<<SPSS统计分析软件>> 课程设计报告SPSS在经济中的应用分析摘要经济发展,就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与工业总产值来衡量。
本文通过我国近20年的国内生产总值与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软件提供的对各个影响因素的描述性统计分析,各个影响因素之间的相关性分析,回归分析,因子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】经济发展描述统计相关性分析回归分析因子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就是否还存在一些问题呢？就是我们需要进一步探讨与研究的。
随着我国改革开放的实践与经济理论的发展,实证方法与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与运用对于经济理论的发展与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,回归分析等方法就是经济管理研究中常用的分析方法。
一、分析目的与思路本次实验的目的就是研究我国近20年经济发展的基本情况,主要分析在众多影响经济发展的指标中哪些指标处就是主要因素,同时如果就是控制某些指标,观测其她指标对经济的影响,这样就可以更好的通过控制一些影响因素来促进我国的经济发展,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,首先利用描述性统计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,然后利用相关性分析,分析不同的指标之间就是否存在相关性,同时可以分析前后十年的指标描述性统计量,来分析其间主要影响经济发展的主要因素,再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与强弱。
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2015,本实验的原始数据见附表。
二、数据的选取经济发展的指标有地区生产总值,工业增加值,固定资产投资,地方财政一般预算收入,地方财政一般预算支出,对外贸易(海关进出口总额),社会消费品零售总额,消费物价指数(CPI),城镇居民人均可支配收入,农牧民人均现金收入,外商直接投资(FDI),外汇储备,货币存量或流通量等等,本文选取了一些主要的指标:国内生产总值(GDP),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。
三、问题的提出问题一:国内生产总值(GDP),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。
各个指标近20年的描述性统计量(均值,标准差,方差等)问题二:国内生产总值(GDP)与全体居民消费水平之间就是否存在着必然关系,国内生产总值越高全体居民消费水平就越高不问题三:国内生产总值与全体居民消费水平,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,能源消费总量之间有没有函数关系四、问题的分析及处理问题一分析:虽然已经知道了我国近20年的经济主要指标的数据,但就是依然需要知道各个指标在这20年的具体情况,比如说,各个指标的标准差,方差,均值。
通过这些处理可以很明显的瞧出国家经济发展就是否稳定。
处理:利用SPSS软件对数据进行描述性统计分析描述性统计分析步骤:在菜单栏中依次选择分析→描述统计→描述,依次选择变量国内生产总值(GDP),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。
结果(见下表1)结果分析:根据描述性统计分析,由图1可知,我国国内生产总值的平均值为216712、19亿元,标准差为1、63773E5,方差为2、68217E10,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就是农村居民的人均收入均值的4倍多,这就说明虽然我国总体经济增长较快,但就是城乡居民收入差距不断扩大,不均等程度加剧,要经济更好的发展,可以通过减小城乡居民收入差距。
问题二国内生产总值(GDP)与全体居民消费水平之间就是否存在着必然关系,国内生产总值越高全体居民消费水平就越高不？分析:在假设其她指标没有影响的条件下,全体居民消费水平的高低就是否与国内生产总值(GDP)的高低有关问题处理:先对两个变量进行正态性分析,如果服从正态性,则进行相关性分析实验操作步骤:正态性检验:分析→描述统计→探索→因变量列表(全体居民消费水平与国内生产总值)(结果见表2)相关性检验:分析→相关→双变量→变量(全体居民消费水平与国内生产总值)(结果见表3)两变量的散点图:图形→旧对话框→散点图/点图→简单散点图→X轴国内生产总值Y轴全体居民消费水平。
结果:结果分析:由柯尔莫戈洛夫-斯米诺夫检验的结果可知P值>0、05,服从正态性。
结果分析:有相关性分析可知,显著性为0、000<0、05,拒绝原假设,说明国内生产总值与全体居民消费水平相关,接下来分析其就是否就是线性相关就是否具有线性相关分析:散点图:图形→旧对话框→散点图/点图→简单散点图→X轴国内生产总值Y轴全体居民消费水平 (结果见图1)结果分析:由国内生产总值(GDP)与全体居民消费水平的散点图可知,国内生产总值(GDP)与全体居民消费水平具有很强的线性相关性线性回归分析:分析→回归→线性→自变量:国内生产总值(GDP) 因变量:全体居民消费水平结果输出:(见表4,5,6)结果分析:由线性回归分析可知检验优度为0、993,相关度为0、997,所有具有很强的线性相关性,线性回归方程(1)为全体居民消费水平=0、025*国内生产总值(GDP)+960、584、、、、、、、、、、、、(1)问题三国内生产总值与全体居民消费水平,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,能源消费总量之间有没有函数关系处理方法:因子分析,回归分析因子分析实验步骤:①在菜单栏中依次选择分析—降维—因子分析,依次选择变量国内生产总值,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,能源消费总量进入变量列表中;②单击描述按钮,选择原始分析结果复选框与KMO与Bartlett球形度检验复选框,单击继续保存设置返回;③单击提取按钮,选中碎石图复选框,单击继续保存设置返回;④单击旋转按钮,选择最大方差法复选框,其余都为默认选项,⑤单击得分按钮,选择保存为变量与显示因子得分系数复选框,单击继续保存设置返回,单击确定。
结果输出:由表7得,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、59,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。
由表8可知,经济指标的变量共同度分析,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。
从该表可以瞧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就是有效的。
表9 经济指标的因子贡献率。
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。
可以瞧到只有前两个因子的特征值大于1,并且前两个因子的特征值之与占总特征值的99、182%,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2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,从该图可以瞧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。
表10给出了旋转后的因子载荷值,其中旋转方法就是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,财政支出,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。
回归分析实验步骤:1)在菜单栏中依次选择分析—回归—线性回归,将国内生产总值变量选入因变量,将工业生产总值,居民消费水平,财政支出选入自变量列表;2)选择估计、模型拟合度与Durbin-Watson复选框,其余为默认选项, 单击选项按钮,选中在等式中包含常量,单击继续保存设置返回,单击确定结果输出从表11可以得到R,R方,调整后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方就是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、683,说明模型残差不存在自相关。
从表12中,P值就是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,工业生产总值与商品零售价格指数对GDP解释能力非常显著。
表13, 给出了线性回归模型的回归系数及相应的一些统计量。
从该表可以瞧到除了常量P值>0、05,其她都就是<0、05,拒绝原假设,则线性回归方程(2)为国内生产总值=1、241*财政支出+1、433*工业总产值+5、24*全体居民消费水平 +4151、605………………………………、(2)五、实验的评价与改进该实验就是使用SPSS的相关知识对近20年我国经济的分析,通过选取一些主要的经济指标进行分析。