应用回归分析结课影响财政收入的相关因素的分析大学论文.docVIP

《应用回归分析结课论文》 影响财政收入的相关因素的分析 班级： 姓名： 学号：  目 录 1.问题的提出 4 2.数据来源 4 3.回归分析的模型方法介绍和总结 5 3.1多元线性回归模型 5 3.1.1多元线性回归模型的一般形式 5 3.1.2多元线性回归模型的基本假定 6 3.2.多元线性回归参数的最小二乘估计 7 4.SAS程序及结果输出 8 4.1.建立数据集，进行相关分析 8 4.2.将数据做标准化处理，建立回归方程 10 4.3.异方差检验 11 4.4自相关检验 13 4.5. 多重共线性检验 14 4.5.1方差扩大因子法 14 4.5.2特征根判定法 14 4.6消除多重共线性 15 4.6.1后退法 15 4.6.2.逐步回归 19 4.7最佳子集回归 22 4.8岭回归 22 4.9主成分回归 25 4.10偏最小二乘回归 26 5.结论 27 参考文献 28 摘要 本文选1985-2003年的农业增加值，工业增加值，建筑业增加值，社会消费总额，人口数，受灾面积六个因素通过多元线性回归分析和岭回归对国家财政收入行分析，主要分析分析影响财政收入的主要原因，并联系实际进行分析，以供参考。 财政参与分配社会产品，在一国经济发展和分配体系中占有重要地位和作用。有力地促进经济的发展促进科学、教育、文化、卫生事业的发展，促进人民生活水平的提高，为巩固国防提供可靠的物质保障。可调节资源配置促进社会公平，改善人民生活。促进经济机构的优化和经济发展方式的转变。X5为社会消费总额(亿元);x6为 受灾面积(万公顷)。根据中国统计年鉴，得到1985-2003年数据，如图： 3.回归分析的模型方法介绍和总结 3.1多元线性回归模型 3.1.1多元线性回归模型的一般形式 设随机变量与一般变量，，… ，的线性回归模型为： （3.1） 式中，，，…，是个未知参数，称为回归常数，，…，称为回归系数。称为被解释变量（因变量），是个可以精确测量并控制的一般变量。称为解释变量（自变量）。时，式（3.1）为一元线性回归模型；时，我们就称式（3.1）为多元线性回归模型。是随机误差，与一元线性回归一样，对随机误差项我们常假定 （3.2） 称 （3.3） 为理论回归方程。 对一个实际问题，如果我们获得组观测数，则线性回归模型式（3.1）可表示为： （3.4） 写成矩阵形式为： （3.5） 是一个阶矩阵，称为回归设计矩阵或资料矩阵。在实验设计中，的元素是预先设定并可以控制的，人的主观因素可作用其中，因而称为设计矩阵。 3.1.2多元线性回归模型的基本假定 为了方便地进行模型的参数估计，对回归方程式（3.4）有如下一些基本假定 （1）解释变量，，… ，是确定性变量，不是随机变量，且要求。这里的，表明设计矩阵中的自变量列之间不相关，样本量的个数应大于解释变量的个数，是一满秩矩阵。 （2）随机误差性具有零均值和等方差，即 ， ， 这个假定通常称为高斯—马尔柯夫条件。，即假设观测值没有系统误差，随机误差项的平均值为零，随机误差项的协方差为零，表明随机误差项在不同的样本点之间是不相关的（在正态假定下即为独立的），不存在序列相关，并且有相同的精度。 （3）正态分布的假定条件为： 相互独立 对于多元线性回归的矩阵模型式（3.5），这个条件便可表示为： 由上述假定和多元正态分布的性质可知，随机变量服从维正态分布，回归模型式（3.5）的期望向量 因此 3.2.多元线性回归参数的最小二乘估计 多元线性回归模型未知参数，，…，，的估计与一元线性回归方程的参数估计原理一样，仍可采用最小二乘估计。对于，所谓最小