论文部分内容阅读
摘 要：随着经济的快速发展，区域经济活力已成为衡量区域发展的重要基础。因此，对于该地区的发展，有效提高该地区的经济活力具有重要意义。我们选择GDP作为代表经济活力的重要指标。本论文中我们选择北京作为研究对象，分析影响其经济活力的相关因素。我们选择11个指标，例如总人口和高科技产业数量，然后，我们建立多元线性回归模型，并使用逐步回归方法选择最佳模型。我们发现，总人口，高科技产业的数量以及普通高校中的学生数量对北京的经济活力具有重大影响。
关键词：多元线性回归模型，区域经济活力，经济全球化
一、引言
在当今的经济全球化中，区域经济活力可以直接反映区域经济发展的规模和速度[1]。2005年，国务院发展研究中心提出“四大板块，八大经济区”，将国家划分为东，中，西，东北四大板块，将四大板块划分为八个综合板块经济区[2]。近年来，为了提高经济活力，一些地区出台了刺激经济活力的优惠政策，例如减少投资审批程序，为初创企业提供资金支持，降低结算门槛等，可以达到吸引外资的目的，从而增加了区域经济活力[3]。
二、多种线性回归模型：提出行动计划
我们选择北京作为区域分析对象。首先，我们使用PCA分析法对相关指标进行分析，以选择反映北京经济活力的最佳指标。但是，分析结果表明，指标与经济活力之间的相关性并没有很大的不同。GDP通常被视为经济状况的最佳指标。因此，我们选择GDP作为衡量北京经济活力的指标。
我们将使用其他未使用的指标，建立1978年至2018年GDP的多元线性回归模型。通过逐步回归优化模型，我们得出了对北京经济活力影响最大的因素。基于这些因素，我们将提出有效的措施来增加区域经济活力。由于1997年之前缺乏高科技产业的数据，我们对1997年至2011年的数据进行了多元线性回归分析，以探讨高科技企业对GDP的影响。
2.1 多元线性回归模型
通常使用多元线性回归模型研究因变量和多个自变量之间的关系，这些变量对应于北京的GDP和多个影响因素。
我们将多元线性回归模型设置为：
2.2 结果
2.2.1 逐步回归分析
北京的GDP与各种影响因素呈线性关系。GDP可以用作北京经济活力的代表指标。我们继续进行逐步回归分析以选择最佳模型。
首先，我們建立p因子的单变量回归模型 分别影响GDP（Y）和北京的经济活力。
对于给定的显着性水平 ，注意相应的临界值 和变量 被引入回归模型。否则，变量引入过程终止。重复此方法，并选择每次从未引入回归模型的影响因素之一，直到在测试后没有引入影响因素为止。
2.2.2 最终拟合结果
根据拟合结果，我们得出结论，北京的GDP与影响因素之间存在明显的相关性，并且该模型拟合得很好。
通过多元回归分析1978年至1996年的数据，并使用建立的线性多元线性拟合方程对1997年至2007年的GDP预测值以及1978年至1996年的预测值进行预测，然后分别线性拟合两个时间段的实际值和预测值。发现，两个时间段的斜率已经发生了显著变化。因此，可以认为，正是由于1999年入学人数的增加，北京大学生人数的增加和人才数量的增加，进而影响了其他经济因素。
参考文献
[1] 付裕伟. 会计要素对软件开发上市公司绩效的影响分析——基于多元回归分析模型[J]. 国际公关，2019，12（07）：152-153.
[2] 程晓荣，吴紫薇. 基于多元线性回归分析的人力资源需求预测研究[J]. 电脑迷，2016，23（06）：81-82.
[3] 易伟. 四川省区域经济活力评价指标体系构建[J]. 四川职业技术学院学报，2015，25（01）：23-25.
关键词：多元线性回归模型，区域经济活力，经济全球化
一、引言
在当今的经济全球化中，区域经济活力可以直接反映区域经济发展的规模和速度[1]。2005年，国务院发展研究中心提出“四大板块，八大经济区”，将国家划分为东，中，西，东北四大板块，将四大板块划分为八个综合板块经济区[2]。近年来，为了提高经济活力，一些地区出台了刺激经济活力的优惠政策，例如减少投资审批程序，为初创企业提供资金支持，降低结算门槛等，可以达到吸引外资的目的，从而增加了区域经济活力[3]。
二、多种线性回归模型：提出行动计划
我们选择北京作为区域分析对象。首先，我们使用PCA分析法对相关指标进行分析，以选择反映北京经济活力的最佳指标。但是，分析结果表明，指标与经济活力之间的相关性并没有很大的不同。GDP通常被视为经济状况的最佳指标。因此，我们选择GDP作为衡量北京经济活力的指标。
我们将使用其他未使用的指标，建立1978年至2018年GDP的多元线性回归模型。通过逐步回归优化模型，我们得出了对北京经济活力影响最大的因素。基于这些因素，我们将提出有效的措施来增加区域经济活力。由于1997年之前缺乏高科技产业的数据，我们对1997年至2011年的数据进行了多元线性回归分析，以探讨高科技企业对GDP的影响。
2.1 多元线性回归模型
通常使用多元线性回归模型研究因变量和多个自变量之间的关系，这些变量对应于北京的GDP和多个影响因素。
我们将多元线性回归模型设置为：
2.2 结果
2.2.1 逐步回归分析
北京的GDP与各种影响因素呈线性关系。GDP可以用作北京经济活力的代表指标。我们继续进行逐步回归分析以选择最佳模型。
首先，我們建立p因子的单变量回归模型 分别影响GDP（Y）和北京的经济活力。
对于给定的显着性水平 ，注意相应的临界值 和变量 被引入回归模型。否则，变量引入过程终止。重复此方法，并选择每次从未引入回归模型的影响因素之一，直到在测试后没有引入影响因素为止。
2.2.2 最终拟合结果
根据拟合结果，我们得出结论，北京的GDP与影响因素之间存在明显的相关性，并且该模型拟合得很好。
通过多元回归分析1978年至1996年的数据，并使用建立的线性多元线性拟合方程对1997年至2007年的GDP预测值以及1978年至1996年的预测值进行预测，然后分别线性拟合两个时间段的实际值和预测值。发现，两个时间段的斜率已经发生了显著变化。因此，可以认为，正是由于1999年入学人数的增加，北京大学生人数的增加和人才数量的增加，进而影响了其他经济因素。
参考文献
[1] 付裕伟. 会计要素对软件开发上市公司绩效的影响分析——基于多元回归分析模型[J]. 国际公关，2019，12（07）：152-153.
[2] 程晓荣，吴紫薇. 基于多元线性回归分析的人力资源需求预测研究[J]. 电脑迷，2016，23（06）：81-82.
[3] 易伟. 四川省区域经济活力评价指标体系构建[J]. 四川职业技术学院学报，2015，25（01）：23-25.