运用SPSS分析影响经济发展因素

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。

二、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，P<0.0001，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，因此可以得出全体居民消费水平、政府购买、工业生产总值和商品零售价格指数对GDP的解释能力非常显著。

表10

表10 给出了线性回归模型的回归系数、标准化的回归系数以及相应的一些统计量，从该表中我们可以看到全体居民消费水平，政府购买，工业总产值的t 值都比较大，相应的Sig值都比较小，但是商品零售价格指数的Sig值为0.431，大于显著性水平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的问题，对其修正得出如下结果：

表11

表12

表13

从表11中我们可以看到，对于修正后的回归模型，其调整后的判定系数R 方为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1.954，说明该回归模型不存在自相关性。从表12、13中可以看到，回归部分的F值为1.097E5，相应的P值为0.000，小于显著性水平0.05则拒绝原假设，说明全体居民消费水平、政府购买及工业总产值对GDP影响显著，这正好验证了宏观经济理论中GDP的组成包括消费、投资、政府购买。

三、实验结论

在本次试验中，通过对1991-2012年各经济指标数据分析可以得出以下结论：近些年我国经济发展迅速，GDP呈现逐年递增的趋势，而且各项经济指标的数值也都逐年增加，这正验证了全体居民消费水平、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、能源消费总量等指标对GDP的增长有着相应的影响。而在众多对GDP有影响的经济指标中，通过因子分析提取出了几个影响较为显著的指标，其中全体居民消费水平、政府购买和工业总产值为第一类主因子，商品零售价格指数为第二类主因子。然后通过对GDP、全体居民消费水平、政府购买、工业总产值和商品零售价格指数做多元线性回归分析并修正后得出线性回归模型：

Y=805.942+6.265X1+1.021X2+1.505X3

其中Y代表GDP，X1代表全体居民消费水平，X2代表政府购买，X3代表工业总产值。

附页：