贵州省城镇居民消费分析与预测.docVIP

贵州省城镇居民消费分析与预测 朱智宇 （贵州民族学院理学院 2006级统计学专业） 摘要：本文针对贵州省近年城镇居民消费情况，应用多元统计分析中的主成分分析方法，建立贵州省城镇居民消费的模型，对影响贵州省城镇居民消费的因素进行分析，并从中找到最主要的影响因素。然后运用时间序列分析建立城镇居民消费的混合模型，预测未来短期内的城镇居民消费情况变化，并提出了对策及建议。 关键词：城镇居民消费 主成分分析 混合模型 SAS Analysis and Forecast of Consumption of Urban Residents for Guizhou Province Zhiyu Zhu （Grade 2006,the School of Science,Abstract：Thisurban residents in Guizhou Province about recent years, consumption of multivariate statistical analysis of principal component analysis method, Guizhou Province, a model of urban household consumption, using principal component analysis on the impact of consumption of urban residents in Guizhou Province to analyze the factors and find the most important factor. And then use time series analysis to establish urban residents consumption ARIMA model to predict the future short-term consumption of urban residents. Policy recommendations. Key words:Consumption of urban residents Principal component analysis blend model SAS 目 录 摘要： I Abstract： II 1.引言 1 2. 基本方法介绍 2 2.1主成分分析 2 2.1.1 主成分分析的概述 2 2.1.2 主成分分析的基本方法 2 2.2 时间序列模型 5 2.2.1 时间序列模型的基本思想 5 2.2.2 时间序列混合模型预测的主要步骤 5 3. 指标的选择 6 4. 主成分模型的构建和实证分析 7 5．时间序列模型的构建和实证分析 10 6. 促进城镇居民消费的对策措施 17 6.1 加大固定资产投资，保证经济增长 17 6.2 改革分配体制，提高人民收入 17 6.3 加大就业力度 17 6.4 加大物价控制力度，严防通货膨胀 18 参考文献： 19 成果声明 20 致 谢 21 1. 引 言 消费问题成为一个焦点问题，刺激消费成拉动经济增长的有效手段。近两年，我国经济增长速度趋缓，经济发展的外部环境和内部环境发生变化，例如金融危机、、、等，使得消费问题。 主成分分析是将多个变量通过线性变换以选出较少个数重要变量的一种多元统计分析方法。 在实际中，为了全面分析，往往提出很多与此有关的变量（或因素），因为每个变量都在不同程度上反映这个的某些信息。但是，在用统计分析方法研究时，变量个数太多就会增加复杂性。人们自然希望变量个数而得到较多的信息。在很多情形，变量之间是有一定的相关关系的，可以解释为这两个变量反映此的信息有一定的重叠。主成分分析是对于原先提出的所有变量，建立尽可能少的新变量，使得这些新变量是两两不相关的，而且这些新变量在反映的信息方面尽可能保持原有的信息。主成分分析首先是由K.皮尔森对非随机变量引入的，后H.霍特林将此方法推广到随机向量的情形。信息的大小通常用离差平方和或方差来衡量。， 式中： 标准化处理后，数据的方差为1，均值为0。简单的说，就是SAS语句中的standard关键字运用。 即有个样本，每个样本共有个变量，构成一个阶的数据矩阵 由于p较大时，在p维空间中考察问题比较麻烦，因此定义：(记x，x，…，x为原变量指标，Z，Z，…，Z（）为新变量指标) 式中Z，Z，…，Z分别称为原变量指标x，x，…，x的第一，第二，…，第n主成分。主成