销售额影响因素
XD是一家大型通讯设备生产公司，在我国主要的大中型城市都设有子公司。张伟最近被提拔为销售部经理。在即将召开的全国各地子公司负责人会议上，他想让大家清楚地了解影响销售额的相关因素。于是，从全国各地的子公司中，随机收集了十五个城市子公司的销售额、促销活动投入额和竞争对手销售额的数据。
表1 XD子公司销售额及相关因素数据（百万元）
子公司地址子公司销售额子公司促销活动投入额竞争对手销售额成都101.80 1.30 20.40
沈阳44.40 0.70 30.50
长春108.30 1.40 24.60
哈尔滨85.10 0.50 21.70
青岛77.10 0.50 25.50
武汉158.70 1.90 21.70
西安180.40 1.20 6.80
南京64.20 0.40 12.60
济南74.60 0.60 31.30
广州143.40 1.30 18.60
厦门120.60 1.60 19.90
深圳69.70 1.00 25.60
大连67.80 0.80 27.40
杭州106.70 0.60 24.30
宁波119.60 1.10 13.70
计算与思考：
1）分析子公司销售额与促销活动投入额、竞争对手销售额间的关系。
答：
子公司销售额与促销活动投入额的散点图如下：
可以看出大致趋势为子公司销售额与促销活动投入额成正比关系
子公司销售额与竞争对手销售额间的散点图如下
可以看出子公司销售额与竞争对手销售额间成反比关系
2）建立子公司促销活动投入额对其销售额的回归方程；解释方程的含义，说明子公司促销活动投入额对其销售额的影响程度；假设某地的子公司促销活动投入额为120万元，预计其销售额及在置信水平95%下的预测区间。
答：设y为销售额，x为促销活动投入额，做回归分析过程如下SUMMARY OUTPUT
回归统计
Multiple R 0.707693
R Square 0.500829
Adjusted R Square 0.462431
标准误差27.9912
观测值15
方差分析
df SS MS F Significance
F
回归分析 1 10219.42 10219.42 13.04317 0.003161 残差13 10185.59 783.5072
总计14 20405.01
Coefficients 标准误差t Stat P-value Lower 95% Upper
95%
下
95
Intercept 42.21206 17.93509 2.353601 0.03499 3.465645 80.95847 3.46 X Variable 1 59.67914 16.5246 3.611532 0.003161 23.9799 95.37837 23.
子公司促销活动投入额对其销售额的回归方程为：
y = 59.679x + 42.212 R2 = 0.5008
子公司促销活动投入额对其销售额的影响程度:从R2= 0.5008，可以看出回
归方程拟合优度不高，子公司促销活动投入额对其销售额的影响程度仅为
50%。
假设某地的子公司促销活动投入额为120万元，预计其销售额及在置信水平
95%下的预测区间：（32.242，195.413）
3）建立子公司促销活动投入额和竞争对手销售额对子公司销售额的回
归方程；解释方程的含义，检验子公司促销活动投入额和竞争对手销售
额各自对子公司销售额影响的显著性。
答：设y为销售额，x1为促销活动投入额，x2为竞争对手销售额，做回归
分析过程如下
回归统计
Multiple R 0.856066
R Square 0.732849
Adjusted R Square 0.688324
标准误差21.31358
观测值15
方差分析
df SS MS F Significance
F
回归分析 2 14953.79 7476.893 16.45919 0.000364 残差12 5451.223 454.2686
总计14 20405.01
Coefficients 标准误差t Stat P-value Lower 95% Upper
95%
下
9
Intercept 113.1735 25.87788 4.37337 0.000907 56.79049 169.5566 56 X Variable 1 49.72006 12.95513 3.837868 0.002362 21.49327 77.94685 21 X Variable 2 -2.82203 0.874153 -3.22831 0.007242 -4.72665 -0.91742 -4.
子公司促销活动投入额和竞争对手销售额对子公司销售额的回归方程：
y = 49.679x1－2.822x2+113.174 R2 =0.856
子公司促销活动投入额和竞争对手销售额对子公司销售额的解释可达
85.6%
根据x1和x2的P值均小于0.05，所以子公司促销活动投入额和竞争对手销售额各自对子公司销售额均有显著影响
4）除了子公司促销活动投入额、竞争对手销售额之外，你认为还有哪些因素可能会对子公司销售额产生影响？若能取得相应的数据，你知道哪些筛选自变量的方法？试叙述。
答：当所研究的问题涉及较多的自变量时，我们很难想象事先选定的全部自变量对因变量的影响都有显著性意义；也不敢保证全部自变量之间是相互独立的。换句话说，在建立多元线性回归方程时，需要根据各自变量对因变量的贡献大小进行变量筛选，剔除那些贡献小和与其他自变量有密切关系的自变量、发现那些对回归方程有很坏影响的观测点（这些都是回归诊断的重要内容），从而求出精练的、稳定的回归方程。
一下介绍几种常见筛选变量的方法：
１．向前选择法(FORWARD)
模型中变量从无到有依次选一变量进入模型，并根据该变量在模型中的Ⅱ型离差平和(SS2)计算F统计量及P值。当P小于SLENTRY(程序中规定的选变量进入方程的显著性水平)则该变量入选，否则不能入选；
当模型中变量少时某变量不符合入选标准，但随着模型中变量逐次增多时,该变量就可能符合入选标准；这样直到没有变量可入选为止。
SLENTRY缺省值定为0.5,亦可定为0.2到0.4，如果自变量很多，此值还应取得更小一些，如让SLENTRY=0.05。
向前选择法的局限性∶SLENTRY取值小时，可能任一个变量都不能入选；SLENTRY大时，开始选入的变量后来在新条件下不再进行检验，因而不能剔除后来变得无显著性的变量。
２．向后消去法(BACKWARD)
从模型语句中所包含的全部变量开始，计算留在模型中的各个变量
所产生的F统计量和P值，当P小于SLSTAY(程序中规定的从方程中剔除变量的显著性水平)则将此变量保留在方程中，否则，从最大的P值所对应的自变量开始逐一剔除，直到模型中没有变量可以剔除时为止。SLSTAY缺省值为0.10，欲使保留在方程中的变量都在α=0.05水平上显著时,应让SLSTAY=0.05。
程序能运行时, 因要求所选自变量的子集矩阵满秩,所以当观测点少、且变量过多时程序会自动从中选择出观测点数减１个变量。
向后消去法的局限性∶SLSTAY大时，任一个变量都不能剔除；SLSTAY小时，开始剔除的变量后来在新条件下即使有了显著性，也不能再次被入选回归模型并参入检验。
３．逐步筛选法(STEPWISE)
此法是向前选择法和向后消去法的结合。模型中的变量从无到有像向前选择法那样，根据F统计量按SLENTRY水平决定该变量是否入选；当模型选入变量后，又像向后消去法那样，根据F统计量按SLSTAY 水平剔除各不显著的变量，依次类推。这样直到没有变量可入选，也没有变量可剔除或入选变量就是刚剔除的变量，则停止逐步筛选过程。
逐步筛选法比向前选择法和向后消去法都能更好地在模型中选出变量，但也有它的局限性∶其一，当有ｍ个变量入选后，选第ｍ＋１个变量时，对它来说，前ｍ个变量不一定是最佳组合；其二，选入或剔除变量仅以F值作标准，完全没考虑其他标准。
４．最大R2增量法(MAXR)
首先找到具有最大决定系数R2的单变量回归模型,其次引入产生最大R2增量的另一变量。然后对于该两变量的回归模型，用其他变量逐次替换，并计算其R2，如果换后的模型能产生最大R2增量，即为两变量最优回归模型，如此再找下去，直到入选变量数太多，使设计矩阵不再满秩时为止。
它也是一种逐步筛选法，只是筛选变量所用的准则不同，不是用F
值,而是用决定系数R2判定变量是否入选。因它不受SLENTRY和SLSTAY的限制，总能从变量中找到相对最大者;胀克服了用本节筛选法１～３法时的一种局限性∶找不到任何变量可进入模型的情况。
本法与本节第３种方法都是逐步筛选变量方法，每一步选进或剔除变量都是只限于一个，因而二者局限性也相似∶第一，当有ｍ个变量入选后，选第ｍ＋１个变量时，对它来说，前ｍ个变量不一定是最佳组合；第二,选入或剔除变量仅以R2值作标准,完全没考虑其他标准。
５．最小R2增量法(MINR)
首先找到具有最小决定系数R2的单变量回归模型，然后从其余变量中选出一个变量，使它构成的模腥其他变量所产生的R2增量最小，不断用新变量进行替换老变量，依次类推，这样就会顺次列出全部单变量回归模型,最后一个为单变量最佳模型;两变量最小R2增量的筛选类似第４种方法，但引入的是产生最小R2增量的另一变量。对该两变量的回归模型，再用其他变量替换，换成产生最小R2增量者，直至R2不能再增加，即为两变量最优回归模型。依次类推，继续找含３个或更多变量的最优回归模型等等,变量有进有出。
它与本节第４种方法选的结果不一定相同，但它在寻找最优模型过程中所考虑的中间模型要比本节第４种方法多。
本法的局限性与本节第３、４种方法相似∶第一，当有ｍ个变量入选后，选第ｍ＋１个变量时，每次只有１个变量进或出，各变量间有复杂关系时，就有可能找不到最佳组合；第二，选入变量或替换变量仅以R2值作标准，完全没考虑其他标准。
６．R2选择法(RSQUARE)
从模型语句中的各自变量所有可能子集中选出规定数目的子集，使该子集所构成的模型的决定系数R2最大。要注意∶当观测点少、且模型语句中变量数目过多时, 程序不能运行，因为过多变量使误差项无自由度，设计矩阵不满秩，所以最多只能从所有可能的变量中选择观测点
数减１个变量放入模型。本法和第７、８种方法分别是按不同标准选出回归模型自变量的最优子集，这类选变量法不是从所有可能形成的变量中，而仅仅从模袖量中穷举。
本法的局限性在于∶其一，当样本含量小于等于自变量(含交互作用项)个数时，只能在一定数目的变量中穷举，为找到含各种变量数目的最优子集，要么增加观测，要么反复给出不同模型；其二，选最优子集的标准是R2，完全没考虑其他标准。
７．修正R2选择法(ADJRSQ)
根据修正的决定系数R2取最大的原则，从模型的所有变量子集中选出规定数目的子集。程序能运行的条件是设计矩阵X满秩。
本法的局限性与第６种方相似: 其一，与第６种方中“其一”相同；其二，选最优子集的标准只是用修正的R2取代未修正的R2而已，完全没考虑其他标准。
８．Mallow's Cp选择法(CP)
根据Mallow's Cp统计量，从模袖量子集中选出最优子集。Cp统计量的数值比第６、７种方法更大地依赖于MODEL语句所给出的模型，它比前二者多考虑的方面是∶用模型语句决定的全回归模型估计出误差平和。程序能运行的条件是设计矩阵满秩。
关于财政收入影响因素的统计分析报告 14经济统计1班 陈秋昱 陈翔强 毛翔宇 2016年4月13日
目录 影响我国财政收入因素的统计分析 (3) 一、引言 (3) 二、财政收入影响因素的分析 (3) 2.1变量的选择 (3) 2.2数据说明 (3) 三、模型建立 (4) 3.1模型数据 (4) 3.2相关分析 (6) 3.3模型建立 (7) 四、模型检验 (7) 五、个别数据的折线图分析 (9) 5.1从业人数与国家财政收入间关系 (9) 5.2居民消费价格指数于财政收入间关系 (9) 5.3财政收入占GDP的时间变化 (10) 六、从模型中得到的结果 (10) 6.1财政收入对GDP的依存度 (10) 6.2财政收入对能源消费总量的依存度 (10) 6.3财政收入对实际利用外资的依存度 (11) 6.4财政收入对居民消费价格指数的依存度 (11) 七、结论 (11)
影响我国财政收入因素的统计分析 摘要：影响一国财政收入的因素有很多，如税收收入，三大产业产值，固定资产投资等，本文选取GDP、能源消费总量、从业人员总数、全社会固定资产投资总额、实际利用外资总额、全国城乡居民储蓄存款年底总额、居民人均消费水平、消费品零售总额、居民消费价格指数这9个指标，建立了财政收入影响因素的模型，分析了影响财政收入主要因素及其影响程度。 一、引言 财政作为最为重要的政府活动，是政府职能的具体体现，能够有力地促进经济的发展，促进人民生活水平的提高，并能够调节资源配置。因此，财政收入的变化情况关系着一个国家经济的发展和社会的进步。财政收入的主要来源有税收，国有资产经营收益，政府性基金收益等。同时，一个国家财政收入的规模还要受到经济规模等诸多因素的影响。因此我们以财政收入为因变量，GDP、能源消费总量、从业人员总数、全社会固定资产投资总额等9 个经济指标为自变量，利用R软件进行回归分析，建立财政收入影响因素模型，分析影响我国财政收入的主要因素为何。 二、财政收入影响因素的分析 2.1变量的选择 研究影响财政收入的影响因素离不开基本经济指标，许多文献资料中都把税收、GDP这两个指标列为影响财政收入最重要的影响因素。而本文通过对较多指标的综合分析，企图在众多而复杂的指标当中寻找财政收入比较重要的决定因素。 2.2数据说明 1、财政收入：财政收入，是指政府为履行其职能、实施公共政策和提供公共物品与服务需要而筹集的一切资金的总和。财政收入表现为政府部门在一定时期内（一般为一个财政年度）所取得的货币收入。财政收入是衡量一国政府财力的重要指标，政府在社会经济活动中提供公共物品和服务的范围和数量，在很大程度上决定于财政收入的充裕状况。 2、GDP：国内生产总值（GDP=Gross Domestic Product）是指一个国家（国界范围内）所有常驻单位在一定时期内生产的所有最终产品和劳务的市场价值。GDP 是国民经济核算的核心指标，也是衡量一个国家或地区总体经济状况重要指标。 3、能源消费总量：能源消费总量是一定时期内全国或某地区用于生产、生活所消费的各种能源数量之和。是反映全国或全地区能源消费水平、构成与增长速度的总量指标。 3
1. 表1列出了某地区家庭人均鸡肉年消费量Y 与家庭月平均收入X ，鸡肉价格P 1，猪肉价格P 2与牛肉价格P 3的相关数据。 年份 Y/千 克 X/ 元 P 1/(元/千克) P 2/(元/千克) P 3/(元/千克) 年份 Y/千克 X/元 P 1/(元/ 千克) P 2/(元/ 千克) P 3/(元/千克) 1980 2.78 397 4.22 5.07 7.83 1992 4.18 911 3.97 7.91 11.40 1981 2.99 413 3.81 5.20 7.92 1993 4.04 931 5.21 9.54 12.41 1982 2.98 439 4.03 5.40 7.92 1994 4.07 1021 4.89 9.42 12.76 1983 3.08 459 3.95 5.53 7.92 1995 4.01 1165 5.83 12.35 14.29 1984 3.12 492 3.73 5.47 7.74 1996 4.27 1349 5.79 12.99 14.36 1985 3.33 528 3.81 6.37 8.02 1997 4.41 1449 5.67 11.76 13.92 1986 3.56 560 3.93 6.98 8.04 1998 4.67 1575 6.37 13.09 16.55 1987 3.64 624 3.78 6.59 8.39 1999 5.06 1759 6.16 12.98 20.33 1988 3.67 666 3.84 6.45 8.55 2000 5.01 1994 5.89 12.80 21.96 1989 3.84 717 4.01 7.00 9.37 2001 5.17 2258 6.64 14.10 22.16 1990 4.04 768 3.86 7.32 10.61 2002 5.29 2478 7.04 16.82 23.26 1991 4.03 843 3.98 6.78 10.48 （1） 求出该地区关于家庭鸡肉消费需求的如下模型： 01213243ln ln ln ln ln Y X P P P u βββββ=+++++ （2） 请分析，鸡肉的家庭消费需求是否受猪肉及牛肉价格的影响。 先做回归分析，过程如下： 输出结果如下：
野外实习资料的数理统计分析 一元线性回归分析 一元回归处理的是两个变量之间的关系，即两个变量X和Y之间如果存在一定的关系，则通过观测所得数据，找出两者之间的关系式。如果两个变量的关系大致是线性的，那就是一元线性回归问题。 对两个现象X和Y进行观察或实验，得到两组数值：X1，X2,…，Xn和Y1，Y2，…，Yn,假如要找出一个函数Y=f(X),使它在 X=X1,X2, …,Xn时的数值f(X1),f(X2), …,f(Xn)与观察值Y1，Y2，…，Yn趋于接近。 在一个平面直角坐标XOY中找出（X1，Y1），（X2，Y2），…，（Xn，Yn）各点，将其各点分布状况进行察看，即可以清楚地看出其各点分布状况接近一条直线。对于这种线性关系，可以用数学公式表示： Y = a + bX 这条直线所表示的关系，叫做变量Y对X的回归直线，也叫Y对X 的回归方程。其中a为常数，b为Y对于X的回归系数。 对于任何具有线性关系的两组变量Y与X，只要求解出a与b的值，即可以写出回归方程。计算a与b值的公式为：
式中：为变量X的均值，Xi为第i个自变量的样本值，为因变量的均值，Yi为第i个因变量Y的样本值。n为样本数。 当前一般计算机的Microsoft Excel中都有现成的回归程序，只要将所获得的数据录入就可自动得到回归方程。 得到的回归方程是否有意义，其相关的程度有多大，可以根据相关系数的大小来决定。通常用r来表示两个变量X和Y之间的直线相关程度，r为X和Y的相关系数。r值的绝对值越大，两个变量之间的相关程度就越高。当r为正值时，叫做正相关，r为负值时叫做负相关。r 的计算公式如下： 式中各符号的意义同上。 在求得了回归方程与两个变量之间的相关系数后，可以利用F检验法、t检验法或r检验法来检验两个变量是否显著相关。具体的检验方法在后面介绍。
影响因素分析汇总
高三地理复习材料（影响因素分析汇总）1.影响太阳辐射强弱的因素: ①太阳高度角(纬度决定)；②大气状况(天气、气候)；③海拔高低（主要是大气密度）。 2.影响气温高低的因素： ①纬度位置（太阳辐射）；②地形地势（海拔？ 闭塞？背风坡？迎风坡？对气流阻隔？）；③ 大气环流；④海陆位置及海陆分布（海洋性？ 大陆性？）；⑤洋流；⑥下垫面热容量，反射 率等（植被状况）。 3.影响降水多少的因素： ①大气环流（气压带、风带；季风环流；大气 活动中心）；②地形（迎风坡？背风坡？气流 阻隔？）；③海陆位置（离海远近？离岸风、 向岸风？）；④洋流。 4.影响气压大小的因素： ①地势（海拔）→气压随高度增加而降低；②气温→同一高度气温高气压低。 5.影响气候的因素： ①纬度位置（太阳辐射）；②大气环境（降水）； ③下垫面（海陆位置，地形，洋流，地表状况 等）；④人类活动（影响小气候和全球变暖）。6地表形态的影响因素： ①内力作用：地震，火山，变质作用；②外力作用：风化，侵蚀，搬运，沉积，固结成岩。 7.影响海水温度的因素： ①太阳辐射（热量收支）←纬度；②洋流； ③陆地气候。 8.海水盐度大小的影响因素： ①降水量、蒸发量（气候、纬度）；②洋流； ③结冰、融冰；④河流径流的注入；⑤与外界 海水交换状况（海域是否闭塞）。 9.影响潮汐大小的因素： ①地形条件（是否呈口大内小喇叭状开口）； ②气象条件（风向）；③天文条件（日、月、 地位置）。 10.影响水资源多少的因素： ①降水量、蒸发量（河川径流量大小）；②水循环活跃程度。 11.影响渔场形成因素： ①大陆架：海水深浅及获得阳光多少；②径流： 营养物质多少；③纬度：温带水域；④洋流： 寒暖流交汇或上升流。 12.影响降水形成的因素： ①有充足水汽、有凝结核、有上升气流；②大气环流；③地形；④洋流。 13.影响暴雨形成的因素： ①源源不断水汽供应；②强烈上升气流；③形成降水的天气系统持续时间长。 14.影响地震烈度的影响因素： ①地震本身的震级和震源深度；②地表状况 （震中距大小）；③地质构造情况（断层发 育？）；④地面建筑物抗震程度。 15.农业发展的区位因素： ①自然条件：气候、地形、水源、土壤；②社 会经济因素：市场、劳动力、交通、政策、科 技、农业机械。 16.乳畜业发展的区位条件： ①自然：气候适宜种植牧草和饲料作物；②市 场：城市众多，人口密集，市场需求大；③交 通：交通便利；④科技：先进的科技。 【高三地理复习材料第 2 页共 13 页】
下图为25个职业人群的肺癌死亡指数（100=平均水平）和抽烟指数（100=平均水平）。 职业抽烟指数肺癌死亡指数 农业、林业工人77.0 84.0 挖掘、采石工人110.0 118.0 玻璃陶器制造者94.0 120.0 天然气、化工生产者117.0 123.0 锻造锻压工人116.0 135.0 电气及电子工人102.0 101.0 工程及相关行业人员111.0 118.0 木工业工人93.0 113.0 建筑工人113.0 141.0 皮革业工人92.0 104.0 服装业工人91.0 102.0 造纸印刷业工人107.0 102.0 纺织业工人102.0 93.0 其他产品制造者112.0 96.0 油漆工、装潢工110.0 137.0 发动机、起重机等操作员115.0 113.0 食品行业工人104.0 112.0 交通运输业工人115.0 128.0 库管员等105.0 114.0 服务业场所工人105.0 111.0 文书办事员87.0 81.0 销售员91.0 88.0 行政、经理人员76.0 61.0 艺术家、科学家66.0 55.0 其他劳动力113.0 123.0
散点图呈线性关系 令Y=肺癌死亡指数，X=抽烟指数，做线性回归分析如下： 表2中R=0.839 表示两变量高度相关 R方=0.703 表示拟合较好，散点相对集中于回归线 表3中sig.<0.05 则自变量与因变量具有显著的线性关系，即可以用回归模型表 示 表4中自变量sig.<0.05 则自变量对因变量的线性影响是显著的 由此得到抽烟指数及肺癌死亡指数的一元回归方程： Y=-24.421+1.301X 即抽烟指数每变动一个单位则肺癌死亡指数平均变动1.301个单位
一元线性回归模型案例分析 一、研究的目的要求 居民消费在社会经济的持续发展中有着重要的作用。居民合理的消费模式和居民适度的消费规模有利于经济持续健康的增长，而且这也是人民生活水平的具体体现。改革开放以来随着中国经济的快速发展，人民生活水平不断提高，居民的消费水平也不断增长。但是在看到这个整体趋势的同时，还应看到全国各地区经济发展速度不同，居民消费水平也有明显差异。例如，2002年全国城市居民家庭平均每人每年消费支出为6029.88元, 最低的黑龙江省仅为人均4462.08元，最高的上海市达人均10464元，上海是黑龙江的2.35倍。为了研究全国居民消费水平及其变动的原因，需要作具体的分析。影响各地区居民消费支出有明显差异的因素可能很多，例如，居民的收入水平、就业状况、零售物价指数、利率、居民财产、购物环境等等都可能对居民消费有影响。为了分析什么是影响各地区居民消费支出有明显差异的最主要因素，并分析影响因素与消费水平的数量关系，可以建立相应的计量经济模型去研究。 二、模型设定 我们研究的对象是各地区居民消费的差异。居民消费可分为城市居民消费和农村居民消费，由于各地区的城市与农村人口比例及经济结构有较大差异，最具有直接对比可比性的是城市居民消费。而且，由于各地区人口和经济总量不同，只能用“城市居民每人每年的平均消费支出”来比较，而这正是可从统计年鉴中获得数据的变量。所以模型的被解释变量Y 选定为“城市居民每人每年的平均消费支出”。 因为研究的目的是各地区城市居民消费的差异，并不是城市居民消费在不同时间的变动，所以应选择同一时期各地区城市居民的消费支出来建立模型。因此建立的是2002年截面数据模型。 影响各地区城市居民人均消费支出有明显差异的因素有多种，但从理论和经验分析，最主要的影响因素应是居民收入，其他因素虽然对居民消费也有影响，但有的不易取得数据，如“居民财产”和“购物环境”；有的与居民收入可能高度相关，如“就业状况”、“居民财产”；还有的因素在运用截面数据时在地区间的差异并不大，如“零售物价指数”、“利率”。因此这些其他因素可以不列入模型，即便它们对居民消费有某些影响也可归入随即扰动项中。为了与“城市居民人均消费支出”相对应，选择在统计年鉴中可以获得的“城市居民每人每年可支配收入”作为解释变量X。 从2002年《中国统计年鉴》中得到表2.5的数据: 表2.52002年中国各地区城市居民人均年消费支出和可支配收入
中国税收增长的分析 一、研究的目的要求 改革开放以来，随着经济体制的改革深化和经济的快速增长，中国的财政收支状况发生了很大的变化，中央和地方的税收收入1978年为519.28亿元到2002年已增长到17636.45亿元25年间增长了33倍。为了研究中国税收收入增长的主要原因，分析中央和地方税收收入的增长规律，预测中国税收未来的增长趋势，需要建立计量经济学模型。 影响中国税收收入增长的因素很多，但据分析主要的因素可能有：（1）从宏观经济看，经济整体增长是税收增长的基本源泉。（2）公共财政的需求，税收收入是财政的主体，社会经济的发展和社会保障的完善等都对公共财政提出要求，因此对预算指出所表现的公共财政的需求对当年的税收收入可能有一定的影响。（3）物价水平。我国的税制结构以流转税为主，以现行价格计算的DGP等指标和和经营者收入水平都与物价水平有关。（4）税收政策因素。我国自1978年以来经历了两次大的税制改革，一次是1984—1985年的国有企业利改税，另一次是1994年的全国范围内的新税制改革。税制改革对税收会产生影响，特别是1985年税收陡增215.42%。但是第二次税制改革对税收的增长速度的影响不是非常大。因此可以从以上几个方面，分析各种因素对中国税收增长的具体影响。 二、模型设定 为了反映中国税收增长的全貌，选择包括中央和地方税收的‘国家财政收入’中的“各项税收”（简称“税收收入”）作为被解释变量，以放映国家税收的增长；选择“国内生产总值（GDP）”作为经济整体增长水平的代表；选择中央和地方“财政支出”作为公共财政需求的代表；选择“商品零售物价指数”作为物价水平的代表。由于税制改革难以量化，而且1985年以后财税体制改革对税收增长影响不是很大，可暂不考虑。所以解释变量设定为可观测“国内生产总值（GDP）”、“财政支出”、“商品零售物价指数” 从《中国统计年鉴》收集到以下数据 财政收入（亿元） Y 国内生产总值(亿 元） X2 财政支出（亿 元） X3 商品零售价格指 数（%) X4 1978519.283624.11122.09100.7 1979537.824038.21281.79102 1980571.74517.81228.83106
因素分析法（Factor Analysis Approach），又称指数因素分析法，是利用统计指数体系分析现象总变动中各个因素影响程度的一种统计分析方法，包括连环替代法、差额分析法、指标分解法、定基替代法。因素分析法是现代统计学中一种重要而实用的方法，它是多元统计分析的一个分支。使用这种方法能够使研究者把一组反映事物性质、状态、特点等的变量简化为少数几个能够反映出事物内在联系的、固有的、决定事物本质特征的因素。 因素分析法的最大功用，就是运用数学方法对可观测的事物在发展中所表现出的外部特征和联系进行由表及里、由此及彼、去粗取精、去伪存真的处理，从而得出客观事物普遍本质的概括。其次，使用因素分析法可以使复杂的研究课题大为简化，并保持其基本的信息量。 2应用编辑 是通过分析期货商品的供求状况及其影响因素，来解释和预测期货价格变化趋势的方法。期货交易是以现货交易为基础的。期货价格与现货价格之间有着十分紧密的联系。商品供求状况及影响其供求的众多因素对现货市场商品价格产生重要影响，因而也必然会对期货价格重要影响。所以，通过分析商品供求状况及其影响因素的变化，可以帮助期货交易者预测和把握商品期货价格变化的基本趋势。在现实市场中，期货价格不仅受商品供求状况的影响，而且还受其他许多非供求因素的影响。这些非供求因素包括：金融货币因素，政治因素、政策因素、投机因素、心理预期等。因此，期货价格走势基本因素分析需要综合地考虑这些因素的影响。 商品供求状况对商品期货价格具有重要的影响。基本因素分析法主要分析的就是供求关系。商品供求状况的变化与价格的变动是互相影响、互相制约的。商品价格与供给成反比，供给增加，价格下降；供给减少，价格上升。商品价格与需求成正比，需求增加，价格上升；需求减少，价格下降。在其他因素不变的条件下，供给和需求的任何变化，都可能影响商品价格变化，一方面，商品价格的变化受供给和需求变动的影响；另一方面，商品价格的变化又反过来对供给和需求产生影响：价格上升，供给增加，需求减少；价格下降，供给减少，需求增加。这种供求与价格互相影响、互为因果的关系，使商品供求分析更加复杂化，即不仅要考虑供求变动对价格的影响，还要考虑价格变化对供求的反作用。 连环替代法 它是将分析指标分解为各个可以计量的因素，并根据各个因素之间的依存关系，顺次用各因素的比较值（通常即实际值）替代基准值（通常为标准值或计划值），据以测定各因素对分析指标的影响。 例如，设某一分析指标M是由相互联系的A、B、C三个因素相乘得到，报告期（实际）指标和基期（计划）指标为： 报告期（实际）指标M1=A1 * B1 * C1 基期（计划）指标 M0=A0 * B0 * C0 在测定各因素变动指标对指标R影响程度时可按顺序进行： 基期（计划）指标M0=A0 * B0 * C0 (1)
多元线性回归模型案例分析 ——中国人口自然增长分析一·研究目的要求 中国从1971年开始全面开展了计划生育,使中国总和生育率很快从1970年的降到1980年,接近世代更替水平。此后，人口自然增长率（即人口的生育率）很大程度上与经济的发展等各方面的因素相联系，与经济生活息息相关，为了研究此后影响中国人口自然增长的主要原因，分析全国人口增长规律，与猜测中国未来的增长趋势，需要建立计量经济学模型。 影响中国人口自然增长率的因素有很多，但据分析主要因素可能有：（1）从宏观经济上看，经济整体增长是人口自然增长的基本源泉；（2）居民消费水平，它的高低可能会间接影响人口增长率。(3)文化程度，由于教育年限的高低，相应会转变人的传统观念，可能会间接影响人口自然增长率（4）人口分布，非农业与农业人口的比率也会对人口增长率有相应的影响。 二·模型设定 为了全面反映中国“人口自然增长率”的全貌，选择人口增长率作为被解释变量，以反映中国人口的增长；选择“国名收入”及“人均GDP”作为经济整体增长的代表；选择“居民消费价格指数增长率”作为居民消费水平的代表。暂不考虑文化程度及人口分布的影响。 从《中国统计年鉴》收集到以下数据（见表1）： 表1 中国人口增长率及相关数据
， 设定的线性回归模型为： 1222334t t t t t Y X X X u ββββ=++++ 三、估计参数 利用EViews 估计模型的参数，方法是： 1、建立工作文件：启动EViews ，点击File\New\Workfile ，在对 话框“Workfile Range ”。在“Workfile frequency ”中选择“Annual ” (年 年份 @ 人口自然增长率 （%。） 国民总收入 （亿元） 居民消费价格指数增长 率（CPI ）% 人均GDP （元） 1988 15037 1366 1989 … 17001 18 1519 1990 18718 1644 1991 【 21826 1893 1992 26937 2311 1993 . 35260 2998 1994 48108 4044 1995 — 59811 5046 1996 70142 5846 1997 ~ 78061 6420 1998 83024 6796 1999 【 88479 7159 2000 98000 7858 2001 [ 108068 8622 2002 119096 9398 2003 ： 135174 10542 2004 159587 12336 2005 、 184089 14040 2006 213132 16024
案例分析报告 （2014——2015学年第一学期） 课程名称：预测与决策 专业班级：电子商务1202 学号： 2204120202 学生姓名：陈维维 2014 年 11月 案例分析（一元线性回归模型） 我国城镇居民家庭人均消费支出预测 一、研究目的与要求 居民消费在社会经济的持续发展中有着重要的作用，居民合理的消费模式和居民适度的消费规模有利于经济持续健康的增长，而且这也是人民生活水平的具体体现。从理论角度讲，消费需求的具体内容主要体现在消费结构上，要增加居民消费，就要从研究居民消费结构入手，只有了解居民消费结构变化的趋势和规律，掌握消费需求的热点和发展方向，才能为消费者提供良好的政策环境，引导消费者合理扩大消费，才能促进产业结构调整与消费结构优化升级相协调，才能推动国民经济平稳、健康发展。例如，2008年全国城镇居民家庭平均每人每年消费支出为11242.85元，?最低的青海省仅为人均8192.56元，最高的上海市达人均19397.89元，上海是黑龙江的2.37倍。为了研究全国居民消费水平及其变动的原因，需要作具体的分析。影响各地区居民消费支出有明显差异的因素可能很多，例如，零售物价指数、利率、居民财产、购物环境等等都可能对居民消费有影响。为了分析什么是影响各地区居民消费支出有明显差异的最主要因素，并分析影响因素与消费水平的数量关系，可以建立相应的计量经济模型去研究。 二、模型设定?
我研究的对象是各地区居民消费的差异。居民消费可分为城镇居民消费和农村居民消费，由于各地区的城镇与农村人口比例及经济结构有较大差异，最具有直接对比可比性的是城市居民消费。而且，由于各地区人口和经济总量不同，只能用“城镇居民每人每年的平均消费支出”来比较，而这正是可从统计年鉴中获得数据的变量。 所以模型的被解释变量Y选定为“城镇居民每人每年的平均消费支出”。 因为研究的目的是各地区城镇居民消费的差异，并不是城镇居民消费在不同时间的变动，所以应选择同一时期各地区城镇居民的消费支出来建立模型。因此建立的是2008年截面数据模型。影响各地区城镇居民人均消费支出有明显差异的因素有多种，但从理论和经验分析，最主要的影响因素应是居民收入，其他因素虽然对居民消费也有影响，但有的不易取得数据，如“居民财产”和“购物环境”；有的与居民收入可能高度相关，如“就业状况”、“居民财产”；还有的因素在运用截面数据时在地区间的差异并不大，如“零售物价指数”、“利率”。因此这些其他因素可以不列入模型，即便它们对居民消费有某些影响也可归入随即扰动项中。 为了与“城镇居民人均消费支出”相对应，选择在统计年鉴中可以获得的“城市居民每人每年可支配收入”作为解释变量X。 以下是2008年各地区城镇居民人均年消费支出和可支配收入表
我国农民收入影响因素的回归分析 本文力图应用适当的多元线性回归模型,对有关农民收入的历史数据和现状进行分析,探讨影响农民收入的主要因素,并在此基础上对如何增加农民收入提出相应的政策建议。?农民收入水平的度量常采用人均纯收入指标。影响农民收入增长的因素是多方面的，既有结构性矛盾因素，又有体制性障碍因素。但可以归纳为以下几个方面：一是农产品收购价格水平。二是农业剩余劳动力转移水平。三是城市化、工业化水平。四是农业产业结构状况。五是农业投入水平。考虑到复杂性和可行性，所以对农业投入与农民收入，本文暂不作讨论。因此，以全国为例，把农民收入与各影响因素关系进行线性回归分析，并建立数学模型。 一、计量经济模型分析 (一)、数据搜集 根据以上分析，我们在影响农民收入因素中引入7个解释变量。即：2x -财政用于农业的支出的比重，3x -第二、三产业从业人数占全社会从业人数的比重，4x -非农村人口比重，5x -乡村从业人员占农村人口的比重，6x -农业总产值占农林牧总产值的比重，7x -农作物播种面积，8x —农村用电量。
资料来源《中国统计年鉴2006》。 (二)、计量经济学模型建立 我们设定模型为下面所示的形式： 利用Eviews 软件进行最小二乘估计，估计结果如下表所示： DependentVariable:Y Method:LeastSquares Sample: Includedobservations:19 Variable Coefficient t-Statistic Prob. C X1 X3 X4 X5 X6 X7 X8 R-squared Meandependentvar AdjustedR-squared 表1最小二乘估计结果 回归分析报告为： () ()()()()()()()()()()()()()()() 2345678 2? -1102.373-6.6354X +18.2294X +2.4300X -16.2374X -2.1552X +0.0100X +0.0634X 375.83 3.7813 2.066618.37034 5.8941 2.77080.002330.02128 -2.933 1.7558.820900.20316 2.7550.778 4.27881 2.97930.99582i Y SE t R ===---=230.99316519 1.99327374.66 R Df DW F ====二、计量经济学检验 (一)、多重共线性的检验及修正 ①、检验多重共线性 (a)、直观法 从“表1最小二乘估计结果”中可以看出，虽然模型的整体拟合的很好，但是x4x6
影响因素分析汇总（一） 1. 影响太阳辐射强弱的因素： ①太阳高度角（纬度决定）②大气状况（天气、气候） ③海拔高低（主要是大气密度） 2. 影响气温高低的因素： ①纬度位置（太阳辐射） ②地形地势（海拔？闭塞？背风坡？迎风坡？对气流阻 隔？） ③大气环流④海陆位置及海陆分布（海洋性？大陆性？） ⑤洋流⑥下垫面热容虽，反射率等（植被状况） 3. 影响降水多少的因素： ①大气环流（气压带、风带；季风环流；大气活动中心） ②地形（迎风坡？背风坡？气流阻隔？） ③海陆位置（离海远近？离岸风、向岸风？） ④洋流 4. 影响气压大小的因素： ①地势（海拔）7气压随高度增加而降低 ②气温7同一高度气温高气压低 5. 影响气候的因素： ①纬度位置（太阳辐射）②大气环境（降水）
③下垫面（海陆位置，地形，洋流，地表状况等） ④人类活动（影响小气候和全球变暖） 6地表形态的影响因素： ①内力作用：地震，火山，变质作用 ②外力作用：风化，侵蚀，搬运，沉积，固结成岩 7.影响海水温度的因素： ①太阳辐射（热虽收支）—纬度 ②洋流③陆地气候 10. 影响水资源多少的因素： ①降水虽、蒸发虽（河川径流虽大小） ②水循环活跃程度 11. 影响渔场形成因素： ①大陆架：海水深浅及获得阳光多少 ②径流：营养物质多少 ③纬度：温带水域 ④洋流：寒暖流交汇或上升流 12. 影响降水形成的因素： ①有充足水汽、有凝结核、有上升气流 ②大气环流③地形④洋流 13. 影响暴雨形成的因素： ①源源不断水汽供应
②强烈上升气流 ③形成降水的天气系统持续时间长 14. 影响地震烈度的影响因素： ①地震本身的震级和震源深度 ②地表状况（震中距大小） ③地质构造情况（断层发育？） ④地面建筑物抗震程度 15. 农业发展的区位因素： ①自然条件：气候、地形、水源、土壤 ②社会经济因素：市场、劳动力、交通、政策、科技、农业机械 16. 乳畜业发展的区位条件： ①自然：气候适宜种植牧草和饲料作物 ②市场：城市众多，人口密集，市场需求大 ③交通：交通便利④科技：先进的科技 17. 工业发展的区位因素： ①原料，动力（燃料）②土地、水源 ③劳动力④市场⑤交通运输 ⑥农业基础、技术⑦政府政策 18. 新义工业，高技术产业发展区位因素： ①地理置优越②环境优美与气候宜人
高三地理复习材料（影响因素分析汇总） 1 ?影响太阳辐射强弱的因素： ①太阳高度角（纬度决定）;②大气状况（天气、气候）;③海拔高低（主要是大气密度）。2?影响气温高低的因素： ①纬度位置（太阳辐射）；②地形地势（海拔？闭塞？背风坡？迎风坡？对气流阻隔？）； ③大气环流；④海陆位置及海陆分布（海洋性？大陆性？）；⑤洋流；⑥下垫面热容量，反射率 等（植被状况）。 3?影响降水多少的因素： ①大气环流（气压带、风带；季风环流；大气活动中心）；②地形（迎风坡？背风坡？气流阻 隔？）；③海陆位置（离海远近？离岸风、向岸风？）；④洋流。 4?影响气压大小的因素： ①地势（海拔）t气压随高度增加而降低；②气温t同一高度气温高气压低。 5?影响气候的因素： ①纬度位置（太阳辐射）；②大气环境（降水）；③下垫面（海陆位置，地形，洋流，地表状况 等）；④人类活动（影响小气候和全球变暖）。 6地表形态的影响因素： ①内力作用：地震，火山，变质作用；②外力作用：风化，侵蚀，搬运，沉积，固结成岩。7?影响海水温度的因素： ①太阳辐射（热量收支）-纬度；②洋流；③陆地气候。 8.海水盐度大小的影响因素： ①降水量、蒸发量（气候、纬度）；②洋流；③结冰、融冰；④河流径流的注入；⑤与外 界海水交换状况（海域是否闭塞）。 9?影响潮汐大小的因素： ①地形条件（是否呈口大内小喇叭状开口）；②气象条件（风向）；③天文条件（日、月、地位 置）。
10?影响水资源多少的因素： ①降水量、蒸发量（河川径流量大小）；②水循环活跃程度。 11.影响渔场形成因素： ①大陆架：海水深浅及获得阳光多少；②径流：营养物质多少；③纬度：温带水域；④洋流：寒 暖流交汇或上升流。 12?影响降水形成的因素： ①有充足水汽、有凝结核、有上升气流；②大气环流；③地形；④洋流。 13?影响暴雨形成的因素： ①源源不断水汽供应；②强烈上升气流；③形成降水的天气系统持续时间长。 14. 影响地震烈度的影响因素： ①地震本身的震级和震源深度；②地表状况（震中距大小）；③地质构造情况（断层发育？）: ④地面建筑物抗震程度。 15. 农业发展的区位因素： ①自然条件：气候、地形、水源、土壤；②社会经济因素：市场、劳动力、交通、政策、科技、农业 机械。 16. 乳畜业发展的区位条件： ①自然：气候适宜种植牧草和饲料作物；②市场：城市众多，人口密集，市场需求大；③交通：交通 便利；④科技：先进的科技。 17. 工业发展的区位因素： ①原料，动力（燃料）；②土地、水源；③劳动力；④市场；⑤交通运输；⑥农业基础、 技术；⑦政府政策 18?新兴工业，高技术产业发展区位因素： ①地理置优越；②环境优美与气候宜人；③科技基础；④教育和劳动力素质水平；⑤交通运输；⑥地 价、地租高低。 19. 古代中低纬度河流冲积平原区城市兴起的区位因素： ①气候：气候温暖湿润；②地形：地形平坦；③水源：灌溉水源充足；④土壤：土壤深厚肥沃，导致 灌溉农业发达，提供农副产品多。 20. 城市的区位因素：
SPSS--回归-多元线性回归模型案例解析！(一） 多元线性回归，主要是研究一个因变量与多个自变量之间的相关关系，跟一元回归原理差不多，区别在于影响因素（自变量）更多些而已，例如：一元线性回归方程为： 毫无疑问，多元线性回归方程应该为： 上图中的x1, x2, xp分别代表“自变量”Xp截止，代表有P个自变量，如果有“N组样本，那么这个多元线性回归，将会组成一个矩阵，如下图所示： 那么，多元线性回归方程矩阵形式为： 其中：代表随机误差，其中随机误差分为：可解释的误差和不可解释的误差，随机误差必须满足以下四个条件，多元线性方程才有意义（一元线性方程也一样） 1：服成正太分布，即指：随机误差必须是服成正太分别的随机变量。 2：无偏性假设，即指：期望值为0 3：同共方差性假设，即指，所有的随机误差变量方差都相等 4：独立性假设，即指：所有的随机误差变量都相互独立，可以用协方差解释。 今天跟大家一起讨论一下，SPSS---多元线性回归的具体操作过程，下面以教程教程数据为例，分析汽车特征与汽车销售量之间的关系。通过分析汽车特征跟汽车销售量的关系，建立拟合多元线性回归模型。数据如下图所示：
点击“分析”——回归——线性——进入如下图所示的界面：
将“销售量”作为“因变量”拖入因变量框内，将“车长，车宽，耗油率，车净重等10个自变量拖入自变量框内，如上图所示，在“方法”旁边，选择“逐步”，当然，你也可以选择其它的方式，如果你选择“进入”默认的方式，在分析结果中，将会得到如下图所示的结果：（所有的自变量，都会强行进入） 如果你选择“逐步”这个方法，将会得到如下图所示的结果：（将会根据预先设定的“F统计量的概率值进行筛选，最先进入回归方程的“自变量”应该是跟“因变量”关系最为密切，贡献最大的，如下图可以看出，车的价格和车轴跟因变量关系最为密切，符合判断条件的概率值必须小于0.05，当概率值大于等于0.1时将会被剔除）
影响因素分析汇总(一） 1.影响太阳辐射强弱的因素: ①太阳高度角(纬度决定) ②大气状况(天气、气候) ③海拔高低（主要是大气密度） 2.影响气温高低的因素： ①纬度位置（太阳辐射） ②地形地势（海拔？闭塞？背风坡？迎风坡？对气流阻隔？） ③大气环流④海陆位置及海陆分布（海洋性？大陆性？） ⑤洋流⑥下垫面热容量，反射率等（植被状况） 3.影响降水多少的因素： ①大气环流（气压带、风带；季风环流；大气活动中心） ②地形（迎风坡？背风坡？气流阻隔？） ③海陆位置（离海远近？离岸风、向岸风？） ④洋流 4.影响气压大小的因素： ①地势（海拔）→气压随高度增加而降低 ②气温→同一高度气温高气压低 5.影响气候的因素： ①纬度位置（太阳辐射）②大气环境（降水） ③下垫面（海陆位置，地形，洋流，地表状况等） ④人类活动（影响小气候和全球变暖）
6地表形态的影响因素： ①内力作用：地震，火山，变质作用 ②外力作用：风化，侵蚀，搬运，沉积，固结成岩 7.影响海水温度的因素： ①太阳辐射（热量收支）←纬度 ②洋流③陆地气候 10.影响水资源多少的因素： ①降水量、蒸发量（河川径流量大小） ②水循环活跃程度 11.影响渔场形成因素： ①大陆架：海水深浅及获得阳光多少 ②径流：营养物质多少 ③纬度：温带水域 ④洋流：寒暖流交汇或上升流 12.影响降水形成的因素： ①有充足水汽、有凝结核、有上升气流 ②大气环流③地形④洋流 13.影响暴雨形成的因素： ①源源不断水汽供应 ②强烈上升气流 ③形成降水的天气系统持续时间长 14.影响地震烈度的影响因素：
①地震本身的震级和震源深度 ②地表状况（震中距大小） ③地质构造情况（断层发育？） ④地面建筑物抗震程度 15.农业发展的区位因素： ①自然条件：气候、地形、水源、土壤 ②社会经济因素：市场、劳动力、交通、政策、科技、农业机械 16.乳畜业发展的区位条件： ①自然：气候适宜种植牧草和饲料作物 ②市场：城市众多，人口密集，市场需求大 ③交通：交通便利④科技：先进的科技 17.工业发展的区位因素： ①原料，动力（燃料）②土地、水源 ③劳动力④市场⑤交通运输 ⑥农业基础、技术⑦政府政策 18.新兴工业，高技术产业发展区位因素： ①地理置优越②环境优美与气候宜人 ③科技基础④教育和劳动力素质水平 ⑤交通运输⑥地价、地租高低 19.古代中低纬度河流冲积平原区城市兴起的区位因素： ①气候：气候温暖湿润
SPSS 统计分析 多元线性回归分析方法操作与分析 实验目的： 引入1998~2008年上海市城市人口密度、城市居民人均可支配收入、五年以上平均年贷款利率和房屋空置率作为变量，来研究上海房价的变动因素。 实验变量： 以年份、商品房平均售价（元/平方米）、上海市城市人口密度(人/平方公里)、城市居民人均可支配收入(元)、五年以上平均年贷款利率(%)和房屋空置率(%)作为变量。 实验方法：多元线性回归分析法 软件：spss19.0 操作过程： 第一步：导入Excel数据文件 1.open data document——open data——open；
2. Opening excel data source——OK. 第二步： 1.在最上面菜单里面选中Analyze——Regression——Linear，Dependent （因变量）选择商品房平均售价，Independents（自变量）选择城市人口密度、城市居民人均可支配收入、五年以上平均年贷款利率、房屋空置率；Method选择Stepwise. 进入如下界面： 2.点击右侧Statistics，勾选Regression Coefficients（回归系数）选项组中的Estimates；勾选Residuals（残差）选项组中的Durbin-Watson、
Casewise diagnostics默认；接着选择Model fit、Collinearity diagnotics；点击Continue. 3.点击右侧Plots，选择*ZPRED（标准化预测值）作为纵轴变量，选择DEPENDNT（因变量）作为横轴变量；勾选选项组中的Standardized Residual Plots（标准化残差图）中的Histogram、Normal probability plot；点击Continue.
2.5 PM影响因素的统计分析
摘要 大气细颗粒物污染 2.5PM 已经成为安庆市主要的环境问题之一。本文通过对 2.5PM 与AQI 中其他指标进行相关性分析,得到 2.5PM 与2SO 、2NO 、CO 呈正相关，与3O 和温度呈负相关,同时利用多元回归模型得到 2.5PM 与主因子的数量关系,给安庆市 2.5PM 防控提供参考意见。2014年12月至2016年1月 关键词： 2.5PM AQI 主成分分析多元回归模型 以京津冀为代表的华北地区成为中国空气污染最严重的地区并非偶然。12 燃 与较粗的大气颗粒物相比，PM2.5粒径小，面积大，活性强，易附带有毒、有害物质（例如，重金属、微生物等），且在大气中的停留时间长、输送距离远，因而对人体健康和大气环境质量的影响更大。 2013年2月，全国科学技术名词审定委员会将PM2.5的中文名称命名为细颗粒物。细颗粒物的化学成分主要包括有机碳（OC ）、元素碳（EC ）、硝酸盐、硫酸盐、铵盐、钠盐（Na+）等。 PM2.5[1]，指环境空气中空气动力学当量直径小于等于2.5μm 的颗粒物，直径不到人的头发丝粗细的1/20。这个值越高，代表空气污染越严重。可吸入颗粒物又称为PM10，指空气动力学当量直径在10微米以下的颗粒物。PM2.5在大气成分中含量很少，但对空气质量和能见度等有重要影响。2012年2月，国
务院发布《环境空气质量标准》增加细颗粒物监测指标。北京城六区PM2.5年均上限60微克，未达国家标准。2013年9月2日发布清洁空气《重点任务分解》，计划北京城六区PM2.5浓度年均降三成。2014年1月14日，2013年《中国气候公报》正式公布，2013年的霾天创52年来最多。卫星遥感监测表明，2014年2月23日我国中东部地区空气污染影响面积约为98万平方公里，其中空气污染较重面积约为80万平方公里。2015年8月5日，中国科学家发现PM2.5中煤烟聚集物最具毒性。 二、生成来源 颗粒物的成分很复杂，主要取决于其来源。主要有自然源和人为源两种，但危害较大的是后者。在学术界的分为一次气溶胶（Primaryaerosol）和二次气溶胶（Secondaryaerosol）两种。 表1
回归分析 实验内容：基于居民消费性支出与居民可支配收入的简单线性回归分析 【研究目的】 居民消费在社会经济的持续发展中有着重要的作用。影响各地区居民消费支出的因素很多，例如居民的收入水平、商品价格水平、收入分配状况、消费者偏好、家庭财产状况、消费信贷状况、消费者年龄构成、社会保障制度、风俗习惯等等。为了分析什么是影响各地区居民消费支出有明显差异的最主要因素，并分析影响因素与消费水平的数量关系，可以建立相应的经济模型去研究。 【模型设定】 : 我们研究的对象是各地区居民消费的差异。由于各地区的城市与农村人口比例及经济结构有较大差异，现选用城镇居民消费进行比较。模型中被解释变量Y选定为“城市居民每人每年的平均消费支出”。从理论和经验分析，影响居民消费水平的最主要因素是居民的可支配收入，故可以选用“城市居民每人每年可支配收入”作为解释变量X，选取2010年截面数据。 1、实验数据 表1： —
2010年中国各地区城市居民人均年消费支出和可支配收入
| 数据来源：《中国统计年鉴》2010年 2、实验过程 作城市居民家庭平均每人每年消费支出(Y)和城市居民人均年可支配收入(X)的散点图，如图1：
表2 模型汇总b — 模型 R R方调整R方标准估计的误差 - 1 .965a.932.930 ~ a.预测变量:(常量),可支配收入X（元）。 b.因变量:消费性支出Y(元) 表3 相关性 、 消费性支出Y (元) 可支配收入X（元） Pearson相关 性消费性支出Y(元)& .965 ！ 从散点图可以看出居民家庭平均每人每年消费支出(Y)和城市居民人均年可支配收入(X)大体呈现为线性关系，所以建立如下线性模型：Y=a+bX