研究,发现评价结论与其他方法有所差别.     

大学英语教学满意度的因子分析

针对大学英语教学投入越来越多而学生依然感到不满意的现状,采取实证研究的方法,运用管理学的相关理论和实践,对大学英语教学的满意度进行了分析,论述了影响并制约学生对大学英语教学满意度的成因,并且通过SPSS对各影响因素进行因子分析和回归分析,进而提出了四项构建大学英语教学准则的建议。     

“高龄”驾驶员对危险货物道路运输企业安全管理的影响

针对我国危险货物道路运输企业驾驶员越来越明显的高龄化现象，采用薪酬满意度、职业荣誉感、安全意识、反应能力、认知能力和服从管理性6个方面的调研数据，将驾驶员按照年龄分为两组，对危险货物道路运输驾驶员的生存现状进行对比分析。利用因子分析法，建立危险货物道路运输驾驶员综合能力评价体系，比较高龄与中低龄在各个维度的差异，得到高龄驾驶员对企业安全管理的潜在风险，旨在为危险货物道路运输企业安全管理提供参考依据。研究表明，危险货物道路运输“高龄”驾驶员在安全意识、反应能力、认知能力和服从管理性方面均低于中低龄驾驶员。     

技术创新水平对碳排放强度的空间效应研究

文章基于2008—2018年的省际面板数据，利用因子分析计算出各地区技术创新水平的综合得分，在此基础上建立空间计量模型研究其对碳强度的影响和空间效应。结论如下：第一，技术创新水平与碳强度有显著的负相关关系；第二，碳强度自身存在正向的空间溢出效应；第三，技术创新水平有负向的空间溢出效应，周边地区技术创新水平的提高也利于当地碳强度的降低。并由此提出了相关降低碳强度的建议。     

鄱阳湖生态经济区区域物流竞争力研究

区域物流竞争力成为区域竞争力的核心组成部分之一,对于区域物流竞争力的客观评价研究已成为现实的必然要求。以鄱阳湖生态经济区的9个城市为研究对象,对区域物流竞争力的发展现状进行分析,通过指标变量的选取,构建鄱阳湖生态经济区区域物流竞争力的评价体系,采用SPSS统计软件中的聚类分析和因子分析法对各城市的物流竞争力进行了得分排名以及提出对策建议。     

快速公交站点类别及步行吸引范围研究

针对目前对BRT站点简单的分类及步行吸引距离的粗泛定义,以济南市1~3 号快速公交作 为研究背景,开展了关于快速公交站点分类方法及各类站点对步行吸引范围的研究。以在19 个快 速公交站点中进行的RP(Revealed Preference Survey)调查及济南ArcGIS 数据库为数据基础,选取 了9 个站点步行吸引距离的影响因素,借助聚类分析法并利用Matlab 工具箱拟合正态分布模型, 最终总结归纳出5 类快速公交站点,并计算得到各类型站点的步行吸引距离。结果表明：终端型 站点的步行吸引距离最长,为1 300m;其次是交通枢纽型站点,为1 100m;城市次中心型与城 市中心型站点步行吸引距离相差不多,平均为750m;一般型站点步行吸引距离最短,约为 630m。不同类型站点的步行吸引距离相差较大,不能以单一经验值解释所有BRT站点,其中城 市次中心型与城市中心型站点步行吸引距离适中,是理想的站点类型。