运用SPSS分析影响经济发展因素..docVIP

统计分析结课论文 实验名称：运用SPSS分析影响经济发展因素 姓名：周明明 学号：142120201370 班级：研1417 指导老师：宋荣兴 时间：2014年12月 摘要：经济发展是整个人类社会追求的目标之一。在宏观经济理论中我们学到，影响经济发展的因素主要有消费、投资、政府购买和净出口。通常情况下，我们用国内生产总值（GDP）来描述一国的经济发展水平。本文通过我国1991-2012年的国内生产总值和影响国内生产总值的一些重要经济指标，如居民消费水平、政府购买、居民消费价格指数、商品零售价格指数、城镇居民收入、农村居民收入、工业总产值、能源消费总量等指标，运用SPSS软件提供的描述性分析、因子分析及回归分析对这些数据进行深入分析，确定影响经济发展的重要因素。 关键字：经济发展 描述 因子分析 回归分析 一、分析目的、思路及数据选取 本次实验的目的是通过研究我国近22年经济发展的基本情况，分析在众多影响经济发展的经济指标中，哪些指标是主要因素，以及各经济指标在经济发展中的影响程度。本实验的分析思路如下，首先利用描述性统计分析对各个指标进行基础性描述，以便对各指标的数据特征有一个概括的认识，然后利用因子分析找出可以明显描述经济发展的经济指标，找出影响经济发展较为明显的因素，分析经影响济发展的决定因素，最后用回归分析法确定这些因素对经济发展的影响方向和强弱。本实验利用的所有经济数据均来源于中国统计年鉴。 实验结果分析 1、描述性分析 表1 从表1可知，我国国内生产总值的平均值为175351.468亿元，最大值为518942.1亿元，最小值为21781.5亿元，标准差为2.189E10，方差为147948.1656，可见我国的经济发展呈直线上升的趋势，且发展迅速。而城镇居民人均收入与农村居民人居收入差距较大，其中城镇居民的人均收入均值为9480.750元，约是农村居民人均收入均值的三倍。由此说明从1991年以来我国的经济发展迅速，但同时伴随的城乡居民差距也不断扩大，社会的不均等程度加剧。 2、经济指标的因子分析 表2 表3 表2给出了各变量指标的相关系数矩阵，紧接着，表3给出了KMO与Bartlett的检验结果，其中Bartlett值为772.280，P0.0001，则拒绝原假设，即相关矩阵不是一个单位矩阵，故考虑进行因子分析；KMO是用于比较观测相关系数值与偏相关系数值的一个指标，其值越接近1 ，表明对这些变量因子进行因子分析的效果越好，在本实验中，KMO值为0.655，比较接近1，表示比较适合做因子分析。 表4 表4给出了各经济指标的变量共同度，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,，变量的共同度从0~1，，共同度越大，即一个因子所解释的变量的方差越大，说明因子包含原有的变量信息的量越多，从该表可以看出因子所解释的变量的方差都非常的大，都达到了0.9以上，所以变量中的大部分信息均能被因子所体现，即因子分析的结果是有效的。 表5 表5给出了因子贡献率的结果，该表的左侧部分为初始特征值，中间为旋转前的主因子结果，右侧为旋转后的主因子结果。Total指因子的特征值，% of Variance表示该因子的特征值占总特征值的百分比。从表中可以看出，只有前两个因子的特征值大于1，并且前两个特征值之和占总特征值的99.268%，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。 表6 表6 为各经济指标的碎石图，具有较强解释能力的因子在图中表现为较大的斜率，从该图中可以看出前两个因子都出于非常陡峭的地方，从第三个开始变的平缓，因此选择前两个因子作为主因子。 表7 表7给出了经正交旋转后的因子载荷矩阵，其中旋转方法是Kaiser标准化的正交旋转法，经过3次迭代后收敛。通过因子旋转，各个因子有了比较明确的含义，第一个因子代替了国内生产总值、全体居民消费水平、政府购买、城镇居民人均收入、农村居民人均收入、工业总产值、能源消费总量的作用，其中国内生产总值、全体居民消费水平、政府购买、工业总产值的系数较大；第二个因子代替了居民消费价格指数、商品零售价格指数的作用，其中商品价格指数的系数比较大，因此将商品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 表8 表8给出了模型的拟合情况，从该表中可以得到复相关系数R，判定系数R方，调整后的判定系数R方，标准估计的误差以及D-W统计量。本实验中调整后的判定系数R方是1.000，说明该回归模型的拟合程度非常好，D-W统计量的值为1.993，说明该回归模型不存在自相关性。 表9 表9给出了模型的方差分析结果。由该表我们可以看到回归部分的F值为37976.695，P值为0.000，小于显著水平0.05，因此可以得