一种投入额对集体收入的影响研究方法、装置及存储介质与流程

1.本发明属于强村富农领域，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。


背景技术：

2.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。


技术实现要素：

3.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。
4.本技术的方案如下：
5.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：
6.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；
7.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；
8.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；
9.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；
10.采用逐步回归法对第二影响因素进行筛选，得到训练样本；
11.根据训练样本以及第二目标值构建地理加权模型；
12.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；
13.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；
14.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；
15.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。
16.根据本公开实施例的另一方面，第二影响因素，包括：
17.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；
18.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
19.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
20.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：
21.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；
22.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；
23.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；
24.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；
25.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。
26.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：
27.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，(ui，vi)为村域i中心位置的空间坐标，ui代表经度，vi代表纬度，β0(ui，vi)为截距项，εi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向空间自相关性；
[0037]
当全局moran's i指数大于或等于-1且小于0时，区域内村与村之间的人均集体收入存在负向空间自相关性；
[0038]
当全局moran's i指数等于0时，区域内村与村之间的人均集体收入不存在空间自相关性。
[0039]
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装置，包括：
[0040]
研究变量获取模块：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；
[0041]
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；
[0042]
第二影响因素获取模块：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；
[0043]
第二目标值获取模块：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；
[0044]
训练样本获取模块：采用逐步回归法对第二影响因素进行筛选，得到训练样本；
[0045]
地理加权模型获取模块：根据训练样本以及第二目标值构建地理加权模型；
[0046]
影响研究模块：根据地理加权模型，得到残差平方和rss、全局判定系数r2；
[0047]
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；
[0048]
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；
[0049]
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。
[0050]
根据本公开实施例的一方面，提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，处理器执行计算机程序，实现上述任一项的投入额对集体收入的影响研究方法。
[0051]
本技术提供的技术方案可以包括以下有益效果：
[0052]
本发明通过获取某区域内的各个村的集体收入及影响集体收入增长的投入额，考虑空间差异性，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；同时在选择自变量参数的时候，考虑到经济的发展是长期积累的工程，除了选取当期的投入额研究当期投入额对当期集体收入的影响程度外，还增加选择历史投入额，并对历史投入额的分解，得到历史投入额对当期集体收入的影响程度，丰富了自变量的选取方面，能够更有效的看出投入额对村集体收入的影响程度。
[0053]
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本技术。
附图说明
[0054]
为了更清楚地说明本公开实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0055]
图1是本公开实施例中一种投入额对集体收入的影响研究方法的方法示意图；
[0056]
图2是本公开实施例中为了实现一种投入额对集体收入的影响研究方法的实现步骤示意图；
[0057]
图3是本公开实施例中针对于第二影响因素进行筛选，得到训练样本的步骤示意图；
[0058]
图4是本公开实施例中一种投入额对集体收入的影响研究装置的装置示意图。
具体实施方式
[0059]
为使本公开实施例的目的、技术方案和优点更加清楚，下面将对本公开实施例的技术方案进行详细的描述。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施方式，都属于本发明所保护的范围。
[0060]
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本技术的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
[0061]
本公开实施例中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元。方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固
有的其它步骤或单元。
[0062]
回归分析是一种预测性的建模技术方法，应用于研究因变量和自变量之间的关系。现阶段研究村集体收入增长的影响因素主要采用回归分析方法，较为常见为：建立多元线性回归模型，选择收入为因变量，选择村人口数量，劳动力人口数，政府对行政村的补贴等等为自变量，通过模型可以看出各影响因素对收入的影响程度，同时也可以预测出不同的自变量参数值，对应的因变量目标值。
[0063]
同时在考虑到地理位置因素所带来的不同时，有学者提出空间自相关性概念，在回归模型基础上引入地理位置，建立地理加权回归模型，通过关于位置的局部加权回归分析模型求解，以随着空间位置不同而变化的参数估计结果，量化反映空间数据关系中的异质性或非平稳性特征，看出区域内不同位置样本之间的发展的差异性。
[0064]
其中地理回归模型虽然在经济领域有所应用，但在针对于农村经济研究方面应用较少。
[0065]
对此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，如图1所示，包括：
[0066]
s101：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；
[0067]
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；
[0068]
s102：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；
[0069]
s103：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；
[0070]
s104：采用逐步回归法对第二影响因素进行筛选，得到训练样本；
[0071]
s105：根据训练样本以及第二目标值构建地理加权模型；
[0072]
s106：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；
[0073]
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；
[0074]
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；
[0075]
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。
[0076]
综上，本公开实施例以目前农村集体经济发展的研究为对象，考虑空间自相关性，建立地理加权模型，并根据地理加权模型获取残差平方和rss、全局判定系数r2，同时获取全局moran's i指数等系数对投入额对集体收入的影响方面进行研究。其中，针对于地理加权模型的自变量选取方面，考虑到经济的发展是长期积累的工程，前期需要大量的资金的投入，才能产生良好的经济效益，所以在选择自变量的时候，考虑增量值和累计值对收入的影响是合乎经济发展的客观事实的，即选取当期投入额和历史投入额作为自变量进行研究，这样可以更有效的看出投入额对村集体收入的影响程度。
[0077]
其中，针对于本技术为了实现一种投入额对集体收入影响的研究方法的步骤示意
图如图2所示，包括：
[0078]
变量提取、变量筛选、地理加权模型构建、模型诊断评价、空间自相关性检验、模型解读；
[0079]
其中，针对于研究变量，包括：
[0080]
区域内有n个村，村集合为c，
[0081]
c＝{c1,c2,c3,
…
,cn}
ꢀꢀ
(1)，
[0082]
其中，n大于或等于1且为整数；
[0083]
此外，本公开实施例中针对村的投入额对集体收入的影响，自变量为投入资金额，具体为：发展投入额f、民生投入额m、建设投入额d、文明投入额w；因变量为村集体收入i。
[0084]
区域内各村常驻人口数集合为p，
[0085]
p＝{p1,p2,p3......fn}
ꢀꢀ
(2)；
[0086]
第一影响因素包括：
[0087]
区域内各村发展投入额集合为f，
[0088]
f＝{f1,f2,f3......fn}
ꢀꢀ
(3)；
[0089]
区域内各村民生投入额集合为m，
[0090]
m＝{m1,m2,m3......mn}
ꢀꢀ
(4)；
[0091]
区域内各村建设投入额集合为d，
[0092]
d＝{d1,d2,d3......dn}(5)；
[0093]
区域内各村文明投入额集合为w，
[0094]
w＝{w1,w2,w3......wn}
ꢀꢀ
(6)；
[0095]
同时，第二影响因素包括：
[0096]
各村第t年的人均投入额，该变量体现了当年的投入额情况，可以解释对当年收入的影响程度：
[0097]
区域内各村人均发展投入额第t年集合为
[0098]
其中，
[0099]
区域内各村人均民生投入额第t年集合为
[0100]
其中，
[0101]
区域内各村人均建设投入额第t年集合为
[0102]
其中，
[0103]
区域内各村人均文明投入额第t年集合为w
t
，
[0104]
其中，
[0105]
各村前t-1年的人均投入额，该变量体现了历史的投入额情况，可以解释历史投入额对当年收入的影响程度：
[0106]
区域内各村人均发展投入额前t-1年集合为f
(t-1)
，
[0107]
其中，
[0108]
区域内各村人均民生投入额前t-1年集合为
[0109]
其中，
[0110]
区域内各村人均建设投入额前t-1年集合为
[0111]
其中，
[0112]
区域内各村人均文明投入额前t-1年集合为
[0113]
其中，
[0114]
第一目标值包括：
[0115]
区域内各村村集体收入集合为i，
[0116]
i＝{i1,i2,i3......in}
ꢀꢀ
(15)。
[0117]
第二目标值包括：
[0118]
区域内各村人均村集体收入第t年集合为为
[0119]
其中，
[0120]
其中，针对于变量筛选，如图3所示，包括：
[0121]
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；
[0122]
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；
[0123]
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；
[0124]
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；
[0125]
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。
[0126]
其中，针对于地理加权模型构建，包括：
[0127]
考虑到本公开实施例中数据具有空间自相关性，于是使用地理加权回归法进行建模。相比于传统的线性回归方法，地理加权模型能够充分考虑地理空间上的异质性和非平稳性，提高模型预测的准确性和可靠性。
[0128]
当上述的逐步回归过程中所有影响因素对目标值影响显著时构建地理加权模型，
当部分影响因素对目标值影响不足，则删除地理加权回归模型中的公式选项，即该影响因素不参与构建地理加权模型，其余影响因素照常不变。
[0129]
其中，地理加权回归模型如下，
[0130][0131]
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，(ui，vi)为村域i中心位置的空间坐标，ui代表经度，vi代表纬度，β0(ui，vi)为截距项，εi是随机误差变量。
[0132]
其中针对于地理回归模型，对每个回归点村域i分别采用加权线性最小二乘法进行模型求解，包括：
[0133][0134]
其中，
[0135][0136]
x为第二影响因素矩阵并在第一列加上1所构成的矩阵；
[0137][0138]
y为第二目标值向量；
[0139]
为村域i回归分析点(ui,vi)处的回归分析系数向量；
[0140]
w(ui,vi)为对角矩阵，其对角线上的元素值为每个村域到村域i回归分析点(ui,
vi)的空间权重值：其中，对角线元素w
ij
表示第j个村域数据点到村域i回归点的权重值,(j＝1,2,
…
,n)。
[0141]
本公开实施例利用高斯函数确定第j个村域数据点到村域i回归点的权重值。
[0142]
其原理为距离衰减原则，包括：村域j到村域i回归点距离越近，则村域j与村域i之间的相关性可能更大，因此村域j被赋予更高的权重；村域j到村域i回归点距离越远，则村域j与村域i之间的相关性可能更小，因此，村域j被赋予更小的权重。
[0143]
其中，为村域i和村域j的之间的欧氏距离；
[0144]
b为带宽，具体确定过程为:定义一个正整数n，针对任意求解位置点村域i，计算其他村域到村域i的距离，取距其第n近的距离值作为当前的带宽值，确定一组带宽值：b1,b2,b3,
…
,bm,对每个带宽值bi，运行地理加权回归模型，并计算出相应的aicc值，选取使aicc值最小的带宽作为最优的带宽b。
[0145]
aicc计算公式如下:
[0146][0147]
其中，为是随机误差项方差的极大似然估计，tr(s)为帽子矩阵s的迹，n是样本量(即村域的个数n)，帽子矩阵s是关于带宽b的函数。
[0148][0149]
si＝xi(x
′
wix)-1
x
′
wi，
[0150]
[0151][0152]
tr(s)为权重矩阵主对角线元素的总和，rss＝y
′
(i-s)
′
(i-s)y，y为观测值向量及第二影响因素向量，y
′
为观测值向量的转置向量，i为9*1单位向量，s为帽子矩阵。
[0153]
其中，针对于模型诊断评估，包括：
[0154]
获取残差平方和rss，其中，
[0155]
rss＝y
′
(i-s)
′
(i-s)y
ꢀꢀꢀ
(20)
[0156]
y为观测值向量及第二目标值向量，y
′
为观测值向量的转置向量，i为9*1单位向量，s为帽子矩阵。
[0157]
当残差平方和rss越小时，地理回归模型的精度越高。
[0158]
获取全局判定系数r2，其中，
[0159][0160]
当全局判定系数r2越接近1，地理回归模型的拟合效果越好。
[0161]
其中，针对于空间自相关性检验，包括：
[0162]
本公开实施例根据全局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；
[0163]
全局moran's i数计算公式如下：
[0164][0165]
其中i为全局moran's i指数，ω
ij
为空间权重，表示第j个村域数据点到村域i回归点的权重值，即根据村域之间的距离远近给予不同的权重值，yi和yj分别为村域i和村域j的集体收入，为各村集体收入平均值，n为村域的数量。
[0166]
其中，全局moran's i指数大于或等于-1且小于或等于1；
[0167]
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向空间自相关性，即相似的观测值聚集在一起；
[0168]
当全局moran's i指数大于或等于-1且小于0时，区域内村与村之间的人均集体收入存在负向空间自相关性，即相似的观测值分散在不同区域；
[0169]
当全局moran's i指数等于0时，区域内村与村之间的人均集体收入不存在空间自相关性。
[0170]
为了检验统计假设，即原假设空间自相关性不存在，将moran’s i指数转化为moran’s i指数的正态统计量z，
[0171]
其中，
[0172]
在5％置信水平下时，moran’s i指数的正态统计量z大于1.96或小于-1.96，则拒绝原假设，表示各村存在空间自相关性则确定地理加权回归模型；否则需要返回变量筛选步骤，重新进行变量调整，并根据新的变量再重新建立地理回归模型直到通过显著性检验。
[0173]
其中，针对于模型解读，包括：
[0174]
针对每一个第二影响因素分析对各村域的集体收入的影响程度，具体为:分析第t年的区域内各村人均发展投入额、人均民生投入额、人均建设投入额、人均文明投入额和前t-1年的区域内各村人均发展投入额、人均民生投入额、人均建设投入额、人均文明投入额对具体村域的影响系数，以便更好的对比各村域的各项投入额对村集体收入的影响程度,为来年的村集体收入预测和规划村域发展投入额带来良好的价值指导。
[0175]
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装置，如图4所示，包括：
[0176]
研究变量获取模块401：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；
[0177]
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；
[0178]
第二影响因素获取模块402：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；
[0179]
第二目标值获取模块403：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；
[0180]
训练样本获取模块404：采用逐步回归法对第二影响因素进行筛选，得到训练样本；
[0181]
地理加权模型获取模块405：根据训练样本以及第二目标值构建地理加权模型；
[0182]
影响研究模块406：根据地理加权模型，得到残差平方和rss、全局判定系数r2；
[0183]
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；
[0184]
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；
[0185]
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。
[0186]
根据本公开实施例的一方面，提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，处理器执行计算机程序，实现上述任一项的投入额对集体收入的影响研究方法。
[0187]
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开实施例中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现公开实施例公开的技术方案所期望的结果，本公开在此不进行限制。
[0188]
上述具体实施方式，并不构成对本公开实施例保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在
本公开实施例的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开实施例保护范围之内。

技术特征：
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.根据权利要求1或3任意一项所述的方法，其特征在于，根据所述训练样本以及所述第二目标值构建地理加权模型，包括：其中，地理加权回归模型如下；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。5.根据权利要求1所述的方法，其特征在于，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，包括：其中，所述残差平方和rss越小，所述地理加权模型的模型精度越高。6.根据权利要求1所述的方法，其特征在于，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，包括：其中，所述全局判定系数r2越接近1，所述地理加权模型的拟合效果越好。7.根据权利要求1所述的方法，其特征在于，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，包括：其中，所述全局moran's i指数大于或等于-1且小于或等于1；当所述全局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向空间自相关性；当所述全局moran's i指数大于或等于-1且小于0时，区域内村与村之间的人均集体收入存在负向空间自相关性；当所述全局moran's i指数等于0时，区域内村与村之间的人均集体收入不存在空间自相关性。8.一种投入额对集体收入的影响研究装置，其特征在于，包括：研究变量获取模块：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；第二影响因素获取模块：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；第二目标值获取模块：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；训练样本获取模块：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；地理加权模型获取模块：根据所述训练样本以及第二目标值构建地理加权模型；影响研究模块：根据所述地理加权模型，得到残差平方和rss、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。9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，处理器执行所述计算机程序，实现如权利要求1-7中任一项所述的投入额对集体收入的影响研究方法。

技术总结
本发明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。


技术研发人员：孟震
受保护的技术使用者：浙江中兴慧农信息科技有限公司
技术研发日：2023.06.02
技术公布日：2023/9/22