Logistic模型应用.doc

基于logistic模型的2014年影响中国各省城市化水平的 经济地理因素分析 摘 要：本文利用2013年中国31个省份的数据，从经济与地理位置两个因素出发，运用logistic回归的方法在SPSS软件上进行分析。结果显示：中国城市化发展水平不仅与经济密切相关，而且与其地理位置也有很大的关系，地区间城市化发展水平差距较明显，城市化各方面的因素水平发展不平衡。 关键词：logistic模型，城市化水平，SPSS软件 目 录 一、引言 4 二、Logistic模型 4 1. 基本概念 4 2. 统计原理 5 （1） logit变换 5 （2） Logistic回归模型 5 （3） 统计检验 5 三、基于logistic模型的我国各省城市化水平影响因素实证分析 6 1．数据来源与说明 6 2．模型检验 6 3．模型的建立与预测 8 四、结论 8 参考文献 9 一、引言 城市化的定义众多，本文参照《中华人民共和国国家标准城市规划术语》，认为城市化是“人类生产与生活方式由农村型向城市型转化的历史过程，主要表现为农村人口转化为城市人口及城市不断发展完善的过程。”城市化是一个系统的动态过程，包含了人口、经济、社会、城市建设等各方面变化的影响。它是经济发展和社会进步的必然结果，反过来也推动了经济的发展和社会的进步。 中国大陆的城市化进程在不同的时期具有不同的特点，总的来看城市化水平普遍较低，并已成为制约国家经济、社会和谐发展的主要原因之一。因而，各地区普遍把推进城市化进程作为经济、社会发展战略的一项重要目标选择。当前中国大陆已经进入了城市化水平的持续上升发展时期，此时对这样一个过程实施有效、客观、科学、动态的监测，从而及时发现并解决城市化进程中出现的难题，就必须加强对中国大陆城市化水平质与量等方面的考察和研究。这对于我们这样一个人口众多、区域经济发展不平衡的国家尤为重要。 本文不仅分析影响城市化水平的经济因素，还加入了地理位置对其城市化发展的影响。由于地理因素数据不是数值型变量，因此我们引用logistic回归方法对其进行建模。 二、Logistic模型 基本概念 Logistic回归分析就是针对因变量是定型变量的回归分析，这与一般的回归分析不同。在实际生活中，我们会经常遇到因变量是定型变量的情况，这是需要使用Logistic回归进行分析。 统计原理 logit变换 设因变量是只取0或1的而分类变量,为某事件发生的概率，取值区间为，当时间发生时，否则，即是研究对象。将比率取自然对数，即对做logit变换： 当时，当时，当时，故的取值范围为。 Logistic回归模型 设有个因素影响的取值，则称 （1） 为二维Logistic回归模型，简称Logistic回归模型，其中的个因素称为Logistic回归模型的协变量。最重要的Logistic回归模型是Logistic线性回归模型： （2） 式中，是待估计的未知参数。可得 （3） 统计检验 在Logistic回归中常用的检验有-2对数似然检验（-2log(likelihood),-2LL）,Hosmer和Lemeshow的拟合优度检验，Wald检验等。 三、基于logistic模型的我国各省城市化水平影响因素实证分析 1．数据来源与说明 研究2014年我国各省城市化水平的经济地理因素。数据来源于《2014年中国统计年鉴》。城市化水平用城镇人口比重表示，影响因素包括人均GDP与地理位置。地理位置为名义变量，中国各省被分为三大地带：东部、中部和西部。我们用各地区的地带分类代表地理位置。 2．模型检验 根据全国各省城市人口比重的平均值53.73作为临界值，大于等于53.73地区的城市化水平用Y表示，小于53.73地区的城市化水平用N表示。在SPSS中，Y用1表示，N用0表示。自变量中涉及到代表不同地区类型的名义变量，属于中部的用1表示，否则用0表示。而在SPSS分析中，0代表属于中部地区，1代表不属于中部地区。 表1 方程中的变量 B S.E, Wals df Sig. Exp (B) 步骤 0 常量 -.194 .361 .289 1 .591 .824 从表1可以看出最开始对常数项赋值，结果为B=-0.194，标准误差为S.E.=0.361，则Wald值为 则 表2 模型系数的综合检验 卡方 df Sig. 步骤 1 步骤 42.684 2 .000 块 42.684 2 .000 模型 42.684 2 .000 本检验主要是针对步骤、模块和模型系数的综合性检验，共采用了三种检验方法，分别是步与步间