大学生消费问题数学模型层次分析.docx

1、大学生消费问题数学模型层次分析 Last updated on the afternoon of January 3, 2021大学生消费问题数学模型层次分析大学生消费问题的层次分析模型1.问题的提出及相关问题的分析大学生的消费结构是指大学生所消费的各种消费资料之间的比例关系全面细致地了解大学生的消费状况具有重要的现实意义关注大学生的消费行为，引导大学生科学消费，可以使大学生在校时合理使用有限的经济收入，进行科学消费因此帮助大学生树立起适度、合理的消费观念，对于促进经济的发展和社会进步有着重要的意义目前大学生的消费来源当今大学生的经济来源主要包括:家庭供给、家教兼职、特困补助和奖学金大学生由于

2、其自身社会角色的限制，没有独立的经济来源,主要靠家庭供给大学生消费收入差距悬殊，主要受家庭收入的影响目前大学生的消费状况目前大学生的消费主要由生活消费、学习消费、娱乐消费三部分构成生活消费,如吃饭、购置生活必需品;学习消费,如学习用品等;娱乐消费,如购物、旅游等随着生活水平的提高和网络信息化的发展,大学生消费呈现出多样化在市场经济的今天，大学生的消费形式、内容、消费心理以及消费观念都发生了显着的变化大学生传统必需型消费呈明显下降趋势，如饮食消费、衣着消费所占比例下降，其他形式的消费比例逐渐增加学习消费主要集中在购买学习参考书、英语和计算机等级考试等和学习工具上娱乐消费主要表现为休闲、旅游等方面

3、，并呈上涨趋势通讯消费主要表现在手机话费、上网等方面大学生的人际交往消费、恋爱消费也成为日常支出的一个重要方面研究目的了解当代大学生消费的基本情况，发现大学生日常消费中存在的一些问题，为大学生的消费提供正确合理的建议指导,帮助大学生确立正确的消费观2数据说明与符号约定数据说明以韶关学院学生为调查的对象，通过问卷调查所得数据，调查问卷的原始数据见附录问卷是通过对60名韶关学院学生随机发放，并收回有效问卷52份而得由调查的统计结果可知：在校大学生平均的月总支出为，学习支出为元，食物支出占元，衣着支出为元，通讯支出为元，娱乐支出为元家庭月人均收入不同的在校大学生在月总支出和其他各项具体支出方面存在差

4、异，在校大学生的月总支出主要用于食物支出、其他方面的支出相对较少，这反应了当代大学生的消费仍然是以物质消费为基础，这是由在校大学生的非独立经济地位决定的符号约定为学生的平均月消费(元)为学生每月由家庭提供的收入(元)为学生每月做家教等兼职所获取的收入(元)为学生每月的特困补助的收入(元)为自发性消费边际消费倾向表示其它随机因素的影响因素对目标的判断矩阵的最大特征值的最大特征值所对应的特征向量的权重向量，即用的每个元素除以各元素之和所得的矩阵费用对决策准则的判断矩阵健康对决策准则的判断矩阵心理对决策准则的判断矩阵发展对决策准则的判断矩阵的最大特征值的最大特征值所对应的特征向量的权重向量，即用的每

5、个元素除以各元素之和所得的矩阵的一致性指标的一致性指标因素的一致性指标的平均随机一致性指标的平均随机一致性指标的一致性判断指标，规定小于时，说明满足一致性准则因素的一致性判断指标，规定小于时，说明满足一致性准则准则的权重向量，我们用以判断各种准则的支出比例3消费问题的数学模型我们利用调查所得的数据进行了统计分析和数学建模具体模型步骤如下：消费函数的计量模型多元线性回归模型应用MATLAB得到回归方程为:解得,.其中为复相关系数，为F检验的临界值，为观察值F大于临界值的概率，且在显着性水平下,越接近0表示回归方程在在显着性水平下回归越显着,这表明回归结果非常合理.层次分析模型将决策的目标、考虑的

6、因素和决策对象按它们之间的相互关系分为最高层、中间层和最低层，绘出层次结构图根据考察的实际情况，层次结构图1为：图1层次结构图其中最高层为消费，即应怎样消费最低层分为学习、饮食、衣着、通讯、娱乐五个方面，即我们的消费应在学习、饮食、衣着、通讯、娱乐五个方面按照怎样的比例消费中间层分为费用、健康、心理、发展四个因素费用是指价格的高低对决策的影响；健康是指对身体的有利或有害程度对决策的影响；心理是指个人消费的不同动机，包括正常动机和不良动机对决策的影响；发展是指个体为了满足今后成长、进步等要求而不断增长自身修养和素质的一种预期投资对决策的影响构造判断矩阵：每一个具有向下隶属关系的元素作为判断矩阵的

7、第一个元素（位于左上角），隶属于它的各个元素依次排列在其后的第一行和第一列表1重要性标度含义表重要性标度含义1表示两个元素相比，具有同等重要性3表示两个元素相比，前者比后者稍重要5表示两个元素相比，前者比后者明显重要7表示两个元素相比，前者比后者强烈重要9表示两个元素相比，前者比后者极端重要2，4，6，8表示上述判断的中间值对应倒数若元素与元素的重要性之比为aij,则元素与元素的重要性之比为aji=1/aij第一步,因素对目标的判断矩阵可作以下假设:计算的特征根 有最大特征根,对应的特征向量为首先求解齐次线性方程解得特征向量为：,归一化,得对所得的数据进行一致性检验,步骤如下:（1）.计算一致

8、性指标（2）查表确定相应的平均随机一致性指标表2平均随机一致性指标表矩阵阶数1234567800（3）计算一致性比例,并进行判断当时，认为判断矩阵不符合一致性要求，需要对该判断矩阵进行重新修正故： 有比较合理的一致性第二步,备选对象对决策准则的判断矩阵是费用对决策准则的判断矩阵可作以下假设:有最大特征根和对应特征向量,归一化,得健康对决策准则的判断矩阵可作以下假设:有最大特征根和对应特征向量,归一化,得心理对决策准则的判断矩阵可作以下假设有最大特征根和对应特征向量,归一化,得发展对决策准则的判断矩阵可作以下假设:有最大特征根和对应特征向量,归一化,得所以，令于是对象对目标的排序：模型分析：排列

9、的一致性检验：令：所以，有合理的一致性所以，即：消费按照学习：饮食：衣着：通讯：娱乐应为自身消费模型结合自身的情况，我的月总支出，学习支出，饮食支出：衣着支出：通讯支出：娱乐支出分别是：600,80：350：50：80：40，即比例是;4模型的优缺点本文给出了大学生消费问题的模型，即层次分析模型此模型由于是关系到个人的决策问题所以多少带有个人的主观意识，如文章中的成对比较矩阵很大成分上就是作者本人的意见，但是它通过了一致性检验以及符合当今社会的常规，所以此模型还是可行的6参考文献1刘来福.数学模型与数学建模.北京:北京师范大学出版社,19972李海涛.MATLAB程序设计教程.高等教育出版社3

10、袁震东等.数学建模简明教程M哈尔滨：华东师范大学出版社，20014姜启源等数学模型(第三版)M北京：高等教育出版社，20035杨启帆等数学建模M北京：浙江大学出版社，19996梁国业等数学建模M北京：冶金工业出版社，20047王兵团数学建模基础M北京：清华大学出版社，20048甘应爱高校毕业生就业手册M北京：中山大学大学出版社，20059武小莉.加强大学生正确消费观的培养.山西高等学校第15卷第12期20037附录调查问卷大学生消费调查问卷您的家庭人均月收入为（）A400以下B400800C800-1200D1200-1600E1600以上2您的月消费额大概为多少（）以下以上3您每月由家庭提供

11、的收入是（）以下以上4您每月做家教等兼职所获取的收入是（）以下以上5您每月平均的特困生补助的收入是（）以下以上6您每学期学习方面的花费（包括文具、书籍、复印、培训班）（）以下以上7您每月饮食方面支出（包括零食饮料）大概为多少（）以下以上8.您花在服饰方面平均每个月的消费是（）以下以上9.您每月用于娱乐方面（看电影,购买游戏光盘,CD等）的支出（）A.基本不花费以下以上10.您拥有手机吗如果有，每个月话费支出为多少如果没有，请回答下一题A50以下B50-100C100-150D150-200E200以上11.您每月用于通讯方面的支出为多少（仅限于使用电话卡的情况）（）以下以上12.您花费的资金主

12、要来自（）A.勤工俭学B.在外做家教C.给企业打工D.主要从家里拿钱E.其他13.您觉得您现在每月消费情况如何（）A.高得惨不忍睹B.偏高C.刚刚好D.偏低E.低得一塌糊涂注：本问卷共发放60份，收回有效问卷52份发放以我们周围的同学为主，基本上做到了随机发放数据的统计表3有关数据统计表（单位：元）人均收入月总支出家庭提供家教补助学习食物衣着通讯娱乐3002502508010020200205530025020010070502003010103003003001007060250302020300300200100704020020202035030025010070502002020104

13、003002501001001002505030504003003000050200202010400350300100707020030252540040040010010050250503020400400400070502505030204504504005070602505050405003504001805050200503020500500500005030050505055050030010010080300504030600370400150705523040203060040060007055250502530650450450005025050505070045050030

14、010070260553530700450450100707030030203070050050000503005050507005005000050300505050750500500008030050403075050050000803006040208004505001201208025070203080045050010005025050505080050060020010050300604050800700600150501005008080509005005002008075270603560900500500004030080404010005006000060300506030

15、100055060010008530050457010006007000805035060401001000650700150060350702015011006506001505060350702015011007008001200903701152585110075080000803801504010012007007001500553501405010512007008002001007038012030100130080090080045400180551201400600800050403508055751500600600008030020302015006006000060400

16、60404016006006000080400505020160075080010070704001204012017005506000070350503050180070070000804001006060200050070000502506060302000600400001003505050502100600600080350507050210070070000100400100505022005005000050300505050250070070000100300100100100回归分析编程clearx= 250 80 100;250 100 100;400 180 50;400

17、150 70;600 0 70;500 300 100;500 120 120;600 200 100;600 150 50;500 200 80;600 100 0;700 0 80;700 150 0;600 150 50;600 200 100;800 120 0;800 0 0;700 150 0;800 300 100;800 100 100;600 100 100;700 100 0;900 0 50;900 80 0;800 0 50;900 200 0;1000 100 0;1000 0 80;1200 0 100;1100 150 0;1200 200 0;900 150 70;1100 100 70;1200 180 0;900 100 0;1200 0 70;1500 0 0;800 180 0;1100 0 0;1000 200 0;400 100 50;1200 200 0;1100 150 0;1300 200 0;900 180 0;1500 0 0;1600 0 0;1500 300 0;1500 100 0;1500 180 0;1500 200 0;1800 100 0;x1=x,ones(52,1);y=0045000650005000070000000600;b,bint,r,rint,stats=regress(y,x1,bstats