基于数据挖掘方法的居民教育消费情况研究.docVIP

0 - PAGE 1 .. 基于数据挖掘方法的居民教育消费情况研究 ———以四川为例 国家统计局四川调查总队 张青松、邓正、肖瑶 摘 要 当前，居民教育消费逐渐增多，其占总消费的比重也在不断增大，教育消费增多，促进了居民生活质量以及综合素质的提升，反过来也会促进居民收入的增加。而目前很少有人利用机器学习的方法建立模型，系统地研究影响教育消费的因素并对教育消费进行预测。分析和研究城乡居民教育消费情况有较为重要的理论和现实意义。本文数据直接取自四川城乡一体化住户调查基础数据（共1440余万个数据），在进行数据预处理之后，首先通过描述性分析、聚类分析、相关分析等统计手段，结合定量方法与可视化方法，对数据进行探索性分析；然后使用决策树，随机森林，bagging，boosting四种数据挖掘方法，结合十折交叉验证，建立四川居民教育消费支出的重要影响因素及预测模型。研究表明，当建模数据直接取自大数据时，在统计模型中恰当引入数据挖掘方法研究影响教育消费的因素并对教育消费进行预测有良好的效果。论文有如下结论：影响家庭教育支出的重要变量是家庭世代数、工资性收入、家庭中年轻人比例；教育消费与家庭工资性收入在一定范围内密切相关，工资性收入超过一定标准后，教育消费并不会增加；教育消费在四川属于硬性消费，不同家庭对于教育的投入和重视程度差别较小，低收入家庭往往通过缩减其他消费来满足教育的需求。