多元統(tǒng)計(jì)分析課程設(shè)計(jì)報(bào)告

-.z---.--總結(jié)資料?應(yīng)用多元統(tǒng)計(jì)分析?課程實(shí)驗(yàn)報(bào)告實(shí)驗(yàn)名稱：利用回歸法分析**省農(nóng)村居民收入的消費(fèi)分配學(xué)生班級：學(xué)生**：指導(dǎo)教師：_________________________________完成日期：實(shí)驗(yàn)內(nèi)容本文通過分析研究更深一步了解**省農(nóng)村居民生活水平。實(shí)驗(yàn)中充分利用了回歸分析、聚類分析等多種分析手段。先通過收入支出的時(shí)間序列模型的分析給出了從2000到2009年的農(nóng)村收入支出呈現(xiàn)的增長趨勢，以及城鄉(xiāng)之間的比照；然后利用聚類分析說明了收入支出的地區(qū)差異。然后利用回歸分析建立了**省農(nóng)村居民收入與支出之間的模型，試圖尋找出農(nóng)村居民收入的消費(fèi)分配現(xiàn)狀，即單位收入的支出方向問題。實(shí)驗(yàn)?zāi)康耐ㄟ^本實(shí)驗(yàn)主要想到達(dá)三個目的：1、利用**省統(tǒng)計(jì)年鑒中有關(guān)農(nóng)村居民收入支出的數(shù)據(jù)，結(jié)合多元統(tǒng)計(jì)方法，熟練掌握聚類分析和回歸分析的原理及其根本步驟；2、希望通過本次實(shí)驗(yàn)充分掌握和運(yùn)用多元統(tǒng)計(jì)分析的統(tǒng)計(jì)方法，能夠利用根本的統(tǒng)計(jì)軟件如Eviews、Spss等軟件處理分析數(shù)據(jù)，并對結(jié)果作出合理的解釋。3、了解近幾年來**省農(nóng)村居民收入支出的根本狀況，其中包括城鄉(xiāng)差距問題和居民收入的消費(fèi)分配問題，進(jìn)而掌握**省農(nóng)村居民的根本生活狀況，為我省經(jīng)濟(jì)的長遠(yuǎn)開展提供依據(jù)。實(shí)驗(yàn)方法背景和原理Ⅰ、聚類分析的背景和原理1．聚類分析的定義聚類分析是統(tǒng)計(jì)學(xué)中研究“物以類聚〞問題的多元統(tǒng)計(jì)分析方法。聚類分析又稱群分析，它是研究對樣品或指標(biāo)進(jìn)展分類的一種多元統(tǒng)計(jì)方法。所謂的“類〞，通俗地說就是相似元素的集合。2．聚類的方法分類聚類分析的內(nèi)容十分豐富，按其聚類的方法可分為以下幾種：系統(tǒng)聚類法、調(diào)優(yōu)法、最優(yōu)分割法、模糊聚類法、圖論聚類法、聚類預(yù)報(bào)法。本文中應(yīng)用的是系統(tǒng)聚類法：開場每個對象自成一類，然后每次將最相似的兩類合并，合并后重新計(jì)算新類與其他類的距離或相近性測度，這一過程一直繼續(xù)直到所有對象歸為一類為止。并類的過程可用一*譜系聚類圖描述。3.系統(tǒng)聚類法的根本步驟〔1〕計(jì)算n個樣品兩兩間的距離，得樣品間的距離矩陣。類與類之間的距離本文應(yīng)用的是類平均法。所謂類平均法就是：兩類樣品兩兩之間平方距離的平均作為類之間的距離，即：采用這種類間距離的聚類方法，稱為類平均法?！?〕．初始〔第一步：i=1〕n個樣本各自構(gòu)成一類，類的個數(shù)k=n，第t類〔t=1,2···，n〕。此時(shí)類間的距離就是樣品間的距離〔即〕?！?〕對步驟i得到的距離矩陣，合并類間距離最小的兩類為一新類。此時(shí)類的總個數(shù)k減少1類，即k=n-i+1.〔4〕計(jì)算新類與其他類的距離，得新的距離矩陣。假設(shè)合并后類的總個數(shù)k扔大于1，重新步驟〔3〕和〔4〕；直到類的總個數(shù)為1時(shí)轉(zhuǎn)到步驟〔5〕。〔5〕畫譜系聚類圖；〔6〕決定總類的個數(shù)及各類的成員。Ⅱ、回歸分析的背景和原理1.回歸分析的根本原理回歸分析是研究兩個或多個變量之間關(guān)系的統(tǒng)計(jì)分析方法，在實(shí)際問題中，因變量y往往不是只與一個變量有關(guān)，而是和多個變量有關(guān)，設(shè)〔3.1〕其中是p+1個未知參數(shù)，稱為回歸常數(shù)，稱為回歸系數(shù)，y為被解釋變量〔因變量〕，而是p個可以準(zhǔn)確測量并可控制的一般變量，稱為解釋變量〔自變量〕，ε是隨機(jī)誤差.稱E(y)=〔3.2〕為理論回歸方程。對一個實(shí)際問題我們獲的n組觀測數(shù)據(jù)，則線性回歸模型〔3.2〕可表示為(3.3)寫成矩陣形式為(3.4)其中最小二乘原理就是求一個參數(shù)向量的估計(jì)，使得回歸的殘差平方和函數(shù)SSE()取得最小值由微分求極值法及矩陣微商有：得到正規(guī)方程組假設(shè)非退化，則得的最小二乘解2.模型的根本假定及檢驗(yàn)為了方便進(jìn)展模型的參數(shù)估計(jì)，做如下根本假定：①.解釋變量是確定性變量，不是隨機(jī)變量.并且要求rank(*)=p+1<n，它說明設(shè)計(jì)矩陣是滿秩的.②.對隨機(jī)誤差項(xiàng)假定這個假定稱為高斯-馬爾科夫條件。③.正態(tài)分布的假定為對于多元線性回歸的矩陣形式這個條件可以表示為由此可以得到〕為了驗(yàn)證是否能做到根本假定，所以需要做回歸模型的顯著性檢驗(yàn)：①F檢驗(yàn)對多元回歸方程的顯著性檢驗(yàn)就是要看自變量從整體上對隨機(jī)變量y是否有明顯的影響，故提出原假設(shè)構(gòu)成F統(tǒng)計(jì)量并且稱為均方回歸和均方誤差，他們都是誤差項(xiàng)的方差的估計(jì)量，但兩者的性質(zhì)有差異。MSR總是得無偏有效估計(jì)量，而MSR只當(dāng)原假設(shè)成立時(shí)才會是的有效估計(jì)量，則將趨于無窮。假設(shè)成立時(shí)統(tǒng)計(jì)量服從自由度〔p，n-p-1〕的F分布。對事先給定的顯著性水平確定臨界值或者計(jì)算F對應(yīng)的相伴概率值p。假設(shè)，就拒絕原假設(shè)，認(rèn)為回歸方程顯著，自變量與因變量之間存在顯著的線性關(guān)系。②t檢驗(yàn)在多元回歸中，回歸方程顯著并不意味著每個自變量對因變量的影響都顯著，因此需要對每個系數(shù)進(jìn)展顯著性檢驗(yàn)．故提出原假設(shè)由記則因此構(gòu)造t統(tǒng)計(jì)量為，其中是標(biāo)準(zhǔn)回歸差。在原假設(shè)成立時(shí)，統(tǒng)計(jì)量服從自由度為n-p-1的t分布。對于給定的顯著性水平，查處雙側(cè)檢驗(yàn)的臨界值。當(dāng)，或者t值所對應(yīng)的相伴概率值，就拒絕原假設(shè)，認(rèn)為該系數(shù)對應(yīng)的自變量與因變量之間存在顯著的線性關(guān)系。否則，就承受原假設(shè)，認(rèn)為該自變量與因變量之間不存在顯著性的線性關(guān)系。③擬合優(yōu)度檢驗(yàn)擬合優(yōu)度檢驗(yàn)用與檢驗(yàn)回歸方程對樣本觀測值的擬合程度，定義樣本決定系數(shù)時(shí)，就需要對加以修正，理由方差之比得調(diào)整后的為在線性回歸中越大越好。④共線性診斷如何診斷模型是否存在多重共線性，現(xiàn)在還沒有一個統(tǒng)一的診斷標(biāo)準(zhǔn)，這里提供一些經(jīng)歷的診斷規(guī)則：１.判定系數(shù)很高的同時(shí)，針對回歸系數(shù)的t檢驗(yàn)統(tǒng)計(jì)量的值又偏小．２.自變量之間有高度的線性相關(guān)關(guān)系．３.回歸方程的很高的同時(shí)，因變量與自變量之間的偏相關(guān)系數(shù)卻很低．４.特征值、病態(tài)指數(shù)〔條件數(shù)〕、方差比、膨脹因子、容許度．這些統(tǒng)計(jì)量都可以用來診斷多重共線性．⑤殘差分析進(jìn)展殘差分析有兩個目的，一是證實(shí)關(guān)于模型中誤差項(xiàng)隨機(jī)變量的正態(tài)性假定；二是檢驗(yàn)數(shù)據(jù)集中可能包含的異常值．殘差分析是回歸分析的最后一項(xiàng)工作，也是最根本的一項(xiàng)工作．3.回歸模型建立的步驟確定回歸方程中的解釋變量和被解釋變量由于回歸分析用于分析一個事物如何隨其他事物的變化而變化，因此回歸分析的第一步應(yīng)確定哪個事物是需要被解釋的，即哪個變量是被解釋變量〔記為y〕；哪些事物是用于解釋其他變量的，即哪些變量是解釋變量〔記為*〕。在多元線性回歸分析中，模型中應(yīng)引入多少解釋變量是需要重點(diǎn)研究的。如果引入的解釋變量較少，回歸方程將無法很好地解釋說明被解釋變量的變化。但是也并非引入解釋變量越多越好，因?yàn)檫@些變量之間可能存在多重共線性。因此要采取一些策略對解釋變量引入回歸方程加以控制和篩選。在多元的回歸分析中并不是所有的變量都對因變量具有顯著的影響，因此就存在著挑選自變量的問題，挑選自變量有多種方法：前進(jìn)法、后退法、逐步篩選法等。這里主要采用后退法挑選自變量。后退法策略是解釋變量不斷剔除出回歸方程的過程。首先，所有的解釋變量全部引入回歸方程，并對回歸方程進(jìn)展各種檢驗(yàn)。然后，在回歸系數(shù)顯著性檢驗(yàn)不顯著的一個或多個變量中，剔除t檢驗(yàn)值最小的解釋變量，并重新建立回歸方程和進(jìn)展各種檢驗(yàn)。如果新建回歸方程中說有解釋變量，并重新建立回歸方程和進(jìn)展各種檢驗(yàn)。如果新建回歸方程中說有解釋變量的回歸系數(shù)檢驗(yàn)都顯著，則回歸方程建立完畢。否則，按照上述方法再一次剔除最不顯著的解釋變量，直到再也沒有可剔除的解釋變量為止確定回歸模型根據(jù)函數(shù)擬合方式，通過觀察散點(diǎn)圖確定應(yīng)通過哪種教學(xué)模型來概括回歸線。如果被解釋變量和解釋變量之間存在線性關(guān)系，則應(yīng)進(jìn)展線性回歸分析，建立線性回歸模型；反之，如果被解釋變量和解釋變量之間存在非線性關(guān)系，則應(yīng)進(jìn)展非線性回歸分析，建立非線性回歸模型。建立回歸模型根據(jù)手機(jī)到樣本數(shù)據(jù)以及上一步所確定的回歸模型，在一定得統(tǒng)計(jì)擬合準(zhǔn)則下估計(jì)出模型中的各個參數(shù)，得到一個確定的回歸方程。對回歸方程進(jìn)展各種檢驗(yàn)各種檢驗(yàn)方法在前文中已經(jīng)涉及，在此不在一一說明。⑤利用方程進(jìn)展回歸預(yù)測建立回歸方程的目的之一是根據(jù)回歸方程對事物的未來開展趨勢進(jìn)展預(yù)測。四、實(shí)驗(yàn)數(shù)據(jù)與實(shí)驗(yàn)結(jié)果Ⅰ、數(shù)據(jù)的收集和處理通過圖書館查閱資料以及網(wǎng)絡(luò)查詢資料等方式采集了**省統(tǒng)計(jì)年鑒〔2010〕中有關(guān)各市農(nóng)村居民指標(biāo)〔2009〕〕的數(shù)據(jù)。分析過程中，一般利用了Eviews,spss等統(tǒng)計(jì)軟件進(jìn)展統(tǒng)計(jì)分析。農(nóng)村人均總收入與總支出應(yīng)用一元線性回歸模型分析數(shù)據(jù)；城鄉(xiāng)差異應(yīng)用折線圖來展現(xiàn)；各城市之間的地區(qū)差異運(yùn)用SPSS軟件進(jìn)展聚類分析的處理；消費(fèi)的不同類別應(yīng)用因子分析法處理數(shù)據(jù)并得出結(jié)論；收入和支出模型的建立利用了后退法篩選變量并做出回歸分析，同時(shí)用散點(diǎn)圖直觀展現(xiàn)其線性關(guān)系。

Ⅱ、數(shù)據(jù)分析〔一〕收入和支出的概況分析〔1〕收入支出隨時(shí)間的增長趨勢表21-1〔a〕2000年至2009年**省農(nóng)村居民人均總收入年份2000200120022003200420052006200720082009人均總收入3872.224138.614305.774482.155037.525037.525037.527150.288136.668683.22通過上表信息，利用Eviews進(jìn)展一元線性回歸分析，得到如下結(jié)果表21-1〔b〕人均總收入線性回歸結(jié)果DependentVariable:YMethod:LeastSquaresDate:12/09/11Time:16:09Sample:20002009Includedobservations:10VariableCoefficientStd.Errort-StatisticProb.C2724.857299.55399.0963850.0000*553.163248.2774811.458000.0000R-squared0.942564Meandependentvar5767.255AdjustedR-squared0.935385S.D.dependentvar1725.057S.E.ofregression438.5020Akaikeinfocriterion15.18146Sumsquaredresid1538272.Schwarzcriterion15.24198Loglikelihood-73.90731F-statistic131.2857Durbin-Watsonstat0.479131Prob(F-statistic)0.000003由表知回歸模型為：=2724.857+553.1632,回歸模型的斜率是553.1632,說明每增長一年，人均純收入增加553.1632元。從上表中R-squared為0.942564，說明擬合優(yōu)度比較高；Prob(F-statistic)為0.000003，說明方程顯著地。2724.857所對應(yīng)的Prob(t-Statistic〕為0.0000，在顯著性水平0.05的條件下是顯著的，回歸系數(shù)553.1632所對應(yīng)的Prob(t-Statistic〕為0.0000，說明是顯著的。**省農(nóng)民的收入水平是隨著我國經(jīng)濟(jì)開展而快速增長的一個過程，以2000年為基期，如圖所示，**農(nóng)民在2000年時(shí)候的人均純收入水平是3872.22元，到2009年的時(shí)候，**省農(nóng)民的人均總收入水平已經(jīng)到達(dá)了8683.22元。十年間，**省農(nóng)民的收入一共增加了4811.00元，收入增長了約2.24倍。總體來講，**省農(nóng)民的收入一直是呈增加的趨勢的。年份2000200120022003200420052006200720082009平均每人全年總支出〔元〕3036.203326.793438.783521.42..3999.234561.275059.485863.216697.387258.17表21-1〔c〕2000年至2009年**省農(nóng)村居民人均總支出及分析結(jié)果表21-1〔d〕人均總支出回歸結(jié)果DependentVariable:YMethod:LeastSquaresDate:12/09/11Time:16:31Sample:20002009Includedobservations:10VariableCoefficientStd.Errort-StatisticProb.C2046.519272.70717.5044580.0001*478.686243.9507210.891430.0000R-squared0.936820Meandependentvar4679.293AdjustedR-squared0.928923S.D.dependentvar1497.368S.E.ofregression399.2023Akaikeinfocriterion14.99367Sumsquaredresid1274900.Schwarzcriterion15.05419Loglikelihood-72.96835F-statistic118.6233Durbin-Watsonstat0.435934Prob(F-statistic)0.000004由表知回歸模型為：=2046.519+478.6862,回歸模型的斜率是478.6862,說明每增長一年，人均純支出增加478.6862元。從上表中R-squared為0.936820，說明擬合優(yōu)度比較高；Prob(F-statistic)為0.000004，說明方程顯著地。2046.519所對應(yīng)的Prob(t-Statistic〕為0.0001，在顯著性水平0.05的條件下是顯著的，回歸系數(shù)478.6862所對應(yīng)的Prob(t-Statistic〕為0.0000，說明是顯著的。**省農(nóng)民的支出水平也是隨著我國經(jīng)濟(jì)開展而快速增長的一個過程，以2000年為基期，如表所示，**農(nóng)民在2000年時(shí)候的人均總支出水平是3036.20元，到2009年的時(shí)候，**省農(nóng)民的人均總支出水平已經(jīng)到達(dá)了7258.17元。十年間，**省農(nóng)民的收入一共增加了4221.97元，支出增長了約2.39倍。總體來講，**省農(nóng)民的收入一直是呈增加的趨勢的?！?〕收入支出的城鄉(xiāng)差異表21-1〔d〕農(nóng)村人均總收入總支出年份2000200120022003200420052006200720082009總收入3872.224138.614305.774482.155037.525676.986188.547150.288136.668683.82總支出3036.203326.793438.783521.423999.234561.275090.485863.216697.387258.17表21-1〔e〕城鎮(zhèn)人人均總收入總支出年份2000200120022003200420052006200720082009總收入6521.67141.168158.139057.5810187.1210744.7913222.8515366.2617548.9719336.91總支出5022.005252.425596.436069.356673.757457.318468.49666.6111006.6112012.73由表可知：城鎮(zhèn)收入支出和農(nóng)村收入的變化速度都是隨著年份的增加由緩慢逐漸增快，但是城鎮(zhèn)明顯的收入支出比農(nóng)村的收入要快，而且隨著時(shí)間的增加，城鎮(zhèn)與農(nóng)村的差距越來越大，但總體都是增長的較快。〔3〕收入支出的地區(qū)差異這里利用附錄中的關(guān)于**省17個地區(qū)的收入支出表，進(jìn)展聚類分析和因子分析，從而得到不同地區(qū)之間收入支出的差異和不同的支出指標(biāo)之間的差異?！惨弧忱镁垲惙治鎏幚?7個地區(qū)之間的收入差異利用spss軟件處理得到的結(jié)果如下：圖4-2**省17個市的年純收入的聚類分析結(jié)果

Rescaled

Distance

Cluster

bine

C

A

S

E

0

5

10

15

20

25

Label

Num

+---------+---------+---------+---------+---------+

13

─┐**

16

─┤濱州

14

─┼─┐**

11

─┘

├─┐日照

4

─┬─┘

├─────────┐棗莊

8

─┘

│

│**

15

─┬───┘

├─────┐聊城

17

─┘

│

├───────────┐**

9

───────────────┘

│

│**

5

───┬─────────────────┘

│東營

12

───┘

├───────────────┐萊蕪

6

───┬─┐

│

│**

7

───┘

├───────┐

│

│濰坊

1

─────┘

├───────────────────┘

│**

2

───────┬─────┘

│**

10

───────┘

│威海

3

─────────────────────────────────────────────────┘**這里，利用SPSS層次聚類的Q型聚類對**17個市區(qū)進(jìn)展分析。其中，個體距離采用平方歐式距離，類間距離采用組間平均連鎖距離，由于數(shù)據(jù)不存在數(shù)量級上的差異，因此無須進(jìn)展標(biāo)準(zhǔn)化處理。生成的聚類分析樹形圖如圖4-2所示，其他結(jié)果略去。通過分析歸納，認(rèn)為分為三類比較適宜，**，濰坊，**，**，威海地理位置也是比較近，都位于**的東北部，之間的地理特點(diǎn)，文化風(fēng)俗，經(jīng)濟(jì)主體相似，都是**的重要城市，經(jīng)濟(jì)開展水平較高。大都是沿海城市，有利于經(jīng)濟(jì)的開展，所以收入普遍肩高。**年純收入較高，可以這樣解釋，**是**乃至全國重要的重化工業(yè)基地，工業(yè)開展以石油化工、醫(yī)藥、建材、冶金、紡織、機(jī)械、陶瓷等行業(yè)為骨干，門類齊全，特色鮮明，比較優(yōu)勢突出。，**依靠工業(yè)開展迅速，經(jīng)濟(jì)水平較高，年純收入較高。〔二〕利用聚類分析處理17個地區(qū)之間的支出差異利用spss軟件處理數(shù)據(jù)得到結(jié)果如下：圖4-1**省17個市區(qū)各種支出情況的聚類分析結(jié)果

Rescaled

Distance

Cluster

bine

C

A

S

E

0

5

10

15

20

25

Label

Num

+---------+---------+---------+---------+---------+

8

─┐**

13

─┼─┐**

17

─┘

├─┐**

4

─┬─┘

├───────┐棗莊

11

─┘

│

│日照

9

─┬───┘

├───────────┐**

12

─┘

│

│萊蕪

14

───┬─────────┘

├───────────────────────┐**

15

───┘

│

│聊城

16

─────────────────────────┘

│濱州**

1

───┬─────┐

│**

5

───┘

├───────────┐

│東營

6

─────────┘

├───────────┐

│**

3

───────┬───────┐

│

│

│**

10

───────┘

├─────┘

├───────────────┘威海

7

───────────────┘

│濰坊**

2

─────────────────────────────────┘**這里，利用SPSS層次聚類的Q型聚類對**17個市區(qū)進(jìn)展分析。其中，個體距離采用平方歐式距離，類間距離采用組間平均連鎖距離，由于數(shù)據(jù)不存在數(shù)量級上的差異，因此無須進(jìn)展標(biāo)準(zhǔn)化處理。生成的聚類分析樹形圖如圖4-1所示，其他結(jié)果略去。通過分析歸納，分為三類比較適宜：**，東營，**，**，威海，濰坊為一類，這些地區(qū)大致位于**省的東北部，它們之間聯(lián)系大，所以經(jīng)濟(jì)，文化等相互影響，支出水平差不多。**，**，**，棗莊，日照，**，萊蕪，**，聊城為一類，也可以很好解釋，這些地區(qū)位于**省的西南方，比較東部沿海的幾個城市有著一定的差距，所以與第一類可以區(qū)分開成為另一類。**自成一類，**市位于沿海，有著較強(qiáng)的地理優(yōu)勢，對經(jīng)濟(jì)的開展相當(dāng)有利，生活水平支出水平較高，在全省比較突出，所以歸為一類。二、收入的消費(fèi)分配回歸分析根據(jù)?**省統(tǒng)計(jì)年鑒?〔2009年〕提供的各地區(qū)農(nóng)村居民家庭平均每人按來源分的純收入數(shù)據(jù)，選取總收入和四項(xiàng)收入來源指標(biāo)作為分配來源．我們把Y作為全年純收入，Y1為工資性純收入，Y2為家庭經(jīng)營性純收入，Y3為財(cái)產(chǎn)性純收入，Y4為轉(zhuǎn)移性收入。再選取8個反映消費(fèi)支出的指標(biāo)為消費(fèi)分配的去向：*1—食品支出，*2—衣著支出，*3—居住支出，*4—家庭設(shè)備及效勞支出，*5—醫(yī)療保健支出，*6—交通和通訊支出，*7—文教和娛樂用品及效勞支出，*8—其他商品及效勞支出．下面我們將利用后退法分別進(jìn)展回歸分析。⒈全年純收入Y與各項(xiàng)支出指標(biāo)之間的回歸分析這里利用spss軟件處理數(shù)據(jù)，觀測每一步檢驗(yàn)的變化情況，并進(jìn)展殘差分析和異常點(diǎn)探測，分析結(jié)果如表所示：表22-1〔a〕多元線性回歸分析結(jié)果〔向后篩選策略〕ModelSummarygModelRRSquareAdjustedRSquareStd.ErroroftheEstimateDurbin-Watson1.958.917.835505.520932.958b.917.853476.950813.957.916.865457.086624.956d.914.874440.813855.953e.907.877436.651166.948.899.876437.721831.334a.Predictors:(Constant),其他商品和效勞消費(fèi),醫(yī)療保健消費(fèi),家庭設(shè)備用品消費(fèi),交通和通訊消費(fèi),衣著消費(fèi),居住消費(fèi),文化教育娛樂消費(fèi),食品消費(fèi)b.Predictors:(Constant),其他商品和效勞消費(fèi),醫(yī)療保健消費(fèi),家庭設(shè)備用品消費(fèi),交通和通訊消費(fèi),衣著消費(fèi),文化教育娛樂消費(fèi),食品消費(fèi)c.Predictors:(Constant),其他商品和效勞消費(fèi),醫(yī)療保健消費(fèi),交通和通訊消費(fèi),衣著消費(fèi),文化教育娛樂消費(fèi),食品消費(fèi)d.Predictors:(Constant),其他商品和效勞消費(fèi),醫(yī)療保健消費(fèi),交通和通訊消費(fèi),衣著消費(fèi),文化教育娛樂消費(fèi)e.Predictors:(Constant),其他商品和效勞消費(fèi),醫(yī)療保健消費(fèi),交通和通訊消費(fèi),衣著消費(fèi)f.Predictors:(Constant),其他商品和效勞消費(fèi),醫(yī)療保健消費(fèi),衣著消費(fèi)g.DependentVariable:全年純收入表22-1〔b〕最終方程線性回歸檢驗(yàn)ANOVAgModelSumofSquaresdfMeanSquareFSig.6Regression2.224E737411694.40838.683.000Residual2490805.22413191600.402Total2.473E716f.Predictors:(Constant),其他商品和效勞消費(fèi),醫(yī)療保健消費(fèi),衣著消費(fèi)g.DependentVariable:全年純收入下表省略了前五步，只留下第六步的最終模型表22-1〔c〕多元線性回歸分析結(jié)果CoefficientsaModelUnstandardizedCoefficientsStandardizedCoefficientstSig.BStd.ErrorBeta6(Constant)4030.718460.7038.749.000衣著消費(fèi)10.5731.361.9407.766.000醫(yī)療保健消費(fèi)4.6321.322.3333.504.004其他商品和效勞消費(fèi)-18.4665.972-.352-3.092.009a.DependentVariable:全年純收入由上表可知，利用后退法共經(jīng)過六部完成回歸方程的建立，最終模型為第六個模型。模型依次剔除了居住消費(fèi)、家庭設(shè)備用品消費(fèi)、食品消費(fèi)和文化教育娛樂消費(fèi)，保存了衣著消費(fèi)、醫(yī)療保健消費(fèi)、其他商品和效勞消費(fèi)。由表2-1〔b〕〔c〕可知，回歸方程顯著性檢驗(yàn)和最終方程的回歸系數(shù)顯著性檢驗(yàn)的概率p值遠(yuǎn)小于顯著水平a〔a為0.05〕，因此三個解釋變量和被解釋變量間的線性關(guān)系顯著，其留在模型中是合理的。所以可以得到的最終回歸方程為Y=4030.718+10.573*衣著消費(fèi)+4.632*醫(yī)療保健消費(fèi)-18.466*其他商品和效勞消費(fèi)，即為Y=4030.718+10.573**2+4.632**5-18.466**8。該方程意味著全年純收入主要與衣著消費(fèi)，醫(yī)療保健消費(fèi)呈正相關(guān)，與其他商品和效勞消費(fèi)呈負(fù)相關(guān)，可以通過散點(diǎn)圖看出，如圖22-1〔d〕。而且從標(biāo)準(zhǔn)化后的方程〔Y=0.940**2+0.333**5-0.352**8〕可以看出單位收入主要流向了衣著消費(fèi)〔0.94〕和醫(yī)療保健〔0.333〕，說明農(nóng)村居民的根本消費(fèi)趨向還主要停留在自身根本狀況的需要上；作為其他商品和效勞消費(fèi)〔-0.352〕，系數(shù)為負(fù)，說明這項(xiàng)消費(fèi)遠(yuǎn)遠(yuǎn)低于農(nóng)村居民的根本消費(fèi)指標(biāo)。圖22-1〔d〕全年純收入分別和衣著消費(fèi)、醫(yī)療保健消費(fèi)、其他商品和效勞消費(fèi)的散點(diǎn)圖2．工資性純收入Y1、家庭經(jīng)營性純收入Y2、財(cái)產(chǎn)性純收入Y3、轉(zhuǎn)移性純收入Y4與支出各項(xiàng)指標(biāo)之間的線性回歸這里同樣利用后退法進(jìn)展回歸分析，利用SPSS軟件可以分別得到相應(yīng)的回歸分析結(jié)果，并通過后退法回歸后，得到其散點(diǎn)圖，如下所示：表22-2〔a〕工資性純收入與支出指標(biāo)的回歸分析結(jié)果CoefficientsaModelUnstandardizedCoefficientsStandardizedCoefficientstSig.BStd.ErrorBeta7(Constant)625.478365.7561.710.109衣著消費(fèi)4.525.983.6384.605.000醫(yī)療保健消費(fèi)3.6081.214.4122.971.010a.DependentVariable:工資性純收入(a1)(a2)勞動法中的‘工資’是指用人單位依據(jù)國家有關(guān)規(guī)定或勞動合同的約定，以貨幣形式直接支付給本單位勞動者的勞動報(bào)酬，一般包括計(jì)時(shí)工資、計(jì)件工資、資金、津貼和補(bǔ)貼、延長工作時(shí)間的工資報(bào)酬以及特殊情況下支付的工資等?！べY’是勞動者勞動收入的主要組成局部。通過觀察標(biāo)準(zhǔn)化后的各項(xiàng)數(shù)據(jù)可知P值小于0.05，所以工資性純收入與衣著消費(fèi)，醫(yī)療保健消費(fèi)線性顯著;由散點(diǎn)圖樂意看出它們之間存在正相關(guān)。寫出標(biāo)準(zhǔn)化后的回歸方程Y1(工資性純收入)=0.638**1(衣著)+0.412**5〔醫(yī)療保健〕，一單位的衣著消費(fèi)需要0.638個單位的工資性純收入，一單位的醫(yī)療保健消費(fèi)需要0.412個單位的工資性純收入；工資性收入是農(nóng)民最主要最根本的收入來源，衣著也是其重要消費(fèi)方式，當(dāng)工資提高時(shí)，人們會提高對衣著的需求和醫(yī)療保健的支出。表22-2〔b〕家庭經(jīng)營性純收入與支出指標(biāo)的回歸分析結(jié)果CoefficientsaModelUnstandardizedCoefficientsStandardizedCoefficientstSig.BStd.ErrorBeta8(Constant)2123.285525.7644.038.001交通和通訊消費(fèi)2.9981.012.6082.962.010a.DependentVariable:家庭經(jīng)營純收入(b)經(jīng)營性收入〔OperationalIne〕是指納稅人通過經(jīng)常性的生產(chǎn)經(jīng)營活動而取得的收益，即企業(yè)在銷售貨物、提供勞務(wù)以及讓渡資產(chǎn)使用權(quán)等日?；顒又兴a(chǎn)生的收入，通常表現(xiàn)為現(xiàn)金流入、其他資產(chǎn)的增加或負(fù)債的減少。由表可知P值小于0.05，認(rèn)為家庭經(jīng)營性收入與交通和通訊消費(fèi)線性關(guān)系顯著;由圖可以很好看出他們之間成正相關(guān)。標(biāo)準(zhǔn)化后的回歸方程Y2〔經(jīng)營性收入〕=0.608**6(交通通訊)，增加一單位的交通通訊消費(fèi)需要0.608個單位的經(jīng)營性收入；增加一單位的經(jīng)營性收入用于0.608個單位的交通通訊消費(fèi)；經(jīng)營性收入不是農(nóng)民普遍的收入方式，因?yàn)樾枰欢ǖ谋惧X，并且收入高。他們的生活條件也相應(yīng)較好，從而會增加享受消費(fèi)，如度假旅游，購置手機(jī)等通訊設(shè)備。表22-2〔c〕財(cái)產(chǎn)性純收入與支出指標(biāo)的回歸分析結(jié)果CoefficientsaModelUnstandardizedCoefficientsStandardizedCoefficientstSig.BStd.ErrorBeta8(Constant)-15.13657.584-.263.796醫(yī)療保健消費(fèi).913.204.7574.481.000a.DependentVariable:財(cái)產(chǎn)純收入(c)財(cái)產(chǎn)性收入，指通過資本、技術(shù)和管理等要素與社會生產(chǎn)和生活活動所產(chǎn)生的收入。即家庭擁有的動產(chǎn)(如銀行存款、有價(jià)證券)和不動產(chǎn)(如房屋、車輛、收藏品等)所獲得的收入。包括出讓財(cái)產(chǎn)使用權(quán)所獲得的利息、租金、專利收入；財(cái)產(chǎn)營運(yùn)所獲得的紅利收入、財(cái)產(chǎn)增值收益等。由表可知檢驗(yàn)的P值為0.000認(rèn)為財(cái)產(chǎn)性收入與醫(yī)療保健消費(fèi)線性相關(guān)關(guān)系顯著；同樣圖也能看出之間呈正相關(guān)。由表可以寫出其標(biāo)準(zhǔn)化后的回歸方程為Y3〔財(cái)產(chǎn)性純收入〕=0.757**5〔醫(yī)療保健消費(fèi)〕，可以這樣解釋，一單位的財(cái)產(chǎn)性收入的百分之75.7用于醫(yī)療保健消費(fèi)，說明財(cái)產(chǎn)性收入的大局部用于醫(yī)療保健支出；同樣支出一單位的醫(yī)療保健消費(fèi)需要從財(cái)產(chǎn)性純收入中支付0.757個單位。通過財(cái)產(chǎn)性收入的定義*圍可以理解兩者之間的關(guān)系，對于家庭比較富裕的農(nóng)民來說，他們會有剩余的錢存入銀行獲得利息收入和出租房屋車輛等的收入。由于醫(yī)療保健不屬于必須消費(fèi)，所以在生活比較寬裕的情況下此種消費(fèi)會隨之提高，這一回歸方程很符合現(xiàn)實(shí)情況。表22-2〔d〕轉(zhuǎn)移性純收入與支出指標(biāo)的回歸分析結(jié)果CoefficientsaModelUnstandardizedCoefficientsStandardizedCoefficientstSig.BStd.ErrorBeta8(Constant)145.81446.2213.155.007醫(yī)療保健消費(fèi).369.164.5032.256.039a.DependentVariable:轉(zhuǎn)移性純收入〔d〕轉(zhuǎn)移性收入就是指國家、單位、社會團(tuán)體對居民家庭的各種轉(zhuǎn)移支付和居民家庭間的收入轉(zhuǎn)移。包括政府對個人收入轉(zhuǎn)移的離退休金、失業(yè)救濟(jì)金、賠償?shù)?單位對個人收入轉(zhuǎn)移的辭退金、保險(xiǎn)索賠、住房公積金、家庭間的贈送和贍養(yǎng)等。由表可知檢驗(yàn)的P值小于0.05，認(rèn)為轉(zhuǎn)移性收入與醫(yī)療保健之間線性相關(guān)，通過圖也可以看出之間存在正相關(guān)。標(biāo)準(zhǔn)化后的回歸方程為Y4(轉(zhuǎn)移性收入)=0.503**5〔醫(yī)療保健〕，這個很好解釋了現(xiàn)實(shí)情況，很符合現(xiàn)實(shí)狀況，轉(zhuǎn)移性收入的獲得者大都是退休老人，失業(yè)或者有疾病生理缺陷的群體，他們對身體**相對重視，從而對醫(yī)療保健消費(fèi)比較重視。綜上，通過**省農(nóng)村居民收入的消費(fèi)分配的回歸分析，得出：**省農(nóng)村居民的收入主要流向了衣著消費(fèi)和醫(yī)療保健消費(fèi)，這說明農(nóng)村居民的收入還主要用于生活根本消費(fèi)，還無法像城鎮(zhèn)居民那樣享受更多的消費(fèi)效勞。從一側(cè)面反映了**省的城鄉(xiāng)差距依然十分嚴(yán)峻，需要更多地關(guān)注農(nóng)村居民的根本生活，提高農(nóng)村居民的生活水平，刺激農(nóng)村居民的消費(fèi)能力，從而到達(dá)全省經(jīng)濟(jì)水平的全面提升。五、心得體會經(jīng)過兩周的努力，我們終于完成了這篇實(shí)驗(yàn)報(bào)告的寫作。作為統(tǒng)計(jì)專業(yè)的學(xué)生，這是我們第一次實(shí)質(zhì)性地做有關(guān)自己專業(yè)的報(bào)告實(shí)踐。過程雖然不是十分順利，但卻讓我們受益匪淺。寫作過程可謂是一波三折：在選擇模型時(shí)選擇哪個模型比較適宜，在查找數(shù)據(jù)時(shí)數(shù)據(jù)的選擇、以及整理都遇到了不小的問題。上交初稿之后，教師給我們提出了很多問題：論文構(gòu)造問題；論文內(nèi)容的組織問題以及模型建立的合理性問題等等。當(dāng)時(shí)說實(shí)話，感覺很失敗、很沮喪。最后我們大家還是相互鼓勵，按照教師的要求一步一步地將自己的錯誤進(jìn)展了更正，將實(shí)驗(yàn)報(bào)告完善起來。綜合這次實(shí)踐過程，我們學(xué)到了很多：首先，我們熟悉掌握了論文中幾種模型的原理和處理方法，將自己的所學(xué)運(yùn)用到了實(shí)踐過程中；其次，通過這次實(shí)驗(yàn)設(shè)計(jì)，我們對E*CEL、SPSS軟件以及Eviews等統(tǒng)計(jì)軟件的操作和應(yīng)用更加熟練，為以后的學(xué)習(xí)建立了良好的根底；再次，我們清楚的明白了想要做好一件事，僅僅一個人是不夠的，這需要隊(duì)友的配合。在一個團(tuán)隊(duì)之中，只有更好的配合好，才會做出更好成績。參考文獻(xiàn)[1]沈黎華.影響居民家庭現(xiàn)金收入與支出的調(diào)研與研究[J].商情教育經(jīng)濟(jì)研究,2008〔06〕：59-60.

[2]*東.我國農(nóng)村居民消費(fèi)構(gòu)造研究——基于擴(kuò)展線性支出系統(tǒng)模型的計(jì)量分析[J].**科技信息，2010〔2〕：112-113.

[3]于洪彥,*金星,許友傳.**省農(nóng)村居民收入構(gòu)造對支出行為的影響——基于**省2003～2006年抽樣調(diào)查的面板分析[J].稅務(wù)與經(jīng)濟(jì),2009〔1〕:1-6.附錄-12009年**省農(nóng)村居民人均總支出狀況地區(qū)全年生活

消費(fèi)總支出1.食品消費(fèi)

支出2.衣著消費(fèi)

支出3.居住消費(fèi)

支出4.家庭設(shè)備、用品消費(fèi)支出5.交通和通訊

消費(fèi)支出6.文化教育、娛樂

消費(fèi)支出7.醫(yī)療保健

消費(fèi)支出8.其他商品和

效勞消費(fèi)支出濟(jì)南市4733.101686.30269.89925.32273.10746.71377.81405.4148.56青島市5831.642124.22567.461054.79335.31724.42635.93287.65101.86淄博市5170.681734.70398.231082.42310.54504.69587.83452.4999.78棗莊市3753.451429.99295.11662.66259.90494.86274.14233.74103.05東營市4542.821593.74256.141016.09310.73646.01420.36252.7147.03煙臺市4520.751724.56344.73812.20233.29464.59495.77363.9481.66濰坊市5239.961536.93344.261373.6