Python数据分析案例20——我国家庭资产影响因素分析( 三 ) _资产配置

(5)经济指标
根据政府相关部门发布的各种经济指标和景气政策信号，家庭资产配置者可以分析经济增长走势判断资产的类别。
三、实证研究（一）研究设计
本文的数据来源于中国家庭金融调查（China，CHFS）是西南财经大学中国家庭金融调查与研究中心（下称中心）在全国范围内开展的抽样调查项目，由甘犁教授于2009年发起并领导，收集有关家庭金融微观层次的相关信息。
本文选取家庭人口，总消费，总收入，和负债四个变量作为解释变量，资产作为被解释变量，进行回归分析。变量名称和其英文简称如下表所示：

文章插图
表1 变量说明
debt
asset
家庭人口
总消费
总收入
负债
资产
（二）模型构建
本文采用的是多元线性回归模型，涉及多个自变量的多元线性回归方程，表示为：
其中，Y是资产（asset），x1至x4代表为家庭人口（）、总消费（）、总收入（）、负债（debt）。ε代表是误差项的随机变量，β0代表截距，β1至β10代表每个变量的斜率。
（三）数据检验
描述性统计：
开始代码，导入包：

import numpy as npimport pandas as pdimport matplotlib.pyplot as plt import seaborn as snsplt.rcParams ['font.sans-serif'] ='SimHei'#显示中文plt.rcParams ['axes.unicode_minus']=False#显示负号sns.set_style("darkgrid",{"font.sans-serif":['KaiTi', 'Arial']})

数据读取，展示前五行
data=http://www.kingceram.com/post/pd.read_excel('data_clean.xlsx')data.head()
描述性统计
data.describe()
总共34609个观测量。表示不同家庭还有不同时间点上的家庭资产负债等变量的情况。可以看出，除了人口，其他这几组变量的方差都很大，说明几组数据波动性较大。分布较为分散。其中人口的平均值为3.27，说明绝大多数家庭都是三口之家，这和我国目前的国情也符合。进一步考察每个变量的箱线图和密度图如下：
先去掉极端值和异常值：

data=http://www.kingceram.com/post/data[data['consump_total']<2e6]data=data[data['income_total']<0.75e7]data=data[data['income_total']>-0.25e7]data=http://www.kingceram.com/post/data[data['debt']<5e6]data=data[data['asset']<5e7]

画箱线图：

column = data.columns.tolist() # 列表头fig = plt.figure(figsize=(7,4), dpi=128)# 指定绘图对象宽度和高度for i in range(5):plt.subplot(2,3, i + 1)# 2行3列子图sns.boxplot(data=http://www.kingceram.com/post/data[column[i]], orient="v",width=0.5)# 箱式图plt.ylabel(column[i], fontsize=12)plt.tight_layout()plt.show()

密度图：

fig = plt.figure(figsize=(7,4), dpi=128)# 指定绘图对象宽度和高度for i in range(5):plt.subplot(2,3, i + 1)# 2行3列子图ax = sns.kdeplot(data=http://www.kingceram.com/post/data[column[i]],color='blue',shade= True)plt.ylabel(column[i], fontsize=12)plt.tight_layout()plt.show()

#画皮尔逊相关系数热力图

文章插图
corr = plt.subplots(figsize = (4,4),dpi=128)corr= sns.heatmap(data[column].corr(),annot=True,square=True)
从相关系数表中可以得知，与资产相关系数最大的是消费，为0.4733 。其次为收入，再就是负债和人口数量。解释变量之间的相关系数都不算高，因此该模型应该不会出现多重共线性的问题。下面进行回归分析。