JeasunLok / Statistical-Modeling-Code

The data, code and results of 2023 statistical modeling competition in China

2023年统计建模大赛代码说明README文件

作者：@JeasunLok @LeoQ

---

本项目目录结构

│  README.md
│  
├─Data
│  │  GDP数据清洗.R
│  │  乡村恩格尔系数.R
│  │  发电量数据清洗.R
│  │  商品价格指数数据清洗.R
│  │  城镇化率数据清洗.R
│  │  城镇恩格尔系数数据清洗.R
│  │  就业人口数据清洗.R
│  │  社会消费品零售总额数据清洗.R
│  │  线性回归.R
│  │  财政支出数据清洗.R
│  │  资本存量数据清洗.R
│  │  
│  └─data
│          cleanGDP78-17.csv
│          cleanRPI78-17.csv
│          cleanTRSCG78-17.csv
│          clean乡村恩格尔系数78-17.csv
│          clean产业结构指数78-17.csv
│          clean发电量78-17.csv
│          clean发电量78-17.xls
│          clean城镇化率78-17.csv
│          clean城镇恩格尔系数78-17.csv
│          clean就业人口78-17.csv
│          clean财政支出78-17.csv
│          clean资本存量78-17.csv
│          IPCAcoef.csv
│          linearerror.csv
│          linearresidual.csv
│          result_prediction_label.mat
│          yrprvcdata_sliced_all_log.mat
│          yrprvcdata_z_sliced.mat
│          
├─DNN
│  │  draw.py
│  │  main.ipynb
│  │  main.py
│  │  requirements.txt
│  │  result_prediction_label.mat
│  │  yrprvcdata_sliced_all_log.mat
│  │  yrprvcdata_z_sliced.mat
│  │  
│  ├─images
│  │  └─results
│  │          第1个工具变量商品价格指数-GDP.jpg
│  │          第1个工具变量商品价格指数-theta.jpg
│  │          第2个工具变量社会消费品零售总额-GDP.jpg
│  │          第2个工具变量社会消费品零售总额-theta.jpg
│  │          第3个工具变量乡村恩格尔系数-GDP.jpg
│  │          第3个工具变量乡村恩格尔系数-theta.jpg
│  │          第4个工具变量产业结构指数-GDP.jpg
│  │          第4个工具变量产业结构指数-theta.jpg
│  │          第5个工具变量发电量-GDP.jpg
│  │          第5个工具变量发电量-theta.jpg
│  │          第6个工具变量城镇化率-GDP.jpg
│  │          第6个工具变量城镇化率-theta.jpg
│  │          第7个工具变量城镇恩格尔系数-GDP.jpg
│  │          第7个工具变量城镇恩格尔系数-theta.jpg
│  │          第8个工具变量财政支出-GDP.jpg
│  │          第8个工具变量财政支出-theta.jpg
│  │          
│  ├─logs
│  │      model_DNN_1000_2023-05-25-21-48-35.pth
│  │      model_state_dict_DNN_1000_2023-05-25-21-48-35.pth
│  │      
│  ├─models
│  │  │  DNN.py
│  │  │  
│  │  └─__pycache__
│  │          DNN.cpython-37.pyc
│  │          
│  └─utils
│      │  Function.py
│      │  Load_data.py
│      │  Utils.py
│      │  
│      └─__pycache__
│              Function.cpython-37.pyc
│              Load_data.cpython-37.pyc
│              Utils.cpython-37.pyc
│              
├─Images
│      GDP.jpg
│      IPCA+线性回归.jpg
│      IPCA+线性回归.vsdx
│      IPCA.jpg
│      IPCA.vsdx
│      Theta.jpg
│      多层感知机.jpg
│      我们的模型.jpg
│      残差.eps
│      残差.png
│      神经元模型.jpg
│      线性回归.jpg
│      线性回归.vsdx
│      
└─IPCA
    │  cleanGDP78-17.csv
    │  cleanRPI78-17.csv
    │  cleanTRSCG78-17.csv
    │  clean乡村恩格尔系数78-17.csv
    │  clean产业结构指数78-17.csv
    │  clean发电量78-17.csv
    │  clean发电量78-17.xls
    │  clean城镇化率78-17.csv
    │  clean城镇恩格尔系数78-17.csv
    │  clean就业人口78-17.csv
    │  clean财政支出78-17.csv
    │  clean资本存量78-17.csv
    │  IPCAcoef.csv
    │  IPCAmain.m
    │  IPCA_Gamma.m
    │  linearerror.csv
    │  linearresidual.csv
    │  result_prediction_label.mat
    │  yrprvcdata_sliced_all_log.mat
    │  yrprvcdata_z_sliced.mat
    │  
    └─Figures
            residualanderror_Log.eps
            residualanderror_Log.eps.png
            

---

原数据及其清洗

数据清洗参看Data文件夹下的R语言文件 原数据参看Data/data下的csv文件

---

IPCA

1. IPCA采用Matlab实现，目录下的IPCAmain.m即为主函数
2. 依赖函数有IPCA_Gamma.m函数
3. 使用数据为3个mat文件

---

DNN

1. DNN模型采用Pytorch框架实现，具体参看DNN文件夹下的文件目录及其结构
2. 依赖包位于requirements.txt中
3. 使用数据为3个mat文件

---

Images

论文中出现的图表

---