SPSS实验报告.doc

分析：影响我国第一产业指数 姓名：陆苏欣 学号09081100 金融工程一：案例说明与问题描述第一产业是国民经济中的一个产业部门，指以利用自然力为主，生产不必经过深度加工就可消费的产品或工业原料的部门。它是第二和第三产业发展的前提和基础，加强第一产业是国民经济发展的首要问题。只有第一产业发展了，才能为第二、三产业提供重要原材料和广阔的市场。而影响第一产业的因素，主要分为四类，农业、林业、渔业、牧业。它们的波动往往会对第一产业产生决定性影响。二：分析目的、分析思路与数据选取本案例的研究目的是分析我国农林牧渔四大指数对我国第一产业的指数影响，为我国在下一阶段，加强第一产业投资提供主要科学依据。分析思路如下，首先利用描述性分析对四种因素的指数进行基础性描述，以便对整个第一产业形成直观印象。然后利用因子分析提取对第一产业指数影响较为明显的因素，分析第一产业指数的决定因素，最后利用回归分析方法确定这些因素对第一产业的影响方向和强弱。为利用第一产业影响因素的的数据，本案例观测了农业指数，林业指数，牧业指数，渔业指数和时间公布等数据，所有数据来源于中国统计年鉴。图（1）年份 总产值指数农业指数林业指数牧业指数渔业指数1980101.40 99.70 112.20 107.00 107.70 1985103.40 99.80 104.50 117.20 118.90 1990107.60 108.00 103.10 107.00 110.00 1991103.70 100.90 108.00 108.80 107.60 1992106.40 104.20 107.70 108.80 115.30 1993107.80 105.20 108.00 110.80 118.40 1994108.60 103.20 108.90 116.70 120.00 1995110.90 107.90 105.00 114.80 119.40 1996109.40 107.80 105.70 111.40 114.00 1997106.70 104.50 103.30 110.10 111.50 1998106.00 104.90 102.90 107.40 108.80 1999104.66 104.32 103.20 104.55 107.19 2000103.60 101.40 105.40 106.30 106.50 2001104.20 103.60 99.28 106.26 103.90 2002104.94 103.90 107.07 106.01 106.12 2003104.00 100.50 106.90 107.30 105.30 2004107.45 108.50 102.00 107.19 106.05 2005105.66 104.15 103.19 107.84 106.55 2006105.42 105.39 105.58 105.00 105.99 2007103.86 103.98 106.90 102.28 104.83 2008105.73 104.78 108.07 106.75 105.96 2009104.60 103.82 107.15 105.80 105.79 2010104.42 104.07 106.52 104.09 105.55 图（1）三：案例中使用的SPSS方法1. 描述性分析描述性分析主要是对数据进行基础性描述，主要是用于描述变量的基本特征。SPSS中的描述性分析过程可以生成相关的描述性统计量，如均值、方差、标准差、全距、峰度和偏度等。通过这些描述性统计量，我们可以对变量变化的综合特征进行全面了解。2. 因子分析因子分析是一种数据简化的技术。它通过研究众多变量之间的内部依赖关系，探求观测数据中的基本结构，并用少数几个独立的不可观测变量变化来表示其基本的数据结构。这几个假象变量能够反映原来众多变量的主要信息。3. 回归分析回归分析是研究一个因变量与一个或多个自变量之间的线性或非线性关系的一种统计分析方法。回归分析通过规定因变量和自变量来确定变量之间的因果关系，建立回归模型，并根据实测数据来估计模型的各个参数，然后评价回归模型是否能够很好地拟合实测数据；并可以根据自变量作进一步预测。四：数据文件的建立图（2）在SPSS活动数据文件中的数据视图中，把相关数据输入到各个变量中，输入完毕后如上图（2）示。五：SPSS操作步奏1.描述性分析操作步奏STEP1：打开数据文件，进入SPSS statistics数据编辑窗口，然后在菜单栏中依次选择变量“总产值指数”、“农业指数”、“林业指数”、“牧业指数”、“渔业指数”、进入“变量”列表。STEP2：单击“选项”按钮进入“描述：选项”对话框，选中“最大值”、“最小值”、“平均数”、“标准差”、“均值”和“方差”，然后单击“继续”按钮，返回“描述性”对话框。STEP3：单击“确定”按钮，输出分析结果。2.因子分析操作步奏STEP1：打开数据文件，进入SPSS statistics数据编辑器窗口，在菜单中依次单击“分析”/“降维”/“因子分析”命令，将“农业指数”、“林业指数”、“牧业指数”、“渔业指数”、进入“变量”列表。STEP2：单击“描述”按钮，勾选“原始分析结果”复选框和“KMO与Bartlett球形度检验”复选框，单击“继续”按钮，保存设置结果。STEP3：单击“旋转”按钮，勾选“最大方差法”复选框，其他为系统默认选择，单击“继续”按钮，保存设置结果。STEP4：单击“得分”，勾选“保存为变量”和“因子得分系数”复选框，保存设置结果。3.回归分析操作步奏STEP1：打开数据文件，进入SPSS Statistics数据编辑器窗口，在菜单栏中选择“分析”/“回归”/“线性”命令，打开“线性回归”对话框，然后将“总产值指数”变量选入“因变量”列表，将“牧业指数”“林业指数”变量选入“自变量”列表。STEP2：单击“统计量”按钮，打开“线性回归：统计量”对话框。选中“估计”、“模型拟合度”和“Durbin-Watson”，然后单击“继续”按钮，保存设置。STEP3：单击“选项”按钮，打开“线性回归：选项”对话框。选中“在等式中包含常量”，然后单击“继续”按钮，保存设置。STEP4：单击“按钮”，便可以得到线性回归结果。六：结果判断1. 描述性统计分析图（3）为第一产业的描述结果。描述统计量N极小值极大值均值标准差方差总产值指数23101.40110.90105.67172.206274.868农_业指数2399.70108.50104.10872.489886.200林_业指数2399.28112.20105.67722.780177.729牧_业指数23102.28117.20108.23413.8085014.505渔_业指数23103.90120.00109.62325.2757127.833有效的 N （列表状态）23图（3）由图（3）可知从1980年到2010年，我国第一产业总指数的平均值为105.6717。最大值与最小值之间指数的全距为9.50，标准差为2.2。可见我国第一产业总产值指数在样本期间波动幅度较大。但总体来说，可知我国第一产业状况良好。2. 第一产业的因子分析图（4）给出了KMO和Bartlett的检验结果，其中KMO值越接近1表示越适合做因子分析，从该表可以得到KMO的值为0.643，表示比较适合做因子分析。Bartlett球形度检验的原假设为相关矩阵为单位阵，Sig值为0.000小于显著性水平0.05，因此拒绝原假设表示变量之间存在相关关系，适合做因子分析。图（5）给出了每个变量共同度的结果。该表左侧表示每个变量可以被所有因素所能解释的方差，右侧表示变量的共同度。从该表可以得到，因子分析的变量共同度都非常高，表明变量中的大部分信息均能被因子所提取，说明因子分析的结果是有效的。 KMO 和 Bartlett 的检验取样足够度的 Kaiser-Meyer-Olkin 度量。.643Bartlett 的球形度检验近似卡方42.602df6Sig.000图（4）公因子方差初始提取农_业指数1.000.738林_业指数1.000.713牧_业指数1.000.924渔_业指数1.000.960提取方法：主成份分析。图（5）图（6）给出了因子贡献率的结果。该表中左侧部分为初试特征值，中间位提取主因子结果。“合计”指因子的特征值，“方差的%”表示该因子的特征值占总总特征值的百分比，“累积%”表示累积的百分比。其中只有前两个因子的特征值大于1，并且前两个因子特征值之和占总特征值的83.379%，因此提取前两个作为主因子。图（7）给出了旋转后的因子载荷值，其中旋转方法是Kaiser标准化的正交旋转法。通过因子旋转，各个因子有了比较明确的含义。第一个因子与农业指数和牧业指数相关性最强，因此将农业指数作为对第一个因子的解释。第二个因子与林业指数最为相关，因此将林业指数作为对第二个因子的代表。综上所述，我们提取出林业指数与牧业指数作为最相关的因子，进行下面操作。解释的总方差成份初始特征值提取平方和载入旋转平方和载入合计方差的 %累积 %合计方差的 %累积 %合计方差的 %累积 %11.93048.25648.2561.93048.25648.2561.91747.92447.92421.40535.12483.3791.40535.12483.3791.41835.45583.3793.59214.80398.1834.0731.817100.000图（6）旋转成份矩阵a成份12农_业指数.108-.852林_业指数.154.830牧_业指数.960.045渔_业指数.980.003提取方法 :主成分分析法。 旋转法 :具有 Kaiser 标准化的正交旋转法。a. 旋转在 3 次迭代后收敛。图（7）3. 第一产业与主因子的回归分析对利用因子分析得到的主因子进行回归分析，可进一步发掘我国第一产业与其主要影响因素的关系。由上文的对第一产业影响因素的因子分析，我们发现可以用两个主因子（林业指数、农业指数）来代替所有4个指标提供接近85%的信息。因此下面将利用分析的两个主因子林业指数、农业指数，作为自变量对因变量第一产业总指数的平均指数进行回归。回归结果如下：图（8）给出了评价模型的检验统计量。从该图可以得到R、R2、调整的R2、标准估计的误差及D-W统计量。如本实验中回归模型调整的R2是0.815，说明回归的拟合度还是较高的，并且D-W为1.039，说明模型残差不存在自相关。该回归模型较优良。模型汇总b模型RR 方调整 R 方标准 估计的误差Durbin-Watson1.815a.663.6301.342371.039a. 预测变量: (常量), 林_业指数, 农_业指数。b. 因变量: 总产值指数图（8）图（9）给出了方差分析结果。由该图可以得到回归部分的F值为19.714，相应的P值是0.000，小于0.05，因此可以判断由林业指数、农业指数这两个指标对第一产业总指数的解释能力是不错的。Anovab模型平方和df均方FSig.1回归71.049235.52419.714.000a残差36.039201.802总计107.08822a. 预测变量: (常量), 林_业指数, 农_业指数。b. 因变量: 总产值指数图（9）图（10）给出了线性回归模型的回归系数及相应的一些统计量。从该表可以得到线性回归模型中的农业指数和林业指数分别是0.769和0.126，说明林业指数和农业指数小额增加会带动第一产业指数增加，说明并证实了我国第一产业的总产值指数与林业指数和农业指数高度相关的状况。另外，线性回归模型中的林业指数和农业指数的T值为1.110和6.080，相应的概率值为0.000，说明系数非常显著，这与上表方差分析的结果十分一致，即第一产业总产值指数受农业指数和林业指数两个影响。系数a模型非标准化系数标准系数tSig.B标准 误差试