十大將軍縣成因及其相關(guān)性的分析

何良澤　覃宇　李力　游清泉　何鑫壘　陳爭(zhēng)　向紹俊

一、十大將軍縣成因背景及意義

1927年大革命失敗后，中國(guó)革命進(jìn)入低潮。在攻打中心城市受挫后，以毛澤東為書記的前敵委員毅然改變?cè)ú渴穑瑳Q定到敵人控制比較薄弱的山區(qū)尋求立足之地。受山區(qū)海拔差異、耕地林地面積、人口密度、生產(chǎn)消費(fèi)情況等影響，湖南、湖北、安徽、河南、江西等中部省區(qū)在上個(gè)世紀(jì)二三十年代，率先跟隨中國(guó)共產(chǎn)黨的領(lǐng)導(dǎo)，建立早期革命根據(jù)地，展開(kāi)了反抗國(guó)民黨反動(dòng)派的武裝斗爭(zhēng)，這些地區(qū)也隨之涌現(xiàn)出早期的人民武裝領(lǐng)袖和指揮家，形成了十大將軍縣：湖北紅安、安徽金寨、江西興國(guó)、湖南平江、江西吉安、江西永新、河南新縣、湖北大悟、安徽六安、湖南瀏陽(yáng)。

通過(guò)科學(xué)的方法，調(diào)查研究出十大將軍縣的成因以及其中的相關(guān)因素，得知當(dāng)年革命發(fā)展的一些因素，了解紅色革命精神。紅色革命精神是留給當(dāng)代年輕人的寶貴精神財(cái)富，當(dāng)代大學(xué)生們應(yīng)高揚(yáng)旗幟，勇敢前行，自覺(jué)傳承紅色革命精神，礪德礪行，接過(guò)前輩的火炬，為中華民族偉大歷史復(fù)興貢獻(xiàn)出自己的一份力量。

二、研究對(duì)象及方法

本文以十大將軍縣為研究對(duì)象，建立多變量回歸模型，先綜合實(shí)踐調(diào)查分析對(duì)模型進(jìn)行基本假設(shè)與簡(jiǎn)化，然后采用多元回歸方法對(duì)各縣市將軍數(shù)占比的七大影響因素進(jìn)行分析，應(yīng)用MATLAB求解出因變量與各個(gè)自變量之間的相關(guān)系數(shù)表，使得對(duì)整體數(shù)據(jù)走向有一定把握。再利用SPSS軟件對(duì)處理后的數(shù)據(jù)進(jìn)行分析求解，得到相關(guān)系數(shù)與殘差圖，以及可決系數(shù)。最后通過(guò)殘差圖以及可決系數(shù)判斷和驗(yàn)證模型。由以上方法分析，可得到單個(gè)縣影響因素的貢獻(xiàn)度與單個(gè)因素對(duì)各個(gè)縣的影響程度，并通過(guò)對(duì)以上數(shù)據(jù)進(jìn)行分析，即可得出一系列具有現(xiàn)實(shí)指導(dǎo)意義的結(jié)論。

三、研究結(jié)果及分析

1.研究結(jié)果

2.研究分析

在得到多元線性回歸方程中，我們發(fā)現(xiàn)瀏陽(yáng)市因在發(fā)展過(guò)程中，撤縣建市，經(jīng)濟(jì)和人口發(fā)生較大變化，使得最后的線性回歸方程偏差過(guò)大，不具有參考價(jià)值，故將其舍去。利用相關(guān)系數(shù)方程提取出相關(guān)系數(shù)表。我們先分析各個(gè)縣市中7個(gè)因素的影響程度，再分析單個(gè)因素對(duì)各個(gè)縣市影響程度。

①對(duì)相關(guān)系數(shù)表進(jìn)行數(shù)據(jù)處理，把每個(gè)因素的相關(guān)系數(shù)轉(zhuǎn)化為對(duì)因變量的貢獻(xiàn)度，得到相關(guān)表格。對(duì)表格中單個(gè)縣市的各個(gè)因素的影響程度進(jìn)行對(duì)比，分析各個(gè)因素對(duì)因變量的貢獻(xiàn)度，得到各個(gè)因素對(duì)單個(gè)縣市影響程度強(qiáng)弱。

②考慮單個(gè)因素對(duì)每個(gè)縣市的影響程度。通過(guò)觀察貢獻(xiàn)度表格，并對(duì)數(shù)據(jù)分析和歸類。

③根據(jù)數(shù)據(jù)歸納出的結(jié)果，進(jìn)行詳細(xì)的分析。

單個(gè)縣市影響因素貢獻(xiàn)度分析如下：

紅安縣：人均GDP和最高海拔對(duì)其影響最大，對(duì)因變量的貢獻(xiàn)度分別為40%和42%，影響較大的還有人均耕地面積。

新縣：人均耕地面積和最高海拔對(duì)其影響最大，對(duì)因變量的貢獻(xiàn)度均為42%，影響較大的還有人均GDP。

大悟：平均人口密度對(duì)其影響最大，對(duì)因變量的貢獻(xiàn)度為49%，影響一般的還有海拔差值，人均林地面積和最高海拔。

金寨：人均GDP和人均耕地面積對(duì)其影響均比較大，對(duì)因變量的貢獻(xiàn)度分別為45%和42%，其他影響因素貢獻(xiàn)度較小。

興國(guó)：最低海拔對(duì)其影響最大， 對(duì)因變量的貢獻(xiàn)度為38%，影響較大的還有人均GDP和海拔差值，貢獻(xiàn)度在20%左右。

平江：平均人口密度，人均GDP，海拔差值和人均林地面積對(duì)因變量的貢獻(xiàn)度均在20%至30%之間。

吉安：平均人口密度和人均GDP對(duì)因變量的貢獻(xiàn)度均較大，分別為33%和30%，影響較大的還有人均林地面積。

永新：最低海拔對(duì)因變量的貢獻(xiàn)度最大，為61%，其他影響較大的還有海拔差值。此縣受地形因素影響較大。

六安：平均人口密度對(duì)因變量的貢獻(xiàn)度最大，為39%，其他影響較大的還有人均GDP和人均耕地面積。

四、研究策略

通過(guò)縱向?qū)Ρ?，并根?jù)影響貢獻(xiàn)度的大小，將七個(gè)因素分為3個(gè)梯隊(duì)，其中最低海拔對(duì)各個(gè)縣市影響程度最小，可忽略，故只對(duì)其他因素進(jìn)行分析。

第一梯隊(duì)為人均GDP。人均GDP占據(jù)了其中七個(gè)縣的影響主要因素，它體現(xiàn)出了各個(gè)縣市平均的人民生活水平，因此我們可以認(rèn)為在當(dāng)時(shí)十分艱苦的社會(huì)和生活條件下，人們更愿意參加革命，使社會(huì)財(cái)富從新分配，從而使生活條件得到改善。

第二梯隊(duì)為人均耕地面積。在當(dāng)時(shí)，社會(huì)生產(chǎn)力落后的情況下，單位面積糧食產(chǎn)量水平很低，因而人們的生存需求難以得到保證，要想獲得更多的糧食，以保證基本的生活需求，便需要找到一種方式獲得更多屬于人民自己的土地，迫使人們參與革命。

第三梯隊(duì)為平均人口密度、人均林地面積、最高海拔和海拔差值。在耕地面積有限的情況下，人口密集的縣市會(huì)導(dǎo)致更大生存壓力，更多人無(wú)法滿足基本的生活需求，并且人口基數(shù)大，產(chǎn)生革命隊(duì)伍的能力更強(qiáng)。眾所周知，革命根據(jù)地的建設(shè)和革命力量的保存是十分重要的。而建設(shè)根據(jù)地以及游擊戰(zhàn)術(shù)的實(shí)行需要有利的地形支持。在滿足了其它必要條件的前提下，有利的地形能夠?yàn)楦锩鼛?lái)更大的優(yōu)勢(shì)和較強(qiáng)的發(fā)展?jié)摿?，給愿意參加革命的人民提供了一個(gè)良好的革命條件，對(duì)革命有積極作用。

本研究方略：一是解釋了十大將軍縣產(chǎn)生的原因，對(duì)紅色文化的形成進(jìn)行了理論解釋;二是對(duì)于經(jīng)濟(jì)調(diào)查、城市建筑等形成的原因可以用數(shù)學(xué)建模的方法進(jìn)行分析，提供了研究的方法。

[參考文獻(xiàn)]

[1]代亮，許宏科，陳婷，錢超，梁殿鵬.基于MapReduce的多元線性回歸預(yù)測(cè)模型[J].計(jì)算機(jī)應(yīng)用，2014，07：1862-1866.

[2]冷建飛，高旭，朱嘉平.多元線性回歸統(tǒng)計(jì)預(yù)測(cè)模型的應(yīng)用[J].統(tǒng)計(jì)與決策，2016，07：82-85.

[3]顏節(jié)禮，唐建榮.應(yīng)用統(tǒng)計(jì)學(xué)：西安電子科技大學(xué)出版社，2016.01.