一元线性回归实例练习：探索 GDP 与税收的量化关系

在大数据数据分析与应用的学习过程中，一元线性回归作为最基础且实用的预测模型，是入门数据分析的核心实践内容。本次实例练习以全国 31 个省份的 GDP 与税收数据为样本，通过完整的 Python 代码实现，从零开始构建一元线性回归模型，探索两个变量之间的线性关联，旨在熟练掌握数据分析的基本流程与一元线性回归的核心原理。以下是本次练习的详细过程与成果总结。

一、练习目标与技术准备

（一）练习目标

1. 掌握 Python 数据分析工具（pandas、matplotlib）的基础使用
2. 理解一元线性回归模型的原理与建模流程
3. 学会使用 scikit-learn 库构建回归模型并进行评估
4. 验证 GDP 与税收之间的线性关系，实现简单的税收预测

（二）技术工具与环境

• 编程语言：Python 3.x
• 核心库：
  • pandas：数据读取与预处理
  • matplotlib：数据可视化展示
  • scikit-learn：一元线性回归模型构建与评估
  • numpy、math：辅助数值计算
• 数据集：包含 31 个省份 GDP（gdp_value）与税收（tax_value）的 CSV 文件

二、一元线性回归建模完整流程

（一）数据读取与探索性分析

建模前首先需要读取数据并进行初步探索，了解数据结构、质量等基础信息，为后续建模奠定基础。

# 导入所需库 import math import numpy as np import pandas as pd import matplotlib.pyplot as plt from sklearn.linear_model import LinearRegression from sklearn.metrics import mean_squared_error # 读取CSV数据文件 data = pd.read_csv('ODS_PROV_GDP_TAX_INFO.csv', encoding='gb2312') # 查看数据前5行，了解数据结构 print("数据前5行：") print(data.head()) # 查看数据基本信息，验证数据质量 print("\n数据基本信息：") print(data.info())

数据探索结果：

• 数据集共 31 条记录，对应全国 31 个省份，无缺失值、无异常值，数据质量良好
• 数据包含 3 列：省份名称（object 类型）、GDP（float64 类型）、税收（float64 类型）
• 因变量（Y）为税收收入，自变量（X）为 GDP，符合一元线性回归 "单自变量" 的核心要求

（二）数据预处理：适配模型输入格式

一元线性回归模型要求自变量 X 为二维数组格式，因此需要对数据进行简单预处理，提取变量并调整维度。

# 提取自变量X（GDP）和因变量Y（税收） x = data['gdp_value'].values # 自变量：GDP数据 y = data['tax_value'].values # 因变量：税收数据 # 调整X的维度：从一维数组转为二维数组（sklearn模型输入要求） x = x.reshape(-1, 1) print("自变量X维度：", x.shape) print("因变量Y维度：", y.shape)

（三）构建一元线性回归模型并训练

使用 scikit-learn 库中的 LinearRegression 类构建模型，通过 fit () 方法传入 X 和 Y 进行模型训练，拟合线性关系。

# 初始化一元线性回归模型 model = LinearRegression() # 训练模型：拟合X与Y的线性关系 model.fit(x, y) # 输出模型核心参数：截距项（intercept）和回归系数（coef） print("模型截距项（b）：", model.intercept_) print("模型回归系数（k）：", model.coef_[0]) # 构建一元线性回归方程 print("\n一元线性回归方程：Y = {:.2f} + {:.2f}X".format(model.intercept_, model.coef_[0]))

模型参数解读：

• 截距项（b）=88.93：表示当 GDP（X）为 0 时，税收（Y）的理论基础值
• 回归系数（k）=0.16：表示 GDP 每增加 1 亿元，税收收入平均增加 0.16 亿元，体现了 X 对 Y 的正向影响程度

（四）模型评估：验证拟合效果

使用均方根误差（RMSE）评估模型拟合效果，RMSE 值越小，说明模型预测值与实际值的偏差越小，拟合效果越好。

# 生成模型预测值 y_pred = model.predict(x) # 计算均方根误差（RMSE） rmse = math.sqrt(mean_squared_error(y, y_pred)) print("模型均方根误差（RMSE）：", rmse)

评估结果分析：

• 模型 RMSE=2406.31 亿元，考虑到不同省份经济结构、税收政策存在差异，该误差在合理范围内
• 一元线性回归模型能够较好地捕捉 GDP 与税收的整体线性趋势

（五）数据可视化：直观展示拟合效果

通过 matplotlib 绘制原始数据点与回归直线，直观呈现模型的拟合情况。

# 设置图表大小与样式 plt.figure(figsize=(10, 6)) # 绘制原始数据点（蓝色圆点） plt.plot(x, y, '.', color='blue', markersize=8, label='实际数据（GDP-税收）') # 绘制回归直线（红色实线） plt.plot(x, y_pred, 'r-', linewidth=2, label='一元线性回归直线') # 设置坐标轴标签与标题 plt.xlabel('GDP（亿元）', fontsize=12) plt.ylabel('税收（亿元）', fontsize=12) plt.title('GDP与税收一元线性回归拟合图', fontsize=14, fontweight='bold') # 添加网格与图例 plt.grid(True, alpha=0.3) plt.legend(fontsize=11) # 显示图表 plt.show()

可视化结果：

• 蓝色圆点代表 31 个省份的实际 GDP 与税收数据
• 红色直线为模型拟合的回归直线，大部分实际数据点围绕回归直线分布，进一步验证了二者的线性关系

三、模型应用：实际数据预测验证

为检验模型的实际应用价值，以柳州市去年的 GDP 数据（2906.67 亿元）为例，使用训练好的模型预测其税收收入，并与实际税收数据对比。

# 输入柳州市去年GDP数据 liuzhou_gdp = 2906.67 # 使用模型预测税收 liuzhou_tax_pred = model.predict([[liuzhou_gdp]]) # 已知柳州市去年实际税收：652.3亿元 liuzhou_tax_actual = 652.3 # 计算预测误差率 error_rate = abs(liuzhou_tax_pred[0] - liuzhou_tax_actual) / liuzhou_tax_actual * 100 # 输出预测结果 print("=== 一元线性回归模型预测应用 ===") print("柳州市去年GDP：{:.2f}亿元".format(liuzhou_gdp)) print("模型预测税收：{:.2f}亿元".format(liuzhou_tax_pred[0])) print("实际税收：{:.1f}亿元".format(liuzhou_tax_actual)) print("预测误差率：{:.2f}%".format(error_rate))

预测结果分析：

• 模型预测税收为 555.21 亿元，实际税收为 652.3 亿元
• 预测误差率仅为 14.88%，远低于 30% 的可接受误差阈值
• 表明本次构建的一元线性回归模型具有较好的实际预测能力，可用于简单的税收初步预测

四、练习总结与收获

（一）核心收获

1. 熟练掌握了一元线性回归的建模流程：数据读取→探索分析→数据预处理→模型构建→模型评估→可视化展示→实际应用
2. 理解了一元线性回归方程中截距项与回归系数的物理意义，以及均方根误差（RMSE）的评估逻辑
3. 掌握了 pandas、matplotlib、scikit-learn 等工具的基础使用方法，能够独立完成简单的数据分析任务
4. 验证了 GDP 与税收之间的正向线性关系，实现了从理论到实践的落地

（二）不足与改进方向

1. 本次练习仅使用单一自变量（GDP）构建模型，未考虑产业结构、税收政策等其他影响因素，可后续尝试多元线性回归优化
2. 一元线性回归仅适用于线性关系数据，若变量间存在非线性关联，需尝试多项式回归等更复杂的模型
3. 可增加数据划分（训练集、测试集）步骤，进一步提升模型评估的客观性。