下载文档原格式
我国城镇居民可支配收入预测分析摘要城镇居民可支配收入标志着城镇居民即期的消费能力，因为它是可支配的，可以用于消费、投资，购买股票、基金，用于存款，这个指标增长得越快，就反映人民生活水平提高的越快，反映他的消费能力就越强．本文主要介绍城镇居民可支配收入的概念、特点及求法，并在此基础上建立适当的数学模型对城镇居民可支配收入进行预测，使我们更好地了解城镇居民的收入水平和平均生活水平．可以帮助有关部门和经营者制定经济政策进而实施宏观调控, 这对刺激经济持续、健康发展具有重要意义．关键词：城镇居民可支配收入预测分析Prediction of the Disposable Income of Urban ResidentsZhang Tianhao Directed by Lecturer Jiang ShutaoABSTRACTDisposable income of urban residents marked the current spending power of residents. It is disposable, so it can be used for consumption, investment, buying stocks and funds, and for deposits. The faster the indicator grows, the faster the people’s living standards improve, and the stronger ability of consumption reflects.This article mainly introduced the concept and characteristics of disposable income of urban residents and the seeking method, and Established appropriate mathematical models on the basis of the disposable income of urban residents to predict. So we can better understand the level of income of urban residents and the average standard of living. It also helps authorities and operators to develop and then implement macro-control economic policies. This has important implications for economic stimulus sustained and healthy development.KEY WORDS：Urban residents Disposable income Prediction目录摘要 (I)英文摘要 (II)前言 (1)1 城镇居民可支配收入简介 (2)1.1 城镇居民可支配收入概念 (2)1.2 城镇居民可支配收入特点 (2)2 趋势外推法预测分析 (3)2.1趋势外推法 (3)2.2 选择预测模型 (3)2.3求模型参数 (4)2.4确定预测模型 (5)2.5模型检验 (5)3 多元回归预测分析 (6)3.1 模型预测 (7)3.2分析各地区收入差距 (10)4 城镇居民可支配收入的其他影响因素 (10)4.1物价水平 (10)4.2就业率 (11)4.3存款贷款利率 (11)5 总结 (11)参考文献 (13)致谢 (14)前言作为统计上的一个概念，城镇居民可支配收入和城镇居民收入是不同的.通俗地讲，城镇居民可支配收入是指生活在城镇的居民可以按照自己的意愿支配的收入.就是扣除了各项税费（缴纳给国家的），扣除了缴纳的各项社会保险，它包括医疗保险、养老保险和失业保险，城镇居民收入中余下的收入[1].按照国家的税法和国家有关规定，扣除的这些缴纳是居住的人必须缴纳的.因为这些缴纳给国家以后，不能够再用于其他方面的支付，而住户购买的那些商业性的保险则不能扣除.我们通常所说的商业性保险，不是国家规定的必须购买的，而是住户根据自己的收入情况和消费水平自由选择的，可以选择购买，当然也可以不购买.从记帐户来讲，还要减去城镇居民发给的记账户补贴，如果把记账户补贴算进去就多算了居民的收入.剩下的收入就是我们所说的城镇居民可支配收入.到目前为止很多专家及学者，对我国城镇居民可支配收入预测分析在社会中的应用做了很多的研究，也发表了无数的期刊和书籍.例如在张璐、陶淼冰、李亚杰的《当代经济》中讲述了很多关于经济的问题，其中也探讨了我国城镇居民可支配收入预测分析.正因为我国城镇居民可支配收入预测分析的这种价值，才有了这方面广泛的研究成果，也正是因为这些成果，让我们看到了我国城镇居民可支配收入预测分析更多的用处.近年来, 我国经济发展势头良好, 居民可支配收入逐步增加, 而居民消费支出也随之不断增加.目前,消费已成为影响我国经济发展的关键因素, 所以研究城镇居民收入的现状及特点, 掌握城镇居民收入的变化发展趋势, 采用合适的方法, 预测城镇居民的收入, 可以了解我国城镇居民的收入水平和生活水平，可以帮助我国经营者和有关部门制定相应的经济政策进而实施有效的宏观调控, 这对刺激经济持续、健康发展具有十分关键的意义[2].作为我国居民生活水品研究的方向之一，我国城镇居民可支配收入预测分析在我国居民生活水平和消费情况的研究中占有重要的地位，并有广泛的应用.所以，系统地总结我国城镇居民可支配收入预测分析的具体应用就显得很有必要.对我国城镇居民可支配收入预测分析在学生学习中的应用，及我国城镇居民可支配收入预测分析怎样才能在生产生活中得到更好的运用等问题，依然需要我们进行更深的研究，也只有深入研究才能使得我国城镇居民可支配收入预测分析在生产生活中发挥最大作用.1 城镇居民可支配收入简介城镇居民可支配收入是与居民消费水平密切相关的一个经济学概念，它直接反映城镇居民的平均生活水平.城镇居民可支配收入与农村居民纯收入相对，与职工平均工资不同.我国城镇居民可支配收入的提高对于促进我国城镇经济可持续发展具有重要的意义[3].作为总需求的重要组成部分，消费是宏观经济调控的一个基本变量，而收入水平直接决定消费的基本情况.因而，对中国城镇居民收入的变化情况进行预测分析，对国家制定政策以及调节经济发展具有重要的意义.一方面，收入提高了，居民的生活水平也相应提高，因而消费水平随之增长.另一方面，消费增加了，必将拉动经济增长，从而增加城镇居民的可支配收入.1.1 城镇居民可支配收入概念作为统计上的一个概念，城镇居民可支配收入和城镇居民收入是不同的.通俗地讲，城镇居民可支配收入是指生活在城镇的居民可以按照自己的意愿支配的收入.就是扣除了各项税费（缴纳给国家的），扣除了缴纳的各项社会保险，它包括医疗保险、养老保险和失业保险，城镇居民收入中余下的收入[4].将总收入中扣除了应该交纳的个人所得税，扣除个人交纳的各项社会保障支出之后,指按照住户人口进行平均所得的收入水平就是城镇居民人均可支配收入.城镇居民人均可支配收入代表着居民的购买水平和消费能力,可用于衡量他们的收入水平和生活水平.全国和各省(区、市)城镇居民人均可支配收入由国家统计局依据各级国家调查队逐级审核上报的城镇居民数据，进行超级加权汇总而获得[5].城镇居民可支配收入=家庭总收入-交纳个人所得税-个人交纳的社会保障支出.1.2 城镇居民可支配收入特点从指标的含义上来看，城镇居民可支配收入是指城镇居民的实际收入中能用于安排日常生活的收入.它常常用来衡量城镇居民收入水平和生活水平，它是研究中最重要和最常用的指标.从构成的形态上来看，它只有一种形态，那就是价值的形态，只是代表着城镇居民的现金收入情况[6].从可支配的内容来看，城镇居民可支配收入是都用来安排平时生活的收入[7].另外，从所反映的实际上的收入的角度看，它没有包括城市居民在医疗、住房等方面间接得到的福利性收入部分.2 趋势外推法预测分析2.1 趋势外推法统计资料表明，大量社会经济现象的变化大部分是渐进型的，其发展在时间上有较大的规律性.因此，当所预测的内容根据时间的变化呈现某种升高或降低的趋势，并且无明显的随季节变化而出现波动情况，又可以得到适合的函数曲线来反映这种发展情况时，就能够用时间t为自变量，时序数值y为因变量，建立需要的趋势模型：)(fy t 当有条件能够得到这种趋势可以影响到以后的情况时，赋予变量t所需要的值，就能够获得在时间序列上相对应时刻的未来值.这就是我们要研究的趋势外推法[8].通常情况下，趋势外推法的几个假设条件是：（1）假设在事物变化过程中，不存在跳跃式发展，通常就是渐进变化.（2）假设事物的变化条件也决定事物以后的变化趋势，它的条件是不变或着是无太大变化.换句话说，如果依据过去信息得到的趋势外推模型可反应未来，能衡量未来趋势发展的状况，即未来和过去的规律一样.根据上面两个假设条件能够得到，趋势外推法是事物渐进变化过程的一种统计预测方法.它的主要优点是可以得到事物以后的变化情况，并定量地估计其功能特性[8].表1 2001——2012年我国城镇居民可支配收入2.2 选择预测模型首先，绘制散点图，根据散点图分布来选用模型.图1 2001——2012年我国城镇居民可支配收入根据图1可以初步确定选用指数曲线预测模型),(ˆo b o a ae ybt t >>=. 其次，计算一阶差比率（如表2所示）,并根据散点图最终选择具体用哪一种模型.表2 差分计算表金额（元） 6860 7703 8472 9422 10493 11759 一阶差比率 — 1.12 1.10 1.11 1.11 1.12 金额（元） 13786 15781 17175 19109 21810 24566 一阶差比率1.171.141.091.111.141.13由表2得出,观察值t y 的一阶差比率基本相同，满足指数曲线模型的数字特征.通过上面分析可知，所给统计数据的图形和数字特征都和指数曲线模型相符合，所以可以选择模型bt t ae y=ˆ.2.3 求模型参数先将观察值t y 的数据进行变换，使其满足bt A y bt a y t t +=⇔+=ln ln .其变换数据如表3所示.表3 观察值数据转换表经计算，得：12=n ,78t =∑，650t 2=∑，51.113=∑Y ，∑=7.10752Y ， 6.754t =∑Y ，∑==5.61t n t ，46.9n1==∑Y Y . 根据直线模型公式：⎪⎩⎪⎨⎧=⨯-=-=≈⨯-⨯⨯-=--=∑∑70.85.612.046.912.05.61265046.95.6126.754b 222t b Y A n Y nt tY tt2.4 确定预测模型因为lna =A ，所以91.6002e a 70.8===e A所求指数模型为：t t e 12.091.6002yˆ= 第三步，预测2013年的人均可支配收入为71.2856691.6002yˆ1312.02013==⨯e （元）2.5 模型检验由表4和表5可知，F检验统计量得到的观测值为5041.056，对应的概率P-值近似是0.根据两表能够对回归方程进行显著性检验.若显著性水平α是0.05，因为概率P-值是小于显著性水平α的，应该拒绝这个回归方程显著性检验的原假设，并认为各回归系数不同时为0，被解释变量和解释变量总体的线性关系为显著的，可建立相应的线性模型[9].由标准误差较小，所以该预测模型较为准确.查询统计年鉴知2013年城镇居民人均可支配收入为26955元.（28566.71-26955）/26966=4.97%.可知该预测模型基本符合要求.3 多元回归预测分析表6 2012年我国各地区城镇居民可支配收入地区可支配收入总收入工资性收入经营性收入财产性收入转移性收入北京36468.75 41103.11 27961.78 1430.22 717.56 10993.54 天津29626.41 32944.01 21523.81 1200.10 515.49 9704.61 河北20543.44 21899.42 13154.52 2257.48 338.47 6148.95 山西20411.71 22100.31 14973.64 1041.43 301.84 5783.41 内蒙古23150.26 24790.79 16872.58 2698.67 564.02 4655.51 辽宁23222.67 25915.72 14846.05 2710.30 493.01 7866.35 吉林20208.04 21659.64 13535.33 2168.82 324.03 5631.45 黑龙江17759.75 19367.84 11700.50 1729.29 186.10 5751.95 上海40188.34 44754.50 31109.30 2267.15 575.82 10802.23 江苏29676.97 32519.10 20102.05 3421.90 689.96 8305.20 浙江34550.30 37994.83 22385.09 4694.40 1465.32 9450.02 安徽21024.21 23524.56 14812.54 2155.33 549.62 6007.07 福建28055.24 30877.92 19976.01 3336.96 1795.21 5769.73 江西19860.36 21150.24 13348.06 1946.82 527.63 5327.72 山东25755.19 28005.61 19856.05 2621.41 704.90 4823.24 河南20442.62 21897.23 13666.49 2545.14 333.81 5351.78湖北20839.59 22903.85 14191.04 2158.33 476.23 6078.25 湖南21318.76 22804.55 13237.06 3008.33 867.76 5691.40 广东30226.71 34044.38 23632.20 3603.89 1468.73 5339.56 广西21242.80 23209.41 14693.47 2131.79 883.71 5500.43 海南20917.71 22809.87 14672.28 2397.44 717.61 5022.54 重庆22968.14 24810.98 15415.44 2183.51 538.43 6673.59 四川20306.99 22328.33 14249.32 2017.84 633.82 5427.34 贵州18700.51 20042.88 12309.17 1982.45 355.70 5395.56 云南21074.50 23000.43 14408.29 2425.03 999.98 5167.14 西藏18028.32 20224.17 17672.12 570.88 417.86 1563.31 陕西20733.88 22606.01 15547.32 881.96 269.58 5907.14 甘肃17156.89 18498.46 12514.92 1125.68 259.63 4598.23 青海17566.28 19746.63 12614.39 1191.42 92.98 5847.84 宁夏19831.41 21902.24 13965.62 2522.84 160.88 5252.90 新疆17920.68 20194.55 14432.12 1633.22 145.50 3983.71 （数据来源：中国统计年鉴 2013）3.1 模型预测使用SPSS软件操作如下：（1）选择菜单：【分析】→【回归】→【线性】（2）选择被解释变量到【因变量】框中.（3）选择一个或多个解释变量到【自变量】框中.（4）在【方法】框中选择回归分析中解释变量的筛选策略.其中【进入】表示所选解释变量强行进入回归方程，是SPSS默认的策略方法，通常用在一元线性回归分析中.（5）按“统计量”按钮.SPSS默认输出项，输出与回归系数相关的统计量.表7 模型汇总表模型汇总模型R R 方调整 R 方标准估计的误差1 .999a.997 .997 341.52395a. 预测变量: (常量), 转移性收入, 财产性收入, 经营性收入, 工资性收入.表7中，各列数据项（从第二列开始）的代表意思依次为：被解释变量和解释变量的复相关系数、判定系数2R、调整的判定系数2R、回归方程的估计标准误差.依据这个表能够进行拟合优度检验.因为这个方程里存在很多解释变量，因此，应该考虑调整的判定系数.由于调整的判定系数是比较接近1，因此，认为拟合优度较高，被解释变量可以被模型解释的部分较多，不能被解释的部分较少.表8中各列数据项（从第一列开始）的含义依次为：被解释的变量的变差来源、离差平方和、自由度、方差、回归方程显著性检验中F检验统计量的观测值和概率P-值.可以看到：被解释的变量的总离差平方和为9.1⨯，回归平方和及方差分别为02510955410.2⨯.剩余平方和及方差分别为3032603.890和116638.611，F检验02210.1⨯和8统计量的观测值为2189.864，对应的概率P-值近似为0.依据该表可进行回归方程的显著性检验.如果显著性水平α为0.05，由于概率P-值小于显著性水平α，应拒绝回归方程显著性检验的原假设，认为各回归系数不同时为0，被解释变量与解释变量全体的线性关系是显著的，能够建立线性模型.表9中，各列数据项（从第二列开始）的代表意思依次是：偏回归系数、偏回归系数的标准误差、标准化偏回归系数、回归系数显著性检验中t检验统计量的观测值、对应概率P-值、解释变量容忍度与方差膨胀因子[10].由这个表能够对回归系数的显著性进行检验，得到回归方程以及多重共线性进行检验.可以看到：如果显著水平α为0.05，四个解释变量所求的的回归系数显著性t 检验的概率P-值都小于显著性水平α，因此应拒绝原假设，认为这些偏回归系数与0有显著差异，它们与被解释变量存在显著的的线性关系.同时，从容忍度和方差膨胀因子看，各个解释变量之间不存在多重共线性.（一般说来当解释变量的容忍度(TOLERANCE)小于0.10或者方差膨胀因子(VIF)大于10时，说明变量之间存在多重共线性现象，会影响到回归模型的正确估计.）设可支配收入为Y ，工资性收入，经营性收入，财产性收入，转移性收入分为,,,,x 4,321x x x ，则4321910.0826.0056.1852.0025.724x x x x Y ++++=表10 2012年我国城镇居民人均可支配收入注：位次代表该省城镇居民人均可支配收入在全国31个省的排名情况3.2 分析各地区收入差距图2 各地区城镇居民可支配收入从图2可以看出，对城镇居民人均可支配收入而言，沿海地区明显高于中部地区和西部地区，而中部地区高于西部地区.上海，北京，浙江三地的城镇居民人均可支配收入明显高于其他地区.可见，各地区的情况存在很大差异.4 城镇居民可支配收入的其他影响因素除了前面所研究的工资水平，人均工资性收入，资产性收入，生活区域外，影响城镇居民可支配收入的影响因素还有物价水平，就业率，存款贷款利率，通胀率，股市行情，心态，支配习惯，税负.4.1 物价水平物价水平是指整个经济的物价，而不是某物品或某类物品的价格，是用来衡量所在的目标市场所潜在的消费能力和分析其经济状况的又一非常重要指标.物价稳定是经济稳定、财政稳定，货币稳定的集中体现，物价稳定同时标志着社会总体需求量的基本平衡，财政收支的基本平衡和时常流通的货币供应量与市场的货币量的基本适应.近几年来我国物价上涨过快，使得居民日常生活消费支出增加.而可支配收入的增长速度与物价上涨的速度不同步，所以可支配收入从表面看是增加了，实际是否增加，就要看物价上涨的速度了.尽管我们国家物价在上涨，但是居民实际还是增长了，这个数据就反映了实际的生活水平，物价在上涨，收入涨得比物价还要快，反映了居民实际生活水平是在提高.4.2 就业率就业率，是指就业人数和劳动力人数的百分比.所有在指定时间段中在一定年龄限制下，有工作而且拥有报酬或利益的人；或得到职位但当下没有工作（比如疾病、工作伤害、劳资的纠纷、假期等）的人；包括家庭中的企业或着在农场的无劳动报酬的人，都算作是就业人口[11].在这竞争日益激烈的21世纪，每天会有很多人就业，同时又会有很大一部分人失业.我国城镇就业率虽然增长不少，但还是不容乐观的.如果居民没有了工作，何来收入呢？就业是提高居民收入水平和扩大消费需求的根本，所以提高我国的就业率，尽量达到充分就业是提高城镇居民可支配收入的根本举措.4.3 存款贷款利率存款利率是指客户按照约定条件存入银行帐户的货币，一定时间内利息额同贷出金额即本金的利率.贷款利率，是指借款期限内利息数额与本金额的比例.存款利率直接影响城镇居民的储蓄情况，存款利率升高，居民储蓄增加，可支配收入减少.贷款利率影响城镇居民的借贷情况，贷款利率升高，居民贷款额度减少，可支配收入减少.5 总结通过使用统计软件建立数学模型，该论文对我国城镇居民可支配收入做预测分析.我们不难看出城镇居民可支配收入的主要来源是职工的工资，所以提高城镇居民可支配收入的主要措施是运用财政政策提高公务员及事业单位职工待遇水平，并且结合政府机构改革及其职能转变，使政府支出比例与经济增长的速度同步.中国城镇居民可支配收入结构不合理和发展不平衡现象较为严重，工薪收入和转移性收入是影响城镇居民收入的主要因素，并且其重要程度有进一步增强的趋势，其他来源的收入对居民收入增长有明显的抑制作用[12].提高居民收入是改善民生的基本措施，是扩大内需和推动经济增长的关键因素，也是保持我国经济长期有效增长的动力与保障，居民收入水平和结构变化对国民经济的发展和收入分配制度的调整将产生直接影响[13].当前的收入分配格局是相当的不合理的，它使得富人越来越富有，而穷人越来越贫穷.所以，应加快收入分配改革的步伐，完善收入分配制度.收入分配的主要部门是政府、企业、居民，应当调整和规范这三部门的分配关系，确立劳动、资本、技术和管理等生产要素按贡献参与分配的原则，坚持和完善按劳分配为主体、多种分配方式并存的分配制度[14].遇到经济危机，金融海啸对城镇居民可支配收入冲击很大，但是政府采取了很多的措施，比如提高低保的标准，提高最低生活的补助标准，另外也制定了最低的工资标准（每个地区的工资标准），另外国家也出台了社会保障的一系列的措施，使得居民的收入没有降低[15] .在这物价飞速增长的时代，提高城镇居民人均可支配收入迫在眉睫.有以下几条建议：西部地区发展水平低于全国平均水平，在产业结构中也处于劣势，工业化水平不高导致西部城市化进程缓慢.经济是一切活动的基础，而工业是经济发展的主动脉.西部要以调整和优化结构为主线，以重点项目为载体，是西部地区赶超全国城镇居民人均可支配收入快速增长的有效措施.总之，我国城镇居民可支配收入是逐年增加的，且基本保持在8%—10%.虽然最近两年有所放缓，但我们有理由相信我国经济发展的前景是很乐观的.改革开放以来，尤其是90年代以来，我国经济进入高速发展阶段，当然也暴露很多问题.如何实现经济的可持续发展，城镇居民可支配收入结构合理和发展平衡，仍然需要我们探讨和研究.参考文献[1]谢勇,徐倩.我国城镇居民收入分配差距探源[J].城市问题,2003[2]邓聚龙.灰色系统理论教程[M].华中理工大学出版社,1992[3]郭志刚.社会统计分析方法-SPSS软件应用[J].中国人民大学出版社,1999[4]孙海涛.城镇居民可支配收入和消费支出关系协整分析[J].商业经济,2011[5]洪天国,马海兵.河南省城镇居民人均可支配收入与消费支出关系的实证研究-基于协整检验和误差修正模型[J].企业导报,2011[6]王娜,张磊.山东省城镇居民可支配收入与消费支出的实证研究[J].山东经济,2010[7]李世军,袁光才.城镇居民人均消费支出影响因素计量分析-基于成都市的实证分析[J].技术经济与管理,2006[8]徐国祥.统计预测和决策[M].上海财经大学出版社,2005[9]张维青.我国城镇居民可支配收入与消费支出的灰色关联分析[J].河南机电高等专科学校学报,2011[10]于虹.切实提高城乡居民收入的重要举措[J].经济论坛,2011[11]林江鹏,刘旺霞,黄永明.我国城乡居民收入与消费支出关系的实证研究[J].经济问题探索,2007[12]相丽驰,金晓彤.中国农村居民“十一五”期间收入和消费的灰色预测[J].经济问题探索,2007[13]蒋满霖,周国霞.我国城镇居民收入和消费的协整分析[J].安徽工业大学学报,2006[14]邓乐斌,李俊华,魏毅峰.城镇居民消费支出与收入的预测模型[J].商场现代化,2008[15]I.N.Herstein and D.J.Winter，Mcmillan．Matrix Theory and Linear Algebra[M]．1998：148-175致谢论文的顺利完成首先最需要感谢我的指导老师。
基于多元线性回归模型的城乡居民收入差距影响因素实证研究【摘要】随着我国改革开放的不断深入，城乡居民收入差距不断扩大。
本文以武汉市为例，选取了1995—2010年的数据，应用多元线性回归模型，对城乡居民收入差距的影响因素进行实证研究。
结果表明，人均地区gdp、城镇化水平、非农产业从业人员占比、二元结构系数对城乡收入差距有显著影响。
基于此，我们提出了相应的对策建议。
【关键词】多元线性回归模型；城乡收入差距；影响因素1 引言近年来，我国经济高速发展，人民生活水平大幅度提高。
但与此同时，城乡收入差距越来越大。
据中国社会科学院经济研究所的一份全国性调查报告显示，如果把医疗、教育、失业保障等非货币因素考虑进去，中国的城乡收入差距世界最高。
这给我们的经济发展敲响了警钟。
本文以武汉市为例，对城乡收入差距的影响因素进行实证研究，旨在找出其中的关键性因素，研究缩小城乡收入差距的路径，并提出相应对策和建议，以期为理论研究和具体实践提供参考和依据。
2 武汉市城乡居民收入差距状况近十余年来，武汉市城乡收入差距状况不容乐观。
如图1所示，城镇居民人均可支配收入与农村居民纯收入之间的绝对差额在不断扩大。
特别是进入新世纪以后，收入差距绝对额有拉大的趋势。
图1.武汉市城乡收入差距绝对额衡量城乡收入差距的指标是城乡收入比，即城镇居民人均可支配收入与农村居民人均纯收入之比。
近十余年来，武汉市城乡收入比不断增大，如图2所示，从1996年至2007年12年间，武汉市城乡收入比在波动中不断上升，2008年至2010年，城乡收入比略有下降。
但总体来看，武汉城乡收入差距依然在拉大。
图2.武汉市城乡收入比[1]当然，这里用收入比来衡量城乡差距，并不完全真实和全面。
如果我们考虑教育、医疗、社会保障等公共福利因素，武汉市城乡收入差距将会更大。
这一状况令人担忧，会成为武汉经济发展的“瓶颈”。
3 实证研究3.1 影响因素与变量我们根据已有研究成果，结合武汉市实际情况，选取城乡收入比y作为被解释变量，如下5个影响城乡收入差距的因素作为解释变量：x1：人均地区gdp（地区gdp总值/地区总人口）x2：城镇化水平（城镇人口/总人口）x3：农业贡献率（农业增加值/gdp增加值）x4：非农产业从业人员占比（非农产业从业人员/从业人员总数）x5：二元结构系数（非农产业比较劳动生产率/农业比较劳动生产率，其中，比较劳动生产率=某部门产值比重/某部门就业劳动力比重）3.2 模型建立我们以城乡收入比y作为被解释变量，以x1，x2，x3，x4，x5作为解释变量，建立多元线性回归模型：y=α0+α1x1+α2x2+α3x3+α4x4+α5x5+u（其中u为随机扰动项）。
作者： 李闪闪
作者机构： 吉林大学金融学院
出版物刊名： 经济视角
页码： 79-80页
年卷期： 2013年 第9期
主题词： 农业 农民 收入状况
摘要：目前,农民收入问题受到了全社会的关注。
而影响农民收入的因素却有很多,本文在分析了现阶段我国农业现状的基础上,通过研究农村从业人员占总人数的比重、第二、三产业从业人数占全社会从业人数的比重等内部因素,及农作物总播种面积、农业化肥施用量等外部因素来分析其对农民收入的影响程度。
我们通过建立多元线性回归模型进行分析。
并采用Eviews对该模型进行检验,在该模型的基础上对影响农民收入的因素进行全面的概括,并提出合理性的建议。
毕业论文对城镇居民人均可支配收入及人均消费性支出的预测分析毕业设计（论文）原创性声明和使用授权说明原创性声明本人郑重承诺：所呈交的毕业设计（论文），是我个人在指导教师的指导下进行的研究工作及取得的成果。
尽我所知，除文中特别加以标注和致谢的地方外，不包含其他人或组织已经发表或公布过的研究成果，也不包含我为获得及其它教育机构的学位或学历而使用过的材料。
对本研究提供过帮助和做出过贡献的个人或集体，均已在文中作了明确的说明并表示了谢意。
作者签名：日期：指导教师签名：日期：使用授权说明本人完全了解大学关于收集、保存、使用毕业设计（论文）的规定，即：按照学校要求提交毕业设计（论文）的印刷本和电子版本；学校有权保存毕业设计（论文）的印刷本和电子版，并提供目录检索与阅览服务；学校可以采用影印、缩印、数字化或其它复制手段保存论文；在不以赢利为目的前提下，学校可以公布论文的部分或全部内容。
作者签名：日期：学位论文原创性声明本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。
除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。
对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。
本人完全意识到本声明的法律后果由本人承担。
作者签名：日期：年月日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。
本人授权大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。
涉密论文按学校规定处理。
作者签名：日期：年月日导师签名：日期：年月日注意事项1.设计（论文）的内容包括：1）封面（按教务处制定的标准封面格式制作）2）原创性声明3）中文摘要（300字左右）、关键词4）外文摘要、关键词5）目次页（附件不统一编入）6）论文主体部分：引言（或绪论）、正文、结论7）参考文献8）致谢9）附录（对论文支持必要时）2.论文字数要求：理工类设计（论文）正文字数不少于1万字（不包括图纸、程序清单等），文科类论文正文字数不少于1.2万字。
基于多元线性回归模型的城乡居民收入差距影响因素实证研究作者：吴建齐来源：《商情》2013年第09期【摘要】随着我国改革开放的不断深入，城乡居民收入差距不断扩大。
本文以武汉市为例，选取了1995—2010年的数据，应用多元线性回归模型，对城乡居民收入差距的影响因素进行实证研究。
结果表明，人均地区GDP、城镇化水平、非农产业从业人员占比、二元结构系数对城乡收入差距有显著影响。
基于此，我们提出了相应的对策建议。
【关键词】多元线性回归模型；城乡收入差距；影响因素1 引言近年来，我国经济高速发展，人民生活水平大幅度提高。
但与此同时，城乡收入差距越来越大。
据中国社会科学院经济研究所的一份全国性调查报告显示，如果把医疗、教育、失业保障等非货币因素考虑进去，中国的城乡收入差距世界最高。
这给我们的经济发展敲响了警钟。
本文以武汉市为例，对城乡收入差距的影响因素进行实证研究，旨在找出其中的关键性因素，研究缩小城乡收入差距的路径，并提出相应对策和建议，以期为理论研究和具体实践提供参考和依据。
2 武汉市城乡居民收入差距状况近十余年来，武汉市城乡收入差距状况不容乐观。
如图1所示，城镇居民人均可支配收入与农村居民纯收入之间的绝对差额在不断扩大。
特别是进入新世纪以后，收入差距绝对额有拉大的趋势。
图1.武汉市城乡收入差距绝对额衡量城乡收入差距的指标是城乡收入比，即城镇居民人均可支配收入与农村居民人均纯收入之比。
近十余年来，武汉市城乡收入比不断增大，如图2所示，从1996年至2007年12年间，武汉市城乡收入比在波动中不断上升，2008年至2010年，城乡收入比略有下降。
但总体来看，武汉城乡收入差距依然在拉大。
图2.武汉市城乡收入比[1]当然，这里用收入比来衡量城乡差距，并不完全真实和全面。
如果我们考虑教育、医疗、社会保障等公共福利因素，武汉市城乡收入差距将会更大。
这一状况令人担忧，会成为武汉经济发展的“瓶颈”。
3 实证研究3.1 影响因素与变量我们根据已有研究成果，结合武汉市实际情况，选取城乡收入比Y作为被解释变量，如下5个影响城乡收入差距的因素作为解释变量：X1：人均地区GDP（地区GDP总值/地区总人口）X2：城镇化水平（城镇人口/总人口）X3：农业贡献率（农业增加值/GDP增加值）X4：非农产业从业人员占比（非农产业从业人员/从业人员总数）X5：二元结构系数（非农产业比较劳动生产率/农业比较劳动生产率，其中，比较劳动生产率=某部门产值比重/某部门就业劳动力比重）3.2 模型建立我们以城乡收入比Y作为被解释变量，以X1，X2，X3，X4，X5作为解释变量，建立多元线性回归模型：Y=α0+α1X1+α2X2+α3X3+α4X4+α5X5+U（其中U为随机扰动项）。
基于回归分析的中国城镇居民家庭人均可支配收入预测研究China's per capita disposable income of urban households prediction and research based on theregression analysis摘要：通过运用spss 数据统计分析软件，对我国21世纪以来的城镇居民家庭人均可支配收入水平进行预测分析，以了解城镇居民收入水平，进而了解其购买力，消费水平，从而更好的促进人民可支配收入的增长，增强我国综合国力,促进人民生活水平的提高。
关键词：城镇居民家庭人均可支配收入；回归分析；预测；spssAbstract:By using SPSS statistical analysis software, we forecast and analysis on per capita disposable income of urban households of our country since the 21st century, for understanding urban residents income level, and their purchasing power, consumption level, so as to better promote the growth of people's disposable income, enhance China's comprehensive national strength, promote the improvement of our living standards.Key words: per capita disposable income of urban households; regression analysis; prediction;SPSS一、研究背景城镇居民家庭人均可支配收入是指反映居民家庭全部现金收入能用于安排家庭日常生活的那部分收入。
我国居民收入与支出级数教育关系分析基于多元线性回归
的摘要
对于和谐社会一直以来都有诸多定义，然而他们都有一个共同基本的含义，即和谐社会应该是一个稳定有序、充满活力、人和自然和谐相处的社会。
实现和谐社会和人们的消费行为密不可分。
要想满足人们需要，那就必须消费，只有人们的需求得到满足，人们才会感到幸福，社会才会保持安定和谐，理性、健康、合理的消费模式可以使人们物质和精神方面都得到满足，对提升整个社会活力与创造力也至关重要。
中国经济发展速度迅速，城镇居民的收入与消费水平不断提高。
然而收入与消费的相关性问题也逐渐凸现出来。
许多经济学家指出：市场经济条件下，收入主要因素是居民消费，城镇居民的消费性支出与收入有着内在的关系，收入分配差距过大，会直接影响居民消费需求。
平衡好城镇居民收入与支出的关系对全面建设和谐社会起着至关重要的作用。
其次，消费结构可以反映经济发展水平和居民生活水平的质量。
一般来说，经济越发达的地区，高消费支出所占的比例就会较大。
相反，在经济落后的地区中，日常生活必需品消费支出会占大多数比例。
相对过去而言，居民在日常生活必需品支出比重在逐渐下降，而在交通通讯、文化娱乐等方面的消费支出比重越来越大。
消费结构的变化，反映居民需求的变化。
研究我国城镇居民消费性支出情况及其影响因素，对建立合理的消费结构，扩大内需，搞活社会主义市场经济，制定产业政策，促进国民经济的发展都有着极其重要的意义。
城镇居民人均可支配收入预测模型的构建与预测效果分析城镇居民人均可支配收入预测模型的构建与预测效果分析近年来，随着我国经济的快速发展和城镇化进程的加速推进，城镇居民人均可支配收入的增长成为了社会关注的焦点。
为了更好地把握城镇居民人均可支配收入的变化趋势，提前预测其可能的增长情况，为政府决策和社会管理提供科学有效的依据，构建一种可信度高的预测模型就显得尤为重要。
本文将介绍城镇居民人均可支配收入预测模型的构建过程，并对其预测效果进行分析。
首先，为了构建城镇居民人均可支配收入预测模型，我们需要收集与人均可支配收入相关的数据。
一般来说，人均可支配收入受多个因素的影响，如经济发展水平、就业情况、教育水平、社会保障等。
因此，在收集数据时，要尽可能涵盖这些关键因素。
接下来，我们可以采用多元线性回归分析来构建预测模型。
多元线性回归分析可以通过建立多个自变量与因变量（人均可支配收入）之间的线性关系，来预测因变量的数值。
在进行多元线性回归分析时，我们需要先进行数据预处理。
这包括数据清洗、缺失值处理、异常值处理等。
清洗数据的过程主要是为了剔除不符合预测模型的数据，保证数据的准确性和可靠性。
缺失值处理则是为了解决数据集中存在的数据缺失问题，可以通过填充缺失值或者删除缺失值的方法进行处理。
异常值处理则是为了解决数据集中存在的异常值问题，可以通过剔除异常值或者进行数据变换的方法进行处理。
接下来，我们可以利用处理后的数据进行模型的构建。
在多元线性回归模型中，我们需要首先选择自变量。
一般来说，自变量应该是与因变量有相关性的变量。
然后，我们可以使用最小二乘法来估计回归方程的参数，并进行模型拟合。
最后，进行统计检验和模型评估，以验证模型的有效性和稳定性。
完成模型的构建后，我们可以利用该模型进行人均可支配收入的预测。
预测的过程主要是将需要预测的自变量带入到模型中，通过回归方程计算出对应的因变量（人均可支配收入）的数值。
通过多次预测并对比实际值，可以对模型的预测效果进行分析和评估。
多元线性回归模型及其应用摘要本文介绍了多元线性回归模型，其过程分为模型构建、模型参数估计、模型检验和模型预测等几个方面。
通过对与我国物价指数CPI相关的几个因素建立初始多元线性回归模型，分析CPI的影响因素，之后对该模型进行各种统计检验，在模型检验中发现初始模型中有部分变量的系数不能通过检验，可能存在多重共线性的问题，最后采用逐步回归分析法来进行去除显著性不高的变量，并且建立新的模型，最终找出了影响CPI的关键要素是农业生产资料价格和人均GDP，通过最终确定的CPI与其影响因素之间的线性回归方程可以清晰地得到各个指标对CPI的影响大小，进而为我国控制CPI提供方向性的建议指导。
关键词多元线性回归 CPI影响因素逐步回归Multiple linear regression model and its applicationAbstract This article introduces the multiple linear regression model, and its process is divided into several aspects: model construction, model parameter estimation, model testing and model prediction. By establishing an initial multiple linear regression model on several factors related to China's price index CPI, analyzing the influencing factors of CPI, and then carrying out various statistical tests on the model, it is found in the model test that the coefficients of some variables in the initial model cannot pass Test, there may be a problem of multicollinearity, and finally use a stepwise regression analysis method to remove less significant variables, and establish a new model, and finally find out that the key factors affecting CPI are agricultural production materials prices and GDP per capita, Through the final linear regression equation between the CPI and its influencing factors, we can clearly get the impact of various indicators on the CPI, and then provide directional recommendations for the control of CPI in China.Key words Multiple linear regression CPI influencing factors stepwise regression目录引言 (1)1. 多元线性回归分析基本理论 (2)1.1 多元线性回归模型的一般形式 (2)1.2 多元线性回归模型的基本假设 (2)1.3 参数估计 (2)1.3.1 回归系数的估计 (2)1.3.2 样本方差的估计 (3)1.4 模型检验 (3)1.4.1 回归方程的显著性检验 (4)1.4.2 回归系数的显著性检验 (4)1.4.3 回归方程的拟合优度检验 (4)1.5 模型预测 (5)1.6 自变量的筛选方法 (5)2. 多元线性回归在CPI影响因素中的应用 (6)2.1 数据筛选 (6)2.1.1 指标选取 (6)2.1.2 数据收集 (6)2.2实证分析 (7)2.1.3 建立模型 (7)2.1.4 参数估计 (8)2.1.5 模型检验 (8)2.1.6 模型优化 (9)2.1.7 残差检验 (11)结论与建议 (13)参考文献 (14)致谢................................................................ 错误!未定义书签。
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收入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收入的现状进行分析。
通过分析找出我国城镇居民收入特点及其中存在的不足。
城镇居民可支配收入是检验我国社会主义现代化进程的一个标准。
本文根据我国城镇居民家庭人均可支配收入为研究对象，选取可能影响我国城镇居民家庭人均可支配收入的城乡居民储蓄存款年底余额、城乡居民储蓄存款年增加额、国民总收入、职工基本就业情况、城镇居民家庭恩格尔系数(%)5个因素，运用多元线性回归分析建立模型，先运用普通最小二乘估计求回归系数再对方程进行异方差、自相关、和多重共线性诊断，用迭代法消除了自变量之间的自相关。
对于多重共线性问题，先是用逐步回归和剔除变量的方法，最终转变为用方差扩大因子法城乡居民储蓄存款年增加额剔除城镇居民家庭恩格尔系数(%)解决多重共线性，建立最终回归方程432108.0039.0012.0470.5305x x x y +++-=∧标准化回归方程**3*24108.0863.0031.0x x x y ++=∧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收入水平也大幅提高但居民收入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收入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收入又是决定居民消费的最主要因素。
我国人口基数大消费群体众多但由于居民收入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收入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收入进行分析。
中国网北京7月13日讯 国家统计局今日发布数据显示，我国城乡居民收入稳定增长，农村居民收入增长较快。
上半年，城镇居民家庭人均总收入12076元。
其中，城镇居民人均可支配收入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收入中，工资性收入同比名义增长11.5%，转移性收入增长9.9%，经营净收入增长31.2%，财产性收入增长20.4%。
农村居民人均现金收入3706元，同比增长20.4%，扣除价格因素，实际增长13.7%。
其中，工资性收入同比名义增长20.1%，家庭经营收入增长21.0%，财产性收入增长7.5%，转移性收入增长23.2%。
财政部副部眨楼继伟就调整城镇中低收入居民收 入政策符记者问中说：“由于城乡居民收入增长趋缓，居民对未来支出增加的预期增强， 消费意愿减弱，导致消费需求不旺。
针对有效需求不足这一突出问题，党中央利国务院 决定， 积极调整收入分配政策，通过提高国有企业下岗职工等低收入者的生活保障水平 和增加机关事业单位职工工资等措施，逐步改变居民收入预期下降、支出预期Ｉ：列、高 收入者消费意愿不强、低收入者消费能力不足的状况，旨在刺激消费需求，健进国民经 济持续快速健康发展。
”下面通过统计数据对我国城镇居民家庭人均可支配收入的总体现状和发展态势进行分析了解我国居民收入分配情况。
（二）问题重述以1991年-2011年的城镇居民家庭人均可支配收入y 为因变量，选取城乡居民储蓄存款年底余额x1、城乡居民储蓄存款年增加额x2、国民总收入x3、职工基本就业情况x4、城镇居民家庭恩格尔系数(%)x5为自变量。
（三）模型分析与建立①多元线性回归模型1.多元线性回归模型的一般形式设随机变量y 与一般变量p x x x ,,,21 的线性回归模型为εββββ+++++=p p x x x y 22110 （4.1）其中，p βββ,,,10 是1+p 个未知参数，0β称为回归常数，p ββ,,1 称为回归系数。
y 称为被解释变量（因变量），p x x x ,,,21 是p 个可以精确测量并控制的一般变量，称为解释变量（自变量）。
ε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⎩⎨⎧==2)var(0)(σεεE （4.2）称εββββ+++++=p p x x x y E 22110)( （4.3） 为理论回归方程。
对一个实际问题，如果我们获得n 组观测数据),,2,1(),,,(;21n i y x x x i ip i i =，则线性回归模型（4.1）式可表示为⎪⎪⎩⎪⎪⎨⎧+++++=+++++=+++++=nnp p n n n p p p p x x x y x x x y x x x y εββββεββββεββββ 2211022222211021112211101 （4.4） 写成矩阵形式为εβ+=X y （4.5）其中⎪⎪⎪⎪⎪⎭⎫⎝⎛=n y y y y21 ⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎣⎡=np n n p p x x x x x x x x x X 212222111211111 ⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡=p βββββ 210 ⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡=n εεεεε 210 （4.6）X 是一个)1(+⨯p n 阶矩阵，称为回归设计矩阵或资料矩阵。
2.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：（1）解释变量p x x x ,,,21 是确定性变量，不是随机变量，且要求n p X r a n k <+=1)(。
这里的n p X rank <+=1)(，表明设计矩阵X 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，X 是一满秩矩阵。
（2）随机误差项具有零均值和等方差，即⎪⎩⎪⎨⎧=⎩⎨⎧≠====n j i j i j i n i E j i i ,,2,1,,,0,),cov(,,2,1,0)(2 σεεε （4.7） 这个假定常称为高斯—马尔柯夫条件。
0)(=i E ε，假设观测值没有系统错误，随机误差项i ε的平均值为0。
随机误差项i ε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⎩⎨⎧=相互独立n i ni N εεεσε,,,,,2,1),,0(~212 （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),0(~2n I N σε （4.9）由上述假定和多元正态分布的性质可知，随机变量y 服从n 维正态分布，回归模型（4.5）式的期望向量βX y E =)( （4.10）n I y 2)var(σ= （4.11）因此 ),(~2n I X N y σβ （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。
普通最小二乘就是一种最为常见的统计拟合准则，在该准则下得到的回归参数的估计称为回归参数的普通最小二乘估计。
对于（4.5）式表示的回归模型εβ+=X y ，所谓最小二乘法，就是寻找参数p ββββ,,,,210 的估计值p ββββˆ,,ˆ,ˆ,ˆ210 ，使离差平方和2221101210)(),,,,(ip p i i ni i p x x x y Q ββββββββ-----=∑= 达到极小，即寻找pββββˆ,,ˆ,ˆ,ˆ210 满足 2221101210)(),,,,(ip p i i ni i p x x x y Q ββββββββ-----=∑=2122110,,,)(min 210∑=-----=ni ip p i i ix x x y pββββββββ（4.13）依照（4.13）式求出的p ββββˆ,,ˆ,ˆ,ˆ210 就称为回归参数p ββββ,,,,210 的最小二乘估计。
pp x x x y ββββˆˆˆˆˆ22110++++= （4.14） 为经验回归方程。
（四）问题分析①数据说明以1991年-2011年的城镇居民家庭人均可支配收入y 为因变量，选取城乡居民储蓄存款年底余额x1、城乡居民储蓄存款年增加额x2、国民总收入x3、职工基本就业情况x 4、城镇居民家庭恩格尔系数(%)x 5为自变量。
数据来源国家统计局网站统计年鉴。
②求解分析直接进入法模型汇总模型 R R 方调整 R 方 标准 估计的误差1.999a.999.999212.39403a. 预测变量: (常量), 家庭恩格尔系数, 年增加额, 就业情况, 国民总收入, 年底余额。
可以看出调整后的决定系数999.02 R ，说明回归方程的拟合优度比较好。
Anova b模型 平方和df均方 F Sig. 1回归 6.745E8 5 1.349E8 2990.552.000a残差 676668.353 15 45111.224总计6.752E820a. 预测变量: (常量), 家庭恩格尔系数, 年增加额, 就业情况, 国民总收入, 年底余额。
b. 因变量: 可支配收入方差分析表可以看出，F 检验的检验值F=2990.552非常大，再看F 检验的P 值≈0.000，可知此回归方程高度显著，即做出5个自变量整体对因变量y 产生显著线性影响的判断所犯错误的概率仅为0.000。
系数a模型 非标准化系数标准系数 t Sig. B 的 95.0% 置信区间 B 标准 误差 试用版下限 上限 1(常量)-4471.2783126.013-1.430.173 -11134.2182191.662储蓄存款年底余额 .004 .008 .060 .457 .654 -.013 .020 储蓄存款年增加额 .011 .010 .027 1.084 .296 -.010 .032 国民总收入 .036 .005 .806 7.156 .000 .025 .047 就业情况 .102 .021 .127 4.817 .000 .057 .147 家庭恩格尔系数-7.24833.502-.008-.216.832-78.65664.161a. 因变量: 可支配收入此时得到的回归方程为：43221248.7102.0036.0011.0004.0278.4471x x x x x y -++++-=∧复决定系数为0.999，F-检验高度显著（F=2990.552，P=0.000），说明模型整体拟合效果不错。
