【我國GDP增長的相關(guān)探析和回歸探析5000字（論文）】

我國GDP增長的相關(guān)分析和回歸分析目錄TOC\o"1-2"\h\u6620我國GDP增長的相關(guān)分析和回歸分析 1216431引言 1170142對我國GDP的相關(guān)分析和回歸分析 2110682.1數(shù)據(jù)收集 2297032.2數(shù)據(jù)處理 3672.3分析步驟 461172.4結(jié)果分析 429261、方差分析表 5294903全國各省市GDP聚類分析 6245083.1數(shù)據(jù)收集 6117243.2數(shù)據(jù)處理 8192033.3分析步驟 8219791、統(tǒng)計(jì)量描述 8255472、系統(tǒng)聚類法 8278403、快速聚類法 8161373.4結(jié)果分析 812389DescriptiveStatistics 8216592、結(jié)果總結(jié) 9113383.4.3快速聚類法 1042761、下表表示的是初始聚類中心，也就是種子點(diǎn) 1014277InitialClusterCenters 10167923.4.4結(jié)論 11295014討論和建議 12195504.1人口過剩之制約國民經(jīng)濟(jì)發(fā)展的關(guān)鍵因素之一 1293414.2各地經(jīng)濟(jì)發(fā)展不夠平衡 12103803、加大對落后省事的政策扶持力度，全面協(xié)調(diào)發(fā)展。 134679結(jié)論 1325036參考文獻(xiàn) 131引言自1978年改革開放以來，我國經(jīng)濟(jì)飛速發(fā)展，國內(nèi)生產(chǎn)總值日趨上升，經(jīng)濟(jì)總體處于供大于求的狀態(tài)，雖然經(jīng)歷了1997金融風(fēng)暴和2007金融危機(jī)，但我國經(jīng)濟(jì)發(fā)展前景一片大好。國內(nèi)生產(chǎn)總值（簡稱GDP，是指在一定時期內(nèi)(一個季度或一年）一個國家或地區(qū)的經(jīng)濟(jì)中所生產(chǎn)出的全部最終產(chǎn)品和勞務(wù)的價(jià)值，常被公認(rèn)為衡量國家經(jīng)濟(jì)狀況的最佳指標(biāo))。它不但可反映一個國家的經(jīng)濟(jì)表現(xiàn)，更可以反映一國的國力與財(cái)富[1]。一個國家或地區(qū)的經(jīng)濟(jì)究竟處于增長抑或衰退階段，從這個數(shù)字的變化便可以觀察到。一般而言，GDP公布的形式不外乎兩種，以總額和百分比率為計(jì)算單位。當(dāng)GDP的增長數(shù)字處于正數(shù)時，即顯示該地區(qū)經(jīng)濟(jì)處于擴(kuò)張階段；反之，如果處于負(fù)數(shù)，即表示該地區(qū)的經(jīng)濟(jì)進(jìn)入衰退時期。近來由于世界金融危機(jī)和我國經(jīng)濟(jì)轉(zhuǎn)型的影響，以及我國自身的一些發(fā)展條件限制，我國經(jīng)濟(jì)發(fā)展速度逐漸放緩，因而對我國GDP水平的研究就顯得尤為必要。因此，本文首先通過網(wǎng)絡(luò)工具對我國1980-2014年GDP、人口數(shù)、固定資產(chǎn)投資、進(jìn)出口總額、國家財(cái)政支出數(shù)據(jù)；我國各省(直轄市)2011年GDP數(shù)據(jù)進(jìn)行數(shù)據(jù)收集。而后根據(jù)要求對數(shù)據(jù)進(jìn)行適當(dāng)?shù)奶幚?，根?jù)所需要的分析結(jié)果，我們分別選擇了excel和spss兩種工具進(jìn)行輔助分析。這其中既有關(guān)于GDP與人口數(shù)、固定資產(chǎn)投資、進(jìn)出口總額、國家財(cái)政支出的相關(guān)性分析，也有各省GDP方差分析，還有各省GDP聚類分析[2]。根據(jù)分析的結(jié)果對我國GDP水平進(jìn)行適當(dāng)?shù)奶接懸约敖o出一些經(jīng)濟(jì)發(fā)展規(guī)劃的建議。2對我國GDP的相關(guān)分析和回歸分析2.1數(shù)據(jù)收集1980-2014年全國經(jīng)濟(jì)相關(guān)數(shù)據(jù)年份GDP現(xiàn)價(jià)（億元）人口數(shù)（萬人）固定資產(chǎn)投資（億元）進(jìn)出口總額（億元）國家財(cái)政支出（億元）19804545.62498705910.9570.01228.8319814891.5611100072961.0735.31138.4119825323.3511016541230.4771.31229.9819835962.65161030081430.1860.11409.5219847208.05171043571832.91201.01701.0219859016.03661058512543.22066.72004.25198610275.17921075073120.62580.42204.91198712058.61511093003791.73084.222628231110264753.83821.82491.21198916992.31911127044410.44156.02823.78199018667.82241143334517.05560.13083.59199121781.49941158235594.57225.83386.62199226923.47651171718080.19119.63742.2199335333.924711851713072.311271.04642.3199448197.856411985017042.120381.95792.62199560793.729212112120019.323499.96823.72199671176.591712238922913.524133.87937.55199778973.03512362624941.126967.29233.56199884402.279812476128406.226849.710798054812578629854.729896.213187.67200099214.554312674332917.739273.215886.52001109655.170612762737213.542183.618902.582002120332.689312845343499.951378.2220533.152003135822.756112922755566.670483.524649.952004159878.337912998870477.4395539.128486.892005184937.36913075688773.6129116921.833930.282006216314.4259131448109998.1624140974.040422.732007265810.3058132129137323.9381166863.749781.352008314045.4258132802172828.3998179921.470262592.662009340902.8126133450224598.7679150648.063576299.932010401512.7952134091278121.8549201722.14789874.162011473104.00134735311485.1254236401.992109247.792012519322.10135404374675.7255077.749112234.112013588019.25136072436528.5258267.45127504.422014636463.00136782512761.4246408.331134156.202.2數(shù)據(jù)處理這里我們錄入全國1980年到2014年的GDP、人口數(shù)、固定資產(chǎn)投資，進(jìn)出口總額、國家財(cái)政支出數(shù)據(jù)。在相關(guān)性分析中，我們以GDP為參考，利用SPSS軟件研究其他四種因素與GDP的相關(guān)性，由于做單個比較需要進(jìn)行四次操作，因而我們在這里直接利用SPSS的相關(guān)功能直接給出五個量的兩兩相關(guān)系數(shù)，這之中自然包括我們所需要的GDP其他四類因素的相關(guān)系數(shù)[3]。在回歸分析中，我們令GDP為因變量，將人口數(shù)，固定資產(chǎn)投資，進(jìn)出口總額、國家財(cái)政支出四個數(shù)據(jù)作為自變量Xl、X2、X3、X4，然后利用excel的數(shù)據(jù)分析工具做回歸分析。2.3分析步驟錄入數(shù)據(jù)到SPSS于畫出關(guān)于GDP的散點(diǎn)圖做大致分析→做相關(guān)性分析。錄入數(shù)據(jù)到excel→選擇分析工具→定好自變量和因變量→做回歸分析。2.4結(jié)果分析2.1.4相關(guān)性分析下表是通過SPSS所做相互的兩兩相關(guān)系數(shù)表格:項(xiàng)目GDP人口數(shù)固定資產(chǎn)投資額進(jìn)出口總額國家財(cái)政支出GDPPearsonCorrelation1.798.956**.984**.992**Sig.(2-tailed).000.000.000.000N3232323232人口數(shù)PearsonCorrelation.798**1.633**.781**.729**Sig.(2-tailed).000.000.000.000N3232323232固定資產(chǎn)投資額PearsonCorrelation.956**.633**1.933**.974**Sig.(2-tailed).000.000.000.000N3232323232進(jìn)出口總額PearsonCorrelation.984**.781**.933**1.969**Sig.(2-tailed).000.000.000.000N3232323232國家財(cái)政支出PearsonCorrelation.992**.729**.974**.969**1Sig.(2-tailed).000.000.000.000N3232323232從表中我們可以知道：1、GDP與人口數(shù)之間的相關(guān)系數(shù)是0.798，雙尾檢驗(yàn)的概率值為0，小于0.01，則相關(guān)水平是顯著的，換句話說，有超過99%的把握認(rèn)為，兩者之間存在著比較強(qiáng)的正相關(guān)性。2、GDP與固定資產(chǎn)投資之間的相關(guān)系數(shù)是0.956，雙尾檢驗(yàn)的概率值為0，小于0.01，則相關(guān)水平是顯著的，換句話說，有超過99%的把握認(rèn)為，兩者之間存在著非常強(qiáng)的正相關(guān)性。3、GDP與進(jìn)出口總額之間的相關(guān)系數(shù)是0.984，雙尾檢驗(yàn)的概率值為0，小于0.01，則相關(guān)水平是顯著的，換句話說，有超過99%的把握認(rèn)為，兩者之間存在著比較強(qiáng)的正相關(guān)性。4、GDP與國家財(cái)政支出數(shù)據(jù)之間的相關(guān)系數(shù)是0.992，雙尾檢驗(yàn)的概率值為0，小于0.01，則相關(guān)水平是顯著的，換句話說，有超過99%的把握認(rèn)為，兩者之間存在著非常強(qiáng)的正相關(guān)性[4]。對于回歸分析，可以利用excel中自帶的會給分析予以分析。2.4.2回歸分析下表是通過excel軟件做出的回歸分析結(jié)果:1、方差分析表方差分析dfSSMSFSignificanceF回歸分析44.96E+111.24E+113400.954.65521E-36殘差279.83E+0836423935總計(jì)314.96E+112、參數(shù)確定表由輸出結(jié)果可以知道，線性回歸方程為:1>Y=-149510+1.4495*Xl+0.189964*X2+0.427531*X3+2.461343*X4。2>根據(jù)輸出結(jié)果中的方差分析可知，SignificanceF=4.65521E-36<α=0.05，說明回歸方程是顯著的。3>而由結(jié)果中的回歸系數(shù)的tStat檢測可知：a：P-Value=1.25E-08<α=bl：P-Value==2.79E-09<α=b2：P-Value=0.031325<α=b3：P-Value=2.89E-06<α=b4：P-Value=0.000433<α=綜上所述，因此回歸方程是有效可靠的。3全國各省市GDP聚類分析3.1數(shù)據(jù)收集全國各省市2011年GDP數(shù)據(jù)(現(xiàn)價(jià)/單位:億元)地區(qū)地區(qū)生產(chǎn)總值農(nóng)業(yè)工業(yè)建筑業(yè)交通運(yùn)輸、產(chǎn)出和郵政業(yè)批發(fā)和零售業(yè)住宿和餐飲業(yè)金融業(yè)房地產(chǎn)業(yè)其他北京16251.93136.273048.79703.69808.952139.65348.422215.411074.935775.82天津11307.28159.725430.84497.48632.11463.89194.52756.5411.461760.77河北24515.762905.7311770.381356.482046.221780.63338.91746.01918.022653.38山西11237.55641.425959.96675.3756.29846.65261.33519.32224.911352.37內(nèi)蒙古14359.881306.37101.6936.091040.031216.6381.64447.46384.761545.41遼寧22226.71915.5710696.541455.611143.171960.33436.13755.57876.122987.66吉林10568.831277.444917.95693.53420.98860.47205.69207.65238.611746.51黑龍江125821701.55602.76727.77543.811060.26275.8350.82465.611853.67上海19195.69124.947208.59719.3868.313040.99279.342277.41019.683657.14江蘇49110.273064.7722280.612922.672127.935341.39919.132600.112747.897105.77浙江32318.851583.0414683.031872.551206.953288.53620.252730.291677.134657.08安徽15300.652015.3170621247.38589.821050.61252.62503.85634.921944.15福建17560.181612.247675.091394.11963.851511.29300.35862.41911.162329.68江西11702.821391.075411.86978.69507.44831.97270.29357.44402.511551.55山東45361.853973.8521275.892741.222328.385400.19881.581640.411838.145282.2河南26931.033512.2413949.321477.76961.51586.09797.99868.29872790.94湖北19632.262569.38538.041277.9869.481512.89446.52674.57634.673108.89湖南19669.562768.038122.751239.24948.821662.34406.87501.09518.03502.38廣東53210.282665.224649.61797.782090.365681.171192.282916.133321.318896.45廣西11720.872047.234851.37823.95588.2803.48307.8445.37465.681387.72海南2522.66659.23475.04239.46119.74258.0689.75105.24208.71367.43重慶10011.37844.524690.46852.58456.25747.3166.31704.66396.281153.01四川21026.682983.519491.051538.08638.761186.58562.63868.15620.623137.3貴州5701.84726.221829.2365.13590.91448.77224.4297.27160.31059.64云南8893.121411.012994.3786.02217.22932.21278.2456.23222.311595.62西藏605.8374.4748.18160.6123.9534.2517.7531.717.44197.48陜西12512.31220.95857.921077.67552.541036.35266.92432.11398.031669.86甘肅5020.37678.751923.95453.88280.33351.97123.61145.05134.25928.57青海1670.44155.08811.73163.4567.5393.718.9362.5629.05268.41寧夏2102.21184.14816.79239.36174.1109.9937.15134.1879.01327.49新疆6610.051139.032700.2525.7256.72371.977.87288.77176.221073.643.2數(shù)據(jù)處理根據(jù)要求，我們需要對全國GDP做聚類分析，簡而言之，就是做一個分類處理。這個分類，我們可以根據(jù)全國各省市的GDP構(gòu)成來對其進(jìn)行一個簡單地劃分。通過對全國各省市的GDP構(gòu)成的了解，以及通過比較各省市之間的各行GDP進(jìn)行分類。在這里我們利用了SPSS軟件中的系統(tǒng)聚類法和快速聚類法[5]。并且在聚類分析之前通過對統(tǒng)計(jì)量進(jìn)行描述，對數(shù)據(jù)做初步分析。3.3分析步驟1、統(tǒng)計(jì)量描述錄入數(shù)據(jù)到SPSS選用合適的分析工具→做數(shù)據(jù)分析。2、系統(tǒng)聚類法選擇合適的分析工具→選擇變量→選擇系統(tǒng)聚類方法→做系統(tǒng)聚類→選擇下一種系統(tǒng)聚類法分析具體操作過程，用七種系統(tǒng)聚類法所得的樹狀聚類圖。3、快速聚類法選擇合理的分析工具→選擇變量→預(yù)先數(shù)據(jù)分為三類→做快速聚類。3.4結(jié)果分析3.4.1數(shù)據(jù)描述DescriptiveStatisticsNMinimumMaximumMeanStd.Deviation農(nóng)業(yè)3174.473973.8511.5306E31099.29507工業(yè)3148.1824649.607.4799E36296.67453建筑業(yè)31160.612922.671.0303E3673.06563交通運(yùn)輸倉儲和郵政業(yè)3123.952328.388.0067E2613.84875批發(fā)零售業(yè)3134.255681.171.5681E31509.48430住宿和餐飲業(yè)3117.751192.283.5423E2277.56833金融業(yè)3131.702916.138.3555E2833.73651其他31197.488896.452.5054E32036.35437ValidN(listwise)31從表中數(shù)據(jù)可知：平均GDP較高的三個行業(yè)是工業(yè)、交通運(yùn)輸倉儲和郵政業(yè)、金融業(yè)。從GDP的極大值和極小值方面分析，我們可以知道GDP的極小值是住宿和餐飲業(yè)的17.7億元。極大值是工業(yè)的24649.6億元。3.4.2系統(tǒng)聚類法(注：取用間距SquaredEuclideanDistance)1、下表是利用“組間聯(lián)結(jié)”聚類法計(jì)算所得的近似矩陣表，其實(shí)質(zhì)是一個不相似矩陣，其中的數(shù)值表示各個樣本之間的相似系數(shù)，數(shù)值越小，表示兩樣本的差距越小。(由于表格數(shù)據(jù)很大，故截取一部分作說明)2、結(jié)果總結(jié)縱觀七種聚類方法，比較其聚類結(jié)果(分為三類)可總結(jié)出如下表:第一類第二類第三類組間聯(lián)結(jié)聚類法廣東、山東、江蘇浙江、上海、北京其他組內(nèi)聯(lián)結(jié)聚類法廣東山東、江蘇其他最近鄰元素聚類法廣東、山東、江蘇浙江其他最遠(yuǎn)鄰元素聚類法廣東、山東、江蘇浙江、上海、北京其他質(zhì)心聚類法廣東、山東、江蘇浙江、上海、北京其他中位數(shù)聚類法廣東、山東、江蘇浙江、上海、北京其他Ward聚類法廣東、山東、江蘇浙江、上海、北京其他3.4.3快速聚類法1、下表表示的是初始聚類中心，也就是種子點(diǎn)InitialClusterCentersCluster123農(nóng)業(yè)74.472665.203512.24工業(yè)48.182.46E41.39E4建筑業(yè)160.611797.781477.76交通運(yùn)輸倉儲和郵政業(yè)23.952090.36961.50批發(fā)零售業(yè)34.255681.171586.09住宿和餐飲業(yè)17.751192.28797.99金融業(yè)31.702916.13868.20房地產(chǎn)業(yè)17.443321.31987.00其他197.488896.452790.942、下表表示的是每個個案的類別情況:第三列的“Cluster”表示的是該案屬于哪一個類別。第四列的“distance”表示的該案例與所屬類別中心之間的距離。ClusterMembershipCaseNumber地區(qū)ClusterDistance1北京15.056E32天津12.352E33河北32.505E34山西12.625E35內(nèi)蒙古33.191E36遼寧31.114E37吉林11.662E38黑龍江12.464E39上海33.752E310江蘇2714.67011浙江35.887E312安徽32.977E313福建32.173E314江西12.159E315山東22.694E316河南34.537E317湖北31.330E318湖南31.876E319廣東22.924E320廣西11.937E321海南13.178E322重慶11.397E323四川31.215E324貴州11.653E325云南1791.06926西藏13.774E327陜西12.596E328甘肅11.633E329青海13.052E330寧夏12.983E331新疆1928.110分析上表可知，若采用K-均值聚類法分三類，第一類包括廣東、山東、江蘇，第二類包括河北、內(nèi)蒙古、遼寧、上海、浙江、安徽、福建、河南、湖北、湖南、四川，第三類為其他。3.4.4結(jié)論結(jié)論1：不同地業(yè)的平均GDP比較平均GDP較高的三個行業(yè)是：工業(yè)、交通運(yùn)輸倉儲和郵政業(yè)、金融。結(jié)論2：不同地區(qū)平均GDP比較[5]:比較系統(tǒng)聚類法和K-均值聚類法輸出的結(jié)果，其我們可以清楚的看到第一類基本都為廣東、山東、江蘇，但是第二類卻有很大出入，用系統(tǒng)聚類法的幾種不同方法所做的分析結(jié)果基本相同，故而我們這里認(rèn)為第二類包括北京，上海，浙江，第三類包括其他省市。4討論和建議4.1人口過剩之制約國民經(jīng)濟(jì)發(fā)展的關(guān)鍵因素之一根據(jù)回歸方程：Y=149510+1.4495*Xl+0.189964*X2+0.427531*X3+2.461343*X4?？芍?，人口和政府財(cái)政支出較進(jìn)出口和固定資產(chǎn)對GDP水平的影響大的多，但人口過剩也是制約國民經(jīng)濟(jì)發(fā)展的一個非常關(guān)鍵的因素。為促進(jìn)國民經(jīng)濟(jì)又好又快的發(fā)展，政府的作用顯得非常重要，同時我們也看到進(jìn)出口總額對國民經(jīng)濟(jì)的影響也是不容小視的。同時，加大固定資產(chǎn)的投資也可以促進(jìn)經(jīng)濟(jì)發(fā)展，政府的固定資產(chǎn)投資包括基礎(chǔ)設(shè)施建設(shè)、水