运用SAS分析职工人数和固定资产对产量的影响.docVIP

运用SAS分析职工人数和固定资产对产量的影响 摘 要:本文通过SAS系统中的相关分析，回归分析方法对职工人数和固定资产对产量的影响进行分析，进一步分析选择劳动力密集矽钢内产业还是资本密集型产业。 关键词：相关分析 回归分析 产量 职工人数 固定资产 劳动力密集型产业 资本密集型产业 一 数据采集及变量解释 1数据采集 通过在中国统计局网站，我收集了1981年到1994年连续14年的产量，职工人数，固定资产数据，利用SAS统计软件将其转化为一个统计分析数据集。如表1 表1 2相关变量解释 Y—产量 L—职工人数（单位：人） K—固定资产（单位：元） 二 相关分析 绘制散点图，考察Y，L ，K之间的关系 进入SAS/INSIGHT环境，同时打开数据集ZUOYE.SD选择菜单analyze—scatter plot(y,x),在弹出的窗口中选中变量Y作为散点图中的变量y，选中L和K作为散点图中变量x，单击按钮ok确定。生成的散点图如图1所示。从图中可以看到，这些观测点随着L和K的增加，Y也相应增加，存在明显的正相关关系。 图1 2．计算相关系数 散点图已直观的表明了变量间的关系，为了考察变量间相关的密切程度，在SAS/INSIGHT环境下，选择菜单 analyze—multivariate(y′s),在变量框中选中变量，生成相关系数矩阵，如表2。可以看出变量Y和L的相关系数R=0.9704，Y和K的相关系数R=0.9940，L和K的相关系数R=0.9520；均为正值，表明变量之间呈正相关，同时由于相关系数均接近1，说明变量两两之间存在密切的关系，其中Y和K之间的相关程度最高。 表2 三 回归分析 1 回归模型 从上述的相关分析可知，Y和K，Y和L，K和L之间都有教强的相关关系，要进一步考察其数量，建立其多元回归模型为Y= b0 + b1L + b2K + 选择菜单analyze fit(x,y),在弹出的窗口中选择变量Y作为y变量,选择L,K作为x的变量,单击ok确定。SAS系统自动生成拟合的线性回归方程如下 从表中可知参数，b0 = --3498.85 , b1 =1.5405, b2 =0.7870。 表明在其他因素不变时，职工人数每增加1%，产量增加154.04%，固定资产每增加1%，产量增加78.70%。 2显著性检验 拟合优度检验 依上述1的步骤系统将自动生成拟合回归直线的汇总说明，如表3所示。从表中可以看出统计量决定系数（R-square）为0.9943，校正的R2（Adj R-Sq）为0.9933。说明产量的变异有99.43%可以归因与职工人数和固定资产的相互关系来解释，有0.57%是未能解释的。R2接近与1，说明其拟合的优度较高 表3 2）回归方程的显著性检验 依上述1的步骤系统将自动生成方差分析表，如表4所示。从表中可知，F统计量的值为959.7310，与其相应的P-值=0.00010.05，应该拒绝原假设，即认为总体回归函数中产量，职工人数，固定资产之间有回归关系存在，即说明自变量在整体上对因变量有高度显著的影响。 表4 3）回归系数的显著性检验 依上述步骤1系统将自动生成参数估计表，如表5所示。从表中可看到，3个参数的T统计量分别为-2.4630，3.4657，10.0701。与T统计量相应的P-值分别为0.0315，0.0053，0.0001。表明原假设（参数为零）成立的概率均小于0.05，应拒绝原假设，即参数非零，职工人数和固定资产对产量的影响是显著的。 表5 3回归诊断 是否符合模型的基本假设 在回归模型的基本假设中，假定随机误差项具有相同的方差，而在经济问题分析中有可能违反这种假设。在进行回归分析时（依上述步骤1）会自动生成残差—预测值的散点图（如图2）从图中可以看出残差有大体相同的散布，这表明等方差的假设没有问题。 为了验证残差为正态分布的假设，可在下拉菜单graphs---residual normal QQ显示模型拟合后残差的QQ图和参考线（如图3）。残差的QQ图表明，数据点散步在参考线附近，近似在一条直线上，可以认为残差的分布与正态分布差异不大。 图2 图3 共线性问题 由于经济变量往往随时间存在共同的变化趋势，就使得它们之间容易出现共线性，即自变量之间有着严重的线形关系。具体可计算Y, L ,K 之间的可决系数R2，以及方差膨胀因子（var inflation）来判定。进入SAS/INSIGHT环境下，打开数据集