应用回归课程设计--人均可支配收入的分析.doc

应用回归分析 课程设计报告 课 程： 应用回归分析 题 目： 人均可支配收入的分析 年 级： 11金统 专 业： 金融统计 学 号： 姓 名： 指导教师： 基于多元线性回归模型对我国城镇居民家庭人均可支配收入的分析 摘要：收入分配和消费结构都是国民经济的重要课题居民消费的主要来源是居民而消费又是拉动经济增长的重要因素。本文将通过多远统计分析方法对我国各地区城镇居民的现状进行分析。通过分析找出我国城镇居民特点及其中存在的不足 标准化回归方程 以其探究最后进入回归方程的几个变量在影响城镇居民收入孰轻孰重，达到学习与生活结合的效果。分析出影响城镇居民收入的主要原因，并对模型联系实际进行分析，以供国家进行决策做参考。 关键词：多元线性回归 异方差 自相关 多重共线性 逐步回归 方差扩大因子 （一）引言： 改革开放以来我国的国民经济增长迅速居民的水平也大幅提高但居民分配差距也在不断扩大。2008年的金融危机为我国带来的后遗症还在继续影响着居民正常生活物价上涨和通货膨胀的压力仍然困扰着老百姓和消费支出体系的健康发展至关重要。消费是拉动国民经济增长的一架重要马车又是决定居民消费的最主要因素。我国口基数大消费群体众多但由于居民分配差距大直接影响到居民消费需求的降低从而影响经济增长。而且随着中国特色的市场经济体制的建立各种分配问题也愈发明显。因此鉴于篇幅限制本文就只针对城镇居民的进行分析。中国网北京7月13日讯 国家统计局今日发布数据显示，我国城乡居民稳定增长，农村居民增长较快。上半年，城镇居民家庭人均总12076元。其中，城镇居民人均可支配11041元，同比增长13.2%，扣除价格因素，实际增长7.6%。在城镇居民家庭人均总中，工资性同比名义增长11.5%，转移性增长9.9%，经营净增长31.2%，财产性增长20.4%。农村居民人均现金3706元，同比增长20.4%，扣除价格因素，实际增长13.7%。其中，工资性同比名义增长20.1%，家庭经营增长21.0%，财产性增长7.5%，转移性增长23.2% 下面通过统计数据对的总体现状和发展态势进行分析了解我国居民分配情况。 与一般变量 的线性回归模型为 （4.1） 其中，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）。 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 （4.2） 称 （4.3） 为理论回归方程。 对一个实际问题，如果我们获得组观测数据，则线性回归模型（4.1）式可表示为 （4.4） 写成矩阵形式为 （4.5） 其中 （4.6） 是一个阶矩阵，称为回归设计矩阵或资料矩阵。 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（4.4）式有如下一些基本假定： 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。 随机误差项具有零均值和等方差，即 （4.7） 这个假定常称为高斯—马尔柯夫条件。，假设观测值没有系统错误，随机误差项的平均值为0。随机误差项的协方差为0，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 （4.8） 对于多元线性回归的矩阵模型（4.5）式， 这个条件便可表示为 （4.9） 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（4.5）式的期望向量 （4.10） （4.11） 因此 （4.12） ②回归参数的普通最小二乘估计 线性回归方程确定后的任务是利用已经收集到的样本数据，根据一定的统计拟合准则，对方程中的各个参数进行估计。