居民消费预测模型建立

第3章居民消费预测模型建立

3.1变量的选择

对于消费影响因素的相关的研究理论，国内的相关的研究成功是非常多的，但是从国内的相关的研究成功多数情况来看，变量的选择一般情况下考虑的较少，本文比较全面的考虑了居民消费影响因素，根据神经网络模型对于他们进行分析，具体的变量的选择如下表所示：

表3-1 居民消费影响因素变量的选取与定义

从表3-1居民消费影响因素变量的选取与定义中可以看出来，本文共选取了16个变量，考虑因素非常全面，因变量y:居民消费水平，也就是本文待研究的性能指标。

居民消费影响因素自变量：经济因素方面，本文一个选取7个，分别是X1-X7，从前面分析可以看出来迄今为止，第一产业只占有中国总体GDP的1%-3%左右，因此本文不作考虑。

居民消费影响因素自变量：社会因素方面，本文一个选取6个，分别是X8-X13，这里需要解释的是就只有一个也就是X13：城乡收入差距，X13值的确定以基尼系数来进行确定的，具体的方法可参考李权葆(2013)的阐述与其观点的研究。

居民消费影响因素自变量：其他因素方面，本文一个选取3个，分别是X14-X17。

3.2数据来源

本文选择以中国年鉴1978-2018年作为时间跨度。

上述指标的选取主要来源有《各年度中国人类发展报告》（各年份），《中国统计年鉴》（各年份），《中国知网》，《中国环境统计年鉴》（各年份），《中国教育统计年鉴》（各年份）等数据来源。

中国居民人均GDP= 中国居民总产出（GDP总额）/中国居民总人口；

中国居民平均受教育年限=（6*T小学+9*T初中+12*T高中+16*T大专以上）/（T小学+T初中+T高中+T大专以上）。

其中，T为中国居民各学历教育人口的具体数目，中国居民各学历教育人口具体的人数数据来源于《中国教育统计年鉴》。

3.3模型的建立

从表3-1居民消费影响因素变量的选取与定义以及，影响消费支出因素的分析，这里就可以进一步的建立中国居民消费支出的具体的一个数学模型：线性模型，同时，本文为了进一步的消除量纲对于计算单位的影响，需要进行归一化处理处理，本文选择的处理方式是：对于变量进行对数处理。

本文具体的需要对数处理的数据选择有：

Y ：居民消费水平，具体可以表示为：lny ； X 1：收入水平，具体可以表示为：lnx1； X 3：通货膨胀水平，具体可以表示为：lnx3； X 4：第二产业总产值，具体可以表示为：lnx4； X 5：第三产业总产值，具体可以表示为：lnx5； X 6：固定资产投资额，具体可以表示为：lnx6； X 8：人口数量，具体可以表示为：lnx8； X 10：教育情况，具体可以表示为：lnx10； X 11：社会保障支出，具体可以表示为：lnx11； X 12：就业人数，具体可以表示为：lnx12； X 14：居民消费习惯，具体可以表示为：lnx14； X 15：公路里程数，具体可以表示为：lnx15； X 16：邮电业务量，具体可以表示为：lnx16；

根据以上的描述，可以建立出中国居民消费支出的具体的一个数学模型，具体表示为：

0112233441616ln ln ln ln ...ln y x x x x x ββββββε=++++++++ （3-1）

其中，0β表示居民消费支出的一个常量，1β，...，16β分别表示上述自变量：X 1，...，X 16的变量系数，ε表示的是中国居民消费支出的一个随机干扰变量。

3.4数据处理

原理：

中心化（又叫零均值化）：是指变量减去它的均值。其实就是一个平移的过程，平移后所有数据的中心是（0，0）。

标准化（又叫归一化）： 是指数值减去均值，再除以标准差（可以把有量纲量变为无量纲量）。

数据中心化的公式如下所示：

10n

ij

i x

==∑， （3-2）

10n

i

i y

==∑， （3-3）

21

1n

ij

i x

==∑， （3-4）

数据标准化公式如下所示：

min

max min

x x -=

- （3-5）

其中，min 表示的数据x 的最小值，max 表示的数据x 的最大值。

3.5 本章小结

本章节对于基于RBF 神经网络模型的居民消费水平走势研究的居民消费水平实际模型进行了建模研究，为后文于基于RBF 神经网络模型的研究做了必要的铺垫。