1.一種針對摩托車的交通安全法規有效性分析方法，其特征在于基于一種多變量動態Tobit模型，分析摩托車事故和交通安全法規之間的關聯關系；輸出內容為摩托車交通事故與交通安全法規指標之間的相關系數；輸入的信息包括不同城市可量化的交通安全法規指標數據，包括限速、酒駕和超速處罰措施；輸入的信息還包括各城市交通事故數據及社會經濟數據，包括人口、收入及受教育情況內容；

含有以下步驟；

步驟1、獲取數據，從交通安全法規可量化的條款中提取數據，人工輸入社會經濟數據，從交通部門的數據庫中讀取摩托車交通事故數據；

步驟2、計算摩托車交通事故與交通安全法規指標之間的相關系數集；

多變量動態Tobit模型定義如下：

其中，y_it為交通事故類型i在時間段t觀測到的交通事故起數，定義y_t＝(y_1t,y_2t,…,y_Nt)′是N種交通事故起數向量，為交通事故類型i在時間段t交通事故起數的期望值；

隨機變量定義為：

其中，x_ijt(1≤j≤k-p)是與交通事故類型i在t時段相關的交通安全法規指標x的第j個解釋變量，k是估計參數的總數，β_ij(1≤j≤k-p)和λ_ij(1≤j≤p)是可估計的參數，y_i,t-j為交通事故起數滯后觀測變量，p為交通事故起數滯后觀測變量的數量，c_i是隨機擾動，u_it是系統誤差；c_i和u_it服從關于x_j1，x_j2，…，x_jT的條件正態分布；

y_it和的聯合概率密度函數分解為條件密度函數的乘積；

其中，為關于y_it，y^*_it和y^*_i,t-1的聯合概率密度函數；為關于y_it和y^*_i,t-1的經典Tobit分布的密度函數；為關于y^*_it，y_i,t-1和y^*_i,t-1的采樣密度函數；y_it為交通事故類型i在時間段t觀測到的交通事故起數；y_i,t-1為交通事故類型i在時間段t-1觀測到的交通事故起數；為交通事故類型i在時間段t交通事故起數的期望值；為交通事故類型i在時間段t-1交通事故起數的期望值；

因此，多變量動態Tobit模型的似然函數寫為：

其中為多變量動態Tobit模型的似然函數；L為經典Tobit分布的似然函數；為關于y_it，y^*_it和y^*_i,t-1的聯合概率密度函數；y_it為交通事故類型i在時間段t觀測到的交通事故起數；y_i,t-1為交通事故類型i在時間段t-1觀測到的交通事故起數；為交通事故類型i在時間段t交通事故起數的期望值；為交通事故類型i在時間段t-1交通事故起數的期望值；

將中的i定義為1到3，則y^*_1t，y^*_2t，y^*_3t分別代表死亡事故、傷人事故和財產損失事故在t時段事故起數的期望值；基于構造的似然函數，采用GHK仿真算法(Geweke-Hajivassiliou-Keane simulator)反復進行迭代估計參數；

步驟3、輸出計算得到的摩托車交通事故與交通安全法規指標之間的相關系數集。