搜索
SPSS应用期末课程论文实验名称：SPSS在经济管理学科中的应用姓名：张丽霞学号：102092216班级：10统计二班指导教师：王志刚时间：二○一二年六月-1-SPSS经济管理学科中的应用摘要：经济发展，是整个人类社会追求的目标之一。在宏观经济理论中，经济的发展主要受到消费，投资，政府购买的影响。在经济理论中，我们通常用GDP来描述经济的发展，同时GDP也会受到价格水平的影响。衡量价格水平，我们一般用居民消费价格指数，商品零售价格指数来描述；投资一般用固定资产投资和工业总产值来衡量。本文通过我国近20年的国内生产总值和影响国内生产总值的一些重要指标，如居民消费水平，财政支出，工业总产值，商品零售价格指数，居民消费价格指数，城镇居民收入，农村居民收入，能源消费总量等数据，利用SPSS软件提供的描述性分析，因子分析，回归分析等方法对数据进行了深入的分析，并就分析结果所反映的问题给出了一些针对性的建议。关键词：经济发展；描述；因子分析；回归分析引言：中国作为世界上的发展中国家，其经济实力及综合国力水平在近几十年的时间里都得到了长足的发展。经济实力的不断攀升，以及经济增长速度的持续加速，令中国经济已成为世界各国所关注的焦点。我国经济持续高速增长带来了社会财富的迅速增加，目前人均国内生产总值（GDP）迈过3000美元大关，已步入中等收入国家的行列。那么影响GDP快速增长的原因有哪些？我国经济的迅速发展中是否还存在一些问题呢？是我们需要进一步探讨和研究的。随着我国改革开放的实践和经济理论的发展，实证方法和数据分析成为了经济研究中的重要方面。大量经验证据的分析和运用对于经济理论的发展和决策的支持都具有重要的意义。而经济实证研究离不开现代统计分析方法的运用，SPSS作为统计分析工具，理论严谨、内容丰富，具有数据管理、统计分析、趋势研究、制表绘图、文字处理等功能。为经济管理研究提供了有力的工具。而因子分析，回归分析等方法是经济管理研究中常用的分析方法。一、分析目的，分析思路及数据选取本次实验的目的是研究我国近20年经济发展的基本情况，分析在众多影响经济发展的指标中哪些指标处是主要因素，在经济迅速发展的过程中还存在哪些问题，为以后经济发展战略提供依据。本实验的分析思路如下，首先利用描述性分析对我经济发展的各个主要指标进行基础性描述，以便对整体经济发展状况形成直观印象，然后利用因子分析提取对经济发展较为明显的因素，分析经济发展的决定因素，最后用回归分析方法确定这些因素对经济发展的影响方向和强弱。本实验利用经济主要指标数据分析经济发展影响因素，观测了国内生产总值，全体居民消费水平，财政支出，居民消费价格指数，商品零售价格指数，城镇居民人均收入，农村居民人均收入，工业总产值，能源消费总量，所有数据均来源于中国统计年鉴2011，本实验的原始数据见附表。二、实验结果分析-2-1.描述性分析描述统计量N极小值极大值均值标准差方差GDP（亿元）2118667.80401202.00137335.39051.11133E51.235E10居民消费水平（元）21833.009968.004211.14292690.633547239508.829政府购买（亿元）213083.5989874.1625309.913825217.537696.359E8居民消费价格指数（%）2198.60124.10104.74766.5195642.505商品零售价格指数（%）2197.00121.70103.51906.2212238.704城镇居民人均收入（元）211510.2019109.407795.79525186.293462.690E7农村居民人均收入（元）21686.305919.002559.84761476.613832180388.389工业总产值（亿元）216858.00160867.0055844.881045278.674892.050E9能源消费总量（万吨)2198703.00324939.00180011.761973190.443405.357E9有效的N（列表状态）21图1经济发展的描述分析结果由图1可知，我国国内生产总值的平均值为137335.3905亿元，最大值为401202.00亿元，最小值为18667.80亿元，他们之间的全距为382534.2亿元，标准差为1.11133E5，方差为1.235E10，可见我国的经济发展呈直线上升趋势，且发展迅速。而城镇居民人均收入与农村居民的人均收入有很大的差距，城镇居民人均收入均值大概是农村居民的人均收入均值的3倍多，这就说明虽然我国总体经济增长较快，但是城乡居民收入差距不断扩大，不均等程度加剧。2.经济指标的因子分析KMO和Bartlett的检验取样足够度的Kaiser-Meyer-Olkin度量。.738Bartlett的球形度检验近似卡方697.923df36Sig..000图2经济指标的KMO和Bartlett的检验结果图2给出了KMO和Bartlett的检验结果，其中KMO值越接近1越适合做因子分析，从该表可以得到KMO值为0.738，比较接近1，表示比较适合做因子分子；Sig值为0.000小于显著水平0.05，因此拒绝原假设表示变量之间存在相关关系，适合做因子分析。公因子方差初始提取-3-GDP（亿元）1.000.998居民消费水平（元）1.000.995政府购买（亿元）1.000.977居民消费价格指数（%）1.000.998商品零售价格指数（%）1.000.999城镇居民人均收入（元）1.000.997城镇居民人均收入（元）1.000.989工业总产值（亿元）1.000.998能源消费总量（万吨)1.000.978提取方法：主成份分析。图3经济指标的变量共同度图3给出了每个变量共同度的结果。该表左侧表示每个变量可以被所有因素能解释的方差，右侧表示变量的共同度。从该表可以看出因子分析的变量共同度都非常高，都达到了0.9以上。表明变量中的大部分信息均能够被因子所提前，说明因子分析的结果是有效的。解释的总方差成份初始特征值提取平方和载入旋转平方和载入合计方差的%累积%合计方差的%累积%合计方差的%累积%17.15179.45979.4597.15179.45979.4596.82175.78975.78921.77819.75099.2091.77819.75099.2092.10823.42099.2093.036.40499.6134.029.32599.9375.003.03499.9726.002.02199.9927.001.00699.9988.000.002100.00093.043E-5.000100.000提取方法：主成份分析。图4经济指标的因子贡献率图4给出了因子贡献率的结果。该表中左侧部分为初始特征值，中间为提前主因子结果，右侧为旋转后的主因子结果。“合计”指因子的特征值，“方差的%”表示该因子的特征值占总特征值的百分比。可以看到只有前两个因子的特征值大-4-于1，并且前两个因子的特征值之和占总特征值的99.209%，因此提取前两个因子作为主因子足以描述经济的发展水平。图5经济指标的碎石图图5给出了特征值的碎石图，具有较强解释能力的因子在图中表现为较大的斜率，从该图可以看出前两个因子都处于非常陡峭的斜率上，从第三个开始变平缓，因此选择前两个因子作为主因子。旋转成份矩阵a成份12GDP（亿元）.990-.130居民消费水平（元）.981-.182政府购买（亿元）.981-.124居民消费价格指数（%）-.174.984商品零售价格指数（%）-.117.993城镇居民人均收入（元）.986-.160城镇居民人均收入（元）.975-.193-5-工业总产值（亿元）.991-.125能源消费总量（万吨).983-.107提取方法:主成分分析法。旋转法:具有Kaiser标准化的正交旋转法。a.旋转在3次迭代后收敛。图6经济指标的旋转后因子载荷值图6给出了旋转后的因子载荷值，其中旋转方法是Kaiser标准化的正交旋转法。通过因子旋转，各个引子有了比较明确的含义。第一个因子中，GDP,居民消费水平，政府购买，工业总产值的系数比较大。第二个因子中，居民消费价格指数，商品零售价格指数的系数比较大，因此将商品零售价格指数作为对第二个因子的解释。3.经济指标的回归分析模型汇总b模型RR方调整R方标准估计的误差Durbin-Watson11.000a1.0001.0001275.105601.512a.预测变量:(常量),商品零售价格指数（%）,政府购买（亿元）,居民消费水平（元）,工业总产值（亿元）。b.因变量:国内生产总值（亿元）图7经济指标回归模型的评价统计量图7给出了评价模型的检验统计量。从该图可以得到R，R方，调整的R方，标准估计的误差以及D-W统计量。本实验中回归模型调整的R方是1.000，说明该回归模型的拟合程度非常好，并且D-W统计量为1.512，说明模型残差不存在自相关。Anovab模型平方和df均方FSig.1回归2.470E1146.175E1037976.695.000a残差2.601E7161625894.287总计2.470E1120a.预测变量:(常量),商品零售价格指数（%）,政府购买（亿元）,居民消费水平（元）,工业总产值（亿元）。b.因变量:国内生产总值（亿元）图8经济指标的方差分析表图8给出了方差分析的结果。由该图可以得到回归部分的F值为37976.695，相应的P值是0.000，小于显著水平0.05，因此可以判断居民消费水平，政府购买，-6-工业生产总值和商品零售价格指数对GDP解释能力非常显著。系数a模型非标准化系数标准系数tSig.B标准误差试用版1(常量)-5449.2126538.325-.833.417工业总产值（亿元）1.473.097.60015.143.000居民消费水平（元）6.3171.166.1535.416.000政府购买（亿元）1.105.085.25112.954.000商品零售价格指数（%）57.48556.733.0031.013.326a.因变量:国内生产总值（亿元）图9回归系数图9给出了线性回归模型的回归系数及相应的一些统计量。从该表可以得到线性回归模型中的工业总产值，居民消费水平，政府购买和商品零售价格指数的T值都比较高，但是只有商品零售价格指数的Sig值为0.326，大于显著水平0.05，而前面得出的R方又很大，说明模型可能存在多重共线性，并对其修正后得如下结果：模型汇总b模型RR方调整R方标准估计的误差Durbin-Watson11.000a1.0001.0001276.105541.448a.预测变量:(常量),政府购买（亿元）,居民消费水平（元）,工业总产值（亿元）。b.因变量:国内生产总值（亿元）图10修正后的经济指标回归模型的评价统计量Anovab模型平方和df均方FSig.1回归2.470E1138.233E1050555.928.000a残差2.768E7171628445.348总计2.470E1120a.预测变量:(常量),政府购买（亿元）,居民消费水平（元）,工业总产值（亿元）。b.因变量:国内生产总值（亿元）图11修正后的经济指标的方差分析表系数a模型非标准化系数标准系数tSig.B标准误差试用版-7-1(常量)1104.975953.8331.158.263居民消费水平（元）5.661.971.1375.829.000工业总产值（亿元）1.520.086.61917.776.000政府购买（亿元）1.086.083.24613.034.000a.因变量:国内生产总值（亿元）图12修正后的回归系数从图10，图11，图12可以看出修正回归模型调整的R方是1.000，说明该回归模型的拟合程度非常好，并且D-W统计量为1.448，说明模型残差不存在自相关。回归部分的F值为37976.695，相应的P值是0.000，小于显著水平0.05，因此可以判断居民消费水平，工业生产总值和政府购买