一种投入额对集体收入的影响研究方法、装置及存储介质制造方法及图纸

本发明专利技术提供了一种投入额对集体收入的影响研究方法、装置及存储介质，属于强村富农领域，尤其涉及一种投入额对集体收入的影响研究方法、装置及存储介质；其中包括：获取研究变量，并根据研究变量获取第二影响因素以及第二目标值；采用逐步回归法对第二影响因素进行筛选，得到训练样本；根据训练样本以及第二目标值构建地理加权回归模型，根据地理加权模型研究投入额对集体收入的影响；本发明专利技术考虑空间异质性，对某区域内的各个村的集体收入及投入额建立地理加权回归模型，得到区域内村和村之间的发展差异性；除了选择当期的投入额，还增加选择历史投入额对当期集体收入的影响，并通过对投入额的分解，更有效的看出对村集体收入的影响程度。影响程度。影响程度。

【技术实现步骤摘要】
一种投入额对集体收入的影响研究方法、装置及存储介质


[0001]本专利技术属于强村富农领域，尤其涉及一种投入额对集体收入的影响研究方法、装置及存储介质。

技术介绍

[0002]现阶段，农村集体经济发展的研究主要集中在问题、对策、模式的宏观研究，少数微观侧的量化研究主要对某区域内各个村的集体收入及影响其收入增长的属性值，建立多元回归模型分析各因素影响村集体收入增长的程度。但是现阶段并没有考虑到地理位置不同的差异性所带来的影响，同时现有技术忽略了对自变量的优化调整，并且由于经济的发展是长期积累的工程，现阶段在确定影响经济发展的自变量时也存在缺乏考虑历史累积值对经济发展的影响。

技术实现思路

[0003]为了至少在一定程度上克服相关技术中并没有考虑到地理位置不同的差异性所带来的影响，忽略了对自变量的优化调整，在确定影响经济发展的自变量时存在缺乏考虑历史累积值对经济发展影响的问题，本申请提供了一种投入额对集体收入的影响研究方法、装置及存储介质。
[0004]本申请的方案如下：
[0005]根据本公开实施例的一方面，提供了一种投入额对集体收入的影响研究方法，包括：
[0006]获取研究变量，其中研究变量包括区域内的村集合C、各村常驻人口集合P、第一影响因素以及第一目标值；
[0007]其中，第一影响因素包括发展投入额F、民生投入额M、建设投入额D以及文明投入额W；第一目标值包括村集体收入I；
[0008]根据第一影响因素、区域内的村集合C以及各村常驻人口集合P，获取第T年的人均投入额和前T
‑
1年的人均投入额作为第二影响因素；
[0009]根据第一目标值、区域内的村集合C以及各村常驻人口集合P，获取第T年的人均集体收入作为第二目标值；
[0010]采用逐步回归法对第二影响因素进行筛选，得到训练样本；
[0011]根据训练样本以及第二目标值构建地理加权模型；
[0012]根据地理加权模型，得到残差平方和RSS以及全局判定系数R2；
[0013]根据残差平方和RSS判断地理加权模型的模型精度，根据全局判定系数R2判断地理加权模型的拟合效果；
[0014]获取全局Moran's I指数，并根据全局Moran's I指数，判断区域内村与村之间的人均集体收入的空间自相关性；
[0015]根据模型精度、拟合效果以及区域内村与村之间的人均集体收入的空间自相关
性，研究投入额对集体收入的影响。
[0016]根据本公开实施例的另一方面，第二影响因素，包括：
[0017]第二影响因素包括，各村第T年的人均投入额以及各村前T
‑
1年的人均投入额；
[0018]各村第T年的人均投入额体现了当年的投入额情况，应用于解释当年投入额对当年收入的影响程度，包括区域内各村人均发展投入额第T年集合为区域内各村人均民生投入额第T年集合为区域内各村人均建设投入额第T年集合为D
T
、区域内各村人均文明投入额第T年集合为
[0019]各村前T
‑
1年的人均投入额体现了历史的投入额情况,应用于解释历史投入额对当年收入的影响程度，包括区域内各村人均发展投入额前T
‑
1年集合为区域内各村人均民生投入额前T
‑
1年集合为区域内各村人均建设投入额前T
‑
1年集合为区域内各村人均文明投入额前T
‑
1年集合为
[0020]根据本公开实施例的另一方面，采用逐步回归法对第二影响因素进行筛选，得到训练样本包括：
[0021]步骤S1、采用线性最小二乘法对第二目标值对应的第二影响因素中的8个变量，建立一元回归模型，得到一元回归模型的t统计量及模型拟合精度；
[0022]步骤S2、当t统计量通过检验时，对比8个模型所对应的模型拟合优度的大小，选择模型拟合优度最大的对应的模型作为第一逐步回归最优模型；
[0023]步骤S3、在第一逐步回归最优模型的基础上，依次对第二影响因素中剩余7个变量逐步回归，当t统计量通过检验时，对比7个模型所对应的模型拟合优度的大小，选择模型拟合优度最大的对应的模型为第二逐步回归最优模型，其中第二逐步回归最优模型的模型拟合优度高于第一次逐步回归最优模型；
[0024]步骤S4、在第二次逐步回归最优模型的基础上，依次对第二影响因素中剩余6个变量逐步回归，当t统计量通过检验时，对比6个模型所对应的模型拟合优度的大小，选择模型拟合优度最大的对应的模型为第三次逐步回归最优模型，其中第三次逐步回归最优模型的模型拟合优度高于第二次逐步回归最优模型；
[0025]步骤S5、在第n次逐步回归最优模型的基础上，依次对第二影响因素中剩余8
‑
n个变量逐步回归，其中1≤n≤8，当出现模型的t统计量均无法通过检验或当第n次逐步回归最优模型的拟合优度相对于第n
‑
1次逐步回归最优模型不再增加的时候，停止逐步回归，并确定第n
‑
1次逐步回归最优模型中的变量为训练样本。
[0026]根据本公开实施例的另一方面，根据训练样本以及第二目标值构建地理加权模型，包括：
[0027]其中，地理加权回归模型如下；
[0028][0028][0029]其中，是村域i的第T年的人均集体收入，是村域i第T年的人均发展投入额、是村域i第T年的人均民生投入额、是村域i第T年的人均建设投入额、是村域i
第T年的人均文明投入额，是村域i前T
‑
1年的人均发展投入额、是村域i前T
‑
1年的人均民生投入额、是村域i前T
‑
1年的人均建设投入额、是村域i前T
‑
1年的人均文明投入额，(u
i
，v
i
)为村域i中心位置的空间坐标，u
i
代表经度，v
i
代表纬度，β0(u
i
，v
i
)为截距项，ε
i
是随机误差变量。
[0030]根据本公开实施例的另一方面，根据残差平方和RSS判断地理加权模型的模型精度，包括：
[0031]其中，残差平方和RSS越小，地理加权模型的模型精度越高。
[0032]根据本公开实施例的另一方面，根据全局判定系数R2判断地理加权模型的拟合效果，包括：
[0033]其中，全局判定系数R2越接近1，地理加权模型的拟合效果越好。
[0034]根据本公开实施例的另一方面，获取全局Moran's I指数，并根据全局Moran's I指数，判断区域内村与村之间的人均集体收入的空间自相关性，包括：
[0035]其中，全局Moran's I指数大于或等于
‑
1且小于或等于1；
[0036]当全局Moran's I指数大于0且小于或等于1时，区域内村与村之间的人均集体收入存在正本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种投入额对集体收入的影响研究方法，其特征在于，包括：获取研究变量，其中所述研究变量包括区域内的村集合C、各村常驻人口集合P、第一影响因素以及第一目标值；其中，所述第一影响因素包括发展投入额F、民生投入额M、建设投入额D以及文明投入额W；所述第一目标值包括村集体收入I；根据所述第一影响因素、区域内的村集合C以及各村常驻人口集合P，获取第T年的人均投入额和前T
‑
1年的人均投入额作为第二影响因素；根据所述第一目标值、区域内的村集合C以及各村常驻人口集合P，获取第T年的人均集体收入作为第二目标值；采用逐步回归法对所述第二影响因素进行筛选，得到训练样本；根据所述训练样本以及第二目标值构建地理加权模型；根据所述地理加权模型，得到残差平方和RSS以及全局判定系数R2；根据所述残差平方和RSS判断所述地理加权模型的模型精度，根据所述全局判定系数R2判断所述地理加权模型的拟合效果；获取全局Moran's I指数，并根据所述全局Moran's I指数，判断区域内村与村之间的人均集体收入的空间自相关性；根据所述模型精度、拟合效果以及区域内村与村之间的人均集体收入的空间自相关性，研究所述投入额对集体收入的影响。2.根据权利要求1所述的方法，其特征在于，所述第二影响因素，包括：所述第二影响因素包括，各村第T年的人均投入额以及各村前T
‑
1年的人均投入额；所述各村第T年的人均投入额体现了当年的投入额情况，应用于解释当年投入额对当年收入的影响程度，包括区域内各村人均发展投入额第T年集合为区域内各村人均民生投入额第T年集合为区域内各村人均建设投入额第T年集合为区域内各村人均文明投入额第T年集合为所述各村前T
‑
1年的人均投入额体现了历史的投入额情况,应用于解释历史投入额对当年收入的影响程度，包括区域内各村人均发展投入额前T
‑
1年集合为区域内各村人均民生投入额前T
‑
1年集合为区域内各村人均建设投入额前T
‑
1年集合为区域内各村人均文明投入额前T
‑
1年集合为3.根据权利要求1所述的方法，其特征在于，采用逐步回归法对所述第二影响因素进行筛选，得到训练样本包括：步骤S1、采用线性最小二乘法对所述第二目标值对应的第二影响因素中的8个变量，建立一元回归模型，得到一元回归模型的t统计量及模型拟合精度；步骤S2、当所述t统计量通过检验时，对比8个模型所对应的模型拟合优度的大小，选择所述模型拟合优度最大的对应的模型作为第一逐步回归最优模型；步骤S3、在第一逐步回归最优模型的基础上，依次对第二影响因素中剩余7个变量逐步回归，当t统计量通过检验时，对比7个模型所对应的模型拟合优度的大小，选择所述模型拟合优度最大的对应的模型为第二逐步回归最优模型，其中所述第二逐步回归最优模型的所
述模型拟合优度高于第一次逐步回归最优模型；步骤S4、在第二次逐步回归最优模型的基础上，依次对第二影响因素中剩余6个变量逐步回归，当t统计量通过检验时，对比6个模型所对应的模型拟合优度的大小，选择所述模型拟合优度最大的对应的模型为第三次逐步回归最优模型，其中所述第三次逐步回归最优模型的所述模型拟合优度高于第二次逐步回归最优模型；步骤S5、在第n次逐步回归最优模型的基础上，依次对第二影响因素中剩余8
‑
n个变量逐步回归，其中1≤n≤8，当出现模型的t统计量均无法通过检验或当第n次逐步回归最优模型的拟合优度相对于第n
‑
1次逐步回归最优模型不再增加的时候，停止逐步回归，并确定第n
‑
1次逐步回归最优模型中的变量为训练样本。4.根据...

【专利技术属性】
技术研发人员：孟震，
申请(专利权)人：浙江中兴慧农信息科技有限公司，
类型：发明
国别省市：