设计报告人口平均寿命.doc
设计报告人口平均寿命.doc
- 配套讲稿：
如PPT文件的首页显示word图标，表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制：
部分文档作品中含有的国旗、国徽等图片，仅作为作品整体效果示例展示，禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词：
- 设计 报告 人口 平均寿命
- 资源描述：
-
课程设计(综合实验)报告 ( 2023--2023年度第二学期) 名 称： 计量经济学课程设计 题 目： 我国人口平均预期寿命模型 院 系： 工商管理学院 班 级： 学 号： 学生姓名： 指导教师： 马昕 设计周数： 两周 成 绩： 日期：2023年6月26日 一、课程设计(综合实验)的目的与规定 1.规定学生独立完毕一个实证分析的完整过程，得到计量分析的实践训练。 2.培养学生获取信息和综合解决信息的能力、建立模型的能力、文字和语言表达的能力。 二、设计（实验）正文 1. 选题：随着经济和社会的不断发展，人们的寿命总体上有很大的提高，人们也越来越关心自己的寿命，长寿已经不再是神话了。就我国而言，在2023年人口普查中得出的数据表白我国人口平均预期寿命为71.40，比1990年的数据68.55有所提高。然而，在查看了2023年各地区人口平均寿命的截面数据后，发现不同地区仍然存在着较大差异，是什么因素导致了这种差异？因而这个话题吸引了我，于是便开始了我国人口平均寿命预期模型。 2. 文献综述文献综述不够具体 ：曾毅专家著的“健康长寿影响因素的分析”一书中，运用系统的分析方法，指出了寿命的影响因素，可以总结为：受教育限度、经济、医疗保障等社会经济状况，以及个人的饮食、烟酒和生活方式。文献2“人口平均寿命影响因素分析”所提供的类似因素为我的建模提供了依据，再加上中国记录年鉴上的数据支持，使我感到此模型的可进行性。由于考察的是各地区总体的预期寿命，所以那些个人的因素不好放入模型中，因而，我只考虑社会经济状况的一些相关因素。 3. 模型设定：起初我设想建立一个线性模型，模型如下：.其中lifespan表达人口的平均预期寿命（单位：岁），avegdp表达人均GDP（单位：元），eduexpense表达教育支出（单位：万元），hygieninst表达卫生机构数量（单位：个），polluratio表达单位面积污染比（其大小为：年环境污染量/该地区面积，并且，由于在水污染上的记录也许受地区地理位置的影响如上游和下游，下游的水污染较上游会更严重，所以这里重要考虑大气污染）（单位：亿立方米/万平方千米），u表达随机误差项。选择以上的解释变量，重要是处在各地区总体的考虑，如人均GDP的选取，人均GDP越高的地区，居民总体较为富有，更有能力去看病；教育支出越高，人们的知识越多，也就越懂得看病，而不像传统的想法小病不用治；卫生机构的数量越多，人们越有机会看病；环境因素也有影响，环境质量好应当有助于寿命提高。但是，当我观测了自变量与应变量的散点图（见附录二）之后，我发现自变量与应变量之间的关系并非呈线性关系，而是接近于对数模型，于是我便重新设计了对数模型，模型如下：。 4. 数据收集：根据2023年的中国记录年鉴的有关截面数据（具体见附表），数据涉及了2023年各地区31个省市的截面数据。并运用Eviews对数据进行初步分析。在Eviews中，建立“group”对象，绘出散点图，见附录二，在第四个散点图中，发现了一个差异较大的点，于是将此点过滤掉。 5. 参数估计：运用Eviews对模型进行参数估计。估计的结果为 Std.Error 0.09471 0.01234 0.01316 0.01218 0.00404 6. 模型检查：发现两个解释变量系数t检查均不显著，而F检查显著，不是很高，与我们常规不符，lneduexpense前的系数是负数。于是推测模型有多重共线性，也也许有无关变量，甚至有异方差，由于是截面数据，序列相关性存在较小，经检查无序列相关性，也无异方差。于是，模型也许存在多重共线性，也也许有无关变量使方差变大，系数不显著。 7. 模型修正：做各解释变量之间的辅助回归，见附录三，计算各方差膨胀倍数VIF,发现VIF(lneduexpense)接近为7.7，其它变量的VIF不大，由此可以判断模型中出现了多重共线性，由于使用的是截面数据，不能用差分法，因而最佳剔除变量lneduexpense，变量相关性表来看，lneduexpense与应变量lnlifespan的相关系数只有0.557，不是很高，相应变量的影响不大。剔除变量lneduexpense后作新的回归，见附录三，结果如下： Std.Error 0.09253 0.00919 0.00540 0.00372 发现变量lnhygieninst前的系数仍不显著，在察看附录三种的散点图和相关系数表，lnhygieninst与lnlifespan的相关性太小，可认为是无关变量，在模型中应删除。于是作新回归，见附录三，结果如下： Std.Error 0.06684 0.008803 0.00353 模型中各系数均显著，F记录量显著，因而，这便是最终的模型。再进行异方差检查发现无异方差，也无序列相关。 8. 模型解释：从最终的模型来看，影响我国人口寿命的因素重要是人均GDP和和环境情况，人均GDP的增长意味着人们生活水平的提高，并且人们也更有能力支付医疗费用；对于在最终模型中环境污染类指标，其前的系数为正，无我们常规盼望并不相符。我想也许的因素有两点：第一，现在的许多发达城市，经济比较好，这种好的经济是有以前尚未提倡可连续发展是以牺牲环境为代价换来的，这就意味着环境污染较严重地区，其以前积累的财富很多，地区居民很富裕，因而他们不仅在饮食健康上有很大提高，并且也越有看病的经济基础，。第二，从生物学角度，人的合用性会随着环境的变化而变化，污染严重地区，人们的抗病能力增强了，因而，会出现正的系数。当然，假如要真正地弄明白其中的因素，最佳是用1990年和2023年数据的差分模型，但苦于无法找全1990年的数据，所以，才有以上推测。对于在模型中被剔除的变量：对于卫生机构数而言，它对我国人口的平均寿命影响不大，因素就出在，传统的百姓观念是：医疗费用太高，小病不用就医自己会好的，这就导致了卫生机构在百姓中不是那么流行。对于教育支出而言，由于出现了共线性，其实，一个地区越发达，其教育上的支出就越多，人均GDP高的地区，对教育重视限度高，由于它们有支出的经济基础。 三、课程设计（综合实验）总结或结论 1.结论：由上述模型可以得出，目前影响中国人口平均寿命的因素重要是人均GDP和环境指标。从最终模型来看，在污染水平不变的情况下，人均GDP每增长一个百分点，寿命平均增长0.035个百分点，在人均GDP不变的情况下，污染每增长一个百分点，寿命平均增长0.0148个百分点。 2.建议：尽管从模型中看，污染似乎与人均寿命呈正相关，但是这毕竟是有限度的，当污染达成一定限度时，会对人均寿命产生负的影响，因而在追求GDP的增长的同时也要考虑到环境污染，坚持可连续发展之路，政府应加大教育支出的力度，提高人们的总体文化水平，提高人们的卫生保健意识，在医疗上加大支出，使医疗费用显著降下来是很有必要的，使国家朝着社会主义和谐社会的目的而奋斗，才干最终地实现国家的富裕和人口寿命的提高。 四、参考文献 [1] 曾毅，健康长寿影响因素分析，北京大学出版社 第一版 2023.5.1 [2] 陈崇帼; 周天枢; 陈桂冬;人口平均寿命影响因素分析 数理医药学杂志 1997年10卷一期，p17-18 [3] 中国记录年鉴 附录（设计流程图、程序、表格、数据等） 附录一：1. 地 区 预期寿命 人均国内生产总值（元） 教育支出(万元) 卫生机构合计(个) 单位面积污染比(亿立方米/万平方千米) 北 京 76.1 22460 2503068 6176 1971.289 天 津 74.91 17993 685500 2983 1506.979 河 北 72.54 7663 1559084 20663 518.8421 山 西 71.65 5137 794624 13736 424.2843 内蒙古 69.87 5872 580862 7852 40.30431 辽 宁 73.34 11226 1463315 12564 646.4702 吉 林 73.1 6847 902942 5544 164.4610 黑龙江 72.37 8562 1175133 8038 95.28634 上 海 78.14 34547 2023865 5136 9126.229 江 苏 73.91 11773 2905677 12813 899.2392 浙 江 74.7 13461 2202350 17034 637.8558 安 徽 71.85 4867 1129954 6705 280.9889 福 建 72.55 11601 1225754 9807 233.1410 江 西 68.95 4851 752777 8048 132.6942 山 东 73.92 9555 2462776 17118 791.8726 河 南 71.54 5444 1709181 10764 445.2695 湖 北 71.08 7188 1706416 11065 305.2179 湖 南 70.66 5639 1523037 24678 168.0178 广 东 73.27 12885 3609721 13499 470.1723 广 西 71.29 4319 934718 13707 194.5433 海 南 72.92 6894 223093 2689 127.7259 重 庆 71.73 5157 698721 9375 231.1635 四 川 71.2 4784 1619988 33351 98.67647 贵 州 65.96 2662 528487 8992 220.2528 云 南 65.49 4637 976175 13356 69.77157 西 藏 64.37 4559 81550 1237 0.12211 陕 西 70.07 4549 1014584 10737 115.7101 甘 肃 67.47 3838 535287 7191 69.14349 青 海 66.03 5087 128178 1847 8.416528 宁 夏 70.17 4839 148649 1361 217.6205 新 疆 67.41 7470 702243 6705 11.70802 注:上表出自中国记录局有关数据。 附录二：起初模型散点图 对数模型散点图 附录三： 1. Dependent Variable: LNLIFESPAN Method: Least Squares Date: 06/20/08 Time: 16:57 Sample: 1 31 IF LNPOLLURATIO>0 Included observations: 30 Variable Coefficient Std. Error t-Statistic Prob. LNAVEGDP 0.037713 0.012336 3.057032 0.0053 LNEDUEXPENSE -0.002685 0.013156 -0.204123 0.8399 LNHYGIENINST 0.004908 0.012182 0.402853 0.6905 LNPOLLURATIO 0.014601 0.004042 3.611792 0.0013 C 3.845886 0.094371 40.75294 0.0000 R-squared 0.795099 Mean dependent var 4.268475 Adjusted R-squared 0.762315 S.D. dependent var 0.041913 S.E. of regression 0.020434 Akaike info criterion -4.792231 Sum squared resid 0.010439 Schwarz criterion -4.558698 Log likelihood 76.88347 F-statistic 24.25253 Durbin-Watson stat 1.131585 Prob(F-statistic) 0.000000 2.辅助回归 （1） Dependent Variable: LNAVEGDP Method: Least Squares Date: 06/23/08 Time: 09:19 Sample: 1 31 IF LNPOLLURATIO>0 Included observations: 30 Variable Coefficient Std. Error t-Statistic Prob. LNEDUEXPENSE 0.693948 0.158804 4.369842 0.0002 LNHYGIENINST -0.653985 0.145112 -4.506765 0.0001 LNPOLLURATIO 0.088768 0.061862 1.434932 0.1632 C 4.757228 1.174870 4.049154 0.0004 R-squared 0.705515 Mean dependent var 8.892796 Adjusted R-squared 0.671536 S.D. dependent var 0.566805 S.E. of regression 0.324846 Akaike info criterion 0.712635 Sum squared resid 2.743647 Schwarz criterion 0.899461 Log likelihood -6.689518 F-statistic 20.76323 Durbin-Watson stat 2.635874 Prob(F-statistic) 0.000000 （2） Dependent Variable: LNEDUEXPENSE Method: Least Squares Date: 06/20/08 Time: 17:01 Sample: 1 31 IF LNPOLLURATIO>0 Included observations: 30 Variable Coefficient Std. Error t-Statistic Prob. LNAVEGDP 0.610198 0.139639 4.369842 0.0002 LNHYGIENINST 0.826224 0.082023 10.07508 0.0000 LNPOLLURATIO 0.106633 0.056517 1.886728 0.0704 C 0.305822 1.405531 0.217584 0.8295 R-squared 0.870967 Mean dependent var 13.81189 Adjusted R-squared 0.856079 S.D. dependent var 0.802947 S.E. of regression 0.304614 Akaike info criterion 0.584021 Sum squared resid 2.412527 Schwarz criterion 0.770847 Log likelihood -4.760314 F-statistic 58.49971 Durbin-Watson stat 2.035411 Prob(F-statistic) 0.000000 （3） Dependent Variable: LNHYGIENINST Method: Least Squares Date: 06/23/08 Time: 09:25 Sample: 1 31 IF LNPOLLURATIO>0 Included observations: 30 Variable Coefficient Std. Error t-Statistic Prob. LNAVEGDP -0.670623 0.148804 -4.506765 0.0001 LNEDUEXPENSE 0.963528 0.095635 10.07508 0.0000 LNPOLLURATIO -0.064891 0.063821 -1.016776 0.3186 C 2.084020 1.463204 1.424286 0.1663 R-squared 0.811887 Mean dependent var 9.073892 Adjusted R-squared 0.790181 S.D. dependent var 0.718142 S.E. of regression 0.328952 Akaike info criterion 0.737756 Sum squared resid 2.813445 Schwarz criterion 0.924583 Log likelihood -7.066343 F-statistic 37.40485 Durbin-Watson stat 2.220507 Prob(F-statistic) 0.000000 （4） Dependent Variable: LNPOLLURATIO Method: Least Squares Date: 06/23/08 Time: 09:26 Sample: 1 31 IF LNPOLLURATIO>0 Included observations: 30 Variable Coefficient Std. Error t-Statistic Prob. LNAVEGDP 0.826675 0.576107 1.434932 0.1632 LNEDUEXPENSE 1.129345 0.598574 1.886728 0.0704 LNHYGIENINST -0.589327 0.579603 -1.016776 0.3186 C -12.13844 3.910723 -3.103885 0.0046 R-squared 0.558289 Mean dependent var 5.463924 Adjusted R-squared 0.507323 S.D. dependent var 1.412329 S.E. of regression 0.991328 Akaike info criterion 2.944022 Sum squared resid 25.55099 Schwarz criterion 3.130849 Log likelihood -40.16034 F-statistic 10.95402 Durbin-Watson stat 2.440950 Prob(F-statistic) 0.000078 3.变量间相关性表 LNAVEGDP LNEDUEXPENSE LNHYGIENINST LNPOLLURATIO LNLIFESPAN LNAVEGDP 1 0.5068 0.000635 0.602 0.7926 LNEDUEXPENSE 0.5068 1 0.134 0.7194 0.439 LNHYGIENINST 0.000635 0.134 1 0.4062 0.081 LNPOLLURATIO 0.602 0.7194 0.4062 1 0.8232 LNLIFESPAN 0.7926 0.439 0.081 0.8232 1 4.剔除变量lneduexpense后的新回归 Dependent Variable: LNLIFESPAN Method: Least Squares Date: 06/23/08 Time: 09:50 Sample: 1 31 IF LNPOLLURATIO>0 Included observations: 30 Variable Coefficient Std. Error t-Statistic Prob. LNAVEGDP 0.036074 0.009193 3.924124 0.0006 LNHYGIENINST 0.002689 0.005399 0.498070 0.6226 LNPOLLURATIO 0.014314 0.003721 3.847151 0.0007 C 3.845065 0.092531 41.55434 0.0000 R-squared 0.794757 Mean dependent var 4.268475 Adjusted R-squared 0.771076 S.D. dependent var 0.041913 S.E. of regression 0.020234 Akaike info criterion -4.857233 Sum squared resid 0.010456 Schwarz criterion -4.670406 Log likelihood 76.85849 F-statistic 33.55980 Durbin-Watson stat 1.117558 Prob(F-statistic) 0.000000 5.剔除lnhygieninst后的新回归 Dependent Variable: LNLIFESPAN Method: Least Squares Date: 06/20/08 Time: 16:59 Sample: 1 31 IF LNPOLLURATIO>0 Included observations: 30 Variable Coefficient Std. Error t-Statistic Prob. LNAVEGDP 0.034984 0.008803 3.973957 0.0005 LNPOLLURATIO 0.014813 0.003533 4.192895 0.0003 C 3.876432 0.066841 57.99523 0.0000 R-squared 0.792799 Mean dependent var 4.268475 Adjusted R-squared 0.777451 S.D. dependent var 0.041913 S.E. of regression 0.019773 Akaike info criterion -4.914403 Sum squared resid 0.010556 Schwarz criterion -4.774284 Log likelihood 76.71605 F-statistic 51.65419 Durbin-Watson stat 1.137552 Prob(F-statistic) 0.000000 6.怀特异方差检查 White Heteroskedasticity Test: F-statistic 2.823429 Probability 0.046306 Obs*R-squared 9.335266 Probability 0.053244 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 06/23/08 Time: 10:22 Sample: 1 31 IF LNPOLLURATIO>0 Included observations: 30 Variable Coefficient Std. Error t-Statistic Prob. C 0.082380 0.030512 2.699970 0.0123 LNAVEGDP -0.018528 0.007117 -2.603347 0.0153 LNAVEGDP^2 0.001031 0.000407 2.533530 0.0179 LNPOLLURATIO 0.000653 0.000524 1.246194 0.2242 LNPOLLURATIO^2 -8.53E-05 5.91E-05 -1.444945 0.1609 R-squared 0.311176 Mean dependent var 0.000352 Adjusted R-squared 0.202364 S.D. dependent var 0.000608 S.E. of regression 0.000543 Akaike info criterion -12.04635 Sum squared resid 7.38E-06 Schwarz criterion -11.81282 Log likelihood 185.6953 F-statistic 2.823429 Durbin-Watson stat 0.991721 Prob(F-statistic) 0.046306展开阅读全文
咨信网温馨提示：1、咨信平台为文档C2C交易模式，即用户上传的文档直接被用户下载，收益归上传人（含作者）所有；本站仅是提供信息存储空间和展示预览，仅对用户上传内容的表现方式做保护处理，对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿，我们不确定上传用户享有完全著作权，根据《信息网络传播权保护条例》，如果侵犯了您的版权、权益或隐私，请联系我们，核实后会尽快下架及时删除，并可随时和客服了解处理情况，尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确)，网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据，个别因单元格分列造成显示页码不一将协商解决，平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺，下载前须认真查看，确认无误后再购买，务必慎重购买；若有违法违纪将进行移交司法处理，若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传，付费前请自行鉴别，如您付费，意味着您已接受本站规则且自行承担风险，本站不进行额外附加服务，虚拟产品一经售出概不退款（未进行购买下载可退充值款），文档一经付费（服务费）、不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印，是因预览和防盗链等技术需要对页面进行转换压缩成图而已，我们并不对上传的文档进行任何编辑或修改，文档下载后都不会有水印标识（原文档上传前个别存留的除外），下载后原文更清晰；试题试卷类文档，如果标题没有明确说明有答案则都视为没有答案，请知晓；PPT和DOC文档可被视为“模板”，允许上传人保留章节、目录结构的情况下删减部份的内容；PDF文档不管是原文档转换或图片扫描而得，本站不作要求视为允许，下载前可先查看【教您几个在下载文档中可以更好的避免被坑】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权，请谨慎使用；网站提供的党政主题相关内容(国旗、国徽、党徽－－等)目的在于配合国家政策宣传，仅限个人学习分享使用，禁止用于任何广告和商用目的。
6、文档遇到问题，请及时联系平台进行协调解决，联系【微信客服】、【QQ客服】，若有其他问题请点击或扫码反馈【服务填表】；文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“【版权申诉】”，意见反馈和侵权处理邮箱：1219186828@qq.com；也可以拔打客服电话：0574-28810668；投诉电话：18658249818。
实名认证
平台协调中心【客服】
自信AI助手
微信客服
客服QQ
发送邮件
意见反馈
链接地址：https://www.zixin.com.cn/doc/4246852.html