│ 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
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采用Matlab实现,目录下的IPCAmain.m即为主函数
- 依赖函数有IPCA_Gamma.m函数
- 使用数据为3个mat文件
- 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
- 依赖包位于requirements.txt中
- 使用数据为3个mat文件
论文中出现的图表