【《基于多元线性回归模型的江苏省人口老龄化分析案例》1500字】

1绪论基于多元线性回归模型的江苏省人口老龄化分析案例目录TOC\o"1-3"\h\u19602基于多元线性回归模型的江苏省人口老龄化分析案例 116948（1）影响指标的确定 119504（2）结果分析 2（1）影响指标的确定从江苏省人口老龄化结构导致的原因来说，出生率以及死亡率是直接影响江苏省人口老龄化逐年加剧的原因，两者共同作用导致人口老龄化所构成的金字塔的顶部增宽，底部收窄。但同时可以确定，社会人口老龄化与多个影响因素相关，死亡率以及出生率是直接原因而不是更加深层次的原因，通过阅读文献，结合江苏省社会发展的实际情况，本文在对江苏省人口老龄化多元线性回归分析建模时，主要选择了以下影响因素指标。表2.2.1：江苏省人口老龄化多元线性回归影响指标统计表序号名称单位模型输入符号代码1人均国内生产总值元A12政府和社会卫生支出万元A23城镇基本养老保险人数万人A34城镇登记失业人数万人A45人口密度人/平方千米A5根据以上指标，统计相关指标的时间序列变化情况，统计时间区间为：2010-2019年，数据来源主要来自于《江苏省统计年鉴》以及江苏省人力资源和社会保障厅。形成以下统计表：表2.2.2：江苏省江苏省人口老龄化影响指标统计表（2010-2019）时间（年）老龄人口比重人均国内生产总值政府和社会卫生支出城镇基本养老保险人数城镇登记失业人数人口密度201010.89%52840159.231573.2238.42683.57201110.84%62290175.321525.8337.92703.2201211.28%68436190.341483.9237.72690.83201311.64%74607210.531445.4337.63695.79201412.13%81874224.211359.9136.57701.67201513.98%87995230.821317.7936.01707.81201612.77%95259241.561289.5435.21713.86201714.94%107189252.121279.5734.69720.7201815.61%115168260.341231.8234.37724.06201916.48%123607169.831238.6935.09728.6（2）结果分析在运用Eviews软件进行统计经济学方面的分析时，需要首先对数据进行导入，选择新建，打开软件新文件建立界面，根据论文所收集的数据，选择时间序列为2010-2019，操作界面如下图所示：图2.2.1：软件导入数据界面由于本文所考虑的影响因素指标较多，需要借助软件通过散点图矩阵对其进行两两关系之间的分析，通过分析能够直观的观察指标之间的相互关系，其操作界面以及矩阵散点图如图4-2所示。图2.2.2：数据散点矩阵图分析上述散点图，可以基本上确定，江苏省人口老龄化与人均国内生产总值、政府和社会卫生支出、人口密度可能存在的是正相关的关系，与城镇基本养老保险人数以及城镇登记失业人数之间可能存在着负相关的关系，具体分析过程见下文。通过EquationEstimation命令建立回归模型，在初始建立时，将苏省人口老龄化作为因变量，其余指标作为自变量，在命令窗口输入“yca1a2a3a4a5”建立了回归模型，结果输出如下：表2.2.3：初次回归结果VariableCoefficientStd.Errort-StatisticProb.C0.4059410.7224120.5619240.6042A19.17E-076.81E-071.3458330.2496A2-9.85E-050.000163-0.6029190.5791A33.19E-050.0001200.2655860.8037A4-0.0054480.010500-0.5188370.6313A5-0.0002550.000646-0.3942700.7135R-squared0.938859Meandependentvar0.130560AdjustedR-squared0.862432S.D.dependentvar0.020643S.E.ofregression0.007656Akaikeinfocriterion-6.622847Sumsquaredresid0.000234Schwarzcriterion-6.441296Loglikelihood39.11423Hannan-Quinncriter.-6.822008F-statistic12.28447Durbin-Watsonstat3.093103Prob(F-statistic)0.015366根据上述结果，解释如下：该模型的R2虽说为0.9388，但F检验以及各指标的T检验均未能通过，故不采用该种模型，需对模型进行修正，舍弃部分影响因素，按照相关文献所叙述，需要从T检验值最小的指标依次进行舍弃，故首先舍弃x7指标因素，按照上述思路，直到T检验以及F检验满足系统要求[16-17]。经过多次实例验证，在指标确定为人均国内生产总值、政府和社会卫生支出、城镇登记失业人数系统均能通过检验，统计结果如下。表2.2.4：最终结果输出表VariableCoefficientStd.Errort-StatisticProb.

C0.2003360.3287550.6093780.5646A17.38E-073.97E-073.1942650.0080A2-9.54E-050.0001172.5993550.0061A4-0.0031290.007574-2.7082480.0018R-squared0.935927

Meandependentvar0.130560AdjustedR-squared0.903891

S.D.dependentvar0.020643S.E.ofregression0.006400

Akaikeinfocriterion-6.976016Sumsquaredresid0.000246

Schwarzcriterion-6.854981Loglikelihood38.88008

Hannan-Quinncriter.-7.108790F-statistic29.21459

Durbin-Watsonstat3.067864Prob(F-statistic)0.000561在选择影响因素为A1、A2、A4时，系统的R2为0.9359，拟合程度较高，各项指标均能通过经济学以及统计学检验（一般情况下需要T检验的绝对值大于2，P值小于给定显著水平系数）。其拟合效果如下图所示，其中红色线条表示实际值，绿色线条表示预测值，蓝色线条表示实际值与预测值之间的差值，可以看出，的残差围绕0上下波动，除了2015年与2016年年实际值与拟合值相差较多，其余年份拟合效果较好，达到了预期目的。图2.2.3：残差分析图确定以下回归模型为江苏省人口老龄化比重的数学模型：EstimationEq