基于多元线性回归模型影响居民消费水平相关因素分析.doc

计量分析软件课程论文 论文题目：基于多元线性回归模型的影响居民消费 水平相关因素分析 姓 名： 学 号： 学 院： 专 业： 联系电话： ? ? ? ? 年 月 日 基于多元线性回归模型的影响居民消费 水平相关因素分析 一、研究背景 中国GDP总量超越日本，成为仅次于美国的第二大经济体，但我国人均GDP依然很低，全球排名87位，这很大程度上制约了居民消费水平的提高。到2020年实现全面建成小康社会的目标消费分为居民消费和政府消费，居民消费包括农村居民消费和城镇居民消费。本文结合居民消费水平的影响因素，列出了国内生产总值、职工平均工资指数、城镇居民消费价格指数、普通中学及高等学校在校生数、卫生机构数和基本设施铁路公路货运量等相关因素，进行计量分析,得到回归模型。 三、居民消费水平模型的总体分析框架 （1）多元线性回归法OLS概述 回归分析是计量经济分析中使用最多的方法，在现实问题研究中 1978 184 3645.217 107.3 96.3 21261 169732 195301 1979 208 4062.58 106.7 101.9 20689.8 175142 382929 1980 238 4545.62 106.1 107.5 20298.2 180553 493327 1981 264 4891.56 98.9 102.5 19345.3 190126 471336 1982 288 5323.35 101.5 102.0 18650.2 193438 492737 1983 316 5962.65 101.4 102.0 18183.4 196017 520197 1984 361 7208.05 114.7 102.7 18407.6 198256 657456 1985 446 9016.037 105.3 111.9 18480.2 200866 668771 1986 497 10275.18 108.3 107.0 18521.1 203139 755748 1987 565 12058.62 101.0 108.8 18252.8 204960 852077 1988 714 15042.82 99.2 120.7 17789.1 205988 877263 1989 788 16992.32 95.2 116.3 17424.0 206724 885270 1990 833 18667.82 109.2 101.3 17335.9 208734 874721 1991 932 21781.50 104.0 105.1 17376.2 209236 886800 1992 1116 26923.48 106.7 108.6 17546.3 204787 938568 1993 1393 3533.92 107.1 116.1 17793.4 193586 1003050 1994 1833 48197.86 107.7 125.0 18510.9 191742 1058130 1995 2355 60793.73 103.8 116.8 19334.7 190057 1106369 1996 2789 71176.59 103.8 108.8 20162.2 322566 1154884 1997 3002 78973.03 101.1 103.1 20876.7 315033 1148685 1998 3159 84402.28 107.2 99.4 21173.1 314097 1140313 1999 3346 89677.05 113.1 98.7 21303.8 300996 1157998 2000 3632 99214.55 111.4 100.8 21479.3 324771 1217394 2001 3869 109655.20 115.2 100.7 21603.6 330348 1249501 2002 4106 120332.70 115.5 99.0 21896.9 306038 1321280 2003 4411 135822.80 112.0 100.9 21946.18 291323 1384205 2004 4925 159878.30 110.5 103.3 21881.70 297540 1494007 2005 5463 183217.40 11