运用SPSS分析影响经济发展因素

运用SPSS分析影响经济发展因素

ID:38809753

大小:225.50 KB

页数:9页

时间:2019-06-19

运用SPSS分析影响经济发展因素_第1页
运用SPSS分析影响经济发展因素_第2页
运用SPSS分析影响经济发展因素_第3页
运用SPSS分析影响经济发展因素_第4页
运用SPSS分析影响经济发展因素_第5页
资源描述:

《运用SPSS分析影响经济发展因素》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、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

2、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

3、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。

4、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

5、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,%ofVariance表示该因子的特征值

6、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

7、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

8、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

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。