数理统计课程论文---重庆市用水量影响因素分析.docVIP

重庆市用水量影响因素分析 摘要2013年重庆市83.9066亿立方米，比上年增加1.17%。鉴于生活水平和生产水平的提高，重庆的总用水量逐步增加。本文主要通过对重庆总用水量的变动进行多因素分析，建立以重庆市总用水量为因变量，选取其它五个可量化的因素为自变量的多元线性回归模型。经过对回归模型的初始求解和进行初始检验，从五个自变量中剔除了一个自变量变量，最终建立了重庆市总用水量与四个变量显著相关的多元回归模型，并且就最终得到的回归方程结合重庆市总用水量的实际情况进行分析，实现了对重庆总用水量发生变化这一现象的量化分析。 一 问题提出问题分析中国西部最具投资潜力的特大城市57.5568亿立方米上升到2013年83.9066亿立方米，同比增长45.78%。那么，重庆市总用水量的上升主要是由哪些因素在驱动呢？带着这个问题，本文从影响总用水量的多个因素来进行分析，探索重庆用水量高速增长的原因。 因此，针对提出的这个问题，将重庆市总用水量作为因变量，选取了第一产业用水、第二产业用水、第三产业用水、生活用水和城市环境用水五个指标作为自变量，分析从2001年到2013年这五个指标的数据，建立重庆市总用水量的回归数据，通过模型进行进一步分析。 二 数据描述指标 年份 重庆 2004 22.8747 31.7119 1.5218 16.0201 0.6007 67.4518 2005 24.1126 33.5623 1.8433 17.2493 0.6172 71.1572 2006 20.1768 39.0691 2.0716 17.4731 0.7467 73.2013 2007 20.7804 41.6227 2.3968 18.1936 0.7580 77.4281 2008 20.6685 46.7293 2.4143 19.5004 0.8607 82.7731 2009 20.6866 48.3830 2.6608 23.0682 0.9262 85.3032 2010 21.6266 48.2492 2.6936 25.2904 0.9310 86.3866 2011 25.4531 44.2438 3.0818 27.3031 0.9987 86.7976 2012 25.1838 40.4378 3.1071 34.4439 1.3886 82.9360 2013 24.5530 41.4682 3.1856 43.8573 1.4651 83.9066 三 模型建立（1）提出假设条件，明确概念，引进参数 以上就为多元线性回归模型。其中为回归系数，是误差变量。回归分析首先要做的事情是对回归系数进行最小二乘估计，建立回归方程，在此基础上对回归方程和回归系数进行显著性检验以确定随机变量y的最小二乘估计是否与实际问题相符。 （2）模型构建—重庆市第一产业总用水量； X2—重庆市第二产业总用水量； X3—重庆市第三产业总用水量； X4—重庆市生活总用水量； X5—重庆城市生态环境总用水量； 则重庆市总用水量的回归模型为： （3）模型求解， 则模型求解参数为：，具体结果如表2所示。 表2 回归系数表 4.504286 1.092916 1.089958 1.506967 0.051782 0.229108 得到回归方程为： y=4.504286+1.092916X1+1.089958X2+1.506967X3 +0.051782X4+0.229108X5 四 计算方法设计和计算机实现五 主要的结论或发现 （1）通过Excel2003的数据分析进行分析以后，得到重庆市用水量回归模型的R2= 0.999821，修正后为= 0.999597，非常接近1，可以说明Y与X1，X2，X3，X4，X5之间的线性关系显著。 （2）通过Excel2003的数据分析进行分析后，得到该模型 ，，F=123061.7229，在置信度为95%的条件下，拒绝H0，也就说明了Y与X1，X2，X3，X4，X5，X6之间的线性关系显著。 2.回归系数的显著性检验 H0： 通过Excel2003的数据分析进行分析以后，得到各回归系数进行检验的T统计量的值以及在显著水平为5%的条件下的临界值，如表3所示。 表3 回归系数显著性检验 计算值 统计值t 21.87019 44.10178 3.740198 2.22023 0.275461 T临界值 2.5865E-05 1.58066E-06 0.020117613 00 可以看出，在显著水平为5%的条件下，自变量X5的回归系数不显著，其他五个自变量对Y都具有显著的作用，于是，将X5剔除，重新建立重庆市用水量的回归方程。 3