多元回归分析论文.docVIP

我国农村居民家庭消费情况分析 摘要：我国是一个农业大国，至今仍有9亿农村人口，占全国人口总数的70%，农民是我国最大的消费群体，农村消费能力的提升直接关系到国民经济的全局。从农村市场看，中国有近六成人口(约8亿)生活在农村。农村城镇化的进程对经济增长的带动作用是非常明显的，世界上还没有哪个国家有规模如此巨大的城镇化。农村居民的收入虽然低于城市居民，但是基数巨大，且农村人口的收入也在稳定增长。据测算，目前1个城镇居民的消费水平大体相当于3个农民的消费；城市化率提高1个百分点，就会有100万～120万人口从农村到城市。由于城市人口的消费是农村的2.7～3倍，约拉动最终消费增长1.6个百分点。 随着经济的发展，我国农民的消费水平和结构也发生了很大变化，农民生活水平的提高和消费的增加对于实现国民经济又好又快发展、正确处理好内需和外需的关系至关重要。但从总体来看，农民消费水平仍然较低，调查显示有的地区都不及城市居民人均消费支出的三分之一。而且消费结构不合理，局限于食品类等生存基本需求品，消费在衣着装饰等方面的极少。而影响农民消费水平的根本原因是农民的收入。农民生活消费支出主要包括食品、衣着、医疗卫生、教育文化、家庭设备、交通等方面，本文只挑选了四种典型的消费支出作为代表来分析农村居民的消费结构。下面将从这些方面分别用数据作一元和多元线性回归分析。农民人均生活消费支出　一元线性回归　多元线性回归 目 录 摘要 1 引 言 4 一、多元线性模型分析 2 1.1多元分析表达式多元线性回归的计算模型改革开放以来，国经济,在社会主义市场经济的运作过程中，消费不仅可以满足人的多方面的欲求，而且，也会促进生产的发展，它所表现出的历史规定性，可以折射出不同社会阶段中消费关系的本质特征。表达式 多元线性回归模型的一般形式为Yi=β0+β1X1i+β2X2i+…+βkXki+μi i=1,2,…,n 其中 k为解释变量的数目，βj（j=1,2,…,k)称为回归系数（regression coefficient)。上式也被称为总体回归函数的随机表达式。它的非随机表达式为E(Y∣X1i,X2i,…Xki,)=β0+β1X1i+β2X2i+…+βkXki βj也被称为偏回归系数（partial regression coefficient) 多元线性回归的计算模型 一元线性回归是一个主要影响因素作为自变量来解释因变量的变化，在现实问题研究中，因变量的变化往往受几个重要因素的影响，此时就需要用两个或两个以上的影响因素作为自变量来解释因变量的变化，这就是多元回归亦称多重回归。当多个自变量与因变量之间是线性关系时，所进行的回归分析就是多元性回归。 　设y为因变量X1,X2…Xk为自变量，并且自变量与因变量之间为线性关系时，则多元线性回归模型为： Y=b0+b1x1+…+bkxk+e 其中，b0为常数项，b1,b2…bk为回归系数，b1为X1,X2…Xk固定时，x1每增加一个单位对y的效应，即x1对y的偏回归系数；同理b2为X1,X2…Xk固定时，x2每增加一个单位对y的效应，即，x2对y的偏回归系数，等等。如果两个自变量x1,x2同一个因变量y呈线相关时，可用二元线性回归模型描述为：y=b0 +b1x1 +b2x2 +e 建立多元性回归模型时，为了保证回归模型具有优良的解释能力和预测效果，应首先注意自变量的选择，其准则是：(1)自变量对因变量必须有显著的影响，并呈密切的线性相关； (2)自变量与因变量之间的线性相关必须是真实的，而不是形式上的； (3)自变量之彰应具有一定的互斥性，即自变量之间的相关程度不应高于自变量与因变量之因的相关程度； (4)自变量应具有完整的统计数据，其预测值容易确定。 多元性回归模型的参数估计，同一元线性回归方程一样，也是在要求误差平方和（Σe)为最小的前提下，用最小二乘法求解参数。以二线性回归模型为例，求解回归参数的标准方程组为 解此方程可求得b0,b1,b2的数值。亦可用下列矩阵法求得 即 二、数据及结果 2.1数据 来源于2012年中国统计年鉴 10-26各地区农村居民家庭平均每人消费支出 (2011年 消费支出合计 食 品 衣 着 居 住 家庭设备及用品 交通通信 文教娱乐 医疗保健 北 京 11077.66 3593.48 862.58 2350.31 714.52 1228.19 1003.67 1035.18 天 津 6725.42 2375.97 611.73 1346.3 352.28 781.55 542.12 571.65 河 北 4711.16 1579.65 334.1