城镇居民消费水平分析

lamp<-data.frame( X=c(103.9,102.9,102.7,102. 7,102.9,103.5,104,104.7,10 2.3,103.7,103.6,104.2,102.9 ,102.9,103.5,102.1,102.9,10 3.2), A=factor(c(rep(1,6),rep(2,6), rep(3,6))) ) lamp.aov<-aov(X ~ A, data=lamp) summary(lamp.aov)
它的p值足够小 ##根据回归分析的结 果绘制回归直线 abline(a=0.41728,b=59.29572) 得到其方程:y=0.41728x1+59.29572
Call: lm(formula = cpi ~ food Residuals: Min 1Q Median 3Q Max -0.93621 -0.21744 0.09201 0.23502 0.99228 Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) 59.29572 5.48601 10.809 7.26e-12 *** food 0.41278 0.05166 7.991 6.42e-09 ***--Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’1 Residual standard error: 0.4294 on 30 degrees o freedom Multiple R-squared: 0.6803, Adjusted R-squared: 0.6697 F-statistic: 63.85 on 1 and 30 DF, p-value: 6.42e-09
LOGO
很明显 图表显示出不 同地区的差异还是比 较明显的。接下来我 们进一步探寻其原因
百度文库 LOGO
Df Sum Sq Mean Sq F value Pr(>F) A 2 2.301 1.1506 3.091 0.0751 . Residuals 15 5.583 0.3722 --Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
LOGO
一元回归分析
LOGO
全国总CPI
#计算居民消费价格指数的均值和标准差 由图可知 ,该图属于对称分布 ,CPI的全国各地分布情况 > mu1<-mean(X1); sigma1<-sd(X1) 表明一大部分地区趋于同一态势 处于较高的分布位 > hist(X1, probability = TRUE,,CPI + main = 置 ,而有一些区的CPI 指数属于较低的行列 ,在后面我们 paste("Histogram of" , "CPI"), + xlab = "CPI") 会分析中国不同地区省份 CPI分布特点。 > lines(density(X1)
LOGO
方程:y=0.41728x1+59.29572
方程：Y=0.2621x2+76.2354
说明居民总CPI指数与食物消费 和教育支出都存在着一次线性 关系。其他因素可依次用此方 法进行分析。
利用一元分析进行比较
东部地区 上海市 103.9 江苏省 102.9 福建省 102.7 浙江省 102.7 辽宁省 102.9 北京市 103.5
Choice of Data
CPI (Consumer Price Index 物价指数) 是政府用来衡量通货 膨胀的其中一个数据。通俗的讲，CPI就是市场上的货物价格 增长百分比。一般市场经济国家认为CPI增长率在2%~3%属 于可接受范围内，当然还要看其他数据。CPI过高始终不是好 事，高速经济增长率会拉高CPI，但物价指数增长速度快过人 民平均收入的增长速度就一定不是好事，而一般平均工资的 增长速度很难超越3-4%。
消费者物价指数（CPI）就成了金融市场上被仔细研究 的另一个热门的经济指标。它获得关注的原因显而易见 通货膨胀影响着每一个人，它决定着消费者花费多少来 购买商品和服务，左右着商业经营的成本，极大地破坏 着个人或企业的投资，影响着退休人员的生活质量。而 且，对通货膨胀的展望有助于设立劳动合同和制定政府 的财政政策。
一元回归分析
分析CPI与几个典型影 响因素之间的线性关系
LOGO
cpi<c(103.2,103.5,103.3,103.3,102.9,104,102.9,103.6,103.2,103.9,1 02.9,102.7,102.9,102.7,103.5,103.2,103.2,102.9,102.1,102.7,10 2.6,102.8,103.6,102.3,103.2,104.2,104.6,103.7, 102.9,101,101.9,104.7) food<c(106.2,108.1,107.6,104.2,105.1,107.9,105.1,106.8,106.8,107.8, 106.9,107.4,105.6,105,106.9,106,105.2,104.7,103.6,106.4,105.7 ,105.1,106.8,104.3,106.5,108.1,108.9,106.9,104.9,103.3,105.1,1 09.1) plot(1+food,cpi) z1<-lm(cpi ~ 1+food) summary(z1)
全民消费价格指数 西部地区 内蒙古自治区 104 新疆维吾尔自治区 104.7 四川省 102.3 陕西省 103.7 重庆市 103.6 云南省 104.2
中部地区 山西省 安徽省 江西省 湖南省 湖北省 河南省
LOGO
102.9 102.9 103.5 102.1 102.9 103.2
cpi<c(103.9,102.9,102.7,102.7,102.9,103 .5,104,104.7,102.3,103.7,103.6,104. 2,102.9,102.9,103.5,102.1,102.9,103 .2) plot(cpi) lines(cpi,col="red")