21世纪中国宏观经济数据分析一．问题研究背景宏观经济指总量经济活动，即国民经济的总体活动。
是指整个国民经济或国民经济总体及其经济活动和运行状态，如总供给与总需求；国民经济的总值及其增长速度；国民经济中的主要比例关系；物价的总水平；劳动就业的总水平与失业率；货币发行的总规模与增长速度；进出口贸易的总规模及其变动等。
宏观经济的主要目标是高水平的和快速增长的产出率、低失业率和稳定的价格水平。
二．数据来源与描述2.1数据描述本数据包括2000年到2012年的人均国内生产总值、第一产业增加值、工业增加值、第三产业增加值、全国财政收入、全社会固定资产投资、社会消费品零售总额、人口自然增长率、经济活动人口、居民消费价格指数、商品零售价格指数、城镇登记失业人数，具体数据如下表：表一年份 人均国内生产总值(元)第一产业增加值(亿元)工业增加值(亿元) 第三产业增加值(亿元) 全国财政收入(亿元) 2012年 38,459.47 52,373.63 199,670.66 231,934.48 117,253.52 2011年 35,197.79 47,486.21 188,470.15 205,205.02 103,874.43 2010年 30,015.05 40,533.60 160,722.23 173,595.98 83,101.51 2009年 25,607.53 35,226.00 135,239.95 148,038.04 68,518.30 2008年 23,707.71 33,702.00 130,260.24 131,339.99 61,330.35 2007年 20,169.46 28,627.00 110,534.88 111,351.95 51,321.78 2006年 16,499.70 24,040.00 91,310.94 88,554.88 38,760.20 2005年 14,185.36 22,420.00 77,230.78 74,919.28 31,649.29 2004年 12,335.58 21,412.73 65,210.03 64,561.29 26,396.47 2003年 10,541.97 17,381.72 54,945.53 56,004.73 21,715.25 2002年 9,398.05 16,537.02 47,431.31 49,898.90 18,903.64 2001年 8,621.71 15,781.27 43,580.62 44,361.61 16,386.04 2000年7,857.68 14,944.7240,033.5938,713.95 13,395.23续表一：全社会固定资产投资(亿元) 社会消费品零售总额(亿元) 人口自然增长率(‰)经济活动人口(万人) 居民消费价格指数 商品零售价格指数 城镇登记失业人数(万人)374,694.74 210,307.00 4.95 78,894.00 102.6 102 917 311,485.13 183,918.60 4.79 78,579.00 105.4 104.9 922251,683.77 156,998.40 4.79 78,388.00 103.3 103.1 908224,598.77 132,678.40 4.87 77,510.00 99.3 98.8 921172,828.40 114,830.10 5.08 77,046.00 105.9 105.9 886137,323.94 93,571.60 5.17 76,531.00 104.8 103.8 830109,998.16 79,145.20 5.28 76,315.00 101.5 101 84788,773.61 68,352.60 5.89 76,120.00 101.8 100.8 83970,477.43 59,501.00 5.87 75,290.00 103.9 102.8 82755,566.61 52,516.30 6.01 74,911.00 101.2 99.9 80043,499.90 48,135.90 6.45 74,492.00 99.2 98.7 77037,213.50 43,055.40 6.95 73,884.00 100.7 99.2 68132,917.70 39,105.70 7.58 73,992.00 100.4 98.5 595三．分析方法及原理3.1因子分析在整个数据中，可能包含许多相关的数据，我们将复杂的数据简化并且减少数据维度。
将原有变量综合为少数几个因子后，因子将代替原有变量参与数据建模，这将有效克服分析过程中由于变量太多而带来的缺陷。
3.2线性回归分析用因子分析求得的因子同人均国内生产总值进行分析，寻找变量间的关系，得出一个计算人均国内生产总值的线性模型。
3.3曲线估计分析在线性回归分析得到的模型监测不太好的情况下，我们可以进一步进行曲线估计分析，使得到的模型更准确四．实际操作与结果分析4.1因子分析在数据编辑窗口的主菜单中选择“分析(A)”→“降维”→“因子分析(F) 打开如下对话框，将左侧框中的所有变量选入右侧框中，如图所示，单击“描述(D)，抽取（E），旋转（T），得分（S）”按钮进行一一设置，其他为默认值：在“描述”对话框中选择所需要分析的统计量，相关矩阵在“抽取”对话框中选择抽取方法主成分，输出未旋转的因子解，抽取的特征值大于1：在“旋转”对话框中选择最大方差法，输出旋转解和载荷图，最大收敛性迭代次数为25：在“得分”对话框中选择保存为变量，显示因子得分系数矩阵：设置好后，点击“确定”按钮，结果如下：相关矩阵表分析：我们发现11个变量中许多变量之间存在高相关度，故进行因子（主成分）分析有很大的意义。
公因子方差表分析：11个变量提取值都大于0.7，说明这11个变量的因子共同度比较高，均很好地被两个因子解释。
解释的总方差表分析：提取的前2个特征值大于1的因子，总贡献率达到94.707%，说明这2个因子提供了原变量足够多信息。
因子载荷比较分散，不利于解释。
旋转成分矩阵表分析：经过旋转，系数比较集中，F1因子主要与第一产业增加值、工业增加值、第三产业增加值、全国财政收入、全社会固定资产投资、社会消费品零售总额、经济活动人口有关，可以概括为经济因子；F2因子主要与居成分得分系数矩阵表分析：两个旋转以后的因子得分被11个原变量标准化后的值线性表示的系数。
在数据编辑窗口的主菜单中选择“分析(A)”→“描述统计”→“描述(D)“选择将标准化得分另存为变量，可以得到如下表所示标准化的结果：F1=0.140*x1’+0.132*x2’+0.151*x3’+0.149*x4’+0.167*x5’+0.159*x6’-0.065*x7’+0.126*x8’-0.189*x9’-0.158*x10’+0.083*x11’F2=-0.047*x1’-0.027*x2’-0.071*x3’-0.068*x4’-0.111*x5’-0.092*x6’-0.095*x7’-0.016*x8’+0.570*x9’+0.528*x10’+0.049*x11’综合评价：添加一个计算变量，计算综合得分：综合排名:年份因子1 排名因子2 排名综合f 排名2012年 1.98687 1 -0.52646 9 1.34 12011年 1.18706 2 1.01747 3 1.14 22010年0.9822 4 0.30721 5 0.81 32009年 1.18568 3 -1.47518 13 0.51 42008年-0.13264 5 1.81731 1 0.37 52007年-0.30298 7 1.19364 2 0.08 62006年-0.13961 6 -0.12478 7 -0.14 72005年-0.39408 8 -0.07759 6 -0.31 82004年-0.90809 11 0.95502 4 -0.43 92003年-0.70617 10 -0.31664 8 -0.61 102002年-0.63189 9 -1.10586 12 -0.75 112001年-1.01219 12 -0.67698 10 -0.93 122000年-1.11418 13 -0.98717 11 -1.08 13通过排名可以看出，21世纪以来我国经济总体情况是逐年增加的，处于不断发展的情况，单看因子1经济因子我们发现2010年，2003年，2004年与上年相比是处于下滑趋势的，2010年世界经济从急跌到企业稳步回升，处在一个复苏阶段，全球贸易跌幅收窄，保护主义加剧，我国深受其害，2003年伊拉克战争，SARS疫情对经济都有影响，2004年出口退税机制改革，贸易保护主义对我国出口增长的威胁进一步增大，WTO过渡期都有影响。
再看因子2价格指数因子，2008年最高，08年被国人称为奥运年，北京奥运会的举办，大大提高了居民消费的欲望，导致价格指数提升明显，到09年回落，大起大落，居民消费欲望跌倒最低。
4.2线性回归分析在数据编辑窗口的主菜单中选择“分析(A)”→“回归（R）”→“线性(L) 打开如下对话框，将左侧框中通过因子分析得到的两个因子得分选中到右框自变量，人均国内生产总值选入到因变量，如图所示，其他为默认值。
点击“确定”按钮，得到如下结果：在方差分析表中，显著性sig检验值<0.05，所以拒绝原假设，人均国内生产总值(元)与两个因子存在线性关系，能被线性表出由此可知：Y1=9901.970*X1+2955.56*X2+19430.543 具有显著意义。
4.3曲线估计分析在数据编辑窗口的主菜单中选择“分析(A)”→“回归（R）”→“曲线估计(C)打开如下对话框，将左侧框中f因子分析新得的综合值选中到右框自变量，人均国内生产总值选入到因变量，选择线性与二次项模型，如图所示，其他为默认值。
点击“确定”按钮，得到如下结果：两种模型在方差分析表中，显著性sig检验值都<0.05，说明两个变量相关性很高，通过两个系数表我们能够得到f与人均国内生产总值的两个关系式：线性：Y2=13117.564*f+19430.543二次项：Y3=1961.549*f^2+12639.424*f+18308.7175.结论我们得到了三个模型，我们挑选出2011年，2007年，2002年,2000年四组数据代入到三个到模型中检验:2011年数据，本年度人均国内生产总值为35,197.79元：Y1=9901.970*1.18706+2955.56*1.01747+19430.543=34191.9691Y2=13117.564*1.14+19430.543=34384.5659Y3=1961.549*1.14^2+12639.424*1.14+18308.717=35266.88942007年数据，本年度人均国内生产总值为20,169.46元：Y1=-9901.970*0.30298+2955.56*1.19364+19430.543=19958.3187Y2=13117.564*0.08+19430.543=20479.9481Y3=1961.549*0.08^2+12639.424*0.08+18308.717=19332.42482002年数据本年度人均国内生产总值为9,398.05元：Y1=-9901.970*0.63189-2955.56*1.10586+19430.543=9905.15159Y2=13117.564*（-0.75）+19430.543=9592.37Y3=1961.549*（-0.75）^2+12639.424*（-0.75）+18308.717=9932.520312000年数据本年度人均国内生产总值为7,857.68元：Y1=-9901.970*1.11418-2955.56*0.98717+19430.543=5480.3259Y2=13117.564*（-1.08）+19430.543=5263.57388Y3=1961.549*（-1.08）^2+12639.424*（-1.08）+18308.717=6946.08983我们可以发现模型三在数据两端的预测准确率高于其他两种模型，而模型二在中间数据预测准确率高于其他两种模型，模型一预测误差在三个模型中处于中间偏大水平，模型不太好。