多元线性回归分析法预测商品零售价格指数.pdf

《多元线性回归分析法预测商品零售价格指数.pdf》由会员分享，可在线阅读，更多相关《多元线性回归分析法预测商品零售价格指数.pdf（6页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、http:/ -1-多元线性回归分析法预测商品零售价格指数多元线性回归分析法预测商品零售价格指数 刁红，杨杰，赵晓慧 辽宁工程技术大学理学院，辽宁阜新（123000）Email: 摘摘 要：要：本文主要应用数学建模中的多元线性回归模型，来拟合多个影响因素对一个变量的影响。利用 1990-2007 年的利率、消费水平、商品零售价指数，考量其关连性.通过模型的建立、分析及求解加深对多元线性回归模型的理解。最后通过统计分析，说明此模型在实践中的可行性，并对短期内的情况进行预测。关键字：关键字：多元线性回归模型；利率；消费水平；商品零售价格指数；残差图 中图分类号：中图分类号：0141.4 1、引言、

2、引言 随着经济全球化的趋势、中国加入 WTO 的形式，外界的金融因素越来越活跃的影响到中国经济的发展方向。一个特定的质和量的客观标准，不能仅仅根据几个总量统计指标的走势，简单地以升降论是非,必须整合出它们之间的联系。尤其在面对国内经济在市场宏观的调解下，消费水平、利率、商品价格潜移默化的影响着百姓的生活。根据现阶段的数据我们仅能发现居民收入增长缓慢，现金收入下降；在出口增长下降的情况下，物价直线下降，现已超过 20 个月，居民消费率达到历史最低点。居民存款逆利息走势不断增加。所以，在对具体数据运用回归拟合后，我们可以粗略预测下一阶段的数据范围。2、模型的假设与说明、模型的假设与说明 2.1 模

3、型的假设模型的假设（1）在理想情况下，价格指数问题只与给出的因素利率、消费水平有关，我们只选取了一小部分而与其他部分无关。（2）社会的发展平衡稳定，排除突发事件导致数据的突变。（3）假设因素之间的联系较小，不存在一个因素的变化导致其他因素的剧烈变化。（4）所给数据真实据可靠，反应实际情况。4 2.2 数据来源说明：数据来源说明：表 1 各因素统计表（数据来源：2008 中国统计年鉴）年份 1990 1991 1992 1993 1994 1995 1996 1997 1998 年利率 9.36 7.56 7.56 10.08 10.08 10.08 8.32 5.67 4.59 消费水平 22

4、9.2 249.0 282.0 305.8 320.0 345.1 377.6 394.6 417.8 商品零售 价格指数 207.7 213.7 225.2 254.9 310.2 356.1 377.8 380.8 370.9 年份 1999 2000 2001 2002 2003 2004 2005 2006 2007 中国中国科技论文在线科技论文在线 -2-年利率 2.25 2.25 2.25 1.98 1.98 2.25 2.25 2.52 3.46 消费水平 452.3 491.0 518.8 552.5 588.5 632.3 682.3 747.8 824.1 商品零售 价格指

5、数 359.8 354.4 351.6 347.0 346.7 356.4 359.3 362.9 376.7 年利率 根据我国各大银行，人民银行、建设银行的随即的记录结果进行的数据处理得到，一年中利率的调整粗略的取其均值。商品零售价格指数价格指数编制由国家统计局城市社会经济调查司组织实施。资料采用抽样调查和重点调查相结合的方法取得，即在全国选择不同经济区域和分布合理的地区，以及有代表性的商品作为样本，对其市场价格进行定期调查，以样本推断总体。商品零售价格指数的计算权数主要根据社会商品零售额资料确定。居民消费水平其调查按类别分，计算权数根据近 12 万户城乡居民家庭消费支出构成确定。鉴于1 3

6、、模型的建立与求解、模型的建立与求解 分析：画出 MATLAB 散点图程序如下：x1=9.36,7.56,7.56,10.08,10.08,10.08,8.32,5.67,4.59,2.25,2.25,2.25,1.98,1.98,2.25,2.25,2.52,3.46;x2=229.2,249.0,282.0,305.8,320.0,345.1,377.6,394.6,417.8,452.3,491.0,518.8,552.5,588.5,632.3,682.3,747.8,824.1;y=207.7,213.7,225.2,254.9,310.2,356.1,377.8,380.8,370

7、.9,359.8,354.4,351.6,347.0,346.7,356.4,359.3,362.9,376.7;subplot(2,1,1);plot(x1,y,*);subplot(2,1,2);plot(x2,y,+)运行结果如图 1 图 1 散点图 http:/ 中国中国科技论文在线科技论文在线 -3-由图可知：y 与 x2 有较明显的线性关系，而 y 与 x1 则难以确定，做几种尝试，用统计分析决定优劣。设多元线性回归模型为设多元线性回归模型为01 122yxx=+1x为 1990-2007 年的利率，2x为 1990-2007 年的消费水平，y 为商品零售价格指数。模型求解的 MA

8、TLAB 程序如下：x1=9.36,7.56,7.56,10.08,10.08,10.08,8.32,5.67,4.59,2.25,2.25,2.25,1.98,1.98,2.25,2.25,2.52,3.46;x2=229.2,249.0,282.0,305.8,320.0,345.1,377.6,394.6,417.8,452.3,491.0,518.8,552.5,588.5,632.3,682.3,747.8,824.1;y=207.7,213.7,225.2,254.9,310.2,356.1,377.8,380.8,370.9,359.8,354.4,351.6,347.0,346

9、.7,356.4,359.3,362.9,376.7;x=ones(18,1)x1 x2;b,bint,r,rint,stats=regress(y,x)b=251.2424 -2.2754 0.1908 bint=91.9188 410.5661 -14.1235 9.5727 -0.0320 0.4136 r=-65.9753 -67.8489 -62.6452 -31.7521 20.8385 61.9495 73.4439 67.1705 50.3865 27.3796 14.5957 6.4915 -5.1527 -12.3214 -10.3640 -17.0038 -25.2867

10、 -23.9057 http:/ 中国中国科技论文在线科技论文在线 -4-rint=-153.0919 21.1412 -155.2096 19.5119 -153.3305 28.0401 -123.7141 60.2099 -71.7544 113.4315 -23.4503 147.3494 -15.1859 162.0737 -25.5579 159.8989 -44.8588 145.6319 -64.4279 119.1870 -80.7849 109.9763 -90.5133 103.4964 -102.4327 92.1274 -110.0315 85.3887 -108.2

11、668 87.5388 -112.8033 78.7956 -115.3032 64.7298 -98.8389 51.0276 stats=0.4435 5.9771 0.0123 其中：b 为回归系数估计值;bint 为置信区间;stats 包括判定系数2R，显著性检验 F，概率 p；r 为残差；rint 为置信区间。其中判定系数2R是衡量拟合优度的一个重要指标，它的取值介于 0 与 1 之间，2R越接近于 1，拟合度越好，反之越差。4、结果分析与预测、结果分析与预测 结果分析：http:/ 中国中国科技论文在线科技论文在线 -5-图 2 残差图 对于若干组具体的数据(),iix y，都可

12、算出回归系数,a b，从而得到回归方程。至于y与x之间是否真的有如回归模型所描述的关系，或者说用所得到的回归模型去拟合实际数据是否有足够好的近似，并不知道。所以必须对模型进行检验。用上述拟合结果，得到F=5.9771，现在取216fn=；取显著性水平为 0.05，查表可得相应的F分布临界值为()0.051,16F=4.4940，显然有()0.051,16FF,F检验通过，所以可以用前面的回归方程来描述年利率及消费水平与商品零售价格指数的关系，置信度为95%。根据以下程序及图得到商品零售价格指数：x1=9.36,7.56,7.56,10.08,10.08,10.08,8.32,5.67,4.59

13、,2.25,2.25,2.25,1.98,1.98,2.25,2.25,2.52,3.46;x2=229.2,249.0,282.0,305.8,320.0,345.1,377.6,394.6,417.8,452.3,491.0,518.8,552.5,588.5,632.3,682.3,747.8,824.1;y=207.7,213.7,225.2,254.9,310.2,356.1,377.8,380.8,370.9,359.8,354.4,351.6,347.0,346.7,356.4,359.3,362.9,376.7;x=x1,x2;rstool(x,y,linear)http:/

14、中国中国科技论文在线科技论文在线 -6-图 3 分析与预测 由此可知：下一年的商品零售价格指数的置信区间为：293.5238,363.3762 参考文献参考文献 1 中国统计年鉴 2008 中国国家统计局编 2 徐晓岭，顾蓓青，厉杰，孙祝岭，赵辉，吴生荣。加工贸易与我国经济增长关系的回归模型分析；上海师范大学学报.2008 年第四期 3 孙楚仁.沈玉良.赵红军 加工贸易和其他贸易对经济增长贡献率的估计 期刊论文-上海师范大学学报（自然科学版）2006(3)4 蔡武 袁莎莎 戚洋.基于多元线性回归分析法预测矿井瓦斯涌出量.2008 5 杨楠;岭回归分析在解决多重共线性问题中的独特作用J;统计与决

15、策;2004 年 03 期;15-16 6 马娟,张涤新;相关分析、回归分析、因果分析与经济分析方法初探J;统计与预测;2003 年 05 期;33-35 The prediction of commodity retail price index by the multiple linear regression analysis Diao Hong,Yang Jie,Zhao Xiaohui College of Science,LiaoNing Technical University,Fuxin,Liaoning(123000)Abstract In this paper,throug

16、h the application of mathematical modeling of the multiple linear regression model,the author fit factors on the impact of variables,do research on the ralationship of interest rates,the consumption level and commodity retail price index.Through modeling,analysing and soluting this model,this paper

17、make the understanding of the multiple linear regression model of deeper and better.In additon,the Statistical Analysis prove this model is feasible in practice and predicted short-term future.Keywords:Multiple Linear regression;Interest rates;Consumption level;retail price index;Residuals chart http:/ 中国中国科技论文在线科技论文在线