论文部分内容阅读
伴随我国经济的快速稳健发展,消费需求在拉动国家经济增速方面起到越来越大的作用,尤其是世界经济在近年增长缓慢的条件下,外贸在国民经济中的比重逐渐减小,消费支出已经成为拉动我国经济的主要动力,我国在制定促进消费的政策方面愈加重视,因此,研究我国居民的消费支出特点可以为国家和地区的政策制定提供正确的参考,研究我国居民收入与支出的变化,可以为国家和地区制定更好的促进消费的政策。本文研究的主要内容是全国31个省、市、自治区居民消费方面的分析。本文的数据来源是《中国统计年鉴-2015》中涉及到分地区居民消费方面相关的统计数据。本文主要完成了以下任务。本文通过使用神经网络算法,针对分地区居民消费方面的相关数据,来预测31个省、直辖市、自治区的人均消费支出。在进行神经网络算法之前,先将数据进行主成分分析。将数据降维后,再进行神经网络预测。主成分分析,也称为主分量法。主成分分析算法是一种统计学算法,主成分分析算法将原始数据指标变量进行降维,从而将高维信息降到低维信息,简化数据结构,同时,主成分分析算法还能够将数据信息进行精简,利用少数几个主成分来替代原始数据的指标变量。神经网络基于神经元细胞的思想,神经元是神经网络的基本处理的单元。神经网络利用它独特的特点达到学习和训练的目的,用于寻找到数据中潜在规律和关系。通过数据挖掘中的主成分分析算法和神经网络算法,利用主成分分析进行降维,将数据信息简化,然后得到主成分,将得到的主成分作为神经网络的输入,从而实现更好的预测。本文的预测主要研究的是本年度的居民消费相关指标和来年人均消费支出之间的关系。针对《中国统计年鉴-2015》中涉及到分地区居民消费方面相关的统计数据,主要包含农村居民8项支出和城镇居民8项支出等数据,共计16个指标,根据本年度的16个消费支出的指标预测来年的消费支出。在本文中,使用三种预测算法来实现预测。这三种方法分别是多元线性回归算法、主成分回归算法和本文的RBF神经网络算法。从2001年的数据到2012年的数据样本作为构建预测模型的样本,将2013年的数据样本作为测试样本,用来预测2014年31个省、直辖市、自治区的消费支出。通过线性回归算法、主成分回归算法和本文的RBF神经网络算法来实现预测,并将几种预测结果进行对比分析,发现本文的RBF神经网络算法效果较好。