高级统计学实验报告.doc

考核科目 学生所在院（系）学生所在学科学 生 姓 名学 号学 生 类 别考核结果阅卷人 第 1 页 （共 8 页）高级统计学实验报告1.研究的目的和意义建筑业是国民经济的重要物质生产部门，它与整个国家经济的发展、人民生活的改善有着密切的关系。中国正处于从低收入国家向中等收入国家发展的过渡阶段，建筑业的增长速度很快，对国民经济增长的贡献也很大。据中国统计年鉴中的数据显示：1978年以来，建筑市场规模不断扩大，国内建筑业产值增长了20多倍，建筑业增加值占国内生产总值的比重从3.8%增加到了7.0%，成为拉动国民经济快速增长的重要力量，带动多个行业的迅速发展。据中国统计年鉴提供的最新统计数据，2010年中国建筑专业承包企业达到32433个。从业人员有4447359人，建筑总产值108764057万元，在国民经济各部门中居第四位。本次实验的主要目的是在相关资料的基础上，分析全国范围内各地建筑承包企业的经济情况和，针对2007年全国建筑业的统计数据利用多元线性分析的方法，评价专业承包建筑企业的经济情况及其发展状况和其利润空间。2.研究的内容本文根据对全国各省市专业承包企业的统计数据评价各个地区建筑承包企业的发展状况。评价每个地区专业承包企业应从以下几个方面着手：（1）该地区的专业承包企业数量：指注册的企业数量。（2）从业人员：指长期在企业工作的人员，不包括临时工人。（3）建筑总产值：指房屋、构筑物建造是所要花费的全部费用。（4）利润总额：是指企业的销售收入与成本差。（5）劳动生产率：建筑总产值与从业人员数目的比值。依据以上对专业建筑承包企业评价指标的分析，我将用此数据对各个地区的建筑专业承包企业的发展状况进行评价，分析各个指标对发展状况的影响。将劳动生产率，利润总额，建筑业企业总产值以及建筑业企业从业人员设计为本次实验的自变量。通过建立回归方程，对系数进行拟合，最终得到调整后的模型，从而说明建筑业发展状况与这些自变量的关系。3.模型的建立及检验3.1模型的建立由于经济变量之间的关系大体可分为两类:函数关系和统计相关关系(随机关系)同时，在经济计量研究中所处理的变量关系大多是不确定的相关关系，因而回归分析构成经济计量学的方法论的基础2。故先用以上四个变量对建筑业总产值进行多元线性回归分析。设回归方程为: ：建筑业发展状况，：劳动生产率 ， ：利润总额， ：建筑业企业总产值，：建筑业企业从业人员。3.2模型的统计检验根据2010年中国统计年鉴的资料，利用spss16.0软件进行多元统计分析，得到以下回归方程：y=1.990e6+169.749x+9.266x-98.037x+7.404xvariables entered/removedbmodelvariables enteredvariables removedmethod1var00006, var00003, var00004, var00005a.entera. all requested variables entered.b. dependent variable: var00007运用enter的方法。因变量设置为劳动生产率，利润总额，建筑业企业总产值以及建筑业企业从业人员。（1）r2检验model summarybmodelrr squareadjusted r squarestd. error of the estimate1.947a.897.8811.00569e7a. predictors: (constant), var00006, var00003, var00004, var00005b. dependent variable: var00007r2检验是指样本回归直线与样本观察值之间拟合程度的检验，其数值范围为0,1若r2越接近1，拟合程度越好，模型的r2值为0.897，说明观察值与回归值十分接近，模型假设成立。（2）回归方程的显著性检验anovabmodelsum of squaresdfmean squarefsig.1regression2.284e1645.709e1556.446.000aresidual2.630e15261.011e14total2.547e1630a. predictors: (constant), var00006, var00003, var00004, var00005b. dependent variable: var00007由于sig=.000小于0.05说明回归方程显著成立。（3）参数显著性检验(t检验)coefficientsamodelunstandardized coefficientsstandardized coefficientstsig.95% confidence interval for bbstd. errorbetalower boundupper bound1(constant)1.990e69.441e6.211.835-1.742e72.140e7var00003169.74959.323.8922.861.00847.809291.689var000049.2663.6821.1702.517.0181.69816.835var00005-98.03755.403-1.101-1.770.089-211.91915.846var000067.40450.076.012.148.884-95.530110.337a. dependent variable: var00007由上表可知变量 、 的sig值都小于0.05所以说明二者对有显著线性作用。但 ：建筑业企业总产值及建筑企业从业人数的sig大于0.05。说明对建筑业的发展状况作用不显著。4.模型的优化通过上述的统计检验，删除变量：建筑业企业从业人员，重新进行回归分析，拟合后得到如下回归模型：y=3.330e6+166.625x+9.417x-97.784x模型1与模型2的比较如下：（1）常数项由1.990e6变为3.330e6；值由169.749变为166.625；值由9.266变为9.417，三个估计参数符号没变，大小变化不大，说明模型2估计参数的稳定性良好。（2）标标准误差model summarymodelrr squareadjusted r squarestd. error of the estimate1.947a.897.8859.87309e62.000b.000.0002.91353e7a. predictors: (constant), var00005, var00003, var00004b. predictor: (constant)回归方程总体标准误差由1.00569e7变为9.87309e6，呈下降趋势，表明模型2较模型1标准误差减少，模型2更接近实际。（3）总体回归方程的显著性检验f值由257.306变为354.766，呈上升趋势，表明模型2比模型1更合理。anovacmodelsum of squaresdfmean squarefsig.1regression2.283e1637.611e1578.083.000aresidual2.632e15279.748e13total2.547e16302regression.0000.000.bresidual2.547e16308.489e14total2.547e1630a. predictors: (constant), var00005, var00003, var00004b. predictor: (constant)c. dependent variable: var00007（4）比较模型1中的表格发现、 、 的系数的t值明显上升说明三个变量对y的相对重要新不变。coefficientsamodelunstandardized coefficientsstandardized coefficientstsig.95% confidence interval for bbstd. errorbetalower boundupper bound1(constant)3.330e62.591e61.285.210-1.985e68645896.324var00003166.26553.447.8743.111.00456.600275.930var000049.4173.4741.1892.711.0122.28916.545var00005-97.78454.364-1.098-1.799.083-209.33013.7632(constant)3.098e75.233e65.920.0002.029e74.166e7a. dependent variable: var00007（5）最后从p-p图可以看出方程的回归性较好，基本满足分布在45度线周围。上图散点图种各点分布在0线的两侧，说明均匀性良好。5.结论通过以上的多元回归分析，得到回归方程为y=3.330e6+166.625x+9.417x-97.784x。说明劳动生产率 ，企业数量，建筑业利润总额相关。同从业人员数量不太显著。（1）从方程的系数中得出按总产值计算的劳动生产率每提高1元/人，则发展状况就提高62.885万元；利润总额平均每增加一人则发展状况就增加202.262元；建筑