资源描述：
《关于居民消费水平的R语言作业含源文件.ppt》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。
1、地区居民消费水平 影响因素居民消费水平居民消费水平是指居民在物质产品和劳务的消费过程中，对满足人们生存、发展和享受需要方面所达到的程度。通过消费的物质产品和劳务的数量和质量反映出来。案例背景居民的消费水平在很大程度上受整体经济状况的影响。其数值与工资水平的关系更加显著，，居民收入稳定，且对未来的收入乐观，居民用于消费的支出较多，消费水平较高；反之亦然。其次，人口出生率，利率，以及国内生产总值GDP可能与消费水平有一定关系为了准确获取数据，我们从国家统计局数据库选取的1978年至2009年的数据数据包括历年来的居民消费水平，历年GDP，平均货币工资，人口自然增长率，年利率。原始数据建立
2、多元回归模型多元回归模型为Y=aX1+bX2+cX3+dX4+u其中y表示我国居民生活消费水平，X1表示GDP，X2表示居民平均货币工资，X3表示人口自然增长率，X4表示利率。假设以我国居民消费水平为因素（Y），以GDP（X1），居民平均货币工资（X2）,人口自然增长率（X3），利率（X4）,建立多元模型分析一元回归分析因为GDP对居民平均货币工资可能有影响，于是先做GDP与居民工资的一元回归分析X2=AX1+U输入>x1<-c(6284,6762,7289,7668,8366,9278,10688,12131,13198,14729,16394,17066,17714,16394,
3、26923,35334,48198,60794,71177,78973,84402,89677,992215,109655,120332,135823,159878,184937,216314,265810,314045,340902)>x2<-c(615,668,762,772,798,826,974,1148,1329,1459,1747,1935,2140,2340,2711,3371,4538,5500,6210,6470,7479,8346,9371,10870,12422,14040,16024,18364,22112,24932,29229,32736)>lm.sol<
4、-lm(x2~x1+1)>summary(lm.sol)得到因为X1对应的检验概率小于显著性水平α=0.005，说明回归方程变量之间线性关系显著得到回归方程X2=2.541e-02X1+5.103e+03即GPD越高，居民的收入也会增长下面，开始用多元回归分析，研究各个元素与我国居民消费水平的关系。多元回归模型为Y=aX1+bX2+cX3+dX4+u使用R软件输入>x1<-c(0.7,2,6,2.4,1.9,1.5,2.8,9.3,6.5,7.3,18.8,18,3.1,3.4,6.4,14.7,24.1,17.1,8.3,2.8,-0.8,-1.4,0.4,0.7,-0.8,1.2
5、,3.9,1.8,1.5,4.8,5.9,-0.7)>x2<-c(6284,6762,7289,7668,8366,9278,10688,12131,13198,14729,16394,17066,17714,16394,26923,35334,48198,60794,71177,78973,84402,89677,992215,109655,120332,135823,159878,184937,216314,265810,314045,340902)>x3<-c(615,668,762,772,798,826,974,1148,1329,1459,1747,1935,2140,2
6、340,2711,3371,4538,5500,6210,6470,7479,8346,9371,10870,12422,14040,16024,18364,22112,24932,29229,32736)>x4<-c(12,11.61,11.87,14.55,15.68,13.29,13.08,14.26,15.57,16.61,14.2,15.04,14.39,12.98,11.6,11.45,11.21,10.55,10.42,10.06,9.14,8.18,7.58,6.95,6.45,6.01,5.87,5.89,5.28,5.17,5.08,5.05)>y<-c(184,
7、208,238,264,288,316,361,446,497,565,714,788,833,932,1116,1393,1833,2355,2789,3002,3159,3346,3631,3887,4144,4474,5031,5572,6262,7254,8348,9098)>lm.sol<-lm(y~x1+x2+x3+x4)>summary(lm.sol)运行得到得到Call:lm(formula=y~x1+x2+x3+x4)Residuals:
