多元统计课程设计张灿

1、多元统计分析课程设计 多元统计分析 课程设计题 目: 结合聚类分析及回归分 析的方法和应用 学 院： 理学院 班 级： 数学11-1班 学 生 姓 名： xxxx 学 生 学 号： xxxx 指 导 教 师： xxxxxx 2014年 6月 5 日课程设计任务书姓名xxxx班级xxxxxx学号xxxx设计题目结合聚类分析及回归分析的方法和应用理论要点通过结合回归分析及聚类分析对实际问题进行分析，利用系统聚类法即最短距离法，最长距离法，重心法，离差平方和法等，以统一形式的递推公式：对距离的不同定义，将各指标量之间的样品以不同的距离分开进行聚类，根据想要划分的类数，即可达到分类的要求。设计目标以对

2、聚类分析及回归分析的理论要点的学习，将实际问题转化为应用多元统计分析的具体问题，运用聚类分析的知识，熟练使用聚类分析软件命令，及运用聚类分析的方法解决实际问题，实现对问题的分类和解读，达到分类的真正目标。研究方法步骤1深入的学习聚类分析的相关知识，掌握各种距离计算的方法。2借阅相关书籍,了解多元统计的相关解决方法。3根据样品变量估计分类的数量，及相应的分类结果。4运用Eviews,spss软件，解决实际问题，进行分类。预期结果运用Eviews,spss软件实现实际问题的分类过程，得到相应的图表，使问题更加简洁明了，易于分析并提出解决办法。计划与进步的安排课程安排一周，分四次完成：第一次（1-2

3、天）：上网搜查有关的资料，并开始考虑设计的方法：第二次（3-4天）：写论文的前言、摘要、以及理论依据部分：第三次(4-6天)：写论文的问题描述、问题分析以及求解计算部分：第四次（7天）：写论文的结论部分以及最后的审核和排版、打印等。摘要 本文通过回归分析、聚类分析等多种分析手段，以系统聚类法有最短距离法、最长距离法、重心法、类平均法、中间距离法、可变类平均法、可变法、李差平方和法等，通过收入支出的时间序列模型的分析给出了从2000到2009年的农村收入支出呈现的增长趋势，以及城乡之间的对比；然后利用聚类分析说明了收入支出的地区差异通过给定的分类情况，可将各省粮食产量情况的各项指标综合得到四至七

4、类，在这些分类中，可以充分的体现各指标之间的关系，鲜明形象的体现了聚类分析的优势。然后利用回归分析建立了黑龙江省农村居民收入与支出之间的模型，试图寻找出农村居民收入的消费分配现状，即单位收入的支出方向问题。 本实验充分掌握和运用多元统计分析的统计方法，能够利用基本的统计软件如Eviews、Spss等软件处理分析数据，并对结果作出合理的解释。了解近几年来山东省农村居民收入支出的基本状况，其中包括城乡差距问题和居民收入的消费分配问题，进而掌握黑龙江省农村居民的基本生活状况，为我省经济的长远发展提供依据。关键词：系统聚类 聚类分析 回归分析 多元统计分析 3目录一 基本理论基础1（一）聚类分析的背景

5、和原理1（二）回归分析的背景和原理1二 问题描述2三 问题分析3（一）收入和支出的概况分析3（二）收入支出的城乡差异5（三）收入支出的地区差异6四 计算求解6（一）利用聚类分析分类收入差异6（二）利用回归分析分配收入消费8五 心得体会14六 参考文献144 多元统计分析课程设计结合聚类分析及回归分析的方法和应用一 基本理论基础（一）聚类分析的背景和原理1，聚类分析的定义 聚类分析是统计学中研究“物以类聚”问题的多元统计分析方法。聚类分析又称群分析，它是研究对样品或指标进行分类的一种多元统计方法。所谓的“类”，通俗地说就是相似元素的集合。2，聚类的方法分类聚类分析的内容十分丰富，按其聚类的方法可

6、分为以下几种：系统聚类法、调优法、最优分割法、模糊聚类法、图论聚类法、聚类预报法。本文中应用的是系统聚类法：开始每个对象自成一类，然后每次将最相似的两类合并，合并后重新计算新类与其他类的距离或相近性测度，这一过程一直继续直到所有对象归为一类为止。并类的过程可用一张谱系聚类图描述。3，系统聚类法的基本步骤 （1）计算n个样品两两间的距离，得样品间的距离矩阵。类与类之间的距离本文应用的是类平均法。所谓类平均法就是：两类样品两两之间平方距离的平均作为类之间的距离，即： 采用这种类间距离的聚类方法，称为类平均法。 （2） 初始（第一步：i=1）n个样本各自构成一类，类的个数k=n，第t类 （t=1,2

7、···，n）。此时类间的距离就是样品间的距离（即）。 （3）对步骤i得到的距离矩阵，合并类间距离最小的两类为一新类。此时类的总个数k减少1类，即k=n-i+1. （4）计算新类与其他类的距离，得新的距离矩阵。若合并后类的总个数k扔大于1，重新步骤（3）和（4）；直到类的总个数为1时转到步骤（5）。 （5）画谱系聚类图； （6）决定总类的个数及各类的成员。（二）回归分析的背景和原理1，回归分析的基本原理 回归分析是研究两个或多个变量之间关系的统计分析方法，在实际问题中，因变量 y 往往不是只与一个变量有关，而是和多个变量有关 ，设 （3.1）其中是p+1个未知参数，

8、称为回归常数，称为回归系数，y为被解释变量（因变量），而是p个可以精确测量并可控制的一般变量，称为解释变量（自变量）， 是随机误差.称 （3.2）为理论回归方程。利用最小二乘原理就是求一个参数向量的估计，使得回归的残差平方和函数SSE()取得最小值。2， 模型的基本假定及检验 为了方便进行模型的参数估计，做如下基本假定：1)解释变量是确定性变量，不是随机变量.并且要求 ，它表明设计矩阵是满秩的.2)对随机误差项假定 这个假定称为高斯-马尔科夫条件。3)正态分布的假定为 相互独立，对于多元线性回归的矩阵形式这个条件可以表示为,由此可以得到，其中是单位阵。为了验证是否能做到基本假定，所以需要做回归

9、模型的显著性检验：3,回归模型建立的步骤1) 确定回归方程中的解释变量和被解释变量 由于回归分析用于分析一个事物如何随其他事物的变化而变化，因此回归分析的第一步应确定哪个事物是需要被解释的，即哪个变量是被解释变量（记为y）；哪些事物是用于解释其他变量的，即哪些变量是解释变量（记为x）。在多元线性回归分析中，模型中应引入多少解释变量是需要重点研究的。如果引入的解释变量较少，回归方程将无法很好地解释说明被解释变量的变化。但是也并非引入解释变量越多越好，因为这些变量之间可能存在多重共线性。因此要采取一些策略对解释变量引入回归方程加以控制和筛选。在多元的回归分析中并不是所有的变量都对因变量具有显著的影

10、响，因此就存在着挑选自变量的问题，挑选自变量有多种方法：前进法、后退法、逐步筛选法等。2) 确定回归模型 根据函数拟合方式，通过观察散点图确定应通过哪种教学模型来概括回归线。如果被解释变量和解释变量之间存在线性关系，则应进行线性回归分析，建立线性回归模型；反之，如果被解释变量和解释变量之间存在非线性关系，则应进行非线性回归分析，建立非线性回归模型。3) 建立回归模型 根据手机到样本数据以及上一步所确定的回归模型，在一定得统计拟合准则下估计出模型中的各个参数，得到一个确定的回归方程。对回归方程进行各种检验各种检验方法在前文中已经涉及，在此不在一一说明。4)利用方程进行回归预测 建立回归方程的目的

11、之一是根据回归方程对事物的未来发展趋势进行预测。二 问题描述下面的资料是2009年东北三省部分城市的农村居民人均总支出状况，通过收入支出的时间序列模型的分析给出了从2000到2009年的农村收入支出呈现的增长趋势，以及城乡之间的对比；利用聚类分析说明了收入支出的地区差异。再利用回归分析建立了东北三省部分城市的农村居民收入与支出之间的模型，试将其农村收入情况进行分类，以了解我国农村居民的基本生活状况。 2009年东北三省部分城市的农村居民人均总支出状况 地 区全年生活消费总支出1.食品消费 支 出2.衣着消费 支 出3.居住消费 支 出4.家庭设备、用品消费支出5.交通和通讯 消费支出6.文化教

12、育、娱乐消费支出7.医疗保健 消费支出8.其他商品和 服务消费支出沈 阳 市4733.10 1686.30 269.89 925.32 273.10 746.71 377.81 405.41 48.56 大 连 市5831.64 2124.22 567.46 1054.79 335.31 724.42 635.93 287.65 101.86 哈尔滨市5170.68 1734.70 398.23 1082.42 310.54 504.69 587.83 452.49 99.78 长 春 市3753.45 1429.99 295.11 662.66 259.90 494.86 274.14 23

13、3.74 103.05 吉 林 市4542.82 1593.74 256.14 1016.09 310.73 646.01 420.36 252.71 47.03 伊 春 市4520.75 1724.56 344.73 812.20 233.29 464.59 495.77 363.94 81.66 大 庆 市5239.96 1536.93 344.26 1373.68 296.65 701.18 562.46 312.80 112.00 通 化 市3894.78 1430.97 242.01 803.15 287.37 424.09 382.27 261.09 63.82 松 原 市3869

14、.58 1472.83 254.91 650.16 294.33 435.55 484.51 194.33 82.96 鞍 山 市5440.96 1827.96 504.87 1297.89 272.34 545.68 599.17 312.02 81.02 抚 顺 市3859.43 1514.59 367.56 699.84 204.89 498.61 337.07 136.49 100.38 本 溪 市4116.64 1594.53 235.05 751.98 264.06 451.03 480.74 298.36 40.89 齐齐哈尔市3586.68 1352.67 231.59 767

15、.91 241.68 428.10 310.12 183.52 71.09 佳木斯市2842.74 1203.38 179.75 557.08 177.71 345.94 208.11 132.18 38.60 锦 州 市3169.11 1206.23 202.17 523.23 275.47 334.35 375.17 198.42 54.07 白 山 市4016.97 1257.16 201.44 1099.79 192.69 469.43 405.20 328.87 62.39 铁 岭 市3411.02 1392.24 185.76 653.51 175.00 354.52 351.77

16、 218.67 79.55 三 问题分析（1） 收入和支出的概况分析1，收入支出随时间的增长趋势表21-1（a）2000年至2009年东北三省部分城市的农村居民人均总收入年份2000 200120022003200420052006200720082009人均总收入3872.224138.61 4305.774482.155037.525037.525037.527150.288136.668683.22通过上表信息，利用Eviews进行一元线性回归分析，得到如下结果表21-1（b）人均总收入线性回归结果Dependent Variable: YMethod: Least SquaresDat

17、e: 12/09/11 Time: 16:09Sample: 2000 2009Included observations: 10VariableCoefficientStd. Errort-StatisticProb. C2724.857299.55399.0963850.0000X553.163248.2774811.458000.0000R-squared0.942564 Mean dependent var5767.255Adjusted R-squared0.935385 S.D. dependent var1725.057S.E. of regression438.5020 Aka

18、ike info criterion15.18146Sum squared resid1538272. Schwarz criterion15.24198Log likelihood-73.90731 F-statistic131.2857Durbin-Watson stat0.479131 Prob(F-statistic)0.000003由表知回归模型为： =2724.857+553.1632,回归模型的斜率是553.1632,表明每增长一年，人均纯收入增加553.1632元。从上表中R-squared为0.942564，说明拟合优度比较高；Prob(F-statistic)为0.0000

19、03，说明方程显著地。2724.857所对应的Prob( t-Statistic）为0.0000，在显著性水平0.05的条件下是显著的，回归系数553.1632所对应的Prob( t-Statistic）为0.0000，说明是显著的。 东北三省部分城市的农民的收入水平是随着我国经济发展而快速增长的一个过程，以2000年为基期，如图所示，农民在 2000 年时候的人均纯收入水平是 3872.22元，到 2009 年的时候，其农民的人均总收入水平已经达到了 8683.22元。十年间，东北三省农民的收入一共增加了 4811.00 元，收入增长了约 2.24倍。总体来讲，东北三省农民的收入一直是呈增加

20、的趋势的。年份2000200120022003200420052006200720082009平均每人全年总支出（元）3036.203326.793438.783521.42.3999.234561.275059.485863.216697.387258.17表21-1（c）2000年至2009年东北三省农村居民人均总支出及分析结果表21-1（d）人均总支出回归结果Dependent Variable: YMethod: Least SquaresDate: 12/09/11 Time: 16:31Sample: 2000 2009Included observations: 10Variab

21、leCoefficientStd. Errort-StatisticProb. C2046.519272.70717.5044580.0001X478.686243.9507210.891430.0000R-squared0.936820 Mean dependent var4679.293Adjusted R-squared0.928923 S.D. dependent var1497.368S.E. of regression399.2023 Akaike info criterion14.99367Sum squared resid1274900. Schwarz criterion15

22、.05419Log likelihood-72.96835 F-statistic118.6233Durbin-Watson stat0.435934 Prob(F-statistic)0.000004 由表知回归模型为： =2046.519+478.6862,回归模型的斜率是478.6862,表明每增长一年，人均纯支出增加478.6862元。 从上表中R-squared为0.936820，说明拟合优度比较高；Prob(F-statistic)为0.000004，说明方程显著地。2046.519所对应的Prob( t-Statistic）为0.0001，在显著性水平0.05的条件下是显著的，回

23、归系数478.6862所对应的Prob( t-Statistic）为0.0000，说明是显著的。东北的农民的支出水平也是随着我国经济发展而快速增长的一个过程，以2000年为基期，如表所示，农民在 2000 年时候的人均总支出水平是3036.20元，到2009年的时候，东北的农民的人均总支出水平已经达到了7258.17元。十年间，东北三省农民的收入一共增加了4221.97元，支出增长了约 2.39 倍。总体来讲，东北三省的农民的收入一直是呈增加的趋势的。（2） 收入支出的城乡差异 表21-1（d）农村人均总收入总支出年份20002001200220032004200520062007200820

24、09总收入3872.224138.614305.774482.155037.525676.986188.547150.288136.668683.82总支出3036.203326.793438.783521.423999.234561.275090.485863.216697.387258.17表21-1（e）城镇人人均总收入总支出年份2000200120022003200420052006200720082009总收入6521.67141.168158.139057.5810187.1210744.7913222.8515366.2617548.9719336.91总支出5022.00525

25、2.425596.436069.356673.757457.318468.49666.6111006.6112012.73由表可知：城镇收入支出和农村收入的变化速度都是随着年份的增加由缓慢逐渐增快，但是城镇明显的收入支出比农村的收入要快，而且随着时间的增加，城镇与农村的差距越来越大，但总体都是增长的较快。（3） 收入支出的地区差异 这里利用附录中的关于东北三省17个地区的收入支出表，进行聚类分析和因子分析，从而得到不同地区之间收入支出的差异和不同的支出指标之间的差异。四 计算求解（一）利用聚类分析分类收入差异 1，利用聚类分析处理17个地区之间的收入差异，运用spss软件处理得到的结果如下：图

26、4-2 东北三省17个市的年纯收入的聚类分析结果  Rescaled Distance Cluster Combine   C A S E    0         5        10       

27、0;15        20        25  Label  Num  +-+-+-+-+-+          13   齐齐哈尔         

28、60;16   白山          14   佳木斯          11    抚顺           4    长春  

29、;         8               通化          15            锦州  

30、0;       17                     铁岭           9          

31、;         松原           5              吉林          12    

32、0;                           本溪           6           &

33、#160;                                 伊春           7    

34、0;                                 大庆           1     &

35、#160;                   沈阳           2                  

36、0;                   大连          10                    

37、                        鞍山           3   哈尔滨 这里，利用SPSS层次聚类的Q型聚类对东北三省17个市区进行分析。其中，个体距离采用平方欧式距离，类间距离采用组间平均连锁距离，由

38、于数据不存在数量级上的差异，因此无须进行标准化处理。生成的聚类分析树形图如图4-2所示，其他结果略去。 通过分析归纳，认为分为三类比较合适，伊春，大庆，沈阳，大连，鞍山地理位置也是比较近，都位于东北的东北部，之间的地理特点，文化风俗，经济主体相似，都是东北的重要城市，经济发展水平较高。大都是沿海城市，有利于经济的发展，所以收入普遍肩高。淄博年纯收入较高，可以这样解释，哈尔滨是东北乃至全国重要的重化工业基地，工业发展以石油化工、医药、建材、冶金、机械、等行业为骨干，门类齐全，特色鲜明，比较优势突出。，哈尔滨依靠工业发展迅速，经济水平较高，年纯收入较高。2，利用聚类分析处理17个地区之间的支出差异

39、利用spss软件处理数据得到结果如下：图 4-1 东北三省17个市区各种支出情况的聚类分析结果                      Rescaled Distance Cluster Combine   C A S E    0 &#

40、160;       5        10        15        20        25  Label  Num  +-+-+-+-+

41、-+           8   通化          13   齐齐哈尔          17    铁岭      

42、60;    4    长春          11             抚顺           9      &

43、#160;   松原          12                         本溪          1

44、4              佳木斯          15                         

45、                      锦州          16                 &#

46、160;        白山   济南     1                                 &#

47、160;        沈阳           5                              

48、;     吉林           6                             伊春    

49、       3                                  哈尔滨        &#

50、160; 10                     鞍山           7               

51、60;    大庆     青岛   2   大连 这里，利用SPSS层次聚类的Q型聚类对东北的17个市区进行分析。其中，个体距离采用平方欧式距离，类间距离采用组间平均连锁距离，由于数据不存在数量级上的差异，因此无须进行标准化处理。生成的聚类分析树形图如图4-1所示，其他结果略去。 通过分析归纳，分为三类比较合适：沈阳，吉林，伊春，哈尔滨，鞍山，大庆为一类，这些地区大致位于山东省的东北部，它们之间联系大，所以经济，文化等相互影响，支出水平差不多。

52、通化，齐齐哈尔，铁岭，长春 ，抚顺，松原，本溪，佳木斯，锦州为一类，也可以很好解释，这些地区位于山东省的西南方，比较东部沿海的几个城市有着一定的差距，所以与第一类可以区分开成为另一类。大连自成一类，大连市位于沿海，有着较强的地理优势，对经济的发展相当有利，生活水平支出水平较高，在东北三省比较突出，所以归为一类。（2） 利用回归分析分配收入消费 根据东北三省统计年鉴（2009年）提供的各地区农村居民家庭平均每人按来源分的纯收入数据，选取总收入和四项收入来源指标作为分配来源我们把Y作为全年纯收入，Y1为工资性纯收入，Y2为家庭经营性纯收入，Y3为财产性纯收入，Y4为转移性收入。再选取 8 个反映消

53、费支出的指标为消费分配的去向：x1食品支出，x2 衣着支出，x3居住支出，x4 家庭设备及服务支出， x5医疗保健支出，x6 交通和通讯支出 ，x7文教和娱乐用品及服务支出，x8 其他商品及服务支出下面我们将利用后退法分别进行回归分析。1，全年纯收入Y与各项支出指标之间的回归分析 这里利用spss软件处理数据，观测每一步检验的变化情况，并进行残差分析和异常点探测，分析结果如表所示：表22-1（a） 多元线性回归分析结果（向后筛选策略）Model SummarygModelRR SquareAdjusted R SquareStd. Error of the EstimateDurbin-Wat

54、son1.958a.917.835505.520932.958b.917.853476.950813.957c.916.865457.086624.956d.914.874440.813855.953e.907.877436.651166.948f.899.876437.721831.334a. Predictors: (Constant), 其他商品和服务消费, 医疗保健消费, 家庭设备用品消费, 交通和通讯消费, 衣着消费, 居住消费, 文化教育娱乐消费, 食品消费b. Predictors: (Constant), 其他商品和服务消费, 医疗保健消费, 家庭设备用品消费, 交通和通讯消费

55、, 衣着消费, 文化教育娱乐消费, 食品消费c. Predictors: (Constant), 其他商品和服务消费, 医疗保健消费, 交通和通讯消费, 衣着消费, 文化教育娱乐消费, 食品消费d. Predictors: (Constant), 其他商品和服务消费, 医疗保健消费, 交通和通讯消费, 衣着消费, 文化教育娱乐消费e. Predictors: (Constant), 其他商品和服务消费, 医疗保健消费, 交通和通讯消费, 衣着消费f. Predictors: (Constant), 其他商品和服务消费, 医疗保健消费, 衣着消费g. Dependent Variable: 全年

56、纯收入表22-1（b）最终方程线性回归检验ANOVAgModelSum of SquaresdfMean SquareFSig.6Regression2.224E737411694.40838.683.000fResidual2490805.22413191600.402Total2.473E716f. Predictors: (Constant), 其他商品和服务消费, 医疗保健消费, 衣着消费g. Dependent Variable: 全年纯收入下表省略了前五步，只留下第六步的最终模型表22-1（c）多元线性回归分析结果CoefficientsaModelUnstandardized C

57、oefficientsStandardized CoefficientstSig.BStd. ErrorBeta6(Constant)4030.718460.7038.749.000衣着消费10.5731.361.9407.766.000医疗保健消费4.6321.322.3333.504.004其他商品和服务消费-18.4665.972-.352-3.092.009a. Dependent Variable: 全年纯收入 由上表可知，利用后退法共经过六部完成回归方程的建立，最终模型为第六个模型。模型依次剔除了居住消费、家庭设备用品消费、食品消费和文化教育娱乐消费，保留了衣着消费、医疗保健消费、

58、其他商品和服务消费。由表2-1（b）（c）可知，回归方程显著性检验和最终方程的回归系数显著性检验的概率p值远小于显著水平a（a为0.05），因此三个解释变量和被解释变量间的线性关系显著，其留在模型中是合理的。所以可以得到的最终回归方程为 Y=4030.718+10.573*衣着消费+4.632*医疗保健消费-18.466*其他商品和服务消费， 即为Y=4030.718+10.573*x2+4.632*x5-18.466*x8。该方程意味着全年纯收入主要与衣着消费，医疗保健消费呈正相关，与其他商品和服务消费呈负相关，可以通过散点图看出，如图22-1（d）。 而且从标准化后的方程（Y=0.940*

59、x2+0.333*x5-0.352*x8）可以看出单位收入主要流向了衣着消费（0.94）和医疗保健（0.333），说明农村居民的基本消费趋向还主要停留在自身基本状况的需要上；作为其他商品和服务消费（-0.352），系数为负，说明这项消费远远低于农村居民的基本消费指标。图22-1（d） 全年纯收入分别和衣着消费、医疗保健消费、其他商品和服务消费的散点图 2，工资性纯收入Y1、家庭经营性纯收入Y2、财产性纯收入Y3、转移性纯收入Y4与支出各项指标之间的线性回归 这里同样利用后退法进行回归分析，利用SPSS软件可以分别得到相应的回归分析结果，并通过后退法回归后，得到其散点图，如下所示：表22-2（a

60、）工资性纯收入与支出指标的回归分析结果CoefficientsaModelUnstandardized CoefficientsStandardized CoefficientstSig.BStd. ErrorBeta7(Constant)625.478365.7561.710.109衣着消费4.525.983.6384.605.000医疗保健消费3.6081.214.4122.971.010a. Dependent Variable: 工资性纯收入 (a1) (a2) 劳动法中的工资是指用人单位依据国家有关规定或劳动合同的约定，以货币形式直接支付给本单位劳动者的劳动报酬，一般包括计时工资、计

61、件工资、资金、津贴和补贴、延长工作时间的工资报酬以及特殊情况下支付的工资等。工资是劳动者劳动收入的主要组成部分。 通过观察标准化后的各项数据可知P值小于0.05，所以工资性纯收入与衣着消费，医疗保健消费线性显著;由散点图乐意看出它们之间存在正相关。 写出标准化后的回归方程Y1(工资性纯收入)=0.638*x1(衣着)+0.412*x5（医疗保健），一单位的衣着消费需要0.638个单位的工资性纯收入，一单位的医疗保健消费需要0.412个单位的工资性纯收入；工资性收入是农民最主要最基本的收入来源，衣着也是其重要消费方式，当工资提高时，人们会提高对衣着的需求和医疗保健的支出。表22-2（b）家庭经营

62、性纯收入与支出指标的回归分析结果CoefficientsaModelUnstandardized CoefficientsStandardized CoefficientstSig.BStd. ErrorBeta8(Constant)2123.285525.7644.038.001交通和通讯消费2.9981.012.6082.962.010a. Dependent Variable: 家庭经营纯收入 (b) 经营性收入（Operational Income）是指纳税人通过经常性的生产经营活动而取得的收益，即企业在销售货物、提供劳务以及让渡资产使用权等日常活动中所产生的收入，通常表现为现金流入、其他资产的增加或负债的减少。 由表可知P值小于0.05，认为家庭经营性收入与交通和通讯消费线性关系显著;由图可以很好看出他们之间成正相关。 标准化后的回归方程Y2（经营性收入）=0.608*x6(交通通讯)，增加一单位的交通通讯消费需要0.608个单位的经营性收入；增加一单位的经营性收入用于0.608个单位的交通通讯消费；经营性收入不是农民普遍的收入方式，因为需要一定的成本，并且收入高。他们的生活条件也相应